常系数线性方程组

合集下载

消元法求解常系数线性微分方程组

消元法求解常系数线性微分方程组

消元法求解常系数线性微分方程组下载提示:该文档是本店铺精心编制而成的,希望大家下载后,能够帮助大家解决实际问题。

文档下载后可定制修改,请根据实际需要进行调整和使用,谢谢!本店铺为大家提供各种类型的实用资料,如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等,想了解不同资料格式和写法,敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!消元法求解常系数线性微分方程组导言在微积分和线性代数领域,线性微分方程组是一类重要的数学问题,它们在物理学、工程学以及其他科学领域中有着广泛的应用。

一阶常系数线性齐次微分方程组求解探析

一阶常系数线性齐次微分方程组求解探析

一阶常系数线性齐次微分方程组求解探析
本文探讨了一阶常系数线性齐次微分方程组的求解方法,以此为基础探讨了许多有关如何解决这一类问题的理论概念与实际应用等。


一阶常系数线性齐次微分方程组是指形如$ax^{'}+bx=0$($a,b$为常数)的无限维微分方程组,它的解可以用下面求解过程求得:
(1)当$a=0$时,
若$b\neq 0$,则原方程有唯一解,为$x(t)= \frac{C}{b}$;
若$b=0$,则原方程有无穷多解,为$x(t)=C$,其中$C$为任意常数;
(2)当$a\neq 0$时,
原方程有唯一解,为$x(t)=e^{-\frac{b}{a}t}C$,其中$C$为任意常数。

因此,一阶常系数线性齐次微分方程组的解存在唯一解或者无穷多解,
具体视系数而定。

要求解这类微分方程组,我们要简化原方程,一般可以先将原方程分拆成$ax^{'}=f(t)-bx$的形式,然后再用积分因子$u=e^{\int{-\frac{b}{a}}dt}$解之,最后求得它的解即可。

