六、自回归模型前置准备
1.推移算子
自回归模型是时间序列分析中一种基础模型,在引入这个模型之前,先引入一些便捷表达会让我们的讨论更加轻松。
首先是推移算子 B \mathscr B B,这是一个很好理解的概念,作用于某个时间序列中的随机变量上,相当于将其时间指标向前移动一位,即 B X t = X t − 1 \mathscr BX_t=X_{t-1} BXt=Xt−1,自然有 B n X t = X t − n \mathscr B^nX_t=X_{t-n} BnXt=Xt−n。推移算子 B \mathscr B B是作用于时间序列的时间指标 t t t的,如果一个随机变量不依赖于时间,那么推移算子对它不起作用,即 B Y = Y \mathscr BY=Y BY=Y。
这个算子的便利性,在于它可以与多项式结合,表示时间序列的线性组合。以我们的线性平稳序列为例,我们定义了 X t = ∑ j = − ∞ ∞ a j ε t − j X_t=\sum\limits_{j=-\infty}^\infty a_j\varepsilon_{t-j} Xt=j=−∞∑∞ajεt−j,但每写一个 X t X_t Xt都要写一次求和号很麻烦,如果此时我们引入一个多项式 ψ ( z ) = ∑ j = − ∞ ∞ a j z j \psi(z)=\sum\limits_{j=-\infty}^\infty a_jz^j ψ(z)=j=−∞∑∞ajzj,结合推移算子,就有 X t = ψ ( B ) ε t X_t=\psi(\mathscr B)\varepsilon_t Xt=ψ(B)εt,一下就变得简洁得多了。同时,推移算子的引入,也将这种滑动和与多项式建立了联系,以后我们可以通过对多项式的研究来讨论平稳序列的线性组合。
总的说来,令
ψ
(
z
)
=
∑
j
=
−
∞
∞
b
j
z
j
\psi(z)=\sum\limits_{j=-\infty}^\infty b_jz^j
ψ(z)=j=−∞∑∞bjzj,只要级数
∑
j
=
−
∞
∞
b
j
X
t
−
j
\sum\limits_{j=-\infty}^\infty b_jX_{t-j}
j=−∞∑∞bjXt−j在某种意义下收敛,就定义
ψ
(
B
)
=
∑
j
=
−
∞
∞
b
j
B
j
,
ψ
(
B
)
X
t
=
∑
j
=
−
∞
∞
b
j
(
B
j
X
t
)
=
∑
j
=
−
∞
∞
b
j
X
t
−
j
.
\psi(\mathscr B)=\sum_{j=-\infty}^\infty b_j\mathscr B^j,\quad \psi(\mathscr B)X_t=\sum_{j=-\infty}^\infty b_j(\mathscr B^jX_t)=\sum_{j=-\infty}^\infty b_jX_{t-j}.
ψ(B)=j=−∞∑∞bjBj,ψ(B)Xt=j=−∞∑∞bj(BjXt)=j=−∞∑∞bjXt−j.
其相关性质都比较简单,这里带过不说了。
2.常系数线性差分方程及其解
自回归模型的表现形式就是一种常系数线性差分方程,所以在引入自回归模型之前,不如先介绍这一种大类。常系数线性差分方程又可以分为齐次和非齐次的,表现形式常系数线性微分方程,因此我们也像讨论微分方程一样讨论差分方程。
常系数齐次线性方程就是在给定一组数
(
a
1
,
⋯
,
a
p
)
(a_1,\cdots,a_p)
(a1,⋯,ap)的情况下的此方程:
X
t
−
(
a
1
X
t
−
1
+
a
2
X
t
−
2
+
⋯
+
a
p
X
t
−
p
)
=
0
,
t
∈
Z
.
X_t-(a_1X_{t-1}+a_2X_{t-2}+\cdots +a_pX_{t-p})=0,\quad t\in\Z.
Xt−(a1Xt−1+a2Xt−2+⋯+apXt−p)=0,t∈Z.
