7.常微分方程 I

2026/4/19

微分方程实际上对学过物理的人而言，是相当熟悉的事情，但如何严格化则还应归属于数学，尽管就应用而言，直觉可以解决大部分问题（

从场论到微分方程

在场论中，我们讨论了所谓散度无旋，旋度无源：

$$ \nabla\times(\nabla u)=0,\ \nabla \cdot (\nabla \times G)=0 $$

以及一个函数可以漂亮地分解成某个散度和某个旋度：

$$ F=\nabla u+\nabla \times G $$

Maxwell 方程

如雷贯耳的$Maxwell$方程组的微分形式，实际上就是用$\nabla$ 的语言写成的。这也在场论中提到过。

$$ \begin{cases} \nabla \cdot E = \rho \\ \nabla \cdot B = 0 \\ \nabla \times E = -B_t \\ \nabla \times B = J + E_t \end{cases} $$

正如上面所说，我们可以试着把 $E$ 拆解：

$$ E = \nabla (-U) + \nabla \times\int B\, dt $$

物理上，大概就是静电场和涡旋电场，分别由电势的梯度和变化的磁场产生。
能不能消掉 $B$，得到一个只含$E$ 的方程呢？

波动方程的推导 (Derivation of Wave Equation)

1. 基础方程

推导始于真空（或无源项 $J=0, \rho=0$）中的麦克斯韦方程组：

法拉第感应定律： $\nabla \times E = -B_t$- 安培-麦克斯韦定律：$\nabla \times B = E_t$（注：此处简化了系数，并假设无源$J=0$）

2. 数学推导步骤

对法拉第定律两边同时取旋度（Curl）：

$$ \nabla \times (\nabla \times E) = -(\nabla \times B)_t $$

左侧（利用矢量算子恒等式）：

$$ \nabla \times (\nabla \times E) = \nabla(\nabla \cdot E) - \Delta E $$

关键点： 在无源区域（真空），由于 $\nabla \cdot E = 0$（由高斯定律得出），左侧简化为 $-\Delta E$。

右侧（代入安培定律）：

$$ -(\nabla \times B)_t = -(E_t)_t = -E_{tt} $$

3. 最终结论：波动方程

将左右两项合并并消去负号，得到电磁波在空间的演化规律：

$$ E_{tt} = \Delta E $$

展开即为：

$$ E_{tt} = E_{xx} + E_{yy} + E_{zz} $$

物理意义： 这正是一个典型的波动方程（Wave Equation）。它表明电场（和磁场）不需要介质，可以通过自身场的变化在空间中以波的形式传播。

可以看到，这样一个方程全是 $E$ 的导数所满足的方程，也就是物理直觉上的微分方程。数学上如何描述呢，我们先从简单的情形开始——常微分方程，即不带偏导数的微分方程。

常微分方程 (ODE)

基本定义

设定 $x$ 为一个自变量，$y$为因变量，以及$y$的各阶导数$y’, y’’, \dots, y^{(n)}$。

定义（$n$ 阶 ODE）：

$$ F(x, y, y', \dots, y^{(n)}) = 0 \quad (\star) $$

满足该等式的方程称为一个 $n$ 阶常微分方程。

定义（解）：

若函数 $y(x)$在区间$[a, b]$上满足方程$(\star)$，则称 $y(x)$为该方程在区间$[a, b]$ 上的一个解。

2. 示例

一阶模型：指数衰减

$$ m'(t) = -a m(t) $$

解的形式： $m(t) = C e^{-at} \quad (\forall C \in \mathbb{R})$- 特性： 解存在且不唯一（取决于常数$C$）。

二阶模型：简谐振动

$$ x''(t) = -k x(t) $$

也许可以注意到的解： $x(t) = \sin(t)$或$x(t) = \cos(t)$- 注意到方程的线性，于是找到比较一般的解：$x(t) = C_1 \cos(t) + C_2 \sin(t) \quad (\forall C_1, C_2 \in \mathbb{R})$

这个比较一般的解，我们称为通解。

通解 (General Solution) 的定义

对于含有 $n$个相互独立的任意常数$C_1, C_2, \dots, C_n$的解函数组$y(x; C_1, C_2, \dots, C_n)$，若满足以下两个条件：

独立性： 常数 $C_1, C_2, \dots, C_n$在区间$x \in [a, b]$ 上是相互独立的。
有效性： 对于每一组固定的 $C_1, \dots, C_n$，函数 $y(x, C_1, \dots, C_n)$在$[a, b]$上均满足方程$(\star)$。

