数学 · 线代

线性常微分方程组

Systems of Linear ODEs

约 30 分钟 · v1

线性常微分方程组

math/systems-of-odes · MATH2099
0 / 3

1 几个量"互相牵动"地变化

兔子多了狐狸就繁盛、狐狸多了兔子就遭殃;两个连着的弹簧,一个动会带动另一个。这些多个量彼此影响、共同随时间变化的系统,写出来就是一组线性常微分方程组 x′ = A x——这是矩阵代数最漂亮的落地场景,也是整门课的收束点。

x′(t) = A x(t):x 是状态向量(如 [兔子数, 狐狸数]),A 是描述"谁影响谁、影响多大"的矩阵。求解 = 找出系统随时间如何演化。

它是标量方程 x′=ax → x=eᵃᵗx₀ 的多维版本。解同样是指数形式,只不过 a 换成矩阵 A——这就是矩阵指数 e^{At} 登场的地方。

2 用特征值解:每个主方向各自指数演化

解法优雅得惊人:沿 A 的特征向量方向,系统会各自独立地按 e^{λt} 演化。通解就是把这些"独立模式"叠加起来:

x(t) = c₁ e^{λ₁t} v₁ + c₂ e^{λ₂t} v₂(等价于 x(t)=e^{At}x₀)。特征向量 v 给方向,特征值 λ 给增长/衰减/振荡的节奏。

λ 是实数 → 沿该方向纯增长(λ>0)或衰减(λ<0);λ 是复数 → 出现旋转/振荡(虚部=转速,实部=螺旋张缩)。所以"系统会爆炸、平息,还是绕圈",全写在特征值里。

3 相图实验台:看系统怎么流动

下面是相平面:每个点是一个系统状态,箭头是它下一刻往哪走。点不同的系统类型,拖动那个大圆点(初始状态),看轨迹如何流动——是被吸入原点(稳定)、被甩飞(不稳定)、绕圈(中心),还是顺着一条线逃逸(鞍点)。右上角报出特征值与判定。

x′ = Ax 的相图

特征值 = —类型 = —

4 看特征值,断系统命运

所有行为都能从特征值的实部正负和是否为复数读出来。这张"稳定性地图"是控制论、动力系统的核心:

实部全为负 → 稳定
每个模式 e^{λt} 都衰减,状态回到平衡点。两个负实特征值=稳定结点;复数且实部为负=稳定螺旋(旋转着收进去)。
有正实部 → 不稳定
只要一个特征值实部 > 0,对应模式就指数爆炸,系统发散。全正=不稳定结点;复数且实部为正=向外的螺旋。
一正一负 → 鞍点
一个方向吸入、另一个方向甩出,轨迹像鞍面上的水流:大多被推开,只有沿特定方向才会靠近原点。
纯虚数 → 中心
实部为 0、纯振荡,轨迹是闭合的环(无衰减振动,如理想弹簧)。临界情形,既不收也不散。
全课收束:解这个系统,先求 A 的特征值/特征向量(可对角化时叠加 e^{λt}v),缺陷时用 Jordan 型,统一可写成 矩阵指数 e^{At}x₀。线性代数与微积分,在这里合流。

5 试三道(先想,再点)

三道题,点选项即时判;答题进度显示在右侧目录。

一句话带走:

线性方程组 x′=Ax 描述多个量互相牵动地变化,解是 x(t)=e^{At}x₀ = Σ cᵢ e^{λᵢt} vᵢ:特征向量给方向,特征值给节奏。系统命运全看特征值——实部全负=稳定(结点/螺旋)、有正实部=不稳定、一正一负=鞍点、纯虚=中心(绕圈)。这正是特征值、矩阵指数、(必要时)Jordan 型的总应用。