Google 翻译生成的粗略草稿,质量较低。术语依照术语表,但句子可能有误;之后会由仔细的译文取代。
§ 2。线性微分方程
1. 线性微分方程积分的存在性
令 E 为域 R \mathbf{R} R 上的完全范数空间,J 为 R \mathbf{R} R 中的区间,不减少至点。有人说微分方程
d x d t = f ( t , x )
\frac{d\mathbf{x}}{dt} = \mathbf{f}(t, \mathbf{x})
d t d x = f ( t , x )
(1) 其中 f f f 在 J × E J \times E J × E 上定义,是一个*线性*方程,如果对于每个 t ∈ J t \in J t ∈ J ,映射 x ↦ f ( t , x ) x \mapsto f(t, x) x ↦ f ( t , x ) 是一个从 E E E 到自身的*连续仿射线性映射* [^1];如果将 b ( t ) = f ( t , 0 ) b(t) = f(t, 0) b ( t ) = f ( t , 0 ) 映射 x ↦ f ( t , x ) − f ( t , 0 ) = f ( t , x ) − b ( t ) x \mapsto f(t, x) - f(t, 0) = f(t, x) - b(t) x ↦ f ( t , x ) − f ( t , 0 ) = f ( t , x ) − b ( t ) 则为从 E E E 到自身的连续线性映射;从现在开始,我们将用A ( t ) A(t) A ( t ) 来表示这个映射,并在点x ∈ E x \in E x ∈ E 处将其值写为A ( t ) . x A(t).x A ( t ) . x (或简称为A ( t ) x A(t)x A ( t ) x );因此线性微分方程(1)可以写成
d x d t = A ( t ) . x + b ( t )
\frac{dx}{dt} = A(t).x + b(t)
d t d x = A ( t ) . x + b ( t )
(2)
其中b b b 是从J J J 到E E E 的映射;当b = 0 b = 0 b = 0 时,我们说线性微分方程(2)是*齐次*的。
当E E E 是有限维n n n 超过R \mathbf{R} R 一个可以确定自同态A ( t ) A(t) A ( t ) 及其*矩阵*( a i j ( t ) ) \left(a_{ij}(t)\right) ( a ij ( t ) ) *相对于*E E E 的任何基时(*代数*,II,p. 343);当相对于 E E E 的基识别向量 x ∈ E x \in E x ∈ E 及其组件的列矩阵 ( x j ) (x_j) ( x j ) 时,表达式 A ( t ) . x A(t).x A ( t ) . x 符合代数 (Alg. , II,p. 343,道具 2)。在这种情况下,方程(2)相当于标量微分方程的系统
d x i d t = ∑ j = 1 n a i j ( t ) x j + b i ( t ) ( 1 ≤ i ≤ n ) .
\frac{dx_i}{dt} = \sum_{j=1}^n a_{ij}(t)x_j + b_i(t) \qquad (1 \leq i \leq n).
d t d x i = j = 1 ∑ n a ij ( t ) x j + b i ( t ) ( 1 ≤ i ≤ n ) .
(3)
引用了 1 引用了 A II § 10. 。 矩阵
令G G G 是R \mathbf{R} R 上的*完全归一化的代数*,并且a ( t ) a(t) a ( t ) 、b ( t ) b(t) b ( t ) 和c ( t ) c(t) c ( t ) 是从J J J 到G G G 的三个映射;等式
d x d t = a ( t ) x + x b ( t ) + c ( t )
\frac{dx}{dt} = a(t)x + x b(t) + c(t)
d t d x = a ( t ) x + x b ( t ) + c ( t )
是一个线性微分方程;这里A ( t ) A(t) A ( t ) 是G G G 自身的线性映射x ↦ a ( t ) x + x b ( t ) x \mapsto a(t)x + x b(t) x ↦ a ( t ) x + x b ( t ) 。
对于每个t ∈ J t \in J t ∈ J ,A ( t ) A(t) A ( t ) 是从E E E 到自身的连续线性映射的集合L ( E ) \mathscr{L}(E) L ( E ) 的元素(E E E 的连续自同态);人们知道(*Gen.Top.*,X,p. 298)L ( E ) \mathscr{L}(E) L ( E ) ,赋予了*范数*∥ U ∥ = sup ∥ x ∥ ≤ 1 ∥ U x ∥ \|U\| = \sup_{\|x\| \leq 1} \|Ux\| ∥ U ∥ = sup ∥ x ∥ ≤ 1 ∥ U x ∥ ,是一个*完全规范的代数*超过域R \mathbf{R} R ,以及∥ U V ∥ ≤ ∥ U ∥ ∥ V ∥ \|UV\| \leq \|U\|\ \|V\| ∥ U V ∥ ≤ ∥ U ∥ ∥ V ∥ 。
在整个截面中,我们假设满足以下条件:
a) 映射 t ↦ A ( t ) t \mapsto A(t) t ↦ A ( t ) 的 J J J 进入 L ( E ) \mathscr{L}(E) L ( E ) 受到监管 。
b) 映射 t ↦ b ( t ) t \mapsto b(t) t ↦ b ( t ) 的 J J J 进入 E E E 受到管制 。
当E E E 有维数n n n 时,L ( E ) \mathscr{L}(E) L ( E ) 与R n 2 \mathbf{R}^{n^2} R n 2 同构的(作为拓扑向量空间)和条件*a*)意味着矩阵的每个元素a i j ( t ) a_{ij}(t) a ij ( t ) A ( t ) A(t) A ( t ) 是J J J 上的*受监管* 函数。
从∥ A ( t ′ ) x − A ( t ) x ∥ ≤ ∥ A ( t ′ ) − A ( t ) ∥ ∥ x ∥ \|A(t')\mathbf{x} - A(t)\mathbf{x}\| \leq \|A(t') - A(t)\|\|\mathbf{x}\| ∥ A ( t ′ ) x − A ( t ) x ∥ ≤ ∥ A ( t ′ ) − A ( t ) ∥∥ x ∥ 开始,映射
t ↦ A ( t ) . x + b ( t )
t \mapsto A(t).\mathbf{x} + \mathbf{b}(t)
t ↦ A ( t ) . x + b ( t ) 每
x ∈ E \mathbf{x} \in E x ∈ E 受监管;进一步,
∥ A ( t ) x 1 − A ( t ) x 2 ∥ = ∥ A ( t ) ( x 1 − x 2 ) ∥ ≤ ∥ A ( t ) ∥ ∥ x 1 − x 2 ∥
\|A(t)\mathbf{x}_1 - A(t)\mathbf{x}_2\| = \|A(t)(\mathbf{x}_1 - \mathbf{x}_2)\| \leq \|A(t)\|\|\mathbf{x}_1 - \mathbf{x}_2\|
∥ A ( t ) x 1 − A ( t ) x 2 ∥ = ∥ A ( t ) ( x 1 − x 2 ) ∥ ≤ ∥ A ( t ) ∥∥ x 1 − x 2 ∥ 对于
E E E 中的任何
t ∈ J t \in J t ∈ J 和
x 1 , x 2 \mathbf{x}_1, \mathbf{x}_2 x 1 , x 2 ;在其他字中,(2)的右边满足IV、p. 165中的引理1的条件,并且相对于
J × E J \times E J × E 上规定的函数
∥ A ( t ) ∥ \|A(t)\| ∥ A ( t ) ∥ 是Lipschitz。在推论(IV,p. 173,cor.2):
引用了 1 引用了 IV § 1. 。存在定理
设*t ↦ A ( t ) t \mapsto A(t) t ↦ A ( t ) *是*J J J *到*L ( E ) \mathscr{L}(E) L ( E ) 的调节映射,*和*t ↦ b ( t ) t \mapsto \mathbf{b}(t) t ↦ b ( t ) *是*J J J *到*E E E 的调节映射。 对于 J × E J \times E J × E 线性方程 的每一个点* ( t 0 , x 0 ) (t_0, \mathbf{x}_0) ( t 0 , x 0 ) * (2) 承认在所有 J J J 上定义了一个且唯一的一个解,并且等于 x 0 \mathbf{x}_0 x 0 在点 t 0 t_0 t 0 。
2. 线性微分方程积分的线性度
求解线性微分方程(2)是线性问题(Alg. ,II,p. 240);齐次线性方程
d x d t = A ( t ) . x
\frac{d\mathbf{x}}{dt} = A(t).\mathbf{x}
d t d x = A ( t ) . x 据说与非齐次方程 (2) 相关联;并且知道 ( Alg.*, II, p. 241, 命题 14),如果 u 1 \mathbf{u}_1 u 1 是非齐次方程 (2) 的积分,则该方程的每个积分都是形式 u + u 1 \mathbf{u} + \mathbf{u}_1 u + u 1 ,其中 u 1 \mathbf{u}_1 u 1 是相关齐次方程 (4) 的解,并且反之。我们首先要研究这个小节*齐次*方程(4)的积分。
集合* I \mathscr{I} I 齐次线性方程的积分 (4),*定义于* J J J ,*是空间* C ( J ; E ) C(J; E) C ( J ; E ) 的向量子空间 连续映射从 J J J 到 E E E 。
对于* J × E J \times E J × E 的每个点 ( t 0 , x 0 ) (t_0, \mathbf{x}_0) ( t 0 , x 0 ) 让 u ( t , t 0 , x 0 ) \mathbf{u}(t, t_0, \mathbf{x}_0) u ( t , t 0 , x 0 ) 成为齐次方程的积分 (4) 定义于 J J J 并等于 x 0 \mathbf{x}_0 x 0 在 t 0 t_0 t 0 。 1. 对于每个点 t ∈ J t \in J t ∈ J 映射 x 0 ↦ u ( t , t 0 , x 0 ) \mathbf{x}_0 \mapsto \mathbf{u}(t, t_0, \mathbf{x}_0) x 0 ↦ u ( t , t 0 , x 0 ) 是一个双射双连续线性映射 C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) of E E E 自身 。 2. 映射 t ↦ C ( t , t 0 ) t \mapsto C(t, t_0) t ↦ C ( t , t 0 ) of J J J 化为 L ( E ) \mathscr{L}(E) L ( E ) 与齐次线性微分方程的积分相同
d U d t = A ( t ) U
\frac{dU}{dt} = A(t)\ U
d t d U = A ( t ) U 需要值 I I I **(*
E E E 自身的身份映射) 在点 t 0 t_0 t 0 。 3.
对于任何点 s , t , u s, t, u s , t , u **
J J J C ( s , u ) = C ( s , t ) C ( t , u ) , C ( s , t ) = ( C ( t , s ) ) − 1 .
C(s, u) = C(s, t)C(t, u), \qquad C(s, t) = (C(t, s))^{-1}.
C ( s , u ) = C ( s , t ) C ( t , u ) , C ( s , t ) = ( C ( t , s ) ) − 1 .
