高阶差分方程的解
差分方程
(2) yx2 yx4 yx2
解 (1) x 3 x 3，
(1)是三阶差分方程；
(2) x 2 ( x 4) 6，
(2)是六阶差分方程.
2.差分方程的解
如果函数y φ( x)代入差分方程后，方程两 边恒等，则称此函数为该差分方程的解.
差分方程的通解
含有相互独立的任意常数的个数与差分方程的 阶数相同的差分方程的解.
yxn a1yxn1 an1yx1 an yx f x 2
的一个特解, Yx 是与(2)对应的齐次方程(1)的通
解, 那么 yx Yx yx* 是 n 阶常系数非齐次线性差分
方程(2)的通解.
由此可见，要求出n阶常系数非齐次线性差分方 程（2）的通解，只需求出（1）的通解和（2） 的一个特解即可.
解 设y x 2，则
yx ( x2 ) ( x 1)2 x2 2x 1 2 yx 2( x2 ) (2x 1)
2( x 1) 1 (2x 1) 2
3 yx 3 ( x2 ) 2 2 0
例 2 求下列函数的差分
(1)y loga x;
(2)y sinax
解 (1)yx yx1 yx
一阶常系数线性差分方程的解法
一阶常系数齐次线性差分方程的一般形式
yx1 ayx 0(a 0为常数)
1
一阶常系数非齐次线性差分方程的一般形式
y x1 ayx f ( x)
2
(a 0为常数，f x 0)
注：1为2所对应的一阶常系数齐次线性差分方程.
一 、一阶常系数齐次线性差分方程的求解
例题 教材 208页 例3，例4
例1 求2 yx1 yx 0的通解.
1
解 a
2
差 分 方 程 的 通 解 为Yx
差分方程解法及其在离散系统中的应用
差分方程解法及其在离散系统中的应用差分方程是数学中一类重要的离散数学方程，广泛应用于动态系统建模和离散事件系统的分析。
本文将介绍差分方程的解法以及它在离散系统中的应用。
一、差分方程的定义和基本概念差分方程是一种以离散形式描述系统变化的数学方程。
其基本形式为：Δyₙ = f(n, yₙ₋₁)其中，Δyₙ为相邻两个时刻n和n-1之间y的变化量，f(n, yₙ₋₁)为给定时刻n和n-1之间的函数关系。
二、差分方程求解的方法对于简单的差分方程，可以直接通过迭代求解。
例如，对于一阶线性差分方程：Δyₙ = k其中，k为常数。
可以通过重复应用这一关系求解，即：yₙ = y₀ + kₙ其中，y₀为初始条件，kₙ为Δyₙ在不同时刻的取值。
对于更复杂的差分方程，可以采用数值方法求解，如欧拉法、龙格-库塔法等。
这些方法可以通过将差分方程转化为递推方程，并利用数值计算得到近似解。
三、离散系统中差分方程的应用1. 经济学中的应用差分方程可以用来描述经济系统中的离散变化。
例如，经济增长模型中的劳动力增长率、资本积累速度等，都可以通过差分方程来建模和分析。
2. 自然科学中的应用差分方程在物理学、生态学等自然科学领域中也有广泛的应用。
例如，天体运动、人口增长、物种竞争等系统的演化过程都可以用差分方程来描述和预测。
3. 计算机科学中的应用差分方程在计算机科学中的应用也是十分重要的。
例如，计算机网络中数据包的传输、媒体数据的压缩等问题，都可以通过差分方程来建模和解决。
四、差分方程解法的局限性和改进方法虽然差分方程是一种有效的数学工具，但其在一些特殊情况下存在局限性。
例如，对于非线性和高阶差分方程，常常难以求得解析解。
此时，可以利用数值方法进行近似求解，或者采用数值优化算法寻找最佳解。
总结：差分方程是一种重要的离散数学工具，广泛用于动态系统建模和离散事件系统的分析。
通过合适的差分方程求解方法，可以有效地描述和预测各种离散变化的系统。
差分方程的阶数
差分方程的阶数差分方程的阶数一、引言差分方程是离散时间系统的重要数学模型，它可以描述许多实际问题，如物理、工程、经济等领域中的动态过程。
在差分方程中，阶数是一个重要的概念，它决定了方程解的形式和求解方法。
本文将从阶数的定义、求解方法和应用等方面进行详细介绍。
二、阶数的定义1. 一阶差分方程一阶差分方程是指未知函数只含有一次时间导数的差分方程，即形如：y(n+1) = f(n, y(n))其中n表示时间步长，y(n)表示未知函数在第n个时间步长处的取值，f(n, y(n))表示已知函数关系。
