Le Huy Tien PhuongTrinhViPhanp

PHƯƠNG TRÌNH VI PHÂN
Cách tiếp cận hình học và mô hình ứng dụng
LÊ HUY TIỄN
draft version - Ngày 8 tháng 9 năm 2018
Trường Đại học Khoa học tự nhiên

ĐẠI HỌC QUỐC GIA HÀ NỘI
Dành tặng con trai Lê Huy
ii
Lời giới thiệu
"It’s useful to solve differential equations"

Newton
Phương trình vi phân đứng giữa ranh giới của Toán lý thuyết và
Toán ứng dụng. Phương trình vi phân sinh ra bởi việc mô hình hóa
các quan niệm của chúng ta về thế giới xung quanh, khởi đầu từ
quan niệm của Newton với ba định luật về chuyển động cơ học, và
suy rộng ra các chuyển động theo nghĩa rộng hơn trong tự nhiên
và xã hội, tức là các quá trình biến thiên theo thời gian. Ở đâu có
chuyển động, ở đó có phương trình vi phân.
Đã có rất nhiều giáo trình công phu về phương trình vi phân từ
các đại học lớn trên thế giới như Havard, Cambridge, MIT, Oxford,
. . . . Thực tế giảng dạy tại ĐHKHTN, ĐHQGHN cho thấy không nên
sao chép khung chương trình và giáo trình của họ để dạy cho sinh
viên Việt Nam, vì sẽ kém hấp dẫn sinh viên. Lí do là sự khác biệt
trong giáo dục các cấp trước đại học của Việt Nam và thế giới. Lí do
nữa là khung chương trình của các đại học đó khác nhau, và khác
khung chương trình giảng dạy tại ĐHKHTN, ĐHQGHN.
Tác giả muốn viết một giáo trình về Phương trình vi phân theo
hướng hiện đại, cập nhật, sử dụng nhiều tư duy hình học và các mô
hình ứng dụng thuộc nhiều lĩnh vực khác nhau. Hiện đại và cập nhật là
xu hướng tất yếu của việc giảng dạy. Các mô hình ứng dụng giúp
gắn kết kiến thức lý thuyết và kỹ năng thực hành vào thực tế. Tư
duy hình học là do tác giả tin rằng nó là một trong các nền tảng tư
duy, đặc biệt khi tiếp cận với Phương trình vi phân - môn học rõ ràng
thuộc về giải tích.
Giáo trình "Phương trình vi phân" được viết nhằm cung cấp kiến
iv
thức cơ sở về phương trình vi phân thường - ODE (phân biệt với

phương trình đạo hàm riêng - PDE) cho sinh viên Toán, hệ tài năng
và hệ chính qui, cũng như sinh viên các ngành kỹ thuật. Việc bao
quát rộng đối tượng của giáo trình là một khó khăn. Chẳng hạn
cần đưa thêm một số chủ đề nâng cao dành cho sinh viên hệ tài
năng khoa Toán, trong khi cần giữ lý thuyết cơ bản không quá dài
và phần lớn nội dung ở mức độ chi tiết, dễ hiểu với các sinh viên
kỹ thuật. Trong phần phụ lục, tác giả cung cấp các khung chương
trình ở các mức độ khác nhau tùy theo đối tượng sinh viên. Dù hầu
hết kinh nghiệm giảng dạy của tác giả là ở ĐHKHTN, ĐHQGHN,
tác giả cho rằng cuốn sách có thể làm giáo trình để dạy, học và tự
học cho sinh viên các trường khác với các thay đổi thích hợp. Sách
cũng thích hợp để các học viên cao học muốn ôn luyện kiến thức về
PTVP.
Bên cạnh việc minh họa các ứng dụng đa dạng của ODE vào
nhiều lĩnh vực, giáo trình cũng chỉ ra rằng ODE chỉ là một phần
trong các công cụ mô hình các hiện tượng thực tế, với những hạn chế
cố hữu như không phản ánh được tính bất định, tính ngẫu nhiên,
tính rời rạc, hay chưa đủ mạnh để mô hình các hiện tượng phức tạp
như truyền nhiệt, dòng chảy rối, . . . .
Giáo trình có một số đặc tính như sau.
- Cách tiếp cận hình học: Không những chỉ minh họa bằng hình
học (sơ đồ, hình vẽ, đồ thị) hầu hết các vấn đề của lý thuyết, các
ví dụ phương trình vi phân trong các bài toán của Hình học, Hình
học vi phân mà giáo trình còn chỉ ra ý nghĩa hình học của các công
thức, phương pháp, kết quả quan trọng. Chẳng hạn quan niệm hình
học về nghiệm thông qua trường hướng và bức tranh pha, hình học
của công thức Abel, hình học của phương pháp biến thiên tham số
Lagrange, . . . . Mối liên hệ giữa phương trình vi phân, vật lý, và hình học
được nhấn mạnh.
- Mô hình ứng dụng: Các mô hình đa dạng, từ khoa học tự nhiên
(cơ học, sinh học, hóa học, môi trường, địa lý, địa chất, y-dược học,
dịch tễ học, thiên văn học, ngư học, khoa học máy tính, mạng thần
kinh, . . . ) đến khoa học xã hội (tâm lý học, xã hội học, . . . ), thậm chí
mô hình trong thể thao, nghệ thuật, và ứng dụng trong bản thân
một số chuyên ngành nhỏ trong Toán học. Tác giả đưa các mô hình
v
vào cả lý thuyết lẫn bài tập. Các mô hình được chọn theo tiêu chí:
không quá phức tạp để sinh viên có thể tiếp cận; đủ hấp dẫn để sinh
viên cảm thấy hứng thú; và nên gần gũi với cuộc sống để sinh viên
dễ liên hệ lý thuyết với thực tế. Ứng dụng cũng được chọn lọc phù
hợp với văn hóa Việt Nam, chẳng hạn đề cập đến thời gian chờ nước
sôi 100◦ C nguội đi đến 75◦ C thích hợp để pha trà, hay mô hình cạnh
tranh của tầm gửi và tơ hồng ký sinh trên cây bưởi. Tác giả đặc biệt
thích các mô hình liên ngành như Tin - sinh học, Dược - hóa học,
. . . . Điều này cũng phù hợp với xu hướng liên ngành hiện nay trong
ĐHQGHN.
- Sử dụng Maple như một tùy chọn tìm nghiệm của phương
trình vi phân. Phần lớn các ví dụ trong giáo trình dùng Maple như
một phương án giải khác để so sánh.
- Các bài tập định tính hướng về lý thuyết định tính của hệ động
lực. Chẳng hạn, nhiều bài tập định tính là các trường hợp đơn giản
của Định lý Massera về nghiệm tuần hoàn và nghiệm bị chặn; Định
lý Perron về tính hyperbolic.
Nội dung của giáo trình gồm phần mở đầu và sáu chương. Phần
mở đầu trình bày các khái niệm cơ bản nhất, nguồn gốc xuất hiện,
ghi chú lịch sử, và ví dụ về phương trình vi phân.
Chương 1 dành cho phương trình vi phân cấp một và các kỹ
thuật giải cơ bản: phương pháp tách biến, phương trình thuần nhất,
phương trình tuyến tính, phương trình vi phân toàn phần, phương
trình vi phân ẩn và phương pháp tham số hóa đạo hàm. Ngoài ra,
các phương trình Lagrange, Clairaut, Bernouilli, Abel cũng được
xét.
Chương 2 dành cho phương trình vi phân cấp hai, trước hết với
một vài kỹ thuật hạ cấp xuống cấp một, sau đó nghiên cứu kỹ các
phương trình vi phân tuyến tính cấp hai thuần nhất và không thuần
nhất. Trường hợp hệ số hằng được nghiên cứu thông qua đa thức
đặc trưng. Hai điểm nhấn của chương là phương pháp biến thiên
tham số Lagrange và phương pháp hệ số bất định.
Chương 3 xét nghiệm dạng chuỗi của phương trình vi phân
tuyến tính cấp hai. Chương cung cấp cách tiếp cận bình đẳng giữa
các loại phương trình vi phân dù giải hay không giải được theo các
vi
hàm sơ cấp.
Chương 4 dành cho phương trình vi phân cấp cao, và lặp lại cấu
trúc như Chương 2.
Chương 5 là trọng tâm của giáo trình, giải quyết các hệ phương
trình vi phân. Sau khi xét một số phương pháp giải hệ phi tuyến,
ta đi sâu thiết lập lý thuyết các hệ vi phân tuyến tính thuần nhất và
không thuần nhất. Từ cả khía cạnh lý thuyết và ứng dụng, các hệ
vi phân hệ số hằng (còn gọi là ô-tô-nôm) được quan tâm đặc biệt.
Có thể coi chương 5 là tổng quát hóa của tất các các chương trước.
Cách trình bày lý thuyết một mặt theo thứ tự như trong chương 2 và
chương 3 dựa trên khái niệm hệ nghiệm cơ bản, một mặt dùng ma
trận cơ bản, ma trận tiến hóa để các phát biểu và chứng minh gọn
gàng hơn. Điểm nhấn của Chương 6 là Định lý cơ bản cho hệ nghiệm
cơ bản của hệ vi phân tuyến tính hệ số hằng.
Chương 6 nghiên cứu phép biến đổi Laplace và ứng dụng tìm
nghiệm của phương trình và hệ phương trình vi phân. Ngoài ra,
chương này cho phép giải một số phương trình vi phân với vế phải
gián đoạn.
Trong mỗi tiết, ngoài các ví dụ minh họa các kết quả, còn có các
ví dụ là các mô hình ứng dụng dạng đơn giản. Cuối mỗi chương
đều có một phần tóm tắt lý thuyết và các bài tập tổng hợp mang tính
gợi mở, liên hệ giữa các tiết trong chương. Mỗi chương kết thúc với
một số các chủ đề lý thuyết hay bài tập nâng cao (như Phương trình
Ricatti, Hệ vi phân Cauchy-Euler) và các mô hình ứng dụng trong
thực tế (như Mô hình trí nhớ, Mô hình cộng sinh, Hệ dịch tễ học SIR,
. . . ) hay trong chính lý thuyết của phân ngành nhỏ khác trong Toán
học (như Hệ vi phân độ cong, Đường trắc địa trên mặt xuyến).
Phần phụ lục tóm tắt các kiến thức cần thiết về ma trận, định
thức, hệ phương trình tuyến tính, và chứa chứng minh của một số
kết quả quan trọng dùng dạng Schur, dạng Jordan của ma trận. Một
số định luật dùng trong mô hình PTVP cũng được liệt kê ở phần
cuối để tiện cho sinh viên tra cứu.
Cách đánh số các phương trình, công thức, định lý, mệnh đề,...
là theo từng chương. Chẳng hạn, khi đang xét phương trình ( H ) ở
chương 6, ta muốn chỉ đến phương trình ( H ) ở chương 3, ta dùng
vii
ký hiệu (3.H ).
Từ 2010 cho đến nay, tác giả thử nghiệm một vài cách dạy hiện
đại về phương trình vi phân cho các lớp chính qui, lớp quốc tế, lớp
chất lượng cao của khoa Toán, khoa Hóa, khoa Môi trường trong
trường ĐHKHTN. Tác giả luôn cho sinh viên học theo một cuốn
sách bằng tiếng Anh kết hợp với những bài giảng trên lớp. Giáo
trình được viết bắt đầu từ năm 2013, chính là viết theo những bài
giảng này. Từ năm 2014, ĐHQGHN có chủ trương tăng học phần
Phương trình vi phân lên 4 tín chỉ, tạo điều kiện thuận lợi hơn cho tác
giả có thêm thời gian giảng kỹ lý thuyết. Sau mỗi học kỳ giảng dạy,
từ các tương tác trên lớp và phản hồi (feedback) của sinh viên, tác
giả đã chỉnh sửa và bổ sung nhiều.
Độc giả có thể nhận thấy cách xây dựng lý thuyết tuyến tính của
giáo trình này hơi hướng theo các sách của Nga trước đây. Tác giả
nhận nhiều ảnh hưởng qua các bài giảng phương trình vi phân của
cố GS. TS. Nguyễn Thế Hoàn và của PGS. TSKH. Nguyễn Văn Minh.
Tác giả xin trân trọng cảm ơn sự dìu dắt của các thầy.
Tác giả xin được cảm ơn nhiều lớp sinh viên đã nghe và góp ý
cho bài giảng. Sự hào hứng của các bạn sinh viên là động lực lớn
để tác giả hoàn thiện giáo trình. Cảm ơn ThS Lê Đức Nhiên đã làm
tốt vai trò trợ giảng cho một số lớp phương trình vi phân của Khoa
Toán-cơ-tin học, ĐHKHTN.
Tác giả xin được cảm ơn hội đồng nghiệm thu giáo trình đã cho
nhiều góp ý bổ ích.
Tác giả mong muốn được các độc giả đóng góp ý kiến để giáo
trình hoàn thiện hơn. Đặc biệt tác giả muốn nhận được gợi ý từ
các thầy cô trong Đại học quốc gia về các mô hình phương trình
vi phân trong các chuyên ngành riêng của các thầy cô. Thư góp ý
xin gửi về tienlh@vnu.edu.vn và tienlh@viasm.edu.vn.
Bạn đọc có thể tải về file pdf của giáo trình từ địa chỉ: (luôn được
cập nhật)
địa chỉ dropbox tải giáo trình
Phần mềm Maple được sử dụng nhiều trong các ví dụ và các
minh họa khác trong giáo trình. Ngoài ra còn có nhiều hình vẽ sử
viii
dụng gói lệnh TikZ hay ngôn ngữ lập trình Asymptote.
Bạn đọc quan tâm có thể xem các mã lệnh TikZ và Asymptote
của giáo trình tại trang web tikz.vn.
Hà Nội, tháng 9 năm 2018
Lê Huy Tiễn
SƠ ĐỒ CÁC CHƯƠNG - CÁC KHUNG CHƯƠNG TRÌNH
Mở đầu về PTVP
Chương 1: PTVP cấp 1
Chương 3:
Chương 2: PTVP cấp 2 Nghiệm chuỗi
PTVP cấp 2
Chương 4: PTVP cấp cao
Chương 6:
Chương 5: Hệ PTVP Phép biến
đổi Laplace
Các Chương 1,2,3,5,6 là nội dung cơ bản của giáo trình PTVP.
Tác giả đề xuất ba khung chương trình dạy và học PTVP như sau.
1. Sinh viên đại học và cao đẳng các ngành kỹ thuật (Hóa học,
Môi trường, Địa lý, Địa chất, Sinh học, Vật lý thực nghiệm, Khoa
học máy tính): các chương 1,2,3,6 và một số mô hình ứng dụng đơn
giản; các bài tập định lượng.
2. Sinh viên Cơ học, Toán cơ, Vật lý lý thuyết; sinh viên các lớp
Tài năng, tiên tiến, quốc tế ngoài khoa Toán: các chương 1,2,3,5,6 và
các mô hình ứng dụng; các bài tập định lượng và một số bài tập
định tính.
3. Sinh viên ngành Toán học, Toán sư phạm, và Tài năng Toán
nên đọc toàn bộ giáo trình, tức là thêm Chương 4, Chương 7 và chú
trọng tất cả các mô hình ứng dụng và các chủ đề lý thuyết nâng cao;
đồng thời làm toàn bộ các bài tập.
x
Mục lục
Lời giới thiệu iii

Bảng ký hiệu và viết tắt thường dùng . . . . . . . . . . . . xii
Danh sách hình vẽ . . . . . . . . . . . . . . . . . . . . . . . . 0
6 HỆ PHƯƠNG TRÌNH VI PHÂN 1

6.1 Mở đầu về hệ phương trình vi phân . . . . . . . . . . 3
6.1.1 Vài mô hình dẫn đến hệ phương trình vi phân 3
6.1.2 Nghiệm và bài toán giá trị ban đầu . . . . . . . 12
6.1.3 Phân loại các hệ vi phân . . . . . . . . . . . . . 18
6.1.4 Bức tranh pha của hệ ô-tô-nôm . . . . . . . . . 22
6.2 Một số phương pháp giải hệ phương trình vi phân . . 32
6.2.1 Phương pháp thế và phương pháp tổ hợp khả
tích . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.2.2 Một số kỹ thuật tìm nghiệm khác . . . . . . . . 45
6.3 Hệ tuyến tính thuần nhất . . . . . . . . . . . . . . . . . 48
6.3.1 Độc lập tuyến tính và định thức Wronski . . . 49
6.3.2 Công thức Abel . . . . . . . . . . . . . . . . . . 53
6.3.3 Hệ nghiệm cơ bản - Ma trận cơ bản - Ma trận
tiến hóa . . . . . . . . . . . . . . . . . . . . . . 55
6.3.4 Cấu trúc nghiệm của hệ tuyến tính thuần nhất 60
6.4 Hệ tuyến tính thuần nhất hệ số hằng . . . . . . . . . . 65
6.4.1 Ma trận chéo hóa được và không chéo hóa được 66
xii Phương trình vi phân
6.4.2 Định lý cơ bản . . . . . . . . . . . . . . . . . . . 69

6.4.3 Ma trận mũ và ma trận cơ bản . . . . . . . . . 87
6.4.4 Một số phương pháp tính ma trận mũ . . . . . 93
6.5 Hệ tuyến tính không thuần nhất . . . . . . . . . . . . 101
6.5.1 Cấu trúc nghiệm của hệ tuyến tính không thuần
nhất . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.5.2 Phương pháp biến thiên tham số Lagrange . . 106
6.6 Hệ tuyến tính không thuần nhất hệ số hằng . . . . . . 112
6.6.1 Trường hợp vế phải tùy ý . . . . . . . . . . . . 112
6.6.2 Trường hợp vế phải đặc biệt: phương pháp hệ
số bất định . . . . . . . . . . . . . . . . . . . . . 116
6.7 Tóm tắt lý thuyết. Bài tập chương 6 . . . . . . . . . . . 119
Một số chủ đề nâng cao . . . . . . . . . . . . . . . . . . . . 130
6A1. Vài mở rộng của công thức biến thiên tham số . . 130
6A2. Hệ vi phân Cauchy-Euler . . . . . . . . . . . . . . 130
6A3. Hệ ô-tô-nôm tuyến tính cấp hai . . . . . . . . . . 131
6A3. Hệ vi phân liên hợp . . . . . . . . . . . . . . . . . 135
6A5. Định lý Masserra về nghiệm tuần hoàn . . . . . . 135
6A6. Định lý Perron về hệ hyperbolic . . . . . . . . . . 136
6A7. Hệ Hamilton tuyến tính . . . . . . . . . . . . . . . 137
6A8. Phổ và dáng điệu nghiệm . . . . . . . . . . . . . . 137
MÔ HÌNH ỨNG DỤNG . . . . . . . . . . . . . . . . . . . . 139
6M1. Mô hình trao đổi chất giữa mẹ và thai nhi . . . . 139
6M2. Hệ Lorenz về dự báo thời tiết . . . . . . . . . . . 139
6M3. Hệ SRI trong dịch tễ học . . . . . . . . . . . . . . 139
6M4. Đường trắc địa trên mặt xuyến . . . . . . . . . . 140
6M5. Phân loại bức tranh pha hệ hai và ba chiều . . . . 140
6M6. Rẽ nhánh của hệ tuyến tính . . . . . . . . . . . . 141
PHỤ LỤC 143

Phụ lục xiii
P1. Định thức, ma trận, hệ phương trình đại số tuyến

tính . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
P2. Dạng Jordan và dạng Schur của ma trận . . . . . . 149
P3. Các vec-tơ riêng suy rộng . . . . . . . . . . . . . . . 154
P4. Một số định luật của khoa học tự nhiên . . . . . . . 157
Tài liệu tham khảo 159

Bảng ký hiệu và viết tắt thường dùng
N, R, C : tập các số tự nhiên, số thực, số phức

i : đơn vị ảo
tan x : hàm lượng giác tgx
exp(t), et : hàm mũ
vT : chuyển vị của vec-tơ v
AT : chuyển vị của ma trận A
ek : vec-tơ đơn vị thứ k
0 : số không, vec-tơ không, ma trận không
E : ma trận đơn vị
µ(·), µ(·, ·) : thừa số tích phân
Φ(t, x ) = Φ(t, x1 , x2 , . . . , xn ) : tổ hợp khả tích - THKT
ϕ(t, x ) = ϕ(t, x1 , x2 , . . . , xn ) : tích phân đầu
{ xk (t)}nk=1 : hệ nghiệm cơ bản - HNCB
T = ( v1 | v2 | · · · | v n ) : T là ma trận gồm các cột v1 , v2 , . . . , vn
W (t) = W [ x1 (t), . . . , xn (t)] : định thức Wronski
X (t) : ma trận cơ bản - MTCB
U (t) : ma trận cơ bản chuẩn tắc
U (t, s) : ma trận tiến hóa - MTTH
e A , etA : ma trận mũ
P ( λ ), P ( λ ) = 0 : đa thức đặc trưng, phương trình đặc trưng
( H ) và ( NH ) : (hệ) PTVP tuyến tính
thuần nhất và không thuần nhất
( Hc ) và ( NHc ) : (hệ) PTVP tuyến tính hệ số hằng
(CE) và ( NCE) : (hệ) PTVP Cauchy-Euler
Danh sách hình vẽ
6.1 Thú và mồi . . . . . . . . . . . . . . . . . . . . . . . . . 4

6.2 Mô hình chuỗi thức ăn . . . . . . . . . . . . . . . . . . 5
6.3 Mô hình thu nhập các hộ dân trong thành phố . . . . 6
6.4 Hệ mạch điện . . . . . . . . . . . . . . . . . . . . . . . 7
6.5 Mô h4̀nh bệnh dịch SIR . . . . . . . . . . . . . . . . . . 9
6.6 Hiệu ứng cánh bướm Lorenz . . . . . . . . . . . . . . 10
6.7 Hệ hai lò xo nối tiếp . . . . . . . . . . . . . . . . . . . . 11
6.8 Hệ hai con lắc đơn nối bởi lò xo . . . . . . . . . . . . . 14
6.9 Hệ hai vật - ba lò xo nối ngang . . . . . . . . . . . . . 15
6.10 Hệ điều khiển robot . . . . . . . . . . . . . . . . . . . . 19
6.11 Bức tranh pha: hình chiếu của đồ thị của các nghiệm . 24
6.12 Trường hướng và đường cong pha . . . . . . . . . . . 27
6.13 Hệ con lắc: đường cong pha dị nghiêng . . . . . . . . 28
6.14 Hệ Duffing: đường cong pha đồng nghiêng . . . . . . 28
6.15 Hệ vi phân ẋ = y, ẏ = − x . . . . . . . . . . . . . . . . 30
6.16 Lúa và cỏ dại cạnh tranh chất dinh dưỡng . . . . . . . 30
6.17 Bức tranh pha của mô hình tầm gửi-tơ hồng . . . . . . 31
6.18 Điểm yên ngựa của hệ hyperbolic . . . . . . . . . . . . 31
6.19 Quỹ đạo tuần hoàn của hệ Lotka-Volterra . . . . . . . 44
6.20 Ma trận tiến hóa và ma trận cơ bản . . . . . . . . . . . 58
6.21 Không gian nghiệm là bao tuyến tính của HNCB . . . 60
6.22 Ma trận tiến hóa đẩy dọc theo đường cong nghiệm . . 61
6.23 Nguyên lý chồng chất nghiệm . . . . . . . . . . . . . . 104
6.24 Mạch điện với 2 điện trở, 2 cuộn cảm . . . . . . . . . . 126
6.25 Mạch điện với 2 điện trở, 1 cuộn cảm . . . . . . . . . . 126
6.26 Mô hình ba toa tàu . . . . . . . . . . . . . . . . . . . . 134
6.27 Phân loại bức tranh pha hai chiều theo giá trị riêng . 141
6.28 Phân loại bức tranh pha hai chiều theo vết và định thức141
6.29 Bức tranh pha của hệ chéo ba chiều . . . . . . . . . . . 142
Chương 6
HỆ PHƯƠNG TRÌNH VI
PHÂN
Chương này phát triển lý thuyết hệ phương trình vi phân.

Mục đích của chương gồm
• giải một số loại hệ phương trình vi phân đơn giản;
• phân tích và phân loại điểm cân bằng của hệ vi phân

ô-tô-nôm;
• nghiên cứu lý thuyết và phương pháp thực hành cho

hệ vi phân tuyến tính;
• dùng hệ phương trình vi phân để mô hình một số hiện

tượng và quá trình trong thực tế.
Hệ phương trình vi phân là nội dung chính của cuốn sách. Nhiều
ý tưởng, kỹ thuật và kết quả của lý thuyết phương trình vi phân như
công thức Abel, phương pháp biến thiên tham số, ma trận cơ bản,
2 Chương 6. HỆ PHƯƠNG TRÌNH VI PHÂN
. . . được trình bày đầy đủ và cân đối nhất với các hệ phương trình vi
phân.
Hệ phương trình vi phân là suy rộng thực sự của phương trình
vi phân cấp một hay cấp cao; bên cạnh sự tương tự, có khác biệt bản
chất giữa các phương trình vi phân một chiều và các hệ nhiều hơn
một phương trình vi phân (1) .
Chương này bàn về các khái niệm và kết quả cơ bản của hệ
phương trình vi phân. Trước hết chúng ta cho một số ví dụ thực
tế dẫn đến hệ phương trình vi phân, rồi đưa ra các khái niệm cơ
bản, phân loại hệ phương trình vi phân. Phân loại này dẫn đến việc
nghiên cứu một số phương pháp giải hệ vi phân phi tuyến và hệ vi
phân tuyến tính.
Nghiên cứu các hệ vi phân tuyến tính sử dụng nhiều kết quả của
Đại số tuyến tính như định thức, ma trận, hệ phương trình đại số
tuyến tính (xem Phụ lục).
Với các hệ tuyến tính, ngoài khái niệm hệ nghiệm cơ bản đã quen
thuộc ở các chương trước, chúng ta sử dụng các khái niệm tương
đương về ma trận cơ bản, ma trận tiến hóa, để thiết lập rõ ràng lý
thuyết các hệ tuyến tính thuần nhất x 0 = A(t) x và không thuần nhất
x 0 = A(t) x + f (t) với cấu trúc nghiệm và phương pháp biến thiên
tham số Lagrange.
Với các hệ tuyến tính thuần nhất với hệ số hằng x 0 = Ax, Định
Lý Cơ Bản cho phép chúng ta thu được thuật toán đơn giản tìm hệ
nghiệm cơ bản. Tiếp theo chúng ta trình bày phương pháp hệ số
bất định của các hệ tuyến tính hệ số hằng không thuần nhất x 0 =
Ax + f (t) với số hạng không thuần nhất f (t) dạng đặc biệt.
Các kết quả được minh họa bằng nhiều ví dụ, mô hình hệ phương
trình vi phân từ thực tế và từ các chuyên ngành khác. Một số hệ vi
phân được xét trong chương này gồm hệ Lorenz về dự báo thời tiết,
hệ thú mồi Lotka-Volterra trong sinh học, hệ vi phân của các độ
cong trong Hình học vi phân, hệ SRI trong dịch tễ học.
(1)
Có thể liên tưởng đến một triết lý về xã hội rằng: thế giới chúng ta đang
sống là đa chiều, và không thể chỉ dùng một chiều để mô tả.
6.1. Mở đầu về hệ phương trình vi phân 3
6.1 Mở đầu về hệ phương trình vi phân
6.1.1 Vài mô hình dẫn đến hệ phương trình vi phân

Trong nhiều hiện tượng, thường có hai hay nhiều hơn các đại lượng
biến thiên theo thời gian, và các đại lượng này ảnh hưởng đến nhau.
Việc mô hình các hiện tượng này dẫn đến các hệ phương trình vi
phân.
Ví dụ 6.1. Tình huống xuất hiện hệ phương trình vi phân một cách
tự nhiên nhất là chuyển động của vật thể khối lượng m trong không
gian 3 chiều dưới tác dụng của lực F (t) = ( F1 (t), F2 (t), F3 (t)). Theo
định luật 2 Newton, vị trí ( x (t), y(t), z(t)) của vật thể tại thời điểm
t được xác định bởi
d2 x d2 y d2 z
m = F1 (t), m = F2 (t), m = F3 (t).
dt2 dt2 dt2
Ví dụ 6.2. Hệ thú-mồi Lotka-Volterra

Xét quần thể chỉ gồm hai loài: thú và mồi. Chẳng hạn thú là sói
và mồi là thỏ. Sói chỉ săn thỏ làm thức ăn, và thỏ chỉ ăn cỏ. Ta giả
sử luôn có đủ cỏ cho thỏ. Gọi x (t), y(t) là số lượng sói, thỏ tại thời
điểm t.
Khi không bị săn, sói và thỏ phát triển theo qui luật Malthus (2)

 x 0 = −αx
(1)
 y0 = βy
trong đó α > 0 là tỉ lệ chết tự nhiên của sói khi không có thỏ và

β > 0 là tỉ lệ tăng tự nhiên của thỏ khi không có sói.
Bây giờ ta xét tác động qua lại giữa sói và thỏ. Đại lượng x (t)y(t)
tỷ lệ với số lần gặp nhau giữa sói và thỏ. Càng gặp nhau nhiều, tức
x (t)y(t) càng lớn thì tốc độ phát triển của thỏ càng giảm do bị ăn
thịt, và tốc độ phát triển của sói càng tăng do có nhiều thức ăn. Ta
(2)Thomas Malthus (1766-1834), nhà kinh tế-chính trị học người Anh, cha đẻ
của thuyết dân số.
Hình 6.1: Thú và mồi
dẫn đến hệ vi phân sau đây


 x 0 = −αx + γxy
(2)
 y0 = βy − δxy
trong đó γ > 0 và δ > 0 là các hệ số "tương tác" giữa sói và thỏ.

Hệ phương trình vi phân trên được gọi là hệ Lotka-Volterra.
Năm 1910, Lotka (3) đi đến hệ vi phân kiểu này khi mô hình phản
ứng hóa học tự xúc tác. Sau đó, Lotka mở rộng mô hình cho các loài
động vật ăn cỏ (1920) và các loài thú-mồi (1925). Năm 1926, Volterra
(4) cũng thu được mô hình trên khi xét các bài toán trong toán sinh
thái. Cho đến nay, hệ Lotka-Volterra được suy rộng ra rất nhiều tình
huống khác nhau.
Ví dụ 6.3. Mô hình chuỗi thức ăn.
Chuỗi thức ăn hiện diện khắp nơi trong thế giới quanh ta đang
sống. Con người thường ở đầu chuỗi thức ăn trong hầu hết trường
hợp. Ta sẽ xét chuỗi thức ăn đơn giản nhất gồm 3 loài trên thảo
nguyên: cú ăn chuột đồng và chuột đồng ăn cỏ. Gọi x (t), y(t), và
(3)
Alfred J. Lotka (1880-1949) là nhà toán học và thống kê người Mỹ. Ông cũng
quan tâm đến ứng dụng toán học vào sinh học, ứng dụng vật lý vào hóa học.
(4) Vito Volterra (1860-1940) là nhà toán học và vật lý học người Ý.
Hình 6.2: Mô hình chuỗi thức ăn
z(t) lần lượt là số lượng cỏ, chuột đồng, và cú tại thời điểm t. Ta giả
sử quần thể 3 loài trên là cô lập, không tương tác với các loài xung
quanh, vì vậy có thể dùng luật phát triển logistic cho sự phát triển
nội tại cho từng loài. Ngoài ra, sự phát triển của cỏ tỉ lệ nghịch với
số lượng cỏ (vì có rất nhiều cỏ cạnh tranh dinh dưỡng với nhau) và
số lượng chuột đồng, tức là với tích xy; tương tự, sự phát triển của
chuột đồng tỉ lệ thuận với tích xy, và tỉ lệ nghịch với tích yz, sư phát
triển của cú tỉ lệ thuận với tích yz. Để đơn giản, ta giả sử tất cả các
tham số tỉ lệ, sức chứa môi trường, tốc độ phát triển nội tại đều bằng
1. Vậy mô hình chuỗi thức ăn cho bởi
dx
= x (1 − x ) − xy
dt
dy
= y(1 − y) + xy − yz
dt
dz
= z(1 − z) + yz.
dt
Ví dụ 6.4. Mô hình thu nhập của cư dân trong thành phố.

Thu nhập của các hộ dân theo từng năm trong thành phố được
chia thành ba lớp: lớp thu nhập thấp, lớp thu nhập trung bình, và
lớp thu nhập cao. Mỗi năm, mỗi lớp này thay đổi theo tỷ lệ nào đó
sang lớp khác, xem Hình 6.3 trong đó x (t), y(t), và z(t) lần lượt kí
hiệu là số các hộ gia đình của lớp thu nhập thấp, lớp thu nhập trung
0,1y
Thu nhập
Thu nhập
trung
thấp
bình
x 0.2x y
0,4z 0,1y
0,5x 0,15z
Thu
nhập cao
z
Hình 6.3: Mô hình thu nhập các hộ dân trong thành phố
bình, và lớp thu nhập cao. Ta dẫn đến hệ vi phân sau

dx
= −0, 25x + 0, 1y + 0, 04z
dt
dy
= 0, 2x − 0, 2y + 0, 15z
dt
dz
= 0, 05x + 0, 1y − 0, 19z.
dt
Giả sử tổng số hộ dân trong thành phố là 30000, và lúc đầu khảo sát
có 12000 hộ thu nhập thấp, 10000 hộ thu nhập trung bình, và 8000
hộ thu nhập cao. Bài toán thực tế đặt ra là dự đoán số hộ của từng
lớp thay đổi thế nào theo thời gian. Lời giải của bài toán này sẽ hữu
ích cho chính sách phát triển thành phố trong tương lai, chẳng hạn
cần xây dựng bao nhiêu nhà xã hội cho người thu nhập thấp, hay
bao nhiêu chung cư cao cấp và biệt thự cho người thu nhập cao.
Tình huống thực tế hơn là xét đến sự di cư hàng năm: nhiều lao
động từ vùng nông thôn xung quanh đổ về thành phố với lượng h1
góp vào lớp các hộ thu nhập thấp; và có h2 hộ thu nhập cao chuyển
khỏi thành phố; lớp thu nhập trung bình không có khả năng chuyển
khỏi thành phố. Khi đó ta có hệ vi phân
dx
= −0, 25x + 0, 1y + 0, 04z + h1
dt
dy
= 0, 2x − 0, 2y + 0, 15z
dt
dz
= 0, 05x + 0, 1y − 0, 19z + h2 .
dt
Hình 6.4: Hệ mạch điện
Ví dụ 6.5. Hệ mạch điện Xét hệ mạch điện như Hình 6.4.
Ví dụ 6.6. Hệ vi phân độ cong-độ xoắn ([27]).

