常微分方程（三）_dnx公式-CSDN博客

本文链接：https://blog.csdn.net/weixin_52812620/article/details/122632185

文章目录

- 4.高阶一维线性方程
- 5.复值解和级数解法

4.高阶一维线性方程

$n$ 阶线性微分方程的一般形式是 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=f(t)$ ，其中 $a_k(t)$ 在 $[\alpha,\beta]$ 是连续函数，且 $t$ 也定义在 $[\alpha,\beta]$ 上，当 $f(t)\equiv0$ 时，是齐次方程，否则是非齐次方程
令 $x_1=x,x_2=\frac{dx}{dt},\cdots,x_n=\frac{d^{n-1}x}{dt^{n-1}}$
- $x_1'=x'=x_2,x_2'=x_3,\cdots,x_{n-1}'=x_{n},x_n'=-a_1(t)x_n-\cdots-a_n(t)x_1+f(t)$
- 显然，每个导数都是 $x_1,x_2,\cdots,x_n$ 的线性组合，因此 $\begin{bmatrix}x_1'(t)\\x_2'(t)\\...\\x_n'(t)\end{bmatrix}=A(t)\begin{bmatrix}x_1(t)\\x_2(t)\\...\\x_n(t)\end{bmatrix}+\begin{bmatrix}0\\0\\...\\f(t)\end{bmatrix}$ ，其中 $A(t)=\begin{bmatrix}0&1&0&...&0\\0&0&1&...&0\\...\\0&0&0&...&1\\-a_n(t)&-a_{n-1}(t)&-a_{n-2}(t)&...&-a_1(t)\end{bmatrix}$
- 以此高阶一维方程转化为了一阶高维线性方程组 $\frac{dy}{dt}=A(t)y+g(t)$ ，其中 $y=\begin{bmatrix}x_1(t)\\x_2(t)\\...\\x_n(t)\end{bmatrix},g(t)=\begin{bmatrix}0\\0\\...\\f(t)\end{bmatrix}$
由于最开始令 $x_1=x$ ，因此 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=f(t)$ 的解是 $\frac{dy}{dt}=A(t)y+g(t)$ 的解的第一个元素 $x_1(t)$
剩余的 $\begin{bmatrix}x_2(t)\\x_3(t)\\...\\x_n(t)\end{bmatrix}=\begin{bmatrix}x'(t)\\x''(t)\\...\\x^{(n-1)}(t)\end{bmatrix}=\begin{bmatrix}x_1'(t)\\x_2'(t)\\...\\x_{n-1}'(t)\end{bmatrix}$ ，因此 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=f(t)$ 的解和 $\frac{dy}{dt}=A(t)y+g(t)$ 的解可以互相推出，即齐次高阶一维线性方程的解矩阵 $\begin{bmatrix}x_{1}(t)&x_{2}(t)&...&x_{n}(t)\\x_{1}'(t)&x_{2}'(t)&&\\...&&\ddots\\&\\x_{1}^{n-1}(t)&...&...&x_{n}^{n-1}(t)\end{bmatrix}$ 对应转化为齐次一阶高维线性方程的基解矩阵 $X(t)=\begin{bmatrix}x_{11}(t)&x_{12}(t)&...&x_{1n}(t)\\x_{21}(t)&x_{22}(t)&&\\...&&\ddots\\&\\x_{n1}(t)&...&...&x_{nn}(t)\end{bmatrix}$
满足初始条件 $x(t_0)=x_0,x'(t_0)=x_1,\cdots,x^{n-1}(t_0)=x_{n-1}$ 的方程 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=f(t)$ 的解是存在的且唯一的，可以通过转化为 $\frac{dy}{dt}=A(t)y+g(t)$ 来证明
从解的角度上 $\frac{dy}{dt}=A(t)y+g(t)$ 和 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=f(t)$ 是“等价”的
