微分方程(Blanchard Differential Equations 4th)中文版Section1.6

平衡点与相直线

给定一个微分方程
d y d t = f ( t , y ) , \frac{dy}{dt} = f(t, y), dtdy=f(t,y),
我们可以通过绘制斜率场和勾勒图形来大致了解解的行为,或者使用欧拉法计算近似解。有时我们甚至可以推导出解的显式公式并绘制结果。所有这些技术都需要相当多的工作,无论是数值上的(计算斜率或欧拉法)还是解析上的(积分)。
在本节中,我们考虑右侧不依赖于 t t t 的微分方程。这类方程被称为自治微分方程。自治的意思是“自我管理的”,粗略地说,自治系统是自我管理的,因为它是根据完全由因变量的值决定的微分方程来演变的。对于自治微分方程,有一些定性技术可以帮助我们以较少的算术操作勾勒解的图形,而比其他方法更简便。

自治方程

自治方程是形式为
d y d t = f ( y ) \frac{dy}{dt} = f(y) dtdy=f(y)
的微分方程。换句话说,因变量的变化率可以仅仅表示为因变量自身的函数。自治方程作为模型出现频繁,有两个原因。首先,许多物理系统在任何时间点的行为都是相同的。例如,早上10点和下午3点,压缩相同量的弹簧提供的力是相同的。其次,对于许多系统,时间依赖性在所考虑的时间尺度上“平均化”了。例如,如果我们研究狼和田鼠的相互作用,我们可能会发现狼在白天吃的田鼠比晚上多。然而,如果我们对狼和鼠的种群在几年或几十年内的行为感兴趣,那么我们可以将每周每只狼吃掉的鼠的数量进行平均,忽略每日的波动。

我们已经注意到,自治方程的斜率场具有特殊的形式(见第40页,第1.3节)。因为方程的右侧不依赖于 t t t,所以斜率标记在 t t t- y y y 平面上的水平线上是平行的。也就是说,对于自治方程,两个 y y y 坐标相同但 t t t 坐标不同的点具有相同的斜率标记(见图1.51)。
在这里插入图片描述图 1.51 自治微分方程 d y d t = ( y − 2 ) ( y + 1 ) \frac{dy}{dt} = (y - 2)(y + 1) dtdy=(y2)(y+1)的斜率场。斜率在水平线上是平行的。
注意到斜率场表明存在两个平衡解,即 y 1 ( t ) = − 1 y_1(t) = -1 y1(t)=1 对于所有 t t t y 2 ( t ) = 2 y_2(t) = 2 y2(t)=2 对于所有 t t t。此外,初始值在 − 1 -1 1 2 2 2 之间的解是递减的,并且在所有时间内都是定义良好的。

因此,自治方程的斜率场中存在大量冗余。如果我们知道在单一垂直线 t = t 0 t = t_0 t=t0 上的斜率场,那么我们就知道整个 t t t- y y y 平面上的斜率场。因此,我们应该能够只绘制一条包含相同信息的线。这条线称为自治方程的相位线。

绳索的比喻

假设你得到一个自治微分方程
d y d t = f ( y ) . \frac{dy}{dt} = f(y). dtdy=f(y).
想象一根垂直悬挂的绳索,向上无限延伸,向下无限延伸。因变量 y y y 表示绳索上的一个位置(绳索是 y y y 轴)。函数 f ( y ) f(y) f(y) 给出绳索上每个位置的一个数值。假设这个数值 f ( y ) f(y) f(y) 实际上被印在绳索的高度 y y y 上。例如,在高度 y = 2.17 y = 2.17 y=2.17 处,绳索上印有 f ( 2.17 ) f(2.17) f(2.17) 的值。

假设你在时间 t = 0 t = 0 t=0 时被放置在高度 y 0 y_0 y0 的绳索上,并被给予以下指示:读取绳索上印刷的数字,并以与该数字相等的速度沿绳索上升或下降。如果数字是正数,则沿绳索上升;如果数字是负数,则沿绳索下降。(大的正数意味着你会很快上升,而接近零的负数意味着你会缓慢下降。)在移动时,继续读取绳索上的数字,并调整你的速度,以便它始终与绳索上印刷的数字一致。