Với đường cong trơn c(t) = ( x (t), y(t), z(t)) trong không gian
ba chiều, mối quan hệ giữa độ cong κ (t), độ xoắn τ (t), vec-tơ tiếp
tuyến đơn vị T (t), vec-tơ phó pháp tuyến B(t) và vec-tơ pháp tuyến
N (t) được biểu thị qua hệ vi phân Frenet-Serret
dT
= κN
dt
dN
= −κT + τB
dt
dB
= −τN.
dt
Xét chẳng hạn đường xoắn c(t) = (cos t, sin t, t).
Ví dụ 6.7. Hệ vi phân trắc địa trên mặt xuyến [9].
Xét mặt xuyến cho bởi phương trình tham số
X (u, v) = (( R + rcos(u))cos(v), ( R + rcos(u))sin(v), rsin(u))
trong đó r, R là các bán kính vòng trong cùng, ngoài cùng của xuyến;
u, v là các tham số thực.
Hệ vi phân của các đường trắc địa trên mặt xuyến cho bởi
k
u0 = (3)
( R + r cos v)2
s
k2
v0 = l− 2 . (4)
r ( R + r cos v)2
Ví dụ 6.8. Hệ dịch tễ SIR

Đầu năm 2009, dịch cúm H1N1 (còn gọi là cúm lợn) ban đầu
bùng phát ở Mexico và lan ra toàn thế giới bất chấp những nỗ lực
của chính phủ để hạn chế lan truyền bệnh dịch. Số người mắc cúm
H1N1 đạt đỉnh điểm vào tháng 11 năm 2009, giảm nhanh vào mùa
xuân 2010, và hết hẳn vào tháng 8 năm 2010 (dữ liệu từ Tổ chức Y
tế thế giới).
Mặc dù cơ chế lan truyền bệnh dịch là rất phức tạp, chúng ta vẫn
có thể nhận được nhiều thông tin hữu ích từ một mô hình bệnh dịch
cổ điển mà Kermack và McKendrick đưa ra 1927 gọi là mô hình SIR.
Mô hình này chia dân số tại thời điểm t (ngày) thành 3 nhóm,
tính theo tỉ lệ phần trăm: (i) nhóm khỏe mạnh S(t) là tỉ lệ dân số
S I R
Hình 6.5: Mô hình bệnh dịch SIR
khỏe mạnh, chưa nhiễm bệnh và có khả năng sẽ bị nhiễm bệnh; (ii)
nhóm nhiễm bệnh I (t) là tỉ lệ dân số đã bị nhiễm bệnh nhưng chưa
phát bệnh và có khả năng lây bệnh sang nhóm khỏe mạnh; và (iii)
nhóm phục hồi R(t) là tỉ lệ dân số đã bị nhiễm bệnh, đã phát bệnh,
đã khỏi bệnh, và không thể bị nhiễm bệnh nữa. Việc phân chia này
là hợp lý đối với bệnh cúm vì mỗi người sau khi nhiễm cúm và khỏi
cúm thì hệ thống miễn dịch của người đó sẽ có tác dụng ngăn ngừa
bị nhiễm cúm trở lại. Ngoài ra, do bệnh cúm nói chung không gây
chết người nên bất kỳ người nào cũng thuộc vào một trong ba nhóm
trên, tức là
S(t) + I (t) + R(t) = 1.
Tại thời điểm t, độ tăng giảm của nhóm khỏe mạnh tỉ lệ với cả số
người nhóm khỏe mạnh S(t) và số người nhóm nhiễm bệnh I (t),
tức là tỉ lệ với tích S(t) I (t) (theo hằng số "lây bệnh" α > 0); độ tăng
giảm của nhóm nhiễm bệnh phụ thuộc vào độ tăng giảm của nhóm
khỏe mạnh và tỉ lệ với số người của nhóm nhiễm bệnh (theo hằng
số "khỏi bệnh" β > 0). Ta đi đến hệ SIR sau đây.
dS
= −αSI
dt
dI
= αSI − βI
dt
dR
= βI.
dt
Do R(t) = 1 − S(t) − I (t), hệ trên qui về hệ phẳng
dS
= −αSI
dt
dI
= αSI − βI.
dt
Mô hình trên cũng có thể áp dụng cho bệnh thủy đậu. Thực tế,
mô hình SIR được dùng để giải thích sự tăng giảm nhanh của số
người nhiễm bệnh dịch hạch ở London năm 1665-1666, ở Bombay
năm 1906), bệnh sởi ở London năm 1865.
Ví dụ 6.9. Hệ dự báo thời tiết Lorenz
Hình 6.6: Hiệu ứng cánh bướm Lorenz
Vấn đề dự báo thời tiết có ý nghĩa to lớn trong cuộc sống chúng
ta. Hệ dự báo thời tiết do Lorenz (5) đưa ra năm 1963 khi cố gắng
mô hình thời tiết [19]. Mặc dù trường vec-tơ của hệ đơn giản, dáng
điệu nghiệm lại cực kỳ phức tạp. Dữ liệu từ các trạm dự báo thời
tiết hay vệ tinh được dùng làm điều kiện ban đầu, và các xấp xỉ số
của nghiệm được dùng để dự báo thời tiết.
Dùng các dẫn dắt vật lý và sau khi đơn giản hóa, Lorenz đi đến
(5) Edward Lorenz (1917–2008) là nhà toán học và khí tượng học người Mỹ. Ông
là người đưa ra thuật ngữ "Hiệu ứng cánh bướm" nổi tiếng, và khởi đầu cho lý
thuyết hỗn loạn (chaotic) với quan sát rằng thay đổi rất bé của các điều kiện ban
đầu trong hệ Lorenz sẽ dẫn đến thay đổi rất lớn của nghiệm.
hệ vi phân
dx
= 10(y − x )
dt
dy
= 28x − y − xz
dt
dz 8
= − + xy.
dt 3
Nghiên cứu về hệ Lorenz giải thích tại sao người ta thường chỉ
dự báo thời tiết trong vài ngày, chứ không phải vài năm hay vài
tháng.
Ví dụ 6.10. Hệ hai lò xo.
Ta xét hệ cơ học gồm hai vật thể khối lượng m1 , m2 mắc xen kẽ
hai lò xo có độ cứng k1 , k2 (xem Hình 6.7 và [11]). Lấy gốc tọa độ là
vị trí cân bằng của lò xo thứ nhất và chiều dương là chiều hướng từ
trên xuống dưới.
Gọi x (t), y(t) là các độ dời của hai
lò xo so với các vị trí trí cân bằng x = 0,
y = 0 của chúng. Độ giãn của lò xo thứ
nhất là x (t); độ giãn của lò xo thứ hai là
y(t) − x (t). Theo Định luật Hooke, lực
2 lò xo tác dụng lên vật thể thứ nhất là
F1 = −k1 x + k2 (y − x )
và lên vật thể thứ hai là
F2 = −k2 (y − x ).
Theo Định luật 2 Newton, ta thiết lập

được hệ vi phân sau đây mô tả chuyển
động của hệ cơ học trên
d2 x
m1 = −k1 x + k2 (y − x )
dt2
d2 y Hình 6.7: Hệ hai lò xo nối
m2 2 = − k 2 ( y − x ). tiếp
dt
6.1.2 Nghiệm và bài toán giá

trị ban đầu
Hệ vi phân cấp một chuẩn tắc là hệ có dạng



 x10 = f 1 (t, x1 , x2 , . . . , xn )

 x 0 = f (t, x , x , . . . , x )

2 2 1 2 n
(5)


 ·········

xn0 = f n (t, x1 , x2 , . . . , xn )


với t ∈ ( a, b), xk ∈ V ⊂ Rn , k = 1, 2, . . . , n.
Nghiệm của hệ (5) là bộ các hàm ( x1 (t), x2 (t), . . . , xn (t)) khả

vi trên khoảng con (α, β) của ( a, b) sao cho
xk0 (t) = f k (t, x1 (t), x2 (t), . . . , xn (t))
với mọi t ∈ (α, β) và mọi k = 1, 2, . . . , n.
Nghiệm của hệ chia thành ba loại: hàm hằng x (t) = x0 với mọi
t; hàm tuần hoàn x (t) = x (t + T ) với mọi t và số T > 0 nào đó
(6) ; và loại nghiệm không hằng, cũng không tuần hoàn. Nói chung,
nghiệm của hệ (5) phụ thuộc vào n hằng số độc lập.


 x 0 = −1/y
Ví dụ 6.11. Hệ có nghiệm ( x (t), y(t)) = (e−t/2 , 2e−t/2 ).
 y0 = 1/x
Việc kiểm tra là dễ dàng. Hệ trên còn có nhiều nghiệm khác. Tập tất
cả các nghiệm của hệ cho bởi (xem Ví dụ 6.25)
C −t/C
x= e , y = Det/C
D
trong đó các hằng số C, D độc lập với nhau và khác 0.
(6)Chú ý rằng ta không coi nghiệm hằng là trường hợp riêng của nghiệm tuần
hoàn.
Phương trình vi phân cấp n
y(n) = f (t, y, y0 , . . . , y(n−1) )

có thể qui về hệ chuẩn tắc bằng cách đặt x1 = y, x2 = y0 , . . . , xn =
y(n−1) và ta có
x10 = x2
x20 = x3
··· ··· ···
xn0 −1 = xn
xn0 = f (t, x1 , x2 , . . . , xn ).
Ví dụ 6.12. Viết phương trình dao động điều hòa sau
x 00 + 5x = 0
dưới dạng hệ chuẩn tắc.
Đặt y = x, z = x 0 , với x, y, z là các hàm của thời gian t, ta viết lại
hệ dưới dạng chuẩn tắc như sau.
dy
= z
dt
dz
= −5y.
dt
Ngược lại, với các giả thiết nhẹ, hệ (5) có thể qui về một phương
trình vi phân cấp n (xem thêm phương pháp thế ở mục tiếp theo).
Ví dụ 6.13. Qui hệ sau về dạng chuẩn tắc
x100 = −2x1 + x2
x200 = x1 − 2x2 .
Đặt x3 = x10 và x4 = x20 , ta viết lại hệ trên dưới dạng chuẩn tắc như
sau. 


 x10 = x3

 x0 = x

2 4


 x30 = −2x1 + x2

x40 = x1 − 2x2 .


Hình 6.8: Hệ hai con lắc đơn nối bởi lò xo
Hệ này xuất phát từ mô hình hai con lắc đơn nối với nhau bởi
một lò xo, xem Hình 6.8. Hai con lắc đơn giống nhau có độ dài dây
treo l = 10 gắn với các vật thể khối lượng m = 1 được treo trên trần
nhà tại hai vị trí cách nhau L = 15. Hai vật thể này gắn với nhau bởi
một lò xo có độ cứng k = 1 và có độ dài tự nhiên L = 15. Góc giữa
các con lắc và phương thẳng đứng là θ1 và θ2 . Để thuận tiện, ta lấy
giá trị gia tốc trọng trường là g = 10. Từ định luật 2 Newton và định
luật Hooke, ta có phương trình lực tác dụng lên mỗi vật thể là
lk (θ1 − θ2 )
mlθ100 = −mg sin θ1 −
cos θ1
và
lk (θ2 − θ1 )
mlθ200 = −mg sin θ2 − .
cos θ2
Dao động của hệ Khi các góc θ1 , θ2 rất bé, ta có thể xấp xỉ sin θ1 ≈ θ1 , sin θ2 ≈ θ2 ,
không phụ thuộc cos θ1 ≈ 1, và cos θ2 ≈ 1. Thay m = 1, g/l = 1, k = 1 ta có hệ xấp xỉ
vào độ dài L giữa
θ100 = −2θ1 + θ2
2 con lắc ???
θ200 = θ1 − 2θ2
Ví dụ 6.14. Xét hai lực F1 (t), F2 (t) tác động lên hệ cơ học gồm hai
vật nặng khối lượng m1 , m2 nối theo chiều ngang bởi ba lò xo có độ
cứng k1 , k2 , k3 ; đầu bên trái của lò xo thứ nhất và đầu bên phải lò xo
Hình 6.9: Hệ hai vật - ba lò xo nối ngang
thứ ba được cố định (xem Hình 6.9). Gọi x1 (t) và x2 (t) là các độ dời
của hai lò xo so với các vị trí cân bằng của chúng (là vị trí khi không
có ngoại lực tác dụng lên) và chiều dương là chiều từ trái qua phải.
Định luật Hook và Định luật 2 Newton cho ta hệ
d2 x1
m1 = k2 ( x2 − x1 ) − k1 x1 + F1 (t)
dt
d2 x2
m2 = −k3 x2 − k2 ( x2 − x1 ) + F2 (t)
dt
hay
d2 x1
m1 = −(k1 + k2 ) x2 + k2 x2 + F1 (t)
dt
d2 x2
m2 = k2 x1 − (k2 + k3 ) x2 + F2 (t).
dt
Việc dùng kí hiệu vec-tơ và ma trận nhằm giúp việc trình bày
lý thuyết cũng như tính toán ngắn gọn hơn, và nhấn mạnh vào sự
tương tự giữa phương trình vi phân vô hướng (7) và hệ phương
trình vi phân. Hệ n phương trình vi phân vô hướng cấp một có thể
coi như một phương trình vi phân cấp một trong không gian n chiều
và ngược lại.
(7) "vô hướng" nghĩa là "một chiều".

 
x1
 x2 
 
Đặt x = 
 ..  và

.
xn
   
f 1 (t, x ) f 1 (t, x1 , x2 , . . . , xn )
 f 2 (t, x )   f 2 (t, x1 , x2 , . . . , xn ) 
   
F (t, x ) = F (t, x1 , x2 , . . . , xn ) = 
 ..  = 
  .. 
. .

   
f n (t, x ) f n (t, x1 , x2 , . . . , xn )
thì hệ trên được viết lại dạng vec-tơ như sau.
x 0 = F (t, x ) (6)
với x ∈ V ⊂ Rn , t ∈ ( a, b).
Các biến x1 , x2 , . . . , xn hay x đều gọi là các biến pha. Không gian
Rn chứa các trạng thái của biến pha gọi là không gian pha. Không
gian pha một chiều gọi là đường thẳng pha, không gian pha hai chiều
gọi là mặt phẳng pha. Bộ (t, x (t)) nhận giá trị trong R × Rn nên Rn+1
gọi là không gian pha mở rộng. Vậy đồ thị của nghiệm nằm trong
không gian pha mở rộng.
Trong hầu hết ứng dụng, biến t biểu thị thời gian. Tuy nhiên
cũng có nhiều hiện tượng được mô hình qua hệ vi phân (6) mà biến
t mang ý nghĩa khác. Ví dụ mô hình trao đổi chất giữa mẹ và thai
nhi (8) , thì biến t đóng vai trò vị trí trong nhau thai.
Bài toán Cauchy hay bài toán giá trị ban đầu của hệ (5) là tìm
nghiệm ( x1 (t), x2 (t), . . . , xn (t)) của hệ (5) thỏa mãn điều kiện
ban đầu
x1 (t0 ) = x10 , x2 (t0 ) = x20 , ..., xn (t0 ) = xn0
với t0 ∈ ( a, b) và ( x10 , x20 , . . . , xn0 ) ∈ Rn cho trước.
Ta phát biểu sau đây kết quả về sự tồn tại duy nhất và. Chứng
(8) xem phần Mô hình ứng dụng ở cuối chương
minh định lý xem Phụ lục B.
Định lý tồn tại duy nhất nghiệm
∂F ∂F
Giả sử hàm F (t, x1 , . . . , xn ) và các đạo hàm riêng ,...,
∂x1 ∂xn
liên tục theo các biến (t, x1 , . . . , xn ) trong miền ( a, b) × V.
Khi đó với mọi t0 ∈ ( a, b) và mọi ( x10 , x20 , . . . , xn0 ) ∈ V, bài toán
Cauchy có duy nhất nghiệm. Nghiệm này xác định trong lân
cận nhỏ (t0 − δ, t0 + δ) của t0 .
Ta thừa nhận kết quả sau về sự thác triển nghiệm của bài toán
Cauchy.
Định lý thác triển nghiệm
∂F ∂F
Giả sử hàm F (t, x1 , . . . , xn ) và các đạo hàm riêng ,...,
∂x1 ∂xn
liên tục theo các biến (t, x1 , . . . , xn ) trong miền ( a, b) × V và F
thỏa mãn điều kiện
k F (t, x )k ≤ L1 + L2 k x k
với các hằng số dương L1 , L2 nào đó. Khi đó với mọi t0 ∈

( a, b) và mọi ( x10 , x20 , . . . , xn0 ) ∈ V, bài toán Cauchy có duy nhất
nghiệm và nghiệm này xác định trong toàn khoảng ( a, b).
Ý nghĩa của định lý tồn tại duy nhất nghiệm là giá trị của nghiệm
tại thời điểm hiện tại quyết định giá trị của nghiệm trong quá khứ
gần và trong tương lai gần. Nếu các nghiệm có thể thác triển lên
toàn ( a, b) thì mỗi nghiệm được xác định duy nhất bởi bất cứ điểm
nào trên nó. Thực ra định lý tồn tại duy nhất nghiệm cũng là một
dạng của nguyên lý nhân quả.
Ý nghĩa hình học-vật lý của hệ chuẩn tắc. Để đơn giản, ta xét các
hệ vi phân hai chiều

 x 0 = f (t, x, y)
(7)
 y0 = g(t, x, y)
với t ∈ ( a, b), f , g là các hàm xác định trong ( a, b) × V với V là tập

con mở của R2 .
Mỗi nghiệm x = x (t), y = y(t) của hệ trên biểu thị một đường
cong, gọi là đường cong nghiệm, trong mặt phẳng Oxy. Vec-tơ
( x 0 (t), y0 (t)) = ( f (t, x (t), y(t)), g(t, x (t), y(t)))

xác định vận tốc tức thời tại thời điểm t của một điểm chuyển động
dọc theo đường cong nghiệm trong mặt phẳng. Điều kiện ban đầu
x (t0 ) = x0 , y(t0 ) = y0 chỉ ra vị trí ban đầu tại thời điểm t0 của
chuyển động.
6.1.3 Phân loại các hệ vi phân

Một trong những vấn đề chính của phương trình vi phân, cũng như
nhiều lĩnh vực khác, là bài toán phân loại (9) . Người ta phân loại các
hệ vi phân theo một số quan điểm sau.
Tuyến tính và phi tuyến. Hệ vi phân chuẩn tắc (6) gọi là tuyến tính
nếu vế phải F (t, x ) là hàm tuyến tính đối với biến pha x, nghĩa là
F (t, x ) = A(t) x + f (t) với A(t) là ma trận nào đó. Tùy theo f (t)
bằng 0 hay khác 0 mà ta gọi là hệ tuyến tính thuần nhất hay không
thuần nhất. Hệ (6) gọi là phi tuyến nếu nó không phải tuyến tính.

 x 0 = 2tx + 3y
Ví dụ 6.15. Hệ là hệ tuyến tính thuần nhất.
y0 = 4x + 5t2 y

 x 0 = 2tx + 3y + sin t
Hệ là hệ tuyến tính không thuần nhất.
y0 = 4x + 5t2 y + et
(9) "Chia để trị"

Hình 6.10: Hệ điều khiển robot


 x 0 = x − txy
Hệ là hệ phi tuyến.
y0 = y + t2 xy
Hệ tuyến tính có nhiều tính chất tốt, chẳng hạn tổng hai nghiệm
của hệ tuyến tính thuần nhất lại là nghiệm của hệ đó. Lý thuyết hệ
tuyến tính được nghiên cứu kỹ, và khá đầy đủ với nhiều công cụ.
Nói chung, mỗi hệ phi tuyến được xấp xỉ bởi một hệ tuyến tính (10) ,
và hệ tuyến tính này cung cấp nhiều thông tin về hệ phi tuyến ban
đầu.
Nhiều hệ vật lý được mô hình qua các hệ vi phân tuyến tính.
Chẳng hạn hệ con lắc đơn, hệ con lắc lò xo, hệ thanh dầm, . . . .
Ví dụ 6.16. Hệ điều khiển chuyển động của robot trong mặt phẳng
Oxy (xem Hình 6.10) được mô tả qua hệ phương trình vi phân ([21])
x0
   
v cos θ
 0 
 y  =  v sin θ 

θ0 ω
trong đó v là vận tốc thẳng, ω là vận tốc xoay, và θ là góc giữa cánh
tay robot và trục Ox.
(10) Ý tưởng này xuất phát từ công thức Taylor xấp xỉ hàm bởi đa thức bậc nhất.
Ô-tô-nôm và không ô-tô-nôm. Khi vế phải của một hệ vi phân

không phụ thuộc t thì ta gọi hệ đó là ô-tô-nôm (11) , hay hệ với hệ số
hằng, hay hệ bất biến (thời gian), hay hệ dừng. Ngược lại, khi vế phải
của một hệ vi phân phụ thuộc t thì ta gọi hệ đó là không ô-tô-nôm,
hay hệ với hệ số biến thiên, hay hệ phụ thuộc (thời gian), hay hệ không
dừng.

 x 0 = x − x2 y
Ví dụ 6.17. Hệ là hệ ô-tô-nôm.
y0 = y + xy3

 x 0 = tx − x2 y
Hệ là hệ không ô-tô-nôm.
y0 = y + t3 xy4
Nhiều định luật vật lý được mô tả về mặt toán học như (hệ)
phương trình vi phân ô-tô-nôm hay không ô-tô-nôm tùy theo quy
luật đang xét có thay đổi theo thời gian hay không, chẳng hạn định
1
luật Newton về chuyển động F = ma = mx 00 hay x 00 = F (t, x ),
m
định luật Hook F ( x ) = −kx, luật vạn vật hấp dẫn F = mg, định
luật Ohm, . . . . Tóm lại hệ không ô-tô-nôm có dạng (6), còn hệ ô-tô-
nôm có dạng
x 0 = F ( x ), x ∈ Rn . (8)
Hệ ô-tô-nôm có nhiều tính chất quan trọng, chẳng hạn tính bất biến
dịch chuyển theo thời gian của các nghiệm.
Mệnh đề 6.1. Nếu x (t) là nghiệm của hệ ô-tô-nôm (8) thì x (t + α) cũng
là nghiệm của (8) với mọi α ∈ R.
Các hệ không ô-tô-nôm nói chung không có tính chất này. Ví dụ

2 2
x0 = tx có nghiệm x (t) = et nhưng y(t) = x (t + 1) = e(t+1) không
là nghiệm.
(11)Autonomous: thuật ngữ tiếng Anh, thường dịch là tự trị (autonomous zone:
khu tự trị), tự hành (autonomous car: xe tự hành), hay tự chủ (autonomous econ-
omy: kinh tế tự chủ). Trong Toán học, do khó tìm được từ tương ứng với au-
tonomous nên người ta không dịch mà chỉ Việt hóa là ô-tô-nôm.
Thủ tục ô-tô-nôm hóa biến hệ không ô-tô-nôm (6) về hệ ô-tô-nôm

(0 !
t =1 1
hay X 0 = F ( X ) =
0 F(x)
x = F(x)
!
t
với X = ∈ Rn+1 nhưng lại tăng số chiều (từ n chiều lên n + 1
x
chiều) và mất đi tính tuyến tính (nếu có) của hệ nên chỉ có tác dụng
trong ít trường hợp.
Cuối cùng, kết hợp hai cách phân loại trên, ta có 6 loại hệ vi
phân: hệ tuyến tính ô-tô-nôm thuần nhất x 0 = Ax, hệ tuyến tính
ô-tô-nôm không thuần nhất x 0 = Ax + f (t), hệ tuyến tính không
ô-tô-nôm x 0 = A(t) x, hệ tuyến tính không ô-tô-nôm không thuần
nhất x 0 = A(t) x + f (t), hệ phi tuyến ô-tô-nôm (8) và hệ phi tuyến
không ô-tô-nôm (6).
Hệ tách được và hệ không tách được. Hệ (5) gọi là tách nếu nó có

dạng



 x10 = f 1 (t, x1 )

 x 0 = f (t, x )

2 2 2


 ······

xn0 = f n (t, xn ).


Hệ (5) gọi là tách được nếu nó có thể đưa về dạng tách, và gọi là
không tách được nếu nó không thể đưa về dạng tách.
Như vậy hệ tách thực chất là bộ các phương trình vi phân một
chiều, và các phương trình này không liên quan đến nhau. Hầu hết
các hệ là không tách được.

 x 0 = tx
Ví dụ 6.18. Hệ (1) là tách. Hệ là tách.
y0 = y

x0 = y
Hệ là tách được vì bằng cách cộng trừ hai vế các
y0 = x
phương trình của hệ và đặt u = x + y, v = x − y, ta thu được hệ

u0 = u
tách .
v0 = −v

 x 0 = − x + xy
Hệ Lotka-Volterra là không tách được.
y0 = y − xy
6.1.4 Bức tranh pha của hệ ô-tô-nôm

Bức tranh pha (phase potrait) cho ta hình học của hệ vi phân ô-tô-
nôm. Bức tranh pha tạo bởi các đường cong pha nằm trong không
gian pha. Ta có thể hình dung bức tranh pha hai chiều như dòng
nước chảy trên mặt sông.
Xét hệ vi phân ô-tô-nôm (8):
x0 = F(x)
hay



 x10 = f 1 ( x1 , x2 , . . . , xn )

x20 = f 2 ( x1 , x2 , . . . , xn )


(9)


 ·········

xn0 = f n ( x1 , x2 , . . . , xn )


với t ∈ ( a, b), xk ∈ V ⊂ Rn , k = 1, 2, . . . , n.
Ta biết rằng đồ thị của mọi nghiệm của hệ ô-tô-nôm (8) nằm
trong không gian pha mở rộng Rn+1 . Ngay trường hợp hệ hai chiều
thì đồ thị của nghiệm nằm trong không gian ba chiều, và nói chung
khó hình dung về nghiệm của hệ (8). Trường hợp hệ ba chiều trở
lên thì thậm chí ta không vẽ được đồ thị của nghiệm. Khái niệm
bức tranh pha được đưa ra giúp ta có hình dung tốt hơn về các
nghiệm x (·) và quan hệ giữa các biến pha x1 , x2 , . . . , xn của cùng
một nghiệm.
Khái niệm bức tranh pha

Định nghĩa 6.1. Bức tranh pha là hình chiếu của đồ thị của các
nghiệm lên không gian pha.
Đường cong pha hay quỹ đạo pha là hình chiếu của đồ thị của
một nghiệm lên không gian pha.
Hình chiếu ở đây là hình chiếu vuông góc xuống không gian
pha, dọc theo trục thời gian t. Người ta thường vẽ thêm mũi tên
trên mỗi đường cong pha để chỉ chiều thời gian t.
Định nghĩa trên là hợp lý do tính bất biến dịch chuyển theo thời
gian (xem Mệnh đề 6.1) của các nghiệm của hệ ô-tô-nôm. Điều đó
cũng giải thích tại sao không có khái niệm bức tranh pha cho hệ
không ô-tô-nôm (12) .
Trên bức tranh pha, tương ứng với ba loại nghiệm, ta có ba loại
đường cong pha: điểm bất động, hay điểm cân bằng - nghiệm hằng;
đường cong đóng (tự cắt hay không tự cắt) - nghiệm tuần hoàn;
và đường cong không đóng. Chú ý rằng p là điểm cân bằng (hay
x (t) = p là nghiệm hằng) của hệ ô-tô-nôm x 0 = F ( x ) nếu và chỉ nếu
F ( p) = 0.
Từ thời ban đầu của Newton, Leibniz, . . . đến thế kỷ 19, người
ta cố gắng tìm nghiệm của hệ vi phân qua các biểu thức giải tích;
và không phải luôn thực hiện được. Đó là cách tiếp cận định lượng
về phương trình vi phân. Cho đến cuối thế kỷ 19, Poincare dùng
các phương pháp hình học đặt nền móng cho lí thuyết định tính về
phương trình vi phân (chủ yếu xét phương trình cấp hai), quan tâm
đến tính chất của nghiệm hơn là biểu thức giải tích của nghiệm.
Sau đó, Lyapunov phát triển lý thuyết ổn định những năm 1890 và
Birkhoff tiếp tục phát triển các phương pháp hình học của Poincare
cho các hệ số chiều cao những năm 1920. Ngày nay, một hệ vi phân
được coi là hiểu rõ nếu chúng ta vẽ được bức tranh pha và mô tả
(12) Khi chiếu đồ thị của nghiệm của hệ ô-tô-nôm lên không gian pha tại bất cứ
thời điểm t nào, ta đều thu được cùng hình chiếu, chính là bức tranh pha. Ngược
lại, khi chiếu đồ thị của nghiệm của hệ không ô-tô-nôm lên không gian pha tại
các thời điểm khác nhau, ta thu được các hình chiếu khác nhau. Lưu ý là ta có thủ
tục ô-tô-nôm hóa cho các hệ không ô-tô-nôm.
được dáng điệu của mọi nghiệm của nó.

Bức tranh pha của hệ ô-tô-nôm một chiều khá đơn giản do hệ
không có nghiệm tuần hoàn (xem Bài tập 6). Điều này phù hợp
với trực quan hình học. Vậy đối với mỗi điểm bất động trên đường
thẳng pha, chỉ một trong ba trường hợp xảy ra: điểm ổn định, điểm
không ổn định và điểm nửa ổn định (Hình ).
Hình 6.11: Bức tranh pha: hình chiếu của đồ thị của các nghiệm
Phân tích bức tranh pha

Việc phân tích bức tranh pha giúp ta có thông tin định tính về
nghiệm của hệ ô-tô-nôm ban đầu.
Trên mặt phẳng Oxy, nếu bức tranh pha là các vòng tròn đồng
tâm O (xem Ví dụ 6.20) thì ta biết rằng mọi điểm trên một nghiệm
đều nằm trên hình trụ có đáy là một vòng tròn tâm O, và các nghiệm
này là tuần hoàn. Nếu đường cong pha chỉ gồm một điểm, ta biết
rằng nghiệm đó là nghiệm hằng.
Bức tranh pha của hệ Lotka-Volterra hai chiều (xem Hình 6.19)
gồm các quỹ đạo pha là các đường cong kín chạy ngược chiều kim
đồng hồ thuộc góc phần tư thứ nhất tương ứng với các nghiệm tuần
hoàn. Với mỗi quỹ đạo, ta chia thành bốn phần như sau: x 0 > 0 và
y0 > 0; x 0 > 0 và y0 < 0; x 0 < 0 và y0 < 0; x 0 < 0 và y0 > 0. Đây
chính là giải thích toán học cho hiện tượng sinh học mà ta có thể
quan sát được: lượng thú tăng dẫn đến lượng mồi giảm do bị ăn
thịt nhiều hơn, lượng mồi giảm dẫn đến lượng thú cũng giảm do ít
thức ăn hơn, hệ quả là lượng mồi lại tăng lên do ít bị ăn thịt hơn,
và qui luật này lặp đi lặp lại tạo nên sự cân bằng trong hệ sinh thái
thú-mồi đang xét (13) .
Xác định bức tranh pha

Theo định nghĩa, muốn xác định bức tranh pha, ta cần khử t và
các đạo hàm từ hệ (9). Nếu đã biết nghiệm của hệ thì ta chỉ cần khử
t từ nghiệm. Tuy nhiên thường ta khó tìm nghiệm, hoặc ngay cả khi
tìm ra công thức nghiệm thì công thức này thường quá phức tạp để
có thể rút ra các tính chất về nghiệm.
Cách khác là dùng dạng đối xứng của hệ (9):
dx1 dxn
dt = = ··· = .
f 1 ( x1 , x2 , . . . , x n ) f n ( x1 , x2 , . . . , x n )
Chẳng hạn, bức tranh pha của hệ hai chiều xác định bởi phương
trình vi phân vô hướng
dx1 dx2
= .
f 1 ( x1 , x2 ) f 2 ( x1 , x2 )
Maple dùng lệnh > potrait để vẽ bức tranh pha của hệ ô-tô-nôm.
Ví dụ 6.19. Vẽ bức tranh pha của hệ sau

 x0 = − x
 y0 = y.
Theo định nghĩa, ta có thể giải nghiệm x = C1 e−t , y = C2 et rồi khử

t để có xy = C với C = C1 C2 . Tuy nhiên ta nên dùng dạng đối xứng
vì không đòi hỏi biết nghiệm của hệ.
Viết hệ đã cho dạng đối xứng
dx dy
dt = = .
−x y
(13) Hiện tượng này cũng thể hiện quan hệ nhân quả giữa thú và mồi.
Dễ thấy ln | x | + ln |y| = ln |C | hay
xy = C.
Bức tranh pha là các đường hyperbol, với chiều thời gian là chiều
của các mũi tên trong hình. Vì lí do này ta gọi hệ trên là hệ hyperbolic.
Để xác định chiều của các đường cong pha, ta xác định chẳng hạn
vec-tơ tại điểm (1, 1) là f (1, 1) = (−1, 1), sau đó dùng tính liên tục
của hàm vế phải f .
Cách khác để xác định chiều của đường cong pha là phân tích
mặt phẳng pha: trong góc phần tư thứ nhất, x > 0, y > 0 nên vec-
tơ tiếp tuyến của đường cong pha ( x 0 , y0 ) = (− x, y) có chiều hướng
lên phía phải trên, tức là ngược chiều kim đồng hồ.
Ví dụ 6.20. Vẽ bức tranh pha của hệ sau

 x 0 = −y
 y0 = x.
Viết hệ đã cho dạng đối xứng
dx dy
dt = = .
−y x
Từ đó, xdx + ydy = 0 hay
x 2 + y2 = C 2 .
Bức tranh pha là các vòng tròn đồng tâm xuôi chiều kim đồng
hồ (xét chẳng hạn f (1, 1) = (−1, 1)).
Chú ý rằng bức tranh pha không phản ánh hoàn toàn chính xác
thông tin về nghiệm của hệ. Điều đó dễ hiểu vì khi chiếu xuống
theo trục thời gian, một số thông tin có thể bị mất đi. Cũng vì lí do
này mà đồ thị của các nghiệm khác nhau không bao giờ cắt nhau
nhưng các đường cong pha khác nhau có thể cắt nhau (giả sử hệ có
tính duy nhất nghiệm).
Ví dụ 6.21. Chỉ ra rằng hệ sau đây có cùng công thức xác định bức
tranh pha (14) , do đó có cùng bức tranh pha, nhưng một hệ là tuyến
tính và hai hệ kia phi tuyến.
1
  
 x0 = −x

 x0 = −  x0 = −y
y và
1 y2
 y0 = y, 
 y0 =
 y0 = .
x x
Ba hệ có dạng đối xứng khác nhau, nhưng ta đều có xy0 + x 0 y =

0 hay xy = C.
Hình 6.12: Trường hướng và đường cong pha
Bức tranh pha của hệ ô-tô-nôm hai chiều phong phú hơn, có
thể xuất hiện nghiệm đồng nghiêng (homoclinic), xem đường cong
pha hình số tám trong bức tranh pha của hệ Duffing, Hình 6.14,
hay nghiệm dị nghiêng (heteroclinic), xem Hình 6.13 của bức tranh
pha hệ con lắc x 00 + sin x = 0 hay x10 = x2 , x20 = − sin x1 . Tuy vậy,
trong phần lớn các trường hợp vẫn được mô tả khá rõ nhờ Định lý
Poincare-Bendixson (Chủ đề nâng cao 6M6).
(14)Trong trường hợp này, các công thức đó đều cho tích phân đầu (xem định
nghĩa ở mục tiếp theo) của các hệ.
Hình 6.13: Hệ con lắc: đường cong pha dị nghiêng
Từ số chiều ba trở lên, bức tranh pha có thể rất phức tạp, chẳng
hạn có thể xuất hiện tình huống hỗn loạn (15) như trong mô hình dự
báo thời tiết của Lorenz.
Hình 6.14: Hệ Duffing: đường cong pha đồng nghiêng
Một trong các hệ phi tuyến mà ta hiểu rõ về mặt định tính là hệ
(15) "chaotic" - trong trường hợp này chỉ tính không thể dự báo một cách chính
xác thời tiết.
vi phân Duffing
dy
= v
dt
dv
= y − y3 .
dt
Xem bức tranh pha và dáng điệu của mọi nghiệm của hệ Duffing
trong Hình 6.14.
Trường hướng và trường vec-tơ

