Bourbaki

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} 上的完全范数空间,J 为 R\mathbf{R} 中的区间,不减少至点。有人说微分方程

dxdt=f(t,x) \frac{d\mathbf{x}}{dt} = \mathbf{f}(t, \mathbf{x})

(1) 其中 ff 在 J×EJ \times E 上定义,是一个*线性*方程,如果对于每个 t∈Jt \in J,映射 x↦f(t,x)x \mapsto f(t, x) 是一个从 EE 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) 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) 则为从 EE 到自身的连续线性映射;从现在开始,我们将用A(t)A(t)来表示这个映射,并在点x∈Ex \in E处将其值写为A(t).xA(t).x(或简称为A(t)xA(t)x);因此线性微分方程(1)可以写成

dxdt=A(t).x+b(t) \frac{dx}{dt} = A(t).x + b(t)

(2)

其中bb是从JJ到EE的映射;当b=0b = 0时,我们说线性微分方程(2)是*齐次*的。

例 1 08CO

当EE是有限维nn超过R\mathbf{R}一个可以确定自同态A(t)A(t)及其*矩阵*(aij(t))\left(a_{ij}(t)\right)*相对于*EE的任何基时(*代数*,II,p. 343);当相对于 EE 的基识别向量 x∈Ex \in E 及其组件的列矩阵 (xj)(x_j) 时,表达式 A(t).xA(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

dxidt=∑j=1naij(t)xj+bi(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).

(3)

引用了 1

引用了 A II § 10. 。 矩阵

例 2 08CP

令GG是R\mathbf{R}上的*完全归一化的代数*,并且a(t)a(t)、b(t)b(t)和c(t)c(t)是从JJ到GG的三个映射;等式

dxdt=a(t)x+xb(t)+c(t) \frac{dx}{dt} = a(t)x + x b(t) + c(t)

是一个线性微分方程;这里A(t)A(t)是GG自身的线性映射x↦a(t)x+xb(t)x \mapsto a(t)x + x b(t)。

对于每个t∈Jt \in J,A(t)A(t)是从EE到自身的连续线性映射的集合L(E)\mathscr{L}(E)的元素(EE的连续自同态);人们知道(*Gen.Top.*,X,p. 298)L(E)\mathscr{L}(E),赋予了*范数*∥U∥=sup⁡∥x∥≤1∥Ux∥\|U\| = \sup_{\|x\| \leq 1} \|Ux\|,是一个*完全规范的代数*超过域R\mathbf{R},以及∥UV∥≤∥U∥ ∥V∥\|UV\| \leq \|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) 的 JJ 进入 L(E)\mathscr{L}(E) 受到监管。

b) 映射 t↦b(t)t \mapsto b(t) 的 JJ 进入 EE 受到管制。

当EE有维数nn时,L(E)\mathscr{L}(E)与Rn2\mathbf{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aij(t)a_{ij}(t) A(t)A(t) 是JJ 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}\|开始,映射

t↦A(t).x+b(t) t \mapsto A(t).\mathbf{x} + \mathbf{b}(t)
每x∈E\mathbf{x} \in E受监管;进一步,
∥A(t)x1−A(t)x2∥=∥A(t)(x1−x2)∥≤∥A(t)∥∥x1−x2∥ \|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\|
对于EE中的任何t∈Jt \in J和x1,x2\mathbf{x}_1, \mathbf{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×EJ \times E上规定的函数∥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

定理 1 08CQ

设*t↦A(t)t \mapsto A(t)*是*JJ*到*L(E)\mathscr{L}(E)的调节映射,*和*t↦b(t)t \mapsto \mathbf{b}(t)*是*JJ*到*EE的调节映射。 对于 J×EJ \times E 线性方程的每一个点* (t0,x0)(t_0, \mathbf{x}_0) * (2) 承认在所有 JJ 上定义了一个且唯一的一个解,并且等于 x0\mathbf{x}_0 在点 t0t_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

dxdt=A(t).x \frac{d\mathbf{x}}{dt} = A(t).\mathbf{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 u1\mathbf{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+u1\mathbf{u} + \mathbf{u}_1,其中 u1\mathbf{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。

命题 1 08CR

集合* I\mathscr{I} 齐次线性方程的积分 (4),*定义于* JJ,*是空间* C(J;E)C(J; E) 的向量子空间 连续映射从 JJ 到 EE。

证明是直接的。

定理 2 08CS

对于* J×EJ \times E 的每个点 (t0,x0)(t_0, \mathbf{x}_0) 让 u(t,t0,x0)\mathbf{u}(t, t_0, \mathbf{x}_0) 成为齐次方程的积分 (4) 定义于 JJ 并等于 x0\mathbf{x}_0 在 t0t_0。 1. 对于每个点 t∈Jt \in J 映射 x0↦u(t,t0,x0)\mathbf{x}_0 \mapsto \mathbf{u}(t, t_0, \mathbf{x}_0) 是一个双射双连续线性映射 C(t,t0)C(t, t_0) of EE 自身。 2. 映射 t↦C(t,t0)t \mapsto C(t, t_0) of JJ 化为 L(E)\mathscr{L}(E) 与齐次线性微分方程的积分相同

dUdt=A(t) U \frac{dU}{dt} = A(t)\ U
需要值 II **(* EE 自身的身份映射) 在点 t0t_0。 3. 对于任何点 s,t,us, t, u ** JJ
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}.

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,t0,x1)+u(t,t0,x2)\mathbf{u}(t, t_0, \mathbf{x}_1) + \mathbf{u}(t, t_0, \mathbf{x}_2)(或λu(t,t0,x0)\lambda \mathbf{u}(t, t_0, \mathbf{x}_0))是(4)的积分,并且在t0t_0处取值x1+x2\mathbf{x}_1 + \mathbf{x}_2(或λx0\lambda \mathbf{x}_0),因此,通过th。 IV、p. 179 中的 1 个与 u(t,t0,x1+x2)\mathbf{u}(t, t_0, \mathbf{x}_1 + \mathbf{x}_2)(分别为 u(t,t0,λx0)\mathbf{u}(t, t_0, \lambda \mathbf{x}_0))相同;因此,映射x0↦u(t,t0,x0)\mathbf{x}_0 \mapsto \mathbf{u}(t, t_0, \mathbf{x}_0)是E自身的线性映射C(t,t0)C(t, t_0),并且可以写成u(t,t0,x0)=C(t,t0).x0\mathbf{u}(t, t_0, \mathbf{x}_0) = C(t, t_0). \mathbf{x}_0。

由于 L(E)×L(E)\mathscr{L}(E) \times \mathscr{L}(E) 到 L(E)\mathscr{L}(E) 的映射 (X,Y)↦XY(X, Y) \mapsto XY 是连续的(*Gen. Top.*, X, p. 298,第 8 条),因此 J 到 L(E)\mathscr{L}(E) 的映射 t↦A(t)Ut \mapsto A(t)U 受到所有监管U∈L(E)U \in \mathscr{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 \|,

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) 为在 J 上定义的该方程的积分,并等于 t0t_0 处的II。其中一个有 (I, p. 6, 道具 3)

ddt(V(t)x0)=dV(t)dtx0=A(t)(V(t)x0) \frac{d}{dt} (V(t)\mathbf{x}_0) = \frac{dV(t)}{dt} \mathbf{x}_0 = A(t)(V(t)\mathbf{x}_0)

对于t=t0t = t_0,我们有V(t)x0=Ix0=x0V(t)\mathbf{x}_0 = I\mathbf{x}_0 = \mathbf{x}_0;到了。 IV、p. 179 中的 1 个对于所有 x0∈E\mathbf{x}_0 \in E 必须有 V(t).x0=C(t,t0)x0V(t).\mathbf{x}_0 = C(t, t_0)\mathbf{x}_0,即 V(t)=C(t,t0)V(t) = C(t, t_0);这就证明了C(t,t0)C(t, t_0)属于到L(E)\mathscr{L}(E),在其他字中,x0↦C(t,t0).x0\mathbf{x}_0 \mapsto C(t, t_0).\mathbf{x}_0在E上连续,并且映射t↦C(t,t0)t \mapsto C(t, t_0)是(5)的积分,在t0t_0处等于II。

