根据微分方程的结构，选择分离变量、换元、降阶或线性方程的解法。
flowchart TD
A["先识别方程结构"] --> B["一阶方程"]
A --> C["高阶线性方程"]
B --> D["可分离：y′ = g(x)h(y)"]
B --> E["线性：y′ + P(x)y = Q(x)"]
B --> F["伯努利：y′ + Py = Qyⁿ"]
B --> G["有理分式：y′ = φ(u)<br/>u = (ay + f₁)/(by + f₂)<br/>f₁、f₂ 为一次函数或常数"]
F -->|"除以 yⁿ，令 z = y^(1−n)"| E
G -->|"设分式为 u → 解出 y → 求导代回"| D
D -->|"x、y 各归一边"| H["两边积分"]
E -->|"乘 μ = exp(∫P dx)"| I["凑成乘积导数：(μy)′ = μQ"]
I --> H
C --> J["欧拉型：x²y″ + axy′ + by = f(x)"]
J -->|"令 t = ln|x|"| K["转成常系数线性方程"]
C --> L["线性解的结构：y = y_h + y_p<br/>齐次时只需求 y_h"]
K --> L
L --> M["求齐次通解 y_h"]
L --> N["求一个非齐次特解 y_p"]
M -->|"常系数"| O["试 y = exp(rx) → 解特征方程"]
O --> P["实部管指数，虚部管振荡<br/>重数管多项式项数"]
M -->|"二阶，已知一个非零齐次解 y₁"| Q["设 y = u·y₁，消去含 u 的项<br/>再令 v = u′，降为一阶线性"]
Q --> E
N -->|"常系数；右端为多项式、指数、正余弦及其乘积或和"| R["待定系数：同类设全，撞根补幂"]
R --> S["可用算子简化：提出 exp(λx)<br/>把 L(D) 换成 L(D+λ)"]
N -->|"已知齐次基本解组"| T["常数变易：把常数 Cᵢ 换成函数 Cᵢ(x)<br/>列方程求 Cᵢ′，再积分"]
N -->|"二阶，已知一个非零齐次解 y₁"| Q
classDef entry fill:#e0f2fe,stroke:#0284c7,color:#0c4a6e;
classDef method fill:#fef3c7,stroke:#d97706,color:#78350f;
classDef result fill:#dcfce7,stroke:#16a34a,color:#14532d;
class A,B,C entry;
class F,G,I,J,O,Q,R,S,T method;
class H,P result;
助记：一阶分、凑、换；线性齐次加特解；常系数找根，欧拉换对数；已知旧解消项，右端规则就待定。
箭头表示可选的解题路径，不必把每条分支都走一遍。这里 y h y_h y h y p y_p y p
使用条件：伯努利换元按 n ≠ 0 , 1 n\ne0,1 n = 0 , 1 y 1 ≠ 0 y_1\ne0 y 1 = 0 m m m x m x^m x m t t t
可分离变量# f ( y ) d y = g ( x ) d x f(y) dy = g(x) dx f ( y ) d y = g ( x ) d x 有理分式# { y ′ = φ ( u ) , u = a y + f 1 ( x ) b y + f 2 ( x ) \left\{
\begin{aligned}
& y' = \varphi(u), \\
& u = \frac{ay + f_1(x)}{by + f_2(x)}
\end{aligned}
\right. ⎩ ⎨ ⎧ y ′ = φ ( u ) , u = b y + f 2 ( x ) a y + f 1 ( x ) 当f 1 ( x ) f_1(x) f 1 ( x ) f 2 ( x ) f_2(x) f 2 ( x )
y = − f 1 − f 2 u a − b u d u F ( u ) = d x a f 2 − b f 1 F ( u ) = ( a − b u ) 2 ( f 1 ′ − f 2 ′ u a − b u + φ ( u ) ) \begin{aligned}
& y = -\frac{f_1 - f_2u}{a-bu} \\
& \frac{du}{F(u)} = \frac{dx}{af_2 - bf_1} \\
& F(u) = (a-bu)^2(\frac{f_1'-f_2'u}{a-bu} + \varphi(u))
\end{aligned} y = − a − b u f 1 − f 2 u F ( u ) d u = a f 2 − b f 1 d x F ( u ) = ( a − b u ) 2 ( a − b u f 1 ′ − f 2 ′ u + φ ( u )) 一阶线性微分方程# 变系数齐次# y ′ + P ( x ) y = 0 y = C ⋅ e − ∫ P ( x ) d x , C ∈ R \begin{aligned}
