跳到主要內容

[微分方程] 變動參數法 求解 二階 常係數 非齊次 微分方程

考慮二階線性非齊次微分方程
\[
L(y) := a_0 y'' + a_1y' + a_2y =f
\]其中 $a_0,a_1,a_2$ 為常數且 $f$ 為在某區間 $I$ 上有定義的任意函數,且 $L$ 為 linear operator。一般而言,求解二階線性非齊次 微分方程可透過 待定係數法 (Undetermined Coefficient Method)求解,然而此法僅適用於特定(常見)的外力函數 $f$,比如 $f= c t^k e^{mt}$ 其中 $c$ 為常數,$k$ 為非負整數,$m$ 為實數或者複數。但除此之外其他形式的 $f$,待定係數法並無法協助我們求解特解,故我們在此介紹一種更泛用的解法 稱作 變動參數法 (Variation of Parameter Method)來求解 二階 常係數 非齊次 微分方程 。

Comment:
此法事實上觀賞價值大於實用價值。因為對於任意高階 ODE 此法失效,但若讀者熟悉系統理論,可知道我們有更強大的工具來幫助我們求解 高階 ODE問題:亦即所謂狀態空間表示法 (State Space Representation),可以將任意高階ODE降為 一階 ODE 系統方程,再透過線性系統理論進行直接求解。


以下我們直接進入主題,考慮二階線性非齊次微分方程
\[
L(y) := a_0 y'' + a_1y' + a_2y =f
\]
現在令 $\phi_1$ 與 $\phi_2$ 為對 $L(y) = 0$ 的一組解基底,且令
\[
\psi := u_1 \phi_1 + u_2 \phi_2
\]其中 $u_1, u_2$為待定函數。(注意,上式中的 $u_1, u_2$ 不為常數而是以 $t$ 為變數的函數!)

