zoukankan      html  css  js  c++  java
  • 线性微分方程简介

    线性微分方程介绍

    $Delta y$表示的是变量$y$的变化量。

    微分(differential),即微变化量,数学上表示为$dy$,$dy$被成为different of $y$。

    导数(derivative),即变化率,数学上表示为$frac{dy}{dt}$,也就是极短时间内$y$的变化量。

    线性微分方程(Linear differential equations)有如下方式表示

    $Ly = f$

    其中$L$为线性操作符,$y$为需要求的未知函数,$f$是一个与$y$具有相同自变量的函数,即可写成下面的形式

    $L[y(t)] = f(t)$

    既然是线性微分方程,那么左侧的线性操作符内仅含有一次(1st-degree)项(线性,即不含有$y^2,(y')^5$等的多次项),并且各项会有未知函数$y$的导数,那么等式左侧展开得到

    $L[y(t)]=frac{d^ny}{d^nt}+A_1frac{d^{n-1}t}{d^{n-1}t}+cdot cdot cdot +A_{n-1}frac{dy}{dt}+A_ny$

    其中$A_k, k=1,2,…,n$为该多项式的系数。最高阶导数为$frac{d^ny}{d^nt}$(nth-order)。

    线性微分方程的一般求解方法

    由于大部分函数都能展开成泰勒级数形式,因此线性微分方程的一般求解方法是假设所求的未知函数$y$为幂级数,以此来求解:

    $y = displaystyle{ sum_{k=0}^{infty}a_k t^k }$

    把左边的$y$相关项替换成幂级数形式,最终左右两边相同次方的项的系数应该相等,以此来求得$y$。

  • 相关阅读:
    python logging模块
    mysql数据库的导出与导入
    requests请求高德地图api
    navicat连接阿里云ESC里的数据库
    ubantu+nginx+uwsgi+django部署
    linux小命令
    部署完的Django项目升级为HTTPS
    python常用模块
    python基础18——二分法&面向过程&匿名函数
    emmm......就当练习了系列15
  • 原文地址:https://www.cnblogs.com/TaigaCon/p/6792684.html
Copyright © 2011-2022 走看看