Решение дифференциальных уравнений

Введение в ОДУ: понятия, порядок, общие и частные решения

Зачем нужны обыкновенные дифференциальные уравнения

Во многих задачах мы не знаем саму функцию, описывающую процесс, но знаем связь между этой функцией и её скоростью изменения.

Примеры ситуаций:

скорость движения зависит от времени или положения

охлаждение зависит от разности температур

рост популяции зависит от текущей численности

электрическая цепь связывает ток, напряжение и их изменения

Математический язык для таких связей — дифференциальные уравнения.

Что такое обыкновенное дифференциальное уравнение

Обыкновенное дифференциальное уравнение (ОДУ) — это уравнение, в котором:

неизвестна функция одной переменной, например

присутствуют производные этой функции: , и т.д.

Важно различать:

— независимая переменная (то, от чего зависит процесс)

— искомая функция (состояние процесса)

— первая производная (скорость изменения по )

— вторая производная (изменение скорости изменения)

Пример ОДУ:

Здесь:

— неизвестная функция от

— её производная по

правая часть — известная функция переменной

Для сравнения: если бы неизвестная функция зависела от нескольких переменных (например ), то это уже были бы уравнения в частных производных, а не ОДУ.

Подробнее по определению можно посмотреть в статье Обыкновенное дифференциальное уравнение.

Как записывают ОДУ

На практике встречаются разные формы записи.

Явная форма первого порядка:

Здесь — известная функция двух переменных. Это один из самых частых видов в начале курса.

Неявная форма:

Здесь — известная функция, а производная может быть «спрятана» внутри выражения.

Порядок ОДУ

Порядок дифференциального уравнения — это наибольший порядок производной, которая входит в уравнение.

Примеры:

— уравнение первого порядка, потому что самая высокая производная —

— уравнение второго порядка, потому что присутствует

— уравнение третьего порядка, потому что присутствует

Порядок важен, потому что он связан с тем, сколько дополнительных условий нужно, чтобы получить однозначный ответ (это станет особенно ясно, когда мы будем решать задачи Коши).

Что значит “решить ОДУ”

Решение ОДУ — это функция , которая после подстановки в уравнение превращает его в верное тождество.

Например, рассмотрим уравнение:

Функция

является решением, потому что:

производная равна

подстановка даёт для всех

Здесь — произвольная константа.

Общее и частное решения

Общее решение

Общее решение — это семейство функций, которое описывает все решения данного ОДУ в некотором смысле.

Для уравнения общее решение:

Пояснение:

— одна конкретная функция

добавление создаёт бесконечное множество решений (каждое значение даёт свою кривую)

Важная связь с порядком:

у ОДУ первого порядка обычно появляется одна произвольная константа

у ОДУ второго порядка обычно появляется две произвольные константы

Пример второго порядка:

Одно из стандартных общих решений:

Здесь:

и — произвольные константы

и — известные функции, которые совместно описывают все колебательные решения этого уравнения

Частное решение

Частное решение — это конкретная функция из семейства общего решения, полученная при выборе значений констант.

Например, если в общем решении взять , то получится частное решение:

Частные решения чаще всего возникают из-за дополнительных условий (например, известного значения функции в точке).

Начальные условия и задача Коши

Чтобы выбрать одно конкретное решение из общего, задают условия.

Для уравнения первого порядка обычно достаточно одного условия вида:

Это читается так:

— заданная точка по оси

— заданное значение функции в этой точке

Пара уравнение + начальное условие называется задачей Коши.

Пример:

Шаги получения частного решения:

Общее решение:

Подставляем условие : получаем

Значит,

Частное решение:

Для уравнения второго порядка обычно задают два условия, например:

Это связано с тем, что в общем решении обычно две константы.

Геометрический смысл: семейство интегральных кривых

Общее решение часто можно представлять как семейство кривых на плоскости .

каждая константа (или набор ) задаёт свою кривую

начальные условия выбирают одну кривую из семейства

!Поле направлений показывает, какие наклоны должны иметь решения в каждой точке, а интегральные кривые — конкретные решения.

Как проверять найденное решение

Практический критерий простой: подставить и убедиться, что равенство верно.

Алгоритм проверки:

найдите производные , и т.д., которые нужны в уравнении

подставьте и производные в левую часть

упростите выражение и сравните с правой частью (или получите , если уравнение в виде )

Это умение критично: оно позволяет отличать настоящие решения от похожих выражений.

Что будет дальше в курсе

В следующих темах мы будем учиться:

распознавать тип ОДУ и подбирать метод решения

решать уравнения первого порядка (разделяющиеся, линейные и другие)

решать уравнения более высокого порядка (особенно линейные)

работать с задачей Коши и понимать, когда решение единственно

Если вам интересно формальное условие, при котором задача Коши имеет единственное решение, ориентир — Теорема Пикара — Линделёфа, но в начале курса нам достаточно интуиции: начальные условия обычно “выбирают” одну кривую из семейства.

ОДУ первого порядка: разделяющиеся, линейные, Бернулли и точные уравнения

Как эта тема связана с введением

В предыдущей статье мы договорились, что решение ОДУ — это функция , которая удовлетворяет уравнению, а общее решение обычно содержит произвольную константу (для первого порядка — одну). Теперь мы перейдём к самому важному практическому навыку: узнавать тип ОДУ первого порядка и выбирать метод решения.

Мы будем рассматривать уравнения, где неизвестная функция — , независимая переменная — , а — производная по .

Общая идея: распознать структуру и применить шаблон

Многие ОДУ первого порядка решаются не «универсальной формулой», а распознаванием формы.