Hai khái niệm gần gũi với bức tranh pha là trường vec-tơ (vector
field) và trường hướng (direction field, slope field). Với hệ ô-tô-nôm
x 0 = F ( x ), ta nói F xác định một trường vec-tơ gồm các vec-tơ F ( x )
có điểm đặt tại x ∈ Rn . Như thế, mọi đường cong pha qua điểm
x nhận F ( x ) là vec-tơ tiếp tuyến tại x. Độ dài của vec-tơ tiếp tuyến
F ( x ) này xác định tốc độ tức thời của đường cong pha. Các vec-
tơ F ( x ) có thể có độ lớn rất khác nhau, gây ra khó khăn khi biểu
diễn trường vec-tơ . Ta khắc phục như sau: qua mỗi điểm x, ta chỉ
vẽ các vec-tơ cùng hướng với F ( x ) nhưng có độ dài bằng nhau, ta
thu được trường hướng của hệ x 0 = F ( x ). Trường hướng dễ nhìn
hơn, nhưng mất đi đặc trưng vận tốc của các điểm trên đường cong
pha.
Tóm lại trường vec-tơ chính là vec-tơ vế phải của hệ; trường hướng
là trường vec-tơ được chuẩn hóa về cùng độ dài cho mọi vec-tơ ; biết
trường hướng hay trường vec-tơ thì hình dung ra bức tranh pha
và ngược lại. Hình 6.12 thể hiện quan hệ giữa đường cong pha và
trường hướng, hay cũng vậy, giữa bức tranh pha, trường vec-tơ và
trường hướng.
Ví dụ 6.22. Hệ hai loài cạnh tranh.
Xét quần thể gồm hai loài cạnh tranh về với nhau về không gian
sống, thức ăn, . . . . Chẳng hạn, xét tình huống tơ hồng và tầm gửi
cạnh tranh chất dinh dưỡng từ cây bưởi, hay lúa và cỏ dại cạnh
tranh chất dinh dưỡng từ đất ruộng và phân bón.
Kí hiệu x (t), y(t) là số lượng tơ hồng, tầm gửi tại thời điểm t.
Khi không có loài kia, bản thân mỗi loài tơ hồng, tầm gửi phát triển
(a) Trường vec-tơ F ( x, y) = (y, − x ) (b) Trường hướng tương ứng

F ( x, y) = (y, − x )
Hình 6.15: Hệ vi phân ẋ = y, ẏ = − x
Hình 6.16: Lúa và cỏ dại cạnh tranh chất dinh dưỡng
riêng biệt theo qui luật logistic

x y
x 0 = 2x (1 − ) và y0 = 3y(1 − )
2 3
trong đó các đại lượng K1 = 2 và K2 = 3 thể hiện sức chứa môi
trường: số lượng tối đa mà tơ hồng và tầm gửi có thể đạt được; α1 =
2 và α2 = 3 thể hiện tốc độ phát triển nội tại của tầm gửi và tơ hồng.
Hình 6.17: Bức tranh pha của mô hình tầm gửi-tơ hồng
Khi trên cây bưởi có cả tầm gửi và tơ hồng, tốc độ phát triển của
chúng phụ thuộc lẫn nhau theo những tỉ lệ với tích x (t)y(t), chẳng
hạn
dx x
= 2x (1 − ) − xy
dt 2
dy x
= 3x (1 − ) − 2xy.
dt 3
Dấu trừ trong các số hạng (− xy) và (−2xy) thể hiện sự cạnh tranh:
sự tăng trưởng của tầm gửi tỉ lệ nghịch với sự tăng trưởng của tơ
hồng và ngược lại. Hình 6.17 là bức tranh pha của mô hình này.
Ví dụ 6.23. Điểm yên ngựa.
Cho hệ

 dx = x + 2y

dt
dy

 = −y.
dt
với trường hướng như Hình
6.18. Trong mặt phẳng pha, hãy
(a) mô tả dáng điệu nghiệm
đi qua điểm (−2, 2).
Hình 6.18: Điểm yên ngựa của hệ

hyperbolic
(b) mô tả dáng điệu nghiệm

đi qua các điểm trên trục Ox và
các điểm trên đường thẳng y =
− x.
(c) phân loại theo dáng điệu
tất cả các nghiệm.
Hệ trên là ví dụ của hệ hy-
perbolic. Giao điểm O của Ox và đường thẳng y = − x là điểm yên
ngựa hay điểm hyperbolic (16) .
Lời giải: (a) Từ phương trình thứ hai, ta có y(t) = y(0)e−t , Thay vào
phương trình đầu, được x 0 = x + 2y(0)e−t , từ đó x (t) = ( x (0) +
y(0))et − y(0)e−t .
Thay x (0) = −2, y(0) = 2, ta có x (t) = 2e−t , y(t) = 2e−t .
Khi t → +∞, do y(t) → 0 nên nghiệm ( x (t), y(t)) tiệm cận tới
trục Ox. Khi t → −∞, do x (t) + y(t) → 0 nên nghiệm ( x (t), y(t))
tiệm cận tới đường thẳng y = − x.
(b) Mọi nghiệm xuất phát từ điểm thuộc y = − x luôn nằm trên
y = − x và hút về y = − x. Mọi nghiệm xuất phát từ điểm thuộc Ox
luôn nằm trên Ox và đẩy ra vô cùng.
(c) Mọi đường cong pha là các đường hyperbol với 2 tiệm cận là
trục Ox và đường thẳng y = − x. Bản thân 2 tiệm cận này là 2 đường
cong pha đặc biệt, mô tả ở phần b). Do đó mặt phẳng pha chia làm
4 phần tương ứng với 4 kiểu dáng điệu nghiệm khác nhau.
6.2 Một số phương pháp giải hệ phương trình

vi phân
Trước tiên, cần xác định rằng, cũng như phương trình vi phân cấp
một, nói chung không thể tìm nghiệm của hệ vi phân qua các hàm
sơ cấp.
Có hai phương pháp thường dùng, và khá tự nhiên trong việc
(16)
Các trục Ox và đường thẳng y = − x gọi là các đa tạp bất biến của điểm yên
ngựa O.
6.2. Một số phương pháp giải hệ phương trình vi phân 33
giải đúng các hệ vi phân: phương pháp thế và phương pháp tổ hợp
khả tích.
6.2.1 Phương pháp thế và phương pháp tổ hợp khả

tích
Ta bắt đầu bằng một ví dụ đơn giản.
Ví dụ 6.24. 
x0 = y
y0 = x.
Cách 1: Đạo hàm hai vế phương trình đầu tiên (17) , ta có x 00 = y0 . Thế
vào phương trình thứ hai, ta thu được
x 00 − x = 0.
Dễ tìm nghiệm của phương trình này
x = C1 et + C2 e−t .
Dùng phương trình thứ nhất, y = x 0 = C1 et − C2 e−t .

Chú ý: Sau khi tìm ra x, không nên dùng phương trình thứ hai, vì sẽ
có y0 = x = C1 et + C2 e−t + C3 , tức là xuất hiện nghiệm ngoại lai. Ta
sẽ lại phải thay vào phương trình đầu tiên để có C3 = 0.
Cách 2: Cộng và trừ hai phương trình với nhau, ta được
( x + y)0 = x + y
( x − y)0 = −( x − y)
hay
x + y = D1 et (10)
x − y = D2 e−t . (11)
(17) Ta có thể đạo hàm hai vế vì y(t) khả vi và y(t) = x 0 (t) nên tồn tại x 00 (t).
Từ đó,
D1 t D2 −t
x= e + e
2 2
D D2 −t
y = 1 et − e .
2 2
Cách 3: Ta chỉ cộng hai phương trình với nhau ( x + y)0 = x + y và
thu được
x + y = E1 et .
Từ đó, y = E1 et − x. Thế vào phương trình đầu tiên, ta có
x 0 + x = E1 et
là phương trình tuyến tính cấp một. Phương trình này có nghiệm
E1 t
x= e + E2 e−t .
2
Từ đó,
E1 t
y= e − E2 e−t .
2
Phương pháp thế được sử dụng trong Cách 1. Phương pháp thế là
phương pháp khử bớt biến pha, đưa hệ n phương trình vi phân cấp một về
hệ có ít hơn n phương trình vi phân. Khi ta khử chỉ còn lại một biến
pha thì ta nhận được một phương trình vi phân cấp n.
Định nghĩa 6.2. Tổ hợp khả tích (THKT) hay tích phân của (5) (hay (6))
là hàm
Φ : ( a, b) × V × Rk → R
không đồng nhất bằng 0 và thỏa mãn
Φ(t, x1 (t), x2 (t), . . . , xn (t), C1 , C2 , . . . , Ck ) = 0
hay
Φ(t, x (t), C1 , C2 , . . . , Ck ) = 0
với mọi t ∈ ( a, b), với mọi bộ tham số (C1 , C2 , . . . , Ck ), và với mọi
nghiệm x (t) = ( x1 (t), x2 (t), . . . , xn (t)) của hệ.
Khi đó, ta cũng nói Φ = 0 là THKT.
Khái niệm THKT khá rộng nên khó phân loại. Chẳng hạn, ít nhất
cần đảm bảo các tham số C1 , C2 , . . . , Ck độc lập với nhau. Vì vậy ta
xét khái niệm cụ thể hơn sau đây.
Định nghĩa 6.3. Tích phân đầu của hệ vi phân (5) (hay (6)) là THKT
có dạng
ϕ(t, x1 (t), x2 (t), . . . , xn (t)) = C
hay
ϕ(t, x (t)) = C
với mọi t ∈ ( a, b), với mọi giá trị của tham số C, và với mọi nghiệm
x (t) = ( x1 (t), x2 (t), . . . , xn (t)) của hệ.
Khi đó, ta cũng nói hàm ϕ : ( a, b) × V → R là tích phân đầu.
Trong trường hợp một chiều, tích phân đầu chính là nghiệm
dưới dạng ẩn.
Tích phân đầu là THKT dạng đặc biệt: tích phân đầu là hàm
hằng dọc theo nghiệm của hệ. Ta có mệnh đề sau.
Mệnh đề 6.2. Hàm ϕ : ( a, b) × V → R là tích phân đầu của hệ (5) (hay
(6)) nếu và chỉ nếu
dϕ
(t, x (t)) F (t, x (t)) ≡ 0
dt
hay tương đương
!
n
∂ϕ ∂ϕ
+ ∑ ∂xk f k (t,x1 (t),x2 (t),...,xn (t)) = 0

∂t k =1
với mọi t ∈ ( a, b) và với mọi nghiệm x (t) = ( x1 (t), x2 (t), . . . , xn (t)) của
hệ.
Chứng minh của mệnh đề trên là trực tiếp dùng định nghĩa. Hệ
quả sau là mệnh đề trong trường hợp 2 chiều.
Hệ quả 6.3. Hàm ϕ : ( a, b) × V → R là tích phân đầu của hệ (7) nếu và
chỉ nếu
∂ϕ ∂ϕ ∂ϕ
(t, x (t), y(t)) + f (t, x (t), y(t)) + g(t, x (t), y(t)) = 0 (12)
∂t ∂x ∂y
với mọi t ∈ ( a, b) và với mọi nghiệm ( x (t), y(t)) của hệ (7).
Trong Cách 2 của ví dụ trên, các hệ thức (10) và (11) chính là hai
THKT. Ta viết lại thành hai tích phân đầu như sau
ϕ1 = ( x + y)e−t = D1 , (13)
ϕ2 = ( x − y)et = D2 . (14)
Có thể kiểm tra các tích phân đầu ϕ1 , ϕ2 thỏa mãn hệ thức (12);
ngoài ra ϕ1 , ϕ2 độc lập vì
 
∂ϕ1 ∂ϕ1 !
 ∂x e t e−t
∂y 
det  ∂ϕ2 ∂ϕ2  = det et −et = −2 6= 0.
∂x ∂y
Khi biết một THKT thì có thể khử đi một biến pha, tức là qui về
hệ (n − 1) phương trình vi phân cấp một.
Các THKT có thể là hệ quả của nhau. Vì vậy ta cần khái niệm
sau đây về sự độc lập của các THKT.
Định nghĩa 6.4. Cho k < n. Các THKT {Φ j (t, x1 , x2 , . . . , xn )}kj=1 gọi
là độc lập nếu ma trận sau
 
∂Φ1 ∂Φ1
···
 ∂x1 ∂xn 
 . .. .. 
 .. . . 
 
 ∂Φ ∂Φk 
k
···
∂x1 ∂xn
có hạng bằng k.
Ta thừa nhận rằng khi biết k THKT độc lập thì có thể qui hệ ban
đầu về hệ (n − k ) phương trình vi phân cấp một.
Nội dung của phương pháp THKT là tìm n THKT độc lập hay n tích
phân đầu độc lập. Ta coi n THKT độc lập hay n tích phân đầu độc
lập chính là nghiệm của hệ vi phân (5). Dĩ nhiên, nghiệm xk =
xk (t, C1 , C2 , . . . , Cn ), k = 1, 2, . . . , n của hệ vi phân đó chính là n
THKT độc lập có dạng đặc biệt.
Trong thực hành, có thể kết hợp cả hai phương pháp. Cách 3 của
Ví dụ 6.24 trên chính là dùng cả hai phương pháp: ban đầu ta thu
được THKT và sau đó dùng phương pháp thế.
Ví dụ 6.25. Tìm nghiệm của hệ

1
x0 = −
y
1
y0 = .
x
Hệ xác định với x, y 6= 0. Nhân hai vế của phương trình thứ nhất
với y, phương trình thứ hai với x rồi cộng lại ta được ( xy)0 = 0 và
có tích phân đầu
xy = C.
y
Thế vào phương trình thứ hai, ta có y0 = . Từ đó,
C
y = Det/C
và
C −t/C
x=
e
D
trong đó các hằng số C, D độc lập với nhau và khác 0.
Ví dụ 6.26. Tìm nghiệm của bài toán Cauchy
x0 = −y
0 y2
y =
x
x (1) = 1
1
y (1) = − .
2
Dễ thấy hệ có tích phân đầu xy = C. Ta nên rút y = C/x và thay
vào phương trình đầu tiên (18) để có x 0 = −C/x. Từ đó
q
x = ± 2( D − tC )
với D − tC > 0 và y = C/x nên

C
y = ±p .
2( D − tC )
(18)Nếu thay vào phương trình thứ hai thì sẽ được phương trình vi phân cấp
hai và lời giải dài hơn.
p C
Do x (1) = 1 > 0 nên lấy x = 2( D − tC ) và y = p .
2( D − tC )
1
Ta có C = x (1)y(1) = − . Thay x (1) = 1, ta có 2( D − C ) = 1 hay
2
D = 0.
√ 1
Vậy nghiệm của bài toán trên là x = t, y = − √ .
2 t

 ẋ = y + z



ẏ = z + x


ż = x + y.

Đây là cách giải Lấy phương trình thứ nhất trừ phương trình thứ hai, phương trình
dùng tích phân thứ hai trừ phương trình thứ ba, ta được
đầu. Ta sẽ giải hệ
( x − y)0 = −( x − y) và (y − z)0 = −(y − z).
dùng Định lý cơ
bản ở phần sau Từ đó ta có 2 tích phân đầu
ϕ1 = ( x − y)e−t = C1 và ϕ2 = ( x − y)e−t = C2 .
Ta lại cộng cả 3 phương trình với nhau để có
( x + y + z ) 0 = 2( x + y + z ),
và nhận được tích phân đầu
ϕ3 = ( x + y + z)e−2t = C3 .
Các tích phân đầu ϕ1 , ϕ2 , ϕ3 độc lập vì

 
∂ϕ1 ∂ϕ1 ∂ϕ1
 ∂x  
 ∂y ∂z 
 1 −1 0
 ∂ϕ2 ∂ϕ2 ∂ϕ2 
rank   = rank 0 1 −1 = 3.

 ∂x ∂y ∂z 

1 1 1

 ∂ϕ3 ∂ϕ3 ∂ϕ3 
∂x ∂y ∂z
Vậy ta có nghiệm của hệ cho bởi 3 tích phân đầu


−t
 x − y = C1 e



y − z = C2 e−t

 x + y + z = C3 e−2t .


Chú ý: 1. Khi lấy phương trình thứ ba trừ phương trình thứ nhất, ta
thấy hệ còn có tích phân đầu
ϕ4 = (z − x )e−t = C4 .
Các tích phân đầu ϕ1 , ϕ2 , ϕ4 không độc lập vì

 
∂ϕ1 ∂ϕ1 ∂ϕ1
 ∂x  
 ∂y ∂z 
 1 −1 0
 ∂ϕ2 ∂ϕ2 ∂ϕ2 
rank   = rank 
 0 1 −1 = 2.

 ∂x ∂y ∂z 

−1 1 0

 ∂ϕ4 ∂ϕ4 ∂ϕ4 
∂x ∂y ∂z
Thật ra, ϕ1 + ϕ2 = ϕ4 .
2. Hệ trên có thể giải dùng phương pháp thế để qui về phương
trình tuyến tính với hệ số hằng như sau. Thế y0 , z0 sau khi đạo hàm
hai vế phương trình đầu, ta có x 00 = y0 + z0 = z + x + x + y = x 0 + 2x
hay
x 00 − x 0 − 2x = 0
là phương trình tuyến tính hệ số hằng cấp hai với các giá trị đặc
trưng −1 và 2. Từ đó,
x = D1 e−t + D2 e2t .
Tiếp theo, thế z0 sau khi đạo hàm hai vế phương trình thứ hai, ta có
y00 = z0 + x 0 = x + y + x 0 . Thay biểu thức x vừa tìm được vào, ta
nhận được
y00 − y = 3D2 e2t .
Dùng phương pháp hệ số bất định, ta dễ tìm được
y = D2 e2t + D3 et .
Cuối cùng, từ phương trình thứ hai, ta có z = y0 − x hay
y = − D1 e−t + D2 e2t + D3 et .
3. Ngoài ra, hệ trên có thể giải theo cách dùng Định lý cơ bản,
xem ở Ví dụ 6.43.
Ví dụ 6.28. Tìm nghiệm của hệ phương trình vi phân sau
z + ey z2 − e x + y
y0x = , z0x = .
z + ex z + ex
Lấy phương trình thứ hai nhân với e− x rồi cộng với phương trình
thứ nhất, ta được
z2 e − x − e y + z + e y z2 e − x + z
z0x e− x + y0x = = = ze−x
z + ex z + ex
hay (e− x z + y)0x = 0. Từ đó ta có tích phân đầu thứ nhất
e− x z + y = C1
z + ex 2 x +y
Để ý xy0 = và z 0 = z −e nên vai trò x và y là bình đẳng.
x
z + ey z + ex
Vậy ta có tích phân đầu thứ hai
e−y z + x = C2
Dễ kiểm tra hai tích phân đầu này độc lập, vì thế chúng xác định
nghiệm của hệ đã cho dưới dạng ẩn.
Để dễ tìm các THKT hay tích phân đầu, người ta thường dùng
dạng đối xứng của hệ vi phân (5):
dx1 dx2
dt = = = ···
f 1 (t, x1 , x2 , . . . , xn ) f 2 (t, x1 , x2 , . . . , xn )
dxn
··· = (15)
f n (t, x1 , x2 , . . . , xn )
và dùng các tính chất của dãy tỷ số bằng nhau sau đây: nếu
u1 u um
= 2 = ··· = =γ
v1 v2 vm
thì với mọi α1 , α2 , . . . , αm , ta có

α1 u1 + α2 u2 + · · · + α m u m
= γ. (16)
α1 v1 + α2 v2 + · · · + α m v m
Các đại lượng α1 , α2 , . . . , αm thường được chọn sao cho tử thức trong
vế trái của (16) là vi phân toàn phần và mẫu thức bằng 0.
Chẳng hạn, có thể tìm hai tích phân đầu trong Ví dụ 6.28 như
sau: Ta viết dạng đối xứng
dx dy dz
γ= = y = 2
z+e x z+e z − e x +y
rồi biến đổi

−ze−x dx dy e− x dz
γ= = =
− z2 e − x − z z + ey z2 e − x − e y
e− x dz − ze− x dx + dy d(ze− x + y)
= = .
0 0
Từ đó, ta có
ze− x + y = C1 .
là một tích phân đầu của hệ. Do vai trò của x và y bình đẳng, ta có
tích phân đầu thứ hai
ze−y + x = C2 .
z − 3x 2x − y
y0x = , z0x = .
3y − 2z 3y − 2z
Viết hệ dưới dạng đối xứng
dx dy dz
= = = γ.
3y − 2z z − 3x 2x − y
Trong (16), chọn α1 = 1, α2 = 2, và α3 = 3, ta có

d( x + 2y + 3z)
=γ
0
nên d( x + 2y + 3z) = 0. Từ đó, ta có
x + 2y + 3z = C1 (17)
Tương tự, chọn α1 = 2x, α2 = 2y, và α3 = 2z, ta có d( x2 + y2 + z2 ) =

0, nên
x2 + y2 + z2 = C2 (18)
Các hệ thức (17) và (18) là hai tích phân đầu cho nghiệm của hệ dưới
dạng ẩn.
Ví dụ 6.30. Dùng phương pháp thế, tìm nghiệm của hệ vi phân sau

 x 0 = 6x + x + t
1 1 2
 x 0 = 5x1 + 2x2 + 1.
2
Từ phương trình đầu tiên, rút ra
x2 = x10 − 6x1 − t.
Đạo hàm hai vế ta có
x20 = x100 − 6x10 − 1.
Thế x2 và x20 vào phương trình thứ hai, ta được
x100 − 6x10 − 1 = 5x1 + 2( x10 − 6x1 − t) + 1
hay
x100 − 8x10 + 7x1 = −2t + 2. (19)
Đây là phương trình hệ số hằng cấp hai. Đa thức đặc trưng λ2 −
8λ + 7 có hai nghiệm λ1 = 1 và λ2 = 7, nên HNCB của phương
trình thuần nhất là {et , e7t }.
Ta tìm nghiệm riêng của (19) dạng x1∗ = At + B. Thế vào (19), ta
có −8A + 7At + 7B = −2t + 2 nên 7A = −2 và −8A + 7B = 2. Từ
đó, A = −2/7, B = −2/49, và x1∗ = −2t/7 − 2/49.
Nghiệm của (19) cho bởi

2t 2
x1 = C1 et + C2 e7t − − .
7 49
Sử dụng x2 = x10 − 6x1 − t, ta thu được
5t 2
x2 = −5C1 et + C2 e7t + − .
7 49
Có thể tìm nghiệm của hệ trong Ví dụ 6.30 bằng phương pháp
THKT. Tuy nhiên lời giải sẽ phức tạp.
Việc biết dù chỉ một tích phân đầu cũng rất hữu ích. Trong một
số bài toán cơ học, chẳng hạn bài toán với 3 bậc tự do, khi biết một
tích phân đầu, ta có thể chuyển về bài toán với 2 bậc tự do.
Ví dụ 6.31. Trong một quần thể, tại thời điểm t, quan hệ loài thú x (t)
và loài mồi y(t) được mô hình bởi hệ Lotka-Volterra dạng

 x 0 = − x + xy
y0 = y − xy.
Tìm một tích phân đầu của hệ Lotka-Volterra trên.

Xét dạng đối xứng
dx dy
dt = =
− x + xy y − xy
dx dy
= = .
x ( y − 1) y (1 − x )
Từ đó
(1 − x )dx (y − 1)dy
= .
x y
Tích phân hai vế ta được tích phân đầu (19)

x − ln x + y − ln y = C.
(19) Có bài toán mở thú vị ở đây: Ý nghĩa sinh học cho x − ln x là gì? Tôi chỉ có
thể đoán rằng nó liên quan đến sinh khối (biomass) và ( x − ln x + y − ln y) là đại
lượng tương tự năng lượng được bảo toàn của các hệ cơ học. Độc giả nào có câu
trả lời xin cho tôi biết!
Hình 6.19: Quỹ đạo tuần hoàn của hệ Lotka-Volterra
Dùng Maple, ta thấy tích phân đầu này cho các quỹ đạo tuần hoàn
của hệ (xem Hình 6.19).
Ví dụ 6.32. Tìm qũy đạo pha của hệ ô-tô-nôm
x2
ẋ = , ẏ = x
y
đi qua điểm M(2, 3).

Đạo hàm hai vế của phương trình thứ hai, x 0 = y00 rồi thế vào
phương trình đầu tiên, ta có
2
yy00 − y0 = 0.
Do y 6= 0, ta có thể chia hai vế cho y2 và nhận được

0 0
y
= 0.
y
Từ đó, y0 = C1 y và
y = C2 eC1 t .
Cuối cùng, do y = x 0 nên
x = C1 C2 eC1 t .
Khử t từ nghiệm, ta có
x = C1 y.
Đây là phương trình xác định bức tranh pha, tức là xác định mọi
quỹ đạo pha. Thay điểm M (2, 3) vào hệ thức trên, ta có C1 = 2/3.
3
Vậy quỹ đạo pha đi qua M (2, 3) là đường thẳng y = x.
2
Ta sẽ phát biểu một kết quả lý thuyết về sự tồn tại n tích phân
đầu độc lập.
6.2.2 Một số kỹ thuật tìm nghiệm khác

Phép đổi biến có thể được dùng giải một số hệ vi phân, chẳng hạn
đổi biến sang tọa độ cực.
Ví dụ 6.33. Giải hệ vi phân sau
x0 = x + y
y0 = − x + y.
Ta đổi biến sang tọa độ cực ta đổi biến sang tọa độ cực (20)
x = r cos ϕ
y = r sin ϕ.
Dễ tính được
r0 = 1
ϕ0 = −1.
Từ đó, r = C + t và ϕ = D − t. Chuyển về biến x, y, ta có nghiệm

của hệ cần tìm là
x = (C + t) cos( D − t)
y = (C + t) sin( D − t).
Ví dụ 6.34. Giải hệ vi phân sau
x 0 = − y + x ( x 2 + y2 )
y 0 = x + y ( x 2 + y2 ).
(20) Các công thức sau có thể hữu ích: r 0 = ( xx 0 + yy0 )/r, ϕ0 = (y0 x − x 0 y)/r2 ,
x0 = r 0 cos ϕ − rϕ0 sin ϕ, x 0 = r 0 sin ϕ + rϕ0 cos ϕ.
Với ( x, y) 6= (0, 0), ta đổi biến sang tọa độ cực x = r cos ϕ, y =

r sin ϕ. Để ý x2 + y2 = r2 và thế vào hệ ban đầu, ta được
r 0 cos ϕ − rϕ0 sin ϕ = −r sin ϕ + r3 cos ϕ

r 0 sin ϕ + rϕ0 cos ϕ = r cos ϕ + r3 sin ϕ.
Nhân phương trình thứ nhất với cos ϕ, phương trình thứ hai với
sin ϕ rồi cộng lại; nhân phương trình thứ nhất với (− sin ϕ), phương
trình thứ hai với cos ϕ rồi cộng lại, ta thu được hệ vi phân tách sau
r 0 = r3
ϕ0 = −1.
1
Giải hệ này ta có r2 = và ϕ = D − t. Trở lại các biến ban đầu
C − 2t
ta được nghiệm của hệ ban đầu
1
x 2 + y2 =
C − 2t
y = x tan( D − t).
Ngoài ra hệ có nghiệm tầm thường (0, 0).

Ví dụ 6.35. Một chất điểm khối lượng m chuyển động trong mặt
phẳng và bị hút vào tâm O theo một lực tỉ lệ với khoảng cách. Chất
điểm xuất phát từ điểm A cách tâm a đơn vị khoảng cách, và với
vận tốc ban đầu có độ lớn v0 theo hướng vuông góc với OA. Tìm
quỹ đạo chuyển động.
Đặt hệ tọa độ trên mặt phẳng có tâm O trùng với gốc tọa độ và
điểm A có tọa độ ( a, 0). Quỹ đạo chuyển động γ(t) = ( x (t), y(t))
xuất phát từ A có vec-tơ vận tốc v(t) = ( x 0 (t), y0 (t)), vec-tơ gia tốc
a(t) = ( x 00 (t), y00 (t)).
Phương trình chuyển động tuân theo Định luật 2 Newton F (t) =
ma(t), và theo giả thiết F (t) = −k2 ( x (t), y(t)) với k2 là hằng số tỉ lệ
của lực hướng tâm. Ta có hệ sau
 
mx 00 = −k2 x  x 00 + w2 x = 0
hay
my00 = −k2 y. y00 + w2 y = 0
√
với w = k2 /m. Hệ trên là tách, và có nghiệm
x = C1 cos wt + C2 sin wt
y = D1 cos wt + D2 sin wt.
Chất điểm xuất phát từ A có nghĩa là x (0) = a, y(0) = 0, nên C1 =
a và D1 = 0. Chất điểm xuất phát với vận tốc (0, v0 ) có nghĩa là
x 0 (0) = 0, y0 (0) = v0 , nên C2 = 0 và D2 = v0 /w. Nghiệm của hệ trở
thành
x = a cos wt
v0
y = sin wt,
w
chính là phương trình tham số của chuyển động. Khử biến t, ta có
x 2 k 2 y2
+ = 1.
a2 mv20
Phương trình chuyển động là ellipse. Để ý rằng tâm O là một trong
hai tiêu điểm của ellipse trên (21) .
Ta dùng phương pháp thế để giải hệ trong Ví dụ 6.13.
Ví dụ 6.36.
x 00 = −2x + y
y00 = x − 2y.
Từ phương trình thứ nhất, rút ra y = x 00 + 2x. Đạo hàm phương
trình thứ nhất hai lần theo t, ta có x (4) = −2x 00 + y00 = −2x 00 + x +
2y = −2x 00 + x + 2( x 00 + 2x ). Từ đó,
x (4) + 4x 00 + 3x = 0.
Phương
√ trình đặc trưng λ4 + 4λ2 + 3 = 0 có các nghiệm ±i và
±i 3, nên
√ √
x = C1 cos t + C2 sin t + C3 cos t 3 + C4 sin t 3.
Do y = x 00 + 2x, ta dễ tính được
√ √
y = C1 cos t + C2 sin t − C3 cos t 3 − C4 sin t 3.
(21)
Liên hệ với chuyển động của trái đất xung quanh mặt trời và của mặt trăng
xung quanh trái đất.
6.3 Hệ tuyến tính thuần nhất

Xét hệ phương trình vi phân tuyến tính thuần nhất
x 0 = A(t) x (H)
với x ∈ Rn , t ∈ ( a, b) ⊂ R, a, b hữu hạn hoặc vô hạn, A(t) là ma trận
vuông cấp n. Hệ ( H ) có thể được viết lại như sau
dx1


 = a11 (t) x1 + a12 (t) x2 + · · · + a1n (t) xn

 dt
 dx2 = a (t) x + a (t) x + · · · + a (t) x



21 1 22 2 2n n
dt



 ..........................................................
 dxn = a (t) x + an2 (t) x2 + · · · + ann (t) xn



n1 1
dt
trong đó
   
x1 a11 (t) a12 (t) · · · a1n (t)
 x2   a21 (t) a22 (t) · · · a2n (t) 
   
x =  .  , A(t) = ( aij (t)) =  .
   .. .. .
.. 
..  . . . . . 
xn an1 (t) an2 (t) · · · ann (t)
Giả sử A(t) là hàm liên tục theo t, tức là các phần tử aij (t) liên
tục theo t. Khi đó theo định lý tồn tại duy nhất nghiệm thì với mọi
t0 ∈ ( a, b), x0 ∈ Rn , hệ ( H ) có duy nhất nghiệm x (t) thỏa mãn
x (t0 ) = x0 . Hơn nữa, theo định lý thác triển nghiệm thì nghiệm x (t)
này là toàn cục, tức là xác định trên toàn khoảng ( a, b).
Dễ thấy nghiệm của hệ tuyến tính thuần nhất có các tính chất
sau đây.
Tính chất 1. Hàm x (t) = 0, t ∈ ( a, b) luôn là nghiệm của ( H ).

Ta gọi nghiệm này là nghiệm tầm thường.
Tính chất 2. Nếu x (t), y(t) là hai nghiệm của ( H ) và α, β là các
hằng số thì
αx (t) + βy(t)
cũng là nghiệm của ( H ).
6.3. Hệ tuyến tính thuần nhất 49
Nói cách khác, tập hợp tất cả các nghiệm của hệ ( H ) lập thành
không gian con của không gian các hàm liên tục trên ( a, b). Để xác
định một không gian, ta cần biết một cơ sở của nó. Khái niệm hệ
nghiệm cơ bản sau đây chính là cơ sở của không gian các nghiệm
của ( H ). Đó là lí do cần nghiên cứu sự độc lập tuyến tính của các
nghiệm và hệ nghiệm cơ bản.
Các phương trình tuyến tính cấp cao được trình bày trong các
chương trước theo trình tự sau: sự độc lập tuyến tính của hệ hàm
và quan hệ với định thức Wronski; công thức Abel; hệ nghiệm cơ
bản và cấu trúc nghiệm của hệ thuần nhất. Chúng ta vẫn dùng trình
tự này cho hệ phương trình vi phân tuyến tính nhưng đồng thời với
trình bày lý thuyết dựa trên khái niệm hệ nghiệm cơ bản, chúng ta
cũng sẽ viết lại kết quả theo ma trận cơ bản và ma trận tiến hóa.
Lợi ích của việc này là các kết quả được viết dưới dạng gọn gàng và
hiện đại hơn. Ngoài ra, nó cũng giúp sinh viên làm quen với cách
ký hiệu và kết quả ban đầu của lý thuyết định tính các hệ động lực
sinh bởi phương trình vi phân.
6.3.1 Độc lập tuyến tính và định thức Wronski
Trong mục này, ta sẽ ký hiệu kí hiệu này phù

hợp với ký hiệu
 n thông dụng của

 x1k (t)   định thức Wron-
 
 x2k (t) 

 
ski và ma trận cơ
B = { xk (t)}nk=1 =  .. 



  .  bản

 x (t)  
nk k =1
là hệ n hàm vec-tơ xác định trên khoảng ( a, b).

Định nghĩa 6.5. Hệ hàm B gọi là độc lập tuyến tính trên ( a, b)
nếu từ
n
∑ αk xk (t) = 0
k =1
với mọi t ∈ ( a, b), ta suy ra α1 = α2 = · · · = αn = 0.

