微分方程的经典求解方法
数学中的微分方程及其应用
数学中的微分方程及其应用微分方程是一种具有广泛应用的数学方法，它可以描述很多自然现象和工程问题。
微分方程可以求解出一个函数，它的某个导数与函数本身之间的关系。
微分方程的研究既有理论上的意义，也有实际的应用。
下面，我们将探讨微分方程的概念、分类、求解方法以及一些应用。
微分方程的概念微分方程是描述某个函数与其导数之间关系的方程。
例如，dy/dx=2x+1就是一个微分方程，它表示y的导数等于2x+1。
我们可以通过求解这个微分方程，得到y随x的变化规律。
微分方程可以分为常微分方程和偏微分方程两种。
常微分方程是只含有一个自变量的微分方程，例如，dy/dx=2x+1就是一个一阶常微分方程。
而偏微分方程则含有多个自变量，例如，z=f(x,y)的偏导数方程∂z/∂x=2x+1就是一个一阶偏微分方程。
微分方程的求解方法微分方程的求解方法有很多种，常用的方法包括分离变量法、一阶线性微分方程、二阶常系数齐次微分方程等。
下面我们分别介绍这几种方法的基本原理。
（1）分离变量法分离变量法是处理一阶常微分方程中最常用的方法。
它的基本思路是将微分方程的两端分别含有不同的变量，然后分别积分。
例如，dy/dx=2x+1，我们可以将方程两边同时乘以dx，得到dy=(2x+1)dx，然后在两侧分别积分，得到y=x^2+x+C，其中C为积分常数。
（2）一阶线性微分方程一阶线性微分方程的一般形式为dy/dx+P(x)y=Q(x)，其中P(x)和Q(x)均为已知函数。
我们可以通过积分因子法，将线性微分方程化为可求解的形式。
积分因子是一个函数，可以乘到微分方程两侧，使得方程变为可积的形式。
（3）二阶常系数齐次微分方程二阶常系数齐次微分方程的一般形式为y''+by'+cy=0，其中b和c都是常数。
通过求解其特征方程r^2+br+c=0的根，我们可以得到方程的通解，通解的一般形式为y=C1e^(r1x)+C2e^(r2x)，其中C1和C2为积分常数，r1和r2为特征方程的两个根。
常系数微分方程的求解
常系数微分方程的求解1常系数微分方程概述常系数微分方程（Constant Coefficient Differential Equation,CCD），是指存在有限个常数系数的微分方程，即存在有m 个常数a1,a2,…,an的微分方程：y^(n)+a1y^(n-1)+a2y^(n-2)+...+an*y=0其中，y是函数，y^(n)是函数的n阶微分，当n>=0时，常系数微分方程称为普通的常系数微分方程，而当n<0时，称为被动的常系数微分方程。
2常系数微分方程的求解常系数微分方程的求解是数学分析学中的重要内容，目前已经形成了解该类问题的一些方法：（1）对于线性方程，采用求解线性常系数微分方程的一般解法，例如附加变量法、变特征值法等；（2）对于高阶非线性微分方程，采用求解微分方程的数值方法，即差分近似法，例如有限差分法、有限元法等；（3）对于常系数微分方程的拓展问题，则需要添加对应的拓展方法，例如组合数值分析法、Laplace变换法等；（4）对于非线性常系数微分方程的求解，采用求解非线性方程的数值方法，例如弦截法、分段线性化方法、图像法、牛顿迭代法等；（5）对于具有给定强行条件的常系数微分方程，有时需要采用求解条件方程的解析方法，例如克莱姆法、特征值法等；（6）综合方法，例如基于拟牛顿方法的滤波器法、基于随机变量的最大似然估计方法等。
3四个重要概念在学习常系数微分方程的求解时，要熟悉以下4个概念：（1）特征根：对于函数y=f(x)，它的特征根是指y'=0时的解。
所以，当一个微分方程有解时，那么它的特征根就可以成为方程解中特定变量x的“0值变化”点，即可将该方程分解为特征根和变量x的关系。
（2）特征方程：特征方程是指常系数微分方程的特征多项式及其对应的特征方程的求解问题。
特征多项式就是通过将常系数微分方程化为特征形式，转换出来的多项式。
在求解特征方程时，利用传统的多项式解法，即贝祖定理，计算出特征方程的特征根。
常微分方程的求解
