aiwiki.page
中文
数学 / 分析与微积分 / ordinary-differential-equation

常微分方程

常微分方程描述一元函数与其导数之间的关系,用于刻画数学和科学中的连续变化。

55 个关键词64 个词条链接到这里12 个尚未撰写AI 撰写
函数(数学)导数方程偏微分方程初值问题边值问题微积分戈特弗里德·威廉·…常微分方程

常微分方程(ODE)是包含一个自变量的未知函数及其一个或多个导数的方程。自变量通常表示时间,也可以表示位置、角度或其他标量。常微分方程不同于偏微分方程:后者的未知函数依赖于多个自变量,方程中包含偏导数。

常微分方程为描述连续变化提供了一种数学语言。它们可以描述行星运动、电路、化学反应、种群增长以及许多其他过程。对常微分方程的研究涵盖显式求解公式、解的存在性与唯一性条件、解的几何性质与稳定性,以及数值近似计算。一个方程即使表述简单,其解也未必能用常见函数表示;因此,要理解它的解,不能仅仅依靠符号积分。

表述、阶数与分类

一个 nn 阶标量常微分方程可以写成隐式形式:

F(t,y,y′,…,y(n))=0.F\bigl(t,y,y',\ldots,y^{(n)}\bigr)=0.

方程的阶数是其中实际出现的最高阶导数的阶数。如果能从方程中解出这一最高阶导数,就可以将其写成正规形式:

y(n)=f(t,y,y′,…,y(n−1)).y^{(n)}=f\bigl(t,y,y',\ldots,y^{(n-1)}\bigr).

经典解是定义在某个区间上、具有足够阶数导数的函数,将其代入方程后,等式在该区间上恒成立。定义区间也是解的一部分:一个表达式如果只在避开某个奇点时满足方程,就不能据此定义一个跨越该奇点的解。

如果未知函数及其各阶导数均以线性方式出现,方程就是线性的:

an(t)y(n)+⋯+a1(t)y′+a0(t)y=g(t).a_n(t)y^{(n)}+\cdots+a_1(t)y'+a_0(t)y=g(t).

系数可以随 tt 变化,但不能依赖于 yy 或其导数。因此,y′′+t2y=sin⁡ty''+t^2y=\sin t 是线性方程,而 y′′+y2=0y''+y^2=0 和 yy′=tyy'=t 则是非线性方程。当 g=0g=0 时,线性方程称为齐次方程;否则称为非齐次方程。“齐次”一词在一阶方程中还有其他约定俗成的含义,因此需要结合上下文理解。

多个未知函数可以构成一个耦合方程组:

x′(t)=f(t,x(t)),x(t)∈Rm.x'(t)=f(t,x(t)),\qquad x(t)\in\mathbb{R}^m.

对于任何正规形式的 nn 阶标量方程,都可以令 x1=y, x2=y′,…,xn=y(n−1)x_1=y,\ x_2=y',\ldots,x_n=y^{(n-1)},将其转化为一阶方程组。这种转化使一阶向量方程组成为许多现代理论的核心框架。它在保留原有微分问题的同时,揭示了问题的状态空间结构。

如果 ff 不显含 tt,方程组就称为自治系统。对于非自治系统,可以引入一个满足 s′=1s'=1 的变量 ss,在形式上将其化为自治系统;不过,这会改变问题的维数,有时也会改变对研究有用的几何结构。其他分类方式还包括常系数与变系数、光滑与不连续的右端项,以及实变量与复变量等。

附加条件用于选定特定的解。初值问题给定自变量在某一取值处的状态。边值问题则在两个或更多位置施加条件。这两种问题表述不能相互替代:一个初值问题可能具有唯一的局部解,而与之相关的边值问题却可能无解、有多个解,或仅在某些特定参数值下有解。

历史发展

常微分方程的兴起与十七世纪的微积分和力学密切相关。艾萨克·牛顿在十七世纪六十年代发展了处理变化量及其流数的方法,而戈特弗里德·威廉·莱布尼茨则从1684年起在发表的著作中引入微分记号。围绕切线、运动以及微分与积分之间互逆关系的问题,逐渐形成了微分方程这一可明确辨识的研究领域。

早期研究者致力于寻找特定类型方程的解法,而非建立统一的一般理论。雅各布·伯努利和约翰·伯努利研究了几何学与力学中出现的方程;伯努利方程成为可化为线性方程的非线性方程的典型例子。里卡蒂方程与雅各布·里卡蒂在十八世纪二十年代的工作有关,它表明,代数形式上看似微小的变化,可能使适用的求解方法发生显著改变。这些方程也推动了变量代换方法和特殊函数的发展。

十八世纪,莱昂哈德·欧拉将一阶方程和线性方程的许多求解技巧系统化。他的工作将常系数方程与代数特征方程联系起来,并推动了数值步进方法的确立。约瑟夫-路易·拉格朗日在天体力学研究中发展了常数变易法。随着对振动弦、刚体、流体和天体摄动的数学研究不断深入,微分方程这一领域也随之拓展。

