下载文档原格式
线性代数矩阵的分解与微分方程应用线性代数是数学中的一个重要分支，它研究的是线性空间以及其上的线性变换。
线性代数在不同领域中都有广泛的应用，比如说在计算机图形学、物理学、经济学等领域中都起着非常重要的作用。
其中，矩阵的分解和微分方程的应用是线性代数的两大重要内容。
一、矩阵的分解矩阵的定义是一个由数字排成的矩形表格。
在线性代数中，矩阵是一个重要的工具，矩阵的分解是矩阵理论中的一个基本问题。
矩阵的分解通常是指将一个矩阵分解成几个特定形式的矩阵的乘积。
常见的矩阵分解包括LU分解、QR分解、SVD分解等。
1、LU分解LU分解是线性代数中的一种矩阵分解方法，可以将一个矩阵分解成一个下三角矩阵L和一个上三角矩阵U的乘积。
LU分解可以用于求解线性方程组、求矩阵的逆以及计算矩阵的行列式等问题。
在实际应用中，使用LU分解求解线性方程组比直接求解更加高效和准确。
2、QR分解QR分解是一个将一个矩阵分解成一个正交矩阵Q和一个上三角矩阵R的乘积的方法。
QR分解在求解最小二乘问题、特征值问题以及解非线性方程组等问题中都有广泛的应用。
3、SVD分解SVD分解是一种将一个矩阵分解成三个矩阵的乘积的方法，包括一个左奇异矩阵、一个右奇异矩阵和一个奇异值矩阵。
SVD分解可以用于降维、信号处理、图像处理等方面。
二、微分方程的应用微分方程是研究变化的数学分支，它研究的是变量与其变化率的关系。
微分方程在科学、工程和经济等领域中都有广泛的应用。
微分方程的解法中涵盖了矩阵分解的知识。
1、矩阵微分方程矩阵微分方程指的是方程中包含了一个矩阵与它的导数。
矩阵微分方程在控制系统、差分方程的研究中都有广泛的应用。
解矩阵微分方程时，可以使用矩阵指数函数或拉普拉斯变换等方法。
2、级数解法级数解法是一种用级数求微分方程解的方法。
在级数解法中，将未知函数表示为级数的形式，将其代入微分方程中，然后通过逐项比较系数来求解微分方程。
级数解法在近似计算和数值解法方面都有重要应用。
一：利用分块矩阵求矩阵（三个公式） 公式1：⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---11111s s A A A A公式2：⎥⎦⎤⎢⎣⎡-=⎥⎦⎤⎢⎣⎡-----12211121122111122211100A A A A A A AA或⎥⎦⎤⎢⎣⎡-=⎥⎦⎤⎢⎣⎡-----1221221211111112212110A A A A A A A A2,1=i n A i ii 阶可逆矩阵，为公式3：⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡---0000111ABBA （为可逆矩阵B A ,）下面给出公式2的推导过程：设⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡-2221121112221110X X X X A AA由⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡⋅⎥⎦⎤⎢⎣⎡E EX X X X A A A 00022211211222111得⎪⎪⎩⎪⎪⎨⎧=+=+==EXA X A X A X A X A E X A 22221221212211211211111100解之得⎪⎪⎩⎪⎪⎨⎧=-===----12222111211222112111110A X X A A XX A X^-^习题1：1,11210000520021-⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡---=A A 求 习题2：1,20120031204312-⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=A A 求答案：习题1：⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡-=-313100323100001200251A习题2：⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡------=-2100412*******2101658541211A二：利用定义求矩阵 例1：设n 阶方阵A 满足022=--E A A ，求证A 可逆并求1-A证明：由022=--E A A ，得：E E A A 2)(=-即EEA A =-⋅2，从而A 可逆且21E