贡献者： 零穹
本节证明常微分方程的解的存在、唯一、及对参数连续可微定理。所谓 “解对参数连续可微” 是指微分方程
\begin{equation}
\dot x=v(x,t)~,
\end{equation}
的解 $\varphi$ 也是某些参数 $\mu=(\mu_1,\cdots,\mu_m)$ 的函数，即 $\varphi(\mu,t)$。于是
式 1 右边也应写成 $v(x,\mu,t)$。即需要证明形如
\begin{equation}
\dot x=v(x,\mu,t)~
\end{equation}
的微分方程解的存在唯一且对参数 $\mu$ 的连续可微定理。然而，可以验证，对
式 1 证明存在唯一性和对初始点解为 $C^r$ 类，等价于证明
式 2 的存在唯一性和对参数 $\mu$ 为 $C^r$ 类。事实上：
若微分方程
式 1 解 $\varphi$ 存在唯一且对初始点 $(t_0,x_0)$ $r$ 次连续可微。记
\begin{equation}
y=(x,\mu),\quad f=(v_x,v_{\mu})=(v,v_{\mu})~,
\end{equation}
则
式 2 等价于(初始 $\mu$ 分量为 $\mu$ 的)微分方程
\begin{equation}
\begin{aligned}
\dot y=f(y,t)=(v(y,t),0)~.
\end{aligned}
\end{equation}
由假设，
式 4 的解 $\varphi(t)$ 存在唯一，且 $r$ 次连续可微的依赖于起始点 $(t_0,x_0,\mu)$（即解可写为 $\varphi(x_0,\mu,t_0,t)\equiv\varphi(t)$ 且 $\varphi(x_0,\mu,t_0,t_0)=x_0$），于是解也就 $r$ 阶连续可微的依赖于 $\mu$；
反之，如果对
式 2 的微分方程存在唯一及对参数 $\mu$ $r$ 次连续可微定理成立，则由 $\mu$ 是参数，可令 $v_\mu(x,t)\equiv v(x,\mu,t)$ 则
式 2 等价于
\begin{equation}
\dot x=v_{\mu}(x,t)~.
\end{equation}
由假定，其解存在唯一且对参数 $\mu$ 属于 $C^r$ 类。取参数 $\mu$ 对应起始点 $(t_0,x_0)$ 的情形，于是微分方程
式 5 的解存在唯一且对起始点 $r$ 阶连续可微。
一般的常微分方程都可以写为式 1 的形式，并通过上面考虑，我们只需要证明对形为式 1 的微分方程的解存在唯一且连续依赖于起始点即可。
解的可微定理引出一个重要的方法：小参数法（或微扰法）。设想包含小参数 $\epsilon$ 的微分方程 $\dot x=v(x,\epsilon)$，$v$ 对 $\epsilon$ 连续可微，于是解的可微定理使得具有固定初始条件的解可以写成形式
\begin{equation}
x(t)=x_0(t)+\epsilon y(t)+O(\epsilon^2)~.