常系数线性方程组基解矩阵的计算

常系数线性方程组基解矩阵的计算

常系数线性方程组基解矩阵的计算董治军(巢湖学院 数学系,安徽 巢湖 238000)摘 要:微分方程组在工程技术中的应用时非常广泛的,很多问题都归结于它的求解问题,基解矩阵的存在和具体寻求是分歧的两回事,一般齐次线性微分方程组的基解矩阵是无法通过积分得到的,但当系数矩阵是常数矩阵时,可以通过 方法求出基解矩阵,这时可利用矩阵指数exp A t ,给出基解矩阵的一般形式,本文针对应用最广泛的常系数线性微分方程组,结合微分方程,线性代数等知识,讨论常系数齐次线性微分方程的基解矩阵的几个一般的计算方法. 关键词;常系数奇次线性微分方程组;基解矩阵;矩阵指数Calculation of Basic solution Matrix of Linear Homogeneous System with Constant CoefficientsZhijun Dong(Department of Mathematics,Chaohu CollegeAnhui,Chaohu)Abstract:Differential equations application in engineering technology is very extensive, when many problems are attributable to its solving problem, base solution matrix existence and specific seek is different things, general homogeneous linear differential equations is not the base solution matrix by integral get, but when coefficient matrix is constant matrix, can pass out the base solution matrix method, then are available matrix exponential t, the general form base solution matrix, the paper discusses the most widely used differential equations with constant coefficients, combined with differential equations, linear algebra, discuss knowledge of homogeneous linear differential equation with constant coefficients of base solution matrix several general calculation method.Keyword:linear homogeneous system with constant coefficients; matrix of basic solutions; matrix exponent引言:线性微分方程组的求解历来是常微分方程的重点,根据线性微分方程组的解的结构理论,求解线性微分方程组的关键在于求出对应齐次线性微分方程组的基解矩阵,本文主要讨论齐次线性微分方程组 X’=AX ★的基解矩阵的计算问题,这里A 是n n ⨯常数矩阵.一.矩阵指数exp A 的定义和性质: 1.矩阵范数的定义和性质 定义:对于n n ⨯矩阵A =ij a ⎡⎤⎣⎦n×n 和n 维向量X =()1,...,Tn X X 定义A 的范数为A =,1niji j a=∑ ,X =1nii x=∑设A ,B 是n×n 矩阵,x ,y 是n 维向量,易得下面两个性质: (1)AB ≤A B ,AX ≤A X ; (2)A B +≤A +B ,X Y +≤X +Y .2.矩阵指数exp A 的定义和性质:(!)定义:如果A 是一个n×n 常数矩阵,我们定义矩阵指数exp A 为下面的矩阵级数的和:exp A =!kA k k ∞=∑=E+A+22!A +…+!m A m +… (1.0)其中E 为n 阶单位矩阵,m A 是A 的m 次幂,这里我们规定0A =E ,0!=1 这个级数对于所有的A 都是收敛的.因次exp A 是一个确定的非负矩阵,特此外,对所有元均为0的零矩阵0,有exp0=E.事实上,由上面范数的性质(1),易知对于一切正整数k ,有!kA k ≤!k Ak ,又因对于任一矩阵A ,A 是一个确定的实数,所以数值级数E +A +22!A +…+!mA m +… 是收敛的.进一步指出,级数exp A t=!0kkA k k t ∞=∑在t 的任何有限区间上是一致收敛的. 事实上,对于一切正整数k ,当t ≤c (c是某一整数)时,有!k k A k t ≤!k kA k t ≤!k A k k c ,而数值级数()!kA c k k ∞=∑是收敛的,因而exp A t=!k kA k k t ∞=∑是一致收敛的.(2)矩阵指数exp A 的性质:①若矩阵A ,B 是可交换的,即AB=BA ,则exp A (A+B )=exp A exp B ;②对于任何矩阵A ,()1exp A -存在,且()1exp A -=exp (-A ); ③如果T 是非奇异矩阵,则 exp (1T -AT )=1T -(exp A )T . 3.有关常系数奇次线性微分方程组★的基本问题 定理1:矩阵Φ(t )=exp A t (1.1) 是★的基解矩阵,且Φ(0)=E.证明:由定义易知Φ(0)=E ,将(1.1)对t 求导,得'Φ(t )=()'exp At =A+21!A t+322!A t +…+1(1)!kk A k t --+… =A exp A t = A Φ(t ) 这就标明,Φ(t )是★的解矩阵,又det Φ(0)=det E =1 因此φ(t )是★的解矩阵. 证毕.注1:由定理1,我们可以利用这个基解矩阵推知★的任一解ϕ(t )=(exp A t )C 这里C 打、是一个常数向量.例1:如果A 是一个对角矩阵A=12n a a a ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦(其中未写出的元均为零) 试找出x '=Ax 的基解矩阵.解:由( 1.0)可得exp A t=E+12n a a a ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦1!t +221222!2t n a a a ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦+12!k kk t k k n a a a ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦+…=12n a t a ta t e e e ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦根据定理1,这就是一个基解矩阵. 例2:试求x '=2102⎡⎤⎢⎥⎣⎦x 的基解矩阵. 解:因为A=2102⎡⎤⎢⎥⎣⎦=2002⎡⎤⎢⎥⎣⎦+0100⎡⎤⎢⎥⎣⎦而且后面的两个矩阵是可交换的,得到 exp A =exp 2002⎡⎤⎢⎥⎣⎦t ⋅exp 0100⎡⎤⎢⎥⎣⎦t=2200tt e e ⎡⎤⎢⎥⎣⎦222!01010000t E t ⎧⎫⎡⎤⎡⎤⎪⎪+++⎨⎬⎢⎥⎢⎥⎣⎦⎣⎦⎪⎪⎩⎭但是20100⎡⎤⎢⎥⎣⎦=0000⎡⎤⎢⎥⎣⎦所以 级数只要两项,因此 基解矩阵是exp A t= 2101t t e ⎡⎤⎢⎥⎣⎦. 二.基解矩阵的计算1.基于特征值和特征向量型计算基解矩阵类似于一阶齐次线性微分方程,希望方程组★有形如()t t e C λϕ=的解,其中λ为待定的参数,C 为待定的n 维非零向量,将之代入方程组,得到 tte C Ae C λλλ=,即有 ()0E A C λ-= (1.2)要使齐次线性代数方程组(1.2)有非零解向量,应有det()0E A λ-= (1.3)称式(1.3)为方程组★的特征方程,称λ为A 的特征值.称非零向量C 为A 的对应于特征值λ的特征向量.于是有如下结论:()t t e C λϕ=为方程组★的充分需要条件是λ为A 的特征值,且C 为对应于λ的特征向量.这样就提供了用代数方法求解的平台.(1)设A 具有n 个线性无关的特征向量12,,n v v v ,它们对应的特征向量分别为12,n λλλ(不必各不相同)易知矩阵1212()(,,)nt t t n t e v e v e v λλλΦ=t R ∀∈是常系数齐次线性微分方程组★的一个基解矩阵.事实上,由上面讨论知道向量函数i ti e v λ(1≤i ≤n ) 都是方程组★的一个解,因此()t Φ是方程★的解矩阵.计算12det (0)det(,,)0n v v v Φ=≠ 于是()t Φ是方程组★的基解矩阵.注2:当A 是n 个分歧的特征值时,就满足上述性质.注3:此处()t Φ纷歧定是尺度基解矩阵exp A t ,但由线性微分方程组的一般理论知:存在一个n 个非奇异矩阵C ,有exp A =()t C Φ⋅ 令t=0,得C=1(0)-Φ 即exp A t=1()(0)t -Φ⋅Φ于是当A 是实矩阵时,则exp A t 为实的,这样上式就给出了一个构造实基解矩阵的方法.例3:利用特征值与特征向量求基解矩阵的方法,求解例1中的一个基解矩阵.解:显然A 是对角矩阵,它有n 个特征值(1)i i a i n λ=≤≤对于每个特征值i λ易知其对应的特征向量为(0,1,0)T i C =即有()0i i E A C λ-=而这些特征向量12,n C C C 线性无关,由注2,于是方程组有基解矩阵()121212(),,n n a ta ta ta t a tna t e e t e C e C e C e ⎡⎤⎢⎥⎢⎥Φ==⎢⎥⎢⎥⎣⎦这与例1 的计算结论一样.例4:试求方程组x Ax '=,其中3553A ⎡⎤=⎢⎥-⎣⎦的一个基解矩阵. 解:A 的特征值就是特征方程235det()634053E A λλλλλ---==-+=-的根,解之得1,235i λ=± 对应与特征值135i λ=+的特征向量,计算齐次线性代数方程11255()055u i E A u u i λ-⎡⎤⎡⎤-==⎢⎥⎢⎥⎣⎦⎣⎦ 因此1u i α⎡⎤=⎢⎥⎣⎦是对应于1λ的特征向量,类似的,可以求得对应于2λ的特征向量1i v β⎡⎤=⎢⎥⎣⎦ 其中,0αβ≠为任意常数,而121,1i v v i ⎡⎤⎡⎤==⎢⎥⎢⎥⎣⎦⎣⎦是对应于12,λλ的两个线性无关的特征向量.根据注2,于是矩阵()()()()()123535123535(),i ti tt ti t i te ie t e v e v ie e λλ+-+-⎡⎤Φ==⎢⎥⎢⎥⎣⎦就是方程组的一个基解矩阵. 再由注3,实基解矩阵为()()()()()()()()13535353513123535353511cos5sin 5exp ()(0)11sin 5cos5i ti ti ti tt i ti ti t i te ie i e ie i t t At t e i i t t iee iee -+-+--+-+-⎡⎤⎡⎤-⎡⎤⎡⎤⎡⎤=ΦΦ===⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦⎣⎦⎢⎥⎢⎥⎣⎦⎣⎦(2)设A 有k 个分歧的特征值12,k λλλ它们的重数分别为12,,k n n n 其中12k n n n n +++=那么如何计算exp At ?