MIT 18.06 linear algebra 第二十三讲笔记
第二十三课课程要点:
- Differential Equation dudt=AU d u d t = A U
- Exponential eAt e A t of a matrix
本节跳跃有点大,其实好些我也没懂,先记录下。
常系数线性方程的解是指数形式的
例子:
{du1dt=−u1+2u2du2dt=u1−2u2 { d u 1 d t = − u 1 + 2 u 2 d u 2 d t = u 1 − 2 u 2 , 其中 U(0)=[10] U ( 0 ) = [ 1 0 ] ,首先把方程组写成 dudt=AU d u d t = A U 的形式,那么矩阵 A=[−112−2] A = [ − 1 2 1 − 2 ] 。首先求解矩阵 A A 的特征值与特征向量。可以解出特征值为,对应的特征向量为 x1=[21],x2=[−11] x 1 = [ 2 1 ] , x 2 = [ − 1 1 ] 。
方程的解为 U(t)=C1eλ1tx1+C2eλ2tx2 U ( t ) = C 1 e λ 1 t x 1 + C 2 e λ 2 t x 2 ,因为上面说 dudt=AU d u d t = A U ,所以如果单单将 eλ1tx1 e λ 1 t x 1 对 t t 求导的话,结构为
当 t=0 t = 0 时, C1[21]+C2[1−1]=[10] C 1 [ 2 1 ] + C 2 [ 1 − 1 ] = [ 1 0 ] ,可以解出 C1=C2=13 C 1 = C 2 = 1 3 。进而 U(t)=13[21]+13[1−1]e−3t U ( t ) = 1 3 [ 2 1 ] + 1 3 [ 1 − 1 ] e − 3 t 。所以 U(∞)=13[21] U ( ∞ ) = 1 3 [ 2 1 ] 。
- Stability
当 t→∞ t → ∞ 时 U(t)→0 U ( t ) → 0 需要 eλt→0 e λ t → 0 因此 λ<0 λ < 0 。如果我们求解 λ λ 是解出其为复数时,只要复数的实部小于0即可,而不用管虚部如何。在这里实数部分是重要的。 - Steady State
λ1=0 λ 1 = 0 其他的 Reλi<0 R e λ i < 0 其中 Re R e 用来表示实数部分。 Blow up 如果存在 Reλ R e λ 大于0.
对于一个 2×2 2 × 2 形式的,要达到稳定状态需要 Reλ1<0andReλ2<0 R e λ 1 < 0 a n d R e λ 2 < 0
A=[acbd] A = [ a b c d ] ,矩阵的迹 Trace=a+d=λ1+λ2<0 T r a c e = a + d = λ 1 + λ 2 < 0 。 detA=λ1λ2>0 d e t A = λ 1 λ 2 > 0 ,如果仅保证迹小于零依旧有可能出现Blow up。
例如矩阵 [−2001] [ − 2 0 0 1 ] 就会出现Blow up
dudt=AU
d
u
d
t
=
A
U
,矩阵
A
A
表明与
u2
u
2
耦合。
这里让
U=SV
U
=
S
V
(以特征向量为基,把
U
U
表示为),
dudt=SdVdt=ASV
d
u
d
t
=
S
d
V
d
t
=
A
S
V
。
dVdt=S−1ASV=ΛV
d
V
d
t
=
S
−
1
A
S
V
=
Λ
V
。
|dvidt=λ1v1|
|
d
v
i
d
t
=
λ
1
v
1
|
,各个未知数之间没有联系的方程组存在,也就达到了解耦的目的。
V(t)=eΛtV(0)
V
(
t
)
=
e
Λ
t
V
(
0
)
,
U(t)=SeΛtS−1U(0)=eAtU(0)
U
(
t
)
=
S
e
Λ
t
S
−
1
U
(
0
)
=
e
A
t
U
(
0
)
Matrix exponential
eAt=I+At+(At)22+(At)36+⋯+(At)nn!
e
A
t
=
I
+
A
t
+
(
A
t
)
2
2
+
(
A
t
)
3
6
+
⋯
+
(
A
t
)
n
n
!
,这个就是传说中的泰勒展开,应用到矩阵上的结果。
泰勒展开
11−x=∑∞0xn
1
1
−
x
=
∑
0
∞
x
n
,应用到矩阵上时可以写为:
(I−At)−1=I+At+(At)2+⋯+(At)n
(
I
−
A
t
)
−
1
=
I
+
A
t
+
(
A
t
)
2
+
⋯
+
(
A
t
)
n
。
上面的 eAt=I+SΛS−1t+SΛ2S−1t22+⋯+SΛnS−1tnn!=S(I+Λt+Λ2t22+⋯)=SeΛtS−1 e A t = I + S Λ S − 1 t + S Λ 2 S − 1 t 2 2 + ⋯ + S Λ n S − 1 t n n ! = S ( I + Λ t + Λ 2 t 2 2 + ⋯ ) = S e Λ t S − 1 。
eΛt=⎡⎣⎢⎢⎢⎢⎢eλ10⋮00eλ1⋮0⋯⋯⋱⋯00⋮eλnt⎤⎦⎥⎥⎥⎥⎥ e Λ t = [ e λ 1 0 ⋯ 0 0 e λ 1 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ e λ n t ] ,其中 Λ Λ 是由特征值组成的对角阵,且 Reλ<0 R e λ < 0 就能收敛。
下面是一个复数平面:
图中的圆形区域是矩阵幂的稳定区域,在该区域内特征值的绝对值小于1。灰色区域矩阵的幂收敛于0。
y′′+by′+ky=0 y ″ + b y ′ + k y = 0 怎么把这个二阶线性方程化为一阶的呢?可以想想前面一节斐波那契数列的例子。令 U=[y′y] U = [ y ′ y ] ,因此 U′=[y′′y′]=[−b1−k0][y′y] U ′ = [ y ″ y ′ ] = [ − b − k 1 0 ] [ y ′ y ]
以上内容看上去挺乱的,还需后面再整理。