Beruflich Dokumente
Kultur Dokumente
en Agapito1
Rub
Octubre, 2014
Resumen
1. Secci
on Matem
aticas, Departamento de Ciencias, PUCP.
Ruben Agapito
1. Introducci
on
La matriz exponencial es una herramienta muy u til en la resolu-
ci
on de sistemas lineales de primer orden. Nos provee de una formula
cerrada para sus soluciones, y con ayuda de esta puede analizarse la con-
trolabilidad y observabilidad de un sistema lineal ([1]). Existen varios
metodos para calcular la matriz exponencial, ninguno de ellos compu-
tacionalmente eficiente ([9]). Sin embargo, desde el punto de vista teorico
es importante conocer propiedades de esta funcion matricial. Formulas
que involucran el c alculo de autovectores generalizados y transformada
de Laplace han sido utilizados en una amplia cantidad de libros texto,
y por este motivo, en este trabajo, se pretende brindar metodos alter-
nativos, no muy conocidos, de didactica amable. Existen otros metodos
([4],[5]) de por s interesantes pero que no han sido mencionados en la
lista de casos, debido a su practicidad en implementacion.
Desarrollaremos ocho casos o metodos para calcular la matriz ex-
ponencial. Se brindan ejemplos de como aplicar los metodos no tan co-
nocidos en casos concretos, y para los casos mas conocidos se cita la
respectiva bibliografa.
2. Definiciones y resultados b
asicos
La matriz exponencial etA puede ser definida generalizando la nocion
de serie de Maclaurin de la funcion exponencial escalar va
X 1 k k
(t) = etA = t A .
k!
k=0
Luego se tiene
m X
X n m X
X n
2 2 2 2
kABkF = |cij | kA(i, :)k2 kB(:, j)k2
i=1 j=1 i=1 j=1
m
X n
X
2 2 2 2
= kA(i, :)k2 kB(:, j)k2 = kAkF kBkF .
i=1 j=1
x = Ax, x(0) = x0 .
3. Matriz diagonalizable
Dada una matriz diagonal n n
D = diag(1 , 2 . . . , n ),
es tambien una matriz diagonal. Ahora, en el caso que A sea una matriz
diagonalizable se sabe que existe una matriz invertible P formada por
los autovectores de A y una matriz diagonal D formada por los corres-
pondientes autovalores de A tales que A = P DP 1 . Es sencillo verificar
la identidad Ak = P Dk P 1 para todo k Z+ . Luego se tiene
k k
!
X t k X tk k 1
X t k
tA
D P 1
e = A = PD P =P
k! k! k!
k=0 k=0 k=0
= P etD P 1 .
4. Matriz no diagonalizable
Cuando una matriz no es diagonalizable se sabe que es similar a una
matriz en forma can
onica de Jordan, esto es, una matriz diagonal por
J = diag(J1 , J2 , . . . , Jm ),
A = P JP 1 .
Al aplicar un c
alculo similar al caso diagonalizable se demuestra
Este caso es tambien muy conocido. Ver [11] para apreciar algunos ejem-
plos.
5. Matrices triangulares
Sea S una matriz triangular superior (para una matriz triangular
inferior se realiza un desarrollo similar) y escribamosla como la suma de
una matriz diagonal con una matriz nilpotente
S = D + N.
calculamos
etS = et(D+N ) = etD etN .
6. La f
ormula espectral de Putzer
En [10], Putzer describe dos metodos para calcular etA . Estos se
basan en el hecho de que etA es un polinomio en A cuyos coeficientes son
funciones escalares de t que pueden ser halladas recursivamente resol-
viendo un sistema sencillo de ecuaciones diferenciales lineales de primer
orden. Mostraremos s olo el segundo metodo, por ser mas facil de enten-
der e implementar.
Teorema 6.1. Dada una matriz A de tama no nn, supongamos que co-
nocemos todos sus autovalores 1 , 2 , . . . , n , no necesariamente distin-
tos, listados en un orden especificado pero arbitrario. Entonces se cumple
etA = r1 (t)P0 + r2 (t)P1 + + rn (t)Pn1 ,
donde
k
Y
P0 = I, Pk = (A j I), k = 1, 2, . . . , n 1,
j=1
Prueba. Ponemos
n1
X
(t) = rk+1 (t)Pk ,
k=0
n1
X n1
X
(t) n (t) = rk+1 (t)Pk n rk+1 (t)Pk
k=0 k=0
n1 n1
! n2
!
X X X
= k+1 rk+1 Pk + rk Pk n rk+1 Pk + n rn Pn1 .
k=0 k=0 k=0
n2
X n1
X
(A n I)Pk rk+1 = (A n I)Pk rk+1 (A n I)Pn1 rn ,
| {z }
k=0 k=0 Pn
= (A n I) Pn rn .
r1 = 1 r1 , r1 (0) = 1,
r2 = 2 r2 + r1 , r2 (0) = 0.
e2 t
etA = e1 t I + e1 t 1 (A 1 I).
