【线性代数公开课MIT Linear Algebra】 第二十三课 微分方程与exp(At)

本系列笔记为方便日后自己查阅而写，更多的是个人见解，也算一种学习的复习与总结，望善始善终吧~

一阶常系数微分方程

---

$Au=$$du\over dt$

将一阶常系数微分方程转换为线性代数问题的关键在于常系数微分方程的解一定是指数形式的。那么我们的需要求解的东西就是指数的系数和指数的幂，而这可以转换为线性代数问题。

解的指数形式通常是自然常数$e$的指数（猜测是因为时域信号可以转到频域，傅里叶变换，这方面学识浅薄）

这个形式很容易让我们联想到之前对于矩阵$A$的幂的求解，这里看一个例子：

这里问题被转换为了求解$Au=$$du\over dt$

特征值与特征向量

先找$A$的特征值和特征向量
求解特征值
两个小技巧：

• 行列式determinant为特征值的积
• 矩阵的迹trace为特征值的和

当然可以直接求解determinant=0得到特征值：

由于老师直接剧透$e$的幂系数中为矩阵$A$的特征值，那么对于特征值-3来说，随着t的增加，最终这一项为0；而对于特征值0来说，随着t增加，最终这一项为某一个确定值（解会收敛）；举一反三：对于特征值大于0，随着t增加，解发散。

求解特征向量
两个小技巧：

• 对于特征值为0，特征向量即为null space，free variable自由变量置1很容易求得
• 对于另一个特征值-3，利用$A-\lambda I$特征向量不变，也可以转换为求解null space

  

  解的形式

  
  解会是上面这样的形式，证明：
  带入之前的公式 dudt