White__River的博客

那么就可以根据这些权重函数解出特征线，也就是这些权重函数对应的向量场（速度场 phase portrait 反正能理解就行）然后解出特征线后，因为题目已经给定了场的动态在特征线上（或者说沿着特征线）的变化规律，那么就可以解出解了，真是太妙了。一阶pde和一阶微分方程组就这么精巧地联系起来，如果一阶pde的权重函数是nice的函数的化。不知道有没有有缘人能够理解，这真是太妙了。特征线就是phase line。

CV 17 陈永平教授关于拉普拉斯逆变换的式子的推导。最后得出拉普拉斯逆变换的表达式。

数学好的人，可能看一眼根据形式就能推出gramian的构造，但对我这种比较钻牛角尖的人，我就想有一个逻辑链条——gramian是怎么被构造出来的？就是说,你假设可控,但这个你构造出来的格拉姆矩阵是奇异的,然后会导致矛盾,具体的就不说了,大家可以自己证明.是任取的,那我们现在就得到了一个充分条件(注意 必要性还得不到)ok,那么你得到了充分性条件,而这个条件的必要性竟然很容易验证。是任意一个n维的向量 我们想找一个条件,让这个等式成立。但这样有一个问题,你从这里的不出任何有用的结果。

翻译自大佬。

【代码】滑模系统的相图。

注1: 梯度是针对实值函数的, 且其定义是基于Jacobian的, 也就是说现有导数才有梯度. 梯度的定义可以拓展到。这是很显然的结果, 只需要略加思索即可知道这是正确答案.指n阶实对称矩阵, 此处不再赘述.与之相对应, 对于一般的实值函数。这和单变量函数的情形是一致的., 则根据链式法则, 有。易知梯度为一个列向量.易知对于一般的实值函数。是一个行向量, 定义。

让我们再次考虑二阶线性系统dtdY​AY我们已经知道，分析这种二阶系统。最主要的是注意它的特征值情形。（此处没有重根的情形，所有是partial）而特征值，也就是系统矩阵特征方程的根，和而系统矩阵是直接相关的。我们知道，在线性代数理论中，矩阵A的迹Trace(A)（简称Tr）是A的各个特征值之和，而矩阵A的行列式determinant(A)(简称det)为特征值的积。这里我们只考虑二阶系统。

Van der Pol方程是一个非线性方程， 对于非线性方程， 我们目前还没有通用的工具分析， 但如果把比例尺放大， 只在平衡点附近观察， 更细致地观看平衡点(0,0)附近， 同时缩小仿真仿真的时间，我们会发现平衡点附近该方程的行为有点像线性系统中的spiral source 也就是二阶线性系统的不稳定焦点。这也给了我们一个启示， 即可以在平衡点附近， 在较小的时间间隔内， 把非线性系统看做线性系统。为了观看长期趋势，将仿真时间定为100s。以下就是系统在平衡点附近的行为。x y坐标缩小到±0.3。