!Схема выбора метода решения для типичных ОДУ первого порядка

Ниже — четыре больших класса, которые очень часто встречаются в задачах.

Разделяющиеся уравнения

Форма

Уравнение называется разделяющимся, если его можно привести к виду

Здесь:

— известная функция только от

— известная функция только от

— производная по

Иногда удобнее сразу переписать как

Смысл записи такой: мы группируем всё, что зависит от , слева вместе с , а всё, что зависит от , справа вместе с .

Метод решения

Привести уравнение к виду .

Проинтегрировать обе части:

Добавить константу интегрирования (обычно достаточно одной константы ):

При необходимости выразить как функцию .

Пример

Решим

Здесь , .

Разделяем переменные:

Интегрируем:

Левая часть даёт , правая — , поэтому

Выражаем (эквивалентная форма общего решения):

Обозначая новой константой и учитывая знак, часто пишут компактно:

где — произвольная (в том числе отрицательная) константа.

Линейные уравнения первого порядка

Форма

Линейным (первого порядка) называется уравнение, которое можно записать как

Здесь:

-

и — известные функции от

и входят линейно (нет , , произведений вида и т.п.)

Метод: интегрирующий множитель

Идея: подобрать функцию (она называется интегрирующий множитель), чтобы левая часть стала производной произведения .

Вычислить

Здесь — любая первообразная функции .

Умножить исходное уравнение на :

Левая часть превращается в производную:

Это ключевой шаг: именно ради него и выбирают .

Интегрировать:

Выразить :

Пример

Решим

Здесь , .

Интегрирующий множитель:

Умножаем уравнение на :

Левая часть — это , значит

Интегрируем:

Делим на :

Ссылки по теме: Линейное дифференциальное уравнение, Интегрирующий множитель.

Уравнение Бернулли

Форма

Уравнение Бернулли — это почти линейное уравнение, но с нелинейным членом :

где — число, причём обычно рассматривают случай и .

Почему эти исключения важны:

если , то , и уравнение становится обычным линейным

если , то правая часть пропорциональна , и уравнение тоже сводится к линейному

Метод: замена переменной, сводящая к линейному

Ключевая замена:

Здесь:

— новая неизвестная функция от

степень выбрана так, чтобы после преобразований появилось линейное уравнение для

После замены уравнение для становится линейным и решается интегрирующим множителем.

Пример

Решим уравнение Бернулли:

Здесь , , .

По формуле .

Найдём связь между и : если , то

Разделим исходное уравнение на (это стандартный шаг в методе Бернулли):

То есть

Подставляем и :

Умножим на , чтобы получить привычный линейный вид:

Это линейное уравнение для .

Здесь , .

Интегрирующий множитель:

Умножаем на :

Интегрируем:

Значит, .

Возвращаемся к : , поэтому

Ссылка по теме: Уравнение Бернулли.

Точные (полные) дифференциальные уравнения

Форма

Иногда уравнение первого порядка удобно записывать в виде

Здесь:

и — известные функции двух переменных

и отражают «малые приращения» и (в вычислениях их можно воспринимать как элементы записи, позволяющие группировать слагаемые)

Идея точности

Уравнение называется точным, если существует функция такая, что

Здесь:

— некоторая функция двух переменных

— частная производная по (производная по , считая постоянным)

— частная производная по

Тогда уравнение превращается в

то есть сохраняет постоянное значение вдоль решений. Поэтому общее решение записывают так:

Как проверить точность

Если функции достаточно гладкие, то критерий такой:

означает: продифференцировать по

означает: продифференцировать по

Если равенство выполняется (в области, где ищем решение), уравнение точное.

Метод решения точного уравнения

Убедиться, что .

Найти :

интегрировать по , считая константой

добавить «неизвестную функцию от », потому что при интегрировании по можно потерять зависимость от

Использовать условие , чтобы восстановить эту функцию.

Записать ответ в виде .

Пример

Решим

Здесь:

- -

Проверим точность:

Они равны, значит уравнение точное.

Найдём из условия :

Здесь — «неизвестная функция только от ».

Теперь используем :

По условию это должно равняться . Значит

Эту константу можно включить в общую константу , поэтому берём .

Итог:

Ссылка по теме: Точное дифференциальное уравнение.

Сводная таблица распознавания

| Тип уравнения | Как выглядит | Ключевой приём | Чем заканчивается | |---|---|---|---| | Разделяющееся | | Разделить переменные и интегрировать | Неявное/явное | | Линейное | | Интегрирующий множитель | Формула для | | Бернулли | | Замена и сведение к линейному | Потом обратно к | | Точное | и | Найти потенциал | |

Типичные ошибки и как их избегать

Путают разделение переменных с «переносом через знак равно» без контроля зависимости: разделять можно только так, чтобы слева остались функции от (и ), а справа — только от (и ).

В линейном уравнении берут неправильный интегрирующий множитель: важно, что в входит именно коэффициент при в форме .

В Бернулли забывают условие и не проверяют, не является ли уравнение уже линейным.

В точных уравнениях находят без добавления функции (или аналогично при интегрировании по ): из-за этого теряется часть решений.

Что дальше

Следующий шаг после освоения четырёх типов — научиться:

уверенно приводить уравнение к нужной форме (это часто важнее, чем интегрирование)

решать задачи Коши: подставлять начальные условия и находить константу

понимать область допустимых значений: где деление на выражение вроде корректно, и где возникают особые решения

Интегрирующий множитель и замены переменных в ОДУ первого порядка

Как эта тема продолжает предыдущие

В прошлой статье мы научились распознавать основные типы ОДУ первого порядка: разделяющиеся, линейные, Бернулли и точные. На практике трудность часто не в интегрировании, а в том, чтобы привести уравнение к одному из этих видов.