現在觀察
\[\begin{array}{l}
\psi  = {u_1}{\phi _1} + {u_2}{\phi _2}\\
\psi ' = {u_1}'{\phi _1} + {u_1}{\phi _1}' + {u_2}'{\phi _2} + {u_2}{\phi _2}'\\
\psi '' = {u_1}''{\phi _1} + {u_2}''{\phi _2} + 2{u_1}'{\phi _1}' + 2{u_2}'{\phi _2}' + {u_1}{\phi _1}'' + {u_2}{\phi _2}''
\end{array}\]由於 $L(\phi_1) = 0$ 且 $L(\phi_2) =0$ ,透過一連串代數整理,我們有
\[\begin{array}{l}
L(\psi ) = {a_0}\psi '' + {a_1}\psi ' + {a_2}\psi \\
 = {a_0}\left( {{u_1}''{\phi _1} + {u_2}''{\phi _2} + 2{u_1}'{\phi _1}' + 2{u_2}'{\phi _2}' + {u_1}{\phi _1}'' + {u_2}{\phi _2}''} \right)\\
\begin{array}{*{20}{c}}
{}&{}
\end{array} + {a_1}\left( {{u_1}'{\phi _1} + {u_1}{\phi _1}' + {u_2}'{\phi _2} + {u_2}{\phi _2}'} \right) + {a_2}\left( {{u_1}{\phi _1} + {u_2}{\phi _2}} \right)\\
 = {a_0}\left( {{u_1}''{\phi _1} + {u_2}''{\phi _2} + 2{u_1}'{\phi _1}' + 2{u_2}'{\phi _2}'} \right) + {a_1}\left( {{u_1}'{\phi _1} + {u_2}'{\phi _2}} \right)\\
\begin{array}{*{20}{c}}
{}&{}
\end{array} + {u_1}\underbrace {L\left( {{\phi _1}} \right)}_{ = 0} + {u_2}\underbrace {L\left( {{\phi _2}} \right)}_{ = 0}\\
 = {a_0}\left( {{u_1}''{\phi _1} + {u_2}''{\phi _2} + 2{u_1}'{\phi _1}' + 2{u_2}'{\phi _2}'} \right) + {a_1}\left( {{u_1}'{\phi _1} + {u_2}'{\phi _2}} \right)
\end{array}
\]注意到由於我們要求 $L(\psi ) = f$ 故我們得到條件:
\[{a_0}\left( {{u_1}''{\phi _1} + {u_2}''{\phi _2} + 2{u_1}'{\phi _1}' + 2{u_2}'{\phi _2}'} \right) + {a_1}\left( {{u_1}'{\phi _1} + {u_2}'{\phi _2}} \right)=f\;\;\;\;\; (\star)
\]由於 $u_1, u_2$ 待定,故我們需要兩條方程來解之,現在觀察上述條件,若我們假設
\[{{u_1}'{\phi _1} + {u_2}'{\phi _2}}=0\;\;\;\; (*)
\]則
\[{{u_1}''{\phi _1} + {u_2}''{\phi _2} + {u_1}'{\phi _1}' + {u_2}'{\phi _2}'}=0
\]故現在讓 $(*)$ 成立,則條件 $(\star)$ 可被大幅簡化為
\[{a_0}\left( {{u_1}'{\phi _1}' + {u_2}'{\phi _2}'} \right) = f\]至此我們獲得了兩條方程來解我們的 $u_1, u_2$,亦即
\[\left\{ \begin{array}{l}
{u_1}'{\phi _1} + {u_2}'{\phi _2} = 0\;\\
{u_1}'{\phi _1}' + {u_2}'{\phi _2}' = \frac{f}{{{a_0}}}
\end{array} \right.\]由上述可解得
\[\begin{array}{l}
u_1' = \frac{{\left| {\begin{array}{*{20}{c}}
0&{{\phi _2}}\\
{f/{a_0}}&{{\phi _2}'}
\end{array}} \right|}}{{\underbrace {\left| {\begin{array}{*{20}{c}}
{{\phi _1}}&{{\phi _2}}\\
{{\phi _1}'}&{{\phi _2}'}
\end{array}} \right|}_{ = W\left( {{\phi _1},{\phi _2}} \right)}}};{u_2}' = \frac{{\left| {\begin{array}{*{20}{c}}
{{\phi _1}}&0\\
{{\phi _1}'}&{f/{a_0}}
\end{array}} \right|}}{{\underbrace {\left| {\begin{array}{*{20}{c}}
{{\phi _1}}&{{\phi _2}}\\
{{\phi _1}'}&{{\phi _2}'}
\end{array}} \right|}_{ = W\left( {{\phi _1},{\phi _2}} \right)}}}\\
 \Rightarrow {u_1}' = \frac{{ - f{\phi _2}}}{{{a_0}W\left( {{\phi _1},{\phi _2}} \right)}};{u_2}' = \frac{{{\phi _1}f}}{{{a_0}W\left( {{\phi _1},{\phi _2}} \right)}}
\end{array}\]由 $u_1', u_2'$ 可透過積分求得 $u_1, u_2$,亦即
\[{{u_1} =  - \int {\frac{{f\left( s \right){\phi _2}\left( s \right)}}{{{a_0}W\left( {{\phi _1},{\phi _2}} \right)\left( s \right)}}ds} ;\begin{array}{*{20}{c}}
{}&{}
\end{array}{u_2}^\prime  = \int {\frac{{{\phi _1}\left( s \right)f\left( s \right)}}{{{a_0}W\left( {{\phi _1},{\phi _2}} \right)\left( s \right)}}} ds}\]

以下我們看個例子:

