杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
同等学力申硕控制科学与工程学科综合考前辅导矩阵理论第 7 节 / 共 32 节约 30 分钟免费

矩阵理论(六):矩阵函数与微分方程组的矩阵解法

对应矩阵理论「五、矩阵分析」后四条:函数矩阵的微积分与矩阵微分,矩阵序列与矩阵级数(收敛条件、诺伊曼级数),矩阵函数的定义与三种算法,微分方程组的矩阵解法。

本节考点:函数矩阵的微积分矩阵序列与矩阵级数矩阵函数微分方程组的矩阵解法

本节导读

这一节对应矩阵理论大纲「五、矩阵分析」的后四条:「函数矩阵的微积分」「矩阵序列与矩阵级数」「矩阵函数」「微分方程组的矩阵解法」。它们一环扣一环:矩阵级数收敛了,才能用幂级数定义 eAe^{A}eA、sin⁡A\sin AsinA 这些矩阵函数;有了 eAte^{At}eAt 和它的导数,常系数线性微分方程组就能一步写出解。控制理论里的状态转移矩阵就是这里的 eAte^{At}eAt。

学完要做到:会对函数矩阵求导、积分,会算几个常用的矩阵微分;会判断矩阵幂序列和矩阵级数是否收敛;会用对角化、若尔当形或待定系数法算矩阵函数;会写出线性微分方程组的解。

本节记号:A(t)A(t)A(t) 是元素为 ttt 的函数的矩阵;ρ(A)\rho(A)ρ(A) 是谱半径;eAte^{At}eAt 是矩阵指数;x(t)x(t)x(t) 是未知向量函数。

函数矩阵的微积分

函数矩阵的导数、积分都逐个元素进行。求导法则与数量函数类似,但乘积要保持顺序:

法则公式
和(A+B)′=A′+B′(A+B)'=A'+B'(A+B)′=A′+B′
乘积(AB)′=A′B+AB′(AB)'=A'B+AB'(AB)′=A′B+AB′(不能写成 B′A+BA′B'A+BA'B′A+BA′)
逆矩阵(A−1)′=−A−1A′A−1(A^{-1})'=-A^{-1}A'A^{-1}(A−1)′=−A−1A′A−1
矩阵指数ddteAt=AeAt=eAtA\dfrac{\mathrm d}{\mathrm dt}e^{At}=Ae^{At}=e^{At}Adtd​eAt=AeAt=eAtA

逆矩阵的公式由 AA−1=IAA^{-1}=IAA−1=I 两边求导得到。积分同样逐元素:∫0teAτ dτ\int_0^t e^{A\tau}\,\mathrm d\tau∫0t​eAτdτ 在 AAA 可逆时等于 A−1(eAt−I)A^{-1}(e^{At}-I)A−1(eAt−I)。

数量函数对向量求导(最优控制里要用):ddx(aTx)=a\dfrac{\mathrm d}{\mathrm dx}(a^{\mathrm T}x)=adxd​(aTx)=a;ddx(xTAx)=(A+AT)x\dfrac{\mathrm d}{\mathrm dx}(x^{\mathrm T}Ax)=(A+A^{\mathrm T})xdxd​(xTAx)=(A+AT)x,AAA 对称时为 2Ax2Ax2Ax。

矩阵序列与矩阵级数

矩阵序列

矩阵序列 Ak→AA_k\to AAk​→A 指每个元素都收敛,等价于对某一种(从而对任何一种)矩阵范数 ∥Ak−A∥→0\lVert A_k-A\rVert\to 0∥Ak​−A∥→0。最重要的一条:

Ak→O (k→∞) ⟺ ρ(A)<1A^{k}\to O\ (k\to\infty)\ \Longleftrightarrow\ \rho(A)\lt 1Ak→O (k→∞) ⟺ ρ(A)<1

∥A∥<1\lVert A\rVert\lt 1∥A∥<1(某种矩阵范数)是它的充分条件,因为 ρ(A)≤∥A∥\rho(A)\le\lVert A\rVertρ(A)≤∥A∥。

矩阵级数

∑Ak\sum A_k∑Ak​ 的部分和序列收敛就叫收敛;∑∥Ak∥\sum\lVert A_k\rVert∑∥Ak​∥ 收敛叫绝对收敛,绝对收敛一定收敛。两个常用结论:

  • 诺伊曼级数:∑k=0∞Ak\sum_{k=0}^{\infty}A^{k}∑k=0∞​Ak 收敛 ⇔ρ(A)<1\Leftrightarrow\rho(A)\lt 1⇔ρ(A)<1,收敛时和为 (I−A)−1(I-A)^{-1}(I−A)−1。
  • 矩阵幂级数:数量幂级数 ∑ckzk\sum c_kz^{k}∑ck​zk 的收敛半径为 RRR,当 ρ(A)<R\rho(A)\lt Rρ(A)<R 时 ∑ckAk\sum c_kA^{k}∑ck​Ak 绝对收敛;ρ(A)>R\rho(A)\gt Rρ(A)>R 时发散。

