第二十八讲 解非齐次线性方程组
一,关于二阶方程组x⃗′=Ax⃗{\vec{x}}'=A\vec{x}x′=Ax的理论(对n阶方程也成立):
(假设A是常数矩阵)
- 定理A:x⃗′=Ax⃗{\vec{x}}'=A\vec{x}x′=Ax的通解是x⃗=c1x1⃗+c2x2⃗\vec{x}=c_{1}\vec{x_{1}}+c_{2}\vec{x_{2}}x=c1x1+c2x2(x1⃗\vec{x_{1}}x1和x2⃗\vec{x_{2}}x2线性无关)
- 证明可以用线性叠加原理,这里不做详细说明了。
- 定理B:朗斯基行列式W(x1⃗,x2⃗):=∣x1⃗x2⃗∣W(\vec{x_{1}},\vec{x_{2}}):=|\vec{x_{1}} \vec{x_{2}}|W(x1,x2):=∣x1x2∣,(符号:=:=:=表示定义或等价),这里x1⃗\vec{x_{1}}x1和x2⃗\vec{x_{2}}x2不一定线性无关。如果二阶方程有两个解,那么朗斯基行列式是自变量t的函数,并且有两种可能性,要么W(t)̸≡0W(t)\not\equiv 0W(t)̸≡0(当x1⃗\vec{x_{1}}x1和x2⃗\vec{x_{2}}x2线性无关时),要么W≡0W\equiv 0W≡0(当x1⃗\vec{x_{1}}x1和x2⃗\vec{x_{2}}x2线性相关时)。
- 方程组的基本矩阵:x⃗′=Ax⃗{\vec{x}}'=A\vec{x}x′=Ax,特征向量矩阵X:=[x1⃗x2⃗]X:=\begin{bmatrix}\vec{x_{1}} & \vec{x_{2}}\end{bmatrix}X:=[x1x2],x1⃗\vec{x_{1}}x1和x2⃗\vec{x_{2}}x2线性无关
- X的性质1:|X|对于任意自变量t都≠0,因为x1⃗\vec{x_{1}}x1和x2⃗\vec{x_{2}}x2线性无关
- X的性质2:X′=[x1⃗′x2⃗′]=[Ax1⃗Ax2⃗]=A[x1⃗x2⃗]=AX{X}'=\begin{bmatrix}{\vec{x_{1}}}' & {\vec{x_{2}}}'\end{bmatrix}=\begin{bmatrix}A\vec{x_{1}} & A\vec{x_{2}}\end{bmatrix}=A\begin{bmatrix}\vec{x_{1}} & \vec{x_{2}}\end{bmatrix}=AXX′=[x1′x2′]=[Ax1Ax2]=A[x1x2]=AX
二,解非齐次线性方程组:
一般形式:{x′=ax+by+r1(t)y′=cx+dy+r2(t)\left\{\begin{matrix}{x}'=ax+by+{\color{Red} r_{1}(t)}\\ {y}'=cx+dy+{\color{Red} r_{2}(t)}\end{matrix}\right.{x′=ax+by+r1(t)y′=cx+dy+r2(t)
简化形式:x⃗′=Ax⃗+r⃗(t){\vec{x}}'=A\vec{x}+\vec{r}(t)x′=Ax+r(t)
定理C:微分方程组的通解xg⃗=xc⃗+xp⃗\vec{x_{g}}=\vec{x_{c}}+\vec{x_{p}}xg=xc+xp,其中xc⃗\vec{x_{c}}xc是x⃗′=Ax⃗{\vec{x}}'=A\vec{x}x′=Ax的通解,xp⃗\vec{x_{p}}xp是微分方程组的一个特解。可以用线性叠加原理证明。
找到特解xp⃗\vec{x_{p}}xp是求解的关键。
三,例题:
图中,箭头表示流向,数字表示流速,单位是L/h,x表示左边容器中盐的含量,y表示右边容器中盐的含量,两个容器的容量都是1L。
假设输入项为:外部流入左边容器的液体浓度是5e−t5e^{-t}5e−t,外部流入右边容器的液体浓度是0。输入项不全为0,决定了方程组是非齐次方程组。
建立微分方程组:
x′=−3x+2y+5e−t{x}'=-3x+2y+5e^{-t}x′=−3x+2y+5e−t
含义:左边容器x的变化率=-流出速度X左容器中盐的浓度+内部流入速度X右容器中盐的浓度+从外部流入速度X外部液体的浓度。
y′=3x−4y+0{y}'=3x-4y+0y′=3x−4y+0
含义:右边容器y的变化率=内部流入速度X左容器中盐的浓度+流出速度X右容器中盐的浓度+从外部流入速度X外部液体的浓度。