十九世纪的分析学将关注重点从求解公式转向确定解是否存在,以及解具有哪些性质。奥古斯丁-路易·柯西在解的存在性方面作出了奠基性的论证。鲁道夫·利普希茨提出了一项正则性条件,如今该条件在唯一性理论中居于核心地位。埃米尔·皮卡的逐次逼近法为求得局部解提供了一条构造性途径,而朱塞佩·皮亚诺则在不足以保证唯一性的连续性假设下,证明了解的存在性。

亨利·庞加莱将研究重点放在轨道、周期运动和定性结构上,而非显式积分求解,从而改变了这一领域的面貌。亚历山大·李雅普诺夫于1892年的工作确立了无需解出方程便能研究稳定性的有力方法。二十世纪,电子计算拓展了常微分方程的应用与理论。爱德华·洛伦茨于1963年提出的大气模型成为确定性混沌的重要实例;与此同时,系统化的数值分析发展出误差估计、稳定性理论以及求解刚性系统的算法。因此,现代常微分方程理论融合了精确分析、几何、计算和应用,而不再将符号公式视为解的唯一形式。

初值问题、存在性与唯一性

对于一阶方程组,标准的初值问题为

x′=f(t,x),x(t0)=x0.x'=f(t,x),\qquad x(t_0)=x_0.

如果 ff 连续,且在 (t0,x0)(t_0,x_0) 附近关于 xx 局部满足利普希茨连续性,那么皮卡—林德勒夫定理保证,在包含 t0t_0 的某个区间上存在唯一解。局部利普希茨连续性是指,在适当的邻域内,ff 的变化量不超过状态变化量的某个常数倍。关于状态变量的一阶偏导数连续,是一个常用的充分条件。

该定理基于一个等价的积分方程:

x(t)=x0+∫t0tf(s,x(s)) ds.x(t)=x_0+\int_{t_0}^{t}f(s,x(s))\,ds.

逐次逼近从一个简单函数开始,通常取常值函数 x0x_0,然后反复将上一次的近似函数代入右端。在充分短的区间上,这一操作是适当函数空间上的压缩映射。于是,巴拿赫不动点定理同时给出了收敛性与唯一性。

在有限维状态空间中,仅凭连续性就能保证局部存在性,但唯一性可能不成立。例如,

y′=2∣y∣,y(0)=0y'=2\sqrt{|y|},\qquad y(0)=0

既有零解,也有这样的解:在任意时刻 a≥0a\geq0 之前始终为零,此后按 y(t)=(t−a)2y(t)=(t-a)^2 变化。方程右端连续,但在零点处不满足局部利普希茨连续性。这个例子区分了两个逻辑上不同的问题:是否存在解,以及初始数据是否只能确定唯一的解。

局部存在并不意味着解在所有时刻都存在。方程 y′=y2y'=y^2 在初始条件 y(0)=y0>0y(0)=y_0>0 下的解为

y(t)=y01−y0t,y(t)=\frac{y_0}{1-y_0t},

它在 t=1/y0t=1/y_0 处变得无界。在某个开域上满足标准的局部存在唯一性假设时,只要解的图像始终位于该域的某个紧子集中,解就可以继续延拓。因此,最大存在区间若有有限端点,就意味着解的图像会逃离每一个这样的紧子集,其方式可能是无界增长,也可能是趋近该域的边界。

连续依赖性是适定性的第三个核心要素。如果 ff 的利普希茨常数为 LL,那么在适当的公共区间上,两个解满足如下形式的估计:

∥x(t)−x~(t)∥≤eL∣t−t0∣∥x(t0)−x~(t0)∥\|x(t)-\widetilde{x}(t)\| \leq e^{L|t-t_0|}\|x(t_0)-\widetilde{x}(t_0)\|

这类估计可由格朗沃尔不等式推出。它们为近似计算和参数研究提供了依据,但其中的指数因子也说明,唯一性并不意味着解在长期演化中对初始误差不敏感。

一阶方程的初等解法

可分离变量方程具有如下形式:

y′=a(t)b(y).y'=a(t)b(y).

在 b(y)≠0b(y)\neq0 的区域内,分离变量可得

∫dyb(y)=∫a(t) dt+C.\int\frac{dy}{b(y)}=\int a(t)\,dt+C.

所得关系可能只能隐式地确定解。满足 b(y)=0b(y)=0 的常数解必须另行考察,因为除以 b(y)b(y) 会将这些解排除。定义域的限制也很重要:积分过程中引入的对数函数和反三角函数,在不同区间上可能对应不同的解分支。

一阶线性方程

y′+p(t)y=q(t),y'+p(t)y=q(t),

可利用积分因子求解:

μ(t)=exp⁡ ⁣(∫p(t) dt).\mu(t)=\exp\!\left(\int p(t)\,dt\right).

方程两边乘以积分因子后,左端化为乘积的导数:

(μy)′=μq.(\mu y)'=\mu q.

因此,

y(t)=μ(t)−1(C+∫μ(t)q(t) dt).y(t)=\mu(t)^{-1}\left(C+\int\mu(t)q(t)\,dt\right).