回忆高等代数理论,对应于j n 重特征值j λ的如下线性代数方程组()0j nj E A u λ-= (1.4)的解全体构成n 维欧几里得空间的一个j n 维子空间()j U i j k ≤≤而且n 维欧几里得空间可暗示成12,k U U U 的直和,由此对于n 维欧几里得空间的每一个向量u ,存在唯一组向量12,ku u u 其中(1)j j u U j k ∈≤≤使得分解式为12k u u u u =+++(1.5)因此,一方面 对于★的初始值0(0)x x =,应用式(1.5)知存在j j v U ∈有012kx v v v =+++注意到空间j U 的构造,即知j v 是式(1.4)的解,即有()0j nj j E A v λ-=因而有()0l j j E A v λ-=,1j l n j k ≥≤≤ (1.6)另一方面,j E λ-为对角矩阵,因此由例1知exp()j j j ttj t e eEt e λλλλ---⎡⎤⎢⎥⎢⎥-=⎢⎥⎢⎥⎢⎥⎣⎦故有()j t j e Et E λλ-= 计算(exp )(exp )j j At v At Ev =(exp )exp()j tj jAt e Et v λλ=-=(exp())j tj je A E t v λλ-=(()j tj e E t A E λλ+-+12122!(1)!()())n jj j n t t j j j n A E A E v λλ----++-所以方程组★满足初始条件()00x x =的解()t ϕ为()()()()012exp exp k t At x At v v v ϕ==+++=()()1!110exp i i j in kkttj j j i j j i At v e A E v λλ-===⎛⎫=- ⎪ ⎪⎝⎭∑∑∑ (1.7) 同时注意到()()()()()()12exp exp exp ,exp ,exp nAt At E At e At e At e ==其中[][][]121,0,0,0,1,00,0,1TTTn e e e ===即在上面初始条件中分别令01020,,n x e x e x e ===应用式(1.7)求得n 个解,然后以这n 个解作为列即得exp At .注4:当A 只有一个特征值时,即λ为n 重的,因此nv R ∀∈都有()0E A v λ-=这标明()nE A λ-为零矩阵.则()()exp exp exp exp tAt AtE At e Et λλ⎡⎤==-=⎣⎦()()1!0exp in itt i i e A E t A E λλλ-=-=-∑(1.8)注5:式(1.7)标明方程组的任一解都可以经过有限次代数运算求出.例5:若A 是例2中的矩阵,求初值问题()0,0x Ax x x '==的解和exp At . 解:本题用两种方法计算exp At 和()t ϕ方法一:易知1,22λ=是A 的二重特征值,此时,A 只有一个特征值,根据式(1.8)计算有exp At =()()()1222!12201i itttt i i t eA E e E t A E e =⎡⎤-=+-=⎢⎥⎣⎦∑和特解()t ϕ=(exp At )0x .方法二:1,22λ=是A 的二重特征值,这时212,n R =只有一个子空间1U ,0x =12x x ⎡⎤⎢⎥⎣⎦不需要分解,根据式(1.7)有()t ϕ=()1222022t tx tx e E t A E x e x +⎡⎤+-=⎡⎤⎢⎥⎣⎦⎣⎦. 分别取010210,01x e x e ⎡⎤⎡⎤====⎢⎥⎢⎥⎣⎦⎣⎦代入上式中的()t ϕ中,则()()22121,01tt t t e t e ϕϕ⎡⎤⎡⎤==⎢⎥⎢⎥⎣⎦⎣⎦所以()()()2121exp ,01t t At t t e ϕϕ⎡⎤==⎢⎥⎣⎦和特解()t ϕ=()0exp At x . 例6:考虑方程组x Ax '=,其中311201112A -⎡⎤⎢⎥=⎢⎥⎢⎥-⎣⎦试求满足初始条件()[]01230Tx x x x x ==的解,并求exp At .解:A 的特征方程为()()()2311det 21120112E A λλλλλλ--⎡⎤⎢⎥-=--=--=⎢⎥⎢⎥--⎣⎦121,2λλ==分别为121,2n n ==重特征根,为了确定3R 的子空间12,U U 由式(1.4) 首先考虑齐次线性代数方程组()1232112110111u A E u u u λ-⎡⎤⎡⎤⎢⎥⎢⎥-=-=⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦解得[]1011T u α=,其中α为任意常数. 因此1U 是由1u 构成的一维子空间,其次考虑齐次线性方程组()122300021100110u A E u u u ⎡⎤⎡⎤⎢⎥⎢⎥-=-=⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦解得2101001u βγ⎡⎤⎡⎤⎢⎥⎢⎥=+⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦其中,βγ为任意常数.因此2U 是由2u 构成的二维子空间.下面对初值()00x x =进行分解,有012x u u =+ 即123010110101x x x αβγ⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦于是112121213210,x v x x v x x x x x x ⎡⎤⎡⎤⎢⎥⎢⎥=-=⎢⎥⎢⎥⎢⎥⎢⎥--+⎣⎦⎣⎦根据式( 1.7) 有()()2122t t t e Ev e E t A E v ϕ=++-⎡⎤⎣⎦=()()13212211321213210t t x t x x x e x x e x t x x x x x x x x +-+⎡⎤⎡⎤⎢⎥⎢⎥-++-+⎢⎥⎢⎥⎢⎥⎢⎥--+⎣⎦⎣⎦最后为了得到exp At ,依次分别令0001000,1,0001x x x ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥===⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦代入上式得到3个线性无关解()()()123,,t t t ϕϕϕ 于是()()()()()2222221232221exp 1tt t t tt t t t t t tt t e te te At t t t e t ee te te e e e e e ϕϕϕ⎡⎤+-⎢⎥==-++-⎡⎤⎣⎦⎢⎥⎢⎥-+-⎣⎦2:“哈密顿-凯莱”法:设A 是方程组★的n n ⨯实系数矩阵,()p λ是A 的特征多项式,()()111det n n n n p A E a a a λλλλλ--=-=++++特征方程为A 的()111nn n n p a a a λλλλ--=++++=0 (1.9)方程( 1.9)的根12,n λλλ是矩阵A 的特征多项式,且有()()()()11n n p λλλλλλλ-=---哈密顿-凯莱定理:设()p λ是矩阵A 的特征多项式,则()1110n n n n p A A a A a A a E --=++++=亦即()()()()110n n p A A E A E A E λλλ-=---=定理:设12,n λλλ是矩阵A 的n 个特征值(它们纷歧定不相等)则()()110exp n i i i At r t p -+==∑(2.0)其中()()()011,i i i p E p A E A E A E λλλ-==---()1,2,i n =并有()()()12,n r t r t r t 是初值问题()()1111101,00j j j j j r r r r r r r λλ-⎧'=⎪⎪'=+⎨⎪==⎪⎩()2,3j n = (2.1)的解.推论:若A 只有一个特征值λ,则()1!exp exp in it i i At tA E λλ-==-∑上述定理将计算exp At 的问题转化为求方程组(2.1)满足初始条件的解的问题,由于方程组(2.1)是一个特殊的一阶常系数齐次线性方程组,容易直接求解.因而由公式(2.0)就可以直接求出方程组★的基解矩阵exp At .例7:求常系数齐次线性方程组x Ax '=,其中233453442A -⎡⎤⎢⎥=-⎢⎥⎢⎥-⎣⎦的解. 解:A 的特征方程为()()()()233det 453122442A E λλλλλλλ--⎡⎤⎢⎥-=--=-++-⎢⎥⎢⎥--⎣⎦=0 解得特征值为1231,2,2λλλ=-=-=求解初值问题:()()()112123231232201,00,00r r r r r r r r r r r ⎧'=-⎪⎪'=-⎪⎨'⎪=+⎪===⎪⎩ 得()()()2221111233412,,t t t t tr t e r t e e t r t e e e-----==-=-++又因()()11212333121212443,121212443121212p A E p A E A E λλλ--⎡⎤⎡⎤⎢⎥⎢⎥=-=-=--=-⎢⎥⎢⎥⎢⎥⎢⎥---⎣⎦⎣⎦则由公式:得()2222222221022222exp tt t t t t tt t tt t i i i t t t tt e e e e e At r t p e e e e e e e e e e e e -----+=--⎡⎤--+⎢⎥==-++--+⎢⎥⎢⎥---⎣⎦∑. 3:算子构造法: 其构造步调是:① 利用已引入的微分算子dD dx=写出★的微分算子暗示; ② 用算子法求解★的微分算子暗示的方程组得其通解:()()()()11221212,,,,,n n n n y x c c c y x c c c y x y x c c c ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦; ③ 依次令12100010,,001n c c c ⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦ 代入上述通解,则得★得n 个线性无关的特解()()()12,,n y x y x y x ;④ 以()()()12,,n y x y x y x 为列作成的矩阵()()()()12n Y x y x y x y x =⎡⎤⎣⎦就是★的基解矩阵,且★夫人矩阵指数函数形式的基解矩阵为:()()10Axe Y x Y -=.例8:试求方程组1211,13y y y y y -⎡⎤⎡⎤'==⎢⎥⎢⎥⎣⎦⎣⎦(2.2) 的基解矩阵,并求11.13Ax e A ⎛-⎫⎡⎤= ⎪⎢⎥⎣⎦⎝⎭. 解:①(2.2)的算子暗示就是()()12121030D y y y D y -+=⎧⎪⎨-+-=⎪⎩ (2.3)②求解(2.3)111013D y D -⎡⎤=⎢⎥--⎣⎦即()2120D y -= (2.4) 于是(2.4)的通解为()2112xy C C x e=+12,C C 为任意常数 (2.5)(2.5)代入(2.3)的第一个方程得()()2221111221xx y D y Dy y C C x eC xe =--=-+=-+-故(2.3)的通解为()()2112222122x x xy C C x e y C C e C xe ⎧=+⎪⎨=-+-⎪⎩12(,C C 为任意常数) ③依次令1210,01C C ⎡⎤⎡⎤⎡⎤=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦得( 2.3)的两个线性无关解()()()221222,1x x x x xe e y x y x x e e ⎡⎤⎡⎤==⎢⎥⎢⎥-+-⎣⎦⎣⎦; ④ 以12,y y 作列而成的矩阵:()[]()()2221221111xx x x x e xe Y x y y e x ex e ⎡⎤⎡⎤===⎢⎥⎢⎥--+--+⎣⎦⎣⎦ 就是(2.2)的一个基解矩阵. ⑤求(2.2)的基解矩阵Axe 因()10011Y ⎡⎤=⎢⎥--⎣⎦,故()110011Y -⎡⎤=⎢⎥--⎣⎦于是Axe =()22110111111xx x x x e x x x e --⎡⎤⎡⎤⎡⎤=⎢⎥⎢⎥⎢⎥--+--+⎣⎦⎣⎦⎣⎦. 结束语:关于基解矩阵exp At 的计算,还可以利用矩阵的约当尺度型等有关线性代数知识进行计算,在此不作详述. 参考文献:[]1王高雄,周之铭,朱思铭,王寿松 常微分方程 高等教育出版社; []2西南师范大学数学与财经学院 常微分方程 西南师范大学出版社; []3肖箭,盛立人,宋国强 常微分方程简明教程 科学出版社; []4王翊,陶怡 常系数齐次线性微分方程组的解法 牡丹江大学学报.。