引用了 3 引用了 § 2. 。线性微分方程 , I § 1. 。一阶导数 , E II § 3. Correspondences
通过道具。 1, u ( t , t 0 , x 1 ) + u ( t , t 0 , x 2 ) \mathbf{u}(t, t_0, \mathbf{x}_1) + \mathbf{u}(t, t_0, \mathbf{x}_2) u ( t , t 0 , x 1 ) + u ( t , t 0 , x 2 ) (或λ u ( t , t 0 , x 0 ) \lambda \mathbf{u}(t, t_0, \mathbf{x}_0) λ u ( t , t 0 , x 0 ) )是(4)的积分,并且在t 0 t_0 t 0 处取值x 1 + x 2 \mathbf{x}_1 + \mathbf{x}_2 x 1 + x 2 (或λ x 0 \lambda \mathbf{x}_0 λ x 0 ),因此,通过th。 IV、p. 179 中的 1 个与 u ( t , t 0 , x 1 + x 2 ) \mathbf{u}(t, t_0, \mathbf{x}_1 + \mathbf{x}_2) u ( t , t 0 , x 1 + x 2 ) (分别为 u ( t , t 0 , λ x 0 ) \mathbf{u}(t, t_0, \lambda \mathbf{x}_0) u ( t , t 0 , λ x 0 ) )相同;因此,映射x 0 ↦ u ( t , t 0 , x 0 ) \mathbf{x}_0 \mapsto \mathbf{u}(t, t_0, \mathbf{x}_0) x 0 ↦ u ( t , t 0 , x 0 ) 是E自身的线性映射C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) ,并且可以写成u ( t , t 0 , x 0 ) = C ( t , t 0 ) . x 0 \mathbf{u}(t, t_0, \mathbf{x}_0) = C(t, t_0). \mathbf{x}_0 u ( t , t 0 , x 0 ) = C ( t , t 0 ) . x 0 。
由于 L ( E ) × L ( E ) \mathscr{L}(E) \times \mathscr{L}(E) L ( E ) × L ( E ) 到 L ( E ) \mathscr{L}(E) L ( E ) 的映射 ( X , Y ) ↦ X Y (X, Y) \mapsto XY ( X , Y ) ↦ X Y 是连续的(*Gen. Top.*, X, p. 298,第 8 条),因此 J 到 L ( E ) \mathscr{L}(E) L ( E ) 的映射 t ↦ A ( t ) U t \mapsto A(t)U t ↦ A ( t ) U 受到所有监管U ∈ L ( E ) U \in \mathscr{L}(E) U ∈ L ( E ) ;进一步(*Gen.Top.*,X,p. 296)
∥ A ( t ) X − A ( t ) Y ∥ = ∥ A ( t ) ( X − Y ) ∥ ≤ ∥ A ( t ) ∥ ∥ X − Y ∥ ,
\| A(t)X - A(t)Y \| = \| A(t)(X - Y) \| \leq \| A(t) \| \| X - Y \|,
∥ A ( t ) X − A ( t ) Y ∥ = ∥ A ( t ) ( X − Y ) ∥ ≤ ∥ A ( t ) ∥∥ X − Y ∥ ,
所以人们可以应用th。将IV、p. 179的I代入齐次线性方程(5);令 V ( t ) V(t) V ( t ) 为在 J 上定义的该方程的积分,并等于 t 0 t_0 t 0 处的I I I 。其中一个有 (I, p. 6, 道具 3)
d d t ( V ( t ) x 0 ) = d V ( t ) d t x 0 = A ( t ) ( V ( t ) x 0 )
\frac{d}{dt} (V(t)\mathbf{x}_0) = \frac{dV(t)}{dt} \mathbf{x}_0 = A(t)(V(t)\mathbf{x}_0)
d t d ( V ( t ) x 0 ) = d t d V ( t ) x 0 = A ( t ) ( V ( t ) x 0 )
对于t = t 0 t = t_0 t = t 0 ,我们有V ( t ) x 0 = I x 0 = x 0 V(t)\mathbf{x}_0 = I\mathbf{x}_0 = \mathbf{x}_0 V ( t ) x 0 = I x 0 = x 0 ;到了。 IV、p. 179 中的 1 个对于所有 x 0 ∈ E \mathbf{x}_0 \in E x 0 ∈ E 必须有 V ( t ) . x 0 = C ( t , t 0 ) x 0 V(t).\mathbf{x}_0 = C(t, t_0)\mathbf{x}_0 V ( t ) . x 0 = C ( t , t 0 ) x 0 ,即 V ( t ) = C ( t , t 0 ) V(t) = C(t, t_0) V ( t ) = C ( t , t 0 ) ;这就证明了C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 属于到L ( E ) \mathscr{L}(E) L ( E ) ,在其他字中,x 0 ↦ C ( t , t 0 ) . x 0 \mathbf{x}_0 \mapsto C(t, t_0).\mathbf{x}_0 x 0 ↦ C ( t , t 0 ) . x 0 在E上连续,并且映射t ↦ C ( t , t 0 ) t \mapsto C(t, t_0) t ↦ C ( t , t 0 ) 是(5)的积分,在t 0 t_0 t 0 处等于I I I 。
最后,(4) 的积分s ↦ C ( s , u ) . x 0 s \mapsto C(s, u).\mathbf{x}_0 s ↦ C ( s , u ) . x 0 在点t t t 处等于C ( t , u ) . x 0 C(t, u).\mathbf{x}_0 C ( t , u ) . x 0 ,因此,通过定义,
C ( s , u ) . x 0 = C ( s , t ) ( C ( t , u ) . x 0 ) = ( C ( s , t ) C ( t , u ) ) . x 0
C(s, u).\mathbf{x}_0 = C(s, t)(C(t, u).\mathbf{x}_0) = (C(s, t)C(t, u)).\mathbf{x}_0
C ( s , u ) . x 0 = C ( s , t ) ( C ( t , u ) . x 0 ) = ( C ( s , t ) C ( t , u )) . x 0
对于任意 x 0 ∈ E \mathbf{x}_0 \in E x 0 ∈ E ,从而第一个关系 (6);因为C ( s , s ) = I C(s, s) = I C ( s , s ) = I 有C ( s , t ) C ( t , s ) = I C(s, t)C(t, s) = I C ( s , t ) C ( t , s ) = I ,对于J中的任何s s s 和t t t ;这证明了(*集合理论*,II,p. 86,推论)C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 是E到自身的双射映射,具有逆映射C ( t 0 , t ) C(t_0, t) C ( t 0 , t ) 。这样就完成了定理的证明。
有人说C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 是IV、p. 178的方程(2)的*解*。
映射,对于每个点 x 0 ∈ E \mathbf{x}_0 \in E x 0 ∈ E ,将 J 上定义的连续函数 t ↦ C ( t , t 0 ) . x 0 t \mapsto C(t, t_0).\mathbf{x}_0 t ↦ C ( t , t 0 ) . x 0 关联起来,是范数空间 E 的同构到 (4) 积分的向量空间 I \mathscr{I} I ,赋予拓扑紧凑收敛。
它肯定是E到I \mathscr{I} I 的双射线性映射:现在C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 有界于紧集K ⊂ J K \subset J K ⊂ J ,因此∥ C ( t , t 0 ) . x 0 ∥ ≤ M ∥ x 0 ∥ \| C(t, t_0).\mathbf{x}_0 \| \leq M \| \mathbf{x}_0 \| ∥ C ( t , t 0 ) . x 0 ∥ ≤ M ∥ x 0 ∥ 对于任何t ∈ K t \in K t ∈ K 和x 0 ∈ E \mathbf{x}_0 \in E x 0 ∈ E ,这表明这个映射是连续的;自从
C ( t 0 , t 0 ) . x 0 = x 0 ,
C(t_0, t_0).\mathbf{x}_0 = \mathbf{x}_0,
C ( t 0 , t 0 ) . x 0 = x 0 ,
显然,逆矩阵映射也是连续的。
J × J J \times J J × J 到L ( E ) \mathscr{L}(E) L ( E ) 的映射( s , t ) ↦ C ( s , t ) (s, t) \mapsto C(s, t) ( s , t ) ↦ C ( s , t ) 是连续的。
引用了 2 引用了 I § 1. 。一阶导数 , § 2. 。线性微分方程
由(6)我们有C ( s , t ) = C ( s , t 0 ) ( C ( t , t 0 ) ) − 1 C(s, t) = C(s, t_0) \left( C(t, t_0) \right)^{-1} C ( s , t ) = C ( s , t 0 ) ( C ( t , t 0 ) ) − 1 ;现在,L ( E ) × L ( E ) \mathscr{L}(E) \times \mathscr{L}(E) L ( E ) × L ( E ) 的映射( X , Y ) ↦ X Y (X, Y) \mapsto XY ( X , Y ) ↦ X Y 到L ( E ) \mathscr{L}(E) L ( E ) 是连续的,L ( E ) \mathscr{L}(E) L ( E ) 的可逆元的(开放)群到其自身上的映射X ↦ X − 1 X \mapsto X^{-1} X ↦ X − 1 也是连续的(TG,IX,p. 40,道具 14)。
一个可能注那个映射
t ↦ C ( t 0 , t ) = ( C ( t , t 0 ) ) − 1
t \mapsto C(t_0, t) = (C(t, t_0))^{-1}
t ↦ C ( t 0 , t ) = ( C ( t , t 0 ) ) − 1 承认导数等于
− ( C ( t , t 0 ) ) − 1 ( d C ( t , t 0 ) / d t ) ( C ( t , t 0 ) ) − 1 -(C(t, t_0))^{-1} (dC(t, t_0)/dt)(C(t, t_0))^{-1} − ( C ( t , t 0 ) ) − 1 ( d C ( t , t 0 ) / d t ) ( C ( t , t 0 ) ) − 1 (在可数集合的补集上)(I,p. 8,命题4),也就是说(由IV,p. 179,公式(5))等于
− C ( t 0 , t ) A ( t ) -C(t_0, t) A(t) − C ( t 0 , t ) A ( t ) 。
设K为J中包含的紧区间,并设k = sup t ∈ K ∥ A ( t ) ∥ k = \sup_{t \in K} \|A(t)\| k = sup t ∈ K ∥ A ( t ) ∥ 。对于 K* 中的所有 t 和 t 0 t_0 t 0
∥ C ( t , t 0 ) − I ∥ ≤ e k ∣ t − t 0 ∣ − 1.
\|C(t, t_0) - I\| \leq e^{k|t-t_0|} - 1 .
∥ C ( t , t 0 ) − I ∥ ≤ e k ∣ t − t 0 ∣ − 1. (7)
引用了 1 引用了 IV § 1. 。存在定理
事实上,∥ A ( t ) x 0 ∥ ≤ k ∥ x 0 ∥ \|A(t)x_0\| \leq k \|x_0\| ∥ A ( t ) x 0 ∥ ≤ k ∥ x 0 ∥ 对于所有t ∈ K t \in K t ∈ K ;在 K 上,常数函数等于 x 0 x_0 x 0 ,因此是通过等式(4)右 IV、p. 18 在 k ∥ x 0 ∥ k \|x_0\| k ∥ x 0 ∥ 内的近似积分;通过 IV、p. 170 的公式 (15),因此有
∥ C ( t , t 0 ) x 0 − x 0 ∥ ≤ ∥ x 0 ∥ ( e k ∣ t − t 0 ∣ − 1 )
\|C(t, t_0)x_0 - x_0\| \leq \|x_0\| (e^{k|t-t_0|} - 1)
∥ C ( t , t 0 ) x 0 − x 0 ∥ ≤ ∥ x 0 ∥ ( e k ∣ t − t 0 ∣ − 1 ) 对于 K 中的任意
t t t 和
t 0 t_0 t 0 ,以及 E 中的
x 0 x_0 x 0 ,等价于
L ( E ) \mathscr{L}(E) L ( E ) 上范数的定义不等式 (7)。
设B是E的连续自同态,独立于t,并且对于所有t ∈ J t \in J t ∈ J 与A(t)可交换;那么 B 对于所有 t 都使用 C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 进行通勤,而 J 中则使用 t 0 t_0 t 0 。
引用了 1 引用了 § 2. 。线性微分方程
确实,由 (5)
d d t ( B C ) = B A C = A B C and d d t ( C B ) = A C B ,
\frac{d}{dt}(BC) = BAC = ABC \quad \text{and} \quad \frac{d}{dt}(CB) = ACB ,
d t d ( B C ) = B A C = A B C and d t d ( C B ) = A C B , 所以
d d t ( B C − C B ) = A ( B C − C B ) \frac{d}{dt}(BC - CB) = A(BC - CB) d t d ( B C − C B ) = A ( B C − C B ) ;但是
B C ( t 0 , t 0 ) − C ( t 0 , t 0 ) B = 0 BC(t_0, t_0) - C(t_0, t_0)B = 0 B C ( t 0 , t 0 ) − C ( t 0 , t 0 ) B = 0 ,所以(IV,p. 179,第1)
B C ( t , t 0 ) − C ( t , t 0 ) B = 0 BC(t, t_0) - C(t, t_0)B = 0 B C ( t , t 0 ) − C ( t , t 0 ) B = 0 对于所有
t ∈ J t \in J t ∈ J 。
道具的一个重要例子。 2 是,其中 E 被赋予相对于复数* C \mathbf{C} C 的 *域的范数向量空间的结构,并且对于每个 t ∈ J t \in J t ∈ J ,A ( t ) A(t) A ( t ) 是 E 的自同态对于这个向量空间结构;这意味着 A ( t ) A(t) A ( t ) 与 E 的连续自同态 x ↦ t x x \mapsto tx x ↦ t x 通勤(对于向量空间结构 超过 R \mathbf{R} R );那么C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 与这个自同态交换,这意味着对于J中的任何t t t 和t 0 t_0 t 0 ,映射C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 是E上范数向量空间结构的连续自同态 C \mathbf{C} C 。
3. 对非齐次线性方程积分
对非齐次线性方程积分
d x d t = A ( t ) . x + b ( t )
\frac{d\mathbf{x}}{dt} = A(t).\mathbf{x} + \mathbf{b}(t)
d t d x = A ( t ) . x + b ( t )
约化对关联的齐次方程进行积分
d x d t = A ( t ) . x
\frac{d\mathbf{x}}{dt} = A(t).\mathbf{x}
d t d x = A ( t ) . x
并评估一个原语。与第记号。 IV、p. 179中的2个,让我们从IV、p. 179、z = C ( t 0 , t ) . x \mathbf{z} = C(t_0, t).\mathbf{x} z = C ( t 0 , t ) . x 的第二个公式开始放入x = C ( t , t 0 ) . z \mathbf{x} = C(t, t_0).\mathbf{z} x = C ( t , t 0 ) . z 、从而;如果 x \mathbf{x} x 是 (2) 的积分,则 z \mathbf{z} z 是方程 d d t ( C ( t , t 0 ) . z ) = A ( t ) C ( t , t 0 ) . z + b ( t ) \frac{d}{dt}\left(C(t, t_0).\mathbf{z}\right) = A(t)C(t, t_0).\mathbf{z} + \mathbf{b}(t) d t d ( C ( t , t 0 ) . z ) = A ( t ) C ( t , t 0 ) . z + b ( t ) 的积分;由于双线性映射
( U , y ) ↦ U . y
(U, y) \mapsto U.y
( U , y ) ↦ U . y
L ( E ) × E \mathscr{L}(\mathbf{E}) \times \mathbf{E} L ( E ) × E 到 E \mathbf{E} E 是连续的(\emph{Gen. Top.},X,p. 297,道具 6),z \mathbf{z} z 承认导数(除了 J 的可数子集),并且可以通过公式来微分双线性函数(I,p. 6,道具 3)
d d t ( C ( t , t 0 ) . z ) = d C ( t , t 0 ) d t . z + C ( t , t 0 ) . d z d t = A ( t ) C ( t , t 0 ) . z + C ( t , t 0 ) . d z d t
\frac{d}{dt}\left(C(t, t_0).\mathbf{z}\right) = \frac{dC(t, t_0)}{dt}.\mathbf{z} + C(t, t_0).\frac{d\mathbf{z}}{dt} = A(t)C(t, t_0).\mathbf{z} + C(t, t_0).\frac{d\mathbf{z}}{dt}
d t d ( C ( t , t 0 ) . z ) = d t d C ( t , t 0 ) . z + C ( t , t 0 ) . d t d z = A ( t ) C ( t , t 0 ) . z + C ( t , t 0 ) . d t d z
(根据(5)(IV,p. 179),替换d C ( t , t 0 ) / d t dC(t, t_0)/dt d C ( t , t 0 ) / d t 乘A ( t ) C ( t , t 0 ) A(t)C(t, t_0) A ( t ) C ( t , t 0 ) )。 z \mathbf{z} z 然后约化到 C ( t , t 0 ) . d z / d t = b ( t ) C(t, t_0).d\mathbf{z}/dt = \mathbf{b}(t) C ( t , t 0 ) . d z / d t = b ( t ) 的方程,或者再次到
d z d t = C ( t 0 , t ) . b ( t )
\frac{d\mathbf{z}}{dt} = C(t_0, t).\mathbf{b}(t)
d t d z = C ( t 0 , t ) . b ( t )
由IV的第二个公式(6),p. 179。现在等式(8)的右边是J上的调节函数,通过将调节的函数U U U 和y y y 代入连续双线性函数U . y U.y U . y (\emph{cf.}II, p. 55,2);因此,方程 (8) 在 t 0 t_0 t 0 处有一个且仅有一个积分值 x 0 \mathbf{x}_0 x 0 ,由公式给出
z ( t ) = x 0 + ∫ t 0 t C ( t 0 , s ) . b ( s ) d s .