则称 $y(x; C_1, \dots, C_n)$为方程$(\star)$ 的一个通解。
固定常数后的函数也就被称为特解，例如简谐振动示例中的 $\sin(t)$就是取常数为$0,1$ 。

常数独立性 (Wronskian 行列式)

为了判断一组解是否能构成通解，需要引入线性无关性的判定：

定义（常数独立性）：

对于函数组 $\psi(x, C_1, C_2, \dots, C_n)$，若 $C_1, \dots, C_n$在$x \in [a, b]$ 上线性独立，其充要条件通常涉及 Wronskian 行列式不为零：

$$ \left| \frac{\partial(\psi, \psi', \psi'', \dots, \psi^{(n-1)})}{\partial(C_1, C_2, C_3, \dots, C_n)} \right| \neq 0, \quad x \in [a, b] $$

逻辑闭环：

一阶方程有一个待定常数 $C$。

二阶方程有两个相互独立的待定常数 $C_1, C_2$。

n 阶方程则需要 $n$ 个线性独立的解来构造通解。

我们可以验证一下简谐振动的解是不是符合常数独立性。

验证：通解中常数的独立性

1. 设定函数形式

已知二阶方程的解函数族为：

$$ x(t, C_1, C_2) = C_1 \cos(t) + C_2 \sin(t), \quad \forall C_1, C_2 \in \mathbb{R} $$

对其求一阶导数（关于时间 $t$）：

$$ x'(t, C_1, C_2) = -C_1 \sin(t) + C_2 \cos(t) $$

2. 构造行列式 (Wronskian 思想的变形)

为了验证 $C_1, C_2$ 的独立性，计算函数向量对常数向量的偏导数行列式：

$$ \left| \frac{D(x, x')}{D(C_1, C_2)} \right| = \begin{vmatrix} \frac{\partial x}{\partial C_1} & \frac{\partial x}{\partial C_2} \\ \frac{\partial x'}{\partial C_1} & \frac{\partial x'}{\partial C_2} \end{vmatrix} $$

3. 代入计算

将偏导数结果代入矩阵：

$$ = \begin{vmatrix} \cos(t) & \sin(t) \\ -\sin(t) & \cos(t) \end{vmatrix} $$

利用行列式计算规则 $ad - bc$：

$$ = \cos^2(t) - (-\sin^2(t)) $$

$$ = \cos^2(t) + \sin^2(t) $$

$$ = 1 \neq 0 $$

结论

由于该行列式的值为 1（恒不为零），根据判定准则，常数 $C_1$与$C_2$ 在解空间中是相互独立的。

这证明了 $x(t) = C_1 \cos(t) + C_2 \sin(t)$ 确实是该二阶微分方程的通解

一般的方程的解，我们也可以看成函数，那么也就有所谓隐函数，相应的，这里有所谓通积分。

通积分 (General Integral)

1. 定义

对于 $n$阶常微分方程$F(x, y, y’, \dots, y^{(n)}) = 0 \quad (\star)$，如果其通解是由一个隐函数方程给出的：

$$ \Phi(x, y; C_1, C_2, \dots, C_n) = 0 $$

若该等式在满足常数独立性的前提下，能够通过对 $x$求导等代数运算还原为原方程$(\star)$，则称该隐式方程为原方程的 通积分。

核心区别：

通解：通常指显式函数形式 $y = f(x, C_1, \dots, C_n)$。

通积分：指隐式方程形式，不一定能轻易解出显式的 $y$。

实际上，也就是消除了 $y$ 的导数的影响，也就是解掉了微分。

2. 案例演示：圆族与微分方程

板书通过一个几何例子展示了通积分与微分方程的转换逻辑：

微分方程： $x + y \cdot y’ = 0$- 通积分猜测：$x^2 + y^2 = C$ （这是一个以原点为圆心的圆族）

验证过程：

对隐式方程 $x^2 + y^2 = C$关于$x$ 求导：

$\frac{d}{dx}(x^2) + \frac{d}{dx}(y^2) = \frac{d}{dx}(C)$2.$2x + 2y \cdot y’ = 0$
化简得：$x + y \cdot y’ = 0$

结论：

隐式方程 $x^2 + y^2 = C$是微分方程$x + y \cdot y’ = 0$ 的通积分。如果写成显式通解，则为：

$$ y = \pm \sqrt{C - x^2} $$

3. 几何直观

在坐标系中，这个通积分代表了一系列同心圆。微分方程 $y’ = -\frac{x}{y}$ 实际上描述了圆上任意一点的切线斜率必须与该点到原点的连线（半径）垂直。

会不会有解落在通解之外呢，或者说遍历通解中的常数也取不到某个解？

定义：奇解 (Singular Solution)