常系数线性微分方程组的解法

常系数线性微分方程组的解法


A k ck ,
t c,
k!
k!

而数项级数
A k ck
k 1 k !
收敛 .
常系数线性方程组
2 矩阵指数的性质
(1) 若AB BA,则eAB eAeB. (2) 对任何矩阵A, (exp A)1存在,且
(exp A)1=exp(-A). (3) 若T是非奇异的,则
exp(T-1AT ) T-1(exp A)T.
,

0.
常系数线性方程组
例4
试求矩阵A=
2 1
1 4
特征值和特征向量.
解 特征方程为
det(
E

A)



1
2
1
4

2
6
9

0
因此 3为两重特征根, 为求其对应的特征向量
考虑方程组
1
(E A)c 1
1 1
c1 c2
例3
试求矩阵A=
3 5
5 3
特征值和特征向量.
解 A的特征值就是特征方程
det( E

A)



5
3
5
3

2

6

34

0
的根, 1 3 5i, 2 3 5i.
常系数线性方程组
对特征根1 3 5i的特征向量u (u1,u2 )T 满足
§4.3 常系数线性方程组
常系数线性方程组
一阶常系数线性微分方程组:
dx Ax f (t), dt
这里系数矩阵A为n n常数矩阵, f (t)在

李金城 25 数学08-1 常系数线性微分方程组的矩阵解法

李金城  25 数学08-1 常系数线性微分方程组的矩阵解法

摘要在常微分方程中,介绍了解常系数线性微分方程组的消元法,它是解常系数线性微分方程组的最初等的方法,适用于知函数较少的小型微分方程组。

对于未知函数较多时,用消元法则会非常不便,为此应寻求更为有效的方法。

在掌握线性代数的知识后,用矩阵法解常系数线性齐次微分方程组较为方便。

关键词:基解矩阵特征方程特征值特征向量AbstractIn the ordinary differential equation, introduced that understood often the coefficient linear simultaneous differential equation's elimination, it is the solution often the coefficient linear simultaneous differential equation's most primary method, is suitable in knows the function few small simultaneous differential equation. Are many when regarding the unknown function, will be inconvenient with the elimination, for this reason should seek a more effective method. After grasping the linear algebra the knowledge, the coefficient linearity homogeneous simultaneous differential equation is often more convenient with the matrix technique solution.Keywords: basic solution of matrix characteristic equation eigenvalue Characteristic vector第一章:矩阵指数A引言已知常系数线性微分方程组:⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧+++=+++=+++=n nn n n n nn n n xa x a x a dtdx x a x a x a dtdx x a x a x a dt dx (22112222121212121111)(1) 的求解方法,通常可以用消元法将方程组化为一元的高阶微分方程:0 (111)111=+++--x b dtx d b dt x d n n n nn 来求解。

常微分方程中的常系数线性方程及其解法

常微分方程中的常系数线性方程及其解法

常微分方程中的常系数线性方程及其解法常微分方程(Ordinary Differential Equation,ODE)是一种数学模型,用于描述时间或空间上量的变化规律。

常微分方程中的常系数线性方程是ODE中一个重要的类别,其解法具有一定的规律性和普适性。

本文将就常微分方程中的常系数线性方程及其解法做简要介绍。

一、常系数线性方程的定义常系数线性方程是指其系数不随自变量t的变化而改变的线性方程。

一般写为:$$\frac{d^n}{dt^n}y(t)+a_{n-1}\frac{d^{n-1}}{dt^{n-1}}y(t)+...+a_1\frac{d}{dt}y(t)+a_0y(t)=f(t)$$其中a的值为常数,f(t)为已知函数,y(t)为未知函数,方程中最高阶导数的阶数为n。

n阶常系数线性方程也称为n阶齐次线性方程;当f(t)≠0时,称其为n阶非齐次线性方程。

二、常系数线性方程的解法对于一般形式的常系数线性方程,我们常用特征根的方法来求解。

具体来说,先考虑对应的齐次线性方程$$\frac{d^n}{dt^n}y(t)+a_{n-1}\frac{d^{n-1}}{dt^{n-1}}y(t)+...+a_1\frac{d}{dt}y(t)+a_0y(t)=0$$设y(t)=e^{rt},则有$$r^ne^{rt}+a_{n-1}r^{n-1}e^{rt}+...+a_1re^{rt}+a_0e^{rt}=0$$整理得到$$(r^n+a_{n-1}r^{n-1}+...+a_1r+a_0)e^{rt}=0$$根据指数函数的性质得到$$r^n+a_{n-1}r^{n-1}+...+a_1r+a_0=0$$求解方程$$r^n+a_{n-1}r^{n-1}+...+a_1r+a_0=0$$可得到n个特征根,设其为$r_1,r_2,...,r_n$。

则对于齐次线性方程,其通解为$$y(t)=c_1e^{r_1 t}+c_2e^{r_2 t}+...+c_ne^{r_n t}$$其中$c_1,c_2,...,c_n$为待定常数。

常系数线性方程组

常系数线性方程组

阵 T 将 A 化为 Jordan 标准形, 即:
J1

T −1AT = J =
...