\mathbf{z}(t) = \mathbf{x}_0 + \int_{t_0}^t C(t_0, s).\mathbf{b}(s)\,ds.
z ( t ) = x 0 + ∫ t 0 t C ( t 0 , s ) . b ( s ) d s .
由于有 C ( t , t 0 ) . ∫ t 0 t C ( t 0 , s ) . b ( s ) d s = ∫ t 0 t C ( t , t 0 ) C ( t 0 , s ) . b ( s ) d s C(t, t_0).\int_{t_0}^t C(t_0, s).\mathbf{b}(s)\,ds = \int_{t_0}^t C(t, t_0)C(t_0, s).\mathbf{b}(s)\,ds C ( t , t 0 ) . ∫ t 0 t C ( t 0 , s ) . b ( s ) d s = ∫ t 0 t C ( t , t 0 ) C ( t 0 , s ) . b ( s ) d s (II, p. 59, 公式 (9)),因此可以得到以下结果(考虑到 IV, p. 179 的第一个公式 (6)):
第记号。 2* (IV, p. 179), 对于每个点 ( t 0 , x 0 ) (t_0, \mathbf{x}_0) ( t 0 , x 0 ) 的 J × E J \times \mathbf{E} J × E 线性方程的积分 (2) 定义于 J J J 并等于 x 0 \mathbf{x}_0 x 0 在 t 0 t_0 t 0 *由下式给出公式
引用了 1 引用了 § 2. 。线性微分方程
u ( t ) = C ( t , t 0 ) . x 0 + ∫ t 0 t C ( t , s ) . b ( s ) d s .
\mathbf{u}(t) = C(t, t_0).\mathbf{x}_0 + \int_{t_0}^t C(t, s).\mathbf{b}(s)\,ds.
u ( t ) = C ( t , t 0 ) . x 0 + ∫ t 0 t C ( t , s ) . b ( s ) d s .
方法导致公式(10),其中将函数z \mathbf{z} z 作为新的未知数函数,通常被称为“参数变化的方法”。
4. 标量微分方程线性系统积分的基本系统
在这个小节和接下来的我们将考虑这样的情况,其中E是有限维n的向量空间超过域C \mathbf{C} C 的复数(因此维数2n超过R \mathbf{R} R ),并且对于每个t ∈ J t \in J t ∈ J , A ( t ) A(t) A ( t ) 是 E 的自同态相对于向量空间结构的C \mathbf{C} C 。然后,可以将认同A ( t ) A(t) A ( t ) 及其矩阵( a i j ( t ) ) (a_{ij}(t)) ( a ij ( t )) 相对于E的基(超过域C \mathbf{C} C )进行定义,a i j a_{ij} a ij 这次是n 2 n^2 n 2 复数函数,并且对 J 进行监管;令 x j x_j x j (1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n ) 表示向量 x ∈ E x \in E x ∈ E 相对于所选基的(复)分量,线性方程
d x d t = A ( t ) . x + b ( t )
\frac{d\mathbf{x}}{dt} = A(t).\mathbf{x} + \mathbf{b}(t)
d t d x = A ( t ) . x + b ( t )
再次等于系统
d x i d t = ∑ j = 1 n a i j ( t ) x j + b i ( t ) ( 1 ≤ i ≤ n ) .
\frac{dx_i}{dt} = \sum_{j=1}^n a_{ij}(t)x_j + b_i(t) \qquad (1 \leq i \leq n).
d t d x i = j = 1 ∑ n a ij ( t ) x j + b i ( t ) ( 1 ≤ i ≤ n ) .
定理 1 (IV, p. 179) 和 2 (IV, p. 179) 和道具。 2 (IV, p. 181) 那么证明对于 E 中的每个 x 0 = ( x k 0 ) 1 ≤ k ≤ n \mathbf{x}_0 = (x_{k0})_{1 \leq k \leq n} x 0 = ( x k 0 ) 1 ≤ k ≤ n ,存在且仅有一个方程的积分 u = ( u k ) 1 ≤ k ≤ n \mathbf{u} = (u_k)_{1 \leq k \leq n} u = ( u k ) 1 ≤ k ≤ n
d x d t = A ( t ) . x
\frac{d\mathbf{x}}{dt} = A(t).\mathbf{x}
d t d x = A ( t ) . x
定义在 E 上且等于点 t 0 t_0 t 0 处的 x 0 \mathbf{x}_0 x 0 ;这个积分可以写成
u ( t , t 0 , x 0 ) = C ( t , t 0 ) . x 0 ,
\mathbf{u}(t, t_0, \mathbf{x}_0) = C(t, t_0).\mathbf{x}_0,
u ( t , t 0 , x 0 ) = C ( t , t 0 ) . x 0 ,
C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 是阶n n n 的可逆平方矩阵( c i j ( t , t 0 ) ) (c_{ij}(t, t_0)) ( c ij ( t , t 0 )) ,其条目是J × J J \times J J × J 上的连续复数函数,因此t ↦ c i j ( t , t 0 ) t \mapsto c_{ij}(t, t_0) t ↦ c ij ( t , t 0 ) 是受监管函数的原语在 J 上。
在特殊情况下 n = 1 n = 1 n = 1 系统 (3) 约化为单个标量方程
d x d t = a ( t ) x + b ( t )
\frac{dx}{dt} = a(t)x + b(t)
d t d x = a ( t ) x + b ( t )
a ( t ) a(t) a ( t ) 和 b ( t ) b(t) b ( t ) 在 J) 上受到复杂调节函数;立即验证(一个元素)矩阵C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 等于exp ( ∫ t 0 t a ( s ) d s ) \exp \left( \int_{t_0}^t a(s)\, ds \right) exp ( ∫ t 0 t a ( s ) d s ) ; (11) 在点 t 0 t_0 t 0 处等于 x 0 x_0 x 0 的积分因此由公式明确给出
u ( t ) = x 0 exp ( ∫ t 0 t a ( s ) d s ) + ∫ t 0 t b ( s ) exp ( ∫ t 0 τ a ( τ ) d τ ) d s .
u(t) = x_0 \exp \left( \int_{t_0}^t a(s)\, ds \right) + \int_{t_0}^t b(s) \exp \left( \int_{t_0}^\tau a(\tau)\, d\tau \right) ds.
u ( t ) = x 0 exp ( ∫ t 0 t a ( s ) d s ) + ∫ t 0 t b ( s ) exp ( ∫ t 0 τ a ( τ ) d τ ) d s .
从J到E的连续映射的空间C ( J ; E ) \mathscr{C}(J; E) C ( J ; E ) 中,由于拓扑的紧收敛性,式(4)积分的集合I \mathscr{I} I 为向量子空间(超过C \mathbf{C} C )与 E 同构的,因此与 C n \mathbf{C}^n C n (IV、p. 180,对应 1,以及 IV、p. 181,道具 2)。
这个空间(超过域C \mathbf{C} C )的基( u j ) 1 ≤ j ≤ n (\mathbf{u}_j)_{1 \leq j \leq n} ( u j ) 1 ≤ j ≤ n 被称为(4)积分的*基本系统*。
对于方程(4)的n n n 整的u j \mathbf{u}_j u j (1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n )到形式基本系统,它们在点t 0 ∈ J t_0 \in J t 0 ∈ J 处的值u j ( t 0 ) \mathbf{u}_j(t_0) u j ( t 0 ) 是线性独立的向量是必要且充分的E E E .
引用了 2 引用了 § 2. 。线性微分方程 , A III § 8. 。决定因素
事实上,与每个x 0 ∈ E \mathbf{x}_0 \in E x 0 ∈ E 关联积分t ↦ C ( t , t 0 ) . x 0 t \mapsto C(t, t_0).\mathbf{x}_0 t ↦ C ( t , t 0 ) . x 0 的映射是E E E 到I \mathscr{I} I 的同构(IV,p. 180,相关1和IV,p. 181,道具2)。
如果( e j ) 1 ≤ j ≤ n (\mathbf{e}_j)_{1 \leq j \leq n} ( e j ) 1 ≤ j ≤ n 是E E E 超过C \mathbf{C} C 的任何基,则n n n 整的
u j ( t ) = C ( t , t 0 ) . e j ( 1 ≤ j ≤ n )
\mathbf{u}_j(t) = C(t, t_0).\mathbf{e}_j \qquad (1 \leq j \leq n)
u j ( t ) = C ( t , t 0 ) . e j ( 1 ≤ j ≤ n ) 因此形式是一个基本的系统;如果将
C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 与矩阵相对于基
( e j ) (\mathbf{e}_j) ( e j ) 进行识别,则
u j \mathbf{u}_j u j 的积分恰好是矩阵
C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 的*列*。 (4) 在点
t 0 t_0 t 0 取值
x 0 = ∑ j = 1 n λ j e j \mathbf{x}_0 = \sum_{j=1}^n \lambda_j \mathbf{e}_j x 0 = ∑ j = 1 n λ j e j 的积分则为
C ( t , t 0 ) . x 0 = ∑ k = 1 n λ k u k ( t ) C(t, t_0).\mathbf{x}_0 = \sum_{k=1}^n \lambda_k \mathbf{u}_k(t) C ( t , t 0 ) . x 0 = ∑ k = 1 n λ k u k ( t ) 。
给定(4)一个项的*任何*n n n 整的u j \mathbf{u}_j u j (1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n ),这些n n n 积分在点t ∈ J t \in J t ∈ J 相对于E E E 的基( e j ) 1 ≤ j ≤ n (\mathbf{e}_j)_{1 \leq j \leq n} ( e j ) 1 ≤ j ≤ n 的*行列式*,行列式
Δ ( t ) = ( u 1 ( t ) , u 2 ( t ) , … , u n ( t ) )
\Delta(t) = (\mathbf{u}_1(t), \ \mathbf{u}_2(t), \ \ldots, \ \mathbf{u}_n(t))
Δ ( t ) = ( u 1 ( t ) , u 2 ( t ) , … , u n ( t )) n n n 向量
u j ( t ) \mathbf{u}_j(t) u j ( t ) 相对于基
( e j ) (\mathbf{e}_j) ( e j ) (
Alg. , III, p. 522)。其中一个有 (
Alg. , III, p. 523, 道具 2)
Δ ( t ) = Δ ( t 0 ) det ( C ( t , t 0 ) ) .
