微分方程_e的矩阵指数
e的矩阵指数
e[123345567]e^{ \begin{bmatrix} 1 & 2 & 3 \\ 3 & 4 & 5 \\ 5 & 6 & 7 \\ \end{bmatrix} }e[135246357]
代表的一种运算:
甚至物理定律都是由微分方程来描述
这里的指数不是把e乘自己多少次,而是关于e的x次方的多项式
当x=2时,带入上式:
总和会趋于一个常数,恰好是e×e
x=3时也成立
x可以是任意的变量,甚至矩阵:
当x是一个矩阵时,表示成e的矩阵指数,其实这算是数学家的一种发明而已
但是这个矩阵必须是n×n
才能自己乘以自己
结果再乘以原矩阵,即自己乘自己三次,即矩阵的立方
一直乘下去可以实现任意次方
每一项就等于矩阵的n次方除以n的阶乘
而矩阵除以n的阶乘这个运算就是要把矩阵;里的每一项除以n的阶乘
考虑矩阵[0−ππ0]\begin{bmatrix} 0 & -\pi \\ \pi& 0 \\ \end{bmatrix}[0π−π0]
当算到第10项以后,等式的值趋于[−100−1]\begin{bmatrix} -1 & 0 \\ 0& -1 \\ \end{bmatrix}[−100−1]
算到第十项的值:
算到第17项的值
推广到任意矩阵,当算到一定项之后,结果总是趋近一个值,后面的第n+1项的值越来越趋近与0
这既是欧拉公式的矩阵化表示
如图关于x(t)和y(t) 的变化关系,
x的微小变化会引起y的变化
这就是微分方程组,要求你找出x(t) and y(t),使得两个方程同时成立
答案就是cos(t)和sin(t)
当时我们如何找到方法系统解决这一类问题呢
这些问题都可以用指数方程来解决
上面romeo和juliet的问题可以用高维整合到一个坐标系
x(t),y(t)是关于时间的函数
当我们把x(t),y(t)看成向量时
x的变化率是-y
y的变化率是x
也可以表示为原向量与[0−110]\begin{bmatrix} 0 & -1 \\ 1& 0 \\ \end{bmatrix}[01−10]的乘积:
(线性变换思想)
用公式表示就是:
(函数在某点处的变化率定义为函数值的增量与自变量增量的比值在自变量增量趋于零时的极限,该极限称为函数在该点处的变化率,定义域内的任意一点处的变化率则称为该函数在其定义域内的导函数(前提为该极限存在,即可导))
几何推导:
[0−110]\begin{bmatrix} 0 & -1 \\ 1& 0 \\ \end{bmatrix}[01−10]所代表的是逆时针旋转90°的变换
(变化率原本是蓝色向量,旋转90°变成红色向量)
变换前后向量的大小没变
用更普遍的三角函数表示就是:
向量
所代表的变换等于:
所以,只要我们知道初始状态x0,y0x_0,y_0x0,y0,就可以求出任意时刻的x(t),y(t)
矩阵指数推导:
用指数矩阵表示就是:
求解这个指数矩阵,会发现每四步实现一个循环
旋转90°×4=360°
矩阵里的每一部分都是sin和cos的泰勒展开
(用多项式取近似正弦,余弦函数)
两种推导得到相同的结果
来看物理中的典型方程薛定谔方程
也可以把
看成是一种复杂的矩阵系统
一维的指数变化率的几何表示
二维的一个变化的向量的变化率,等于一个矩阵乘以自己
最终的解是一个指数向量乘以初始向量
用向量场将上面的方程可视化
这个方程的内在含义就是这个系统的速度向量是由它所在的位置决定的
我们在空间的每一点上画出速度向量
过程:
所以我们知道了某一点的初始值,就知道在这个系统里是如何运动
微分方程_e的矩阵指数相关推荐
- Matlab学习笔记——矩阵求幂和矩阵指数
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 目录 矩阵求幂和矩阵指数 矩阵求幂和矩阵指数 利用MATLAB对矩阵求幂可以很容易地得到结果,例如: 矩阵求幂 元素对元 ...