A A-=-例2：设B A ,为同阵且满足ABB A =+，证明E A -可逆并求其逆，BAAB =证明：BE A B AB A )(-=-=，故BE A E E A )()(-=+-从而有E E B E A =--))((即E A -可逆且EB E A -=--1)( 故))(())((E A E B E B E A --=--即EB A BA E B A AB +--=+--从而BAAB =例3：已知n 阶方阵A 满足3)(2A E A A =-，求1)(--A E证明：由3)(2A E A A =-，得02223=+-A A A所以E E A A A-=-+-2223从而有EE A A A E =+--))((2即EA A A E +-=--21)(下面就检查下自己的学习能力^-^ 习题1：设)(0为正整数k Ak=，证明：12-1)(-++++=-k AA A E A E习题2：设B A ,为n 阶方阵，且AB E -与BA E -均可逆，证明A AB E B E BA E 11)()(---+=-习题3：若n 阶方阵A 满足E A =2，求证E A 2-可逆习题4：设A A =2，试证明E A 2-为可逆阵例题1：设)(x f 为可微函数，且满足方程)0()()1()(0>+=⎰⎰x dtt tf x dt t f x xx求)(x f解：方程两边对x 求导，得：)()1()()()(0x xf x dt t tf x xf dt t f xx++=+⎰⎰化简得：⎰⎰=+xxdt t f x f x dt t tf 002)()()(两边再对)(x f 求导，化简得：0)(13)(2=-+'x f x x f x ）（ 这是一阶线性齐次方程，分离变量得：dx xx x f x df 231)()(-=两边积分得x xCe x f ln 31--=）（即)(13为任意常数）（C eCxx f x--=下面就检查下自己的学习能力^-^ 习题1：设连续函数)(x f 满足方程20)(2)(xdt t f x f x=+⎰，求)(x f习题2：设连续函数)(x y 满足方程⎰+=xxedt t y x y 0)()(，求)(x y答案：习题1：xex x f 22121)(-+-=习题2：x e x x y )1()(+=。
第九讲矩阵微分方程一、矩阵的微分和积分1.矩阵导数定义：若矩阵ij m ×n A(t)=(a (t))的每一个元素a (t)ij 是变量t 的可微函数，则称A(t)可微，其导数定义为'ij m ×n da dA=A (t)=()dt dt由此出发，函数可以定义高阶导数，类似地，又可以定义偏导数。
2.矩阵导数性质：若A(t),B(t)是两个可进行相应运算的可微矩阵，则（1）d dA dB[A(t)±B(t)]=±dt dt dt（2）d dA dB [A(t)B(t)]=B +A dt dt dt （3）d da dA[a(t)A(t)]=A +a dt dt dt （4）()()()()()()()t A t A t Ad dde =A e =e Ac o s t A =-A s i n t A s i n t A =A c o s t Ad td t d t(A 与t 无关)此处仅对tA tA tAd (e )=Ae =e A dt加以证明证： tA 2233223d d 111(e )=(I+tA +t A +t A +)=A +tA +t A +dt dt 2!3!2!22tA1=A(I+tA+t A +)=Ae 2!又22tA 1=(I+tA+t A +)A=e A 2!3.矩阵积分定义：若矩阵A(t)=(a (t))m ×n ij的每个元素ij a (t)都是区间01[t ,t ]上的可积函数，则称A(t)在区间01[t ,t ]上可积，并定义A(t)在01[t ,t ]上的积分为⎛⎫⎰⎰ ⎪⎝⎭1100ij t t A(t)dt =a (t)dt t t m ×n4.矩阵积分性质（1）⎰⎰⎰111t t t t t t [A(t)±B(t)]dt =A(t)dt±B(t)dt（2）⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎰⎰⎰⎰11110000t t t t t t t t [A(t)B]dt =A (t)dt B,[AB(t)]dt =A B(t)dt （3）'''⎰⎰t ba adA(t )dt =A(t),A (t)dt =A(b)-A(a)dt 二、阶线性齐次常系数常微分方程组设有一阶线性其次常系数常微分方程组⎧⎪⎪⎪⎪⎨⎪⎪⎪⎪⎩ 11111221n n 22112222n n n n11n22nn ndx =a x(t)+a x (t)++a x (t)dt dx =a x(t)+a x (t)++a x (t)dt dx =a x(t)+a x (t)++a x (t)dt式中t 是自变量，i ix =x(t)是t 的一元函数 ij (i=1,2,,n),a (i,j=1,2,,n)是常系数。
