Шпаргалка

Дифференциальные уравнения

Все темы на одной странице

6модулей

18статей

8определений

0формул

ОДУ первого порядка

Методы решения, особые решения, геометрический смысл

Введение в дифференциальные уравнения

Язык изменения → Основные понятия → Задача Коши → Уравнения с разделяющимися переменными → Закон экспоненциального роста и убывания → Однородные уравнения → Линейные уравнения первого порядка

Дифференциальные уравнения — это язык, на котором природа описывает изменение. Когда физик записывает второй закон Ньютона F = ma, он, по существу, пишет дифференциальное уравнение: ускорение a = x'' — это вторая производная положения x по времени. Уравнение теплопроводности, уравнения Максвелла,...

История дифференциальных уравнений неотделима от истории физики. Ньютон создал математический анализ именно для того, чтобы решать задачи механики — и первые ДУ в истории науки были уравнениями движения планет. С тех пор область распространилась на биологию (рост популяций, распространение эпидем...

ОДУ (обыкновенное дифференциальное уравнение) связывает функцию одной переменной y(x) с её производными: F(x, y, y', y'', ..., y^(n)) = 0. Слово «обыкновенное» отличает их от уравнений в частных производных, где функция зависит от нескольких переменных.

Порядок ОДУ — наивысший порядок производной, входящей в уравнение. Уравнение y' = ky — первого порядка; y'' + ω²y = 0 (гармонический осциллятор) — второго порядка.

Точные уравнения и интегрирующий множитель

Откуда берутся точные уравнения → Точные ОДУ: определение и критерий → Нахождение функции F: пошаговый алгоритм → Интегрирующий множитель → Уравнение Бернулли → Уравнение Клеро и его особые решения

Определения

Случай 1: y'' = 0, то есть y' = C. Подставляем в исходное: y = Cx + f(C). Это семейство прямых: — общее решение.

Если функция F(x, y) дифференцируема, то её полный дифференциал равен dF = (∂F/∂x) dx + (∂F/∂y) dy. Уравнение dF = 0 означает, что F постоянна вдоль интегральных кривых: F(x, y) = C. Это и есть неявное решение — семейство линий уровня функции F.

Но что если нам дано уравнение P(x,y) dx + Q(x,y) dy = 0, и мы не знаем, является ли оно дифференциалом какой-то функции? Критерий точности и метод нахождения F — это и есть теория точных уравнений.

Уравнение P(x,y) dx + Q(x,y) dy = 0 называется точным, если существует функция F(x,y) такая, что ∂F/∂x = P и ∂F/∂y = Q. Тогда уравнение принимает вид dF = 0, и его общее решение — F(x, y) = C.

Критерий точности: Если P и Q имеют непрерывные частные производные в просто связной области, то уравнение точное тогда и только тогда, когда ∂P/∂y = ∂Q/∂x.

Особые решения и огибающие

Что такое особое решение и почему оно особенное → Как найти особые решения → Пример: уравнение Клеро и его огибающая → Замечательный пример: задача о свете → Осторожность при нахождении особых решений → Ортогональные траектории → Особые решения в механике: задача о тракториссе

Определения

Особое решение: — это решение, которое не получается из общего ни при каком конкретном значении константы C. Его нельзя «вписать» в семейство, хотя оно удовлетворяет уравнению. Такие решения имеют принципиальное физическое и геометрическое значение.
Особое решение: y = −x²/4: — парабола.

При решении ОДУ y' = f(x, y) мы обычно находим общее решение — семейство кривых, зависящее от константы C. Кажется, что подобрав нужное C, можно получить любое решение. Но это не всегда так.

Особое решение — это решение, которое не получается из общего ни при каком конкретном значении константы C. Его нельзя «вписать» в семейство, хотя оно удовлетворяет уравнению. Такие решения имеют принципиальное физическое и геометрическое значение.

Геометрически особое решение — это огибающая семейства интегральных кривых: кривая, которая в каждой своей точке касается хотя бы одной интегральной кривой общего семейства. В точках касания от общего решения «отщепляется» ветвь — особое решение.