这被称作
p
p
p阶齐次常系数线性差分方程,简称为齐次差分方程,满足此方程的时间序列(实值或复值)被称为齐次差分方程的解。结合刚才所说的推移算子,如果定义
A
(
z
)
=
1
−
∑
j
=
1
p
a
j
z
p
A(z)=1-\sum\limits_{j=1}^p a_jz^p
A(z)=1−j=1∑pajzp,那么
A
(
B
)
X
t
=
0
A(\mathscr B)X_t=0
A(B)Xt=0,也就是说差分方程由这个多项式
A
(
z
)
A(z)
A(z)唯一决定,故称此多项式
A
(
z
)
A(z)
A(z)为齐次差分方程的特征多项式。
如果给定一组初值 ( X 0 , ⋯ , X p − 1 ) (X_0,\cdots,X_{p-1}) (X0,⋯,Xp−1),则根据递推公式,可以唯一确定任何一个 X t X_t Xt,不论 t t t是正整数还是负整数,那么根据初值的任意性,齐次差分方程的解有无限多个。并且,如果 { X t } , { Y t } \{X_t\},\{Y_t\} {Xt},{Yt}都是方程的解,那么它们的线性组合 Z t = ξ X t + η Y t Z_t=\xi X_t+\eta Y_t Zt=ξXt+ηYt也是方程的解,因此齐次差分方程的解空间是一个线性空间,一切都与常系数齐次线性方程的如此相似。
那么我们自然会猜想,齐次差分方程的解会不会与齐次微分方程有类似的形式呢?现在,我们给出常系数差分方程的解形式。
齐次差分方程解的定理:设多项式 A ( z ) = 1 − ∑ j = 1 p a j z j A(z)=1-\sum\limits_{j=1}^p a_jz^j A(z)=1−j=1∑pajzj有 k k k个不同的零点 z 1 , ⋯ , z k z_1,\cdots,z_k z1,⋯,zk,每个零点 z j z_j zj的重数是 r ( j ) r(j) r(j),也就是
A ( z ) = ∏ j = 1 k ( 1 − z z j ) r ( j ) , A(z)=\prod_{j=1}^k(1-\frac{z}{z_j})^{r(j)}, A(z)=j=1∏k(1−zjz)r(j),
那么对任何 1 ≤ j ≤ k , 0 ≤ l ≤ r ( j ) − 1 1\le j\le k,0\le l\le r(j)-1 1≤j≤k,0≤l≤r(j)−1,都有
A ( B ) t l z j − t = 0. A(\mathscr B)t^lz_j^{-t}=0. A(B)tlzj−t=0.
也就是 t l z j − t t^lz_j^{-t} tlzj−t是方程的解,进一步方程的通解为
X t = ∑ j = 1 k ∑ l = 0 r ( j ) − 1 U l , j t l z j − t , t ∈ Z . X_t=\sum_{j=1}^k\sum_{l=0}^{r(j)-1}U_{l,j}t^lz_j^{-t},\quad t\in\Z. Xt=j=1∑kl=0∑r(j)−1Ul,jtlzj−t,t∈Z.
举个例子,如果 A ( z ) = 1 6 ( 2 − z ) ( 3 − z ) = 1 − 5 6 z + 1 6 z 2 A(z)=\frac16(2-z)(3-z)=1-\frac56z+\frac16z^2 A(z)=61(2−z)(3−z)=1−65z+61z2,则它有两个一重根 z 1 = 2 , z 2 = 3 z_1=2,z_2=3 z1=2,z2=3,所以方程 A ( B ) X t = 0 A(\mathscr B)X_t=0 A(B)Xt=0有两个解,分别为 2 − t , 3 − t 2^{-t},3^{-t} 2−t,3−t。通过此定理,我们可以发现齐次差分方程解的固定部分都是非随机的,前面的随机变量系数 U l , j U_{l,j} Ul,j由初值 ( X 0 , ⋯ , X p − 1 ) (X_0,\cdots,X_{p-1}) (X0,⋯,Xp−1)唯一确定。
我们可以对
{
t
l
z
j
−
t
}
\{t^lz_j^{-t}\}
{tlzj−t}是方程的解作出证明,根据
A
(
z
)
A(z)
A(z)的分解,我们只需要证明
(
1
−
z
j
−
1
B
)
r
(
j
)
t
l
z
j
−
t
=
0
(1-z_j^{-1}\mathscr B)^{r(j)}t^lz_j^{-t}=0
(1−zj−1B)r(j)tlzj−t=0成立即可。由于
l
≤
r
(
j
)
−
1
l\le r(j)-1
l≤r(j)−1,所以我们可以把
(
1
−
z
j
−
1
B
)
r
(
j
)
(1-z_j^{-1}\mathscr B)^{r(j)}
(1−zj−1B)r(j)拆成
(
1
−
z
j
−
1
B
)
[
l
+
1
]
+
[
r
(
j
)
−
(
l
+
1
)
]
(1-z_j^{-1}\mathscr B)^{[l+1]+[r(j)-(l+1)]}
(1−zj−1B)[l+1]+[r(j)−(l+1)]两部分,进一步,只需要证明
(
1
−
z
j
−
1
B
)
l
+
1
t
l
z
j
−
t
=
0
(1-z_j^{-1}\mathscr B)^{l+1}t^lz_j^{-t}=0
(1−zj−1B)l+1tlzj−t=0即可。使用数学归纳法,对于
l
=
0
l=0
l=0,显然有
(
1
−
z
j
−
1
B
)
z
j
−
t
=
z
j
−
t
−
z
j
−
1
z
j
−
(
t
−
1
)
=
0.