В этой статье мы углубим два главных инструмента приведения:

интегрирующий множитель (в линейных уравнениях и иногда в неточных уравнениях)

замены переменных, которые превращают уравнение в разделяющееся или линейное

!Схема помогает быстро выбрать: множитель или замена переменных.

Интегрирующий множитель для линейного уравнения

Напоминание формы

Линейное ОДУ первого порядка записывают так:

Здесь:

— независимая переменная

— неизвестная функция

— производная по

— известная функция от (коэффициент при )

— известная функция от (правая часть)

Почему появляется множитель

Идея: умножить уравнение на функцию так, чтобы левая часть стала производной произведения .

Умножаем:

Мы хотим, чтобы слева получилось:

Сравним это с тем, что есть после умножения. Чтобы

должно выполняться условие на множитель:

Это уже не ОДУ для , а простое уравнение для :

Интегрируя по , получаем:

Важно:

— любая первообразная функции

константу, возникающую при интегрировании, можно не писать, потому что множитель, отличающийся на постоянный коэффициент, даёт то же семейство решений

См. также: Интегрирующий множитель.

Итоговая схема решения линейного ОДУ

Привести к виду .

Найти .

Умножить уравнение на и записать слева производную: .

Проинтегрировать по :

Разделить на и получить .

Пример с начальным условием

Решим задачу Коши:

Здесь , .

Интегрирующий множитель:

Чтобы не перегружать запись модулем, рассмотрим область , тогда .

Умножаем уравнение на :

Левая часть — это производная произведения:

Интегрируем:

Значит .

Используем условие :

Ответ (в области ):

Замены переменных как способ свести уравнение к известному типу

Зачем нужны замены

Не каждое уравнение сразу выглядит как разделяющееся или линейное. Замена вводит новую функцию, в которой уравнение становится проще.

Технически замена обычно выглядит так:

вводим новую функцию, например

выражаем через неё и

подставляем в исходное уравнение и получаем уравнение для

Ниже — две самые важные замены для ОДУ первого порядка.

Замена в уравнении Бернулли

Структура Бернулли

Уравнение Бернулли:

где — фиксированное число, обычно и .

при получаем линейное уравнение (потому что )

при правая часть пропорциональна , и уравнение тоже линейное

Ссылка: Уравнение Бернулли.

Смысл замены

Подстановка

выбрана так, чтобы «убрать» степень и получить линейное уравнение для .

После стандартных преобразований (обычно деления на ) уравнение действительно становится линейным относительно .

Пример

Решим:

Это Бернулли с , , .

Делим на (на тех промежутках, где ):

То есть:

Вводим замену .

Тогда производная выражается через так:

Отсюда .

Подставляем в уравнение:

Умножаем на :

Это линейное уравнение для .

Решаем линейное уравнение. Здесь , значит

Тогда

Дальше остаётся проинтегрировать правую часть и вернуться к через . Важно, что ключевая сложность (нелинейность ) уже снята заменой.

Однородные уравнения и замена

Что значит однородное в этом контексте

Часто встречается вид:

то есть правая часть зависит от и только через их отношение .

Такие уравнения называют однородными первого порядка.

Ссылка: Однородное дифференциальное уравнение.

Почему работает замена

Если положить

то производная считается по правилу производной произведения:

Здесь:

— новая неизвестная функция

— её производная

После подстановки уравнение обычно становится разделяющимся относительно .

Пример

Решим:

Правая часть зависит от , значит это однородный тип.

Вводим , то есть , и .

Подставляем:

Сокращаем по обе стороны:

Это разделяющееся уравнение:

Интегрируем:

Возвращаемся к :

Интегрирующий множитель для неточного уравнения

В прошлой статье точные уравнения имели вид:

и проверялись условием точности:

Здесь:

и — известные функции

— производная по при фиксированном

— производная по при фиксированном

Ссылка: Точное дифференциальное уравнение.

Иногда уравнение не точное, но его можно сделать точным, умножив на подходящий множитель .

Когда ищут только от или только от

Общий поиск может быть сложным. В базовых задачах часто работает один из двух случаев:

Ищем только от .

Ищем только от .

Практические критерии (их используют как тест):

Если выражение

зависит только от , то можно взять

Если выражение

зависит только от , то можно взять

Здесь записи и — краткие обозначения и .

Пример: делаем уравнение точным

Рассмотрим:

Здесь , .

Проверим точность:

Так как , уравнение не точное.

Проверим критерий для :

Это выражение зависит только от , значит ищем :

На области это упрощается до

Умножаем исходное уравнение на :

Теперь это точное уравнение.

Находим потенциал из условия .

Интегрируем по , считая константой:

Здесь — неизвестная функция только от .

Дифференцируем по :

Но по уравнению должно быть , значит , и можно взять .

Общее решение:

На области это можно переписать как

Что важно вынести

Интегрирующий множитель в линейном ОДУ строится из условия, чтобы левая часть стала производной .

Бернулли решается заменой , после чего получается линейное уравнение.

Однородный вид решается заменой , после чего часто получается разделяющееся уравнение.

Неточное уравнение иногда удаётся сделать точным множителем или , если проходит простой тест на зависимость только от одной переменной.

Линейные ОДУ второго порядка: однородные и неоднородные

Зачем переходить ко второму порядку

В прошлых темах мы решали ОДУ первого порядка и видели, что структура уравнения подсказывает метод: разделение переменных, интегрирующий множитель, замены и точные уравнения. Во втором порядке появляется новая важная идея: пространство решений и суперпозиция (линейная комбинация решений). Это резко упрощает анализ и даёт стандартный план решения.

