精华内容
下载资源
问答
  • 1. 引言 2. 准备知识 3. 系数齐次线性微分方程和欧拉方程 3.1 系数齐次线性微分方程 ... 本文主要讲系数线性微分方程特征值法做了总结。在文献[1]的4.2节,详细介绍了系数线性微分方程的解法,对...

    1. 引言

      本文主要讲常系数线性微分方程的特征值法做了总结。在文献[1]的4.2节,详细介绍了常系数线性微分方程的解法,对特征方程根的各种情况(实根或复根&根的重数)进行分类讲解,但由于分类过于仔细,使得读者对根的情况的记忆比较困难,本文致力于将特征根的各种情形统一处理,便于对微分方程解进行记忆.

    2. 准备知识

      本节所有的研究都是围绕着方程

    dnxdtn+a1(t)dn1xdtn1++an1(t)dxdt+an(t)x=f(x)(1)

    进行的.其中 ai(t)(i=1,2,,n)f(t) 都是区间 [a,b] 上的连续函数.
    如果{} f(t)0,则方程(1)变为
    (5)dnxdtn+a1(t)dn1xdtn1++an1(t)dxdt+an(t)x=0(2)

    K=α+iβ 是任意复数,这里 α,β 是实数,t 为实变量,那么有
    (6)eKt=e(α+iβ)t=eαt(cosβt+isinβt)(3)

    此公式可通过泰勒展开进行验证.
       定理1.1 如果方程(2)中所有系数 ai(t)(i=1,2,,n) 都是实值函数,而 x=z(t)=φ(t)+iψ(t) 是方程的复值解,则z(t) 的实部 φ(t),虚部 ψ(t) 和共轭复数z¯(t) 也都是方程(2)的解.
       定理1.2若方程
    dnxdtn+a1(t)dn1xdtn1++an1(t)dxdt+an(t)x=u(t)+iv(t)

    有复值解x=U(t)+iV(t),这里ai(t)(i=1,2,,n)U(t),V(t) 都是实函数,那么这个解的实部U(t) 和虚部V(t) 分别是方程
    dnxdtn+a1(t)dn1xdtn1++an1(t)dxdt+an(t)x=u(t)


    dnxdtn+a1(t)dn1xdtn1++an1(t)dxdt+an(t)x=v(t)

    的解.
      注:上面两个定理保证了下述内容的正确性.定理1.1和定理1.2均来自文献[1].

    3. 常系数齐次线性微分方程和欧拉方程

    3.1 常系数齐次线性微分方程的解

      设齐次线性微分方程中所有系数都是常数,即方程有如下形状

    (7)L[x]dnxdtn+a1dn1xdtn1++an1dxdt+anx=0(4)

    其中 a1,a2,,an 为常数.
      按照前面的理论,为了求方程(4)的通解,只需求其基本解组.回顾一阶常系数齐次微分方程
    dxdt+ax=0

    已知,它有形如 x=eat 的解,且其通解就是 x=ceat.这就启发我们对方程(3)也去试求指数函数形式的解
    (8)x=eλt(5)

    其中 λ 是待定常数,可以是实数,也可以是复数.
      注意到
    L[eλt]=dneλtdtn+a1dn1eλtdtn1++an1deλtdt+aneλt=(λn+a1λn1++an1+an)eλtF(λ)eλt

    其中F(λ)=λn+a1λn1++an1+an,是 λn 次多项式.式(5)为方程(4)的解的充要条件是 λ 是代数方程
    (9)F(λ)=λn+a1λn1++an1+an=0(6)

    的根.称(6)为方程(4)的特征方程,它的根就称为特征根.
      设方程(4)的某一特征根为λ(k重,k1),则k 重特征根λ 对应于方程(4)的k 个线性无关解为
    eλt,teλt,t2eλt,,tkeλt.

    λ 为复数时,只需用欧拉公式(3)转化,可得到2k 个解,而 λ 的共轭λ¯ 用此办法转化时,也得到相同的2k 个解,这与λλ¯ 对应2k 个解的事实相符.

    3.2 Euler方程

      形如

    (10)xndnydxn+a1xn1dn1ydxn1++an1xdydx+any=0(7)

    的方程称为欧拉方程,这里a1,a2,,an 为常数.以y=xk 代入(7),并约去因子xk,就得到用来确定k 的代数方程
    (11)k(k1)(kn+1)+a1k(k1)(kn+2)++an=0(8)

    因此,方程(8)的m 重根k0 对应于方程(7)的m 个解为
    xk0,xk0ln|x|,xk0ln2|x|,,xk0lnm1|x|.

    当为复数时,只需使用欧拉公式转换即可.

    4. 非齐次线性微分方程(比较系数法)

      下面讨论常系数非齐次线性微分方程

    (12)L[x]dnxdtn+a1dn1xdtn1++an1dxdt+anx=f(t)(9)

    的解.这里a1,a2,,an 是常数,f(t) 是连续函数.

    4.1 形式 I

      设f(t)=(b0tm+b1tm1++bm1t+bm)eλt,其中λbi(i=1,2,,n) 为实常数.则方程(9)有形如

    (13)x~=tk(B0tm+B1tm1++Bm1t+Bm)eλt(10)

    的特解.其中k 为特征方程F(λ)=0 的根λ 的重数(λ 不是特征根时认为是0 重).而B0,B1,,Bm 是待定常数,只需将x~ 代入原方程,比较对应项的系数即可计算出B0,B1,,Bm ,也即求出了方程(9)的特解.

