G.Strang的微分方程和線性代數(1.2)

§1.2所需微積分知識

以下簡單列出在學習微分方程過程中需要用到的微積分知識,其中應用較多的有乘法法則、自然對數和微積分基本定理。

1.特殊函數的導數

特殊函數包括x^{n}, sinx, cosx,  e^{x} ,lnx

以上函數的導數都可以從定義進行推導。其中正弦和餘弦函數是從frac{sinDelta x}{Delta x} 的極限推導出來的,而e^{x} 最為重要,它是frac{dy}{dt}=y,y(0)=1 的解。

2.導數運演算法則

導數四則運演算法則和鏈式法則:當對原函數進行加減乘除等運算時,這些導數運演算法則給出所得函數的導數。導數求和運算的法則保證了微分方程的線性:

frac{dy}{dt}=ay+f(t), frac{dz}{dt}=az+g(t),則有frac{d}{dt}(y+z)=a(y+z)+(f(t)+g(t))

鏈式法則也是很常用的求導方法,例如y=e^{sint} 包含兩個函數y=e^{x},x=sint。利用鏈式法則可以得到其導數為frac{dy}{dt}= frac{dy}{dx}frac{dx}{dt}=e^{x}cost=ycost

3.微積分基本原理

函數f(x)的積分的導數就是f(x)。

從差商的角度看待這件事,[frac{y_{1}-y_{0} }{Delta x} +frac{y_{2}-y_{1} }{Delta x}+cdots+frac{y_{n}-y_{n-1} }{Delta x} ]Delta x=y_{n}-y_{0},其中Delta x=x_{k}- x_{k-1}=frac{b-a}{n} (計算區域從x_{0} =ax_{n} =b)。

對差商公式取極限變為積分int_{a}^{b} frac{dy}{dx}dx=y(b)-y(a)

4.代數運算和符號的含義

數學是一種語言,學習數學語言的方式就是使用它。因此通常課本中會堆積大量的練習,練習讀寫數學符號。例如:y的導數就是frac{d}{dt}y(t)=lim_{Delta t
ightarrow 0}{frac{y(t+Delta t)-y(t)}{Delta t} }

與在微積分中不同,在微分方程的課程中,原函數y(t)的解析式是未知量,微分方程的關鍵點就是將導函數和原函數聯繫起來,例如在之前所舉的例子中,我們從y=y出發得到原函數是指數型增長的函數,其表達式為y=Ce^{t} ,它也是微分方程中最重要的函數形式。、

5.dy/dxapprox Delta y/Delta x的三種應用

對於y(x)的函數圖像而言,dy/dx是其斜率而,Delta y/Delta x是近似斜率,若知道dy/dx,Delta y,Delta x三個量中的兩個,可以給出第三個量的近似解。

1)已知dy/dx,Delta x,則有Delta yapprox (Delta x)(dy/dx)。這就是線性近似公式。

x_{0} 點出發移動Delta x會造成函數值變化Delta y,通過x_{0} 點的斜率dy/dx進行線性近似可以得到Delta y的近似值,但是給不出任何函數曲線彎曲變化的信息。

2)已知dy/dx,Delta y,則有Delta xapprox (Delta y)/(dy/dx)。這就是牛頓迭代法。

牛頓迭代法是求解方程y(x)=0的方法。從x_{0} 點出發,希望函數值y在下一個點x_{1} 降至0,然而並不知道x_{1} 的數值,即不知道Delta x。所以應用公式Delta xapprox (Delta y)/(dy/dx),得到x_{1} x_{1} =x_{0} +frac{-y(x_{0} )}{dy/dx(x_{0} )} 。重複這一過程就可以逼近y(x)=0的解。

扯淡中……

稍微解釋一下這個牛頓迭代法,牛頓迭代法是從一個猜測值x_{0} 出發,在(x_{0} f(x_{0} ))做函數的切線,並和X軸相交於一點x_{1} ,而x_{1} 就是下一個猜測值,重複前面的過程,則猜測值一直在逼近方程的解,即曲線與X軸的交點。

