微分方程

最新推荐文章于 2024-06-06 17:40:26 发布

老青蛙嘎嘎嘎

最新推荐文章于 2024-06-06 17:40:26 发布

阅读量9.1k

点赞数 5

分类专栏：公开课可汗学院微积分

本文链接：https://blog.csdn.net/gutsyfarmer/article/details/106352452

版权

公开课同时被 3 个专栏收录

41 篇文章 6 订阅

订阅专栏

可汗学院

32 篇文章 0 订阅

订阅专栏

微积分

10 篇文章 0 订阅

订阅专栏

学习微分方程的全部意义在于，最终我们想模拟物理系统，微分方程可以描述很多系统，现实世界中，所有的东西都不是完美的连续函数

1. 定义

什么是微分方程：包含未知函数的等式

方程：包含未知数的等式

解微分方程步骤：

1. 是否可分离变量

2. 是否是恰当微分方程

3. 一阶齐次微分方程

4. 二阶线性齐次微分方程

注意：永远不会有一种方法，可以解所有的微分方程，直到现在，还存在着不能解的微分方程；人类所知的解这些方程的唯一途径，就是用计算机求数值解，事实上，在大多数应用里，那就是最后的办法；经济学、物理学中的微分方程常常不可解，因为它们会涉及到二阶或者三阶导数，很难求出解析解，你只能求出数值解，数值解通常简单很多

2. 区别

微分方程和普通方程区别：普通方程的解是一个数或一组数；微分方程的解是一个函数或一组函数

3. 分类

微分方程有两大类：常微分方程(ODE-ordinary differential equations，未知函数及其导数关于一个变量)、偏微分方程(PDE-partial differential equations，未知函数及其导数关于多个变量)

3.1. 常微分方程

按形式分类，又分为两大类(有重叠)：几阶、是否线性

按解法分类：

3.1.1. 可分离变量微分方程：可以把含x和含y的项分开，分别做积分，就可以得到微分方程的解了

$\begin{align*} &\frac{dy}{dx}=\frac{x^2}{1-y^2} \\ &(1-y^2)dy=x^2dx \\ &\int(1-y^2)dy=\int x^2 dx \\ &y-\frac{1}{3}y^3 + C_y =\frac{1}{3}x^3 + C_x \\ & 3y -y^3 - x^3 = C \end{align*}$

3.1.2. 恰当微分方程(exact differential equations):

理解恰当微分方程的预备知识：

偏导下的链式法则：

假设：

$\psi (x,y) = \psi(x,y(x))$

$\psi = f_1(x)g_1(y) + \cdots + f_n(x)g_n(y)$

那么：

$\frac{\mathrm{d} }{\mathrm{d} x} \psi(x,y) = \frac{\partial \psi}{\partial x} + \frac{\partial \psi }{\partial y} \frac{\mathrm{d} y}{\mathrm{d} x}$

证明：

$\begin{align*} \frac{\mathrm{d}}{\mathrm{d}x} \psi &= f_1'(x)g_1(y) + f_1(x)g_1'(y) \frac{\mathrm{d}y}{\mathrm{d}x} \\ &+ \cdots \\ &+ f_n'(x)g_n(y) + f_n(x)g_n'(y) \frac{\mathrm{d}y}{\mathrm{d}x} \end{align*}$

$\frac{\mathrm{d}}{\mathrm{d}x} \psi = (f_1'(x)g_1(y) + \cdots + f_n'(x) g_n(y)) + (f_1(x) g_1'(y) + \cdots + f_n(x) g_n'(y)) \frac{\mathrm{d} y }{\mathrm{d} x }$

$\frac{\mathrm{d} }{\mathrm{d} x} \psi = \frac{\partial \psi}{\partial x} + \frac{\partial \psi }{\partial y} \frac{\mathrm{d} y}{\mathrm{d} x}$

如果y不是x的函数，或者说y独立于x，那么dy/dx=0

偏导的另一个性质(比较像操作符的运算)：

$\frac{\partial}{\partial y}( \frac{\partial}{\partial x} \psi) = \frac{\partial ^2 \psi}{\partial y \partial x} = \psi _{xy}$