    4.2 形式 II

      设f(t)=[A(t)cosβt+B(t)sinβt]eαt.其中α,β 为常数,而 A(t),B(t) 是关于t 的实系数多项式,A(t)B(t) 的次数为m .则方程(9)有形如

    (14)x~=tk[P(t)cosβt+Q(t)sinβt]eαt(11)

    的特解.这里k 是为特征方程F(λ)=0 的根α+iβ 的重数,而P(t),Q(t) 均为待定的带实系数的次数不超过mt 的多形式,将(11)代回(9),通过比较对应项的系数即可求出P(t),Q(t),也即求出了方程(9)的特解.

    4.3 Euler方程的另一种解法

      可用变换x=et(t=lnx) 将Euler方程(7)转化为前述的非齐次线性微分方程,即可求解.

    参考文献

    [1] 王高雄等. 常微分方程(第三版)[M]. 北京: 高等教育出版社, 2006.

    展开全文
  • 文章目录#一阶经典法##可分离变量型##不可分\齐次##一阶线性微分方程#二阶经典法##可降阶二阶##二阶系数齐次线性微分方程##二阶系数非齐次线性微分方程#微分算子法 D 求特#积分变换解微分方程 欢迎纠错 #一阶...

    欢迎纠错


    #一阶经典法

    ##可分离变量型

    f1(x) dx=f2(y) dyf1(x) dx=f2(y) dy f_1(x)\space dx=f_2(y)\space dy\\ \int f_1(x)\space dx=\int f_2(y)\space dy

    ##不可分\齐次

    yx=u 利用变量间的关系,例:\frac y x=u

    ##一阶线性微分方程

    dydx+P(x)y=Q(x) y=eP(x)dx[eP(x)dxQ(x)+C] P(x)ln \frac{dy}{dx}+P(x)y=Q(x)\\\ \\ y=e^{-\int P(x)dx}[\int e^{\int P(x)dx} \cdot Q(x)+C] \\\ \\ P(x)若积分出了\ln ,不用加绝对值

    #二阶经典法

    ##可降阶二阶

    yy=p , y=p=dpdx xy=p , y=p=dpdx=dpdydydx=dpdyp 缺y型:y'=p\space,\space y''=p'=\frac{dp}{dx}\\\ \\ 缺x型:y'=p \space,\space y''=p'=\frac{dp}{dx}=\frac{dp}{dy}\frac{dy}{dx}=\frac{dp}{dy}\cdot p

    ##二阶常系数齐次线性微分方程

     r2+pr+q=0 r1,r2 y+py+qy=0 r1r2y=C1er1x+C2er2x r1=r2y=(C1+C2x)er1x r1,2=α±βi,b>0y=eαx(C1cosβx+C2sinβx)  \begin{array}{c|c} 特征方程 \space r^2+pr+q=0 的根\space r_1,r_2& 微分方程 \space y''+py'+qy=0 的通解 \\ \hline 一对不等实根 \space r_1\ne r_2 &y=C_1e^{r_1x}+C_2e^{r_2x} \\ 一对相等实根 \space r_1= r_2 &y= (C_1+C_2x)e^{r_1x}\\ 一对共轭复根 \space r_{1,2}=\alpha \pm \beta i,b>0 & y=e^{\alpha x}(C_1\cos \beta x+C_2\sin \beta x) \\ \end{array}\\\ \\ 如遇到高阶微分方程,则在写特征方程时候因式分解,得到各路根
    p=0 y=B1cosh(Kx)+B2sinh(Kx)  y=eαx(A1ejβt+A2ejβt)=(C1cosβx+C2sinβx) 若p=0\\ 对于第一种,有\\\ \\ y=B_1\cosh(Kx)+B_2\sinh(Kx)\\\ \\ 对于第三种,有\\\ \\ y=e^{\alpha x}(A_1e^{j\beta t}+A_2e^{-j\beta t})=(C_1\cos \beta x+C_2\sin \beta x)

    ##二阶常系数非齐次线性微分方程

    1:Pm(x)eαx y+py+qy=Pm(x)eαxy=xkQm(x)eαx Qm(x)mm+1 k={0,αr2+pr+q=01,αr2+pr+q=02,αr2+pr+q=0 1:P_m(x)e^{\alpha x}型\\\ \\ y''+py'+qy=P_m(x)e^{\alpha x}\\则\\ y^*=x^kQ_m(x)e^{\alpha x}\\\ \\ Q_m(x)为m次多项式,系数待定(m+1个待定系数)\\\ \\ k = \begin{cases} 0, & \alpha 不是r^2+pr+q=0 的根 \\ 1, & \alpha 是r^2+pr+q=0 的单根\\ 2, & \alpha 是r^2+pr+q=0 的重根 \end{cases}
    2: y+py+qy=f(x) f(x)=eλx[Pl(x)cosωx+Qn(x)sinωx] y=xkeλx[Rm(1)(x)cosωx+Rm(2)(x)sinωx]m=max(l,n) Rm(x)mm+1 k={0,λ±ωi 1,λ±ωi  2:\\\ \\ y''+py'+qy=f(x)\\\ \\ f(x)=e^{\lambda x}[P_l(x)\cos \omega x+Q_n(x)\sin \omega x]\\则\\\ \\ y^*=x^ke^{\lambda x}[R_m^{(1)}(x)\cos \omega x+R_m^{(2)}(x)\sin \omega x]\\ m=\max(l,n)\\\ \\ R_m(x)为m次多项式,系数待定(m+1个待定系数)\\\ \\ k = \begin{cases} 0, & \lambda \pm \omega i \space不是特征根 \\ 1, & \lambda \pm \omega i \space是特征根\\ \end{cases}
    f(x)yCBxpB1xp+B2xp1++Bpx+Bp+1eaxBeaxcos(wx)orsin(wx)B1cos(wx)+B2sin(wx) 常见特解形式:\\ \begin{array}{c|c} f(x) & y \\ \hline C & B \\ x^p & B_1x^{p}+ B_2x^{p-1}+\cdots+ B_px+B_{p+1} \\ e^{ax} & Be^{ax} \\ cos(wx) or sin(wx) & B_1\cos (wx)+B_2\sin(wx) \end{array}