牛頓迭代法的誤差衰減速度非常好。但是,牛頓迭代法要求一階導數不能太小,二階導數不能太大,初值x_{0} 不能太遠。

3)已知Delta x,Delta y,給出斜率的近似dy/dxapprox Delta y/Delta x

計算過程中取y(x+Delta x)-y(x),y(x)-y(x-Delta x),y(x+frac{1}{2} Delta x)-y(x-frac{1}{2} Delta x)這三種不同公式來計算函數值變化量Delta y分別稱為向前差分、向後差分和中間差分,中間差分要優於前兩者,從函數y=x^{2} 的計算可以看出中間差分具有二階精確度。frac{Delta y}{Delta x} =frac{(x+frac{1}{2}Delta x )^{2}- (x-frac{1}{2}Delta x )^{2}}{Delta x} =2x=frac{dy}{dx}

向前向後差分只有一階精度。就積分而言,這就是從矩形法到梯形法的變化。

6.泰勒級數

二階近似會給出比線性近似更好的精確度:

y(x_{0}+Delta x )approx y_{0} +(Delta x)y_{0} +frac{1}{2} (Delta x)^{2} y_{0}

泰勒級數則給出了之後的無限項:

y(x_{0}+Delta x )approx y_{0} +(Delta x)y_{0} +frac{1}{2} (Delta x)^{2} y_{0}+cdots+frac{1}{n!} (Delta x)^{n}y_{0}^{(n)} +cdots

兩個最重要的應用泰勒公式的例子,在x_{0} =0處有:

指數級數:y=e^{x} =1+x+frac{1}{2!}x^{2}  +frac{1}{3!} x^{3}+cdots

幾何級數:y=frac{1}{1-x}  =1+x+x^{2}  +x^{3}+cdots

7.應用:一個重要的微分方程

線性微分方程y=ay+q(t)是一個重要的方程,導數中包含增長率a和外源q(t)。給出在化簡情況下(a=1),且y(0)=0時的解:

frac{dy}{dt}=y+q(t)Rightarrow  y(t)=int_{0}^{t} e^{t-s}q(s)ds

在0至t之間的任意時間s,輸入強度為q(s)的源,該"輸入"在剩餘的時間t-s之內增長或者衰減,在t時刻將給出「輸出」q(s)e^{t-s} 。將所有的輸出q(s)e^{t-s} 累加起來即為該積分。

對解函數做求導運算可以驗證其符合微分方程。

又開始扯淡了……

有一陣,我一直將微分、積分作為一種算符,或者說作為一個黑箱子,輸入一個函數,算符給你輸出一個函數,僅此而已。但是後來我覺得只有你對細節有相當的了解之後,這種模塊化或者符號化的方法才有意義,否則只是將沒弄明白的東西遮蔽起來而已。積分的離散態就是「累積和」,因此我們可以從累積和的角度去理解積分。

對於函數 y(t)=int_{0}^{t} e^{t-s}q(s)ds ,舉一個例子來進行說明。這是MIT單變數微積分課上的一個例題。

借款問題,時間變數t單位為「年」,借款率q(t)是隨時間變化的函數,單位為「美元/年」。每天都借款,則Delta t=frac{1}{365} ,例如第45天的借款額為q(t)Delta t=q(frac{45}{365} )frac{1}{365} ,將每一天的借款額累積起來就是全年的借款額sum_{i=1}^{365}{q(frac{i}{365} )Delta t} approx int_{0}^{1} q(t)dt

但是,借款是有利息的,當借款本金為C,利率為r,借款時間為T時,欠銀行的錢就是Ce^{rT} (這是上一節課學的連續增長模型)。例如第45天借的錢,在當天之後的365-45天之內都會計利息,因此這筆借款到年底就會變為一筆q(frac{45}{365} )frac{1}{365} e^{r(1-frac{45}{365} )} 的欠款。將每一天借款在年底形成的欠款額進行累加,就得到總欠款額sum_{i=1}^{365}{ q(frac{i}{365} )frac{1}{365} e^{r(1-frac{i}{365} )} }approx int_{0}^{1} e^{r(1-t)}q(t)dt


推薦閱讀:

是否存在一個常微分方程存在整體解的充要條件?
矩陣,數列,微分方程的特徵值是什麼關係?
微分方程與經典力學
三階微分方程的初值問題的幾何意義是什麼?
微分方程這樣設置邊界條件是否合理?

TAG:微分方程 | 線性代數 |