18—1 常微分方程数值解法2§1 引言§2 Euler 方法§3 Runge －Kutta 方法§4 单步法的收敛性与稳定性§5 线性多步法§6 方程组与高阶方程的情况§7 边值问题的数值解法3§1 引言微分方程：关于一个未知函数的方程，方程中含有未知函数的（偏）导数，以及自变量等，其中关于未知函数导数的最高次数称为微分方程的阶数.例如：0)()(')()(''=++−x c y x b y x a x y4实际中，很多问题的数学模型都是微分方程. 常微分方程作为微分方程的基本类型之一，在理论研究与工程实际上应用很广泛. 很多问题的数学模型都可以归结为常微分方程. 很多偏微分方程问题，也可以化为常微分方程问题来近似求解.微分方程的应用情况5对于一个常微分方程：'(,) ,[,]dy y f x y x a b dx==∈为了使解存在，一般要对函数f 施加限制条件，例如要求f 对y 满足Lipschitz 条件：1212(,)(,)f x y f x y L y y −≤−6同时，一个有解的微分方程通常会有无穷多个解例如cos() sin(),dyx y x a a R dx=⇒=+∀∈为了使解唯一，需要加入一个限定条件. 通常会在端点出给出，如下面的初值问题：(,),[,]()dyf x y x a b dx y a y ⎧=∈⎪⎨⎪=⎩7常微分方程的解是一个函数，但是，只有极少数特殊的方程才能求解出来，绝大多数是不可解的.并且计算机没有办法对函数进行运算. 一般考虑其近似解法，一种是近似解析法，如逼近法、级数解法等，另一种是本章介绍的数值解法.8§2 Euler 方法92－1 Euler 公式对常微分方程初值问题：⎩⎨⎧==00')(),(y x y y x f y 数值求解的关键在于消除其中的导数项——称为离散化. 利用差商近似逼近微分是离散化的一个基本途径.10现在假设求解节点为),,1,0(m i ih a x i "=+=，其中ma b h −=为步长，这些节点相应的函数值为)(,),(1m x y x y ". 在点n x 处，已知))(,()('n n n x y x f x y =用n x 的向前差商nn n n x x x y x y −−++11)()(近似代替)('n x y ，如§1，则得到所谓的Euler 公式1(,)n n n n y y hf x y +=+——单步、显式格式11Euler 公式的局部截断误差：假设)(n n x y y =情况下，11)(++−n n y x y 称为局部截断误差.'''2311''23()()()()()2()(,()(()))2n n n n n n n n n y x y x y y x hy x h O h y x h y x f x y x h O h ++−=+++−−=+故有)(2)(''211n n n x y h y x y ≈−++. 122－2 后退的Euler 公式同样对常微分方程初值问题，在1+n x 点，已知))(,()(111'+++=n n n x y x f x y ，如果用向后差商hx y x y n n )()(1−+代替)(1'+n x y ，则得到后退的Euler 公式：111(,)n n n n y y hf x y +++=+——单步、隐式格式13相对于以上可以直接计算1+n y 的Euler 公式（显式），上式是隐式公式. 一般来讲，显式容易计算，而隐式具有更好的稳定性.求解上述公式，通常使用迭代法：对于给定的初值)0(1+n y，计算(1)()111(,)(0,1,)k k n n n n y y f x y k ++++=+="， 如果)(1lim k n k y +∞→收敛，则其极限必满足上述后退Euler 公式.14局部截断误差：假设)(n n x y y =，则),()(111++++=n n n n y x hf x y y .