\Delta(t) = \Delta(t_0) \det \left( C(t, t_0) \right).
Δ ( t ) = Δ ( t 0 ) det ( C ( t , t 0 ) ) .
通过道具。 IV、p. 184 的 4,对于( u j ) 1 ≤ j ≤ n (\mathbf{u}_j)_{1 \leq j \leq n} ( u j ) 1 ≤ j ≤ n 作为 (4) 积分的基本系统,u j \mathbf{u}_j u j 的行列式 Δ ( t ) \Delta(t) Δ ( t ) 在某个点 t 0 t_0 t 0 处为 ≠ 0 \neq 0 = 0 是必要且充分的J J J ; 公式 (14) 然后表明Δ ( t ) ≠ 0 \Delta(t) \neq 0 Δ ( t ) = 0 在J J J 的每点处,在其他字中,向量u j ( t ) \mathbf{u}_j(t) u j ( t ) (1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n )始终是线性独立的。
矩阵 C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 的行列式由公式给出*
det ( C ( t , t 0 ) ) = exp ( ∫ t 0 t Tr ( A ( s ) ) d s ) .
\det \left( C(t, t_0) \right) = \exp \left( \int_{t_0}^t \operatorname{Tr}(A(s)) \, ds \right).
det ( C ( t , t 0 ) ) = exp ( ∫ t 0 t Tr ( A ( s )) d s ) . (15)
引用了 3 引用了 I § 1. 。一阶导数 , § 2. 。线性微分方程 , A II § 7. 。 向量空间
事实上,如果有人将 δ ( t ) = det ( C ( t , t 0 ) ) \delta(t) = \det \left( C(t, t_0) \right) δ ( t ) = det ( C ( t , t 0 ) ) 放入公式中,则可以得到行列式的导数 (I, p. 8, 公式 (3))
d δ d t = Tr ( d C ( t , t 0 ) d t ( C ( t , t 0 ) ) − 1 ) δ ( t )
\frac{d \delta}{dt} = \operatorname{Tr} \left( \frac{dC(t, t_0)}{dt} (C(t, t_0))^{-1} \right) \delta(t)
d t d δ = Tr ( d t d C ( t , t 0 ) ( C ( t , t 0 ) ) − 1 ) δ ( t )
即由IV、p. 179满足C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 的微分方程(5),
d δ d t = Tr ( A ( t ) ) δ ( t ) .
\frac{d \delta}{dt} = \operatorname{Tr}(A(t)) \delta(t).
d t d δ = Tr ( A ( t )) δ ( t ) .
由于 δ ( t 0 ) = 1 \delta(t_0) = 1 δ ( t 0 ) = 1 公式 (15) 由标量线性方程积分的表达式 (12) (IV, p. 183) 得出。
指定 (4) 确定该方程的所有积分的 n n n 线性独立积分,正如我们刚才所看到的。现在我们将证明,对于1 ≤ p ≤ n 1 \leq p \leq n 1 ≤ p ≤ n ,方程(4)约化的p p p 线性独立积分u j \mathbf{u}_j u j (1 ≤ j ≤ p 1 \leq j \leq p 1 ≤ j ≤ p )的知识,将该方程与n − p n - p n − p 标量方程的齐次线性系统积分。假设在区间 K ⊂ J K \subset J K ⊂ J 上有 n − p n - p n − p 映射
u p + k ( 1 ≤ k ≤ n − p )
\mathbf{u}_{p+k} \quad (1 \leq k \leq n - p)
u p + k ( 1 ≤ k ≤ n − p )
K K K 到 E E E ,它们是 K K K 上受监管的函数的原语,因此,对于每个 t ∈ K t \in K t ∈ K ,n n n 向量 u j ( t ) \mathbf{u}_j(t) u j ( t ) (1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n ) 形式基 E E E 。
For every point t 1 ∈ J t_1 \in J t 1 ∈ J there always exists an interval K K K , a neighbourhood of t 1 t_1 t 1 in J J J , on which there are defined n − p n - p n − p functions u p + k \mathbf{u}_{p+k} u p + k (1 ≤ k ≤ n − p 1 \leq k \leq n - p 1 ≤ k ≤ n − p ) having the preceding properties. For, let ( e i ) 1 ≤ i ≤ n (\mathbf{e}_i)_{1 \leq i \leq n} ( e i ) 1 ≤ i ≤ n be a basis of E E E ; there exist n − p n - p n − p vectors of this basis which form with the u j ( t 1 ) \mathbf{u}_j(t_1) u j ( t 1 ) (1 ≤ j ≤ p 1 \leq j \leq p 1 ≤ j ≤ p ) a basis of E E E (Alg., II, p. 292, th. 2); suppose for example that they are e p + 1 , … , e n \mathbf{e}_{p+1}, \ldots, \mathbf{e}_n e p + 1 , … , e n ; since the determinant det ( u 1 ( t ) , … , u p ( t ) , e p + 1 , … , e n ) \det(\mathbf{u}_1(t), \ldots, \mathbf{u}_p(t), \mathbf{e}_{p+1}, \ldots, \mathbf{e}_n) det ( u 1 ( t ) , … , u p ( t ) , e p + 1 , … , e n ) (with respect to the basis ( e i ) (\mathbf{e}_i) ( e i ) ) is a continuous function of t t t and does not vanish for t = t 1 t = t_1 t = t 1 there exists a neighbourhood K K K of t 1 t_1 t 1 on which it does not vanish; one can then take u p + k ( t ) = e p + k \mathbf{u}_{p+k}(t) = \mathbf{e}_{p+k} u p + k ( t ) = e p + k (1 ≤ k ≤ n − p 1 \leq k \leq n - p 1 ≤ k ≤ n − p ) for t ∈ K t \in K t ∈ K .
存在阶n n n 的可逆矩阵B ( t ) B(t) B ( t ) ,其元素是K K K 上受管制函数的原语,使得B ( t ) . e j = u j ( t ) B(t).\mathbf{e}_j = \mathbf{u}_j(t) B ( t ) . e j = u j ( t ) 对应于1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n 。让我们把x = B ( t ) . y x = B(t).y x = B ( t ) . y ;那么y y y 满足方程d B d t . y + B ( t ) . d y d t = A ( t ) B ( t ) . y \frac{dB}{dt}.y + B(t).\frac{dy}{dt} = A(t)B(t).y d t d B . y + B ( t ) . d t d y = A ( t ) B ( t ) . y ,也可以写成
d y d t = ( B ( t ) ) − 1 ( A ( t ) B ( t ) − d B d t ) . y = H ( t ) . y
\frac{dy}{dt} = (B(t))^{-1} \left( A(t)B(t) - \frac{dB}{dt} \right) .y = H(t).y
d t d y = ( B ( t ) ) − 1 ( A ( t ) B ( t ) − d t d B ) . y = H ( t ) . y
其中 H ( t ) = ( h j k ( t ) ) H(t) = (h_{jk}(t)) H ( t ) = ( h j k ( t )) 是矩阵,并且 K K K 上有受监管的条目。通过 B ( t ) B(t) B ( t ) 的定义,该线性方程允许 p p p 常数向量 e j \mathbf{e}_j e j (1 ≤ j ≤ p 1 \leq j \leq p 1 ≤ j ≤ p ) 作为积分;立即一个结论必然 h j k ( t ) = 0 h_{jk}(t) = 0 h j k ( t ) = 0 对应 1 ≤ k ≤ p 1 \leq k \leq p 1 ≤ k ≤ p ;因此,y y y 的分量y k y_k y k (相对于基( e i ) (\mathbf{e}_i) ( e i ) )以及指标k ≥ p + 1 k \geq p + 1 k ≥ p + 1 满足是n − p n - p n − p 方程的齐次线性系统;一旦确定了这个系统的解,指标j ≤ p j \leq p j ≤ p 的d y j / d t dy_j/dt d y j / d t 与y k y_k y k 的函数与k ≥ p + 1 k \geq p + 1 k ≥ p + 1 是线性的,所以是已知的,并且这些函数的原语将给出y j y_j y j 指标j ≤ p j \leq p j ≤ p 。
特别是,当知道IV、p. 183的方程(4)的n − 1 n - 1 n − 1 线性无关积分时,将该方程约化积分到单个齐次标量方程,然后对n n n 基元求值。
5. 伴随方程
假设空间 E 始终为有限维 n n n 超过 C \mathbf{C} C ,令 E ∗ E^* E ∗ 为其对偶 (A, II, p. 40),即空间为维数 n n n 超过 C \mathbf{C} C (阿尔格.,II,p. 299,第 4);在E × E ∗ E \times E^* E × E ∗ (代数,II,p. 234)上定义的规范双线性形式⟨ x , x ∗ ⟩ \langle \mathbf{x}, \mathbf{x}^* \rangle ⟨ x , x ∗ ⟩ 在这个乘积上是连续的(是x ∈ E \mathbf{x} \in E x ∈ E 和x ∗ ∈ E ∗ \mathbf{x}^* \in E^* x ∗ ∈ E ∗ 分量中的多项式)。
给定齐次线性方程 (4) (IV, p. 183),其中 t ↦ A ( t ) t \mapsto A(t) t ↦ A ( t ) 是 J 到 L ( E ) \mathscr{L}(E) L ( E ) 的调节映射,让我们看看是否存在 J 到 E ∗ E^* E ∗ 的映射 t ↦ v ( t ) t \mapsto \mathbf{v}(t) t ↦ v ( t ) ,即 J 上调节函数的原语,并且使得当 u \mathbf{u} u 是 (4) 的任意解时,标量函数 t ↦ ⟨ u ( t ) , v ( t ) ⟩ t \mapsto \langle \mathbf{u}(t), \mathbf{v}(t) \rangle t ↦ ⟨ u ( t ) , v ( t )⟩ 在 J 上是常数;同样的,写出这个函数的导数在每个点处应该是零,其中u \mathbf{u} u 和v \mathbf{v} v 是可微的,也就是说,必须有
⟨ d u d t , v ( t ) ⟩ + ⟨ u ( t ) , d v d t ⟩ = 0
\left\langle \frac{d\mathbf{u}}{dt}, \mathbf{v}(t) \right\rangle + \left\langle \mathbf{u}(t), \frac{d\mathbf{v}}{dt} \right\rangle = 0
⟨ d t d u , v ( t ) ⟩ + ⟨ u ( t ) , d t d v ⟩ = 0
在这样的点。
现在,根据 (4),⟨ d u d t , v ( t ) ⟩ = ⟨ A ( t ) . u ( t ) , v ( t ) ⟩ = − ⟨ u ( t ) , B ( t ) . v ( t ) ⟩ \left\langle \frac{d\mathbf{u}}{dt}, \mathbf{v}(t) \right\rangle = \langle A(t).\mathbf{u}(t), \mathbf{v}(t) \rangle = -\langle \mathbf{u}(t), B(t).\mathbf{v}(t) \rangle ⟨ d t d u , v ( t ) ⟩ = ⟨ A ( t ) . u ( t ) , v ( t )⟩ = − ⟨ u ( t ) , B ( t ) . v ( t )⟩ ,其中 − B ( t ) -B(t) − B ( t ) 是 A ( t ) A(t) A ( t ) 的转置(代数,II,p. 234)。 关系 v \mathbf{v} v 必须满足因此可以写成
⟨ u ( t ) , d v d t − B ( t ) . v ( t ) ⟩ = 0
\left\langle \mathbf{u}(t), \frac{d\mathbf{v}}{dt} - B(t).\mathbf{v}(t) \right\rangle = 0
⟨ u ( t ) , d t d v − B ( t ) . v ( t ) ⟩ = 0
总共点,其中A ( t ) A(t) A ( t ) 是连续的,v ( t ) \mathbf{v}(t) v ( t ) 是可微的。现在对于这样的点 t t t 和*任意* 点 x 0 ∈ E \mathbf{x}_0 \in \mathrm{E} x 0 ∈ E 来说,存在。 (4)的IV、p. 179、解u \mathbf{u} u 中的1使得u ( t ) = x 0 \mathbf{u}(t) = \mathbf{x}_0 u ( t ) = x 0 ;因而,对于*所有* x 0 ∈ E \mathbf{x}_0 \in \mathrm{E} x 0 ∈ E ,必须有⟨ x 0 , d v d t − B ( t ) . v ( t ) ⟩ = 0 \left\langle \mathbf{x}_0, \frac{d\mathbf{v}}{dt} - B(t).\mathbf{v}(t) \right\rangle = 0 ⟨ x 0 , d t d v − B ( t ) . v ( t ) ⟩ = 0 ,这需要d v d t − B ( t ) . v ( t ) = 0 \frac{d\mathbf{v}}{dt} - B(t).\mathbf{v}(t) = 0 d t d v − B ( t ) . v ( t ) = 0 。因而:
将 J 的映射 t ↦ v ( t ) t \mapsto \mathbf{v}(t) t ↦ v ( t ) 转换为 E ∗ \mathrm{E}^* E ∗ (J 上受调节的函数的原语),对于方程* (4) 的每个解 u \mathbf{u} u ,⟨ u ( t ) , v ( t ) ⟩ \langle \mathbf{u}(t), \mathbf{v}(t) \rangle ⟨ u ( t ) , v ( t )⟩ 在 J 上是常数* (4) * of IV, p. 183 当且仅当v \mathbf{v} v 是齐次线性方程的解
引用了 1 引用了 § 2. 。线性微分方程
d x d t = B ( t ) . x (16)
\frac{d\mathbf{x}}{dt} = B(t).\mathbf{x} \tag{16}
d t d x = B ( t ) . x ( 16 )
其中 − B ( t ) -B(t) − B ( t ) 是 A ( t ) A(t) A ( t ) 的转置。
方程(16)称为(4)的*伴随*;显然 (4) 是 (16) 的伴随。将矩阵B ( t ) B(t) B ( t ) 的元素调节到J上的函数或t t t ,上面在线性方程组上得到的结果适用于(16)。特别是,(16) 在点 t 0 t_0 t 0 取值 x 0 ∗ \mathbf{x}_0^* x 0 ∗ 的积分可写为 H ( t , t 0 ) . x 0 ∗ H(t, t_0).\mathbf{x}_0^* H ( t , t 0 ) . x 0 ∗ ,其中 H ( t , t 0 ) H(t, t_0) H ( t , t 0 ) 是 E ∗ \mathrm{E}^* E ∗ 自身的双射线性映射,与方程的积分相同
d V d t = B ( t ) V (17)
\frac{dV}{dt} = B(t)V \tag{17}
d t d V = B ( t ) V ( 17 )
需要值 I I I 点 t 0 t_0 t 0 。结果有(IV、p. 179的记号)
⟨ C ( t , t 0 ) . x 0 , H ( t , t 0 ) . x 0 ∗ ⟩ = ⟨ x 0 , x 0 ∗ ⟩
\left\langle C(t, t_0).\mathbf{x}_0, H(t, t_0).\mathbf{x}_0^* \right\rangle = \left\langle \mathbf{x}_0, \mathbf{x}_0^* \right\rangle
⟨ C ( t , t 0 ) . x 0 , H ( t , t 0 ) . x 0 ∗ ⟩ = ⟨ x 0 , x 0 ∗ ⟩
对于任意 x 0 ∈ E \mathbf{x}_0 \in \mathrm{E} x 0 ∈ E 和 x 0 ∗ ∈ E ∗ \mathbf{x}_0^* \in \mathrm{E}^* x 0 ∗ ∈ E ∗ ,这表明
H ( t , t 0 ) = C ˇ ( t , t 0 ) (18)
H(t, t_0) = \check{C}(t, t_0) \tag{18}
H ( t , t 0 ) = C ˇ ( t , t 0 ) ( 18 )
(C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 的*对梯度*)。特别是,如果知道伴随方程 (16) 的积分的基本系统矩阵 H ( t , t 0 ) H(t, t_0) H ( t , t 0 ) 确定的,则 C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 也已确定,因而,方程 (4) 的*所有*积分也已确定。
6. 常系数线性微分方程
再次假设 E 是 R \mathbf{R} R 上的任意完全范数空间;设 A 为 A 的连续自同态,与 t 无关,并考虑齐次线性方程
d x d t = A . x .
