2.齐次线性微分方程

0.引言

  本节关于二阶微分方程,首先泛化欧拉方法到二阶。其次介绍了两个定理,叠加定理Wronskian定理

1.欧拉方法用于高阶微分方程

  对于二阶微分方程:
x ¨ = f ( t , x , x ˙ ) \ddot{x}=f(t, x, \dot{x}) x¨=f(t,x,x˙)

求解方法是化为一组一阶微分方程
x ˙ = u (1) \dot{x}=u\tag{1} x˙=u(1)

u ˙ = f ( t , x , u ) (2) \dot{u}=f(t, x, u)\tag{2} u˙=f(t,x,u)(2)

其中 u = x ˙ u=\dot{x} u=x˙。式(1)中的微分方程提供了曲线 x = x ( t ) x=x(t) x=x(t)的斜率,式(2)中的微分方程提供了曲线 u = u ( t ) u=u(t) u=u(t)的斜率。设初始值为 ( x , u ) = ( x 0 , u 0 ) (x, u)=\left(x_{0}, u_{0}\right) (x,u)=(x0,u0),则利用欧拉积分方法可以获得 t = t 1 t=t_1 t=t1时刻的值:
x 1 = x 0 + Δ t u 0 u 1 = u 0 + Δ t f ( t 0 , x 0 , u 0 ) (3) \begin{array}{l} x_{1}=x_{0}+\Delta t u_{0} \\ u_{1}=u_{0}+\Delta t f\left(t_{0}, x_{0}, u_{0}\right) \end{array}\tag{3} x1=x0+Δtu0u1=u0+Δtf(t0,x0,u0)(3)
:理解 x ˙ \dot x x˙ x x x是独立的。

2.叠加原理

  考虑齐次(等号右边为零)二阶线性ode:
x ¨ + p ( t ) x ˙ + q ( t ) x = 0 (4) \ddot{x}+p(t) \dot{x}+q(t) x=0\tag{4} x¨+p(t)x˙+q(t)x=0(4)

有两个解 X 1 ( t ) X_{1}(t) X1(t) X 2 ( t ) X_{2}(t) X2(t),则其线性组合
x = c 1 X 1 ( t ) + c 2 X 2 ( t ) (5) x=c_{1} X_{1}(t)+c_{2} X_{2}(t)\tag{5} x=c1X1(t)+c2X2(t)(5)也是方程(4)的解。(代入容易验证)

3. Wronskian

  假定 x = X 1 ( t ) x=X_{1}(t) x=X1(t) x = X 2 ( t ) x=X_{2}(t) x=X2(t)是微分方程(4)的解。下面想把微分方程的通解写成:
x = c 1 X 1 ( t ) + c 2 X 2 ( t ) (6) x=c_{1} X_{1}(t)+c_{2} X_{2}(t)\tag{6} x=c1X1(t)+c2X2(t)(6)的形式。因此,对于任意一个特解(其初始条件如下):
x ( t 0 ) = x 0 , x ˙ ( t 0 ) = u 0 (7) x\left(t_{0}\right)=x_{0}, \quad \dot{x}\left(t_{0}\right)=u_{0}\tag{7} x(t0)=x0,x˙(t0)=u0(7)都有对应的 c 1 c_1 c1, c 2 c_2 c2使得下式成立
c 1 X 1 ( t 0 ) + c 2 X 2 ( t 0 ) = x 0 , c 1 X ˙ 1 ( t 0 ) + c 2 X ˙ 2 ( t 0 ) = u 0 (8) c_{1} X_{1}\left(t_{0}\right)+c_{2} X_{2}\left(t_{0}\right)=x_{0}, \quad c_{1} \dot{X}_{1}\left(t_{0}\right)+c_{2} \dot{X}_{2}\left(t_{0}\right)=u_{0}\tag{8} c1X1(t0)+c2X2(t0)=x0,c1X˙1(t0)+c2X˙2(t0)=u0(8)因此关于 c 1 c_1 c1, c 1 c_1 c1的方程组(8)必有唯一解。因此有:
W = ∣ X 1 ( t 0 ) X 2 ( t 0 ) X ˙ 1 ( t 0 ) X ˙ 2 ( t 0 ) ∣ = X 1 ( t 0 ) X ˙ 2 ( t 0 ) − X ˙ 1 ( t 0 ) X 2 ( t 0 ) ≠ 0 (9) W=\left|\begin{array}{ll} X_{1}\left(t_{0}\right) & X_{2}\left(t_{0}\right) \\ \dot{X}_{1}\left(t_{0}\right) & \dot{X}_{2}\left(t_{0}\right) \end{array}\right|=X_{1}\left(t_{0}\right) \dot{X}_{2}\left(t_{0}\right)-\dot{X}_{1}\left(t_{0}\right) X_{2}\left(t_{0}\right) \neq 0\tag{9} W=X1(t0)X˙1(t0)X2(t0)X˙2(t0)=X1(t0)X˙2(t0)X˙1(t0)X2(t0)=0(9)上式中 W W W被称为Wronskian。如果Wronskian不等于零,则两个解 X 1 ( t ) X_1(t) X1(t) X 2 ( t ) X_2(t) X2(t)线性独立的。所有的二阶线性齐次ode的解构成了一个二维矢量空间。

3.1 例1

  对于所有的 ω ≠ 0 \omega\neq0 ω=0,两个解 X 1 ( t ) = cos ⁡ ω t X_{1}(t)=\cos \omega t X1(t)=cosωt X 2 ( t ) = sin ⁡ ω t X_{2}(t)=\sin \omega t X2(t)=sinωt对任意的时刻 t t t都有非零的Wronskian

