常微分方程的解题思路

news2024/9/29 17:29:59

通解:独立常数的个数等于微分方程的阶数,独立常数的个数实际上就是 c 1 , c 2 , . . . , c n c_1,c_2,...,c_n c1,c2,...,cn是数目

所以补 C C C也是关键的一步,而且未必是 + C +C +C,也可以是 + ln ⁡ C +\ln C +lnC之类的,如下:

ln ⁡ ∣ y ∣ = ln ⁡ ∣ x ∣ − x + C ↔ ln ⁡ ∣ y ∣ = ln ⁡ ∣ x ∣ − x + ln ⁡ C \ln|y|=\ln|x|-x+C\leftrightarrow \ln|y|=\ln|x|-x+\ln C lny=lnxx+Clny=lnxx+lnC

显然后者在处理时候方便,而且前者很可能化简到 y = e C x e − x y=e^Cxe^{-x} y=eCxex就停止了,然而这间接限制了 x x x y y y同号,是一个隐藏的错误

另一方面当 y = 0 y=0 y=0的情况也得考虑,此时带入上式依旧成立

C C C时要注明 C C C的范围,如: C C C是任意常数

一阶微分方程

显然,一阶微分方程的通解就只有一个 C C C

变量可分离型

处理方法是放到等号两侧积回去,积回去的解有显式和隐式两种

d y d x = f ( x ) g ( y ) → ∫ d y g ( y ) = ∫ f ( x ) d x \frac{dy}{dx}=f(x)g(y)\to \int\frac{dy}{g(y)}=\int f(x)dx dxdy=f(x)g(y)g(y)dy=f(x)dx

g ( y ) g(y) g(y)处于分母可能会丢失 g ( y ) = 0 g(y)=0 g(y)=0的一个解。

可化为变量可分离型

对于 d y d x = f ( a x + b y + c ) \frac{dy}{dx}=f(ax+by+c) dxdy=f(ax+by+c)的形式,使用换元法,令 u = a x + b y + c u=ax+by+c u=ax+by+c

u = a x + b y + c u=ax+by+c u=ax+by+c两侧求导可得 d u d x = a + b d y d x \frac{du}{dx}=a+b\frac {dy}{dx} dxdu=a+bdxdy,因为 d y d x = f ( u ) \frac{dy}{dx}=f(u) dxdy=f(u),所以这个式子可以写为 d u d x = a + b f ( u ) \frac{du}{dx}=a+bf(u) dxdu=a+bf(u),因此变成了 u u u x x x的微分方程

d y d x = f ( y x ) \frac{dy}{dx}=f(\frac yx) dxdy=f(xy)则可得到 d u φ ( u ) − u = d x x \frac{du}{\varphi(u)-u}=\frac{dx}{x} φ(u)udu=xdx

注意 u u u是关于 x x x的函数,因此也要参与到对 x x x的求导中来

一阶线性微分方程

我的另一篇博文:一阶线性微分方程计算公式推导

伯努利方程

形式是 y ′ + p ( x ) y = q ( x ) y n y'+p(x)y=q(x)y^n y+p(x)y=q(x)yn

z = y 1 − n z=y^{1-n} z=y1n,最终处理式子如下:

1 1 − n ⋅ d z d x + p ( x ) z = q ( x ) \frac1{1-n}·\frac{dz}{dx}+p(x)z=q(x) 1n1dxdz+p(x)z=q(x)

二阶可降阶微分方程

主要是两种类型 y ′ ′ = f ( x , y ′ ) y''=f(x,y') y′′=f(x,y) y ′ ′ = f ( y , y ′ ) y''=f(y,y') y′′=f(y,y)

二阶先看有无 y y y,无 y y y考虑 y ′ ′ = f ( x , y ′ ) y''=f(x,y') y′′=f(x,y)型,无 x x x考虑 y ′ ′ = f ( y , y ′ ) y''=f(y,y') y′′=f(y,y)型。都有则按后面高阶线性微分方程的方法处理

y’'=f(x)型

积分每求一次就得加一个 C C C

例如 y ′ ′ = x 2 → y ′ = x 3 3 + C 1 → y = 1 12 x 4 + C 1 x + C 2 y''=x^2\to y'=\frac{x^3}3+C_1\to y = \frac{1}{12}x^4+C_1x+C_2 y′′=x2y=3x3+C1y=121x4+C1x+C2

y ′ ′ = f ( x , y ′ ) y''=f(x,y') y′′=f(x,y)