\frac{d\mathbf{x}}{dt} = A.\mathbf{x}.
d t d x = A . x .
当E为有限维时,方程(19)等价于标量微分方程的齐次系统(3)(IV,p. 183),其中系数a i j a_{ij} a ij 是常数。
到了。 1 (IV,p. 179),(19)的每个积分都定义在所有R \mathbf{R} R 上;到了。 2 (IV, p. 179) (19) 在点 t 0 ∈ R t_0 \in \mathbf{R} t 0 ∈ R 取值 x 0 \mathbf{x}_0 x 0 的积分可写为 C ( t , t 0 ) x 0 C(t, t_0)\mathbf{x}_0 C ( t , t 0 ) x 0 ,其中 C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 是 E 自身的双射双连续线性映射,满足方程
d U d t = A U
\frac{dU}{dt} = AU
d t d U = A U
并且是C ( t 0 , t 0 ) = I C(t_0, t_0) = I C ( t 0 , t 0 ) = I 。而且,我们还有身份
C ( t + τ , t 0 + τ ) = C ( t , t 0 )
C(t + \tau, t_0 + \tau) = C(t, t_0)
C ( t + τ , t 0 + τ ) = C ( t , t 0 )
对于任何 τ ∈ R \tau \in \mathbf{R} τ ∈ R :事实上,通过 (20) 有 d C ( s , t 0 + τ ) / d s = A C ( s , t 0 + τ ) dC(s, t_0 + \tau)/ds = AC(s, t_0 + \tau) d C ( s , t 0 + τ ) / d s = A C ( s , t 0 + τ ) ,并且由于 A 是常数,因此也有
d C ( t + τ , t 0 + τ ) d t = A C ( t + τ , t 0 + τ ) ;
\frac{dC(t + \tau, t_0 + \tau)}{dt} = AC(t + \tau, t_0 + \tau);
d t d C ( t + τ , t 0 + τ ) = A C ( t + τ , t 0 + τ ) ;
而且
C ( t 0 + τ , t 0 + τ ) = I = C ( t 0 , t 0 ) .
C(t_0 + \tau, t_0 + \tau) = I = C(t_0, t_0).
C ( t 0 + τ , t 0 + τ ) = I = C ( t 0 , t 0 ) .
从而我们有恒等式 (21),因为 (20) 在点 t 0 t_0 t 0 处等于 I 的积分是唯一的。
如果有人放入C 0 ( t ) = C ( t , 0 ) C_0(t) = C(t, 0) C 0 ( t ) = C ( t , 0 ) ,则C ( t , t 0 ) = C 0 ( t − t 0 ) C(t, t_0) = C_0(t - t_0) C ( t , t 0 ) = C 0 ( t − t 0 ) ;此外,对于每个 λ ∈ R \lambda \in \mathbf{R} λ ∈ R ,C 0 ( λ t ) C_0(\lambda t) C 0 ( λ t ) 与方程的积分相同
d U d t = λ A U
\frac{dU}{dt} = \lambda AU
d t d U = λ A U
值 I 点 0。我们制作以下定义:
给定 E 的连续自同态 A,我们用 E 的 e A e^A e A 或 exp A \exp A exp A 自同构表示等于值在点 t = 1 t = 1 t = 1 的方程 (20) 整的,其中值 I 在点t = 0 t = 0 t = 0 .
引用了 1 引用了 III § 1. 。指数和循环的导数函数
有了这个记号注前面的 def。 1 表明
C ( t , t 0 ) = exp ( A ( t − t 0 ) ) .
C(t, t_0) = \exp \left( A(t - t_0) \right).
C ( t , t 0 ) = exp ( A ( t − t 0 ) ) .
刚刚引入的指数记号由以下属性证明,这些属性与函数 exp z 的属性完全相似,对于 z 实数或复数(cf. III、p. 98 和 106):
1' 映射 X ↦ e X X \mapsto e^X X ↦ e X 是 L ( E ) \mathscr{L}(E) L ( E ) *的连续映射 进入 E * 的自同构群(*可逆元 of* L ( E ) \mathscr{L}(E) L ( E ) )。
引用了 1 引用了 § 2. 。线性微分方程
2 映射 t ↦ e X t t \mapsto e^{Xt} t ↦ e X t 的 R \mathbf{R} R 到 L ( E ) \mathscr{L}(E) L ( E ) 可微,并且
d d t ( e X t ) = X e X t = e X t X .
\frac{d}{dt} (e^{Xt}) = X e^{Xt} = e^{Xt} X.
d t d ( e X t ) = X e X t = e X t X . (24)
3 对于任何 X ∈ L ( E ) X \in \mathscr{L}(E) X ∈ L ( E ) 一个有
e X = ∑ n = 0 ∞ X n n !
e^X = \sum_{n=0}^{\infty} \frac{X^n}{n!}
e X = n = 0 ∑ ∞ n ! X n (25)
右侧绝对一致地收敛于 L ( E ) \mathscr{L}(E) L ( E ) 的每个有界子集; 特别是, e I t = e t I e^{It} = e^t I e I t = e t I *对于*t ∈ R t \in \mathbf{R} t ∈ R 。
4) 如果 X 和 Y 通勤,那么 Y 和 e Y e^Y e Y 通勤与 e X e^X e X ,*和*
e X + Y = e X e Y .
e^{X+Y} = e^X e^Y.
e X + Y = e X e Y . (26)
关系 (24) 由 C ( t , 0 ) C(t, 0) C ( t , 0 ) 的表达式 (23) 得出,并且根据这个函数是 (20) 的积分这一事实;通过对 n 进行递归,从 (24) 推出 t ↦ e X t t \mapsto e^{Xt} t ↦ e X t 在 R \mathbf{R} R 上无限可微,并且
D n ( e X t ) = X n e X t .
D^n (e^{Xt}) = X^n e^{Xt}.
D n ( e X t ) = X n e X t .
根据泰勒的公式,我们可以写出
e X = I + X 1 ! + X 2 2 ! + ⋯ + X n n ! + X n + 1 ∫ 0 1 ( 1 − t ) n n ! e X t d t .
e^X = I + \frac{X}{1!} + \frac{X^2}{2!} + \cdots + \frac{X^n}{n!} + X^{n+1} \int_0^1 \frac{(1-t)^n}{n!} e^{Xt} \, dt.
e X = I + 1 ! X + 2 ! X 2 + ⋯ + n ! X n + X n + 1 ∫ 0 1 n ! ( 1 − t ) n e X t d t . (27)
另一方面,科。 IV、p. 181中的3个表示∥ e X t ∥ ≤ exp ( ∥ X ∥ ∣ t ∣ ) \| e^{Xt} \| \leq \exp (\| X \| |t| ) ∥ e X t ∥ ≤ exp ( ∥ X ∥∣ t ∣ ) 。因此公式(27)中的余数r n ( X ) = X n + 1 ∫ 0 1 ( 1 − t ) n n ! e X t d t r_n(X) = X^{n+1} \int_0^1 \frac{(1-t)^n}{n!} e^{Xt} \, dt r n ( X ) = X n + 1 ∫ 0 1 n ! ( 1 − t ) n e X t d t 满足不等式
∥ r n ( X ) ∥ ≤ ∥ X ∥ n + 1 ( n + 1 ) ! e ∥ X ∥
\| r_n(X) \| \leq \frac{\| X \|^{n+1}}{(n+1)!} e^{\| X \| }
∥ r n ( X ) ∥ ≤ ( n + 1 )! ∥ X ∥ n + 1 e ∥ X ∥
从而推论出公式 (25),右侧的级数绝对一致地收敛于L ( E ) \mathscr{L}(E) L ( E ) 的每个有界子集。对于元素 X , T X,\ T X , T L ( E ) \mathscr{L}(E) L ( E ) 中的每一个对,因此有
e X + T − e X = ∑ n = 1 ∞ 1 n ! ( ( X + T ) n − X n ) .
e^{X+T} - e^X = \sum_{n=1}^{\infty} \frac{1}{n!} ((X+T)^n - X^n ).
e X + T − e X = n = 1 ∑ ∞ n ! 1 (( X + T ) n − X n ) .
现在,可以写 ( X + T ) n − X n = ∑ ( V i ) V 1 V 2 … V n (X + T)^n - X^n = \sum_{(V_i)} V_1 V_2 \ldots V_n ( X + T ) n − X n = ∑ ( V i ) V 1 V 2 … V n ,其中和取代 L ( E ) \mathscr{L}(E) L ( E ) 的元素的 2 n − 1 2^n - 1 2 n − 1 序列 ( V i ) (V_i) ( V i ) ,使得 V i = X V_i = X V i = X 或 V i = T V_i = T V i = T 代表 1 ≤ i ≤ n 1 \leq i \leq n 1 ≤ i ≤ n ,并且至少其中之一V i V_i V i 等于T T T ; 不等式
∥ ( X + T ) n − X n ∥ ≤ ( ∥ X ∥ + ∥ T ∥ ) n − ∥ X ∥ n
\|(X + T)^n - X^n\| \leq (\|X\| + \|T\|)^n - \|X\|^n
∥ ( X + T ) n − X n ∥ ≤ ( ∥ X ∥ + ∥ T ∥ ) n − ∥ X ∥ n 立即跟进,从而
∥ exp ( X + T ) − exp X ∥ ≤ exp ( ∥ X ∥ + ∥ T ∥ ) − exp ∥ X ∥
\|\exp(X + T) - \exp X\| \leq \exp \left( \|X\| + \|T\| \right) - \exp \|X\|
∥ exp ( X + T ) − exp X ∥ ≤ exp ( ∥ X ∥ + ∥ T ∥ ) − exp ∥ X ∥ 这就建立了映射
X ↦ exp X X \mapsto \exp X X ↦ exp X 的连续性。
Finally, if X X X and Y Y Y commute, then Y Y Y commutes with e X t e^{Xt} e X t (IV, p. 181, prop. 2), so
d d t ( e X t e Y t ) = X e X t e Y t + e X t ( Y e Y t ) = ( X + Y ) e X t e Y t .