Hệ hàm B gọi là phụ thuộc tuyến tính trên ( a, b) nếu nó không
độc lập tuyến tính trên ( a, b), tức là, tồn tại (α1 , α2 , . . . , αn ) 6=
(0, 0, . . . , 0) sao cho ∑nk=1 αk xk (t) = 0 với mọi t ∈ ( a, b).
Dễ thấy hệ hàm B độc lập tuyến tính nếu và chỉ nếu có một hệ
hàm thành phần { x jk (t)}nk=1 độc lập tuyến tính với j nào đó. Bổ đề
sau hữu ích cho việc xây dựng hệ nghiệm độc lập tuyến tính của hệ
vi phân hệ số hằng.
Bổ đề 6.4. Hệ hàm vec-tơ {eλ1 t v1 (t), eλ2 t v2 (t), . . . , eλk t vk (t)} độc lập
tuyến tính nếu và chỉ nếu
• hoặc {λ1 , λ2 , . . . , λk } đôi một khác nhau;
• hoặc {v1 (t), v2 (t), . . . , vk (t)} độc lập tuyến tính.
Chứng minh bổ đề coi như bài tập (xem Bài tập 16 ở cuối chương).
Từ bổ đề trên, ta có một loạt ví dụ về hệ hàm độc lập tuyến tính.
Ví dụ 6.37. Các hệ hàm sau đều độc lập tuyến tính:

{eλ1 t v, eλ2 t v, . . . , eλk t v}, với {λ1 , λ2 , . . . , λk } đôi một khác nhau;
{eλt v1 , eλt v2 , . . . , eλt vk } với {v1 , v2 , . . . , vk } độc lập tuyến tính;
{eλt v1 , teλt v2 , . . . , tk−1 eλt vk } với {v1 , v2 , . . . , vk } độc lập tuyến tính.
Định nghĩa 6.6. Định thức Wronski của hệ hàm { xk (t)}nk=1 là

đại lượng

x (t) x (t) · · · x (t)
11 12 1n
x21 (t) x22 (t) · · · x2n (t)

W (t) = W [ x1 (t), . . . , xn (t)] = .
.. .. .. .
. . . . .

xn1 (t) xn2 (t) · · · xnn (t)
(20)
Liên hệ ban đầu giữa đại số tuyến tính và phương trình vi phân
được thể hiện trong kết quả dưới đây.
Định lý 6.5. Gọi { xk (t)}nk=1 hệ nghiệm của ( H ). Khi đó, các phát
biểu sau là tương đương
(i) Hệ hàm { xk (t)}nk=1 độc lập tuyến tính;
(ii) Tồn tại s0 ∈ ( a, b) để hệ vec-tơ { xk (s0 )}nk=1 độc lập tuyến tính;
(iii) W (t) 6= 0 với mọi t ∈ ( a, b);
(iv) Tồn tại t0 ∈ ( a, b) để W (t0 ) 6= 0.
Định lý trên cho chúng ta công cụ giải tích tiện lợi để xét sự
độc lập tuyến tính trên khoảng ( a, b) của hệ nghiệm của hệ vi phân
tuyến tính thuần nhất: thay vì dùng định nghĩa, ta dùng định thức
Wronski; thay vì xét trên toàn khoảng ( a, b), ta chỉ cần xét tại một
điểm bất kỳ trong ( a, b).
Về mặt hình học, định lý là trực quan nếu ta để ý rằng định thức
Wronski là thể tích của hình hộp tạo bởi các nghiệm, và định thức
này suy biến (bằng 0) khi hình hộp này suy biến, tức là có một cạnh
biểu diễn tuyến tính qua các cạnh khác.
Giả thiết B gồm các nghiệm của hệ ( H ) là cốt yếu. Định lý trên
không đúng nếu bỏ giả thiết này, xem ví dụ sau.
! !
t2 t|t|
Ví dụ 6.38. Các hàm và là độc lập tuyến tính trên R.
t2 t|t|
! !
t2 t|t|
Thật vậy, từ α +β = 0, cho t = ±1 ta được α ± β = 0
t2 t|t|
nên α = β = 0.
Tuy nhiên, định thức Wronski của chúng đồng nhất bằng 0 do

t2 t | t |
W (t) = 2 ≡ 0.

t t|t|
Chứng minh. Với hệ hàm B bất kỳ, (iii)→ (iv) là hiển nhiên; (iv)→
(i) vì nếu B phụ thuộc tuyến tính thì hệ vec-tơ cột của B cũng phụ
thuộc tuyến tính , và định thức W (t) = 0 với mọi t theo kết quả
quen thuộc của Đại số tuyến tính. Vậy ta chỉ cần chứng minh (i)→
(iii). Lúc này ta sẽ cần giả thiết B là hệ nghiệm của hệ vi phân ( H )
nào đó.
Thật vậy, giả sử ngược lại, B độc lập tuyến tính nhưng tồn tại
t0 ∈ ( a, b) để W (t0 ) = 0. Xét bài toán giá trị ban đầu

 x 0 = A(t) x
(21)
 x (t0 ) = 0.
Do B hệ nghiệm của ( H ) nên theo Tính chất 2,
y(t) = C1 x1 (t) + C2 x2 (t) + · · · + Cn xn (t)
cũng là nghiệm của ( H ). Để y(t) là nghiệm của bài toán (21) thì
y(t0 ) = 0, nghĩa là
C1 x1 (t0 ) + C2 x2 (t0 ) + · · · + Cn xn (t0 ) = 0
hay



 C1 x11 (t0 ) + C2 x12 (t0 ) + · · · + Cn x1n (t0 ) = 0

C1 x21 (t0 ) + C2 x22 (t0 ) + · · · + Cn x2n (t0 ) = 0




 ···············


C1 xn1 (t0 ) + C2 xn2 (t0 ) + · · · + Cn xnn (t0 ) = 0.

Hệ đại số tuyến tính này có định thức chính là W (t0 ) = 0, vì thế có

vô số nghiệm. Nói riêng, nó có nghiệm (C10 , C20 , . . . , Cn0 ) 6= (0, 0, . . . , 0).
Vậy y(t) = C10 x1 (t) + C20 x2 (t) + · · · + Cn0 xn (t) là nghiệm của bài
toán (21). Mặt khác, z(t) = 0 rõ ràng cũng là nghiệm của bài toán
(21). Theo định lý tồn tại duy nhất nghiệm,
C10 x1 (t) + C20 x2 (t) + · · · + Cn0 xn (t) = 0
với mọi t ∈ ( a, b), nghĩa là hệ B phụ thuộc tuyến tính. Mâu thuẫn
với giả sử B độc lập tuyến tính .
6.3.2 Công thức Abel

Từ nay trở đi, ta sẽ luôn ký hiệu B = { xk (t)}nk=1 là hệ n nghiệm của
hệ vi phân ( H ). Hai công thức sau đây
!
Z n
W (t) = C exp ∑ akk (t)dt (22)
k =1
và !
Z t n
W (t) = W (t0 ) exp ∑ akk (ξ )dξ
t0 k =1
(23)
tương đương nhau, và được gọi là các công thức Abel, hay công thức
Ostrogradski - Liouville. Chúng là hệ quả trực tiếp của phương trình
vi phân vô hướng
!
n
W 0 (t) = ∑ akk (t) W ( t ). (24)
k =1
Công thức Abel cho thông tin về nghiệm, cụ thể là định thức Wron-
ski, ngay cả khi chưa tính được nghiệm. Điều này hữu ích đối với
các hệ khó giải hoặc không giải được nghiệm theo các hàm sơ cấp.
Ý nghĩa hình học của công thức Abel. Công thức Abel cho chúng
ta qui luật tiến hóa theo thời gian của thể tích hình hộp tạo bởi các
nghiệm của hệ tuyến tính thuần nhất.
Để chứng minh công thức Abel, ta chỉ cần chứng minh (24). Thật
vậy, theo định nghĩa và công thức tính đạo hàm của định thức, ta có
W 0 (t) =

x 0 (t) x 0 (t) ··· 0 (t)
x1n x11 (t) x12 (t) · · · x1n (t)

11 12
0 0 ( t ) · · · x 0 ( t )
x21 (t) x22 (t) ··· x2n (t) x21 (t) x22

2n
= . .. .. .. + .. .. .. .. +
.. . . . . . . .

xn1 (t) xn2 (t) · · · xnn (t) xn1 (t) xn2 (t) · · · xnn (t)

x (t)
11 x12 (t) · · · x1n (t)
x21 (t) x22 (t) · · · x2n (t)

+ · · · + . .. .. .. = M1 + M2 + · · · + Mn .
.. . . .
0 0 0

x (t)
n1 xn2 (t) · · · xnn (t)
Trong số hạng đầu tiên bên vế phải,

x 0 (t) x 0 (t) · · · 0 (t)
x1n
11 12
x21 (t) x22 (t) · · · x2n (t)

M1 = . .. .. .. ,
.. . . .

xn1 (t) xn2 (t) · · · xnn (t)
các phần tử của hàng đầu tiên được biểu diễn như sau
0
x11 (t) = a11 (t) x11 (t) + a12 (t) x21 (t) + · · · + a1n (t) xn1 (t)
0
x12 (t) = a11 (t) x12 (t) + a12 (t) x22 (t) + · · · + a1n (t) xn2 (t)
.........
0
x1n (t) = a11 (t) x1n (t) + a12 (t) x2n (t) + · · · + a1n (t) xnn (t).
Vậy hàng đầu tiên của M1 được biểu diễn qua các hàng còn lại
   
0 (t)
x11 x11 (t)
 
xn1 (t)
 0
 x12 (t)   x12 (t) 
    x (t) 
 .  = a11 (t)  .  + · · · + a1n (t)  n2
,

 .   .  
··· 
 .   .  
0 (t)
x1n x1n (t) xnn (t)
nên
x (t) x (t) · · · x1n (t)
11 12
x21 (t) x22 (t) · · · x2n (t)

M1 = a11 (t) . .. .. .. ,
.. . . .

xn1 (t) xn2 (t) · · · xnn (t)
tức là M1 = a11 (t)W (t).
Tương tự, ta có Mk = akk (t)W (t). Cuối cùng,
!
n n
W 0 (t) = ∑ Mk = ∑ akk (t) W ( t ).
k =1 k =1
Vậy (24) được chứng minh.
6.3.3 Hệ nghiệm cơ bản - Ma trận cơ bản - Ma trận

tiến hóa
Định nghĩa 6.7. Hệ nghiệm cơ bản (HNCB) của ( H ) là hệ gồm

n nghiệm độc lập tuyến tính, hay tương đương, hệ n nghiệm
có định thức Wronski W (t) khác 0.
Sự tương đương trong định nghĩa trên là do Định lý 6.5. Ta sẽ

chỉ ra rằng tồn tại vô số HNCB. Thật vậy, ta xây dựng như sau:
chọn t0 ∈ ( a, b) và D là ma trận không suy biến bất kỳ, và với mọi
k = 1, . . . , n, gọi xk (t) là nghiệm duy nhất của hệ ( H ) với điều kiện
ban đầu xk (t0 ) bằng cột thứ k của ma trận D. Khi đó, hệ n nghiệm
{ xk (t)}nk=1 có định thức Wronski W (t) khác 0 vì W (t0 ) = det D 6= 0
theo cách chọn ma trận D. Vậy { xk (t)}nk=1 là HNCB. Do có vô số ma
trận không suy biến D, và xuất phát từ hai ma trận khác nhau ta thu
được hai HNCB khác nhau, nên có vô số HNCB.
Trong xây dựng trên, nếu ta chọn t0 = 0 và D = E là ma trận đơn
vị thì ta thu được HNCB chuẩn tắc. Cụ thể hơn, HNCB { xk (t)}nk=1
gọi là chuẩn tắc nếu xk (0) = ek , trong đó ek là vec-tơ cột mà thành
phần thứ k bằng 1 và các thành phần khác bằng 0. Vậy tồn tại duy
nhất HNCB chuẩn tắc. HNCB chuẩn tắc là HNCB "đẹp nhất" trong
số các HNCB.
Định nghĩa 6.8. Ma trận X (t) gọi là ma trận cơ bản (MTCB)

của ( H ) nếu
X (t) = ( x1 (t)| x2 (t)| · · · | xn (t)) (25)
trong đó { xk (t)}nk=1 là một HNCB nào đó của ( H ).
Như vậy, mỗi cột của MTCB là một nghiệm trong HNCB, và
MTCB luôn là ma trận không suy biến (có ma trận nghịch đảo) do
các vec-tơ cột là độc lập tuyến tính . Do có vô số HNCB nên cũng có
vô số MTCB.
Hệ thức (25) được viết như sau
 
x11 (t) x12 (t) · · · x1n (t)
 x21 (t) x22 (t) · · · x2n (t) 
 
X (t) = 
 .. .. .. ..   = ( xij (t)).
 . . . . 
xn1 (t) xn2 (t) · · · xnn (t)
Quan hệ giữa MTCB và định thức Wronski là rõ ràng
det X (t) = W (t).
MTCB chuẩn tắc là MTCB sinh bởi HNCB chuẩn tắc, tức là MTCB
U (t) mà U (0) = E - ma trận đơn vị. Vậy theo định nghĩa, tồn tại duy
nhất MTCB chuẩn tắc. MTCB chuẩn tắc là MTCB "đẹp nhất" trong
số các MTCB. Khi biết MTCB X (t) của hệ ( H ) thì MTCB chuẩn tắc
cho bởi
U ( t ) = X ( t ) X −1 (0 ). (26)
Do tồn tại duy nhất MTCB chuẩn tắc, công thức (26) không phụ
thuộc vào MTCB X (t). Một số tính chất khác của MTCB được cho
trong mệnh đề sau.
Mệnh đề 6.6. (i) Mọi MTCB đều thỏa mãn phương trình vi phân sinh ra
nó. Cụ thể hơn, X (t) là MTCB nếu và chỉ nếu
X 0 ( t ) = A ( t ) X ( t ), X ( t0 ) = D
với D là ma trận không suy biến.

(ii) Hai MTCB bất kỳ sai khác nhau một hằng ma trận nhân, tức là với
hai MTCB tùy ý X (t), Y (t), tồn tại ma trận K sao cho
Y (t) = X (t)K.
Chứng minh. (i) Hệ thức X 0 (t) = A(t) X (t) tương đương với
( x1 (t)| x2 (t)| · · · | xn (t))0 = A(t)( x1 (t)| x2 (t)| · · · | xn (t)),
( x10 (t)| x20 (t)| · · · | xn0 (t)) = A(t)( x1 (t)| x2 (t)| · · · | xn (t)),
hay xk0 (t) = A(t) xk (t) với k = 1, 2, . . . , n, tức là { xk (t)}nk=1 là hệ n
nghiệm.
Điều kiện det X (t0 ) 6= 0 khi đó nghĩa là hệ n nghiệm này độc lập
tuyến tính , tức hệ đó là HNCB và X (t) là MTCB.
(ii) Từ hệ thức X −1 (t) X (t) = E, ta tính đạo hàm theo t để có
( X −1 (t))0 X (t) + X −1 (t) X 0 (t) = 0 hay
( X −1 (t))0 = − X −1 (t) X 0 (t) X −1 (t).
Từ đó,
d −1
X (t)Y (t) = ( X −1 (t))0 Y (t) + X −1 (t)Y 0 (t)
dt
= − X − 1 ( t ) X 0 ( t ) X − 1 ( t )Y ( t ) + X − 1 ( t )Y 0 ( t )
= − X − 1 ( t ) A ( t ) X ( t ) X − 1 ( t )Y ( t ) + X − 1 ( t ) A ( t )Y ( t )
= − X − 1 ( t ) A ( t )Y ( t ) + X − 1 ( t ) A ( t )Y ( t ) = 0
nên tồn tại ma trận hằng K sao cho X −1 (t)Y (t) = K hay Y (t) =
X (t)K.
Cách chứng minh khác dựa vào công thức (26) như sau: do U (t) =
X (t) X −1 (0) = Y (t)Y −1 (0) nên X −1 (t)Y (t) = K với K = X −1 (0)Y (0).

Định nghĩa 6.9. Ma trận tiến hóa (MTTH) U (t, s) của ( H ) được
xác định bởi
U (t, s) = X (t) X −1 (s) (27)
với X (t) là MTCB.
Hình 6.20: Ma trận tiến hóa và ma trận cơ bản
Thuật ngữ "tiến hóa" (evolution) (22) ở đây mang hàm ý "sự phát
triển, sự biến thiên, sự thay đổi" của nghiệm phương trình vi phân.
Xem Hình 6.20 (cũng xem Hình 6.22 ở mục tiếp theo) minh họa hình
học của MTTH. Các tính chất sau của MTTH trực tiếp suy ra từ định
nghĩa.
Mệnh đề 6.7. Với mọi số thực t, r, s, mọi MTCB X (t), ta có

(i) U (t, r )U (r, s) = U (t, s) (tính chất đối xích),
(ii) U (t, t) = E,
(iii) U (t, s) khả nghịch và U (t, s)−1 = U (s, t)
(iv) X (t) = U (t, 0) X (0).
(22) Nó không liên quan đến thuyết tiến hóa của Darwin. Thực ra thuyết Darwin
chỉ là một giả thuyết, phỏng đoán và chưa từng được chứng minh qua bất cứ thực
nghiệm nào.
Do Mệnh đề 6.6(ii), nên với bất kỳ MTCB Y (t), ta có
Y ( t )Y − 1 ( s ) = X ( t ) K ( X ( s ) K ) − 1
= X (t)KK −1 X −1 (s) = X (t) X −1 (s).
Vậy với mỗi t, s ∈ R chỉ có duy nhất (23) một MTTH U (t, s). Theo
truyền thống và để thuận tiện, ta dùng cùng ký hiệu U cho MTCB
chuẩn tắc U (t) và MTTH U (t, s) và điều này không gây ra nhầm lẫn
nào. Quan hệ giữa chúng đơn giản là
U (t, s) = U (t)U −1 (s).
Ba khái niệm HNCB, MTCB, MTTH là tương đương nhau theo nghĩa
nếu tính ra một trong ba khái niệm thì có thể tính ra hai khái niệm
còn lại. Trong mục tiếp theo chúng ta sẽ thấy cả ba khái niệm đều
cho cấu trúc nghiệm tổng quát của hệ vi phân ( H ).
Các khái niệm HNCB chuẩn tắc, MTCB chuẩn tắc, MTTH thường
dùng trong các vấn đề lý thuyết. Trong thực hành tìm nghiệm của
hệ vi phân ( H ), ta chỉ cần tìm HNCB hay MTCB bất kỳ. Cũng chú ý
rằng có thể tìm nghiệm của hệ tuyến tính ( H ) theo một số cách khác
như phương pháp thế, phương pháp tổ hợp khả tích, . . . .
Với hệ một chiều x 0 = a(t) x, HNCB chỉ gồm một nghiệm
Rt
t0 a(ξ )dξ
x (t) = e ;
MTCB và MTTH lần lượt là

Rt Rt
a(ξ )dξ a(ξ )dξ
X (t) = e 0 và X (t, s) = e s .
Không có thuật toán tổng quát để tìm HNCB, MTCB, MTTH với
các hệ có số chiều từ hai trở lên. Một số trường hợp đặc biệt như
trường hợp hệ số hằng A(t) = A với mọi t hay hệ số tuần hoàn
A(t + T ) = A(t) với mọi t thì ta có thể tính được công thức cho
MTCB.
(23)Thật ra mọi hệ có tính duy nhất nghiệm thì có thể định nghĩa toán tử tiến
hóa đẩy dọc theo nghiệm. Với hệ tuyến tính thì toán tử này là toán tử tuyến tính,
tức là ma trận tiến hóa.
Hình 6.21: Không gian nghiệm là bao tuyến tính của HNCB
6.3.4 Cấu trúc nghiệm của hệ tuyến tính thuần nhất
Ta sẽ chỉ ra trong mục này rằng tập các nghiệm của hệ vi phân tuyến
tính ( H ) có cấu trúc của một không gian tuyến tính với cơ sở là
HNCB.
Định lý 6.8. Gọi { xk (t)}nk=1 là hệ nghiệm cơ bản của ( H ). Khi đó
mọi nghiệm của ( H ) cho bởi
n
x (t) = ∑ Ck xk (t) (28)
k =1
trong đó Ck , k = 1, . . . , n, là các hằng số thực tùy ý.
Hệ quả là nếu gọi S là không gian các nghiệm của hệ vi phân

thuần nhất ( H ) thì
dim S = n.
Định lý 6.9. Gọi X (t) là ma trận cơ bản của ( H ). Khi đó mọi

nghiệm của ( H ) cho bởi
x (t) = X (t)C (29)
trong đó C ∈ Rn là hằng vec-tơ thực tùy ý.
Định lý 6.10. Gọi X (t, s) là ma trận tiến hóa của ( H ). Khi đó mọi
nghiệm của ( H ) cho bởi
x (t) = X (t, s) x (s). (30)
Tính chất đối xích chính là tính duy nhất nghiệm. Thật vậy, (6.7)
nghĩa là U (t, r )U (r, s) p = U (t, s) p với mọi p ∈ Rn . Ta có vế phải
x (t) = U (t, s) p là giá trị tại t của nghiệm x (·) đi qua điểm (s, p) =
(s, x (s)). Giá trị U (r, s) p là giá trị tại r của nghiệm đi qua điểm (s, p).
Vế phải y(t) = U (t, r )U (r, s) p là giá trị tại t của nghiệm y(·) đi qua
điểm (r, U (r, s) p); nói riêng y(s) = U (t, s) p = x (s). Vậy tính chất
đối xích nghĩa là các nghiệm cùng đi qua (s, p) tùy ý thì trùng nhau,
hay bài toán Cauchy của ( H ) chỉ có duy nhất nghiệm (xem Hình ).
Hình 6.22: Ma trận tiến hóa đẩy dọc theo đường cong nghiệm
Ba định lý trên là tương đương nhau. Các công thức (28) và (30)
là tương đương do chọn C = (c1 , c2 , . . . , cn ) T . Từ công thức (29), ta

có C = X (t) x (t) = X (s) x (s), suy ra (30). Ngược lại, từ (30) ta nhận
được (29) với C = X −1 (s) x (s).
Về mặt hình học, công thức (28) cho biết nghiệm x (t) nằm trong
bao tuyến tính sinh bởi các nghiệm của HNCB (xem Hình 6.21).
Công thức (30) cho ta biết quy luật tiến hóa của các nghiệm, nói cách
khác, ma trận tiến hóa U (t, s) là ma trận đẩy dọc theo mọi đường
cong nghiệm của hệ, từ thời điểm s đến thời điểm t (xem Hình 6.22).
Mặc dù ba định lý trên là tương đương nhau, nhưng chúng ta sẽ
chứng minh cả Định lý 6.8 và Định lý 6.9 để thấy rằng việc sử dụng
MTCB tiện lợi, ngắn gọn hơn HNCB trong các tính toán lý thuyết
cũng như thực hành.
Chứng minh Định lý 6.8. Theo Tính chất 2, hệ thức (28) là nghiệm của
( H ).
Ngược lại, ta cần chỉ ra mọi nghiệm x (t) của ( H ) đều có dạng
(28), tức là cần chỉ ra tồn tại các hằng số Ck , k = 1, 2, . . . , n, sao cho
n
x (t) = ∑ Ck xk (t).
k =1
Cố định t = t0 nào đó trong ( a, b), ta có

       
x1 ( t ) x11 (t) x21 (t) xn1 (t)
 x2 ( t )   x (t)   x (t)   x (t) 
       
 .  = C1  12.  + C2  22.  + · · · + Cn  2n. 
 .   .   .   . 
 .   .   .   . 
xn (t) x1n (t) x2n (t) xnn (t)
hay



 x11 (t0 )C1 + x12 (t0 )C2 + · · · + x1n (t0 )Cn = x1 (t0 )

x21 (t0 )C1 + x22 (t0 )C2 + · · · + x2n (t0 )Cn = x2 (t0 )




 ..........................................................


xn1 (t0 )C1 + xn2 (t0 )C2 + · · · + xnn (t0 )Cn = xn (t0 ).

Đây là hệ phương trình đại số tuyến tính đối với (C1 , C2 , . . . , Cn ) có

định thức chính là định thức Wronski W (t0 ) của HNCB.
Do W (t0 ) 6= 0 nên tồn tại duy nhất Ck = Ck (t0 , x1 , x2 , . . . , xn ) với

mọi k = 1, 2, . . . , n. Từ đó có điều phải chứng minh
Chứng minh Định lý 6.9. Do X (t)C là tổ hợp tuyến tính của các nghiệm
trong HNCB nên theo Tính chất 2, hệ thức (29) là nghiệm của ( H ).
Ngược lại, ta cần chỉ ra mọi nghiệm x (t) của ( H ) đều có dạng (29),
tức là cần chỉ ra tồn tại các hằng vec-tơ C sao cho x (t) = X (t)C. Do
X (t) khả nghịch, ta thu được ngay C = X −1 (t0 ) x (t0 ) với t0 nào đó
trong ( a, b).
Ta minh họa phần lý thuyết trình bày ở trên bằng một vài ví dụ.
Ví dụ 6.39. Giải và tìm HNCB, MTCB của hệ phương trình sau

x0 = x − y
y0 = −4x + y.
Ta dùng phương pháp thế. Từ phương trình thứ nhất, ta rút ra

y = x − x 0 . Từ đó, đạo hàm theo t, ta có y0 = x 0 − x 00 . Thế các biểu
thức vừa tìm được của y và y0 vào phương trình thứ hai, ta thu được
x 0 − x 00 = −4x + x − x 0 hay
x 00 − 2x 0 − 3x = 0.
Dễ tìm nghiệm của phương trình này là
x = C1 e−t + C2 e3t .
Sử dụng y = x − x 0 , ta nhận được
y = 2C1 e−t − 2C2 e3t .
Viết lại nghiệm của hệ đã cho như sau

! ! !
x 1 −t 1
= C1 e + C2 e3t ,
y 2 −2
ta có HNCB là ( ! ! )
1 −t 1
e , e3t
2 −2
và MTCB cho bởi !

e−t e3t
.
2e−t −2e3t
Trong ví dụ tiếp theo, ma trận hệ số biến thiên theo t. Có thể coi

ví dụ sau là tương tự phương trình vi phân Cauchy-Euler vô hướng.
Ví dụ 6.40. Giải và tìm HNCB, MTCB của hệ phương trình sau
!
1 2 3
x0 = x
t 3 −2
với t > 0.
!
y
Đặt x = , viết lại hệ dưới dạng
z

ty0 = 2y − z
tz0 = 3y − 2z.
Ta lại dùng phương pháp thế. Từ phương trình thứ nhất, ta rút ra
z = 2y − ty0 . Từ đó, đạo hàm theo t, ta có z0 = 2y0 − y0 − ty00 =
y0 − ty00 . Thế các biểu thức vừa tìm được của z và z0 vào phương
trình thứ hai, ta thu được t(y0 − ty00 ) = 3y − 2(2y − ty0 ) hay
t2 y00 + ty0 − y = 0.
Đây là phương trình vi phân Cauchy-Euler cấp hai. Giải hệ này bằng
cách đặt t = es , để có ty0 = y0s và t2 y00 = y00ss − y0s . Từ đó, y00ss − y = 0
và y = C1 e−s + C2 es hay
C1
y= + C2 t.
t
Sử dụng z = 2y − ty0 , ta nhận được
3C1
z= + C2 t.
t
6.4. Hệ tuyến tính thuần nhất hệ số hằng 65
Viết lại nghiệm của hệ đã cho như sau

! !
C1 1 1
x= + C2 t ,
t 3 1
ta có HNCB là ( ! !)
1 1 1
,t
t 3 1
và MTCB cho bởi !
1/t t
.
3/t t
Chúng ta kết thúc mục này với nhận xét rằng phương trình vi
phân tuyến tính cấp cao
y ( n ) + a 1 ( t ) y ( n −1) + . . . + a n −1 ( t ) y 0 + a n ( t ) y = 0
có thể qui về hệ tuyến tính cấp một bằng cách đặt x1 = y, x2 = y0 ,

. . . , xn = y(n−1) và ta có
x10 = x2
x20 = x3
··· ··· ···
xn0 −1 = xn
xn0 = − a n ( t ) x 1 − a n −1 ( t ) x 2 − . . . − a 1 ( t ) x n .
Do đó, các kết quả của phương trình tuyến tính cấp cao là trường
hợp riêng các kết quả của hệ vi phân tuyến tính cấp một (sinh viên
tự kiểm tra).
6.4 Hệ tuyến tính thuần nhất hệ số hằng

Bây giờ ta xét hệ vi phân tuyến tính hệ số hằng
n
xi0 = ∑ aij x j , i = 1, 2, . . . , n,
j =1
hay
x 0 = Ax (Hc )
với x ∈ Rn , t ∈ ( a, b) ⊂ R, a, b hữu hạn hoặc vô hạn, và A = ( aij ) là
ma trận hằng cấp n.
6.4.1 Ma trận chéo hóa được và không chéo hóa được

Trong mục này, ta sẽ chỉ ra rằng nếu dùng ý tưởng xây dựng HNCB
như các chương trước thì ta chỉ có thể xây dựng HNCB của ( Hc )
trong trường hợp ma trận A chéo hóa được. Điều này có nghĩa hệ
( Hc ) là suy rộng thực sự của các phương trình vi phân cấp cao, và
việc tìm HNCB của ( Hc ) cần phải dùng kỹ thuật mạnh hơn.
Ta lại dùng ý tưởng của của Euler để tìm nghiệm của hệ tuyến
tính hệ số hằng dạng x = eλt v với số λ và vec-tơ v thích hợp. Lấy
đạo hàm, ta có x 0 = λeλt v và thế vào ( Hc ) thu được
Av = λv (31)
hay
( A − λE)v = 0. (32)
Vec-tơ v 6= 0 thỏa mãn (31) gọi là vec-tơ riêng của ma trận A

tương ứng với λ. Từ Đại số tuyến tính, ta biết rằng tồn tại vec-
tơ riêng nếu λ thỏa mãn
det( A − λE) = 0. (33)
Phương trình trên gọi là phương trình đặc trưng của A, đa thức ở vế
phải gọi là đa thức đặc trưng của A. Mỗi nghiệm λ của phương trình
đặc trưng (33) gọi là một giá trị riêng hay giá trị đặc trưng. Mỗi giá trị
riêng tương ứng với một hoặc nhiều vec-tơ riêng.
Bội đại số (24) của giá trị riêng λ, hay thường gọi là bội, là bội của
(24) Phân biệt với bội hình học của giá trị riêng λ là số chiều của không gian gồm
các vec-tơ riêng tương ứng với λ (và vec-tơ không). Bội hình học luôn bé hơn hoặc
bằng bội đại số. Chúng ta không xem xét kỹ khái niệm bội hình học để giữ giáo
trình ở mức độ dễ tiếp thu với nhiều đối tượng sinh viên.
λ như là nghiệm của phương trình đặc trưng (25) . Giá trị riêng bội
1 gọi là giá trị riêng đơn.
Bổ đề 6.11. Hàm x = eλt v là nghiệm của ( Hc ) nếu và chỉ nếu v là vec-
tơ riêng tương ứng giá trị riêng λ của A.
Trong Đại số tuyến tính, ta biết kết quả sau:

"Ma trận A cấp n có đủ n vec-tơ riêng độc lập tuyến tính nếu và chỉ
nếu A chéo hóa được, nghĩa là tồn tại ma trận không suy biến T sao cho
T −1 AT có dạng đường chéo."
Ta chia các ma trận ra hai loại: chéo hóa được và không chéo
hóa được (26) . Mọi ma trận đối xứng là chéo hóa được. Nếu mọi giá
trị riêng (thực hay phức) của A là đơn thì tồn tại đủ n vec-tơ riêng
độc lập tuyến tính, tức là A !chéo hóa được. Ví dụ ma ! trận không
1 1 1
chéo hóa được là A = có vec-tơ riêng v = và các vec-
0 1 0
tơ riêng khác đều là bội của v.
Khi A chéo hóa được thì theo bổ đề trên, từ bộ n vec-tơ riêng độc
lập tuyến tính ta thu được n nghiệm độc lập tuyến tính (theo Bổ đề
6.4), tức là HNCB của ( Hc ).
Định lý 6.12. Nếu ma trận A có đủ n vec-tơ riêng v1 , v2 , . . . , vn

độc lập tuyến tính thì mọi nghiệm của ( Hc ) cho bởi
n
x= ∑ etλi vi (34)
i =1
trong đó λi là giá trị riêng tương ứng với vec-tơ rieng vi .
Khi A không chéo hóa được, A chỉ có tối đa k (< n) vec-tơ riêng
độc lập tuyến tính, và bổ đề chỉ cung cấp k (< n) nghiệm độc lập
tuyến tính của ( Hc ). Ta cố gắng bổ sung nghiệm như đã làm với các
phương trình tuyến tính cấp cao. Xét ví dụ sau.
(25) Giá trị riêng λ0 có bội k nếu và chỉ nếu đa thức đặc trưng chia hết cho
(λ − λ0 )k và không chia hết cho (λ − λ0 )k+1 .
(26) Ma trận chéo hóa được còn được gọi là ma trận đầy đủ. Ma trận không chéo
hóa được còn được gọi là ma trận khuyết thiếu.

!
1 1
Ví dụ 6.41. Hệ x 0 = Ax với A = . Ma trận A có một vec-
0 1
!
1
tơ riêng v = tương ứng giá trị riêng λ = 1 bội hai. Ta tìm được
0
một nghiệm !
1
x1 (t) = eλt v = et .
0
Ta phán đoán nghiệm thứ hai có dạng
!
α
x2 (t) = tet ,
β
nhưng thử trực tiếp vào hệ không tìm được α, β.
Ta lại dùng phép đổi biến x = x1 y!hay x = et y để có et y0 + et y =
0 1
Aet y, tức là y0 = ( A − E)y = y. Hệ này có dạng y10 = y2 ,
0 0
y20 = 0 với y = (y1 , y2 ) T . Dễ tính được
! !
y1 α + tβ
y= =
y2 β
với các hằng số độc lập α, β. Cho (α, β) = (1.0), ta nhận được
nghiệm x1 (t); cho (α, β) = (0.1), ta nhận được nghiệm
!
t
x2 ( t ) = e t
1
và hai nghiệm này lập thành hệ nghiệm cơ bản. Mọi nghiệm của hệ
cho bởi
! !
1 t
x = C1 x1 (t) + C2 x2 (t) = C1 et + C2 et .
0 1
Tuy vậy, rõ ràng phép đổi biến trên 
không thuận
 tiện cho các hệ có
1 1 0
0
ba chiều trở lên, chẳng hạn hệ x = 0 1 1 x (sinh viên tự kiểm
 
0 0 1
tra).
Vì vậy, trong trường hợp tổng quát, Bổ đề 6.11 và cách bổ sung

nghiệm như trong trường hợp phương trình tuyến tính không thuận
tiện để chúng ta xây dựng HNCB của ( Hc ). Chúng ta cần công cụ
tốt hơn.
6.4.2 Định lý cơ bản

Hệ tuyến tính với hệ số hằng ( Hc ) là hệ có những tính chất tốt nhất
và được hiểu rõ nhất trong số các hệ phương trình vi phân. I name the
Tôi cho rằng Định lý cơ bản sau đây là kết quả đẹp nhất về hệ Fundamental
( Hc ), cũng là kết quả đẹp nhất trong khóa học đầu tiên về phương Theorem due to
trình vi phân. Định lý cho công thức đẹp đẽ và thuật toán hiệu quả its central role,
tìm HNCB của ( Hc ) trong mọi trường hợp của ma trận hệ số.
beauty, effective-
Điều khá ngạc nhiên là ít nhất cho đến trước năm 2000, Định
ness, and full
lý cơ bản này chưa được phát biểu rõ ràng và cách tìm nghiệm của
generality
( Hc ) còn khá cồng kềnh, không thuận tiện cho tính toán (xem chẳng
hạn sách [5, trang 129] năm 1984 của Efimov và Demidovich, hay
sách [25, trang 529] năm 2007) (27) . Sách [11, Định lý 8.6.3, Định lý
8.6.4, Định lý 8.10.2] năm 2000 đề cập gián tiếp đến Định lý cơ bản
thông qua ma trận mũ, do vậy hơi khó tiếp cận với sinh viên kỹ
thuật. Phần trình bày sau đây chủ yếu dựa vào sách [2] năm 2010
của Brannan và Boyce trong đó Định lý cơ bản được phát biểu và
chứng minh mà không dùng ma trận mũ.
Định lý cơ bản
I
Gọi λ là giá trị riêng bội m của ma trận thực A. Gọi
v1 , v2 , . . . , vm là m nghiệm độc lập tuyến tính của
( A − λE)m v = 0. (35)
(27) Lí do là trong những tài liệu đó, người ta đi tìm hệ nghiệm cơ bản có cấu
trúc đặc biệt theo các chuỗi nào đó gồm các vec-tơ riêng suy rộng xuất phát từ
các vec-tơ riêng, trong khi thật ra ta chỉ cần tìm hệ nghiệm cơ bản tùy ý theo các
vec-tơ riêng suy rộng tùy ý (nói chung không thành chuỗi vec-tơ riêng suy rộng)
và không cần quan tâm tới các vec-tơ riêng (xem Bài tập 6.28).
Khi đó,
II

2
λt E + t ( A − λE ) + t ( A − λE )2 + · · ·
 h

 x k ( t ) = e

 2!
t m −1
 i
· · · + ( A − λE ) m −1 v
k


 ( m − 1) !

 k = 1, 2, . . . , m

(36)
là m nghiệm độc lập tuyến tính của x = Ax. 0
Trong định lý trên, khảng định có đúng m nghiệm độc lập tuyến
tính của phương trình (35) chính là điểm mấu chốt khi thiết lập
dạng chính tắc Jordan của ma trận vuông, và là nội dung của mệnh
đề sau (xem chứng minh ở Phụ lục P2).
Mệnh đề 6.13. Gọi λ là giá trị riêng bội m của ma trận thực A. Khi đó
hệ phương trình đại số
( A − λE)m v = 0.
có đúng m nghiệm độc lập tuyến tính.
Khi giá trị riêng λ đơn, Định lý cơ bản qui về kết quả thông
thường nói rằng x (t) = eλt v với vec-tơ riêng v tương ứng giá trị
riêng λ là nghiệm của ( Hc ) (xem Bổ đề 6.11).
Để ý rằng các vec-tơ v1 , v2 , . . . , vm chỉ là các vec-tơ riêng suy rộng,
và có thể không vec-tơ nào trong số chúng là vec-tơ riêng của ma
trận A. Chúng ta có thể gọi cách tìm nghiệm trong Định lý 6.12 là
phương pháp vec-tơ riêng, và cách tìm nghiệm theo Định lý cơ bản
là phương pháp vec-tơ riêng suy rộng.
Chiều ngược lại của Định lý cơ bản cũng đúng. Vậy Định lý cơ
bản chính là suy rộng thực sự của Bổ đề 6.11.
Bổ đề 6.14. (i) Mỗi hàm xk (t) cho bởi (36) là nghiệm của ( Hc ) nếu và chỉ
nếu vk là vec-tơ riêng suy rộng tương ứng giá trị riêng λ của ma trận A.
(ii) Các hàm xk (t), k = 1, 2, . . . , m cho bởi (36) là m nghiệm độc lập
tuyến tính của ( Hc ) nếu và chỉ nếu v1 , v2 , . . . , vm là vec-tơ riêng suy rộng
độc lập tuyến tính của ma trận A tương ứng giá trị riêng λ bội m.
Xem chứng minh bổ đề này ở Phụ lục P2.