    #微分算子法 D 求特解

    微分算子法 D 求特解

    #积分变换解微分方程

    积分变换常用公式定理与方法

    复变函数留数的计算与公式

    在这里插入图片描述

    展开全文
  • 后来学习物理竞赛,学微分方程,在线性常系数常微分方程的解法中了解到了特征根解法。学线代的时候又接触到了矩阵的特征值。在数列、微分方程、矩阵三个不同的领域中都见到了“特征值”这个名字,难道仅仅是因为...

    aae52afd56b4b75fd0a60b0b09507a6d.png

    一、缘起

    初中临近毕业,准备高中自招,误打误撞买了本高考自招指南。第一次见到了线性递推数列的特征根解法。后来学习物理竞赛,学解微分方程,在线性常系数常微分方程的解法中了解到了特征根解法。学线代的时候又接触到了矩阵的特征值。在数列、微分方程、矩阵三个不同的领域中都见到了“特征值”这个名字,难道仅仅是因为他们都刻画了问题的特征吗?当时我想,一定不是的。或许这些特征值是同一个特征值。

    因为本人水平较低,这个问题断断续续地想了好几年,逐渐从各个角度撺出了一些头绪。本文对这些想法做一个介绍和总结,试图一窥这些特征值之间的关系。下文中很多内容是常见的数学基础知识,在各种教材中都可以见到,在此一并做一个回顾,故本文只需一点点微积分和线代基础即可阅读;另一些想法和关联是我自己凭空捏造出来的,完全有可能是瞎掰,望读者不吝指正。或许还有一些显而易见、呼之欲出的关联,因本人知识水平有限,无法注意到,望读者提点。

    我会先介绍预备知识引入,如果你已经会了的话请放心跳过。然后会探究数列、矩阵和微分方程中的特征值的关系。


    二、预备

    1、数列的特征值解法(来自高考学)

    相信高中学过数列的朋友们都听说过数列的特征根解法,下面我们以二阶齐次线性递推数列的特征根解法为例,做一个简单的介绍。高阶的版本同理。

    数列的特征根解法
    假设我们有一个二阶线性递推数列
    我们将其中的
    替换为
    得到一个方程
    我们将这个方程称为该递推式的
    特征方程
    记该方程有两个根为

    则数列的通项为
    ,其中
    由初项确定。

    ,则数列的通项为

    聪明的你或许已经注意到了我放着简单的x不用,偏要用TeX代码好长的lambda,打得我累死了。以及特征根可以为复数,想一想,复数时会怎样?

    来自高考学的证明

    下面我们来做个简单的证明,这一证明常见于各种高考学教材,大家会注意到这一方法基本完全没有intuition指导,乍看起来莫名其妙,非常具有技巧性,让人好奇是怎么拍脑袋想出来的。

    有韦达定理可知

    ,代入递推式得到

    接下来神来之笔地移项,得到

    可见莫名其妙得到了一个等比数列,解之,得

    然后凑一凑,

    再累加,这时由于要求右侧等比数列的和,需要对公比是否等于1分类,

    ,则

    ,应用等比数列求和公式可得

    希望你还没有因为枯燥的技巧性证明离开。

    2、矩阵的特征值(来自线性代数)

    先推荐3b1b的系列视频,学线代杀人越货必备。

    【官方双语/合集】线性代数的本质 - 系列合集_哔哩哔哩 (゜-゜)つロ 干杯~-bilibiliwww.bilibili.com
    689e01b48e4e948f3fd839a39ddead31.png

    下面来简单介绍一下特征值。下列论述中若有不理解请直接到3b1b的视频里找对应章节。

    首先,矩阵描述了线性变换,一种理解是对基的变换,即将向量在一组基下的分量表示,变换到另一组基下的分量表示;另一种理解是对向量的变换,即将一个向量变换为另一个向量。

    我们先取后一种理解

    矩阵的特征值与特征向量

    那么对一个线性变换

    ,可能存在一些向量
    ,在这个变换下
    方向不变。用数学的语言,即
    。我们把这种向量称为
    特征向量,对应的常数
    称为对应的
    特征值

    为什么特征值值得我们研究?

    依我看,是因为它把矩阵的乘法变成了常数的乘法,在许多场合可以大大简化计算。

    最基本的求矩阵特征值的方法便是从定义

    出发,我们做移项,得

    其中

    代表单位矩阵。为了得到非平凡解(
    ),必须要求前面的矩阵的行列式为零:

    该方程称为矩阵

    特征方程
    举个例子

    我们举一个例子

    (为什么我们要举这个例子?),

    特征方程就是

    展开得到

    上式的两个根即为该矩阵的两个特征值。再代入定义式便可得到对应的特征向量。

    另外多提一件事:线性方程组的叠加原理:线性齐次方程的解的叠加还是解。

    比如方程

    有两个解
    那么他们的线性叠加
    也是解。

    3、微分方程的特征值解法(来自微积分)

    学物理的同学可能经常会遇到线性微分方程,比如单摆的运动方程

    猜解

    解得时候老师经常会用“猜解”这种说辞糊弄人,我们拿二阶的方程做个例子。高阶同理。

    (以后我们在函数上打点即表示对时间

    的导数,两个点就是二阶导,以此类推。同时我们有时将求导这件事写成一个算符
    的形式,比如
    。想一下,为什么要写成这种难看的形式?)

