高阶微分方程
非齐次常系数方程的形式为
其中 ci 都是常数,f(x) 不为 0。
每个非齐次方程都有一个齐次解 (CF),可以通过将 f(x) 替换为 0 来求得,并求解 齐次解。例如,
的齐次解是微分方程
叠加原理使求解非齐次方程变得相当简单。最终的解是齐次解和由 f(x) 产生的解(称为特解 (PI))的总和。换句话说,
- 通解 = CF + PI
待定系数法是一种求解某些 f(x) 的特解的简单捷径。该方法仅在 f(x) 的有限个导数最终减小为 0 时才有效,或者如果导数在有限个导数内最终落入某种模式。如果这是真的,那么我们就知道特解的一部分——所有在达到 0 之前的导数(或模式中的所有导数)的总和乘以任意常数。这就是试探特解。然后我们可以将我们的试探特解代入原始方程以完全求解它。
正如我们所见,我们可能需要根据齐次解来修改此试探解。如果试探解包含齐次解中也存在的项,那么特解将被齐次解中的任意常数吸收,因此我们不会得到问题的完整解。
最简单的情况是当 f(x) 为常数时,例如
- .
齐次解为
我们现在需要找到一个试探特解。当我们对 y=3 求导时,得到零。因此,我们的试探特解是在此之前的 y 函数的总和,即 3 乘以一个任意常数,这将得到另一个任意常数 K。
我们现在将 y 设置为特解,并找到直到 DE 阶数(此处为二阶)的导数。
现在我们可以将这些代入原始的微分方程
通过将 CF 和 PI 相加,我们可以得到微分方程的一般解
这是包含上述示例的一般方法。一个 n 阶多项式在恰好 n+1 次导数后会变为 0(例如对于常数如上面所示,一阶导数为 0,对于二次方程,三阶导数为 0,等等)。因此我们知道我们的 PI 是
例如,我们取
首先,我们知道我们的 PI 是
为了代入,我们需要计算它的前两个导数
代入后我们得到
解得
-
所以,我们的特解是
但是,我们还需要得到通解。为了得到通解,我们将f(x)设为0,然后像上一节一样求解。对于这个方程,根是-3和-2。所以我们的通解为
将特解和通解相加,我们就得到了我们的通解
e的幂永远不会降为0,但它们会形成一个模式。事实上,它只在一阶导数中就形成了模式,因为它本身就是它的导数。所以我们知道
其中K是我们的常数,p是原始微分方程中给出的e的幂。
例如,考虑
- .
我们做出我们的特解
- .
然后得到
代入,得到
-
这就是特解。我们之前已经找到了通解。所以通解是
多项式乘以e 的幂也形成一个循环,在n 次导数中(其中n 是多项式中x 的最高次幂)。所以我们知道我们的试探特解是
其中C是常数,p 是方程中e 的幂。
例如,我们尝试
现在我们可以将我们的特解设为
- .
代入,得到
这是特解。我们之前找到了齐次解。因此,总解是
三角函数也不会简化为 0。但它们确实具有 2 个导数循环 - sin x 的导数是 cos x,而 cos x 的导数是 -sin x。因此我们将我们的 PI 设置为
其中 C 是常数,p 是原始微分方程中三角函数内的项。
例如,我们尝试
我们将我们的 PI 设置为
代入,得到
-
这是特解。我们之前找到了齐次解。因此,总解是
以上所有情况都可以通过待定系数法求解,因此上述情况的和也同样可以通过待定系数法求解。 这是因为两个导数要么趋于0,要么循环的函数之和,其导数也必须趋于0或循环。 将是各个 函数的和。
在处理 时,或有时在处理多项式(如果齐次方程的根为 0)作为 f(x) 时,你可能会在试解特解和通解中获得相同的项。 如果发生这种情况,特解将被通解的任意常数吸收,这将不会导致完整的解。 为克服这个问题,将受影响的项乘以 x,直到它不再出现在通解中。
例如,让我们采用
首先,求解齐次方程以得到通解。
辅助多项式为
求解辅助多项式的根。在本例中,它们为
通解为
现在求特解。由于f(x) 是一个 1 次多项式,我们通常会使用 Ax+B。但是,由于通解中同时出现了x项和常数项,我们需要乘以x² 并使用
- .