由于该方程只含有一次时间导数，因此称为一阶差分方程。
2. 二阶差分方程二阶差分方程是指未知函数含有二次时间导数的差分方程，即形如：y(n+2) = f(n, y(n), y'(n), y''(n))其中y'(n)和y''(n)分别表示未知函数在第n个时间步长处的一次和二次时间导数。
由于该方程含有二次时间导数，因此称为二阶差分方程。
3. 高阶差分方程高阶差分方程是指未知函数含有高次时间导数的差分方程，即形如：y(n+k) = f(n, y(n), y'(n), ..., y^(k-1)(n))其中k为正整数，y^(k-1)(n)表示未知函数在第n个时间步长处的(k-1)次时间导数。
由于该方程含有高次时间导数，因此称为高阶差分方程。
三、求解方法1. 一阶差分方程对于一阶差分方程y(n+1) = f(n, y(n))，可以采用欧拉公式或泰勒公式进行逼近求解。
具体来说，可以将y(n+1)和y(n)在第n个时间步长处展开成泰勒级数：y(n+1) = y(n) + h*y'(n) + O(h^2)其中h表示时间步长。
将上式代入一阶差分方程中得到：y(n+1) = y(n) + h*f(n, y(n)) + O(h^2)将O(h^2)忽略不计，则得到欧拉逼近公式：y(n+1) ≈ y(n) + h*f(n, y(n))该公式可以用于迭代求解一阶差分方程的近似解。
(完整版)差分方程的常见解法
(完整版)差分方程的常见解法差分方程的常见解法差分方程是数学中的一种重要方程类型，常用于描述离散事件系统的发展规律。
在求解差分方程时，我们可以采用以下几种常见的解法。
1. 直接求解法直接求解法是最简单且常用的差分方程求解方法之一。
它的基本思想是通过观察差分方程的规律，找到解的形式，并通过代入验证得到确切的解。
举例来说，对于一阶线性差分方程$y_{n+1} = ay_n + b$，我们可以猜测解的形式为$y_n = c\lambda^n$，其中$c$和$\lambda$为待定常数。
将此解代入方程，再通过已知条件解得$c$和$\lambda$的值，从而得到原差分方程的解。
2. 特征方程法特征方程法是一种常用于求解线性齐次差分方程的方法。
对于形如$y_{n+2} = ay_{n+1} + by_n$的差分方程，我们可以通过构造特征方程来求解。
具体步骤是，我们将差分方程中的项移动到一边，得到$y_{n+2} - ay_{n+1} - by_n = 0$。
然后，假设解的形式为$y_n =\lambda^n$，将其代入方程，得到特征方程$\lambda^2 - a\lambda - b = 0$。
解这个特征方程，得到特征根$\lambda_1$和$\lambda_2$，然后通解的形式为$y_n = c_1\lambda_1^n + c_2\lambda_2^n$，其中$c_1$和$c_2$为待定常数。
3. Z 变换法Z 变换法是一种广泛应用于差分方程求解的方法，特别适用于线性时不变差分方程。
该方法的基本思想是将差分方程转化为代数方程，并利用 Z 变换的性质求解。
对于差分方程$y_{n+1} = ay_n + b$，通过取 Z 变换，我们可以得到转化后的方程$Y(z) = azY(z) + b \frac{1}{1 - z^{-1}}$，其中$Y(z)$代表$y_n$的Z 变换。
然后，将方程整理，求解得到$Y(z)$，再通过反 Z 变换将其转换为差分方程的解$y_n$。
《高阶差分方程式》课件
04
高阶差分方程式的应用实例
金融领域的应用实例
股票价格预测
高阶差分方程式可以用于描述股 票价格的动态变化，通过历史数 据来预测未来的股票价格走势。
风险评估
在金融领域，高阶差分方程式可 以用于评估投资组合的风险，通 过分析资产价格的变动规律来预 测未来的市场波动。
期货价格建模
在期货市场中，高阶差分方程式 可以用于建立期货价格模型，以 预测未来期货价格的变化趋势。
数值分析法求解高阶差分方程式
数值分析法是一种基于数值计算的方法，通过将高阶差分方程式转化为数值求解问题，利用数值计算的方法得到近似解。常 用的数值分析法包括欧拉法、龙格-库塔法等。