& y' + P(x)y = 0 \\
& y = C \cdot e^{-\int P(x)dx}, \quad C \in \mathbb{R}
\end{aligned} y ′ + P ( x ) y = 0 y = C ⋅ e − ∫ P ( x ) d x , C ∈ R 变系数非齐次# y ′ + P ( x ) y = Q ( x ) y' + P(x)y = Q(x) y ′ + P ( x ) y = Q ( x ) 使用常数变易法，设y = u e ∫ − P ( x ) d x y = u e^{\int{-P(x)}dx} y = u e ∫ − P ( x ) d x
y ′ = u ′ e ∫ − P ( x ) d x − P ( x ) u e ∫ − P ( x ) d x = u ′ e ∫ − P ( x ) d x − P ( x ) y y ′ + P ( x ) y = u ′ e ∫ − P ( x ) d x = Q ( x ) d u = Q ( x ) e ∫ P ( x ) d x d x y = e − ∫ P ( x ) d x ( C + ∫ Q ( x ) e ∫ P ( x ) d x d x ) \begin{aligned}
& y' = u'e^{\int{-P(x)}dx} - P(x) ue^{\int{-P(x)}dx} = u'e^{\int{-P(x)}dx} - P(x)y \\
& y' + P(x)y = u'e^{\int{-P(x)}dx} = Q(x) \\
& du = Q(x)e^{\int{P(x)}dx} dx \\
& y = e^{-\int P(x)dx}\left(C + \int Q(x)e^{\int P(x)dx}dx\right)
\end{aligned} y ′ = u ′ e ∫ − P ( x ) d x − P ( x ) u e ∫ − P ( x ) d x = u ′ e ∫ − P ( x ) d x − P ( x ) y y ′ + P ( x ) y = u ′ e ∫ − P ( x ) d x = Q ( x ) d u = Q ( x ) e ∫ P ( x ) d x d x y = e − ∫ P ( x ) d x ( C + ∫ Q ( x ) e ∫ P ( x ) d x d x ) 高阶线性微分方程# 二阶线性微分方程# 变系数齐次# y ′ ′ + P ( x ) y ′ + Q ( x ) y = 0 y'' + P(x)y' + Q(x)y = 0 y ′′ + P ( x ) y ′ + Q ( x ) y = 0 1. 已知一特解（降阶法）# 已知一解 y 1 y_1 y 1
y 2 = u ( x ) y 1 y_2 = u(x) y_1 y 2 = u ( x ) y 1 计算：
y 2 ′ = u ′ y 1 + u y 1 ′ y 2 ′ ′ = u ′ ′ y 1 + 2 u ′ y 1 ′ + u y 1 ′ ′ \begin{aligned}
y_2' &= u'y_1 + uy_1' \\
y_2'' &= u''y_1 + 2u'y_1' + uy_1''
\end{aligned} y 2 ′ y 2 ′′ = u ′ y 1 + u y 1 ′ = u ′′ y 1 + 2 u ′ y 1 ′ + u y 1 ′′ 代入原方程，并利用 y 1 y_1 y 1
u ′ ′ y 1 + u ′ ( 2 y 1 ′ + P ( x ) y 1 ) = 0 u''y_1 + u'(2y_1' + P(x)y_1) = 0 u ′′ y 1 + u ′ ( 2 y 1 ′ + P ( x ) y 1 ) = 0 令：
v = u ′ v = u' v = u ′ 得到一阶方程：
v ′ + ( 2 y 1 ′ y 1 + P ( x ) ) v = 0 v' + \left(2\frac{y_1'}{y_1} + P(x)\right)v = 0 v ′ + ( 2 y 1 y 1 ′ + P ( x ) ) v = 0 解得：
v = C y 1 2 e − ∫ P ( x ) d x v = \frac{C}{y_1^2} e^{-\int P(x)dx} v = y 1 2 C e − ∫ P ( x ) d x 再积分：
u = ∫ e − ∫ P ( x ) d x y 1 2 d x u = \int \frac{e^{-\int P(x)dx}}{y_1^2} dx u = ∫ y 1 2 e − ∫ P ( x ) d x d x 最终：