若函数 $y(x)$满足原方程$(\star)$，但它不包含在通解中（即无法通过给通解中的任意常数 $C$ 赋值来得到），则称其为方程的一个奇解。

典型案例分析：$y^2 + (y’)^2 = 1$

1. 通解及其验证

给定微分方程：

$$ y(x)^2 + (y'(x))^2 = 1 $$

其通解形式为：

$$ y(x) = \sin(x-c), \quad c \in \mathbb{R} $$

常数独立性验证：

通过对常数 $c$ 求偏导来判断其是否提供了一个有效的自由度：

$$ \partial_c y = -\cos(x-c) \not\equiv 0 $$

核心逻辑： 虽然在某些特定点该偏导数为零，但在区间内它不恒等于零，因此常数 $c$ 是独立的。

2. 奇解 (Singular Solutions)

观察方程结构，可以发现两个不包含在上述通解族中的特殊恒等解：

$y(x) \equiv 1$
$y(x) \equiv -1$

验证： 若 $y = \pm 1$，则 $y’ = 0$。代入原方程：$(\pm 1)^2 + 0^2 = 1$，等式成立。

由于这两个解无法通过给通解中的 $c$ 赋值得到（$\sin$ 函数无法恒等于 1），它们被定义为该方程的奇解。

包络与奇解 (Envelope and Singular Solution)

核心定义

针对 一阶常微分方程 (1st Order ODE)：

若某个函数 $y(x)$ 在其曲线上：

每一点 都与该方程通解族中的 某一个解 相切；
且 $y(x)$ 本身也满足该微分方程。

则 $y(x)$ 为该方程的一个奇解。

为什么“相切”意味着“唯一性失效”？

从几何角度来看，包络线具有一种奇特的“重合”属性：

坐标相同： 在切点处，包络线与通解曲线的 $y$ 值一致。
斜率相同： 由于相切，它们的导数 $y’$ 也完全一致。

推论：

对于同一个初值点 $(x_0, y_0)$，现在出现了两条不同的积分曲线（包络线本身和穿过该点的通解曲线），它们在该点具有相同的斜率。这说明在该轨迹上，微分方程解的存在唯一性定理 遭到了破坏。

判别逻辑

通解族： $\Phi(x, y, C) = 0$- 包络线方程： 通常通过联立以下方程组并消去参数$C$ 获得：

$$ \begin{cases} \Phi(x, y, C) = 0 \\ \frac{\partial \Phi}{\partial C} = 0 \end{cases} $$

验证： 求出的包络线方程如果代入原 ODE 成立，且无法通过给 $C$ 赋值得到，则它就是奇解。

实际上奇解有无穷多个，就上面的例子而言，我们可以在 $y=-1$走一段，然后沿着三角函数走到$y=1$ ，然后再随便走……也许正如，当你看到一只蟑螂，屋子里已经满是蟑螂了（？）从另一个视角来看，通解甚至只是解的一小部分（

初值问题 (Cauchy 问题)

对于一个 $n$ 阶常微分方程，如何通过初始条件锁定唯一轨迹。

定义

对于 $n$ 阶 ODE：$F(x, y, y’, \dots, y^{(n)}) = 0$，寻找一个特解 $y(x)$使其满足如下$n$ 个初始条件：

$$ \begin{cases} y(0) = y_0 \\ y'(0) = y_1 \\ \dots \\ y^{(n-1)}(0) = y_{n-1} \end{cases} $$

其中 $y_0, y_1, \dots, y_{n-1}$ 为给定的初值。

研究核心

对于 Cauchy 问题，数学家和物理学家最关心的三个维度：

存在性 (Existence)： 是否真的能找到这样一个解？
唯一性 (Uniqueness)： 是否有且仅有一个解？（对应了刚才讨论的“包络线/奇解”是否会破坏唯一性）。
长期行为 (Long-term Behavior)： 随着自变量 $x$（通常是时间 $t$）的增加，解是趋于稳定、发散还是进入混沌状态？

怎么看存在性呢？

通解常数的独立性与逆映射 (Independence & Inverse Mapping)

1. 初值条件的方程组形式

对于一个包含 $n$个待定常数$C_1, \dots, C_n$的通解$y(x, C_1, \dots, C_n)$，给定初值 $(y_0, y_1, \dots, y_{n-1})$，我们可以建立如下方程组：

$$ \begin{cases} y(0, C_1, \dots, C_n) = y_0 \\ y'(0, C_1, \dots, C_n) = y_1 \\ \dots \\ y^{(n-1)}(0, C_1, \dots, C_n) = y_{n-1} \end{cases} $$