    ,代入方程,由于我们知道
    有没有联想到什么?),约去指数部分,可得

    上式称为该微分方程的特征方程。解出来两个根

    如果

    那么方程的通解为
    。(老师说这叫叠加原理)

    如果

    那么方程的通解为
    。(
    有没有联想到什么?

    以上这种“不证自明”的猜解方法又透露出了我们在数列板块中熟悉的莫名其妙。只是这次我打算把证明留到后面。在那里,我们将要引入傅里叶变换及拉普拉斯变换

    相信到目前为止,你或许已经从不同板块中的相似式子里看出了一些端倪。年轻的我当时就是在这种好奇地驱使下开始思考其间的关系。以下我们将要开始对其中的关联做一些探究。

    如果你想要休息一下,现在是个好时候。


    三、关系

    1、从数列到微分方程

    注意:以下内容是我在某个夜晚灵机一动捏造出来的,有可能是错的。

    让我们先来观察对比一下数列递推方程和微分方程(高阶同理):

    特征方程均为

    你有没有突然觉得,数列每递推一项,就好像多求了一阶导数?

    基于这个重要的观察,我们或许可以构造一个函数出来,

    让这个函数每多求一次导,就可以生产出数列的一项。

    函数有自变量,因此我们还要找一个自变量把数列的项给套出来。

    我想到了我们最熟悉的多项式函数,并且想不妨就用

    把数列套出来,于是我们构造:

    (是不是和泰勒展开很像?)

    这样,

    我们便可以从函数中套出数列了。

    (事后证明,这与组合数学中的母函数思想类似,不过我不会组合数学,母函数这个名字还是从OI同学那听来的,便不多说了。)

    接着我们把这个函数代入数列递推式,得到

    为了让它更接近微分方程,我们不妨给这个函数多做点约束。原先递推方程只要求函数在

    处满足,我们不妨让它在
    处处均要满足,来试一试。于是我们得到

    这时,如果我们把函数

    看作一个整体,记作
    ,则
    ,而且

    至此,我们成功把数列递推方程转化为了微分方程!!

    接下来我们尝试用解微分方程的方法解出这个数列,并在其中体会二者的一致性。

    我们取信息量最大(求导次数最少)的方程,即n=0,

    用二-3中已经推导的结论,我们得到

    于是

    或者

    注意到这里推导的时候有两件事:

    1. 为了保持一致性,额外的系数被吸收进了
      两个常数里;
    2. 第二种情况中,所有求导出含
      的项都会因为
      而消失,故略去不写,而反复应用乘积的求导法则,便会产生

    由此,我们发现了数列特征根与微分方程特征根的一致性。

    我们发现,竟然之前因为等比数列求和公比等于1的奇葩分类也能通过微分方程复现。

    再次重申,上述过程是我拍脑袋想出来的,不保证正确性。

    评论区dalao提示这和Z变换与拉普拉斯变换的关系一致。

    2、从微分方程到矩阵

    这一步的联系是我在学习量子力学的时候学到的,让我们一步一步地来。

    首先,想要用线性代数的工具研究函数,我们就必须证明:

    函数是向量。

    我在初学时对这句话感到非常惊艳。

    我们先来回顾一下向量与线性空间的定义。

    以下抄百度百科:

    设V是一个非空集合,P是一个域,若:
    1. (加法的定义)在V中定义了一种运算,称为加法,即对V中任意两个元素α与β都按某一法则对应于V内惟一确定的一个元素α+β,称为α与β的和。
    2. (数乘的定义)在P与V的元素间定义了一种运算,称为纯量乘法(亦称数量乘法),即对V中任意元素α和P中任意元素k,都按某一法则对应V内惟一确定的一个元素kα,称为k与α的积。
    3.(线性)加法与纯量乘法满足以下条件:
    1) α+β=β+α,对任意α,β∈V.
    2) α+(β+γ)=(α+β)+γ,对任意α,β,γ∈V.
    3) 存在一个元素0∈V,对一切α∈V有α+0=α,元素0称为V的零元.
    4) 对任一α∈V,都存在β∈V使α+β=0,β称为α的负元素,记为-α.
    5) 对P中单位元1,有1α=α(α∈V).
    6) 对任意k,l∈P,α∈V有(kl)α=k(lα).
    7) 对任意k,l∈P,α∈V有(k+l)α=kα+lα.
    8) 对任意k∈P,α,β∈V有k(α+β)=kα+kβ.
    则称V为域P上的一个线性空间,或向量空间。V中元素称为向量

    接下来,如果我们定义函数之间的加法为自变量取值对应函数值直接相加,

    比如

    那么
    ,显然后者也是函数。

    如此可以证明,函数空间也是一个线性空间,而每个函数就是一个向量

    接下来,我们便可以将平时在线代中发展出的工具应用到函数中。

    比如,我们可以定义内积

    函数的内积
    理论上,只要给线性空间配备上任何一个满足一系列性质的映射(由两个向量映到一个数),得到的空间就被称作内积空间,如果再加上完备性的条件,则称作希尔伯特空间,这个映射被称为内积。我们这里采用一种量子力学当中的希尔伯特空间。
    (以下内容半抄Shankar Principles of Quantum Mechanics)

    接下来我们引入一组量子力学中的记号,狄拉克记号:

    我们把一个向量记作
    ,称为ket(braket的右半部分),把两个向量
    的内积记作
    ,其中
    被称为bra(左半部分)。

    既然我们已经发现函数也是向量,我们不妨将函数
    记作

    为了量子力学的需要,我们定义函数间的内积为(接下来会解释为什么这样定义):
    ,其中
    表示
    的复共轭。

    需要注意这样定义的内积与顺序有关,有

    在线性代数中我们知道,一个向量本身,跟我们所选取的、用来描述他的基底无关。但我们描述它的时候,一般需要选取一组基底,用在各个基底上的分量来表述他

    下面我们来考察如何把函数这个向量写成分量形式

    函数的向量化

    回忆我们定义函数加法的时候,是要求每个自变量对应的函数值直接相加的。而向量相加,也是各个基底对应的分量直接相加的。从这一点出发,我们希望每个自变量的取值都对应一个基底,而这个对应的函数值则作为这个基底上的分量

    于是我们把整个定义域分割成

    个小段,每一段上定义一个基底

    ,其中
    位于第
    项。然后很自然地,我们的函数在这些基上的分量形式就可以定义为

    ,而且有

    当分隔数

    时,我们定义的
    向量便与原来的函数完全一致了。

    而这个时候,我们所定义的

    就会变成在
    处为
    ,其余处处为
    ,这样的函数我们称作
    函数:

    至此有两个重要的启示:

    1. 函数是无穷维的向量。
    2. 所谓的
      ,其实是函数向量
      在基底
      上的分量/投影:

    (回忆在线性代数中我们可以通过把向量与基底做内积的方法得到对应的分量)

    上述是直观的解释,我们还需要证明一下

    这组基的正交性、完备性,我就不证了。

    现在,函数的内积被定义为上面那个鬼样子的原因就一目了然了。

    我们知道普通向量的内积是对应分量直接相乘然后相加,而这里函数内积

    确实也是对应分量直接相乘然后相加。

    接下来我们试着把函数的求导运算也放入线性代数的框架下研究。

    导数算符的特征值和特征向量

    我们知道,在线性代数中,任何一个线性算符,都能用矩阵的形式表达

    而求导运算显然也是线性的,那导数算符是否也有矩阵形式呢?是否也有特征值和特征向量呢?

    第一个问题与本文关系不大,大家可以翻Shankar。(其实我这里本来打了一大段,但是敲公式太累了,通通删了。)

    我们来看第二个问题,要求矩阵的特征值和特征向量,就是解方程

    我们把它改写成微分方程

    的话,解就显而易见了。

    没错,导数算符的特征向量就对应指数函数

    在这之后我们把这个函数对应的函数向量记作

    ,那么
    ,而它所对应的特征值就是

    (这里

    似乎可以取遍所有数,即无穷组特征值及特征向量,与线性空间的无穷维性质恰好对应。)

    回忆我们一开始介绍矩阵的特征值时,我们发现,特征值的一大作用,就是把复杂的矩阵运算变成简单的数乘。但是这一性质只有对特征向量满足。

    不过任何一个向量都可以被特征向量线性表出。所以,我们可以先把普通的向量换到特征向量基上表出,然后再进行矩阵运算,此时所有运算都变为简单的数乘了

    用相同的思路,我们也可以把函数向量从原来的

    基下,变换到
    基下。这种变换被称为傅里叶/拉普拉斯变换。
    傅里叶/拉普拉斯变换

    我们来尝试一下把函数变到

    基下:

    特别的如果取纯虚数

    ,我们就会得到

    怎么样,是不是和我们以前学的傅里叶变换一模一样?

    这里我没有考虑归一化的问题,如果做归一化,便会出现

    的系数。

    同理,如果我们想要从

    基下变换到
    基上,便会得到傅里叶逆变换。
    这里有一些细节问题(经评论区dalao指出)
    1、为什么
    只能取纯虚数?

    原因在于导数算符
    并非是一个厄米算符(
    ),但是
    是一个厄米算符(一般量子力学中将其称为动量算符),而厄米算符的特征值是实数,所以除掉一个
    之后,
    就变成了纯虚数了。

    而且复指数函数基(指数部分为纯虚数)是正交完备的,但是指数函数族并不是。
    这一步厄米的证明需要把
    算符的矩阵形式写出来(与
    函数的导数
    有关),again,大家可以翻Shankar。

    2、如何扩展到拉普拉斯变换
    傅里叶变换需要函数满足绝对可积的条件,但是有的时候不能满足这个条件。拉普拉斯变换
    的虚部与傅里叶变换一致,而实部提出来之后相当于对
    附加了一个指数衰减,于是使大部分函数都能满足绝对可积的条件,从而扩展了适用范围。

    至此,我们惊奇地发现,

    所谓傅里叶变换和拉普拉斯变换,其实就是同一个函数向量,在不同基下的分量形式的变换。

    而我们选择指数函数基,就是因为它是导数算符的特征向量。

    有了这个基础,我们终于可以着手解微分方程了。

    微分方程的特征根解法

    还是原来的微分方程(注意我们现在自变量是

    ,函数是

    我们把它改写成与基底无关的向量形式:

    因为导数算符在

    基下会变为数乘,所以我们变换到
    基下

    (此步即大家熟知的傅里叶/拉普拉斯变换解常微分方程):

    此处我们用了

    基的完备性,即

    利用特征向量的性质,即得

    我们要非平凡解

    ,所以有方程

    得到两个根

    我们发现
    这些所谓特征根实际上就是解出来的特征值。

    接着我们用向量

    把函数向量线性表出,即

    而我们要求的便是函数向量在

    下的分量形式

    (如果有重根怎么办?)

