微分方程：速成包

一阶微分方程：dy/dt = k·y 的解为 y = y₀·e^kt（k > 0 时增长，k < 0 时衰减）；半衰期 T 对应 k = ln 2/T。牛顿冷却定律 dT/dt = −k·(T − Tₐ) 给出 T(t) = Tₐ + (T₀ − Tₐ)·e^−kt。线性方程 y′ + p(x)·y = q(x) 用积分因子 μ = e^{∫p dx} 求解：(μy)′ = μq，所以 μy = ∫μq dx + C。

二阶线性方程：对 y″ + b·y′ + c·y = 0，试 y = e^rt：得到特征方程 r² + b·r + c = 0。两个不等实根 r₁ ≠ r₂ 给出 y = A·e^r₁t + B·e^r₂t（过阻尼）；二重根 r 给出 y = (A + Bt)·e^rt（临界阻尼）；复根 −α ± jω 给出 y = e^−αt(A cos ωt + B sin ωt)（欠阻尼，振荡）。初值 y(0) 和 y′(0) 决定 A 和 B。写成 y″ + 2ζω_ny′ + ω_n²y = 0 时，ω_n 是固有频率，ζ 是阻尼比：ζ < 1 时振荡。在常值输入下，y″ + by′ + cy = c·K 的解是稳态值 K 加上自由响应。

分部积分：∫u·dv = u·v − ∫v·du，由乘积法则得出。把 u 选为求导后会变简单的因式（x 的幂或 ln x），把 dv 选为你能积分的因式（eˣ、sin x、cos x，或 u = ln x 时的 x）。对定积分，要在两个上下限处计算 u·v：∫ₐᵇ u dv = [u·v]ₐᵇ − ∫ₐᵇ v du。含 x² 的因式需要做两轮。

分部积分：∫u·dv = u·v − ∫v·du，由乘积法则得出。把 u 选为求导后会变简单的因式（x 的幂或 ln x），把 dv 选为你能积分的因式（eˣ、sin x、cos x，或 u = ln x 时的 x）。对定积分，要在两个上下限处计算 u·v：∫ₐᵇ u dv = [u·v]ₐᵇ − ∫ₐᵇ v du。含 x² 的因式需要做两轮。

求导：导数 f′(x) 是图像在 x 处的斜率。幂法则：(xⁿ)′ = n·xⁿ⁻¹。乘积法则：(uv)′ = u′v + uv′。链式法则：(f(g(x)))′ = f′(g(x))·g′(x)。在 f′(x) = 0 处，图像有水平切线：极大值、极小值或鞍点。

求导：导数 f′(x) 是图像在 x 处的斜率。幂法则：(xⁿ)′ = n·xⁿ⁻¹。乘积法则：(uv)′ = u′v + uv′。链式法则：(f(g(x)))′ = f′(g(x))·g′(x)。在 f′(x) = 0 处，图像有水平切线：极大值、极小值或鞍点。

数值积分：把 [a, b] 分成 n 条宽度为 h = (b − a)/n 的窄条，节点为 x₀ … xₙ。梯形法则：T = (h/2)[f₀ + 2f₁ + 2f₂ + … + 2f_n−1 + fₙ]。辛普森法则（n 为偶数）：S = (h/3)[f₀ + 4f₁ + 2f₂ + 4f₃ + … + 4f_n−1 + fₙ]。梯形法则的误差按 h² 缩小（误差界 (b − a)h²·M/12，其中 M = max|f″|），辛普森法则按 h⁴ 缩小，所以在节点数相同时辛普森法则通常精确得多。

y′ = f(t, y) 的数值解：欧拉法沿每一步起点处的斜率前进：y_n+1 = yₙ + h·f(tₙ, yₙ)。休恩法（改进欧拉法）取起点处斜率与欧拉预测点处斜率的平均：k₁ = f(tₙ, yₙ)，k₂ = f(tₙ + h, yₙ + h·k₁)，y_n+1 = yₙ + (h/2)(k₁ + k₂)。经典龙格–库塔法 (RK4) 结合四个斜率：y_n+1 = yₙ + (h/6)(k₁ + 2k₂ + 2k₃ + k₄)。欧拉法的整体误差与 h 成正比，休恩法与 h² 成正比，RK4 与 h⁴ 成正比。