首页 > 其他分享 >[28/11/23] 微分方程自救预备知识

[28/11/23] 微分方程自救预备知识

时间:2023-11-28 16:55:05浏览次数:31  
标签:11 right ddots 23 28 matrix cdots 行列式 vdots

  1. \(Wronskian\) 行列式

    对一个函数集合 \(A=\{f|f_i(x),1\leq i\leq n\}\) ,定义一个函数矩阵 \(W_A(x):=\left|\matrix{f_1(x) & f_2(x) & \cdots & f_n(x) \\ f_1'(x) & f_2'(x) & \cdots & f_n'(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(n-2)}(x) & f_2^{(n-2)}(x) & \cdots & f_n^{(n-2)}(x) \\ f_1^{(n-1)}(x) & f_2^{(n-1)}(x) & \cdots & f_n^{(n-1)}(x)}\right|\) ,称为这 \(n\) 个函数的 \(Wronskian\) 行列式。

    1. 自然语言而言, \(W_A(x)\) 的第 \((i,j)\) 个元素(第 \(i\) 行第 \(j\) 列)就是 \(A\) 中第 \(j\) 个函数 \(f_j(x)\) 的 \(i-1\) 阶导数。
    2. 从它的定义,这要求 \(A\) 中所有的函数均 \(n-1\) 次连续可微。
    3. 如果存在 \(x_0\) 使 \(W(x_0)=0\) ,则 \(W(x)\equiv0\) 。即 \(W(x)\) 或恒为零,或恒不为零
    4. 当 \(A\) 中函数两两线性无关时有 \(W(x)\equiv0\) ,当 \(W(x)\not\equiv0\) 时 \(A\) 中存在线性相关的一些函数。(线性相关判据)
  2. \(Liouville\) 公式

    对一个 \(n\) 阶的齐次线性微分方程 \(\sum_{i=0}^{n}p_i(x)y^{(n-i)}=0\) ( \(p_0(x)\equiv0\) ),记 \(A\) 为方程的基本解组,其中 \(p_i(x)\) 为区间内的连续函数, \(W(x)\) 为 \(A\) 的 \(Wronskian\) 行列式。则有 \(Liouville\) 公式 \(W(x)=W(x_0)\cdot e^{-\int_{x_0}^xp_1(\xi)\mathrm d\xi}\) 成立。( \(p_1(x)\) 为 \(y^{(n-1)}\) 的系数)

    1. \(Liouville\) 公式应用的对象是齐次线性微分方程的基本解组的 \(Wronskian\) 行列式,对于一般的 \(Wronskian\) 行列式不恒成立。
    2. 公式表明了 \(W(x)\) (事实上用行列式写开了它是一个函数) 与给定初始值 \(x_0\) 后 \(W(x_0)\) 的值间的关系。
    3. 公式说明在初值条件充分的时候对一个方程只需考虑函数 \(p_1(x)\) 的性质。
    4. 由 \(e^{-\int_{x_0}^xp_1(\xi)\mathrm d\xi}>0\) 可以很快知道 \(1.3.\) 的正确性。
  3. *\(Liouville\)​ 公式的证明

    前置知识:函数行列式求导法则

    对一个函数行列式 \(H(x)=\left|\matrix{f_{11}(x) & f_{12}(x) & \cdots & f_{1n}(x) \\ f_{11}(x) & f_{22}(x) & \cdots & f_{2n}(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_{n1}(x) & f_{n2}(x) & \cdots & f_{nn}(x)}\right|\) ,恒有 \(H'(x)=\sum_{i=1}^n\left|\matrix{f_{11}(x) & f_{12}(x) & \cdots & f_{1n}(x)\\ \vdots & \vdots & \ddots & \vdots \\ f_{i1}'(x) & f_{i2}'(x) & \cdots & f_{in}'(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_{n1}(x) & f_{n2}(x) & \cdots & f_{nn}(x)}\right|\) 。

    ​ 求导法则的证明此处略过。

    对 \(W(x)\) 求导,则:

    \(W'(x)=\sum_{i=1}^{n-1}\left|\matrix{f_1(x) & f_2(x) & \cdots & f_n(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(i)}(x) & f_2^{(i)}(x) & \cdots & f_n^{(i)}(x) \\ f_1^{(i)}(x) & f_2^{(i)}(x) & \cdots & f_n^{(i)}(x)\\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(n-1)}(x) & f_2^{(n-1)}(x) & \cdots & f_n^{(n-1)}(x)}\right| + \left|\matrix{f_1(x) & f_2(x) & \cdots & f_n(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(n-2)}(x) & f_2^{(n-2)}(x) & \cdots & f_n^{(n-2)}(x)\\ f_1^{(n)}(x) & f_2^{(n)}(x) & \cdots & f_n^{(n)}(x)}\right|\) 。

    很明显对前半部分均存在两个相邻行相同,由行列式性质立得前半部分均为 \(0\) ,即:

    \(W'(x)=\left|\matrix{f_1(x) & f_2(x) & \cdots & f_n(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(n-2)}(x) & f_2^{(n-2)}(x) & \cdots & f_n^{(n-2)}(x)\\ f_1^{(n)}(x) & f_2^{(n)}(x) & \cdots & f_n^{(n)}(x)}\right|\) 。

    ​ 这里注意 \(W(x)\) 本身不包含 \(f_i^{(n)}(x)\) 的元素。

    另一方面,因为 \(f_i(x)\) 均为方程 \(\sum_{i=0}^np_i(x)y^{(i)}=0\) 的解,即 \(f_i^{(n)}(x)=-\sum_{k=1}^{n-1}p_k(x)f_i^{(n-k)}(x)\) ,代入 \(W'(x)\) 即得:

    \(W'(x)=\left|\matrix{f_1(x) & f_2(x) & \cdots & f_n(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(n-2)}(x) & f_2^{(n-2)}(x) & \cdots & f_n^{(n-2)}(x)\\ -\sum_{k=1}^{n-1}p_k(x)f_1^{(n-k)}(x) & -\sum_{k=1}^{n-1}p_k(x)f_2^{(n-k)}(x) & \cdots & -\sum_{k=1}^{n-1}p_k(x)f_n^{(n-k)}(x)}\right|\) 。

    当然由于行列式对特定一行(列)的可拆分性:

    \(W'(x)=\sum_{k=1}^{n-1}\left|\matrix{f_1(x) & f_2(x) & \cdots & f_n(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(n-2)}(x) & f_2^{(n-2)}(x) & \cdots & f_n^{(n-2)}(x)\\ -p_k(x)f_1^{(n-k)}(x) & -p_k(x)f_2^{(n-k)}(x) & \cdots & -p_k(x)f_n^{(n-k)}(x)}\right|\) 。

    仿照求导,容易发现上面求和的部分除了 \(k=1\) 即 \(p_1(x)f_i^{(n-1)}(x)\) 外均有第 \(n-k+1\) 行与最后一行成 \(-p_k(x)\) 的比例,即行列式的值均为零,则:

    \(W'(x)=\left|\matrix{f_1(x) & f_2(x) & \cdots & f_n(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(n-2)}(x) & f_2^{(n-2)}(x) & \cdots & f_n^{(n-2)}(x)\\ -p_1(x)f_1^{(n-1)}(x) & -p_1(x)f_2^{(n-1)}(x) & \cdots & -p_1(x)f_n^{(n-1)}(x)}\right|\) 。

    再应用行列式的分拆(或说提取 \(-p_1(x)\) ),即得:

    \(W'(x)=-p_1(x)\cdot\left|\matrix{f_1(x) & f_2(x) & \cdots & f_n(x) \\ \vdots & \vdots & \ddots & \vdots \\ f_1^{(n-2)}(x) & f_2^{(n-2)}(x) & \cdots & f_n^{(n-2)}(x)\\ f_1^{(n-1)}(x) & f_2^{(n-1)}(x) & \cdots & f_n^{(n-1)}(x)}\right|=-p_1(x)\cdot W(x)\) 。