Trước khi có Định lý cơ bản, người ta xuất phát từ một hoặc một
số vec-tơ riêng để tìm được một hoặc một số nghiệm độc lập tuyến
tính của ( Hc ), rồi tìm cách bổ sung thêm nghiệm đến khi thu được
HNCB.
Định lý cơ bản tiếp cận ngược lại: hoàn toàn không tính vec-
tơ riêng nào. Công cụ tốt hơn mà chúng ta nói đến ở mục trước chính là:
dùng vec-tơ riêng suy rộng thay cho vec-tơ riêng. Với ma trận A tùy ý,
có thể ko có đủ n vec-tơ riêng độc lập tuyến tính, nhưng luôn có đủ
n vec-tơ riêng suy rộng độc lập tuyến tính.
Khi (α ± iβ) là giá trị riêng phức bội m, ta áp dụng định lý trên
cho λ = α + iβ để có m nghiệm phức độc lập tuyến tính { xk (t)}m k =1
của ( Hc ). Sau đó lấy phần thực, phần ảo {Im xk (t), Re xk (t)}m
k=1 để
có 2m nghiệm thực độc lập tuyến tính của ( Hc ) theo bổ đề sau.
Bổ đề 6.15. (i) Nếu v là vec-tơ riêng phức tương ứng với giá trị riêng
phức λ thì Re eλt v và Im eλt v là 2 nghiệm (thực) của ( H ).
(ii) Nếu {uk (t) + ivk (t)}m
k=1 là m nghiệm (phức) độc lập tuyến tính của
( H ) và với mỗi k, hai nghiệm {uk (t), vk (t)} độc lập tuyến tính thì
{uk (t), vk (t)}m

k =1
là 2m nghiệm (thực) độc lập tuyến tính của ( H ).
Định lý vượt qua tất cả các khó khăn nảy sinh trong phân tích ở
mục trước khi xét được cả trường hợp ma trận chéo không hóa được.
Hơn nữa, trường hợp ma trận không chéo hóa được lại thường được
tính toán gọn hơn do dễ chọn các nghiệm v1 , v2 , . . . , vm của phương
trình (35).
Khi biết n tích phân đầu độc lập của ( Hc ) thì ta có thể coi đó
chính là nghiệm của ( Hc ). Vậy định lý trên cũng cho cách tìm các
tích phân đầu độc lập ở dạng gọn gàng nhất. Có một bài toán mở
thú vị ở đây: Chứng tỏ rằng thuật toán tìm hệ nghiệm độc lập tuyến
tính, hay tương đương, hệ tích phân đầu độc lập trong định lý trên
là thuật toán tối ưu theo nghĩa nào đó (28) .
(28)Chẳng hạn thuật toán tối ưu theo nghĩa có độ phức tạp bé nhất. Độc giả nào
có lời giải cho bài toán này, xin cho tôi biết!
Để nhận được HNCB của ( Hc ), chúng ta chỉ việc ghép tất cả các
nghiệm độc lập tuyến tính cho bởi Định lý cơ bản với mọi giá trị
riêng của A.
Hệ quả 6.16. Gọi các giá trị riêng của A là λ1 , . . . , λr tương ứng với các
các bội (đại số) m1 , . . . , mr . Gọi
n o
(i ) (i ) (i )
x1 ( t ), x2 ( t ), . . . , x mi ( t )
là mi nghiệm độc lập tuyến tính tương ứng giá trị riêng λi thu được bởi
Định lý cơ bản.
Khi đó,
n o
(1) (1) (1) (r ) (r ) (r )
x 1 ( t ), x 2 ( t ), . . . , x m1 ( t ), . . . . . . , x 1 ( t ), x 2 ( t ), . . . , x mr ( t )
là hệ nghiệm cơ bản của ( Hc ), hay mọi nghiệm của ( Hc ) cho bởi

r mi
x (t) = ∑ ∑ Cik xk(i) (t). (37)
i =1 k =1
Định lý cơ bản có chứng minh khá đơn giản (29) .

Chứng minh Định lý cơ bản. Đặt
t2
M(t) = M(t, λ) = E + t( A − λE) + ( A − λE)2 + · · ·
2!
t m −1
···+ ( A − λE)m−1 . (38)
( m − 1) !
Trước hết, ta kiểm tra rằng với mọi k = 1, 2, . . . , m thì hàm
xk (t) = eλt M(t)vk
là nghiệm của ( Hc ). Ta có,
xk0 (t) = λeλt M (t)vk + eλt M0 (t)vk

Axk (t) = eλt AM (t)vk .
(29) Có thể liên hệ với Định lý Lagrange có chứng minh đơn giản nhưng ý tưởng
rất độc đáo và phạm vi áp dụng rộng rãi.
Nhận xét rằng xk (t) là nghiệm của ( Hc ) nếu và chỉ nếu
[λM(t) + M0 (t)]vk = AM(t)vk
hay
M0 (t)vk = ( A − λE) M(t)vk . (39)
Thật vậy, từ (38), đạo hàm hai vế theo t và để ý rằng ( A − λE)m vk =
0, ta có
M0 (t)vk =
t m −2

2 m −1
= ( A − λE) + t( A − λE) + · · · + ( A − λE) vk
( m − 2) !
t m −2

m −2
= ( A − λE) E + t( A − λE) + · · · + ( A − λE) vk
( m − 2) !
t m −1

m −1
= ( A − λE) E + t( A − λE) + · · · + ( A − λE) vk
( m − 1) !
= ( A − λE) M(t)vk .
Vậy x1 (t), x2 (t), . . . , xm (t) là nghiệm của ( Hc ).

Xét tổ hợp tuyến tính của m nghiệm trên
α1 x1 ( t ) + α2 x2 ( t ) + · · · + α m x m ( t ) = 0
với mọi t. Khi t = 0 thì do xk (0) = vk , hệ thức trên trở thành
α1 v1 + α2 v2 + · · · + αm vm = 0.
Từ đó, do các vec-tơ v1 , v2 , . . . , vm độc lập tuyến tính nên
α1 = α2 = · · · = αm = 0.
Vậy x1 (t), x2 (t), . . . , xm (t) là m nghiệm độc lập tuyến tính của ( Hc ).
Đó là điều phải chứng minh.
Chứng minh trên dường như không tự nhiên! Thật ra, ý tưởng
xây dựng M(t) là tự nhiên khi xét tác động của MTCB chuẩn tắc trên
các vec-tơ riêng suy rộng. Ta giải thích điều này ở mục tiếp theo về
ma trận mũ (30) .
Khi áp dụng Định lý cơ bản vào các bài toán cụ thể, có nhiều
cách chọn m vec-tơ độc lập tuyến tính v1 , v2 , . . . , vm . Các cách chọn
này sẽ dẫn đến các biểu thức nghiệm khác nhau, nhưng đều cho m
nghiệm độc lập tuyến tính (tương ứng giá trị riêng λ) của hệ ( Hc ).
Một cách tự nhiên là ta muốn có biểu thức dạng đơn giản nhất, tức
là có càng nhiều phần tử 0 trong các vk càng tốt. Ta có thể dùng
mẹo sau để đơn giản tính toán hệ nghiệm độc lập tuyến tính. Sau
khi tìm được m vec-tơ độc lập tuyến tính v1 , v2 , . . . , vm bất kỳ, ta viết
hệ vec-tơ này theo từng cột. Nếu thành phần thứ j của vk khác 0
thì ta dùng phép biến đổi sơ cấp theo cột để biến các thành phần j
của các vec-tơ còn lại bằng 0. Quá trình (31) dừng lại khi trong mỗi
hàng chỉ có nhiều nhất một phần tử khác 0. Vì phép biến đổi theo
cột không làm thay đổi quan hệ tuyến tính của hệ vec-tơ cột nên
hệ vec-tơ cột mới w1 , w2 , . . . , wm cũng vẫn là nghiệm độc lập tuyến
tính của ( A − λE)m v = 0. Trong toàn hệ w1 , w2 , . . . , wm có ít nhất
(m2 − m) thành phần bằng 0 nên sẽ thuận tiện khi tính hệ nghiệm
độc lập tuyến tính của ( Hc ) theo công thức
xk (t) = eλt M(t)wk , k = 1, 2, . . . , m.
Ta sẽ minh họa tính ưu việt của Định lý cơ bản qua một loạt ví
dụ.
hệ 2 chiều có 1 Ví dụ 6.42. Giải hệ vi phân sau
giá trị riêng với !
bội đại số 2 và bội 1 − 1
x0 = x.
hình học 1 1 3
(30) Bạn đọc tìm hiểu thêm sẽ thấy ma trận M (t, λ) liên hệ với MTCB chuẩn tắc
etA khi hạn chế trên không gian con riêng suy rộng Ẽ(λ) của λ theo công thức
etA | Ẽ(λ) = eλt M(t, λ).
(31) Quá trình này chính là phép khử Gauss-Jordan theo cột.
Đa thức đặc trưng của A là

1 − λ −1
= λ2 − 4λ + 4 = (λ − 2)2 .

3 − λ

1
Vậy A có giá trị riêng duy nhất λ1 = 2 với bội 2.

! !
−1 −1 0 0
A − 2E = và ( A − 2E)2 = .
1 1 0 0
Phương trình ( A − 2E)2 v = 0 nhận mọi vec-tơ là nghiệm, nên ta có

thể chọn 2 nghiệm độc lập tuyến tính là
! !
1 0
v1 = và v2 = .
0 1
Ta tính ma trận
M (t) = E + t( A − λ1 E) = E + t( A − 2E)
! ! !
1 0 −1 −1 1 − t −t
= +t = .
0 1 1 1 t 1+t
Theo Định lý cơ bản, HNCB gồm

!
1−t
x1 (t) = eλ1 t M(t)v1 = e2t
t
và !
−t
x2 (t) = eλ1 t M (t)v2 = e2t .
1+t
Vậy nghiệm của hệ là
x (t) = C1 x1 (t) + C2 x2 (t)

" ! !#
1 − t −t
= e2t C1 + C2 .
t 1+t
Ví dụ 6.43. Tìm nghiệm của hệ hệ 3 chiều, ma

 trận đối xứng, giá
 ẋ = y + z


 trị riêng với bội
ẏ = z + x đại số 2 và bội


ż = x + y.

hình học 2
 
0 1 1
Ma trận của hệ A = 1 0 1 là ma trận đối xứng thực, nên
 
1 1 0
A chắc chắn có đủ 3 vec-tơ riêng và có thể dùng Bổ đề 6.11 để tìm
HNCB thông qua 3 vec-tơ riêng đó. Trong trường hợp này, nếu dùng
Định lý cơ bản, các tính toán sẽ dài hơn một chút (do phải tính
M(t)).
Ta tính đa thức đặc trưng

−λ 1 1 1 1 1

det( A − λE) = 1 −λ 1 = (2 − λ) 1 −λ 1

1 1 −λ 1 1 − λ

1 1 1

= (2 − λ ) 0 − λ − 1 0 = (2 − λ)(λ + 1)2 .

0 0 − λ − 1
Vậy A có giá trị riêng λ1 = 2 (đơn) và λ2 = −1 (bội 2).
Với λ1 = 2, thì

 −2 1
 1
A − λ1 E = A − 2E ∼ 1 −2 1

1 1 −2

 
0 0
 0 1 0 −1

∼ 1 −2 1 ∼ 0 1 −1
 
1 1 −2 0 0 0
 
 
1
nên dễ tìm vec-tơ riêng v1 = 1, và ta có nghiệm tương ứng
 
1
 
1
2t
x1 ( t ) = e 1.
 
1
Với λ2 = −1 thì

1 1 1
A − λ2 E = A + E = 1 1 1
 
1 1 1
nên phương trình ( A + E)v = 0 với v = (α1 , α2 , α3 ) T tương đương

với α1 + α2 + α3 = 0. Chọn (α2 , α3 ) lần lượt bằng (1, 0) và (0, 1) ta
được 2 nghiệm vec-tơ riêng độc lập tuyến tính của là
   
−1 −1
v2 =  1  và v3 =  0  .
   
0 1
Theo Bổ đề 6.11 và Bổ đề 6.4, ta có thêm 2 nghiệm độc lập tuyến

tính    
−1 −1
−t  −t 
x2 (t) = e  1  và x3 (t) = e  0  .
 
0 1
Cuối cùng mọi nghiệm của hệ là

 
x
 y  = D1 x1 (t) + D2 x2 (t) + D3 x3 (t)
 
hay
x = D1 e2t − ( D2 + D3 )e−t
y = D1 e2t + D2 e−t
z = D1 e2t + D3 )−t .
(so sánh với lời giải trong Ví dụ 6.27)

Ví dụ 6.44. Tìm nghiệm của hệ vi phân sau hệ 3 chiều, giá trị

  riêng với bội đại
4 6 6
số 2 và bội hình
x0 =  1 3 2  x.
 
học 1
−1 −5 −2

4 − λ 6 6

1 3−λ 2 = −λ3 + 5λ2 − 8λ + 4 = −(λ − 1)(λ − 2)2 .

−1 −5 −2 − λ
Các giá trị riêng là λ1 = 1 với bội 1 và λ2 = 2 với bội 2.
Với λ1 = 1, ta có
 
3 6 6
A−E =  1 2 2 .
 
−1 −5 −3
 
α1
Vec-tơ riêng tương ứng là nghiệm của ( A − E)v = 0 với v = α2 .
 
α3
Có thể giải hệ này bằng phép khử Gauss
 

 1 2 2  1 0 4/3

( A − E) ∼ 0 −3 −1 ∼ 0 1 1/3
 
0 0 0 0 0 0
 
để có α1 + 4/3α3 = 0, α2 + 1/3α3 = 0. Chọn α3 = −3 thì α1 = 4,

1. Vậy vec-tơ riêng tương ứng với giá trị riêng λ1 = 1 là v1 =
α2 = 

4
 1 , và một nghiệm của hệ là
 
−3
 
4
t
x1 ( t ) = e  1  .

−3
Với λ2 = 2, ta có
   
2 6 6 4 −12 0
A − 2E =  1 1 2  và ( A − 2E)2 =  1 −3 0 .
   
−1 −5 −4 −3 9 0
2
Ta
 lại dùng phép khử Gauss để giải hệ ( A − 2E) v = 0 với v =
α1
α2  như sau.
 
α3

 1 −3 0

2
( A − E) ∼ 0 0 0 .

0 0 0

Từ đó, α1 = 3α2 và α3 tùy ý. Chọn α2 = 1 thì α1 = 3; cho α3 nhận

các giá trị 0 và 1, ta thu được hai nghiệm độc lập tuyến tính của
( A − 2E)2 v = 0 gồm
   
3 3
v2 = 1 và v3 = 1 .
   
0 1
Tiếp theo, ta tính ma trận
M(t) = E + t( A − 2E)
     
1 0 0 2 6 6 1 + 2t 6t 6t
= 0 1 0 + t  1 1 2 = t 1+t 2t  .
     
0 0 1 −1 −5 −4 −t −5t 1 − 4t
Vậy ta có thêm hai nghiệm độc lập tuyến tính tương ứng với λ2 = 2
như sau
x 2 ( t ) = e λ2 t M ( t ) v 2
    
1 + 2t 6t 6t 3 3 + 12t
= e2t  t 1+t 2t  1 = e2t  1 + 4t  .
    
−t −5t 1 − 4t 0 −8t
và
x 3 ( t ) = e λ2 t M ( t ) v 3
    
1 + 2t 6t 6t 3 3 + 18t
= e2t  t 1+t 2t  1 = e2t  1 + 6t  .
    
−t −5t 1 − 4t 1 1 − 12t
Theo Định lý cơ bản, HNCB là { x1 (t), x2 (t), x3 (t)}. Vậy nghiệm của
hệ cho bởi
x (t) = C1 x1 (t) + C2 x2 (t) + C3 x3 (t)
      
4 3 + 12t 3 + 18t
= C1 et  1  + e2t C2  1 + 4t  + C3  1 + 6t  . (40)
      
−3 −8t 1 − 12t
Nhận xét 1. Ví dụ trên không thể dùng Bổ đề 6.11 để tìm 2 nghiệm
độc lập tuyến tính tương ứng với λ2 = 2 vì giá trị riêng bội 2 này
chỉ tương ứng với vec-tơ riêng (32) là bội của (3, 2, 3) T . Có thể nhận
thấy cả v2 và v3 đều không phải vec-tơ riêng.
Nhận xét 2. Trong ví dụ trên, sau khi tìm được hai vec-tơ độc lập
tuyến tính v2 , v3 của ( A − 2E)2 v = 0, ta có thể thực hiện phép biến
đổi sơ cấp trên cột như sau: giữ nguyên cột 1; nhân cột 1 với (-1) rồi
thay v1 , v2 bởi cộng vào cột 2
w2 , w3 cho dễ tính    
v2 v3 w2 w3
toán 3 3 3 0
 →  .
   

1 1 1 0
0 1 0 1
Hai nghiệm độc lập tuyến tính tương ứng với λ2 = 2 như sau
y 2 ( t ) = e λ2 t M ( t ) w2
    
1 + 2t 6t 6t 3 3 + 12t
= e2t  t 1+t 2t  1 = e2t  1 + 4t  .
    
−t −5t 1 − 4t 0 −8t
(32)
Nói cách khác, bội đại số của λ2 bằng 2 nhưng bội hình học của λ2 bằng 1.
Ma trận hệ số của ví dụ này không chéo hóa được.
và
y 3 ( t ) = e λ2 t M ( t ) w3
    
1 + 2t 6t 6t 0 6t
= e2t  t 1+t 2t  0 = e2t  2t  .
    
−t −5t 1 − 4t 1 1 − 4t
Theo Định lý cơ bản, HNCB là { x1 (t), y2 (t), y3 (t)}. Vậy nghiệm của
hệ cho bởi
x (t) = D1 x1 (t) + D2 y2 (t) + D3 y3 (t)
      
4 3 + 12t 6t
= D1 et  1  + e2t  D2  1 + 4t  + D3  2t  . (41)
      
−3 −8t 1 − 4t
Biểu thức (41) gọn hơn (40) một chút, dù chúng cho cùng tập
nghiệm của hệ đã cho vì C1 = D1 , C2 = D2 và C3 − C2 = D3 .
Ta minh họa rõ hơn việc đơn giản hệ vec-tơ {v1 , v2 , . . . , vm } với
ví dụ sau đây. cần thêm ví dụ hệ
0
Ví dụ 6.45. Tìm nghiệm của hệ vi phân x = Ax với 4 chiều có 1 giá trị
  riêng đơn, 1 giá
2 1 0 0 0 0
trị riêng bội đại số
0 2 1 0 0 0
 

0 0 2 0 0 0
 3 và bội bình học 1
A=

.

Hệ vi phân 6 chiều
0 0 0 2 0 0
0 0 0 0 2 1
  với 1 giá trị riêng
bội đại số 6 và bội
0 0 0 0 0 2
hình học 3. Chọn
Phương trình đặc trưng có dạng (λ − 2)6 = 0. Giá trị riêng duy nhất ma trận hệ số
λ = 2 có bội 6. Ta có,
    dạng Jordan cho
0 1 0 0 0 0 0 0 1 0 0 0 tiện.
0 0 1 0 0 0 0 0 0 0 0 0
   
   
0 0 0 0 0 0 2
0 0 0 0 0 0
A − 2E =  0 0 0 0 0 0 và ( A − 2E) = 0 0 0 0 0 0 .
  
   
0 0 0 0 0 1 0 0 0 0 0 0
   
0 0 0 0 0 0 0 0 0 0 0 0
Từ đó,
( A − 2E)3 = 0.
Ví dụ 6.46. Tìm nghiệm của hệ vi phân sau
 
−3 −1 −6
x 0 = −2 −1 −4 x.
 
1 0 1
Đa thức đặc trưng của A là = −(λ + 1)3 . Giá trị riêng duy nhất là
λ1 = −1 với bội 3. Ta có
   
−2 −1 −6 0 2 4
A + E =  −2 0 −4 , ( A + E )2 = 0 2 4 ,
   
1 0 2 0 −1 −2
và (33)  
0 0 0
( A + E )3 = 0 0 0 .
 
0 0 0
Từ đó, 3 nghiệm độc lập tuyến tính của ( A + E)3 v = 0 có thể chọn
là      
1 0 0
v1 = 0 , v2 = 1 , v3 = 0 .
     
0 0 1
Ta tính được
t2
M ( t ) = E + t ( A + E ) + ( A + E )2
  2!
   
1 0 0 −2 −1 −6 0 2 4
 t2 
= 0 1 0 + t  −2 0 −4 + 0 2 4 
   
2!
0 0 1 1 0 2 0 −1 −2
 
1 − 2t t2 − t 2t2 − 6t
=  −2t 1 + t2 2t2 − 4t  .
 
t −t2 /2 1 + 2t − t2
(33) Có thể dùng Định lý Cayley-Hamilton để có ( A + E)3 = 0.
Vậy nghiệm của hệ cho bởi
x (t) = C1 x1 (t) + C2 x2 (t) + C3 x3 (t)

= et [C1 M(t)v1 + C2 M(t)v2 + C3 M(t)v3 ]
      
1 − 2t t2 − t 2t2 − 6t
= et C1  −2t  + C2  1 + t2  + C3  2t2 − 4t  .
      
t −t2 /2 1 + 2t − t2
Ví dụ 6.47. Tìm HNCB của phương trình vi phân sau
y(4) + 2y00 + y = 0 (42)
bằng cách chuyển về hệ vi phân cấp 1 rồi dùng Định lý cơ bản. Dùng hệ 4 chiều với cặp
phép chuyển giá trị riêng liên
 
y hợp và bội đại số 2
 y0 
x =  00 
 
y 
y000
ta nhận được hệ vi phân

 
0 1 0 0
 0 0 1 0
x0 =   x. (43)
 
 0 0 0 1
−1 0 −2 0
Đa thức đặc trưng là P(λ) = λ4 + 2λ2 + 1 = (λ2 + 1)2 nên có giá trị
riêng phức liên hợp λ1 = i và λ2 = −i và đều có bội 2. Ta chỉ cần
tính toán với λ1 = i.
 
−i 1 0 0
 0 −i 1 0
A − λ1 E = A − iE = 
 
0 −i 1 

 0
−1 0 −2 − i
và
 
−1 −2i 1 0
 0 −1 −2i 1 
( A − iE)2 =  .
 
 −1 0 −3 −2i
2i −1 4i −3
Dùng phép khử Gauss-Jordan cho phương trình ( A − iE)2 v = 0 với

v = (α1 , α2 , α3 , α4 ) T , ta có
 
1 2i −1 0
0 1 2i −1 
( A − iE)2 ∼
 
0 2i −4 −2i
 
0 3 6i −3
   
1 2i −1 0 1 0 3 2i
0 1 2i −1 0 1 2i −1
∼ ∼
   
   
0 0 0 0  0 0 0 0 
0 0 0 0 0 0 0 0
Từ đó,
α1 = −3α3 − 2iα4
α2 = −2iα3 − α4 .
Cho (α3 , α4 ) bằng (1, 0) và (0, 1), ta nhận được 2 vec-tơ độc lập tuyến
tính
   
−3 −2i
−2i  −1 
v¯1 =   và  .
   
 1   0 
0 1
Tiếp theo, ta tính ma trận
M ( t ) = E + t ( A − λ1 E )
     
1 0 0 0 0 1 0 0 1 0 0 0
0 1 0 0  0 0 1 0 0 1 0 0 
=  + t  −i
     

0 0 1 0  0 0 0 1 0 0 1 0 
0 0 0 1 −1 0 −2 0 0 0 0 1
 
1 − it t 0 0
 0 1 − it t 0 
= .
 
 0 0 1 − it t 
−t 0 −2t 1 − it
Từ đó, hai nghiệm (phức) độc lập tuyến tính tương ứng với λ1 = i
như sau
x 1 ( t ) = e λ1 t M ( t ) v 1
  
1 − it t 0 0 −3
 0 1 − it t 0   −2i
 
= eit 

1 − it
 
 0 0 t  1 
−t 0 −2t 1 − it 0
     
−3 + it −3 t
−t − 2i  −t   −2 
= eit   = (cos t + i sin t)   + i  
     
 1 − it   1   −t 
t t 0
và
x 2 ( t ) = e λ1 t M ( t ) v 2
  
1 − it t 0 0 −2i
it  0
 1 − it t 0   1 
 
=e 
1 − it
 
 0 0 t  0 
−t 0 −2t 1 − it 1
     
−t − 2i −t −2
 1 − it   1   −t 
= eit   = (cos t + i sin t)   + i   .
     
 t   t   0 
1 + it 1 t
Lấy phần thực, phần ảo của hai nghiệm (phức) trên, ta có bốn nghiệm
(thực) độc lập tuyến tính, tức là HNCB, của hệ (43) là
 
−3 cos t − t sin t
−t cos t + 2 sin t
x1 (t) = Re x1 (t) =  ,
 
 cos t + t sin t 
t cos t
 
t cos t − 3 sin t
−2 cos t − t sin t
x2 (t) = Im x1 (t) =  ,
 
 −t cos t + sin t 
t sin t
 
−t cos t + 2 sin t
 cos t + t sin t 
x3 (t) = Re x2 (t) =  ,
 
 t cos t 
cos t − t sin t
 
−2 cos t − t sin t
 −t cos t + sin t 
x4 (t) = Im x2 (t) =  .
 
 t sin t 
t cos t + sin t
Cuối cùng, HNCB của phương trình (42) gồm bốn thành phần
đầu tiên của bốn nghiệm trên

y1 (t) = −3 cos t − t sin t, y2 (t) = t cos t − 3 sin t,

y3 (t) = −t cos t + 2 sin t, y4 (t) = −2 cos t − t sin t .
Chú ý rằng một HNCB khác của phương trình (42) là
{cos t, sin t, t cos t, t sin t}.
6.4.3 Ma trận mũ và ma trận cơ bản

Ta biết rằng luôn tìm được MTCB X (t) của ( Hc ) dùng Định lý cơ
bản với các giá trị riêng của A (xem Hệ quả 6.16). Vì thế theo định
nghĩa, ta cũng tính được MTCB chuẩn tắc U (t) = X (t) X −1 (0) và
MTTH U (t, s) = U (t)U −1 (s) của ( Hc ).
Trong phần này ta sẽ dùng cách tiếp cận khác để tính MTCB
chuẩn tắc và MTTH. Ta xuất phát từ vài quan sát sau.
• Nghiệm của hệ 1 chiều x 0 = ax có dạng hàm mũ x (t) =

eta x (0); MTCB chuẩn tắc là U (t) = (eta ); MTTH là U (t, s) =
( e ( t − s ) a ).
• Hàm mũ luôn có mặt trong mọi nghiệm của HNCB của ( Hc ).

eit + e−it
Để ý rằng theo công thức Euler, các hàm cos t = và
2
eit − e−it
sin t = cũng biểu diễn qua hàm mũ phức.
2
Ta đi đến ý tưởng suy rộng quan sát trên cho hệ nhiều chiều x 0 =
Ax. Cụ thể, có công thức tương tự U (t) = etA và U (t, s) = e(t−s) A
hay không?
Tuy nhiên, trong 1 chiều, ta định nghĩa hàm mũ e at bằng việc
n
1
trước tiên định nghĩa số e := limn→∞ 1 + n , sau đó định nghĩa
ea với số a hữu tỷ, rồi dùng tính trù mật của Q trong R để định nghĩa
ea với số thực a. Cách này khó suy rộng ra nhiều chiều.
Ta khắc phục bằng cách dùng định nghĩa tương đương về hàm
mũ qua chuỗi. Hàm mũ et với t ∈ R được xác định thông qua chuỗi
Taylor-Maclaurin
∞ n
t2 tn t
et = 1 + t + +···+ +··· = ∑ .
2! n! n=0 n!
Bây giờ ta định nghĩa mũ của ma trận thông qua chuỗi ma trận.
Định nghĩa 6.10. Cho A là ma trận thực cấp n. Khi đó,

∞
A2 An An
e A := E + A + +···+ +··· = ∑
2! n! n=0 n!
gọi là ma trận mũ của A.
Chuỗi ma trận ở vế phải hội tụ theo tiêu chuẩn Weierstrass. Các

tính chất cơ bản của ma trận mũ được liệt kê trong mệnh đề sau.
Mệnh đề 6.17. Với các ma trận thực A, B cấp n, ta có

(i) e0 = E,
(iii) e A+ B = e A e B nếu và chỉ nếu AB = BA,
(iv) e A là ma trận khả ngược và
−1
eA = e− A .
Như vậy, với mọi t ∈ R, ta có (34)

∞ n n
t2 A2 tn An t A
etA := E + tA + +···+ +··· = ∑ .
2! n! n=0 n!
Các tính chất cơ bản của ma trận etA được liệt kê trong mệnh đề
sau.
(34) Ở đây, tA = At là ma trận có được do nhân t với mọi phần tử của ma trận
A.
Mệnh đề 6.18. Với ma trận thực A cấp n, với mọi t ∈ R, ta có

(i) e0A = E,
d tA
(ii) e = AetA = etA A,
dt
(iii) e(t+s) A = etA esA ,
(iv) etA là ma trận khả ngược và
−1
etA = e−tA .
Tóm lại, ta có định lý sau đây.
Định lý 6.19. Ma trận cơ bản chuẩn tắc U (t) và ma trận tiến hóa
U (t, s) của hệ hằng x 0 = Ax được cho bởi
U (t) = etA (44)
và
U (t, s) = U (t − s) = X (t) X −1 (s) = e(t−s) A . (45)
với X (t) là ma trận cơ bản nào đó của x 0 = Ax.
Nói cách khác, nghiệm duy nhất của bài toán Cauchy

 x 0 = Ax
 x ( t0 ) = x0
cho bởi
x ( t ) = e ( t − t0 ) A x 0 .
Chứng minh. Công thức (44) là do các tính chất (i), (ii). Hệ thức (45)
suy từ (44).
Chú ý rằng ta không có tương tự kết quả trên cho hệ tuyến tính
hệ số biến thiên ( H ). Có rất nhiều phản ví dụ về hệ ( H ) với ma trận
cơ bản chuẩn tắc U (t) và ma trận tiến hóa U (t, s) mà
Rt Rt
A(ξ )dξ A(ξ )dξ
U (t, s) 6= e s và U (t) 6= e 0 .
Bây giờ, với ma trận mũ, ta có thể giải thích cách xây dựng M(t)
trong Định lý cơ bản là hoàn toàn tự nhiên như sau. Bổ đề 6.11 nói
rằng nếu ( A − λE)v = 0 thì x = eλt v là nghiệm của ( Hc ). Suy rộng
bổ đề này, ta có: nếu với số tự nhiên m mà ( A − λE)m v = 0 thì ( Hc )
có nghiệm
x = etA v = et( A−λE) etλE = eλt et( A−λE) v

tn ( A − λE)n

= e E + t( A − λE) + · · · +
λt
+··· v
n!
tm−1 ( A − λE)m−1

= e E + t( A − λE) + · · · +
λt
v
( m − 1) !
= eλt M(t)v.
Số m thích hợp để có đủ số vec-tơ v độc lập tuyến tính (tức là có đủ

số nghiệm độc lập tuyến tính của hệ), theo Mệnh đề 6.13, chính là
bội đại số của λ.
Đương nhiên, Định lý cơ bản cho ta HNCB, nên cũng cho ta một
cách tìm ma trận mũ .
Ví dụ 6.48. Tìm HNCB, MTCB, MTTH của hệ

 dx = x + y

dt (46)
dy

 = 4x − 2y.
dt
Trước hết ta tính các giá trị riêng của

!
1 1
A= .
4 −2

1 − λ 1
Phương trình đặc trưng det( A − λE) = = λ2 +

4 −2 − λ
λ − 6 = 0. Vậy λ = −3 hoặc λ = 2.
!
1
Với λ = −3, ta tìm được véc-tơ riêng v1 = . Ta nhận được
−4
! !
x1 1
nghiệm = e−3t .
y1 −4
!
1
Với λ = 2, ta tìm được véc-tơ riêng v2 = . Ta nhận được
1
! !
x2 1
nghiệm = e2t .
y2 1
( ! !)
e−3t e2t
HNCB của hệ trên là , 2t .
−4e−3t e
Mọi nghiệm của hệ cho bởi
! ! !
x e−3t e2t
= c1 + c2
y −4e−3t e2t
hay 
 x = c e−3t + c e2t
1 2
(47)
y = −4c1 e−3t + c2 e2t .
MTCB của hệ trên là

!
e−3t e2t
X (t) = . (48)
−4e−3t e2t
Dễ tính det X (t) = W (t) = 5e−t , và ma trận nghịch đảo
! !
1 e 2t − e 2t 1 e 3t − e 3t
X −1 ( t ) = − t = .
5e 4e−3t e−3t 5 4e−2t e−2t
Từ đó, MTTH của hệ cho bởi
! !
e−3t e2t 1 e3s −e3s
U (t, s) = X (t) X −1 (s) = ·
−4e−3t e2t 5 4e−2s e−2s
hay
!
1 e−3(t−s) + 4e2(t−s) − e −3( t − s ) + e 2( t − s )
U (t, s) = . (49)
5 −4e−3(t−s) + 4e2(t−s) 4e−3(t−s) + e2(t−s)
Chú ý: (i) Nếu chỉ cần tìm nghiệm của hệ trên thì dùng phương pháp
thế là ngắn nhất: từ x 00 = x 0 + y0 = x 0 + 4x − 2y = x 0 + 4x − 2( x 0 −
x ), suy ra x 00 + 4x 0 − 6x = 0; phương trình đặc trưng có nghiệm −3
và 2, nên x = c1 e−3t + c2 e2t và y = x 0 − x = −4c1 e−3t + c2 e2t (so
sánh với (47)).
(ii) Ma trận X (t)!trong ví dụ trên không phải MTCB chuẩn tắc
1 1
vì X (0) = khác ma trận đơn vị, nghĩa là X (t) 6= etA ,
−4 1
và do đó X (t, s) 6= e(t−s) A . Có thể tính MTCB chuẩn tắc theo định
!
1
nghĩa, tức là tìm hai nghiệm thỏa mãn điều kiện ban đầu e1 = ,
0
!
0
e2 = để lập thành HNCB chuẩn tắc, rồi ghép hai nghiệm này
1
theo công thức (25). Tuy nhiên cách này khá dài.
Do hệ đang xét là hệ hằng, cách thuận tiện hơn để tìm MTCB
chuẩn tắc U (t) là sử dụng công thức (44), tức là U (t) = X (t) X −1 (0) =
etA . Từ đó,
! ! −1
e−3t e2t 1 1
U (t) = ·
−4e−3t e2t −4 1
! !
e−3t e2t 1 1 −1
= ·
−4e−3t e2t 5 4 1
hay
!
1 e−3t + 4e2t −e−3t + e2t
U (t) = etA = . (50)
5 −4e−3t + 4e2t 4e−3t + e2t
Lại do hệ đang xét là hệ hằng, ta có thể thay t bởi (t − s) để nhận

được MTTH
!
1 e − 3 ( t − s ) + 4e 2 ( t − s ) −e − 3 ( t − s ) +e 2 ( t − s )
U (t, s) = e(t−s) A = − − − − −
5 −4e 3 ( t s ) + 4e 2 ( t s ) 4e 3 ( t s ) + e 2( t − s )
như đã tìm ra theo công thức (49).