Типичные модели второго порядка:

колебания (пружина, маятник в малых углах)

электрические цепи второго порядка

механика с ускорением (так как ускорение — это вторая производная)

Что такое линейное ОДУ второго порядка

Линейное ОДУ второго порядка имеет вид

Расшифровка каждого элемента:

— независимая переменная

— искомая функция

— первая производная (скорость изменения )

— вторая производная (изменение скорости изменения)

и — известные функции от (коэффициенты при и )

— известная функция от (правая часть, “внешнее воздействие”)

Слово линейное означает: , , входят только в первой степени и не перемножаются между собой. Например, , , делают уравнение нелинейным.

Однородное и неоднородное уравнения

Однородное

Если правая часть равна нулю, получаем однородное уравнение:

Смысл: у системы нет внешнего “подталкивания”, есть только внутренняя динамика.

Неоднородное

Если , уравнение неоднородное:

Смысл: внешний источник заставляет систему вести себя иначе (например, вынужденные колебания).

Ключевой принцип: суперпозиция

Для однородного уравнения

Если и — решения однородного уравнения, то любая линейная комбинация

тоже будет решением.

Здесь:

и — произвольные константы

и — две “базовые” функции-решения

Обычно (в типичных условиях) множество решений второго порядка зависит от двух констант, поэтому и ожидаются и .

Для неоднородного уравнения

Общая схема такая:

Где:

— общее решение соответствующего однородного уравнения (его ещё называют однородная часть или complementary solution)

— одно конкретное частное решение неоднородного уравнения (его ещё называют частное решение или particular solution)

Почему это работает: если подставить сумму в левую часть, то вклад от даст ноль (по определению), а вклад от даст .

!Схема выбора стратегии для линейных ОДУ второго порядка

Самый важный частный случай: постоянные коэффициенты

Часто встречается уравнение

где:

и — постоянные числа

— заданная функция

Сначала рассмотрим однородный вариант ().

Однородное уравнение с постоянными коэффициентами

Рассматриваем

Характеристическое уравнение

Идея метода: искать решение в виде экспоненты , где — число.

Тогда:

- -

Подставляя в , получаем:

Так как , можно разделить на и получить характеристическое уравнение:

Здесь:

— неизвестное число

левая часть — квадратный многочлен

Дальше всё зависит от корней этого квадратного уравнения.

Сводка случаев

| Корни характеристического уравнения | Вид решений | Общее решение | |---|---|---| | Два разных вещественных корня | две экспоненты | | | Один вещественный корень кратности 2: | экспонента и экспонента с множителем | | | Комплексные корни | экспонента * косинус/синус | |

Объяснение обозначений в третьем случае:

— вещественная часть корня (задаёт рост/затухание через )

— мнимая часть по модулю (задаёт частоту колебаний через и )

— мнимая единица, число с свойством

Пример: два разных вещественных корня

Решим

Здесь:

- -

Характеристическое уравнение:

Оно раскладывается на множители , значит корни и .

Итог:

Неоднородное уравнение: как находят частное решение

Теперь рассмотрим

План:

найти из однородного уравнения

подобрать одно частное решение

записать

Метод неопределённых коэффициентов

Этот метод удобен, когда правая часть имеет “простой” вид, например:

многочлен (например, )

экспонента (например, )

синус или косинус (например, )

суммы и произведения таких функций

Идея: угадать форму того же типа, но с неизвестными коэффициентами, и определить их подстановкой.

#### Пример: правая часть — константа

Решим

Шаг 1. Однородное уравнение:

Характеристическое уравнение , корни . Значит

Шаг 2. Частное решение. Так как справа константа , пробуем константу .

Тогда:

- -

Подставляем в :

Шаг 3. Общее решение неоднородного:

#### Важное правило про “совпадение” с однородным решением

Если выбранная форма для случайно совпала с частью , нужно умножить пробное выражение на (иногда на ), чтобы получить линейно независимую форму.

Пример ситуации: если , а в уже есть слагаемое , то пробовать нельзя — это будет “поглощено” однородной частью. Тогда пробуют .

Метод вариации постоянных (универсальный)

Когда сложнее, метод неопределённых коэффициентов может не работать. Тогда используют вариацию постоянных.

Идея в одной фразе: в решении однородного уравнения константы , заменяют на функции , и подбирают их так, чтобы выполнялось неоднородное уравнение.

Полные формулы требуют аккуратной техники (и обычно вводят определитель Вронского), поэтому здесь важно запомнить смысл:

метод работает для широкого класса , ,

он опирается на уже найденные два независимых решения однородного уравнения

См. обзорный источник: Variation of parameters.

Как связать с задачей Коши

Для уравнения второго порядка, чтобы выбрать единственное решение из семейства, обычно задают два начальных условия, например:

Здесь:

— точка, где заданы условия

— значение функции в точке

— значение первой производной (наклон графика) в точке

Дальше алгоритм стандартный:

находите общее решение (в нём будут , )

вычисляете

подставляете в и

решаете систему из двух уравнений относительно и

Что важно вынести

Линейное ОДУ второго порядка: .

Однородное (): решения складываются, общее решение обычно содержит две константы.

Неоднородное (): .

При постоянных коэффициентах находят через характеристическое уравнение .

Частное решение часто ищут методом неопределённых коэффициентов (если простое), а в общем случае — методом вариации постоянных.

Методы решения: вариация постоянных, неопределённые коэффициенты, функции Грина

Как эта тема связана с предыдущими

Ранее мы разобрали линейные ОДУ второго порядка

где:

— неизвестная функция;

и — первая и вторая производные по ;

и — заданные коэффициенты;

— заданная правая часть (внешнее воздействие).