y 2 = y 1 ∫ e − ∫ P ( x ) d x y 1 2 d x y_2 = y_1 \int \frac{e^{-\int P(x)dx}}{y_1^2} dx y 2 = y 1 ∫ y 1 2 e − ∫ P ( x ) d x d x y = C 1 y 1 + C 2 y 2 y = C_1 y_1 + C_2 y_2 y = C 1 y 1 + C 2 y 2 变系数非齐次# y ′ ′ + P ( x ) y ′ + Q ( x ) y = R ( x ) y'' + P(x)y' + Q(x)y = R(x) y ′′ + P ( x ) y ′ + Q ( x ) y = R ( x ) 1. 已知对应齐次方程的一个非零解# 若已知 y 1 y_1 y 1 y 1 ′ ′ + P ( x ) y 1 ′ + Q ( x ) y 1 = 0 y_1''+P(x)y_1'+Q(x)y_1=0 y 1 ′′ + P ( x ) y 1 ′ + Q ( x ) y 1 = 0 y 1 ≠ 0 y_1\ne0 y 1 = 0
y = u y 1 y = u y_1 y = u y 1 代入并利用齐次方程消去含 u u u
y 1 u ′ ′ + ( 2 y 1 ′ + P ( x ) y 1 ) u ′ = R ( x ) y_1u''+(2y_1'+P(x)y_1)u'=R(x) y 1 u ′′ + ( 2 y 1 ′ + P ( x ) y 1 ) u ′ = R ( x ) 令 v = u ′ v=u' v = u ′
v ′ + ( 2 y 1 ′ y 1 + P ( x ) ) v = R ( x ) y 1 . v'+\left(2\frac{y_1'}{y_1}+P(x)\right)v=\frac{R(x)}{y_1}. v ′ + ( 2 y 1 y 1 ′ + P ( x ) ) v = y 1 R ( x ) . 若已知的是原非齐次方程的一个特解 y p y_p y p y = y p + z y=y_p+z y = y p + z z ′ ′ + P ( x ) z ′ + Q ( x ) z = 0 z''+P(x)z'+Q(x)z=0 z ′′ + P ( x ) z ′ + Q ( x ) z = 0
2. 已知齐次解# 已知对应齐次方程的两个线性无关解：
y 1 , y 2 y_1, \; y_2 y 1 , y 2 设：
y = C 1 ( x ) y 1 + C 2 ( x ) y 2 y = C_1(x)y_1 + C_2(x)y_2 y = C 1 ( x ) y 1 + C 2 ( x ) y 2 附加条件：
{ C 1 ′ y 1 + C 2 ′ y 2 = 0 C 1 ′ y 1 ′ + C 2 ′ y 2 ′ = R ( x ) \begin{cases}
C_1' y_1 + C_2' y_2 = 0 \\
C_1' y_1' + C_2' y_2' = R(x)
\end{cases} { C 1 ′ y 1 + C 2 ′ y 2 = 0 C 1 ′ y 1 ′ + C 2 ′ y 2 ′ = R ( x ) 设朗斯基行列式：
W = ∣ y 1 y 2 y 1 ′ y 2 ′ ∣ ≠ 0 W =
\begin{vmatrix}
y_1 & y_2 \\
y_1' & y_2'
\end{vmatrix}
\neq 0 W = y 1 y 1 ′ y 2 y 2 ′ = 0 解得：
C 1 ′ = − y 2 R ( x ) W , C 2 ′ = y 1 R ( x ) W C_1' = -\frac{y_2 R(x)}{W}, \quad
C_2' = \frac{y_1 R(x)}{W} C 1 ′ = − W y 2 R ( x ) , C 2 ′ = W y 1 R ( x ) 积分：
C 1 = ∫ − y 2 R ( x ) W d x , C 2 = ∫ y 1 R ( x ) W d x C_1 = \int -\frac{y_2 R(x)}{W} dx, \quad
C_2 = \int \frac{y_1 R(x)}{W} dx C 1 = ∫ − W y 2 R ( x ) d x , C 2 = ∫ W y 1 R ( x ) d x y = C 1 y 1 + C 2 y 2 + y p y = C_1 y_1 + C_2 y_2 + y_p y = C 1 y 1 + C 2 y 2 + y p 欧拉方程（Cauchy–Euler）# 1. 标准形式# x 2 y ′ ′ + a x y ′ + b y = 0 x^2 y'' + a x y' + b y = 0 x 2 y ′′ + a x y ′ + b y = 0 2. 基本解法# 在 x > 0 x>0 x > 0 t = ln x t=\ln x t = ln x x y ′ = y t xy'=y_t x y ′ = y t x 2 y ′ ′ = y t t − y t x^2y''=y_{tt}-y_t x 2 y ′′ = y tt − y t
