=================================== 常微分方程 =================================== 0. 要点汇总 ==================== 本篇文章的要点整理如下 - 微分方程：含有未知函数及其导数的方程 - 常微分方程：自变量只有一个的微分方程 - 偏微分方程：自变量有两个或以上的微分方程 - 阶数：微分方程中出现的最高阶导数的阶数 - 线性微分方程：未知函数及其导数都是一次的微分方程 - 齐次方程：不显含自变量或不含非零项的微分方程 - 通解：包含任意常数的解，常数的个数等于方程的阶数 - 特解：满足特定初始条件的解 - 初值问题：求满足初始条件的特解的问题 - 可分离变量方程：可以将x和y分别放到等式两边的方程 - 一阶线性方程：形如 :math:`y' + P(x)y = Q(x)` 的方程 - 积分因子：用于求解一阶线性方程的函数 :math:`\mu(x) = e^{\int P(x)dx}` - 恰当方程：存在二元函数 :math:`u(x,y)` 使得 :math:`M dx + N dy = du` 的方程 - 二阶常系数线性方程：形为 :math:`y'' + ay' + by = f(x)` 的方程 - 特征方程：用于求解二阶齐次线性方程的辅助方程 - 齐次解：对应齐次方程的通解 - 特解：非齐次方程的特解 - 待定系数法：根据f(x)的形式猜测特解的方法 - 变参数法：将齐次解中的常数视为变量来求特解的方法 - 幂级数解法：用幂级数的形式求解微分方程 - 拉普拉斯变换：将微分方程转化为代数方程的积分变换 - 稳定性：解在长期行为上的性质，包括渐近稳定、不稳定等 - 平衡点：导数为零的点，也称为奇点或临界点 - 相图：在相平面上描绘解的几何行为的图形 - 李雅普诺夫稳定性：通过李雅普诺夫函数判断稳定性的方法 1. 微分方程的基本概念 =================================== 1.1 微分方程的定义 --------------------- **微分方程的引入** 微分方程是数学建模的核心工具，用于描述物理、工程、生物、经济等领域中的变化规律。凡是涉及变化率的问题，都可以用微分方程来描述。 **基本定义** 含有未知函数及其导数（或微分）的方程称为微分方程。如果未知函数是一元函数（自变量只有一个），则称为常微分方程（Ordinary Differential Equation, ODE）；如果未知函数是多元函数，则称为偏微分方程（Partial Differential Equation, PDE）。 **阶数** 微分方程中出现的最高阶导数的阶数，称为微分方程的阶数。 例如： .. math:: y' + 2y = 0 \text{ 是一阶常微分方程} .. math:: y'' + 3y' + 2y = \sin(x) \text{ 是二阶常微分方程} .. math:: \frac{\partial u}{\partial t} = \frac{\partial^2 u}{\partial x^2} \text{ 是二阶偏微分方程} **线性与非线性** 如果微分方程中未知函数及其各阶导数都是一次的，且系数不含未知函数，则称为线性微分方程；否则称为非线性微分方程。 **齐次与非齐次** 如果微分方程中不显含自变量，或者等于零的项不含未知函数，则称为齐次方程；否则称为非齐次方程。 1.2 解的基本概念 --------------------- **解的定义** 满足微分方程的函数称为微分方程的解。 **通解** 包含n个独立的任意常数的解称为n阶微分方程的通解。 **特解** 确定任意常数后的解称为特解。 **初值问题** 求解微分方程并满足初始条件的问题称为初值问题（Cauchy问题）。 例如：求 :math:`y' = y` 满足 :math:`y(0) = 1` 的解。 **边值问题** 求解微分方程并满足边界条件的问题称为边值问题。 例如：求 :math:`y'' + y = 0` 满足 :math:`y(0) = 0` ，:math:`y(\pi) = 1` 的解。 2. 一阶微分方程 =================================== 2.1 可分离变量方程 --------------------- **标准形式** 形如 :math:`\frac{dy}{dx} = f(x)g(y)` 或 :math:`M(x)dx + N(y)dy = 0` 的方程称为可分离变量方程。 **求解方法** 1. 将方程分离变量：:math:`\frac{dy}{g(y)} = f(x)dx` 2. 两边积分：:math:`\int \frac{dy}{g(y)} = \int f(x)dx + C` 3. 