由于)]()[,())(,(),(1111111+++++++−+=n n n y n n n n x y y x f x y x f y x f η且''''2111(,())()()()()n n n n n f x y x y x y x hy x O h +++==++15则有'2''31111(,)[()]()()()()n y n n n n n n y hf x y y x y x hy x h y x O h η++++=−++++将此式减去式2'''31()()()()()2n n n n h y x y x hy x y x O h +=+++ 可得，2''311111()(,)[()]()()2n n y n n n n h y x y hf x y x y y x O h η+++++−=−−+16考虑到21111(,)()1(,)y n y n hf x O h hf x ηη++=++−，则有22''3''11()()()()22n n n n h h y x y y x O h y x ++−=−+≈−172－3 梯形公式由于上述两个公式的局部截断误差绝对值相等，符号相反，故求其算术平均得到梯形公式：111[(,)(,)]2n n n n n n hy y f x y f x y +++=++——单步、隐式格式18梯形法同样是隐式公式，可用下列迭代公式求解：(0)1(1)()111(,)[(,)(,)]2n n n n k k n n n n n n y y hf x y h y y f x y f x y +++++⎧=+⎪⎨=++⎪⎩局部截断误差：类似于后退Euler ，可计算出)(12)('''311n n n x y h y x y −≈−++192－4 改进的Euler 公式上述用迭代法求解梯形公式虽然提高了精度，但计算量也很大. 实际上常采用的方法是，用Euler 公式求得初始值（预测），然后迭代法仅施行一次（校正）——改进的Euler 公式：1111(,)[(,)(,)]2n n n n n n n n n n y y f x y hy y f x y f x y ++++⎧=+⎪⎨=++⎪⎩20估计上式中第二式当1+n y 为准确值时的局部截断误差：''11113(3)()()(()[()()])2()12n n n n n n n hy x y y x y x y x y x hy x ++++−=−++≈−212－5 Euler 两步公式如果用中心差商hx y x y n n 2)()(11−+−代替)('n x y ，则得Euler 两步公式112(,)n n n n y y hf x y +−=+——两步、显式格式22假设1−n y 及n y 均为准确值，利用Taylor 展式容易计算Euler 两步公式的局部截断误差为：11113(3)()()(()2(,()))()3n n n n n n n y x y y x y x hf x y x h y x +++−−=−+≈23此式与梯形公式相结合，得到如下的预测－校正公式：111112(,)[(,)(,)]2n n n n n n n n n n y y hf x y hy y f x y f x y −++++⎧=+⎪⎨=++⎪⎩假设第一式中的1−n y 及n y ，以及第二式中的n y 及1+n y 均是准确值，则有，2441)()(1111−≈−−++++n n n n y x y y x y 从而可得以下的事后估计式，111111114()()51()()5n n n n n n n n y x y y y y x y y y ++++++++⎧−≈−−⎪⎪⎨⎪−≈−⎪⎩25可以期望，以上式估计的误差作为计算结果的补偿，可以提高计算精度.以n p 及n c 分别表示第n 步的预测值和校正值，则有以下的“预测－改进－校正－改进”方案（其中在1+n p 与1+n c 尚未计算出来的前提下，以n n c p −代替11++−n n c p ：26预测：'112n n n hy y p +=−+预测的改进：)(5411n n n n c p p m −−=++计算：),(11'1+++=n n n m x f m校正：)(2'1'1++++=n n n n m y hy c校正的改进：)(511111++++−+=n n n n c p c y计算：),(11'1+++=n n n y x f y27例 用Euler 方法求解初值问题2'[0,0.6](0)1y y xy x y ⎧=−−∈⎨=⎩取0.2h =，要求保留六位小数. 