当前位置: 首页 > article >正文

齐次线性微分方程的解的性质与结构

内容来源

常微分方程(第四版) (王高雄,周之铭,朱思铭,王寿松) 高等教育出版社


齐次线性微分方程定义

d n x d t n + a 1 ( t ) d n − 1 x d t n − 1 + ⋯ + a n − 1 ( t ) d x d t + a n ( t ) x = 0 \frac{\mathrm{d}^nx}{\mathrm{d}t^n}+ a_1(t)\frac{\mathrm{d}^{n-1}x}{\mathrm{d}t^{n-1}}+\cdots+ a_{n-1}(t)\frac{\mathrm{d}x}{\mathrm{d}t}+a_n(t)x=0 dtndnx+a1(t)dtn1dn1x++an1(t)dtdx+an(t)x=0

其中 a i ( t ) a_i(t) ai(t) a ⩽ t ⩽ b a\leqslant t\leqslant b atb 上的连续函数

符合以上条件的方程的解存在且唯一,即

对于任意 t 0 ∈ [ a , b ] t_0\in[a,b] t0[a,b] 及 任意的 x 0 , x 0 ( 1 ) , ⋯   , x 0 ( n − 1 ) x_0,x^{(1)}_0,\cdots,x^{(n-1)}_0 x0,x0(1),,x0(n1) 上式存在唯一解 x = φ ( t ) x=\varphi(t) x=φ(t) 定义与 a ⩽ t ⩽ b a\leqslant t\leqslant b atb 上,且满足初值条件

φ ( t 0 ) = x 0 , d φ ( t 0 ) d t n = x 0 ( 1 ) , ⋯   , d n − 1 φ ( t 0 ) d t n − 1 = x 0 ( n − 1 ) \varphi(t_0)=x_0,\frac{\mathrm{d}\varphi(t_0)}{\mathrm{d}t^n}=x^{(1)}_0, \cdots,\frac{\mathrm{d}^{n-1}\varphi(t_0)}{\mathrm{d}t^{n-1}}=x^{(n-1)}_0 φ(t0)=x0,dtndφ(t0)=x0(1),,dtn1dn1φ(t0)=x0(n1)

书上没有证明,只说类似一阶的情况

在初值条件给定的情况下才是唯一的

解的性质与结构

叠加原理

如果 x 1 ( t ) , x 2 ( t ) , ⋯   , x k ( t ) x_1(t),x_2(t),\cdots,x_k(t) x1(t),x2(t),,xk(t) 是方程的 k k k 个解,则它们的线性组合

c 1 x 1 ( t ) + c 2 x 2 ( t ) + ⋯ + c k x k ( t ) c_1x_1(t)+c_2x_2(t)+\cdots+c_kx_k(t) c1x1(t)+c2x2(t)++ckxk(t)

也是方程的解,这里 c i c_i ci 是任意常数全为零不行吧

这个也没证明,只有两条提示:

“常数可以从微分号下提了出来”

“和的导数等于导数之和”

朗斯基(Wronsky)行列式

由定义在 a ⩽ t ⩽ b a\leqslant t\leqslant b atb 上的 k k k 个可微 k − 1 k-1 k1 次函数 x 1 ( t ) , x 2 ( t ) , ⋯   , x k ( t ) x_1(t),x_2(t),\cdots,x_k(t) x1(t),x2(t),,xk(t) 所作成的行列式

W [ x 1 ( t ) , x 2 ( t ) , ⋯   , x k ( t ) ] ≡ W ( t ) ≡ ∣ x 1 ( t ) x 2 ( t ) ⋯ x k ( t ) x 1 ′ ( t ) x 2 ′ ( t ) ⋯ x k ′ ( t ) ⋮ ⋮ ⋮ x 1 ( k − 1 ) ( t ) x 2 ( k − 1 ) ( t ) ⋯ x k ( k − 1 ) ( t ) ∣ W[x_1(t),x_2(t),\cdots,x_k(t)]\equiv W(t)\equiv \left|\begin{matrix} x_1(t)&x_2(t)&\cdots&x_k(t)\\ x'_1(t)&x'_2(t)&\cdots&x'_k(t)\\ \vdots&\vdots&&\vdots\\ x^{(k-1)}_1(t)&x^{(k-1)}_2(t)&\cdots&x^{(k-1)}_k(t)\\ \end{matrix}\right| W[x1(t),x2(t),,xk(t)]W(t) x1(t)x1(t)x1(k1)(t)x2(t)x2(t)x2(k1)(t)xk(t)xk(t)xk(k1)(t)