定义 $W(t)=det(\begin{bmatrix}x_{1}(t)&x_{2}(t)&...&x_{n}(t)\\x_{1}'(t)&x_{2}'(t)&&\\...&&\ddots\\&\\x_{1}^{n-1}(t)&...&...&x_{n}^{n-1}(t)\end{bmatrix})$ 是解组 $\{x_k(t),k=1,2,\cdots,n\}$ 的 $W r o n s k i$ 行列式，其中的矩阵正是 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=0$ 的解矩阵
$x_1(t),x_2(t),\cdots,x_n(t)$ 线性无关 $\iff$ 若 $x_1^{(k)}(t),x_2^{(k)}(t),\cdots,x_n^{(k)}(t)$ 线性无关，因为求导之后的式子等价
$L i o u v i l l e$ 定理： $n$ 阶齐次线性微分方程 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=0$ 的解组 $\{x_k(t),k=1,2,\cdots,n\}$ 线性无关的充要条件是它的 $W r o n s k i$ 行列式 $W (t)$ 在区间 $[\alpha,\beta]$ 上恒不为零，这等价于 $W (t)$ 在区间 $[\alpha,\beta]$ 上的某点 $t_0$ 处不为零。方程的任一解组 $\{x_k(t),k=1,2,\cdots,n\}$ 的 $W r o n s k i$ 行列式满足 $L i o u v i l l e$ 公式， $W(t)=W(t_0)e^{-\int_{t_0}^ta_1(\tau)d\tau}$
- 这表明 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=0$ 解组对应的 $W (t)$ 只有两种情况：在任一点 $t$ 都不为零；在任一点 $t$ 都为零
- 此处 $L i o u v i l l e$ 定理的证明可以通过 $x^{'} = A (t) x$ 的 $L i o u v i l l e$ 定理来推导记忆：此处的 $A(t)=\begin{bmatrix}0&1&0&...&0\\0&0&1&...&0\\...\\0&0&0&...&1\\-a_n(t)&-a_{n-1}(t)&-a_{n-2}(t)&...&-a_1(t)\end{bmatrix}$ ，因此原公式中的 $t r (A (t))$ 显然就是此公式中的 $a_1(t)$ ，对应的此处的 $\begin{bmatrix}x_{1}(t)&x_{2}(t)&...&x_{n}(t)\\x_{1}'(t)&x_{2}'(t)&&\\...&&\ddots\\&\\x_{1}^{n-1}(t)&...&...&x_{n}^{n-1}(t)\end{bmatrix}$ 中的 $n$ 个函数 $x_1(t),\cdots,x_n(t)$ 就是方程 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=0$ 的 $n$ 个解， $W(t_0)$ 就是原方程的 $det(X(t_0))$
齐次线性微分方程 $\frac{d^{n}x}{dt^{n}}+a_1(t)\frac{d^{n-1}x}{dt^{n-1}}+\cdots+a_n(t)x=0$ 在区间 $[\alpha,\beta]$ 上存在 $n$ 个线性无关的解 $x_1(t),\cdots,x_n(t)$ ，且方程的通解是 $x(t)=\sum_{k=1}^nc_kx_k(t)$ ，其中， $c_1,\cdots,c_n$ 是任意常数
非齐次线性微分方程的通解是 $x(t)=\sum_{k=1}^nc_kx_k(t)+x^*(t)$ ，其中 $c_1,\cdots,c_n$ 是任意常数，而 $x^*=\sum_{k=1}^n\int^{t}_{t_0}\frac{x_k(t)W_k(\tau)}{W(\tau)}f(\tau)d\tau$ 是非齐次方程的一个特解， $W (t)$ 是解组的 $W r o n s k i$ 行列式， $W_k(t)$ 是 $W (t)$ 中第 $n$ 行第 $k$ 列元素的代数余子式
