第30讲 常系数解耦线性方程组
Decoupling Linear Systems with Constant Coefficients
网易公开课open.163.com齐次方程组
。目前介绍了两种求解方法:其一,解特征方程,求特征值特征向量;其二,计算矩阵型指数
,用基本矩阵计算即
。今天将会介绍另一种计算方法,依然并不省力,相当于换一种语言来描述而已。但是不同的领域有不同的习惯,有的喜欢用基本矩阵,而有的就用今天介绍的解耦的方式来表达问题和答案。
解耦
所谓耦合,就是方程中导函数的表达式中同时出现了x和y,而解耦的方法,就是做一些线性替换
来实现对原方程组的解耦,得到已解耦的方程组
,而对于这种方程已经可以分别求解了。
解耦方法的流行还在于,新的因变量在物理上可能有特殊的解释,有某些特殊的原因导致了它以这种状态存在。
例:底部有洞联通的两个容器盒,容器1的底面积是容器2的一半,容器1的液面高度为x,2的高度为y。联通洞的液体流速正比于洞的面积乘以液面高度差(高度差正比于压力差)。
列出微分方程
。
y的导函数前面有参数2,这是因为同等流量对于容器2液面高度的影响受到其底面积的影响。为了简便运算,令参数
c等于2。因此方程为
。
稍后会给出确定线性替换的普适方法,但是这里我们从物理问题本身入手去探讨如何进行代换,首先,高度差是直接反应压力差的参数,它比两个容器各自的高度更加利于讨论该问题,其次,容器内部的总液体量是不变的,由此可知可以进行如下线性替换
,得到方程组
。
解得
,得到
,即
。
解耦的一般性方法
解耦要求特征值都是实数且都是完备特征值。
新变量为
。写出反代换公式
。则
E的列向量是矩阵
A两个特征向量
。乘以
E进行坐标变换,实际上就是将原空间变换至
uv空间,而
uv空间中两个坐标方向对于矩阵
A的操作具有方向不变性,回想原坐标系下,只有特征向量方向才具有这种特性,因此实际上特征向量
α1,
α2, 分别对应着
uv空间的坐标方向,即
α1 对应
,
α2 对应
。可以代入
加以验证,对应的
和
即为矩阵
E 的两个列向量,它们分别就是
α1,
α2。
。公式给出了特征值和特征向量的两种定义方式,前一种首先定义特征值 是使得行列式
为0的值,而特征向量
α 则是方程组的非
0解;后一种定义更有几何味道,把
A看作是对平面做了一个线性变换,而对某个特定的向量
α,线性变换只是对它做了拉伸或者压缩,而特征值
就是拉伸或者压缩比例。
因为不是从线代角度出发来全面论证这件事情,因此教授没有顺向去描述,没有一些线代的相关知识做背景,就难于把事情讲得特别通透,而Gilbert Strang的“微分方程和线性代数”在这方面比较有优势。
微分方程组
,做变量代换
,则方程为
,其中
,因此有
,得到
,即
。
通过选择特征向量作为新的基向量,方程组实现了解耦,常数就是特征值。得到的解为
。
用上面介绍的普适方法解耦方程组
。
首先得到特征方程为
,求得特征值
,对应的特征向量为
和
。因此
,
。
所以有
,即
,和我们之前通过物理状态讨论的结果只差一个常数项。
在有些复杂问题中,通过这种方法找到的代换关系和新的因变量,从物理方面等于给出了新的性质或者状态的内在联系,有时候这种启发和求解方程同样重要。