最后,(4) 的积分s↦C(s,u).x0s \mapsto C(s, u).\mathbf{x}_0在点tt处等于C(t,u).x0C(t, u).\mathbf{x}_0,因此,通过定义,

C(s,u).x0=C(s,t)(C(t,u).x0)=(C(s,t)C(t,u)).x0 C(s, u).\mathbf{x}_0 = C(s, t)(C(t, u).\mathbf{x}_0) = (C(s, t)C(t, u)).\mathbf{x}_0

对于任意 x0∈E\mathbf{x}_0 \in E,从而第一个关系 (6);因为C(s,s)=IC(s, s) = I有C(s,t)C(t,s)=IC(s, t)C(t, s) = I,对于J中的任何ss和tt;这证明了(*集合理论*,II,p. 86,推论)C(t,t0)C(t, t_0)是E到自身的双射映射,具有逆映射C(t0,t)C(t_0, t)。这样就完成了定理的证明。

有人说C(t,t0)C(t, t_0)是IV、p. 178的方程(2)的*解*。

推论 1 08CT

映射,对于每个点 x0∈E\mathbf{x}_0 \in E,将 J 上定义的连续函数 t↦C(t,t0).x0t \mapsto C(t, t_0).\mathbf{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},赋予拓扑紧凑收敛。

它肯定是E到I\mathscr{I}的双射线性映射:现在C(t,t0)C(t, t_0)有界于紧集K⊂JK \subset J,因此∥C(t,t0).x0∥≤M∥x0∥\| C(t, t_0).\mathbf{x}_0 \| \leq M \| \mathbf{x}_0 \|对于任何t∈Kt \in K和x0∈E\mathbf{x}_0 \in E,这表明这个映射是连续的;自从

C(t0,t0).x0=x0, C(t_0, t_0).\mathbf{x}_0 = \mathbf{x}_0,

显然,逆矩阵映射也是连续的。

推论 2 08CU

J×JJ \times J到L(E)\mathscr{L}(E)的映射(s,t)↦C(s,t)(s, t) \mapsto 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,t0)(C(t,t0))−1C(s, t) = C(s, t_0) \left( C(t, t_0) \right)^{-1};现在,L(E)×L(E)\mathscr{L}(E) \times \mathscr{L}(E)的映射(X,Y)↦XY(X, Y) \mapsto XY到L(E)\mathscr{L}(E)是连续的,L(E)\mathscr{L}(E)的可逆元的(开放)群到其自身上的映射X↦X−1X \mapsto 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(t0,t)=(C(t,t0))−1 t \mapsto C(t_0, t) = (C(t, t_0))^{-1}
承认导数等于−(C(t,t0))−1(dC(t,t0)/dt)(C(t,t0))−1-(C(t, t_0))^{-1} (dC(t, t_0)/dt)(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(t0,t)A(t)-C(t_0, t) A(t)。

推论 3 08CV

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)\|。对于 K* 中的所有 t 和 t0t_0

∥C(t,t0)−I∥≤ek∣t−t0∣−1. \|C(t, t_0) - I\| \leq 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)x0∥≤k∥x0∥\|A(t)x_0\| \leq k \|x_0\|对于所有t∈Kt \in K;在 K 上,常数函数等于 x0x_0,因此是通过等式(4)右 IV、p. 18 在 k∥x0∥k \|x_0\| 内的近似积分;通过 IV、p. 170 的公式 (15),因此有

∥C(t,t0)x0−x0∥≤∥x0∥(ek∣t−t0∣−1) \|C(t, t_0)x_0 - x_0\| \leq \|x_0\| (e^{k|t-t_0|} - 1)
对于 K 中的任意 tt 和 t0t_0,以及 E 中的 x0x_0,等价于 L(E)\mathscr{L}(E) 上范数的定义不等式 (7)。

命题 2 08CW

设B是E的连续自同态,独立于t,并且对于所有t∈Jt \in J与A(t)可交换;那么 B 对于所有 t 都使用 C(t,t0)C(t, t_0) 进行通勤,而 J 中则使用 t0t_0。

引用了 1

引用了 § 2. 。线性微分方程

确实,由 (5)

ddt(BC)=BAC=ABCandddt(CB)=ACB, \frac{d}{dt}(BC) = BAC = ABC \quad \text{and} \quad \frac{d}{dt}(CB) = ACB ,
所以ddt(BC−CB)=A(BC−CB)\frac{d}{dt}(BC - CB) = A(BC - CB);但是BC(t0,t0)−C(t0,t0)B=0BC(t_0, t_0) - C(t_0, t_0)B = 0,所以(IV,p. 179,第1)BC(t,t0)−C(t,t0)B=0BC(t, t_0) - C(t, t_0)B = 0对于所有t∈Jt \in 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} 的 *域的范数向量空间的结构,并且对于每个 t∈Jt \in J,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) 与 E 的连续自同态 x↦txx \mapsto tx 通勤(对于向量空间结构 超过 R\mathbf{R});那么C(t,t0)C(t, t_0)与这个自同态交换,这意味着对于J中的任何tt和t0t_0,映射C(t,t0)C(t, t_0)是E上范数向量空间结构的连续自同态 C\mathbf{C}。

3. 对非齐次线性方程积分

对非齐次线性方程积分

dxdt=A(t).x+b(t) \frac{d\mathbf{x}}{dt} = A(t).\mathbf{x} + \mathbf{b}(t)

约化对关联的齐次方程进行积分

dxdt=A(t).x \frac{d\mathbf{x}}{dt} = A(t).\mathbf{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(t0,t).x\mathbf{z} = C(t_0, t).\mathbf{x}的第二个公式开始放入x=C(t,t0).z\mathbf{x} = C(t, t_0).\mathbf{z}、从而;如果 x\mathbf{x} 是 (2) 的积分,则 z\mathbf{z} 是方程 ddt(C(t,t0).z)=A(t)C(t,t0).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) 的积分;由于双线性映射

(U,y)↦U.y (U, y) \mapsto U.y

L(E)×E\mathscr{L}(\mathbf{E}) \times \mathbf{E} 到 E\mathbf{E} 是连续的(\emph{Gen. Top.},X,p. 297,道具 6),z\mathbf{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)

ddt(C(t,t0).z)=dC(t,t0)dt.z+C(t,t0).dzdt=A(t)C(t,t0).z+C(t,t0).dzdt \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}

(根据(5)(IV,p. 179),替换dC(t,t0)/dtdC(t, t_0)/dt乘A(t)C(t,t0)A(t)C(t, t_0))。 z\mathbf{z} 然后约化到 C(t,t0).dz/dt=b(t)C(t, t_0).d\mathbf{z}/dt = \mathbf{b}(t) 的方程,或者再次到

dzdt=C(t0,t).b(t) \frac{d\mathbf{z}}{dt} = C(t_0, t).\mathbf{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UU和yy代入连续双线性函数U.yU.y(\emph{cf.}II, p. 55,2);因此,方程 (8) 在 t0t_0 处有一个且仅有一个积分值 x0\mathbf{x}_0,由公式给出

z(t)=x0+∫t0tC(t0,s).b(s) ds. \mathbf{z}(t) = \mathbf{x}_0 + \int_{t_0}^t C(t_0, s).\mathbf{b}(s)\,ds.

