[高等数学]微分方程笔记

概念：

(1)微分方程

指含有微分式的方程，形如$$F(x,y,y^{\prime }...y^{(n)})=0$$，其阶数为方程中最高阶导数的阶数。

(2)解

通解：解中任意常数的个数与方程的阶数相等。
特解：不含任意常数的解。

(3)初始条件

指用来确定解中任意常数的附加条件。

分类讨论：

1.可分离变量的情形

 形如$f(x)dx=g(y)dy$的微分方程称为可分离变量的微分方程，其特点是形式简单，两边同时求积分即可得到通解。

2.齐次微分方程

 一般来说，形如$\frac{dy}{dx}=\varphi (\frac{y}{x})$的微分方程是齐次的，求解方法是做变换$u=\frac{y}{x}$，得到$y=xu$，进而$$\frac{dy}{dx}=u+x\frac{du}{dx}$$，代入原方程即可得到分离变量的情形。

 另外，形如$$\frac{dy}{dx}=\frac{a_{1}x+b_{1}y+c_1}{a_{2}x+b_{2}y+c_2}$$的方程可经过适当变换$X=x+k,Y=y+t$后将常数项消掉，从而化为齐次方程。

3.一阶线性微分方程

 形如$$\frac{dy}{dx}+P(x)y=Q(x)$$的方程称为一阶线性微分方程。

(1)$Q(x)\equiv 0$的齐次情形

化简原方程有
$$\begin{array}{rl}\frac{dy}{y}& =-P(x)dx\\ ln(y)& =-\int P(x)dx\\ y& =c{e}^{-\int P(x)dx}\end{array}$$

(2)非齐次的情形

 做换元$y=u{e}^{-\int P(x)dx}$，代入原方程化简有：
$$\begin{array}{rl}Q(x)& =u^{\prime }{e}^{-\int P(x)dx}\\ u& =\int Q(x)e^{\int P(x)dx}dx+c\end{array}$$最终得到：
$$y=e^{-\int P(x)dx}(\int Q(x)e^{\int P(x)dx}dx+c)$$

(3)伯努利方程

 形如$$\frac{dy}{dx}+P(x)y=Q(x)y^n$$的方程称为伯努利方程，考虑$n\ne 0,1$的情形，两同时除以$y^n$有：$$y^{-n}\frac{dy}{dx}+P(x)y^{1-n}=Q(x)$$，于是做换元$z=y^{1-n}$有:$$\frac{1}{1-n}\frac{dz}{dx}=y^{-n}\frac{dy}{dx}$$,于是：$$\frac{dz}{dx}+(1-n)P(x)z=(1-n)Q(x)$$，即可划归为前文提到的形式。

4.可降阶的高阶微分方程

(1)$y^{(n)}=f(x)$

解法：连续求n次积分。

(2)$y^{\prime \prime }=f(x,y^{\prime })$

令$y^{\prime }=p$，则$y^{\prime \prime }=p^{\prime }$，于是可化为关于p的一阶微分方程。

(3)$y^{\prime \prime }=f(y,y^{\prime })$

令$y^{\prime }=p$，则有$$y^{\prime \prime }=\frac{dp}{dx}=\frac{dp}{dy}\frac{dy}{dx}=p\frac{dp}{dy}$$，代入原方程，解出p关于y的方程，再按y的一阶微分方程求解即可。

5.常系数齐次线性微分方程

（1）线性微分方程解的结构

 形如$$y^{\prime \prime }+p(x)y^{\prime }+q(x)y=0$$的方程为二阶齐次线性微分方程，一般无法给出其通解。但是其解满足叠加原理：
 若$y_1,y_2$是$y^{\prime \prime }+p(x)y^{\prime }+q(x)y=0$的两个解，则$c_1{y}_1+c_2{y}_2$也是原方程的解，其中$c_1,c_2$为任意常数。对于n阶齐次线性微分方程：$$y^{(n)}+p_1(x)y^{(n-1)}+\cdots +p_{n-1}(x)y^{\prime }+p_n(x)y=0$$同样满足上述叠加原理。

 注意，若解$y_1,y_2$线性无关，则$c_1{y}_1+c_2{y}_2$成为原方程的通解。且有以下刘维尔公式：$$y_2=y_1\int \frac{1}{y_1^2}{e}^{\int -p(x)dx}dx$$