矩阵函数

定义

用收敛半径为无穷大的幂级数定义,对任何方阵都收敛:

eA=I+A+A22!+⋯sin⁡A=A−A33!+⋯cos⁡A=I−A22!+⋯\begin{aligned} e^{A}&=I+A+\frac{A^{2}}{2!}+\cdots \\ \sin A&=A-\frac{A^{3}}{3!}+\cdots \\ \cos A&=I-\frac{A^{2}}{2!}+\cdots \end{aligned}eAsinAcosA​=I+A+2!A2​+⋯=A−3!A3​+⋯=I−2!A2​+⋯​

性质:AB=BAAB=BAAB=BA 时 eAeB=eA+Be^{A}e^{B}=e^{A+B}eAeB=eA+B;eAe^{A}eA 总可逆,(eA)−1=e−A(e^{A})^{-1}=e^{-A}(eA)−1=e−A;det⁡eA=etrA\det e^{A}=e^{\mathrm{tr}A}deteA=etrA;eiA=cos⁡A+isin⁡Ae^{i A}=\cos A+i\sin AeiA=cosA+isinA。

三种算法

方法做法适用
对角化A=PΛP−1A=P\Lambda P^{-1}A=PΛP−1,f(A)=P diag(f(λi))P−1f(A)=P\,\mathrm{diag}\big(f(\lambda_i)\big)P^{-1}f(A)=Pdiag(f(λi​))P−1可对角化
若尔当形A=PJP−1A=PJP^{-1}A=PJP−1,每个块 f(Jk(λ))f(J_k(\lambda))f(Jk​(λ)) 是上三角阵,第一行依次为 f(λ),f′(λ),f′′(λ)2!,⋯f(\lambda),f'(\lambda),\dfrac{f''(\lambda)}{2!},\cdotsf(λ),f′(λ),2!f′′(λ)​,⋯一般矩阵
待定系数设 f(A)=c0I+c1A+⋯+cm−1Am−1f(A)=c_0I+c_1A+\cdots+c_{m-1}A^{m-1}f(A)=c0​I+c1​A+⋯+cm−1​Am−1(mmm 为最小多项式次数),让 r(λ)=c0+⋯r(\lambda)=c_0+\cdotsr(λ)=c0​+⋯ 在每个特征值处与 fff 取相同的值(重根处导数也相同)阶数低、不想求 PPP

幂零矩阵(Nk=ON^{k}=ONk=O)的级数自然截断:eNt=I+Nt+⋯+Nk−1tk−1(k−1)!e^{Nt}=I+Nt+\cdots+\dfrac{N^{k-1}t^{k-1}}{(k-1)!}eNt=I+Nt+⋯+(k−1)!Nk−1tk−1​。

微分方程组的矩阵解法

常系数线性微分方程组写成向量形式:

x˙(t)=Ax(t)+f(t),x(0)=x0\dot x(t)=Ax(t)+f(t),\qquad x(0)=x_0x˙(t)=Ax(t)+f(t),x(0)=x0​

齐次时(f=0f=0f=0)解为 x(t)=eAtx0x(t)=e^{At}x_0x(t)=eAtx0​;非齐次时用常数变易法得

x(t)=eAtx0+∫0teA(t−τ)f(τ) dτx(t)=e^{At}x_0+\int_0^{t}e^{A(t-\tau)}f(\tau)\,\mathrm d\taux(t)=eAtx0​+∫0t​eA(t−τ)f(τ)dτ

第一项由初始值决定,第二项由外加项决定。初始时刻为 t0t_0t0​ 时,把 eAte^{At}eAt 换成 eA(t−t0)e^{A(t-t_0)}eA(t−t0​)、积分下限换成 t0t_0t0​。高阶常系数线性微分方程引入新变量后也能写成这种一阶方程组。

易错提醒

  • ❌ 对任意方阵都有 eAeB=eA+Be^{A}e^{B}=e^{A+B}eAeB=eA+B。
    ✅ 只在 AB=BAAB=BAAB=BA 时成立;一般情形展开到二次项就对不上。

  • ❌ 逆矩阵的导数照搬数量函数,写成 −A′A2-\dfrac{A'}{A^{2}}−A2A′​。
    ✅ 矩阵没有除法,要由 AA−1=IAA^{-1}=IAA−1=I 两边求导,得 (A−1)′=−A−1A′A−1(A^{-1})'=-A^{-1}A'A^{-1}(A−1)′=−A−1A′A−1,左右两个 A−1A^{-1}A−1 的位置不能挪。

