如何将二阶齐次线性微分方程转化为$A \vec{x} = \vec{b}$的线性形式及相关疑问

Hey，你这个问题问到点子上了——微分方程和线性代数的联系其实就藏在这里，咱们一步步理清楚：

能不能写成$A\vec{x}=\vec{b}$的形式？当然可以，而且$\vec{b}$确实是零向量 #

你猜的没错，齐次微分方程对应的线性系统里$\vec{b}$就是$\binom{0}{0}$，不过直接用你给出的$\vec{x} = \binom{e^{-x}}{e{-2x}}$没法直接对应，得先把二阶方程降阶为一阶线性微分方程组，这是关键步骤：

咱们设定两个新变量：

• $x_1 = y$（原方程的未知函数）
• $x_2 = y'$（$y$的一阶导数）

原方程$y'' + 3y' + 2y = 0$可以转化为两个一阶方程：

1. $x_1' = y' = x_2$（由$x_1$的定义直接得出）
2. $x_2' = y'' = -3y' - 2y = -2x_1 - 3x_2$（从原方程移项，把$y''$用$y'$和$y$替换）

现在把这组方程写成矩阵形式的线性微分方程组：
$$
\begin{pmatrix} x_1' \ x_2' \end{pmatrix} = \begin{pmatrix} 0 & 1 \ -2 & -3 \end{pmatrix} \begin{pmatrix} x_1 \ x_2 \end{pmatrix}
$$

如果要严格对应你说的$A\vec{x} = \vec{b}$形式，咱们可以整理为：
$$
\begin{pmatrix} 0 & 1 \ -2 & -3 \end{pmatrix} \begin{pmatrix} x_1 \ x_2 \end{pmatrix} - \begin{pmatrix} x_1' \ x_2' \end{pmatrix} = \begin{pmatrix} 0 \ 0 \end{pmatrix}
$$
这里的$\vec{b}$就是零向量，完全符合你的猜测。

你提到的$\vec{x} = \binom{e^{-x}}{e{-2x}}$和线性系统的关联 #

你说的这个向量是解空间的基函数，但直接用它没法对应到线性系统里，得看每个基函数对应的“状态向量”——也就是$\binom{y}{y'}$：

• 对于$y_1 = e^{{-x}$，状态向量是$\binom{e}{-x}}{-e^{-x}}$
• 对于$y_2 = e^{{-2x}$，状态向量是$\binom{e}{-2x}}{-2e^{-2x}}$

这两个向量都是上面那个矩阵$A = \begin{pmatrix}0 & 1 \ -2 & -3\end{pmatrix}$的特征向量，分别对应特征值$-1$和$-2$——这正好就是原方程特征多项式$r^2+3r+2=0$的根，这就是微分方程的特征方程和线性代数里矩阵特征值的对应关系，是不是很巧妙？

Wronskian在这里的作用，确实相关！ #

Wronskian就是用来验证你提到的$e^{-x}$和$e{-2x}$这两个解的线性独立性的，这和线性代数里判断向量是否线性无关是一个道理。咱们计算一下它们的Wronskian：
$$
W(e^{-x}, e^{-2x}) = \begin{vmatrix} e^{-x} & e^{-2x} \ -e^{-x} & -2e^{-2x} \end{vmatrix} = e^{-x} \cdot (-2e^{-2x}) - e^{-2x} \cdot (-e^{-x}) = -2e^{-3x} + e^{-3x} = -e^{-3x}
$$
这个结果在整个定义域内都不为零，说明这两个解线性无关，它们能张成整个二维解空间——这和线性代数里“线性无关的向量张成向量空间”的结论完全一致，所以Wronskian就是微分方程领域用来验证解的独立性的工具，和我们转化的线性系统的解空间维度完全匹配。

备注：内容来源于stack exchange，提问作者user135172