美文网首页
微分方程-常系数线性方程组

微分方程-常系数线性方程组

作者: 洛玖言 | 来源:发表于2019-11-15 21:03 被阅读0次

常系数线性方程组

对于线性方程组,只要得到了相应的齐次线性方程组的基本解组,我们就可以常数变易公式给出他的通解. 因此本节主要给出常系数齐次线性方程组的基本解组的求解方法.

将常系数齐次线性方程组表述为矩阵形式

\dfrac{\text{d}}{\text{d}t}\begin{pmatrix} x_1\\ \vdots\\ x_n\\ \end{pmatrix}= \begin{pmatrix} a_{11}&\cdots&a_{1n}\\ \vdots&&\vdots\\ a_{n1}&\cdots&a_{nn} \end{pmatrix} \begin{pmatrix} x_1\\ \vdots\\ x_n \end{pmatrix}\quad(4.14)

由于需要考虑特征值,因此我们在复数域讨论方程组(4.14). 简记列向量 \overrightarrow{x}=(x_1,x_2,\cdots,x_n)^Tn\times n 阶矩阵 \boldsymbol{A}=(a_{ij}). 同样用 Euler 指数函数法,设(4.14)有如下形式的特解:

\boldsymbol{x}=\boldsymbol{c}e^{\lambda t}\quad(4.15)

其中 \lambda\in\mathbb{C} 和非零向量 \boldsymbol{c}=(c_1,c_2,\cdots,c_n)^T\in \mathbb{C}^n 都是待定的. 将(4.15)带入(4.14)得

(\lambda \boldsymbol{I}-\boldsymbol{A})\boldsymbol{x}=\boldsymbol{0},\quad(4.16)

从而化成了线性代数中求矩阵 \boldsymbol{A} 的特征值 \lambda 和相应的特征向量 \boldsymbol{c} 的问题. 方程组(4.14)有非零解当且仅当系数行列式 \det(\lambda \boldsymbol{I}-\boldsymbol{A})\boldsymbol{c}=0. 我们称 \det(\lambda\boldsymbol{I}-\boldsymbol{A}=0)特征方程.


定理 4.4

如果矩阵 \boldsymbol{A}n 个彼此互异的特征根 \lambda_1,\lambda_2,\cdots,\lambda_n,则方程组(4.14)有基本解组 \boldsymbol{c}^{(1)}e^{\lambda_1t},\boldsymbol{c}^{(2)}e^{\lambda_2t},\cdots,\boldsymbol{c}^{(n)}e^{\lambda_nt},其中 \boldsymbol{c}^{(1)},\boldsymbol{c}^{(2)},\cdots,\boldsymbol{c}^{(n)} 使分别相应于 \lambda_1,\lambda_2,\cdots,\lambda_n 的特征向量.

--

定理的证明是根据十分基本的线性代数知识,在定理的条件下矩阵 \boldsymbol{A} 可对角化,对应的特征向量 \boldsymbol{c}^{(1)},\boldsymbol{c}^{(2)},\cdots,\boldsymbol{c}^{(n)} 是线性无关的并构成 \mathbb{C}^n 的一组基.

较困难的问题是上述 \boldsymbol{A} 不可对角化的情形. 在一般情况下 \boldsymbol{A} 的特征方程可以有重根,故 \boldsymbol{A} 只能在 \mathbb{C} 上化成 Jordan 标准型. 我们将引入矩阵指数函数的方法.


因为这部分内容比较多,所以分为三个部分

  • [矩阵指数函数]
  • [标准解矩阵的初等表达]
  • [重特征根情形结论]

相关文章

网友评论

      本文标题:微分方程-常系数线性方程组

      本文链接:https://www.haomeiwen.com/subject/nkfeictx.html