W = ( cos ⁡ ω t ) ( ω cos ⁡ ω t ) − ( − ω sin ⁡ ω t ) ( sin ⁡ ω t ) = ω (10) W=(\cos \omega t)(\omega \cos \omega t)-(-\omega \sin \omega t)(\sin \omega t)=\omega\tag{10} W=(cosωt)(ωcosωt)(ωsinωt)(sinωt)=ω(10)

3.2 例2

两个解 X 1 ( t ) = e t X_{1}(t)=e^t X1(t)=et X 2 ( t ) = 2 e t X_{2}(t)=2e^t X2(t)=2et任意的时刻 t t t都有
W = 0 (11) W=0\tag{11} W=0(11)
说明这两个解不是线性独立的。

3.3 例3

对于 X 1 ( t ) = e a t X_{1}(t)=e^{at} X1(t)=eat X 1 ( t ) = e b t X_{1}(t)=e^{bt} X1(t)=ebt,对应的Wronskian为
W = ( b − a ) e ( a + b ) t (12) W=(b-a)e^{(a+b)t}\tag{12} W=(ba)e(a+b)t(12)

因此两个解线性独立的充要条件是 a ≠ b a\neq b a=b

4 齐次二阶常系数ODE

齐次二阶常系数ODE的形式为 a x ¨ + b x ˙ + c x = 0 (13) a \ddot{x}+b \dot{x}+c x=0\tag{13} ax¨+bx˙+cx=0(13)

其求解转化为求特征方程
a r 2 + b r + c = 0 (14) a r^{2}+b r+c=0\tag{14} ar2+br+c=0(14)

这一转化是考虑指数函数性质后的一个自然而然的猜想。

4.1 两个不同的实根

此时,根据(12),两个解线性独立,可以直接利用公式(6)获得通解。

4.2 复共轭根

假设复共轭根为
r = λ + i μ , r ˉ = λ − i μ (15) r=\lambda+i \mu, \quad \bar{r}=\lambda-i \mu\tag{15} r=λ+iμ,rˉ=λiμ(15)

对应的解为
z ( t ) = e λ t e i μ t , z ( t ) = e λ t e − i μ (16) z(t)=e^{\lambda t} e^{i \mu t}, \quad z(t)=e^{\lambda t} e^{-i \mu}\tag{16} z(t)=eλteiμt,z(t)=eλteiμ(16)

上述的解是两个复数解。下面相求两个线性独立实数解:根据叠加原理,(16)的两个解的线性组合也是二阶齐次ode的解。因此可以构造如下两个实数解 x 1 ( t ) = e λ t cos ⁡ μ t , x 2 ( t ) = e λ t sin ⁡ μ t (17) x_{1}(t)=e^{\lambda t} \cos \mu t, \quad x_{2}(t)=e^{\lambda t} \sin \mu t\tag{17} x1(t)=eλtcosμt,x2(t)=eλtsinμt(17)

则通解为
x ( t ) = e λ t ( A cos ⁡ μ t + B sin ⁡ μ t ) (18) x(t)=e^{\lambda t}(A \cos \mu t+B \sin \mu t)\tag{18} x(t)=eλt(Acosμt+Bsinμt)(18)


1.特征方程的根的实部反映在式(18)解的指数部分,虚部反应在三角函数部分。
2.(17)的推导还可以这样看:
复数解(16)是方程的复数解,则其实部和虚部分别就是方程的两个实数解,即(17)。

4.3 相同的根

  此时只有一个线性独立的解,需要求另外一个。所用的方法是研究特征方程由复共轭根 r = λ ± i μ r=\lambda \pm i \mu r=λ±iμ的情形,并令 μ \mu μ的极限为零。
此时通解为
x ( t ) = e λ t ( A cos ⁡ μ t + B sin ⁡ μ t ) (19) x(t)=e^{\lambda t}(A \cos \mu t+B \sin \mu t)\tag{19} x(t)=eλt(Acosμt+Bsinμt)(19)

此时根据初始条件 x ( 0 ) = x 0 x(0)=x_{0} x(0)=x0 x ˙ ( 0 ) = u 0 \dot{x}(0)=u_{0} x˙(0)=u0,A,B可写成初值 x 0 x_{0} x0 u 0 u_{0} u0 λ \lambda λ μ \mu μ的函数。 x ( t ; μ ) = e λ t ( x 0 cos ⁡ μ t + u 0 − λ x 0 μ sin ⁡ μ t ) (20) x(t ; \mu)=e^{\lambda t}\left(x_{0} \cos \mu t+\frac{u_{0}-\lambda x_{0}}{\mu} \sin \mu t\right)\tag{20} x(t;μ)=eλt(x0cosμt+μu0λx0sinμt)(20)

x = x ( t ; μ ) x=x(t ; \mu) x=x(t;μ)说明这里只考虑 μ \mu μ的改变。
上式取极限 μ → 0 \mu \rightarrow 0 μ0,并利用极限 lim ⁡ μ → 0 μ − 1 sin ⁡ μ t = t (21) \lim _{\mu \rightarrow 0} \mu^{-1} \sin \mu t=t\tag{21} μ0limμ1sinμt=t(21)式(21)中取极限过程中视 t t t不变。则有: lim ⁡ μ → 0 x ( t ; μ ) = e λ t ( x 0 + ( u 0 − λ x 0 ) t ) (22) \lim _{\mu \rightarrow 0} x(t ; \mu)=e^{\lambda t}\left(x_{0}+\left(u_{0}-\lambda x_{0}\right) t\right)\tag{22} μ0limx(t;μ)=eλt(x0+(u0λx0)t)(22)

  因此第二个线性独立的解是 t t t乘以第一个解。
:注意这里的逻辑关系,假定初值, λ \lambda λ均不变,只有 μ \mu μ变。求 μ \mu μ趋近于0时的解的极限。

你可能感兴趣的:(给工程师的微分方程课)