数值分析法的优点是适用范围广，可以求解各种类型的高阶差分方程式。然而，数值分析法的精度和稳定性取决于所选择的 数值方法和计算步长，需要进行合理的选择和控制。
解释
高阶差分方程式在数学、物理、工程等领域有广泛应用，用于描述各种动态系统的行为。
高阶差分方程式的形式
线性形式
如果差分方程中不含有 (y) 的非线性项，则称为 线性差分方程。例如：(y_{n+1} - 2y_n + y_{n1} = 0)。
非线性形式
如果差分方程中含有 (y) 的非线性项，则称为非 线性差分方程。例如：(y_{n+1}^2 - y_n^2 = 0) 。
物理学中的应用
高阶差分方程式在物理学中的波动方程、热传导方程等领域有广泛应用，为解决实际问 题提供了有效工具。
工程学中的应用
在工程学中，高阶差分方程式被用于描述信号处理、图像处理等领域的问题，推动了相 关领域的科技进步。
高阶差分方程式未来的研究方向
01
高效算法研究
求解差分方程的通解
求解差分方程的通解差分方程是微分方程的一种离散形式，是一种常见的数学模型。
在实际问题的建模过程中，差分方程可以用来描述离散的变化规律，求解差分方程的通解可以帮助我们了解系统的整体行为。
差分方程的通解指的是能够满足给定差分方程的所有解的集合。
与微分方程不同，差分方程的解是离散的，它们在连续的时间点上定义。
为了求解差分方程的通解，我们需要找到一般解和特解两部分。
我们来看一下一阶线性差分方程的通解求解方法。
一阶线性差分方程的一般形式为：$$y_{n+1} = a \cdot y_n + b$$其中，$a$和$b$是常数，$y_n$表示第$n$个时间点上的解。
为了求解这个差分方程的通解，我们可以使用递推法。
假设我们已经找到了一个特解$y_p$，它满足差分方程。
我们可以将特解代入差分方程中，然后求解出特解的递推关系式。
这个递推关系式可以用来逐步计算出所有时间点上的解。
接下来，我们来看一个具体的例子。
假设我们要求解差分方程$y_{n+1} = 2 \cdot y_n + 1$的通解。
我们猜测一个特解$y_p = k$，其中$k$是一个常数。
将特解代入差分方程中，得到$k = 2k + 1$。
解这个方程可以得到$k = -1$。
所以我们得到了一个特解$y_p = -1$。
接下来，我们可以使用递推法来求解通解。
根据递推法，我们可以得到递推关系式$y_{n+1} = 2 \cdot y_n + 1$。
我们可以从初始条件$y_0 = c$开始，逐步计算出所有时间点上的解。
通过递推关系式，我们可以得到$y_1 = 2 \cdot c + 1$，$y_2 = 2 \cdot (2 \cdot c + 1) + 1$，依此类推。
所以，差分方程$y_{n+1} = 2 \cdot y_n + 1$的通解可以表示为$y_n = -1 + 2^n \cdot (c + 1)$，其中$c$是一个常数。
以上就是求解一阶线性差分方程通解的一般方法。
差分方程的解法
差分方程的解法1. 引言差分方程是描述离散系统的一种数学工具。
在许多科学领域和工程应用中，差分方程被广泛使用，例如物理学、经济学和计算机科学等。
对于一个给定的差分方程，寻找其解法是非常重要的，因为解法可以帮助我们理解系统的演化和预测其行为。
2. 常用的差分方程解法下面介绍几种常用的差分方程解法：2.1. 递推法递推法是差分方程解法中最常见和最简单的一种方法。
该方法基于差分方程的递推关系，通过迭代计算不同时间步长下的解，并逐步逼近真实解。
递推法适用于一些简单的线性差分方程，例如一阶和二阶差分方程等。
2.2. 特征方程法特征方程法主要用于解线性恒定系数差分方程。
通过将差分方程转化为代数方程，然后求解特征方程的根，可以得到差分方程的通解。
特征方程法适用于一些具有周期性和稳定性的差分方程。
2.3. 变换法变换法是一种将差分方程转化为其他类型方程然后求解的方法。
常见的变换方法有Z变换、拉普拉斯变换和离散傅里叶变换等。
通过变换法，我们可以将差分方程转化为易于求解的形式，从而得到解析解或近似解。
2.4. 迭代法迭代法是一种通过迭代计算逼近差分方程解的方法。
常见的迭代方法有欧拉法、龙格-库塔法和蒙特卡洛方法等。
