矩阵指数与线性微分方程：谱决定演化

本文基于模型知识整理（生成时未联网核对），关键结论建议对照 Strang《Differential Equations and Linear Algebra》复核。

一句话定义

线性常微分方程组 $\dot x = Ax$ 的解是 $x(t)=e^{At}x_0$，其中矩阵指数由幂级数定义 $e^{At}=\sum(At)^k/k!$；对角化后 $e^{At}=Pe^{\Lambda t}P^{-1}$——解的形态完全由特征值决定：实负=衰减、纯虚=振荡、正=爆炸，复特征值给出"衰减振荡"组合。

为什么重要

它是"谱=动力学"的第一现场：电路、控制、人口、传染病、马尔可夫连续版——一切线性演化系统的稳定与振荡都写在 $\text{spec}(A)$ 里。矩阵指数也让"指数函数"的概念升级为算子函数（$f(A)$），是 kp-013 函数化思想的顶点应用。

前置知识

kp-013（对角化与 $f(A)$）、单变量 ODE $\dot x=\lambda x \Rightarrow x=e^{\lambda t}x_0$。

核心概念

• 矩阵指数：级数定义（恒收敛）；$e^{At}$ 满足 $\frac{d}{dt}e^{At}=Ae^{At}$、$e^{A(s+t)}=e^{As}e^{At}$——完美复刻标量指数律。
• 解：$\dot x=Ax$，$x(0)=x_0 \Rightarrow x(t)=e^{At}x_0$（唯一解）。
• 对角化计算：$e^{At}=Pe^{\Lambda t}P^{-1}$，$e^{\Lambda t}=\text{diag}(e^{\lambda_it})$——每个特征模态独立演化。
• 稳定性判据：所有 $\text{Re}(\lambda_i)<0$ ⇒ $x\to0$（渐近稳定）；任一 $\text{Re}(\lambda_i)>0$ ⇒ 爆炸；纯虚 ⇒ 持续振荡（中心）。
• 缺陷重根的后果：若尔当块（kp-017）使解多出 $t e^{\lambda t}$ 项——重根乘 t，微分方程教材的"重根规则"由此而来。

原理与机制

为什么猜 $e^{At}$：单变量 $\dot x=ax$ 的解是 $e^{at}x_0$；矩阵情形"把指数换成矩阵幂级数"严格成立，验证只有一行：$\frac{d}{dt}\sum\frac{(At)^k}{k!}=\sum\frac{A^{k+1}t^k}{k!}=Ae^{At}$。级数定义让"矩阵函数"合法化——kp-013 的 $f(A)=Pf(\Lambda)P^{-1}$ 与级数两种定义一致。

谱决定形态的机制：$x(t)=\sum c_ie^{\lambda_it}v_i$（对角情形）——解是特征模态的叠加；每个模态的时间行为由 $\lambda_i$ 的复数位置决定：实部=衰减率、虚部=角频率。复平面上的谱点=系统的"频响指纹"（控制理论的极点）。

2×2 经典案例：$\dot x=\begin{bmatrix}0&1\\-1&0\end{bmatrix}x$（谐振子）特征值 $\pm i$ ⇒ 纯振荡 $x(t)=R(t)x_0$（旋转矩阵）——"无阻尼弹簧"的线代身份；加上阻尼项特征值移入左半平面 ⇒ 衰减振荡。

公式或模型

• $e^{At}=\sum_{k\ge0}\frac{(At)^k}{k!}$；$\frac{d}{dt}e^{At}=Ae^{At}$
• 对角化：$e^{At}=P\,\text{diag}(e^{\lambda_it})\,P^{-1}$
• 缺陷块：$e^{J_2(\lambda)t}=e^{\lambda t}\begin{bmatrix}1&t\\0&1\end{bmatrix}$（重根项来源）

图示

λ 平面 = 动力地图:
  左半平面 → 衰减 ; 右半平面 → 爆炸
  实轴 → 非振荡 ; 虚轴 ± → 振荡频率
x(t) = Σ cᵢ e^{λᵢt} vᵢ   (模态叠加)
重根(缺陷) → 多出 t·e^{λt} 项 (kp-017)

直观类比

特征值是"每个振动模式的身份证"：实部=活得多久（负=衰减），虚部=抖多快。系统总响应=各模式按身份证各自表演再叠加。若尔当缺陷=两个模式被捆在一起表演，多出"越抖越大的 t 因子"（临界阻尼的数学身份）。

实例或案例

• RLC 电路与机械阻尼振动：二阶方程化一阶组，谱给出欠/临界/过阻尼三态。
• 连续马尔可夫链（生成元 Q）：$e^{Qt}$ 是转移半群，稳态=零特征值的右特征向量。
• 控制理论：系统稳定性=谱在左半平面；状态转移矩阵 $\Phi(t)=e^{At}$ 是 LTI 控制的核心对象。

常见误区

• 误区一："$e^{AB}=e^{A}e^{B}$"。仅当 AB=BA；矩阵不交换时指数不分裂（BCH 公式描述其差）——复合律只对可交换对成立（kp-007 的回响）。
• 误区二："只要特征值都负就稳"。对线性系统是；但"谱稳定"不蕴含非线性系统的稳定（Lyapunov 线性化只是局部结论）。
• 误区三："必须真算 $e^{At}$"。工程上常只需谱信息（稳定性/频率）；真要计算时用缩放平方+Padé 近似（expm），直接级数在大范数 A 上会溢出。

与其他知识点的关系

• kp-012/013/017：谱、对角化、缺陷块的全部变现。
• kp-022：$\dot x$ 的梯度系统版本（梯度流 $=-\nabla f$）连接优化动力学。
• kp-031：ResNet 连续深度的"神经 ODE"视角即 $e^{At}$ 思想的深度版。

自测题

1. 求 $\dot x=\begin{bmatrix}-2&0\\0&-3\end{bmatrix}x$ 的解。

答：已是对角：$x(t)=(c_1e^{-2t},c_2e^{-3t})$——两个独立衰减模态，全局渐近稳定。

1. 特征值 $\lambda=-1\pm2i$ 的模态形态？

答：衰减振荡——包络 $e^{-t}$、角频率 2（周期 π）；左半平面+虚部非零。

1. 为什么缺陷重根让解出现 $te^{\lambda t}$？

答：$e^{J_2(\lambda)t}$ 的级数中 $Nt$ 项不消失（$N^2=0$ 截断）——剪切方向的"多走一步"在时间维度上表现为多项式因子。

延伸阅读

• Strang《Differential Equations and Linear Algebra》（线代与 ODE 的融合教材）。
• Teschl《Ordinary Differential Equations and Dynamical Systems》§3（线性系统的谱分析）。
• Moler & Van Loan, "Nineteen Dubious Ways to Compute the Exponential of a Matrix"（计算 expm 的著名综述）。