$\frac{\partial}{\partial x}( \frac{\partial}{\partial y} \psi) = \frac{\partial ^2 \psi}{\partial x \partial y} = \psi _{yx}$

如果上面两个函数（求导后的函数）是连续的，那么：

$\psi_{xy} = \psi_{yx}$

判断方程是否是恰当微分方程，假设：

$M(x,y)+N(x,y) \frac{\mathrm{d}y}{\mathrm{d}x} = 0$

$M(x,y)=\frac{\partial \psi}{\partial x}=\psi_x \qquad N(x,y) = \frac{\partial \psi}{\partial y} = \psi_y$

那么：

$\psi_{xy} = M_y \qquad \psi_{yx} = N_x$

如果：

$M_y = N_x \Leftrightarrow Exact \; function$

方程就是恰当方程，然后根据上面的预备知识

$\frac{\partial \psi}{\partial x} + \frac{\partial \psi}{\partial y} \frac{\mathrm{d}y}{\mathrm{d}x} = \frac{\mathrm{d}}{\mathrm{d}x} \psi(x,y) = 0$

最终，恰当微分方程的解为：

$\psi (x,y) = C$

恰当微分方程举例：

$y \cos x + 2x e^y + (\sin x + x^2 e^y -1) y^{'} = 0$

$let \; M = y \cos x + 2x e^y \qquad N = \sin x + x^2 e^y - 1$

$M_y = \cos x + 2 x e^y$

$N_x = \cos x + 2 x e^y$

$M_y = N_x \Leftrightarrow Exact \;\; function$

因此该方程为恰当微分方程，它告诉我们，存在 ψ，使得：

$\frac{ \mathrm{d}}{\mathrm{d}x} \psi = 0$

因为（注意，下面不是用C，而是用 f(y) 代替C ）：

$M = \psi _x = y \cos x + 2x e^y$

$\int \psi _x \mathrm{d}x = \int (y \cos x + 2x e^y) \mathrm{d}x + f(y)$

$\psi = y \sin x + x^2 e^y + f(y)$

求出 f(y) 即可求出 ψ ；为了求出f(y)，我们对已求出的 ψ 求关于y的偏导数；换个符号：

$\frac{\partial \psi}{\partial y} = \sin x + x^2 e^y + f'(y) = N = \sin x + x^2 e^y - 1$

f'(y) = -1

f(y) = -y + C

$\psi = y \sin x + x^2 e^y - y + C$

最终，解出恰当微分方程：

$\frac{\mathrm{d}}{\mathrm{d}x} \psi = 0 \Rightarrow y \sin x + x^2 e^y - y = C$

由 ψ 再反推回原微分方程：

注意，对于含有y的部分，先求y导数，然后求y对x的导数

$\begin{align*} \frac{\mathrm{d}}{\mathrm{d}x} \psi &= \frac{\mathrm{d}}{\mathrm{d}x} (y \sin x + x^2 e^y - y) \\ &= y \cos x + y' \sin x + 2x e^y + x^2 e^y y' -y' \\ &= y \cos x + 2x e^y + (\sin x + x^2 e^y - 1) y' \end{align*}$

3.1.2.1. 积分因子(integrating factor)

使用积分因子 μ 的目的是，将原微分方程变成恰当微分方程。可以假设积分因子 μ 为x的函数，或y的函数，或者x,y的函数

3.1.3. 一阶微分方程

“齐次”意味着--如果f(x,y)代数上可以重写为F(y/x)，那么做一个变量替换，微分方程就可分离变量了

齐次微分方程(homogeneous differential equation)

举例：

$\frac{\mathrm{d}y}{\mathrm{d}x} = f(x,y) = \frac{x+y}{x}$

首先，它不是可分离变量微分方程，也不是恰当微分方程

其次，如果它是齐次微分方程，那么通过变量替换，可以使得方程变得可分离变量

$f(x,y)=\frac{x+y}{x}=1+\frac{y}{x}$

$assume: \quad v = \frac{y}{x} \quad \Rightarrow \quad y = vx$

$\frac{\mathrm{d}y}{\mathrm{d}x} = \frac{x+y}{x} = 1 + \frac{y}{x}$

$\frac{d}{dx} (xv) = 1 + v$

假设 v 也是关于 x 的函数，利用乘法法则：

$v + x \frac{dv}{dx} = 1 + v$

$\frac{dv}{dx} = \frac{1}{x}$

$v = \ln |x| + C$

最后将 v 重新替换为 x,y 的形式：

$\frac{y}{x} = \ln |x| + C \quad \Rightarrow \quad y = x \ln |x| + xC$

3.1.4. 二阶微分方程

最有用的一类微分方程

a(x) y'' + b(x) y' + c(x) y = d(x)

