考研数学——高数:微分方程

news2024/9/27 21:22:09

一、一阶线性微分方程

两种形式:

非齐次:        y'+p(x)y=Q(x)

齐次:           y'+p(x)y = 0

推导过程

推导公式的过程一般由特殊到一般:所以先求解齐次方程的解

>>>\frac{dy}{dx} = -p(x)y

>>>\frac{dy}{y} = -p(x)dx (然后对等式两边同时积分)

>>> ln|y| = -\int p(x)dx+ c_1

>>> y = \pm e^{c_1}e^{-\int p(x)dx} = ce^{-\int p(x)dx}

再来求非齐次方程的解,由齐次解中的常数c联想非齐次方程中的Q(x)

c如果是关于x的方程,那么由这个解就能推出非齐次方程的形式

那么直接有推断的式子;        y = C(x)e^{-\int p(x)dx}...(1)

>>>y' = C'(x)e^{-\int p(x)dx}-C(x)p(x)e^{-\int p(x)dx}...(2)

由于这个式子同时出现了C(x)与p(x)的乘积,为了能结合原方程式(含有p(x)y 且不含C(x)p(x)),所以将(1)式左右同乘p(x),并与(2)相加

y' + p(x)y = C'(x)e^{-\int p(x)dx} = Q(x) (将e移到右边再同时积分)

C(x) = \int Q(x)e^{\int p(x)dx}dx + c (再将这个C(x)代入解的式子中)

y = e^{-\int p(x)dx}\times[\int Q(x)e^{\int p(x)dx}dx+c](最终解)

例题

  •  p(x) 是谁
  •  Q(x) 是谁
  • 公式用哪个

(1)y'-\frac{2}{x}y = x^2        (2) \frac{dy}{dx} = \frac{1}{x+y} (两边求倒数,可以解出y关于x的解)

二、伯努利方程

y' + p(x)y = Q(x)y^\alpha

  1. 如果α=0,则是一阶非齐次的形式
  2. 如果α=1,则是一阶齐次的形式
  3. 故这里仅考虑α≠0,1的情况

推导过程

y^{-\alpha }y'+p(x)y^{1-\alpha } = Q(x) (将右边y项除到左边)

注意到1-α刚好比-α高一次,如果换元可以大大简化式子(令 z = y^(1-α) )

z' = y^{-\alpha }y',z'+p(x)z = Q(x)

这时候直接看作z与x的一阶线性微分方程求解,最后根据z与y的关系回代即可得到最终解

  1. 将y的次方移项
  2. 换元
  3. 看作新未知数的一阶方程求解
  4. 根据关系回代得到结果

例题

(1) \frac{dy}{dx}+\frac{y}{x} = a(lnx)y^2       

(2) \frac{dy}{dx} = \frac{1}{xy+x^2y^3} (两边求倒数后选择将一个看作未知数,根据满足伯努利公式形式的方程的解)


三、常系数齐次线性微分方程

二阶常系数齐次线性方程

y''+py'+qy =0

解法

  1. 写特征方程(改写为 r^2+pr+q=0
  2. 根据 △ 大于0(小于0、等于0)三种情况,代入三种根的解(r1、r2为特征方程的两个根)
    1. \Delta \geq 0 时 直接根据中学的求根公式得到根
    2. \Delta <0,r_1 = \alpha +\beta i,r_2 = \alpha -\beta i

        (1)\Delta >0,y = c_1e^{r_1x}+c_2e^{r_2x}

        (2)y = (c_1+c_2x)e^{r_1x},(r_1=r_2)

        (3)y = e^{\alpha x}(c_1cos\beta x+c_2sin\beta x)

例题

求微分方程通解        y^{(4)}-2y^{(3)}+5y'' = 0

  1. 写特征方程 r^4 -2r^3+5y^2 = 0
  2. 改写方程形式得到 r^2(r^2-2r+5) = 0
  3. 这时可以看到是有r1=r2=0(二重实根),计算得到r3,r4为单复根
  4. 结果 y = e^{0x}(c_1+c_2x)+e^x(c_3cos2x+c_4sin2x)