- 此处的非齐次高阶一维线性方程也可以对比非齐次一阶高维线性方程的解（由于最开始时令 $x_1=x$ ，即非齐次一阶高维线性方程的特解的第一行对应非齐次高阶一维线性方程的特解），非齐次一阶高维线性方程的特解是 $X(t)\int^{t}_{t_0}(X(\tau)^{-1}f(\tau))d\tau$ ，将非齐次高阶一维线性方程转化为对应的非齐次一阶高维线性方程 $\frac{dy}{dt}=A(t)y+g(t)$ 后，可以推出它的特解是 $\begin{bmatrix}x_{1}(t)&x_{2}(t)&...&x_{n}(t)\\x_{1}'(t)&x_{2}'(t)&&\\...&&\ddots\\&\\x_{1}^{n-1}(t)&...&...&x_{n}^{n-1}(t)\end{bmatrix}\int^{t}_{t_0}\begin{bmatrix}x_{1}(\tau)&x_{2}(\tau)&...&x_{n}(\tau)\\x_{1}'(\tau)&x_{2}'(\tau)&&\\...&&\ddots\\&\\x_{1}^{n-1}(\tau)&...&...&x_{n}^{n-1}(\tau)\end{bmatrix}^{-1}\begin{bmatrix}0\\0\\0\\0\\...\\f(\tau)\end{bmatrix}d\tau$ ，由于 $g(\tau)$ 的前 $n - 1$ 个元素都是 $0$ ，因此逆矩阵只需要计算最后一列，而 $A^{-1}=\frac{1}{det(A)}A^*$ ，因此根据伴随矩阵的定义和求法， $\begin{bmatrix}x_{1}(\tau)&x_{2}(\tau)&...&x_{n}(\tau)\\x_{1}'(\tau)&x_{2}'(\tau)&&\\...&&\ddots\\&\\x_{1}^{n-1}(\tau)&...&...&x_{n}^{n-1}(\tau)\end{bmatrix}^{-1}=\frac{1}{W(\tau)}\begin{bmatrix}*&*&...&W_1(\tau)\\*&*&&\\...&&\ddots\\&\\*&...&...&W_n(\tau)\end{bmatrix}$ ，其中 $W_k(\tau)$ 是 $W(\tau)$ 中第 $n$ 行第 $k$ 列元素的代数余子式，例如根据公式， $W_1(t)$ 的位置应该是 $A_{n1}$ ，即划去第 $n$ 行第 $1$ 列后的代数余子式，因此特解 $\begin{bmatrix}x_{1}(t)&x_{2}(t)&...&x_{n}(t)\\x_{1}'(t)&x_{2}'(t)&&\\...&&\ddots\\&\\x_{1}^{n-1}(t)&...&...&x_{n}^{n-1}(t)\end{bmatrix}\int^{t}_{t_0}\frac{1}{W(\tau)}\begin{bmatrix}*&*&...&W_1(\tau)\\*&*&&\\...&&\ddots\\&\\*&...&...&W_n(\tau)\end{bmatrix}\begin{bmatrix}0\\0\\0\\0\\...\\f(\tau)\end{bmatrix}d\tau=\begin{bmatrix}x_{1}(t)&x_{2}(t)&...&x_{n}(t)\\x_{1}'(t)&x_{2}'(t)&&\\...&&\ddots\\&\\x_{1}^{n-1}(t)&...&...&x_{n}^{n-1}(t)\end{bmatrix}\int^{t}_{t_0}\frac{1}{W(\tau)}\begin{bmatrix}W_1(\tau)f(\tau)\\W_2(\tau)f(\tau)\\W_3(\tau)f(\tau)\\W_4(\tau)f(\tau)\\\cdots\\W_n(\tau)f(\tau)\end{bmatrix}d\tau=\begin{bmatrix}x_{1}(t)&x_{2}(t)&...&x_{n}(t)\\x_{1}'(t)&x_{2}'(t)&&\\...&&\ddots\\&\\x_{1}^{n-1}(t)&...&...&x_{n}^{n-1}(t)\end{bmatrix}\begin{bmatrix}\int^{t}_{t_0}\frac{1}{W(\tau)}W_1(\tau)f(\tau)d\tau\\\int^{t}_{t_0}\frac{1}{W(\tau)}W_2(\tau)f(\tau)d\tau\\\int^{t}_{t_0}\frac{1}{W(\tau)}W_3(\tau)f(\tau)d\tau\\\int^{t}_{t_0}\frac{1}{W(\tau)}W_4(\tau)f(\tau)d\tau\\\cdots\\\int^{t}_{t_0}\frac{1}{W(\tau)}W_n(\tau)f(\tau)d\tau\end{bmatrix}$ ，因为只需要得到第一行的 $x_1(t),\cdots,x_n(t)$ ，因此对应相乘后再相加，即得到 $x^*=\sum_{k=1}^n\int^{t}_{t_0}\frac{x_k(t)W_k(\tau)}{W(\tau)}f(\tau)d\tau$ 是非齐次方程的一个特解

