一阶线性方程 线性方程
好的!我们一步一步详细推导一阶线性微分方程的通解公式,不跳步、不省略,每个步骤都解释为什么这样做。
🧩 问题类型:
我们研究这种一阶线性微分方程:
d y d x + P ( x ) y = Q ( x ) \frac{dy}{dx} + P(x)y = Q(x) dxdy+P(x)y=Q(x)
目标:求出 y = y = y= 形式的通解。
✳️ 思路:让左边变成一个整体的导数!
我们希望把左边变成一个“整体函数的导数”,比如像这样:
d d x [ f ( x ) y ] \frac{d}{dx}[f(x)y] dxd[f(x)y]
如果能做到这一点,就能两边同时积分,从而解出 y y y。
🔍 怎样让左边变成一个整体的导数?
设一个函数 μ ( x ) \mu(x) μ(x),我们乘在方程两边:
μ ( x ) ⋅ ( d y d x + P ( x ) y ) = μ ( x ) Q ( x ) \mu(x)\cdot \left( \frac{dy}{dx} + P(x)y \right) = \mu(x)Q(x) μ(x)⋅(dxdy+P(x)y)=μ(x)Q(x)
展开左边:
μ ( x ) d y d x + μ ( x ) P ( x ) y \mu(x)\frac{dy}{dx} + \mu(x)P(x)y μ(x)dxdy+μ(x)P(x)y
我们希望这个形式变成:
d d x [ μ ( x ) y ] \frac{d}{dx}[\mu(x)y] dxd[μ(x)y]
❓什么时候成立?
根据乘积求导公式:
d d x [ μ ( x ) y ] = μ ( x ) d y d x + μ ′ ( x ) y \frac{d}{dx}[\mu(x)y] = \mu(x)\frac{dy}{dx} + \mu'(x)y dxd[μ(x)y]=μ(x)dxdy+μ′(x)y
所以比较两边:
- 我们已经有: μ ( x ) d y d x + μ ( x ) P ( x ) y \mu(x)\frac{dy}{dx} + \mu(x)P(x)y μ(x)dxdy+μ(x)P(x)y
- 要让它变成: μ ( x ) d y d x + μ ′ ( x ) y \mu(x)\frac{dy}{dx} + \mu'(x)y μ(x)dxdy+μ′(x)y
于是我们要求:
μ ′ ( x ) = μ ( x ) P ( x ) \mu'(x) = \mu(x)P(x) μ′(x)=μ(x)P(x)
✴️ 解这个微分方程找出 μ ( x ) \mu(x) μ(x)
d μ d x = μ ( x ) P ( x ) \frac{d\mu}{dx} = \mu(x) P(x) dxdμ=μ(x)P(x)
这个是可分离变量的微分方程:
d μ μ = P ( x ) d x ⇒ ∫ 1 μ d μ = ∫ P ( x ) d x ⇒ ln ∣ μ ∣ = ∫ P ( x ) d x ⇒ μ ( x ) = e ∫ P ( x ) d x \frac{d\mu}{\mu} = P(x) dx \Rightarrow \int \frac{1}{\mu} d\mu = \int P(x)\, dx \Rightarrow \ln|\mu| = \int P(x)\, dx \Rightarrow \mu(x) = e^{\int P(x)\, dx} μdμ=P(x)dx⇒∫μ1dμ=∫P(x)dx⇒ln∣μ∣=∫P(x)dx⇒μ(x)=e∫P(x)dx
这就是所谓的积分因子。
🧮 回到原方程:
我们现在用这个 μ ( x ) \mu(x) μ(x) 乘以原方程:
μ ( x ) d y d x + μ ( x ) P ( x ) y = μ ( x ) Q ( x ) \mu(x)\frac{dy}{dx} + \mu(x)P(x)y = \mu(x) Q(x) μ(x)dxdy+μ(x)P(x)y=μ(x)Q(x)
左边变成:
d d x [ μ ( x ) y ] = μ ( x ) Q ( x ) \frac{d}{dx}[\mu(x)y] = \mu(x)Q(x) dxd[μ(x)y]=μ(x)Q(x)
🔚 两边积分
∫ d d x [ μ ( x ) y ] d x = ∫ μ ( x ) Q ( x ) d x ⇒ μ ( x ) y = ∫ μ ( x ) Q ( x ) d x + C ⇒ y = 1 μ ( x ) ( ∫ μ ( x ) Q ( x ) d x + C ) \int \frac{d}{dx}[\mu(x)y]\, dx = \int \mu(x)Q(x)\, dx \Rightarrow \mu(x)y = \int \mu(x)Q(x)\, dx + C \Rightarrow y = \frac{1}{\mu(x)}\left( \int \mu(x)Q(x)\, dx + C \right) ∫dxd[μ(x)y]dx=∫μ(x)Q(x)dx⇒μ(x)y=∫μ(x)Q(x)dx+C⇒y=μ(x)1(∫μ(x)Q(x)dx+C)
📌 最终通解公式
y = e − ∫ P ( x ) d x ( ∫ e ∫ P ( x ) d x Q ( x ) d x + C ) \boxed{ y = e^{-\int P(x)\, dx} \left( \int e^{\int P(x)\, dx} Q(x)\, dx + C \right) } y=e−∫P(x)dx(∫e∫P(x)dxQ(x)dx+C)
这就是我们推导出来的一阶线性微分方程通解!