迭代法适合于解决非线性、复杂或高阶的差分方程，并能够提供数值解。
3. 解法选择的依据在选择差分方程的解法时，我们需要根据差分方程的特性和给定问题的要求来确定一个最合适的解法。
以下是一些选择解法的依据：- 差分方程的类型和形式：不同类型和形式的差分方程可能适用于不同的解法。
- 解的精确性要求：如果需要求得解的精确值，可以选择特征方程法或变换法；如果只需要求得近似解，可以选择递推法或迭代法。
- 计算效率和速度要求：某些解法可能更加高效和快速，适合在大规模计算中使用。
- 可行性和实际性要求：选择对于给定问题实现可行并且实际可行的解法。
4. 结论差分方程的解法多种多样，每种解法都各具特点和适用范围。
在实际应用中，我们需要根据问题的要求和特点选择最合适的解法。
差分方程求解
差分方程求解什么是差分方程差分方程是离散时间系统模型中常用的数学工具之一。
它描述了在不同时间点上，系统状态之间的关系，其中系统状态是离散的。
差分方程在许多科学领域都有应用，如物理学、工程学和经济学等。
差分方程可以看作是微分方程在离散时间上的等效形式。
微分方程描述了连续时间系统的动态行为，而差分方程描述了离散时间系统的动态行为。
差分方程通常通过递推关系来表示系统状态之间的转移。
差分方程的一般形式差分方程的一般形式可以表示为：x[n+1] = f(x[n], x[n-1], ..., x[n-k])其中，x[n]表示系统在时间点n的状态，f表示系统状态之间的转移函数，k表示系统的阶数。
差分方程的求解方法1. 递推法递推法是一种直接求解差分方程的方法。
通过已知初始条件x[0], x[1], ..., x[k]，可以逐步递推得到系统在任意时间点上的状态。
递推法的步骤如下：1.根据初始条件，求得x[k+1]；2.迭代计算，依次求得x[k+2], x[k+3], ...。
递推法的优点是简单易用，并且不需要求解复杂的代数方程。
但它的缺点是只能求得系统的局部解，无法得到整个系统的行为。
2. 特征根法特征根法是一种求解差分方程的解析方法。
通过求解差分方程的特征方程，可以得到系统的特征根，进而得到系统的解析解。
特征根法的步骤如下：1.将差分方程转化为对应的特征方程；2.求解特征方程，得到系统的特征根；3.根据特征根的性质，推导得到系统的解析解。
特征根法的优点是能够得到系统的全局解，对于高阶差分方程尤为适用。
但它的缺点是求解过程较为繁琐，需要具备一定的数学知识。
差分方程的应用举例差分方程在许多科学领域都有广泛的应用。
以下是几个常见的应用举例：1. 自然科学中的应用在物理学和工程学等领域中，差分方程常用于描述动态系统的行为。
例如，可以用差分方程描述弹簧振子的运动过程、电路中电流的变化等。
2. 经济学中的应用在经济学中，差分方程常用于描述经济系统的演化过程。
高等数学中的差分方程相关知识点详解
高等数学中的差分方程相关知识点详解在高等数学中，差分方程是一个非常重要的数学工具，它被广泛应用于各种科学领域，如物理、化学、工程学等。
差分方程与微分方程不同，在处理离散数据时更加方便，因此在实际应用中得到了广泛的应用。
接下来，我们将详细介绍差分方程的相关知识点。
1.差分方程的定义差分方程是一种用递推关系式描述离散变量间数值关系的数学工具，通常表示为：$a_n=F(a_{n-1},a_{n-2},...,a_{n-k})$其中，$a_n$表示一个数列的第$n$项，$k$为正整数，$F$为给定的函数。
差分方程起始值$a_0,a_1,...,a_{k-1}$也是给定的。
2.差分方程的求解方法求解差分方程的过程与求解微分方程的过程类似，需要先求出差分方程的通解，然后根据初始条件得到特解。
（1）求通解对于一个$k$阶差分方程，我们可以猜测一个$k$次线性递推数列$\{b_n\}$，即$b_n=c_1\lambda_1^n+c_2\lambda_2^n+...+c_k\lambda_k^n$，其中$c_1,c_2,...,c_k$是任意常数，$\lambda_1,\lambda_2,...,\lambda_k$是$k$个根。