称为这些函数的朗斯基行列式

用途
  1. 若函数 x 1 ( t ) , x 2 ( t ) , ⋯   , x n ( t ) x_1(t),x_2(t),\cdots,x_n(t) x1(t),x2(t),,xn(t) a ⩽ t ⩽ b a\leqslant t\leqslant b atb 上线性相关,则在 [ a , b ] [a,b] [a,b] 上它们的朗斯基行列式 W ( t ) ≡ 0 W(t)\equiv0 W(t)0

  2. 如果方程的解 x 1 ( t ) , x 2 ( t ) , ⋯   , x n ( t ) x_1(t),x_2(t),\cdots,x_n(t) x1(t),x2(t),,xn(t) a ⩽ t ⩽ b a\leqslant t\leqslant b atb 上线性无关,则 W [ x 1 ( t ) , x 2 ( t ) , ⋯   , x n ( t ) ] W[x_1(t),x_2(t),\cdots,x_n(t)] W[x1(t),x2(t),,xn(t)] 在这个区间上的任何点上都不等于零

注意,第一点的逆定理一般不成立

证明1

由线性相关的假设,存在一组不全为零的常数 c 1 , c 2 , ⋯   , c n c_1,c_2,\cdots,c_n c1,c2,,cn ,使得

c 1 x 1 ( t ) + c 2 x 2 ( t ) + ⋯ + c n x n ( t ) ≡ 0 , a ⩽ t ⩽ b c_1x_1(t)+c_2x_2(t)+\cdots+c_nx_n(t)\equiv0,a\leqslant t\leqslant b c1x1(t)+c2x2(t)++cnxn(t)0,atb

将此恒等式依次对 t t t 求导

{ c 1 x 1 ′ ( t ) + c 2 x 2 ′ ( t ) + ⋯ + c n x n ′ ( t ) = 0 c 1 x 1 ′ ′ ( t ) + c 2 x 2 ′ ′ ( t ) + ⋯ + c n x n ′ ′ ( t ) = 0       ⋮ c 1 x 1 ( n − 1 ) ( t ) + c 2 x 2 ( n − 1 ) ( t ) + ⋯ + c n x n ( n − 1 ) ( t ) = 0 \begin{cases} c_1x'_1(t)+c_2x'_2(t)+\cdots+c_nx'_n(t)=0\\ c_1x''_1(t)+c_2x''_2(t)+\cdots+c_nx''_n(t)=0\\ \ \ \ \ \ \vdots\\ c_1x^{(n-1)}_1(t)+c_2x^{(n-1)}_2(t)+\cdots+c_nx^{(n-1)}_n(t)=0\\ \end{cases} c1x1(t)+c2x2(t)++cnxn(t)=0c1x1′′(t)+c2x2′′(t)++cnxn′′(t)=0     c1x1(n1)(t)+c2x2(n1)(t)++cnxn(n1)(t)=0

加上求导前的恒等式,构成齐次线性代数方程组

系数行列式就是 W [ x 1 ( t ) , x 2 ( t ) , ⋯   , x n ( t ) ] W[x_1(t),x_2(t),\cdots,x_n(t)] W[x1(t),x2(t),,xn(t)]

由线代理论可知,此方程组存在非零解,则它的系数行列式必须为零

证明2

用反证,假设存在某个 t 0 t_0 t0 使得 W ( t 0 ) = 0 W(t_0)=0 W(t0)=0

再次由线代理论知,上面的方程组一定有非零解 c 1 , c 2 , ⋯   , c n c_1,c_2,\cdots,c_n c1,c2,,cn

用叠加原理构造一个新解

x ( t ) ≡ c 1 x 1 ( t ) + c 2 x 2 ( t ) + ⋯ + c n x n ( t ) x(t)\equiv c_1x_1(t)+c_2x_2(t)+\cdots+c_nx_n(t) x(t)c1x1(t)+c2x2(t)++cnxn(t)

