偏微分方程1-常微分方程求解方法回顾
常微分方程求解方法回顾
文章目录
- 常微分方程求解方法回顾
- 一阶常微分方程(First Order Ordinary Differential Equations)
- 二阶常系数线性微分方程(Second Order Constant Coefficient Linear Equations)
在微分方程中,称只有一个自变量函数的微分方程为常微分方程,有两个及以上自变量的微分方程为偏微分方程,给定微分方程及其初始条件,称为 初值问题,给定微分方程及其边界条件,称为 边值问题。
一阶常微分方程(First Order Ordinary Differential Equations)
- 可分离方程(Separable Equations)的求解
dydx=P(x)Q(y)∫dyQ(y)=∫P(x)dx+C(1)\begin{aligned} \frac{d y}{d x} &=P(x) Q(y) \\ \int \frac{d y}{Q(y)} &=\int P(x) d x+C \end{aligned}\tag{1} dxdy∫Q(y)dy=P(x)Q(y)=∫P(x)dx+C(1) - 一阶线性微分方程(Linear First-Order Equation)的求解:
对于如下形式的常微分方程:
y′(x)+P(x)y=Q(x)(2)y^{\prime}(x)+P(x) y=Q(x)\tag{2} y′(x)+P(x)y=Q(x)(2)
如果我们能够找到函数F(x)F(x)F(x),与式(2)相乘能够将式222左侧变为(Fy)′(Fy)^{'}(Fy)′的形式,如下:
Fy′+FPy=FQ(Fy)′=Fy′+F′y=FQ(3)\begin{array}{c} \begin{aligned} &F y^{\prime}+F P y=F Q \\ &(F y)^{\prime}=F y^{\prime}+F^{\prime} y=F Q \end{aligned} \end{array}\tag{3} Fy′+FPy=FQ(Fy)′=Fy′+F′y=FQ(3)
即要求F′=FPF^{'}=FPF′=FP,此为可分离方程:
dFF(x)=P(x)dx⇒∫dFF=∫P(x)dx+C(4)\frac{d F}{F(x)}=P(x) d x \Rightarrow \int \frac{d F}{F}=\int P(x) d x+C\tag{4} F(x)dF=P(x)dx⇒∫FdF=∫P(x)dx+C(4)
由式(1)解得:
lnF=∫P(x)dx+CF=Ae∫P(x)dxchoose A=1(5)\begin{aligned} &\ln F=\int P(x) d x+C\\ &F=A \mathrm{e}^{\int P(x) d x} \text { choose }A=1 \end{aligned}\tag{5} lnF=∫P(x)dx+CF=Ae∫P(x)dx choose A=1(5)
将式(5)带入式(2)解得:
e∫P(x)dxy′+e∫P(x)dxP(x)y=e∫P(x)dxQ(x)(e∫P(x)dxy)′=e∫P(x)dxQ(x)y(x)=e−∫P(x)dx{∫exP(t)dtQ(x)dx+C}(6)\begin{array}{c} \begin{aligned} &\mathrm{e}^{\int P(x) d x} y^{\prime}+\mathrm{e}^{\int P(x) d x} P(x) y=\mathrm{e}^{\int P(x) d x} Q(x) \\ &\left(\mathrm{e}^{\int P(x) d x} y\right)^{\prime}=\mathrm{e}^{\int P(x) d x} Q(x) \\ &\left.y(x)=\mathrm{e}^{-\int P(x) d x\left\{\int \mathrm{e}^{x} P(t) d t\right.} Q(x) d x+C\right\} \end{aligned} \end{array}\tag{6} e∫P(x)dxy′+e∫P(x)dxP(x)y=e∫P(x)dxQ(x)(e∫P(x)dxy)′=e∫P(x)dxQ(x)y(x)=e−∫P(x)dx{∫exP(t)dtQ(x)dx+C}(6)