将猜测的线性递推数列带入差分方程中得到：$c_1\lambda_1^n+c_2\lambda_2^n+...+c_k\lambda_k^n=F(c_1\la mbda_1^{n-1}+c_2\lambda_2^{n-1}+...+c_k\lambda_k^{n-1},c_1\lambda_1^{n-2}+c_2\lambda_2^{n-2}+...+c_k\lambda_k^{n-2},...,c_1\lambda_1^{n-k}+c_2\lambda_2^{n-k}+...+c_k\lambda_k^{n-k})$整理得到：$c_1(\lambda_1^n-F(\lambda_1^{n-1},\lambda_1^{n-2},...,\lambda_1^{n-k}))+c_2(\lambda_2^n-F(\lambda_2^{n-1},\lambda_2^{n-2},...,\lambda_2^{n-k}))+...+c_k(\lambda_k^n-F(\lambda_k^{n-1},\lambda_k^{n-2},...,\lambda_k^{n-k}))=0$由于$c_1,c_2,...,c_k$是任意常数，因此需要使方程的每个系数都等于$0$，也就是：$\lambda_1^n-F(\lambda_1^{n-1},\lambda_1^{n-2},...,\lambda_1^{n-k})=0$$\lambda_2^n-F(\lambda_2^{n-1},\lambda_2^{n-2},...,\lambda_2^{n-k})=0$...$\lambda_k^n-F(\lambda_k^{n-1},\lambda_k^{n-2},...,\lambda_k^{n-k})=0$将上述$k$个方程写成矩阵的形式，即可解得$\lambda_1,\lambda_2,...,\lambda_k$。
高阶微分方程的数值解法
高阶微分方程的数值解法
高阶微分方程是用于描述非线性系统动力学行为的常用方法，其解决方案由微分方程决定。
求解高阶微分方程的数值解法有以下几种：
一、传统数值方法
1. 欧拉法：欧拉法是将高阶微分方程转化为一组低阶初值问题来求解，是一种常用的数值解法，能够很好地模拟复杂不可逆多次微分方程。
2. 高斯消元法：高斯消元法是指将高阶微分方程转换为可以使用高斯消元法求解的逐步线性方程组，从而获得解。
3. 差分格式：差分格式是将高阶微分方程转化为具有划定范围和步长的一组离散差分方程。
然后再使用数值技术，比如迭代法和插值法来求解离散差分方程，从而找到解。
二、基于精确解的方法
1. 拉格朗日 - 马夸特方法：拉格朗日 - 马夸特方法在一定允许误差范围内给出较准确的结果，对于常微分方程第二阶，能构造出唯一的精确解。
2. 高斯 - 勒兹方法：高斯 - 勒兹方法是一种求解高阶微分方程的标准方法，可以在定义域上构造出若干的步数节点，从而建立一个高斯 - 勒兹矩阵，由此给出一组精确解。
3. 拉普拉斯变换：拉普拉斯是一种快速数值方法，可以将高阶微分方程转换为简单的拉普拉斯方程，利用精确的伽玛函数解法获取精确解。
三、其他方法
1. 有限元法：有限元法是一种分析 `复杂结构` 动力学等多物理场耦合问题的有效方法，可以以有限元素作为基础进行数值模拟，从而解决高阶微分方程问题。
2. 加速多项式算法：加速多项式算法，也称利舒尔算法，可以连续上溯，从而求解高阶微分方程问题，也可用于处理阶梯函数和回旋函数的解。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
•余函数 –特征方程
b 2 − γ (1 + α )b1 + αγ = 0
>
实根 > 2 − a1 ± a1 − 4a2 4α b1, 2 = 4a2 ⇒ γ 2 (1 + α ) 2 = 4γ ⇒ γ = ，a12？ 重根 2 2 (1 + α ) < 复根 <
( vi ) 0 < b < 1 ⇒ 0 < γ ≤ 1; b1b2 = αγ < 1 收敛 (v) b > 1 ⇒ 0 < γ < 1; b1b2 = αγ > 1 发散
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．２ Ｓａｍｕｅｌｓｏｎ乘数加速互作用模型 –稳定性 – 复根
n