2. 核心判定：Jacobi 行列式

要使上述初值能够唯一地锁定一组常数 $(C_1, \dots, C_n)$，必须保证该映射在局部是可逆的。其判定条件为 Jacobi 行列式不为零：

$$ \left| \frac{D(y, y', \dots, y^{(n-1)})}{D(C_1, C_2, \dots, C_n)} \right| \neq 0 $$

数学含义： 这一条件等价于常数的 独立性 (Independence)。
几何直观： 它保证了从“常数空间”到“初值空间”的映射是一个局部微分同胚。即对于每一组合理的初值，我们都能反向找到唯一对应的常数解。

3. 逆映射定理的视角

更抽象的映射描述：

设映射 $g(\vec{C}) = \vec{u}$，其中 $\vec{C}$ 是常数向量，$\vec{u}$ 是初值向量。
若 Jacobi 行列式非零，则根据 逆映射定理 (Inverse Function Theorem)，存在逆映射：

$$ \vec{C} = g^{-1}(\vec{u}) $$

这意味着：通解之所以能通过初值确定特解，本质上是因为常数的独立性保证了映射的可逆性。

通解的局限性

通解只是我们预期的一般的规律，除了上述的奇解之外，我们可以考虑：

$$ F(x,y,y')=0和G(x,y,y')=0 $$

我们把两个方程相乘就得到一个新的微分方程，这两个方程可以风马牛不相及，但是他们的通解都是新的方程通解，有两个通解？！

具体计算

变量分离法 (Separable Variables)

1. 基本形式

对于一阶常微分方程（First-order ODE），若其形式如下：

$$ y'(x) = f(x) \cdot g(y) $$

2. 解题步骤

寻找常数解（平衡解）：

观察 $g(y)$是否有零点。即若存在常数$c_0$使得$g(c_0) = 0$，则 $y(x) = c_0$ 是原方程的一个解。
变量分离：

若在某个区间上 $g(y) \neq 0$，则可将方程改写为：

$$ \frac{y'}{g(y)} = f(x) $$

3. 原理解析

设 $F’(x) = f(x)$，$G’(y) = \frac{1}{g(y)}$（假设 $g(y) \neq 0$）。

对上述分离后的方程两边关于 $x$ 求导/积分，可得隐式解：

$$ G(y(x)) = F(x) + C $$

若 $G$ 存在逆函数，则显式解为：

$$ y(x) = G^{-1}(F(x) + C) $$

验证：

利用复合函数求导法则：

$$ y'(x) = (G^{-1})'(F(x) + C) \cdot F'(x) = \frac{1}{G'(G^{-1}(F(x)+C))} \cdot f(x) = g(y) \cdot f(x) $$

例题演示

方程： $y’ = -xy$这里$f(x) = -x$，$g(y) = y$。

检查零点：

令 $g(y) = y = 0$，得到 $y \equiv 0$ 是方程的一个特解。
分离变量（假设 $y \neq 0$）：

$$ \frac{y'}{y} = -x $$

两边积分：

$$ \int \frac{1}{y} dy = \int -x dx $$

$$ \ln|y| = -\frac{1}{2}x^2 + C $$

为了解出 $y$，对等式两边取指数：

$$ |y| = e^{-\frac{1}{2}x^2 + C} = e^C \cdot e^{-\frac{1}{2}x^2} $$

令 $\tilde{C} = e^C$（由于 $e^C > 0$，故 $\tilde{C} > 0$），则有：

$$ |y| = \tilde{C} e^{-\frac{1}{2}x^2} $$

去掉左边的绝对值符号，右边引入正负号：

$$ y = \pm \tilde{C} e^{-\frac{1}{2}x^2} $$

此时，系数 $\pm \tilde{C}$ 可以取遍所有非零实数。

注意到我们在步骤 ① 中发现的常数解 $y \equiv 0$。

如果我们允许上述式子中的系数取 0，那么这个式子就能涵盖 $y \equiv 0$。
重新定义一个新的任意常数 $\hat{C}$，使其包含正数、负数以及零（$\hat{C} \in \mathbb{R}$）。

最终，方程的**通解（General Solution）**写为：

$$ \mathbf{y(x) = \hat{C} e^{-\frac{1}{2}x^2}} $$

变量替换（Variable Substitution）

一

基本模型：

对于形如 $y’ = f(ax + by + c)$ 的微分方程：

令： $z = ax + by + c$2. 求导：$z’ = a + b \cdot y’ = a + b \cdot f(z)$3. 转化： 得到关于$z$ 的可分离变量方程：$z’ = a + b f(z)$

