e^(At)求解方法及其含义–线性微分方程的求解

$e^{At}$求解方法及其含义–线性微分方程的求解

1. 问题引出：

考虑一阶线性方程组：
$$\{\begin{array}{l}y{}_1^{\prime }(t)=a_{11}{y}_1(t)+a_{12}{y}_2(t)+\cdots +a_{1n}{y}_n(t)\\ y{}_2^{\prime }(t)=a_{21}{y}_1(t)+a_{22}{y}_2(t)+\cdots +a_{2n}{y}_n(t)\\ \dots \\ y{}_n^{\prime }(t)=a_{n1}{y}_1(t)+a_{n2}{y}_2(t)+\cdots +a_{nn}{y}_n(t)\end{array}$$
将上述线性方程组可以表示为向量的形式：$\vec{y}{}^{\prime }(t)=\text{A}\vec{y}(t)$其中，$\vec{y}(t)=[y_1(t),\dots ,y_n(t){]}^T$,A是系数矩阵，对于任一给定的初值向量$\vec{v}=(v_1,\dots ,v_n)$,方程都存在唯一的解满足$\vec{y}(0)=\vec{v})$,且该解可以写为如下的矩阵指数形式：
$$\vec{y}(t)=e^{At}\vec{v}$$
其中$e^{At}$定义为如下的幂级数形式：
$$e^{At}=\sum _{j=0}^{\infty }\frac{(At{)}^j}{j!}$$

​ 问题转化为$e^{At}$的求解问题，下面总结其几种求解方法。

2.求解方法：

(1). Cayley-Hamilton定理：

n阶线性矩阵微分方程的解的唯一性：

定理：若A是一个$n\times n$的常数矩阵，其特征多项式为：(零化多项式)
$$p(\lambda )=det(\lambda \text{I}-A)={\lambda }^n+c_{n-1}{\lambda }^{n-1}+\cdots +c_1\lambda +c_0$$
并且n阶矩阵微分方程：
$${\Phi }^{(n)}(t)+c_{n-1}{\Phi }^{(n-1)}(t)+\cdots +c_1{\Phi }^{\prime }(t)+c_0\Phi (t)=\text{0}$$
满足初始条件：
$${\Phi }^{\prime }(0)=I,{\Phi }^{\prime }(t)=A,{\Phi }^{\prime \prime }(0)=A^2,\dots ,{\Phi }^{(n-1)}=A^{n-1}$$
则$\Phi (t)=e^{At}$是n阶矩阵微分方程的唯一解。

下面给出利用上述定理求解此唯一解的方法：

定理：令A是一个$A\times A$的常数矩阵，其特征多项式为：
$$p(\lambda )=det(\lambda \text{I}-A)={\lambda }^n+c_{n-1}{\lambda }^{n-1}+\cdots +c_1\lambda +c_0$$
则满足初始条件的矩阵微分方程式的解由：
$$\Phi (t)=e^{At}=x_1(t)I+x_2(t)A+x_3(t)A^2+\cdots +x_n(t)A^{n-1}$$
给出，式中，$x_k(t)$是n阶标量微分方程且满足如下初始条件的解：
$$x^{(n)}(t)+c_{n-1}{x}^{(n-1)}(t)+\cdots +c_1{x}^{\prime }(t)+c_{0}x(t)=0(\ast )$$
初始条件：
$$\{\begin{array}{l}{x}_1(0)=1\\ x_1^{\prime }(0)=0\\ ⋮\\ x_1^{(n-1)}(0)=0\end{array},\{\begin{array}{l}{x}_2(0)=1\\ x_2^{\prime }(0)=0\\ ⋮\\ x_2^{(n-1)}(0)=0\end{array}\cdots \{\begin{array}{l}{x}_n(0)=1\\ x_n^{\prime }(0)=0\\ ⋮\\ x_n^{(n-1)}(0)=0\end{array}$$
注：上述 每一组初始条件确认对应于$x_k(t)$的特解，其中上述常系数齐次线性微分方程$(\ast )$的通解根据特征值的不同由下表给出：

特征方程的根	微分方程的通解对应项
单实根（${\lambda }_1,\dots$）	$C_1{e}^{{\lambda }_{1}t},\cdots$
k重实根 $ \lambda$	$e^{\lambda t}(C_1+C_{2}t+\cdots +C_k{t}^{k-1})$
一对共轭复根$ \lambda_{1,2}=\alpha\pm\beta i$	$e^{\alpha t}(C_{1}cos\beta t+C_{2}sin\beta t)$

(2).基于Jordan标准型：