二阶齐次线性微分方程的通解公式_MIT—微分方程笔记27 2x2齐次线性方程组作图...

第27讲 2x2齐次线性方程组作图

Sketching Solutions of 2x2 Homogeneous Linear System

https://www.bilibili.com/video/av9699638?p=26​www.bilibili.com

本讲介绍如何绘制2x2齐次线性方程组

的图像。

例：微分方程组为

。

两个州旅游业之间的竞争，因变量代表两个州的偏离正常旅游广告预算的数值，正代表投入更多，负为减少投入。系数a=-1，d=-3代表一旦广告预算上升就会有人提议减少投入，另两个参数b，c 代表观察到对手投入之后，预算的反击性调整。

情况1：

。矩阵

，特征方程为

，求得特征值

，对应的特征向量为

和

。因此方程的解为

，即

。

绘图的意思是在没有其它辅助工具的情况下，绘制出图线的大体走向。

首先绘制4个容易的解函数，然后补充其它情况。而4个解函数就是参数取值为

以及

。

代入第一种情况

，代入

t=0，则有

，函数曲线从（1，-1）点出发，随着

t增大向着原点直线请进，只是前进速度一直在衰减，在 t小于零时，实际上是从无穷远向着（1，-1）移动。若取

，则只是这个解的镜像。取

的情况，和前两个解的情况很类似，都是从无穷远点向原点前进，而方向为沿着X轴。

下面绘制其它情况，由于函数为连续函数，因此其速度场的变化为连续变化，不会发生突然的转向。观察解函数，当t 趋近于正无穷时，解的轨迹一定趋向于原点，这和四个特殊解函数的趋势一样，但是需要我们讨论的是两个解中是哪一个支配着轨迹，相对而言

具有更大的数值，因此

占支配地位。而当

t 趋近于负无穷的时候，情况正好相反，

占支配地位。即在很远处曲线以平行

的方向向原点出发，接近时以近似

的方向趋近于原点。

图像的结果显示，因为新罕布什尔州对于马萨诸塞州不做任何反应，最后两州的预算都回到了最正常的状态。

曲线的这种形态称之为节点（node），而本图中所有参数曲线的发展方向朝向原点，此类图像称之为“汇”（sink）。若方向相反则称之为“源”（source），例如特征值为正的情况，比如某方程解函数为

，则曲线和前图完全相同，但是方向相反，此图像被称为“不稳定”，前者是“稳定”的。

情况2：

。矩阵

，特征方程为

，求得特征值

，对应的特征向量为

和

。因此方程的解为

。

绘制4个基本解函数

以及

。

从（3，-5）点出发，随着

t 增大向着原点直线请进，它的镜像也是朝着原点。而另外两组解则不同，比如从（1，1）点出发，则随着 t 增大向着远离原点的方向直线请进，镜像亦如此。

填充其它曲线，它们沿着

的方向向原点趋近，但是接近后沿着另一组解的方向远离原点。这种类型的图像称为“鞍”，沿

的方向下到原点，在

方向则是从原点变化至无穷远。

图像代表的意义就是两州都对对方的投入非常敏感，并且攀比似的加大投入，最终投入都朝向无穷。

情况3：

。矩阵

，特征方程为

，求得特征值

，解函数为

。从第一项括号内的部分可以看出，该参数曲线是周期性的，并且它被收缩的幅值限制住，不会跑到无穷远。

满足方程

，符合此类方程的图像为圆锥曲线：椭圆、抛物线或者双曲线，本例中为椭圆。再加上

的作用，解的图像为“螺旋汇”。代入一个固定点坐标，例如（1，0）通过微分方程可以计算得到其参数曲线运动方向，该螺旋汇为逆时针旋转。图像预示的结果，最终两州预算会回到原始状态。

螺旋汇示意图：