    至此,我们成功的用线性代数的方法解出了微分方程。

    我们发现,所谓微分方程的特征根其实就是微分算子的特征值。

    由此,微分方程中的特征根与矩阵特征值也是一致的。

    而傅里叶/拉普拉斯变换,其实就是基的变换。

    3、从矩阵到数列

    本文的重头戏其实已经结束了,最后这部分比较简单。

    我们观察一下数列的递推式

    想一下怎么才能把他变成矩阵形式。

    这时候我想到了在理论力学中的哈密顿方程。

    我们知道,理论力学中的拉格朗日方程是一个二阶方程:

    经过一系列变换,则可以写成两个一阶方程

    由此可以把
    作为一组坐标,作出相图。其中又有

    一般的,微分方程理论证明,一个二阶常微分方程可以写成两个一阶常微分方程。

    受此启发,我开始思考能不能用

    作为整体来改写递推式:

    我们做的事情实际上就是把一个二阶递推式写成了两个一阶递推式。

    (高次同理,全部拆成一阶即可。)

    然后我们希望不断累乘这个矩阵,即

    这里又出现了一个问题,就是如何方便的计算矩阵的幂

    矩阵的幂很难算,而常数的幂很容易,于是我们又想起了矩阵的特征值。

    我们先把矩阵的特征值求出来

    两根记为

    对应的特征向量分别记为

    接下来我们用特征向量将

    线性表出:

    (有重根怎么办?)

    然后再乘矩阵便有:

    吸收系数后得

    至此,我们用矩阵方法推导出了数列通项。

    我们发现,数列的特征值再一次被证明与矩阵的特征值是一致的。

    经评论区dalao提示,本段采用的方法与友矩阵(companion)的思想一致。

    四、结语

    以上,我们分别研究了

    1. 如何从数列到微分方程
    2. 如何从微分方程到矩阵
    3. 如何从矩阵到数列

    到此刻为止,我们成功地将数列、微分方程与矩阵的特征值之间两两关联

    我们惊喜地发现,确实,三者的特征值是一致的,的确是同一个特征值。

    Mathematics, rightly viewed, possesses not only truth, but supreme beauty.——Bertrand Russell

    Update

    大家可能已经注意到,经过评论区dalao提点,

    每个版块下我都注明了与我的想法对应的现存数学工具。

    很不幸,看来我还是想的太多,而书读得太少。

    展开全文
  • 常微分方程

    2020-08-28 21:16:48
    微分方程与流体力学 ...对于二阶常系数齐次常微分方程,常用方法是求出其特征方程的 https://zhuanlan.zhihu.com/p/50451828 https://zhuanlan.zhihu.com/p/66222395 https://baike.baidu.com/item/

    高数中的微分方程

    全微分方程(需要积分域与路径无关)

    一阶线性常微分方程 y’+p(x)y=q(x)

    对于一阶线性常微分方程,常用的方法是常数变易法:
    对于方程:将y’+p(x)y=0中的常数变为函数求解非齐次方程

    (q(x)ep(x)dx+c)ep(x)dx (\int q(x)*e^{ \int p(x)dx}+c)e^{ \int -p(x)dx}

    全微分方乘与积分因子法

    微分方程P(x,y)dx+Q(x,y)dy=0为全微分方程的重要条件为
    Py=Qx\frac { \partial P } { \partial y }=\frac { \partial Q } { \partial x }
    如果存在 φ(x,y)使得
    φPdx+φQ=0\varphi Pdx+\varphi Q=0
    为全微分方程,则将φ(x,y)称为方程的积分因子
    (φP)y=φ(φQ)x\frac {\partial (φ *P) } { \partial y }=\frac {φ \partial (φ *Q) } { \partial x }

    Pdx+Qdy=0 什么情况下存在积分因子,如何确定积分因子?

    1.1Q(PyQx)=μ(x)[x]\frac { 1 } { Q }( \frac { \partial P } { \partial y }-\frac { \partial Q } { \partial x })=μ(x)[只与x有关]
    则方程的积分因子φ=φ(x)=eμ(x)dxφ=φ(x)=e^{\int μ(x) dx}
    2.1P(PyQx)=μ(y)[y]-\frac { 1 } { P }( \frac { \partial P } { \partial y }-\frac { \partial Q } { \partial x })=μ(y)[只与y有关]
    则方程的积分因子φ=φ(y)=eμ(y)dyφ=φ(y)=e^{\int μ(y) dy}

    3.若φ(x,y)为
    P(x,y)dx + Q(x,y)dy= 0的一个积分因子,并且φP(x, y)dx + φQ(x,y)dy = du(x,y),
    则φ(x,y)F(u)也为方程(*)的一一个积分因子,其中F(u)是u的任一连续可微函数.

    应用.如果P(x,y)dx + Q(x,y)dy= 0的积分因子不好确定,而其中p=P1+P2, Q=Q1+Q2,则上
    式可写成
    (Prdx+Q1dy)+(P2dx+Qzdy)=0(Prdx + Q1dy) + (P2dx+ Qzdy)= 0
    分别求出两组的积分因子,即存在φ1,φ2使得P1P1dx + P1Q1dy = du1,P2P2dx + φzQzdy = du2.