解：Euler 迭代格式为2210.2()0.80.2k k k k k k k k y y y x y y x y +=+−−=−因此2821000(0.2)0.80.20.8y y y x y ≈=−= 22111(0.4)0.80.20.6144y y y x y ≈=−=23222(0.6)0.80.20.461321y y y x y ≈=−=29例 用改进的Euler 方法求解初值问题2'sin 0[0,0.6](0)1y y y x x y ⎧++=∈⎨=⎩取0.2h =，求(0.2),(0.4)y y 的近似值，要求保留六位小数.解：改进的Euler 格式为212211110.2(sin )0.2(sin sin )2k k k k k k k k k k k k k y y y y x y y y y x y y x +++++⎧=+−−⎪⎨=+−−−−⎪⎩30即，222110.820.08sin 0.1(0.80.2sin )sin k k k k k k k k y y y x y y x x ++=−−−则有1(0.2)0.807285y y ≈=，2(0.4)0.636650y y ≈=31§3 Runge －Kutta 方法Def.1如果一种方法的局部截断误差为)(1+p h O ，则称该方法具有p 阶精度. 323－2 Runge —Kutta 方法的基本思想上述的Taylor 级数法虽然可得到较高精度的近似公式，但计算导数比较麻烦. 这里介绍不用计算导数的方法.))(,()()()('1h x y h x f h x y hx y x y n n n n n θθθ++=+=−+——平均斜率.33如果粗略地以),(n n y x f 作为平均斜率，则得Euler 公式；如果以221K K +作为平均斜率，其中),(1n n y x f K =，),(112hK y x f K n n +=+，则得改进的Euler 公式.343－3 二阶的Runge －Kutta 方法对点n x 和)10(≤<+=+p ph x x n p n ，用这两点斜率的线性组合近似代替平均斜率，则得计算公式：11122121()(,)(,)n n n n n p n y y h K K K f x y K f x y phK λλ++⎧=++⎪=⎨⎪=+⎩35现确定系数p ,,21λλ，使得公式具有二阶精度. 因为，取n y 为()n y x ，则'1(,)(,())'()n n n n n nK f x y f x y x y x y === 再把2K 在),(n n y x 处展开，有36'21(,)(,)n p n n n n K f x y phK f x ph y phy +=+=++代入可得，'2''31122()()n n n n y y hy ph y O h λλλ+=++++'2(,)(,)(,)()n n x n n y n n n f x y f x y ph f x y phy O h =+⋅+⋅+'2(')(,)()n x y n n y ph f f y x y O h =+⋅+⋅+'''2()n n y ph y O h =+⋅+37相比较二阶Taylor 展开''2'12n n n n y h hy y y ++=+，有，⎪⎩⎪⎨⎧==+211221p λλλ满足此条件的公式称为二阶Runge －Kutta 公式.38可以验证改进的Euler 公式属于二阶Runge －Kutta 公式. 下列变形的Euler 公式也是二阶Runge －Kutta 公式：12121(,)(,)22n n n n n n y y hK K f x y h h K f x y K +⎧⎪=+⎪=⎨⎪⎪=++⎩393－4 三阶Runge －Kutta 公式同二阶Runge －Kutta 公式，考虑三点,,(01)n n p n q x x x p q ++≤≤≤试图用它们的斜率321,,K K K 的线性组合近似代替平均斜率，即有如下形式的公式：1112233121312()(,)(,)(,())n n n n n n n n y y h K K K K f x y K f x ph y phK K f x qh y qh rK