    此处得到了一个重要的结论:齐次线性微分方程的基本解组的 \(Wronskian\) 行列式,\(\frac{\mathrm dW}{\mathrm dx}=-p_1(x)W\) 。因为 \(W\) 是一个关于 \(x\) 的函数,可以通过分离变量的方法求出 \(W\) 关于 \(x\) 的简单关系,一通定积分(防止出现常数)操作下来有:

    \(W(x)=W(x_0)\cdot e^{-\int_{x_0}^xp_1(\xi)\mathrm d\xi}\) 。

    此即 \(Liouville\) 公式。

  4. 二阶齐次线性微分方程的两个特解与一个通解间的关系

    若 \(y_{1}(x)\) 为方程 \(y''+p(x)y'+q(x)y=0\) 的一个非零解,则存在且必存在 \(y_{2}(x)=y_{1}(x)\int\frac{1}{y_{1}^2(x)}{e^{-\int p(x)dx}}dx\) 为原方程与 \(y_{1}(x)\) 线性无关的另一个解,且 \(y=c_{1}y_{1}(x)+c_{2}y_{2}(x)\) 为原方程通解,其中 \(c_1,c_2\) 可全为零。

    ​ 对特解知一求一的证明:

    令 \(g(x)=\frac{y_2(x)}{y_1(x)}\) (事实上为了推广一般化可以直接写作 \(g(x)=\frac{W(y_2)}{W(y_1)}\) ,但此处仅讨论二阶),将 \(y_2(x)=g(x)y_1(x)\) 代入,有:

    \(g''+(p+\frac{2y_1'}{y_1})g'=0\) (此处变量均为函数)。

    对 \(g\) 适用降阶法解出:

    \(g(x)=\int\frac{1}{y_{1}^2(x)}{e^{-\int p(x)dx}}dx\) 。

    则:

    \(y_2(x)=g(x)y_1(x)=y_{1}(x)\int\frac{1}{y_{1}^2(x)}{e^{-\int p(x)dx}}dx\) 。

    ​ 对通解的存在性(或说对基本解组的存在性)的正确性可由 \(Liouville\) 公式中 \(x_0\) 的任意性给出,此处略过。

    ​ 对通解的结构证明:(有点像数论中 \(Bezout\) 定理的结构证明)

    取 \(\phi(x)\) 为方程任一通解,取恰当的 \(x_1\) 使关于 \(c_1,c_2\) 的二元一次方程组: \(\cases{c_1y_1(x_1)+c_2y_2(x_1)=y(x_1) \\ c_1y_1'(x_1)+c_2y_2'(x_1)=y'(x_1)}\) 有解 \((c_1,c_2)\) ,则:

    1. \(\Phi(x)=c_1y_1(x)+c_2y_2(x)\) 满足原微分方程。
    2. \(\Phi(x_1)=\phi(x_1)\) ,\(\Phi'(x_1)=\phi'(x_1)\) ,即 \(\Phi\) 与 \(\phi\) 满足同一初值条件。
    3. 结合 \(1.\) 和 \(2.\) 有 \(\Phi''(x_1)=\phi''(x_1)\) 亦成立(虽然没有用)。

    此说明 \(\Phi=\phi\) 。

    另一方面容易验证 \(\phi(x)+\lambda_1y_1(x)+\lambda_2y_2(x)\) 也为方程的解,则得到通解结构的一般表达。

标签:11,right,ddots,23,28,matrix,cdots,行列式,vdots
From: https://www.cnblogs.com/alexiswithlucifer/p/17862358.html