解出y得到通解 .. container:: example-box **例题** 求解dy/dx = x/y 分离变量：y dy = x dx 积分：∫y dy = ∫x dx 得到：y²/2 = x²/2 + C 化简：y² - x² = 2C = C'（新常数） **物理应用** 放射性衰变：:math:`\frac{dN}{dt} = -\lambda N` 分离变量：:math:`\frac{dN}{N} = -\lambda dt` 积分：:math:`\ln|N| = -\lambda t + C` 得到：:math:`N = Ce^{-\lambda t}` 2.2 一阶线性微分方程 --------------------- **标准形式** 形如 :math:`\frac{dy}{dx} + P(x)y = Q(x)` 的方程称为一阶线性微分方程。 **积分因子法** 积分因子 :math:`\mu(x) = e^{\int P(x)dx}` 乘以积分因子后： :math:`\frac{d}{dx}(\mu y) = \mu Q(x)` 积分得：:math:`\mu y = \int \mu Q(x)dx + C` 因此：:math:`y = \frac{1}{\mu}\left(\int \mu Q(x)dx + C\right)` .. container:: example-box **例题** 求解dy/dx + y/x = x 这里P(x) = 1/x，Q(x) = x 积分因子：μ(x) = e^(∫1/x dx) = e^(ln\|x\|) = \|x\| 取x > 0，则μ(x) = x 乘以积分因子：x dy/dx + y = x² 左边是d/dx(xy)：d/dx(xy) = x² 积分：xy = ∫x² dx = x³/3 + C 因此：y = x²/3 + C/x **应用实例** RL电路：:math:`L\frac{dI}{dt} + RI = E(t)` 化为标准形式：:math:`\frac{dI}{dt} + \frac{R}{L}I = \frac{E(t)}{L}` 积分因子：:math:`\mu(t) = e^{\int \frac{R}{L} dt} = e^{Rt/L}` 求解得到电流I(t)的表达式。 2.3 恰当方程 --------------------- **恰当方程的定义** 形如 :math:`M(x,y)dx + N(x,y)dy = 0` 的方程，如果存在函数 :math:`u(x,y)` 使得 :math:`\frac{\partial u}{\partial x} = M` 且 :math:`\frac{\partial u}{\partial y} = N`，则称该方程为恰当方程。 **恰当方程的条件** :math:`\frac{\partial M}{\partial y} = \frac{\partial N}{\partial x}` **求解方法** 1. 验证 :math:`\frac{\partial M}{\partial y} = \frac{\partial N}{\partial x}` 2. 由 :math:`\frac{\partial u}{\partial x} = M` 积分得 :math:`u(x,y) = \int M dx + \phi(y)` 3. 对y求导：:math:`\frac{\partial u}{\partial y} = \frac{\partial}{\partial y}\left(\int M dx\right) + \phi'(y) = N` 4. 解出φ'(y)并积分得到φ(y) 5. 通解为u(x,y) = C **积分因子** 如果方程不是恰当的，可以尝试乘以积分因子μ使其成为恰当方程。 - 仅依赖于x的积分因子：:math:`\mu(x) = \exp\left(\int \frac{\frac{\partial M}{\partial y} - \frac{\partial N}{\partial x}}{N} dx\right)` - 仅依赖于y的积分因子：:math:`\mu(y) = \exp\left(\int \frac{\frac{\partial N}{\partial x} - \frac{\partial M}{\partial y}}{M} dy\right)` .. container:: example-box **例题** 求解(2xy + y²)dx + (x² + 2xy)dy = 0 验证：∂M/∂y = 2x + 2y，∂N/∂x = 2x + 2y ∂M/∂y = ∂N/∂x，所以是恰当方程。 