由于有 C(t,t0).∫t0tC(t0,s).b(s) ds=∫t0tC(t,t0)C(t0,s).b(s) dsC(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 (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)):

命题 3 08CX

第记号。 2* (IV, p. 179), 对于每个点 (t0,x0)(t_0, \mathbf{x}_0) 的 J×EJ \times \mathbf{E} 线性方程的积分 (2) 定义于 JJ 并等于 x0\mathbf{x}_0 在 t0t_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,t0).x0+∫t0tC(t,s).b(s) ds. \mathbf{u}(t) = C(t, t_0).\mathbf{x}_0 + \int_{t_0}^t C(t, s).\mathbf{b}(s)\,ds.

方法导致公式(10),其中将函数z\mathbf{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}的复数(因此维数2n超过R\mathbf{R}),并且对于每个t∈Jt \in J, A(t)A(t) 是 E 的自同态相对于向量空间结构的C\mathbf{C}。然后,可以将认同A(t)A(t)及其矩阵(aij(t))(a_{ij}(t))相对于E的基(超过域C\mathbf{C})进行定义,aija_{ij}这次是n2n^2复数函数,并且对 J 进行监管;令 xjx_j (1≤j≤n1 \leq j \leq n) 表示向量 x∈Ex \in E 相对于所选基的(复)分量,线性方程

dxdt=A(t).x+b(t) \frac{d\mathbf{x}}{dt} = A(t).\mathbf{x} + \mathbf{b}(t)

再次等于系统

dxidt=∑j=1naij(t)xj+bi(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).

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 x0=(xk0)1≤k≤n\mathbf{x}_0 = (x_{k0})_{1 \leq k \leq n},存在且仅有一个方程的积分 u=(uk)1≤k≤n\mathbf{u} = (u_k)_{1 \leq k \leq n}

dxdt=A(t).x \frac{d\mathbf{x}}{dt} = A(t).\mathbf{x}

定义在 E 上且等于点 t0t_0 处的 x0\mathbf{x}_0;这个积分可以写成

u(t,t0,x0)=C(t,t0).x0, \mathbf{u}(t, t_0, \mathbf{x}_0) = C(t, t_0).\mathbf{x}_0,

C(t,t0)C(t, t_0)是阶nn的可逆平方矩阵(cij(t,t0))(c_{ij}(t, t_0)),其条目是J×JJ \times J上的连续复数函数,因此t↦cij(t,t0)t \mapsto c_{ij}(t, t_0)是受监管函数的原语在 J 上。

在特殊情况下 n=1n = 1 系统 (3) 约化为单个标量方程

dxdt=a(t)x+b(t) \frac{dx}{dt} = a(t)x + b(t)

a(t)a(t) 和 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,t0)C(t, t_0)等于exp⁡(∫t0ta(s) ds)\exp \left( \int_{t_0}^t a(s)\, ds \right); (11) 在点 t0t_0 处等于 x0x_0 的积分因此由公式明确给出

u(t)=x0exp⁡(∫t0ta(s) ds)+∫t0tb(s)exp⁡(∫t0τa(τ) dτ)ds. 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.

从J到E的连续映射的空间C(J;E)\mathscr{C}(J; E)中,由于拓扑的紧收敛性,式(4)积分的集合I\mathscr{I}为向量子空间(超过C\mathbf{C})与 E 同构的,因此与 Cn\mathbf{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})的基(uj)1≤j≤n(\mathbf{u}_j)_{1 \leq j \leq n}被称为(4)积分的*基本系统*。

命题 4 08CY

对于方程(4)的nn整的uj\mathbf{u}_j(1≤j≤n1 \leq j \leq n)到形式基本系统,它们在点t0∈Jt_0 \in J处的值uj(t0)\mathbf{u}_j(t_0)是线性独立的向量是必要且充分的EE.

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x0∈E\mathbf{x}_0 \in E关联积分t↦C(t,t0).x0t \mapsto C(t, t_0).\mathbf{x}_0的映射是EE到I\mathscr{I}的同构(IV,p. 180,相关1和IV,p. 181,道具2)。

如果(ej)1≤j≤n(\mathbf{e}_j)_{1 \leq j \leq n}是EE超过C\mathbf{C}的任何基,则nn整的

uj(t)=C(t,t0).ej(1≤j≤n) \mathbf{u}_j(t) = C(t, t_0).\mathbf{e}_j \qquad (1 \leq j \leq n)
因此形式是一个基本的系统;如果将C(t,t0)C(t, t_0)与矩阵相对于基(ej)(\mathbf{e}_j)进行识别,则uj\mathbf{u}_j的积分恰好是矩阵C(t,t0)C(t, t_0)的*列*。 (4) 在点 t0t_0 取值 x0=∑j=1nλjej\mathbf{x}_0 = \sum_{j=1}^n \lambda_j \mathbf{e}_j 的积分则为 C(t,t0).x0=∑k=1nλkuk(t)C(t, t_0).\mathbf{x}_0 = \sum_{k=1}^n \lambda_k \mathbf{u}_k(t)。

给定(4)一个项的*任何*nn整的uj\mathbf{u}_j(1≤j≤n1 \leq j \leq n),这些nn积分在点t∈Jt \in J相对于EE的基(ej)1≤j≤n(\mathbf{e}_j)_{1 \leq j \leq n}的*行列式*,行列式

Δ(t)=(u1(t), u2(t), …, un(t)) \Delta(t) = (\mathbf{u}_1(t), \ \mathbf{u}_2(t), \ \ldots, \ \mathbf{u}_n(t))
nn 向量 uj(t)\mathbf{u}_j(t) 相对于基 (ej)(\mathbf{e}_j) (Alg., III, p. 522)。其中一个有 (Alg., III, p. 523, 道具 2)
Δ(t)=Δ(t0)det⁡(C(t,t0)). \Delta(t) = \Delta(t_0) \det \left( C(t, t_0) \right).

通过道具。 IV、p. 184 的 4,对于(uj)1≤j≤n(\mathbf{u}_j)_{1 \leq j \leq n} 作为 (4) 积分的基本系统,uj\mathbf{u}_j 的行列式 Δ(t)\Delta(t) 在某个点 t0t_0 处为 ≠0\neq 0 是必要且充分的JJ; 公式 (14) 然后表明Δ(t)≠0\Delta(t) \neq 0在JJ的每点处,在其他字中,向量uj(t)\mathbf{u}_j(t)(1≤j≤n1 \leq j \leq n)始终是线性独立的。

命题 5 08CZ

矩阵 C(t,t0)C(t, t_0) 的行列式由公式给出*

det⁡(C(t,t0))=exp⁡(∫t0tTr⁡(A(s)) ds). \det \left( C(t, t_0) \right) = \exp \left( \int_{t_0}^t \operatorname{Tr}(A(s)) \, ds \right).
(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,t0))\delta(t) = \det \left( C(t, t_0) \right) 放入公式中,则可以得到行列式的导数 (I, p. 8, 公式 (3))

dδdt=Tr⁡(dC(t,t0)dt(C(t,t0))−1)δ(t) \frac{d \delta}{dt} = \operatorname{Tr} \left( \frac{dC(t, t_0)}{dt} (C(t, t_0))^{-1} \right) \delta(t)

即由IV、p. 179满足C(t,t0)C(t, t_0)的微分方程(5),

dδdt=Tr⁡(A(t))δ(t). \frac{d \delta}{dt} = \operatorname{Tr}(A(t)) \delta(t).