二阶常系数线性微分方程(Second Order Constant Coefficient Linear Equations)
将ay′′+by′+cy=f(x)ay^{''}+by^{'}+cy=f(x)ay′′+by′+cy=f(x)称为二阶线性微分方程,当f(x)=0f(x)=0f(x)=0时,称为二阶常系数线性微分方程(也称二阶齐次线性微分方程),如下:
Ly=ay′′+by′+cy=0(7)L y=a y^{\prime \prime}+b y^{\prime}+c y=0\tag{7} Ly=ay′′+by′+cy=0(7)
其中a、b、ca、b、ca、b、c为实常数,假设y=erxy′=rerxy′′=r2erxy=\mathrm{e}^{r x} \quad y^{\prime}=r \mathrm{e}^{r x} \quad y^{\prime \prime}=r^{2} \mathrm{e}^{r x}y=erxy′=rerxy′′=r2erx,为上式的一个特解,则:
Ly=[ar2+br+c]erx=0(8)L y=\left[a r^{2}+b r+c\right] \mathrm{e}^{r x}=0\tag{8} Ly=[ar2+br+c]erx=0(8)
即有:
g(r)=[ar2+br+c]=0(9)g(r)=\left[a r^{2}+b r+c\right]=0\tag{9} g(r)=[ar2+br+c]=0(9)
当Δ=b2−4ac>0\Delta=b^2-4ac>0Δ=b2−4ac>0时,式(9)有两个不同的解r1,r2r_1,r_2r1,r2,由此得到式(7)的通解:
y(x)=c1er1x+c2er2x(10)y(x)=c_{1} \mathrm{e}^{r_{1} x}+c_{2} \mathrm{e}^{r_{2} x}\tag{10} y(x)=c1er1x+c2er2x(10)
当Δ=b2−4ac=0\Delta=b^2 - 4ac=0Δ=b2−4ac=0时,式(9)有两个相同的解r1=r2r_1=r_2r1=r2,由此得到式(7)的唯一解:
y(x)=er1x(11)y(x)=e^{r_1x}\tag{11} y(x)=er1x(11)
此时如果我们依旧想要得到两个不同的解,我们可以对唯一解添加一个微小的扰动(perturbation),来得到两个不同的解,如下图所示:
此时g(r)=a(r−(r1−ϵ))(r−(r1+ϵ))=a[(r−r1)2−ϵ2]≈a(r−r1)2g(r)=a\left(r-\left(r_{1}-\epsilon\right)\right)\left(r-\left(r_{1}+\epsilon\right)\right)=a\left[\left(r-r_{1}\right)^{2}-\epsilon^{2}\right] \approx a\left(r-r_{1}\right)^{2}g(r)=a(r−(r1−ϵ))(r−(r1+ϵ))=a[(r−r1)2−ϵ2]≈a(r−r1)2,即g(x)g(x)g(x)有两个非常接近但不同的跟:
r=r1+ϵ;r=r1−ϵ(12)r=r_1+\epsilon;r=r_1-\epsilon\tag{12} r=r1+ϵ;r=r1−ϵ(12)
即可得到扰动下的通解:
y(x)=c1er1x+c2er2x(13)y(x)=c_{1} \mathrm{e}^{r_{1} x}+c_{2} \mathrm{e}^{r_{2} x}\tag{13} y(x)=c1er1x+c2er2x(13)
如下图所示,取c1=12ϵ=−c2c_1=\frac{1}{2\epsilon}=-c_2c1=2ϵ1=−c2,则:
y(x,ϵ)=e(r1+ϵ)x−e(r1−ϵ)x2ϵ≈∣∂∂rerx∣r=r1(14)y(x, \epsilon)=\frac{\mathrm{e}^{\left(r_{1}+\epsilon\right) x}-\mathrm{e}^{\left(r_{1}-\epsilon\right) x}}{2 \epsilon} \approx\left|\frac{\partial}{\partial r} \mathrm{e}^{r x}\right|_{r=r_{1}}\tag{14} y(x,ϵ)=2ϵe(r1+ϵ)x−e(r1−ϵ)x≈∣∣∣∣∂r∂erx∣∣∣∣r=r1(14)
利用洛必达法则(L’Hospital’s Rule),即得:
y(x,ϵ)=er1x(eϵx−e−ϵx2ϵ)⟶ϵ→0xer1x=∣∂∂rerx∣r=r1(15)y(x, \epsilon)=\mathrm{e}^{r_{1} x}\left(\frac{e^{\epsilon x}-\mathrm{e}^{-\epsilon x}}{2 \epsilon}\right) \stackrel{\epsilon \rightarrow 0}{\longrightarrow} x \mathrm{e}^{r_{1} x}=\left|\frac{\partial}{\partial r} \mathrm{e}^{r x}\right|_{r=r_{1}}\tag{15} y(x,ϵ)=er1x(2ϵeϵx−e−ϵx)⟶ϵ→0xer1x=∣∣∣∣∂r∂erx∣∣∣∣r=r1(15)
即xer1xxe^{r_1x}xer1x也是式(9)的一个解,因此得到式(9)的通解:
y(x)=c1er1x+c2xer1x(16)y(x)=c_{1} \mathrm{e}^{r_{1} x}+c_{2} x \mathrm{e}^{r_{1} x}\tag{16} y(x)=c1er1x+c2xer1x(16)
当Δ=b2−4ac<0\Delta=b^2-4ac<0Δ=b2−4ac<0时,式(9)有复共轭跟(Complex Conjugate Roots):
r±=−b2a±i4ac−b22a=λ±iμy(x)=c1e(λ+iμ)x+c2e(λ−iμ)x=eλx[Acosμx+Bsinμx](17)\begin{aligned} r_{\pm} &=-\frac{b}{2 a} \pm \frac{i \sqrt{4 a c-b^{2}}}{2 a}=\lambda \pm i \mu \\ y(x) &=c_{1} \mathrm{e}^{(\lambda+i \mu) x}+c_{2} \mathrm{e}^{(\lambda-i \mu) x} \\ &=\mathrm{e}^{\lambda x}[A \cos \mu x+B \sin \mu x] \end{aligned}\tag{17} r±y(x)=−2ab±2ai4ac−b2=λ±iμ=c1e(λ+iμ)x+c2e(λ−iμ)x=eλx[Acosμx+Bsinμx](17)
参考资料:
M257_316_2012_Lecture_1
偏微分方程1-常微分方程求解方法回顾相关推荐
- 常微分方程(ODE)求解方法总结
常微分(ODE)方程求解方法总结 1 常微分方程(ODE)介绍 1.1 微分方程介绍和分类 1.2 常微分方程的非计算机求解方法 1.3 线性微分方程求解的推导过程 2 一阶常微分方程(ODE)求解方 ...
- 几类常微分方程的matlab求解方法 | 刚性微分方程、隐式微分方程、微分代数方程
目录 微分方程的转换 一.单个高阶常微分方程 二.高阶常微分方程组 刚性微分方程求解 隐式微分方程求解 微分代数方程求解 微分方程的转换 根据微分方程求解的标准型,要得到微分方程的数值解,应该先将该方 ...
- 美赛整理之偏微分方程的数值求解(一)
两点边值问题的GalerKin方法 1.问题的提出 2.求解方法(试函数法) 3.方法的改进 4.代码实现 1.问题的提出 考虑一个定义在[a,b][a,b][a,b]上的二阶常微分方程边值问题: ...
- 正圆锥体空间方程_数值模拟偏微分方程的三种方法:FDM、FEM及FVM
偏微分方程数值模拟常用的方法主要有三种:有限差分方法(FDM).有限元方法(FEM).有限体积方法(FVM),本文将对这三种方法进行简单的介绍和比较. 一.有限差分方法 有限差分方法(Finite D ...