{x′=−3x+2y+5e−ty′=3x−4y+0\left\{\begin{matrix}{x}'=-3x+2y+5e^{-t}\\ {y}'=3x-4y+0\end{matrix}\right.{x′=−3x+2y+5e−ty′=3x−4y+0矩阵化:
[x′y′]=[−323−4][xy]+[5e−t0]\begin{bmatrix}{x}'\\ {y}'\end{bmatrix}=\begin{bmatrix}-3 & 2\\ 3 & -4\end{bmatrix}\begin{bmatrix}x\\ y\end{bmatrix}+\begin{bmatrix}5e^{-t}\\ 0\end{bmatrix}[x′y′]=[−332−4][xy]+[5e−t0]参数变分法求特解xp⃗\vec{x_{p}}xp:
xp⃗=v1(t)x1⃗+v2(t)x2⃗\vec{x_{p}}=v_{1}(t)\vec{x_{1}}+v_{2}(t)\vec{x_{2}}xp=v1(t)x1+v2(t)x2
和定理A类似,只不过把常数c改成了参数v
化为基本矩阵:xp⃗=[x1⃗x2⃗][v1(t)v2(t)]=Xv⃗\vec{x_{p}}=\begin{bmatrix} \vec{x_{1}}& \vec{x_{2}}\end{bmatrix}\begin{bmatrix}v_{1}(t)\\ v_{2}(t)\end{bmatrix}=X\vec{v}xp=[x1x2][v1(t)v2(t)]=Xv将特解xp⃗\vec{x_{p}}xp代入方程组x⃗′=Ax⃗+r⃗(t){\vec{x}}'=A\vec{x}+\vec{r}(t)x′=Ax+r(t),求出v⃗\vec{v}v:
代入得:xp⃗′=Axp⃗+r⃗(t){\vec{x_{p}}}'=A\vec{x_{p}}+\vec{r}(t)xp′=Axp+r(t)
等式左边:xp⃗′=(Xv⃗)′=X′v⃗+Xv⃗′{\vec{x_{p}}}'={(X\vec{v})}'={X}'\vec{v}+X{\vec{v}}'xp′=(Xv)′=X′v+Xv′,(乘积的求导公式)
等式右边:Ax⃗+r⃗(t)=AXv⃗+r⃗(t)A\vec{x}+\vec{r}(t)=AX\vec{v}+\vec{r}(t)Ax+r(t)=AXv+r(t)
因为X是方程组的基本矩阵,所以根据X的性质2:AX=X′AX={X}'AX=X′
等式右边:Ax⃗+r⃗(t)=AXv⃗+r⃗(t)=X′v⃗+r⃗(t)A\vec{x}+\vec{r}(t)=AX\vec{v}+\vec{r}(t)={X}'\vec{v}+\vec{r}(t)Ax+r(t)=AXv+r(t)=X′v+r(t)
左边=右边:X′v⃗+Xv⃗′=X′v⃗+r⃗(t)⇒Xv⃗′=r⃗(t){X}'\vec{v}+X{\vec{v}}'={X}'\vec{v}+\vec{r}(t)\Rightarrow X{\vec{v}}'=\vec{r}(t)X′v+Xv′=X′v+r(t)⇒Xv′=r(t)
v⃗′=X−1r⃗(t){\vec{v}}'=X^{-1}\vec{r}(t)v′=X−1r(t),根据X的性质1,X存在逆矩阵
v⃗=∫X−1r⃗(t)dt\vec{v}=\int X^{-1}\vec{r}(t)dtv=∫X−1r(t)dt,X−1r⃗(t)X^{-1}\vec{r}(t)X−1r(t)是一个列向量,元素都是t的函数,只要逐个积分就算出来了。
结果:xp⃗=Xv⃗=X∫X−1r⃗(t)dt\vec{x_{p}}=X\vec{v}=X\int X^{-1}\vec{r}(t)dtxp=Xv=X∫X−1r(t)dt,只要找到一个特解就行,因此不用在公式后加积分常数。求x⃗′=Ax⃗{\vec{x}}'=A\vec{x}x′=Ax的通解xc⃗\vec{x_{c}}xc的部分省略了
第二十八讲 解非齐次线性方程组相关推荐
- 小甲鱼Python3学习笔记之第二十八讲(仅记录学习)
第二十八讲:文件:因为懂你,所以永恒 一.知识点: 0.file对象利用open函数来创建. 1.file文件的打开模式:f = open('文件地址','r/w/x/a等') 'r':只读模式,以只 ...