y = x r y=x^r y = x r 以下解的分类按 x > 0 x>0 x > 0 x < 0 x<0 x < 0 t = ln ∣ x ∣ t=\ln|x| t = ln ∣ x ∣ x r x^r x r ∣ x ∣ r |x|^r ∣ x ∣ r ln x \ln x ln x ln ∣ x ∣ \ln|x| ln ∣ x ∣
代入得到特征方程：
r ( r − 1 ) + a r + b = 0 r(r-1)+ar+b=0 r ( r − 1 ) + a r + b = 0 3. 解的分类# (1) 不同实根 r 1 ≠ r 2 r_1 \ne r_2 r 1 = r 2 # y = C 1 x r 1 + C 2 x r 2 y = C_1 x^{r_1} + C_2 x^{r_2} y = C 1 x r 1 + C 2 x r 2 (2) 重根 r r r # y = ( C 1 + C 2 ln x ) x r y = (C_1 + C_2 \ln x)x^r y = ( C 1 + C 2 ln x ) x r (3) 共轭复根 r = α ± β i r = \alpha \pm \beta i r = α ± β i # y = x α [ C 1 cos ( β ln x ) + C 2 sin ( β ln x ) ] y = x^\alpha \left[ C_1 \cos(\beta \ln x) + C_2 \sin(\beta \ln x) \right] y = x α [ C 1 cos ( β ln x ) + C 2 sin ( β ln x ) ] 4. 非齐次欧拉方程# x 2 y ′ ′ + a x y ′ + b y = f ( x ) x^2 y'' + a x y' + b y = f(x) x 2 y ′′ + a x y ′ + b y = f ( x ) ⇒ 先解齐次解，再用常数变易法求特解 \Rightarrow \text{先解齐次解，再用常数变易法求特解} ⇒ 先解齐次解，再用常数变易法求特解 5. 本质# x = e t ⇒ 转化为常系数线性微分方程 x = e^t \Rightarrow \text{转化为常系数线性微分方程} x = e t ⇒ 转化为常系数线性微分方程 其他补充# 1. 降阶公式# y 2 = y 1 ∫ e − ∫ P ( x ) d x y 1 2 d x y_2 = y_1 \int \frac{e^{-\int P(x)dx}}{y_1^2} dx y 2 = y 1 ∫ y 1 2 e − ∫ P ( x ) d x d x 2. 朗斯基行列式# W ( y 1 , y 2 ) = ∣ y 1 y 2 y 1 ′ y 2 ′ ∣ W(y_1,y_2) =
\begin{vmatrix}
y_1 & y_2 \\
y_1' & y_2'
\end{vmatrix} W ( y 1 , y 2 ) = y 1 y 1 ′ y 2 y 2 ′ W ≠ 0 ⇒ 线性无关 W \ne 0 \Rightarrow \text{线性无关} W = 0 ⇒ 线性无关 3. 方法选择# 已知一个非零齐次解 ⇒ 降阶法 非齐次 + 已知两个线性无关的齐次解 ⇒ 常数变易法 欧拉型 ⇒ y = x r \begin{aligned}
& \text{已知一个非零齐次解} \Rightarrow \text{降阶法} \\
& \text{非齐次 + 已知两个线性无关的齐次解} \Rightarrow \text{常数变易法} \\
& \text{欧拉型} \Rightarrow y=x^r \\
\end{aligned} 已知一个非零齐次解 ⇒ 降阶法 非齐次 + 已知两个线性无关的齐次解 ⇒ 常数变易法 欧拉型 ⇒ y = x r 伯努利方程# y ′ + P ( x ) y = Q ( x ) y n 1 1 − n ⋅ d y 1 − n d x + P ( x ) y 1 − n = Q ( x ) ⇒ 换元 一阶线性微分方程 \begin{aligned}
& y' + P(x)y = Q(x)y^n \\
& \frac{1}{1-n} \cdot \frac{dy^{1-n}}{dx} + P(x)y^{1-n} = Q(x) \overset{\text{换元}}\Rightarrow \text{一阶线性微分方程}
\end{aligned} y ′ + P ( x ) y = Q ( x ) y n 1 − n 1 ⋅ d x d y 1 − n + P ( x ) y 1 − n = Q ( x ) ⇒ 换元 一阶线性微分方程 上面的伯努利换元适用于 n ≠ 0 , 1 n\ne0,1 n = 0 , 1 y ≠ 0 y\ne0 y = 0 n = 0 , 1 n=0,1 n = 0 , 1 y n y^n y n
高阶微分方程# n阶常系数齐次线性方程# 1. 标准形式# a n y ( n ) + a n − 1 y ( n − 1 ) + ⋯ + a 1 y ′ + a 0 y = 0 a_n y^{(n)} + a_{n-1} y^{(n-1)} + \cdots + a_1 y' + a_0 y = 0 a n y ( n ) + a n − 1 y ( n − 1 ) + ⋯ + a 1 y ′ + a 0 y = 0 2. 特征方程# 设：
