贡献者： addis
1. 常系数情况
一阶常微分方程组
\begin{equation}
\frac{\mathrm{d}{ \boldsymbol{\mathbf{v}} }}{\mathrm{d}{t}} = \boldsymbol{\mathbf{A}} \boldsymbol{\mathbf{v}} ~
\end{equation}
的解析解（先假设 $ \boldsymbol{\mathbf{A}} $ 为常矩阵）为
\begin{equation}
\boldsymbol{\mathbf{v}} (t) = \exp\left( \boldsymbol{\mathbf{A}} t\right) \boldsymbol{\mathbf{v}} (0)~.
\end{equation}
其中矩阵（这里是方阵）的指数函数也是一个大小相同的矩阵，有类似于
泰勒级数定义
\begin{equation}
\exp\left( \boldsymbol{\mathbf{A}} t\right) = 1 + \boldsymbol{\mathbf{A}} t + \frac1{2!} ( \boldsymbol{\mathbf{A}} t)^2 + \dots~
\end{equation}
代入即可验证
式 1 。这类似于一阶常系数常微分方程的解（未完成），即 $ \boldsymbol{\mathbf{A}} $ 是一个常数而不是矩阵的情况。
但式 3 不方便直接计算。此时如果 $ \boldsymbol{\mathbf{A}} $ 可以对角化为
\begin{equation}
\boldsymbol{\mathbf{A}} = \boldsymbol{\mathbf{U}} \boldsymbol{\mathbf{\Lambda}} \boldsymbol{\mathbf{U}} ^{-1}~,
\end{equation}
其中 $ \boldsymbol{\mathbf{U}} $ 是本征列向量排成的矩阵，$ \boldsymbol{\mathbf{\Lambda}} $ 是对应本征值 $\lambda_1, \lambda_2, \dots$ 排成的对角矩阵，
代入
式 3 就有
\begin{equation} \begin{aligned}
\exp\left( \boldsymbol{\mathbf{A}} t\right) &= \boldsymbol{\mathbf{U}} \boldsymbol{\mathbf{U}} ^{-1} + \boldsymbol{\mathbf{U}} \boldsymbol{\mathbf{\Lambda}} \boldsymbol{\mathbf{U}} ^{-1} t + \frac1{2!} ( \boldsymbol{\mathbf{U}} \boldsymbol{\mathbf{\Lambda}} \boldsymbol{\mathbf{U}} ^{-1} t)^2 + \dots\\
&= \boldsymbol{\mathbf{U}} \left(1 + \boldsymbol{\mathbf{\Lambda}} t + \frac1{2!} ( \boldsymbol{\mathbf{\Lambda}} t)^2 + \dots \right) \boldsymbol{\mathbf{U}} ^{-1}\\
&= \boldsymbol{\mathbf{U}} \exp\left( \boldsymbol{\mathbf{\Lambda}} t\right) \boldsymbol{\mathbf{U}} ^{-1}\\
&= \boldsymbol{\mathbf{U}} \begin{pmatrix} \mathrm{e} ^{\lambda_1 t} & 0 & \dots\\ 0 & \mathrm{e} ^{\lambda_2 t} &\dots\\ \vdots & \vdots & \ddots\end{pmatrix} \boldsymbol{\mathbf{U}} ^{-1}~.