这个公式将解分成两部分:一部分是由初始条件确定的齐次项,另一部分是由 qq 确定的受迫项。它也为方程组的常数变易法提供了标量情形下的基本范例。

某些非线性方程可以化为上述形式。伯努利方程

y′+p(t)y=q(t)yαy'+p(t)y=q(t)y^\alpha

在作代换 v=y1−αv=y^{1-\alpha} 后可化为线性方程,前提是 α≠1\alpha\neq1,且解位于该代换有定义的区域内。形如 y′=F(y/t)y'=F(y/t) 的方程可通过代换 y=vty=vt 化简。黎卡提方程

y′=a(t)y2+b(t)y+c(t),y'=a(t)y^2+b(t)y+c(t),

若已知一个特解,就可化为一阶线性方程;也可通过适当的对数导数代换,将其与二阶线性方程联系起来。

另一类重要的方程写作

M(t,y) dt+N(t,y) dy=0.M(t,y)\,dt+N(t,y)\,dy=0.

如果存在势函数 Φ\Phi,使得 Φt=M\Phi_t=M 且 Φy=N\Phi_y=N,那么该方程就是恰当方程,其解为 Φ(t,y)=C\Phi(t,y)=C。当系数连续可微时,My=NtM_y=N_t 是局部相容性条件;在适当的单连通区域上,这一条件也能保证全局势函数的存在。有时,乘以适当的积分因子,可以将非恰当方程化为恰当方程。

这些方法涵盖了一些重要的方程类型,但并不构成求初等函数解的通用算法。即便是 y′=e−t2y'=e^{-t^2},其原函数也不是初等函数。还有一些方程即使完成积分,也难以通过求逆得到显式解。在这些情况下,定积分、特殊函数、隐式关系或数值近似都是描述解的有效方式,而定性分析则能回答一些用闭式公式难以方便解决的问题。

高阶线性方程

对于一个 nn 阶齐次线性方程,如果其系数在某区间上连续,且最高阶导数的系数在该区间上处处非零,那么它的解集构成一个 nn 维向量空间。若 y1,…,yny_1,\ldots,y_n 是线性无关的解,则每个解都可写成

y=c1y1+⋯+cnyn.y=c_1y_1+\cdots+c_ny_n.

这一叠加原理是线性方程的一项根本优势。对于非齐次方程,其解集是齐次解空间的仿射平移:每个解都是一个特解与任意一个齐次解之和。

可以用朗斯基行列式检验线性无关性:

W(t)=det⁡(y1⋯yny1′⋯yn′⋮⋮y1(n−1)⋯yn(n−1)).W(t)=\det \begin{pmatrix} y_1&\cdots&y_n\\ y_1'&\cdots&y_n'\\ \vdots&&\vdots\\ y_1^{(n-1)}&\cdots&y_n^{(n-1)} \end{pmatrix}.

对于同一个正则线性方程的解,只要朗斯基行列式在某一点非零,就能确定这些解在整个区间上线性无关。阿贝尔恒等式描述了这一行列式的变化规律。对于最高阶导数系数已化为一的方程,若 y(n−1)y^{(n-1)} 的系数为 an−1(t)a_{n-1}(t),则

W(t)=W(t0)exp⁡ ⁣(−∫t0tan−1(s) ds).W(t)=W(t_0)\exp\!\left(-\int_{t_0}^{t}a_{n-1}(s)\,ds\right).

上述限制条件至关重要:任意选取的光滑函数即使朗斯基行列式恒为零,也未必线性相关。

对于常系数方程,代入 y=erty=e^{rt} 即可得到特征多项式。一个重数为 mm 的根 rr 对应以下解:

ert, tert,…,tm−1ert.e^{rt},\ te^{rt},\ldots,t^{m-1}e^{rt}.

共轭复根 α±iβ\alpha\pm i\beta 可给出实值解 eαtcos⁡βte^{\alpha t}\cos\beta t 和 eαtsin⁡βte^{\alpha t}\sin\beta t。因此,根的代数结构直接决定了解的增长、衰减、振荡以及多项式因子。

受迫振子的例子既说明了这些公式的实用性,也展示了其局限性:

my′′+cy′+ky=F(t).my''+cy'+ky=F(t).

这里,m>0m>0 为质量,cc 为阻尼系数,k>0k>0 为刚度。根据 c2−4mkc^2-4mk 的正负及是否为零,可将对应齐次方程描述的运动区分为过阻尼、临界阻尼和欠阻尼三种情况。在无阻尼时,若正弦外力的频率等于固有频率,就会发生共振,振幅将随时间成正比增长,而不是形成振幅有界的稳态振荡。

当外力项属于适当的指数、多项式与三角函数组合类型时,可以用待定系数法求特解。参数变易法更为通用,它利用含有齐次方程基本解组的积分来表示解。格林函数则将这种响应表示为积分算子,明确展现其对外力以及边界条件或初始条件的依赖。这些方法还将线性常微分方程与算子理论和信号响应联系起来。

线性系统与基本矩阵

一阶线性系统的形式为

x′=A(t)x+b(t),x'=A(t)x+b(t),

其中 A(t)A(t) 是一个方矩阵。将齐次系统的线性无关解作为列向量排列,便得到基本矩阵 Φ(t)\Phi(t)。它满足

Φ′=A(t)Φ,det⁡Φ(t)≠0.\Phi'=A(t)\Phi,\qquad \det\Phi(t)\neq0.