\frac{d}{dt} (e^{Xt} e^{Yt}) = X e^{Xt} e^{Yt} + e^{Xt} (Y e^{Yt}) = (X + Y) e^{Xt} e^{Yt}.
d t d ( e X t e Y t ) = X e X t e Y t + e X t ( Y e Y t ) = ( X + Y ) e X t e Y t . Since, on the other hand,
e X t e Y t e^{Xt} e^{Yt} e X t e Y t is equal to
I I I for
t = 0 t = 0 t = 0 , one has
e X t e Y t = e ( X + Y ) t e^{Xt} e^{Yt} = e^{(X+Y)t} e X t e Y t = e ( X + Y ) t , whence formula (26). 从后者,我们特别推断出对于任意实数
s s s 和
t t t ,有
e X ( s + t ) = e X s e X t
e^{X(s+t)} = e^{Xs} e^{Xt}
e X ( s + t ) = e X s e X t 还有那个
e − X = ( e X ) − 1 .
e^{-X} = (e^X)^{-1}.
e − X = ( e X ) − 1 .
相反,如果X X X 和Y Y Y 不再被假设为通勤,则(26)中的注不需要保持有效:实际上,这意味着exp X \exp X exp X 和exp Y \exp Y exp Y 总是通勤,但事实并非如此,如简单的例(IV,p. 204,exerc)所示。 3)。
现在让我们假设 E E E 是有限维的向量空间 * 超过域* C \mathbf{C} C ,并且 A A A 自同态是 E E E (对于其向量空间结构超过 C \mathbf{C} C )哪一个可以确定及其矩阵相对于E E E 的基;那么,对于所有t ∈ R t \in \mathbf{R} t ∈ R ,对于相同的结构,e A t e^{At} e A t 是E E E 的自同构(IV,p. 181,道具2)。令 r k r_k r k (1 ≤ k ≤ q 1 \leq k \leq q 1 ≤ k ≤ q ) 为自同态 A A A 的*特征多项式* φ ( r ) = det ( A − r I ) \varphi(r) = \det(A - rI) φ ( r ) = det ( A − r I ) 的不同根(C \mathbf{C} C 中)(A A A 的“特征根”);如果 n k n_k n k 是r k r_k r k 重数阶,则∑ k = 1 q n k = n \sum_{k=1}^q n_k = n ∑ k = 1 q n k = n 。我们知道 (Alg., VII, 31, n° 3) 对于每个根 r k r_k r k ,E E E 、维数 n k n_k n k 都有对应子空间 E k E_k E k ,这样 E k E_k E k 在A A A 下*稳定*,并且E E E 是E k E_k E k 的*直和*:E k E_k E k 可以定义为向量x \mathbf{x} x 的子空间,这样
( A − r k I ) n k . x = 0.
(A - r_k I)^{n_k} . \mathbf{x} = 0.
( A − r k I ) n k . x = 0. 令
a \mathbf{a} a 为
E E E 中的任意向量;可以写
a = ∑ k = 1 q a k \mathbf{a} = \sum_{k=1}^q \mathbf{a}_k a = ∑ k = 1 q a k ,其中
a k ∈ E k \mathbf{a}_k \in E_k a k ∈ E k ; IV、p. 188的方程 (19) 的积分,在点
t = 0 t = 0 t = 0 取值
a \mathbf{a} a 则由下式给出
u ( t ) = e A t . a = ∑ k = 1 q e A t . a k = ∑ k = 1 q e r k t e ( A − r k I ) t . a k .
\mathbf{u}(t) = e^{At} . \mathbf{a} = \sum_{k=1}^q e^{At} . \mathbf{a}_k = \sum_{k=1}^q e^{r_k t} e^{(A - r_k I)t} . \mathbf{a}_k.
u ( t ) = e A t . a = k = 1 ∑ q e A t . a k = k = 1 ∑ q e r k t e ( A − r k I ) t . a k .
但自从 a k ∈ E k \mathbf{a}_k \in E_k a k ∈ E k 以来,
e ( A − r k I ) t ⋅ a k = a k + t 1 ! ( A − r k I ) ⋅ a k + t 2 2 ! ( A − r k I ) 2 ⋅ a k + ⋯
e^{(A - r_k I)t} \cdot \mathbf{a}_k = \mathbf{a}_k + \frac{t}{1!}(A - r_k I) \cdot \mathbf{a}_k + \frac{t^2}{2!}(A - r_k I)^2 \cdot \mathbf{a}_k + \cdots
e ( A − r k I ) t ⋅ a k = a k + 1 ! t ( A − r k I ) ⋅ a k + 2 ! t 2 ( A − r k I ) 2 ⋅ a k + ⋯
+ t n k − 1 ( n k − 1 ) ! ( A − r k I ) n k − 1 ⋅ a k .
+ \frac{t^{n_k - 1}}{(n_k - 1)!}(A - r_k I)^{n_k - 1} \cdot \mathbf{a}_k .
+ ( n k − 1 )! t n k − 1 ( A − r k I ) n k − 1 ⋅ a k .
因此,IV、p. 188的方程(19)的每个积分都可以写为
u ( t ) = ∑ k = 1 q e r k t p k ( t )
\mathbf{u}(t) = \sum_{k=1}^q e^{r_k t} \mathbf{p}_k(t)
u ( t ) = k = 1 ∑ q e r k t p k ( t )
其中 p k ( t ) \mathbf{p}_k(t) p k ( t ) 是 t t t 中的多项式,系数为向量空间 E k E_k E k 和次数 ≤ n k − 1 \leq n_k - 1 ≤ n k − 1 。特别地,如果A A A 的特征方程的所有根都是*简单*,空间E k E_k E k (1 ≤ k ≤ n 1 \leq k \leq n 1 ≤ k ≤ n )在域C \mathbf{C} C 上都是维数1,所以存在n n n 向量 c k c_k c k 使得n n n 函数e r k t c k e^{r_k t} c_k e r k t c k (1 ≤ k ≤ n 1 \leq k \leq n 1 ≤ k ≤ n )形式是IV、p. 188的方程(19)积分的基本系统。
自同态A A A 的特征根也称为IV、p. 188的*线性方程*(19)的特征根。人们可以观察到,通过写出函数c e r t c e^{r t} c e r t 是向量c ≠ 0 c \neq 0 c = 0 的(19)整的,就可以得到A A A 的特征方程。
当明确确定根r k r_k r k (1 ≤ k ≤ q 1 \leq k \leq q 1 ≤ k ≤ q ),从而确定重数n k n_k n k 或r k r_k r k 的阶时,实际上可以通过写出该方程满足IV的表达式(32)来获得(19)的积分, p. 191,其中p k \mathbf{p}_k p k 是次数≤ n k − 1 \leq n_k - 1 ≤ n k − 1 的任意多项式,系数*in*E E E ;在确定如此获得的方程两侧的e r k t e^{r_k t} e r k t (对于1 ≤ k ≤ q 1 \leq k \leq q 1 ≤ k ≤ q )的系数时,我们可以得到多项式p k \mathbf{p}_k p k 的系数的线性方程:我们很容易建立这些方程次数的确定项p k \mathbf{p}_k p k 的> 0 > 0 > 0 为常数项的函数,后者是方程( A − r k I ) n k ⋅ x = 0 (A - r_k I)^{n_k} \cdot \mathbf{x} = 0 ( A − r k I ) n k ⋅ x = 0 的解,其中定义子空间E k E_k E k (“未定系数”的方法)。
7. 阶 n n n 的线性方程
我们将 阶 n n n 的线性微分方程称为形式的方程
D n x − a 1 ( t ) D n − 1 x − … − a n − 1 ( t ) D x − a n ( t ) x = b ( t )
D^n x - a_1(t) D^{n-1} x - \ldots - a_{n-1}(t) D x - a_n(t) x = b(t)
D n x − a 1 ( t ) D n − 1 x − … − a n − 1 ( t ) D x − a n ( t ) x = b ( t )
其中 a k a_k a k (1 ≤ k ≤ n 1 \leq k \leq n 1 ≤ k ≤ n ) 和 b b b 是实数变量 t t t 的实数(复数)函数,定义在 R \mathbf{R} R 的区间 J J J 上。 IV、p. 164的一般过程表明该方程等价于n n n 第一个阶方程的线性系统
{ d x k d t = x k + 1 ( 1 ≤ k ≤ n − 1 ) d x n d t = a 1 ( t ) x n + a 2 ( t ) x n − 1 + ⋯ + a n ( t ) x 1 + b ( t )
\left\{
\begin{aligned}
\frac{dx_k}{dt} &= x_{k+1} & (1 \leq k \leq n-1) \\
\frac{dx_n}{dt} &= a_1(t)x_n + a_2(t)x_{n-1} + \cdots + a_n(t)x_1 + b(t)
\end{aligned}
\right.
⎩ ⎨ ⎧ d t d x k d t d x n = x k + 1 = a 1 ( t ) x n + a 2 ( t ) x n − 1 + ⋯ + a n ( t ) x 1 + b ( t ) ( 1 ≤ k ≤ n − 1 )
也就是说,对于线性方程
d x d t = A ( t ) . x + b ( t )
\frac{d\mathbf{x}}{dt} = A(t).\mathbf{x} + \mathbf{b}(t)
d t d x = A ( t ) . x + b ( t )
我们放置 x = ( x 1 , x 2 , … , x n ) ∈ C n \mathbf{x} = (x_1, x_2, \ldots, x_n) \in \mathbf{C}^n x = ( x 1 , x 2 , … , x n ) ∈ C n 、b ( t ) = ( 0 , 0 , … , 0 , b ( t ) ) \mathbf{b}(t) = (0, 0, \ldots, 0, b(t)) b ( t ) = ( 0 , 0 , … , 0 , b ( t )) 的位置,以及矩阵 A ( t ) A(t) A ( t ) 的定义为
A ( t ) = ( 0 1 0 … 0 0 0 1 … 0 ⋮ ⋮ ⋮ ⋱ ⋮ 0 0 0 … 1 a n ( t ) a n − 1 ( t ) a n − 2 ( t ) … a 1 ( t ) ) .
A(t) = \begin{pmatrix}
0 & 1 & 0 & \ldots & 0 \\
0 & 0 & 1 & \ldots & 0 \\
\vdots & \vdots & \vdots & \ddots & \vdots \\
0 & 0 & 0 & \ldots & 1 \\
a_n(t) & a_{n-1}(t) & a_{n-2}(t) & \ldots & a_1(t)
\end{pmatrix}.
A ( t ) = 0 0 ⋮ 0 a n ( t ) 1 0 ⋮ 0 a n − 1 ( t ) 0 1 ⋮ 0 a n − 2 ( t ) … … ⋱ … … 0 0 ⋮ 1 a 1 ( t ) .
