5-3函数矩阵与矩阵微分方程

矩阵论第七章函数矩阵与矩阵微分方程北京理工大学高数教研室* 第一章第一节函数第七章函数矩阵与矩阵微分方程函数矩阵定义: 以实变量的函数为元素的矩阵称为函数矩阵, 其中所有的元素都是定义在闭区间上的实函数。

函数矩阵与数字矩阵一样也有加法, 数乘, 乘法, 转置等几种运算, 并且运算法则完全相同。

例:已知计算定义:设为一个阶函数矩阵, 如果存在阶函数矩阵使得对于任何都有那么我们称在区间是可逆的。

称是的逆矩阵, 一般记为例 :已知那么在区间上是可逆的, 其逆为函数矩阵可逆的充分必要条件定理 : 阶矩阵在区间上可逆的充分必要条件是在上处处不为零, 并且其中为矩阵的伴随矩阵。

定义:区间上的型矩阵函数不恒等于零的子式的最高阶数称为的秩。

特别地, 设为区间上的阶矩阵函数, 如果的秩为 , 则称一个满秩矩阵。

注意:对于阶矩阵函数而言, 满秩与可逆不是等价的。

即:可逆的一定是满秩的, 但是满秩的却不一定是可逆的。

例 :已知那么。

于是在任何区间上的秩都是2。

即是满秩的。

但是在上是否可逆, 完全依赖于的取值。

当区间包含有原点时, 在上有零点, 从而是不可逆的。

函数矩阵对纯量的导数和积分定义:如果的所有各元素在处有极限, 即其中为固定常数。

则称在处有极限, 且记为其中如果的各元素在处连续, 即则称在处连续, 且记为其中容易验证下面的等式是成立的: 设则定义:如果的所有各元素在点处(或在区间上)可导, 便称此函数矩阵在点处(或在区间上)可导, 并且记为函数矩阵的导数运算有下列性质: 是常数矩阵的充分必要条件是设均可导, 则设是的纯量函数, 是函数矩阵,与均可导, 则特别地, 当是常数时有 (4) 设均可导, 且与是可乘的, 则因为矩阵没有交换律,所以 (5) 如果与均可导, 则 (6) 设为矩阵函数, 是的纯量函数, 与均可导, 则定义: 如果函数矩阵的所有各元素在上可积, 则称在上可积, 且函数矩阵的定积分具有如下性质: 例1 :已知函数矩阵试计算证明: 由于 , 所以下面求。

矩阵微分方程第九讲 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 Adt dt dt=+ （3）d da dA [a(t)A(t)]A adt dt dt =+ （4）()()()()tAtA tA d de Ae e A cos tA Asin tA dtdt===- ()()()dsin tA Acos tA dt=(A 与t 无关) 此处仅对tAtA tA d (e )Ae e A dt==加以证明 证明：tA 2233223d d 111(e )(1tA t A t A )A tA t A dt dt 2!3!2!=++++=+++22tA 1A(1tA t A )Ae 2!=+++=又22tA 1(1tA 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 n ⎛⎫=⎰⎰ ⎪⎝⎭⨯4. 矩阵积分性质（1）111000t 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 baadA(t )dt A(t),A (t)dt A(b)A(a)dt '''==-⎰⎰二、 一阶线性齐次常系数常微分方程组 设有一阶线性齐次常系数常微分方程组11111221n n 22112222n n n n11n22nn n dx a x (t)a x (t)a x (t)dt dx a x (t)a x (t)a x (t)dtdx a x (t)a x (t)a x (t)dt⎧=+++⎪⎪⎪=+++⎪⎨⎪⎪⎪=+++⎪⎩ 式中t 是自变量，i i x x (t)=是t 的一元函数(i 1,2,,n),=ij a (i,j 1,2,,n)=是常系数。

线性微分方程组的解法线性微分方程组是由多个关于未知函数及其导数的线性方程组成的，可以用矩阵形式来表示。

解这类方程组的方法有很多种，例如矩阵法、特征方程法等。

下面将介绍线性微分方程组的解法。

一、线性微分方程组的矩阵法考虑一个n个未知函数的线性微分方程组：$\frac{d}{dt}\mathbf{y}=A\mathbf{y}$其中$\mathbf{y}=\begin{pmatrix}y_1 \\ y_2 \\ \vdots \\ y_n\end{pmatrix}$，A是一个$n \times n$的矩阵。