典型例题

方程： $y’ = \sin(x + y + 1)$

1. 变量替换

令 $z = x + y + 1$，则有 $z’ = 1 + y’$。

代入原方程得：

$$ z' = 1 + \sin(z) $$

2. 寻找奇异解（Equilibrium Solutions）

考察 $1 + \sin(z) = 0$ 的情况：

当 $z = 2k\pi + \frac{3}{2}\pi$ ($k \in \mathbb{Z}$) 时，$z’ = 0$。

反代回原变量，得到一组直线解：

$y(x) = 2k\pi + \frac{3}{2}\pi - x - 1$

3. 通解计算（分离变量法）

当 $1 + \sin(z) \neq 0$ 时，进行积分：

$$ \int \frac{dz}{1 + \sin(z)} = \int 1 dx $$

左侧积分推导：

利用三角恒等式变换，积分为：

$$ -\frac{\cos(z)}{1 + \sin(z)} = \tan\left(\frac{z}{2} - \frac{\pi}{4}\right) $$

(注：利用了半角公式进行简化)

得出结果：

$$ \tan\left(\frac{x + y + 1}{2} - \frac{\pi}{4}\right) = x + C $$

进一步整理得：

**$y = 2 \arctan(x + C) + \frac{\pi}{2} - x - 1$**

注意到，$y$可以加上$2k\pi$ 而不影响方程成立，所以实际上的通解为：

$$ y = 2 \arctan(x + C) + \frac{\pi}{2} - x - 1+2k\pi $$

关于解

该方程解的族群分布：

特征： 解曲线被一系列斜率为 $-1$的平行直线（即奇异解$y = -x - 1 + 2k\pi + \frac{3}{2}\pi$）所分割。
趋势： 在这些“隔离带”之间，通解曲线呈现出周期性的波动形态。当 $x \to \infty$ 时，解会无限趋近于这些特定的直线。

二，齐次

1. 识别模型

当微分方程可以表示为自变量与因变量比值的函数时：

$$ y' = f(x, y) = h\left(\frac{y}{x}\right) $$

2. 引入中间变量

令：

$$ u = \frac{y}{x} \implies y = x \cdot u $$

3. 求导变换

对 $y = xu$关于$x$ 求导（应用乘积法则）：

$$ y' = (xu)' = x \cdot u' + u $$

4. 建立新方程

将上述结果代入原方程 $y’ = h(u)$：

$$ xu' + u = h(u) $$

整理得：

$$ u' = \frac{h(u) - u}{x} $$

逻辑拆解

本质： 这种变换的精髓在于通过“比例化”将一个二元函数 $f(x, y)$塌缩为一元函数$h(u)$，从而将方程转化为可分离变量的形式：

$$ \frac{du}{h(u) - u} = \frac{dx}{x} $$

适用场景： 如果方程中 $x$和$y$的每一项次数相同（齐次），那么它一定能化为$h(y/x)$ 的形式。
潜在风险： 在后续积分过程中，需额外注意分母 $h(u) - u = 0$ 的情况，这通常对应于解空间中的射线（即平衡解）。

三，分式线性组合

一、核心模型

方程形式为：

$$ y' = f\left( \frac{a_1 x + b_1 y + c_1}{a_2 x + b_2 y + c_2} \right) $$

这种方程的处理方式取决于分子、分母所代表的两条直线的几何关系，即行列式 $D = \begin{vmatrix} a_1 & b_1 \ a_2 & b_2 \end{vmatrix}$ 是否为零。

二、情况 (a)：相交直线（$D \neq 0$）

当两条直线相交时，可以通过平移坐标原点到交点来消除常数项 $c_1$和$c_2$。

求交点： 解线性方程组 $\begin{cases} a_1 x + b_1 y + c_1 = 0 \ a_2 x + b_2 y + c_2 = 0 \end{cases}$，得到唯一解 $(x_0, y_0)$。
坐标平移： 令 $u = x - x_0, v = y - y_0$。
方程转化： 代入原方程后，常数项消失，方程变为：

$$ v'(u) = f\left( \frac{a_1 u + b_1 v}{a_2 u + b_2 v} \right) = f\left( \frac{a_1 + b_1(v/u)}{a_2 + b_2(v/u)} \right) $$

此时，方程转化为了标准的齐次方程，可用 $w = v/u$ 进一步求解。

三、情况 (b)：平行直线（$D = 0$）

当两条直线平行时，意味着系数成比例：$(a_1, b_1) = \lambda(a_2, b_2)$。

比例简化： 此时分子和分母的线性部分是相关的。

$$ y' = f\left( \frac{(a x + b y) + c_1}{\lambda(a x + b y) + c_2} \right) = g(ax + by) $$

