利用多項式分解向量空間──兼論齊次線性微分方程解法

Posted on 07/19/2013 by ccjou

本文的閱讀等級：中級

考慮齊次線性微分方程

\displaystyle D^ny+a_{n-1}D^{n-1}y+\cdots+a_0y=0，

其中 D=d/dt 是微分算子，a_i 皆為常係數。令

\displaystyle f(t)=t^n+a_{n-1}t^{n-1}+\cdots+a_0。

以 D 取代 t，可得 f(D)=D^n+a_{n-1}D^{n-1}+\cdots+a_0。從線性代數觀點，求解齊次線性微分方程 f(D)y=0 等同於計算線性算子 f(D) 的核 (kernel) 或零空間 (見“從線性代數看微分方程”)。本文解釋如何利用多項式來分解向量空間，藉此並可建立齊次線性微分方程解法的理論基礎。

 
令 \mathcal{V} 為一個有限維向量空間，A:\mathcal{V}\to\mathcal{V} 為線性算子。對於子空間 \mathcal{X}\subseteq\mathcal{V}，令 A(\mathcal{X}) 代表子空間 \mathcal{X} 中所有向量經過 A 映射得到的像 (image) 所成的集合，即

A(\mathcal{X})=\{A\mathbf{x}\vert\mathbf{x}\in\mathcal{X}\}。

若 A(\mathcal{X})\subseteq\mathcal{X}，我們稱 \mathcal{X} 是線性算子 A 的一個不變子空間 (invariant subspace，見“不變子空間──解構線性算子的利器”)。舉一例，若 f(t) 是一個多項式，且 \mathcal{X} 是 f(A) 的零空間，則 \mathcal{X} 是 A 的一個不變子空間。證明於下：假設 f(A)\mathbf{x}=\mathbf{0}。因為 tf(t)=f(t)t，可知 \displaystyle Af(A)=f(A)A，就有

f(A)(A\mathbf{x})=f(A)A\mathbf{x}=Af(A)\mathbf{x}=\mathbf{0}，

故證明 A\mathbf{x} 屬於 f(A) 的零空間。

 
若 f(t)=a_nt^n+\cdots+a_0 且 a_n\neq 0，則 f(t) 稱為 n 次多項式，記為 \deg f=n。如果多項式 f(t) 和 g(t) 的最高公因式為 1，也就是說，除了常數外沒有其他公因式，我們稱它們互質。下面的定理說明若多項式可分解成兩個互質的因式，則向量空間可分解成兩個不變子空間的直和。

 
定理一：令 f(t) 為一個多項式，且 A:\mathcal{V}\to\mathcal{V} 為滿足 f(A)=0 的線性算子。若 f(t)=g(t)h(t)，其中 \deg g,\deg h\ge 1 且 g(t) 和 h(t) 互質，則 \mathcal{V} 是 \mathcal{X} 和 \mathcal{Y} 的直和，記為 \displaystyle \mathcal{V}=\mathcal{X}\oplus\mathcal{Y}，其中 \mathcal{X} 是 g(A) 的零空間，\mathcal{Y} 是 h(A) 的零空間。

證明於下。因為 g(t) 和 h(t) 互質，存在多項式 p(t) 和 q(t) 使得

\displaystyle p(t)g(t)+q(t)h(t)=1，

即有關鍵式：

\displaystyle p(A)g(A)+q(A)h(A)=I，

其中 I:\mathcal{V}\to\mathcal{V} 為單位算子。對於 \mathbf{v}\in\mathcal{V}，

\displaystyle \mathbf{v}=p(A)g(A)\mathbf{v}+q(A)h(A)\mathbf{v}。

等號右邊第一項屬於 \mathcal{Y}，因為

\displaystyle h(A)p(A)g(A)\mathbf{v}=p(A)g(A)h(A)\mathbf{v}=p(A)f(A)\mathbf{v}=\mathbf{0}。

類似地，等號右邊第二項屬於 \mathcal{X}。這說明 \mathcal{V}=\mathcal{X}+\mathcal{Y}。接著我們要證明 \mathcal{X}\cap\mathcal{Y}=\{\mathbf{0}\}。假設 \mathbf{x}\in\mathcal{X} 且 \mathbf{x}\in\mathcal{Y}，則 g(A)\mathbf{x}=\mathbf{0} 且 h(A)\mathbf{x}=\mathbf{0}。再套用關鍵式，可得

\displaystyle \mathbf{x}=p(A)g(A)\mathbf{x}+q(A)h(A)\mathbf{x}=\mathbf{0}。

因為 \mathcal{V}=\mathcal{X}\oplus\mathcal{Y} 等價於 \mathcal{V}=\mathcal{X}+\mathcal{Y} 且 \mathcal{X}\cap\mathcal{Y}=\{\mathbf{0}\} (見“補子空間與直和”)，故得證。