Мы также использовали принцип: общее решение неоднородного уравнения представимо как

где:

— общее решение однородного уравнения ;

— одно конкретное частное решение исходного неоднородного уравнения.

В этой статье мы систематизируем три ключевых подхода к поиску :

метод неопределённых коэффициентов (быстрый, но работает не всегда);

метод вариации постоянных (универсальнее, но вычислительно тяжелее);

функции Грина (концептуально связывают уравнение с откликом на “импульс”, особенно полезны в задачах с начальными/краевыми условиями).

!Интуиция: линейное уравнение преобразует вход в выход , а функция Грина играет роль ядра преобразования

Метод неопределённых коэффициентов

Когда метод применим

Метод неопределённых коэффициентов применяют для уравнений с постоянными коэффициентами:

где и — числа (константы), а правая часть имеет специальный вид, для которого удобно “угадать” форму .

Обычно метод работает, если — комбинация функций из этого набора:

многочлены (например, );

экспоненты (например, );

синусы и косинусы (например, , );

произведения таких выражений (например, или );

суммы перечисленного.

Если коэффициенты зависят от (то есть и не константы), метод в базовом виде обычно не применяют.

Справка: Method of undetermined coefficients.

Идея метода

Найти для однородного уравнения .

Выбрать пробный вид “похожий” на , но с неизвестными числовыми коэффициентами.

Подставить в уравнение и определить коэффициенты из равенства левой части и .

Таблица типовых “пробных” форм

| Правая часть | Пробный вид | |---|---| | (многочлен степени ) | | | | | | или | | | | | | или | |

Здесь:

— известный многочлен степени ;

— неизвестные числа, которые мы определяем подстановкой.

Правило резонанса

Иногда выбранная пробная форма частного решения совпадает с частью однородного решения .

Тогда пробное выражение нужно умножить на (иногда на и далее), пока оно не станет линейно независимым от решений однородного уравнения.

Практически:

если пробная форма совпала с одним решением из , умножают на ;

если совпала из-за кратного корня (совпадение “дважды”), умножают на .

Пример с резонансом

Решим

Однородная часть: .

Ищем . Тогда характеристическое уравнение:

Его корни и , значит

Для правой части естественно пробовать , но уже есть в , это резонанс. Поэтому пробуем

Находим производные:

Подставляем в левую часть :

Требуем равенство правой части , то есть . Отсюда , значит .

Итак,

Метод вариации постоянных

Зачем он нужен

Метод вариации постоянных применяют, когда:

коэффициенты и зависят от ;

правая часть “неподходящая” для неопределённых коэффициентов;

нужен более универсальный алгоритм.

Справка: Variation of parameters.

Что нужно заранее

Сначала требуется найти два линейно независимых решения и однородного уравнения

Тогда общее решение однородного уравнения:

Здесь и — константы.

Идея замены

Вместо констант и берут функции и и ищут частное решение в виде

Здесь:

и — новые неизвестные функции;

и — уже известные решения однородного уравнения.

Вронскиан и формулы для и

Вводят вронскиан пары :

Смысл элементов:

и — производные известных функций и ;

показывает, что и действительно независимы (если на интересующем промежутке).

Для уравнения в стандартном виде

получаются формулы:

После нахождения производных остаётся проинтегрировать:

Интегральные константы, возникающие при этих интегрированиях, можно “поглотить” в и итогового решения, поэтому для обычно берут любые удобные первообразные.

Пример, где вариация постоянных даёт ответ “в лоб”

Решим

Однородная часть: . Из стандартного результата:

Считаем вронскиан:

Здесь использовано тождество .

Находим и (здесь и ):

Интегрируем:

Собираем частное решение:

Раскрывая скобки и используя , получаем .

Итог:

Замечание: здесь частное решение можно было бы найти и методом неопределённых коэффициентов, но пример показывает, что вариация постоянных работает системно и не требует угадывания формы.

Функции Грина

Интуиция

Функция Грина — это способ описать решение линейного уравнения как “сумму откликов” на очень узкие воздействия.

Идея опирается на два факта:

линейность: отклик на сумму воздействий равен сумме откликов;

в математике есть идеализированный “точечный импульс” — дельта-функция Дирака .

Справка: Green's function.

Определение для линейного оператора

Обозначим линейный оператор

Тогда функция Грина (читается: “ от и параметра ”) для выбранных условий (начальных или краевых) определяется так:

Пояснение обозначений:

— переменная, по которой действует оператор ;

— параметр, показывающий, где расположен “импульс”;

подчёркивает, что производные берутся по ;

— дельта-импульс в точке .

После того как найдена, решение уравнения

записывают как интеграл:

Границы интегрирования зависят от постановки задачи (например, от интервала и условий).

Связь с вариацией постоянных

Для задач Коши (когда заданы начальные условия в точке ) функция Грина строится через фундаментальные решения однородного уравнения и их вронскиан. По сути, это “упаковка” метода вариации постоянных в более структурный вид.

Функция Грина для задачи Коши второго порядка (с причинностью)

Рассмотрим уравнение

с начальными условиями в точке .

Пусть и — решения однородного уравнения , выбранные так, чтобы:

Тогда вронскиан обычно не равен нулю на интересующем промежутке, и “причинная” (каузальная) функция Грина задаётся кусочно:

Что означает эта формула:

если , отклика ещё нет (импульс “в будущем”), поэтому ;

если , отклик выражается через и ;

в числителе стоит комбинация значений решений в точках и ;

деление на нормирует выражение так, чтобы получилась именно в правой части.