变量替换： 此时回到最简单的模式，令 $z = ax + by$。
结果： 转化为可分离变量的方程进行计算。

总结与观察

这展示了数学处理中“化归”的思想：

如果有交点，就通过“平移”消除常数项，化归为齐次方程。
如果无交点（平行），就通过“整体替换”化归为一元函数方程。

至此，我们已经完整收集了一阶微分方程变量替换法的三大招式：

$y’ = f(ax+by+c)$（整体替换）
$y’ = h(y/x)$（齐次化替换）
$y’ = f(\frac{L_1}{L_2})$（坐标平移/平行替换）

一阶线性 ODE（关于 $y, y’$ 线性）

1. 基本定义与分类

方程的标准形式为：

非齐次方程： $y’ + P(x)y = Q(x)$—— 记作$(*)$- 齐次方程：$y’ + P(x)y = 0$—— 记作$(**)$

2. 解的结构理论

线性方程最迷人的地方在于其解的可叠加性：

齐次解的线性性质： 若 $y_1, y_2$为$()$的两个解，则其线性组合$C_1y_1 + C_2y_2$亦为解。其通解具有$C\varphi(x)$ 的形式，且没有奇异解**。这不难验证，代入即可。
通解结构公式：

若 $\hat{y}$是非齐次方程$()$ 的一个*特解，$\varphi$是对应齐次方程$()$的一个非零解**，则$(*)$ 的通解可表示为：

$$ y = \hat{y} + C\varphi $$

直观理解： 这与线性代数中“非齐次线性方程组的通解 = 特解 + 齐次方程组通解”的逻辑完全一致。

齐次方程 $(**)$ 的求解推导

利用积分因子法求解齐次方程的过程：

构造原函数： 令 $F(x)$满足$F’(x) = P(x)$，即 $F(x) = \int P(x)dx$。
引入积分因子： 在方程 $(**)$两端同时乘以$e^{F(x)}$（显然 $e^{F(x)} \neq 0$）：

$$ y'e^F + yF'e^F = 0 $$

逆用乘积导数法则：

$$ (ye^F)' = 0 $$

积分得出结论：

$$ ye^F = C \implies y(x) = Ce^{-F(x)} $$

即齐次方程的通解为：$y(x) = C e^{-\int P(x)dx}$

这实际上很符合直觉，正如 $y’+y=0$我们会猜解$y=e^{-x}$ 。我们利用了指数求导不变来构造微分。又由于实际上每一步都是等价变换，所以没有奇解。

非齐次方程的求解——常数变易法 (Variation of Parameters)

1. 核心思想

对于齐次方程 $(**)$的通解$y = Ce^{-F(x)}$，我们大胆假设非齐次方程 $(*)$的通解具有相同的形式，但将常数$C$替换为待定函数$C(x)$：

$$ y = C(x)e^{-F(x)} $$

2. 求解过程

继续沿用积分因子 $e^{F(x)}$：

原方程： $y’ + P(x)y = Q(x)$——$(*)$- 乘积分因子： 左右同乘$e^{F(x)}$，其中 $F’(x) = P(x)$：

$$ y'e^F + yP(x)e^F = Q(x)e^F $$

合并左端： 根据导数乘积法则的逆过程：

$$ (ye^F)' = Q(x)e^F $$

两端积分：

$$ ye^{F(x)} = \int_{x_0}^x Q(\tilde{x})e^{F(\tilde{x})}d\tilde{x} + C $$

二、一阶线性 ODE 的通用公式

通过上述推导，也就得到了最终的通解公式：

$$ y(x) = \left( \int_{x_0}^x Q(\tilde{x})e^{F(\tilde{x})} d\tilde{x} + C \right) e^{-F(x)} $$

结构拆解：

特解部分： $e^{-F(x)} \int Q(x)e^{F(x)}dx$2. 齐次解部分：$Ce^{-F(x)}$

这同样步步等价，所以这并没有奇解，这是线性方程的优良性质。

示例：RL电路

1. 电路构成

电源电动势： $E$- 电感：$L$- 电阻：$R$

2. 建立方程

根据基尔霍夫电压定律（KVL），电路的电压平衡方程为：

$$ L \cdot I'(t) + R \cdot I(t) = E $$

设定初始条件：$I(0) = 0$（即电路在 $t=0$ 时刻接通，初始电流为零）。

数学转化与求解

1. 标准化处理

为了套用一阶线性 ODE 的公式，将方程两端同除以 $L$：

$$ I' + \frac{R}{L}I = \frac{E}{L} $$

令常数 $P = \frac{R}{L}$，$Q = \frac{E}{L}$，方程简化为标准型：

$$ I' + PI = Q $$

2. 积分因子法求解

积分因子： $e^{Pt}$- 变换：$(I \cdot e^{Pt})’ = Q e^{Pt}$- 积分：$I \cdot e^{Pt} = \frac{Q}{P} e^{Pt} + C$- 通解公式：$I(t) = \frac{Q}{P} + C e^{-Pt}$

