|
动力系统描述了复杂物理现象的力学和行为，通常涉及到多个以某种方式相互耦合的微分方程。当常微分方程组（ODE）是线性的，意味着微分方程中出现的未知函数和该函数各阶导数都是一次的；我们可以用线性代数技术同时解出所有的方程。 在本文中，我们关注一类特殊的线性常微分方程组，
其中x是一个解的向量，每个解都是时间t的函数，A是一个将所有解连接在一起的系数矩阵，它可能是时间t的函数。在A与时间无关的简单情况下（它的所有元素都是常数），线性系统通过简单的分离变量来求解：
其中x(0)是初始条件的向量。必须特别注意矩阵指数
它不等于矩阵At中每个元素的指数。这是许多学生在第一次学习线性代数和微分方程时常犯的错误。为了求出矩阵的函数，需要先找出矩阵的特定性质，然后用一种特殊的方法来求出它。一个非常有效的方法涉及到复分析中的一个概念，被称为柯西积分公式：
这允许我们计算函数f(z)/(z-x)在特定点x处的围线积分，假设在点z = x处有一个奇点。 在本文的例子中，我们想求At的函数值，所以我们写
I是单位矩阵。因为积分是一个线性算子，对一个矩阵求积分就相当于对它的每个元素分别求积分。这意味着只要矩阵(zI-At)有逆，f(At)就可以求值。一个基本问题是围线C的选择。我们要选择一个围线C，它包含矩阵At的所有特征值（包括实部和虚部）。一种可能是选择一个以原点为圆心，半径为R的圆
不等式右边是矩阵的范数。这意味着我们首先需要计算At的特征值。 让我们看看下面的例子：
它有解
我们想要找到At的特征值，所以我们解行列式方程
在这种情况下是
由此我们可以很容易地得出结论
这意味着对于积分的围线，我们可以选择一个半径圆
这完全包含了任何时刻t≥0的特征值。接下来，回想一下2x2矩阵的逆
我们求得了逆函数
接下来，计算
这和下面的函数是一样的：
由此，我们继续对每个积分分别求值：
这里，我们作以下处理：
因此，
并最终
这意味着两个解
我们可以通过对两个表达式求导来验证
从而得到了原始的常微分方程组
值得注意的是，该方法可以进一步推广到时变系数矩阵。例如，给定
我们发现
矩阵指数由柯西积分公式给出
|
|
|