y = e r x y = e^{rx} y = e r x 代入得特征方程：
a n r n + a n − 1 r n − 1 + ⋯ + a 1 r + a 0 = 0 a_n r^n + a_{n-1} r^{n-1} + \cdots + a_1 r + a_0 = 0 a n r n + a n − 1 r n − 1 + ⋯ + a 1 r + a 0 = 0 3. 解的结构# 实部管指数，虚部管振荡，重数管多项式项数。
对实系数方程，一对共轭特征根 α ± i β \alpha\pm i\beta α ± i β β > 0 \beta>0 β > 0 m m m
e α x [ P m − 1 ( x ) cos ( β x ) + Q m − 1 ( x ) sin ( β x ) ] \boxed{
e^{\alpha x}\left[P_{m-1}(x)\cos(\beta x)+Q_{m-1}(x)\sin(\beta x)\right]
} e α x [ P m − 1 ( x ) cos ( β x ) + Q m − 1 ( x ) sin ( β x ) ] 特征根的信息 解中对应的结构 实部 α \alpha α 指数因子 e α x e^{\alpha x} e α x 虚部 β \beta β 振荡因子 cos ( β x ) \cos(\beta x) cos ( β x ) sin ( β x ) \sin(\beta x) sin ( β x ) 重数 m m m 每个多项式各有 m m m 1 , x , … , x m − 1 1,x,\ldots,x^{m-1} 1 , x , … , x m − 1
这里“项数”指待定形式中的项数，并不要求每项系数非零。例如：
P m − 1 ( x ) = A 0 + A 1 x + ⋯ + A m − 1 x m − 1 , P_{m-1}(x)=A_0+A_1x+\cdots+A_{m-1}x^{m-1}, P m − 1 ( x ) = A 0 + A 1 x + ⋯ + A m − 1 x m − 1 , 所以最高次数至多为 m − 1 m-1 m − 1 m m m P m − 1 P_{m-1} P m − 1 Q m − 1 Q_{m-1} Q m − 1 2 m 2m 2 m
实根也用同一个骨架记忆：令虚部 β = 0 \beta=0 β = 0 1 1 1
e α x P m − 1 ( x ) . e^{\alpha x}P_{m-1}(x). e α x P m − 1 ( x ) . 单根就是 m = 1 m=1 m = 1
例如，2 ± 3 i 2\pm3i 2 ± 3 i
e 2 x [ ( A + B x ) cos ( 3 x ) + ( C + D x ) sin ( 3 x ) ] . e^{2x}\left[(A+Bx)\cos(3x)+(C+Dx)\sin(3x)\right]. e 2 x [ ( A + B x ) cos ( 3 x ) + ( C + D x ) sin ( 3 x ) ] . 读根就能写解：实部 2 2 2 e 2 x e^{2x} e 2 x 3 3 3 cos ( 3 x ) \cos(3x) cos ( 3 x ) sin ( 3 x ) \sin(3x) sin ( 3 x ) 2 2 2
4. 通解# y = ∑ (所有线性无关解) y = \sum \text{(所有线性无关解)} y = ∑ ( 所有线性无关解 ) n阶常系数非齐次线性方程# 1. 标准形式# a n y ( n ) + a n − 1 y ( n − 1 ) + ⋯ + a 0 y = f ( x ) a_n y^{(n)} + a_{n-1} y^{(n-1)} + \cdots + a_0 y = f(x) a n y ( n ) + a n − 1 y ( n − 1 ) + ⋯ + a 0 y = f ( x ) 2. 通解结构# y = y h + y p y = y_h + y_p y = y h + y p 其中：
y h y_h y h y p y_p y p 3. 特解方法一：待定系数法（核心）# 传统的# 适用：f ( x ) f(x) f ( x )
多项式
指数函数 e λ x e^{\lambda x} e λ x
三角函数 sin ω x , cos ω x \sin \omega x,\ \cos \omega x sin ω x , cos ω x
它们的乘积和线性组合
(1) 基本假设形式# 若：
f ( x ) = e λ x P n ( x ) f(x) = e^{\lambda x} P_n(x) f ( x ) = e λ x P n ( x ) 设：