 对于非齐次的情形：$$y^{\prime \prime }+p(x)y^{\prime }+q(x)y=f(x)$$，若$y^{\ast }$为该方程的一个特解，$Y=c_1{y}_1+c_2{y}_2$为对应齐次方程$y^{\prime \prime }+p(x)y^{\prime }+q(x)y=0$的通解，那么$y=y^{\ast }+Y$成为原方程的通解。其中$y^{\ast }$可以表示为：
$$\begin{array}{rl}{y}^{\ast }& =u{y}_1+v{y}_2\\ u& =\int \frac{-y_{2}f(x)}{\left|\begin{array}{cc}{y}_1& y_2\\ y_1^{\prime }& y_2^{\prime }\end{array}\right|}dx,\\ v& =\int \frac{y_{1}f(x)}{\left|\begin{array}{cc}{y}_1& y_2\\ y_1^{\prime }& y_2^{\prime }\end{array}\right|}dx\end{array}$$
 此外，若已知$y_1^{\ast },y_2^{\ast }$是原方程的两个特解，则$y_1^{\ast }-y_2^{\ast }$是对应齐次方程的解，通过刘维尔公式可以求得另一个线性无关解，从而得到原方程的通解。

（2）常系数齐次线性微分方程解法

二阶

 对于二阶常系数齐次线性微分方程$y^{\prime \prime }+p{y}^{\prime }+qy=0$,我们有以下解法：

化为特征方程$r^2+pr+q=0$，求得两个解$r_1,r_2$:

(1)$\Delta >0$:

$$y=c_1{e}^{r_{1}x}+c_2{e}^{r_{2}x}$$

(2)$\Delta =0$:

$$y=(c_1+c_{2}x)e^{c_{1}x}$$

(2)$\Delta <0,r_1=\alpha +\beta i,r_2=\alpha -\beta i$:

$$y=e^{\alpha x}(c_{1}cos\beta x+c_{2}sin\beta x)$$

非齐次的特解形式*

 考虑$y^{\prime \prime }+p{y}^{\prime }+qy=f(x)$的非齐次情形。

(1)$f(x)=e^{\lambda x}{P}_n(x)$

特解形式为：$$y^{\ast }=x^k{e}^{\lambda x}{Q}_n(x)$$，其中$Q_n(x)$为n次待定系数多项式，k满足：
$$\{\begin{array}{ll}& k=0,\lambda 不是特征方程的根\\ & k=1,\lambda 是特征方程的单根\\ & k=2,\lambda 是特征方程的重根\end{array}$$

(2)$f(x)=e^{\alpha x}(P_n(x)cos\beta x+Q_m(x)sin\beta x)$，其中$P_n(x),Q_m(x)$分别为n，m次多项式

特解形式为：$$y^{\ast }=x^k{e}^{\alpha x}(S_l(x)cos\beta x+R_l(x)sin\beta x)$$，其中$l=max(m,n)$，$S_l(x),R_l(x)$是含待定系数的l次多项式，k满足：
$$\{\begin{array}{ll}& k=0,\alpha \pm \beta i不是特征方程的根\\ & k=1,\alpha \pm \beta i是特征方程的根\end{array}$$

高阶

特征方程的根	齐次微分方程通解中所含的项
单实根	$c{e}^{rx}$
k重实根	$(c_1+c_{2}x+\cdots +c_k{x}^{k-1})e^{rx}$
2重共轭复根（$\alpha \pm \beta i$）	$e^{\alpha x}[(c_1+c_{2}x)cos\beta x+(c_3+c_{4}x)sin\beta x]$

$Euler$方程*

 二阶欧拉方程的形式为：$$x^2{y}^{\prime \prime }+a_{1}x{y}^{\prime }+a_{2}y=f(x)$$，做变换$x=e^t,t=lnx$有：$$y^{\prime \prime }+(a_1-1)y^{\prime }+a_{2}y=f(e^t)$$，此即为二阶常系数线性微分方程。

总结

 对于一个任意的齐次常系数微分方程:$$\sum _{k=0}^N{a}_k\frac{d^k{y}_p(t)}{d{t}^k}=x(t)$$，其解法为：

• 列特征方程：
  $$\begin{array}{rl}F(s)& =(a_n{s}^n+a_{n-1}{s}^{n-1}+\cdots +a_{1}s+a_0)=0\\ F(s)& =a_n\prod _{i=1}^p(s-s_i{)}^{n_i},and\sum _i^p{n}_i=N\\ s_i& :特征根\end{array}$$
• 得到通解：
  $$\begin{array}{rl}{y}_h(t)& =\sum _{i=1}^p(A_{i,n_i-1}{t}^{n_i-1}+\cdots +A_{i,1}t+A_{i,0})e^{s_{i}t}\\ A_{i,j}& :任意常数\end{array}$$
• 得到特解：

$$\begin{array}{rl}设x(t)& =(C_m{t}^m+C_{m-1}{t}^{m-1}+\cdots +C_0)e^{st}\\ k& :s是k重特征根\\ 则y_p(t)& =(B_m{t}^m+B_{m-1}{t}^{m-1}+\cdots +B_0)t^k{e}^{st}\end{array}$$

• 得到全解并使用初始条件（松弛条件）求得解中常数值：
  $$y(t)=y_h(t)+y_p(t)$$