每个齐次解都可写成 Φ(t)c\Phi(t)c,而从时刻 ss 到时刻 tt 的转移矩阵为 Φ(t)Φ(s)−1\Phi(t)\Phi(s)^{-1}。

对于常矩阵 AA,在 t0t_0 时状态为 x0x_0 的解为

x(t)=eA(t−t0)x0,x(t)=e^{A(t-t_0)}x_0,

其中矩阵指数由收敛级数定义:

eAt=∑k=0∞tkAkk!.e^{At}=\sum_{k=0}^{\infty}\frac{t^kA^k}{k!}.

若 AA 可对角化,就可以利用其特征值与特征向量将解分解为指数模态。对于不可对角化的矩阵,则需要使用广义特征向量,此时解中会出现多项式因子与指数函数相乘的项。这与标量方程中特征根重复的情形相对应。

对于随时间变化的矩阵,看似自然的表达式

exp⁡ ⁣(∫stA(τ) dτ)\exp\!\left(\int_s^t A(\tau)\,d\tau\right)

通常并不是转移矩阵。不同时刻的矩阵未必可交换,因此对这一表达式求导,通常不能得到所要求的方程。迭代积分展开或其他表示形式能够保留正确的时间次序。在适当的可交换性条件下,上述简单的指数公式才成立。

常数变易法给出非齐次解:

x(t)=Φ(t)[Φ(t0)−1x0+∫t0tΦ(s)−1b(s) ds].x(t)=\Phi(t)\left[ \Phi(t_0)^{-1}x_0+ \int_{t_0}^{t}\Phi(s)^{-1}b(s)\,ds \right].

行列式满足刘维尔公式:

det⁡Φ(t)=det⁡Φ(t0)exp⁡ ⁣(∫t0ttr⁡A(s) ds),\det\Phi(t)=\det\Phi(t_0) \exp\!\left(\int_{t_0}^{t}\operatorname{tr}A(s)\,ds\right),

这一公式将无穷小膨胀率与体积变化联系起来。在非线性系统中,沿一条轨道得到的相应线性方程描述了微小扰动的演化。

周期系数矩阵具有其特有的结构。若 A(t+T)=A(t)A(t+T)=A(t),弗洛凯理论便将系统的长期行为与一个周期内的转移矩阵联系起来,这个矩阵称为单周期矩阵。其特征值称为弗洛凯乘子。这些乘子的模决定了扰动在逐个周期中是增长还是衰减;对于中性乘子,则仍需考虑通常的附加条件。这一框架对于参数激励振子以及非线性方程周期解的稳定性研究十分重要。

幂级数、奇点与特殊函数

当线性常微分方程的系数在某个常点附近解析时,往往可以将解构造为幂级数:

y(t)=∑n=0∞an(t−t0)n.y(t)=\sum_{n=0}^{\infty}a_n(t-t_0)^n.

将其代入方程并比较同次幂的系数,就能得到系数之间的递推关系。对于二阶方程,通常有两个初始系数可以自由选取,分别对应两个初始条件。解析系数方程的理论保证了级数的局部收敛性,因此这一过程并非仅仅是形式运算。

对于方程

y′′+p(t)y′+q(t)y=0,y''+p(t)y'+q(t)y=0,

若 pp 和 qq 在 t0t_0 处解析,则称 t0t_0 为常点。若 (t−t0)p(t)(t-t_0)p(t) 和 (t−t0)2q(t)(t-t_0)^2q(t) 可以解析延拓到 t0t_0,则称该奇点为正则奇点。在这样的点处,弗罗贝尼乌斯法寻求如下形式的解:

y(t)=(t−t0)r∑n=0∞an(t−t0)n,a0≠0.y(t)=(t-t_0)^r\sum_{n=0}^{\infty}a_n(t-t_0)^n,\qquad a_0\neq0.

令最低次幂项的系数相平衡,可得到关于 rr 的指标方程。若两个根不同且其差不是整数,通常可得到两个弗罗贝尼乌斯解;若出现重根,或两根之差为整数,解中则可能出现对数项。

许多有专门名称的特殊函数之所以出现,是因为相应的方程在各种应用中反复出现。贝塞尔函数是方程

t2y′′+ty′+(t2−ν2)y=0t^2y''+ty'+(t^2-\nu^2)y=0

的解,常见于具有圆柱对称性的问题。勒让德函数满足与球面几何有关的方程,而艾里函数满足 y′′−ty=0y''-ty=0,用于描述转向点附近的局部行为。这些函数并不只是给未知答案换上一个符号:围绕它们的零点、渐近展开、递推恒等式和积分表示,已经形成了一套广泛的解析理论。

在复分析中,奇点有助于确定局部级数的收敛性质及其延拓方式。沿绕过奇点的路径进行解析延拓,可能使一个解变为各解的另一种线性组合;这种行为由单值化来描述。即使物理上的自变量取实数值,复奇点仍可能限制实泰勒展开的收敛半径。

非正则奇点需要更精细的方法。形式级数即使发散,截断后仍可能给出精确的渐近近似。指数小量在复平面的不同扇形区域中,其显现出的作用可能发生变化,这一现象与斯托克斯线有关。因此,局部级数、全局延拓和渐近分析提供的是相互补充的描述,而不是可以彼此替代的求解方法。