暂时没复习到线代部分,我看网课对这里的单复的理解就是,这个解如果有和它相等的,那这个就是复根,有多少个相同的就是多少重复根,这也能讲得通为什么 △>0时表现出来的是两个单实根,而等于0时表现出来的是2重复根

四、常系数非齐次线性微分方程

这部分的教材资料可以参考下面这篇博客http://t.csdnimg.cn/Z9prHicon-default.png?t=N7T8http://t.csdnimg.cn/Z9prH

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1486200.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

基于springboot实现保险信息网站系统项目【项目源码+论文说明】计算机毕业设计

基于springboot实现保险信息网站系统演示 摘要 随着互联网的不断发展&#xff0c;现在人们获取最新资讯的主要途径来源于网上新闻&#xff0c;当下的网上信息宣传门户网站的发展十分的迅速。而保险产品&#xff0c;作为当下人们非常关注的一款能够给人们带来医疗、生活、养老或…

VUE3:省市区联级选择器

一、实现效果 二、代码展示 <template><div class"page"><select v-model"property.province"><option v-for"item in provinces" :key"item">{{ item }}</option></select><select v-model&…

python matplotlib figure-->限制elev旋转角度

环境 python:python-3.12.0-amd64 包: matplotlib 3.8.2 当前限制的旋转范围是0-60 import pandas as pd import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D# 读取Excel文件中的空间坐标数据 df pd.read_excel(煤仓模拟参数.xl…

更改elementui的箭头图片以及位置

//更改箭头位置 .el-tree-node__content > .el-tree-node__expand-icon {position: absolute;right: 12px; }//更改箭头图片 .el-tree-node__expand-icon {transform: rotate(-90deg); } .el-tree-node__expand-icon.expanded {transform: rotate(0deg); } // 有子节点 且已…

C语言-指针(上)

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、pandas是什么&#xff1f;二、使用步骤 1.引入库2.读入数据总结 前言 本篇文章将为大家介绍C语言中的核心内容-指针&#xff0c;指针在C语言的中知识内容比…

Ubuntu23.10禁用Wayland

禁用前 编辑custom.conf文件 sudo vim /etc/gdm3/custom.conf 去掉WaylandEnablefalse前的#号 保存退出 重启系统 生效: 成功转换为X11

软件设计师软考题目解析17 --每日五题

想说的话&#xff1a;要准备软考了。0.0&#xff0c;其实我是不想考的&#xff0c;但是吧&#xff0c;由于本人已经学完所有知识了&#xff0c;只是被学校的课程给锁在那里了&#xff0c;不然早找工作去了。寻思着反正也无聊&#xff0c;就考个证玩玩。 本人github地址&#xf…

吴恩达机器学习-可选实验室-梯度下降-Gradient Descent for Linear Regression

文章目录 目标工具问题陈述计算损失梯度下降总结执行梯度下降梯度下降法成本与梯度下降的迭代预测绘制祝贺 目标 在本实验中&#xff0c;你将:使用梯度下降自动化优化w和b的过程 工具 在本实验中&#xff0c;我们将使用: NumPy&#xff0c;一个流行的科学计算库Matplotlib&…

如何利用pynlpir进行中文分词并保留段落信息

一、引言 nlpir是由张华平博士开发的中文自然处理工具&#xff0c;可以对中文文本进行分词、聚类分析等&#xff0c;它既有在线的中文数据大数据语义智能分析平台&#xff0c;也有相关的python包pynlpir&#xff0c;其github的地址是&#xff1a; Pynlpir在Github上的地址 这…

【分块三维重建】【slam】LocalRF:逐步优化的局部辐射场鲁棒视图合成(CVPR 2023)

项目地址&#xff1a;https://localrf.github.io/ 题目&#xff1a;Progressively Optimized Local Radiance Fields for Robust View Synthesis 来源&#xff1a;KAIST、National Taiwan University、Meta 、University of Maryland, College Park 提示&#xff1a;文章用了s…