y p = x s e λ x Q n ( x ) y_p = x^s e^{\lambda x} Q_n(x) y p = x s e λ x Q n ( x ) 其中：
Q n ( x ) Q_n(x) Q n ( x ) s s s (2) 调整规则（关键）# 若 λ \lambda λ k k k
⇒ s = k \Rightarrow s = k ⇒ s = k 否则：
⇒ s = 0 \Rightarrow s = 0 ⇒ s = 0 (3) 三角函数情况# 若：
f ( x ) = e α x ( A cos β x + B sin β x ) f(x) = e^{\alpha x} (A \cos \beta x + B \sin \beta x) f ( x ) = e α x ( A cos β x + B sin β x ) 设：
y p = x s e α x ( C cos β x + D sin β x ) y_p = x^s e^{\alpha x} (C \cos \beta x + D \sin \beta x) y p = x s e α x ( C cos β x + D sin β x ) 其中 s s s α + i β \alpha+i\beta α + i β s = 0 s=0 s = 0
结合算子的# 将待定系数法用微分算子统一表达，可以把“猜形式 + 调整次数”转化为一个结构化计算过程。
(1) 指数平移（核心变换）# 设：
L ( D ) y = f ( x ) , f ( x ) = e λ x P n ( x ) L(D)y = f(x), \quad f(x)=e^{\lambda x}P_n(x) L ( D ) y = f ( x ) , f ( x ) = e λ x P n ( x ) 令：
y p = e λ x R ( x ) y_p = e^{\lambda x} R(x) y p = e λ x R ( x ) 则有算子恒等式：
L ( D ) ( e λ x R ( x ) ) = e λ x L ( D + λ ) R ( x ) L(D)\big(e^{\lambda x}R(x)\big)
=
e^{\lambda x} L(D+\lambda)R(x) L ( D ) ( e λ x R ( x ) ) = e λ x L ( D + λ ) R ( x ) 因此原方程等价于：
L ( D + λ ) R ( x ) = P n ( x ) L(D+\lambda)R(x) = P_n(x) L ( D + λ ) R ( x ) = P n ( x ) (2) 点积形式（算子展开）# 将算子展开：
L ( D + λ ) = ∑ j = 0 n L ( j ) ( λ ) j ! D j L(D+\lambda)
=
\sum_{j=0}^n \frac{L^{(j)}(\lambda)}{j!} D^j L ( D + λ ) = j = 0 ∑ n j ! L ( j ) ( λ ) D j 于是得到：
∑ j = 0 n L ( j ) ( λ ) j ! R ( j ) ( x ) = P n ( x ) \sum_{j=0}^n \frac{L^{(j)}(\lambda)}{j!} R^{(j)}(x)
=
P_n(x) j = 0 ∑ n j ! L ( j ) ( λ ) R ( j ) ( x ) = P n ( x ) 可写成“向量点积形式”：
( R , R ′ , … , R ( n ) ) ⋅ ( L ( λ ) , L ′ ( λ ) , L ′ ′ ( λ ) 2 ! , … ) = P n ( x ) (R,\ R',\ \dots,\ R^{(n)})
\cdot
\left(
L(\lambda),\ L'(\lambda),\ \frac{L''(\lambda)}{2!},\ \dots
\right)
=
P_n(x) ( R , R ′ , … , R ( n ) ) ⋅ ( L ( λ ) , L ′ ( λ ) , 2 ! L ′′ ( λ ) , … ) = P n ( x ) 这一步将微分算子的作用转化为有限维代数计算。
(3) 调整次数的算子解释# 传统规则：
λ 是特征根，重数 k ⇒ s = k \lambda \text{ 是特征根，重数 } k \Rightarrow s=k λ 是特征根，重数 k ⇒ s = k 在算子中表现为：
若：
L ( λ ) = L ′ ( λ ) = ⋯ = L ( k − 1 ) ( λ ) = 0 L(\lambda)=L'(\lambda)=\cdots=L^{(k-1)}(\lambda)=0 L ( λ ) = L ′ ( λ ) = ⋯ = L ( k − 1 ) ( λ ) = 0 则算子退化为：
L ( D + λ ) R ( x ) = L ( k ) ( λ ) k ! R ( k ) ( x ) + ⋯ L(D+\lambda)R(x)
=