    寻找公共的积分因子

    φ1F1(u1)=φ2F2(u2)φ1*F1(u1)= φ2*F2(u2)

    二阶常系数齐次常微分方程

    解的形式:g(x)ef(x)g(x)e^{f(x)}

    n阶常系数常微分方程第“0”定律:

    f(x)f(x)为正比例函数
    注:这个第“0”定律是本文作者命名的

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    对于二阶常系数齐次常微分方程,有两个线性无关的特解

    二阶常系数齐次常微分方程:y=erxy=e^{rx}
    当特征方程有
    两个不同实根时:
    线两解线性无关
    两个相同实根时:
    线y2y1=u(x),u=0u(x)=kx两解线性相关,设\frac{y2}{y1}=u(x),带入得u''=0,则u(x)=kx
    两个不同复根时:
    r=α±βi线eαx(C1cos(βx)+C2sin(βx))r=α±βi,两解线性无关 解为:e^{αx}(C_{1}cos(βx)+C_{2}sin(βx))

    二阶常系数非齐次常微分方程

    1)f(x)=Pm(x)eλxf(x)=P_{m}(x)*e^{\lambda x}

    解为:y=xkQm(x)eλx(kλ(0/1/2))y=x^k*Q_{m}(x)*e^{\lambda x}(k是非齐次项的 \lambda 作为特征方程的根的重数(0/1/2))

    2)f(x)=Pl(x)eαxcos(βx)+Pn(x)eαxsin(βx)f(x)=P_{l}(x)*e^{αx}*cos(βx)+P_{n}(x)*e^{αx}*sin(βx)

    解为:y=xkeax(R1mcos(βx)+R2msin(βx))(kα±βix(0/1))(m=max(ln))my=x^k*e^{ax}*(R_{1m}cos(βx)+R_{2m}sin(βx)) (k是 α±βi x作为特征方程的根的重数(0/1))(m=max(l,n)) \\ m取大值

    xk**注意多了一个x^k**


    有些特殊的变系数线性常微分方程,则可以通过变量代换化为常系数线性微分方程


    二阶可降阶微分方程(二阶降到一阶):将y’用其他变量替换即可降一阶。(要保持只有两个变量,所以只能适用于y’’=f(x,y’)形式或者f(y,y’)形势)

    伯努利微分方程

    y’+P(x)y=Q(x)y^n的微分方程
    其中n≠0并且n≠1,其中P(x),Q(x)为已知函数,因为当n=0,1时该方程是线性微分方程。
    令z=y^{1-n}转化为一阶线性常微分方程

    欧拉方程

    xny(n)+P1xn1y(n1)++Pn1xn1y(1)+Pnxnny(1)=f(x)x ^ { n }*y^{(n)}+P_{1}*x ^ { n-1}*y^{(n-1)}+……+P_{n-1}*x ^ { n-1}*y^{(1)}+P_{n}*x ^ { n-n}*y^{(1)}=f(x)
    n阶线性变系数非齐次
    x=et,x1y(1)=DyDtx=e^t,有x ^ { 1}*y^{(1)}= Dy,记号D表示对t求导的运算
    xky(k)=D(D1)...(Dk+1)y一般地,有x ^ { k}*y^{(k)}= D(D- 1)...(D-k+ 1)y

    把它代入欧拉方程,便得到一个以t为自变量的n阶常系数非齐次线性微分方程。
    解法和二阶的方法一样,先求其次通解,再根据右端项求特解。
    在求出这个方程的解后,把t换成 lnx ,即得原方程的解。

    参考:
    https://na.mbd.baidu.com/r/adrv9xXNAI?f=cp&u=f1f63e03e43635b1

    展开全文
  • 常微分方程数值求解常微分方程数值求解的一般概念常微分方程数值求解的一般概念常微分方程数值求解函数常微分方程数值求解函数求常微分方程数值的函数举几个个栗子例一例二刚性问题举个例子 常微分方程数值求解的...
  • 常微分方程 笔记

    千次阅读 多人点赞 2019-06-04 19:37:25
    常微分方程 笔记 概述 定义 自变量唯一的微分方程 阶 定义:微分方程未知函数的最高阶导数或微分的阶数 一般形式:F(x,y,dydx,…,dnydxn)=0F(x,y,\frac{dy}{dx},\dots,\frac{d^ny}{dx^n})=0F(x,y,dxdy​,…,...
  • 高阶线性微分方程-常微分方程 这里讨论常微分方程常微分方程的阶数就是函数求导的最高次数。这里以二阶线性微分方程为例。 形如方程5的称为二阶线性微分方程。   线性的概念定义为:   下面讨论 二阶...
  • 常微分方程一阶线性微分方程组基本概念的存在唯一性定理齐次线性微分方程组非齐次线性微分方程组常系数线性微分方程组 常微分方程(Ordinary Differential Equation I) 常微分方程(Ordinary Differential ...
  • 对于一个n阶线性齐次常微分方程 dnxdtn+Cn1dn−1xdtn−1⋅x0+Cn2dn−2xdtn−2⋅(x0)2+⋯+(x0)n=0⋯⋯⋯(1) \frac{d^nx}{dt^n}+C_{n}^{1}\frac{d^{n-1}x}{dt^{n-1}}\cdot x_0+C_{n}^{2}\frac{d^{n-2}x}{dt^{n-2}}\...
  • matlab常微分方程数值求解