自治系统与相空间几何

自治系统

x′=f(x)x'=f(x)

为状态空间中的每一点指定一个速度,从而定义了一个向量场。在满足局部唯一性的条件下,每个初始点都位于唯一的一条轨道上。解映射族构成一个局部流,并在等式两边均有定义时满足

φt+s(x)=φt(φs(x))\varphi_{t+s}(x)=\varphi_t(\varphi_s(x))

如果解在所有正、负时间上都存在,这个流就是全局流。这一观点将常微分方程纳入了更广泛的动力系统研究之中。

平衡点 x∗x_* 满足 f(x∗)=0f(x_*)=0。非常值解的轨道描绘出曲线,曲线的定向表示时间增大的方向。当唯一性成立时,不同轨道不能在普通状态点处相交,因为相交意味着同一初始条件对应不同的解。一条轨道可以返回先前的状态,但此时唯一性要求它作周期性重复,而不能在自交后沿着新的路径继续演化。

对于平面系统,零流线标示速度的某个分量为零的位置。它们有助于确定运动方向和平衡点的位置,不过零流线通常并不是轨道。在参数均为正的捕食者—猎物方程

x′=αx−βxy,y′=δxy−γy,x'=\alpha x-\beta xy,\qquad y'=\delta xy-\gamma y,

中,不位于坐标轴上的零流线为 y=α/βy=\alpha/\beta 和 x=γ/δx=\gamma/\delta。它们的交点是两种群共存的平衡点。在正象限内,这一经典模型具有守恒量

H(x,y)=δx−γlog⁡x+βy−αlog⁡y,H(x,y)=\delta x-\gamma\log x+\beta y-\alpha\log y,

其等值线决定了闭合轨道的分布。

第一积分是沿解保持不变的函数 HH:

dHdt=∇H(x)⋅f(x)=0.\frac{dH}{dt}=\nabla H(x)\cdot f(x)=0.

它的等值集限制了可能的运动范围。对于一维保守力学系统,动能与势能之和就是这样的积分。多个相互独立的第一积分可以大幅降低高维方程的实际复杂程度,但它们的存在是特殊情形,而非必然结果。

在二维情形中,几何观点尤其有助于理解系统。庞加莱—本迪克松定理表明,对于连续可微的平面自治向量场,不含平衡点的非空紧致欧米伽极限集必为周期轨道。这对平面系统的长期行为施加了严格限制。这一限制并不适用于三维自治系统或受周期性外力驱动的平面系统;在这些系统中,可能出现更复杂的回归运动。

平衡点附近的稳定性与行为

李雅普诺夫稳定性将“小扰动始终保持微小”这一直观概念形式化。如果对于平衡点的任意给定邻域,都能通过选择充分接近该平衡点的初始条件,使轨迹始终留在这个邻域内,就称该平衡点是稳定的。如果它不仅稳定,而且附近的轨迹还会随时间推移趋近于它,就称它是渐近稳定的。指数稳定性则要求用一个含有指数衰减因子的上界来约束偏差。这些概念区分了始终停留在平衡点附近与真正收敛到平衡点这两种情形。

对于可微系统,令 x=x∗+ηx=x_*+\eta。一阶近似为

η′=Jη,J=Df(x∗),\eta'=J\eta,\qquad J=Df(x_*),

其中,JJ 是平衡点处的雅可比矩阵。如果所有特征值的实部均为负,则该平衡点是局部渐近稳定的。如果存在实部为正的特征值,则该平衡点是不稳定的。当所有特征值都不在虚轴上时,该平衡点称为双曲平衡点,其附近的非线性流与线性化系统具有相同的局部拓扑结构。

当存在位于虚轴上的特征值时,线性化无法给出确定结论。标量方程 x′=−x3x'=-x^3 和 x′=x3x'=x^3 在原点处的导数都为零,但前者会吸引附近的状态,后者则会排斥它们。同样,在二维情形下,仅凭纯虚特征值,无法区分非线性中心与弱吸引或弱排斥的螺旋点。此时,系统的行为由高阶项决定。

李雅普诺夫直接法使用一个标量函数 V(x)V(x),它在平衡点处为零,在其他位置为正。沿着解的轨迹,有

V˙(x)=∇V(x)⋅f(x).\dot V(x)=\nabla V(x)\cdot f(x).

如果 V˙≤0\dot V\leq0,则在适当假设下可得稳定性;如果在平衡点以外处处有 V˙<0\dot V<0,则可得渐近稳定性。对于

my′′+cy′+ky=0,m y''+c y'+ky=0,

其机械能

V=12m(y′)2+12ky2V=\tfrac12m(y')^2+\tfrac12ky^2

满足 V˙=−c(y′)2\dot V=-c(y')^2。当阻尼和刚度均为正时,尽管这个导数并非在每个非零状态下都严格为负,仍可通过不变性论证证明系统最终趋于静止。

稳定性可以是局部的,也可以是全局的。局部吸引的平衡点未必会吸引其吸引域边界以外的状态,而且多个吸引子可能同时存在。另一方面,强制的李雅普诺夫函数——即随状态增大而无限增大的函数——有助于证明有界性和全局收敛性。在应用中,这些区别对应着系统在受到小扰动后能否返回,以及在受到任意大的扰动后能否恢复;它们往往比是否存在精确的解公式更为重要。

