3.3.2 高阶线性常系数非齐次常微分方程

一个一般形式的 n 阶线性常系数非齐次常微分方程具有以下形式:

y^{(n)}(x)+a_1cdot y^{(n-1)}(x)+...+a_ncdot y(x)=r(x)             (3.3.10)

其中, r(x) 称为非齐次项。

定理 3.3.1

方程 (3.3.10) 的全解是其对应的齐次方程的通解和其一个特解之和,即:

y(x)=y_h(x)+y_p(x)           (3.3.11)

Proof:

设方程 (3.3.10) 的对应的齐次方程的通解为 y_h(x) ,且: y^{(n)}_h(x)+a_1cdot y^{(n-1)}_h(x)+...+a_ncdot y_h(x)=0             (3.3.12) 再设方程 (3.3.10) 的一个特解为 y_p(x) ,且: y^{(n)}_p(x)+a_1cdot y^{(n-1)}_p(x)+...+a_ncdot y_p(x)=r(x)             (3.3.13) 将式 (3.3.11) 带入到式 (3.3.10) 的左侧中得到: (y^{(n)}_h(x)+a_1cdot y^{(n-1)}_h(x)+...+a_ncdot y_h(x))+(y^{(n)}_p(x)+a_1cdot y^{(n-1)}_p(x)+...+a_ncdot y_p(x)) xrightarrow[(3.3.13)]{(3.3.12)}0+r(x)=r(x)

等于右侧。

所以,定理成立。 Q.E.D

下面,我们将介绍四种求解 y_p(x) 的方法。

  • 方法一:待定系数法

该方法的精髓是如何通过非齐次项 r(x) 的形式来「预测」 y_p(x) 的形式。下面我们通过分析一个例子来体会一下如何使用待定系数法求解 y_p(x)

例 3.3.1

求微分方程:

y+3y+2y=2exp(3x)           (3.3.14)

的全解。

解:

方程  (3.3.14) 所对应的齐次方程是:

y+3y+2y=0          ( 3.3.15)

方程 ( 3.3.15) 的特征方程是:

lambda^2+3lambda+2=(lambda+1)cdot(lambda+2)=0              (3.3.16)

方程 (3.3.16) 的解(即特征根)为:

lambda_{1}=-1,     lambda_2=-2

为两个相异实根的情况,有上一讲中的情况一,我们可以知道方程  (3.3.15) 的通解为:

y_h(x)=C_1cdotexp(-x)+C_2cdotexp(-2x)           (3.3.17)

得到通解之后还差特解便可得到全解。所以,我们现在设方程  (3.3.14) 的一个特解为 y_p(x) ,则:

y_p+3y_p+2y_p=2exp(3x)           (3.3.18)

显然, y_p,y_p,y_p 的线性组合具有 exp(3x) 这种形式,由于自然底数的指数函数的特点,我们可以知道 y_p,y_p,y_p 三者都应具有 exp(3x) 这种形式,所以,我们设 :

y_p(x)=kcdotexp(3x),     k=mathrm{const}           (3.3.19)

将式 (3.3.19) 带回到式  (3.3.18) 可得:

(kcdotexp(3x))+3(kcdotexp(3x))+2(kcdotexp(3x))=2exp(3x)

Leftrightarrow exp(3x)cdot(9k+9k+2k)=2exp(3x)Leftrightarrow k={1 over 10}

所以,方程   (3.3.14)  的全解为:

y(x)=C_1cdotexp(-x)+C_2cdotexp(-2x)+{1 over 10}exp(3x)           (3.3.20)

由上面的例子我们有了一个推测 y_p(x) 的形式的方向,即:

y_p(x) 一定包含非齐次项 r(x) 本身以及 r(x) 的各阶导数的可能

下面我们我们不加证明的给出几个非齐次项 r(x) 对应的特解:

