常微分方程 1

news2025/4/6 8:34:55

slow down and take your time

  • 定积分应用回顾
  • 常微分方程的概述
  • 一阶微分方程
    • 可分离变量
    • 齐次方程
    • 三阶线性微分方程
  • 一阶线性微分方程
  • 不定积分的被积分函数出现了绝对值
  • 梳理
  • 微分方程的基本概念
  • 题型 1 分离变量
  • 题型 2 齐次方程
    • 5.4
  • 题型 3 一阶线性微分方程
    • 知识点
    • 5.5
    • 5.6
  • 尾声

定积分应用回顾

在这里插入图片描述
需要常常回顾,主要是一些公式。一阶线性微分方程也有一些公式要记住。

常微分方程的概述

属于重点内容。需要多花时间精力的内容是后面的内容。积分,常微分方程等,是更加重要的内容。考研考的都是相对比较简单的微分方程的,考一些特殊的微分方程。未知函数是一元函数的方程是常微分方程。考研只考常微分方程,不考其他的微分方程。关键是试题的研究。根据常微分方程,可以首先求出来一个一元函数,然后考虑一元函数的一些性质,这个之所以重要,因为可以综合其他知识点来进行考察。实际上这种题不是非常综合,各个板块的独立性实际还是非常强的,各个击破即可。

一阶微分方程

可分离变量。齐次方程。一阶线性微分方程(一阶线性方程)。伯努利方程。全微分方程(强化)。

可分离变量

分离变量之后方程左右两边同时求不定积分。求不定积分最后需要加一个 C, C 称为独立任意常数。假设出现对数函数,这个独立任意常数使用 l n C 1 ln C_1 lnC1 ,这个是一个细节。每次告诉自己,slow down and take your time .求不定积分求出来的是通解。常数的个数等于微分方程的阶数。一阶微分方程有一个任意常数,二阶微分方程有两个任意常数。

求特解的话,需要给一个点,给一个一元函数上面的点,这个条件认为是初值条件。把点代入通解,即可求得特解。

通解是不是全部解?通解 + 分母为零的情况的解(或者其他无定义的情况的解),是全部解。通解并不等价于全部解。但是考试只要求通解。计算的时候有很多细节,都需要自己每一步都计算清楚。需要多回顾之前的内容,因为我们是会遗忘的,只有多多重复才能让自己的知识掌握得非常扎实。微分的定义之类的东西都可以用来包装,一些知识点不记得,或者不熟练,看不出来这种包装就做不出来这题。微分定义或者导数定义都是用来包装的。

齐次方程

换元之后用可分离变量的方法。

三阶线性微分方程

最高阶导数是三阶。最重要的是线性微分方程。假设等式右边等于零,是齐次,右边不等于零,是非齐次。当然前提是左边整理为了全是导数的式子,导数前面用 x 的函数作为系数,用加减符号连接。突然发现这个一下子讲到后面去了。

一阶线性微分方程

算了,不用小标题了,直接用大标题,表示这个部分的重要性。解法就是用公式法。公式法就是最牛的方法。哎算了,我还是死记硬背好了。推导过程太有操作性了,我不想动脑子。。。积分中间的步骤可以稍微省略一点,所以中间的一些结论是需要记住的,可以极大地提高自己的运算速度和计算的准确率。关键是真能把一个题从头算到尾,每一步都是有理有据,并且最后的计算结果也是正确的。

不定积分的被积分函数出现了绝对值

假设不定积分的被积函数里面出现了绝对值,该怎么处理。有的函数可能分类讨论之后发现是否加绝对值答案都是相等的,特殊问题和特殊情况的时候可以不加绝对值,比如说求解一阶线性微分方程的通解和特解的时候,可以不加绝对值。因为是找一个积分因子,辅助函数。只需要一个就好!!

梳理

现在把网课的进度跟上了。但是感觉除了网课,还需要自己慢慢梳理一下。网课的节奏实际上对我来说是非常快速的,我认为我的接受能力不能算很强,只能算一个普通的水平。所以得多花时间去理解。这篇笔记主要把前面六个例题解决。

微分方程的基本概念

能大概理解就好。实际上考试还是考察计算,定义这块感觉也不好出题,只是不理解定义就不能融会贯通。微分方程就是既有微分(导数),又有函数的方程。阶就看导数的最高阶。其他的没什么难以理解的概念了。

题型 1 分离变量

分离变量之后求不定积分,我有一个疑问,要不要加绝对值。感觉还是加上比较合适。只有后面那个一阶线性微分方程那里假设出现需要加绝对值,因为我们是构造了一个积分因子,所以只要找到一个符合条件的即可,那里不需要加绝对值。这里还是加上绝对值比较稳妥,然后用任意常数再把绝对值去掉。另外 C 要大写,感觉也是一个小细节。

