第二十九讲求方程组通解和特解的公式（矩阵指数）

最新推荐文章于 2024-10-09 22:21:38 发布

qq_53766976

最新推荐文章于 2024-10-09 22:21:38 发布

阅读量1.7w

点赞数 2

CC 4.0 BY-SA版权

分类专栏：微分方程文章标签：麻省理工微分方程

本文链接：https://blog.csdn.net/qq_23940575/article/details/86756173

本文介绍了如何利用矩阵指数求解线性齐次方程组的通解和特解，详细阐述了从1阶矩阵到2阶矩阵的公式推导过程。通过泰勒级数展开证明了公式的有效性，并通过具体例题展示了计算方法。此外，讨论了矩阵指数在解初值问题中的优势以及注意事项，包括矩阵乘法的交换律和求逆特殊情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一，齐次方程组的通解：
通解形式： $x⃗=c1x1⃗+c2x2⃗\vec{x}=c_{1}\vec{x_{1}}+c_{2}\vec{x_{2}}$
用基本矩阵简化为： $x⃗=[x1⃗x2⃗][c1c2]=Xc⃗\vec{x}=\begin{bmatrix}\vec{x_{1}} & \vec{x_{2}}\end{bmatrix}\begin{bmatrix}c_{1}\\ c_{2}\end{bmatrix}=X\vec{c}$
因为线性无关的特征向量有无穷多种，所以基本矩阵也有无穷多种。
通解中全部的基本矩阵表示为： $[Xc1⃗Xc2⃗]\begin{bmatrix}X\vec{c_{1}} & X\vec{c_{2}}\end{bmatrix}$
$[Xc1⃗Xc2⃗]=X[c1⃗c2⃗]=XC\begin{bmatrix}X\vec{c_{1}} & X\vec{c_{2}}\end{bmatrix}=X\begin{bmatrix}\vec{c_{1}} & \vec{c_{2}}\end{bmatrix}=XC$ ，C为2阶方阵，并且|C|≠0（线性无关）