sK λλλ+=+++⎧⎪=⎪⎨=++⎪⎪=+++⎩40把32,K K 在),(n n y x 处展开，通过与)(1+n x y 在n x 的直接Taylor 展式比较，可确定系数s r q p ,,,,,,321λλλ，满足下式，从而使得上述公式具有三阶精度，41特别地，2,1,1,21,32,61231=−======s r q p λλλ是其一特例.123232223311213161p q p q pqs r s λλλλλλλλ++=⎧⎪⎪+=⎪⎪⎪+=⎨⎪⎪=⎪⎪+=⎪⎩423－5 四阶Runge －Kutta 公式相同的方法，可以导出下列经典的四阶Runge －Kutta 公式：112341213243(22)6(,)(,)22(,)22(,)n n n n n n n n n n h y y K K K K K f x y h h K f x y K h h K f x y K K f x h y hK +⎧=++++⎪⎪=⎪⎪⎪=++⎨⎪⎪=++⎪⎪=++⎪⎩43例 用经典四阶Runge —Kutta 方法求解初值问题'83[0,0.4](0)1y y x y =−⎧∈⎨=⎩，取0.2h =，求(0.4)y 的近似值，要求保留六位小数.解：四阶Runge —Kutta 格式为44112341211123122241330.2(22)6(,)830.2(,)83(0.1) 5.6 2.120.2(,)83(0.1) 6.32 2.372(,0.2)83(0.2) 4.208 1.578k k k k k k k k k k k kk k k k ky y K K K K K f x y y K f x y K y K yK f x y K y K y K f x y K y K y ++++⎧=++++⎪⎪==−⎪⎪⎪=+=−+=−⎨⎪⎪=+=−+=−⎪⎪⎪=+=−+=−⎩则10.5494 1.2016k k y y +=+，45故12(0.2) 2.3004,(0.4) 2.4654y y y y ≈=≈=.注：由准确解382()33xy x e −=−可得(0.2) 2.300792,(0.4) 2.465871y y ==46§5 线性多步法基本思想：在计算1+i y 之前，已计算出一系列的近似值i y y ,,1"，如果充分利用这些已知信息，可以期望会获得更高精度的)(1+i x y 的近似值1+i y .基本方法：基于数值积分与基于Taylor 展开的构造方法.475－1 基于数值积分的构造方法对方程),('y x f y =两边从i x 到1+i x 积分，则得∫++=+1),()()(1i ix x i i dxy x f x y x y 设)(x P r 是f (x , y )的插值多项式，由此可得以下的一般形式的计算公式：∫++=+1)(1i ix x r i i dxx P y y 48例 取线性插值))(,())(,()(11111+++++−−+−−=i i i i ii i i i i r x y x f x x x x x y x f x x x x x P ，则得到梯形法：)],(),([2111+++++=i i i i i i y x f y x f hy y495－2 Adams 显式公式在区间],[1+i i x x 上利用r ＋1个数据点),(,),,(),,(11r i r i i i i i f x f x f x −−−−"构造插值多项式)(x P r ，由牛顿后插公式（注意到：j i j i j f f −Δ=∇）j i jrj j i r f j t th x P −=Δ⎟⎟⎠⎞⎜⎜⎝⎛−−=+∑0)1()(其中!)1()1(j j s s s j s +−−=⎟⎟⎠⎞⎜⎜⎝⎛". 