- 常微分方程的差分方法C语言,常微分方程差分方法.ppt
常微分方程差分方法 数值分析简明教程 亚当姆斯格式3 数值分析简明教程 隐式亚当姆斯格式1 同样,我们也可导出如下隐式的二阶.三阶和四阶亚当姆斯格 式: 数值分析简明教程 隐式亚当姆斯格式2 数值分析 ...
- Simulink基础【1】-弹簧-阻尼模型的常微分方程求解
Simulink基础[1]-弹簧-阻尼模型的常微分方程求解 0. Simulink模块是什么?能干什么? 1. 弹簧阻尼模型简介 1.1 受常力的弹簧阻尼模型 1.2 动力学方程 2. simulin ...
- 一种基于物理信息极限学习机的PDE求解方法
**作者|**PINN山里娃,作者主页 **研究方向|**物理信息驱动深度学习 不确定性 人工智能 偏微分方程 极限学习机 该作者聚焦深度学习模型与物理信息结合前沿研究,提供了一系列AI for sc ...
- 10种基于MATLAB的方程组求解方法
线性方程组的求解包括直接法和迭代法,其中迭代法包括传统的高斯消元法,最速下降法,牛顿法,雅克比迭代法,共轭梯度法,以及智能启发式算法求解法和神经网络学习算法,传统算法可以相互组合改进,智能仿生启发式算 ...
- LIS(最长上升子序列)问题的三种求解方法以及一些例题
摘要 本篇博客介绍了求LIS的三种方法,分别是O(n^2)的DP,O(nlogn)的二分+贪心法,以及O(nlogn)的树状数组优化的DP,后面给出了5道LIS的例题. LIS的定义 一个数的序列bi ...
- 蹦极模型matlab仿真,科学网—蹦极的数学建模及其龙格-库塔法求解方法 - 赵也非的博文...
论文: 蹦极的数学建模及其龙格-库塔法求解方法 在"华东师范大学首届研究生数学建模竞赛"中,获得二等奖. 发表日期: 2007年5月 摘要: 本文通过参照题中给出的数据,对蹦极者在 ...
最新文章
- 高仿网易新闻频道选择器
- 在ASP.NET AJAX 1.0框架中访问Web服务
- 吴恩达深度学习一:神经网络
- 数据结构与算法之四希尔排序法
- 计算机毕业设计中民宿平台信息管理系统设计
- php搭建后台 xampp_你还在用wordpress?|搭建独一无二个人网络日志发布平台
- 【OpenCV学习笔记】【教程翻译】二(车牌识别算法框架)
- python温度转换
- jdk安装后怎么使用_jdk安装后怎么打开java
- 利用addr2line命令定位backtrace的Error行数
- [Unity插件]着色器关键字分析工具ShaderControl
- typescript:类型细化
- python转行成数据分析_大数据专业成热门,该如何转行做大数据分析师
- 如何用OKR搞垮一个团队
- 直击微软第九频道著名主持Robert Green 对话一站式示例代码库大老板梁梅女士
- 傅立叶变换的原理、意义以及如何用Matlab实现快速傅立叶变换
- 计算机窗口的大小是什么单位,电脑软件窗口大小调整
- Point Cloud Labeling Tool使用说明
- 手把手教你vlookup两个表格间对应数据的匹配!
- 【算法基础】高精度除法
热门文章
- java调用百度Ocr识别以及报错SDK108的解决办法
- finecms aip.php漏洞,finecms V5 会员头像任意文件上传漏洞 附修复代码
- 中国剩余定理与韩信点兵问题原理
- mysql怎么加载txt文本1148_MySQLload从文件读入数据提示ERROR1148
- 红米停在android,红米手机在Android开发中无法获取data/data中数据的问题
- 一个平凡的人--简介
- 学校计算机教室学生使用记录表,学校学生信息技术教学计划
- 八国离线谷歌卫星影像地图内网发布
- 经典 tcp粘包分析
- minIO安装教程及代码使用