由于 δ(t0)=1\delta(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 nn 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≤n1 \leq p \leq n,方程(4)约化的pp线性独立积分uj\mathbf{u}_j(1≤j≤p1 \leq j \leq p)的知识,将该方程与n−pn - p标量方程的齐次线性系统积分。假设在区间 K⊂JK \subset J 上有 n−pn - p 映射

up+k(1≤k≤n−p) \mathbf{u}_{p+k} \quad (1 \leq k \leq n - p)

KK 到 EE,它们是 KK 上受监管的函数的原语,因此,对于每个 t∈Kt \in K,nn 向量 uj(t)\mathbf{u}_j(t) (1≤j≤n1 \leq j \leq n) 形式基 EE。

For every point t1∈Jt_1 \in J there always exists an interval KK, a neighbourhood of t1t_1 in JJ, on which there are defined n−pn - p functions up+k\mathbf{u}_{p+k} (1≤k≤n−p1 \leq k \leq n - p) having the preceding properties. For, let (ei)1≤i≤n(\mathbf{e}_i)_{1 \leq i \leq n} be a basis of EE; there exist n−pn - p vectors of this basis which form with the uj(t1)\mathbf{u}_j(t_1) (1≤j≤p1 \leq j \leq p) a basis of EE (Alg., II, p. 292, th. 2); suppose for example that they are ep+1,…,en\mathbf{e}_{p+1}, \ldots, \mathbf{e}_n; since the determinant det⁡(u1(t),…,up(t),ep+1,…,en)\det(\mathbf{u}_1(t), \ldots, \mathbf{u}_p(t), \mathbf{e}_{p+1}, \ldots, \mathbf{e}_n) (with respect to the basis (ei)(\mathbf{e}_i)) is a continuous function of tt and does not vanish for t=t1t = t_1 there exists a neighbourhood KK of t1t_1 on which it does not vanish; one can then take up+k(t)=ep+k\mathbf{u}_{p+k}(t) = \mathbf{e}_{p+k} (1≤k≤n−p1 \leq k \leq n - p) for t∈Kt \in K.

存在阶nn的可逆矩阵B(t)B(t),其元素是KK上受管制函数的原语,使得B(t).ej=uj(t)B(t).\mathbf{e}_j = \mathbf{u}_j(t)对应于1≤j≤n1 \leq j \leq n。让我们把x=B(t).yx = B(t).y;那么yy满足方程dBdt.y+B(t).dydt=A(t)B(t).y\frac{dB}{dt}.y + B(t).\frac{dy}{dt} = A(t)B(t).y,也可以写成

dydt=(B(t))−1(A(t)B(t)−dBdt).y=H(t).y \frac{dy}{dt} = (B(t))^{-1} \left( A(t)B(t) - \frac{dB}{dt} \right) .y = H(t).y

其中 H(t)=(hjk(t))H(t) = (h_{jk}(t)) 是矩阵,并且 KK 上有受监管的条目。通过 B(t)B(t) 的定义,该线性方程允许 pp 常数向量 ej\mathbf{e}_j (1≤j≤p1 \leq j \leq p) 作为积分;立即一个结论必然 hjk(t)=0h_{jk}(t) = 0 对应 1≤k≤p1 \leq k \leq p;因此,yy的分量yky_k(相对于基(ei)(\mathbf{e}_i))以及指标k≥p+1k \geq p + 1满足是n−pn - p方程的齐次线性系统;一旦确定了这个系统的解,指标j≤pj \leq p的dyj/dtdy_j/dt与yky_k的函数与k≥p+1k \geq p + 1是线性的,所以是已知的,并且这些函数的原语将给出yjy_j 指标j≤pj \leq p。

特别是,当知道IV、p. 183的方程(4)的n−1n - 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nn基元求值。

注 1 08D0

上述所有内容也适用于 E 为维数 nn 超过域 R\mathbf{R} 且A(t)A(t) 为每个 t∈Jt \in J 的 E 的自同态的情况:整个过程中只需替换 C\mathbf{C} R\mathbf{R}。

注 2 08D1

令 A(t)=(aij(t))A(t) = (a_{ij}(t)) 为阶 nn 的平方矩阵,其条目是 JJ 上 tt 的实数(或复数)调节的函数,并令 C(t,t0)=(cij(t,t0))C(t, t_0) = (c_{ij}(t, t_0)) 为矩阵的解析相应的线性系统 (3) (IV, p. 22)。令 F 为 R\mathbf{R}(或C\mathbf{C})上的任意完全赋范空间,并考虑线性微分方程的系统

dyidt=∑j=1naij(t)yj \frac{dy_i}{dt} = \sum_{j=1}^n a_{ij}(t) y_j

其中未知的函数yjy_j,取F中的值。系统的解(uj)1≤j≤n(\mathbf{u}_j)_{1 \leq j \leq n}是直接的,使得1≤j≤n1 \leq j \leq n的uj(t0)=dj\mathbf{u}_j(t_0) = \mathbf{d}_j(dj\mathbf{d}_j在F中是任意的)由公式给出

ui(t)=∑j=1ncij(t,t0)dj(1≤i≤n). \mathbf{u}_i(t) = \sum_{j=1}^n c_{ij}(t, t_0) \mathbf{d}_j \qquad (1 \leq i \leq n).

我们特别考虑A(t)A(t)是有限维nn的向量空间E的自同态超过C\mathbf{C}的情况,使得存在E的基相对于A(t)A(t)的矩阵对于每个都有实数元素 t∈Jt \in J。 那么上面显示(通过IV,p. 179的第1个),关于相同基的解析矩阵C(t,t0)C(t, t_0)也有实数元素:只需考虑向量空间E0E_0超过R\mathbf{R}生成考虑E的基,对于注,A(t)A(t)到E0E_0的限制是这个向量空间的自同态。

引用了 1

引用了 § 2. 。线性微分方程

5. 伴随方程

假设空间 E 始终为有限维 nn 超过 C\mathbf{C},令 E∗E^* 为其对偶 (A, II, p. 40),即空间为维数 nn 超过 C\mathbf{C} (阿尔格.,II,p. 299,第 4);在E×E∗E \times 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在这个乘积上是连续的(是x∈E\mathbf{x} \in E和x∗∈E∗\mathbf{x}^* \in 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) 是 J 到 L(E)\mathscr{L}(E) 的调节映射,让我们看看是否存在 J 到 E∗E^* 的映射 t↦v(t)t \mapsto \mathbf{v}(t),即 J 上调节函数的原语,并且使得当 u\mathbf{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 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}和v\mathbf{v}是可微的,也就是说,必须有

⟨dudt,v(t)⟩+⟨u(t),dvdt⟩=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

在这样的点。

现在,根据 (4),⟨dudt,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,其中 −B(t)-B(t) 是 A(t)A(t) 的转置(代数,II,p. 234)。 关系 v\mathbf{v} 必须满足因此可以写成

⟨u(t),dvdt−B(t).v(t)⟩=0 \left\langle \mathbf{u}(t), \frac{d\mathbf{v}}{dt} - B(t).\mathbf{v}(t) \right\rangle = 0

总共点,其中A(t)A(t)是连续的,v(t)\mathbf{v}(t)是可微的。现在对于这样的点 tt 和*任意* 点 x0∈E\mathbf{x}_0 \in \mathrm{E} 来说,存在。 (4)的IV、p. 179、解u\mathbf{u}中的1使得u(t)=x0\mathbf{u}(t) = \mathbf{x}_0;因而,对于*所有* x0∈E\mathbf{x}_0 \in \mathrm{E},必须有⟨x0,dvdt−B(t).v(t)⟩=0\left\langle \mathbf{x}_0, \frac{d\mathbf{v}}{dt} - B(t).\mathbf{v}(t) \right\rangle = 0,这需要dvdt−B(t).v(t)=0\frac{d\mathbf{v}}{dt} - B(t).\mathbf{v}(t) = 0。因而:

命题 6 08D2

将 J 的映射 t↦v(t)t \mapsto \mathbf{v}(t) 转换为 E∗\mathrm{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(t),v(t)⟩\langle \mathbf{u}(t), \mathbf{v}(t) \rangle 在 J 上是常数* (4) * of IV, p. 183 当且仅当v\mathbf{v} 是齐次线性方程的解