\end{aligned} \end{equation}
代入
式 2 就是方程组的解。
2. 含时系数情况的形式解
当式 1 中的系数矩阵 $ \boldsymbol{\mathbf{A}} $ 是 $t$ 的函数 $ \boldsymbol{\mathbf{A}} (t)$ 时，一般没有解析解。我们可以取微小时间步长 $\Delta t$，在每个 $\Delta t$ 内近似认为 $ \boldsymbol{\mathbf{A}} (t_i)$ 为常数，再取极限
\begin{equation}
\boldsymbol{\mathbf{v}} (t) = \lim_{\Delta t \to 0} \prod \exp \left[ \boldsymbol{\mathbf{A}} (t_i)\Delta t \right] \boldsymbol{\mathbf{v}} (0)~,
\end{equation}
如果两个矩阵 $ \boldsymbol{\mathbf{P}} , \boldsymbol{\mathbf{Q}} $
对易，就有
\begin{equation}
\exp\left( \boldsymbol{\mathbf{P}} + \boldsymbol{\mathbf{Q}} \right) = \exp\left( \boldsymbol{\mathbf{P}} \right) \exp\left( \boldsymbol{\mathbf{Q}} \right) ~,
\end{equation}
但一般来说 $ \boldsymbol{\mathbf{A}} (t_i)$ 之间不对易，所以我们形式上定义一个
时序算符（
子节 2 ）$ \hat{\mathcal T} $ 使例如
\begin{equation}
\hat{\mathcal T} [ \boldsymbol{\mathbf{A}} (t_1) \boldsymbol{\mathbf{A}} (t_3) \boldsymbol{\mathbf{A}} (k_2)] = \boldsymbol{\mathbf{A}} (t_3) \boldsymbol{\mathbf{A}} (t_2) \boldsymbol{\mathbf{A}} (t_1) \qquad ( t_1 < t_2 < t_3 )~,
\end{equation}
这样通解在形式上就可以记为
\begin{equation}
\boldsymbol{\mathbf{v}} (t) = \hat{\mathcal T} \exp\left(\int_0^ t \boldsymbol{\mathbf{A}} (t') \,\mathrm{d}{t} '\right) \boldsymbol{\mathbf{v}} (0)~,
\end{equation}
然而这么做对于数值计算并没有太大意义。
3. 厄米矩阵、反厄米矩阵
量子力学中经常需要求解矩阵形式的薛定谔方程
\begin{equation}
\mathrm{i} \frac{\mathrm{d}}{\mathrm{d}{t}} \boldsymbol{\mathbf{v}} = \boldsymbol{\mathbf{H}} \boldsymbol{\mathbf{v}} ~.
\end{equation}
其中 $ \boldsymbol{\mathbf{H}} $ 是厄米矩阵（哈密顿矩阵）。若把两边同除以 $ \mathrm{i} $，则系数矩阵 $- \mathrm{i} \boldsymbol{\mathbf{H}} $ 就是一个反厄米矩阵。如果 $ \boldsymbol{\mathbf{H}} $ 不随时间变化，那么 $ \mathrm{e} ^{ \mathrm{i} \boldsymbol{\mathbf{H}} t}$（$t\in \mathbb R$）是一个
酉矩阵（幺正矩阵）。所以 $ \boldsymbol{\mathbf{v}} (t)$ 的模 $ \left\lVert \boldsymbol{\mathbf{v}} (t) \right\rVert = \sum \left\lvert v_i \right\rvert ^2$ 将不随时间变化。
证明：
\begin{equation}
\left\lVert \boldsymbol{\mathbf{v}} (t) \right\rVert = \boldsymbol{\mathbf{v}} (t) ^\dagger \boldsymbol{\mathbf{v}} (t) = \left( \mathrm{e} ^{- \mathrm{i} \boldsymbol{\mathbf{H}} t} \right) ^\dagger \mathrm{e} ^{- \mathrm{i} \boldsymbol{\mathbf{H}} t} \boldsymbol{\mathbf{v}} (0) \left\lVert \boldsymbol{\mathbf{v}} (0) \right\rVert ~.