由∂u/∂x = 2xy + y²积分得： u(x,y) = x²y + xy² + φ(y) 对y求导：∂u/∂y = x² + 2xy + φ'(y) 由∂u/∂y = x² + 2xy得：φ'(y) = 0，因此φ(y) = C₁ 通解：x²y + xy² = C 2.4 齐次方程 --------------------- **齐次方程的定义** 形如 :math:`\frac{dy}{dx} = f\left(\frac{y}{x}\right)` 的方程称为齐次方程。 **求解方法** 令 :math:`u = \frac{y}{x}` ，则 :math:`y = xu` ，:math:`\frac{dy}{dx} = u + x\frac{du}{dx}` 代入原方程：u + x(du/dx) = f(u) 分离变量：du/(f(u) - u) = dx/x 积分求解，最后将u = y/x代回。 .. container:: example-box **例题** 求解dy/dx = (y/x) + tan(y/x) 令u = y/x，则dy/dx = u + x(du/dx) 代入得：u + x(du/dx) = u + tan(u) 化简：x(du/dx) = tan(u) 分离变量：du/tan(u) = dx/x 积分：∫cos(u)/sin(u) du = ∫dx/x ln|sin(u)| = ln|x| + C sin(u) = Cx 代回u = y/x：sin(y/x) = Cx 3. 高阶线性微分方程 =================================== 3.1 二阶常系数齐次线性方程 ---------------------------------------------- **标准形式** :math:`y'' + ay' + by = 0` ，其中a, b为常数。 **特征方程法** 假设解的形式为 :math:`y = e^{rx}` ，代入得： :math:`r^2 e^{rx} + ar e^{rx} + b e^{rx} = 0` :math:`r^2 + ar + b = 0` （特征方程） **三种情况** 1. **两个不同的实根** :math:`r_1, r_2` 通解：:math:`y = C_1 e^{r_1 x} + C_2 e^{r_2 x}` 2. **重根** :math:`r` 通解：:math:`y = (C_1 + C_2 x)e^{rx}` 3. **共轭复根** :math:`\alpha \pm i\beta` 通解：:math:`y = e^{\alpha x}(C_1 \cos(\beta x) + C_2 \sin(\beta x))` .. container:: example-box **例题** 求解y'' - 3y' + 2y = 0 特征方程：r² - 3r + 2 = 0 因式分解：(r - 1)(r - 2) = 0 根：r₁ = 1，r₂ = 2 通解：y = C₁e^x + C₂e^(2x) **例题（重根）** 求解y'' - 4y' + 4y = 0 特征方程：r² - 4r + 4 = 0 (r - 2)² = 0 重根：r = 2（二重） 通解：y = (C₁ + C₂x)e^(2x) **例题（复根）** 求解y'' + 2y' + 5y = 0 特征方程：r² + 2r + 5 = 0 r = (-2 ± √(4 - 20))/2 = (-2 ± 4i)/2 = -1 ± 2i 通解：y = e^(-x)(C₁cos(2x) + C₂sin(2x)) 3.2 二阶常系数非齐次线性方程 ---------------------------------------------- **标准形式** :math:`y'' + ay' + by = f(x)` **解的结构** 通解 = 齐次解 + 特解 :math:`y(x) = y_h(x) + y_p(x)` 其中 :math:`y_h(x)` 是对应齐次方程的通解， :math:`y_p(x)` 是非齐次方程的特解。 **待定系数法** 根据f(x)的形式猜测特解的形式： 1. :math:`f(x) = P_n(x)` （多项式） 特解形式：:math:`y_p = Q_n(x)` 2. :math:`f(x) = e^{\lambda x}P_n(x)` 特解形式：:math:`y_p = e^{\lambda x}Q_n(x)` 3. :math:`f(x) = e^{\lambda x}[P_m(x)\cos(\omega x) + Q_n(x)\sin(\omega x)]` 特解形式：:math:`y_p = e^{\lambda x}[R_k(x)\cos(\omega x) + S_k(x)\sin(\omega x)]` ， :math:`k = \max(m, n)` 注意：如果猜测的形式与齐次解重复，需要乘以x。 .. container:: example-box **例题** 求解y'' - 3y' + 2y = e^(3x) 齐次解：y_h = C₁e^x + C₂e^(2x) f(x) = e^(3x)，猜测y_p = Ae^(3x) 代入：9Ae^(3x) - 9Ae^(3x) + 2Ae^(3x) = e^(3x) 2Ae^(3x) = e^(3x) A = 1/2 特解：y_p = (1/2)e^(3x) 通解：y = C₁e^x + C₂e^(2x) + (1/2)e^(3x) **变参数法** 如果齐次解为 :math:`y_h = C_1 y_1(x) + C_2 y_2(x)` 设特解为 :math:`y_p = C_1(x)y_1(x) + C_2(x)y_2(x)` 其中 :math:`C_1'(x)y_1(x) + C_2'(x)y_2(x) = 0` :math:`C_1'(x)y_1'(x) + C_2'(x)y_2'(x) = f(x)` 求解这个方程组得到 :math:`C_1'(x)` 和 :math:`C_2'(x)` ，再积分得到 :math:`C_1(x)` 和 :math:`C_2(x)` 。 3.3 高阶方程 --------------------- **n阶常系数齐次线性方程** :math:`y^{(n)} + a_1 y^{(n-1)} + \cdots + a_{n-1} y' + a_n y = 0` 特征方程：:math:`r^n + a_1 r^{n-1} + \cdots + a_{n-1} r + a_n = 0` 根据特征根的情况写出通解。 **欧拉方程** 形如 :math:`x^n y^{(n)} + a_1 x^{(n-1)} y^{(n-1)} + \cdots + a_n y = f(x)` 的方程。 令 :math:`x = e^t` （或 :math:`t = \ln|x|` ），将欧拉方程转化为常系数线性方程。 4. 微分方程组 =================================== 4.1 一阶线性方程组 --------------------- **矩阵形式** :math:`\frac{dy}{dt} = Ay + f(t)` 其中 :math:`y = (y_1, y_2, \ldots, y_n)^T` ，A是n :math:`\times` n矩阵， :math:`f(t) = (f_1(t), f_2(t), \ldots, f_n(t))^T` **齐次方程组的解** 假设 :math:`y = e^{\lambda t}v` ，代入得： :math:`\lambda e^{\lambda t}v = A e^{\lambda t}v` :math:`Av = \lambda v` 这是矩阵A的特征值问题。 **实特征根** 如果A有n个线性无关的特征向量 :math:`v_1, v_2, \ldots, v_n` ，对应的特征值为 :math:`\lambda_1, \lambda_2, \ldots, \lambda_n` ，则通解为： :math:`y(t) = C_1 e^{\lambda_1 t}v_1 + C_2 e^{\lambda_2 t}v_2 + \cdots + C_n e^{\lambda_n t}v_n` **复特征根** 如果特征根为共轭复数 :math:`\alpha \pm i\beta` ，对应的解为： :math:`y(t) = e^{\alpha t}[C_1 \cos(\beta t) + C_2 \sin(\beta t)]` 4.2 物理应用 --------------------- **耦合弹簧** 两个质量 :math:`m_1` 和 :math:`m_2` 分别连接在弹簧上，通过另一个弹簧相互连接。 运动方程： :math:`m_1 x_1'' = -k_1 x_1 + k_2(x_2 - x_1)` :math:`m_2 x_2'' = -k_2(x_2 - x_1) - k_3 x_2` 写成矩阵形式：:math:`M x'' = -Kx` **生态系统模型** Lotka-Volterra方程（捕食者-猎物模型）： :math:`\frac{dx}{dt} = ax - bxy`（猎物） :math:`\frac{dy}{dt} = -cy + dxy`（捕食者） 其中x是猎物数量，y是捕食者数量。 5. 稳定性理论 =================================== 5.1 平衡点及其分类 --------------------- **平衡点的定义** 对于自治系统 :math:`\frac{dy}{dt} = f(y)` ，满足 :math:`f(y_0) = 0` 的点 :math:`y_0` 称为平衡点。 **线性系统的平衡点** 考虑 :math:`\frac{dy}{dt} = Ay` ，平衡点在 :math:`y = 0` 处。 根据特征值 :math:`\lambda_1, \lambda_2` 的情况分类： 1. **节点（Node）**：两个实特征值同号 - 稳定节点：:math:`\lambda_1 < 0` ，:math:`\lambda_2 < 0` - 不稳定节点：:math:`\lambda_1 > 0` ，:math:`\lambda_2 > 0` 2. **鞍点（Saddle）**：两个实特征值异号 3. **焦点（Focus）**：共轭复根 :math:`\alpha \pm i\beta` - 稳定焦点：:math:`\alpha < 0` - 不稳定焦点：:math:`\alpha > 0` 4. **中心（Center）**：纯虚根 :math:`\pm i\beta` **相图** 在相平面上描绘解的几何行为，展示平衡点附近的轨迹。 5.2 李雅普诺夫稳定性 --------------------- **稳定性定义** - **稳定**：对于任意 :math:`\varepsilon > 0` ，存在 :math:`\delta > 0` ，使得当 :math:`||y(0)|| < \delta` 时，对所有 :math:`t \geq 0` 有 :math:`||y(t)|| < \varepsilon` - **渐近稳定**：稳定且 :math:`\lim_{t\to\infty} y(t) = y_0` - **不稳定**：不稳定的平衡点 **李雅普诺夫函数** 如果存在连续可微函数V(y)满足： 1. :math:`V(y_0) = 0` ，且当 :math:`y \neq y_0` 时 :math:`V(y) > 0` 2. 在平衡点附近，:math:`\frac{dV}{dt} \leq 0` 则平衡点是稳定的。如果 :math:`\frac{dV}{dt} < 0` （ :math:`y \neq y_0` ），则平衡点是渐近稳定的。 **应用实例** 考虑系统： :math:`\frac{dx}{dt} = -x^3` :math:`\frac{dy}{dt} = -x^2 y` 构造李雅普诺夫函数：:math:`V(x,y) = x^2 + y^2` :math:`\frac{dV}{dt} = 2x\frac{dx}{dt} + 2y\frac{dy}{dt} = 2x(-x^3) + 2y(-x^2 y) = -2x^4 - 2x^2 y^2 \leq 0` 因此，平衡点(0,0)是稳定的。 5.3 线性化方法 --------------------- **雅可比矩阵** 对于非线性系统 :math:`\frac{dy}{dt} = f(y)` ，在平衡点 :math:`y_0` 处线性化： J = Df(y_0)（雅可比矩阵） **线性化定理** 如果线性化系统的所有特征值都有负实部，则非线性系统的平衡点是渐近稳定的。如果至少有一个特征值有正实部，则平衡点是不稳定的。 .. container:: example-box **例题** 考虑系统： dx/dt = -x + xy dy/dt = -y + x² 平衡点：解 -x + xy = 0和 -y + x² = 0 得平衡点(0,0)和(1,1) 在(0,0)处： f₁(x,y) = -x + xy，∂f₁/∂x = -1 + y，∂f₁/∂y = x f₂(x,y) = -y + x²，∂f₂/∂x = 2x，∂f₂/∂y = -1 雅可比矩阵：J = [[-1, 0], [0, -1]] 特征值：λ₁ = -1，λ₂ = -1 都是负实部，因此(0,0)是渐近稳定的。 6. 拉普拉斯变换方法 =================================== 6.1 拉普拉斯变换的定义 ---------------------------------------------- **拉普拉斯变换** 对于函数f(t)，其拉普拉斯变换定义为： .. math:: L{f(t)} = F(s) = \int_0^{\infty} e^{-st}f(t)dt 其中s是复数。 **常用变换** .. math:: L\{1\} = \frac{1}{s} .. math:: L\{t\} = \frac{1}{s^2} .. math:: L\{t^n\} = \frac{n!