📘 小提示(记忆技巧):
- 积分因子是 e ∫ P ( x ) d x e^{\int P(x) dx} e∫P(x)dx
- 左边变成“乘积的导数”,积分后再除回来
是否需要我再举一个简单的例子从头推一遍,边写边解释?这样你会更容易看明白。
非常好的问题!你问的这个:
d d x [ μ ( x ) y ] \frac{d}{dx}[\mu(x) y] dxd[μ(x)y]
到底是什么意思?我们来一步一步讲清楚它。
🧠 这是什么意思?
这是一个函数乘积的导数,意思是:
d d x [ μ ( x ) ⋅ y ( x ) ] \frac{d}{dx}[\mu(x) \cdot y(x)] dxd[μ(x)⋅y(x)]
也就是说, μ ( x ) \mu(x) μ(x) 是一个函数, y ( x ) y(x) y(x) 也是一个函数,我们要对它们的乘积求导。
✍️ 用“乘积法则”展开:
根据乘积求导法则(Product Rule):
d d x [ μ ( x ) ⋅ y ( x ) ] = μ ( x ) ⋅ d y d x + d μ d x ⋅ y ( x ) \frac{d}{dx}[\mu(x) \cdot y(x)] = \mu(x) \cdot \frac{dy}{dx} + \frac{d\mu}{dx} \cdot y(x) dxd[μ(x)⋅y(x)]=μ(x)⋅dxdy+dxdμ⋅y(x)
也就是说:
d d x [ μ ( x ) y ] = μ ( x ) d y d x + μ ′ ( x ) y \frac{d}{dx}[\mu(x)y] = \mu(x)\frac{dy}{dx} + \mu'(x)y dxd[μ(x)y]=μ(x)dxdy+μ′(x)y
🌟 为什么我们要这样做?
因为我们的原始方程是:
d y d x + P ( x ) y = Q ( x ) \frac{dy}{dx} + P(x)y = Q(x) dxdy+P(x)y=Q(x)
我们通过选一个合适的 μ ( x ) \mu(x) μ(x),让这个左边变成:
μ ( x ) d y d x + μ ( x ) P ( x ) y \mu(x)\frac{dy}{dx} + \mu(x)P(x)y μ(x)dxdy+μ(x)P(x)y
如果我们能让 μ ′ ( x ) = μ ( x ) P ( x ) \mu'(x) = \mu(x)P(x) μ′(x)=μ(x)P(x),那么:
μ ( x ) d y d x + μ ( x ) P ( x ) y = μ ( x ) d y d x + μ ′ ( x ) y = d d x [ μ ( x ) y ] \mu(x)\frac{dy}{dx} + \mu(x)P(x)y = \mu(x)\frac{dy}{dx} + \mu'(x)y = \frac{d}{dx}[\mu(x)y] μ(x)dxdy+μ(x)P(x)y=μ(x)dxdy+μ′(x)y=dxd[μ(x)y]
这就把原来“两个项”的导数,合成成“一个整体”的导数,方便我们做积分!
✅ 小结:
-
d d x [ μ ( x ) y ] \frac{d}{dx}[\mu(x)y] dxd[μ(x)y] 是 μ ( x ) ⋅ y ( x ) \mu(x) \cdot y(x) μ(x)⋅y(x) 的导数。
-
展开后是:
μ ( x ) d y d x + μ ′ ( x ) y \mu(x)\frac{dy}{dx} + \mu'(x)y μ(x)dxdy+μ′(x)y
-
它表示“两个函数相乘后的导数”,不是分别对它们求导,也不是它们导数的积。
需要我用一个具体的数值函数(比如 μ ( x ) = e x \mu(x) = e^x μ(x)=ex, y = x 2 y = x^2 y=x2)来演示一下乘积导数怎么算吗?这样你会更直观。