5.复值解和级数解法

方程在 $R^n$ 内无解，而在 $C^n$ 内可能有解，扩大考虑范围可能得到更多解
对于复值矩阵函数 $A(t)=A_R(t)+iA_I(t)$ ，定义求导与积分
- $\frac{dA}{dt}=\frac{dA_R(t)}{dt}+i\frac{dA_I(t)}{dt}$
- $\int^{\beta}_{\alpha}A(t)dt=\int^{\beta}_{\alpha}A_R(t)+i\int^{\beta}_{\alpha}A_I(t)$
欧拉公式： $\lambda=a+ib,e^{\lambda t}=e^{a t}(cosbt+isinbt)$
设 $z (t) = x (t) + i y (t)$ ，复值函数 $z (t)$ 与其共轭 $\bar{z(t)}$ 线性无关 $\iff$ 它们的实部 $x (t)$ 和虚部 $y (t)$ 线性无关
设 $A(t)=A_R(t)+iA_I(t)$ 是复值连续矩阵， $f(t)=f_R(t)+if_I(t)$ 是复制连续列向量，若 $z (t) = x (t) + i y (t)$ 是线性方程组 $\frac{dz}{dt}=A(t)z+f(t)$ 的复值解，则实连续函数 $x = x (t), y = y (t)$ 是 $\frac{d}{dt}\begin{bmatrix}x\\y\end{bmatrix}=\begin{bmatrix}A_R(t)&-A_I(t)\\A_I(t)&A_R(t)\end{bmatrix}\begin{bmatrix}x\\y\end{bmatrix}+\begin{bmatrix}f_R(t)\\f_I(t)\end{bmatrix}$ 的解
- 注意 $x (t)$ 和 $y (t)$ 都是多维列向量函数，而不是一般函数
- 复值向量函数 $z (t) = x (t) + i y (t)$ 是实系数矩阵（即 $A(t)=A_R(t)$ ）齐次线性方程组 $\frac{dz}{dt}=A(t)z$ 的解 $\iff$ 实部 $x (t)$ 和虚部 $y (t)$ 都是方程 $\frac{dz}{dt}=A(t)z$ 的解， $\bar{z(t)}$ 也是 $\frac{dz}{dt}=A(t)z$ 的解，可以理解为齐次线性方程组的叠加原理
$C a u c h y$ 定理：如果函数 $f (x, t)$ 在矩阵区域 $R=\{(t,x)\in\R^2:|t-t_0|<\alpha,|x-x_0|<\beta\}$ 上可以展开成 $f(t,x)=\sum^{\infty}_{k,l=0}\gamma_{kl}(t-t_0)^k(x-x_0)^l$ （此时 $f (t, x)$ 可解析，即多元函数可展开为收敛的幂级数），则初值问题 $\frac{dx}{dt}=f(t,x),x(t_0)=x_0$ 在 $t_0$ 附近存在唯一的解析解（解析解指解函数可以展开成幂级数）
- 证明存在唯一性，即已知有解析解，证明它唯一：
  - 将解 $x (t)$ 在 $t_0$ 处泰勒展开， $x(t)=x(t_0)+x'(t_0)(t-t_0)+\cdots+\frac{x^{(n)}(t_0)}{n!}(t-t_0)^n=x_0+\sum^{\infty}_{j=1}c_j(t-t_0)^j$ 是解析解所泰勒展开的幂级数，要证明解的唯一性只需证明 $c_1,c_2,\cdots,c_{n}$ 是惟一的