稳定性分析 –复根 b2 − γ (1 + α )b1 + αγ = 0
( vi ) 0 < b < 1 ⇒ 0 < γ ≤ 1; b1b2 = αγ < 1 收敛 (v) b > 1 ⇒ 0 < γ < 1; b1b2 = αγ > 1 发散
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．２ Ｓａｍｕｅｌｓｏｎ乘数加速互作用模型 –稳定性 – 重根
n
稳定性分析 –重根
t yct = A1b1t + A2b2
n
时间路径的收敛性 － 特征根的分布
− a1 ± a12 − 4a2 b1, 2 = 2
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．２ Ｓａｍｕｅｌｓｏｎ乘数加速相互作用模型
n
假设 –加速原理与凯恩斯乘数一起发生作用时，收入 决定的动态过程 •国民收入 － 消费 ＋ 投资 ＋ 政府支出
n
参数ａｌｐｈａ、ｇａｍｍａ分布
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．３ 离散时间条件下的通货膨胀与失业
n
n
模型 –微分方程／差分方程 •ｐ –通货膨胀率 价格水平增长率 •ｐｉ –预期通货膨胀率 •Ｕ –失业率 pt = α − T − βU t + hπ t •ｍ –名义货币增长率 ∆π t +1 = π t +1 − π t = j ( pt − π t ) •Ｔ –劳动生产增长率 ∆U t +1 = U t +1 − U t = −k ( m − pt +1 ) 关于实际通货膨胀率的差分方程
c a + a + 1 , if a1 + a2 ≠ −1 1 2 y pt = c t , if a + a = −1 1 2 a1 + 2
yt +2 + a1 yt +1 + a2 yt = 0；尝试：yt +1 = Abt +1 特征方程：A(bt +2 + a1bt +1 + a2bt ) = 0 − a1 ± a12 − 4a2 − a1 ± 4a2 − a12 b1, 2 = 或 2 2 t yct = A1b1t + A2b2 或 A1 ( h + vi )t + A2 (h − vi )t = R t cos(θt + φ0 )
n
常系数和常数项的二阶线性差分方程
yt +2 + a1 yt +1 + a2 yt = c
n
Ｚ 变换／ＬＡＰＬＡＣＥ变换
z −2 + a1 z −1 + a2 = c
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．１ 常系数和常数香项的二阶线性差分方程 – 解 的表示
n
特殊积分 余函数
n
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
(ix ) 0 < R < 1 ⇒ b1b2 = αγ < 1 收敛 ( xi ) R ≥ 1 ⇒ b1b2 = αγ ≥ 1 发散
１７．２ Ｓａｍｕｅｌｓｏｎ乘数加速互作用模型 –稳定性 条件
n
稳定性条件
收敛 iff αγ < 1
n
Hale Waihona Puke Ｓａｍｕｅｌｓｏｎ模型有关参数ｇａｍｍａ、ａｌｐｈａ的关系
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．１ 常系数和常数香项的二阶线性差分方程
n
二阶差分
∆2 yt ≡ ∆( ∆( yt )) = ∆( yt +1 − yt ) = ( yt + 2 − yt +1 ) − ( yt +1 − yt ) = yt + 2 − 2 yt +1 + yt
b2 − γ (1 + α )b1 + αγ = 0 a12 − 4a2 = [ −γ (1 + α )]2 − 4αγ ≡ 0
n
重根分布区间 –ｂ ｉｎ （０，１］
( vi ) 0 < b < 1 ⇒ 0 < γ < 1;αγ < 1 ( vii ) b1 = 1 ⇒ γ = 1 ( viii ) b > 1 ⇒ γ < 1;αγ > 1