引用了 1

引用了 § 2. 。线性微分方程

dxdt=B(t).x(16) \frac{d\mathbf{x}}{dt} = B(t).\mathbf{x} \tag{16}

其中 −B(t)-B(t) 是 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)的元素调节到J上的函数或tt,上面在线性方程组上得到的结果适用于(16)。特别是,(16) 在点 t0t_0 取值 x0∗\mathbf{x}_0^* 的积分可写为 H(t,t0).x0∗H(t, t_0).\mathbf{x}_0^*,其中 H(t,t0)H(t, t_0) 是 E∗\mathrm{E}^* 自身的双射线性映射,与方程的积分相同

dVdt=B(t)V(17) \frac{dV}{dt} = B(t)V \tag{17}

需要值 II 点 t0t_0。结果有(IV、p. 179的记号)

⟨C(t,t0).x0,H(t,t0).x0∗⟩=⟨x0,x0∗⟩ \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

对于任意 x0∈E\mathbf{x}_0 \in \mathrm{E} 和 x0∗∈E∗\mathbf{x}_0^* \in \mathrm{E}^*,这表明

H(t,t0)=Cˇ(t,t0)(18) H(t, t_0) = \check{C}(t, t_0) \tag{18}

(C(t,t0)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,t0)H(t, t_0) 确定的,则 C(t,t0)C(t, t_0) 也已确定,因而,方程 (4) 的*所有*积分也已确定。

注 08D3

令 E 和 F 是 R\mathbf{R}(或C\mathbf{C})上的两个完整范数空间,以及 (x,y)↦⟨x,y⟩(\mathbf{x}, \mathbf{y}) \mapsto \langle \mathbf{x}, \mathbf{y} \rangle E×F\mathrm{E} \times \mathrm{F} 上的*连续* 双线性形式,使得关系 “⟨x,y⟩=0\langle \mathbf{x}, \mathbf{y} \rangle = 0 对于所有 y∈F\mathbf{y} \in \mathrm{F}”(分别为关系)。 ⟨x,y⟩=0\langle \mathbf{x}, \mathbf{y} \rangle = 0 对于所有 x∈E\mathbf{x} \in \mathrm{E}”)意味着 x=0\mathbf{x} = 0(或y=0\mathbf{y} = 0)。进一步假设对于每个 t∈Jt \in \mathrm{J},F 都有一个连续的线性映射 B(t)B(t) 到其自身,这样 ⟨A(t).x,y⟩+⟨x,B(t).y⟩=0\langle A(t).\mathbf{x}, \mathbf{y} \rangle + \langle \mathbf{x}, B(t).\mathbf{y} \rangle = 0 对于每个 (x,y)∈E×F(\mathbf{x}, \mathbf{y}) \in \mathrm{E} \times \mathrm{F}。在这些情况下, 之前认为,对于 J 的映射 t↦v(t)t \mapsto \mathbf{v}(t) 到 F(受规管函数的原语),使得 ⟨u(t),v(t)⟩\langle \mathbf{u}(t), \mathbf{v}(t) \rangle 对于 (4) 的*每个*整的 u\mathbf{u} 是*常数*,v\mathbf{v} 应该是以下的积分是充分必要的: (16),我们再次将其称为(4)的*伴随*。

6. 常系数线性微分方程

再次假设 E 是 R\mathbf{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

dxdt=A.x. \frac{d\mathbf{x}}{dt} = A.\mathbf{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aija_{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}上;到了。 2 (IV, p. 179) (19) 在点 t0∈Rt_0 \in \mathbf{R} 取值 x0\mathbf{x}_0 的积分可写为 C(t,t0)x0C(t, t_0)\mathbf{x}_0,其中 C(t,t0)C(t, t_0) 是 E 自身的双射双连续线性映射,满足方程

dUdt=AU \frac{dU}{dt} = AU

并且是C(t0,t0)=IC(t_0, t_0) = I。而且,我们还有身份

C(t+τ,t0+τ)=C(t,t0) C(t + \tau, t_0 + \tau) = C(t, t_0)

对于任何 τ∈R\tau \in \mathbf{R}:事实上,通过 (20) 有 dC(s,t0+τ)/ds=AC(s,t0+τ)dC(s, t_0 + \tau)/ds = AC(s, t_0 + \tau),并且由于 A 是常数,因此也有

dC(t+τ,t0+τ)dt=AC(t+τ,t0+τ); \frac{dC(t + \tau, t_0 + \tau)}{dt} = AC(t + \tau, t_0 + \tau);

而且

C(t0+τ,t0+τ)=I=C(t0,t0). C(t_0 + \tau, t_0 + \tau) = I = C(t_0, t_0).

从而我们有恒等式 (21),因为 (20) 在点 t0t_0 处等于 I 的积分是唯一的。

如果有人放入C0(t)=C(t,0)C_0(t) = C(t, 0),则C(t,t0)=C0(t−t0)C(t, t_0) = C_0(t - t_0);此外,对于每个 λ∈R\lambda \in \mathbf{R},C0(λt)C_0(\lambda t) 与方程的积分相同

dUdt=λAU \frac{dU}{dt} = \lambda AU

值 I 点 0。我们制作以下定义:

定义 1 08D4

给定 E 的连续自同态 A,我们用 E 的 eAe^A 或 exp⁡A\exp A 自同构表示等于值在点 t=1t = 1 的方程 (20) 整的,其中值 I 在点t=0t = 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,t0)=exp⁡(A(t−t0)). C(t, t_0) = \exp \left( A(t - t_0) \right).

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):

命题 7 08D5

1' 映射 X↦eXX \mapsto e^X 是 L(E)\mathscr{L}(E) *的连续映射 进入 E * 的自同构群(*可逆元 of* L(E)\mathscr{L}(E))。

引用了 1

引用了 § 2. 。线性微分方程

2 映射 t↦eXtt \mapsto e^{Xt} 的 R\mathbf{R} 到 L(E)\mathscr{L}(E) 可微,并且

ddt(eXt)=XeXt=eXtX. \frac{d}{dt} (e^{Xt}) = X e^{Xt} = e^{Xt} X.
(24)

3 对于任何 X∈L(E)X \in \mathscr{L}(E) 一个有

eX=∑n=0∞Xnn! e^X = \sum_{n=0}^{\infty} \frac{X^n}{n!}
(25)

右侧绝对一致地收敛于 L(E)\mathscr{L}(E)的每个有界子集; 特别是,eIt=etIe^{It} = e^t I*对于*t∈Rt \in \mathbf{R}。

4) 如果 X 和 Y 通勤,那么 Y 和 eYe^Y 通勤与 eXe^X,*和*

eX+Y=eXeY. e^{X+Y} = e^X e^Y.
(26)

关系 (24) 由 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↦eXtt \mapsto e^{Xt} 在 R\mathbf{R} 上无限可微,并且

Dn(eXt)=XneXt. D^n (e^{Xt}) = X^n e^{Xt}.

根据泰勒的公式,我们可以写出

eX=I+X1!+X22!+⋯+Xnn!+Xn+1∫01(1−t)nn!eXt dt. 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.
(27)

另一方面,科。 IV、p. 181中的3个表示∥eXt∥≤exp⁡(∥X∥∣t∣)\| e^{Xt} \| \leq \exp (\| X \| |t| )。因此公式(27)中的余数rn(X)=Xn+1∫01(1−t)nn!eXt dtr_n(X) = X^{n+1} \int_0^1 \frac{(1-t)^n}{n!} e^{Xt} \, dt满足不等式

∥rn(X)∥≤∥X∥n+1(n+1)!e∥X∥ \| r_n(X) \| \leq \frac{\| X \|^{n+1}}{(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)的每个有界子集。对于元素 X, TX,\ T L(E)\mathscr{L}(E) 中的每一个对,因此有

eX+T−eX=∑n=1∞1n!((X+T)n−Xn). e^{X+T} - e^X = \sum_{n=1}^{\infty} \frac{1}{n!} ((X+T)^n - X^n ).