二阶：最高阶是二阶导数

线性：a(x),b(x),c(x),d(x) 都只是关于x的函数

齐次：d(x)=0 称为齐次，另一种形式的齐次微分方程，虽称它为齐次的，但我实在没有办法把二阶中的“齐次”与一阶齐次方程中的“齐次”联系起来，这两种“齐次”，看上去没有什么联系，我想，它们只是恰巧有一样的名字，尽管它们没有联系，至于为什么称它为“齐次”，是因为d(x)为0，事实上，我倒是看出了这种方程和均脂牛奶的联系，因为你想啊，所有齐次方程的解，它们总是等于0，所以它们总是“均脂”的，这勉强说是有点联系吧

解普遍情况之前，先处理特殊情况：

3.1.4.1 二阶线性齐次微分方程

1. a(x),b(x),c(x)都是常数，d(x)是0:

A y'' + B y' + Cy = 0

该方程的解法，可以归结为代数2的问题。

首先了解一下该方程的解的性质：

1. 假设g(x)是方程的一个解，那么c*g(x)也是方程的一个解

2. 假设h(x)也是方程的一个解，那么g(x)+h(x)也是方程的解

例子1（实根）

$assume \quad y = e^{rx}$

$r^2 e ^{rx} + 5 r e^{rx} + 6 e ^{rx} = 0$

$e^{rx}(r^2 + 5r + 6) = 0$

$because \quad e^{rx} \neq 0$

$so \quad r^2 + 5r + 6 = 0$

$r = -2 \quad or \quad r = -3$

且 r^2 + 5r + 6 = 0 称为特征方程

最终，微分方程有两个解：

$y_1 = e^{-2x} \quad y_2 = e^{-3x}$

又根据上面刚讲的“方程的解的性质”，微分方程的一般解为：

$y = C_1 e^{-2x} + C_2 e^{-3x}$

例子2（复根）

假设特征方程的根为

$r = \lambda \pm \mu i$

则微分方程的一般解为：

$y = C_1 e^{(\lambda + \mu i)x} + C_2 e^{(\lambda - \mu i)x}$

对一般解进行化简：

$\begin{align*} y &= C_1e^{\lambda x} e^{\mu i x} + C_2 e^{\lambda x} e^{-\mu i x} \\ &= e^{\lambda x}(C_1 e^{\mu i x} + C_2 e^{-\mu i x}) \end{align*}$

利用欧拉公式再次化简(第一次用欧拉公式、虚数来做一些有用的事，用它作为中介工具，求得一个实的，无虚数的解)：

$\begin{align*} y &= e^{\lambda x}(C_1 (\cos \mu x + i \sin \mu x) + C_2 (\cos (-\mu x) + i \sin(-\mu x))) \\ &= e^{\lambda x} (C_1 \cos \mu x + C_1 i \sin \mu x + C_2 \cos \mu x - C_2 i \sin \mu x) \\ &= e^{\lambda x}((C_1 + C_2) \cos \mu x + (C_1 i - C_2 i) \sin \mu x ) \\ &= e^{\lambda x} (C_3 \cos \mu x + C_4 \sin \mu x) \end{align*}$

上面的公式中，假设C1 + C2 = C3, C1i - C2i = C4

例子3（重根）

假设二阶线性齐次微分方程为：

y'' + 4y' + 4y = 0

其特征方程为：

r^2 + 4r + 4 = 0

r = -2

其两个根都为-2，它的通解不是：

$y = C e^{-2x}$

它是一个解，但不是通解，此时需要用到“降阶法(reduction of order)”

通常解二阶常系数齐次微分方程时，ce^{rx}是一个合理猜测的解，对于重根的方程，我们猜测另一个解为g（guess），它是第一个解ce^{rx}的v(x)倍，不过这里的c的含义比较模糊，可以把它当成v(x)的一部分：