分离变量的时候先把微分全部放到一边,这样计算的时候更有规则一些,然后再变量分离。计算的时候一定要小心谨慎,另外可以试一下老师以前说的方法,计算几步就检验一下是不是计算正确了。

感觉看网课做笔记不是一个最好的方式。看网课就只看网课比较合适。因为做笔记,尤其是写连续的笔记,最好先有一个框架,不然一下子中断,或者需要暂停,感觉也不够丝滑,我理想中的学习状态是比较丝滑流畅的。

微分的定义:因为要敲公式就懒得敲了。博客的灵魂是用自己的语言总结一下这些知识点。我认为是规定了线性主部。函数的增量是线性主部与增量的高阶无穷小。微分的定义就是线性主部。微分等于导数乘以增量。5.3 这题就是用微分的定义作为背景。一个字都没有改。直接能把导数写出来。然后变量分离迅速解决。另外有的题目是要求具体某个点的值,一定要算到最后面一步。

题型 2 齐次方程

5.4

方法就是换元加上变量分离。后期想要加快做题速度的话,可以把换元之后的结果记住,能直接写的话速度就会快很多。思路很简单直接,但是好像计算把我卡住了。积分算不出,这有点扯了。算了,看一下解答。

哦,差一点点,写的稍微有点复杂之后我凑微分有点反应不过来。齐次方程就是函数变量是 y x \frac{y}{x} xy 的形式。还是可以用一点 latex 的格式的。不然有时候纯中文还是差点意思。对数函数的运算我也有点懵逼。 ln ⁡ y − ln ⁡ x = ln ⁡ y x \ln y - \ln {x} =\ln{\frac{y}{x}} lnylnx=lnxy。大概是这种。做数学的笔记一定要用 latex ,用的多了就还好。

题型 3 一阶线性微分方程

知识点

一阶导数,一元函数,算了,直接看这个,像这个格式的就是一阶线性微分方程。 y ′ + p ( x ) y = q ( x ) y' +p(x)y=q(x) y+p(x)y=q(x) , q ( x ) ≡ 0 q(x)\equiv0 q(x)0 是齐次,否则是非齐次,非齐次的通解是 e − ∫ p ( x ) d x [ ∫ q ( x ) e ∫ p ( x ) d x d x + C ] e^{-\int p(x)dx}[\int q(x)e^{\int p(x)dx}dx+C] ep(x)dx[q(x)ep(x)dxdx+C],齐次的通解是 C e − ∫ p ( x ) d x Ce^{-\int p(x)dx} Cep(x)dx,可以发现,作为 e e e 的指数的都是 p ( x ) p(x) p(x) 的不定积分,注意一下符号即可。

5.5

第一问好像还好,套公式一下就算出来了。第二问根据算出来的曲线方程 s i n x e x \frac{sinx}{e^x} exsinx 算与 x x x 轴之间的面积。貌似有点套不了公式。我又想到,这个不会是六大恶人里面的, e x 2 , e − x 2 , s i n x x , c o s x x , 1 l n x , t a n x x e^{x^2},e^{-x^2},\frac{sinx}{x},\frac{cosx}{x},\frac{1}{lnx},\frac{tanx}{x} ex2,ex2,xsinx,xcosx,lnx1,xtanx ,六大恶人实际上就是两个指数函数,一个对数函数的倒数,三个三角函数与 x x x 的比值。这个第二问能用定积分的几何意义来解决。三角函数很多都是零,写的时候一定要注意,不要把三角函数里面的和三角函数外面的混在一起,因为假设不能产生零约掉很多式子,这个题目就太复杂了,题目质量也算比较低。三角函数两次分部积分之后可能出现和要求的式子相等的式子,移项之后可以得到要求的答案。

算出来了。希望答案是对的。运气比较好。答案确实是对的。下次对答案之前可以检查一遍自己的草稿。这样更稳一点,可以极大程度减少低级的运算失误。

总结一下就是,第一问根据一阶非齐次线性微分方程的公式 y = e − ∫ p ( x ) d x [ ∫ q ( x ) e ∫ p ( x ) d x d x + C ] y=e^{-\int p(x)dx}[\int q(x) e^{\int p(x)dx}dx+C] y=ep(x)dx[q(x)ep(x)dxdx+C],一阶齐次线性微分方程的公式是 y = C e − ∫ p ( x ) d x y=Ce^{-\int p(x)dx} y=Cep(x)dx,齐次的更简单一些比较符合我们的认知,毕竟这个本来就更加简单一些。所以公式更加简单一些。套公式算出曲线的表达式,曲线作为被积函数,利用定积分的几何意义,间接求出面积。计算定积分的时候使用凑微分的方法。

