2021-03-28 收敛性常用一阶微分方程
收敛性常用一阶微分方程
零
方程:x˙(t)=−cx1n(t)\dot{x}(t)=-c x^{\frac{1}{n}}(t)x˙(t)=−cxn1(t),其中n是大于等于2的整数,c大于0
解:x(t)={(x1−1n(0)−11−1nct)11−1nif t⩽1−1ncx1−1n(0)0otherwise x{(t)}=\left\{\begin{array}{ll}\left(x^{1-\frac{1}{n}}(0)-\frac{1}{1-\frac{1}{n}}c t\right)^{\frac{1}{1-\frac{1}{n}}} & \text { if } t \leqslant \frac{1-\frac{1}{n}}{c} x^{1-\frac{1}{n}}(0) \\ 0 & \text { otherwise }\end{array}\right.x(t)=⎩⎨⎧(x1−n1(0)−1−n11ct)1−n110 if t⩽c1−n1x1−n1(0) otherwise
一
方程:x˙(t)=−cx12(t)\dot{x}(t)=-c x^{\frac{1}{2}}(t)x˙(t)=−cx21(t),c大于0
解:x(t)={(x12(0)−12ct)2if t⩽2cx12(0)0otherwise x{(t)}=\left\{\begin{array}{ll}\left(x^{\frac{1}{2}}(0)-\frac{1}{2} c t\right)^{2} & \text { if } t \leqslant \frac{2}{c} x^{\frac{1}{2}}(0) \\ 0 & \text { otherwise }\end{array}\right.x(t)={(x21(0)−21ct)20 if t⩽c2x21(0) otherwise
二
方程:x˙(t)=−cx(t)\dot{x}(t)=-c x(t)x˙(t)=−cx(t),c大于0
解:x(t)=e−ct+lnx(0)x{(t)}=e^{-ct+\ln x(0)}x(t)=e−ct+lnx(0)
三
方程:x˙(t)=−cx2(t)\dot{x}(t)=-c x^{2}(t)x˙(t)=−cx2(t),c大于0
解:x(t)=x(0)1+cx(0)tx{(t)}=\frac{x(0)}{1+c x(0) t}x(t)=1+cx(0)tx(0)
四
方程:x˙(t)=−cxn(t)\dot{x}(t)=-c x^{n}(t)x˙(t)=−cxn(t),其中n是大于等于2的整数,c大于0
解:x(t)=1((n−1)ct+1xn−1(0))n−1x{(t)}=\frac{1}{((n-1)ct+\frac{1}{x^{n-1}(0)})^{n-1}}x(t)=((n−1)ct+xn−1(0)1)n−11
2021-03-28 收敛性常用一阶微分方程相关推荐
- Go、Rust、C++和Zig语言的生产力对比 | Gopher Daily (2021.03.28) ʕ◔ϖ◔ʔ
每日一谚:Goroutines and channels are big ideas. They're tools for program construction. Go技术生态 掉入Go nil坑 ...
- 数值分析(12):Rung-Kutta法及单步法的收敛性和稳定性分析
Rung-Kutta法及单步法的收敛性和稳定性分析 1. 引言 2. Runge-Kutta法 2.1 一阶RK方法 2.2 二阶RK方法 2.3 三阶RK方法 2.4 四阶RK方法 3. 单步法收敛 ...
- Spring Boot安装及使用(2021.10.28)
Spring Boot安装及使用 2021.10.28 1.Spring Boot 简介 1.1 为何选择Spring? 1.2 Spring的功能 1.3 Spring项目的依赖包管理工具(Mave ...
- 随机变量序列 收敛 检验 matlab,利用MATLAB验证样条插值的收敛性
问题提出 多项式插值是不收敛的,即插值的节点多,效果不一定就好.对样条函数插值又如何呢?理论上证明样条插值的收敛性是比较困难的,但通过本实验可以验证这一理论结果.. 实验内容 请按一定的规则分别选择等 ...
- 梯度下降(Gradient Descent)的收敛性分析
©作者 | 黄秋实 单位 | 香港中文大学(深圳) 研究方向 | 智能电网 梯度下降是一种简单且常用的优化方法,它可以被用来求解很多可导的凸优化问题(如逻辑回归,线性回归等).同时,梯度下降在非凸优化 ...
- 【机器学习基础】EM算法详解及其收敛性证明
EM算法详解 (一)单高斯模型 1.1 一维高斯分布: 1.2 多维高斯分布: (二)最大似然估计 2.1 最大似然估计的数学概念: 2.2 最大似然估计的基本步骤: 2.2.1 构造似然函数: 2. ...
- 随机变量序列的两种收敛性
随机变量序列的收敛性有多种,其中常用的是两种:依概率收敛和依分布收敛.大数定律涉及的是一种依概率收敛,中心极限定理涉及的是依分布收敛. 1.依概率收敛 为什么要研究随机变量序列的收敛性? 依概率收敛的 ...
- 6.3 收敛性与稳定性
6.3.1 收敛性 数值计算方法的收敛性是指,当取步长趋近于零时,数值解趋近于精确解的速度.一般来说,数值计算方法的收敛性是判断其优劣的重要指标之一. 数值计算方法的收敛性可以通过数学分析来研究,一般 ...
- 【优化】梯度下降 收敛性 证明
梯度下降方法的收敛率是 O ( 1 / t ) O(1/t) O(1/t). 本文首先介绍梯度下降算法的定义,之后解释收敛性的意义,并给出梯度下降算法收敛性详细证明过程1. 梯度下降算法 设系统参数为 ...
最新文章
- 同一订单类型用多个号码段
- mysql select 1
- 第七天学习Java的笔记(IDEA环境配置)
- 分支和循环_月隐学python第5课
- 心理学专业转用户体验_用心理学设计奇妙的用户体验
- Linux设备驱动程序学习(4) -高级字符驱动程序操作[(1)ioctl and llseek]
- linux内核等价多路径路由,Linux内核分析 - 网络[四]:路由表
- 静态成员函数与静态成员变量
- $mona$要成为高端玩家
- python 中的metaclass和baseclasses
- 联想m7400连接不到计算机,联想m7400打印机怎么连接电脑
- 爬虫爬取视频指定秒的画面
- 大神详细的ACM训练计划
- 关于python使用hadoop(使用python操作hdfs)
- Umi部署pages多页面访问配置
- Spark分布式计算框架之SparkStreaming+kafka
- 【陈工笔记】# LaTeX 中,图片如何不置顶? #
- 关于选择护肤品功效成分时可以参考一下!!!
- html导出excel换行,javascript导出excel或者csv如何让单元格内容换行?
- php iframe 自适应高度,两个iframe自适应高度的解决方法