主题
Search

常微分方程--常系数系统


求解微分方程组

 (dx)/(dt)=Ax(t)+p(t),
(1)

其中 A 是一个 矩阵xp向量,首先考虑齐次情况 p=0。以下方程的解为

 (dx)/(dt)=Ax(t)
(2)

由下式给出

 x(t)=e^(At).
(3)

但是,根据 特征分解定理矩阵指数 可以写成

 e^(At)=uDu^(-1),
(4)

其中 特征向量 矩阵

 u=[u_1 ... u_n]
(5)

特征值 矩阵

 D=[e^(lambda_1t) 0 ... 0; 0 e^(lambda_2t) ... 0; | | ... 0; 0 0 ... e^(lambda_nt)].
(6)

现在考虑

e^(At)u=uDu^(-1)u=uD
(7)
=[u_(11) u_(12) ... u_(1n); u_(21) u_(22) ... u_(2n); | | ... |; u_(n1) u_(n2) ... u_(nn)][e^(lambda_1t) 0 ...  0; 0 e^(lambda_2t) ... 0 ; | | ... 0 ; 0 0 ... e^(lambda_nt) ]
(8)
=[u_(11)e^(lambda_1t) ... u_(1n)e^(lambda_nt); u_(21)e^(lambda_1t) ... u_(2n)e^(lambda_nt); | ... |; u_(n1)e^(lambda_1t) ... u_(nn)e^(lambda_nt)].
(9)

则各个解为

 x_i=(e^(At)u)·e_i^^=u_ie^(lambda_it),
(10)

因此,齐次解为

 x=sum_(i=1)^nc_iu_ie^(lambda_it),
(11)

其中 c_i 是任意常数。

因此,一般步骤如下

1. 通过求解 特征方程 找到矩阵 A特征值 (lambda_1, ..., lambda_n)。

2. 确定相应的 特征向量 u_1, ..., u_n

3. 计算

 x_i=e^(lambda_it)u_i
(12)

对于 i=1, ..., n。 则 向量 x_i (实数)是齐次方程的解。 如果 A 是一个 2×2 矩阵,则 复数 向量 x_j 对应于由 R[x_j]I[x_j] 给出的齐次方程的实数解。

4. 如果方程是非齐次的,找到由下式给出的特解

 x^*(t)=X(t)intX^(-1)(t)p(t)dt,
(13)

其中 矩阵 X 由下式定义

 X(t)=[x_1 ... x_n].
(14)

如果方程是齐次的,使得 p(t)=0,那么寻找 以下形式 的解

 x=xie^(lambdat).
(15)

这将得到方程

 (A-lambdaI)xi=0,
(16)

因此 xi 是一个 特征向量,而 lambda 是一个 特征值

5. 通解为

 x(t)=x^*(t)+sum_(i=1)^nc_ix_i.
(17)

使用 Wolfram|Alpha 探索

请引用为

Weisstein, Eric W. “常微分方程--常系数系统”。 来自 MathWorld--Wolfram Web 资源。 https://mathworld.net.cn/OrdinaryDifferentialEquationSystemwithConstantCoefficients.html

主题分类