从直觉到证明3Blue1Brown 中文导学教材
4.9 矩阵指数与线性动力系统

4.9 矩阵指数与线性动力系统

把矩阵理解为速度规则,使用平方零例子区分矩阵指数与逐元素指数。

例题练习Lean 对照原课

一步一步建立直观

先预测,再点“演示本步”核对右图。每一步都重设到指定情形,随后可以自由修改参数。

01让矩阵成为局部速度的生成规则

对线性系统 x′=Axx'=Ax,矩阵把当前位置变成速度,而不是直接把当前位置变成下一时刻的位置。右图用旋转生成矩阵演示这一点:小箭头是 AxAx,整段时间后的状态则由 etAx(0)e^{tA}x(0) 给出。二者一个是瞬时规则,一个是累计演化。

02从很小的时间步想象指数

很短时间内,可以用 (I+hA)x(I+hA)x 近似新位置;不断缩小时间步并重复作用,便引出矩阵指数。加入负的径向项时,每步既旋转又收缩。本图使用这一特殊矩阵的精确闭式解,避免把数值步长造成的误差误认成方程本身的性质。

03特征方向解释增长,不能包办所有矩阵

把径向项改正,模长随时间增长。当前矩阵由伸缩与平面旋转组成,结构特别简单;一般矩阵可能有剪切、不可对角化等情况,需要利用级数、分块或其他方法。本节 Lean 示例也只覆盖正文声明的具体矩阵恒等式,不证明全部谱理论。

4.9.1 把比例增长推广成向量之间的耦合

标量方程 x′=axx'=ax 用指数描述。若状态包含多个分量,每个分量的速度都由全部当前分量的线性组合决定,就得到 x′=Axx'=Ax。需要寻找一个随时间变化的矩阵,把初值送到后续状态,矩阵指数承担这个任务。

把标量指数的幂级数中数字 aa 换成矩阵 AA,得到 etA\mathrm e^{tA}。它不是对每个元素单独取指数,因为矩阵乘法描述分量间反复耦合,A2,A3A^2,A^3 保留了这种传递结构。

4.9.2 从能截断的例子建立信心

取 A=[0100]A=\left[\begin{smallmatrix}0&1\\0&0\end{smallmatrix}\right],对应方程 x′=y,y′=0x'=y,y'=0。第二分量固定,第一分量以固定速度移动,所以解应是 (x0+ty0,y0)(x_0+ty_0,y_0)。由于 A2=0A^2=0,指数级数恰好截断为 I+tAI+tA,给出同一结果。

先演化 ss 再演化 tt,等于演化 s+ts+t。在本例中展开乘积,额外的 stA2stA^2 为零,便直接验证了这个性质。它表达的是同一个自治系统连续运行的时间相加。

但不同矩阵代表不同耦合规则,通常不能把 eA+B\mathrm e^{A+B} 拆成 eAeB\mathrm e^A\mathrm e^B,除非有相应交换条件。与矩阵乘法一样,动作顺序不可随意忽略。这个简单系统是入口,一般矩阵指数仍需要级数收敛和求导的分析基础。

数学表述 4.9.1

标量指数把“按当前大小增长”变成演化;矩阵指数把“速度由当前向量线性决定”变成多维演化。

etA=∑n≥0tnAn/n!\mathrm{e}^{tA}=\sum_{n\ge0}t^nA^n/n!,线性系统 x′=Axx'=Ax 的解为 x(t)=etAx0x(t)=\mathrm{e}^{tA}x_0。若 A2=0A^2=0,级数截断为 I+tAI+tA。

例 4.9.1 把概念用于具体计算

A=[0100]A=\left[\begin{smallmatrix}0&1\\0&0\end{smallmatrix}\right] 满足 A2=0A^2=0,所以 etA=[1t01]\mathrm{e}^{tA}=\left[\begin{smallmatrix}1&t\\0&1\end{smallmatrix}\right]。初值 (0,2)(0,2) 演化为 (2t,2)(2t,2)。

练习 4.9.1

为什么上例先演化 ss 再演化 tt 等于演化 s+ts+t?

展开解答与检查

(I+sA)(I+tA)=I+(s+t)A(I+sA)(I+tA)=I+(s+t)A,因为 A2=0A^2=0。

Lean 对照 4.9.1 命题、证明与适用边界

完整证明平方零矩阵的上述半群恒等式;矩阵指数级数的收敛与求导由正文解释,未包含于此定理。

DifferentialEquations.nilpotent_exponential_add

theorem nilpotent_exponential_add (A : Matrix (Fin 2) (Fin 2) ℝ)
    (hA : A*A=0) (s t : ℝ) :
    (1+s • A)*(1+t • A)=1+(s+t) • A := by
  simp [add_mul, mul_add, Matrix.smul_mul, Matrix.mul_smul, hA, add_smul]
  abel

查看完整定义与上下文 ↗ · 全书证明范围

原课对照 观课问题、视频与图示

把矩阵理解为速度规则,使用平方零例子区分矩阵指数与逐元素指数。

官方课程与图示 ↗ · 原视频 ↗

点击后连接 YouTube;播放器不可用时可通过上方原链接观看。