(1-z_j^{-1}\mathscr B)z_j^{-t}=z_j^{-t}-z_j^{-1}z_j^{-(t-1)}=0.
(1−zj−1B)zj−t=zj−t−zj−1zj−(t−1)=0.
进一步假设对于
0
≤
l
<
m
0\le l<m
0≤l<m都有
(
1
−
z
j
−
1
B
)
l
+
1
t
l
z
j
−
t
(1-z_j^{-1}\mathscr B)^{l+1}t^lz_j^{-t}
(1−zj−1B)l+1tlzj−t,那么对于
l
=
m
l=m
l=m时,就有
(
1
−
z
j
−
1
B
)
m
+
1
t
m
z
j
−
t
=
(
1
−
z
j
−
1
B
)
m
[
t
m
z
j
−
t
−
z
j
−
1
(
t
−
1
)
m
z
j
−
(
t
−
1
)
]
=
(
1
−
z
j
−
1
B
)
m
[
b
1
t
m
−
1
+
b
2
t
m
−
2
+
⋯
+
b
m
−
1
t
+
b
m
]
z
j
−
t
=
b
1
(
1
−
z
j
−
1
B
)
m
t
m
−
1
z
j
−
t
+
⋯
+
b
m
−
1
(
1
−
z
j
−
1
B
)
m
t
z
j
−
t
+
b
m
(
1
−
z
j
−
1
B
)
m
z
j
−
t
=
0.
\begin{aligned} &(1-z_j^{-1}\mathscr B)^{m+1}t^mz_j^{-t}\\ =&(1-z_j^{-1}\mathscr B)^m[t^mz_j^{-t}-z_j^{-1}(t-1)^{m}z_j^{-(t-1)}]\\ =&(1-z_j^{-1}\mathscr B)^m [b_1t^{m-1}+b_2t^{m-2}+\cdots +b_{m-1}t+b_m]z_j^{-t}\\ =&b_1(1-z_j^{-1}\mathscr B)^mt^{m-1}z_j^{-t}+\cdots+b_{m-1}(1-z_j^{-1}\mathscr B)^m tz_j^{-t}+b_m(1-z_j^{-1}\mathscr B)^mz_j^{-t}\\ =&0. \end{aligned}
====(1−zj−1B)m+1tmzj−t(1−zj−1B)m[tmzj−t−zj−1(t−1)mzj−(t−1)](1−zj−1B)m[b1tm−1+b2tm−2+⋯+bm−1t+bm]zj−tb1(1−zj−1B)mtm−1zj−t+⋯+bm−1(1−zj−1B)mtzj−t+bm(1−zj−1B)mzj−t0.
这里第一个等号是将
(
1
−
z
j
−
1
B
)
m
+
1
(1-z_j^{-1}\mathscr B)^{m+1}
(1−zj−1B)m+1拆成
m
m
m次和
1
1
1次的,并将
1
1
1次的作用于
t
m
z
j
−
t
t^mz_j^{-t}
tmzj−t;第二个等号是将
z
j
−
t
z_j^{-t}
zj−t提出来,并对
t
m
−
(
t
−
1
)
m
t^m-(t-1)^m
tm−(t−1)m进行同类项合并;第三个等号将线性组合拆开;第四个等号中可以将每一项拆成含有归纳假设的部分,得到0的结果。这样,我们就证明了
{
t
l
z
j
−
t
}
\{t^lz_j^{-t}\}
{tlzj−t}是方程的解,并且有证明显示,方程的所有解都具有这样的形式,于是得到命题中显示的格式。
对于非齐次的情况,即方程从
A
(
B
)
X
t
=
0
A(\mathscr B)X_t=0
A(B)Xt=0变成了
A
(
B
)
X
t
=
Y
t
A(\mathscr B)X_t=Y_t
A(B)Xt=Yt,这里
Y
t
Y_t
Yt是实值时间序列,我们依然将
A
(
z
)
A(z)
A(z)称为特征多项式,并且类比可以知道,如果这个方程存在一个特解
X
t
(
0
)
X_t^{(0)}
Xt(0),则非齐次方程的通解可以表现为特解+通解的形式,也即
X
t
=
X
t
(
0
)
+
∑
j
=
1
k
∑
l
=
0
r
(
j
)
−
1
U
l
,
j
t
l
z
j
−
t
.