}{s^{n+1}} .. math:: L\{e^{at}\} = \frac{1}{s-a} .. math:: L\{\sin(at)\} = \frac{a}{s^2 + a^2} .. math:: L\{\cos(at)\} = \frac{s}{s^2 + a^2} **导数的变换** .. math:: L\{f'(t)\} = sF(s) - f(0) .. math:: L\{f''(t)\} = s^2F(s) - sf(0) - f'(0) .. math:: L\{f^{(n)}(t)\} = s^nF(s) - s^{n-1}f(0) - \cdots - f^{(n-1)}(0) 6.2 求解微分方程 --------------------- **求解步骤** 1. 对微分方程两边进行拉普拉斯变换 2. 利用初始条件和变换性质，得到关于F(s)的代数方程 3. 解出F(s) 4. 进行拉普拉斯逆变换得到f(t) .. container:: example-box **例题** 求解y'' + 3y' + 2y = 0，y(0) = 1，y'(0) = 0 拉普拉斯变换： s²Y(s) - sy(0) - y'(0) + 3[sY(s) - y(0)] + 2Y(s) = 0 (s² + 3s + 2)Y(s) - s - 3 = 0 Y(s) = (s + 3)/(s² + 3s + 2) = (s + 3)/[(s + 1)(s + 2)] 部分分式分解： (s + 3)/[(s + 1)(s + 2)] = A/(s + 1) + B/(s + 2) s + 3 = A(s + 2) + B(s + 1) = (A + B)s + (2A + B) 比较系数：A + B = 1，2A + B = 3 解得：A = 2，B = -1 Y(s) = 2/(s + 1) - 1/(s + 2) 拉普拉斯逆变换： y(t) = 2e^(-t) - e^(-2t) 6.3 卷积定理 --------------------- **卷积的定义** 两个函数f(t)和g(t)的卷积定义为： .. math:: (f * g)(t) = \int_0^{t} f(\tau)g(t - \tau)d\tau **卷积定理** :math:`\mathcal{L}\{f * g\} = F(s)G(s)` 因此：:math:`\mathcal{L}^{-1}\{F(s)G(s)\} = f * g` **应用** 用于求解有激励项的微分方程。 例如：求解 :math:`y'' + y = f(t)` ， :math:`y(0) = y'(0) = 0` 拉普拉斯变换：:math:`(s^2 + 1)Y(s) = F(s)` :math:`Y(s) = \frac{F(s)}{s^2 + 1} = F(s) \cdot \mathcal{L}\{\sin(t)\}` 由卷积定理：:math:`y(t) = f * \sin(t) = \int_0^{t} f(\tau)\sin(t - \tau)d\tau` 7. 幂级数解法 =================================== 7.1 幂级数解的基本理论 ---------------------------------------------- **适用情况** 当微分方程的系数不是常数，或者不能用初等方法求解时，可以使用幂级数解法。 **幂级数的形式** 假设解的形式为： .. math:: y(x) = \sum_{n=0}^{\infty} a_nx^n = a_0 + a_1x + a_2x^2 + \cdots **求解步骤** 1. 将y, y', y''等用幂级数表示 2. 代入微分方程 3. 比较同次幂的系数，得到递推关系 4. 求出系数 :math:`a_n` .. container:: example-box **例题** 求解y'' - xy = 0（Airy方程） 设y = Σaₙxⁿ y' = Σ(n+1)a_(n+1)xⁿ y'' = Σ(n+2)(n+1)a_(n+2)xⁿ 代入得：Σ(n+2)(n+1)a_(n+2)xⁿ - xΣaₙxⁿ = 0 Σ(n+2)(n+1)a_(n+2)xⁿ - Σaₙx^(n+1) = 0 调整指标：Σ(n+2)(n+1)a_(n+2)xⁿ - Σa_(n-1)xⁿ = 0（n ≥ 1） 比较系数：(n+2)(n+1)a_(n+2) - a_(n-1) = 0 递推关系：a_(n+2) = a_(n-1)/[(n+2)(n+1)] 由a₀和a₁确定所有系数。 8. 