带入物理量与初始条件

1. 代回物理参数

由于 $\frac{Q}{P} = \frac{E/L}{R/L} = \frac{E}{R}$，通解写为：

$$ I(t) = \frac{E}{R} + C e^{-\frac{R}{L}t} $$

2. 确定待定常数

代入初始条件 $I(0) = 0$：

$$ 0 = \frac{E}{R} + C \implies C = -\frac{E}{R} $$

3. 最终特解

$$ I(t) = \frac{E}{R} \left( 1 - e^{-\frac{R}{L}t} \right) $$

物理意义评估

暂态响应： 指数项 $e^{-\frac{R}{L}t}$描述了电流从零开始增长的过程。电感$L$ 的存在产生了“反电动势”，阻碍了电流的突变。
稳态电流： 当 $t \to \infty$时，指数项趋于$0$，电流趋于稳定值：

$$ I_{\text{steady}} = \frac{E}{R} $$

此时电感相当于短路，遵循基本的欧姆定律。

积分因子

一、问题的引入：全微分方程

1. 基本形式

将微分方程写成对称形式：

$$ P(x, y)dx + Q(x, y)dy = 0 $$

2. 判定条件（恰当性检验）

如果存在一个函数 $u(x, y)$使得$du = P dx + Q dy = 0$，那么该方程称为全微分方程（或恰当方程）。其通解直接为：

$$ u(x, y) = C $$

根据全微分的性质，这要求满足：

$$ Q_x = P_y $$

（即 $\frac{\partial Q}{\partial x} = \frac{\partial P}{\partial y}$）

二、非全微分方程与积分因子

如果 $N_x \neq M_y$，方程就不是全微分的。此时，我们寻找一个非零函数 $\mu(x, y)$，使得乘以它之后方程变得“恰当”：

$$ \mu M dx + \mu N dy = 0 \implies (\mu N)_x = (\mu M)_y $$

这里的 $\mu$ 被称为积分因子。

三、积分因子的求解推导（以一元因子为例）

寻找通用的 $\mu(x, y)$通常涉及偏微分方程，非常困难。寻找一元积分因子（仅与$x$或$y$ 有关）的捷径：

1. 展开判定式：

根据乘积求导法则，$(\mu N)_x = (\mu M)_y$ 展开为：

$$ \mu N_x + \mu_x N = \mu M_y + \mu_y M $$

整理得：

$$ \mu(N_x - M_y) = -\mu_x N + \mu_y M $$

2. 假设 $\mu = \mu(x)$：

此时 $\mu_y = 0$，方程简化为：

$$ \mu(N_x - M_y) = -\mu_x N $$

变形得到关于 $\mu$ 的可分离变量方程：

$$ \frac{\mu_x}{\mu} = -\frac{N_x - M_y}{N} $$

3. 求解结论：

如果右端项 $\frac{M_y - N_x}{N}$仅是$x$的函数，记为$F(x)$，那么积分因子为：

$$ \mu(x) = e^{\int F(x) dx} $$

补充情况：$\mu = \mu(y)$ 的判定

如果积分因子仅是 $y$的函数，推导过程与$x$ 对称：

判定条件： 考察表达式 $\frac{N_x - M_y}{M}$。
结论： 若该式仅与 $y$有关，记为$G(y)$，则有：

$$ \frac{\mu_y}{\mu} = \frac{N_x - M_y}{M} = G(y) $$

积分因子公式：

$$ \mu(y) = e^{\int G(y) dy} $$

二、综合例题演练

方程： $(2xy^2 - y)dx + (x + 3y^3)dy = 0$其中$M = 2xy^2 - y$，$N = x + 3y^3$。

1. 恰当性检查

$M_y = 4xy - 1$-$N_x = 1$显然$M_y \neq N_x$，方程不是全微分方程。

2. 寻找积分因子（试错过程）

尝试 $\mu(x)$：

计算 $\frac{N_x - M_y}{N} = \frac{1 - (4xy - 1)}{x + 3y^3} = \frac{2 - 4xy}{x + 3y^3}$。