Метод p-дискриминанта: Пусть общее решение записано в форме F(x, y, C) = 0. Особые решения ищем, исключая C из системы:

Теорема Пикара

Существование и единственность решений, продолжение решений

Теорема Пикара: существование и единственность

Фундаментальный вопрос → Условие Липшица → Теорема Пикара–Линделёфа → Метод последовательных приближений Пикара → Теорема о максимальном интервале существования → Применение: предсказуемость физических систем → Теорема Пикара и размер области существования

Прежде чем решать дифференциальное уравнение, нужно убедиться, что решение вообще существует. И если оно существует — единственно ли оно? Эти вопросы не академические: от их ответа зависит, можно ли в принципе предсказывать поведение системы.

Рассмотрим физическую аналогию. Вы описываете траекторию частицы уравнением x'' = F(x)/m. Если в данной точке пространства скорость x' задана — единственна ли дальнейшая траектория? Если да, то «детерминизм Лапласа» справедлив: зная состояние системы в момент t₀, можно однозначно восстановить её ...

Обычной непрерывности f(x, y) оказывается недостаточно для единственности. Нужно более сильное условие.

Функция f(x, y) удовлетворяет условию Липшица по y в области D с константой L, если для всех (x, y₁), (x, y₂) ∈ D:

Зависимость от начальных условий и параметров

Практическая постановка задачи → Теорема о непрерывной зависимости от начальных данных → Дифференцируемость по начальным данным и параметрам → Показатель Ляпунова и феномен хаоса → Горизонт предсказуемости → Практический вывод → Методы Рунге–Кутты и адаптивный выбор шага

Определения

Система Лоренца (1963): — простейший пример детерминированного хаоса:

·λ < 0: малые возмущения экспоненциально затухают — система устойчива.
·λ = 0: возмущения не растут и не убывают — нейтральная устойчивость.
·λ > 0: малые возмущения экспоненциально нарастают — система хаотична.

В реальных задачах начальные условия никогда не известны точно. Положение спутника измерено с точностью до метра. Начальная концентрация вещества в реакции определена с точностью до процента. Температура воздуха при запуске метеорологической модели — с точностью до долей градуса. Вопрос: как нака...

Ответ зависит от уравнения. Иногда погрешности малы и управляемы. Иногда они нарастают экспоненциально — и долгосрочный прогноз становится невозможным.

Если f удовлетворяет условию Липшица с константой L, то решения с близкими начальными условиями остаются близкими на компакте:

Чтение формулы: погрешность нарастает не быстрее, чем экспонента с показателем L. Если L мала (функция f слабо зависит от y), погрешность остаётся под контролем. Если L велика, погрешность может быстро увеличиться.

Теорема Пеано и нелипшицев случай

Существование без единственности → Примеры неединственности → Теорема сравнения Чаплыгина → Лемма Гронуолла–Беллмана → Численные методы и ошибки аппроксимации → Жёсткие системы ОДУ и неявные методы

·y ≡ 0 (нулевое решение),
·y = (x − a)² при x > a и y = 0 при x ≤ a для любого a ≥ 0 (бесконечно много решений!).

Теорема Пикара требует условия Липшица. Что если это условие нарушено? Теорема Пеано отвечает на вопрос о существовании в более общем случае.

Теорема Пеано: Если f(x, y) непрерывна в прямоугольнике R = {|x − x₀| ≤ a, |y − y₀| ≤ b}, то задача Коши y' = f(x, y), y(x₀) = y₀ имеет хотя бы одно решение на |x − x₀| ≤ h = min(a, b/M).

Ключевое отличие от теоремы Пикара: утверждается только существование, но не единственность. Без условия Липшица через одну точку может проходить несколько решений.

Доказательство использует теорему Арцела–Асколи: из последовательности приближений выбирается равностепенно непрерывная подпоследовательность, которая сходится (компактность в пространстве непрерывных функций).

Линейные ОДУ высших порядков

Фундаментальная система решений, вронскиан, метод вариации постоянных

Линейные ОДУ: структура общего решения

Физическая мотивация: колебания и волны → Общая теория линейных ОДУ → Определитель Вронского → Уравнения с постоянными коэффициентами → Пружинный маятник: полный разбор → Метод вариации параметров для неоднородных уравнений

Закон Ньютона для пружинного маятника с демпфированием: mẍ + cẋ + kx = F(t). Это линейное ОДУ второго порядка с постоянными коэффициентами. Параметры m (масса), c (коэффициент демпфирования) и k (жёсткость пружины) полностью определяют поведение системы. Три качественно разных режима — колебатель...