$g=v(x) e^{-2x}$

然后把它代回到原微分方程中，看能不能解出v：

$g' = v' e^{-2x} - 2 v e^{-2x} = e^{-2x} (v' - 2v)$

$\begin{align*} g'' &= v'' e^{-2x} - 2 v' e^{-2x} - 2(v' e^{-2x} - 2 v e^{-2x}) \\ &= e^{-2x} (v'' - 4 v' + 4 v) \end{align*}$

g'' + 4 g' + 4g = 0

$e^{-2x}(v'' - 4v' + 4v + 4 v' - 8v + 4v) = 0$

v'' = 0

v(x) = C_1 x + C_2

$\Rightarrow g = (c_1 x + c_2) e^{-2x}$

g就是真正的通解，有两个常数，可以满足两个初始条件

3.1.4.2 二阶线性非齐次微分方程

Ay'' + By' + Cy = g(x)

非齐次方程的通解，其实就是齐次方程的通解加上一个特解

假设 h(x) 是齐次方程的通解，那么：

A h'' + B h' + C h = 0

假设 j(x) 是非齐次方程的一个特解，那么：

A j'' + B j' + C j = g(x)

最终，h(x) + j(x) 是非齐次方程的通解

证明：

$\begin{align*} & A (h+j)'' + B (h + j)' + C (h + j) \\ &=A (h'' + j'') + B(h' + j') + C(h + j) \\ &= (A h'' + B h' + Ch) + (A j'' + B j' + Cj) \\ &= 0 + g(x) \\ &= g(x) \end{align*}$

所以 k(x) = h(x) + j(x) 是原微分方程的通解（目前还没有证明它就是方程的所有解，但直观上先这么想吧--因为齐次方程的通解是方程的所有解，加上一个特解，得到了方程右边的g(x) ）

非齐次方程，先求齐次方程的通解，然后再求出特解；求特解的方法称为“待定系数法”，即先猜出特解的形式，然后求待定系数

例子

$y'' - 3 y' - 4y = 3 e^{2x}$

通解为

$h = C_1 e^{4x} + C_2 e^{-x}$

待定系数法求特解：猜测 j(x) 为

$j(x) = A e^{2x} \qquad j' = 2A e^{2x} \quad j'' = 4A e^{2x}$

代入原微分方程，求出待定系数A，即求出了特解

$4A e^{2x} - 3 * 2A e^{2x} - 4 * A e^{2x} = 3 e^{2x} \qquad A = - \frac{1}{2}$

$j(x) = - \frac{1}{2} e^{2x}$

最终，原微分方程的通解为：

$y = h + j = C_1 e^{4x} + C_2 e^{-x} - \frac{1}{2} e^{2x}$

猜测的函数有几类：指数函数、三角函数、多项式

如果方程右边包含指数函数和三角函数等多类函数，那么特解就是指数函数和三角函数分别求特解，然后相加

4. 拉普拉斯变换

一个函数把一个集合映射到另一个集合，一个变换则把一族函数映射到另一族函数

拉普拉斯变换(Laplace Transform)，是我们学到的最有用的概念之一

$L\left \{ f(t) \right \} = F(s)$

拉普拉斯变换的定义：

$L \left \{ f(t) \right \} = \int _0 ^\infty e^{-st} f(t) \mathrm{d}t = \lim_{A \rightarrow \infty} \int _0 ^A e^{-st} f(t) \mathrm{d} t$

为什么要写成极限的式子？因为我们不能代无穷进去算，但我们可以取极限

1. 拉普拉斯变换是线性变换（拉普拉斯是线性操作符-linear operator）：

$L \left \{ c_1 f(t) + c_2 g(t) \right \} = c_1 L \left \{ f(t) \right \} + c_2 L \left \{ g(t) \right \}$