Пример: осциллятор с нулевыми начальными условиями

Рассмотрим

Выбираем фундаментальные решения однородного уравнения :

(действительно , );

(действительно , ).

Вронскиан, как мы считали выше, равен .

Тогда для :

а для имеем .

И решение записывается так:

Если, например, , то

Здесь сделана замена .

Как выбирать метод на практике

Неопределённые коэффициенты: выбирайте, если уравнение с постоянными коэффициентами и “простая” правая часть.

Вариация постоянных: выбирайте, если уже нашли и и нужно универсально обработать .

Функции Грина: выбирайте, если важна постановка с условиями (задача Коши или краевая задача) и хочется получить решение в виде интеграла “ядро правая часть”.

Что важно вынести

Во всех трёх методах ключевой шаг — уже решённая однородная задача и понимание структуры линейного пространства решений.

Метод неопределённых коэффициентов — быстрый шаблонный инструмент, но требует подходящего вида .

Вариация постоянных работает для широкого класса и сводит задачу к интегрированию выражений с и вронскианом .

Функция Грина превращает решение в интеграл по и интерпретируется как отклик системы на точечное воздействие.

Системы ОДУ и фазовый анализ: устойчивость, равновесия, портреты

Как эта тема связана с предыдущими

В предыдущих статьях мы решали ОДУ первого и второго порядка и видели два ключевых мотива:

уравнение задаёт скорость изменения состояния (первый порядок)

второй порядок часто описывает динамику с ускорением и приводит к колебаниям, затуханию и вынужденным режимам

Системы ОДУ обобщают это: вместо одной функции мы рассматриваем несколько взаимосвязанных функций. Это естественно для физических, биологических и инженерных моделей, где состояние состоит из нескольких величин.

Фазовый анализ добавляет ещё один уровень понимания: вместо поиска формулы решения мы изучаем геометрию всех возможных решений и их поведение при больших временах, то есть устойчивость и типичные режимы.

Что такое система ОДУ

Вектор состояния

Пусть состояние системы описывается набором величин . Удобно собрать их в вектор

Здесь:

— независимая переменная (обычно время)

— -я компонента состояния

— размерность системы

Общий вид системы

Система ОДУ первого порядка записывается как

Здесь:

— вектор производных по , то есть

— заданное правило, которое по текущему времени и текущему состоянию возвращает скорости изменения

Автономные системы

Часто встречается важный частный случай, когда правая часть не зависит от времени явно:

Такие системы называют автономными. Именно для них фазовый анализ особенно удобен: поведение определяется точкой в пространстве состояний, а не конкретным временем.

Справка: Система дифференциальных уравнений.

Как сводить ОДУ более высокого порядка к системе

Это мост от прошлых тем к текущей.

Если у вас есть одно уравнение второго порядка для , например

то вводят новые переменные:

- -

Тогда:

-

, а выражается из исходного уравнения

Получается система первого порядка:

Здесь:

— те же константы, что и в исходном уравнении

— внешнее воздействие

Этот приём работает и для любого порядка: уравнение -го порядка превращается в систему из уравнений первого порядка.

Фазовое пространство и фазовый портрет

Фазовая траектория

В системе решение — это функция . Если рассматривать не график компонент по времени, а путь точки в пространстве состояний, получаем фазовую траекторию.

В двумерном случае траектория — это кривая на плоскости .

Векторное поле

Правая часть задаёт в каждой точке фазового пространства вектор скорости. Это аналог поля направлений для ОДУ первого порядка, только теперь стрелки живут в пространстве состояний.

!Иллюстрация того, что система задаёт вектор скорости в каждой точке, а решения — это траектории

Фазовый портрет

Фазовый портрет — это совокупность типичных траекторий (и особых точек) на фазовой плоскости или в фазовом пространстве. Он помогает понять:

куда стремятся решения при

существуют ли циклы или колебания

насколько чувствительна динамика к начальным условиям

Равновесия (стационарные точки)

Для автономной системы

точка называется точкой равновесия (или стационарной точкой*), если

Здесь:

— постоянный вектор состояния

— нулевой вектор (все компоненты равны нулю)

Смысл простой: если система оказалась в , то скорость изменения равна нулю, и состояние не меняется.

В двумерном случае, если система записана как

то равновесия находятся из системы алгебраических уравнений

Устойчивость: что именно означает «устойчиво»

Пусть — равновесие автономной системы.

Устойчивость по Ляпунову

Равновесие называется устойчивым, если малое возмущение начального состояния остаётся малым всегда.

Формально: для любого найдётся такое, что если

то для всех будет

Здесь:

— длина вектора (норма), то есть мера расстояния в пространстве состояний

— допустимая «полоса безопасности» вокруг равновесия

— насколько близко нужно стартовать, чтобы не выйти за полосу

Асимптотическая устойчивость

Равновесие называется асимптотически устойчивым, если оно не только удерживает близкие траектории, но и притягивает их:

Неустойчивость

Равновесие неустойчиво, если можно стартовать сколь угодно близко к нему и всё равно со временем уйти далеко.

Справка по базовым определениям: Устойчивость по Ляпунову.

Линейные системы и их фазовые портреты

Матричная форма

Линейная автономная система записывается как

Здесь:

— вектор состояния

— матрица коэффициентов (она задаёт линейное преобразование)

Если есть сдвиг (внешняя постоянная сила), пишут

Тогда равновесие находится из (если решение существует).

Почему важны собственные значения

Качество равновесия в линейной системе определяется собственными значениями матрицы . В двумерном случае у два собственных значения (возможны комплексные).

Интуиция:

если вдоль некоторого направления динамика растёт как и , то это направление «раздувает» траектории

если , то оно «сжимает» траектории

Здесь:

— вещественная часть числа

Справка: Собственные значения и собственные векторы.