5.6

这个是纯粹的套用一阶非齐次线性微分方程,然后考察了积分表里面的三角函数的积分。比较少见的积分,用的少, ∫ t a n x d x = − l n ∣ c o s x ∣ + C \int tanx dx=-ln|cosx|+C tanxdx=lncosx+C ,当然,这里的公式只需要一个原函数即可, ∫ s e c 2 x d x = t a n x + C \int sec^2xdx=tanx+C sec2xdx=tanx+C,然后幂指转换就不赘述了,比较常用。要是考研考这道题,真的就是过年了。当然前提是记住这个公式,要是不记得这个公式一切就白搭了。数学公式,英语单词,专业课的知识点,就像是作战时的武器。

尾声

我最好把自己的分析都记录下来,这样可以让自己分析得更加清楚一些。详细仔细的分析可以让自己的数学能力得到提升。

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/2329093.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

Web前端页面搭建

1.在D盘中创建www文件 cmd进入窗口命令windowsR 切换盘符d: 进入创建的文件夹 在文件夹里安装tp框架 在PS中打开tp文件 创建网站&#xff0c;根目录到public 在浏览器中打开网页 修改文件目录名称 在public目录中的。htaccess中填写下面代码 <IfModule mod_rewrite.c >…

开源 LLM 应用开发平台 Dify 全栈部署指南(Docker Compose 方案)

开源 LLM 应用开发平台 Dify 全栈部署指南&#xff08;Docker Compose 方案&#xff09; 一、部署环境要求与前置检查 1.1 硬件最低配置 组件要求CPU双核及以上内存4GB 及以上磁盘空间20GB 可用空间 1.2 系统兼容性验证 ✅ 官方支持系统&#xff1a; Ubuntu 20.04/22.04 L…

BN 层的作用, 为什么有这个作用?

BN 层&#xff08;Batch Normalization&#xff09;——这是深度神经网络中非常重要的一环&#xff0c;它大大改善了网络的训练速度、稳定性和收敛效果。 &#x1f9e0; 一句话理解 BN 层的作用&#xff1a; Batch Normalization&#xff08;批归一化&#xff09;通过标准化每一…

金仓数据库KCM认证考试介绍【2025年4月更新】

KCM&#xff08;金仓认证大师&#xff09;认证是金仓KES数据库的顶级认证&#xff0c;学员需通过前置KCA、KCP认证才能考KCM认证。 KCM培训考试一般1-2个月一次&#xff0c;KCM报名费原价为1.8万&#xff0c;当前优惠价格是1万&#xff08;趋势是&#xff1a;费用越来越高&…

如何通过句块训练法(Chunks)提升英语口语

真正说一口流利英语的人&#xff0c;并不是会造句的人&#xff0c;而是擅长“调取句块”的人。下面我们从原理、方法、场景、资源几个维度展开&#xff0c;告诉你怎么用“句块训练法&#xff08;Chunks&#xff09;”快速提升英语口语&#xff1a; 一、什么是“句块”&#xff…

[ctfshow web入门]burpsuite的下载与使用

下载 吾爱破解网站工具区下载burpsuite https://www.52pojie.cn/thread-1544866-1-1.html 本博客仅转载下载链接&#xff0c;下载后请按照说明进行学习使用 打开 配置 burpsuite配置 burpsuite代理设置添加127.0.0.1:8080 浏览器配置 如果是谷歌浏览器&#xff0c;打开win…

vscode集成deepseek实现辅助编程(银河麒麟系统)【详细自用版】

针对开发者用户&#xff0c;可在Visual Studio Code中接入DeepSeek&#xff0c;实现辅助编程。 可参考我往期文章在银河麒麟系统环境下部署DeepSeek&#xff1a;基于银河麒麟桌面&&服务器操作系统的 DeepSeek本地化部署方法【详细自用版】 一、前期准备 &#xff08…

elementui的默认样式修改

今天用element ui &#xff0c;做了个消息提示&#xff0c;发现提示的位置总是在上面&#xff0c;如图&#xff1a; 可是我想让提示的位置到下面来&#xff0c;该怎么办&#xff1f; 最后还是看了官方的api 原来有个自定义样式属性 customClass 设置下就好了 js代码 css代码 效…

基于STM32的智能门禁系统设计与实现

一、项目背景与功能概述 在物联网技术快速发展的今天&#xff0c;传统门锁正在向智能化方向演进。本系统基于STM32F103C8T6微控制器&#xff0c;整合多种外设模块&#xff0c;实现了一个具备以下核心功能的智能门禁系统&#xff1a; 密码输入与验证&#xff08;4x3矩阵键盘&a…