  - 因为 $x (t)$ 是方程 $\frac{dx}{dt}=f(t,x)$ 的解即满足 $\frac{dx}{dt}=f(t,x(t))$ ， $c_1=x'(t_0)=f(t_0,x(t_0))=f(t_0,x_0)$ ，因为 $f (t, x)$ 是可解析函数，根据多元函数的泰勒展开， $f (t, x)$ 在点 $t_0,x_0)$ 处的泰勒展开为 $f(t,x)=f(t_0,x_0)+(t-t_0)f'_t(t_0,x_0)+(x-x_0)f'_x(t_0,x_0)+\frac{1}{2!}(t-t_0)^2f''_{tt}(t_0,x_0)+\frac{1}{2!}(t-t_0)(x-x_0)f''_{xt}(t_0,x_0)+\frac{1}{2!}(t-t_0)(x-x_0)f''_{tx}(t_0,x_0)+\frac{1}{2!}(x-x_0)^2f''_{xx}(t_0,x_0)+O^n$ ，因此 $c_1=f(t_0,x_0)+0=f(t_0,x_0)$ ，即 $f(t,x)=\sum^{\infty}_{k,l=0}\gamma_{kl}(t-t_0)^k(x-x_0)^l$ 中 $k = l = 0$ 的情况（此时只有常数项），而 $c_2=\frac{1}{2!}x''(t_0)=\frac{1}{2!}[f'_t(t_0,x(t_0))+f'_x(t_0,x(t_0))f(t_0,x_0)]$ （ $x^{''} (t)$ 相当于 $x^{'} (t)$ 对 $t$ 求导，即 $f (t, x (t))$ 对 $t$ 求导，根据链式法则， $\frac{\partial f}{\partial t}=\frac{\partial f}{\partial t}+\frac{\partial f}{\partial x}\frac{dx}{dt}$ ），对比式子 $f(t,x)=\sum^{\infty}_{k,l=0}\gamma_{kl}(t-t_0)^k(x-x_0)^l$ 和 $f(t,x)=f(t_0,x_0)+(t-t_0)f'_t(t_0,x_0)+(x-x_0)f'_x(t_0,x_0)+\frac{1}{2!}(t-t_0)^2f''_{tt}(t_0,x_0)+\frac{1}{2!}(t-t_0)(x-x_0)f''_{xt}(t_0,x_0)+\frac{1}{2!}(t-t_0)(x-x_0)f''_{tx}(t_0,x_0)+\frac{1}{2!}(x-x_0)^2f''_{xx}(t_0,x_0)+O^n$ ， $f'(t_0,x_0)$ 对应的 $\gamma$ 是 $t-t_0$ 取 $1$ ，而 $x-x_0$ 取 $0$ 的时候，即 $f'(t_0,x_0)=\gamma_{10}$ ，以此类推， $f'_x(t_0,x_0)=\gamma_{01}$ ，因此 $c_2=\frac{1}{2!}(\gamma_{10}+\gamma_{01}\gamma_{00})$ ，归纳推得 $c_n=P(\gamma_{00},\gamma_{00},\gamma_{01},\cdots,\gamma_{n-1,0})$ ，其中 $P$ 是一个正系数多项式，因此每个 $c_k$ 都是惟一确定的公式计算得到的， $Q . E . D .$
- 具体证明 $C a u c h y$ 定理方法
- 推论：如果方程 $\frac{d^2x}{dt^2}=a(t)\frac{dx}{dt}+b(t)x=0$ 的系数 $a (t)$ 和 $b (t)$ 在区间 $|t-t_0|<\rho$ 内都可以展开成 $t-t_0)$ 的收敛的幂级数，则方程 $\frac{d^2x}{dt^2}+a(t)\frac{dx}{dt}+b(t)x=0$ 在区间 $|t-t_0|<\rho$ 上存在收敛的幂级数解 $x(t)=\sum^{\infty}_{j=0}c_j(t-t_0)^j$
  - $\frac{d^2x}{dt^2}+a(t)\frac{dx}{dt}+b(t)x=0$ 可以写成 $\begin{bmatrix}x\\x'\end{bmatrix}'=\begin{bmatrix}0&1\\-b(t)&-a(t)\end{bmatrix}\begin{bmatrix}x\\x'\end{bmatrix}$ ，而利用 $C a u c h y$ 定理可以证明高维的一阶的方程如果满足条件，仍然会有幂级数解
  - 为了计算其解 $x (t)$ ，先把 $a (t)$ ， $b (t)$ 展开成幂级数 $a(t)=\sum_{j=0}^{\infty}a_j(t-t_0)^j$ ， $b(t)=\sum_{j=0}^{\infty}b_j(t-t_0)^j$ ，然后代入 $\frac{d^2x}{dt^2}+a(t)\frac{dx}{dt}+b(t)x=0$ ，利用待定系数法，对应同幂次的系数，即可确定幂级数的系数 $c_1,\cdots,c_n$