张叶安的小站

本页面只读。您可以查看源文件，但不能更改它。如果您觉得这是系统错误，请联系管理员。
====== 第三章 一阶微分方程的解的存在唯一性 ======

===== 3.1 引言 =====

前两章我们讨论了几类特殊的一阶微分方程的解法。然而，在实际应用中遇到的微分方程往往不能用初等函数表示其解。因此，研究解的存在性和唯一性具有重要的理论意义和实用价值。

本章将介绍Picard逐次逼近法和相关的存在唯一性定理，这是常微分方程理论中最基本也是最重要的结果之一。

===== 3.2 例子与反例 =====

在讨论一般理论之前，先看一些例子说明解的存在性和唯一性并非总是成立。

**例 3.1** 初值问题 <math>y' = y^{2/3}, y(0) = 0</math>。

显然 <math>y = 0</math> 是一个解。另外，分离变量得 <math>3y^{1/3} = x + C</math>，由 <math>y(0) = 0</math> 得 <math>C = 0</math>，所以 <math>y = (x/3)^3</math> 也是解。

更一般地，对任意 <math>a \geq 0</math>，函数
<math>y_a(x) = \begin{cases} 0, & x \leq a \\ \left(\frac{x-a}{3}\right)^3, & x > a \end{cases}</math>
都是解。因此该初值问题有无穷多个解！唯一性不成立。

**例 3.2** 初值问题 <math>y' = y^2, y(0) = 1</math>。

分离变量得 <math>-\frac{1}{y} = x + C</math>，即 <math>y = -\frac{1}{x + C}</math>。

由 <math>y(0) = 1</math> 得 <math>C = -1</math>，所以 <math>y = \frac{1}{1-x}</math>。

此解只在 <math>x < 1</math> 时有定义，当 <math>x \to 1^-</math> 时 <math>y \to +\infty</math>。解在 <math>x = 1</math> 处发生"爆破"(blow-up)。

**例 3.3** 初值问题 <math>y' = \frac{y}{x}, y(0) = 1</math>。

方程在 <math>x = 0</math> 处无定义。实际上，该初值问题**无解**。

这些例子说明：
  * 解可能不存在（例3.3）
  * 解可能存在但不唯一（例3.1）
  * 解可能只在有限区间上存在（例3.2）

===== 3.3 Lipschitz条件 =====

==== 3.3.1 定义 ====

**定义 3.1** 设函数 <math>f(x, y)</math> 在区域 <math>D</math> 内有定义。如果存在常数 <math>L > 0</math>，使得对任意 <math>(x, y_1), (x, y_2) \in D</math>，有
<math>|f(x, y_1) - f(x, y_2)| \leq L|y_1 - y_2|</math>
则称 <math>f</math> 在 <math>D</math> 内关于 <math>y</math> 满足**Lipschitz条件**，<math>L</math> 称为**Lipschitz常数**。

==== 3.3.2 Lipschitz条件的判别 ====

**定理 3.1** 若 <math>f(x, y)</math> 在凸区域 <math>D</math> 内关于 <math>y</math> 的偏导数 <math>\frac{\partial f}{\partial y}</math> 有界，即 <math>|\frac{\partial f}{\partial y}| \leq L</math>，则 <math>f</math> 在 <math>D</math> 内关于 <math>y</math> 满足Lipschitz条件。

**证明：** 由微分中值定理，存在 <math>\xi</math> 在 <math>y_1, y_2</math> 之间使得：
<math>|f(x, y_1) - f(x, y_2)| = |\frac{\partial f}{\partial y}(x, \xi)| \cdot |y_1 - y_2| \leq L|y_1 - y_2|</math>

**例 3.4** 验证 <math>f(x, y) = xy</math> 在矩形区域 <math>R: |x| \leq a, |y| \leq b</math> 上满足Lipschitz条件。

**解：** <math>\frac{\partial f}{\partial y} = x</math>，在 <math>R</math> 上 <math>|\frac{\partial f}{\partial y}| = |x| \leq a</math>。

故满足Lipschitz条件，可取 <math>L = a</math>。

**例 3.5** <math>f(x, y) = y^{2/3}</math> 在包含 <math>y = 0</math> 的区域上不满足Lipschitz条件。

**解：** <math>\frac{\partial f}{\partial y} = \frac{2}{3}y^{-1/3}</math>，当 <math>y \to 0</math> 时无界。

===== 3.4 Picard存在唯一性定理 =====

==== 3.4.1 定理陈述 ====

**定理 3.2 (Picard存在唯一性定理)** 设函数 <math>f(x, y)</math> 在矩形区域
<math>R = \{(x, y) : |x - x_0| \leq a, |y - y_0| \leq b\}</math>
上连续，且关于 <math>y</math> 满足Lipschitz条件，则初值问题
<math>\begin{cases} \frac{dy}{dx} = f(x, y) \\ y(x_0) = y_0 \end{cases}</math>
在区间 <math>|x - x_0| \leq h</math> 上存在**唯一**的解，其中
<math>h = \min\{a, \frac{b}{M}\}, \quad M = \max_{(x,y) \in R} |f(x, y)|</math>。