(mathrm{i}) y^{(n)}(x)+a_1cdot y^{(n-1)}(x)+...+a_ncdot y(x)=r(x):=exp(alpha x)

exp(alpha x) 的导数无论几阶都具有形式 kcdot exp(alpha x) ,所以:

y_p(x)=Kcdot exp(alpha x),      {Kinmathbb{R}}wedge K=mathrm{const}           (3.3.21)

(mathrm{ii}) y^{(n)}(x)+a_1cdot y^{(n-1)}(x)+...+a_ncdot y(x)=r(x):=cos(eta x)

cos(eta x) 的导数无论几阶都具有形式 k_1cos(eta x)vee k_2sin(eta x) ,所以:

y_p(x)=K_1cos(eta x)+K_2sin(eta x),     K_1, K_2inmathbb{R}wedge K_1, K_2=mathrm{const}           (3.3.22)

(mathrm{iii}) y^{(n)}(x)+a_1cdot y^{(n-1)}(x)+...+a_ncdot y(x)=r(x):=sin(eta x)

(mathrm{ii}) 同理:

y_p(x)=K_1sin(eta x)+K_2cos(eta x),     K_1, K_2inmathbb{R}wedge K_1, K_2=mathrm{const}           (3.3.23)

(mathrm{iv}) y^{(n)}(x)+a_1cdot y^{(n-1)}(x)+...+a_ncdot y(x)=r(x):=x^k

x^k 的各阶导数具有 Acdot x^{alpha},    A=mathrm{const},  alpha geqslant 0 这种形式,所以:

y_p(x)=K_0cdot x^k+K_1cdot x^{k-1}+...+K_k=sum_{i=0}^{k}K_icdot x^i           (3.3.24)

(mathrm{v}) y^{(n)}(x)+a_1cdot y^{(n-1)}(x)+...+a_ncdot y(x)=r(x):=A=mathrm{const}

显然:

y_p(x)=K=mathrm{const},     {Kinmathbb{R}}           (3.3.24)

以上几种常见的情况也会出现非线性组合,利于上面的原则可以列出下表:

egin{matrix} r(x) & y_p(x)\   & \  exp(alpha x)cdot sinleft ( eta x 
ight ) & K_1cdot exp(alpha x)cdot sinleft ( eta x 
ight )+K_2cdot exp(alpha x)cdot cosleft ( eta x 
ight )\  exp(alpha x)cdot x^{k} & exp(alpha x)cdot sum_{i=0}^{k}K_icdot x^{k-i}\   sinleft ( eta x 
ight )cdot cosleft ( eta x 
ight ) & K_1+K_2cdot sinleft ( eta x 
ight )cdot cosleft ( eta x 
ight )+K_3cdot cosleft ( eta x 
ight )cdot sinleft ( eta x 
ight )\  cosleft ( eta x 
ight )cdot  x^{k} & (K_1cdot cosleft ( eta x 
ight )+K_2cdot sinleft ( eta x 
ight ))cdot sum_{i=0}^{k}K_icdot x^{k-i}\  sinleft ( eta x 
ight )cdot  x^{k} & (K_1cdot sinleft ( eta x 
ight )+K_2cdot cosleft ( eta x 
ight ))cdot sum_{i=0}^{k}K_icdot x^{k-i}\  end{matrix}

其中, K_iinmathbb{R}wedge K_i=mathrm{const},    i=1,2,...,n

但有时候,待定系数法也会「失效」,比如下面的例子:

例 3.3.2

y+3y=2exp(-3x)           (3.3.25)

这是一个一阶线性非齐次常系数常微分方程,易知其所对应的齐次方程的通解为:

y_h(x)=Ccdot exp(-3x)           (3.3.26)

由之前的待定系数法的思想,我们推测方程 (3.3.25) 的特解具有形式:

y_p(x)=kcdot exp(-3x)           (3.3.27)

但是,当我们将式 (3.3.27) 带入式  (3.3.25) 试图求解常系数 k 时我们发现出问题了:

(kcdot exp(-3x))+3cdot kcdot exp(-3x)=2exp(-3x)Rightarrow0=2exp(-3x)           (3.3.28)

显然式 (3.3.28) 是不可能成立的。我们采用变易常数法来求解 (3.3.25) 的特解可以得到:

y_p(x)=2exp(-3x)cdot int^{x}exp(-3	au)cdot exp(3	au)mathrm{d}	au=2xcdotexp(-3x)           (3.3.29)

发现结果与我们所推测的式  (3.3.27) 有出入,这时候待定系数法就「失效」了。这是为什么呢?我们不妨来分析一下:

我们使用待定系数法的思想对方程 (3.3.25) 的特解进行推测时所得推测的结果 (3.3.27) 与方程(3.3.25) 的通解  (3.3.26)线性相关的,也就是说我们并没能找到另外一个与通解  (3.3.26) 线性无关的解。所以,这时候待定系数法就「失效」了,但这并不意味著完全失效,我们进过一番修正还是可以推测出正确的特解形式的,那么该如何进行修正呢?我们来下一个结论:

当使用待定系数法的思想对特解的形式进行推测时,若得到的形式与通解线性相关则需要在所推测的特解上乘以 x 的最低次幂,直到两者不再线性相关为止。之后,先修正过的特解带回方程求出系数即可。

利用例 3.3.2来演示一番:

为了使 y_p(x) 不再与 y_h(x) 线性相关(这里的线性相关可以理解为两者的图像处处「平行」)那我们只需要在所推测的 y_p(x) 上再乘以 x 即可,即修正后的特解为:

y_p(x):=kxcdot exp(-3x)           (3.3.30)

之后将式 (3.3.30) 带回式 (3.3.25) 得到:

(kxcdot exp(-3x))+3cdot kxcdot exp(-3x)=2exp(-3x)           (3.3.31)

解得 k=2 ,所以特解为:

y_p(x)=2xcdot exp(-3x)           (3.3.32)

显然,式 (3.3.32) 与利用变易常数法所得到的式 (3.3.29) 一致。

  • 方法二:降阶法

现定义微分运算元:

D:=frac{mathrm{d} }{mathrm{d} x},     D^k=frac{mathrm{d}^k }{mathrm{d} x^k}           (3.3.33)

现在,我们尝试使用式 (3.3.33) 所定义的微分运算元导出二阶常微分方程的特解 y_p(x)

设一个二阶常系数非齐次线性微分方程为:

y+a_1y+a_2y=r(x)           (3.3.34)

并设方程 (3.3.34) 的特征根为 lambda_1, lambda_2 ,这样便可以将方程 (3.3.34) 进行因式分解:

(D+lambda_1)cdot(D+lambda_2)cdot y(x)=r(x)           (3.3.35)

现在定义:

(D+lambda_2)cdot y(x):=z(x)           (3.3.36)

这样我们就得到一个关于 z(x) 的一阶常分方程:

(D+lambda_1)cdot z(x)=r(x)           (3.3.37)

方程 (3.3.37) 是一个非齐次方程,所以其全解应该是其所对应的齐次方程的通解和其本身的特解的和,并利用式 (2.4.47) 可以求得:

z(x)=z_h(x)+z_p(x)

=Ccdot exp(-lambda _1x)+exp(-lambda _1x)cdotint^{x}exp(lambda _1	au)cdot r(	au)mathrm{d}	au           (3.3.38)

则再由代换方程 (3.3.36) 得到:

(D+lambda_2)cdot y(x)=z(x)           (3.3.39)

方程 (3.3.39) 又是一个非齐次方程,所以其全解应该是其所对应的齐次方程的通解和其本身的特解的和,并利用式 (2.4.47) 可以求得:

y(x)=y_h(x)+y_p(x)

=C_1cdot exp(-lambda _2x)+exp(-lambda _2x)cdotint^{x}exp(lambda _2	au)cdot z(	au)mathrm{d}	au           (3.3.40)