50可得10rj i i rj i jj y y h f αΔ+−==+∑——Adams 显式公式其中1(1)j j t dt j α−⎛⎞=−⎜⎟⎝⎠∫，它可写成：∑=−++=rj ji rj i i f h y y 01β515－3 Adams 隐式公式在区间],[1+i i x x 上利用r ＋1个数据点),(,),,(),,(1111+−+−++r i r i i i i i f x f x f x "构造插值多项式)(x P r ，由牛顿后插公式101)1()(+−=+Δ⎟⎟⎠⎞⎜⎜⎝⎛−−=+∑j i jrj ji r f j t th x P 可得*11rj i i rj i j j y y h f α+−+==+Δ∑——Adams 隐式公式52其中01(1)jj t dt j −−⎛⎞α=−⎜⎟⎝⎠∫，它又可写成： *11ri i rj i j j y y h f β+−+==+∑535－4 Adams 预测－校正公式以r ＝3时的Adams 显式与隐式公式为例. 此时，显式公式为)9375955(243211−−−+−+−+=i i i i i i f f f f hy y 利用Taylor 展式，容易计算局部截断误差为)(720251)5(5i x y h . 54)5199(242111−−+++−++=i i i i i i f f f f hy y 同样利用Taylor 展开可得，其局部截断误差为5(5)19()720i h y x −. 隐式公式为55⎪⎩⎪⎨⎧+−++=−+−+=−−+++−−−+)519),(9(24)9375955(24211113211i i i i i i i i i i i i i f f f y x f hy y f f f f h y y 注 利用2－5节的相同作法同样可以构造更精确的计算过程.可构造利用显式预测，隐式校正的计算公式：56§6 方程组与高阶方程的情形6－1 一阶方程组常微分方程初值问题为⎩⎨⎧==00)(),('y x y y x f y 此时T m y y y ),,(1"=，Tm f f f ),,(1"=. 此时上述的一切方法均可使用，只是注意y 与f 此时为向量.576－2 化高阶方程为一阶方程组解下列的m 阶方程()(1)'(1)(1)000000(,,',,)(),'(),,()m m m m y f x y y y y x y y x y yx y −−−⎧=⎨===⎩""令)1(21,,',−===m m y y y y y y "，则有58'12'23'1'12(,,,,)m m m m y y y y y yy f x y y y −⎧=⎪=⎪⎪⎨⎪=⎪⎪=⎩#"初始条件为：)1(00'002001)(,,)(,)(−===m m y x y y x y y x y "。
3.3微分方程的拉氏变换求解方法
s1]3
s2
如何计算 A2？
4
暂态响应
暂态响应：拉普拉斯变换方法
情况 3-1：F(s) 具有一对共轭复数极点（分母具有二次多项式形式）
Y ( s ) Y ( s ) A A A zs 3 1 2 F ( s ) zs 2 2 X ( s ) ( s 2 n s )( s s ) s s s s s s n 3 1 2 3 A A A 1 2 3 2 2 s s s n j s n j 3 n 1 n 1
LT-1
Im
s t 2 2
[s]平面
f ( t ) A A e A e 0
s t 1 1
对于一个稳定系统，所有与通解相关的实极点 必须位于 S 平面的左半平面
Re
s1
s0
s2
系数 Ak 是 F(s) 在相应极点处的留数，因此一阶实极点的系数为
Y ( s ) Y ( s ) zs zs A [( s s ) ] [ ] k k s s s s k X ( s ) X ( s ) k
w w 1 Y ( s ) a s a s a s a zs w w 1 1 0 F ( s ) n n 1 X ( s ) s b s b s b n 1 1 0
其中，通常有 nw，F(s) 是系 统传递函数
特征函数--(s) (s)=0 是系统的特征方程
1 y ( t ) L [ F ( s ) X ( s )] zs
为了得到系统的时间响应，需要进行拉普拉斯逆变换
微分方程特解设法大全
微分方程特解设法大全
微分方程特解是指对于给定的微分方程，找到满足特定条件的解。
一般来说，微分方程的特解可以通过多种方法来求解，以下是一些常见的方法：
1. 分离变量法，对于一些可以通过变量分离的微分方程，可以使用分离变量法将变量分离后再进行积分求解。