根据定义就可以证明

2. 导函数的拉普拉斯变换与原函数的拉普拉斯变换之间的关系：

$L \left \{ f'(t) \right \} = s L \left \{ f(t) \right \} - f(0)$

$L \left \{ f \right \} = \frac{1}{s}(L \left \{ f' \right \} + f(0))$

证明：

根据定义

$L \left \{ f'(x) \right \} &= \int _0 ^{\infty} e ^{-st} f'(t) dt$

根据分部积分的定义

$let \quad u = e^{-st} , v' = f'(t)$

$u' = -s e^{-st}, v = f(t)$

$\begin{align*} \int _0 ^{\infty} e^{-st} f'(t)dt &= \left [ e^{-st} f(t) \right ]_0^{\infty} - \int_0^{\infty} -s e^{-st} f(t) dt \\ &= \left [ e^{-st} f(t) \right ]_0^{\infty} + s \int_0 ^{\infty} e^{-st} f(t) dt \end{align*}$

假设加号+前面的表达式收敛，即 f(t) 增长的速度慢于e^{-st}衰减的速度：

$\left \[ e^{-st} f(t) \right \] _0 ^{\infty} = 0 - f(0)$

因此：

$L \left \{ f'(t) \right \} = s L \left \{ f(t) \right \} - f(0)$

$L \left \{ f \right \} = \frac{1}{s}(L \left \{ f' \right \} + f(0))$

4.1. 拉普拉斯变换表

指数函数、三角函数、多项式的拉普拉斯变换

$L \left \{ 1 \right \} = \frac{1}{s}$

$L \left \{ e^{at} \right \} = \frac{1}{s-a}$

$L \left \{ \sin at \right \} = \frac{a}{s^2 + a^2}$

$L \left \{ \cos at \right \} = \frac{s}{s^2 + a^2}$

$L \left \{ t^n \right \} = \frac{n!}{s^{n+1}}$

$L \left \{ f'(t) \right \} = s L \left \{ f(t) \right \} - f(0)$

$L \left \{ e^{at} f(t) \right \} = \int _0 ^{\infty} e^{at} e^{-st}f(t)dt = \int _0 ^{\infty} e^{-(s-a)t} f(t) dt = F(s-a)$

$L \left \{ u_c(t) f(t-c) \right \} = e^{-sc} L \left \{ f(t) \right \} = e^{-sc} F(s)$

$L \left \{ \delta(t-c) f(t) \right \} = \int _0 ^{\infty} e^{-st} \delta(t-c) f(t) dt = e^{-sc} f(c)$

$L \left \{ f(t) * g(t) \right \} = F(s) G(s)$

1. 原函数乘以e^{at}的拉氏变换，相当于原函数拉式变换的平移

2. u为单位阶跃函数(unit step function):

$u_c(t) = \begin{cases} 0 & \text{ if } t < c \\ 1 & \text{ if } t \geq c \end{cases}$

3. δ为狄拉克δ函数(Dirac delta function，它有无穷小的宽和无穷大的高，图像下的面积定义为1):

$\delta(t) = \begin{cases} \infty & \text{ if } t= 0 \\ 0 & \text{ if } t \neq 0 \end{cases}$

$define \quad \int _{-\infty} ^{\infty} \delta(x) dx = 1$

$define \quad d_\tau (t) = \begin{cases} \frac{1}{2 \tau} & \text{ if } \tau < t < \tau \\ 0 & \text{ else } \end{cases}$

$\int _{-\tau} ^{\tau} d_{\tau} (t) dt = \frac{1}{2 \tau} \times 2\tau = 1$

$\lim_{\tau \rightarrow 0} d_{\tau} (t) = \delta(t)$

4. 卷积定义

$f(t) * g(t) = \int _0 ^t f(t-\tau) g(\tau) d \tau$

举例：

$\begin{align*} \sin(t) * \cos(t) &= \int _0 ^t \sin(t - \tau) \cos(\tau) d \tau \\ &= \int_0 ^t (\sin t \cos \tau - \cos t \sin \tau) \cos \tau d \tau \\ &= \int_0 ^t \sin t \cos^2 \tau d \tau - \int_0 ^t \cos t \sin \tau \cos \tau d \tau \\ &= \sin t \int_0 ^t \frac{1}{2}(\cos 2 \tau + 1) d \tau - \cos t \int_0 ^t \sin \tau \cos \tau d \tau \\ &= \frac{1}{2} t \sin t \end{align*}$

