1、微分方程基础概念:
- 微分方程:含有自变量、未知函数及未知函数的导数或微分的等式,其定义式为;
- 常微分方程(Ordinary Differential Equations, ODE):不含偏导数或偏微分的微分方程,即对于函数来说仅含有一个独立变量的微分方程;
- 偏微分方程(Partial Differential Equations, PDE):含有偏导数或偏微分的微分方程,即对于函数来说包含两个或两个以上的独立变量的微分方程;
- 微分方程的阶数:微分方程中所出现的未知函数的导数(或微分)的最高阶数,如有个,就称为阶常/偏微分方程;其中2阶及以上阶数的微分方程称作高阶微分方程;
- 微分方程的通解:微分方程的解中含有任意变化的常数,且任意变化的常数的个数与微分方程的阶数相同,这样的解称为通解;
- 常微分方程的初值问题/柯西问题:在给微分方程添加附加条件时,附加条件中未知函数及其导数的独立变量取值相同,比如在的情况下,对于常微分方程给出了和的值;
- 常微分方程的边值问题:在给微分方程添加附加条件时,附加条件中未知函数及其导数的独立变量取值不同,比如在的情况下,对于常微分方程给出了和的值;
2、一阶微分方程的常见形式:
- 标准形式:,大部分一阶微分方程都可以通过代数方法写成该形式;
- 微分形式:,它和标准形式是等价的且可以相互转化;
- 变量分离方程:;
- 齐次一阶微分方程:,即满足特性的方程,其中称为齐次函数;
- 全微分方程/恰当方程:变量分离方程里满足的方程,此为全微分方程的充要条件;详细的定义是:存在二元函数满足,即的全微分是,满足 为的原函数;
- 一阶线性微分方程:;当时,称作一阶齐次线性方程,表示线性方程里常数项为0,当然它在这里也是变量分离方程;
- 伯努利微分方程:;当或时,方程会退化为线性方程形式;
3、一阶常微分方程的解法:
- 变量分离方程:在两端积分变成即可求解;
- 齐次一阶微分方程:令(注:这里不是常数),则可得,通过化简可得关于的变量分离方程形式,之后在两端积分即可求解;
- 全微分方程/恰当方程:首先需要验证微分方程为全微分方程,判别方法就是证明成立,根据是否成立分为以下两种情况:
-
成立:说明为全微分方程,就需要求出的原函数;已知,首先对两边关于积分,得,再让这个式子两边对求导,得;将其与对应得,然后再在其两边关于积分即可求出,最后代入中可求出原函数;那么就是全微分方程的通解;
-
不成立:需要引入积分因子,使得非全微分方程变为全微分方程,之后就可以利用上述方法求解;积分因子的求解视的值或者微分方程形态而定:
-
当时(即结果仅是的函数):;
-
当时(即结果仅是的函数):;
-
当时(即和仅是的函数):;
-
当不满足以上三种情况时,建议采用其他方法求解;
-
-
-
伯努利微分方程: 令,即可将方程转换为一阶线性常微分方程形式,再按照上面1-3里对应方程的求解方法求出的通解,之后利用求的通解;
4、可降阶高阶微分方程的求解:
- 型微分方程(阶微分方程):对该阶微分方程两边进行次积分,即可得到该方程的通解;
- 型微分方程(不含):令,则, 即可将原来的方程化为,很明显这就是一阶微分方程的标准形式,利用上述知识找出对应一阶常微分方程的形式求解;之后利用两边积分,求解得原方程的通解;
- 型微分方程(不含): 将视作自变量,令,那么,即可将原来的方程化为, 很明显这也近似于一阶微分方程的标准形式,利用上述知识找出对应一阶常微分方程的形式求解;
5、微分方程的模型:
-
按已知规律建模法:在物理、化学等学科中,许多现象所符合的规律或定律都已知道,建模时只需要依据这些规律,给出一些变量与变化率之间的关系,即可列出微分方程。使用这种方法时,首先要确立实际问题中的几个要素,例如自变量、未知函数、必要的参数与常数、坐标系等;然后找到一些与未知函数的变化率有关的规律及定律;最后按照已知的规律列出微分方程;
-
微元分析法:根据某些已知的规律及定律直接建立变量的微元之间的关系式,即可建立微分方程。使用这种方法时,首先要确立实际问题中的几个变量,再建立这些变量的微元,最后按照这些微元之间的关系列出等式,加以整理即可得到微分方程;
-
近似待定模拟校正法:在生物、经济等学科提出的一些实际问题中,一些现象的规律还不十分清楚,而且是极其复杂的,要用数学模型去研究这些实际问题,只能用近似待定模拟校正法。具体而言,是要作出各种假设,在不同的假设下去建立近似的模型。然后从数学上求解由这样近似所建立的微分方程或者分析解的性质,再与实际现象对比,看这个微分方程模型能否刻画、模拟、近似某些实际现象,如果不行,再进一步修订校正,直到合理为止。
6、微分方程建模的步骤:
- 把用语言描述的情况转化为文字方程;
- 陈述出所涉及的原则或定律;
- 建立微分方程;;
- 确定约束条件;
- 求出微分方程的通解;
- 求出微分方程通解中的任意常数;
- 给出问题答案;
- 检验答案是否满足问题的要求。
7、微分方程建模模型举例:
- 饿狼追兔问题:现有一只兔子,一匹狼,兔子位于狼的正西100米处。假设兔子与狼同时发现对方并一起起跑,兔子往正北60米处的巢穴跑,而狼在追兔子,已知兔子、狼是匀速跑且狼的速度是兔子的两倍。问题是兔子能否安全回到巢穴?