现在,可以写 (X+T)n−Xn=∑(Vi)V1V2…Vn(X + T)^n - X^n = \sum_{(V_i)} V_1 V_2 \ldots V_n,其中和取代 L(E)\mathscr{L}(E) 的元素的 2n−12^n - 1 序列 (Vi)(V_i),使得 Vi=XV_i = X 或 Vi=TV_i = T 代表 1≤i≤n1 \leq i \leq n,并且至少其中之一ViV_i等于TT; 不等式

∥(X+T)n−Xn∥≤(∥X∥+∥T∥)n−∥X∥n \|(X + T)^n - X^n\| \leq (\|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\|
这就建立了映射 X↦exp⁡XX \mapsto \exp X 的连续性。

Finally, if XX and YY commute, then YY commutes with eXte^{Xt} (IV, p. 181, prop. 2), so

ddt(eXteYt)=XeXteYt+eXt(YeYt)=(X+Y)eXteYt. \frac{d}{dt} (e^{Xt} e^{Yt}) = X e^{Xt} e^{Yt} + e^{Xt} (Y e^{Yt}) = (X + Y) e^{Xt} e^{Yt}.
Since, on the other hand, eXteYte^{Xt} e^{Yt} is equal to II for t=0t = 0, one has eXteYt=e(X+Y)te^{Xt} e^{Yt} = e^{(X+Y)t}, whence formula (26). 从后者,我们特别推断出对于任意实数ss和tt,有
eX(s+t)=eXseXt e^{X(s+t)} = e^{Xs} e^{Xt}
还有那个
e−X=(eX)−1. e^{-X} = (e^X)^{-1}.

相反,如果XX和YY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和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 EE 是有限维的向量空间 * 超过域* C\mathbf{C},并且 AA 自同态是 EE(对于其向量空间结构超过 C\mathbf{C})哪一个可以确定及其矩阵相对于EE的基;那么,对于所有t∈Rt \in \mathbf{R},对于相同的结构,eAte^{At}是EE的自同构(IV,p. 181,道具2)。令 rkr_k (1≤k≤q1 \leq k \leq q) 为自同态 AA 的*特征多项式* φ(r)=det⁡(A−rI)\varphi(r) = \det(A - rI) 的不同根(C\mathbf{C}中)(AA的“特征根”);如果 nkn_k 是rkr_k 重数阶,则∑k=1qnk=n\sum_{k=1}^q n_k = n。我们知道 (Alg., VII, 31, n° 3) 对于每个根 rkr_k,EE、维数 nkn_k 都有对应子空间 EkE_k,这样 EkE_k在AA下*稳定*,并且EE是EkE_k的*直和*:EkE_k可以定义为向量x\mathbf{x}的子空间,这样

(A−rkI)nk.x=0. (A - r_k I)^{n_k} . \mathbf{x} = 0.
令a\mathbf{a}为EE中的任意向量;可以写 a=∑k=1qak\mathbf{a} = \sum_{k=1}^q \mathbf{a}_k,其中 ak∈Ek\mathbf{a}_k \in E_k; IV、p. 188的方程 (19) 的积分,在点 t=0t = 0 取值 a\mathbf{a} 则由下式给出
u(t)=eAt.a=∑k=1qeAt.ak=∑k=1qerkte(A−rkI)t.ak. \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.

但自从 ak∈Ek\mathbf{a}_k \in E_k 以来,

e(A−rkI)t⋅ak=ak+t1!(A−rkI)⋅ak+t22!(A−rkI)2⋅ak+⋯ 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
+tnk−1(nk−1)!(A−rkI)nk−1⋅ak. + \frac{t^{n_k - 1}}{(n_k - 1)!}(A - r_k I)^{n_k - 1} \cdot \mathbf{a}_k .

因此,IV、p. 188的方程(19)的每个积分都可以写为

u(t)=∑k=1qerktpk(t) \mathbf{u}(t) = \sum_{k=1}^q e^{r_k t} \mathbf{p}_k(t)

其中 pk(t)\mathbf{p}_k(t) 是 tt 中的多项式,系数为向量空间 EkE_k 和次数 ≤nk−1\leq n_k - 1。特别地,如果AA的特征方程的所有根都是*简单*,空间EkE_k(1≤k≤n1 \leq k \leq n)在域C\mathbf{C}上都是维数1,所以存在nn向量 ckc_k使得nn函数erktcke^{r_k t} c_k(1≤k≤n1 \leq k \leq n)形式是IV、p. 188的方程(19)积分的基本系统。

自同态AA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certc e^{r t}是向量c≠0c \neq 0的(19)整的,就可以得到AA的特征方程。

当明确确定根rkr_k(1≤k≤q1 \leq k \leq q),从而确定重数nkn_k或rkr_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pk\mathbf{p}_k是次数≤nk−1\leq n_k - 1的任意多项式,系数*in*EE;在确定如此获得的方程两侧的erkte^{r_k t}(对于1≤k≤q1 \leq k \leq q)的系数时,我们可以得到多项式pk\mathbf{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pk\mathbf{p}_k的>0> 0为常数项的函数,后者是方程(A−rkI)nk⋅x=0(A - r_k I)^{n_k} \cdot \mathbf{x} = 0的解,其中定义子空间EkE_k(“未定系数”的方法)。

注 08D6

当存在EE的基使得AA的矩阵相对于此基有*实数*元素(cf.IV,p. 186,*注*2)时,特征方程为AA 有实数系数。对于EE的每个x=(ξk)1≤k≤n\mathbf{x} = (\xi_k)_{1 \leq k \leq n},在考虑中以基表示,令x‾=(ξ‾k)1≤k≤n\overline{\mathbf{x}} = (\overline{\xi}_k)_{1 \leq k \leq n}; 映射 x↦x‾\mathbf{x} \mapsto \overline{\mathbf{x}} 是 EE 的反线性对合。知道(Alg., VII),如果rkr_k是特征方程的非实根,且EkE_k是相应的稳定子空间,则r‾k\overline{r}_k是具有相同重数的特征根 nkn_k为rkr_k,映射x↦x‾\mathbf{x} \mapsto \overline{\mathbf{x}}下EkE_k的像Ek′E'_k是稳定的子空间相应的至r‾k\overline{r}_k。由此推断,如果uj\mathbf{u}_j (1≤j≤nk1 \leq j \leq n_k) 是nkn_k 与值在EkE_k 中线性无关的积分,则2nk2n_k 整的uj+u‾j, i(uj−u‾j)\mathbf{u}_j + \overline{\mathbf{u}}_j,\ i(\mathbf{u}_j - \overline{\mathbf{u}}_j) 是线性独立的,并且相对于所选的基有EE,是EE*真实*函数的分量。如果rkr_k是实数特征根 注 2 of IV、p. 186,则表明(与记号相同)存在nkn_k线性无关积分vj\mathbf{v}_j(1≤j≤nk1 \leq j \leq n_k)与值在 EkE_k 中,其成分是真实的。这样就可以得到 (19) 积分的基本系统,其分量都是*实数*。

引用了 1

引用了 § 2. 。线性微分方程

7. 阶 nn 的线性方程

我们将 阶 nn 的线性微分方程称为形式的方程

Dnx−a1(t)Dn−1x−…−an−1(t)Dx−an(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)

其中 aka_k (1≤k≤n1 \leq k \leq n) 和 bb 是实数变量 tt 的实数(复数)函数,定义在 R\mathbf{R} 的区间 JJ 上。 IV、p. 164的一般过程表明该方程等价于nn第一个阶方程的线性系统

{dxkdt=xk+1(1≤k≤n−1)dxndt=a1(t)xn+a2(t)xn−1+⋯+an(t)x1+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.