\frac{L^{(k)}(\lambda)}{k!} R^{(k)}(x) + \cdots L ( D + λ ) R ( x ) = k ! L ( k ) ( λ ) R ( k ) ( x ) + ⋯ 即低阶导数项全部消失。
这意味着：
最低出现的导数阶数变为 k k k
原多项式空间不再足够
必须提高 R ( x ) R(x) R ( x )
等价于传统中的：
y p = x k e λ x Q n ( x ) y_p = x^k e^{\lambda x} Q_n(x) y p = x k e λ x Q n ( x ) (4) 三角函数的统一处理# 若：
f ( x ) = e α x ( A cos β x + B sin β x ) f(x)=e^{\alpha x}(A\cos\beta x + B\sin\beta x) f ( x ) = e α x ( A cos β x + B sin β x ) 设：
λ = α + i β \lambda = \alpha + i\beta λ = α + i β 转化为：
f ( x ) = ℜ ( e λ x P ( x ) ) f(x)=\Re\big(e^{\lambda x}P(x)\big) f ( x ) = ℜ ( e λ x P ( x ) ) 按指数情形计算：
L ( D + λ ) R ( x ) = P ( x ) L(D+\lambda)R(x)=P(x) L ( D + λ ) R ( x ) = P ( x ) 求得复解后取实部。
(5) 方法本质总结# 待定系数法可以统一理解为：
用指数平移：
D → D + λ D \to D+\lambda D → D + λ
将微分算子展开为导数的线性组合
在多项式空间中解方程
若算子在 λ \lambda λ x k x^k x k
(6) 一句话理解# 待定系数法本质上是：
在指数因子 e λ x e^{\lambda x} e λ x L ( D ) L(D) L ( D ) L ( D + λ ) L(D+\lambda) L ( D + λ )
4. 特解方法二：常数变易法（一般理论）# 设齐次解为：
y 1 , y 2 , … , y n y_1, y_2, \dots, y_n y 1 , y 2 , … , y n 设：
y p = ∑ i = 1 n C i ( x ) y i y_p = \sum_{i=1}^n C_i(x) y_i y p = i = 1 ∑ n C i ( x ) y i 满足条件：
{ ∑ C i ′ y i = 0 ∑ C i ′ y i ′ = 0 ⋯ ∑ C i ′ y i ( n − 2 ) = 0 ∑ C i ′ y i ( n − 1 ) = f ( x ) a n \begin{cases}
\sum C_i' y_i = 0 \\
\sum C_i' y_i' = 0 \\
\cdots \\
\sum C_i' y_i^{(n-2)} = 0 \\
\sum C_i' y_i^{(n-1)} = \frac{f(x)}{a_n}
\end{cases} ⎩ ⎨ ⎧ ∑ C i ′ y i = 0 ∑ C i ′ y i ′ = 0 ⋯ ∑ C i ′ y i ( n − 2 ) = 0 ∑ C i ′ y i ( n − 1 ) = a n f ( x ) 解线性方程组：# 设朗斯基行列式：
W = ∣ y 1 y 2 ⋯ y n y 1 ′ y 2 ′ ⋯ y n ′ ⋮ ⋮ ⋮ y 1 ( n − 1 ) y 2 ( n − 1 ) ⋯ y n ( n − 1 ) ∣ ≠ 0 W =
\begin{vmatrix}
y_1 & y_2 & \cdots & y_n \\
y_1' & y_2' & \cdots & y_n' \\
\vdots & \vdots & & \vdots \\
y_1^{(n-1)} & y_2^{(n-1)} & \cdots & y_n^{(n-1)}
\end{vmatrix}
\neq 0 W = y 1 y 1 ′ ⋮ y 1 ( n − 1 ) y 2 y 2 ′ ⋮ y 2 ( n − 1 ) ⋯ ⋯ ⋯ y n y n ′ ⋮ y n ( n − 1 ) = 0 ⇒ 可解出 C i ′ ( x ) \Rightarrow \text{可解出 } C_i'(x) ⇒ 可解出 C i ′ ( x ) 再积分得到 C i ( x ) C_i(x) C i ( x )
5. 解题结构总结# 常系数线性齐次方程 ⇒ 特征方程 非齐次方程 ⇒ y = y h + y p f ( x ) 规则型 ⇒ 待定系数法 f ( x ) 一般型 ⇒ 常数变易法 \begin{aligned}
& \text{常系数线性齐次方程} \Rightarrow \text{特征方程} \\
& \text{非齐次方程} \Rightarrow y = y_h + y_p \\
& f(x)\ \text{规则型} \Rightarrow \text{待定系数法} \\
