线性微分方程组
Last updated
Last updated
一般假设 $a_ij(t)$ 和 $f_i(t)$ 都是 $(a,b)$ 上的连续函数
若 $f_i(t)\equiv0$,则成为齐次方程组
若令
是 $(a,b)$ 到 $R^n$ 上的映射,$A(t)=(a{ij}(t)){n\times n}$
则方程组可以重写为
在 $t\in(a,b), y\in R$ 上,$F$ 连续,关于 $y$ 局部李氏连续,且
定理 (解的存在唯一性):此类微分方程对初值问题的解存在唯一,且解可以延拓到 $(a,b)$ 上
定理
如果 $y_1,y_2$ 是齐次线性方程组的解,则对任何常数 $C_1,C_2$,$C_1y_1+C_2y_2$ 也是解
证明
直接验证
推论
齐次方程组全体解构成一个线性空间,称为解空间
定义
向量函数 $\phi_i(x): (a,b)\to R^n, 1\le i\le m$ 称为线性相关的,如果存在不全为零的常数 $C_1,C_2,\cdots,C_m$ 满足
命题
假设齐次方程组有 $m$ 个解 $y_i(x)$,则 $y_i(x)$ 线性相关的充要条件是,存在 $x_0\in(a,b)$,$y_i(x_0)$ 线性相关
必要性显然,充分性:由线性相关性,存在不全为零的常数 $C_1,\cdots,C_m$,满足
令
则 $y(x)$ 是齐次方程组的解,$y(x_0)=0$,由解的唯一性,$y(x)\equiv0$,也就是 $y_i(x)$ 线性相关
定理
齐次方程组的解空间是 $n$ 维线性空间:存在 $n$ 个线性无关的解 $y_i(x)$,使得
构成全体解
证明
设
是 $n$ 个标准基,$y_i(x)$ 是满足
的解,则 $y_i(x_0)$ 线性无关,必有 $n$ 个 $y_i(x)$ 线性无关
设 $y(x)$ 是方程的任意一个解,设
考虑解
则有 $\tilde y(x_0)=y(x_0)$,由解的唯一性,$\tilde y(x)\equiv y(x), \forall x\in(a,b)$
设
则
命题
$Y(x)$ 是解矩阵等价于 $Y(x)$ 的每一列都是齐次方程组的解
若 $\det Y(x)\neq0$,则 $Y(x)$ 称为基本解矩阵
命题
$Y(x)$ 是解矩阵,则对于任意向量
有 $Y(x)C$ 一定是解
命题
$Y(x)$ 是解矩阵,$B$ 是一个 $n\times n$ 的常数矩阵,则 $Y(x)B$ 仍是解矩阵,特别地,如果 $Y(x)$ 为基本解矩阵,$B$ 是可逆矩阵,则 $Y(x)B$ 仍是基本解矩阵,同时所有的基本解矩阵可以在 $B$ 取遍所有的可逆矩阵时给出
证明
取定 $x_0\in(a,b)$,设 $X(x)$ 为任意一个基本解矩阵,$B=Y(x_0)^{-1}X(x_0)$,并设
则 $\tilde X(x)$ 是基本解矩阵且 $\tilde X(x_0)=X(x_0)$,由唯一性
命题
设 $Y(x)$ 是一个基本解矩阵,则 $Y(x)C, C\in R^n$ 是方程的通解
证明
取定 $x_0\in(a,b)$,设 $y(x)$ 是任意一个解,取 $C=Y(x_0)^{-1}y(x_0)$,则解 $\tilde y(x)=Y(x)C$ 满足 $\tilde y(x_0)=y(x_0)$,由唯一性 $\tilde y(x)=y(x)$,从而 $y(x)=Y(x)C$
定理 (刘维尔公式):
设 $Y(x)$ 是一个解矩阵,$W(x)=\det Y(x)$,则
证明
即证
命题
设 $\Phi(x)$ 是对应齐次方程组的基本解矩阵,$y_*(x)$ 是原方程的一个解,则
证明
显然 $y-y*$ 是齐次方程组的解,因此存在 $C\in R^n$,使得 $y-y*=\Phi C$
寻找特解
设原方程有一个解有形式
那么
得到原方程一个解
求通解
其中 $A$ 是 $n\times n$ 的常系数矩阵
其对应的齐次方程组为
$y=e^{Ax}$ 是一个解,因为
这里已经定义了
这个级数逐项收敛,且逐项求导之后依然一致收敛,因此对级数求导的结果相当于逐项求导后的级数
$e^{Ax}$ 当然是一个解矩阵,同时 $x=0$ 时,$e^{Ax}=I_n$,因此 $e^{Ax}$ 是一个基本解矩阵
定义 (矩阵的模)
$M_n$ 是一切 $n$ 阶实矩阵的集合,实际上构成了一个 $n^2$ 维的完备的线性空间,定义
从而
在 $x$ 的任意有界区间上是绝对一致收敛的,任意阶逐项求导之后也是绝对一致收敛的,因此它是一个 $C^\infty$ 的矩阵函数,可逐项求导任意多次
矩阵函数的性质
$A,B\in M_n$ 且 $AB=BA$,则 $e^{A+B}=e^Ae^B=e^Be^A$
由级数的绝对收敛性,可以合并两个级数,且任意交换求和次序
推论:对任意 $A\in M_n$,$(e^A)^{-1}=e^{-A}$
$P\in M_n$ 是可逆的,则
命题
满足 $\Phi(0)=E_n$ 的基本解矩阵为 $\Phi(x)=e^{Ax}$