示例：yt + 2 + yt +1 − 3 yt = 7 t Q ∆1 7 t = 7 t +1 − 7 t = 61 × 7 t ， ∆2 (7 t ) = 6 × 7 t +1 − 6 × 7 t = 6 2 × 7 t ， ∆n (7 t ) = 6 n −1 × 7 t +1 − 6 n −1 × 7 t = 6 n × 7 t ∴ 特别积分yt = B × 7 t
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．２ Ｓａｍｕｅｌｓｏｎ乘数加速互作用模型 –稳定性 – 相异实根
n
稳定性分析 － 两个相异的实根
•实根符号
b1b2 =αγ
0 < (1 − b1 )(1 − b2 ) = 1 − γ < 1 ⇒ ？
b1 + b2 =γ (1+α )
0 < γ < 1, α > 0 ⇒ bi符号一样
∆pt = β∆U t + h∆π t 1 + hj + (1 − j )(1 + βk ) 1 − j (1 − h ) jβkm p t +2 − pt +1 + pt = 1 + βk 1 + βk 1 + βk
p = α − T − βU + hπ dπ = j( p − π ) dt dU = −k (m − p ) dt
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．２ Ｓａｍｕｅｌｓｏｎ乘数加速互作用模型 – 根的分布
n
违达定理 –
•两根之和为一次项系数 •两根之积为常数项
b2 − γ (1 + α )b1 + αγ = 0 b1, 2 =
− a1 2 2 a ±1 1 − 4 a2 2
b1 + b2 = γ (1 + α ) b1b2 = αγ (1 − b1 )(1 − b2 ) = 1 − (b1 + b2 ) + b1b2 = 1−γ
•分析方法
１７．３ 离散时间条件下的通货膨胀与失业 –通货膨胀率分析
n
关于Ｕ的分析
货币政策： U t +1 − U t = −k (m − pt +1 ) （ 1 + βk）U t +1 − U t = k (α − T − m) + khπ t +1 差分上式 : （ 1 + βk）U t + 2 − (2 + βk )U t +1 + U t = kh(π t + 2 − π t +1 )
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
(i ) 0 < b2 < b1 < 1 ⇒ 0 < γ ≤ 1; b1b2 = αγ < 1 收敛 ( v ) 1 < b2 < b1 ⇒ 0 < γ < 1; b1b2 = αγ > 1 发散
１７．２ Ｓａｍｕｅｌｓｏｎ乘数加速互作用模型 –稳定性 – 重根
© ２００４ Ｍｉｎｇ－Ｈｅｎｇ／ＩＴＱｕａｎｔ™
１７．３ 离散时间条件下的通货膨胀与失业 –通货膨 胀率分析
n
ｐ的时间路径及稳定性分析 •特别积分 － 均衡的通货膨胀等于货币扩张率
P= c jβkm = =m jβk 1 + a1 + a2
•时间路径 –特征根的判别
∇ = a1 = 4a2 iff [1 + hj + (1 - j)(1 + βk)] = 4[1 − j (1 − h )][1 + βk ]
第17章 高阶差分方程
• 动态经济学 –存储过程效应/滞后 • 高阶差分方程刻画
– 时间路径 – 增长趋势
• 高阶差分方程的解
– 特别积分 – 齐次方程的解 – 相位图
• 内容 • • • • • • • 离散时间、差分与差分方程 高阶差分方程的解 均衡的动态稳定性 Ｓａｍｕｅｌｓｏｎ 乘数加速相互作用模型 通货膨胀与失业模型 可变项与高阶方程 收敛性与Ｓｃｈｕｒ定理
⇒
bi为正的 ⇒ 不会振荡
•实根分布区间 –ｂ１，２ ｉｎ （０，１］
(i ) 0 < b2 < b1 < 1 ⇒ 0 < γ ≤ 1; b1b2 = αγ < 1 (ii ) 0 < b2 < b1 = 1 ⇒ γ = 1 (iii ) 0 < b2 < 1 < b1 ⇒ γ > 1 (iv ) 1 = b2 < b1 ⇒ γ = 1 ( v ) 1 < b2 < b1 ⇒ 0 < γ < 1; b1b2 = αγ > 1