首先介绍一下包括向量组的朗斯基行列式(Wronskian)、矩阵的范数、矩阵指数等定义的描述及性质的定义
a≤t≤b上的向量函数
n个向量函数构成的行列式
x=??????x1?x2??xn????????,
n维向量, 这是容易验证下面两个性质:
1.∣∣AB∣∣∣∣Ax∣∣?≤∣∣A∣∣?∣∣B∣∣≤∣∣A∣∣?∣∣x∣∣?2.∣∣A+B∣∣∣∣x+y∣∣?≤∣∣A∣∣+∣∣B∣∣≤∣∣x∣∣+∣∣y∣∣?
n×n常数矩阵, 我们定义矩阵指数expA为下面的矩阵级数的和
m次幂. 这裏我们规定
0 ∵∣∣k!Ak?∣∣≤k!∣∣Ak∣∣?∴expA=∑k=0∞?k!Ak?≤∑k=1∞?k!∣∣Ak∣∣?=n?1+e∣∣A∣∣,即级数收敛
0 t的任何有限区间上是一致收敛的.
∑k=0∞?k!∣∣A∣∣kck?是收敛的, 0
A,B是可交换的, 即
一种常见的一阶常微分方程如
首先将变量进行分离,即将等号两侧变量进行统一
最后通过求解原函数即可求得变量分离方程的通解。
现在讨论线性微分方程组
0 f(t)??≡0,则称上式为非齐线性的,如果
n个线性无关的解则式(5)的任一解
n×n矩陣的每一列都是式(5)的解,我们称这个矩阵为式(5)的解矩阵. 如果其所有列在
基解矩阵具有如下性质:
Φ(t)為式(5)的基解矩阵, 那么式(5)的任一解
Φ(t)是基解矩阵的充要条件是
接下来讨论非齐线性微分方程组的性质及求解
Φ(t)是式5的基解矩阵,