- 名词解释第二十八讲:跨链
这里是王团长区块链学院,与最优秀的区块链人一起成长!今天给大家讲讲跨链. 点击观看视频教程:名词解释第二十八讲:跨链 随着区块链技术的发展,出现了越来越多的链,包括公有链.联盟链.私有链层出不穷,但每 ...
- 高等数学学习笔记——第二十八讲——函数的极值及最优化应用
1. 问题引入--现实中经常要考虑的问题:产品最多.用料最省.成本最低.利润最高 2. 最大值与最小值的定义 3. 极大值.极小值.极大值点.极小值点.极值.极值点 4. 极值与最值的区别:极值是一个 ...
- 【genius_platform软件平台开发】第二十八讲:NEON指令集优化(附实例)
当在ARM芯片上进行一些例如图像处理等计算的时候,常常会因为计算量太大造成计算帧率较低的情况.因而,需要选择一种更加简单快捷的计算方式以获得处理速度上的提升.ARM NEON就是一个不错的选择. ※ ...
- PreScan快速入门到精通第二十八讲PreScan中常用传感器之TIS传感器
28.1 关于TIS: TIS帮助用户增加对有源扫描传感器的一般知识和了解.它的操作不与特定的技术(如雷达.激光雷达或激光扫描器的技术)挂钩,但TIS确实是根据这些设备的共同操作原则工作的. 其操作不 ...
- 学习笔记-小甲鱼Python3学习第二十八讲:文件:因为懂你,所以永恒
使用open()函数打开文件l 文件打开模式: r 以只读方式打开文件(默认) w 以写入的方式打开文件,会覆盖已存在的文件 x 如果文件已经存在,使用此模式打开将引发异常 a 以写入模式打开,如果文 ...
- python入门教程第28讲_Python爬虫入门教程第二十八讲: 《海王》评论数据抓取 scrapy...
1. 海王评论数据爬取前分析 海王上映了,然后口碑炸了,对咱来说,多了一个可爬可分析的电影,美哉~ 摘录一个评论零点场刚看完,温导的电影一直很不错,无论是速7,电锯惊魂还是招魂都很棒.打斗和音效方面没 ...
- 第二十八讲:神州路由器地址转换的配置
实验拓扑图如下所示 设置内网地址段为192.168.0.0,S0/1为外网出口. 通过nat访问192.168.2.0网段. 操作步骤: 步骤1:连接网络拓扑结构图. 步骤2:配置计算机的IP地址.子 ...
- NeHe OpenGL第二十八课:贝塞尔曲面
NeHe OpenGL第二十八课:贝塞尔曲面 贝塞尔曲面: 这是一课关于数学运算的,没有别的内容了.来,有信心就看看它吧. 贝塞尔曲面 作者: David Nikdel ( ogapo@ithink. ...
最新文章
- 斗鱼实名认证 mysql_斗鱼扩展--DouyuRoom使用说明(十四)
- boost::spirit模块利用 std::tuple 将多个属性包装成一个的测试程序
- 69道Spring面试题和答案
- zabbix—自动发现端口并监控
- centos7搜狐 mysql_基于centOS6.7搭建LAMP(httpd-2.4.18+mysql-5.5.47+php-5.6.16)环境
- 项目中使用CLR编程
- 08 友盟项目--拆分日志为五个表---UDTF自定义函数
- Facebook田渊栋谈人生挑战与选择
- java多线程通信方法
- 银行核心系统之应用集成
- 描述最常用的5种http方法的用途_RESTful API系列之HTTP基础
- 入门系列之使用fail2ban防御SSH服务器的暴力破解攻击 1
- 今天是本学期的第几周的第几天? (15 分) C语言
- 【python文件读取】加密数据的读取
- php 获取agent,PHP解析HTTP_USER_AGENT 获取客户端浏览器以及版本号 | 八戒哥技术博客...
- linaro gcc 交叉编译链编译
- Windows Azure Storage 论文阅读
- 485 CAN 单总线 SPI I2C 的总结
- 节点还没注册,LoRa网关却收到数据?
- 宇视NVR 宇视录像机RTSP规则接入LiveNVR实现Web H5无插件直播和录像