news 2026/5/1 6:46:37

会求解一阶齐次线性微分方程

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
会求解一阶齐次线性微分方程

一阶线性齐次微分方程的形式如下:

dy dx + P ( x ) y = 0 \frac{\text{dy}}{\text{dx}} + P\left( x \right)y = 0dxdy+P(x)y=0

这同样是一种特殊、相对简单的常微分方程,只是比可分离变量方程、齐次微分方程稍显复杂那么一点点。

要想看更多有趣的微积分故事、知识,请参见清华大学出版社的《人人可懂的微积分——用动态、微观、累加的观点来看待微积分》(邓子云著)。

首先,从名称上来理解这种方程。所谓**“一阶”**是指导数只有一阶,不涉及二阶导数和更高阶的导数。

所谓**“齐次”**也具有两层含义。第一层含义看形式。从外观上来看,方程的右边为0,左边除了dy dx \frac{\text{dy}}{\text{dx}}dxdyP ( x ) y P\left( x \right)yP(x)y外,再没有其它的项。第二层含义看实质。这与此前学习的齐次微分方程类似。

如果x xxy yy如果同时乘以常数k ( k ≠ 0 ) k(k \neq 0)k(k=0),可得:

d ( k y ) d ( k y ) + P ( kx ) k y = 0 ⟹ dy dx + P ( kx ) k y = 0 \frac{d(ky)}{d(ky)} + P\left( \text{kx} \right)ky = 0 \Longrightarrow \frac{\text{dy}}{\text{dx}} + P\left( \text{kx} \right)ky = 0d(ky)d(ky)+P(kx)ky=0dxdy+P(kx)ky=0

从形式上来看,它仍然是一个一阶齐次线性微分方程。

所谓**“线性”**就是指没有只有有关y的一次方多项式,不会出现有关y 2 y^{2}y2y dy dx y\frac{\text{dy}}{\text{dx}}ydxdy( dy dx ) 2 \left( \frac{\text{dy}}{\text{dx}} \right)^{2}(dxdy)2等形式的二次方及以上多项式。

**学习点拨:**一阶线性微分方程中也不会出现有关x的二次方及以上多项式,但是P ( x ) P\left( x \right)P(x)中可以出现关于x的二次方及以上多项式。

接下来,看如何求解一阶齐次线性微分方程。

dy dx + P ( x ) y = 0 ⟹ dy dx = − P ( x ) y ⟹ 1 y d y = − P ( x ) d x ⟹ ∫ 1 y dy = − ∫ P ( x ) dx \frac{\text{dy}}{\text{dx}} + P\left( x \right)y = 0 \Longrightarrow \frac{\text{dy}}{\text{dx}} = - P\left( x \right)y \Longrightarrow \frac{1}{y}dy = - P\left( x \right)dx \Longrightarrow \int_{}^{}{\frac{1}{y}\text{dy}} = - \int_{}^{}{P\left( x \right)\text{dx}}dxdy+P(x)y=0dxdy=P(x)yy1dy=P(x)dxy1dy=P(x)dx

⟹ ln ⁡ ∣ y ∣ = − ∫ P ( x ) dx + C ⟹ y = ± e − ∫ P ( x ) dx + C \Longrightarrow \ln\left| y \right| = - \int_{}^{}{P\left( x \right)\text{dx}} + C \Longrightarrow y = \pm e^{- \int_{}^{}{P\left( x \right)\text{dx}} + C}lny=P(x)dx+Cy=±eP(x)dx+C

考虑到e ee的指数中有函数,看起来指数上的文字会比较小,容易看错,所以常把e ee的幂次形式写成exp ⁡ ( ) \exp()exp()的形式。

y = ± e xp ( − ∫ P ( x ) dx + C ) ⟹ y = ± e xp ( − ∫ P ( x ) dx ) e x p ( C ) y = \pm e\text{xp}\left( - \int_{}^{}{P\left( x \right)\text{dx}} + C \right) \Longrightarrow y = \pm e\text{xp}\left( - \int_{}^{}{P\left( x \right)\text{dx}} \right)exp\left( C \right)y=±exp(P(x)dx+C)y=±exp(P(x)dx)exp(C)

这个式子中,因为± e x p ( C ) \pm exp\left( C \right)±exp(C)可正、可负,结果仍然是一个常数,且这个常数可表达出的数值范围是任意的正数、负数,所以± e x p ( C ) \pm exp\left( C \right)±exp(C)可以用另一个常数D DD来代替。因此,可以写为:

y = D ∙ e xp ( − ∫ P ( x ) dx ) y = D \bullet e\text{xp}\left( - \int_{}^{}{P\left( x \right)\text{dx}} \right)y=Dexp(P(x)dx)