Example:
試利用 variation of parameter 法求解
\[
y''(t) + y(t) = t
\]
Proof:
首先求解 null solution $y_n(t)$:令 $\phi(t) = e^{st}$ 代入 ODE 中可得
\[
(s^2 + 1)e^{st} = 0
\]故 $s_{1,2} = \pm i$ 故可得
\[
\phi_1(t) = e^{s_1 t}; \;\;\; \phi_2(t) = e^{s_2 t}
\]讀者可驗證上述 $\phi_1, \phi_2$ 彼此線性獨立 (驗證 Wronksian) 故 null solution
\[\begin{array}{l}
{y_n}(t) = {c_1}{\phi _1}(t) + {c_2}{\phi _2}(t)\\
 \;\;\;\;\;\;= {c_1}{e^{it}} + {c_2}{e^{ - it}}
\end{array}\]一旦我們得到 $y_n$ 則可利用 variation of parameter 法 求 particular solution  $y_p(t)$ 令
\[
\psi(t) := c_1(t) \phi_1(t) + c_2(t) \phi_2(t) = c_1(t) e^{it} + c_2(t) e^{-it}
\] 則我們可計算
\[\begin{array}{l}
\psi (t) = {c_1}\left( t \right){e^{it}} + {c_2}\left( t \right){e^{ - it}}\\
\psi '(t) = \underbrace {\left( {{c_1}'\left( t \right){e^{it}} + {c_2}'\left( t \right){e^{ - it}}} \right)}_{: = 0} + \left( {{c_1}\left( t \right)i{e^{it}} - {c_2}\left( t \right)i{e^{ - it}}} \right)\\
\psi ''(t) = {c_1}'\left( t \right)i{e^{it}} - {c_1}\left( t \right){e^{it}} - {c_2}'\left( t \right)i{e^{ - it}} - {c_2}\left( t \right){e^{ - it}}\\
\begin{array}{*{20}{c}}
{}&{}
\end{array} = {c_1}'\left( t \right)i{e^{it}} - {c_2}'\left( t \right)i{e^{ - it}} - {c_1}\left( t \right){e^{it}} - {c_2}\left( t \right){e^{ - it}}
\end{array}\]注意到上述推倒中我們強制讓
\[{{c_1}'\left( t \right){e^{it}} + {c_2}'\left( t \right){e^{ - it}}} :=0 \;\;\; (*)
\] 現在將上述 $\psi, \psi', \psi''$ 代入 ODE中可得
\[\begin{array}{l}
\psi ''(t) + \psi (t) = t\\
 \Rightarrow \left( {{c_1}'\left( t \right)i{e^{it}} - {c_2}'\left( t \right)i{e^{ - it}} - {c_1}\left( t \right){e^{it}} - {c_2}\left( t \right){e^{ - it}}} \right) + {c_1}\left( t \right){e^{it}} + {c_2}\left( t \right){e^{ - it}} = t\\
 \Rightarrow {c_1}'\left( t \right)i{e^{it}} - {c_2}'\left( t \right)i{e^{ - it}} = t \;\;\;\;\; (**)
\end{array}\]現在觀察 $(*)$ 與 $(**)$ 我們得到一組聯立方程
\[\begin{array}{l}
\left\{ \begin{array}{l}
{c_1}'\left( t \right){e^{it}} + {c_2}'\left( t \right){e^{ - it}} = 0\\
{c_1}'\left( t \right)i{e^{it}} - {c_2}'\left( t \right)i{e^{ - it}} = t
\end{array} \right.\\
 \Rightarrow \left\{ \begin{array}{l}
{c_1}'\left( t \right) = \frac{{\left| {\begin{array}{*{20}{c}}
0&{{e^{ - it}}}\\
t&{ - i{e^{ - it}}}
\end{array}} \right|}}{{\left| {\begin{array}{*{20}{c}}
{{e^{it}}}&{{e^{ - it}}}\\
{i{e^{it}}}&{ - i{e^{ - it}}}
\end{array}} \right|}} = \frac{t}{{2i}}{e^{ - it}};\\
{c_2}'\left( t \right) = \frac{{\left| {\begin{array}{*{20}{c}}
{{e^{it}}}&0\\
{i{e^{it}}}&t
\end{array}} \right|}}{{\left| {\begin{array}{*{20}{c}}
{{e^{it}}}&{{e^{ - it}}}\\
{i{e^{it}}}&{ - i{e^{ - it}}}
\end{array}} \right|}} =  - \frac{t}{{2i}}{e^{it}}
\end{array} \right.
\end{array}\]對 $c_1'(t)$ 與 $c_2'(t)$取積分,可解得 $c_1, c_2$ 如下
\[\left\{ \begin{array}{l}
{c_1}\left( t \right) = \frac{1}{{2i}}\int {t{e^{ - it}}dt}  = \frac{1}{2}{e^{ - it}}(t - i);\\
{c_2}\left( t \right) =  - \frac{1}{{2i}}\int {t{e^{it}}dt}  = \frac{1}{2}{e^{it}}(t + i)
\end{array} \right.\]故 特解
\[\begin{array}{l}
{y_p}(t) = {c_1}(t){e^{it}} + {c_2}(t){e^{ - it}}\\
\begin{array}{*{20}{c}}
{}&{}
\end{array} = \frac{1}{2}{e^{ - it}}(t - i){e^{it}} + \frac{1}{2}{e^{it}}(t + i){e^{ - it}}\\
\begin{array}{*{20}{c}}
{}&{}
\end{array} = t
\end{array}\]最後 完整解
\[
y(t) = y_n(t) + y_p(t) = (c_1 e^{it } + c_2 e^{-i t}) + t
\]

Comment:
事實上,上述例子可透過 待定係數求解 特解,亦即令
\[
y_p(t) := At + B
\]其中 $A,B$ 為待定常數,現在觀察 $y_p ' = A$ 且
\[
y_p''(t) = 0
\]故代入 $y'' + y =t$ 可得
\[
0 + (At+B) = t
\] 亦即 $A=1, B=0$ 亦即我們可直接解得特解
\[
y_p(t) = t
\]而無需如前述 變動餐數法繁複的手段來進行求解。

留言

張貼留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質