Классификация равновесия в двумерной линейной системе

Рассмотрим равновесие в точке системы .

| Собственные значения | Тип точки | Устойчивость | Геометрия траекторий | |---|---|---|---| | , (вещественные) | устойчивый узел | асимптотически устойчиво | траектории входят в точку без вращения | | , (вещественные) | неустойчивый узел | неустойчиво | траектории выходят из точки без вращения | | | седло | неустойчиво | есть притягивающее и отталкивающее направления | | , , | устойчивый фокус | асимптотически устойчиво | спираль закручивается к точке | | , , | неустойчивый фокус | неустойчиво | спираль раскручивается от точки | | , | центр | устойчиво (не асимптотически) | замкнутые траектории вокруг точки |

Важно: случай «центр» для нелинейных систем требует осторожности, потому что малые нелинейности могут превратить центр в фокус.

Нелинейные системы и линеаризация

Для нелинейной автономной системы

часто нельзя получить формулы решений. Но рядом с равновесием можно приблизить систему линейной.

Якобиан

Матрица Якоби (якобиан) функции — это матрица частных производных:

Здесь:

— -я компонента вектора

— -я переменная состояния

— как скорость изменения реагирует на изменение координаты

Линейная модель около равновесия

Если — равновесие, то в малой окрестности вводят отклонение и получают приближение

Смысл:

вместо сложной нелинейной динамики мы анализируем линейную систему с матрицей

тип равновесия часто определяется собственными значениями

Идея, почему это работает, формализуется в теореме Хартмана—Гробмана (в «хороших» случаях равновесие ведёт себя как линеаризация). Справка: Теорема Хартмана — Гробмана.

Два классических примера фазового анализа

Гармонический осциллятор как система

Уравнение колебаний без затухания:

Сводим к системе, положив и :

Здесь:

— положение

— скорость

Равновесие одно: .

Если записать систему в виде с , то

а собственные значения равны . Это означает центр: траектории замкнуты, движение не затухает.

!Замкнутые траектории соответствуют незатухающим колебаниям

Затухающий осциллятор

Уравнение с затуханием:

Система для , :

Теперь равновесие обычно становится асимптотически устойчивым: энергия убывает, траектории закручиваются к началу или входят в него без вращения (в зависимости от величины ).

!Затухание превращает замкнутые орбиты в спирали к равновесию

Пример нелинейной системы: модель хищник—жертва

Классическая система Лотки—Вольтерры:

где:

— численность жертв

— численность хищников

— положительные параметры

Типичные равновесия:

- -

Фазовый портрет показывает замкнутые циклы вокруг второго равновесия в идеализированной модели: популяции колеблются.

Справка: Уравнения Лотки — Вольтерры.

!Колебательные режимы популяций как замкнутые траектории

Практический алгоритм фазового анализа

Для двумерной автономной системы , удобно действовать так:

Найти равновесия, решив и .

Для каждого равновесия вычислить якобиан и подставить точку равновесия.

Найти собственные значения матрицы .

По таблице классификации определить тип точки и устойчивость.

Сделать качественный эскиз фазового портрета: отметить равновесия, направления, типичные траектории.

Этот подход особенно полезен, когда явные формулы решений недоступны или не нужны, а важно понять режимы системы.

Что важно вынести

Системы ОДУ описывают динамику многомерного состояния: .

Уравнения высокого порядка удобно сводить к системе первого порядка.

Для автономных систем ключевые объекты — равновесия и фазовые траектории.

Устойчивость равновесия описывает, что происходит с решениями при малых возмущениях.

В двумерных линейных системах тип равновесия определяется собственными значениями матрицы.

В нелинейных системах используют линеаризацию через якобиан для локального анализа.

Численные методы: Эйлер, Рунге—Кутта, оценка погрешности и устойчивость

Как эта тема связана с предыдущими

До этого мы в основном искали аналитические решения ОДУ: формулы для или качественное поведение через фазовый анализ. Но на практике часто встречаются уравнения, которые:

не приводятся к стандартным типам первого порядка;

имеют коэффициенты или правые части сложного вида;

описывают реальные данные и требуют вычисления значений решения в конкретных точках.

Тогда применяют численные методы: мы строим приближённые значения решения по шагам, начиная с начального условия.

Эта статья фокусируется на задаче Коши для ОДУ первого порядка

где:

— независимая переменная;

— неизвестная функция;

— производная по ;

— заданная функция, определяющая скорость изменения;

— начальное условие.

Для ОДУ более высокого порядка (например, второго) мы уже умеем сводить их к системе первого порядка, значит численные методы ниже применимы и к ним.

Идея численного решения: сетка и пошаговое построение

Мы выбираем шаг и строим сетку по :

Здесь:

— номер шага;

— очередная точка по оси ;

— расстояние между соседними точками.

Численный метод строит последовательность приближений .

!Сетка по x и идея шага: из текущей точки двигаемся к следующей, используя оценку наклона

Метод Эйлера

Откуда берётся формула

В точке производная равна . Геометрически производная — это наклон касательной. Если на коротком промежутке длины считать наклон почти постоянным, то приращение функции можно приближённо взять как

Тогда получаем формулу шага метода Эйлера:

Здесь:

— приближённое значение решения в точке ;

— оценка наклона (правой части уравнения) в текущей точке;

— шаг по ;

— приближение в следующей точке .

Ссылка: Метод Эйлера.

Алгоритм

Сильные и слабые стороны

Плюсы: очень простой, дешёвый по вычислениям.

Минусы: невысокая точность, может быть неустойчивым при некоторых задачах.