相关文章

  • 国标GB28181安防监控平台EasyCVR周界入侵AI算法检测方案
    在城市管理和公共安全领域,安全视频监控的重要性日益凸显。AI视频智能分析平台基于深度学习和计算机视觉技术,利用AI入侵算法,能够实时、精准地监测周界入侵行为。TSINGSEE青犀在视频监控及AI视频智能分析领域拥有深厚的技术积累和丰富的实践经验。其中,AI视频智能分析系统/AI算法中......
  • SpringMVC_2023_11_27_1 SpringMVC_入门
    SpringMVC_入门2023-11-2816:11:38星期二SpringMVC是Spring提供给Web应用的框架设计。。SpringMVC角色划分清晰,分工明细,并且和Spring框架无缝结合。作为当今业界最主流的Web开发框架,SpringMVC已经成为当前javaWeb框架事实上的标准。SpringMVC核心组件a) 前......
  • 2023-fameex
    2023-11-28来到fameex快半年了,很久没有写过东西了。似乎无穷无尽的功能测试,已经让我忘记了,我原来是喜欢coding的。这半年来,唯一能记得的跟coding相关的,就是SEO项目了。通过文档与页面进行对比,查看是否与预期结果一致内容主要有两个,1个是基于页面,一个是基于爬虫模式首先基于页......
  • 如何正确的在AIX 7上正确开启大页内存(large page)on oracle 11.2.0.4 rac 转发 https:
    1、关于大页有个客户的业务系统上要开启大页,提高系统性能,研究了一下,网上文章太多,自己做了一些测试,经过实机测试,整理了一下操作记录。关于AIX上为什么要开启大页,借用MOS里的说明原文:StartingwiththeAIXV5.1operatingsystemwhenrunningonIBMPOWER4orPOWER5proces......
  • 京东广告研发近期入选国际顶会文章系列导读——CIKM 2023篇
    近年来,放眼业界广告推荐领域的算法获得了长足的发展,从几篇奠定基础的序列学习、大规模图学习、在线学习&增强学习、多模态推荐问题等起步,业内算法不断迭代发展并在学术和工业场景上取得不错的应用。京东广告团队不仅在工业场景上非常重视实践,并不断为由“广告主”、“消费者”、......
  • 【2023CANN训练营第二季】——Ascend C自定义算子工程介绍及实验
    一、自定义算子工程介绍与创建自定义算子工程是一个包含用户编写的host侧和kerne|侧算子实现文件的,用于编译和安装自定义算子run包的工程框架。CANN软件包中提供了工程创建工具msopgen,开发者可以输入算子原型定义文件生成AscendC算子开发工程。需要编写AddCustom算子的原型定义......
  • 11月《中国数据库行业分析报告》已发布,一起领略数据库创新应用与前沿学术风采!
    为了帮助大家及时了解中国数据库行业发展现状、梳理当前数据库市场环境和产品生态等情况,从2022年4月起,墨天轮社区行业分析研究团队出品将持续每月为大家推出最新《中国数据库行业分析报告》,持续传播数据技术知识、努力促进技术创新与行业生态发展,目前已更至第十八期,并发布了共计1......
  • 2023版IDEA或PyCharm关闭时卡在Closing project
    当关闭IDEA或PyCharm时,提示“Closingproject”,并卡住很久。 原因之一:当项目的依赖文件没有下载或加载完成时,就会触发Closingproject。 方法一:菜单->File->Setting->Appearance&Behavior->SystemSettings->HTTPProxy->勾选“Manualproxyconfiguration......
  • CrossOver 23.7 for Mac:在 macOS 上运行 Windows 应用
    CrossOver23.7forMac:在macOS上运行Windows应用请访问原文链接:https://sysin.org/blog/crossover-23/,查看最新版。原创作品,转载请保留出处。作者主页:sysin.orgCrossOver:在macOS、Linux和ChromeOS上运行您的Windows®应用对比所有跨平台方案对比内容CrossOv......
  • Gartner 魔力象限:运输管理系统 2023
    GartnerMagicQuadrantforTransportationManagementSystems2023Gartner魔力象限:运输管理系统2023请访问原文链接:https://sysin.org/blog/gartner-magic-quadrant-tms-2023/,查看最新版。原创作品,转载请保留出处。作者主页:sysin.orgMagicQuadrantforTransportation......