非线性振荡、分岔与混沌

极限环是孤立的周期轨道。理想保守系统的中心周围存在连续成族的闭合轨道,而吸引极限环则不同:它能使一定范围内的初始条件所产生的振荡趋于同一振幅。范德波尔方程

y′′−μ(1−y2)y′+y=0,μ>0,y''-\mu(1-y^2)y'+y=0,\qquad \mu>0,

就是一个典型例子。当 ∣y∣|y| 较小时,其有效阻尼为负;当 ∣y∣|y| 较大时,有效阻尼为正,从而产生自持振荡。μ\mu 较大时,系统会出现由缓慢变化段与快速跃迁交替构成的弛张振荡。

分岔理论研究系统随参数变化而发生的定性变化。在鞍结分岔的正规形

x′=μ−x2,x'=\mu-x^2,

中,当 μ>0\mu>0 时存在两个平衡点,它们在 μ=0\mu=0 时合并,并在 μ<0\mu<0 时消失。在附加条件下,叉形分岔和跨临界分岔描述了平衡点结构的其他变化。这些分岔的正规形揭示的是主导机制,而不是适用于所有具有某个共同参数的系统的通用公式。

在满足适当非退化条件的情况下,当一对共轭复特征值穿过虚轴时,就会发生霍普夫分岔。平衡点附近可能出现或消失一条小振幅周期轨道。该轨道具有吸引性还是排斥性,取决于非线性系数。庞加莱回归映射将周期轨道的分析化为对较低维离散映射的分析:周期轨道对应于该映射的不动点,其稳定性由该映射的导数决定。

混沌理论研究具有复杂回归结构且对初始条件高度敏感的确定性动力学。洛伦兹系统

x′=σ(y−x),y′=x(ρ−z)−y,z′=xy−βz,x'=\sigma(y-x),\qquad y'=x(\rho-z)-y,\qquad z'=xy-\beta z,

是一个著名的三维例子。在通常研究的参数值 σ=10\sigma=10、ρ=28\rho=28 和 β=8/3\beta=8/3 下,它表现出与一个具有特定结构的吸引集相关的混沌动力学。即使每个初值问题的解在局部仍然唯一,相近初始状态所对应的轨道也可能迅速分离。

这种敏感性限制了利用有限精度数据进行长期轨道预测的能力,但并不意味着完全无法预测。不变集、平均量和统计规律仍可能具有意义。对混沌的数值证据也需要谨慎判断:长时间的不规则暂态、离散化造成的伪象以及精度不足,都可能呈现出类似混沌的行为。因此,严格的分析必须区分计算所得轨道中的视觉图样与关于其背后动力学流的数学论断。

边值问题与谱理论

边值问题在不同位置给定条件。一个基本例子是

−y′′=f(x),0<x<L,y(0)=y(L)=0.-y''=f(x),\qquad 0<x<L,\qquad y(0)=y(L)=0.

与初值问题不同,边值问题并不在某一点给出完整的状态。必须适当选取未知的初始斜率,使第二个端点处的条件得到满足。解的存在性和唯一性取决于算子与边界条件的共同作用,而非仅由局部正则性决定。

含参数的问题

−y′′=λy,y(0)=y(L)=0-y''=\lambda y,\qquad y(0)=y(L)=0

仅在下列情形下存在非零解:

λn=(nπL)2,yn(x)=sin⁡(nπxL),n=1,2,….\lambda_n=\left(\frac{n\pi}{L}\right)^2,\qquad y_n(x)=\sin\left(\frac{n\pi x}{L}\right), \quad n=1,2,\ldots.

这些允许的参数值是微分算子的特征值。因此,常微分方程边值问题就成为线性代数中特征值问题的无限维对应物。边界条件从连续的微分方程中筛选出离散的模态。

斯图姆–刘维尔理论研究如下形式的问题:

−(py′)′+qy=λwy.-(p y')'+qy=\lambda wy.

在有限区间上,正则性、pp 和 ww 的正性以及适当的自伴边界条件,可保证特征值为实数,并使特征函数关于以下内积正交:

⟨u,v⟩w=∫abu(x)v(x)w(x) dx.\langle u,v\rangle_w=\int_a^b u(x)v(x)w(x)\,dx.

在标准假设下,这些特征函数在相应的加权希尔伯特空间中构成完备系。关于它们的零点及其排序,也有很强的结构性结论。

这些特征函数可作为偏微分方程解的展开模态。对热方程或波动方程使用分离变量法,会得到关于空间变量的常微分方程边值问题,以及关于时间变量的常微分方程。边界的几何形状与端点处的物理条件决定谱,而时间方程则决定每个空间模态如何衰减或振荡。这是从常微分方程理论通向傅里叶级数和谱方法的一条途径。

对于非齐次边值问题,当相应算子可逆时,可以用格林函数表示其解。在特征值处,算子不再可逆:除非强迫项满足某个正交性条件,否则可能无解;即使有解,也可能不唯一。非线性边值问题的情形更为丰富,包括多个解分支和参数阈值。因此,计算方法既要处理两端边界条件的匹配,也必须考虑数学问题本身可能具有奇异性或解不唯一的情况。

积分变换与渐近方法

拉普拉斯变换特别适用于半直线上的线性初值问题。若 Y(s)Y(s) 是 y(t)y(t) 的变换,则

L{y′}=sY(s)−y(0),\mathcal{L}\{y'\}=sY(s)-y(0),

且

L{y′′}=s2Y(s)−sy(0)−y′(0).\mathcal{L}\{y''\}=s^2Y(s)-sy(0)-y'(0).

