跳至主要內容

PKM-er大约 6 分钟

复系数微分方程的特征

当特征方程有复系数时,可能会得到两个不共轭的复数根,这在常规的实系数微分方程中是不会出现的。在处理这种情况时,需要考虑的因素和解的形式会有所不同。 复系数的线性微分方程的形式:

ad2ydx2+bdydx+cy=0 a \frac{d^2 y}{dx^2} + b \frac{dy}{dx} + c y = 0

其中 aa, bb, cc 可能是复数。这种情况下,特征方程:

ar2+br+c=0 ar^2 + br + c = 0

可能会导致两个非共轭的复根,比如 r1=α+βir_1 = \alpha + \beta ir2=γ+δir_2 = \gamma + \delta i,这里 α,β,γ,δ\alpha, \beta, \gamma, \delta 是实数,但 αγ\alpha \neq \gammaβδ\beta \neq \delta

解的构建

对于这种情况,每个根都会对应一个指数函数形式的解,但由于根是复数,我们需要考虑到复指数函数的形式:

e(α+βi)x=eαx(cos(βx)+isin(βx)) e^{(\alpha + \beta i)x} = e^{\alpha x} (\cos(\beta x) + i \sin(\beta x))

类似地,对于第二个根:

e(γ+δi)x=eγx(cos(δx)+isin(δx)) e^{(\gamma + \delta i)x} = e^{\gamma x} (\cos(\delta x) + i \sin(\delta x))

因此,通解可以表示为这两个复指数函数的线性组合:

y(x)=C1eαx(cos(βx)+isin(βx))+C2eγx(cos(δx)+isin(δx)) y(x) = C_1 e^{\alpha x} (\cos(\beta x) + i \sin(\beta x)) + C_2 e^{\gamma x} (\cos(\delta x) + i \sin(\delta x))

实际应用

在实际应用中,如果方程模型或初始条件本身涉及复数,这种解形式是可能的。然而,通常在物理或工程问题中,我们期望得到实数解。在这种情况下,如果初始条件也是复数,那么可以调整常数 C1C_1C2C_2 使得解为实数。这通常意味着 C1C_1C2C_2 需要恰当地选择,以确保解中的虚部相互抵消,只留下实部。

结论

非共轭复根的出现通常指向方程或边界条件的复杂性,这要求我们在找到解决方案时非常小心。这种情况可能需要使用更高级的数学软件或符号计算来确保计算的准确性和处理的适当性。在解决具体问题时,重要的是验证所得解的合理性,并确保它们满足所有的物理或其他科学原则。


对于二阶线性常系数微分方程,通常我们按根的类型(实根、重根、复根)分开来考虑解的形式。但如果要统一这些形式,可以考虑使用矩阵和指数函数的方法,特别是在处理复数根时这一方法尤为有效。

矩阵指数方法

对于一般形式的二阶线性微分方程:

ad2ydx2+bdydx+cy=0 a \frac{d^2 y}{dx^2} + b \frac{dy}{dx} + c y = 0

可以转换为一阶线性系统。定义向量 v(x)=[y(x)y(x)]\mathbf{v}(x) = \begin{bmatrix} y(x) \\ y'(x) \end{bmatrix},则该方程可以写为:

dvdx=Av \frac{d\mathbf{v}}{dx} = \mathbf{A} \mathbf{v}

其中 A\mathbf{A} 是一个 2×22 \times 2 的矩阵:

A=[01caba] \mathbf{A} = \begin{bmatrix} 0 & 1 \\ -\frac{c}{a} & -\frac{b}{a} \end{bmatrix}

解的表达式 使用矩阵指数函数,解可以写为:

v(x)=eAxv(0) \mathbf{v}(x) = e^{\mathbf{A}x} \mathbf{v}(0)

其中 eAxe^{\mathbf{A}x} 是矩阵 A\mathbf{A}矩阵指数。这个表达式统一地涵盖了所有可能的根的情况,包括实根、复根以及重根。

解析

矩阵指数 eAxe^{\mathbf{A}x} 可以通过以下方法求解:

  1. 对角化(如果可能):如果 A\mathbf{A} 可以对角化,即 A=PDP1\mathbf{A} = \mathbf{P}\mathbf{D}\mathbf{P}^{-1},其中 D\mathbf{D} 是对角矩阵,那么

    eAx=PeDxP1 e^{\mathbf{A}x} = \mathbf{P} e^{\mathbf{D}x} \mathbf{P}^{-1}

    其中 eDxe^{\mathbf{D}x} 是对角线上元素的指数。

  2. 约当形式:如果 A\mathbf{A} 不能对角化,可以使用其约当标准形,类似地应用矩阵指数方法。

这种方法不仅给出了一个完整的、统一的表达形式,而且还适用于计算初值问题的解。通过设定不同的初始条件 v(0)\mathbf{v}(0),可以得到不同的具体解,而矩阵指数形式保持不变,提供了一个强大的工具来解决和分析这类方程。