 
定理一可以推廣至 f 分解為多個因式的情況。

 
定理二：令 f(t) 為一個多項式，且 A:\mathcal{V}\to\mathcal{V} 為滿足 f(A)=0 的線性算子。若

f(t)=(t-\lambda_1)^{\beta_1}\cdots(t-\lambda_r)^{\beta_r}，

其中 \lambda_1,\ldots,\lambda_r 是相異根，則

\displaystyle \mathcal{V}=\mathcal{X}_1\oplus\cdots\oplus\mathcal{X}_r，

其中 \mathcal{X}_i 是 (A-\lambda_iI)^{\beta_i} 的零空間，i=1,\ldots,r。

證明採用歸納法。我們將 (t-\lambda_1)^{\beta_1},\ldots,(t-\lambda_r)^{\beta_r} 一個一個分解出來。令 \mathcal{X}_1 為 (A-\lambda_1I)^{\beta_1} 的零空間，\mathcal{X} 為 (A-\lambda_2I)^{\beta_2}\cdots(A-\lambda_rI)^{\beta_r} 的零空間。因為 (t-\lambda_1)^{\beta_1} 和 (t-\lambda_2)^{\beta_2}\cdots(t-\lambda_r)^{\beta_r} 互質，根據定理一，\mathcal{V}=\mathcal{X}_1\oplus\mathcal{X}。因為 \mathcal{X} 是一個不變子空間，將線性算子 A 限定於子空間 \mathcal{X} 上，稱為限定算子 (restriction)，以符號表示為 A_{/\mathcal{X}}:\mathcal{X}\rightarrow\mathcal{X} (見“利用循環子空間計算特徵多項式”)。繼續分解限定算子 A_{/\mathcal{X}} 所在的子空間 \mathcal{X}，可得

\mathcal{X}=\mathcal{X}_2\oplus\cdots\oplus\mathcal{X}_r，

其中 \mathcal{X}_j 是 (A-\lambda_jI)^{\beta_j} 在 \mathcal{X} 的零空間，j=2,\ldots,r，即有

\mathcal{V}=\mathcal{X}_1\oplus\mathcal{X}_2\oplus\cdots\oplus\mathcal{X}_r。

 
現在我們回到齊次線性微分方程的求解問題：

\displaystyle D^ny+a_{n-1}D^{n-1}y+\cdots+a_0y=0。

提出所有微分算子，寫成多項式並分解因式：

\displaystyle f(t)=t^n+a_{n-1}t^{n-1}+\cdots+a_0=(t-\lambda_1)^{\beta_1}\cdots(t-\lambda_r)^{\beta_r}。

套用定理二，以微分算子 D 取代線性算子 A，則微分方程的齊次解所形成的空間 (即向量空間 \mathcal{V}) 可分解為 (D-\lambda_iI)^{\beta_i}y=0，i=1,\ldots,r，的解空間的直和。所以原始的微分方程化約為更簡單的標準形式：

(D-\lambda I)^\beta y=0。

這樣做的好處是非常容易求出上式的解。定理三給出這個齊次微分方程的解空間基底，稱為解基 (solution basis)。

 
定理三：若 \lambda 為複數，\mathcal{X} 是微分方程 (D-\lambda I)^\beta y=0 的解空間，則 \dim\mathcal{X}=\beta 且下列函數構成 \mathcal{X} 的解基：

e^{\lambda t},te^{\lambda t},\ldots,t^{\beta-1}e^{\lambda t}。

對於任一 \lambda，使用數學歸納法可證明[1]

(D-\lambda I)^\beta y=e^{\lambda t}D^\beta(e^{-\lambda t}y)。

因此，y 屬於 (D-\lambda I)^\beta 的零空間等價於

D^\beta(e^{-\lambda t}y)=0。

我們知道 \beta 次微分等於 0 的唯一函數型態是最高次數為 \beta-1 的多項式。換句話說，(D-\lambda I)^{\beta}y=0 的通解定可表示為 \{e^{\lambda t},te^{\lambda t},\ldots,t^{\beta-1}e^{\lambda t}\} 的線性組合。利用 Wronskian 行列式可證明這些函數組成線性獨立集，故為齊次微分方程解的解基 (見“利用行列式判斷線性獨立函數”)。

 
註解
[1] 若 \beta=1，則

\displaystyle e^{\lambda t}D(e^{-\lambda t}y)=e^{\lambda t}(-\lambda e^{-\lambda t}y+e^{-\lambda t}Dy)=-\lambda Iy+Dy。

當 \beta=k\ge 1，假設 \displaystyle (D-\lambda I)^k y=e^{\lambda t}D^k(e^{-\lambda t}y)。使用上式，可得

\displaystyle\begin{aligned} (D-\lambda I)^{k+1}y&=(D-\lambda I)\left(e^{\lambda t}D^k(e^{-\lambda t}y)\right)\\ &=D\left(e^{\lambda t}D^k(e^{-\lambda t}y)\right)-\lambda e^{\lambda t}D^k(e^{-\lambda t}y)\\ &=\lambda e^{\lambda t}D^k(e^{-\lambda t}y)+e^{\lambda t}D^{k+1}(e^{-\lambda t}y)-\lambda e^{\lambda t}D^k(e^{-\lambda t}y)\\ &=e^{\lambda t}D^{k+1}(e^{-\lambda t}y) ,\end{aligned}

因此得證。

This entry was posted in 線性代數專欄, 向量空間 and tagged , , , . Bookmark the permalink.

Leave a comment