求导由此转化为代数乘法运算,并附带显式包含初始数据的项。因此,只要所需的变换存在,就可以先进行代数运算,再作逆变换,求解常系数方程。

这一方法能够自然地处理分段外力、延迟输入和理想化的脉冲。对于线性时不变系统,输出可以表示为外力与脉冲响应的卷积,再加上初始条件引起的响应。变换后响应的极点蕴含了指数模态的信息,并表明响应是衰减、增长还是振荡。对于一般的非线性方程,变换方法则不那么直接,因为未知函数的乘积不会变成简单的代数表达式。

微扰理论研究依赖于小参数或大参数的方程。正则展开可以采用如下形式:

y(t;ε)=y0(t)+εy1(t)+ε2y2(t)+⋯ .y(t;\varepsilon)=y_0(t)+\varepsilon y_1(t)+\varepsilon^2y_2(t)+\cdots.

将其代入方程后,会得到一系列较简单的方程。所得结果只有在有充分依据的适用范围内才有意义:形式上很小的修正项可能随时间增长,最终与主导项相当。这种长期增长往往意味着,所假设的展开未能反映振荡频率的偏移或缓慢的调制。

多尺度方法引入彼此独立的快变量和慢变量,例如 tt 和 T=εtT=\varepsilon t,以描述这些效应。平均法通过对快速周期取平均,来近似描述缓慢演化的振幅或相位。在满足有关共振、光滑性和稳定性的控制条件时,这些近似可以在较长的时间区间内保持准确,但区间长度取决于参数。

在奇异摄动问题中,将参数置零会改变方程的阶数或本质特征。例如,在

εy′′+y′=0,y(0)=0,y(1)=1,\varepsilon y''+y'=0,\qquad y(0)=0,\quad y(1)=1,

中,约化方程 y′=0y'=0 无法同时满足两个边界条件。当 ε\varepsilon 为很小的正数时,精确解

y(x)=1−e−x/ε1−e−1/εy(x)=\frac{1-e^{-x/\varepsilon}}{1-e^{-1/\varepsilon}}

在 x=0x=0 附近含有一个狭窄的边界层。匹配渐近展开分别描述外部区域和边界层区域,并在重叠区域内将两者衔接起来。WKB 方法处理另一类渐近情形,通常涉及快速振荡的解。这类渐近展开不一定要收敛,经过适当截断后仍可给出精确的近似。

数值积分与误差控制

初值问题的数值方法用选定时刻的近似值代替连续轨迹。显式欧拉法采用

xn+1=xn+hf(tn,xn).x_{n+1}=x_n+h f(t_n,x_n).

对于足够光滑的问题,从精确状态出发计算一步所产生的误差为 O(h2)O(h^2),而在固定区间上累积的误差通常为 O(h)O(h)。局部误差与全局误差的这一区别至关重要:微小误差不断被引入,随后又经由微分方程和数值方法传播。

龙格—库塔方法在若干中间阶段计算方程右端的值。在适当的光滑性假设下,经典四阶段方法具有四阶全局精度。嵌入式龙格—库塔方法对通过大部分共用的函数求值,计算出两个阶数不同的近似值,并用两者之差估计误差。自适应求解器随后根据绝对容差和相对容差调整步长,通常还会对量级不同的状态分量分别进行尺度调整。

线性多步法使用前面若干步的状态值或导数值。亚当斯方法和后向差分公式是其中两类重要方法。它们的效率取决于问题结构、所需精度、启动过程以及稳定性。对于这些方法,仅有较小的局部截断误差还不够:还需要零稳定性,以防止步长趋于零时扰动出现不必要的放大。零稳定性与相容性相结合,构成了保证收敛的经典途径。

数值稳定性通常利用测试方程

y′=λy.y'=\lambda y.

来考察。对于单步法,数值更新具有 yn+1=R(hλ)yny_{n+1}=R(h\lambda)y_n 的形式。当 Re⁡λ<0\operatorname{Re}\lambda<0 时,精确解会衰减,因此合理的离散化不应产生虚假的增长。显式欧拉法的稳定函数为 R(z)=1+zR(z)=1+z,且仅当 ∣1+z∣≤1|1+z|\leq1 时才稳定。精度要求和稳定性限制是对允许步长的两项独立约束。

实际积分还涉及稠密输出、事件定位和停止准则。当状态的某个函数穿过零点时,就可能发生事件,例如碰撞检测或越过阈值。插值和求根可用于在已接受的积分步之间定位这类事件。不连续点需要特殊处理,因为高阶方法所依赖的光滑性假设在那里不再成立。最后,误差估计并不自动构成严格的包络:当需要具有数学保证的轨迹界限时,验证积分会额外采用区间方法或其他定界技术。

