当前位置: 首页 > news >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

相关文章:

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}{\math…...

Python-Celery-基础用法总结-安装-配置-启动

文章目录 1.安装 Celery2.配置 Celery3.启动 Worker4.调用任务5.任务装饰器选项6.任务状态7.定期任务8.高级特性9.监控和管理 Celery 是一个基于分布式消息传递的异步任务队列。它专注于实时操作,但也支持调度。Celery 可以与 Django, Flask, Pyramid 等 Web 框架集…...

vue中的nextTick() - 2024最新版前端秋招面试短期突击面试题【100道】

nextTick() - 2024最新版前端秋招面试短期突击面试题【100道】 🔄 在Vue.js中,nextTick 是一个重要的方法,用于在下次DOM更新循环结束之后执行回调函数。理解 nextTick 的原理和用法可以帮助你更好地处理DOM更新和异步操作。以下是关于 next…...

5G学习笔记三之物理层、数据链路层、RRC层协议

5G学习笔记三之物理层、数据链路层、RRC层协议 物理层位于无线接口协议栈的最底层,作用:提供了物理介质中比特流传输所需要的所有功能。 1.3.1 传输信道的类型 物理层为MAC层和更高层提供信息传输的服务,其中,物理层提供的服务…...

Ubuntu 通过Supervisor 或者 systemd 管理 .Net应用

在 Ubuntu 上安装 .NET 8.0,通过 supervisor 或 systemd 管理 .NET 应用服务,确保应用能够自动启动、运行以及在崩溃时重启。 1. 安装 .NET 8.0 最新的Ubuntu版本已经不需要注册 Microsoft 包存储库了,具体的可以参考微软官方文档安装&…...

超好用的视频剪辑软件分享:10款剪辑软件推荐

视频剪辑软件哪个比较好用?无论是短视频创作者、专业剪辑师,还是影视后期制作团队,选择一款合适的视频剪辑软件至关重要。今天,我将为大家分享几款超好用的视频剪辑软件,并介绍视频剪辑的六大核心流程。 1.影忆 特点&a…...

5G三大应用场景中的URLLC

5G三大应用场景中的URLLC 5G三大应用场景中的URLLC 1 Urllc不是一个独立的技术,更不是一张独立的网络,他是5G所谓的新空口标准NR(New Radio)中,涉及大规模降低时延、提高可靠性的相关技术; 2 Urllc在目前的…...

PyMOL中常用的命令列表

PyMOL中常用的命令列表 PyMOL中常用的命令列表,包括了加载文件、去除水分子、改变颜色、显示样式和图形优化等操作,可以帮助你完成全方位的分子展示设置。 基础命令流程 加载分子结构 load your_file.pdb # 加载PDB文件去除水分子 remove solvent …...

坏块处理 ORA-01578: ORACLE data block corrupted (file # 3, block # 152588)

帮客户检查环境时,发现sysaux表空间的数据文件有坏块,8月25日发生的,备份保留3个月,直接恢复处理。 rman备份log报错如下 RMAN-00571: RMAN-00569: ERROR MESSAGE STACK FOLLOWS RMAN-00571: RMAN-03009: failure of backu…...

像`npm i`作为`npm install`的简写一样,使用`pdm i`作为`pdm install`的简写

只需安装插件pdm-plugin-i即可: pdm plugin add pdm-plugin-i 然后就可以愉快地pdm i了,例如: git clone https://github.com/waketzheng/fast-dev-cli cd fast-dev-cli python -m pip install --user pipx pipx install pdm pdm plugin a…...

DNS域名解析服务器--RHCE

1.DNS简介 DNS ( Domain Name System )是互联网上的一项服务,它作为将域名和 IP 地址相互映射的一个分布式 数据库,能够使人更方便的访问互联网 DNS 系统使用的是网络的查询,那么自然需要有监听的 port 。 DNS 使用的是…...

数据库物化视图的工作原理与Java实现

引言 物化视图(Materialized View)是数据库中一种特殊的对象,它存储了查询结果的物理副本,使得复杂查询的结果可以快速地被访问。本文将详细介绍物化视图的工作原理、技术策略,并提供Java代码示例。 1. 物化视图的基…...

炫酷的登录框!(附源码)

大家想看什么前端效果请留言 预览效果 源码 <!DOCTYPE html> <html lang"zh"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>登录页…...

使用Python实现智能生态系统监测与保护的深度学习模型

随着人类活动的增加,生态系统受到的威胁也在不断加剧。为了更好地保护我们的生态环境,智能生态系统监测与保护成为了一项重要的任务。通过深度学习技术,我们可以实现生态系统的自动化监测与管理,从而及时发现和应对环境变化。本文将详细介绍如何使用Python构建一个深度学习…...

Rust 力扣 - 54. 螺旋矩阵

文章目录 题目描述题解思路题解代码题目链接 题目描述 题解思路 我们只需要一圈一圈的从外向内遍历矩阵&#xff0c;每一圈遍历顺序为上边、右边、下边、左边 我们需要注意的是如果上边与下边重合或者是右边与左边重合&#xff0c;我们只需要遍历上边、右边即可 题解代码 i…...

Flutter 简述(1)

Flutter 简述 简述 Flutter是Google开源的应用框架&#xff0c;只要一套代码兼顾Android、iOS、Web、Windows、macOS和Linux六个平台&#xff0c;它的设计思路可以说更加先进&#xff0c;不像ReactNative每个组件都需要有对应的原生组件实现&#xff0c;而是通过skia或者其他…...

BGP实验--BGP路由反射器

AR1、AR2上的Loopback 1接口分别为10.1.1.1/24、10.2.2.2/24&#xff0c;用于模拟用户网段 所有设备均使用Loopback 0地址为BGP Router ID&#xff0c;AR1与AR2、AR2与AR3、AR3与AR4、AR4与AR2之间基于直连接口建立IBGP对等体关系&#xff0c;其中AR1为AR2的路由反射器客户端&a…...