X_t=X_t^{(0)}+\sum_{j=1}^k\sum_{l=0}^{r(j)-1}U_{l,j}t^{l}z_j^{-t}.
Xt=Xt(0)+j=1∑kl=0∑r(j)−1Ul,jtlzj−t.
事实上,斐波那契数列就是典型的齐次差分方程,满足
F
t
−
F
t
−
1
−
F
t
−
2
=
0
F_{t}-F_{t-1}-F_{t-2}=0
Ft−Ft−1−Ft−2=0,其特征多项式为
F
(
z
)
=
1
−
z
−
z
2
F(z)=1-z-z^2
F(z)=1−z−z2,有两个根
z
1
=
−
5
+
1
2
,
z
2
=
5
−
1
2
,
z_1=-\frac{\sqrt 5+1}{2},\quad z_2=\frac{\sqrt 5-1}{2},
z1=−25+1,z2=25−1,
所以通解应该是
F
t
=
U
1
z
1
−
t
+
U
2
z
2
−
t
F_t=U_1z_1^{-t}+U_2z_2^{-t}
Ft=U1z1−t+U2z2−t,又因为
F
1
=
F
2
=
1
F_1=F_2=1
F1=F2=1,代入解出
U
1
,
U
2
U_1,U_2
U1,U2后得到通项公式
F
t
=
1
5
[
(
1
+
5
2
)
n
−
(
1
−
5
2
)
n
]
.
F_t=\frac 1{\sqrt 5}\left[\left(\frac{1+\sqrt 5}2 \right)^n-\left(\frac{1-\sqrt 5}{2} \right)^n \right].
Ft=51[(21+5)n−(21−5)n].
3.差分方程解的一些性质
由于我们无法保证
A
(
z
)
A(z)
A(z)的所有根都是实根,难免有复根出现,因此我们不妨将它统一成复数表达,即
z
j
=
ρ
j
e
i
λ
j
z_j=\rho_je^{{\rm i}\lambda_j}
zj=ρjeiλj,这里
ρ
j
\rho_j
ρj是
z
j
z_j
zj的模长,
λ
j
\lambda_j
λj是
z
j
z_j
zj的辐角,顺便将随机变量
U
l
,
j
U_{l,j}
Ul,j也写成
U
l
,
j
=
V
l
,
j
e
i
θ
l
,
j
U_{l,j}=V_{l,j}e^{{\rm i}\theta_{l,j}}
Ul,j=Vl,jeiθl,j,那么通解可以表示成
X
t
=
∑
j
=
1
k
∑
l
=
0
r
(
j
)
−
1
U
l
,
j
t
l
z
j
−
t
=
∑
j
=
1
k
∑
l
=
0
r
(
j
)
−
1
V
l
,
j
e
i
θ
l
,
j
t
l
ρ
j
−
t
e
−
i
λ
j
t
=
∑
j
=
1
k
∑
l
=
0
r
(
j
)
−
1
V
l
,
j
t
l
ρ
j
−
t
e
i
(
θ
l
,
j
−
λ
j
t
)
.
X_t=\sum_{j=1}^k\sum_{l=0}^{r(j)-1}U_{l,j}t^{l}z_j^{-t}=\sum_{j=1}^k\sum_{l=0}^{r(j)-1} V_{l,j}e^{{\rm i}\theta_{l,j}}t^l\rho_j^{-t}e^{-{\rm i}\lambda_jt}=\sum_{j=1}^k\sum_{l=0}^{r(j)-1}V_{l,j}t^l\rho_j^{-t}e^{{\rm i}(\theta_{l,j}-\lambda _jt)}.
Xt=j=1∑kl=0∑r(j)−1Ul,jtlzj−t=j=1∑kl=0∑r(j)−1Vl,jeiθl,jtlρj−te−iλjt=j=1∑kl=0∑r(j)−1Vl,jtlρj−tei(θl,j−λjt).