解法：1. 将线性微分方程组写成矩阵形式：$\frac{d}{dt}\mathbf{y}=A\mathbf{y}$2. 求出矩阵A的特征值和特征向量。

设特征值为$\lambda$，对应的特征向量为$\mathbf{v}$。

3. 根据特征值和特征向量，构造矩阵的对角形式：$D=\begin{pmatrix}\lambda_1 & 0 & \cdots & 0\\ 0 & \lambda_2 &\cdots & 0\\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots &\lambda_n \end{pmatrix}$4. 求出初值条件的向量$\mathbf{c}$，使得$\mathbf{y}(t=0) =\mathbf{c}$。

5. 利用变量分离法求出解向量$\mathbf{y}$：$\mathbf{y}=e^{At}\mathbf{c}$其中$e^{At}$表示矩阵的指数函数，它可以通过特征值和特征向量来计算，即：$e^{At}=P e^{Dt}P^{-1}$其中P是一个由特征向量组成的矩阵，$P^{-1}$是P的逆矩阵，$e^{Dt}$是一个由特征值构成的对角矩阵的指数函数：$e^{Dt}=\begin{pmatrix}e^{\lambda_1 t} & 0 & \cdots & 0\\ 0 &e^{\lambda_2 t} & \cdots & 0\\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & e^{\lambda_n t} \end{pmatrix}$6. 将解向量$\mathbf{y}$代入初值条件$\mathbf{y}(t=0) =\mathbf{c}$，求出常数向量$\mathbf{c}$的值。

常数矩阵微分方程基解矩阵的计算方法常数矩阵微分方程基解矩阵是指对于一个m阶常系数矩阵微分方程组x′(x)=xx(x)，其中x(x)为x的函数，x为常数矩阵，基解矩阵是一组线性无关的解所构成的矩阵。

计算常数矩阵微分方程基解矩阵的方法主要有以下几种：常数变易法、指数矩阵法、特征值法。

一、常数变易法
使用常数变易法求解常数矩阵微分方程基解矩阵的步骤如下：
1.假设基解矩阵为x(x)，则存在常数矩阵x，使得
x(x)=xx^xx。

2.对基解矩阵进行求导，并代入微分方程，得到
xxx(x)(x)=xx(x)，其中x(x)(x)表示第n阶导数。

3.解出x(x)(x)，得到x的表达式。

4.代入x=0时的初始条件，求解得到x的具体值。

5.将x代入基解矩阵的表达式中，得到基解矩阵。

二、指数矩阵法
使用指数矩阵法求解常数矩阵微分方程基解矩阵的步骤如下：
1.求解常数矩阵x的特征值和特征向量。

2.将特征值分别代入指数函数的表达式中，得到特征向量的指数函数形式。

3.将特征向量的指数函数形式构成的矩阵x和其逆矩阵x^(-1)代入基解矩阵的表达式中，得到基解矩阵。

三、特征值法
使用特征值法求解常数矩阵微分方程基解矩阵的步骤如下：
1.求解常数矩阵x的特征值和特征向量。

2.将特征向量的形式代入基解矩阵的表达式中，得到基解矩阵。

在实际计算中，选择哪种方法取决于方程的形式、矩阵的性质和计算的复杂程度。

以上三种方法均可得到常数矩阵微分方程的基解矩阵，计算方法相对较为简单，但对于高阶矩阵微分方程，计算工作量可能较大，需要根据具体情况选择合适的方法。

课程名称：矩阵分析一、课程编码：1700002课内学时： 32 学分： 2二、适用学科专业：计算机、通信、软件、宇航、光电、生命科学等工科研究生专业三、先修课程：线性代数，高等数学四、教学目标通过本课程的学习，要使学生掌握线性空间、线性变换、Jordan标准形，及各种矩阵分解如QR分解、奇异值分解等，正规矩阵的结构、向量范数和矩阵范数、矩阵函数，广义逆矩阵、Kronecker积等概念和理论方法，提升研究生的数学基础，更好地掌握矩阵理论，在今后的专业研究或工作领域中熟练应用相关的矩阵分析技巧与方法，让科研结果有严格的数学理论依据。