我们像往常一样求解 A 和 B。
因此,总解为
参数变异法是一种求解方程 特解的方法,前提是已知对应齐次方程 的通解。现在我们将推导出这种通用的方法。
我们已经知道齐次方程的通解:它具有形式 。我们将寻找非齐次方程形式为 的特解,其中 u 和 v 是自变量 x 的函数。对该式求导,我们得到
现在注意,目前对 只有一个条件,即 。现在我们强加另一个条件,即
这意味着 将没有 和 的二阶导数。因此,这些新参数(因此被称为“参数变异法”)将是一些一阶微分方程的解,这些方程是可以求解的。让我们完成这个问题
以及
,
其中,最后一步源于 和 是齐次方程的解。
因此,我们有 和 。将第一个方程乘以 ,第二个方程乘以 ,然后相加得到:
类似的过程得到:
.
现在只需要对这些表达式求值,并相对于 积分,就可以得到函数 和 ,然后我们就得到了特解 。因此,微分方程 的通解为 。
请注意,这种方法的主要困难在于所涉及的积分通常非常复杂。如果积分结果不好,最好使用待定系数法。
出现在 和 表达式分母中的量称为 和 的朗斯基行列式。
拉普拉斯变换是求解非齐次初值问题的非常有用的工具。它允许我们将求解微分方程的问题简化为求解代数方程的问题。我们从一些设置开始。
的拉普拉斯变换定义为
.
这也可以写成 。在纸上书写时,你可以写一个草书大写字母“L”,它通常会被理解。还存在一个逆拉普拉斯变换 ,但计算它需要对复变量进行积分。幸运的是,通常可以使用各种技巧(将在后面描述)来找到 ,而无需进行这种积分。但是,首先有必要证明关于拉普拉斯变换的一些事实。
性质 1. 拉普拉斯变换是一个线性算子;也就是说,.
- 该性质的证明直接从拉普拉斯变换的定义而来,留给读者完成。
性质 2. 如果,那么
- 证明
- (用分部积分法)
正是性质 2 使拉普拉斯变换成为求解微分方程的有用工具。作为性质 2 的推论,请注意.
最后两个可以使用欧拉公式轻松计算 .
为了找到更多的拉普拉斯变换,特别是变换 ,我们将推导出变换的另外两个性质。
性质 3. 如果 ,则 .
性质 4. 如果 ,则 .
- 证明很简单,留给读者完成。
现在我们可以很容易地看到 。多次应用性质 3,我们可以发现 。最后,我们准备使用拉普拉斯变换来解微分方程。
一般来说,我们用以下方法解二阶线性非齐次初值问题:首先,我们对等式两边进行拉普拉斯变换。这会立即将微分方程简化为代数方程。然后,我们解出 。最后,我们对等式两边进行逆变换,求出 。
让我们用这种方法来解问题
- .
我们首先对等式两边进行拉普拉斯变换,并使用性质 1(线性)
- (使用初始条件)
现在我们隔离
这里我们已经将因式分解,为下一步做准备。现在我们尝试对等式两边进行逆变换;为了做到这一点,我们需要将等式右边分解成部分分式。
前两个分数意味着。令得到,而令得到。其他三个分数类似地给出 和 。因此
-
最后,我们可以通过观察来进行逆变换,得到
.
卷积是一种将两个函数组合成第三个函数的方法。卷积在概率、统计学以及其他许多领域都有应用,因为它表示函数之间的“重叠”。我们在这里并不关注这个特性;对我们来说,卷积是一个快速计算拉普拉斯逆变换的方法。
定义。 卷积 定义为 .
卷积具有几个有用的性质,如下所示
性质 1. (结合律)
性质 2. (交换律)
性质 3. (对加法的分配律)
我们现在证明卷积在计算拉普拉斯逆变换中起作用的结果。
定理。
- 证明
- (改变积分顺序)
- 现在令 。
让我们解另一个微分方程
对两边进行拉普拉斯变换得到
现在我们需要找到。为此,我们注意到 ,因此,根据上面的定理。因此,微分方程的解是正弦函数与自身的卷积。我们继续计算它
因此,原始方程的解为
.
{{}}