\end{equation}
其中 $x_0$ 是 “未受扰” 方程 $\dot x=v(x,0)$ 的解。
1. 存在、唯一及对参数的连续可微定理
定理 1 存在、唯一及对参数的连续依赖定理
设微分方程
\begin{equation}
\dot x=v(x,t)~
\end{equation}
中向量场 $v$ 在扩张相空间（
定义 7 ）中的一区域 $U$ 上有直到 $r$ 阶连续的导数 $v\in C^r$，则对任一点 $(t_0,x_0)\in U$，存在扩张相空间中点 $(t_0,x_0)$ 的一邻域 $M$，使得任一给定的 $(t_1,x_1)\in M$，都唯一存在满足初始条件 $\varphi(t_1)=x_1$ 的微分方程
\begin{equation}
\dot x=v(x,t)~
\end{equation}
的解 $\varphi(t)$，而且这个解是依赖于 $x_1,t_1,t$ 的 $C^{r-1}$ 类函数。即若将解 $\varphi$ 写成包含初始点 $(t_1,x_1)$ 的形式 $g(x_1,t_1,t)$，则 $g$ 对变量 $x_1,t_1,t$ 有直到 $r-1$ 阶连续的导数，即 $g\in C^{r-1}$。
证明（存在唯一和对参数的连续性）：由定理 2 ，对任一点 $(t_1,x_1)$，都有要求的点 $(t_1,x_1)$ 的领域 $M$（对应 $ \left\lvert x-x_1 \right\rvert \leq b', \left\lvert t-t_1 \right\rvert \leq a'$）存在，使得 $\forall z\in M$，皮卡映射（定义 1 ）
\begin{equation}
(A\varphi)(x_1,t_1,t)\equiv x_1+\int_{t_1}^{t}v(\varphi(x_1,t_1,\tau),\tau) \,\mathrm{d}{\tau} ~
\end{equation}
是 $M$ 中的压缩映射（$M$ 的定义见
定理 2 ）。由于压缩映射都有不动点（
定理 1 ），而皮卡映射
式 9 的不动点 $g(x_1,t_1,t)$ 就是微分方程
式 8 的解（
定理 1 ），由 $M$ 的完备性（
习题 1 ），该不动点对应的曲线也在 $M$ 中。而 $M$ 中的曲线都是连续的，故解的存在性和对变量 $(x_1,t_1,t)$ 的连续性得证！
下面证明唯一性：设 $g_1(x_1,t_1,t),g_2(x_1,t_1,t)$ 都是初值条件 $g(x_1,t_1,t_1)=x_1$ 的微分方程式 8 的解。由于 $g_1,g_2\in M$，所以可对其实行皮卡映射。由于在解存在的区域里皮卡映射是压缩映射，故成立（为何度量变成范数可类比线性算子度量空间，这里 $ \left\lVert g \right\rVert =\max\limits_{x_1,t_1,t} \left\lvert g(x_1,t_1,t) \right\rvert $）
\begin{equation}
\left\lVert A g_1-A g_2 \right\rVert \leq\lambda \left\lVert g_1-g_2 \right\rVert ,\quad\lambda<1~.
\end{equation}
由于
定理 1 ，$g_1,g_2$ 都是 $A$ 的不动点，故
式 10 变成
\begin{equation}
\left\lVert g_1-g_2 \right\rVert \leq\lambda \left\lVert g_1-g_2 \right\rVert ,\quad\lambda<1~.
\end{equation}
上式只能在 $ \left\lVert g_1-g_2 \right\rVert =0$ 时成立，这意味着唯一性。对 $g\in C^{r-1}$ 单独放在下面进行证明。
证毕！
2. 可微性的证明
对于可微性，我们用数学归纳法进行证明。我们分为三个分定理进行证明。下面将用 $C_{x_1}^r$ 表示关于 ${x_1}$ 是 $C^r$ 类的函数。
定理 2
同定理 1 叙述，仅假定 $v\in C^2$，那么 $g\in C_{x_1}^1$.
证明：对初始点 $(t_1,x_1)\in M$ 的映射 $g_0(x_1,t_1,t)$ 和初始矩阵为单位矩阵 $ \boldsymbol{\mathbf{E}} $ 的矩阵映射 $f_0(x_1,t_1,t)$，我们分别用 $g_n,f_n$ 表示其皮卡近似1：
\begin{equation}
\begin{aligned}
g_{n+1}(x_1,t_1,t)&=x_1+\int_{t_1}^{t}v(g_n(x_1,t_1,\tau),\tau) \,\mathrm{d}{\tau} ,\\
f_{n+1}(x_1,t_1,t)&= \boldsymbol{\mathbf{E}} +\int_{t_1}^{t}v_{*}(g_n(x_1,t_1,\tau),\tau)f_n(x_1,t_1,\tau) \,\mathrm{d}{\tau} ~.