2. 齐次方程的特解，对于齐次微分方程，可以尝试使用变量代换或者特定的方法来求解特解。
3. 一阶线性微分方程的特解，对于一阶线性微分方程，可以使用积分因子法或者直接利用线性微分方程的通解形式来求解特解。
4. 变量代换法，对于一些复杂的微分方程，可以尝试使用适当的变量代换将微分方程化简为更容易求解的形式。
5. 特殊类型微分方程的特解，对于一些特殊类型的微分方程，比如常系数线性微分方程、二阶线性常系数齐次微分方程等，可以使用特定的方法来求解特解。
除了上述方法外，还有一些其他特殊的方法和技巧可以用来求
解微分方程的特解。
在实际应用中，根据具体的微分方程形式和条件，可能需要结合多种方法来求解特解。
同时，对于一些复杂的微
分方程，可能需要借助数值方法或者计算机软件来求解特解。
总之，求解微分方程的特解需要根据具体情况选择合适的方法，并且需要灵活运用数学知识和技巧来进行推导和计算。
希望以上回
答能够全面地解答你的问题。
微分方程求解-解微分方程
微分方程求解-解微分方程微分方程求解求解微分方程：简单地说，就是去微分，将方程化成自变量与因变量关系的方程。
近来做毕业设计遇到微分方程问题，搞懂后，特发此文，来帮广大同学，网友。
1.最简单的例子：——————》求微分方程的通解。
dx解方程是可分离变量的，分离变量后得两端积分：得：从而：又因为。
仍是任意常数，可以记作C 。
非齐次线性方程2y 求方程的通解解：非齐次线性方程。
先求对应的齐次方程的通解。
5，，用常数变易法：把C换成u(x)，即令则有，dx12，代入原方程式中得两端积分，得。
33再代入式即得所求方程通解。
3法二：假设待求的微分方程是:我们可以直接应用下式得到方程的通解，其中，2，代入积分同样可得方程通解5，3232.微分方程的相关概念：(看完后你会懂得各类微分方程)一阶微分方程：或可分离变量的微分方程：一阶微分方程可以化为的形式，解法：得：称为隐式通解。
，即写成的函数，解法：dxxydydududxduy设，则，，分离变量，积分后将代替u，齐次方程：一阶微分方程可以写成即得齐次方程通解。
一阶线性微分方程：当时,为齐次方程，当时，为非齐次方程，，全微分方程：如果中左端是某函数的全微分方程，即：应该是该全微分方程的通解。
二阶微分方程：时为齐次时为非齐次二阶常系数齐次线性微分方程及其解法：，其中p,q为常数；求解步骤：1、写出特征方程：，其中r2，r的系数及常数项恰好是(*)式中的系数；2、求出式的两个根r1,r23、根据r1,r2的不同情况，按下表写出(*)式的通解：，p,q为常数型，为常数；型3.工程中的解法：四阶定步长Runge-Kutta算法其中h 为计算步长，在实际应用中该步长是一个常数，这样由四阶Runge-Kutta算法可以由当前状态变量Xt 的值求解出下状态变量Xt +1 的值亲们，你们满意吗？一阶微分方程的解一阶微分方程的常数变易法的应用探析The exploration of linear ordinary differential equation of first order with method of leadingvariables作者：刘*专业：数学与应用数学指导老师：杜* *完成时间：2016年9月1号摘要常数变易法是作为求解一阶线性方程的解法给出的。
euler方法求解常微分方程
euler方法求解常微分方程
欧拉方法是一种简单而又广泛使用的数值方法，用于解决常微分方程（ODEs）。
它基于将微分方程的导数近似为有限差分，从而得到方程的近似解。
以下是欧拉方法的步骤：
1. 设定初始条件，例如 y(0) = y0。
2. 将时间轴离散化，选择固定的时间间隔 h，即每隔 h 时间计
算一次解。
3. 根据微分方程和初始条件，使用欧拉公式迭代计算 y(i+1)，
其中 i 表示当前时间步数。
欧拉公式如下所示：
y(i+1) = y(i) + h*f(t(i), y(i))
其中，f(t(i), y(i)) 表示在当前时间（t(i)，y(i)）处的导数值。
4. 重复步骤 3 直到达到所需的时间点。
需要注意的是，由于欧拉方法做了近似，所以其精度可能不够高。