如果你按照这个相当奇怪的指示进行,你将生成一个函数 y ( t ) y(t) y(t),它给出你在时间 t t t 时的位置。你的初始位置在 t = 0 t = 0 t=0 时是 y ( 0 ) = y 0 y(0) = y_0 y(0)=y0,因为你最初是放置在这个位置的。你在时间 t t t 时的运动速度 d y d t \frac{dy}{dt} dtdy 由绳索上的数字给出,因此对于所有 t t t,都有 d y d t = f ( y ( t ) ) \frac{dy}{dt} = f(y(t)) dtdy=f(y(t))。因此,你的位置函数 y ( t ) y(t) y(t) 是初值问题
d y d t = f ( y ) , y ( 0 ) = y 0 \frac{dy}{dt} = f(y), \quad y(0) = y_0 dtdy=f(y),y(0)=y0
的解。

相位线是这根绳索的图示。由于记录所有速度的数值是繁琐的,我们仅在速度为零的地方标记相位线,并在区间中指示速度的符号。相位线提供了解的定性信息。

逻辑方程的相位线

考虑微分方程
d y d t = ( 1 − y ) y . \frac{dy}{dt} = (1 - y)y. dtdy=(1y)y.
这个微分方程的右侧是 f ( y ) = ( 1 − y ) y f(y) = (1 - y)y f(y)=(1y)y。在这种情况下, f ( y ) = 0 f(y) = 0 f(y)=0 正好当 y = 0 y = 0 y=0 y = 1 y = 1 y=1 时成立。因此,常数函数 y 1 ( t ) = 0 y_1(t) = 0 y1(t)=0 对于所有 t t t y 2 ( t ) = 1 y_2(t) = 1 y2(t)=1 对于所有 t t t 是这个方程的平衡解。我们称 y = 0 y = 0 y=0 y = 1 y = 1 y=1 y y y 轴上的点为平衡点。还要注意,如果 0 < y < 1 0 < y < 1 0<y<1,则 f ( y ) f(y) f(y) 为正;如果 y < 0 y < 0 y<0 y > 1 y > 1 y>1,则 f ( y ) f(y) f(y) 为负。我们可以通过在平衡点 y = 0 y = 0 y=0 y = 1 y = 1 y=1 处放置点来绘制相位线(或“绳索”)。对于 0 < y < 1 0 < y < 1 0<y<1,我们放置指向上的箭头,因为 f ( y ) > 0 f(y) > 0 f(y)>0 意味着你会向上爬;而对于 y < 0 y < 0 y<0 y > 1 y > 1 y>1,我们放置指向下的箭头,因为 f ( y ) < 0 f(y) < 0 f(y)<0 意味着你会向下爬(见图1.52)。
在这里插入图片描述

如果我们将相位线与斜率场进行比较,我们会发现相位线包含了关于平衡解的所有信息,以及解是递增还是递减。关于解的增减速度的信息会丢失(见图1.53)。但仅使用相位线,我们仍然可以给出解的图形的粗略草图。这些草图虽然不如斜率场的草图准确,但它们将包含关于解在 t t t 较大时的行为的所有信息(见图1.54)。
在这里插入图片描述

如何绘制相位线

我们可以通过给出绘制相位线所需的步骤来更准确地定义相位线。对于自治方程 d y d t = f ( y ) \frac{dy}{dt} = f(y) dtdy=f(y),步骤如下:

  • 绘制 y y y 轴线。
  • 找到平衡点(即 f ( y ) = 0 f(y) = 0 f(y)=0 的点),并在直线上标记它们。
  • 找到 f ( y ) > 0 f(y) > 0 f(y)>0 y y y 值区间,并在这些区间中画出指向上的箭头。
  • 找到 f ( y ) < 0 f(y) < 0 f(y)<0 y y y 值区间,并在这些区间中画出指向下的箭头。