\end{aligned}
\end{equation}
这里的 $v_{*}$ 表示 $v$ 对其第一个变量 $x$ 的导数。
注意 $(g_{0})_{*}=f_0$，于是由数学归纳法可从
式 12 推得 $(g_{n+1})_{*}=f_{n+1}$。因此，序列 $\{f_n\}$ 是 $\{g_n\}$ 的导数序列。对充分小的 $ \left\lvert t-t_1 \right\rvert $，
式 12 一致收敛（因为皮卡映射的压缩性要求其不动点存在，$f_n$ 的皮卡映射可看出其对应向量场 $v_f(x,y,t)=v(x,t)y$，显然对 $x,y,t$ 连续可微）。因此序列 $\{g_n\}$ 及其关于 $x_1$ 的导数都一致收敛，因此极限函数
\begin{equation}
g(x_1,t_1,t)=\lim_{n\rightarrow\infty}g_n(x_1,t_1,t)~
\end{equation}
关于 $x_1$ 一致可微。实际上，
\begin{equation}
\begin{aligned}
f(x_1,t_1,t)&=\lim_{n\rightarrow\infty}g_{n*}(x_1,t_1,t)\\
&=\lim\limits_{n\rightarrow\infty}\lim\limits_{\Delta x_1\rightarrow0}\frac{g_{n}(x_1+\Delta x_1,t_1,t)-g_{n}(x_1,t_1,t)}{\Delta x_1}\\
&=\lim\limits_{\Delta x_1\rightarrow0}\lim\limits_{n\rightarrow\infty}\frac{g_{n}(x_1+\Delta x_1,t_1,t)-g_{n}(x_1,t_1,t)}{\Delta x_1}\\
&=\lim\limits_{\Delta x_1\rightarrow0}\frac{g(x_1+\Delta x_1,t_1,t)-g(x_1,t_1,t)}{\Delta x_1}\\
&=g_*(x_1,t_1,t)~.
\end{aligned}
\end{equation}
注意式 12 第二式表明其对应微分方程为
\begin{equation}
\dot y=v_*(x,t)y,\quad y\in TU_x~.
\end{equation}
其和
式 7 一起称为关于微分方程
式 7 的
变分方程。于是
式 14 表明方程
式 7 的解关于初始条件 $x_1$ 的导数 $g_*$ 是满足初始条件 $y(t_1)=E$ 的
式 15 的解。
这就证得下面的定理
定理 3
微分方程
\begin{equation}
\dot x=v(x,t)~
\end{equation}
具有初始点 $(t_1,x_1)$ 的解关于初始条件 $x_1$ 的导数 $g_*$ 是其满足初始点 $(t_1,E)$ 的变分方程的解：
\begin{equation}
\begin{aligned}
& \frac{\partial }{\partial t} g(x_1,t_1,t)=v(g(x_1,t_1,t),t),\\
& \frac{\partial }{\partial t} g_*(x_1,t_1,t)=v_*(g(x_1,t_1,t),t)g_*(x_1,t_1,t),\\
&g(x_1,t_1,t_1)=x_1,\quad g_*(x_1,t_1,t_1)=E~.
\end{aligned}
\end{equation}
定理 4
同定理 1 叙述，当 $v\in C^r$($r\geq2$)，则 $g\in C_{x_1}^{r-1}$。
证明： 假设对定理对 $< r$ 成立。则
\begin{equation}
v\in C^r\Rightarrow v_*\in C^{r-1}\Rightarrow v_y(x,t,y)=v_*(x,t)y\in C^{r-1}\Rightarrow g_*\in C_{x_1}^{r-2}\Rightarrow g\in C_{x_1}^{r-1}~.