6.4.4 Một số phương pháp tính ma trận mũ

Mọi ma trận thực đồng dạng với dạng Jordan thực của nó. Có 4
kiểu ô Jordan thực và mỗi ô Jordan thực Ji này đều có công thức
tính e Ji . Vậy về mặt lý thuyết, có thể tính ma trận mũ thông qua
dạng Jordan. Tuy nhiên đây là cách tính dài nhất vì bản thân việc
tính dạng Jordan có thể đã rất phức tạp.
Có rất nhiều cách tính ma trận mũ (hơn 20 cách), xem chẳng hạn
[17], [18]. Tuy nhiên chưa có cách nào được chứng minh là tốt nhất,
mà chỉ chứng minh được cách tốt nhất với một lớp nào đó các ma
trận.
Phần dưới đây giới thiệu vài phương pháp thuận tiện để tính ma
trận mũ của một ma trận thực, gồm
• Phương pháp Fulmer,
• Phương pháp Putzer,
• Phương pháp Haris-Fillmore-Smith.
Phương pháp Fulmer
Hệ hàm cơ sở là hệ nghiệm cơ bản của phương trình tuyến tính cấp

n có cùng đa thức đặc trưng với ma trận A. Cụ thể, gọi λ là một giá
trị riêng của ma trận A cấp n, ta xác định các hàm cơ sở tương ứng
với λ như sau.
• Nếu λ là nghiệm thực đơn thì hàm eλt gọi là hàm cơ sở.
• Nếu λ là nghiệm thực bội m > 1 thì các hàm
eλt , teλt , . . . , tm−1 eλt
gọi là các hàm cơ sở.
• Nếu λ = α ± iβ là nghiệm phức đơn thì
eαt cos βt, eαt sin βt
gọi là hai hàm cơ sở.

• Nếu λ = α ± iβ là nghiệm phức bội m > 1 thì các hàm

n o m −1
tk eαt cos βt, tk eαt sin βt
k =0
gọi là các hàm cơ sở.
Hệ hàm cơ sở là tập tất cả các hàm cơ sở của mọi giá trị riêng của
ma trận A, do đó có đúng n hàm cơ sở.
Thuật toán của phương pháp Fulmer như sau.
Thuật toán Fulmer tính ma trận mũ
Bước 1. Tính đa thức đặc trưng P(λ).
Bước 2. Tính hệ hàm cơ sở {φ1 , φ2 , . . . , φn } tương ứng với P(λ).
Bước 3. Khi đó ta có
etA = M1 φ1 + M2 φ2 + · · · + Mn φn (51)
trong đó M1 , M2 , . . . , Mn là các n × n ma trận thích hợp.
Bước 3. Lấy đạo hàm (n-1) lần hệ thức (51) rồi cho t = 0 để
nhận được hệ phương trình ma trận cho M1 , M2 , . . . , Mn .
Bước 4. Giải hệ phương trình ma trận để có M1 , M2 , . . . , Mn .

Sau đó thế vào (51) ta nhận được ma trận mũ etA .
Phương pháp này dựa trên bài báo [10] của Fulmer năm 1975.
Cơ sở lý thuyết của phương pháp dựa trên phép biến đổi Laplace
mà ta sẽ nghiên cứu trong chương 7. Cách khác để thu được biểu
diễn (51) là dùng Định lý cơ bản. Phương pháp Fulmer áp dụng cho
ma trận bất kỳ, chéo hóa được hoặc không chéo hóa được; ngoài ra,
trường hợp không chéo hóa được cũng không phát sinh thêm khó
khăn nào so với trường hợp chéo hóa được.
Ta minh họa thuật toán Fulmer bằng một số ví dụ.
!
1 1
Ví dụ 6.49. Tính etA với A = . ma trận chéo hóa
4 −2
được
Đa thức đặc trưng det( A − λE) = λ2 + λ − 6 = 0, và 2 giá trị
riêng là −3 và 2. Hệ hàm cơ bản tương ứng là {e−3t , e2t }. Từ đó
etA = M1 e−3t + M2 e2t
và sau khi đạo hàm hai vế
AetA = −3M1 e−3t + 2M2 e2t .
Cho t = 0, ta nhận được

M1 + M2 = E
−3M1 + 2M2 = A.
Từ đó,
" ! !# !
1 1 2 0 1 1 1 1 −1
M1 = (2E − A) = − =
5 5 0 2 4 −2 5 −4 4
và
" ! !# !
1 1 3 0 1 1 1 4 1
M2 = (3E + A) = + = .
5 5 0 3 4 −2 5 4 1
Vậy " ! !#
1 −3t 1 −1 4 1
etA = e + e2t
5 −4 4 4 1
hay !
tA 1 e−3t + 4e2t −e−3t + e2t
e =
5 −4e−3t + 4e2t 4e−3t + e2t
(so sánh với công thức (50)).
Nhận xét 3. Từ hệ phương trình ma trận, ta có thể bắt chước thuật
toán Gauss-Jordan
( ( (
1 1 E 1 1 E 1 0 (2E − A)/5
∼ ∼
−3 2 A

0 5 3E + A 0 1 (3E + A)/5
và thu được M1 = (2E − A)/5, M2 = (3E + A)/5 như ở trên.
 
−4 10 5
ma trận không Ví dụ 6.50. Tính etA với A = −2 5 2 .
 
chéo hóa được, giá −1 2 2
trị riêng 1 có bội Đa thức đặc trưng det( A − λE) = −(λ − 1)3 , và 1 giá trị riêng
đại số 3, bội hình bội 3. Hệ hàm cơ bản tương ứng là {et , tet , t2 et }. Từ đó
học 2
etA = M1 et + M2 tet + M3 t2 et
và sau khi đạo hàm 2 lần hai vế theo t, ta có
AetA = M1 et + M2 (t + 1)et + M3 (t2 + 2t)et
và
A2 etA = M1 et + M2 (t + 2)et + M3 (t2 + 4t + 2)et
Cho t = 0, ta nhận được
M1 = E
M1 + M2 = A
M1 + 2M2 + 2M3 = A2 .
Từ đó, M1 = E, M2 = A − E, và M3 = ( A − E)2 /2 = 0. Cuối cùng,
etA = et ( M1 + M2 t + M3 t2 )
   
1 0 0 −5 10 5
= e t  0 1 0 + t  −2 4 2 
   
0 0 1 −1 2 1
hay  
1 − 5t 10t 5t
etA = et  −2t 1 + 4t 2t  .
 
−t 2t 1+t
Phương pháp Putzer
Tính ma trận mũ theo phương pháp này chỉ dùng giá trị riêng và
giải phương trình vi phân tuyến tính cấp một. Cơ sở lý thuyết của
phương pháp Putzer là Định lý Cayley-Hamilton, xem bài báo gốc

[23] của Putzer năm 1966.
Thuật toán Putzer tính ma trận mũ
Định lý 6.20. (Thuật toán Putzer) Gọi λ1 , λ2 , . . . , λn là n giá trị

riêng của ma trận A cấp n (các λi được liệt kê lặp lại số lần bằng số
bội của λi ).
Khi đó
etA = r1 (t) P1 + r2 (t) P2 + · · · + rn (t) Pn (52)
trong đó
P1 = E
P2 = ( A − λ1 E )
···
Pn = ( A − λ1 E)( A − λ2 E) . . . ( A − λn−1 E)
và
r10 = λ1 r1 , r1 (0) = 1,
r20 = λ2 r2 + r1 , r2 (0) = 0,
···
rn0 = λn rn + rn−1 , rn (0) = 0.
Ví dụ 6.51. Tính etA với

 
1 0 1
A =  0 2 0 .
 
−1 0 −1
Ta có λ1 = λ2 = 0, λ3 = 2 và

0 0 0
P1 = E, P2 = A, P3 = A2 = 0 4 0 .
 
0 0 0
Các hàm r1 , r2 , và r3 được xác định bởi r10 = 0, r1 (0) = 1, r20 = r1 ,

r2 (0) = 0, và r30 = 2r3 + r2 , r3 (0) = 0. Dễ tìm được r1 (t) = 1,
r2 (t) = t. Từ đó, r30 = 2r3 + t hay (e−2t r3 )0 = te−2t . Lấy tích phân từ
0 đến t, ta nhận được
e−2t − 1 − 2t
r3 ( t ) = .
4
Vậy
etA = r1 (t) P1 + r2 (t) P2 + r3 (t) P3
e−2t − 1 − 2t 2
= E + tA + A
4
hay  
1+t 0 t
etA ==  0 e2t 0 .
 
−t 0 1−t
Chứng minh thuật toán Putzer. Gọi X (t) là vế phải của (52). Ta cần
chỉ ra X (t) là MTCB chuẩn tắc etA .
Theo cách xây dựng, ta có
APj = λPj + Pj+1 với 1 ≤ j ≤ n − 1.
Theo Định lý Cayley-Hamilton, ( A − λn E) Pn = 0 nên
APn = λn Pn .
Ta lại có
X 0 (t) = r10 (t) P1 + r20 (t) P2 + · · · + rn0 (t) Pn
= λ1 r1 (t) P1 + [λ2 r2 (t) + r1 (t)] P2 + · · · + [λn rn (t) + rn−1 (t)] Pn
và
AX (t) = r1 (t) AP1 + r2 (t) AP2 + · · · + rn (t) APn
= r1 (t)(λ1 P1 + P2 ) + r2 (t)(λ2 P2 + P3 ) + · · ·
· · · + rn−1 (t)(λn−1 Pn−1 + Pn ).
So sánh hai biểu thức trên, ta nhận được X 0 (t) = AX (t) và X (0) =
E, tức X (t) là MTCB chuẩn tắc.
Phương pháp Haris-Fillmore-Smith
Phương pháp Haris-Fillmore-Smith (HFS) tính ma trận mũ dựa vào

bài báo [7] năm 2001. Phương pháp này chỉ dựa vào giá trị riêng của
ma trận và định lý Cayley-Hamilton.
Gọi δij là kí hiệu Kronecker
δii = 1 và δij = 0 với i 6= j.
Thuật toán của phương pháp HFS như sau.
Thuật toán Haris-Fillmore-Smith tính ma trận mũ
Bước 1. Tính đa thức đặc trưng P(λ).
Bước 2. Tìm các nghiệm { ϕ j }nj=−01 của phương trình vi phân vô

hướng cấp cao
d
P u=0
dt
sao cho
di
ϕ j (0) = δij .
dti
Bước 3. Khi đó ta có
etA = ϕ0 (t) E + ϕ1 (t) A + · · · + ϕn−1 (t) An−1 . (53)

!
1 1
Ví dụ 6.52. Tính etA với A = .
4 −2
Đa thức đặc trưng λ2 + λ − 6 = 0, và hệ hàm cơ bản tương ứng
là {e−3t , e2t }. Nghiệm của phương trình u00 + u0 − 6u = 0 có dạng
u = C1 e−3t + C2 e2t .
Để tìm ϕ0 , ta giải hệ u(0) = 1, u0 (0) = 0 hay C1 + C2 = 1 và
−3C1 + 2C2 = 0. Từ đó, C1 = 2/5, C2 = 3/5, và φ0 (t) = 2/5e−3t +
3/5e2t .
Để tìm ϕ1 , ta giải hệ u(0) = 0, u0 (0) = 1 hay C1 + C2 = 0

và −3C1 + 2C2 = 1. Từ đó, C1 = −1/5, C2 = 1/5, và φ0 (t) =
−1/5e−3t + 1/5e2t .
Cuối cùng,
etA = ϕ0 (t) E + ϕ1 (t) A

! !
2e−3t + 3e2t 1 0 −e−3t + e2t 1 1
= +
5 0 1 5 4 −2
và !
1 e−3t + 4e2t −e−3t + e2t
etA = .
5 −4e−3t + 4e2t 4e−3t + e2t
Ví dụ 6.53. Tìm ma trận mũ et A với

 
4 6 6
A= 1 3 2 .
 
−1 −5 −2
p(λ) = −λ3 + 5λ2 − 8λ + 4 = −(λ − 1)(λ − 2)2 .
Các giá trị riêng là λ1 = 1 với bội 1 và λ2 = 2 với bội 2. Phương

trình vi phân vô hướng tương ứng
−u000 + 5u00 − 8u0 + 4u = 0.
có hệ nghiệm cơ bản là {et , e2t , te2t } (cố định thứ tự). Từ đó
u(t) = C1 et + C2 e2t + C3 te2t , u(0) = C1 + C2 ,

u0 (t) = C1 et + 2C2 e2t + C3 (2t + 1)e2t , u0 (0) = C1 + 2C2 + C3 ,
u00 (t) = C1 et + 4C2 e2t + C3 (4t + 4)e2t , u00 (0) = C1 + 4C2 + 4C3 .
Ta có thể dùng thuật toán Gauss-Jordan tính đồng thời các hàm ϕ0 ,
6.5. Hệ tuyến tính không thuần nhất 101
ϕ1 , và ϕ2 như sau
   
1 1 0 | 1 0 0 1 1 0 | 1 0 0
1 2 0 | 0 1 0 ∼ 0 1 1 | −1 1 0 ∼
   
1 4 4 | 0 0 1 0 3 4 | −1 0 1
   
1 1 0 | 1 0 0 1 0 0 | 3 −1 0
∼ 0 1 1 | −1 1 0 ∼ 0 1 0 | −3 4 −1 .
   
0 0 1 | 2 −3 1 0 0 1 | 2 −3 1
Ta nhận được
ϕ0 (t) = 3et − 3e2t + 2te2t ,

ϕ1 (t) = −et + 4e2t − 3te2t ,
ϕ2 (t) = −e2t + te2t .
Từ đó,
etA = ϕ0 (t) E + ϕ1 (t) A + ϕ2 (t) A2 .
So sánh với Ví dụ 6.44.
6.5 Hệ tuyến tính không thuần nhất

Xét hệ phương trình vi phân tuyến tính không thuần nhất
x 0 = A(t) x + f (t) (NH)
với x = ( x1 , x2 , . . . , xn ) T ∈ Rn , t ∈ ( a, b) ⊂ R, a, b hữu hạn hoặc vô

hạn, A(t) = ( aij (t)) là ma trận vuông cấp n và
f (t) = ( f 1 (t), f 2 (t), . . . , f n (t)) T
là hàm vec-tơ trên ( a, b).

Trong các ứng dụng, A(t) đặc trưng cho hệ thống, còn f (t) đóng
vai trò là nhiễu hay ngoại lực tác động vào hệ thống, và do vậy sẽ
hợp lý nếu giả thiết A(t) liên tục và f (t) có thể gián đoạn. Tuy nhiên,
để thuận tiện, trong chương này, ta luôn giả sử tính liên tục của cả
A(t) và f (t).
Hệ ( NH ) có thể được viết lại như sau
dx1
= a11 (t) x1 + a12 (t) x2 + · · · + a1n (t) xn + f 1 (t)
dt
dx2
= a21 (t) x1 + a22 (t) x2 + · · · + a2n (t) xn + f 2 (t)
dt
··· ··· ·····················
dxn
= an1 (t) x1 + an2 (t) x2 + · · · + ann (t) xn + f n (t).
dt
Cũng như với hệ thuần nhất, khi A(t), f (t) là hàm liên tục theo
t, tức là các thành phần aij (t), f i (t) liên tục theo t. Khi đó theo định
lý tồn tại duy nhất nghiệm thì với mọi t0 ∈ ( a, b), x0 ∈ Rn , hệ ( NH )
có duy nhất nghiệm x (t) thỏa mãn x (t0 ) = x0 . Hơn nữa, theo định
lý thác triển nghiệm thì nghiệm x (t) này là toàn cục, tức là xác định
trên toàn khoảng ( a, b).
6.5.1 Cấu trúc nghiệm của hệ tuyến tính không thuần

nhất
Nghiệm của hệ tuyến tính không thuần nhất có các tính chất sau
đây (việc chứng minh là hoàn toàn dễ dàng).
Tính chất 3. Nếu x (t) là nghiệm của ( H ) và y(t) là nghiệm của

( NH ) thì x (t) + y(t) là nghiệm của ( NH ).
Tính chất 4. Nếu y(t) là nghiệm của
x 0 = A(t) x + f (t)
và z(t) là nghiệm của
x 0 = A(t) x + g(t)
thì y(t) + z(t) là nghiệm của
x 0 = A ( t ) x + f ( t ) + g ( t ).
Tính chất 4 còn được gọi là nguyên lý chồng chất (35) .

Mỗi nghiệm của ( NH ) được gọi là một nghiệm riêng.
Định lý 6.21. Gọi { xk (t)}nk=1 là hệ nghiệm cơ bản của ( H ) và

x ∗ (t) là một nghiệm riêng của ( NH ). Khi đó mọi nghiệm của ( NH )
cho bởi
n
x (t) = ∑ Ck xk (t) + x∗ (t) (54)
k =1
trong đó Ck , k = 1, . . . , n, là các hằng số thực.
Nói cách khác, nếu gọi T là tập các nghiệm của hệ vi phân không
thuần nhất (36) ( NH ) thì
T = S + x∗ .
(35) Nguyên lý này được Daniel Bernoulli phát biểu lần đầu tiên năm 1753.
Nguyên lý phổ quát này đúng cho mọi hệ tuyến tính: hệ phương trình đại số
tuyến tính, hệ phương trình vi phân tuyến tính, . . . .
(36) Hệ ( NH ) cũng được gọi là hệ affine, và tập nghiệm T được gọi là đa tạp
affine
Hình 6.23: Nguyên lý chồng chất nghiệm
Định lý 6.22. Gọi X (t) là ma trận cơ bản của ( H ) và x ∗ (t) là một

nghiệm riêng của ( NH ). Khi đó mọi nghiệm của ( NH ) cho bởi
x (t) = X (t)C + x ∗ (t) (55)
trong đó C ∈ Rn là hằng vec-tơ thực tùy ý.
Từ (55), ta có x (s) = X (s)C + x ∗ (s), hay C = X −1 (s)( x (s) −

x ∗ (s)). Thế lại vào (55), ta nhận được cấu trúc nghiệm của ( NH )
thông qua MTTH.
Định lý 6.23. Gọi X (t, s) là ma trận tiến hóa của ( H ) và x ∗ (t) là

một nghiệm riêng của ( NH ). Khi đó mọi nghiệm của ( NH ) cho bởi
x (t) = X (t, s) x (s) + x ∗ (t) − X (t, s) x ∗ (s). (56)
Chứng minh Định lý 6.21. Theo Tính chất 2 và Tính chất 3, hệ thức
(54) là nghiệm của ( NH ).
Ngược lại, ta cần chỉ ra mọi nghiệm x (t) của ( NH ) đều có dạng
(54), tức là cần chỉ ra tồn tại các hằng số Ck , k = 1, 2, . . . , n, sao cho
n
x (t) = ∑ Ck xk (t) + x∗ (t).
k =1
Cố định t = t0 nào đó trong ( a, b), ta có

       
x1 ( t ) x11 (t) xn1 (t) x1∗ (t)
 x2 ( t )   x (t)   x (t)   x ∗ (t) 
       
 .  = C1  12.  + · · · + Cn  2n.  +  2 . 
 .   .   .   . 
 .   .   .   . 
xn (t) x1n (t) xnn (t) xn∗ (t)
hay



 x11 (t0 )C1 + x12 (t0 )C2 + · · · + x1n (t0 )Cn = x1 (t0 ) − x1∗ (t0 )

x21 (t0 )C1 + x22 (t0 )C2 + · · · + x2n (t0 )Cn = x2 (t0 ) − x2∗ (t0 )




 ..........................................................

xn1 (t0 )C1 + xn2 (t0 )C2 + · · · + xnn (t0 )Cn = xn (t0 ) − xn∗ (t0 ).


Đây là hệ phương trình đại số tuyến tính đối với (C1 , C2 , . . . , Cn ) có

định thức chính là định thức Wronski W (t0 ) của HNCB.
Do W (t0 ) 6= 0 nên tồn tại duy nhất Ck = Ck (t0 , x1 , x2 , . . . , xn , x ∗ )
với mọi k = 1, 2, . . . , n. Từ đó có điều phải chứng minh
Chứng minh Định lý 6.22. Do X (t)C là tổ hợp tuyến tính của các
nghiệm trong HNCB nên theo Tính chất 2, X (t)C là nghiệm của
( H ). Lại theo Tính chất 3, hệ thức (29) là nghiệm của ( NH ).
Ngược lại, ta cần chỉ ra mọi nghiệm x (t) của ( NH ) đều có dạng
(55), tức là cần chỉ ra tồn tại các hằng vec-tơ C sao cho x (t) = X (t)C +
x ∗ (t). Do X (t) khả nghịch, ta thu được ngay C = X −1 (t0 )( x (t0 ) −
x ∗ (t0 )) với t0 nào đó trong ( a, b).
6.5.2 Phương pháp biến thiên tham số Lagrange

Nghiệm riêng trong 3 định lý cấu trúc nghiệm trên đây thực ra có
thể tính qua HNCB, MTCB hay MTTH.
Phương pháp biến thiên tham số (37) Lagrange cho phép tìm
nghiệm của phương trình tuyến tính không thuần nhất khi đã biết
nghiệm của phương trình tuyến tính thuần nhất. Đó chính là ưu
điểm của phương pháp biến thiên tham số so với định lý cấu trúc
nghiệm của ( NH ): nghiệm riêng được tính thông qua HNCB. Về
mặt lý thuyết, biến thiên tham số là phương pháp tổng quát giải hệ
không thuần nhất vì có thể áp dụng với số hạng không thuần nhất
f (t) bất kỳ.
Chúng ta sẽ thiết lập định lý Lagrange dưới ba dạng: HNCB,
MTCB, và MTTH.
Gọi X (t) là ma trận cơ bản của ( H ). Khi đó nghiệm của ( H ) cho
bởi
x (t) = X (t)C, với C là hằng vec-tơ tùy ý.
Ý tưởng (38) của phương pháp Lagrange là biến thiên tham số C
trong nghiệm của ( H ) thành hàm C (t) để nhận được nghiệm của
( NH ). Tóm lại ta tìm nghiệm của ( NH ) dạng
x ( t ) = X ( t ) C ( t ). (57)
Lấy đạo hàm theo t, rồi thế vào ( NH ), ta có
X 0 ( t ) C ( t ) + X ( t ) C 0 ( t ) = A ( t ) X ( t ) C ( t ) + f ( t ).
(37) Cũng gọi là phương pháp biến thiên hằng số.
(38) Ý tưởng của Lagrange rất độc đáo: đơn giản nhưng hiệu quả về mặt giải
tích, đồng thời để lại thắc mắc cho chúng ta: Tại sao Lagrange lại nghĩ ra phương
pháp biến thiên tham số? và phương pháp này có ý nghĩa hình học hay vật lý nào
không?
Để ý rằng X 0 (t) = A(t) X (t), ta được
X (t)C 0 (t) = f (t) (58)
hay
C 0 ( t ) = X −1 ( t ) f ( t ).
Từ đó, Z
C (t) = C + X −1 (t) f (t)dt
và Z
−1
x (t) = X (t) C + X (t) f (t)dt .
Như vậy ta đã chứng minh dạng MTCB sau đây của Định lý La-
grange.
Định lý 6.24. Gọi X (t) là ma trận cơ bản của ( H ). Khi đó mọi

nghiệm của ( NH ) cho bởi
Z
x (t) = X (t)C + X (t) X −1 (t) f (t)dt. (59)
Tiếp theo ta sẽ đi đến dạng MTTH - dạng đẹp nhất của công thức
biến thiên tham số Lagrange. Để làm vậy, từ C 0 (t) = X −1 (t) f (t), ta
rút ra Z t
C (t) = C + X −1 (ξ ) f (ξ )dξ.
s
Từ đó, Z t
−1
x (t) = X (t) C + X (ξ ) f (ξ )dξ ,
s
Z t
x (t) = X (t)C + X (t) X −1 (ξ ) f (ξ )dξ.
s
Cho t = s, thì x (s) = X (s)C, C = X −1 (s) x (s), nên ta đi đến

Z t
x ( t ) = X ( t ) X −1 ( s ) x ( s ) + X (t) X −1 (ξ ) f (ξ )dξ.
s
Vậy ta có dạng dưới đây của Định lý Lagrange phát biểu qua
MTTH.
Định lý 6.25. Gọi X (t, s) là ma trận tiến hóa của ( H ). Khi đó mọi
nghiệm của ( NH ) cho bởi
Z t
x (t) = X (t, s) x (s) + X (t, ξ ) f (ξ )dξ. (60)
s
Cuối cùng, ta viết Định lý Lagrange dưới dạng HNCN để thuận

tiện cho thực hành tính toán. Các công thức (61) và (62) chẳng qua
là cách viết chi tiết của các công thức (57) và (58) ở trên.
Định lý 6.26. Gọi { xk (t)}nk=1 là hệ nghiệm cơ bản của ( H ). Khi

đó mọi nghiệm của ( NH ) cho bởi
n
x (t) = ∑ Ck (t)xk (t) (61)
k =1
trong đó



 x11 (t)C10 (t) + x12 (t)C20 (t) + · · · + x1n (t)Cn0 (t) = f 1 (t)

x21 (t)C10 (t) + x22 (t)C20 (t) + · · · + x2n (t)Cn0 (t) = f 2 (t)




 ..........................................................

xn1 (t)C10 (t) + xn2 (t)C20 (t) + · · · + xnn (t)Cn0 (t) = f n (t).


(62)
Như đã nhận xét trước đây, phương trình vi phân tuyến tính cấp
cao hệ số hằng
y ( n ) + a 1 y ( n −1) + . . . + a n −1 y 0 + a n y = f ( t )
có thể qui về hệ tuyến tính cấp một bằng cách đặt x1 = y, x2 = y0 ,

. . . , xn = y(n−1) và ta có
x10
      
0 1 0 ··· 0 x1 0
x20 0 0 1 ··· 0 x2 0
      
      
 ..  
= .. .. .. .. ..   
+.. 
. ..

 .   . . . . . 
   .  .
 x n −1   0 0 0 ··· 1   x n −1   0 
      
xn 0 − a n − a n −1 − a n −2 · · · − a1 xn f (t)
Do đó, các kết quả của phương trình tuyến tính cấp cao là trường
hợp riêng các kết quả của hệ vi phân tuyến tính cấp một (sinh viên
tự kiểm tra).
Bây giờ ta sẽ chỉ ra Định lý 6.26 là tổng quát của Định lý L trong
chương 5. Để đơn giản ký hiệu, ta xét trường hợp n = 2. Khi n = 2,
Định lý L trên đây trở thành:
( ! !)
u1 ( t ) u2 ( t )
Định lý 6.27. Gọi , là HNCB của hệ phương trình
v1 ( t ) v2 ( t )

du

 = a11 (t)u + a12 (t)v
dt
dv

 = a21 (t)u + a22 (t)v.
dt
Khi đó mọi nghiệm của hệ phương trình

 du = a11 (t)u + a12 (t)v + f 1 (t)

dt
dv

 = a21 (t)u + a22 (t)v + f 2 (t).
dt
cho bởi 
 u(t) = C1 (t)u1 (t) + C2 (t)u2 (t)
 v(t) = C1 (t)v1 (t) + C2 (t)v2 (t)
trong đó 
C 0 (t)u (t) + C 0 (t)u (t) = f (t)
1 1 2 2 1
 C 0 ( t ) u 0 ( t ) + C 0 ( t ) u 0 ( t ) = f 2 ( t ).
1 1 2 2
Nhắc lại Định lý Lagrange cho phương trình vi phân tuyến tính
cấp 2.
Định lý 6.28. Gọi {y1 (t), y2 (t)} là HNCB của phương trình
y00 + p(t)y0 + q(t)y = 0.
Khi đó mọi nghiệm của phương trình
y00 + p(t)y0 + q(t)y = f (t) (63)
cho bởi
y(t) = C1 (t)y1 (t) + C2 (t)y2 (t)
trong đó 
C 0 (t)y (t) + C 0 (t)y (t) = 0
1 1 2 2
 C 0 ( t ) y 0 ( t ) + C 0 ( t ) y 0 ( t ) = f ( t ).
1 1 2 2
Định lý 6.28 được suy ra từ Định lý 6.27 theo cách sau: Đặt u = y,
v = y0 .
Bây giờ chúng ta cho một số ví dụ minh họa phương pháp La-
grange cho hệ vi phân.
Ví dụ 6.54. Dùng phương pháp Lagrange, tìm nghiệm của hệ vi
phân sau 
 x 0 = 6x + x + t
1 1 2
 x 0 = 5x1 + 2x2 + 1.
2
Bước 1. Trước tiên ta cần tìm HNCB của hệ thuần nhất tương ứng

 x 0 = 6x + x
1 1 2
 x 0 = 5x1 + 2x2 .
2
!
6 1
Ma trận A = có đa thức đặc trưng λ2 − 8λ + 7 = 0 nên A có
5 2
hai giá trị riêng đơn λ1 = 1 và λ2 = 7. Dễ tìm được các vec-tơ riêng
tương ứng là ! !
−1 1
v1 = và v2 = .
5 1
Vậy theo Định lý cơ bản, HNCB của hệ thuần nhất là

( ! !)
−1 1
et , e7t .
5 1
Bước 2. Theo phương pháp Lagrange, nghiệm của hệ đã cho có dạng

! ! !
x1 −1 1
= C1 (t)et + C2 (t)e7t
x2 5 1
với 
−C 0 (t)et + C 0 (t)e7t =t
1 2
5C 0 (t)et + C 0 (t)e7t = 1.
1 2
Dễ tính được
1 − t −t 5t + 1 −7t
C10 (t) = e và C20 (t) = e .
6 6
Sau khi tích phân, ta nhận được

1 5 2
C1 (t) = C1 + te−t và C2 (t) = C2 − t+ e−7t .
6 42 49
Vậy nghiệm của hệ đã cho là

! ! !
−1

x1 1 −t t 5 2 1
= C1 + te e + C2 − t+ e−7t e7t
x2 6 5 42 49 1
hay

2 2

 x1 = −C1 et + C2 e7t − t −
7 49
t 7t 5 2

 x2 = 5C1 e + C2 e + t −
7 49
chính là nghiệm trong Ví dụ 6.30.
Hình học của phương pháp biến thiên tham số
6.6 Hệ tuyến tính không thuần nhất hệ số

hằng
Xét hệ tuyến tính không thuần nhất hệ số hằng
n
xi0 = ∑ aij x j + fi (t), i = 1, 2, . . . , n,
j =1
hay
x 0 = Ax + f (t) (NHc )
với x ∈ Rn , t ∈ ( a, b) ⊂ R, a, b hữu hạn hoặc vô hạn, A là ma trận
hằng cấp n, và f (t) = ( f 1 (t), f 2 (t), . . . , f n (t)) T là hàm liên tục trên
( a, b).
6.6.1 Trường hợp vế phải tùy ý

Khi vế phải tùy ý, hệ ( NHc ) có thể giải bằng phương pháp thế,
phương pháp Lagrange, hoặc tính etA rồi áp dụng công thức nghiệm,
....
Do Định lý 6.19, công thức biến thiên tham số (39) trong trường
hợp hệ số hằng như sau.
Định lý 6.29. Nghiệm của hệ ( NHc ) cho bởi

Z t
( t − t0 ) A
x (t) = e x ( t0 ) + e(t−ξ ) A f (ξ )dξ. (64)
t0
Ta có thể chứng minh trực tiếp công thức trên bắt chước ý tưởng
"thừa số tích phân" trong trường hợp một chiều.
(39) Đôi khi công thức này gọi là công thức Duhamel.
6.6. Hệ tuyến tính không thuần nhất hệ số hằng 113
Chứng minh. Tác động µ(t) = e−tA lên hai vế, ta được
e−tA x 0 = e−tA Ax + e−tA f (t).
Chuyển vế và để ý e−tA A = Ae−tA , ta có

0
−tA
e x = e−tA f (t).
Tích phân hai vế từ t0 đến t, ta nhận được

Z t
−tA t
e x t =
e−ξ A f (ξ )dξ
0 t0
hay
Z t
−tA − t0 A
e x (t) = e x ( t0 ) + e−ξ A f (ξ )dξ
t0
Cuối cùng, tác động etA lên hai vế, ta có điều phải chứng minh.
Ví dụ 6.55. Dùng phương pháp Lagrange, tìm nghiệm của hệ vi

phân sau 
 x 0 = − x + t2
1 2
 x 0 = x1 + e t .
2
R t R t R 2
Ta sẽ cần tính các tích phân dài như e sin tdt, e cos tdt, t cos tdt,
và t2 sin tdt.
R
Bước 1: Ta tìm HNCB của


 x 0 = − x + t2
1 2
 x 0 = x1 + e t .
2
!
0 −1
Ma trận A = có giá trị riêng ±i. Với λ1 = i, ta tìm vec-
1 0
!
α1
tơ riêng v1 = là nghiệm của
α2
( A − iE)v = 0
Từ đó, −iα1 − α2 = 0, α2 = −iα1 . Chọn α1 = 1 thì α2 = −i nên

!
1
v1 = .
−i
Định lý cơ bản cho ta nghiệm (phức)

!
1
z(t) = eλ1 t v1 = eit
−i
" ! !#
1 0
= (cos t + i sin t) +i
0 −1
! !
cos t sin t
= +i .
sin t − cos t
Vậy ta có hai nghiệm (thực) lập thành HNCB của hệ thuần nhất
( ! !)
cos t sin t
, .
sin t − cos t
Bước 2.Theo phương pháp Lagrange, ta tìm nghiệm của hệ dạng

! ! !
x1 cos t sin t
= C1 (t) + C2 (t)
x2 sin t − cos t
trong đó 
C 0 (t) cos t + C 0 (t) sin t = t2
1 2
C 0 (t) sin t − C 0 (t) cos t = et .
1 2
Dễ tính được
C10 (t) = t2 cos t + et sin t và C20 (t) = t2 sin t − et cos t.
Ví dụ 6.56. Chất A được phân tích thành hai chất P và Q. Tốc độ

tạo thành của mỗi chất tỉ lệ với lượng chất chưa được phân tích. Gọi
x (t) và y(t) lần lượt là lượng các chất P và Q tại thời điểm t. Cho a
lượng ban đầu của chất A. Biết tại thời điểm 1 giờ sau khi quá trình
phân tích bắt đầu, lượng các chất P và Q là x = a/8 và y = 3a/8.
Tìm qui luật thay đổi theo thời gian của các đại lượng x (t) và
y ( t ).
Tại mỗi thời điểm t, lượng chất A chưa được phân tích là ( a −
x (t) − y(t)). Tốc độ tạo thành của các chất P, Q chính là x 0 (t), y0 (t).
Vậy quá trình phân tích chất A thành các chất P và Q được mô hình
bởi hệ vi phân sau
x0 = k1 ( a − x − y)
y0 = k2 ( a − x − y)
trong đó k1 , k2 > 0 là các hằng số tỉ lệ và thời gian t tính theo đơn vị

giờ.
Từ phương trình thứ nhất, ta có k1 y = k1 a − k1 x − x 0 . Đạo hàm
hai vế của phương trình thứ nhất, ta có
x 00 = −k1 x 0 − k1 y0 = −k1 x 0 − k1 k2 ( a − x − y)
= −k1 x 0 − k1 k2 a + k1 k2 x + k2 (k1 a − k1 x − x 0 )
hay
x 00 + (k1 + k2 ) x 0 = 0
là phương trình tuyến tính cấp hai hệ số hằng. Từ đó,
x = C1 + C2 e−(k1 +k2 )t
và
C2 k2 −(k1 +k2 )t
y = a − C1 + e .
k1
Do chưa có chất tạo thành lúc bắt đầu quá trình phân tích nên
x (0) = y(0) = 0, ta nhận được hệ phương trình
C1 + C2 = 0
k2
a − C1 + C2 = 0.
k1
Giải hệ ta nhận được
ak1 ak1
C1 = và C1 = − a.
k1 + k2 k1 + k2
Do đó,
ak1 h i ak2 h i
x= 1 − e−(k1 +k2 )t và y= 1 − e−(k1 +k2 )t .
k1 + k2 k1 + k2
Theo giả thiết, x (1) = a/8, y(1) = 3a/8 nên
ak1 h −(k1 +k2 )
i a ak2 h −(k1 +k2 )
i 3a
1−e = và 1−e = .
k1 + k2 8 k1 + k2 8
ln 2 3 ln 2
Giải hệ này ta nhận được k1 = và k2 = 3k1 = . Cuối cùng,
4 4
Dễ thấy x (t) → ta có
a/4 và y(t) → a 1 − 2− t

x (t) =
3a/4 khi t → ∞. 4
3a 1 − 2−t

Vậy khi nào phản
y(t) = .
ứng kết thúc? 4
6.6.2 Trường hợp vế phải đặc biệt: phương pháp hệ

số bất định
Nguyên lý nhân quả (the law of cause and effect)
Ta sẽ giải hệ trong ví dụ trên bằng hai cách nữa để tiện so sánh
(40) . Cách 1 dùng phương pháp thế để đưa về phương trình tuyến
tính cấp hai không thuần nhất hệ số hằng, và là cách đơn giản nhất.
Cách 2 dùng phương pháp HSBĐ cho hệ hai chiều.
Nói chung, phương pháp HSBĐ cho hệ số chiều cao có tính toán
khá phức tạp.
Ví dụ 6.57. Dùng phương pháp HSBĐ, tìm nghiệm của hệ vi phân
sau 
 x 0 = − x + t2
1 2
 x 0 = x1 + e t .
2
Cách 1: Từ phương trình đầu rút ra x2 = t2 − x10 , và x20 = 2t − x100 .