阶跃函数拉氏变换的证明：

$\begin{align*} L \left \{ u_c(t) f(t-c) \right \} &= \int _0 ^{\infty} e^{-st} u_c(t) f(t-c) dt \\ &= \int_c ^{\infty} e^{-st} f(t-c) dt \end{align*}$

$assume \quad t-c = x \quad \Rightarrow \quad t = x+c$

$\frac{d}{dx}t = \frac{d}{dx}(x+c) = 1 \quad \Rightarrow \quad dt = dx$

$\begin{align*} L \left \{ u_c(t) f(t-c) \right \} &= \int_c ^{\infty} e^{-st} f(t-c) dt \\ &= \int _0 ^{\infty} e^{-s(x+c)} f(x) dx \\ &= e^{-sc} \int_0 ^{\infty} e^{-sx} f(x) dx \\ &= e^{-sc} F(s) \end{align*}$

4.2. 拉普拉斯逆变换

拉普拉斯逆变换：从s域变换到t域，或者说从频率域变换到时间域

拉普拉斯变换是一一对应的变换，即如果对一个函数作拉普拉斯变换，然后再作拉普拉斯逆变换，得到的还是原函数

部分分式展开（分子比分母次数低），例如

$\frac{2s + 13}{(s+2)(s+3)} = \frac{A}{s+2} + \frac{B}{s+3} = \frac{A(s+3) + B(s+2)}{(s+2)(s+3)}$

$\Rightarrow A = 9,B=-7$

通用的部分分式展开：

$\begin{align*} \frac{R(x)}{G(x)} &= \frac{R(x)}{(x+2)^4(x^2+2x+3)(x^2+4)^3} \\ &= \frac{A_1}{x+2} + \frac{A_2}{(x+2)^2} + \frac{A_3}{(x+2)^3} + \frac{A_4}{(x+2)^4} \\ &+ \frac{B_0 x + C_0}{x^2 + 2x + 3} \\ &+ \frac{B_1 x + C_1}{x^2 + 4} + \frac{B_2 x + C_2}{(x^2 + 4)^2} + \frac{B_3 x + C_3}{(x^2 + 4)^3} \end{align*}$

未知数的个数等于多项式的阶数，直接求解比较麻烦，可以使用“掩盖法（cover up method）”简化求解

4.3. 拉普拉斯变换在微分方程领域内的用途

拉普拉斯变换在微分方程方面的应用，直观理解比较困难，但它是一个非常有用的工具，它能把微分或积分问题转化为代数问题。如果想要理解它，需要学习傅里叶级数和傅里叶变换

注意：拉普拉斯变换是一种求解微分方程的比较通用的理论，利用拉普拉斯变换，不需要猜解，不需要猜测通解是什么形式，我们只需要做拉普拉斯变换，坦诚地说，传统方法比不上拉普拉斯变换，但因为拉普拉斯变换是线性变换，所以只能解线性微分方程

举例1，假设二阶线性非齐次微分方程为：

$y'' + y = \sin2t, \quad y(0)=2, \quad y'(0)=1$

对微分方程两边分别进行拉普拉斯变换(使用拉普拉斯变换的另一种写法)：

$s^2 Y(s) - s y(0) - y'(0) + Y(s) = \frac{2}{s^2+4}$

$s^2 Y(s) - 2s - 1 + Y(s) = \frac{2}{s^2+4}$

$Y(s) = \frac{2}{(s^2 + 1)(s^2+4)} + \frac{2s}{s^2+1} + \frac{1}{s^2+1}$

使用部分分式展开：

$Y(s) = \frac{5}{3} \frac{1}{s^2+1} - \frac{1}{3} \frac{2}{s^2+4} + 2 \frac{s}{s^2+1}$

通过拉普拉斯逆变换，求出原函数y(t)为：

$y(t) = \frac{5}{3} \sin t - \frac{1}{3} \sin 2t + 2 \cos t$

举例2，拉普拉斯逆变换

$\begin{align*} L^{-1} \left \{ \frac{2s}{(s^2+1)^2} \right \} &= L^{-1} \left \{ 2 \frac{1}{s^2+1} \frac{s}{s^2+1} \right \} \\ &= 2 \sin t * \cos t \\ &= t \sin t \end{align*}$