常微分方程的应用 =================================== 8.1 物理学中的应用 --------------------- **力学** - 自由落体：:math:`m\frac{d^2 x}{dt^2} = mg` - 阻尼振动：:math:`m\frac{d^2 x}{dt^2} + c\frac{dx}{dt} + kx = 0` - 受迫振动：:math:`m\frac{d^2 x}{dt^2} + c\frac{dx}{dt} + kx = F_0 \cos(\omega t)` **电磁学** - RC电路：:math:`RC\frac{dV}{dt} + V = E` - RLC电路：:math:`L\frac{d^2 I}{dt^2} + R\frac{dI}{dt} + \frac{I}{C} = \frac{dE}{dt}` **热传导** 一维热传导方程：:math:`\frac{\partial u}{\partial t} = \alpha \frac{\partial^2 u}{\partial x^2}` 8.2 工程学中的应用 --------------------- **控制系统** 控制系统的传递函数就是微分方程的拉普拉斯变换。 **化学反应动力学** 反应速率方程：d[A]/dt = -k[A] **生物学** 种群增长：:math:`\frac{dN}{dt} = rN\left(1 - \frac{N}{K}\right)` 传染病模型：SIR模型 8.3 经济学中的应用 --------------------- **经济增长模型** Solow模型：:math:`\frac{dk}{dt} = s f(k) - (n + g + \delta)k` **期权定价** Black-Scholes方程：:math:`\frac{\partial V}{\partial t} + \frac{1}{2}\sigma^2 S^2 \frac{\partial^2 V}{\partial S^2} + rS\frac{\partial V}{\partial S} - rV = 0` 9. 数值解法 =================================== 9.1 欧拉方法 --------------------- **基本思想** 用差商近似导数： :math:`\frac{dy}{dx} \approx \frac{y(x + h) - y(x)}{h}` 因此：:math:`y(x + h) \approx y(x) + h f(x, y(x))` **迭代公式** :math:`y_{n+1} = y_n + h f(x_n, y_n)` **误差** 局部截断误差为 :math:`O(h^2)` ，全局截断误差为 :math:`O(h)` 。 9.2 龙格-库塔方法 --------------------- **二阶龙格-库塔方法** :math:`k_1 = h f(x_n, y_n)` :math:`k_2 = h f(x_n + h, y_n + k_1)` :math:`y_{n+1} = y_n + \frac{k_1 + k_2}{2}` **四阶龙格-库塔方法** :math:`k_1 = h f(x_n, y_n)` :math:`k_2 = h f(x_n + h/2, y_n + k_1/2)` :math:`k_3 = h f(x_n + h/2, y_n + k_2/2)` :math:`k_4 = h f(x_n + h, y_n + k_3)` :math:`y_{n+1} = y_n + \frac{k_1 + 2k_2 + 2k_3 + k_4}{6}` 四阶龙格-库塔方法的局部截断误差为 :math:`O(h^5)` ，全局截断误差为 :math:`O(h^4)` 。 9.3 多步方法 --------------------- **Adams-Bashforth方法** 利用前几步的信息来计算下一步的值。 二阶Adams-Bashforth： :math:`y_{n+1} = y_n + \frac{3}{2}h f(x_n, y_n) - \frac{1}{2}h f(x_{n-1}, y_{n-1})` **Adams-Moulton方法** 隐式方法，精度更高。 二阶Adams-Moulton： :math:`y_{n+1} = y_n + \frac{1}{2}h f(x_{n+1}, y_{n+1}) + \frac{1}{2}h f(x_n, y_n)` 需要用迭代方法求解。 10. 总结与展望 =================================== 常微分方程是连接数学理论与工程实践的桥梁，为物理、工程、生物、经济等领域提供了强有力的建模和分析工具。 **核心价值** - 提供了描述变化规律的数学语言 - 建立了从实际问题到数学模型的转化方法 - 发展了多种解析和数值求解技术 - 形成了完整的稳定性理论 **学习建议** - 熟练掌握基本解法：分离变量、积分因子、特征方程法 - 理解解的结构：齐次解 + 特解 - 重视物理意义的理解 - 掌握数值方法的应用 **进阶方向** - 偏微分方程 - 动力系统理论 - 分岔与混沌 - 随机微分方程 - 延迟微分方程 常微分方程不仅是数学的一个分支，更是科学和工程领域的基础工具，掌握它将为你的学习和研究提供强大的支持。