Jm
其中约当块 Ji 为 ni × ni 阶方阵; i = 1, · · · , m; n1 + · · · + nm = n;
λi 1

Ji =
λi . . . ...
1
注2. 由上述证明过程可知, 只要 A 有 n 个线性无关的 特征向量 c1, · · · , cn(相应的特征值不必互异), 则定理 (4) 结论仍成立.
X(t) = [u(t) v(t)] = et
cos t sin t − sin t cos t
由于 X(0) = E, 因此 X(t) = eAt.
eA =

Ak k!
=
E
+
A
+
A2 2!
+
···
+
Am m!
+
···
(3)
k=0
其中
Am m!
E 为 n 阶单位阵, 规定 A0 = E, 0! = 1.
, 数项级数
∞ k=0
Am m!
=
(n − 1) + e
由于
Am m!
A , 故 eA
≤ 对
所有 A 都绝对收敛. 因此,eA 是一个确定的矩阵.
= eAeB;
(b) 对任意矩阵 A,eA 可逆且 (eA)−1 = e−A; (c) 若 T 可逆,则 eT −1AT = T −1eAT .
例2. 求 x = 解: 因为
21 02
的基解矩阵.
A=
21 02

常系数线性微分方程组的一种解法

常系数线性微分方程组的一种解法
3 ) +
’+
U" U$
, +. X +.
Y ! , X
( Z *
其中 Y 并且 , X 为待定的 0 维向量 !
( , * ( , * ’ ( ) *+ ’ , +) ! /! 01 . 9 ( [ * ) ! 显然 ! 次多项式 W 的 0,1 X 重 6 ( 6 * ,为 01 X , X
根( 表示 6 不为 W 的根 * 而6 0,1 X +) ( 6 * ! ( . ] , , X \ 但 \O , 为多项式 W 的 0\ 重根 & 故由 \] L ! * ( 6 * , X 引 理及文 P 得! 当以算子 W 作用 ( 式两边 ^ R ( T* Z * , X 后! 再令 $ 并注意到 ( 则有 +) ! [ *式 !
v v| " w # x $y x z{ x z}z{ " v 为其 特 征 多 项 式 E 考虑常系数齐次线性微分方程
k4 9 e= & / : 9 0 / 9 = & 6 1 1 4 = 4 6 / 9 :4 :7 4 h 6 /0 / ;01 & . b’ 09 &: & ’ h 69 e 6e & b& 7 6 / 6 & :’ 4 / 6 0 . ; 4 1 1 6 . 6 / = 66 j 0 9 4 & / :
L 0, 6 $ , 0, 1X
’+ 其中向量 Y , .+
U" U$
, +. X +.
Y ! , X
> = 共 轭多项式 ! 记为 : 这里 ; 表示复数 ; 的共轭 ( 6 * ! , , 复数 & 设? 而多项式 ( 6 *为一个复系数多项式 ! @ ( 6 *+ : ( 6 *- ? ( 6 * ! 则 A ( 6 *+ : ( 6 * ? ( 6 * ! > > B @ ( 6 *+ : ( 6 *- ? ( 6 * ! > B > A ( 6 *+ : ( 6 * ? ( 6 * 9

二元一阶常系数线性微分方程组的新解法

二元一阶常系数线性微分方程组的新解法

二元一阶常系数线性微分方程组的新解法
线性微分方程组是微积分和应用研究中的重要分支,能够解释许多实际问题。

其最基本的形式是二元一阶常系数线性微分方程组,已经有几十年历史,引起了学术界的许多研究兴趣。

近年来,学者们结合各种数学技术开发出许多新的解法,以帮助研究者更准确地分析二元一阶常系数线性微分方程组的解。

其中一种新解法是改进的Lie-Trotter算法。

它利用了传统的Lie-Trotter算法的基本原理,而引入另外的数学工具来提高解的准确度和速度。

该算法把原有微分方程“拆分”为一系列子问题,用更强大的数学工具进行解答,得到了更精确的解。

另外,该算法还采用了基于复数的元素,这样做能够降低解算的复杂度和计算时间。

改进的Lie-Trotter算法的准确性和计算效率在许多实际应用场景中得到了广泛验证,被认为是二元一阶常系数线性微分方程组的有效解决方案。

它的应用涵盖物理、化学、生物学等领域,为这些领域的研究工作提供了可靠的结果和新思路。

总之,改进的Lie-Trotter算法为解决二元一阶常系数线性微分方程组提供了一种新的方法,效果优异,应用广泛,受到了学术界的广泛欢迎。

常系数线性微分方程组的解法举例

常系数线性微分方程组的解法举例
数学表达
给定一个n阶常系数线性微分方程组,其一般形式为y' = Ay,其中y是一个n维向量,A是一个n×n的常数 矩阵。
线性微分方程组的分类
按照矩阵A的特征值分类
根据矩阵A的特征值,可以将线性微分方 程组分为稳定、不稳定和临界稳定三种 类型。
VS
按照解的形态分类
根据解的形态,可以将线性微分方程组分 为周期解、极限环解和全局解等类型。
总结解法技巧与注意事项
• 分离变量法:将多变量问题转化 为单变量问题,通过分别求解每 个变量的微分方程来找到整个系 统的解。
总结解法技巧与注意事项
初始条件
在求解微分方程时,必须明确初始条件,以便确定解 的唯一性。
稳定性
对于某些微分方程,解可能随着时间的推移而发散或 振荡,因此需要考虑解的稳定性。
常系数线性微分方程组的 解法举例
• 引言 • 常系数线性微分方程组的定义与性质 • 举例说明常系数线性微分方程组的解
法 • 实际应用举例 • 总结与展望
01
引言
微分方程组及其重要性
微分方程组是描述物理现象、工程问 题、经济模型等动态系统的重要工具。
通过解微分方程组,我们可以了解系 统的变化规律、预测未来的状态,并 优化系统的性能。
04
实际应用举例
物理问题中的应用
电路分析
在电路分析中,常系数线性微分方程组可以用来描述电流、电压和电阻之间的关系。通过解方程组,可以确定电 路中的电流和电压。
振动分析
在振动分析中,常系数线性微分方程组可以用来描述物体的振动行为。通过解方程组,可以预测物体的振动模式 和频率。
经济问题中的应用
供需关系
要点二
详细描述
初始条件是微分方程组中描述系统在初始时刻状态的约束 条件。它们对微分方程组的解具有重要影响,决定了解的 初始状态和行为。在求解微分方程组时,必须考虑初始条 件的影响,以确保得到的解是符合实际情况的。不同的初 始条件可能导致完全不同的解,因此在求解微分方程组时 ,需要仔细选择和确定初始条件。