换元后比一阶多了一步积分

y ′ = p ( x ) y'=p(x) y=p(x) y ′ ′ = p ′ ( x ) y''=p'(x) y′′=p(x),那么原式化为了 p ′ = f ( x , p ) p'=f(x,p) p=f(x,p),这就是上面的一阶微分方程,求出 p p p x x x的关系后由 y ′ = p y'=p y=p积分得到。

若求的 y ′ = p = φ ( x , c 1 ) y'=p=\varphi(x,c_1) y=p=φ(x,c1)则原方程通解为 y = ∫ φ ( x , c 1 ) d x + c 2 y=\int \varphi(x,c_1)dx+c_2 y=φ(x,c1)dx+c2

y ′ ′ = f ( y , y ′ ) y''=f(y,y') y′′=f(y,y)

y ′ = p ( y ) y'=p(y) y=p(y) y ′ ′ = p ′ ( y ) ⋅ y ′ y''=p'(y)·y' y′′=p(y)y,这里要强调的是 y y y x x x的函数,所以这里按复合函数求导处理,由于 y ′ = p ( y ) y'=p(y) y=p(y)故原式可以这样写: y ′ ′ = p ′ ( y ) ⋅ y ′ = p ′ ( y ) ⋅ p ( y ) y''=p'(y)·y'=p'(y)·p(y) y′′=p(y)y=p(y)p(y),联系最初的式子可得 p ′ ⋅ p = f ( y , p ) p'·p=f(y,p) pp=f(y,p),这又是一个一阶微分方程,

p ′ = d p d y p'=\frac{dp}{dy} p=dydp

高阶线性微分方程

二阶常系数齐次线性微分方程的解

这里很多人的博客都提到看特征方程 r 2 + p r + q = 0 r^2+pr+q=0 r2+pr+q=0的特征根,但是都没说 r r r到底是什么。

实际上特征方程中的 r r r需要设解的形式为 y = e r x y=e^{r x} y=erx,试带入原方程得出 ( r 2 + p r + q ) e r x = 0 (r^2+pr+q)e^{r x}=0 (r2+pr+q)erx=0,即需要判别特征方程 r 2 + p r + q = 0 r^2+pr+q=0 r2+pr+q=0的特征根。

注:复根的计算是 x 1 , 2 = − b ± i 4 a c − b 2 2 a x_{1,2}=\frac {-b±i \sqrt{4ac-b^2}}{2a} x1,2=2ab±i4acb2

知乎 - 常系数二阶线性齐次微分方程的求解

在这里插入图片描述
图源自B站up:请叫我小陈老师

二阶常系数非齐次线性微分方程的解

看我的另外一篇文章:二阶常系数非齐次线性微分方程的解

视频讲解可以看源自B站up:请叫我小陈老师的二阶常系数非齐次线性微分方程(后面的图截取自视频)
在这里插入图片描述
自由项为 P m ( x ) e a x P_m(x)e^{ax} Pm(x)eax大致过程:

  1. y y y y ′ y' y y ′ ′ y'' y′′这种用 0 0 0 r r r r 2 r^2 r2换一下,然后求特征根。
  2. 看右侧的自由项的 e λ x e^{\lambda x} eλx部分的 λ \lambda λ是多少(然后发现 λ \lambda λ等于 k k k个特征根, k k k可能是 0 、 1 、 2 0、1、2 012
  3. 然后根据原式 P m ( x ) P_m(x) Pm(x)是几次来定 Q m ( x ) Q_m(x) Qm(x),例如三次就写 a x 2 + b x + c ax^2+bx+c ax2+bx+c

