常微分方程组重根情形下解形式y(t)=v(t)e^{rt}的直观推导问询

这问题问得特别到位——这个假设真不是拍脑袋想出来的，而是从咱们熟悉的单变量常微分方程经验延伸过来，再结合方程组的结构顺理成章推导出来的。我给你拆解下：

先从单变量的老经验入手 #

你已经知道，对单变量的二阶方程 $y'' - 2ry' + r^2y = 0$（二重根r），第一个解是 $y_1=e^{rt}$，第二个线性无关解是 $y_2=te^{rt}$。其实这里藏着一个核心思路：常数变易——我们一开始假设第二个解是 $y_2=u(t)e^{rt}$（把第一个解里的常数系数换成函数u(t)），代入方程后会发现 $u''(t)=0$，所以u(t)是线性函数At+B，取A=1、B=0就得到了 $te^{rt}$。

这个“把常数换成函数”的思路，就是推广到方程组的关键。

方程组里的“常数变易”：从常数向量到向量函数 #

现在看线性齐次方程组 $y' = Ay$，其中A是n阶矩阵，r是重特征值（代数重数>几何重数，也就是特征子空间维数不够，找不到足够多的线性无关特征向量）。我们已经有一个解 $y_1=ce^{rt}$，其中c是特征向量，但这不够，得找其他线性无关解。

这时候自然想到：既然单变量里可以把常数系数换成函数，那方程组里能不能把常数特征向量c换成关于t的向量函数v(t)？也就是假设解的形式是 $y(t)=v(t)e^{rt}$。

代入方程看看：为什么这个假设能简化问题 #

把 $y(t)=v(t)e^{rt}$ 代入方程组 $y'=Ay$：
左边求导：$y' = v'(t)e^{rt} + r v(t)e^{rt}$
右边：$Ay = A v(t)e^{rt}$

两边消去非零的 $e^{rt}$，整理得到：
$$v'(t) = (A - rI)v(t)$$

你看，原方程里的指数项被完全分离出去了，现在只需要解这个关于v(t)的线性方程组。而因为r是重根，矩阵 $A - rI$ 是奇异的（秩小于n），这个方程组有非平凡解。比如当 $(A - rI)^2=0$（典型的二阶Jordan块情况），v(t)可以是 $v(t)=c_1 + c_2 t$，代入回去就得到 $y(t)=(c_1 + c_2 t)e^{rt}$——这就和单变量的 $te^{rt}$ 对应上了，本质是向量形式的推广。

直观理解：重根意味着“解空间不够用”，需要t的多项式来扩展 #

当特征值是单根时，特征向量足够多，常数向量乘 $e^{rt}$ 就能撑起整个解空间。但重根时，特征子空间太小，常数向量的组合不够用，这时候就需要引入t的多项式项来“扩展”解的范围。而假设 $y(t)=v(t)e^{rt}$，就是把指数增长/衰减的部分先分离出来，专注于找能“填补解空间缺口”的v(t)——它通常是t的多项式向量，这样就能得到线性无关的新解。

总结一下：这个假设的核心是常数变易思想的向量版推广，既延续了单变量方程的经验，又通过分离指数因子简化了问题，最终能自然得到包含t的多项式项的线性无关解。

内容的提问来源于stack exchange，提问作者Grant