常系数线性微分方程的求解

常系数线性微分方程的求解

2(#
,(#
.
! 11(+))]*($&1")+那么右端为:5*(4(+))%[0(+)./0"+&1(+)012"+]*$+所以#%%&1", 32+.(2 2(#
%0(+)(11(+),仍是求如(4)的特解。如果由方程(4)求得的特解为"*(+),对应的方程(3)的特解
是:"(+)%5*("*(+)*($&1")+)。
" %(7’./0!+&7!012!+)*+&5*("*)
%(7’./0!+&7!012!+)*+&’+,[!((+&’)./0!+&($+&))012!+]*+。
(’!)
利用通常的比较系数法要求出通解(’!)是相当困难的,作变量代换后把求解方程(’#)的问题
变得得容易了。
参考文献:
[’] 王高雄等8常微分方程8北京:高等教育出版社,!###
"& (%( ((%($
"& ! &$$! "$! ! &$
)(()" (( (%( ((%( ,)$!(&)" ! ! & " ! & & ,
#(( & (%(%
#! & !% #! $! !%
" (!*()(%(
$((%( ((%($

常系数齐次线性微分方程组

常系数齐次线性微分方程组

dx (t ) du (t ) dv (t ) i A(t ) u (t ) iv (t ) dt dt dt A(t )u (t ) iA(t )v (t )
由于两个复数表达式相等等价于实部和虚部相等,
常系数线性方程组
所以有
du (t ) dv (t ) A(t )u (t ), A(t )v (t ) dt dt 即 u (t ) 和 v (t ) 是方程组(2)的解.
X (t ) X (t ) X 1 (0)
常系数线性方程组
1 0 0 3 3 t e cos 2t sin 2t cos 2t sin 2t . 2 2 3 1 sin 2t cos 2t sin 2t cos 2t 2
0
(1)矩阵A具有n个互不相同的特征值时 由线代知识知道A一定有对应的n个线性无关 的特征向量。
常系数线性方程组
5 28 18 dx x 的通解. 1 5 3 例1 求方程组 dt 3 16 10
解 系数矩阵A的特征方程为
det( E A) 3 (1 2 ) 0
§7.3 常系数线性方程组
常系数线性方程组
一阶常系数线性微分方程组:
dx Ax f (t ), dt
( 1)
这里系数矩阵A为n n常数矩阵, f (t )在 a t b上连续的向量函数;
若f (t ) 0, 则对应齐线性微分方程组为
dx Ax (2) dt
本节先讨论(2)的基解矩阵的求法.
t
3e 0 et
t
故通解为
2 2et x (t ) (t )C 1 et 1 2et

常系数线性常微分方程

常系数线性常微分方程
微分方程转化为可分离变量的形式。
03 线性微分方程组的解法
矩阵表示法
矩阵表示法是一种将线性微分方程组 转换为矩阵形式的方法,通过矩阵运 算来求解微分方程组。
矩阵表示法可以简化计算过程,提高 求解效率,尤其适用于高阶线性微分 方程组。
特征值和特征向量
特征值和特征向量是线性微分方程组解的重要性质,它们描述了微分方程 组的解的特性。
投资回报
在金融领域,常系数线性常微分方程可以用来描述投资回报率随时 间的变化,为投资者提供决策依据。
经济增长模型
通过建立常系数线性常微分方程,可以分析一个国家或地区的经济 增长趋势,预测未来的经济状况。
在生物中的应用
1 2 3
生态模型
常系数线性常微分方程在生态学中广泛应用于描 述种群数量的变化规律,如种群增长、竞争等。
积分因子法
总结词
通过寻找一个积分因子,将微分方程转化为 积分方程,从而求解。
详细描述
积分因子法是一种求解常系数线性常微分方 程的方法。通过寻找一个积分因子,可以将 微分方程转化为积分方程,然后通过求解积 分方程得到原微分方程的解。这种方法在求 解某些特定类型的微分方程时非常有效,例 如通过寻找适当的积分因子可以将一阶线性
热传导问题
在热传导过程中,常系数线性常 微分方程可以用来描述温度随时 间的变化,从而分析热量传递的 规律。
波动方程
在声学和电磁学中,常系数线性 常微分方程可以用来描述波动现 象,如声波和电磁波的传播。
在经济中的应用
供需模型
常系数线性常微分方程可以用来描述市场的供需关系,分析价格 随时间的变化,预测市场趋势。
02
线性微分方程组的解还具有唯 一性和存在性,即对于给定的 初始条件和边界条件,存在唯 一的解。

§4.5 一阶常系数线性微分方程组解法举例

§4.5 一阶常系数线性微分方程组解法举例

2x
+ 2(c1e
x
+ c2e
2x
) c3e
2x
= ( 4c2 c3 )e 2 x + c1e x .
dx dt = y + z dy 的通解。 例 3.求微分方程组 = z + x 的通解 。 . dt dz = x + y dt
d ( x y) 由第一个方程和第二个方程得: 解 : 由第一个方程和第二个方程得 : = ( x y ) , dt
则称方程组( ) 齐次的, 若 gi ( x )= 0 ( i =1, 2, L, n) ,则称方程组(1)为齐次的, 否则称为非齐次的 非齐次的。 否则称为非齐次的。
则称方程组( ) 若 aij ( x ) ( i , j =1, 2, L n)为常数 ,则称方程组(1)为 一阶常系数线性微分方程组。 一阶常系数线性微分方程组。
x y = C1e ,
同理得 x z = C 2 e t ,
dx = 2 x (C 1 + C 2 ) e t , 由上面两式得 dt
t
解得 x = e 2 t [ ∫ (C 1 + C 2 ) e t e 2 t dt + C 3 ]
1 = e [ (C1 + C 2 )e 3t + C 3 ], 3
2t
即 x = C 3e
y = C 3e
2t
2t
1 + (C 2 2 C 1 )e t , 3
1 + (C 1 + C 2 ) e t , 3
1 + (C 1 2 C 2 )e t 。 3
z = C 3e
2t


习 题 七 (P249) P249)

