【線性代數】矩陣指數與微分方程


  • Discuss


    當一個函數 u 的微分可表示為某個矩陣 A 乘上 u ,就預設了函數 u 由數個分量函數組成,而各個分量函數的微分為這些分量函數的線性組合,A 正記錄著這個線性組合。

    我們的目標是求出函數 u 。然而僅由"某函數微分為某某函數的線性組合"是得不到結果的,但我們知道若一個函數"微分為自己的倍數"則他會是一個指數函數,我們又知道特徵向量的線性變換為自己的倍數,因此我們想辦法使用特徵向量與分量函數的乘積,組合出原本的函數 u (特徵向量並不是函數。我們只是將原本 u 的分量與標準基底向量的表示法,改為 u 的分量與特徵向量的表示法)。

    此時這些特徵向量的係數就變為原本分量函數的線性組合,我們可以將這些係數當成是新的分量函數。只要將 u 微分,就能發現新的分量函數會是指數函數,u 可以寫成某些係數乘上指數函數再乘上特徵向量(作為基底)的和。

    而我們現在尚缺少那些指數函數的係數,若將 u 的變數帶入零,因為指數函數的零次方等於一,則會剩下係數與特徵向量的乘積,也就是說若將 u(0) 乘上特徵向量矩陣的逆矩陣,就能得到係數,因此我們得到 u = 特徵向量矩陣 * 新分量函數(指數函數)矩陣 * 特徵向量逆矩陣 * u(0)。

    其中指數函數矩陣中的指數函數帶有"特徵值倍之變數"。


  • 矩陣指數


    我們知道指數函數可以展開為多項式,而矩陣指數也是同樣的展開式,只是將變數換為矩陣,我們可以發現,若是該矩陣為對角矩陣,則矩陣乘幾次方裡頭每一個項也會自乘幾次方,也就是說,對於對角矩陣而言,矩陣次方的指數可以寫成對角線項為指數的矩陣。





留言

這個網誌中的熱門文章

【線性代數】Vector spaces:向量空間

【線性代數】線性組合

【線性代數】subspaces:子向量空間