因此,阶n n n 线性方程的研究由应用上述特定线性方程(35)的一般结果组成。对于每个间隔 J J J ,其中函数 a j a_j a j (1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n ) 和 b b b 受到*调节*,存在且仅有一个函数 u u u ,在 J J J 上定义,具有阶的连续导数n − 1 n-1 n − 1 ,以及阶n n n 在此区间上的受管制导数(可数集合的点除外),满足(33)关于J J J 的可数子集的补集,并且使得
u ( t 0 ) = x 0 , D u ( t 0 ) = x 0 ′ , … , D n − 1 u ( t 0 ) = x 0 ( n − 1 )
u(t_0) = x_0, \qquad Du(t_0) = x_0', \ldots, \quad D^{n-1}u(t_0) = x_0^{(n-1)}
u ( t 0 ) = x 0 , D u ( t 0 ) = x 0 ′ , … , D n − 1 u ( t 0 ) = x 0 ( n − 1 )
其中t 0 t_0 t 0 是J J J 的任意点,x 0 , x 0 ′ , … , x 0 ( n − 1 ) x_0, x_0', \ldots, x_0^{(n-1)} x 0 , x 0 ′ , … , x 0 ( n − 1 ) 是n n n 任意复数。
对于齐次方程的 p p p 整的 u j u_j u j (1 ≤ j ≤ p 1 \leq j \leq p 1 ≤ j ≤ p )
D n x − a 1 ( t ) D n − 1 x − … − a n − 1 ( t ) D x − a n ( t ) x = 0
D^n x - a_1(t) D^{n-1} x - \ldots - a_{n-1}(t) D x - a_n(t) x = 0
D n x − a 1 ( t ) D n − 1 x − … − a n − 1 ( t ) D x − a n ( t ) x = 0
与 (33) 线性无关(在从J J J 到C \mathbf{C} C 连续映射的空间C ( J ; C ) C(J; \mathbf{C}) C ( J ; C ) 中,视为向量空间超过C \mathbf{C} C ),相应的p p p 积分是充分必要的齐次方程d x / d t = A ( t ) . x d\mathbf{x}/dt = A(t).\mathbf{x} d x / d t = A ( t ) . x 的u j = ( u j , D u j , … , D n − 1 u j ) \mathbf{u}_j = (u_j, Du_j, \ldots, D^{n-1}u_j) u j = ( u j , D u j , … , D n − 1 u j ) 应该是线性独立的(在连续映射从J J J 到C n \mathbf{C}^n C n 的空间C ( J ; C n ) C(J; \mathbf{C}^n) C ( J ; C n ) 中)。显然这个条件是必要的。
相反,如果存在 n n n 复数常量 λ j \lambda_j λ j ,而不是全部零,使得 ∑ j = 1 n λ j u j ( t ) = 0 \sum_{j=1}^n \lambda_j u_j(t) = 0 ∑ j = 1 n λ j u j ( t ) = 0 在 J J J 上相同,则可以推断对于每个整数 k k k ,∑ j = 1 n λ j D k u j ( t ) = 0 \sum_{j=1}^n \lambda_j D^k u_j(t) = 0 ∑ j = 1 n λ j D k u j ( t ) = 0 在 J J J 上,这样1 ≤ k ≤ n − 1 1 \leq k \leq n - 1 1 ≤ k ≤ n − 1 ,这意味着∑ j = 1 n λ j u j ( t ) = 0 \sum_{j=1}^n \lambda_j \mathbf{u}_j(t) = 0 ∑ j = 1 n λ j u j ( t ) = 0 在J J J 上。
因而(IV,p. 180,cor.1)
在 J J J 上定义的齐次线性方程 (37) 的积分集合是维数 n n n 在域 C \mathbf{C} C 上的向量空间。
引用了 1 引用了 § 2. 。线性微分方程
给定方程(37)的任何n n n 整的u j u_j u j (1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n ),我们将这个系统积分的*Wronskian*称为相应的n n n 积分的行列式(相对于C n \mathbf{C}^n C n 的典范基)方程d x / d t = A ( t ) . x d\mathbf{x}/dt = A(t).\mathbf{x} d x / d t = A ( t ) . x 的u j \mathbf{u}_j u j ,即函数
W ( t ) = ∣ u 1 ( t ) u 2 ( t ) … u n ( t ) D u 1 ( t ) D u 2 ( t ) … D u n ( t ) ⋮ ⋮ ⋱ ⋮ D n − 1 u 1 ( t ) D n − 1 u 2 ( t ) … D n − 1 u n ( t ) ∣ .
W(t) = \begin{vmatrix}
u_1(t) & u_2(t) & \ldots & u_n(t) \\
Du_1(t) & Du_2(t) & \ldots & Du_n(t) \\
\vdots & \vdots & \ddots & \vdots \\
D^{n-1}u_1(t) & D^{n-1}u_2(t) & \ldots & D^{n-1}u_n(t)
\end{vmatrix}.
W ( t ) = u 1 ( t ) D u 1 ( t ) ⋮ D n − 1 u 1 ( t ) u 2 ( t ) D u 2 ( t ) ⋮ D n − 1 u 2 ( t ) … … ⋱ … u n ( t ) D u n ( t ) ⋮ D n − 1 u n ( t ) .
对于n n n 整的u j u_j u j 线性无关,W ( t ) ≠ 0 W(t) \neq 0 W ( t ) = 0 在J J J 上是必要且充分的;此外,W ( t 0 ) ≠ 0 W(t_0) \neq 0 W ( t 0 ) = 0 在J J J *仅一个*t 0 t_0 t 0 就足够了(IV,p. 184,道具4);此外,还有 (IV, p. 184, 命题 5)
W ( t ) = W ( t 0 ) exp ( ∫ t 0 t a 1 ( s ) d s ) .
W(t) = W(t_0) \exp \left( \int_{t_0}^t a_1(s)\, ds \right).
W ( t ) = W ( t 0 ) exp ( ∫ t 0 t a 1 ( s ) d s ) . (38)
我们认同方程(35)的解C ( t , t 0 ) C(t, t_0) C ( t , t 0 ) 及其矩阵相对于C n \mathbf{C}^n C n 的典范基; 矩阵的列 v j ( t , t 0 ) \mathbf{v}_j(t, t_0) v j ( t , t 0 ) (1 ≤ j ≤ n 1 \leq j \leq n 1 ≤ j ≤ n ) 则为 n n n 线性独立积分
v j ( t , t 0 ) = ( v j ( t , t 0 ) , D v j ( t , t 0 ) , … , D n − 1 v j ( t , t 0 ) )
\mathbf{v}_j(t, t_0) = (v_j(t, t_0), Dv_j(t, t_0), \ldots, D^{n-1}v_j(t, t_0))
v j ( t , t 0 ) = ( v j ( t , t 0 ) , D v j ( t , t 0 ) , … , D n − 1 v j ( t , t 0 ))
齐次方程 d x / d t = A ( t ) . x d\mathbf{x}/dt = A(t).\mathbf{x} d x / d t = A ( t ) . x 的对应到 n n n 方程 (37) 的线性独立积分 v j ( t , t 0 ) v_j(t, t_0) v j ( t , t 0 ) 使得
D k − 1 v j ( t 0 , t 0 ) = δ j k
D^{k-1}v_j(t_0, t_0) = \delta_{jk}
D k − 1 v j ( t 0 , t 0 ) = δ j k
(克罗内克三角洲)1 ≤ j ≤ n , 1 ≤ k ≤ n 1 \leq j \leq n, 1 \leq k \leq n 1 ≤ j ≤ n , 1 ≤ k ≤ n (同意放置D 0 v j = v j D^0 v_j = v_j D 0 v j = v j )。特别是,应用于方程(35)的参数变化(IV,p. 182)的方法给出了(33)的特定积分,等于0及其在点t 0 t_0 t 0 ,函数处的第一个n − 1 n-1 n − 1 导数
w ( t ) = ∫ t 0 t v n ( t , s ) b ( s ) d s .
w(t) = \int_{t_0}^t v_n(t, s)b(s)\, ds.
w ( t ) = ∫ t 0 t v n ( t , s ) b ( s ) d s . (39)
在方程 D n x = b ( t ) D^n x = b(t) D n x = b ( t ) 公式 (39) 的特殊情况下,再次给出公式 ,表示调节的函数 b ( t ) b(t) b ( t ) 的n t h n^{th} n t h 原语,其在点 t 0 t_0 t 0 处的第一个n − 1 n - 1 n − 1 导数消失,即
w ( t ) = ∫ t 0 t b ( s ) ( t − s ) n − 1 ( n − 1 ) ! d s
w(t) = \int_{t_0}^t b(s) \frac{(t-s)^{n-1}}{(n-1)!} \, ds
w ( t ) = ∫ t 0 t b ( s ) ( n − 1 )! ( t − s ) n − 1 d s (II, p. 62, 公式 (19)):
D n x = 0 D^n x = 0 D n x = 0 的积分,在点
t 0 t_0 t 0 处与它的第一个
n − 2 n - 2 n − 2 导数一起消失,并且其
n − 1 n - 1 n − 1 在那里的导数等于1,实际上是多项式
( t − t 0 ) n − 1 / ( n − 1 ) ! (t-t_0)^{n-1}/(n-1)! ( t − t 0 ) n − 1 / ( n − 1 )! 。
8. 具有常数系数的阶 n n n 线性方程
若式(33)中的系数a j a_j a j 为常数,则相应的矩阵A A A 为常数;特征方程可写为 e r t e^{rt} e r t 为解,即
r n − a 1 r n − 1 − … − a n − 1 r − a n = 0.
r^n - a_1 r^{n-1} - \ldots - a_{n-1} r - a_n = 0.
r n − a 1 r n − 1 − … − a n − 1 r − a n = 0. 令 r j r_j r j (1 ≤ j ≤ q 1 \leq j \leq q 1 ≤ j ≤ q ) 为该方程的不同根,并且 n j n_j n j (1 ≤ j ≤ q 1 \leq j \leq q 1 ≤ j ≤ q ) 重数为根 r j ( ∑ j = 1 q n j = n ) r_j \left( \sum_{j=1}^q n_j = n \right) r j ( ∑ j = 1 q n j = n ) 。由IV、p. 188到194的结果,对于每个根r j r_j r j 都有对应,对于齐次方程 D n x − a 1 D n − 1 x − ⋯ − a n − 1 D x − a n x = 0
D^n x - a_1 D^{n-1} x - \cdots - a_{n-1} D x - a_n x = 0
D n x − a 1 D n − 1 x − ⋯ − a n − 1 D x − a n x = 0 n j n_j n j 线性无关积分的系统 u j k ( t ) = e r j t p j k ( t ) ,
u_{jk}(t) = e^{r_j t} p_{jk}(t),
u j k ( t ) = e r j t p j k ( t ) , 其中 p j k p_{jk} p j k 是次数 ≤ n j − 1 \leq n_j - 1 ≤ n j − 1 (1 ≤ k ≤ n j 1 \leq k \leq n_j 1 ≤ k ≤ n j ) 的多项式(具有复系数);此外,如此获得的n n n 整的u j k u_{jk} u j k (1 ≤ j ≤ q , 1 ≤ k ≤ n j 1 \leq j \leq q,\ 1 \leq k \leq n_j 1 ≤ j ≤ q , 1 ≤ k ≤ n j )是线性无关的。由此可见,n j n_j n j 多项式 p j k p_{jk} p j k (1 ≤ k ≤ n j 1 \leq k \leq n_j 1 ≤ k ≤ n j ) 在空间中与次数 ≤ n j − 1 \leq n_j - 1 ≤ n j − 1 t t t 中的多项式线性无关,因此形式基(超过 C \mathbf{C} C )这个空间,因为后者是维数n j n_j n j 。其他字:
令r j r_j r j (1 ≤ j ≤ q 1 \leq j \leq q 1 ≤ j ≤ q ) 为特征方程(40) 的不同根,令n j n_j n j 为根 r j r_j r j (1 ≤ j ≤ q 1 \leq j \leq q 1 ≤ j ≤ q ) 的重数。那么 n n n 函数 t k e r j t t^k e^{r_j t} t k e r j t (1 ≤ k ≤ n j , 1 ≤ j ≤ q 1 \leq k \leq n_j,\ 1 \leq j \leq q 1 ≤ k ≤ n j , 1 ≤ j ≤ q ) 是齐次方程 (41) 的线性独立积分。
1 可以证明这个结果直接通过以下方式得到。从方程(41)得出,该方程的每个积分的n t h n^{th} n t h 导数在R \mathbf{R} R 上可微,由此可以立即通过归纳在整数m > n m > n m > n 上推导出,(41)的每个积分都承认阶m m m 的导数,即,在 R \mathbf{R} R 上*可微分*。令 D \mathscr{D} D 为R \mathbf{R} R 上的不定可微复值函数在C \mathbf{C} C 上的(非拓扑)向量空间; 映射x ↦ D x x \mapsto Dx x ↦ D x 是这个空间的自同态,方程(41)可以写成
f ( D ) x = 0 (42)
f(D)x = 0 \tag{42}
f ( D ) x = 0 ( 42 )
其中f ( D ) = D n − a 1 D n − 1 − … − a n − 1 D − a n f(D) = D^n - a_1 D^{n-1} - \ldots - a_{n-1} D - a_n f ( D ) = D n − a 1 D n − 1 − … − a n − 1 D − a n (代数,IV,p. 4)。
设g和h是两个互素多项式,使得f = g h f = gh f = g h 。 (42) 的解子空间是两个方程的解的子空间直和
引用了 1 引用了 § 2. 。线性微分方程
g ( D ) x = 0 , h ( D ) x = 0.
g(D)x = 0, \qquad h(D)x = 0.
g ( D ) x = 0 , h ( D ) x = 0.