二元一阶常系数线性微分方程组的新解法

二元一阶常系数线性微分方程组的新解法

二元一阶常系数线性微分方程组的新解法赵临龙【摘要】By employing the eigenvector K=(k1,k2) which satisfies the equations KT(A-λE)=0 of the characteristic equations |A-λE |=0,the bivariate first order linear differential equations with constant coefficients can be transformed into the bivariate linear algebraic equationsk1x1+k2x2=C1eλt+eλt∫(k1 f1+k2 f2)e-λtdt . Then combining the theories of the linear algebraic equations and the first order linear differential equations,the solutions of the original differential equations are given.%对于二元一阶常系数线性微分方程组:x′=Ax+f(t),引入特征根方程|A-λE|=0的特征行向量K=(k1,k2)(其中K满足:KT(A-λE)=0)概念,将二元一阶常系数线性微分方程组,化为二元一次代数线性方程:k1x1+k2x2=C1eλt+eλt∫(k1 f1+k2 f2)e-λtdt,并结合代数线性方程和一阶线性微分方程的理论,给出原微分方程组的解.【期刊名称】《河南科学》【年(卷),期】2017(035)005【总页数】5页(P673-677)【关键词】常系数线性微分方程组;代数线性方程组;特征根【作者】赵临龙【作者单位】安康学院数学与统计学院,陕西安康 725000【正文语种】中文【中图分类】O175.14对于二元一阶线性微分方程组:一般都是用基解矩阵或拉普拉斯变换等方法给出解,但这些方法都比较繁琐[1-15].文献[16-17]讨论了二元一阶线性齐次微分方程组的特殊形式的解法,文献[18]对于二元一阶线性齐次微分方程组的解法进行研究,给出相应结论.本文将对二元一阶线性非齐次微分方程组的解法进行讨论.对于常系数线性方程组(1),设是不全为零的常数,使得因此,依然将方程称为方程(1)的特征方程,而将满足(3)的k1,k2称为各特征根λ所对应的特征行向量.引理1若特征方程有2重特征根λ,则引理2若特征方程有2重特征根λ,则对于有1.1 矩阵A的特征根均是单根定理1如果常系数线性齐次方程组(1)的特征方程有2个互异的特征根λ1,λ2,而对应的两组线性无关的特征行向量为则(1)化为代数线性方程组其中:C1,C2为常数.证明设方程组(1)的系数矩阵A的2个互异的特征根为λ1,λ2,由(8)得到线性无关的特征行向量为k1,k2,则方程(1)化为(5).1.2 矩阵A的特征根是2重根定理2如果常系数线性齐次方程组(1)的特征方程是2重特征根λ,而对应的线性无关的特征行向量为满足(3),则(1)化为代数线性方程组其中:i=1,2,j=2,1;C1,C2为常数.证明若方程组(1)的特征方程特征根为λ,对应的线性无关的特征行向量满足则有代数线性方程若方程组(1)的特征方程是2重特征根λ,得到方程对于特征根λ,对应的线性无关的特征行向量由引理1,可取:现不妨取考虑新方程组其中:x0为常数,特征根为λ.根据引理2结论则由(7)和(9)得到结论(6).同理,对于k2≠0,可得到即结论(6)依然成立.例1[19]解方程组解由特征方程得特征根为对于所对应的特征行向量满足求得有代数方程:对于所对应的特征数满足求得K1=(1,-i),有代数方程:若设于是,可求得解.例2[20]解方程组解由特征方程得特征根为对于所对应的特征行向量满足【相关文献】[1]丁崇文.常微分方程习题与解答[M].厦门:厦门大学出版社,1998.[2]丁崇文.常微分方程习题与解答[M].2版.厦门:厦门大学出版社,2005.[3]王高雄,周之铭,朱思铭,等.常微分方程[M].3版.北京:高等教育出版社,2006.[4]窦霁虹.常微分方程导教·导学·导考[M].2版.西安:西北工业大学出版社,2007.[5]朱思铭.常微分方程学习辅导与习题解答[M].北京:高等教育出版社,2009.[6]丁同仁.常微分方程[M].北京:高等教育出版社,2010.[7]韩茂安.常微分方程[M].北京:高等教育出版社,2011.[8]杜正东,徐冰,何志蓉.常微分方程学习指导[M].北京:科学出版社,2011.[9]袁荣.常微分方程[M].北京:高等教育出版社,2012.[10]蔡燧林.常微分方程[M].3版.杭州:浙江大学出版社,2013.[11]马德高.常微分方程辅导及习题精解[M].3版.延吉:延边大学出版社,2013.[12]郭玉翠.常微分方程习题解答与学习指导[M].北京:清华大学出版社,2013.[13]李必文,赵临龙,张明波.常微分方程[M].武汉:华中师范大学出版社,2014.[14]张伟年,杜正东,徐冰.常微分方程[M].2版.北京:高等教育出版社,2014.[15]张祥.常微分方程[M].北京:科学出版社,2015.[16]赵临龙.二元一阶常系数线性微分方程组初等解法的讨论[J].河南科学,2013,31(12):1685-1690.[17]赵临龙.一阶常系数线性微分方程组“对称型”的初等解法再讨论[J].重庆三峡学院学报,2013(3):8-11,32.[18]赵临龙.常系数线性方程组的一种新解法[J].数学的实践与认识,2014(14):302-308. [19]赵临龙.常微分方程研究新论[M].西安:西安地图出版社,2000.[20]孙清华.常微分方程内容、方法、技巧[M].武汉:华中科技大学出版社.2006.。

常系数线性微分方程组的解法

常系数线性微分方程组的解法
结论 微分方程组(5.33)有非零解如)=e〃的充要条件 人是是矩阵4的特征根,c是与4对应的特征向量.
即(p(t)二泌为(5.33)解o (肛-A)c = 0,有非零解
例3试求矩阵入= 特征值和特征向量.
-5 3
解掘特征值就是特征方程
与—3 ~5 一
det(4E — A) =
— X2 — 62 + 34 = 0
常系数线性方程组
筒壬一页帛啊下一页「'惭返回'
证明:由上面讨论知,每一个向量函数
都是(5①.3⑺3)/=的'v[e解j气=,,因le,2外此,・2矩,・阵…・,,n/"J* ]
是(5.33由)的于解*,矩V阵2,,v〃线性无关, de所t 0以(0 = det(e%i, e^v2,…,e^vn)。0 故①⑴是(5.33)的基解矩阵

(2) ^AB^BA^\eA+B =eAeB.
对任何矩阵A,(expA)T存在,且
(expA)"1=exp (-A).
(3) 若『是非奇异的,则 exp (T-1AT) = T-1(expA)T.
3常系数齐线性微分方程组的基解矩阵
(1)定理9矩阵
(0)二E.
0(0 = exp At 是(5.33)的基解矩阵,且①

类似第四章4.2.2,寻求
尤=Ax, (5.33)
形 口 (p(f) — e%c,c。0, (5.43)
的解,其中常数人和向量c是待定的
将(5.43)代入(5.33)得 人 = Ae^c,
因泌、0,上式变为 (2E - A)c = 0, (5.44)
方程(5.44)有非零解的充要条件是
det(2E -A) = 0,
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