为了提高精度，可以使用其他更高级别的数值方法，例如龙格-库塔方法（Runge-Kutta methods）。
线性微分方程求解公式
线性微分方程求解公式
线性微分方程（LDE）是数学中一类非常重要的概念，它可以用来描述物理系统中动态变化的过程。
它是一种把时间变量和函数变量之间的关系表达为一个微分方程的方法。
线性微分方程（LDE）可以用来解释许多实际应用中的问题，如机械系统的动力学分析、气体流动的传热分析、电磁学分析和电路分析等，并且它们在理论物理学、数学物理学和其他重要的科学领域中也有着重要的应用。
线性微分方程的求解公式是：先把线性微分方程化为一阶线性微分方程，然后将其标准化，即解出其一阶线性微分方程的积分因子。
其求解公式可以表示为：设y=f(x)是方程
dy/dx+Py=Q的一般解，则f(x)的一般解为：f(x)=e^（∫Pdx）∫Qe^(-∫Pdx)dx+C其中C为任意的常数，而∫Pdx表示P的积分因子。
由此可以看出，线性微分方程的求解公式是由一阶线性微分方程的积分因子得出的，而积分因子又是由方程参数（P、Q）得出的。
因此，线性微分方程的求解公式需要先求解出一阶线性微分方程的积分因子，然后再将其带入上面的求解公式中即可得出方程的解。
线性微分方程（LDE）的求解公式是一种非常重要的数学工具，它可以帮助我们更好地理解复杂的物理系统，从而更好地进行分析和设计。
它的应用非常广泛，在医学、经济学、工
程学等领域都有重要的作用，因此，理解并熟练掌握这一求解公式对于我们来说非常重要。
- 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)。
微分方程的经典求解方法
微分方程是数学中重要的分支之一，在科学与工程领域中有广泛的应用。
它描述了自然现象、物理过程和工程问题中的变化和演变。
微分方程
的求解方法多种多样，其中包括经典的解析解法和近似解法。
一、经典的解析解法：
1.可分离变量法：这是求解一阶常微分方程的一种常用方法。
当可以
将方程两边化为只包含自变量和因变量的函数，并且分别积分后得到解时，就可以使用这种方法。
2.线性微分方程的常数变易法：对于线性微分方程，可以通过引入一
个待定函数来将其转化为可分离变量的形式。
然后通过求解两个可分离变
量的方程得到待定函数，从而得到原方程的解。
3.齐次微分方程的恒等变换法：如果齐次微分方程可以通过变量代换
转化为可分离变量的形式，则可以使用这种方法求解。
通过引入一个新的
自变量代换，将方程转化为可分离变量的形式，然后求解可分离变量的方程，最后将代换变量还原回来得到原方程的解。
4.二阶齐次线性微分方程的特征方程法：对于二阶常系数齐次线性微
分方程，可以通过求解特征方程根的方式得到通解。
特征方程是一个关于
未知函数的二次方程，解出其根后就可以得到通解。
5.变参数法：对于一些特殊的非齐次线性微分方程，可以通过引入一
个待定参数、待定函数或待定曲线的方法来求解。
通过将未知函数展开成
参数或曲线的形式，然后代入方程中求解参数或曲线，最后得到原方程的解。
二、近似解法：
1.欧拉法：欧拉法是一种数值解微分方程的简单方法。
它通过在定义
域内选取一些离散点，然后使用差分近似求解微分方程。
这种方法的精度
较低，但易于实现。
2.龙格-库塔法：龙格-库塔法是一类常用的数值解微分方程的方法。
它通过将微分方程转化为一组差分方程，并在每个步长上计算出方程的近
似解。
其中，最常用的是四阶龙格-库塔法，它具有较高的精度和稳定性。
3.有限差分法：有限差分法是一种离散化微分方程的方法。
它将连续
的微分方程转化为有限差分方程，并通过求解差分方程来近似求解原方程。
这种方法在数值模拟和计算领域中得到广泛应用。
4.隐式数值法：隐式数值法是一种通过迭代求解方程的方法。
它通过
将微分方程转化为一组非线性方程，并通过迭代求解这组方程来逐步求解
微分方程。
这种方法的精度较高，但计算量较大。
总结起来，微分方程的求解方法有很多种。
经典的解析解法适用于一
些特定的微分方程形式，可以得到精确的解析解。
近似解法则常用于一些
复杂的微分方程或无法得到解析解的情况，可以通过数值计算得到近似解。
熟练掌握这些方法，对于理解微分方程的理论和应用是十分重要的。