- 【3B1B笔记】e的矩阵指数——怎么算?为什么?
[[官方双语]e的矩阵指数--怎么算?为什么?] 注:本文未记录薛定谔方程及量子力学部分 1.定义 1.1定义 把不同的式子带入泰勒级数,记作e的指数 对于矩阵的式子来说,为矩阵的乘方和加减运算,但对 ...
- 3Blue1Brown系列:e的矩阵指数
e的矩阵指数 笔记来源: e的矩阵指数--怎么算?为什么? 在微分方程组.量子力学⋯\cdots⋯中用到了 e 的矩阵指数 将 exe^xex 写为泰勒展开式 ex=x0+x1+12x2+16x3+⋯ ...
- matlab中的expotest,提高Fortran矩阵指数性能(Expokit比Matlab、Python慢)
我正在进行一个模拟,其中的瓶颈是执行大量复杂的双精度矩阵指数运算,我发现Fortran(Expokit)对于小矩阵很好,但对于较大的矩阵,它的性能比Matlab或Python差.在 我在下面包含了一个 ...
- 矩阵指数 matlab,矩阵指数
- MATLAB Simulink Example
- MathWorks 中国
方法 1:加权平方 expmdemo1 是以下著作中算法 11.3.1 的实现: Golub, Gene H. and Charles Van Loan.Matrix Computations, 3r ...
- 第二十九讲 求方程组通解和特解的公式(矩阵指数)
一,齐次方程组的通解: 通解形式:x⃗=c1x1⃗+c2x2⃗\vec{x}=c_{1}\vec{x_{1}}+c_{2}\vec{x_{2}}x=c1x1+c2x2 用基本矩阵简化为:x ...
- 矩阵指数 matlab,空间计量-矩阵指数空间模型
原标题:空间计量-矩阵指数空间模型 空间计量经济学 Matlab应用学习手册 空间计量经济学创造性地处理了经典计量方法在面对空间数据时的缺陷,考察了数据在地理观测值之间的关联.近年来在人文社会科学空间 ...
- 矩阵指数(The Exponential of a Matrix)
矩阵指数 本人另一篇相关博客:3Blue1Brown系列:e的矩阵指数 解有两种形式: 1.特征向量的线性组合 2.eAtu⃗(0)e^{At}\vec{u}(0)eAtu(0) 用新形式 eAtu⃗ ...
- 矩阵指数 Matrix Exponentials
转自:https://zh.wikipedia.org/wiki/%E7%9F%A9%E9%98%B5%E6%8C%87%E6%95%B0 其中,X. X2.X3--.Xk 都是n阶矩阵,显然 exp ...
- 应用matlab计算线性定常系统的矩阵指数
syms s t A = [5 0 3;0 5 2;9 1 3]; Fs = inv(seye(3)-A); %求预解矩阵FS=[(sI-A)]^(-1),eye(3)为33矩阵 eAt = ilap ...
最新文章
- numpy数组统计函数amin() amax()
- CentOS查看已挂载的文件系统和文件系统信息
- 基于hsv的亮度调整算法_基于手绘工程图离线识别的预处理研究精品论文推荐
- iOS 之 内存管理
- 工厂方法设计模式示例
- [原创] VPDN--PPTP Server
- java中jsp怎么传递参数_急!Java问题,Java如何获得jsp传递的参数??
- Matlab C-Mex Round 1
- JavaScript获取移动设备型号的实现代码(JS获取手机型号和系统)
- 面向对象的软件开发方法
- 多元线性回归分析spss结果解读_多重线性回归分析SPSS操作与解读
- 分享链接在微信内被多人投诉怎么办,域名防封方案
- QT安装我i发下载存档问题解决
- 2021高考秦安一中成绩查询,2021年天水高考状元是谁分数多少分,历年天水高考状元名单...
- linux trace 进程 文件路径,linux panic 问题定位
- FBI也需要云计算吗?
- 认缴注册资本实缴注册资本的区别是什么
- 一个女孩如何准备行装和安全的独自旅行
- IP地址分类及范围详解
- kubernets controller 和 CRD的扩展