    千次阅读 2020-09-01 21:08:13
    首先,凡含有参数,未知函数未知函数导数 (或微分) 的方程,称为微分方程,有时简称为方程,未知函数是一元函数的微分方程称作常微分方程,未知函数是多元函数的微分方程称作偏微分方程。微分方程中出现的未知函数...
  • 1)平衡/驻定:令驻定微分方程右端为0得到的常数 2)稳定性: 稳定:∀ϵ>0,∃δ(ϵ,t0)>0,s.t.∥x(t0)∥≤δ  ⟹  ∀t≥t0,∥x(t)∥<ϵ\forall \epsilon\gt0,\exist \delta(\epsilon,t_0)\gt0...
  • §3 高阶微分方程 C1 线性微分方程的一般理论 1)nnn阶线性微分方程:y(n)+a1(x)y(n−1)+⋯+an(x)y=f(x)y^{(n)}+a_1(x)y^{(n-1)}+\cdots+a_n(x)y = f(x)y(n)+a1​(x)y(n−1)+⋯+an​(x)y=f(x) 2)的存在性定理:ai...
  • §4 线性微分方程组 C1 的结构 1)一阶线性微分方程组:简记为x⃗′=A(t)x⃗+f⃗(t)\vec x' = A(t) \vec x +\vec f(t)x′=A(t)x+f​(t) {x⃗1′=a11(t)x⃗1+a12(t)x⃗2+⋯+a1n(t)x⃗n+f⃗1(t)x⃗2′=a21(t)x⃗1+...
  • 常微分方程概念 概念 微分方程的是一个函数,微分方程可以含有是微分,一阶或者高阶导数。未知数是一元函数的称为常微分方程
  • 本节将矩阵的特征值微分方程联系在一起,从另一个角度更好地了解特征值。 在差分方程中的应用 首先回顾由差分方程uk+1=Aukuk+1=Auku_{k+1} = Au_{k}描述的离散动力系统的长期行为,即k⇒∞k⇒∞k\Rightarrow...
  • 文章目录前言1 常微分方程1.1 常微分方程的概念1.2 常微分方程数值求解的一般概念2 常微分方程数值求解函数3 刚性...这些近似称为常微分方程初值问题的数值。相邻两个结点之间的距离称为步长。 口单步法:在计算ya
  • 先求通再确定特,是求常微分方程问题采用的方法,都某些偏微分方程,也能通过积分求出通,进而确定出满足定条件的特。 两个自变量的一阶线性偏微分方程 今有两个自变量的一阶线性偏微分方程。 a(x,y)...
  • 本节叙述常微分方程的基本理论,一阶、二阶线性常微分方程的解法,以及常见的其他典型问题。
  • §6.5 对称矩阵,实特征值,正交特征向量Symmetric Matrices, Real Eigenvalues, Orthogonal ...,对称矩阵的特征值和特征向量具有特别的性质,即特征值为实数,并且特征向量相互正交。与之相对,反对称矩阵...
  • 常微分方程自救手册

    2019-06-09 18:43:00
    常微分方程自救手册 一、微分方程求解 1. 恰当方程 定义 \[ P(x,y)dx + Q(x,y)dy = 0 \] 存在可微函数\(\Phi(x,y)\),使得 \[ d\Phi(x,y)=P(x,y)dx+Q(x,y)dy \] 解法 Step 1:验证是否为恰当方程: \[ \frac{\partial{...
  • 常微分方程数值求解1. 常微分方程数值求解的一般概念2. 常微分方程数值求解函数3. 常微分方程数值求解函数统一命名格式4. 刚性问题 1. 常微分方程数值求解的一般概念 2. 常微分方程数值求解函数 [t,y]=solver...
  • Matlab求解常微分方程

    2019-11-06 23:19:55
    介绍: 1.在 Matlab 中,用大写字母 D 表示导数,Dy 表示 y 关于自变量的一阶导数,D2y 表示 y 关于自变量的二阶导数,依此类推.函数 dsolve 用来解决常微分方程(组)的求解问题,调用格式为 X=dsolve(‘eq...
  • Maple笔记2--常微分方程求解

    千次阅读 2017-04-04 12:13:03
    转需看原文地址:Maple笔记2--常微分方程求解作者:Lionel ...在常微分方程求解器dsolve中使用了一些传统的技术例如laplace变换积分因子法等, 函数pdesolve则使用诸如特征根法等经典方法求解偏微分方程. 此外, M
  • 常微分方程 伍卓群 题目 初等积分法 1.(x−c1)2+(y−c2)2=r2(x-c1)^2+(y-c2)^2=r^2(x−c1)2+(y−c2)2=r2,c1,c2为任意常数,r为常数,构造微分方程 :构造曲率方程,曲率ρ=1/r κ=y’’∣(1+(y’)2)32∣=1/r;\kappa...
  • 常微分方程及其matlab求解 毕业论文设计 常微分方程及其matlab求解 目 录 摘要1 关键字1 引言1 第一章 一阶微分方程的初等解法1 1.1 变量分离微分方程与变量代换1 1.1.1变量分离微分方程2 1.1.2 可化为变量分离微分...
  • 数值计算一阶常微分方程求解实现

    千次阅读 2013-12-19 22:58:27
    很多情况下实际问题是能通过抽象建模转化为一阶常微分方程形式的,然而即便给出了一阶常微分方程,想通过它来求解函数在某个点的也并不是一件容易的事。因为即使给出了一阶微分方程及初值条件,即
  • 特征根法求微分方程 一. 关于二阶系数微分方程的解法 线性齐次方程 ay′′+by′+cy=0a y^{\prime \prime}+b y^{\prime}+c y=0ay′′+by′+cy=0 的通 解法: 先解特征方程 ar2+br+c=0a r^{2}+b r+c=0ar2+br...
  • (一)目的通过设计、编制、调试1~2个求常微分方程初值问题的数值解解的程序,加深对其数值计算方法及有关的基础理论知识的理解。 (二)要求 用编程语言实现用改进的欧拉(Euler)公式求解常微分方程初值问题、用四...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,807
精华内容 1,522
关键字:

常微分方程的特征值和特征解