使用双曲函数和三角函数来表示二阶线性常系数微分方程的通解,是一个数学上优雅且物理意义明显的方法。这种表示方法特别适用于处理具有复根的情况,同时也可以很自然地涵盖实根和重根的情况。下面是如何利用双曲函数和三角函数统一地表示这类微分方程的通解:

统一表达式

为了统一地表示所有情况,我们可以将解写成指数函数和双曲/三角函数的组合,这基于实部和虚部:

y(x)=eαx(Acosh(βx)+Bsinh(βx))+eαx(Ccos(βx)+Dsin(βx)) y(x) = e^{\alpha x} \left( A \cosh(\beta x) + B \sinh(\beta x) \right) + e^{\alpha x} \left( C \cos(\beta x) + D \sin(\beta x) \right)

这里,AA, BB, CC, 和 DD 是根据初始或边界条件确定的常数,α\alphaβ\beta 分别是复根的实部和虚部的绝对值。当 β=0\beta = 0(实根或重根情况),cosh(0)=1\cosh(0) = 1sinh(0)=0\sinh(0) = 0,公式退化为纯指数形式。

结论

这种统一的表达式允许在一个公式中涵盖所有可能的情况,提供了一种优雅的数学形式来描述和解析二阶线性常系数微分方程的解。它也说明了双曲函数和三角函数在处理不同类型的根时的适用性和重要性。


为了验证提出的统一表达式在重实根情况下的退化行为,我们首先明确重实根情况下的特征根和相应的微分方程解。接着,我们将验证如何从更一般的表达式中退化到这种特定情形。

重实根情况

对于二阶线性常系数微分方程:

ad2ydx2+bdydx+cy=0 a \frac{d^2 y}{dx^2} + b \frac{dy}{dx} + c y = 0

如果特征方程

ar2+br+c=0 ar^2 + br + c = 0

的判别式 Δ=b24ac=0\Delta = b^2 - 4ac = 0,则有一个重实根:

r=b2a r = -\frac{b}{2a}

对应的解为:

y(x)=(C1+C2x)erx y(x) = (C_1 + C_2 x) e^{rx}

统一表达式与重实根退化

统一表达式如下:

y(x)=eαx(Acosh(βx)+Bsinh(βx))+eαx(Ccos(βx)+Dsin(βx)) y(x) = e^{\alpha x} \left( A \cosh(\beta x) + B \sinh(\beta x) \right) + e^{\alpha x} \left( C \cos(\beta x) + D \sin(\beta x) \right)

其中,α\alphaβ\beta 分别是复根的实部和虚部的绝对值。在重实根的情况下,由于没有虚部,β=0\beta = 0

β=0\beta = 0 代入统一表达式:

y(x)=eαx(Acosh(0)+Bsinh(0))+eαx(Ccos(0)+Dsin(0)) y(x) = e^{\alpha x} \left( A \cosh(0) + B \sinh(0) \right) + e^{\alpha x} \left( C \cos(0) + D \sin(0) \right)

由于 cosh(0)=1\cosh(0) = 1, sinh(0)=0\sinh(0) = 0, cos(0)=1\cos(0) = 1, 和 sin(0)=0\sin(0) = 0,上式简化为:

y(x)=eαx(A+C) y(x) = e^{\alpha x} (A + C)

这里,A+CA + C 可以视为一个新的常数 C1C_1,但这还不足以匹配重根的解形式 (C1+C2x)erx(C_1 + C_2 x) e^{rx}

分析

看来,统一表达式在其当前形式下不能直接退化成重实根的标准形式,原因在于重实根的情况不仅涉及到 erxe^{rx} 项,还涉及到一个随 xx 线性增长的项 xerxx e^{rx},这需要通过解的结构更直接地表达微分方程的解的线性独立性。统一表达式缺少表示这种线性独立(例如 xx 的项)的能力。

结论

虽然双曲函数和三角函数在处理具有实根和复根的常系数微分方程中非常有用,但对于具有重根的情况,我们需要特别小心,以确保解的表达式能够正确地反映出所有可能的独立解。这可能意味着需要额外的项或更复杂的表达式来完整地涵盖所有情况,特别是在涉及重根时。