- 首先建立如图所示的坐标系,设兔子在处,狼在处。由于狼要盯着兔子追,所以狼行走的是一条曲线,且在同一时刻,曲线上狼的位置与兔子的位置的连线为曲线上该点处的切线。设狼的行走轨迹是, 则有,假设在某一时刻,兔子跑到处,而狼在处,则有,整理得到下述式子:,很明显这属于型微分方程,即可降阶的二阶微分方程,解得狼的行走轨迹为;而因为,所以狼追不上兔子。
- 尸体冷却问题:某地发生一起凶案,受害者的尸体于晚上7:30在其家中被发现,法医于晚上8:20赶到凶案现场,测得尸体温度为32.6℃;一小时后,当尸体即将被抬走时,测得尸体温度为31.4℃,室温在几个小时内始终保持21.1℃。此案最大的嫌疑人张某某声称自己是无罪的,并有证人说:“下午张某某一直在办公室上班,5:00时打完电话后就离开了办公室”。从嫌疑人张某某到受害者家(凶案现场)步行需5分钟,现在的问题是,嫌疑人张某某不在凶案现场的证言能否被采信,使他排除在嫌疑之外。
- 首先应确定凶案的发生时间,若死亡时间在下午5:05之前,则张某某就可以排除嫌疑,否则不能排除;
- 设表示时刻尸体的温度,单位为摄氏度,并记晚上8:20为,则。假设受害者死亡时体温是正常的,即对应的时间是受害者死亡的时间,也就是求的时刻,进而确定张某某是否是嫌疑犯;
- 人体体温受大脑神经中枢调节。人死亡后体温调节的功能消失,尸体的温度受外界环境温度的影响。假设尸体温度的变化服从牛顿冷却定律,即尸体温度的变化率与他同周围的温度差成正比。即:,解答这个变量分离方程得,带入,解得,当时,有(2h57min),8h20min-2h57min=5h23min。即死亡时间大约在下午5:23,因此张某某不在凶案现场的证言不能被采信,不能被排除在嫌疑之外。
-
马尔萨斯(Malthus)人口模型/指数增长模型:在人口自然增长过程中,净相对增长(出生率与死亡率之差)是常数,即单位时间内人口的增长量与人口成正比,比例系数设为,在此假设下,推导并求解人口随时间的变化;
-
设时刻的人口为, 把当作连续、可微函数处理,据马尔萨斯的假设,在到时问段内,人口的增长量为,即有
-
设时刻的人口为,于是有,这个联立式就是马尔萨斯人口模型,求解这个变量分离方程可得,此式表明人口以指数规律随时间无限增长;
-
马尔萨斯模型的一个显著特点是:种群数量翻一番所需的时间是固定的。令种群数量翻一番所需的时间为,则有:,那么;
-
模型检验:据估计1961年地球上的人口总数为,而在以后7年中,人口总数以每年2%的速度增长,即;于是;比较历年的人口统计资料,可发现人口增长的实际情况与马尔萨斯模型的预报结果基本相符,例如,1961年世界人口数为30.6亿(即),人口增长率约为2%,人口数大约每35年增加一倍。检查1700年至1961的260年人口实际数量,发现两者几乎完全一致,且按马尔萨斯模型计算,人口数量每34.6年增加一倍,两者也几乎相同;
-
模型预测:假如人口数真能保持每34.6年增加一倍,那么人口数将以几何级数的方式增长。例如,到2510年,人口数将达到个,即使海洋全部变成陆地,每人也只有9.3平方英尺的活动范围,而到2670年,人口数将达到个,只好一个人站在另一人的肩上排成二层了。 故马尔萨斯模型是不完善的。
-
-
Logistic模型/阻滞增长模型:马尔萨斯模型为什么不能预测未来的人口数呢?这主要是地球上的各种资源只能供一定数量的人生活,随着人口的增加,自然资源环境条件等囚素对人口增长的限制作佣越来越显著,如果当人口较少时,人口的自然增长率可以看作常数的话,那么当人口增加到一定数量以后,这个增长率就要随人口的增加而减小;因此应对马尔萨斯模型中关于净增长率为常数的假设进行修改。
-
1838年,荷兰生物数学家韦尔侯斯特(Verhulst)引入常数(最大人口容量),用来表示自然环境条件所能容许的最大人口数,并假设增长率等于,即净增长率随着的增加而减小,则当时,净增长率趋于0,按此假定建立人口预测模型;
-
由韦尔侯斯特假定,马尔萨斯模型应改为即Logistic模型,该变量分离方程的解为;
-
模型检验:用该模型检验美国从1790年到1950年的人口数,发现模型计算的结果与实际人口数在1930年以前都非常吻合,自从1930年以后,误差愈来愈大,一个明显的原因是在20世纪60年代美国的实际人口数已经突破了20世纪初所设的极限人口数。由此可见该模型的缺点之一是不易确定。事实上,随着一个国家经济的腾飞,它所拥有的食物就越丰富,的值也就越大;
-
模型预测:用Logistic模型来预测世界未来人口总数。某生物学家估计,,又当人口总数为时,人口每年以2%的速率增长。由Logistic模型得:;解得,即世界人口总数极限值约为100亿。
-
参考资料:
微分方程(1)-基本概念及分类 - 知乎 (zhihu.com)
微分方程第五节 可降阶的高阶微分方程 - 知乎 (zhihu.com)