结果含有 $y$，说明不存在仅与 $x$ 有关的积分因子。
尝试 $\mu(y)$：

计算 $\frac{N_x - M_y}{M} = \frac{1 - (4xy - 1)}{2xy^2 - y} = \frac{2(1 - 2xy)}{y(2xy - 1)} = -\frac{2}{y}$。

结果仅与 $y$有关！满足条件，令$G(y) = -\frac{2}{y}$。

3. 计算积分因子

$$ \mu(y) = e^{\int -\frac{2}{y} dy} = e^{-2\ln|y|} = \frac{1}{y^2} $$

4. 转化与求解

方程两端同乘 $\frac{1}{y^2}$，得到新方程：

$$ \frac{2xy^2 - y}{y^2}dx + \frac{x + 3y^3}{y^2}dy = 0 $$

简化为：

$$ \left( 2x - \frac{1}{y} \right)dx + \left( \frac{x}{y^2} + 3y \right)dy = 0 $$

验证可知，此时 $P_y = \frac{1}{y^2}$，$Q_x = \frac{1}{y^2}$，已变为全微分方程。

5. 最终通解

对 $P$关于$x$积分，对$Q$关于$y$ 积分并合并（注意去重）：

$$ u(x, y) = x^2 - \frac{x}{y} + \frac{3}{2}y^2 = C $$

另外，注意到 $y \equiv 0$ 时，$M=0$同时$dy=0$ ，那么这时候方程也成立。

齐次方程的特殊积分因子

核心定理：

对于齐次微分方程 $M(x, y)dx + N(x, y)dy = 0$（即 $M, N$为同次数的齐次函数），如果$xM + yN \neq 0$，则该方程的一个积分因子为：

$$ \mu(x, y) = \frac{1}{xM + yN} $$

证明：

1. 核心工具：欧拉齐次函数定理

根据齐次函数的性质，若 $f(x, y)$是$n$ 次齐次的，则满足：

$$ x \frac{\partial f}{\partial x} + y \frac{\partial f}{\partial y} = n f $$

具体到我们的函数：

(1) $x M_x + y M_y = n M$- (2)$x N_x + y N_y = n N$

2. 判定目标

我们需要证明，乘以 $\mu$后的方程$\frac{M}{xM+yN}dx + \frac{N}{xM+yN}dy = 0$ 满足全微分条件：

$$ \frac{\partial}{\partial y} \left( \frac{M}{xM + yN} \right) = \frac{\partial}{\partial x} \left( \frac{N}{xM + yN} \right) $$

3. 分步求偏导

左侧（对 $y$ 求偏导）：

应用商法则 $\left(\frac{u}{v}\right)’ = \frac{u’v - uv’}{v^2}$，设分母 $D = xM + yN$：

$$ \frac{\partial}{\partial y} \left( \frac{M}{D} \right) = \frac{M_y (xM + yN) - M \frac{\partial}{\partial y}(xM + yN)}{D^2} $$

展开分母的偏导项 $\frac{\partial D}{\partial y} = x M_y + N + y N_y$：

$$ \text{分子} = M_y(xM + yN) - M(x M_y + N + y N_y) $$

$$ = x M M_y + y M_y N - x M M_y - MN - y M N_y $$

消去 $x M M_y$，得到：

$$ \text{分子}_L = y M_y N - MN - y M N_y \quad \dots (\alpha) $$

右侧（对 $x$ 求偏导）：

同样应用商法则：

$$ \frac{\partial}{\partial x} \left( \frac{N}{D} \right) = \frac{N_x (xM + yN) - N \frac{\partial}{\partial x}(xM + yN)}{D^2} $$

展开分母的偏导项 $\frac{\partial D}{\partial x} = M + x M_x + y N_x$：

$$ \text{分子} = N_x(xM + yN) - N(M + x M_x + y N_x) $$

$$ = x M N_x + y N N_x - MN - x N M_x - y N N_x $$

消去 $y N N_x$：

$$ \text{分子}_R = x M N_x - MN - x N M_x \quad \dots (\beta) $$

4. 利用欧拉定理进行等价变换

现在我们要证明 $(\alpha) = (\beta)$。将两式写在一起观察：

$$ y M_y N - MN - y M N_y \overset{?}{=} x M N_x - MN - x N M_x $$

消去两边的 $-MN$，整理得：

$$ N(y M_y + x M_x) \overset{?}{=} M(y N_y + x N_x) $$

此时，代入欧拉齐次函数定理：

左边 $= N \cdot (n M) = n MN$- 右边$= M \cdot (n N) = n MN$

左右相等！

二、典型例题演练

方程： $(x - y)dx + (x + y)dy = 0$其中$M = x - y, N = x + y$，均为一阶齐次函数。