如果自由项为 e a x [ P m ( x ) cos ⁡ β x + P n ( x ) sin ⁡ β x ] e^{ax}[P_m(x)\cos \beta x + P_n(x)\sin \beta x] eax[Pm(x)cosβx+Pn(x)sinβx]则处理略有不同:

n n n

30J.L13.9

直接背过吧。主要思路就是根据特解在高阶的解的四种情况里代,寻找对应的情况

其他提示

自变量未必是 x x x

30J.L13.5 伯努利方程

对式子 y d x = ( 1 + x ln ⁡ y ) x d y ydx=(1+x\ln y)xdy ydx=(1+xlny)xdy的化简,其自变量实际上是 y y y,如果按惯性思维根本化不出熟悉的形式。最终可以变形为 d x d y − 1 y x = ln ⁡ y y x 2 \frac{dx}{dy}-\frac 1y x=\frac{\ln y}y x^2 dydxy1x=ylnyx2,符合伯努利方程的 y ′ + p ( x ) y = q ( x ) y n y'+p(x)y=q(x)y^n y+p(x)y=q(x)yn的形式

如果实在不直观,可以先写出相反形式的伯努利方程范式,即 x ′ + p ( y ) x = q ( y ) x n x'+p(y)x=q(y)x^n x+p(y)x=q(y)xn

是微分方程但不用求解

30J.L13.11

考的实际上是 y ′ ′ y'' y′′和函数极值的关系

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/711562.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

HPM6750系列--第六篇 创建自己的工程

一、目的 细心的朋友可能会发现官方提供了HPM-Sdk仓库,示例代码都是作为一个文件夹的形式放在此仓库下,我们之前都是直接拷贝里面的工程进行演示。 下面我们就具体来分析一下hello_world工程的文件组成,这样我们就可以创建自己的工程。 二、…

vscode里vue文件内<template>标签报错

发现只要把文件名使用驼峰命名法,把Login.vue改为LoginView.vue就不报错了加个大写的View就没有了。 官方参考文档:vue/multi-word-component-names | eslint-plugin-vue

说说@EnableConfigurationProperties那点事

两者的对比 ConfigurationProperties 使用ConfigurationProperties的时候,把配置类的属性与yml配置文件绑定起来的时候,还需要加上Component注解才能绑定并注入IOC容器中,若不加上Component,则会无效。 EnableConfigurationPro…

Mybatis 入门及实践

Mybatis 入门及实践 文章目录 Mybatis 入门及实践前言一. 简介二. 入手案例2.1 前置准备2.1.1 Maven依赖2.1.2 sql准备2.1.3 Log4j2 配置1. Maven引入2. log4j2.xml 2.2 代码流程构建步骤2.2.1 Mybatis前置知识2.2.2 步骤流程2.2.3 代码实现 三. XML映射器前置代码3.1 select3.…

【网络编程】网络编程套接字(一)

文章目录 网络编程预备知识认识端口号理解源端口号和目的端口号认识TCP协议和UDP协议网络字节序sockaddr结构1.socket 常见API2.sockaddr结构 网络编程预备知识 认识端口号 端口号(port)是传输层协议的内容. 端口号是一个2字节16位的整数; 端口号用来标识一个进程, 告诉操作系…

Linux :LNMP(源码包安装)

Linux 虚拟机 VMware:安装centos7_鲍海超-GNUBHCkalitarro的博客-CSDN博客 物理机 linux:真机安装centos linux(突发事件:解决卡在安装界面){寻找镜像--u启制作--引导u盘--解决卡在安装界面--安装配置}_安装centos7卡…

Linux--文件/目录权限

看懂权限: 拥有者:文件属于谁 所属组:文件属于哪个组 other:不属于上面两种的任何一个,就是other 图示: 分析: ①第一列: d:目录 -:普通文件 p:管道文件 b:块设备 c:字符设备 l:链接…

数学建模概论

1、从现实对象到数学模型 我们常见的模型 玩具、照片......~实物模型水箱中的舰艇、风洞中的飞机......~物理模型地图、电路图、分子结构图......~符号模型 模型是为了一定目的,对客观事物的一部分进行简缩、抽象、提炼出来的原型的替代物,集中反映了原型…