**学习点拨:**如何是否可以用常数D DD代替含有常数C CC的项?**标准就看替换后是否影响表达的数值范围。**如果不影响就可以替换。后续的学习中还会有很多这样的简化应用。


要想看更多有趣的微积分故事、知识,请参见清华大学出版社的《人人可懂的微积分——用动态、微观、累加的观点来看待微积分》(邓子云著)。

例:求解方程

dy dx + x 2 y = 0 \frac{\text{dy}}{\text{dx}} + x^{2}y = 0dxdy+x2y=0

dy dx + x 2 y = 0 ⟹ dy dx = − x 2 y ⟹ 1 y d y = − x 2 d x ⟹ ∫ 1 y dy = − ∫ x 2 dx \frac{\text{dy}}{\text{dx}} + x^{2}y = 0 \Longrightarrow \frac{\text{dy}}{\text{dx}} = - x^{2}y \Longrightarrow \frac{1}{y}dy = - x^{2}dx \Longrightarrow \int_{}^{}{\frac{1}{y}\text{dy}} = - \int_{}^{}{x^{2}\text{dx}}dxdy+x2y=0dxdy=x2yy1dy=x2dxy1dy=x2dx

⟹ ln ⁡ ∣ y ∣ = − 1 3 x 3 + C ⟹ y = ± e x p ( − 1 3 x 3 + C ) ⟹ y = D ∙ exp ⁡ ( − 1 3 x 3 ) \Longrightarrow \ln\left| y \right| = - \frac{1}{3}x^{3} + C \Longrightarrow y = \pm exp\left( - \frac{1}{3}x^{3} + C \right) \Longrightarrow y = D \bullet \exp\left( - \frac{1}{3}x^{3} \right)lny=31x3+Cy=±exp(31x3+C)y=Dexp(31x3)

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/1 5:03:34

从Manus到OpenManus:解锁顶级AI Agent的架构密码

2024年的AI圈,Meta斥资数十亿美金收购初创公司Manus的交易,无疑是最具震撼力的行业事件。这家成立不足一年的公司,凭借“能完成任何计算机任务”的AI Agent产品惊艳亮相,不仅让全球科技圈重新审视“自主AI”的可能性,更…

作者头像 李华
网站建设 2026/5/1 5:03:50

中文情感分析实战:StructBERT API接口调用详细步骤

中文情感分析实战:StructBERT API接口调用详细步骤 1. 背景与应用场景 在当前自然语言处理(NLP)领域,中文情感分析已成为企业洞察用户反馈、舆情监控、客服系统智能化的重要技术手段。无论是电商平台的商品评论、社交媒体的用户…

作者头像 李华
网站建设 2026/5/1 5:03:36

中文文本情感分析API开发:StructBERT轻量版教程

中文文本情感分析API开发:StructBERT轻量版教程 1. 引言:中文情感分析的现实需求 在社交媒体、电商评论、用户反馈等场景中,海量中文文本背后隐藏着丰富的情绪信息。如何快速、准确地识别这些情绪倾向,已成为企业洞察用户心理、…

作者头像 李华
网站建设 2026/4/17 3:32:21

中文情感分析系统优化:StructBERT性能

中文情感分析系统优化:StructBERT性能 1. 引言:中文情感分析的现实需求与挑战 在社交媒体、电商评论、用户反馈等场景中,中文文本数据呈爆炸式增长。如何从海量非结构化文本中快速提取用户情绪倾向,成为企业洞察用户体验、优化产…

作者头像 李华
网站建设 2026/5/1 8:01:09

中文文本情绪识别API实战:StructBERT调用代码详解

中文文本情绪识别API实战:StructBERT调用代码详解 1. 引言:中文情感分析的现实需求与技术挑战 随着社交媒体、电商平台和用户评论系统的普及,中文文本情感分析已成为自然语言处理(NLP)领域的重要应用方向。企业需要从…

作者头像 李华
网站建设 2026/5/1 7:21:48

AutoGLM-Phone-9B性能测试:不同移动设备兼容性报告

AutoGLM-Phone-9B性能测试:不同移动设备兼容性报告 随着大语言模型在移动端的广泛应用,如何在资源受限设备上实现高效、低延迟的多模态推理成为关键挑战。AutoGLM-Phone-9B 的推出正是针对这一痛点,旨在为智能手机、平板等终端提供本地化、高…

作者头像 李华