- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
常微分方程5new.doc
第五章 线性微分方程组 [教学目标] 理解线性微分方程组解的存在唯一性定理,掌握一阶线性微分方程解的性质与结构非齐次线性方程常系数齐线性方程常系数线性方程非齐次线性方程线性微分方程解的性质与结构非齐次线性方程常系数齐线性方程常系数线性方程线性微分方程解的性质与结构常系数线性方程 (5.1) 的一阶线性微分方程组,其中已知函数和在区间上上是连续的。方程组(5.1)关于及是线性的. 引进下面的记号: (5.2) 这里是矩阵,它的元素是个函数. (5.3) 这里,,是矩阵或维列向量。 注意,矩阵相加、矩阵相乘、矩阵与纯量相乘等等性质对于以函数作为元素的矩阵同样成立。这样一来,方程组(5.1)可以写成下面的形式 (5.4) 引进下面的概念。 一个矩阵或者一个向量在区间上称为连续的,如果它的每一个元素都是区间上的连续函数。 一个矩阵或者一个维列向量: 在区间上称为可微的,如果它的每一个元素都在区间上可微。它们的导数分别由下式给出: 不难证明,如果矩阵,及维向量,是可微的,那么下列等式成立: (Ⅰ) (Ⅱ) (Ⅲ) 类似地,矩阵或者向量在区间上称为可积的,如果它的每一个元素都在区间上可积。它们的积分分别由下式给出: 现在我们给出(5.4)的解的定义: 定义1设是区间上的连续矩阵,是同一区间上的连续维向量。方程组 (5.4) 在某区间(这里)的解就是向量,它的导数在区间上连续且满足 , 现在考虑带有初始条件的方程组(5.4),这里是区间上的已知数,是维欧几里得空间的已知向量,在这样条件下求解方程组称为初值问题。 定义2 初值问题 , (5.5) 的解就是方程组(5.4)在包含的区间上的解,使得。 例2 验证向量 是初值问题 , 在区间上的解。 解 显然 因为和处处有连续导数,我们得到 因此是给定初值问题的解。 正如在第而章所看到的,当时,我们可以得到初值问题(5.5)的解的明显表达式,当时,情况就复杂多了。 在第四章中,我们讨论了带有初始条件的阶线性微分方程的初值问题。现在进一步指出,可以通过下面的方法,将阶线性微分方程的初值问题化为形如(5.5)的线性微分方程组的初值问题。 考虑阶线性微分方程的初值问题 (5.6) 其中,是区间上的已知连续函数,,是已知常数。我们指出,它可以化为下列线性微分方程组的初值问题 (5.7) 其中 事实上,令 这时 而且 现在假设是在包含的区间上(5.6)的任一解。由此,得知在上存在、连续、满足方程(5.6)且。令 其中,,,(),那么,显然有。此外, 这就表示这个特定的向量是(5.7)的解。反之,假设向量是在包含的区间上(5.7)的解。令 并定义函数,由(5.7)的第一个方程,我们得到,由第二个方程得到,,由第个方程得到,由第个方程得到 由此即得 同时,我们也得到 这就是说,是(5.6)的一个解。 总之,由上面的讨论,我们已经证明了初值问题(5.6)与(5.7)在下面的意义下是等价的:给定其中一个初值问题的解,我们可以构造另一个初值问题的解。 值得指出的是:每一个阶线性微分方程可化为个一阶线性微分方程构成的方程组,反之却不成立。例如方程组 , 不能化为一个二阶微分方程。 5.1.2 存在唯一性定理 本节我们研究初值问题 , (5.5) 的解的存在唯一性定理。类似与第三章,我们通过五个小命题,采用逐步逼近法来证明定理。因为现在讨论的是方程组(写成向量的形式),所以有些地方稍微复杂些,而且要引进向量、矩阵的“范数”及向量函数序列的收敛性等概念;然而由于方程是线性的,所以有些地方又显得简单些,而且结论也加强了。总之,我们要比较第三章中的证明和现在的证明的异同,从对比中加深对问题的理解。 对于矩阵和维向量,我们定义它的范数为 设是矩阵,,是维向量,这时容易验证下面两个性质: 1) 2) 向量序列,,称为收敛的,如果对每一个数列都是收敛的。 向量函数序列
文档评论(0)