==== 3.4.2 定理的证明思路 ====

**第一步：等价积分方程**

初值问题等价于积分方程：
<math>y(x) = y_0 + \int_{x_0}^{x} f(t, y(t))dt</math>

**第二步：构造逐次逼近序列**

定义序列（Picard迭代）：
<math>\varphi_0(x) = y_0</math>
<math>\varphi_{n+1}(x) = y_0 + \int_{x_0}^{x} f(t, \varphi_n(t))dt, \quad n = 0, 1, 2, \ldots</math>

**第三步：证明序列收敛**

**引理 3.1** 对 <math>|x - x_0| \leq h</math>，所有 <math>\varphi_n(x)</math> 有定义且满足 <math>|\varphi_n(x) - y_0| \leq b</math>。

**证明（归纳法）：**
  * <math>n = 0</math>：显然成立
  * 假设对 <math>n = k</math> 成立，则
    <math>|\varphi_{k+1}(x) - y_0| = |\int_{x_0}^{x} f(t, \varphi_k(t))dt| \leq M|x - x_0| \leq Mh \leq b</math>

**引理 3.2** 序列 <math>\{\varphi_n(x)\}</math> 在 <math>|x - x_0| \leq h</math> 上一致收敛。

**证明：** 令 <math>M_n = \max_{|x-x_0|\leq h}|\varphi_{n+1}(x) - \varphi_n(x)|</math>

可证 <math>M_n \leq \frac{ML^n h^{n+1}}{(n+1)!}</math>

由Weierstrass判别法，级数 <math>\sum M_n</math> 收敛，故 <math>\{\varphi_n\}</math> 一致收敛。

**第四步：证明极限函数是解**

设 <math>\varphi_n \to \varphi</math> 一致收敛。在Picard迭代式中令 <math>n \to \infty</math>：
<math>\varphi(x) = y_0 + \int_{x_0}^{x} f(t, \varphi(t))dt</math>

故 <math>\varphi</math> 是积分方程的解，从而是初值问题的解。

**第五步：证明唯一性**

设 <math>\varphi, \psi</math> 都是解。令 <math>d = \max_{|x-x_0|\leq h}|\varphi(x) - \psi(x)|</math>。

则：<math>|\varphi(x) - \psi(x)| \leq L\int_{x_0}^{x}|\varphi(t) - \psi(t)|dt \leq Lh \cdot d</math>

若 <math>Lh < 1</math>，则 <math>d \leq Lh \cdot d</math> 推出 <math>d = 0</math>。

一般情形需要更精细的估计（Gronwall不等式）。

===== 3.5 Picard迭代法 =====

==== 3.5.1 方法描述 ====

Picard迭代不仅是证明工具，也是求解初值问题的数值方法。

<math>\varphi_0(x) = y_0</math>
<math>\varphi_{n+1}(x) = y_0 + \int_{x_0}^{x} f(t, \varphi_n(t))dt</math>

==== 3.5.2 例子 ====

**例 3.6** 用Picard迭代求 <math>y' = y, y(0) = 1</math> 的前几项逼近。

**解：**
<math>\varphi_0(x) = 1</math>

<math>\varphi_1(x) = 1 + \int_0^x 1 \cdot dt = 1 + x</math>

<math>\varphi_2(x) = 1 + \int_0^x (1 + t)dt = 1 + x + \frac{x^2}{2}</math>

<math>\varphi_3(x) = 1 + \int_0^x (1 + t + \frac{t^2}{2})dt = 1 + x + \frac{x^2}{2} + \frac{x^3}{6}</math>

归纳可得：
<math>\varphi_n(x) = \sum_{k=0}^{n} \frac{x^k}{k!}</math>

极限为 <math>\varphi(x) = e^x</math>，这正是精确解。

**例 3.7** 用Picard迭代求 <math>y' = x + y, y(0) = 0</math> 的近似解。

**解：**
<math>\varphi_0(x) = 0</math>

<math>\varphi_1(x) = \int_0^x t dt = \frac{x^2}{2}</math>

<math>\varphi_2(x) = \int_0^x (t + \frac{t^2}{2})dt = \frac{x^2}{2} + \frac{x^3}{6}</math>

<math>\varphi_3(x) = \int_0^x (t + \frac{t^2}{2} + \frac{t^3}{6})dt = \frac{x^2}{2} + \frac{x^3}{6} + \frac{x^4}{24}</math>