五、教学方式教师授课六、主要内容及学时分配1、线性空间和线性变换（5学时）1.1线性空间的概念、基、维数、基变换与坐标变换1.2子空间、线性变换1.3线性变换的矩阵、特征值与特征向量、矩阵的可对角化条件2、λ-矩阵与矩阵的Jordan标准形（4学时）2.1 λ-矩阵及Smith标准形2.2 初等因子与相似条件2.3 Jordan标准形及应用；3、内积空间、正规矩阵、Hermite 矩阵（6学时）3.1 欧式空间、酉空间3.2标准正交基、Schmidt方法3.3酉变换、正交变换3.4幂等矩阵、正交投影3.5正规矩阵、Schur 引理3.6 Hermite 矩阵、Hermite 二次齐式3.7.正定二次齐式、正定Hermite 矩阵3.8 Hermite 矩阵偶在复相合下的标准形4、矩阵分解（4学时）4.1矩阵的满秩分解4.2矩阵的正交三角分解（UR、QR分解）4.3矩阵的奇异值分解4.4矩阵的极分解4.5矩阵的谱分解5、范数、序列、级数（4学时）5.1向量范数5.2矩阵范数5.3诱导范数（算子范数）5.4矩阵序列与极限5.5矩阵幂级数6、矩阵函数（4学时）6.1矩阵多项式、最小多项式6.2矩阵函数及其Jordan表示6.3矩阵函数的多项式表示6.4矩阵函数的幂级数表示6.5矩阵指数函数与矩阵三角函数7、函数矩阵与矩阵微分方程（2学时）7.1 函数矩阵对纯量的导数与积分7.2 函数向量的线性相关性7.3 矩阵微分方程(t)()() dXA t X t dt=7.4 线性向量微分方程(t)()()() dxA t x t f t dt=+8、矩阵的广义逆（3学时）8.1 广义逆矩阵8.2 伪逆矩阵8.3 广义逆与线性方程组课时分配说明：第一章的课时根据学生的数学基础情况可以调整，最多5学时，如学生线性代数的基础普遍较高，可以分配3学时，剩余2学时可在最后讲解第九章部分内容(Kronecker 积的概念和基本性质)。

矩阵微积分基础知识矩阵微积分是微积分的一个重要分支，它将微积分的概念和方法应用于矩阵和向量的运算中。

在矩阵微积分中，我们可以通过对矩阵进行微分和积分来研究矩阵的性质和变化规律。

本文将介绍矩阵微积分的基础知识，包括矩阵的导数、矩阵的积分和矩阵微分方程等内容。

一、矩阵的导数在矩阵微积分中，我们可以定义矩阵的导数。

对于一个矩阵函数f(X)，其中X是一个矩阵，我们可以通过对f(X)的每个元素分别求导来得到矩阵的导数。

具体而言，如果f(X)的每个元素都是可导的，那么矩阵f(X)的导数就是一个与f(X)具有相同维度的矩阵，其中每个元素都是对应元素的导数。

例如，对于一个2×2的矩阵X = [x1 x2; x3 x4]，我们可以定义一个矩阵函数f(X) = [x1^2 x2^2; x3^2 x4^2]。

那么矩阵f(X)的导数就是一个2×2的矩阵，其中每个元素都是对应元素的导数，即f'(X) = [2x1 2x2; 2x3 2x4]。

二、矩阵的积分与矩阵的导数类似，我们也可以定义矩阵的积分。

对于一个矩阵函数f(X)，其中X是一个矩阵，我们可以通过对f(X)的每个元素分别积分来得到矩阵的积分。

具体而言，如果f(X)的每个元素都是可积的，那么矩阵f(X)的积分就是一个与f(X)具有相同维度的矩阵，其中每个元素都是对应元素的积分。

例如，对于一个2×2的矩阵X = [x1 x2; x3 x4]，我们可以定义一个矩阵函数f(X) = [∫x1dx1 ∫x2dx2; ∫x3dx3 ∫x4dx4]。