  • ❌ 用待定系数法算 f(A)f(A)f(A) 时,重特征值只要让函数值相等就够了。
    ✅ 重根处还要让导数相等,否则方程个数不够、系数解不出来。

例题精讲

例题 1(计算:重特征值的矩阵指数)

A=(31−11)A=\begin{pmatrix}3&1\\-1&1\end{pmatrix}A=(3−1​11​),求 eAte^{At}eAt。

解:det⁡(λI−A)=λ2−4λ+4=(λ−2)2\det(\lambda I-A)=\lambda^{2}-4\lambda+4=(\lambda-2)^{2}det(λI−A)=λ2−4λ+4=(λ−2)2,最小多项式也是 (λ−2)2(\lambda-2)^{2}(λ−2)2(A≠2IA\neq 2IA=2I)。A−2IA-2IA−2I 满足 (A−2I)2=O(A-2I)^{2}=O(A−2I)2=O,而 2It2It2It 与 (A−2I)t(A-2I)t(A−2I)t 可交换,所以

eAt=e2te(A−2I)t=e2t[I+(A−2I)t]=e2t(1+tt−t1−t)\begin{aligned} e^{At}&=e^{2t}e^{(A-2I)t}=e^{2t}\big[I+(A-2I)t\big] \\ &=e^{2t}\begin{pmatrix}1+t&t\\-t&1-t\end{pmatrix} \end{aligned}eAt​=e2te(A−2I)t=e2t[I+(A−2I)t]=e2t(1+t−t​t1−t​)​

点评:把 AAA 拆成「数量矩阵 + 幂零矩阵」,两部分可交换,指数可以拆开;t=0t=0t=0 时结果是 III,求导在 t=0t=0t=0 处是 AAA,两处都能核对。

例题 2(计算:齐次方程组)

解 x˙=Ax\dot x=Axx˙=Ax,A=(1221)A=\begin{pmatrix}1&2\\2&1\end{pmatrix}A=(12​21​),x(0)=(1,0)Tx(0)=(1,0)^{\mathrm T}x(0)=(1,0)T。

解:特征值 3、−1-1−1,特征向量 (1,1)T(1,1)^{\mathrm T}(1,1)T、(1,−1)T(1,-1)^{\mathrm T}(1,−1)T,对角化得

eAt=12(e3t+e−te3t−e−te3t−e−te3t+e−t)e^{At}=\frac12\begin{pmatrix}e^{3t}+e^{-t}&e^{3t}-e^{-t}\\ e^{3t}-e^{-t}&e^{3t}+e^{-t}\end{pmatrix}eAt=21​(e3t+e−te3t−e−t​e3t−e−te3t+e−t​)

x(t)=eAtx0=12(e3t+e−t, e3t−e−t)Tx(t)=e^{At}x_0=\dfrac12\big(e^{3t}+e^{-t},\ e^{3t}-e^{-t}\big)^{\mathrm T}x(t)=eAtx0​=21​(e3t+e−t, e3t−e−t)T。

点评:代回 t=0t=0t=0 得 (1,0)T(1,0)^{\mathrm T}(1,0)T;对 ttt 求导在 t=0t=0t=0 处得 (1,2)T=Ax0(1,2)^{\mathrm T}=Ax_0(1,2)T=Ax0​,都对得上。

本节小结

  • 函数矩阵逐元素求导积分;乘积保持顺序;(A−1)′=−A−1A′A−1(A^{-1})'=-A^{-1}A'A^{-1}(A−1)′=−A−1A′A−1;ddxxTAx=(A+AT)x\dfrac{\mathrm d}{\mathrm dx}x^{\mathrm T}Ax=(A+A^{\mathrm T})xdxd​xTAx=(A+AT)x。
  • Ak→O⇔ρ(A)<1A^{k}\to O\Leftrightarrow\rho(A)\lt 1Ak→O⇔ρ(A)<1;诺伊曼级数收敛时和为 (I−A)−1(I-A)^{-1}(I−A)−1;矩阵幂级数看谱半径与收敛半径。
  • 矩阵函数用幂级数定义,用对角化、若尔当形或待定系数法计算;eAeB=eA+Be^{A}e^{B}=e^{A+B}eAeB=eA+B 要求可交换。
  • x˙=Ax+f\dot x=Ax+fx˙=Ax+f 的解 =eAtx0+∫0teA(t−τ)f(τ) dτ=e^{At}x_0+\int_0^{t}e^{A(t-\tau)}f(\tau)\,\mathrm d\tau=eAtx0​+∫0t​eA(t−τ)f(τ)dτ。

学完练一练

按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。

本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。

我要提问免费报名咨询