Линейное ОДУ n-го порядка: L[y] = y^(n) + p_{n-1}(x) y^{(n-1)} + ... + p₁(x) y' + p₀(x) y = f(x).

Ключевая теорема об общем решении: Общее решение неоднородного уравнения имеет вид y = y_ч + y_о, где y_ч — любое частное решение неоднородного, а y_о — общее решение соответствующего однородного уравнения L[y] = 0.

Из этого следует, что нужно решить две задачи: (1) найти пространство решений однородного уравнения; (2) найти хотя бы одно частное решение неоднородного.

Метод вариации постоянных

Зачем нужен метод вариации постоянных → Метод вариации постоянных: общая схема → Формулы для уравнения второго порядка → Метод неопределённых коэффициентов → Резонанс в физике → Функция Грина: принцип суперпозиции

Мы умеем находить общее решение однородного уравнения. Но реальные системы вынуждены реагировать на внешние воздействия — F(t) в уравнении маятника, ЭДС в уравнении электрической цепи, входной сигнал в системе управления. Это делает уравнение неоднородным: L[y] = f(x). Метод вариации постоянных (...

Название «вариация постоянных» отражает идею: в общем решении однородного c₁y₁ + c₂y₂ + ... + cₙyₙ заменяем постоянные cᵢ на функции cᵢ(x) — «варьируем» их так, чтобы удовлетворить неоднородному уравнению.

c₁' y₁ + ... + cₙ' yₙ = 0 c₁' y₁' + ... + cₙ' yₙ' = 0 ... c₁' y₁^{(n-2)} + ... + cₙ' yₙ^{(n-2)} = 0

Это система n линейных уравнений на c₁', ..., cₙ'. Определитель матрицы системы — вронскиан W ≠ 0. По формулам Крамера: cᵢ'(x) = Wᵢ(x) / W(x), где Wᵢ — вронскиан с i-м столбцом, замёненным на (0, 0, ..., 0, f(x)).

Уравнения Эйлера и понижение порядка

Уравнение Эйлера: переменные коэффициенты особого вида → Подробный пример: уравнение Эйлера второго порядка → Степенные решения: метод Фробениуса → Понижение порядка → Задача Штурма–Лиувилля → Уравнение Бесселя в акустике и электромагнетизме

Уравнение Эйлера: xⁿ y^(n) + a_{n-1} x^{n-1} y^{(n-1)} + ... + a₁ x y' + a₀ y = f(x).

Особенность: коэффициенты при y^(k) пропорциональны xᵏ. Это не случайно — такие уравнения возникают при решении задач с естественной радиальной симметрией (полярные, цилиндрические, сферические координаты), а также при поиске степенных решений более общих уравнений.

Ключевые формулы: x dy/dx = Dy, x² d²y/dx² = D(D−1)y, x³ d³y/dx³ = D(D−1)(D−2)y, и вообще xᵏ y^(k) = D(D−1)···(D−k+1)y.

После замены уравнение превращается в линейное ОДУ с постоянными коэффициентами по переменной t — которое мы умеем решать!

Системы ОДУ

Матричный метод, вронскиан, фундаментальная матрица

Системы линейных ОДУ

От уравнения к системе → Матричная запись системы → Фундаментальная матрица и принцип суперпозиции → Системы с постоянной матрицей: матричная экспонента → Полный пример: система хищник-жертва (линеаризованная) → Жорданов случай: кратные собственные значения → Практические выводы для инженера → Метод вариации параметров для систем

Одиночное ОДУ высокого порядка y^(n) = f(x, y, y', ..., y^(n-1)) эквивалентно системе первого порядка. Вводим: x₁ = y, x₂ = y', ..., xₙ = y^(n-1). Тогда x₁' = x₂, x₂' = x₃, ..., xₙ' = f(x, x₁, ..., xₙ). Это стандартная форма системы. Переход к матричной записи — не просто удобная нотация, но мощн...

В механике системы ОДУ описывают движение нескольких взаимодействующих тел. В электронике — ток и напряжение в сложных схемах. В экологии — совместную динамику нескольких популяций (модель хищник-жертва).