【C++1】函数重载,类和对象,引用,string类,vector容器,类继承和多态,/socket

文章目录 1.函数重载:writetofile(),Ctrue和false,C0和非02.类和对象:vprintf2.1 构造函数:对成员变量初始化2.2 析构函数:一个类只有一个,不允许被重载 3.引用:C中&取地址&…

沁恒CH32V307VCT6最小系统板/开发板开源

沁恒CH32V307VCT6最小系统板,引出了所有IO口,一个Type-C连接到USB2.0全速OTG接口,一个Flash芯片 型号W25Q64 容量64Mbit 连接到SPI2接口,板上还有TL432电压基准1.25V(实测1.246V左右)可通过跳线连接到PC3的AD13,还有3.…

【c++】并行编程:cuda入门

😏★,:.☆( ̄▽ ̄)/$:.★ 😏 这篇文章主要介绍cuda入门。 学其所用,用其所学。——梁启超 欢迎来到我的博客,一起学习,共同进步。 喜欢的朋友可以关注一下,下次更新不迷路&#x1f95e…

测试在 4090 上运行 vicuna-33b 进行推理

测试在 4090 上运行 vicuna-33b 进行推理 今天尝试在 4090 上运行 vicuna-33b 进行推理,使用的是 8bit 量化。 运行命令如下, python3 -m fastchat.serve.cli --model-path lmsys/vicuna-33b-v1.3 --load-8bit结论,使用 8bit 量化在 4090 上…

HTTP概述以及Tomcat概述

HTTP 概念:Hyper Text Transfer Protocol,超文本传输协议,规定了浏览器和服务器之间数据传输的规则。特点: 基于TCP协议:面向连接、安全基于请求-响应模型的:一次请求对应一次响应HTTP协议是无状态的协议…

Java面试题3

[TOC]目录 1. spring事务 事务简介 事务在逻辑上是一组操作,要么执行,要不都不执行。主要是针对数据库而言的,比如说 MySQL。 为了保证事务是正确可靠的,在数据库进行写入或者更新操作时,就必须得表现出 ACID 的 4 …

nexus搭建maven私有仓库

Nexus 在企业开发中还是比较常用的私有仓库管理工具,一般把公司内部的Maven jar 包或npm包上传到仓库中,有效的对包文件进行管理。 Nexus 至少需要 2G 以上的内存 安装nexus之前首先安装配置好 JDK 环境 和 Maven环境 1、Linux环境安装openJDK 2、Centos…

机器学习——掌握决策树ID3算法的原理,通过增益熵实现手工推导的过程。

文章目录 决策树介绍优缺点ID3算法原理举例 决策树的构建1、特征选择(1)香农熵(2)信息增益 2、决策树的生成3、决策树的修剪 总结:参考文献 决策树 介绍 决策树(decision tree)是一种基本的分类与回归方法。ID3是其中…

模拟实现atoi

函数简介 atoi (表示 ascii to integer)是把字符串转换成整型数的一个函数,应用在计算机程序和办公软件中。int atoi(const char *nptr) 函数会扫描参数 nptr字符串,会跳过前面的空白字符(例如空格,tab缩进)等。如果 n…

socket 网络编程

socket UDP1、单播收发数据测试2、广播发送 TCP1、收发数据测试2、TCP 服务端 Socket是两个程序之间的双向通信链路。它是一种网络通信协议,用于不同计算机之间的进程间通信或同一计算机内部进程之间的通信。 import sockets socket.socket(AddressFamily, Type)…

初识【Matplotlib】

Matplotlib Matplotlib简单介绍Matploylib的分类学习Matploylib网站推荐Matplotlib用法Matplotlib中文字体显示Matplotlib的三层结构容器层图像层辅助显示层 Matplotlib简单介绍 Matplotlib是一个Python的数据可视化库,它提供了一种简单而有效的方式来创建各种类型…

02-独立按键控制LED状态

程序 #include <REGX52.H>void main() {while(1) {if(P3_1 0) //DOWN{P2_0 0xFE;}if(P3_1 1) //UP{P2_0 0XFF;}};}按键的抖动问题 软件实现解决-按键的抖动问题 通过延时解决 #include <REGX52.H>void Delay(unsigned int xms) {while(xms){unsigned cha…