那么矩阵f(X)的积分就是一个2×2的矩阵，其中每个元素都是对应元素的积分，即∫f(X)dX = [∫x1dx1 ∫x2dx2; ∫x3dx3 ∫x4dx4]。

三、矩阵微分方程矩阵微分方程是矩阵微积分中的一个重要概念。

它是描述矩阵函数与其导数之间关系的方程。

一般而言，矩阵微分方程可以分为常微分方程和偏微分方程两种类型。

线性代数在微分方程中的应用微分方程是数学中重要的研究对象之一，广泛应用于自然科学、工程技术等领域。

而线性代数，作为一门与向量、矩阵相关的学科，具有丰富的工具和方法，对微分方程的研究与应用具有重要的作用。

本文将探讨线性代数在微分方程中的应用。

一、矩阵与线性微分方程线性微分方程是指具有以下形式的微分方程：$$\frac{{d^n y}}{{dt^n}} + a_{n-1} \frac{{d^{n-1} y}}{{dt^{(n-1)}}} + \ldots + a_1 \frac{{dy}}{{dt}} + a_0 y = 0$$其中，$y$ 是未知函数，$a_0, a_1, \ldots, a_{n-1}$ 是给定的常数。

我们可以将线性微分方程表示为矩阵的形式：$$\frac{{d^n \mathbf{y}}}{{dt^n}} + \mathbf{A}_{n-1} \frac{{d^{n-1} \mathbf{y}}}{{dt^{(n-1)}}} + \ldots + \mathbf{A}_1\frac{{d\mathbf{y}}}{{dt}} + \mathbf{A}_0 \mathbf{y} = \mathbf{0}$$其中，$\mathbf{y}(t)$ 是一个向量函数，$\mathbf{A}_0,\mathbf{A}_1, \ldots, \mathbf{A}_{n-1}$ 是矩阵。

二、特征值与特征向量在微分方程中的应用特征值与特征向量是矩阵中的重要概念，它们在微分方程的研究中起到了关键的作用。

考虑一个 $n$ 阶线性微分方程，我们可以将其转化为如下形式：$$\frac{{d^n \mathbf{y}}}{{dt^n}} = \lambda \mathbf{y}$$其中，$\mathbf{y}(t)$ 是一个向量函数，$\lambda$ 是特征值。

这个转化过程可以通过特征值与特征向量的求解来实现。

矩阵求微分方程一、引言微分方程是数学中的重要分支之一，它描述了自然界中许多现象的变化规律。

矩阵求微分方程是解决微分方程的一种常见方法，它可以将微分方程转化为矩阵形式进行求解。

本文将介绍矩阵求微分方程的基本思路和具体步骤。

二、基本概念1. 线性微分方程线性微分方程指的是具有以下形式的微分方程：y' + p(t)y = q(t)其中p(t)和q(t)都是已知函数，y表示未知函数。

2. 矩阵矩阵是由数个数构成的矩形数组，其中每个数称为元素。

矩阵可以表示为：A = [a_ij]其中i表示行号，j表示列号，a_ij表示第i行第j列的元素。

3. 线性代数基础知识在进行矩阵求解时需要掌握线性代数基础知识，如矩阵加减、乘法、转置等运算规则。

三、矩阵求解步骤1. 将线性微分方程转化为向量形式将未知函数y及其导数y'看作向量，并将p(t)和q(t)看作常向量，则线性微分方程可以表示为：y' = Ay + b其中A是一个n阶矩阵，b是一个n维常向量。

2. 求解齐次线性微分方程将b置为零，即求解齐次线性微分方程：y' = Ay其通解可以表示为：y(t) = c_1e^(λ_1t)v_1 + c_2e^(λ_2t)v_2 + ... + c_ne^(λ_nt)v_n其中λ_i和v_i分别表示A的特征值和对应的特征向量，c_i是任意常数。

3. 求解非齐次线性微分方程将b不为零时的情况加入通解中，即可得到非齐次线性微分方程的通解：y(t) = y_h(t) + y_p(t)其中y_h(t)是齐次线性微分方程的通解，y_p(t)是非齐次线性微分方程的一个特解。

4. 求解特解求解非齐次线性微分方程的特解需要根据b的形式进行分类讨论。

一般情况下，可以采用常数变易法或待定系数法求解。

具体步骤如下：(1) 常数变易法设特解为y_p(t) = u(t)v，其中u(t)和v都是未知函数。

将y_p(t)代入非齐次线性微分方程中，并求解u(t)和v的值。