В векторной форме: x' = A(t) x + f(t), где x = (x₁, ..., xₙ)ᵀ — вектор-столбец состояния, A — матрица n×n коэффициентов, f — вектор неоднородности.

Фундаментальная матрица Φ(t) — матрица n×n, столбцы которой образуют ФСС (n линейно независимых решений однородной системы x' = Ax). Определитель Вронского: det Φ(t) ≠ 0.

Фазовые портреты двумерных систем

Фазовое пространство как инструмент анализа → Классификация особых точек по собственным значениям → Устойчивость и следы: правило рукой → Физические примеры → Количественные характеристики устойчивости → Критерий Гурвица и устойчивость систем управления

Определения

Маятник (малые колебания): A = [[0, 1], [−ω₀², 0]]. tr A = 0; det A = ω₀² > 0. Центр: — идеальные незатухающие колебания. (Трение превратит центр в устойчивый фокус.)

·tr A = λ₁ + λ₂ и det A = λ₁λ₂.
·det A < 0: седло (корни разных знаков).
·det A > 0, (tr A)² < 4 det A: фокус; (tr A)² ≥ 4 det A: узел.
·tr A < 0: устойчиво; tr A > 0: неустойчиво; tr A = 0: центр.
·Малое R: фокус (затухающие колебания).
·Критическое R = 2√(L/C): узел (апериодический возврат к 0).
·R > 2√(L/C): узел (вялый возврат к 0 без колебаний).

При изучении системы x' = Ax в ℝ² не всегда нужна явная формула. Часто важнее понять, каков характер движения: колеблется ли система вокруг равновесия, стремится ли к нему или убегает? Для этого строят фазовый портрет — семейство траекторий в плоскости (x₁, x₂).

Фазовый портрет — «карта» поведения системы для всех начальных условий сразу. Единая картина заменяет бесконечно много отдельных графиков. Именно фазовые портреты позволили Пуанкаре в конце XIX века заложить основы качественной теории ДУ — геометрического подхода, предшествовавшего теории хаоса.

Поведение траекторий вблизи равновесия x* = 0 полностью определяется собственными значениями λ₁, λ₂ матрицы A.

Устойчивый узел: λ₁, λ₂ < 0 (вещественные, отрицательные). Все траектории стремятся к нулю с экспоненциальной скоростью. «Быстрое» собственное направление (λ более отрицательное) доминирует: траектории касаются его при x → 0.

Нелинейные системы и автономные уравнения

От линейного к нелинейному → Точки равновесия и их поиск → Матрица Якоби и линеаризация → Теорема Хартмана–Гробмана → Пример: маятник с трением → Количественный пример: затухающий маятник → Бифуркация типа «вилочная» → Значение линеаризации и её ограничения → Теорема Пуанкаре–Бендиксона и предельные циклы

Мир в основном нелинеен. Маятник с большими колебаниями описывается уравнением θ'' + (g/L) sin θ = 0 — нелинейным. Хищник–жертва следует уравнениям Лотки–Вольтерры — нелинейным. Уравнения Навье–Стокса гидродинамики — нелинейны. Как анализировать нелинейные системы?

Главный инструмент — линеаризация вблизи точки равновесия. Идея: в малой окрестности равновесия нелинейная система «похожа» на линейную. Поведение линейной системы мы уже умеем анализировать через собственные значения.

Точка равновесия (неподвижная точка) системы x' = f(x) — это точка x*, где f(x*) = 0, то есть производная обращается в нуль. В равновесии система «стоит» и не изменяется во времени.

Пример — маятник: θ'' = −(g/L) sin θ. В матричной форме: x₁ = θ, x₂ = θ'. Система: x₁' = x₂, x₂' = −(g/L) sin x₁. Точки равновесия: x₂ = 0 и sin x₁ = 0, то есть x₁ = nπ. Два типа: θ = 0 (висящий маятник) и θ = π (перевёрнутый маятник).

Фазовый портрет и особые точки

Классификация особых точек, устойчивость, предельные циклы

Устойчивость по Ляпунову

Александр Михайлович Ляпунов и его вклад → Определения устойчивости → Функции Ляпунова: определение и смысл → Примеры функций Ляпунова → Развёрнутый пример: нелинейный осциллятор → Принцип LaSalle

Определения

Формулировка: Пусть V̇ ≤ 0 и множество M = {x: — V̇ = 0} не содержит полных траекторий, кроме самого x* = 0. Тогда x* = 0 асимптотически устойчиво.