\end{equation}
证毕！
引理 1
设 $f:G\times I^2\rightarrow \mathbb R^n$ 是欧氏空间区域 $G$ 和 $t$ 轴区间直积 $I^2$ 的直积到 $\mathbb R^n$ 的映射。若 $f\in C_{x_1}^r \cap C^{r-1}$，则积分函数
\begin{equation}
F(x_1,t_1,t)=\int_{t_1}^t f(x_1,t_1,\tau) \,\mathrm{d}{\tau} ~,
\end{equation}
是 $C^r$ 类的。
证明：因为 $f\in C_{x_1}^r\cap C^{r-1}\Rightarrow F\in C_{x_1}^r\cap C_t^{r}\cap C_{t_1}^{r}$，所以 $F$ 对 $x_1$（或 $t$ 或 $t_1$）的 $r$ 阶偏导存在。剩下只需证明任意的 $r$ 阶混合导都存在，若先对 $t$（或 $t_1$）求偏导，则 $ \frac{\partial F(x_1,t_1,t)}{\partial t} =f(x_1,t_1,t)$（或 $ \frac{\partial F(x_1,t_1,t)}{\partial t_1} =-f(x_1,t_1,t)$），由于 $f\in C^{r-1}$，所以剩下 $r-1$ 次混合导都存在；若先对 $x_1$ 求偏导，且第 1 次对 $t$ (或 $t_1$)求偏导在第 $i$ 次，那么由
\begin{equation}
\begin{aligned}
f\in C^{r-1}\Rightarrow \frac{\partial^{i-1}{}}{\partial{x_1}^{i-1}} \frac{\partial F(x_1,t_1,t)}{\partial t} = \frac{\partial^{i-1}{f(x_1,t_1,t)}}{\partial{x_1}^{i-1}} \in C^{r-i} \\
\left(f\in C^{r-1}\Rightarrow \frac{\partial^{i-1}{}}{\partial{x_1}^{i-1}} \frac{\partial F(x_1,t_1,t)}{\partial t_1} =- \frac{\partial^{i-1}{f(x_1,t_1,t)}}{\partial{x_1}^{i-1}} \in C^{r-i} \right) ~.
\end{aligned}
\end{equation}
于是剩余的 $r-i$ 次混合偏导存在且连续。
证毕！
定理 5
同定理 1 叙述，若 $v\in C^r $，则 $g\in C^{r-1}$。
证明：由于解是对应的皮卡映射的不动点，于是
\begin{equation}
g(x_1,t_1,t)=x+\int_{t_1}^tv(g(x_1,t_1,\tau),\tau) \,\mathrm{d}{\tau} ~.
\end{equation}
由 $ \frac{\partial v}{\partial x_1} = \frac{\partial v}{\partial x_1} \frac{\partial g}{\partial x_1} $ 知 $ \frac{\partial v}{\partial x_1} $ 关于 $x_1$ 的阶数为 $ \frac{\partial v}{\partial x_1} $ 和 $ \frac{\partial g}{\partial x_1} $ 关于 $x_1$ 的阶数最小的那个。所以若 $g$ 关于 $x_1$ 阶数小于 $r$，则 $v$ 关于 $x_1$ 的阶数 和 $g$ 一致。于是由
引理 1
\begin{equation}
g\in C^{i-1}\cap C_x^{i}\Rightarrow g\in C^i,\quad i< r~.
\end{equation}
由
定理 5 ，$g\in C_{x_1}^s,\quad s< r$。于是
\begin{equation}
g\in C^0\Rightarrow g\in C^1\Rightarrow\cdots\Rightarrow g\in C^{r-1}~.
\end{equation}
由已经证明的解 $g$ 连续依赖于其变量，即 $g\in C^0$ 成立，上式立刻得到 $g\in C^{r-1}$。
证毕！
1. ^ 对矩阵映射来说，只不过曲线所在空间维度变大了
致读者： 小时百科一直以来坚持所有内容免费，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 10 元，我们一个星期内就能脱离亏损， 并保证在接下来的一整年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。