第一讲线性空间一、线性空间的定义及性质[知识预备]★集合：笼统的说是指一些事物（或者对象）组成的整体集合的表示：枚举、表达式集合的运算：并（），交（）另外，集合的“和”（＋）：并不是严格意义上集合的运算，因为它限定了集合中元素须有可加性。
★数域：一种数集，对四则运算封闭（除数不为零）。
比如有理数域、实数域（R）和复数域（C）。
实数域和复数域是工程上较常用的两个数域。
线性空间是线性代数最基本的概念之一，也是学习现代矩阵论的重要基础。
线性空间的概念是某类事物从量的方面的一个抽象。
1．线性空间的定义：设V是一个非空集合，其元素用x,y,z等表示；K是一个数域，其元素用k,l,m等表示。
如果V满足[如下8条性质，分两类]（I）在V中定义一个“加法”运∈时，有唯一的和算，即当x,y V+∈（封闭性），且加法运算x y V满足下列性质（1）结合律()()++=++；x y z x y z（2）交换律 x y y x +=+；（3）零元律 存在零元素o ，使x +o x =；（4）负元律 对于任一元素x V ∈，存在一元素y V ∈，使x y +=o ，且称y 为x 的负元素，记为（x -）。
则有()x x +-= o 。
（II ）在V 中定义一个“数乘”运算，即当x V ∈，k K ∈时，有唯一的kx V ∈（封闭性），且数乘运算满足下列性质（5）数因子分配律()+=+；k x y kx ky（6）分配律()+=+；k l x kx lx（7）结合律()()=；k lx kl x=；（8）恒等律1x x [数域中一定有1]则称V为数域K上的线性空间。
注意：1）线性空间不能离开某一数域来定义，因为同一个集合，如果数域不同，该集合构成的线性空间也不同。
（2）两种运算、八条性质数域K中的运算是具体的四则运算，而V中所定义的加法运算和数乘运算则可以十分抽象。
（3）除了两种运算和八条性质外，还应注意唯一性、封闭性。
唯一性一般较显然，封闭性还需要证明，出现不封闭的情况：集合小、运算本身就不满足。
矩阵法求解微分方程组在数学的世界里，有一个神奇的地方，那就是微分方程组。
听上去就像个高深莫测的术语，对吧？其实这就像一场探险，特别是用矩阵法去解这些方程的时候，简直像打开了一个新世界。
想象一下，微分方程组就像一群小朋友在操场上追逐打闹，每个小朋友都有自己的个性和特点，他们有时候会一起玩，有时候又会分开。
但是一旦我们用矩阵这个大玩具把他们聚在一起，哇，事情就变得简单多了。
咱们得搞清楚什么是矩阵。
矩阵就像是一张表格，上面摆满了数字。
看上去有点复杂，其实它就像我们每天用的购物清单，只不过这里面装的不是苹果和香蕉，而是方程的系数。
对了，矩阵的每一行每一列都可以看作是微分方程组中的一个方程，简直是一目了然。
用矩阵把这些方程整理在一起，就像把那些小朋友们排成整齐的队伍，马上就显得有条理多了。
我们来聊聊如何用矩阵法求解这个微分方程组。
步骤其实不复杂。
把方程转化成矩阵的形式。
听上去好像是个数学魔法，其实就是把各个方程的系数和变量按照一定的规则摆在一起。
比如，假设你有两个方程，像“y' = 2x + 3”和“z' = 4y + 5”，那么就可以把它们整理成一个大矩阵。
这样，咱们就把问题浓缩成了一张图表，看着舒服多了。
矩阵法的“主角”就是特征值和特征向量。
说到特征值，那可是个大咖！它决定了整个系统的行为。
特征值就像是那些小朋友的性格，有的活泼好动，有的安静内敛。
不同的特征值会导致方程组的解有不同的表现，就像小朋友们的游戏风格，千奇百怪，各有特色。
通过计算特征值，我们可以了解到系统的长远趋势，是朝着繁荣昌盛的方向，还是走向凋零的边缘。
然后，咱们还得求解特征向量。
这个过程就像是在找合适的搭档，谁和谁在一起最默契。
特征向量能告诉我们，如何从特征值出发，找到具体的解。
也就是说，特征向量会为我们指明道路，让我们在解的海洋中找到方向。
通过这些特征值和特征向量的组合，我们就能把微分方程组的解找出来，真是令人惊喜！如果你觉得这些步骤听上去太复杂，不用担心，实际操作起来并没有想象中那么麻烦。