我们在图1.55中勾画了几个相位线的示例。在查看相位线时,你应该记住绳索的比喻,并“动态”地思考微分方程的解——想象随着时间的推移,人们在绳索上向上或向下攀爬。

在这里插入图片描述

如何利用相位线来勾画解的图形

我们可以直接从相位线中获得解图形的粗略草图,但前提是我们在解读这些草图时要小心。相位线在预测解的极限行为(即当 t t t 增大或减小时的行为)方面非常有效。

考虑方程
d w d t = ( 2 − w ) sin ⁡ w . \frac{dw}{dt} = (2 - w) \sin w. dtdw=(2w)sinw.
这个微分方程的相位线如图1.56所示。注意到平衡点是 w = 2 w = 2 w=2 w = k π w = k\pi w=(其中 k k k 为任意整数)。假设我们想要勾画初值为 w ( 0 ) = 0.4 w(0) = 0.4 w(0)=0.4 的解 w ( t ) w(t) w(t) 的图形。因为 w = 0 w = 0 w=0 w = 2 w = 2 w=2 是这个方程的平衡点,并且 0 < 0.4 < 2 0 < 0.4 < 2 0<0.4<2,根据存在性和唯一性定理,我们知道 0 < w ( t ) < 2 0 < w(t) < 2 0<w(t)<2 对于所有 t t t 都成立。此外,因为在 0 < w < 2 0 < w < 2 0<w<2 区间内 ( 2 − w ) sin ⁡ w > 0 (2 - w) \sin w > 0 (2w)sinw>0,所以解始终在增加。由于当 ( 2 − w ) sin ⁡ w (2 - w) \sin w (2w)sinw 接近零时解的速度较小,并且这种情况只发生在平衡点附近,我们知道解 w ( t ) w(t) w(t) 会随着 t → ∞ t \to \infty t 增加到 w = 2 w = 2 w=2(见第1.5节)。
在这里插入图片描述

类似地,如果我们将时间倒退,解 w ( t ) w(t) w(t) 会减少。它始终保持在 w = 0 w = 0 w=0 之上,且不能停下,因为

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/51872.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python酷库之旅-第三方库Pandas(089)

目录 一、用法精讲 376、pandas.Series.list.flatten方法 376-1、语法 376-2、参数 376-3、功能 376-4、返回值 376-5、说明 376-6、用法 376-6-1、数据准备 376-6-2、代码示例 376-6-3、结果输出 377、pandas.Series.list.__getitem__魔法方法 377-1、语法 377-…

数据仓库: 3- ETL过程

目录 3- ETL过程3.1 数据抽取&#xff08;Extract&#xff09;3.1.1 数据抽取的挑战3.1.2 数据抽取的方式3.1.2.1 全量抽取3.1.2.2 增量抽取3.1.2.3 实时抽取 3.1.3 数据抽取的技术3.1.4 数据抽取工具3.1.5 总结 3.2 数据转换&#xff08;Transform&#xff09;3.2.1 定义3.2.2…

24.8.19学习笔记(MNIST,)

pytorch MNIST手写数字识别&#xff1a; import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms# 设定随机种子以保证结果可复现 torch.manual_seed(0)# 定义超参数 batch_size 32 learning_rate 0.001 num_epochs…

机器学习第十一章--特征选择与稀疏学习

一、子集搜索与评价 我们将属性称为 “特征”(feature&#xff09;&#xff0c;对当前学习任务有用的属性称为 “相关特征”(relevant feature&#xff09;、没什么用的属性称为 “无关特征”(irrelevant feature)&#xff0e;从给定的特征集合中选择出相关特征子集的过程&…

C++竞赛初阶L1-13-第五单元-循环嵌套(29~30课)535: T456454 数字统计

题目内容 请统计某个给定范围 [L,R] 的所有整数中&#xff0c;数字 2 出现的次数。 比如给定范围 [2,22]&#xff0c;数字 2 在数 2 中出现了 1 次&#xff0c;在数 12 中出现 1 次&#xff0c;在数 20 中出现 1 次&#xff0c;在数 21 中出现 1 次&#xff0c;在数 22 中出现…

【开发语言】编译型语言和解释性语言有啥区别?

作为一名从业多年的程序员,对于编译型语言和解释型语言之间的区别有着深入的理解。这两种类型的编程语言在将源代码转换成可执行代码的过程中采用了不同的机制,这导致了它们在执行效率、跨平台性、安全性以及开发效率等方面存在一些差异。 编译型语言(Compiled Languages)…

Java项目集成RocketMQ

文章目录 1.调整MQ的配置1.进入bin目录2.关闭broker和namesrv3.查看进程确认关闭4.编辑配置文件broker.conf&#xff0c;配置brokerIP15.开放端口109116.重新启动1.进入bin目录2.启动mqnamesrv和mqbroker1.启动 NameServer 并将输出重定向到 mqnamesrv.log2.**启动 Broker 并将…

easyexcel--导入导出实现自定义格式转换

自定义格式 我们在数据库设计的时候经常会有枚举类型&#xff0c;如0表示普通用户&#xff0c;1表示VIP用户等&#xff0c;这在excel导入的时候&#xff0c;我们会填普通用户而不是0&#xff0c;这样就需要用到自定义格式把普通用户转换成0&#xff0c;我写了一个通用的抽象类…