\end{equation}
两边取厄米共轭得
\begin{equation}
\left( \mathrm{e} ^{- \mathrm{i} \boldsymbol{\mathbf{H}} t} \right) ^\dagger = \mathrm{e} ^{ \mathrm{i} \boldsymbol{\mathbf{H}} ^\dagger t} = \mathrm{e} ^{ \mathrm{i} \boldsymbol{\mathbf{H}} t}~,
\end{equation}
由于 $[H,H] = 0$，有 $( \mathrm{e} ^{- \mathrm{i} \boldsymbol{\mathbf{H}} t}) ^\dagger \mathrm{e} ^{- \mathrm{i} \boldsymbol{\mathbf{H}} t} = \mathrm{e} ^{ \mathrm{i} \boldsymbol{\mathbf{H}} t} \mathrm{e} ^{- \mathrm{i} \boldsymbol{\mathbf{H}} t} = \boldsymbol{\mathbf{I}} $。证毕。
4. 数值计算
事实上，以上做法相当于分离变量，当 $ \boldsymbol{\mathbf{A}} $ 是厄米矩阵时，令 $ \boldsymbol{\mathbf{v}} (t) = f(t) \boldsymbol{\mathbf{u}} $，代入方程得
\begin{equation}
\frac{f'(t)}{f(t)} \boldsymbol{\mathbf{u}} = \boldsymbol{\mathbf{A}} \boldsymbol{\mathbf{u}} ~,
\end{equation}
由于 $ \boldsymbol{\mathbf{A}} $ 和 $ \boldsymbol{\mathbf{u}} $ 都不含时，所以可以令
\begin{equation} \begin{aligned}
& \boldsymbol{\mathbf{A}} \boldsymbol{\mathbf{u}} = \lambda \boldsymbol{\mathbf{u}} ~,\\
& f(t)' = \lambda f(t)~.
\end{aligned} \end{equation}
其中第一个方程是 $ \boldsymbol{\mathbf{A}} $ 的本征方程，解为 $N$ 个本征矢 $ \boldsymbol{\mathbf{u}} _i$（即 $ \boldsymbol{\mathbf{U}} $ 的第 $i$ 列）和 $N$ 个本征值 $\lambda_i$（即 $ \boldsymbol{\mathbf{\Lambda}} $ 的第 $i$ 个对角元）。第二条方程的解为 $f(t) = \exp\left(\lambda t\right) $。
在此基础上使用 Lanczos 算法可以进一步提高效率。
5. 算符拆分
有时候我们希望可以在上述计算中把 $ \boldsymbol{\mathbf{A}} $ 写成几个矩阵的和的形式（以两个为例）$ \boldsymbol{\mathbf{A}} = \boldsymbol{\mathbf{B}} + \boldsymbol{\mathbf{C}} $。当 $ \boldsymbol{\mathbf{B}} $ 和 $ \boldsymbol{\mathbf{C}} $ 对易时显然有
\begin{equation}
\exp\left( \boldsymbol{\mathbf{A}} t\right) = \exp\left( \boldsymbol{\mathbf{B}} t\right) \exp\left( \boldsymbol{\mathbf{C}} t\right) ~.
\end{equation}
在程序中这么做可能可以进一步提高速度
1。如果 $ \boldsymbol{\mathbf{B}} $ 和 $ \boldsymbol{\mathbf{C}} $ 不对易，严格来说上式不成立，但可以证明 $t \to 0$ 时近似成立
\begin{equation} \begin{aligned}
& \quad \exp\left( \boldsymbol{\mathbf{B}} t\right) \exp\left( \boldsymbol{\mathbf{C}} t\right) \\
& = \left(1+ \boldsymbol{\mathbf{B}} t+\frac{1}{2!} \boldsymbol{\mathbf{B}} ^2t^2 + \dots \right) \left(1+ \boldsymbol{\mathbf{C}} t+\frac{1}{2!} \boldsymbol{\mathbf{C}} ^2t^2 + \dots \right) \\
& = 1 + ( \boldsymbol{\mathbf{B}} + \boldsymbol{\mathbf{C}} )t + \frac{1}{2!} \left( \boldsymbol{\mathbf{B}} ^2 + \boldsymbol{\mathbf{C}} ^2 + 2 \boldsymbol{\mathbf{B}} \boldsymbol{\mathbf{C}} \right) t^2 + \dots\\
& = \exp\left( \boldsymbol{\mathbf{A}} t\right) + \mathcal{O}\left(t^2 \right) ~,
\end{aligned} \end{equation}
这里的 $ \mathcal{O}\left(t^2 \right) $ 是由于第二个等号后面是 $2 \boldsymbol{\mathbf{B}} \boldsymbol{\mathbf{C}} $ 而不是 $ \boldsymbol{\mathbf{B}} \boldsymbol{\mathbf{C}} + \boldsymbol{\mathbf{C}} \boldsymbol{\mathbf{B}} $。
1. ^ 例如二维波函数的动能算符 $T = T_x + T_y$
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。