也就是说,对于线性方程

dxdt=A(t).x+b(t) \frac{d\mathbf{x}}{dt} = A(t).\mathbf{x} + \mathbf{b}(t)

我们放置 x=(x1,x2,…,xn)∈Cn\mathbf{x} = (x_1, x_2, \ldots, x_n) \in \mathbf{C}^n、b(t)=(0,0,…,0,b(t))\mathbf{b}(t) = (0, 0, \ldots, 0, b(t)) 的位置,以及矩阵 A(t)A(t) 的定义为

A(t)=(010…0001…0⋮⋮⋮⋱⋮000…1an(t)an−1(t)an−2(t)…a1(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}.

因此,阶nn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 JJ,其中函数 aja_j (1≤j≤n1 \leq j \leq n) 和 bb 受到*调节*,存在且仅有一个函数 uu,在 JJ 上定义,具有阶的连续导数n−1n-1,以及阶nn在此区间上的受管制导数(可数集合的点除外),满足(33)关于JJ的可数子集的补集,并且使得

u(t0)=x0,Du(t0)=x0′,…,Dn−1u(t0)=x0(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)}

其中t0t_0是JJ的任意点,x0,x0′,…,x0(n−1)x_0, x_0', \ldots, x_0^{(n-1)}是nn任意复数。

对于齐次方程的 pp 整的 uju_j (1≤j≤p1 \leq j \leq p)

Dnx−a1(t)Dn−1x−…−an−1(t)Dx−an(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

与 (33) 线性无关(在从JJ到C\mathbf{C}连续映射的空间C(J;C)C(J; \mathbf{C})中,视为向量空间超过C\mathbf{C}),相应的pp积分是充分必要的齐次方程dx/dt=A(t).xd\mathbf{x}/dt = A(t).\mathbf{x}的uj=(uj,Duj,…,Dn−1uj)\mathbf{u}_j = (u_j, Du_j, \ldots, D^{n-1}u_j)应该是线性独立的(在连续映射从JJ到Cn\mathbf{C}^n的空间C(J;Cn)C(J; \mathbf{C}^n)中)。显然这个条件是必要的。

相反,如果存在 nn 复数常量 λj\lambda_j,而不是全部零,使得 ∑j=1nλjuj(t)=0\sum_{j=1}^n \lambda_j u_j(t) = 0 在 JJ 上相同,则可以推断对于每个整数 kk,∑j=1nλjDkuj(t)=0\sum_{j=1}^n \lambda_j D^k u_j(t) = 0 在 JJ 上,这样1≤k≤n−11 \leq k \leq n - 1,这意味着∑j=1nλjuj(t)=0\sum_{j=1}^n \lambda_j \mathbf{u}_j(t) = 0在JJ上。

因而(IV,p. 180,cor.1)

命题 8 08D7

在 JJ 上定义的齐次线性方程 (37) 的积分集合是维数 nn 在域 C\mathbf{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nn整的uju_j(1≤j≤n1 \leq j \leq n),我们将这个系统积分的*Wronskian*称为相应的nn积分的行列式(相对于Cn\mathbf{C}^n的典范基)方程dx/dt=A(t).xd\mathbf{x}/dt = A(t).\mathbf{x}的uj\mathbf{u}_j,即函数

W(t)=∣u1(t)u2(t)…un(t)Du1(t)Du2(t)…Dun(t)⋮⋮⋱⋮Dn−1u1(t)Dn−1u2(t)…Dn−1un(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}.

对于nn整的uju_j线性无关,W(t)≠0W(t) \neq 0在JJ上是必要且充分的;此外,W(t0)≠0W(t_0) \neq 0在JJ*仅一个*t0t_0就足够了(IV,p. 184,道具4);此外,还有 (IV, p. 184, 命题 5)

W(t)=W(t0)exp⁡(∫t0ta1(s) ds). W(t) = W(t_0) \exp \left( \int_{t_0}^t a_1(s)\, ds \right).
(38)

我们认同方程(35)的解C(t,t0)C(t, t_0)及其矩阵相对于Cn\mathbf{C}^n的典范基; 矩阵的列 vj(t,t0)\mathbf{v}_j(t, t_0) (1≤j≤n1 \leq j \leq n) 则为 nn 线性独立积分

vj(t,t0)=(vj(t,t0),Dvj(t,t0),…,Dn−1vj(t,t0)) \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))

齐次方程 dx/dt=A(t).xd\mathbf{x}/dt = A(t).\mathbf{x} 的对应到 nn 方程 (37) 的线性独立积分 vj(t,t0)v_j(t, t_0) 使得

Dk−1vj(t0,t0)=δjk D^{k-1}v_j(t_0, t_0) = \delta_{jk}

(克罗内克三角洲)1≤j≤n,1≤k≤n1 \leq j \leq n, 1 \leq k \leq n(同意放置D0vj=vjD^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t0t_0,函数处的第一个n−1n-1导数

w(t)=∫t0tvn(t,s)b(s) ds. w(t) = \int_{t_0}^t v_n(t, s)b(s)\, ds.
(39)

在方程 Dnx=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) 的nthn^{th}原语,其在点 t0t_0处的第一个n−1n - 1导数消失,即

w(t)=∫t0tb(s)(t−s)n−1(n−1)! ds w(t) = \int_{t_0}^t b(s) \frac{(t-s)^{n-1}}{(n-1)!} \, ds
(II, p. 62, 公式 (19)):Dnx=0D^n x = 0的积分,在点 t0t_0处与它的第一个n−2n - 2导数一起消失,并且其n−1n - 1在那里的导数等于1,实际上是多项式(t−t0)n−1/(n−1)!(t-t_0)^{n-1}/(n-1)!。

8. 具有常数系数的阶 nn 线性方程

若式(33)中的系数aja_j为常数,则相应的矩阵AA为常数;特征方程可写为 erte^{rt} 为解,即

rn−a1rn−1−…−an−1r−an=0. r^n - a_1 r^{n-1} - \ldots - a_{n-1} r - a_n = 0.
令 rjr_j (1≤j≤q1 \leq j \leq q) 为该方程的不同根,并且 njn_j (1≤j≤q1 \leq j \leq q) 重数为根 rj(∑j=1qnj=n)r_j \left( \sum_{j=1}^q n_j = n \right)。由IV、p. 188到194的结果,对于每个根rjr_j都有对应,对于齐次方程
Dnx−a1Dn−1x−⋯−an−1Dx−anx=0 D^n x - a_1 D^{n-1} x - \cdots - a_{n-1} D x - a_n x = 0
njn_j 线性无关积分的系统
ujk(t)=erjtpjk(t), u_{jk}(t) = e^{r_j t} p_{jk}(t),
其中 pjkp_{jk} 是次数 ≤nj−1\leq n_j - 1 (1≤k≤nj1 \leq k \leq n_j) 的多项式(具有复系数);此外,如此获得的nn整的ujku_{jk}(1≤j≤q, 1≤k≤nj1 \leq j \leq q,\ 1 \leq k \leq n_j)是线性无关的。由此可见,njn_j 多项式 pjkp_{jk} (1≤k≤nj1 \leq k \leq n_j) 在空间中与次数 ≤nj−1\leq n_j - 1 tt 中的多项式线性无关,因此形式基(超过 C\mathbf{C})这个空间,因为后者是维数njn_j。其他字:

命题 9 08D8

令rjr_j (1≤j≤q1 \leq j \leq q) 为特征方程(40) 的不同根,令njn_j 为根 rjr_j (1≤j≤q1 \leq j \leq q) 的重数。那么 nn 函数 tkerjtt^k e^{r_j t} (1≤k≤nj, 1≤j≤q1 \leq k \leq n_j,\ 1 \leq j \leq 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nthn^{th}导数在R\mathbf{R}上可微,由此可以立即通过归纳在整数m>nm > n上推导出,(41)的每个积分都承认阶mm的导数,即,在 R\mathbf{R} 上*可微分*。令 D\mathscr{D} 为R\mathbf{R} 上的不定可微复值函数在C\mathbf{C} 上的(非拓扑)向量空间; 映射x↦Dxx \mapsto Dx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}

其中f(D)=Dn−a1Dn−1−…−an−1D−anf(D) = D^n - a_1 D^{n-1} - \ldots - a_{n-1} D - a_n(代数,IV,p. 4)。

命题 10 08D9

设g和h是两个互素多项式,使得f=ghf = gh。 (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.

