线性代数基础11--微分方程,傅里叶级数与马尔可夫矩阵

1,微分方程
首先根据微分方程,抽象出矩阵A
在这里插入图片描述
解出矩阵A的特征值与特征向量
在这里插入图片描述
可以看出以上这两步,与以前解差分方程非常类似.只是下一步根据特征值特征向量写u(t)的解有区别.
在这里插入图片描述
在这一步,我们写出微分方程的通解.u(t)它对应于差分方程的A的n次方u0.至此解中的特征值特征向量,我们已经得到.只有c1,c2未知.这一部分也是从初始值中得到.
另外这里有一个特征值为0,就是我们常说的稳态,另一个特征值随着t变大,e的-et次方会不断变小,我们称为暂态.
所以说,解微分方程与差分方程非常类似.

在这里插入图片描述
对于微分方程来说,当t=0时,u(t)=u(0)求解c,对于差分方程则是需要将u0按特征向量方向分解.

在这里插入图片描述
完整的解如上.稳态就是(2/3,1/3)起到的作用就是将u(1,0)的第一个分量流入第二个分量.

但是并不是所有的微分方程都可以解出稳态
这里补充一个复数的知识:
e^(itx)=sin(tx)+i*cos(tx),所以模长为1
在这里插入图片描述
第一种情况,当u(t)趋近于0,那么说明特征值的实部为负数,另外虚部对于结果不影响.
在这里插入图片描述
只有第二种情况会得到稳态

有时候,我们可以直接看矩阵信息就可以判断解是否收敛
在这里插入图片描述
当解趋近于0时,有负的迹以及正的行列式.

“耦合指的是能量从一种介质传播到另一种介质的过程。具体来说,是指两个或两个以上的电路元件,或者是电网络的输入与输出之间,存在紧密配合与相互影响,并通过相互作用从一侧向另一侧传输能量的现象.
我们可以称上例的两个未知数u1,u2相互耦合
这里需要用到级数的知识
在这里插入图片描述
在这里插入图片描述
这里如果u=Sv,是什么意思.就是u可以分解为特征向量矩阵与一个向量的乘积,上面的例子就可以分解.这样就可以的到如上推导.下面证明,矩阵指数的成立
在这里插入图片描述
这里结果将S与S的逆提出之后,中间剩下的正好是e的倒v×t次方.

那么什么是e的倒v×t次方.
在这里插入图片描述
什么样的特征值让微分方程有稳定的解,就是当特征值位于x轴左半平面时.
在这里插入图片描述
什么样的特征值可以让矩阵的幂收敛至0?在单位圆内,因为当特征值小于1,幂函数越来越小.
在这里插入图片描述
在这里插入图片描述
对于二阶微分方程,如何求解A矩阵呢?如上
在这里插入图片描述
对于五阶微分方程,第一行为原方程系数,后面四行都是由0,1组成.

通过这节课,我们不止可以求矩阵的幂,还可以求出矩阵的指数.

2,马尔可夫矩阵与傅里叶级数
马尔可夫矩阵:
在这里插入图片描述
第一条性质:所有元素大于0,因为马尔可夫矩阵通常与概率联系在一起
第二条性质:每列相加都为1,并马尔可夫矩阵平方也满足这条性质.

即马尔可夫矩阵的幂任然是马尔可夫矩阵.

稳态稳态,对于求解微分问题,稳态表示有一个特征值为0,这样才能得到e的0次方.而对于矩阵幂来说,稳态表示要有一个特征值为1,这样1的n次方才稳定.

对于马尔可夫矩阵,1肯定是它的特征值.
在这里插入图片描述
所有的其他特征值一般是小于1的,特殊情况会等于1,但绝不会大于1

在这里插入图片描述
对于矩阵幂的问题来说,由于其他特征值都<1,所以其他的项都可以去掉,稳态就是C1X1,由此可以看出如果x1都为正值或0值,那么稳态就是正值.

下面来证明,如果每列的和为1,那么1就是矩阵的一个特征值.
在这里插入图片描述
我们要证明1是矩阵的一个特征值,只需要证明A-I为奇异矩阵.
A-I的一个重要性质为每一列的和为0,那么A-I的行向量对于(1,1,1)的线性组合一定等于0,所以A-I就是一个奇异矩阵.
并且(1,1,1)在A-I的左零空间内,我们如果可以找到一个线性组合使得列向量组合为0,就找到了x1特征向量,也就是A-I零空间内的一个向量.上图中,应该是A-I而不是A.

在这里插入图片描述
上图证明了A的特征值等于A转置的特征值.
最后求得x1为[0.6,33,0.7]

马尔可夫矩阵的现实问题
在这里插入图片描述
Ucal表示加州的人口,Umass表示麻省的人口,这个矩阵用来表示两座城市之间的人口迁移情况.
第一列[0.9,0.1]表示加州有0.9的人留下来,0.1的人去了麻省.第二列[0.2,0.8]表示有0.2的人去了加州,0.8的人留在麻省.
这里马尔可夫矩阵是要求不能变的,意思是好多年的人口迁移情况都相同,这种前提显然很苛刻.
在这里插入图片描述
初始值如上
在这里插入图片描述
解得特征值特征向量如上,并且根据特征值为1的特征向量知,在经过无数次的迭代之后总数不增不减,稳态为2000/3的人留在加州,1000/3的人留在麻省.但是要得到100次迭代的结果就应该得到c1,c2的值.结果如下
在这里插入图片描述

傅里叶级数:
在这里插入图片描述
将一个向量进行投影,他就可以写成投影空间的基的线性组合.但是傅里叶级数特殊在投影空间的基为标准正交基.
在这里插入图片描述
所以有如上推导,x1只需要q1的转置乘以v就好了,也就是公式.X=Q的转置×v
在这里插入图片描述
得到傅里叶级数.基为(1,cosx,sinx,cos2x,…)关键在于基之间相互正交.
那么这里基从向量变成了函数,函数的正交什么意思?
在这里插入图片描述
如上,可以验证每一个函数基都是正交的,积分为0.
其中常数项参数,a0为f(x)的平均值.也是积分计算而来.
在这里插入图片描述
a1计算过程如上,a0也是这样算的.其中cosx平方的积分为pai.

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值