Thế vào phương trình thứ hai, ta được 2t − x100 = x1 + et hay
x100 + x1 = 2t − et .
(40) So sánh trên chỉ đúng đối với hệ cụ thể đang xét.
Hai nghiệm đặc trưng là λ = ±i nên HNCB là {cos t, sin t}. Theo
nguyên lý chồng chất và phương pháp HSBĐ, ta tìm nghiệm riêng
dạng
x1∗ = At + B + Cet .
Thế vào phương trình trên, có
At + B + 2Cet = 2t − et
với mọi t nên A = 2, B = 0, và C = −1/2. Vậy
1
x1∗ = 2t − et .
2
Ta thu được
1
x1 (t) = C1 cos t + C2 sin t + 2t − et .
2
Do x2 = t2 − x10 nên
1
x2 (t) = C1 sin t − C2 cos t + t2 − 2 + et .
2
Cách 3: Ta tìm được HNCB
( (như ! Cách 2 hoặc
!) dùng phương pháp
cos t sin t
thế cho hệ thuần nhất) , .
sin t − cos t
Tiếp theo ta dùng phương pháp HSBĐ tìm một nghiệm riêng
dạng 
 x ∗ = A t2 + B t + C + D e t
1 1 1 1 1
 x2∗ = A2 t2 + B2 t + C2 + D2 et .
Thay vào hệ ban đầu, ta có

2A t + B + D et = − A t2 − B t − C − D et + t2
1 1 1 2 2 2 2
2A2 t + B2 + D2 et = A1 t2 + B1 t + C1 + D1 et + et .
Hằng đẳng các hệ số của t2 , t và et , ta có


2A = − B , B = −C , D = − D , 0 = 1 − A
1 2 1 2 1 2 2
2A2 = B1 , B2 = C1 , D2 = D1 + 1, A1 = 0.
Từ đó, A1 = B2 = C1 = 0, A2 = 1, B1 = 2, C2 = −2, D2 = 1/2,

D1 = −1/2. Nghiệm riêng cần tìm là

 x ∗ = 2t − 1 et

1 2
∗ 1
 x2 = t − 2 + e t .
 2
2
Cuối cùng,
 
! ! ! 1 t
x1 ( t ) cos t sin t  2t − 2 e 
= E1 + E2 + 1 
x2 ( t ) sin t − cos t t2 − 2 + e t
2
trùng với nghiệm đã tính được ở Cách 1.
6.7. Tóm tắt lý thuyết. Bài tập chương 6 119
6.7 Tóm tắt lý thuyết. Bài tập chương 6

Tóm tắt lý thuyết
• Phương pháp thế và phương pháp THKT thường được sử

dụng để tìm nghiệm của hệ vi phân

 xk0 = f k (t, x1 , . . . , xn ),
 k = 1, 2, . . . , n
hay
x 0 = F (t, x ), x ∈ Rn
với F tuyến tính, F (t, x ) = A(t) x, hay F phi tuyến.
Dạng đối xứng của hệ vi phân
dx1 dxn
dt = = ··· =
f1 fn
thường hữu ích trong việc tìm các THKT hay tích phân đầu.
Dạng đối xứng cũng có thể dùng để xác định bức tranh pha
của hệ ô-tô-nôm x 0 = F ( x ).
• Nghiệm của hệ tuyến tính thuần nhất
x 0 = A(t) x, (H)
cho bởi HNCB, MTCB, MTTH. Nói chung, không tìm được
HNCB, MTCB, MTTH qua các hàm sơ cấp, kể cả hệ 2 chiều.
• Nghiệm của hệ tuyến tính không thuần nhất
x 0 = A ( t ) x + f ( t ), (NH)
có thể tìm theo phương pháp biến thiên tham số Lagrange, với
điều kiện biết nghiệm của ( H ).
• Nghiệm của hệ tuyến tính thuần nhất
x 0 = Ax, (Hc )
có thể tính theo từ Định lý cơ bản. Định lý cơ bản cho thuật

toán tìm nghiệm hiệu quả, đặc biệt khi ma trận A không chéo
hóa được. Khi ma trận A chéo hóa được thì nên dùng các vec-
tơ riêng để tìm nghiệm.
• Nghiệm của hệ tuyến tính không thuần nhất
x 0 = Ax + f (t), (NHc )
có thể tìm theo phương pháp biến thiên tham số Lagrange khi
f (t) tùy ý, và có thể dùng thêm phương pháp HSBĐ khi f (t)
có dạng tựa đa thức lượng giác.
• Trong trường hợp hệ hai chiều, dù hệ tuyến tính hoặc phi

tuyến, phương pháp thế tỏ ra thuận tiện để tìm nghiệm.
• MTCB chuẩn tắc U (t) và MTTH U (t, s) của hệ ( Hc ) được cho

bởi các ma trận mũ
U (t) = etA và U (t, s) = U (t − s) = e(t−s) A .
• Ma trận mũ có thể được tính theo một vài phương pháp sau:
phương pháp Fulmer, phương pháp Putzer, phương pháp HFS,
....
BÀI TẬP CHƯƠNG 6

6. 1. Viết hệ sau đây dưới dạng chuẩn tắc
x 00 − 4y = et
y00 + t2 x 0 = sin t.
6. 2. Lập trình Maple cho thuật toán giải hệ ( Hc ) dùng Định lý cơ

bản.
6. 3. Giải các hệ vi phân sau.


 x 00 + x 0 + y0 − 2y = 0
a)
 x 0 − y0 + x = 0.

00
 x = 3x − y − z



b) y00 = − x + 3y − z

 z00 = − x − y + 3z.



 x 00 − 2y00 + y0 + x − 3y = 0
c)
 4y00 − 2x 00 − x 0 − 2x + 5y = 0.
6. 4. Giải các hệ sau bằng cách đưa về hệ vi phân hệ số hằng.


 tdx = − x + y

a) dt
tdy

 = − x + 3y.
 2dt
 t dx = − x − 2y

b) dt
t 2 dy
= 3x + 4y.


dt
√

 2 t dx = 2x − y

c) dt
√ dy
 2 t

= x + 2y.
dt
6. 5. Giải các hệ sau dùng tọa độ cực.

 x 0 = − y ( x 2 + y2 )
a)
 y 0 = x ( x 2 + y2 ).

 x 0 = ax + by
b)
y0 = −bx + ay.

 x 0 = − y + x (1 − x 2 − y2 )
c)
 y 0 = x + y (1 − x 2 − y2 ).
6. 6. Chứng minh rằng hệ ô-tô-nôm một chiều x 0 = f ( x ), x ∈ R

không thể có nghiệm tuần hoàn.
6. 7. Hệ tuyến tính x 0 = Ax với ma trận A không chéo hóa được có

phải là hệ tách được không?
6. 8. Cho λ là một giá trị riêng của ma trận A. Chứng minh rằng bội
hình học của λ không lớn hơn bội đại số của λ.
6. 9. Cho ma trận
 
0 1 0 ··· 0 0
···
 
0 0 1 0 0
 .. .. .. .. .. .. 
 
. . . . . .
 
0 0 0
 ··· 1 0 
0 0 0
 ··· 0 1 
a1 a2 a3 · · · a n −1 an
(a) Chứng minh rằng ma trận chéo hóa được.

(b) Chỉ ra rằng đa thức cực tiểu của ma trận chính là đa thức đặc
trưng của nó.
6. 10. Cho hệ vi phân
x2 − t
x0 =
y
y0 = − x.
Hỏi ϕ1 = t2 + 2xy và ϕ2 = x2 − ty có là các tích phân đầu của hệ
trên không?
6. 11. Xây dựng một tích phân đầu cho hệ con lắc phi tuyến sau
x0 = v x (0) = a,
v0 = −b2 x − βx3 v(0) = p,
và dùng nó để chỉ ra rằng nghiệm của bài toán trên là tuần hoàn.
6. 12. Chuyển động của một hệ vật lý tuân theo hệ vi phân
x10 = x2 , x20 = −bx1 − ax2 ,
trong đó a, b là các hằng số dương và a 6= 2b. Chỉ ra rằng hệ chuyển
động tắt dần khi t → +∞.
6. 13. Cho A = ( aij ) là ma trận cấp n với
ai,i+1 = 1
với mọi i = 1, 2, . . . , n − 1. Tính etA .
6. 14. Tìm A nếu

 
2e2t − et e2t − et et − e2t
etA =  e2t − et 2e2t − et et − e2t  .
 
3e2t − 3et 3e2t − 3et 3et − 2e2t

!
a b
6. 15. Tìm ma trận mũ của ma trận A = .
c d
6. 16. Chứng minh rằng hệ hàm vec-tơ {eλi t vi (t)}ik=1 độc lập tuyến
tính nếu và chỉ nếu hoặc {λi }ik=1 đôi một khác nhau, hoặc {vi (t)}ik=1
độc lập tuyến tính.
6. 17. Chứng minh rằng hệ vec-tơ x1 (t) = (2t − 3, 2 − t, −4) T , x2 (t) =

(1, t + 1, −2)T , x3 (t) = (1 − t, 3, −6)T không thể là hệ nghiệm cơ bản
của hệ tuyến tính thuần nhất ba chiều x 0 = A(t) x, t ∈ R.
6. 18. Tìm hệ nghiệm cơ bản và định thức Wronski của hệ sau

n
dyi
= ∑ a j (t)y j , i = 1, 2, . . . , n
dt i =1
trong đó các hàm y j liên tục trên ( a, b).
6. 19. Cho A(·) = n × n và f (·) : ( a, b) → Rn là các hàm liên tục.

Chứng minh rằng hệ vi phân tuyến tính không thuần nhất
x 0 = A(t) x + f (t)
có đúng (n + 1) nghiệm độc lập tuyến tính.
6. 20. Cho hệ x 0 = A(t) x với A(t) = ( aij (t)) và các aij (t) liên tục
trên ( a, +∞) và
Z +∞
| aij (t)|dt < +∞
a
với mọi j. Chứng minh rằng

a) Mọi nghiệm của hệ bị chặn trên ( a, +∞);
b) Tồn tại giới hạn hữu hạn của mọi nghiệm khi t → +∞; các
nghiệm khác nhau có giới hạn khác nhau và với mọi C ∈ Rn , tồn tại
nghiệm x (t) sao cho limt→+∞ x (t) = C.
6. 21. Sinh khối (biomass) của một quần thể là tổng số cá thể của
quần thể đó. Hãy xác định các thời điểm mà hệ Lotka-Volterra

 x 0 = − x + xy
y0 = y − xy
có sinh khối lớn nhất và nhỏ nhất.
6. 22. a) Chứng minh Định lý ánh xạ phổ cho ma trận mũ:
σ (e A ) = eσ( A)
với mọi ma trận vuông A.

b∗ ) So sánh cấu trúc dạng Jordan của A và e A .
6. 23. Tính ma trận tiến hóa X (t, s) của hệ
ẋ = ty
ẏ = −tx.
Tìm nghiệm của hệ thỏa mãn điều kiện ban đầu x (1) = 0, y(1) = 1.
6. 24. Tính ma trận tiến hóa X (t, s) của hệ
ẋ = g(t)y
ẏ = − g(t) x.
6. 25. Tìm các điểm x0 để nghiệm đi qua (0, x0 ) của hệ
x10 = 2x1 + x2
x20 = x1 + 2x2
hội tụ đến 0 khi t → +∞.

6. 26. (Hiện tượng nổ nghiệm) Cho hệ vi phân

dx
= x2 + y
dt
dy
= x 2 y2 .
dt
Gọi ( x (t), y(t)) là nghiệm của hệ với điều kiện ban đầu ( x (0), y(0)) =
(0, 1). Chứng minh rằng tồn tại thời điểm t∗ sao cho x (t) → ∞ khi
t → t∗ .
6. 27. Tìm nghiệm của hệ
x 0 = Ax + v cos αt
trong đó A là ma trận cấp n và v ∈ Rn .

6. 28. Chứng minh rằng nếu hệ vi phân x 0 = Ax có nghiệm
!
t 2 t k
x (t) = eλt vk + tvk−1 + vk−2 + · · · v0
2! k!
thì các vec-tơ v0 , v1 , . . . , vk thỏa mãn
( A − λE)v0 = 0
( A − λE)v1 = v0
( A − λE)v2 = v1
..
.
( A − λE)vk−1 = vk ,
nói cách khác {v0 , v1 , . . . , vk } lập thành xích các vec-tơ riêng suy
rộng (41) xuất phát từ vec-tơ riêng v0 .
Chỉ ra rằng điều ngược lại cũng đúng. (Đây là một cách tìm hệ
nghiệm cơ bản của x 0 = Ax.)
6. 29. Giải hệ sau bằng phương pháp hệ số bất định
x 0 = 2x − 3y + 34 sin t
y0 = −4x − 2y + 17 cos t.
(41) Chain of generalized eigenvectors.
6. 30. Mạch điện trong Hình 6.24 được mô tả qua hệ vi phân

! ! ! !
d i2 − R1 /L1 − R1 /L1 i2 E/L1
= + .
dt i3 − R1 /L2 −( R1 + R2 )/L2 i3 E/L2
Hình 6.24: Mạch điện với 2 điện trở, 2 cuộn cảm
(a) Dùng phương pháp hệ số bất định, giải hệ biết R1 = 2Ω,

R2 = 3Ω, L1 = 1H, L2 = 1H, E = 60V, i2 (0) = 0, và i3 (0) = 0.
(b) Tìm cường độ dòng điện i1 (t).
6. 31. Xét mạch điện như trong Hình 6.25 với R1 = R2 = 4Ω, C =
1
2 F, và L = 8 H.
Hình 6.25: Mạch điện với 2 điện trở, 1 cuộn cảm
(a) Chỉ ra rằng mạch điện trên được mô tả bởi hệ vi phân sau
! ! !
d I − 12 12 I
= ,
dt V 2 − 21 V
trong đó I là cường độ dòng điện qua cuộn cảm và V là hiệu

điện thế qua tụ điện.
(b) Tìm nghiệm của hệ vi phân trên.
(c) Tìm I (t) và V (t) biết I (0) = 2 A và V (0) = 3 V.
6. 32. bài 26 trang 418 Boyce 10th
6. 33.
6. 34.
Gợi ý bài tập chương 6
6.1. Đặt x1 = x, x2 = x 0 , x3 = y, x4 = y0 , ta nhận được x10 = x2 , x20 =

4x3 + et , x30 = x4 , x40 = −t2 x2 + sin t.
6.3. a) x = C1 et + C2 e−t + 2C3 e−2t , y = 2C1 et + C3 e−2t . b) x = C1 et +

C2 e−t + C3 e2t , y = C1 et + C2 e−t + C4 e2t + C6 e−2t , z = C1 et + C2 e−t − (C3 +
C4 )e2t − (C5 + C6 )e−2t . c) x = 3Ce−t , x = Ce−t ??
1 1
6.4. a) y = 2
[C1 + C2 ln(t + 1)], z = − 2 (C1 + C2 ln t). b) y = C1 e−1/t +
t t √ √ √
C2 e−2/t , z = −C1 e−1/t − 3C2 e−2/t . c) y = e2 t C1 cos t + C2 sin t ,
√ √ √
z = e2 t C1 sin t − C2 cos t .
6.5. a) r 0 = 0, ϕ0 = r2 , b) r 0 = ar, ϕ0 = −b, c) r 0 = r (1 − r2 ), ϕ0 = 1.
6.6.
6.7.
6.8. Giả sử bội hình học của λ0 là k. Gọi v1 , . . . , vk là các vec-tơ riêng độc
lập tuyến tính . Ta mở rộng thành cơ sở v1 , . . . , vn của Rn . Đặt P = (v1 | . . . |vn ).
Khi đó, ma trận P−1 AP = B có khối trái trên k × k dạng chéo với các phần
tử trên đường chéo là λ0 . Khối trái trên có đa thức đặc trưng (λ − λ0 )k , và
đa thức này là 1 nhân tử của đa thức đặc trưng của B nên cũng là 1 nhân
tử của đa thức đặc trưng của A do A và B có cùng đa thức đặc trưng. Từ
đó, ta có điều phải chứng minh.
6.9. Ma trận đó chính là ma trận thu được khi chuyển phương trình tuyến
tính cấp cao hệ số hằng về hệ phương trình vi phân cấp một.
6.10. ϕ1 là tích phân đầu; ϕ2 không là tích phân đầu.
6.11.
6.12.
6.13. A là ma trận lũy linh.
6.14. Đạo hàm hai vế rồi cho t = 0.

!!
sinh(∆) γ b
6.15. e A = eδ cosh(∆) E2 + ∆ với δ = ( a + d)/2, γ =
c −γ
( a − d)/2, ∆ = γ2 + bc. Qui ước sinh∆(∆) = 1 với ∆ = 0. Ngoài ta, chú ý
p
sinh(i∆) sin(∆)
rằng cosh(i∆) = cos(∆) và i∆ = ∆ .
6.16.
6.17. Do W (t) = 18(t2 − t) = 0 tại t = 0 và t = 1.
6.18.
6.19.
6.20.
6.21. Trên mặt phẳng pha, ta cần tìm các điểm tiếp xúc giữa đường cong
pha và đường thẳng x + y = C.
6.22. b∗ ) Dạng Jordan của A và e A có cùng cấu trúc, nghĩa là cùng bội đại
số và bội hình học.
2 2 2 2
!
cos t −2 s sin t −2 s 2 −1 2 −1
6.23. X (t, s) = 2 2 2 2 và x (t) = sin t 2 , x (t) = cos t 2 .
− sin t −2 s cos t −2 s .
Rt Rt !
cos s g(ξ )dξ sin s g(ξ )dξ
6.24. X (t, s) = Rt Rt .
− sin s g(ξ )dξ cos s g(ξ )dξ.
6.25.
6.26.
/ σ( A), ta có x ∗ = a cos σt + b sin σt với a, b ∈ Rn . Từ đó,

6.27. Khi ±αi ∈
x = etA + a cos σt + b sin σt với a = − A( A2 + σE)−1 v và a = −σ( A2 +
σE)−1 v. Khi ±αi ∈ σ ( A), ta có thể làm tương tự hoặc dùng công thức
Duhamel.
6.28. Thế vào hệ rồi cho t = 0.
6.29. Nghiệm riêng có dạng ( A1 cos t + B1 sin t, A2 cos t + B2 sin t)T .
6.30.
6.31. (d) Xác định các giá trị giới hạn của I (t) và V (t) khi t → +∞. Các giá
trị này có phụ thuộc vào các giá trị ban đầu của chúng không?
6.32.
6.33.
6.34.
MỘT SỐ CHỦ ĐỀ NÂNG CAO
Các chủ đề này dành cho các sinh viên ngành Toán.
6A1. Vài mở rộng của công thức biến thiên tham số
Mô tả: Thiết lập suy rộng của công thức biến thiên tham số cho
phương trình nửa tuyến tính
x 0 = A(t) x + h(t, x ) (SH)
và phương trình phi tuyến
x 0 = f (t, x ) + g(t, x )
(còn gọi là công thức Alexseev) trong đó x ∈ Rn , t ∈ R, A(t) là ma

trận thực cấp n, các hàm A, f , g, h liên tục theo t.
Từ khóa: semi-linear nonautonomous differential equations, vari-
ation of parameters, Alexseev formular
Tài liệu tham khảo: internet.
6A2. Hệ vi phân Cauchy-Euler
Mô tả: Thiết lập tương tự Định lý cơ bản cho hệ vi phân Cauchy-

Euler thuần nhất
tx 0 = Ax (CE)
và phương pháp HSBĐ cho hệ vi phân Cauchy-Euler không thuần
nhất
tx 0 = Ax + f (t) (NCE)
trong đó x ∈ Rn , t 6= 0, A là ma trận thực cấp n.
Từ khóa: Cauchy-Euler systems, undetermined coefficient method

Tài liệu tham khảo: https://prezi.com/j4vxhiif8tb2/the-cauchy-euler-equation-and-the
dt tdx (t)
Với t > 0, đặt t = es thì ds = . Khi đó hệ = Ax (t) trở
t dt
thành
dy(s)
= Ay(s)
ds
trong đó x (t) = x (es ) = y(s).
6A3. Hệ ô-tô-nôm tuyến tính cấp hai
Mô tả: Xây dựng lý thuyết và thực hành tìm nghiệm của hệ ô-tô-
nôm tuyến tính cấp hai x 00 = Ax. Có thể suy rộng cho hệ cấp cao
x (m) = Ax không?
Keywords: second order linear systems
Tham khảo: [25]
Xét hệ vi phân tuyến tính cấp hai
x 00 = A(t) x (H2 )
với t ∈ ( a, b), x = ( x1 , x2 , . . . , xn ) T và A(t) là ma trận cấp n, và liên

tục trên ( a, b).
Nghiệm của hệ (H2 ) là hàm vec-tơ x (t) = ( x1 (t), x2 (t), . . . , xn (t))
khả vi cấp hai trên ( a, b) sao cho x 00 (t) = A(t) x (t) với mọi t ∈ ( a, b).
Có thể dùng cách xây dựng tương tự (42) hệ ( H ) để chứng minh
rằng hệ nghiệm cơ bản của ( H2 ) gồm 2n nghiệm độc lập tuyến tính
{ xk (t)}2n
k=1 . Ngoài ra, mọi nghiệm của ( H2 ) cho bởi
2n
x (t) = ∑ Ck xk (t).
k =1
(42) Cách chuyển hệ ( H2 ) về hệ ( H ) sẽ dài hơn.

Bây giờ, ta xét hệ vi phân cấp hai sau
x 00 = Ax (H2c )
với x = ( x1 , x2 , . . . , xn ) T và A là ma trận hằng cấp n.

Ta tìm nghiệm của (H2c ) dạng x = eµt v. Thế vào (H2c ), ta có
( A − µ2 E ) v = 0
Vậy eµt v là nghiệm của (H2c ) nếu và chỉ nếu v là vec-tơ riêng tương
ứng với giá trị riêng λ = µ2 của A. Nếu λ là giá trị riêng thực của A
thì chúng có hai căn bậc hai liên hợp phức với nhau. Nếu λ là giá trị
riêng phức của A thì λ cũng là giá trị riêng, nên các căn bậc hai của
λ, λ cũng là các cặp liên hợp phức với nhau (43) .
Định lý 6.30. Gọi λ là giá trị riêng bội m của ma trận thực A. Gọi
v1 , v2 , . . . , vm là m nghiệm độc lập tuyến tính của
( A − λE)m v = 0. (65)
Gọi µ là một căn bậc hai của λ và đặt
h t2
yk (t) = eµt E + t( A − λE) + ( A − λE)2 + · · ·
2!
t m −1 m −1
i
···+ ( A − λE) vk (66)
( m − 1) !
với k = 1, 2, . . . , m.
Khi đó, {Im yk (t), Re yk (t)}m
k=1 là 2m nghiệm độc lập tuyến tính của
00
x = Ax.
Trong định lý trên, ta ko cần quan tâm đến căn bậc hai còn lại
của λ.
(43) Ví dụ 3 + 4i có hai căn bậc hai là 2 + i và −2 − i, và 3 − 4i có hai căn bậc hai
là 2 − i và −2 + i.
Trong nhiều ứng dụng, ma trận A thường là ma trận đối xứng !

−2 1
với các giá trị riêng âm (xem Ví dụ 6.13 với ma trận A =
1 −2
gọi là ma trận độ cứng của hệ).
Ví dụ 6.58. Giải hệ tuyến tính cấp hai sau
x 00 = −2x + y
y00 = x − 2y.
!
−2 1
Ma trận A = có đa thức đặc trưng (λ + 1)(λ + 3)
1 −2
nên có hai giá trị riêng thực đơn λ1 = −1 và λ2 = −3.
!
1
Với λ1 = −1, dễ tìm vec-tơ riêng tương ứng là v1 = . Ta
1
chọn căn bậc hai của λ1 là µ1 = i. Đặt
! ! ! !
1 1 cos t sin t
y1 (t) = eµ1 t v1 = eit = (cos t + i sin t) = +i .
1 1 cos t sin t
!
1
Với λ1 = −3, dễ tìm vec-tơ riêng tương ứng là v2 = . Ta
−1
√
chọn căn bậc hai của λ1 là µ2 = i 3. Đặt
! !
µ2 t
√
it 3 1 √ √ 1
y2 ( t ) = e v1 = e = (cos t 3 + i sin t 3)
−1 −1
√ ! √ !
cos t 3 sin t 3
= √ +i √ .
− cos t 3 − sin t 3
Lấy phần thực và phẩn ảo của y1 (t), y2 (t), ta thu được hệ nghiệm
cơ bản của hệ
! ! √ ! √ !
cos t sin t cos t 3 sin t 3
, , √ , √ .
cos t sin t − cos t 3 − sin t 3
Vậy mọi nghiệm của hệ cho bởi

! ! ! √ ! √ !
x cos t sin t cos t 3 sin t 3
= C1 + C2 + C3 √ + C4 √ .
y cos t sin t − cos t 3 − sin t 3
Kết quả trên trùng với lời giải bằng phương pháp thế trong Ví
dụ 6.36. Phương pháp thế sẽ khó thực hiện với các hệ từ ba chiều
trở lên.
Hình 6.26: Mô hình ba toa tàu
Ví dụ 6.59. Xét mô hình ba toa tàu chuyển động dọc theo đường ray
và được nối với nhau bởi các lò xo (xem Hình 6.26, [20]). Các toa tàu
có khối lượng m1 = m2 = 750 kg, m3 = 500 kg. Các lò xo có độ cứng
k1 = k2 = 3000 kg / m.
Dùng Định luật 2 Newton và Định luật Hooke, mô hình trên
được mô tả qua hệ vi phân
y00 = Ay
trong đó y = (y1 , y2 , y3 ) T là vec-tơ gồm 3 thành phần là độ dịch

−4 4 0
chuyển của các toa tàu và ma trận độ cứng A =  6 −12 6.
 
0 −4 4
Ma trận A có các giá trị riêng λ1 = 0, λ2 = −4, và λ3 = −16. Với
k = 1, 2, 3, viết λk = (iωk )2 , với ω1 = 0, ω2 = 2, và ω3 = 4. Các ωk
gọi là các tần số cơ bản của chuyển động.
Các vec-tơ riêng của A tương ứng là v1 = (1, 1, 1) T , v2 = (1, 0, −1) T ,
và v3 = (1, 3, −1) T . Đặt

 
1
iω1 t
x1 ( t ) = e v1 = 1 ,
 
1
   
1 1
iω2 t 2it 
x2 (t) = e v2 = e  0  = (cos 2t + i sin 2t)  0 
  
−1 −1
và
  
1 1
iω3 t 4it 
x3 (t) = e v3 = e  3  = (cos 4t + i sin 4t)  3  .
  
−1 −1
6A3. Hệ vi phân liên hợp
Mô tả: Thiết lập mối quan hệ (giải tích, hình học, . . . ) giữa hệ tuyến
tính
x 0 = A(t) x (H)
và hệ liên hợp của nó

y0 = − A T (t)y (H ∗ )
trong đó x, y ∈ Rn , t 6= 0, A(t) là ma trận thực cấp n.

Từ khóa: adjoint systems, linear differential system
6A5. Định lý Masserra về nghiệm tuần hoàn
Mô tả: Thiết lập định lý Masserra về sự tồn tại nghiệm tuần hoàn và
nghiệm bị chặn của hệ tuyến tính
x 0 = A(t) x (H)
trong đó t ∈ R, x ∈ Rn , A(t) là ma trận thực, liên tục cấp n.