这个解满足初值条件

x ( t 0 ) = x ′ ( t 0 ) = ⋯ = x ( n − 1 ) ( t 0 ) = 0 x(t_0)=x'(t_0)=\cdots=x^{(n-1)}(t_0)=0 x(t0)=x(t0)==x(n1)(t0)=0

就是方程组的每一行

x = 0 x=0 x=0 显然也是方程满足以上初值条件的解

由解的唯一性知 x ( t ) ≡ 0 x(t)\equiv0 x(t)0 ,即

c 1 x 1 ( t ) + c 2 x 2 ( t ) + ⋯ + c n x n ( t ) ≡ 0 c_1x_1(t)+c_2x_2(t)+\cdots+c_nx_n(t)\equiv0 c1x1(t)+c2x2(t)++cnxn(t)0

c 1 , c 2 , ⋯   , c n c_1,c_2,\cdots,c_n c1,c2,,cn 不全为零,与 x 1 ( t ) , x 2 ( t ) , ⋯   , x n ( t ) x_1(t),x_2(t),\cdots,x_n(t) x1(t),x2(t),,xn(t) 线性无关的假设矛盾

结合以上两点和解的存在唯一性

n n n 阶齐次线性方程一定存在 n n n 个线性无关的解

通解结构

如果 x 1 ( t ) , x 2 ( t ) , ⋯   , x n ( t ) x_1(t),x_2(t),\cdots,x_n(t) x1(t),x2(t),,xn(t) 是方程的 n n n 个线性无关的解,则通解可表示为

x = c 1 x 1 ( t ) + c 2 x 2 ( t ) + ⋯ + c n x n ( t ) x=c_1x_1(t)+c_2x_2(t)+\cdots+c_nx_n(t) x=c1x1(t)+c2x2(t)++cnxn(t)

n n n 阶齐次线性微分方程的所有解构成一个 n n n 维线性空间

方程的一组 n n n 个线性无关解成为方程的一个基本解组

特别地,当 W ( t 0 ) = 1 W(t_0)=1 W(t0)=1 时称其为标准基本解组


http://www.kler.cn/a/380621.html

相关文章:

  • 漫途焊机安全生产监管方案,提升安全生产管理水平!
  • 彻底解决idea不识别java项目
  • 嵌入式硬件工程师的职业发展规划
  • Oceanbase学习之一迁移mysql数据到oceanbase
  • 数字后端零基础入门系列 | Innovus零基础LAB学习Day8
  • 【基础】os模块
  • 《YOLO 目标检测》—— YOLO v4 详细介绍
  • el-talble selection行 初始默认勾选
  • TypeScript中的类型注解、Interface接口、泛型
  • 2025郑州国际台球及配套设施展会,台球盛宴,产业新篇
  • 制造业大模型应用案例赏析
  • 【论文速读】| PathSeeker:使用基于强化学习的越狱攻击方法探索大语言模型的安全漏洞
  • 高效作业跟踪:SpringBoot作业管理系统
  • leetcode203. Remove Linked List Elements
  • 【AI】【提高认知】深度学习与反向传播:理解AI的基础
  • mutable用法
  • FastAPI 目录结构推荐
  • 了解神经网络中的激活函数
  • 【VSCode / Source Insight 4】设置关键字高亮的插件 | Highlight Word
  • AutoCAD2019
  • C++现代教程七之模块
  • uni-app在H5页面唤起小程序登录 然后再回到当前页面
  • 算法简介:动态规划
  • (十一)JavaWeb后端开发——分层解耦
  • 基于SSD模型的行人跌倒、摔倒检测系统,支持图像、视频和摄像实时检测【pytorch框架、python源码】
  • 【Redis】一种常见的Redis分布式锁原理简述