Методы Рунге—Кутты

Методы Рунге—Кутты улучшают идею Эйлера: вместо одного наклона на шаге берут несколько наклонов внутри шага и “усредняют” их.

Ссылка: Методы Рунге — Кутты.

Классический RK4 (четвёртого порядка)

Самый популярный “универсальный” метод для гладких задач — классический RK4:

Что означают элементы:

— наклон в начале шага;

и — наклоны в середине шага (но с разными “пробными” значениями );

— наклон в конце шага;

формула для — взвешенное среднее наклонов, умноженное на шаг .

Практический смысл: RK4 обычно даёт хорошую точность при умеренных шагах, но за шаг требует 4 вычисления функции .

Погрешность: локальная и глобальная

Термины ниже важны, потому что “точность метода” — это не одно число, а поведение ошибки при уменьшении шага .

Локальная погрешность (ошибка одного шага)

Локальная погрешность — это ошибка, которую делает один шаг метода при предположении, что в точке мы стартуем с точного значения .

Её часто оценивают по порядку :

для метода Эйлера локальная погрешность имеет порядок ;

для RK4 локальная погрешность имеет порядок .

Здесь “порядок ” означает: при уменьшении шага в 2 раза такая ошибка уменьшается примерно в раз (в режимах, где оценка применима).

Глобальная погрешность (ошибка на отрезке)

Глобальная погрешность — это накопленная ошибка после многих шагов, например в точке .

Типичное правило связи порядков:

метод Эйлера имеет глобальную ошибку порядка ;

RK4 имеет глобальную ошибку порядка .

Важно понимать смысл: если уменьшить шаг в 2 раза, то у Эйлера ошибка примерно уменьшится в 2 раза, а у RK4 — примерно в 16 раз.

Как на практике оценивать ошибку

Точную ошибку мы не знаем (потому что точного решения обычно нет). Поэтому используют оценку ошибки через сравнение приближений.

Удвоение шага (step doubling)

Идея:

Считаем один шаг длины : получаем значение .

Считаем два шага длины : получаем .

Разница служит индикатором ошибки.

Если метод имеет глобальный порядок , то разность масштабируется примерно как (в типичных условиях), и это позволяет:

проверять, достаточно ли мал шаг;

адаптивно менять шаг.

Встроенные методы Рунге—Кутты (идея)

Во многих библиотеках используют встроенные пары Рунге—Кутты: на одном и том же наборе промежуточных вычислений получают два приближения разных порядков, а их разность даёт оценку ошибки.

Исторически популярный пример — RK45 (пары порядка 4 и 5), например семейство Дорманда—Принса. Ссылка: Dormand–Prince method.

Устойчивость численного метода

Точность сама по себе не гарантирует хорошее поведение: даже “точный” метод может давать мусор, если шаг выбран так, что метод неустойчив.

Тестовое уравнение и смысл параметра

Для анализа устойчивости часто используют простейшее линейное уравнение

где — постоянное число.

Если , точное решение убывает: .

Если численный метод при таком и выбранном шаге вместо убывания начинает расти или сильно колебаться, это признак неустойчивости.

Устойчивость метода Эйлера

Применим Эйлера:

Число называют множителем шага: оно показывает, во сколько раз меняется величина за один шаг.

Для устойчивости при затухании нужно, чтобы модуль множителя был меньше 1:

Если — вещественное число, это условие превращается в ограничение на шаг:

Смысл: чем быстрее убывает истинное решение (чем больше ), тем меньше должен быть шаг у явного Эйлера, иначе численное решение начнёт вести себя неправильно.

Жёсткие задачи и почему это важно

Жёсткость (stiffness) — ситуация, когда в системе одновременно присутствуют очень быстрые и очень медленные масштабы, из-за чего явные методы вынуждены брать крайне маленький шаг ради устойчивости, даже если высокая точность не требуется.

Ссылка: Жёсткая система.

В таких задачах часто переходят к неявным методам (например, неявный Эйлер), но это отдельная большая тема.

Устойчивость и RK4 (качественно)

Для RK4 тоже можно получить “множитель шага” на тестовом уравнении , но он будет сложнее (полином от ). Практический вывод:

RK4 имеет гораздо более широкую область устойчивости, чем явный Эйлер;

но область устойчивости всё равно конечна, поэтому при очень жёстких задачах RK4 тоже вынужден сильно уменьшать .

Справочный термин: Absolute stability.

!Сравнение областей устойчивости: почему один и тот же шаг может быть допустим для RK4, но недопустим для Эйлера

Как выбирать метод и шаг: практические рекомендации

Если нужно быстро набросать приближение и задача не жёсткая, метод Эйлера подходит как стартовый инструмент, но шаг обычно придётся делать маленьким.

Для большинства гладких задач с умеренными требованиями к точности классический RK4 — хороший “рабочий стандарт”.

Если вы не уверены в нужном шаге, используйте оценку ошибки (например, удвоение шага) и подбирайте так, чтобы ошибка попадала в требуемый допуск.

Если при уменьшении шага решение резко “успокаивается”, а при большем шаге возникают неестественные колебания или рост там, где должно быть затухание, это типичный сигнал проблем устойчивости.

Что важно вынести

Численные методы строят приближения на сетке .

Метод Эйлера: — прост, но менее точен и чувствителен к устойчивости.

RK4 использует 4 наклона и обычно даёт высокую точность при разумных шагах.

Локальная и глобальная погрешности отличаются: глобальная ошибка накапливается на многих шагах.

Ошибку оценивают сравнением приближений (например, один шаг против двух шагов ).

Устойчивость анализируют на тестовом уравнении ; для Эйлера важно условие , которое ограничивает шаг.