3
常系数线性方程组解的渐近性质
(6)
是 ni 阶单位阵,Ni 是 ni 阶幂零阵, 1 .. . .. . 1 , 0 0 ··· , Nini = 0. (7)
由 eAt 的表达式可得常系数线性方程组解的稳定性和 渐近性质的重要结论. 根据 (8)–(10), eAt 的元素均为形 如 p(t)eλi t 的函数的线性组合, p(t) 是 t 的阶次不高于 n 的多项式. 下面对于 λi 的不同情况讨论 eAt 的性质. (i)A 的特征值均有负实部, 即对每个 i , λi = α + iβ 且 α < 0. 此时 p(t)eλi t = p(t)eαt eiβt . 由于 |eiβt | = 1, 用 洛必达法则得 limt→+∞ p(t)eαt = 0. 故 limt→+∞ p(t)eλi t = 0. 因此, 方程组的任意非零解 x(t) → 0 (t → +∞). (ii) A 的特征值的实部均非正数, 并且实部为零的特 征值都是简单根 (或更一般些, 对应的初等因子都是一 次的). 此时, 对于有负实部的 λi 有 limt→+∞ p(t)eλi t = 0, 而对于那些有零实部的 λi = iβ , 由假设条件其对应 的 Jordan 块均为一阶 (ni = 1). 因此相应的 eJi t = eiβt 或相当于 p(t) = r(常数). 于是, eAt 的元素均有界. 从而 方程组的任意非零解对于 t ≥ 0 都有界. (iii) A 至少有一个特征值具有正实部. 不妨设 λ1 = α + iβ 且 α > 0 . 取常向量 c = [1, 0, · · · , 0]T . 由 (9),(10) 知方程组有一个解 x(t) = eAt T c = T eJt c = e(α+iβ )t v , 其中 v 是 T 的第一列向量 (因为 T 非奇异, v = 0). 因 为 α > 0, 故 x(t) = eαt v → ∞(t → +∞ 时). 于是方 程组有无界解. 相应于上述三种情况, 我们分别称齐线性微分方程 组 (1) 的零解为渐 渐近 稳 定 、稳 稳定 和不 不稳 定 . 显然, 常系数 线性方程组零解的稳定性完全由系数矩阵的特征值的性 质所决定. 思 考 题2. 设 A 的特征值 λi = αi + iβi 且 αi < 0, i = 1, · · · , n. 令 α = max1≤i≤n {αi }. 证明:∀σ ∈ (0, −α),∃ 常 数 M > 0 使 eAt ≤ M e−σt , t ≥ 0.
λ1 t
由此得两个线性无关得实值解 u(t) = et cos t − sin t , v (t) = et sin t cos t
c1 , · · · , e
λn t
cn ]
是方程组 (1) 的一个基解矩阵, 并且 eAt = X (t)X −1 (0). 证 明: 由上面讨论可知 φi (t) = eλi t ci 是 (1) 的解. 因 此 X (t) 是 (1) 的解基阵. 因 λi 互不相同, 相应的特征 向量 ci 线性无关. 因此 det X (0) = det[c1 , · · · , cn ] = 0. ∆ 故 X (t) 是基解矩阵. 因为 Φ(t) = X (t)X −1 (0) 也是基解 矩阵且 Φ(0) = E , 故 Φ(t) = eAt . 注 2. 由上述证明过程可知, 只要 A 有 n 个线性无关的 特征向量 c1 , · · · , cn (相应的特征值不必互异), 则定理 (4) 结论仍成立. 例3. 求以下方程组的通解: 5 −28 dx = −1 5 dt 3 −16 −18 3 x −10
这是一个复值解矩阵, 由定理 4 知: eAt = X (t)X −1 (0) = et = et eit ieit ie−it e−it sin t cos t 1 2 1 −i −i 1
cos t − sin t
解: 计算得知 det(λE − A) = 3λ(1 − λ2 ). 故 A 有特征 例 5. 求解初值问题: x = Ax + f (t), x(0) = [0, 1]T , 其 值 λ1 = 0, λ2 = 1, λ3 = −1. 分别计算相应的特征向量得: 中 A 同上例,f (t) = [e−t , 0]T . −2 2 3 c1 = −1 , c2 = −1 , c3 = 0 解: 根据常数变易公式 (5) 有 1 2 1 t 由此得通解 : At x ( t ) = e x (0) + eA(t−s) f (s)ds −2 2 3 0 x(t) = k1 −1 +k2 et −1 +k3 e−t 0 , k1 , k2 , k3 cos t sin t 0 = et 1 2 1 − sin t cos t 1 是任意常数. t cos(t − s) sin(t − s) e−s + e(t−s) ds At 练习 : 求方程组的标准基解矩阵 e . − sin(t − s) cos(t − s) 0 0
(1)
= A E + At +
A2 2 t + · · · = AX (t) 2!
故 X (t) 是的解矩阵. 再由 det X (0) = 1 知 X (t) 是基解 矩阵. (2) 推 论2. 齐线性方程组 (1) 的通解为 x(t) = eAt c, c为任意常向量;
其中 x = [x1 , · · · , xn ] ,A = [aij ]n×n 是常数阵,f (t) 是 t 的连续函数.
(ni −1)! tni −2 (ni −2)!
4
4.1
(8)
其他求解方法
待 定 函 数 方 法 (A 可 对 角 化 的情 况 )
t ..
.
. . .
t 1
.
设齐线性方程组 (1) 有形如 x(t) = eλt c 的解, 其中 λ, c 分 别为待定常数和非零常向量. 代入 (1) 得 λeλt c = Aeλt c. 因为 eλt = 0, 于是 (λE − A)c = 0. (11)
A+B
+··· =
2 1 0 2
的基解矩阵.
进一步,对矩阵 A, 可定义矩阵指数函数 eAt 或 exp At 且 2E 与 N 可交换, 即 (2E )N = N (2E ). 由性质 1(a) 如下: 得: eAt = e2Et+N t = e2Et eN t = e2t eN t . ∞ k 2 k A A A eAt = tk = E + At + t2 + · · · + tk + · · · (4) 因 N 是幂零阵, 即 N 2 = 0, 故 eN t 的级数展开仅含两项: k! 2! k! k=0 1 t 0 t . = eN t = E + N t + N 2 t + · · · = E + k ∞ A k A k k 0 1 0 0 由于对任意 k , A ≤ , 幂级数 t 在任何 k=0 k! k! k! 有限区间上一致收敛, 故 eAt 是矩阵 A 的指数函数. 1 t 因此得基解矩阵 eAt = e2t . 0 1 1
于是实基解矩阵可取为 X (t) = [u(t) v (t)] = et cos t − sin t sin t cos t
由于 X (0) = E , 因此 X (t) = eAt . 也可利用定理 4 求实基解矩阵. 由定理 4 知方程组 的基解矩阵可取为: X (t) = e(1+i)t ie(1+i)t ie(1−i)t e(1−i)t = et eit ieit ie−it e−it
T
. = T −1 eAt T, 得 (10) (9)
2
矩 阵 指 数 函 数 的 结 构 (Jordan 标 准形方法)
再由性质 1(c) 知 eJt = eT
−1 At
e
eAt = T eJt T −1 .
由矩阵论知识, 对任意实 n 阶方阵 A, 存在非奇异变换 阵 T 将 A 化为 Jordan 标准形, 即: J1 .. T −1 AT = J = . Jm 其中约当块 Ji 为 ni × ni 阶方阵; i = 1, · · · , m; n1 + · · · + nm = n; λi 1 . λi . . Ji = .. . 1 λi 0 1 λi . 0 .. . . = + . . .. 1 λi 0 = λ i Ei + N i λi 是 A 的特征值,Ei 满足 0 0 .. . Ni2 =
由 (6),(7) 以及 λEi 和 Ni 的可交换性得 eJi t = eλi Ei t eNi t = eλi t Ei Ei + Ni t + · · · + λi t = e 1 t 1
t2 2!
··· ··· .. . .. .
tni N ni −1 (ni − 1)! i tni −1
第四章 常系数线性方程组与方程
常系数线性方程组的解可利用矩阵理论的知识得到 完全的解决. 考虑常系数齐线性微分方程组 dx = Ax dt 和常系数非齐线性方程组 dx = Ax + f (t) dt
T
定 理 1. 矩阵 X (t) = eAt 是齐线性方程组 (1) 的标 准 基 解 矩阵 , 即 X (t) 是基解矩阵, 且 X (0) = E . 证 明: 由定义知 X (0) = E 并且 ˙ (t) X = (eAt ) = A + A2 t + A3 2 t + ··· 2!
相关文档
最新文档