现在,根据 Bezout 恒等式 (Alg., VII.2, th.1),存在两个多项式 p(D)p(D) 和 q(D)q(D),使得 p(D)g(D)+q(D)h(D)=1p(D)g(D) + q(D)h(D) = 1.对于(42)中的每一个解xx,都可以写出x=y+zx = y + z,其中y=p(D)g(D)xy = p(D)g(D)x和z=q(D)h(D)xz = q(D)h(D)x;然后是h(D)y=p(D)(f(D)x)=0h(D)y = p(D)(f(D)x) = 0和g(D)z=q(D)(f(D)x)=0g(D)z = q(D)(f(D)x) = 0。另一方面,如果 g(D)x=0g(D)x = 0 和 h(D)x=0h(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,

完成证明。

有了前面的记号就可以写

f(D)=∏j=1q(D−rj)nj f(D) = \prod_{j=1}^q (D - r_j)^{n_j}

和道具。 10、由qq上的归纳可知,(42)的解子空间是qq方程的解子空间直和

(D−rj)njx=0(1≤j≤q).(43) (D - r_j)^{n_j} x = 0 \qquad (1 \leq j \leq q). \tag{43}

现在,每复数 rr 就有一个

D(ertx)=ert(D+r)x(44) D(e^{rt} x) = e^{rt}(D + r)x \tag{44}

所以 (43) 等价于

Dnj(e−rjtx)=0 D^{n_j}(e^{-r_j t} x) = 0

因此有解函数erjtpj(t)e^{r_j t} p_j(t),其中pjp_j穿过次数≤nj−1\leq 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

Dnx−a1Dn−1x−…−an−1Dx−anx=b(t)(45) D^n x - a_1 D^{n-1} x - \ldots - a_{n-1} Dx - a_n x = b(t) \tag{45}

其中b(t)b(t)是*任意*调节的函数(IV,p. 182);我们注,如果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)=eαtp(t)b(t) = e^{\alpha t} p(t),其中pp是多项式(具有复系数),α\alpha是任意复数,一通过以下方法更简单地获得(45)的积分。把x=eαtyx = e^{\alpha t} y;等式

f(D)x=eαtp(t) f(D)x = e^{\alpha t} p(t)

由(44)可以写成

f(α+D)y=p(t) f(\alpha + D)y = p(t)

或者,将泰勒公式应用于多项式 f(D)f(D),

f(n)(α)n!Dny+f(n−1)(α)(n−1)!Dn−1y+⋯+f′(α)1!Dy+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}

令mm为多项式p(t)=∑k=0mλktm−kp(t) = \sum_{k=0}^m \lambda_k t^{m-k}的次数;如果f(α)≠0f(\alpha) \neq 0(即,如果α\alpha不是特征根),则存在且仅有一个次数* mm的多项式u(t)=∑k=0mcktm−ku(t) = \sum_{k=0}^m c_k t^{m-k}*,即(46)的解,因为系数ckc_k由下式确定线性方程组系统

f(α)ck+(m−k+11)f′(α)ck−1+(m−k+22)f′′(α)ck−2+⋯+(mk)f(k)(α)c0=λk(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)

显然承认只有一个解。另一方面,如果α\alpha是根的特征,hh是其重数,则前面的计算表明次数mm存在且仅有一个多项式,使得Dhy=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+hm + 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mm的系统微分方程形式

∑k=1npjk(D)xk=bj(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}

其中未知数 xkx_k (1≤k≤n1 \leq k \leq n) 和右侧 bjb_j (1≤j≤m1 \leq j \leq m) 是实数变量 tt 的复数函数,并且其中 pjk(D)p_{jk}(D) 是具有*常数*(复数)系数的多项式(任何次数)在微分运算符 DD (1≤j≤m, 1≤k≤n1 \leq j \leq m,\ 1 \leq k \leq 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:

{Dx1=a(t)D2x1+Dx2+x2=b(t). \begin{cases} D x_1 = a(t) \\ D^2 x_1 + D x_2 + x_2 = b(t). \end{cases}

我们将把自己限制在函数 bj(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 (xk)1≤k≤n(x_k)_{1 \leq k \leq n}。 将b(t)=(b1(t),…,bm(t))\mathbf{b}(t) = (b_1(t), \ldots, b_m(t))、(从J中的映射放入Cm\mathbf{C}^m)和x=(x1,x2,…,xn)\mathbf{x} = (x_1, x_2, \ldots, x_n)、系统(47)可以写成

P(D)x=b(t) P(D) \mathbf{x} = \mathbf{b}(t)

其中P(D)P(D)是矩阵(pjk(D))(p_{jk}(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],系数为C\mathbf{C}。令 fj(D)f_j(D) (1≤j≤r≤Min⁡(m,n)1 \leq j \leq r \leq \operatorname{Min}(m, n)) 为非零的 矩阵 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 fjf_j 除 fj+1f_{j+1} 对于 1≤j≤r−11 \leq j \leq r - 1(rr 是 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) 和 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])在具有复系数的 D 中*),并且除了 1≤j≤r1 \leq j \leq r 的对角线项 qjj(D)=fj(D)q_{jj}(D) = f_j(D) 之外,矩阵 Q(D)=(qjk(D))=U(D)P(D)V(D)Q(D) = (q_{jk}(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};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}

也就是说,到

Q(D)y=U(D)b Q(D) \mathbf{y} = U(D) \mathbf{b}

因为 U(D)U(D) 是可逆的。现在,如果 y=(y1,y2,…,yn)\mathbf{y} = (y_1, y_2, \ldots, y_n),并且如果

U(D)b(t)=(c1(t),…,cm(t)), U(D) \mathbf{b}(t) = (c_1(t), \ldots, c_m(t)),

则方程(50)可写成

fj(D)yj=cj(t)for 1≤j≤r(51) f_j(D) y_j = c_j(t) \quad \text{for } 1 \leq j \leq r \tag{51}
0=cj(t)for r+1≤j≤m.(52) 0 = c_j(t) \quad \text{for } r + 1 \leq j \leq m. \tag{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≤rj \leq r的yjy_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 的 yjy_j 是任意无限可微的函数。一旦确定了(50)的解y\mathbf{y},就可以从公式x=V(D)y\mathbf{x} = V(D) \mathbf{y}推出(47)的解。

注 1 08DA

一些多项式fj(D)f_j(D)可能是约化到非零的常数; 相应的 yjy_j 就完全确定了。

注 2 08DB

当bjb_j都是零时,即如果系统(47)是*齐次的*,则条件(52)总是满足;进一步,如果r=nr = n,可以看到(47)的解的集合比维数的C\mathbf{C}是向量空间,等于fj(D)f_j(D)的次数*的*和,即*次数* 共 det⁡(P(D))\det(P(D))。

注 3 08DC

给定多项式 pjk(D)p_{jk}(D),系统 (47) 当右侧无限可微(或某个阶可微)时承认解,当右侧任意调节函数时可能不承认它们:这由例 (48) 表示,它没有当 a(t)a(t) 不是原语时,解。我们在此不承诺寻求当右侧任意调节函数时进入的补充可能性条件。

习题

参见习题为 § 2。

[^1]: 回想一下,如果 EE 为有限维,则从 EE 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)。

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。