将式 (3.3.38) 代入式 (3.3.40) 得到:

y(x)=C_1cdot exp(-lambda _2x)

+exp(-lambda _2x)cdotint^{x}exp(lambda _2	au)cdot (Ccdot exp(-lambda _1	au)+exp(-lambda _1	au)cdotint^{	au}exp(lambda _1xi)cdot r(xi)mathrm{d}xi)mathrm{d}	au           (3.3.41)

所以, y(x) 的特解 y_p(x) 为:

y_p(x)=exp(-lambda _2x)cdotint^{x}exp(lambda _2	au)cdot (Ccdot exp(-lambda _1	au)+exp(-lambda _1	au)cdotint^{	au}exp(lambda _1xi)cdot r(xi)mathrm{d}xi)mathrm{d}	au           (3.3.42)

这个思想自然可以推广至 n 阶常微分方程的情况,设一个 n 阶常系数线性非齐次常微分方程为:

y^{(n)}(x)+a_1y^{(n-1)}(x)+...+a_ny(x)=r(x)           (3.3.43)

设方程 (3.3.43)n 个特征根为 lambda_i,   i=1,2,...,n ,然后我们就可以使用微分运算元对 (3.3.43) 进行因式分解了:

(D+lambda_1)cdot(D+lambda_2)cdot...cdot(D+lambda_n)=r(x)          (3.3.44)

从而方程 (3.3.43) 的特解应具有以下形式:

y_p(x)=exp(-lambda_nx)cdotint^{x}exp(lambda_n	au_1)cdot(exp(-lambda_{n-1}	au_1)int^{	au_1}exp(lambda_{n-1}	au_2)

cdot(exp(-lambda_{n-2}	au_2)cdotint^{	au_2}exp(lambda_{n-2}	au_3)(...exp({-lambda_1x})int^{	au_{n-1}}exp(lambda_1	au_n)cdot r (	au_n)mathrm{d}	au_n)...)mathrm{d}	au_1          (3.3.45)

  • 方法三:变易常数法

这里我们主要讨论二阶常微分方程的变易常数法,对于高阶常微分方程的变易常数法,在我们学习了一阶线性微分方程组之后再进行学习。

对于一个一般形式的二阶方程,形如:

y(x)+p(x)cdot y(x)+q(x)cdot y(x)=r(x)          (3.3.46)

设其通解为:

y_h(x):=C_1cdot y_1(x)+C_2cdot y_2(x),   C_1, C_2=mathrm{const}          (3.3.47)

现在我们变易常数并设为特解:

y_p(x):=Phi_1(x)cdot y_1(x)+Phi_2(x)cdot y_2(x)          (3.3.48)

从而有:

y_p=Phi_1y_1+Phi_1y_1+Phi_2y_2+Phi_2y_2          (3.3.49)

y_p=Phi_1y_1+2Phi_1y_1+Phi_1y_1+Phi_2y_2+2Phi_2y_2+Phi_2y_2          (3.3.50)

将式 (3.3.49) 和式 (3.3.50) 带回式 (3.3.46) 可得:

(y_1Phi_1+y_2Phi_2)+(y_1Phi_1+y_2Phi_2)+p(x)cdot(y_1Phi_1+y_2Phi_2)=0+r(x)           (3.3.51)

由于 Phi_1, Phi_2 的任意性,我们不妨设 y_1Phi_1+y_2Phi_2=0 ,所以 (y_1Phi_1+y_2Phi_2)=0 ,进而 y_1Phi_1+y_2Phi_2=r(x) ,这样,我们便得到了的一个常微分方程组:

left{egin{matrix} y_1Phi_1+y_2Phi_2=0\  y_1Phi_1+y_2Phi_2=r(x) end{matrix}
ight.           (3.3.52)

我们可以直接使用 Cramer 法则进行求解:

Phi_1=frac{egin{vmatrix} 0 & y_1\  r & y_2 end{vmatrix}}{egin{vmatrix} y_1 & y_2\   y_1& y_2 end{vmatrix}},      Phi_2=frac{egin{vmatrix} y_1 & 0\  y_1 & r end{vmatrix}}{egin{vmatrix} y_1 & y_2\   y_1& y_2 end{vmatrix}}           (3.3.53)

其中:

egin{vmatrix} y_1 & y_2\   y_1& y_2 end{vmatrix}:=det W(x)           (3.3.54)

Wronski 行列式,从而:

Phi _{1}(x)=int ^xPhi _{1}(	au)	extrm{d}	au=int ^xfrac{-y_2(	au )cdot r(	au)}{det W(	au)}	extrm{d}	au           (3.3.55)

Phi _{2}(x)=int ^xPhi _{2}(	au)	extrm{d}	au=int ^xfrac{y_1(	au )cdot r(	au)}{det W(	au)}	extrm{d}	au           (3.3.56)

则一个一般形式的二阶常微分方程 (3.3.46) 的特解为:

y_p(x):=Phi_1(x)cdot y_1(x)+Phi_2(x)cdot y_2(x)

=y_1(x)cdotint ^xfrac{-y_2(	au )cdot r(	au)}{det W(	au)}	extrm{d}	au+y_2(x)cdotint ^xfrac{y_1(	au )cdot r(	au)}{det W(	au)}	extrm{d}	au           (3.3.57)

全解为:

y(x)=y_h(x)+y_p(x)

=C_1cdot y_1(x)+C_2cdot y_2(x)

+y_1(x)cdotint ^xfrac{-y_2(	au )cdot r(	au)}{det W(	au)}	extrm{d}	au+y_2(x)cdotint ^xfrac{y_1(	au )cdot r(	au)}{det W(	au)}	extrm{d}	au,   C_1, C_2=mathrm{const}          (3.3.58)

  • 方法四:微分运算元法

在式 (3.3.33) 中我们已经认识过了微分运算元,则对于一个以下形式的微分方程:

a_0y^{(n)}(x)+a_1y^{(n-1)}(x)+...+a_ny(x)=r(x)           (3.3.59)

可以使用微分运算元等价表示为:

(a_0D^n+a_1D^{n-1}+...+a_n)cdot y(x)=r(x)           (3.3.60)

现定义:

L(D):=a_0D^n+a_1D^{n-1}+...+a_n           (3.3.61)

线性微分运算元,则方程 (3.3.60) 可以记为:

L(D)cdot y(x)=r(x)           (3.3.62)

首先,我们来主要研究一下线性微分运算元的几个性质:

(mathrm{i}) L(D)cdot exp(ax)=L(a)cdot  exp(ax)           (3.3.63)

Proof:

L(D)cdot exp(ax)=(a_0D^n+a_1D^{n-1}+...+a_n)cdot exp(ax) =a_0D^ncdot exp(ax)+a_1D^{n-1}cdot exp(ax)+...+a_ncdot exp(ax) =(a_0a^n+a_1a^{n-1}+...+a_n)cdot exp(ax)=L(a)cdot exp(ax) Q.E.D

(mathrm{ii}) L(D)cdot(exp(ax)cdot f(x))=exp(ax)cdot L(D+a)cdot f(x)           (3.3.64)

Proof:

首先,我们使用数学归纳法证明 D^n(exp(ax)cdot f(x))=exp(ax)cdot (D+a)^ncdot f(x)1) n=1 时:D(exp(ax)cdot f(x))=Dexp(ax)+exp(ax)cdot Dcdot f(x)=exp(ax)cdot (D+a)cdot f(x) 2)n=k 时成立: D^k(exp(ax)cdot f(x))=exp(ax)cdot (D+a)^kcdot f(x) 3) n=k+1 时: D^{k+1}(exp(ax)cdot f(x))=Dcdot (D^{k}(exp(ax)cdot f(x))) =Dcdot(exp(ax)cdot(D+a)^kcdot f(x)) =exp(ax)cdot (D+a)^kcdot Dcdot f(x)+acdotexp(ax)cdot(D+a)^kcdot f(x) =exp(ax)cdot (D+a)^{k+1}cdot f(x) 所以: L(D)cdot(exp(ax)cdot f(x)) =a_0D^ncdot (exp(ax)cdot f(x))+a_1D^{n-1}cdot (exp(ax)cdot f(x))+...+a_ncdot (exp(ax)cdot f(x)) =a_0cdotexp(ax)cdot (D+a)^{n}cdot f(x)+a_1cdotexp(ax)cdot (D+a)^{n-1}cdot f(x)+...+a_ncdotexp(ax)cdot f(x) =(a_0(D+a)^n+a_1(D+a)^{n-1}+...+a_n)cdot exp(ax)cdot f(x) =exp(ax)cdot L(D+a)cdot f(x) Q.E.D

(mathrm{iii}) L(D)cdot(sum_{k=1}^{n}alpha_kcdot f_k(x))=sum_{k=1}^{n}alpha_kcdot L(D)cdot f_k(x),     alpha_k=mathrm{const},     k=1,2,...,n           (3.3.65)

Proof:

L(D)cdot(sum_{k=1}^{n}alpha_kcdot f_k(x))=L(D)(alpha_1cdot f_1(x)+alpha_2cdot f_2(x)+...+alpha_ncdot f_n(x)) =alpha_1cdot L(D)cdot f_1(x)+alpha_2cdot L(D)cdot f_2(x)+...+alpha_ncdot L(D)cdot f_n(x) =sum_{k=1}^{n}alpha_kcdot L(D)cdot f_k(x) Q.E.D

(mathrm{iv}) L(D)cdot(xcdot f(x))=xcdot L(D)cdot f(x)+L(D)cdot f(x)           (3.3.66)

Proof:

首先使用数学归纳法证明: D^ncdot (xcdot f(x))=xcdot D^ncdot f(x)+ncdot D^{n-1}cdot f(x) 1) n=1 时: Dcdot (xcdot f(x))=xcdot Dcdot f(x)+f(x) 2)n=k 时成立: D^kcdot (xcdot f(x))=xcdot D^kcdot f(x)+kcdot D^{k-1}cdot f(x) 3) n=k+1 时: D^{k+1}cdot (xcdot f(x))=Dcdot(D^{k}cdot (xcdot f(x)) =Dcdot(xcdot D^kcdot f(x)+kcdot D^{k-1}cdot f(x)) =xcdot D^{k+1}cdot f(x)+(k+1)cdot D^{k}cdot f(x) 所以: L(D)cdot(xcdot f(x))=(a_0D^n+a_1D^{n-1}+...+a_n)cdot xcdot f(x) =xcdot (a_0D^n+a_1D^{n-1}+...+a_n)cdot f(x)+Dcdot(a_0D^n+a_1D^{n-1}+...+a_n)cdot f(x) xcdot L(D)cdot f(x)+L(D)cdot f(x) Q.E.D

(mathrm{iv}) {1 over L(D)}cdot(xcdot f(x))=xcdot {1 over L(D)}cdot f(x)+({1 over L(D)})cdot f(x)           (3.3.67)

证明略。

(mathrm{v})

L(D^2)cdotcos(ax)=L(-a^2)cdotcos(ax)           (3.3.68)

L(D^2)cdotsin(ax)=L(-a^2)cdotsin(ax)           (3.3.69)

Proof:

L(D^2)cdotcos(ax)=(a_0cdot D^{2n}+a_1cdot D^{2n-2}+...+a_n)cdotcos(ax) =(a_0cdot (-a^2)^n+a_1cdot (-a^2)^{n-1}+...+a_n)cos(ax)=L(-a^2)cdotcos(ax) L(D^2)cdotsin(ax)=(a_0cdot D^{2n}+a_1cdot D^{2n-2}+...+a_n)cdotsin(ax) =(a_0cdot (-a^2)^n+a_1cdot (-a^2)^{n-1}+...+a_n)sin(ax)=L(-a^2)cdotsin(ax) Q.E.D

微分运算元法主要用来求解 Euler-Cauchy 方程

a_0(x)cdot y^{(n)}(x)+a_1(x)cdot y^{(n-1)}(x)+...+a_n(x)cdot y(x)=r(x)          (3.3.70)

其中, a_k(x):=b_kcdot x^{n-k},       b_k=mathrm{const},     k=1,2,...,n

所以原方程可以等价表示为:

b_0cdot x^{n}cdot y^{(n)}(x)+b_1cdot x^{n-1}cdot y^{(n-1)}(x)+...+b_ncdot y(x)=r(x)          (3.3.71)

如果,此时令 x=exp(t) ,则有:

left{egin{matrix} frac{mathrm{d} y}{mathrm{d} t}=frac{mathrm{d} x}{mathrm{d} t}cdot frac{mathrm{d} y}{mathrm{d} x}\  frac{mathrm{d} x}{mathrm{d} t}=exp(t) end{matrix}
ight.Rightarrow frac{mathrm{d} y}{mathrm{d} t}=xcdot frac{mathrm{d} y}{mathrm{d} x}          (3.3.72)

所以:

frac{mathrm{d}^2y }{mathrm{d} t^2}=frac{mathrm{d} }{mathrm{d} t}cdot left ( frac{mathrm{d} y}{mathrm{d} t} 
ight )=frac{mathrm{d} }{mathrm{d} t}left ( xcdot frac{mathrm{d} y}{mathrm{d} x} 
ight )

=frac{mathrm{d} }{mathrm{d} x}cdot left ( xcdot frac{mathrm{d} y}{mathrm{d} x} 
ight )cdot frac{mathrm{d} x}{mathrm{d} t}=frac{mathrm{d} }{mathrm{d} x}cdot left ( xcdot frac{mathrm{d} y}{mathrm{d} x} 
ight )cdot x= x^2cdot frac{mathrm{d}^2y }{mathrm{d} x^2}+xcdot frac{mathrm{d}y }{mathrm{d} x}=x^2cdot frac{mathrm{d}^2y }{mathrm{d} x^2}+ frac{mathrm{d}y }{mathrm{d} t}          (3.3.73)

所以:

x^2cdot frac{mathrm{d}^2y }{mathrm{d} x^2}=frac{mathrm{d}^2y }{mathrm{d} t^2}- frac{mathrm{d}y }{mathrm{d} t}          (3.3.74)

即:

x_2cdot D_x^2cdot y(x)=D_t^2cdot y(x)-D_tcdot y(x)=D_tcdot(D_t-1)cdot y(x)           (3.3.75)

其中: D_x:=frac{mathrm{d} }{mathrm{d} x},     D_t:=frac{mathrm{d} }{mathrm{d} t}

所以有:

x^ncdot D_x^ncdot y(x)=prod_{i=0}^{n-1}(D_t-i)cdot y(x)          (3.3.76)

利用式  (3.3.76) 可以将 Euler-Cauchy方程等价化为一个 n 阶线性常系数常微分方程:

d_0cdot y^{(n)}(t)+d_1cdot y^{(n-1)}(t)+...+d_ncdot y(t)=r(t)          (3.3.77)

然后就可以用我们所学过的知识对式  (3.3.77) 进行求解了。

高阶常微分方程的学习到此就算是告一段落了,后面我们将开始一阶线性微分方程组的学习。在一阶线性微分方程组的最后,我们还会对 n 阶常微分方程的变易常数法进行进一步的讨论,敬请期待。


推荐阅读:
相关文章