基于SpringBoot的河道水情大数据可视化分析平台设计与实现(源码+论文+部署讲解等)

需要资料&#xff0c;请文末联系 一、平台介绍 水情监测数据大屏 - 平台首页 日均水位 日均水速 二、论文内容 摘要&#xff08;中文&#xff09; 本文针对河道水情监测领域的数据管理和可视化分析需求&#xff0c;设计并实现了一套河道水情大数据可视化分析平台。该平台基…

广告推荐算法:COSMO算法与A9算法的对比

COSMO算法与A9算法的概念解析 1. A9算法 定义与背景&#xff1a; A9算法是亚马逊早期为电商平台研发的核心搜索算法&#xff0c;主要用于优化商品搜索结果的排序和推荐&#xff0c;其核心逻辑围绕产品属性与关键词匹配展开。自2003年推出以来&#xff0c;A9通过分析商品标题…

【JS】使用滑动窗口得到无重复字符的最长子串

题目 思路 本题采用滑动窗口思想&#xff0c;定义左右指针作为滑动窗口的边界&#xff0c;使用Set数据结构处理重复字符&#xff0c;需要注意的是&#xff1a;每次遍历时采用Math.max方法实时更新最长子串的长度&#xff1b;当左指针移动时&#xff0c;set要删除对应字符。 步…

2025-04-05 吴恩达机器学习4——逻辑回归(1):基础入门

文章目录 1 分类问题1.1 介绍1.2 线性回归与分类1.2 逻辑回归 2 逻辑回归2.1 介绍2.2 Sigmoid 函数2.3 逻辑回归模型 3 决策边界3.1 概念3.2 线性决策边界3.3 非线性决策边界 4 代价函数4.1 不使用平方误差4.2 损失函数4.3 整体代价函数 5 梯度下降5.1 参数更新5.2 逻辑回归 vs…

P1125 [NOIP 2008 提高组] 笨小猴

#include<bits/stdc.h> using namespace std; int a[300],ma,mi105;//数组用来记录每个字符出现的次数&#xff0c;将mi初始为一个比较大的值 bool is_prime(int x){if(x0||x1)return false;for(int i2;i*i<x;i){if(x%i0)return false;}return true; }//判断是否为质…

Linux systemd 服务全面详解

一、systemd 是什么&#xff1f; systemd 是 Linux 系统的现代初始化系统&#xff08;init&#xff09;和服务管理器&#xff0c;替代传统的 SysVinit 和 Upstart。它不仅是系统启动的“总指挥”&#xff0c;还统一管理服务、日志、设备挂载、定时任务等。 核心作用 服务管理…

SortedSet结构之用户积分实时榜单实战

Redis 中的SortedSet结构非常适合用于实现实时榜单的场景&#xff0c;它根据成员的分数自动进行排序&#xff0c;支持高效的添加、更新和查询操作。 SortedSet实时榜单的一些典型应用场景&#xff1a; 游戏中的玩家排行榜&#xff1a;在多人在线游戏中&#xff0c;使用 Sorte…

C++_类和对象(中)

【本节目标】 类的6个默认成员函数构造函数析构函数拷贝构造函数赋值运算符重载const成员函数取地址及const取地址操作符重载 1. 类的6个默认成员函数 如果一个类中什么成员都没有&#xff0c;简称为空类。 空类中真的什么都没有吗&#xff1f;并不是&#xff0c;任何类在什…

学习笔记—C++—入门基础()

目录 C介绍 参考文档 C第一个程序 命名空间namespace namespace的价值 namespace的定义 namespace使用 指定命名空间访问 using将命名空间中某个成员展开 展开命名空间中全部成员 输入和输出 缺省参数 函数重载 引用 引用的概念 应用 const引用 指针和引用的关…

大数据Spark(五十七):Spark运行架构与MapReduce区别

文章目录 Spark运行架构与MapReduce区别 一、Spark运行架构 二、Spark与MapReduce区别 Spark运行架构与MapReduce区别 一、Spark运行架构 Master:Spark集群中资源管理主节点&#xff0c;负责管理Worker节点。Worker:Spark集群中资源管理的从节点&#xff0c;负责任务的运行…

道路裂缝数据集CrackForest-156-labelme

来源于开源的数据集 https://github.com/cuilimeng/CrackForest-dataset 进行整理修改而成。 文章目录 1. 介绍2. 应用场景3. 相关工具4. 下载地址 1. 介绍 在现代城市管理中&#xff0c;道路状况的监测与维护是确保交通安全和城市基础设施健康的重要环节。 CrackForest是一个…