& f(x)\ \text{一般型} \Rightarrow \text{常数变易法}
\end{aligned} 常系数线性齐次方程 ⇒ 特征方程 非齐次方程 ⇒ y = y h + y p f ( x ) 规则型 ⇒ 待定系数法 f ( x ) 一般型 ⇒ 常数变易法 微分算子# 来源于该文章的总结
从线性变换的角度详解求微分方程特解的微分算子法 - 知乎
一、基本思想# 设常系数线性微分方程：
L ( D ) y = f ( x ) L(D)y = f(x) L ( D ) y = f ( x ) 其中：
L ( D ) = a n D n + ⋯ + a 1 D + a 0 L(D) = a_n D^n + \cdots + a_1 D + a_0 L ( D ) = a n D n + ⋯ + a 1 D + a 0 核心思路是把 D D D
二、指数型右端 e k x e^{kx} e k x # 情况 1：非共振（L ( k ) ≠ 0 L(k) \neq 0 L ( k ) = 0 # n y p = 1 L ( k ) e k x ny_p = \frac{1}{L(k)} e^{kx} n y p = L ( k ) 1 e k x 情况 2：一次共振（L ( k ) = 0 , L ′ ( k ) ≠ 0 L(k)=0,\ L'(k)\neq 0 L ( k ) = 0 , L ′ ( k ) = 0 # y p = 1 L ′ ( k ) x e k x y_p = \frac{1}{L'(k)} x e^{kx} y p = L ′ ( k ) 1 x e k x 情况 3：高重根# 若：
L ( k ) = L ′ ( k ) = ⋯ = L ( m − 1 ) ( k ) = 0 , L ( m ) ( k ) ≠ 0 L(k)=L'(k)=\cdots=L^{(m-1)}(k)=0,\quad L^{(m)}(k)\neq 0 L ( k ) = L ′ ( k ) = ⋯ = L ( m − 1 ) ( k ) = 0 , L ( m ) ( k ) = 0 则：
y p = 1 L ( m ) ( k ) x m e k x y_p = \frac{1}{L^{(m)}(k)} x^m e^{kx} y p = L ( m ) ( k ) 1 x m e k x 本质：乘 (x^m) 对应补齐算子零空间（广义特征向量 / Jordan 链）。
三、三角函数 sin ω x , cos ω x \sin\omega x,\ \cos\omega x sin ω x , cos ω x # 利用欧拉公式：
sin ω x , cos ω x ⟶ e ± i ω x \sin\omega x,\cos\omega x \longrightarrow e^{\pm i\omega x} sin ω x , cos ω x ⟶ e ± iω x 步骤：
转为复指数形式
按指数规则计算
取实部或虚部
四、多项式右端 (x^n)# 设：
y p = 1 L ( D ) x n y_p = \frac{1}{L(D)} x^n y p = L ( D ) 1 x n 通过微分算子“除法”（类似多项式除法）求解，即在多项式空间中求算子逆作用。
五、指数 × 多项式 x n e k x x^n e^{kx} x n e k x # 利用指数平移：
D → D + k D \to D + k D → D + k 将方程转化为：
L ( D + k ) R ( x ) = x n L(D+k)R(x) = x^n L ( D + k ) R ( x ) = x n 求得 R ( x ) R(x) R ( x )
y p = e k x R ( x ) y_p = e^{kx} R(x) y p = e k x R ( x ) 六、统一结构# 1. 算子代数化# L ( D ) ↔ L ( r ) L(D) \leftrightarrow L(r) L ( D ) ↔ L ( r ) 2. 指数平移# L ( D ) ( e k x R ( x ) ) = e k x L ( D + k ) R ( x ) L(D)\big(e^{kx}R(x)\big)
=
e^{kx}L(D+k)R(x) L ( D ) ( e k x R ( x ) ) = e k x L ( D + k ) R ( x ) 3. 共振处理# k 是 L 的 m 重根 ⇒ 乘 x m k\text{ 是 }L\text{ 的 }m\text{ 重根} \Rightarrow \text{乘 }x^m k 是 L 的 m 重根 ⇒ 乘 x m 对应：
七、本质理解# 微分算子法本质上是将微分方程转化为算子多项式在特定函数空间上的代数运算，并通过指数平移将问题降到多项式空间求解。
八、与待定系数法的关系#
待定系数法：直接设解的形式并代入求系数
微分算子法：通过算子结构推导解的形式
两者本质一致，但微分算子法更结构化，适合推广与统一理解。
