线性代数与微分方程/齐次线性微分方程
外观
翻译
我们称以下形式的表达式
X' = A ⋅ X + G(t)
如果 G(t)≡0,则为齐次。现在,在之前的微分方程方法中,结果表明X的表达式中包含超越数e的指数,因此,如果我们开发一个唯一性定理,我们可以用这种形式定义一个可能的解,将其代入方程,并确定这个解是否有效,如果是,如何得到这个解及其相应的指数。
因此,由于指数函数在更简单的微分方程中多次出现,我们猜想X的解为X = u ⋅ ,其中u是一个系数矩阵。
因此
这里存在一个谎言,我们还要做另一个假设:A为常数矩阵;但这正是特征值-特征向量对的定义!因此,对于一个二阶矩阵,存在两个线性无关的解,因此根据叠加原理,将这两个解的增广矩阵乘以常数矩阵,可以得到我们正在寻找的基本解集。
然而,由于这些特征值的性质(以及我们希望得到实数解,以帮助分析使用这些微分技术的物理模型),存在三种可能的特征值对情况,可以创造出不同的基本解集