Xét các trường hợp riêng: phương trình cấp 1, 2, . . . , n; hệ số hằng
( Hc ).
Từ khóa: Masserra theorem, linear differential system, periodic
solution, bounded solution
Định lý Massera. Hệ ( H ) có nghiệm tuần hoàn nếu và chỉ nếu nó
có nghiệm bị chặn trên toàn trục R.
6A6. Định lý Perron về hệ hyperbolic
Mô tả: Thiết lập định lý Perron về đặc trưng của hệ tuyến tính hệ số
hằng với giá trị riêng thuần ảo (hệ hyperbolic)
x 0 = Ax + f (t) (NHc )
trong đó x ∈ Rn , A là ma trận thực cấp n không có giá trị riêng
thuần ảo.
Từ khóa: Perron theorem, linear differential system, bounded so-
lution, admissibility
Định nghĩa 6.11. Ma trận A (hay hệ (Hc )) gọi là hyperbolic nếu A
không có giá trị riêng thuần ảo, tức là
σ( A) ∩ iR = ∅,
trong đó σ ( A) là tập các giá trị riêng của A, gọi là tập phổ của A.
Kí hiệu BC ( a, b) là không gian tất cả các hàm liên tục f : ( a, b) →

Rn sao cho
sup k f (t)k < +∞.
t∈( a,b)
Định lý Perron. Hệ ( Hc ) là hyperbolic nếu và chỉ nếu với mọi f ∈

BC ( a, b), tồn tại duy nhất nghiệm x f ∈ BC ( a, b) của ( NHc ).
6A7. Hệ Hamilton tuyến tính
Mô tả: Xây dựng lý thuyết và thực hành tính toán cho hệ Hamilton
tuyến tính.
Keywords: Hamilton linear system
Kí hiệu A∗ là ma trận chuyển vị liên hợp phức của ma trận A.
Định nghĩa 6.12. Ma trận M cấp 2n gọi là ma trận Hamilton nếu
J M = ( J M )∗
trong đó !
0 En
J= .
− En 0
6A8. Phổ và dáng điệu nghiệm
Mô tả: Đặc trưng các tính chất nghiệm (tuần hoàn, bị chặn, . . . ) của
hệ x 0 = Ax thông qua phổ của A.
Keywords: autonomous linear system, periodic, bounded
Các tính chất được xét bao gồm
a) mọi nghiệm đều tuần hoàn;
b) có một nghiệm tuần hoàn khác 0;
c) mọi nghiệm đều bị chặn trên R+ ;
d) mọi nghiệm đều bị chặn trên R− ;
e) mọi nghiệm đều bị chặn trên R;
f) limt→+∞ x (t) = 0;
g) limt→−∞ x (t) = 0;
h) limt→±∞ x (t) = 0;
Gợi ý: a) σ( A) ∈ iR; b) σ( A) ∩ iR 6= ∅; c) Re σ( A) ≤ 0 và ô
Jordan tương ứng với giá trị riêng λ với Re λ = 0 có dạng chéo; d)
Re σ( A) ≥ 0 và ô Jordan tương ứng với giá trị riêng λ với Re λ = 0

có dạng chéo; e) σ( A) ∈ iR và mọi ô Jordan đều có dạng chéo; f)
như c); g) như d); h) như e).
MÔ HÌNH ỨNG DỤNG
Các chủ đề này dành cho cả sinh viên tất cả các ngành: ngành Toán
và các ngành kỹ thuật. Các ứng dụng này nên làm việc theo nhóm
vì cần sử dụng nhiều công cụ, kỹ năng. Sinh viên cần giải thích cách
lập mô hình từ thực tế và từ các định luật khoa học để dẫn đến hệ
vi phân, sau đó khảo sát hệ vi phân đó bằng công cụ giải tích và
bằng phần mềm Maple. Cuối cùng, từ nghiệm của hệ phương trình
vi phân, sinh viên cần đưa ra kết luận về hiện tượng đang xét.
6M1. Mô hình trao đổi chất giữa mẹ và thai nhi
Mô tả: Sự truyền dưỡng chất giữa mẹ và thai nhi được mô hình qua
hệ vi phân tuyến tính 2 chiều.
Từ khóa: placenta, nutrition, mother - fetus model
6M2. Hệ Lorenz về dự báo thời tiết
Mô tả: Hệ Lorenz về dự báo thời tiết được mô hình qua hệ vi phân

phi tuyến 3 chiều.
Từ khóa: Lorenz system, weather forecast
6M3. Hệ SRI trong dịch tễ học
Mô tả: Hệ bệnh dịch được mô hình qua hệ vi phân phi tuyến 3 chiều.
Từ khóa: SRI system, epidemic

6M4. Đường trắc địa trên mặt xuyến
Mô tả: Dùng phương trình vi phân xác định công thức và vẽ các
đường trắc địa trên mặt xuyến.
Từ khóa: geodesic, torus
6M5. Phân loại bức tranh pha hệ hai và ba chiều
Mô tả: Phân loại bức tranh pha hệ hai và ba chiều của hệ tuyến tính
ô-tô-nôm tùy theo các giá trị riêng. Dùng Maple để vẽ các bức tranh
pha.
Từ khóa: phase potrait, classification, low-dimension
Tài liệu tham khảo: internet, [1].
Bức tranh pha hai chiều của hệ tuyến tính ô-tô-nôm
!
0 a b
x = x
c d
được chia làm 6 loại.
Cách phân loại khác thành 8 loại theo các giá trị của định thức
D = ad − bc và vết T = a + d.
Bức tranh pha của hệ ba chiều phức tạp hơn. Hình sau đây là
bức tranh pha của hệ chéo
dx
= −3x
dt
dy
= −y
dt
dz
= −2z.
dt
Hình 6.27: Phân loại bức tranh pha hai chiều theo giá trị riêng
Hình 6.28: Phân loại bức tranh pha hai chiều theo vết và định thức
6M6. Rẽ nhánh của hệ tuyến tính
Mô tả: Nghiên cứu sự thay đổi dáng điệu định tính của nghiệm của
hệ tuyến tính phụ thuộc tham số

 dx = ax + by

dt
 dy = − x − y.

dt
Hình 6.29: Bức tranh pha của hệ chéo ba chiều
Từ khóa: phase potrait, bifurcation

Tài liệu tham khảo: internet, [1].
PHỤ LỤC
Phụ lục chứa một số kiến thức cần thiết được sử dụng trong giáo
trình. Ngoài ra, phụ lục cho chứng minh chi tiết của vài kết quả
không tiện chứng minh trong phần lý thuyết cơ bản.
P1. Định thức, ma trận, hệ phương trình đại số tuyến

tính
Ma trận (44)
Kí hiệu Rn là tập tất cả các vec-tơ cột gồm n thành phần là các số
thực
 
v1
 v2 
 
T
v=  ..  = (v1 , v2 , . . . , vn )

.
vn
(ta qui ước nói vec-tơ tức là vec-tơ cột nếu không giải thích gì thêm).
Áp dụng đại số tuyến tính vào phương trình vi phân, phần lớn
chỉ dùng các ma trận vuông. Ma trận cấp n với các phần tử thực là
(44)Sylvester (1814–1897), nhà toán học người Anh, là người đưa ra thuật ngữ
ma trận (matrix) năm 1850.
bộ n × n các số thực, kí hiệu

 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
 
n
A = ( aij )i,j =1 =
 .. .. .. .  = n × n.
 . . . .. 
an1 an2 . . . ann
Như vậy, một ma trận được xác định bởi hệ vec-tơ hàng hay hệ vec-
tơ cột. Ma trận không, kí hiệu 0 hay θ, là ma trận mà mọi phần tử
bằng không; ma trận đơn vị E là ma trận mà các phần tử trên đường
chéo chính bằng 1 và các phần tử còn lại bằng 0 (viết En nếu muốn
chỉ rõ cấp n của ma trận đơn vị).
   
0 0 ··· 0 1 0 ··· 0
0 0 · · · 0 0 1 · · · 0
   
0=θ=  .. .. . . . ..  và E = En =  .. .. . . . ..  .
  
 . . .   . . . 
0 0 ··· 0 0 0 ··· 1
Các phép toán cộng, trừ, nhân vô hướng của ma trận là theo từng
phần tử. Cụ thể, cho A = ( aij ) = n × n, B = (bij ) = n × n, α ∈ R thì
A + B = ( aij + bij ) và αA = (αaij ).
Phép nhân C = AB = (cij ) = n × n được xác định bởi

n
cij = ∑ aik bkj
k =1
(nghĩa là lấy các phần tử hàng i của A nhân tương ứng với các phần
tử cột j của ma trận B rồi cộng lại để có cij ).
Chú ý phép nhân ma trận nói chung không có tính chất giao
hoán (45)
AB 6= BA.
(45) Tính không giao hoán của phép nhân các ma trận là khác biệt căn bản giữa
giải tích một chiều và nhiều chiều, giữa phương trình vi phân vô hướng và hệ
phương trình vi phân.
Định thức
Mỗi song ánh P của {1, 2, . . . , n} vào chính nó gọi là một phép
thế. Khi đó ta cũng kí hiệu P = {α1 , α2 , . . . , αn } nếu P(k ) = αk với
mọi k = 1, 2. . . . , n. Cặp (i, j) gọi là một nghịch thế nếu i < j nhưng
αi > α j . Gọi s( P) là tổng các nghịch thế của phép thế P.
Định thức của ma trận vuông A = n × n xác định bởi công thức
Leibniz (46)
det A = ∑(−1)s( P) a1,α1 a2,α2 . . . an,αn
P
trong đó tổng được lấy theo tất cả các phép thế P = {α1 , α2 , . . . , αn }
của {1, 2, . . . , n}.
Về mặt hình học, định thức là thể tích (có dấu) của hình hộp tạo
bởi hệ vec-tơ hàng hay hệ vec-tơ cột.
Định thức có thể tính theo công thức Laplace (47)
n
det A = ∑ (−1)i+ j aij Mij với i cố định
j =1
n
= ∑ (−1)i+ j aij Mij với j cố định
i =1
trong đó Mij là định thức cấp (n − 1) thu được từ định thức của A
bằng cách bỏ đi hàng i và cột j.
Đại lượng Mij gọi là định thức con phụ, (−1)i+ j Mij gọi là phần phụ
đại số tương tứng với aij . Ma trận kề của ma trận A, kí hiệu adj( A), là
ma trận mà phần tử hàng i, cột j là phần phụ đại số tương ứng với
a ji , tức là
adj( A) = ((−1)i+ j M ji ) = (n − 1) × (n − 1).

(46) Gottfried Wilhelm (von) Leibniz (1646-1716) - nhà toán học và triết học
người Đức. Leibniz phát triển phép tính vi phân và tích phân một cách độc lập
với Newton.
(47) Pierre-Simon Laplace (1749-1827) là học giả người Pháp, có vai trò quan
trọng trong việc phát triển toán học, thống kê, vật lý, và vũ trụ học.
Hạng của ma trận A, kí hiệu rank( A), là cấp của định thức con
khác không có cấp lớn nhất. Một cách tương đương, hạng của ma
trận bằng số vec-tơ cột độc lập tuyến tính cực đại, và cũng bằng số
vec-tơ hàng độc lập tuyến tính cực đại.
Về mặt hình học, hạng của ma trận là số chiều của không gian
sinh bởi các vec-tơ cột của ma trận.
Ma trận B gọi là nghịch đảo của ma trận A nếu AB = BA = E,
kí hiệu B = A−1 . Khi đó ta cũng nói A là khả nghịch, hay không suy
biến, hay không kì dị. Các điều sau là tương đương: (1) ma trận A có
nghịch đảo; (2) det A 6= 0; và (3) rank( A) = n. Ma trận nghịch đảo
có thể tính theo công thức
1
A −1 = adj( A).
det A
Cách khác tính ma trận nghịch đảo là: xuất phát từ ma trận khối
( A| E), dùng các phép biến đổi sơ cấp theo hàng về ( E| A−1 ).
Ba phép biến đổi sơ cấp theo hàng gồm: (1) đổi chỗ hai hàng với
nhau; (2) nhân một hàng với một hằng số khác không; và (3) cộng
vào một hàng sau khi nhân hàng khác với một hằng số khác không.
Hệ phương trình đại số tuyến tính
Cho A là ma trận cấp n và b là vec-tơ trong Rn . Hệ phương trình
đại số tuyến tính
Ax = 0
gọi là thuần nhất, và

Ax = b
gọi là không thuần nhất của ẩn x = ( x1 , x2 , . . . , xn ) T ∈ Rn .

Ma trận gọi là có dạng bậc thang (48) khi: các hàng khác không nằm
trên các hàng bằng không; nếu phần tử trụ (phần tử khác không đầu
tiên bên trái) trong mỗi hàng khác không đều nằm phía phải bên
(48) Thuật ngữ bậc thang xuất phát từ hình dạng của ma trận
dưới của các hàng trên nó. Nếu thêm vào đó, mọi phần tử trụ bằng
1 và là phần tử khác không duy nhất trông cột chứa nó thì ma trận
gọi là có dạng bậc thang thu gọn.
Phép khử Gauss (49) là dùng ba phép biến đổi sơ cấp theo hàng để
đưa ma trận về dạng bậc thang. Phép khử Gauss-Jordan là dùng ba
phép biến đổi sơ cấp theo hàng để đưa ma trận về dạng bậc thang
thu gọn.
Phép khử Gauss, hay Gauss-Jordan có thể được dùng để tính
định thức, tính hạng ma trận, tính ma trận nghịch đảo, và giải hệ
phương trình đại số tuyến tính, cả thuần nhất và không thuần nhất.
Định lý sau tóm tắt các kết quả chính về hệ phương trình đại số
tuyến tính.
Định lý 6.31. • (Kronecker-Capelli) Nếu rank( A) =

rank( A|b) thì hệ Ax = b có nghiệm.
• (Qui tắc Cramer) Nếu det A 6= 0 thì hệ Ax = b có duy nhất

nghiệm
Di
xi =
det A
với mọi i = 1, 2, . . . n, trong đó Di là định thức thu được khi
thay cột thứ i trong A bởi vec-tơ b.
• Khi det A 6= 0, hệ Ax = 0 có duy nhất nghiệm tầm thường

x = 0.
• Khi rank( A) < n, hệ Ax = 0 có vô số nghiệm và tập nghiệm

của Ax = 0 lập thành không gian con của Rn với số chiều
(n − rank( A).
(49)
Johann Carl Friedrich Gauss (1777-1855), nhà toán học người Đức, được
mệnh danh là "ông hoàng toán học".
Cho A(t) ma trận cấp n với các phần tử là hàm aij (t) của biến t.
Khi đó, tính liên tục, khả vi, khả tích của A(t) được hiểu là liên tục,
khả vi, khả tích theo từng phần tử
 
0 (t) a0 (t)
a11 0 (t)
. . . a1n
12
 0 0 (t) 0 (t) 
 a21 (t) a22 . . . a2n
A0 (t) = 

 .. .. ..
.
.. 
 . . . 

0 0
an1 (t) an2 (t) . . . a0nn (t)
và
R b Rb Rb 
a a11 (t)dt a a12 ( t ) dt ... a 1n ( t ) dt
R ab
 a a21 (t)dt ab a22 (t)dt
b
R R
Z b
. . . a a2n (t)dt 
 
A(t)dt =  .. .. ... ..
.
a . . .
 
 
Rb Rb Rb
a an1 ( t ) dt a an2 ( t ) dt . . . a ann (t)dt
Do tính không giao hoán, nên cần để ý thứ tự khi đạo hàm, tích
phân ma trận. Chẳng hạn,
[ A(t) B(t)]0 = A0 (t) B(t) + A(t) B0 (t)
(do đó, nói chung ( A2 (t))0 6= 2A(t) A0 (t)).

Kết quả sau đây là của Cayley và Hamilton (50) .
(50) Arthur Cayley (1821–1895) nhà toán học người Anh, từng xuất bản 3 công
trình toán học trước khi tốt nghiệp đại học năm 1842. William Rowan Hamilton
(1805–1865), nhà toán học người Ireland, được phong giáo sư năm 1827 khi mới
22 tuổi và chưa tốt nghiệp đại học.
Định lý 6.32. Mọi ma trận đều thỏa mãn phương trình đặc trưng
của chính nó. Cụ thể, nếu
(−1)n λn + an−1 λn−1 + · · · + a1 λ + a0 = 0
là phương trình đặc trưng det( A − λE) = 0 của ma trận A cấp n,

thì
(−1)n An + an−1 An−1 + · · · + a1 A + a0 E = 0.
P2. Dạng Jordan và dạng Schur của ma trận
Hai dạng thường gặp của ma trận là dạng Jordan (51) và dạng Schur
(52) . Dạng Schur thô hơn dạng Jordan theo nghĩa: dạng Schur chỉ
phản ánh được bội đại số của giá trị riêng, còn dạng Jordan thể hiện
được cả bội đại số và bội hình học của các giá trị riêng.
1. Dạng Jordan
Mọi ma trận đồng dạng với dạng Jordan của nó. Hầu hết các
định lý quan trọng của đại số tuyến tính có thể được suy ra từ dạng
Jordan.
I
Định lý 6.33 (dạng Jordan phức). Cho A là ma trận phức cấp n.
Khi đó tồn tại ma trận phức khả nghịch U sao cho
J = U −1 AU
(51) Camille Jordan (1838–1922), nhà toán học người Pháp, chỉ ra tồn tại dạng
chính tắc Jordan năm 1870.
(52) Issai Schur (1875-1941), nhà toán học sinh ra ở Belarus năm 1875, làm việc
phần lớn tại Berlin-Đức, và mất ở Ixrael năm 1941, nạn nhân của phong trào bài
Do Thái. Rất nhiều khái niệm và kết quả mang tên Schur.
là ma trận chéo khối
II
 
J1 0 · · · 0
 0 J2 · · · 0
 
J=
 .. .. . . . .. 
. . .

0 0 ··· Jk
và mỗi khối Ji có dạng

 
λ 1 0 ··· 0
0 1 ··· 0
 
λ
. .. .. . . .. 
Ji =  . .
. . . .
0 0 ···

0 1

0 0 0 ··· λ
tương ứng với giá trị riêng λ của ma trận A.

Ngoài ra, số khối Ji tương ứng với λ chính là bội hình học của λ
và tổng số chiều của tất cả các khối Ji tương ứng với λ chính là bội
hình học của λ.
Trong định lý trên, mỗi khối Ji gọi là một ô Jordan tương ứng với
giá trị riêng λ. Mỗi giá trị riêng có thể tương ứng với nhiều ô Jordan.
Ma trận J gọi là dạng Jordan của A. Bỏ qua thứ tự giữa các ô Jordan,
dạng Jordan của ma trận là duy nhất.
I
Định lý 6.34. (dạng Jordan thực)
Cho A là ma trận thực cấp n. Khi đó tồn tại ma trận thực khả nghịch
U sao cho
J = U −1 AU
là ma trận chéo khối

 
J1 0 · · · 0
 0 J2 · · · 0
 
J=
 .. .. . . . .. 
. . .

II
0 0 ··· Jk
và mỗi khối Ji nhận một trong hai dạng sau

 
λ 1 0 ··· 0
0 1 ··· 0
 
λ
. .. .. . . .. 
Ji =  . .
. . . .
0 0 ···

0 1

0 0 0 ··· λ
với λ là giá trị riêng thực của A; hoặc

 
C E2 0 ··· 0
 0 C E2

··· 0

. . .. .. .. 
Ji =  . . .
. . . . 

··· E2 

0 0 0

0 0 0 ··· C
! !
a b 1 0
trong đó C = , E2 = , và λ = a ± bi là cặp giá
−b a 0 1
trị riêng phức của A.
Ngoài ra, số khối Ji tương ứng với λ chính là bội hình học của λ
và tổng số chiều của tất cả các khối Ji tương ứng với λ chính là bội
hình học của λ.
2. Dạng Schur
Định lý 6.35. (dạng Schur phức)
I
Cho A là ma trận phức cấp n. Khi đó tồn tại ma trận tam giác trên
S và ma trận unita Q sao cho
A = QSQ T .
Ngoài ra, đường chéo của S gồm các giá trị riêng của A; số lần giá
trị riêng xuất hiện trên đường chéo của S chính là bội đại số của giá
trị riêng đó.
Chứng minh. Ta dùng phương pháp qui nạp. Với n = 2, dễ thấy

định lý đúng.
Giả sử định lý đúng với các ma trận cấp (n − 1). Xét ma trận
phức A cấp n. Gọi λ1 ∈ σ( A) và x là vec-tơ riêng chuẩn hóa tương
ứng
Ax = λ1 x, | x | = 1.
Xuất phát từ vec-tơ x, ta bổ sung thêm các vec-tơ q1 , . . . , qn để chúng

tạo thành cơ sở trực giao. Đặt
Q = ( x | q2 | · · · | q n ).
Khi đó, Q là ma trận unita.
AQ = A( x |q2 | · · · |qn )
= ( Ax | Aq2 | · · · | Aqn ) = (λ1 x | Aq2 | · · · | Aqn ).
Do vậy,

xT
 T
T
 q2 
 ..  λ1 x Aq2 · · ·
Q AQ =  Aqn

 . 
qnT
hay  
λ1 u12 · · · u1n
0
 
T

Q AQ =  .
  =: U1 .
 .. U 0


0
Do U0 là ma trận cấp (n-1), theo giả thiết qui nạp, tồn tại ma trận
unita Q0 và ma trận tam giác trên U2 sao cho
U0 Q0 = Q2 U2 .
Đặt  
1 0 ··· 0
0
 

Q1 = 
 ..

. Q 0


0
thì
   
λ1 u12 · · · u1n λ1 u12 · · · u1n
0  0
   

U1 Q1 = 
 . .
=
  . .

 . U 0 Q 0   . Q 0 U2


0 0
  
1 0 ··· 0 λ1 u12 · · · u1n
0  0
  

= .

  ..
   = Q1 U3
.. Q 0  . U 2


0 0
với  
λ1 u12 · · · u1n
0
 

U3 = 
 ..
.
 . U 2


0
Cuối cùng, do AQ = QU1 và U1 Q1 = Q1 U3 nên
AQQ1 = QU1 Q1 = QQ1 U3 .

Để ý rằng tích hai ma trận unita QQ1 cũng là ma trận unita, và U3

là ma trận tam giác trên, ta có điều phải chứng minh.
Ma trận S gọi là dạng Schur của A. Dạng Schur của ma trận nói
chung không duy nhất.
P3. Các vec-tơ riêng suy rộng
Định nghĩa 6.13. Vec-tơ v 6= 0 gọi là vec-tơ riêng suy rộng tương
ứng giá trị riêng λ của ma trận A nếu v là nghiệm của
( A − λE)k v = 0
với k ∈ N∗ nào đó.
Nếu ( A − λE)k v = 0 thì ( A − λE)l v = 0 với mọi l > k nên tập

các vec-tơ riêng suy rộng sẽ không đổi với số k nào đó đủ lớn. Mệnh
đề sau nói rằng số k thích hợp để thu được mọi vec-tơ riêng suy
rộng chính là bội đại số của λ.
Mệnh đề 6.36. Vec-tơ v là vec-tơ riêng suy rộng của ma trận A tương
ứng giá trị riêng λ bội m nếu và chỉ nếu
( A − λE)m v = 0.
Trong giáo trình này, chúng ta không đi sâu tìm hiểu khái niệm
vec-tơ riêng suy rộng.
Ta sẽ chứng minh mệnh đề cơ sở của Định lý cơ bản. Chứng
minh sử dụng dạng chính tắc Jordan.
Mệnh đề 6.13. Gọi λ là giá trị riêng bội m của ma trận thực A. Khi
đó hệ phương trình đại số
( A − λE)m v = 0.
có đúng m nghiệm độc lập tuyến tính.

think that we
n prove this Chứng minh. Không giảm tổng quát, có thể giả sử λ = 0. Thật vậy,
oposition with- đặt B = A − λE thì λ là giá trị riêng bội m của A nếu và chỉ nếu 0 là
t using the giá trị riêng bội m của B.
rdan or Schur Không giảm tổng quát, có thể giả sử A có dạng chính tắc Jordan.
nonical form, Thật vậy, do J = T −1 AT nên A và J có cùng đa thức đặc trưng nên
t I have not có cùng giá trị riêng và cùng số bội. Hơn nữa, do T khả nghịch,
und it yet! phương trình Am v = 0 có v1 , . . . , vm là m nghiệm độc lập tuyến tính
ease tell me if nếu và chỉ nếu phương trình J m w = 0 có w1 = Tv1 , . . . , wm = Tvm
u know! là m nghiệm độc lập tuyến tính.
Dạng Jordan J của A gồm các ô Jordan
J = diag( J1 , J2 , . . . , Ji , . . .).
Các ô Jordan cấp 1 có dạng
J1 = diag(0, 0, . . . , 0).
Các ô Jordan cấp 2 có dạng
J2 = diag ( N2 , N2 , . . . , N2 )
!
0 1
với N2 = . Tương tự, các ô Jordan cấp i có dạng
0 0
Ji = diag ( Ni , Ni , . . . , Ni )
với  
0 1 0 ··· 0 0
1 ···
 
0 0 0 0
 .. .. .. . . .... 
 
. . . . . .
Ni =   = i × i.
0
 0 0 ··· 1 0 
0
 0 0 ··· 0 1 
0 0 0 ··· 0 0
Do Nii = 0 nên Jii = 0, nên ta chỉ cần chứng minh mệnh đề cho ma
trận Ni có số chiều lớn nhất, chẳng hạn Nk với k ≤ m và 0 là giá trị
riêng bội k của Nk . Điều cần chứng minh qui về bài toán sau: Chỉ ra
rằng phương trình Nkk v = 0 có đúng k nghiệm độc lập tuyến tính.
Bài toán này là tầm thường vì ma trận Nk có cấp k và Nkk = 0. Ta
có thể chọn tùy ý k vec-tơ độc lập tuyến tính trong Rk là k nghiệm
độc lập tuyến tính của Nkk v = 0.
Mệnh đề được chứng minh.
Bây giờ ta phát biểu lại và chứng minh Bổ đề 6.14.
Bổ đề 6.37. (i) Mỗi hàm xk (t) cho bởi (36) là nghiệm của ( Hc ) nếu và chỉ
nếu vk là vec-tơ riêng suy rộng tương ứng giá trị riêng λ của ma trận A.
(ii) Các hàm xk (t), k = 1, 2, . . . , m cho bởi (36) là m nghiệm độc lập
tuyến tính của ( Hc ) nếu và chỉ nếu v1 , v2 , . . . , vm là vec-tơ riêng suy rộng
độc lập tuyến tính của ma trận A tương ứng giá trị riêng λ bội m.
Chứng minh. (i) Với M (t) như trên, ta có
M (m) ( t ) = 0
M(m−1) (t) = ( A − λE)m−1 .
Theo (39), với k cố định, xk (t) là nghiệm của ( Hc ) nếu và chỉ nếu
M0 (t)vk = ( A − λE) M(t)vk .
Đạo hàm (m − 1) lần theo t, ta có
M(m) (t)vk = ( A − λE) M(m−1) (t)vk ,
hay
( A − λE)m vk = 0,
nói cách khác, vk là vec-tơ riêng suy rộng tương ứng giá trị riêng λ.
(ii) Như trong chứng minh của Định lý cơ bản, các hàm xk (t),
k = 1, 2, . . . , m, là m nghiệm độc lập tuyến tính của ( Hc ) thì các vec-
tơ vk = xk (0) là m nghiệm độc lập tuyến tính của ( A − λE)m v = 0.
Ta cần chỉ ra m chính là bội đại số của giá trị riêng λ.
Đó là điều phải chứng minh.

P4. Một số định luật của khoa học tự nhiên
Khi mô hình các hiện tượng tự nhiên, ta dùng nhiều định luật (53)
trong khoa học tự nhiên như vậy lý, hóa học, sinh học, . . . . Phụ lục
này tóm tắt các định luật thường dùng trong giáo trình.
Định luật 2 Newton về chuyển động

Mọi vật thể chuyển động trong không gian đều tuân theo
phương trình
F = ma
trong đó m là khối lượng vật thể, F là lực tác động lên vật, và
a là gia tốc tức thời của vật tại thời điểm t.
Đại lượng x (t) là độ đời của vật tại thời điểm t so với trạng thái
ban đầu; v(t) là vận tốc tức thời của vật. Nói chung, lực F phụ thuộc
vào thời gian t và độ dời x (t)
F = F (t, x ).
(53) Định luật là các kết luận xuất phát từ thực nghiệm để xác định quy luật của
tự nhiên. Do vậy không thể chứng minh định luật. Khác với định luật, định lý là
các phát biểu thu được từ suy luận logic, tức là có chứng minh chặt chẽ. Cả định
luật và định lý đều được coi là đúng đắn và được sử dụng như nhau. Một số định
lý vẫn gọi là định luật vì lí do lịch sử. Chẳng hạn các định luật Keple được phát
hiện ra trước, nhưng sau khi Newton phát biểu định luật vạn vật hấp dẫn thì các
định luật Keple trở thành hệ quả.
Ta cũng có x 0 (t) = v(t), v0 (t) = a(t), và x 00 (t) = a(t). Vậy Định luật
2 Newton về chuyển động có thể được phát biểu như sau
1
x 00 = F (t, x ).
m
Định luật làm lạnh của Newton

Tốc độ thay đổi nhiệt độ của một vật thể tỉ lệ thuận với hiệu
giữa nhiệt độ của vật và nhiệt độ của môi trường xung quanh.
Kí hiệu T (t) là nhiệt độ của vật thể tại thời điểm t, và Txq là
nhiệt độ của môi trường xung quanh. Khi đó Định luật làm lạnh
của Newton có thể được phát biểu như sau
dT
= k( T − Txq )
dt
trong đó k là hằng số tỉ lệ.
Định luật bảo toàn năng lượng
Định luật bảo toàn khối lượng trong phản ứng hóa học
Định luật Hook về lò xo
Định luật Kirchhoff về mạch điện
Định luật Ohm về dòng điện
Định luật vạn vật hấp dẫn của Newton
Định luật Newton cho chuyển động xoay
Định luật Snell về khúc xạ ánh sáng
Định luật Keple về chuyển động các hành tinh
Tài liệu tham khảo
[1] P. Blanchard, R. L. Devaney, G. R. Hall, Differential Equations,

3rd edition, Thomson Brooks/Cole, 2006.
[2] J. R. Brannan, W. E. Boyce, Differential Equations: An Intro-

duction to Modern Methods and Applications, John Wiley and
Sons, 2015.
[3] M. Braun, Differential Equations and their Applications: intro-

duction to applied mathematics, 4th edition, Springer, 1993.
[4] C. Constanda, Differential Equations: A Primer for Scientists

and Engineers, Springer, 2017.
[5] A. V. Demidovich, B. P. Efimov, Higher Mathematics for En-

gineering Students: Part 2 Advanced Topics of Mathematical
Analysis, Mir, 1984.
[6] Greenwell, R. N.; Lial, M. L.; Ritchey, N. P., Calculus with ap-
plications, 11th edition, Pearson, 2017.
[7] Harris, Jr., W. A., J. P. Fillmore, D.R. Smith (2001). Matrix Expo-
nentials - Another Approach, SIAM Review, vol. 43, 694-706.
[8] D. Hughes-Hallett et al., Applied Calculus, Wiley, 2014.
[9] M. L. Irons, The Curvature and Geodesics of the Torus, www.

rdrop.com/~half/math/torus/torus.geodesics.pdf.
160 Phương trình vi phân: cách tiếp cận hình học và mô hình ứng dụng
[10] E. P. Fulmer, Computation of the Matrix Exponential, Ameri-

can Mathematical Monthly, 82, (1975) 156–159.
[11] S. W. Goode, Differential Equations and Linear Algebra, 2nd

edition, Prentice-Hall, 2000.
[12] S. W. Goode, S. A. Annin, Differential Equations and Linear

Algebra, Prentice-Hall, 3rd edition (2007), 4th edition (2017).
[13] L. Koss, Differential Equations in Music and Dance, Journal of

Mathematics and the Arts, 10 (2016).
[14] L. Koss, Differential Equations in the Visual Arts, submitted.
[15] L. Koss, Differential Equations in Literature, Poetry, and Film,

Journal of Mathematics and the Arts, 9, Issue 1 - 2 (2015), 1 -
16.
[16] L. Koss, Sustainability in a Differential Equations Course: A

Case Study of Easter Island, International Journal of Mathe-
matical Education in Science and Technology, Vol. 42, Issue 4
(2011), 545 - 553.
[17] Nineteen Dubious Ways to Compute the Exponential of a Ma-

trix, Siam Review, Vol 20, no. 4, pp 801-836, 1978.
[18] Nineteen Dubious Ways to Compute the Exponential of a Ma-

trix, Twenty-Five Years Later, Siam Review, Vol 45, no. 1, pp
3-49, 2003.
[19] E. Lorenz, Deterministic nonperiodic flow, Journal of Atmo-

spheric Science, Vol. 20, 1963, pp. 130–141.
[20] S. Malham, Differential Equations and Linear Algebra, www.

macs.hw.ac.uk/~simonm/linalg.pdf
Tài liệu tham khảo 161
[21] P. Mellodge, A Practical Approach to Dynamical Systems for

Engineers, Woohead Publishing, 2016.
[22] D. Mooney, R. Swift, A Course in Mathematical Modeling, The

Mathematical Association of America, 1999.
[23] Putzer, E. J., Avoiding the Jordan Canonical Form in the Dis-
cussion of Linear Systems with Constant Coefficients, The
American Mathematical Monthly. 73 (1): 2–7 (1966).
[24] E. Herman, G. Strang, Calculus Volume 2, openstax.org/

details/books/calculus-volume-2, Rice University, 2017.
[25] A. D. Polyanin, A. V. Manzhirov, Handbook of Mathematics for

Engineers and Scientists, 1st Edition, Chapman & Hall/CRC
Taylor & Francis Group, 2007.
[26] Simmons, G.F., Differential Equations With Applications and

Historical Notes, 3rd edition, CRC Press, 2017.
[27] M. E. Taylor, Introduction to Differential Equations, Pure

and Applied undergraduate texts, The Sally series, American
Mathematical Society, 2011.
Index
bức tranh pha, 19

ba chiều, 25
hai chiều, 24
một chiều, 21
định nghĩa, 20
nghiệm
dị nghiêng, 24
đồng nghiêng, 24
trường vec-tơ , 26
trường hướng, 26

Le Huy Tien PhuongTrinhViPhanp

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Le Huy Tien PhuongTrinhViPhanp

Uploaded by

Copyright:

Available Formats

PHƯƠNG TRÌNH VI PHÂN

Cách tiếp cận hình học và mô hình ứng dụng

draft version - Ngày 8 tháng 9 năm 2018

Trường Đại học Khoa học tự nhiên

"It’s useful to solve differential equations"

thức cơ sở về phương trình vi phân thường - ODE (phân biệt với

Hà Nội, tháng 9 năm 2018

Chương 1: PTVP cấp 1

Chương 4: PTVP cấp cao

Lời giới thiệu iii

6 HỆ PHƯƠNG TRÌNH VI PHÂN 1

6.4.2 Định lý cơ bản . . . . . . . . . . . . . . . . . . . 69

PHỤ LỤC 143

P1. Định thức, ma trận, hệ phương trình đại số tuyến

Tài liệu tham khảo 159

N, R, C : tập các số tự nhiên, số thực, số phức

6.1 Thú và mồi . . . . . . . . . . . . . . . . . . . . . . . . . 4

Chương này phát triển lý thuyết hệ phương trình vi phân.

• giải một số loại hệ phương trình vi phân đơn giản;

• phân tích và phân loại điểm cân bằng của hệ vi phân

• nghiên cứu lý thuyết và phương pháp thực hành cho

• dùng hệ phương trình vi phân để mô hình một số hiện

6.1 Mở đầu về hệ phương trình vi phân

6.1.1 Vài mô hình dẫn đến hệ phương trình vi phân

Ví dụ 6.2. Hệ thú-mồi Lotka-Volterra

trong đó α > 0 là tỉ lệ chết tự nhiên của sói khi không có thỏ và

Hình 6.1: Thú và mồi

dẫn đến hệ vi phân sau đây

trong đó γ > 0 và δ > 0 là các hệ số "tương tác" giữa sói và thỏ.

Hình 6.2: Mô hình chuỗi thức ăn

Ví dụ 6.4. Mô hình thu nhập của cư dân trong thành phố.

bình, và lớp thu nhập cao. Ta dẫn đến hệ vi phân sau

Hình 6.4: Hệ mạch điện

Ví dụ 6.5. Hệ mạch điện Xét hệ mạch điện như Hình 6.4.

Ví dụ 6.6. Hệ vi phân độ cong-độ xoắn ([27]).

N (t) được biểu thị qua hệ vi phân Frenet-Serret

X (u, v) = (( R + rcos(u))cos(v), ( R + rcos(u))sin(v), rsin(u))

Ví dụ 6.8. Hệ dịch tễ SIR

Do R(t) = 1 − S(t) − I (t), hệ trên qui về hệ phẳng

Ví dụ 6.9. Hệ dự báo thời tiết Lorenz

Hình 6.6: Hiệu ứng cánh bướm Lorenz

và lên vật thể thứ hai là

Theo Định luật 2 Newton, ta thiết lập

6.1.2 Nghiệm và bài toán giá

Nghiệm của hệ (5) là bộ các hàm ( x1 (t), x2 (t), . . . , xn (t)) khả

xk0 (t) = f k (t, x1 (t), x2 (t), . . . , xn (t))

với mọi t ∈ (α, β) và mọi k = 1, 2, . . . , n.

nghiệm của hệ (5) phụ thuộc vào n hằng số độc lập.

Phương trình vi phân cấp n

y(n) = f (t, y, y0 , . . . , y(n−1) )

Hình 6.8: Hệ hai con lắc đơn nối bởi lò xo

Hình 6.9: Hệ hai vật - ba lò xo nối ngang

(7) "vô hướng" nghĩa là "một chiều".

x1 (t0 ) = x10 , x2 (t0 ) = x20 , ..., xn (t0 ) = xn0

với t0 ∈ ( a, b) và ( x10 , x20 , . . . , xn0 ) ∈ Rn cho trước.

minh định lý xem Phụ lục B.

Định lý tồn tại duy nhất nghiệm

Định lý thác triển nghiệm

với các hằng số dương L1 , L2 nào đó. Khi đó với mọi t0 ∈

với t ∈ ( a, b), f , g là các hàm xác định trong ( a, b) × V với V là tập

( x 0 (t), y0 (t)) = ( f (t, x (t), y(t)), g(t, x (t), y(t)))

6.1.3 Phân loại các hệ vi phân

(9) "Chia để trị"