现在,根据 Bezout 恒等式 (Alg., VII.2, th.1),存在两个多项式 p ( D ) p(D) p ( D ) 和 q ( D ) q(D) q ( D ) ,使得 p ( D ) g ( D ) + q ( D ) h ( D ) = 1 p(D)g(D) + q(D)h(D) = 1 p ( D ) g ( D ) + q ( D ) h ( D ) = 1 .对于(42)中的每一个解x x x ,都可以写出x = y + z x = y + z x = y + z ,其中y = p ( D ) g ( D ) x y = p(D)g(D)x y = p ( D ) g ( D ) x 和z = q ( D ) h ( D ) x z = q(D)h(D)x z = q ( D ) h ( D ) x ;然后是h ( D ) y = p ( D ) ( f ( D ) x ) = 0 h(D)y = p(D)(f(D)x) = 0 h ( D ) y = p ( D ) ( f ( D ) x ) = 0 和g ( D ) z = q ( D ) ( f ( D ) x ) = 0 g(D)z = q(D)(f(D)x) = 0 g ( D ) z = q ( D ) ( f ( D ) x ) = 0 。另一方面,如果 g ( D ) x = 0 g(D)x = 0 g ( D ) x = 0 和 h ( D ) x = 0 h(D)x = 0 h ( D ) x = 0 都存在,则可以推断
x = p ( D ) ( g ( D ) x ) + q ( D ) ( h ( D ) x ) = 0 ,
x = p(D)(g(D)x) + q(D)(h(D)x) = 0,
x = p ( D ) ( g ( D ) x ) + q ( D ) ( h ( D ) x ) = 0 ,
完成证明。
有了前面的记号就可以写
f ( D ) = ∏ j = 1 q ( D − r j ) n j
f(D) = \prod_{j=1}^q (D - r_j)^{n_j}
f ( D ) = j = 1 ∏ q ( D − r j ) n j
和道具。 10、由q q q 上的归纳可知,(42)的解子空间是q q q 方程的解子空间直和
( D − r j ) n j x = 0 ( 1 ≤ j ≤ q ) . (43)
(D - r_j)^{n_j} x = 0 \qquad (1 \leq j \leq q). \tag{43}
( D − r j ) n j x = 0 ( 1 ≤ j ≤ q ) . ( 43 )
现在,每复数 r r r 就有一个
D ( e r t x ) = e r t ( D + r ) x (44)
D(e^{rt} x) = e^{rt}(D + r)x \tag{44}
D ( e r t x ) = e r t ( D + r ) x ( 44 )
所以 (43) 等价于
D n j ( e − r j t x ) = 0
D^{n_j}(e^{-r_j t} x) = 0
D n j ( e − r j t x ) = 0
因此有解函数e r j t p j ( t ) e^{r_j t} p_j(t) e r j t p j ( t ) ,其中p j p_j p j 穿过次数≤ n j − 1 \leq n_j - 1 ≤ n j − 1 多项式的集合;这样就恢复了支撑。 9 个IV、p. 194。
假设齐次方程(41)已解(即假设已找到特征根),则知道参数变化的方法可以求出非齐次方程的解
D n x − a 1 D n − 1 x − … − a n − 1 D x − a n x = b ( t ) (45)
D^n x - a_1 D^{n-1} x - \ldots - a_{n-1} Dx - a_n x = b(t) \tag{45}
D n x − a 1 D n − 1 x − … − a n − 1 D x − a n x = b ( t ) ( 45 )
其中b ( t ) b(t) b ( t ) 是*任意*调节的函数(IV,p. 182);我们注,如果b ( t ) b(t) b ( t ) 在区间J上*不定可微*,那么(45)的所有积分在J上都是不定可微的。在特殊情况b ( t ) = e α t p ( t ) b(t) = e^{\alpha t} p(t) b ( t ) = e α t p ( t ) ,其中p p p 是多项式(具有复系数),α \alpha α 是任意复数,一通过以下方法更简单地获得(45)的积分。把x = e α t y x = e^{\alpha t} y x = e α t y ;等式
f ( D ) x = e α t p ( t )
f(D)x = e^{\alpha t} p(t)
f ( D ) x = e α t p ( t )
由(44)可以写成
f ( α + D ) y = p ( t )
f(\alpha + D)y = p(t)
f ( α + D ) y = p ( t )
或者,将泰勒公式应用于多项式 f ( D ) f(D) f ( D ) ,
f ( n ) ( α ) n ! D n y + f ( n − 1 ) ( α ) ( n − 1 ) ! D n − 1 y + ⋯ + f ′ ( α ) 1 ! D y + f ( α ) y = p ( t ) . (46)
\frac{f^{(n)}(\alpha)}{n!} D^n y + \frac{f^{(n-1)}(\alpha)}{(n-1)!} D^{n-1} y + \cdots + \frac{f'(\alpha)}{1!} Dy + f(\alpha) y = p(t). \tag{46}
n ! f ( n ) ( α ) D n y + ( n − 1 )! f ( n − 1 ) ( α ) D n − 1 y + ⋯ + 1 ! f ′ ( α ) D y + f ( α ) y = p ( t ) . ( 46 )
令m m m 为多项式p ( t ) = ∑ k = 0 m λ k t m − k p(t) = \sum_{k=0}^m \lambda_k t^{m-k} p ( t ) = ∑ k = 0 m λ k t m − k 的次数;如果f ( α ) ≠ 0 f(\alpha) \neq 0 f ( α ) = 0 (即,如果α \alpha α 不是特征根),则存在且仅有一个次数* m m m 的多项式u ( t ) = ∑ k = 0 m c k t m − k u(t) = \sum_{k=0}^m c_k t^{m-k} u ( t ) = ∑ k = 0 m c k t m − k *,即(46)的解,因为系数c k c_k c k 由下式确定线性方程组系统
f ( α ) c k + ( m − k + 1 1 ) f ′ ( α ) c k − 1 + ( m − k + 2 2 ) f ′ ′ ( α ) c k − 2 + ⋯ + ( m k ) f ( k ) ( α ) c 0 = λ k ( 0 ≤ k ≤ m )
f(\alpha)c_k + \binom{m-k+1}{1} f'(\alpha)c_{k-1} + \binom{m-k+2}{2} f''(\alpha)c_{k-2} + \cdots
+ \binom{m}{k} f^{(k)}(\alpha)c_0 = \lambda_k \qquad (0 \leq k \leq m)
f ( α ) c k + ( 1 m − k + 1 ) f ′ ( α ) c k − 1 + ( 2 m − k + 2 ) f ′′ ( α ) c k − 2 + ⋯ + ( k m ) f ( k ) ( α ) c 0 = λ k ( 0 ≤ k ≤ m )
显然承认只有一个解。另一方面,如果α \alpha α 是根的特征,h h h 是其重数,则前面的计算表明次数m m m 存在且仅有一个多项式,使得D h y = v ( t ) D^h y = v(t) D h y = v ( t ) 的每个解都是积分;在其他字中,(46) 的每个多项式解都是次数 m + h m + h m + h (“共振”)。
9. 常数系数线性方程的系统
当记号为n° 8时,让我们更一般地考虑m m m 的系统微分方程形式
∑ k = 1 n p j k ( D ) x k = b j ( t ) ( 1 ≤ j ≤ m ) (47)
\sum_{k=1}^n p_{jk}(D) x_k = b_j(t) \qquad (1 \leq j \leq m) \tag{47}
k = 1 ∑ n p j k ( D ) x k = b j ( t ) ( 1 ≤ j ≤ m ) ( 47 )
其中未知数 x k x_k x k (1 ≤ k ≤ n 1 \leq k \leq n 1 ≤ k ≤ n ) 和右侧 b j b_j b j (1 ≤ j ≤ m 1 \leq j \leq m 1 ≤ j ≤ m ) 是实数变量 t t t 的复数函数,并且其中 p j k ( D ) p_{jk}(D) p j k ( D ) 是具有*常数*(复数)系数的多项式(任何次数)在微分运算符 D D D (1 ≤ j ≤ m , 1 ≤ k ≤ n 1 \leq j \leq m,\ 1 \leq k \leq n 1 ≤ j ≤ m , 1 ≤ k ≤ n ) 中。
这样的系统与IV,p. 1164(公式(5))中考虑的型不同,如下例所示:
{ D x 1 = a ( t ) D 2 x 1 + D x 2 + x 2 = b ( t ) .
\begin{cases}
D x_1 = a(t) \\
D^2 x_1 + D x_2 + x_2 = b(t).
\end{cases}
{ D x 1 = a ( t ) D 2 x 1 + D x 2 + x 2 = b ( t ) .
我们将把自己限制在函数 b j ( t ) b_j(t) b j ( t ) 在区间 J 上“无限可微”的情况,并且我们只寻找在 J 上无限可微的解 ( x k ) 1 ≤ k ≤ n (x_k)_{1 \leq k \leq n} ( x k ) 1 ≤ k ≤ n 。 将b ( t ) = ( b 1 ( t ) , … , b m ( t ) ) \mathbf{b}(t) = (b_1(t), \ldots, b_m(t)) b ( t ) = ( b 1 ( t ) , … , b m ( t )) 、(从J中的映射放入C m \mathbf{C}^m C m )和x = ( x 1 , x 2 , … , x n ) \mathbf{x} = (x_1, x_2, \ldots, x_n) x = ( x 1 , x 2 , … , x n ) 、系统(47)可以写成
P ( D ) x = b ( t )
P(D) \mathbf{x} = \mathbf{b}(t)
P ( D ) x = b ( t )
其中P ( D ) P(D) P ( D ) 是矩阵( p j k ( D ) ) (p_{jk}(D)) ( p j k ( D )) ,有m行和n个列,其系数为D中多项式的属于到环C [ D ] \mathbf{C}[D] C [ D ] ,系数为C \mathbf{C} C 。令 f j ( D ) f_j(D) f j ( D ) (1 ≤ j ≤ r ≤ Min ( m , n ) 1 \leq j \leq r \leq \operatorname{Min}(m, n) 1 ≤ j ≤ r ≤ Min ( m , n ) ) 为非零的 矩阵 P ( D ) P(D) P ( D ) 的相似不变量 ;人们知道 (Alg. , VII, p. 32) 这些是明确确定的一元多项式,例如 f j f_j f j 除 f j + 1 f_{j+1} f j + 1 对于 1 ≤ j ≤ r − 1 1 \leq j \leq r - 1 1 ≤ j ≤ r − 1 (r r r 是 P ( D ) P(D) P ( D ) 的 秩 );此外,还有两个分别为阶 m 和 n 的方阵 U ( D ) U(D) U ( D ) 和 V ( D ) V(D) V ( D ) ,*可逆*(分别为阶 m 和 n 的方阵环,*系数为多项式的环 C [ D ] \mathbf{C}[D] C [ D ] )在具有复系数的 D 中*),并且除了 1 ≤ j ≤ r 1 \leq j \leq r 1 ≤ j ≤ r 的对角线项 q j j ( D ) = f j ( D ) q_{jj}(D) = f_j(D) q j j ( D ) = f j ( D ) 之外,矩阵 Q ( D ) = ( q j k ( D ) ) = U ( D ) P ( D ) V ( D ) Q(D) = (q_{jk}(D)) = U(D) P(D) V(D) Q ( D ) = ( q j k ( D )) = U ( D ) P ( D ) V ( D ) 的所有条目均为零。现在我们输入y = V − 1 ( D ) x \mathbf{y} = V^{-1}(D) \mathbf{x} y = V − 1 ( D ) x ;方程(49)等价于方程
U ( D ) ( P ( D ) ( V ( D ) y ) ) = U ( D ) b
U(D) (P(D)(V(D) \mathbf{y})) = U(D) \mathbf{b}
U ( D ) ( P ( D ) ( V ( D ) y )) = U ( D ) b
也就是说,到
Q ( D ) y = U ( D ) b
Q(D) \mathbf{y} = U(D) \mathbf{b}
Q ( D ) y = U ( D ) b
因为 U ( D ) U(D) U ( D ) 是可逆的。现在,如果 y = ( y 1 , y 2 , … , y n ) \mathbf{y} = (y_1, y_2, \ldots, y_n) y = ( y 1 , y 2 , … , y n ) ,并且如果
U ( D ) b ( t ) = ( c 1 ( t ) , … , c m ( t ) ) ,
U(D) \mathbf{b}(t) = (c_1(t), \ldots, c_m(t)),
U ( D ) b ( t ) = ( c 1 ( t ) , … , c m ( t )) ,
则方程(50)可写成
f j ( D ) y j = c j ( t ) for 1 ≤ j ≤ r (51)
f_j(D) y_j = c_j(t) \quad \text{for } 1 \leq j \leq r \tag{51}
f j ( D ) y j = c j ( t ) for 1 ≤ j ≤ r ( 51 )
0 = c j ( t ) for r + 1 ≤ j ≤ m . (52)
0 = c_j(t) \quad \text{for } r + 1 \leq j \leq m. \tag{52}
0 = c j ( t ) for r + 1 ≤ j ≤ m . ( 52 )
系统因此不承认任何无限可微解除非条件 (52) 得到满足;确定指标j ≤ r j \leq r j ≤ r 的y j y_j y j ,然后确定约化,以将r个线性微分方程与常系数积分(51); 指标 > r > r > r 的 y j y_j y j 是任意无限可微的函数。一旦确定了(50)的解y \mathbf{y} y ,就可以从公式x = V ( D ) y \mathbf{x} = V(D) \mathbf{y} x = V ( D ) y 推出(47)的解。
习题
参见习题为 § 2 。
[^1]: 回想一下,如果 E E E 为有限维,则从 E E E 到自身的每个仿射线性映射都是连续的(*Gen. 顶部。*、VI、p. 33 和 37)。