深度学习基础—RMSprop算法与Adam 优化算法

1.RMSprop算法 1.1.算法流程 除了动量梯度下降法&#xff0c;RMSprop算法也可以加快梯度下降&#xff0c;这个算法的算法流程如下&#xff1a;深度学习基础—动量梯度下降法http://t.csdnimg.cn/zeGRo 1.2.算法原理 和动量梯度下降不同的是&#xff0c;对dW和db的变成了平方项…

什么是视频比特率?与视频时长是什么关系

​ ‌比特率是指单位时间内传输或处理的比特的数量&#xff0c;单位为‌bps(‌bit per second)。‌ 比特率经常用于描述在电信和计算领域中数据传输的速度&#xff0c;也可以作为衡量音频和视频文件数据率的指标。比特率越高&#xff0c;传送的数据越大&#xff0c;音频或视频…

springsecurity 登录认证一(ajax)

一、准备工作 1.1 导入依赖 因springboot 3.0 以上版本只能支持java17 顾使用2.5.0 版本 <parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.5.0</version><…

代码随想录 day 42 动态规划 买卖股票

第九章 动态规划part09 188.买卖股票的最佳时机IV 本题是123.买卖股票的最佳时机III 的进阶版 视频讲解&#xff1a;https://www.bilibili.com/video/BV16M411U7XJ https://programmercarl.com/0188.%E4%B9%B0%E5%8D%96%E8%82%A1%E7%A5%A8%E7%9A%84%E6%9C%80%E4%BD%B3%E6%97%…

鸿蒙开发入门day05-ArkTs语言(接口与关键字)

(创作不易&#xff0c;感谢有你&#xff0c;你的支持&#xff0c;就是我前行的最大动力&#xff0c;如果看完对你有帮助&#xff0c;还请三连支持一波哇ヾ(&#xff20;^∇^&#xff20;)ノ&#xff09; 目录 ArkTS语言介绍 接口 接口属性 接口继承 泛型类型和函数 泛型…

R语言统计分析——回归诊断2

参考资料&#xff1a;R语言实战【第2版】 R语言的car包提供的大量函数&#xff0c;大大增强了拟合和评价回归模型的能力。如下&#xff1a; 函数目的qqPlot()分位数比较图durbinWatsonTest()对误差自相关性做Durbin-Watson检验crPlots()成分与残差图ncvTest()对非恒定的误差方…

transformer-explainer

安装和启动 找到这个项目&#xff0c;然后装好了。 这个项目的目的如名字。 https://github.com/poloclub/transformer-explainerTransformer Explained: Learn How LLM Transformer Models Work with Interactive Visualization - poloclub/transformer-explainerhttps:/…

顶顶通呼叫中心中间件-一句话识别语音识别安装步骤

顶顶通呼叫中心中间件-一句话模型安装步骤&#xff0c;对接mod_vad。一句话识别&#xff08;http接口提交录音文件识别&#xff09; 一、安装一句话模型 一句话识别&#xff08;http接口提交录音文件识别&#xff09;&#xff0c;比如对接mod_vad(老电话机器人接口) curl -s…

web开发,过滤器,前后端交互

目录 web开发概述 web开发环境搭建 Servlet概述 Servlet的作用&#xff1a; Servlet创建和使用 Servlet生命周期 http请求 过滤器 过滤器的使用场景&#xff1a; 通过Filter接口来实现&#xff1a; 前后端项目之间的交互&#xff1a; 1、同步请求 2、异步请求 优化…

docker-compose安装MongoDB 7.0.12

文章目录 一. Mac1.1 创建目录1.2 docker-compose.yaml默认不开启relSet开启relSet&#xff08;数据同步&#xff09; 1.3 部署1.4 卸载1.5 replSet配置1.5.1 初始化replSet1.5.2 创建超管用户1.5.3 验证用户1.5.4 查看replSet状态 二. Centos72.1 创建目录2.2 docker-compose.…

JZ51 数组中的逆序对

数组中的逆序对_牛客题霸_牛客网 描述 在数组中的两个数字&#xff0c;如果前面一个数字大于后面的数字&#xff0c;则这两个数字组成一个逆序对。输入一个数组,求出这个数组中的逆序对的总数P。并将P对1000000007取模的结果输出。 即输出P mod 1000000007 数据范围&#xff…

Xv6虚拟内存(三):进程地址空间

阅读材料 Xv6代码&#xff1a;memlayout.h、proc.h、proc.c教材3.6节 进程地址空间初始化 proc_pagetable函数 该函数用于初始化一个用户进程的地址空间&#xff0c;返回该地址空间的根页表基地址。该函数只干两件事&#xff1a;映射trampoline页到最高虚拟地址处&#xff0…