推论
的通解为
$C\in R^n$ 为任意列向量,而满足 $y(x_0)=y_0$ 的初值问题的解为
如何求出 $e^{Ax}$
例
$A=\text{diag}(a_1,a_2,\cdots,a_n)$,则 $A^k=\text{diag}(a_1^k,a_2^k,\cdots,a_n^k)$,从而
例
其中
显然有 $E_3Z_3=Z_3E_3$,且
因此
利用 Jordan 标准型
对于每一个 $n$ 阶矩阵 $A$,存在 $n$ 阶非奇异矩阵 $P$,使得
其中
被称为 Jordan 标准型,由 Jordan 块
构成,因此
从而
事实上由 $P$ 的可逆性, $e^{Ax}P=Pe^{Jx}$ 也是方程的一个基本解矩阵
但是一般来说,求 Jordan 标准型和过渡矩阵 $P$ 的计算量非常大,需要寻找替代方法
待定指数函数法
矩阵 $A$ 的 Jordan 标准型依赖于它特征根的重数
如果 $A$ 只有实的单特征根 $\lambda_1,\cdots,\lambda_n$,则 $A$ 的 Jordan 标准型就是一个对角矩阵
且 $\Phi(0)=P$,有 $e^{Ax}=\Phi(x)\Phi^{-1}(0)$
令 $r_i$ 表示 $P$ 的第 $i$ 列的向量,则基本解矩阵 $\Phi(x)$
可是要怎么求 $r_i$ 呢
引理
微分方程组有非零解 $y=e^{\lambda x} r$,当且仅当 $\lambda$ 是 $A$ 的特征根,而 $r$ 是与 $\lambda$ 相应的特征向量
证明
$r$ 的非零解就是 $A$ 的特征根相应的特征向量
从而有
定理
设 $n$ 阶矩阵 $A$ 有 $n$ 个互不相同的特征根 $\lambda_i$,则矩阵函数
是一个基本解矩阵,其中 $r_i$ 是与 $\lambda_i$ 相应的特征向量
证明
由上面的引理,$\Phi(x)$ 当然是一个解矩阵,又由 $r_i$ 之间是线性无关的,即 $\Phi(0)$ 是满秩的,$\Phi(x)$ 也是一个基本解矩阵
实际上证明过程并没有用到 $\lambda_i$ 互不相同,只要求 $r_i$ 之间线性无关,因此定理的结果可以加强 (但是不一定好用,因为不好判断相同的特征根下的特征向量是否线性无关)
$A$ 只有单特征根,但是包括复值根,从而 $\Phi(x)$ 可能是复的,虽然最终的 $e^{Ax}$ 一定是实的,但是计算 $\Phi^{-1}(0)$ 的过程计算量较大
事实上如果微分方程组有一个复值解,则由于方程的系数是实数,对方程两边取共轭之后易知该复值解的共轭也是方程的解;由于复值解的实部和虚部都可以用它与其共轭的线性表出,实部和虚部一定同时为方程的解,可以将两个复值解替换掉
$A$ 有重特征根
设 $A$ 互不相同的特征根为 $\lambda_1,\lambda_2,\cdots,\lambda_s$,相应的重数分别为 $n_1,n_2,\cdots,n_s$
在 $A$ 的 Jordan 标准型中,与 $\lambda_i$ 相对应的 Jordan 块可能不止一个,但这些 Jordan 块的阶数之和为 $n_i$
在基本解矩阵 $e^{Ax}P$ 的所有列向量中,与 $\lambda_i$ 相关的 $n_i$ 列都具有下列形式
级数截断在 $n_i-1$
引理
方程有如上的非零解的充要条件是,$r_0$ 是齐次线性方程组
的一个非零解,而 $r_k$ 是递推定义的
证明
将上述形式代入
逐项比较系数即有上述定义
命题
设矩阵 $A$ 的互不相同的特征根为 $\lambda_1,\lambda_2,\cdots,\lambda_s$,相应的重数分别为 $n_1,n_2,\cdots,n_s$,记 $n$ 维常数列向量组成的线性空间为 $\mathbb{V}$,则
$\mathbb V_i=\left{r\in \mathbb V\left|(A-\lambda_i)^{n_i}r=0\right.\right}$ 是矩阵 $A$ 的 $n_i$ 维不变子空间
$\mathbb V$ 有直和分解
定理
在有重根的情形下,基本解矩阵 $\Phi(x)$ 为
其中
是与 $\lambdai$ 对应的第 $j$ 个向量多项式,而 $r{jk}^{(i)}$ 是齐次线性方程组的 $ni$ 个线性无关的解,且 $r{jk}^{(i)}$ 是用 $r_{j0}^{(i)}$ 代替引理中的 $r_0$ 而依次得出的 $r_k$
证明
$\Phi(x)$ 显然是解矩阵,只需要证明各列线性无关,而
则我们总可以选取解空间 $\mathbb V$ 中满足 $(A-\lambdaiE_n)^{n_i}r=0$ 的 $r$ 张成的 $n_i$ 维子空间 $\mathbb V_i$ 的基底作为 $r{j0}^{(i)}$,同时由于 $\mathbb V$ 恰为 $s$ 个 $\mathbb V_i$ 的直和,各个子空间的基底与其他子空间的基底也是线性无关的,从而就证明了 $\Phi(x)$ 的各项是线性无关的,它是一个基本解矩阵