В 1892 году молодой петербургский математик Александр Ляпунов защитил диссертацию «Общая задача об устойчивости движения», перевернувшую теорию дифференциальных уравнений. Ляпунов предложил анализировать устойчивость, не решая уравнения в явном виде — а находя специальную вспомогательную функцию ...

Аналогия из физики: система устойчива, если её «энергия» убывает вдоль траекторий. Ляпунов обобщил это наблюдение на произвольные динамические системы, заменив настоящую энергию её математическим аналогом — функцией Ляпунова.

Рассматривается система x' = f(x, t), f(0, t) = 0 (точка равновесия в начале координат).

Устойчивость по Ляпунову: Равновесие x* = 0 устойчиво, если для любого ε > 0 существует δ > 0 такое, что |x(t₀)| < δ влечёт |x(t)| < ε для всех t ≥ t₀.

Функции Ляпунова и критерии устойчивости

Зачем нужны алгебраические критерии → Критерий Рауса–Гурвица → Таблица Рауса: алгоритмическая форма → Теорема Ляпунова о линеаризации → Критический случай: пограничная устойчивость → Устойчивость систем с переменными коэффициентами: парадокс Перрона → Критерий Найквиста и запас устойчивости

·Если все собственные значения A имеют отрицательную вещественную часть → x* = 0 асимптотически устойчиво для нелинейной системы.
·Если хотя бы одно собственное значение имеет положительную вещественную часть → x* = 0 неустойчиво для нелинейной системы.
·Если максимальная вещественная часть собственных значений = 0 → линеаризация ничего не говорит; нужен нелинейный анализ.

Собственные значения матрицы A определяют устойчивость. Но для матрицы высокого порядка вычисление корней характеристического многочлена — трудоёмкая задача. В XVIII–XIX веках математики искали алгебраические критерии, позволяющие проверить устойчивость без явного нахождения корней.

Историческая задача: Проектировщику регулятора паровой машины нужно знать, будет ли двигатель устойчив при данных параметрах. Решать полиномиальное уравнение шестого порядка он не может. Критерии Рауса (1877) и Гурвица (1895) дают ответ в виде нескольких неравенств для коэффициентов многочлена.

Для многочлена P(λ) = λⁿ + a_{n-1} λ^{n-1} + ... + a₁ λ + a₀ строим матрицу Гурвица:

H_n = [[a_{n-1}, a_{n-3}, a_{n-5}, ...], [1, a_{n-2}, a_{n-4}, ...], [0, a_{n-1}, a_{n-3}, ...], ...]

Бифуркации в динамических системах

Что такое бифуркация → Седло-узловая бифуркация (fold bifurcation) → Транскритическая бифуркация → Вилочная бифуркация (pitchfork) → Бифуркация Хопфа → Теория катастроф Рене Тома → Диаграммы бифуркаций в популяционной динамике

·Генератор на лампе/транзисторе: при нулевом питании нет колебаний (r = 0); при превышении порога возникают устойчивые гармонические колебания (предельный цикл).
·Колебания сердца: при изменении концентрации ионов переход от статического состояния к циклическому (биению) — бифуркация Хопфа.
·Флаттер крыла при превышении скорости потока.

Слово «бифуркация» (от лат. bifurcus — раздвоенный) в математике означает качественное изменение поведения динамической системы при малом изменении параметра. До бифуркации — одна картина поведения, после — принципиально другая.

Бифуркации — математический язык для описания катастрофических изменений в природе и технике: потеря устойчивости конструкции при превышении критической нагрузки, переход от ламинарного течения к турбулентному, внезапный коллапс биологической популяции при превышении нормы вылова, переход рынка и...

При μ > 0: два равновесия x* = ±√μ. При x* = +√μ: f'(x) = −2x|_{x=√μ} = −2√μ < 0 → устойчивое. При x* = −√μ: f' = +2√μ > 0 → неустойчивое.

При μ = 0: одно равновесие x* = 0, полуустойчивое (нейтральное). Точка бифуркации.