域渗透-域环境部署

01-域渗透部署 一、工作组和域 1、为什么需要域 在早期Windows主机都是属于工作组网络&#xff0c;单独的个体&#xff0c;在企业环境中&#xff0c;针对于工作组网络的计算机要达到统一管理相当麻烦&#xff0c;为实现将一个企业中所有的用户和计算机进行集中管理&#xff…...

【Oracle】空格单字符通配符查询匹配失败

问题 在进行模糊查询的时候&#xff0c;通过全局任意字符串匹配出含有两个字刘姓的人&#xff0c;但是通过刘_不能匹配出结果。 解决 检查后发现&#xff0c;姓名中包含空格 SELECT * FROM student WHERE TRIM(sname) LIKE 刘_;第一种解决方案就是查询的时候进行去空格处理&a…...

uniapp实现中间平滑凸起tabbar

uniapp实现中间平滑凸起tabbar 背景实现思路代码实现尾巴 背景 在移动端开发中&#xff0c;tabar是一个使用频率很高的组件&#xff0c;几乎是每个APP都会用到。今天给大家分享一个中间平滑凸起的tabbar组件&#xff0c;有需要的可以做下参考。先上图镇楼&#xff1a; 实现思…...

大型活动交通拥堵治理的视觉算法应用

大型活动下智慧交通的视觉分析应用 一、背景与挑战 大型活动&#xff08;如演唱会、马拉松赛事、高考中考等&#xff09;期间&#xff0c;城市交通面临瞬时人流车流激增、传统摄像头模糊、交通拥堵识别滞后等问题。以演唱会为例&#xff0c;暖城商圈曾因观众集中离场导致周边…...

iPhone密码忘记了办?iPhoneUnlocker,iPhone解锁工具Aiseesoft iPhone Unlocker 高级注册版​分享

平时用 iPhone 的时候&#xff0c;难免会碰到解锁的麻烦事。比如密码忘了、人脸识别 / 指纹识别突然不灵&#xff0c;或者买了二手 iPhone 却被原来的 iCloud 账号锁住&#xff0c;这时候就需要靠谱的解锁工具来帮忙了。Aiseesoft iPhone Unlocker 就是专门解决这些问题的软件&…...

为什么需要建设工程项目管理?工程项目管理有哪些亮点功能?

在建筑行业&#xff0c;项目管理的重要性不言而喻。随着工程规模的扩大、技术复杂度的提升&#xff0c;传统的管理模式已经难以满足现代工程的需求。过去&#xff0c;许多企业依赖手工记录、口头沟通和分散的信息管理&#xff0c;导致效率低下、成本失控、风险频发。例如&#…...

蓝桥杯 2024 15届国赛 A组 儿童节快乐

P10576 [蓝桥杯 2024 国 A] 儿童节快乐 题目描述 五彩斑斓的气球在蓝天下悠然飘荡&#xff0c;轻快的音乐在耳边持续回荡&#xff0c;小朋友们手牵着手一同畅快欢笑。在这样一片安乐祥和的氛围下&#xff0c;六一来了。 今天是六一儿童节&#xff0c;小蓝老师为了让大家在节…...

《C++ 模板》

目录 函数模板 类模板 非类型模板参数 模板特化 函数模板特化 类模板的特化 模板&#xff0c;就像一个模具&#xff0c;里面可以将不同类型的材料做成一个形状&#xff0c;其分为函数模板和类模板。 函数模板 函数模板可以简化函数重载的代码。格式&#xff1a;templa…...

【Go语言基础【13】】函数、闭包、方法

文章目录 零、概述一、函数基础1、函数基础概念2、参数传递机制3、返回值特性3.1. 多返回值3.2. 命名返回值3.3. 错误处理 二、函数类型与高阶函数1. 函数类型定义2. 高阶函数&#xff08;函数作为参数、返回值&#xff09; 三、匿名函数与闭包1. 匿名函数&#xff08;Lambda函…...

springboot整合VUE之在线教育管理系统简介

可以学习到的技能 学会常用技术栈的使用 独立开发项目 学会前端的开发流程 学会后端的开发流程 学会数据库的设计 学会前后端接口调用方式 学会多模块之间的关联 学会数据的处理 适用人群 在校学生&#xff0c;小白用户&#xff0c;想学习知识的 有点基础&#xff0c;想要通过项…...

LLMs 系列实操科普(1)

写在前面&#xff1a; 本期内容我们继续 Andrej Karpathy 的《How I use LLMs》讲座内容&#xff0c;原视频时长 ~130 分钟&#xff0c;以实操演示主流的一些 LLMs 的使用&#xff0c;由于涉及到实操&#xff0c;实际上并不适合以文字整理&#xff0c;但还是决定尽量整理一份笔…...

论文阅读:LLM4Drive: A Survey of Large Language Models for Autonomous Driving

地址&#xff1a;LLM4Drive: A Survey of Large Language Models for Autonomous Driving 摘要翻译 自动驾驶技术作为推动交通和城市出行变革的催化剂&#xff0c;正从基于规则的系统向数据驱动策略转变。传统的模块化系统受限于级联模块间的累积误差和缺乏灵活性的预设规则。…...

Vue3 PC端 UI组件库我更推荐Naive UI

一、Vue3生态现状与UI库选择的重要性 随着Vue3的稳定发布和Composition API的广泛采用&#xff0c;前端开发者面临着UI组件库的重新选择。一个好的UI库不仅能提升开发效率&#xff0c;还能确保项目的长期可维护性。本文将对比三大主流Vue3 UI库&#xff08;Naive UI、Element …...