Linux设备模型(十一) - platform设备

一&#xff0c;platform device概述 在Linux2.6以后的设备驱动模型中&#xff0c;需关心总线、设备和驱动这3个实体&#xff0c;总线将设备和驱动绑定。在系统每注册一个设备的时候&#xff0c; 会寻找与之匹配的驱动&#xff1b;相反的&#xff0c;在系统每注册一个设备的时…

输出梯形 C语言

解析&#xff1a;这个输出图形的题就是一个找规律加数学计算&#xff0c;我们发现每行比上一行多两个*&#xff0c;最后一行的*表达式为h&#xff08;h-1&#xff09;*2&#xff0c;即3*h-2&#xff0c;那么每一行就是一个先输出最后一行&#xff0d;当前行*个数个空格&#xf…

【Godot4自学手册】第十九节敌人的血量显示及掉血特效

这一节&#xff0c;我主要学习敌人的血量显示、掉血显示和死亡效果。敌人的血量显示和主人公的血量显示有所不同&#xff0c;主要是在敌人头顶有个红色的血条&#xff0c;受到攻击敌人的血条会减少&#xff0c;并且有掉血数量的文字显示&#xff0c;效果如下&#xff1a; 一、…

详解动态规划(算法村第十九关青铜挑战)

不同路径 62. 不同路径 - 力扣&#xff08;LeetCode&#xff09; 一个机器人位于一个 m x n 网格的左上角 &#xff08;起始点在下图中标记为 “Start” &#xff09;。 机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角&#xff08;在下图中标记为 “Finis…

QT Mingw32/64编译ffmpeg源码生成32/64bit库以及测试

文章目录 前言下载msys2ysamFFmpeg 搭建编译环境安装msys2安装QT Mingw编译器到msys环境中安装ysam测试 编译FFmpeg测试 前言 FFmpeg不像VLC有支持QT的库文件&#xff0c;它仅提供源码&#xff0c;需要使用者自行编译成对应的库&#xff0c;当使用QTFFmpeg实现播放视频以及视频…

【leetcode】用队列实现栈

大家好&#xff0c;我是苏貝&#xff0c;本篇博客带大家刷题&#xff0c;如果你觉得我写的还不错的话&#xff0c;可以给我一个赞&#x1f44d;吗&#xff0c;感谢❤️ 点击查看题目 思路: 在做此题之前&#xff0c;我们先要实现队列&#xff0c;这在上个博客中已经写过&#…

算法43:动态规划专练(最长回文子串 力扣5题)---范围模型

之前写过一篇最长回文子序列的博客算法27&#xff1a;最长回文子序列长度&#xff08;力扣516题&#xff09;——样本模型 范围模型-CSDN博客 在那一篇博客中&#xff0c;回文是可以删除某些字符串组成的。比如&#xff1a; 字符串为&#xff1a;a1b3c4fdcdba&#xff0c; 那…

赵文彬将出席无磷锅炉工艺助剂在锅炉水节水节能应用

演讲嘉宾&#xff1a;赵文彬 集团副总/技术总监 上远未来水务集团有限公司 演讲题目&#xff1a;无磷锅炉工艺助剂在锅炉水节水节能方面的应用 会议简介 “十四五”规划中提出&#xff0c;提高工业、能源领城智能化与信息化融合&#xff0c;明确“低碳经济”新的战略目标&am…

c++之旅——第四弹

大家好啊&#xff0c;这里是c之旅第三弹&#xff0c;跟随我的步伐来开始这一篇的学习吧&#xff01; 如果有知识性错误&#xff0c;欢迎各位指正&#xff01;&#xff01;一起加油&#xff01;&#xff01; 创作不易&#xff0c;希望大家多多支持哦&#xff01; 本篇文章的主…

一些C语言题目

求10个整数中最大值 #include <stdio.h>//求10个整数中最大值 int main() {int arr[10]{2,5,8,6,19,1,7,3,11,3};int i 0;int max 0;/*for(i 0;i < 10;i){scanf("%d",&arr[i]);}*/for(i 0;i < 10;i){if(arr[i] > max)max arr[i];}printf(&q…