Теория устойчивости Ляпунова

Устойчивость по Ляпунову, функции Ляпунова, бифуркации

Метод Ляпунова в применениях

От теории к инженерии → Управление с обратной связью → LQR-управление (Linear Quadratic Regulator) → Конструктивные методы нахождения функций Ляпунова → Устойчивость периодических решений: теория Флоке → H-infinity управление и робастность

Прямой метод Ляпунова — не только теоретический инструмент, но и практическое средство проектирования. В теории управления он позволяет проектировать алгоритмы управления, гарантирующие устойчивость замкнутой системы «по построению». В отличие от частотных методов (критерий Найквиста), метод Ляпу...

Рассмотрим нелинейную систему: ẋ = f(x) + g(x)u, где x — состояние, u — управление.

Метод управления Ляпунова: Выбираем желаемую функцию Ляпунова V(x) (например, V = |x|²/2). Требуем V̇ < 0:

Если ∇V · g ≠ 0, выбираем: u = −k(x) · (∇V · f + ε|∇V · g|) / (∇V · g), где k > 0, ε > 0.

Странные аттракторы и детерминированный хаос

Парадокс детерминированного хаоса → Система Лоренца: рождение теории хаоса → Показатели Ляпунова и количественная характеристика хаоса → Странные аттракторы и фракталы → Теорема Такенса о реконструкции аттрактора → Управление хаосом: метод OGY → Показатели Ляпунова и измерение хаоса → Синхронизация хаотических систем и приложения

Определения

Аттрактор: — инвариантное ограниченное множество, к которому стремятся траектории из некоторой окрестности.
Странный аттрактор: — аттрактор с нецелой (фрактальной) размерностью Хаусдорфа и хаотическими траекториями на нём. Траектории на странном аттракторе расходятся (λ₁ > 0), но сам аттрактор компактен.

·Если λ₁ > 0: хаос (экспоненциальное нарастание возмущений).
·Если λ₁ = 0, λ₂ < 0: предельный цикл или тор.
·Если λ₁ < 0: устойчивое равновесие.

В 1814 году Лаплас сформулировал идеал научного детерминизма: разум, знающий положение и скорость каждой частицы Вселенной, мог бы предсказать её будущее и восстановить прошлое с произвольной точностью. К XX веку стало ясно, что этот идеал неосуществим — и не только из-за квантовой неопределённости.

Детерминированные нелинейные системы, подчиняющиеся точным математическим уравнениям, могут демонстрировать хаотическое поведение: экспоненциальная расходимость близких траекторий делает долгосрочное предсказание принципиально невозможным. Это — детерминированный хаос.

Эдвард Лоренц в 1963 году изучал упрощённую модель конвекции в атмосфере. Система трёх ОДУ:

При σ = 10, ρ = 28, β = 8/3 система демонстрирует хаотическое поведение. Траектории никогда не замыкаются, но остаются ограниченными — они «скручиваются» вокруг двух нестабильных равновесий, образуя бесконечно тонкую фрактальную структуру — «аттрактор Лоренца» или «бабочку Лоренца».

Стохастические дифференциальные уравнения: введение

Когда детерминированных моделей недостаточно → Броуновское движение как строительный блок → Стохастическое уравнение Ито → Формула Ито: аналог правила дифференцирования сложной функции → Геометрическое броуновское движение и формула Блэка–Шоулза → Уравнение Фоккера–Планка → Численные методы для СДУ: Эйлер–Маруяма и Мильштейн

Многие реальные системы подвержены случайным возмущениям, которые принципиально нельзя игнорировать. Броуновское движение молекулы в жидкости определяется случайными столкновениями с соседними молекулами. Курс акции на бирже испытывает случайные колебания под влиянием новостей. Нервный импульс со...

Стохастические дифференциальные уравнения (СДУ) включают случайность явно в динамику системы. Это не «неточность модели» — это признание фундаментальной роли шума.

Процесс Винера W(t) (броуновское движение) — стохастический процесс, удовлетворяющий: 1. W(0) = 0, 2. W(t) непрерывен по t (почти наверное), 3. Приращения W(t) − W(s) ~ N(0, t − s) для t > s, 4. Приращения на непересекающихся интервалах независимы.

Ключевое свойство: W(t) нигде не дифференцируем (почти наверное). Его «производная» dW/dt — «белый шум» — в обычном смысле не существует. Однако стохастический интеграл ∫ f(t) dW(t) можно определить как предел сумм с особой (ито-итерационной) процедурой.