刚性方程与保结构计算

刚性方程中包含某些动态过程,迫使一些数值方法采用远小于解析所关注解的变化本来所需的步长。快速衰减的模态是刚性的常见来源。对于

y′=−1000(y−cos⁡t)−sin⁡t,y'=-1000(y-\cos t)-\sin t,

其通解为 y=cos⁡t+Ce−1000ty=\cos t+Ce^{-1000t}。瞬态衰减后,可观测的解在一阶量级的时间尺度上变化,但显式欧拉法仍受严格的稳定性条件 h<0.002h<0.002 限制。

隐式方法在未知的未来状态处计算导数。后向欧拉法满足

xn+1=xn+hf(tn+1,xn+1),x_{n+1}=x_n+h f(t_{n+1},x_{n+1}),

因此每一步都需要求解代数方程。它的稳定性函数为 R(z)=1/(1−z)R(z)=1/(1-z),所以在整个左半平面内都稳定,并能强烈抑制衰减极快的模态。每一步的非线性方程通常使用牛顿法求解,而由此产生的方程组则通过矩阵分解或迭代线性求解器处理。

A 稳定性是指稳定区域包含整个左半平面。L 稳定性还要求,当 R(z)R(z) 的自变量取绝对值很大的负值时,函数值趋于零,这有助于抑制未被数值计算分辨的快速瞬态。隐式龙格–库塔法和某些后向差分公式是刚性积分的核心工具,但它们在阶数、计算成本和阻尼特性上各有不同。刚性并不只是系数很大:它在实际计算中的重要性取决于所求的时间区间、容差、起作用的模态以及所选方法。

保守动力系统的长时间计算面临另一类问题。一种方法即使短时间误差很小,也可能引入人为的能量漂移。辛积分器能够保持哈密顿系统的辛几何结构。对于可分离的哈密顿量

H(q,p)=T(p)+V(q),H(q,p)=T(p)+V(q),

Störmer–Verlet 等分裂方法交替对位置和动量进行简单更新。在适当条件下,这些方法在很长的时间区间内呈现有界且通常带有振荡的能量误差,而非系统性的漂移。

辛方法一般并不精确保持原系统的能量,而精确保持能量也不一定意味着具有辛性。其他算法则着重保持正性、约束、二次不变量或单调衰减性质。这些区别的重要性取决于具体应用:反应动力学中可能无法接受负浓度,而轨道计算可能更注重相位精度和几何结构。因此,数值积分不仅要减小某个标量误差估计值,还要保持相关的数学性质。

建模、相关方程与参数推断

构建常微分方程模型,首先要选择状态变量和相应的平衡定律。牛顿第二定律给出

mq′′=F(t,q,q′),m q''=F(t,q,q'),

而基于质量作用定律的化学动力学则将反应的化学计量关系和速率定律转化为描述各物质浓度的耦合方程。电路定律给出描述电流、电压和储存电荷的方程。这些模型的共同结构,是规定有限维状态的变化率,通常以守恒定律和本构假设为基础。

逻辑斯蒂种群模型

N′=rN(1−NK),N'=rN\left(1-\frac{N}{K}\right),

说明了一个简洁的方程如何蕴含建模假设。当 r,K>0r,K>0 时,规模较小的种群近似呈指数增长,而种群的人均增长率随种群数量的增加而线性下降。正值解趋近于 KK。由此得到的逻辑斯蒂函数在数学上很有用,但除非额外引入相应机制,否则方程本身并不反映年龄结构、迁徙、季节性驱动或随机环境变化。其参数只有在模型的假设范围内才有意义。

模型降阶和无量纲化可以揭示关键的参数组合。用特征速率对时间进行缩放,用特征量级对状态变量进行缩放,可以将多个有量纲常数替换为数量更少的无量纲组合。降阶可以利用守恒律、对称性或时间尺度分离。然而,消去快速变化的变量可能改变初始瞬态行为或稳定性,除非所需的时间尺度分离假设成立。

有些系统并不是显式常微分方程。微分代数方程将微分演化与代数约束耦合起来,约束力学和电网络中就存在这类方程。时滞方程依赖过去的状态,需要给定一段初始历史,而不只是单个初始状态。随机微分方程则引入随机驱动。对偏微分方程进行空间离散化,可以得到规模很大的常微分方程组;这种做法称为线法,它将常微分方程求解器与有限差分法和有限元法计算联系起来。

参数估计是一个逆问题:利用观测数据推断速率、作用力或其他系数。敏感性分析研究解对参数的导数。对于 x′=f(t,x,θ)x'=f(t,x,\theta),敏感性矩阵 S=∂x/∂θS=\partial x/\partial\theta 满足

S′=fxS+fθ,S'=f_xS+f_\theta,

其初始条件由初始状态对参数的依赖关系推导得出。当参数维数很高时,伴随方程可以降低计算标量目标函数对参数的导数所需的成本。然而,精确的数值积分并不保证参数可辨识:不同的参数值可能产生相同或几乎相同的观测结果。因此,模型结构、测量位置、噪声和实验设计共同制约着基于常微分方程的推断所能确定的内容。