我们发现此时的通解并不是实值解,如果我们要将其解限制在实值上,就要将通解取为复变量的实部或虚部,以下两种都是实解的表现形式,一般我们取实部,即
cos
\cos
cos的那一种。
ℜ
(
∑
j
=
1
k
∑
l
=
0
r
(
j
)
−
1
V
l
,
j
t
l
ρ
j
−
t
e
i
(
θ
l
,
j
−
λ
j
t
)
)
=
∑
j
=
1
k
∑
l
=
0
r
(
j
)
−
1
V
l
,
j
t
l
ρ
j
−
t
cos
(
λ
j
t
−
θ
l
,
j
)
,
ℑ
(
∑
j
=
1
k
∑
l
=
0
r
(
j
)
−
1
V
l
,
j
t
l
ρ
j
−
t
e
i
(
θ
l
,
j
−
λ
j
t
)
)
=
∑
j
=
1
k
∑
l
=
0
r
(
j
)
−
1
V
l
,
j
t
l
ρ
j
−
t
sin
(
λ
j
t
−
θ
l
,
j
)
.
\Re\left(\sum_{j=1}^k\sum_{l=0}^{r(j)-1}V_{l,j}t^l\rho_j^{-t}e^{{\rm i}(\theta_{l,j}-\lambda _jt)} \right)=\sum_{j=1}^k\sum_{l=0}^{r(j)-1}V_{l,j}t^l\rho_j^{-t}\cos (\lambda_jt-\theta_{l,j}),\\ \Im\left(\sum_{j=1}^k\sum_{l=0}^{r(j)-1}V_{l,j}t^l\rho_j^{-t}e^{{\rm i}(\theta_{l,j}-\lambda _jt)} \right)=\sum_{j=1}^k\sum_{l=0}^{r(j)-1}V_{l,j}t^l\rho_j^{-t}\sin (\lambda_jt-\theta_{l,j}).
ℜ⎝⎛j=1∑kl=0∑r(j)−1Vl,jtlρj−tei(θl,j−λjt)⎠⎞=j=1∑kl=0∑r(j)−1Vl,jtlρj−tcos(λjt−θl,j),ℑ⎝⎛j=1∑kl=0∑r(j)−1Vl,jtlρj−tei(θl,j−λjt)⎠⎞=j=1∑kl=0∑r(j)−1Vl,jtlρj−tsin(λjt−θl,j).
因为
U
l
,
j
U_{l,j}
Ul,j是由初值
(
X
0
,
⋯
,
X
p
−
1
)
(X_0,\cdots,X_{p-1})
(X0,⋯,Xp−1)唯一决定的,所以作为
U
l
,
j
U_{l,j}
Ul,j的模和辐角的
V
l
,
j
,
θ
l
,
j
V_{l,j},\theta_{l,j}
Vl,j,θl,j也是由初值唯一决定的。
接下来我们讨论解的收敛性,从通解的形式可以看出,如果
A
(
z
)
A(z)
A(z)的根
z
j
z_j
zj都在单位圆外,即
∣
z
j
∣
=
ρ
j
>
1
|z_j|=\rho_j>1
∣zj∣=ρj>1,那么必定存在一个正数
α
∈
(
1
,
min
j
ρ
j
)
\alpha\in(1,\min\limits_j\rho_j)
α∈(1,jminρj),当
t
→
∞
t\to \infty
t→∞时,
t
l
ρ
j
−
t
=
t
l
∣
α
ρ
j
∣
t
α
−
t
=
o
(
α
−
t
)
,
即
t
l
∣
α
ρ
j
∣
t
=
o
(
1
)
,
t
→
∞
.
t^l\rho_j^{-t}=t^l\left|\frac{\alpha}{\rho_j}\right|^t\alpha^{-t}=o(\alpha^{-t}),即t^l\left|\frac\alpha{\rho_j} \right|^t=o(1),t\to \infty.
tlρj−t=tl∣∣∣∣ρjα∣∣∣∣tα−t=o(α−t),即tl∣∣∣∣ρjα∣∣∣∣t=o(1),t→∞.