精确解为 <math>y = e^x - x - 1</math>，展开后与上述结果一致。

===== 3.6 解的延拓 =====

==== 3.6.1 局部解与整体解 ====

Picard定理给出的是**局部**存在性，即解只在 <math>|x - x_0| \leq h</math> 上存在。

**问题：** 能否将解延拓到更大的区间？

==== 3.6.2 延拓定理 ====

**定理 3.3 (解的延拓定理)** 设 <math>f(x, y)</math> 在区域 <math>G</math> 内连续且关于 <math>y</math> 满足局部Lipschitz条件，则初值问题的解可以延拓到边界或无穷远。

**推论：** 若 <math>f(x, y)</math> 在全平面连续，且对任意有界闭集满足Lipschitz条件，则解要么在 <math>(-\infty, +\infty)</math> 上存在，要么在有限区间内趋于无穷。

**例 3.8** <math>y' = y^2, y(0) = 1</math> 的解 <math>y = \frac{1}{1-x}</math> 在 <math>x = 1</math> 处有奇点，无法延拓超过 <math>x = 1</math>。

===== 3.7 解对初值的连续依赖性 =====

==== 3.7.1 问题的提出 ====

实际测量中初值 <math>y_0</math> 往往有误差。问题是：初值的微小变化是否导致解的微小变化？

==== 3.7.2 连续依赖性定理 ====

**定理 3.4** 在Picard定理的条件下，设 <math>y = \varphi(x, x_0, y_0)</math> 是初值问题
<math>y' = f(x, y), y(x_0) = y_0</math>
的解，则 <math>\varphi</math> 关于 <math>x_0, y_0</math> 是连续的。

更精确地，若 <math>(\bar{x}_0, \bar{y}_0)</math> 充分接近 <math>(x_0, y_0)</math>，则对应的解 <math>\bar{\varphi}(x)</math> 在公共存在区间上满足：
<math>|\bar{\varphi}(x) - \varphi(x)| < \varepsilon</math>

===== 3.8 习题 =====

**习题 3.1** 验证下列函数在给定区域上是否满足Lipschitz条件：
  a) <math>f(x, y) = xy</math> 在 <math>|x| \leq 1, |y| \leq 1</math>
  b) <math>f(x, y) = \sqrt{y}</math> 在 <math>0 \leq y \leq 1</math>
  c) <math>f(x, y) = |y|</math> 在全平面

**习题 3.2** 用Picard迭代求下列初值问题的前三项逼近：
  a) <math>y' = x - y, y(0) = 1</math>
  b) <math>y' = y^2, y(0) = 1</math>

**习题 3.3** 讨论初值问题 <math>y' = \sqrt{|y|}, y(0) = 0</math> 解的存在唯一性，并找出所有解。

**习题 3.4** 设 <math>f(x, y)</math> 在条形区域 <math>R: a \leq x \leq b, -\infty < y < +\infty</math> 上连续，且满足Lipschitz条件。证明：对任意 <math>x_0 \in [a, b], y_0 \in \mathbb{R}</math>，初值问题的解在 <math>[a, b]</math> 上存在唯一。

**习题 3.5** (Gronwall不等式) 设 <math>u(x)</math> 在 <math>[x_0, x_1]</math> 上非负连续，且满足
<math>u(x) \leq C + K\int_{x_0}^{x} u(t)dt</math>
其中 <math>C, K \geq 0</math> 为常数。证明：<math>u(x) \leq Ce^{K(x-x_0)}</math>。

===== 3.9 参考答案 =====

**习题 3.1**
  a) 满足，<math>L = 1</math>
  b) 不满足（在 <math>y = 0</math> 附近）
  c) 满足，<math>L = 1</math>

**习题 3.2**
  a) <math>\varphi_0 = 1, \varphi_1 = 1 - x + \frac{x^2}{2}, \varphi_2 = 1 - x + x^2 - \frac{x^3}{6}</math>
  b) <math>\varphi_0 = 1, \varphi_1 = 1 + x, \varphi_2 = 1 + x + x^2 + \frac{x^3}{3}</math>

**习题 3.3** 不满足唯一性条件，有无穷多解：对任意 <math>a \geq 0</math>，
<math>y_a(x) = \begin{cases} 0, & x \leq a \\ \frac{(x-a)^2}{4}, & x > a \end{cases}</math>

===== 3.10 本章小结 =====

本章核心内容：

  * **Lipschitz条件**：保证唯一性的关键条件
  * **Picard存在唯一性定理**：在 <math>f</math> 连续且满足Lipschitz条件下，初值问题局部存在唯一解
  * **Picard迭代法**：构造解的逐次逼近序列
  * **解的延拓**：局部解可以延拓到边界
  * **连续依赖性**：解对初值连续依赖，保证数值计算的稳定性

这些理论结果为常微分方程的数值求解和定性分析奠定了基础。