也就是任何一个基础解都以负指数阶收敛到0(是
o
(
α
−
t
)
o(\alpha^{-t})
o(α−t)),则通解作为基础解的线性组合,自然也是以负指数阶收敛到0的
o
(
α
−
t
)
o(\alpha^{-t})
o(α−t)。
研究这个的意义是什么呢?通解的收敛性,代表不管取什么样的初值(决定的什么样的 U l , j U_{l,j} Ul,j),随着时间的不断增加,通解都会趋向于可以忽略不计的。那么对于非齐次差分方程,它的通解是特解+齐次差分方程的通解,随着时间的推移将只与特解的性质有关,而如果特解也是收敛的,这样非齐次差分方程的通解就可以不受初值影响,最后呈现出某种规律。
从刚才的论证过程,可以发现,要想通解收敛,就必须让所有的 ρ j > 1 \rho_j>1 ρj>1。而如果有一个 ρ j = 1 \rho_j=1 ρj=1,对应的基础解就是 V l , j t l cos ( λ j t − θ l , j ) V_{l,j}t^l\cos(\lambda_jt-\theta_{l,j}) Vl,jtlcos(λjt−θl,j),呈现出某种周期性,而且必定有一个周期解为 a cos ( λ j t ) a\cos(\lambda_jt) acos(λjt)。而如果有 ρ j < 1 \rho_j<1 ρj<1,对应的基础解就会迅速发散于无穷大,此时方程的解是无法预测的。
正因如此,我们接下来要研究的自回归方程,是一种常系数非齐次差分方程,并且它的通解是收敛的,这才有研究的意义。
回顾总结
-
推移算子 B \mathscr B B是作用于时间序列的, B X t = X t − 1 \mathscr BX_t=X_{t-1} BXt=Xt−1,与多项式进行结合可以简便地表示时间序列的线性组合。
-
常系数齐次差分方程可以表示为 A ( B ) X t = 0 A(\mathscr B)X_t=0 A(B)Xt=0,这里 A ( z ) A(z) A(z)是一个关于 z z z的多项式,被称为特征多项式,有以下的表现形式。
A ( z ) = 1 − ∑ j = 1 p a j z j . A(z)=1-\sum_{j=1}^pa_jz^j. A(z)=1−j=1∑pajzj.
如果我们令 a 0 = − 1 a_0=-1 a0=−1,则 A ( z ) = − ∑ j = 0 p a j z j A(z)=-\sum_{j=0}^p a_jz^j A(z)=−∑j=0pajzj。 -
对于常系数齐次差分方程 A ( B ) X t = 0 A(\mathscr B)X_t=0 A(B)Xt=0的求解问题,如果 A ( z ) A(z) A(z)有 k k k个不同的根 z 1 , ⋯ , z k z_1,\cdots,z_k z1,⋯,zk,每一个根 z j z_j zj的重数是 r ( j ) r(j) r(j),则差分方程基础解为 t l z j − t , 0 ≤ l ≤ r ( j ) − 1 t^{l}z_j^{-t},0\le l\le r(j)-1 tlzj−t,0≤l≤r(j)−1,通解为
∑ j = 1 k ∑ l = 0 r ( j ) − 1 U l , j t l z j − t = ∑ j = 1 k ∑ l = 0 r ( j ) − 1 V l , j t l ρ j − t e − i ( λ j t − θ l , j ) , \sum_{j=1}^k\sum_{l=0}^{r(j)-1}U_{l,j}t^lz_j^{-t}=\sum_{j=1}^k\sum_{l=0}^{r(j)-1}V_{l,j}t^l\rho_j^{-t}e^{-{\rm i}(\lambda_jt-\theta_{l,j})}, j=1∑kl=0∑r(j)−1Ul,jtlzj−t=j=1∑kl=0∑r(j)−1Vl,jtlρj−te−i(λjt−θl,j),
实数基础解为 V l , j t l ρ j − t cos ( λ j t − θ l , j ) V_{l,j}t^l\rho_j^{-t}\cos(\lambda_jt-\theta_{l,j}) Vl,jtlρj−tcos(λjt−θl,j),实数通解为
∑ j = 1 k ∑ l = 0 r ( j ) − 1 V l , j t l ρ j − t cos ( λ j t − θ l , j ) . \sum_{j=1}^k\sum_{l=0}^{r(j)-1}V_{l,j}t^l\rho_j^{-t}\cos(\lambda_jt-\theta_{l,j}). j=1∑kl=0∑r(j)−1Vl,jtlρj−tcos(λjt−θl,j). -
如果所有 ρ j > 1 \rho_j>1 ρj>1,那么通解是收敛的(以负指数阶收敛到0);如果存在 ρ j = 1 \rho_j=1 ρj=1,就存在周期解;如果存在 ρ j < 1 \rho_j<1 ρj<1,就存在爆炸解。这里 ρ j \rho_j ρj是 z j z_j zj的模长。
-
常系数非齐次差分方程的通解,是特解+齐次差分方程的通解。