1 2
etA = e1 t I + t e1 t (A 1 I).
e1 t e2 t sen(bt)
r2 (t) = = eat .
1 2 b
Como x(t) = etA x0 es solucion del sistema x = Ax, con condicion
inicial x(0) = x0 , al tener x0 y A entradas reales, buscamos obvia-
mente una soluci on real. As, la parte real de la formula espectral
es la soluci
on real a considerar, esto es,
y en consecuencia se concluye
sen(bt)
etA = eat cos(bt)I + eat (A aI).
b
que se cumple
n
X
0
AF (t) F (t) = etk (A k I)Lk (A).
k=1
y as tambien
1
(A I)n1+i = (A I)n1 (A I)i = (A I)n (A I)i
1
= (A I)n+i = ( )i (A I)n1 .
Al reemplazar esta relacion en la segunda suma obtenemos
( )
X tn1+i
( )i (A I)n1 =
i=0
(n 1 + i)!
( )
1 X tk
= ( ) (A I)n1
k
( )n1 k!
k=n1
( n2
)
1 X tk
t()
= e ( ) (A I)n1 ,
k
( )n1 k!
k=0
(A 2 I)(A 3 I) (A 1 I)(A 3 I)
etA = e1 t + e 2 t
(1 2 )(1 3 ) (2 1 )(2 3 )
(A 1 I)(A 2 I)
+ e 3 t .
(3 1 )(3 2 )
e2 t e1 t
etA = e1 t I + t(A 1 I) + (A 1 I)2
(2 1 )2
t e1 t
(A 1 I)2 .
2 1
8. Interpolaci
on de Lagrange-Sylvester y el
algoritmo de Gantmacher
El siguiente metodo, ilustrado en Gantmacher [3], no solo nos ayuda
a calcular la matriz exponencial, sino tambien la evaluacion matricial
de cualquier funcion analtica. Primero mencionamos el caso en que los
autovalores de una matriz son distintos, y luego el caso general cuando
existen multiplicidades.
Teorema 8.1. Si f (A) es una matriz polinomial en Ann y si los auto-
valores de A son distintos, entonces f (A) puede ser descompuesta como
n
X
f (A) = f (i )z(i ),
i=1
Esta expresi
on polinomial puede ser factorizada va interpolacion de La-
grange cual
Xn Yn
f (A) = pi (A k I).
i=1 k=1
k6=i
f (j )
pj = Q
n .
(j k )
k=1
k6=j
1 2
1
A= 1 3 2 ,
1 1 6
1 2t 1 2t
e2t (6t 5) + 9 e2t (14t 9) + 9 e4t (3 4t) 3e2t
4e 4e
= 14 e2t 1
e2t (10t 7) + 7 4t
4 e (3 2t) + e
2t
e4t (3 4t) 3e2t
1 2t 1 2t
4e e2t (14t 9) + 9 4e e2t (14t 9) + 9 4e4t t + e2t
con condici
on inicial
Entonces se tiene
donde
x1 (t)
1 (t)
x2 (t) 2 (t)
. = B01 . ; (9.6)
.. ..
xn (t) n (t)
ac
a B0 es la evaluaci
on, en t = 0, de la matriz
(n1)
1 (t) 01 (t) 1 (t)
(n1)
2 (t) 02 (t) 2 (t)
Bt =
.. .. .. .. ,
.
. . .
0 (n1)
n (t) n (t) n (t)
siempre que S = 1 (t), 2 (t), . . . , n (t) sea un conjunto fundamental
de soluciones para la ecuaci
on diferencial lineal homogenea
11. Conclusiones
Se ha ilustrado varios metodos para calcular la matriz exponencial
de una matriz cuadrada. La mayora de ellos no utiliza el calculo de
autovectores (generalizados) de la matriz, lo cual ha sido un metodo
cl
asico de abordar el problema en varios textos a nivel de iniciacion. Si
bien estos metodos pueden aplicarse a cualquier matriz, todos ellos resul-
tan ineficaces si tratamos con matrices grandes o con entradas inexactas
(n
umeros decimales truncados o n umeros acompa nados con cierto error).
Es aqu donde es preferible usar la computadora, pero como se nala el
trabajo de Moler-Van Loan [9], no existe un metodo infalible de imple-
mentacion numerica. La descripcion e implementacion de estos metodos
numericos servir
an de base para un artculo posterior.
Referencias
[1] P. J. Antsaklis & A. N. Michel; A Linear Systems Primer. Birk-
ha
user, Boston (2007).
[4] S-H Hou & W-K. Pang; On the matrix exponential function. Inter-
national Journal of Mathematical Education in Science and Tech-
nology (2006), 37, 1:6570.
[9] C. Moler & Ch. Van Loan; Nineteen Dubious Ways to Compute the
Exponential of a Matrix, Twenty-Five Years Later. SIAM Review
(2003), 45, 1:349.
Abstract
We present several methods that allow the exact computation of the ex-
ponential matrix etA . Methods that include computation of eigenvectors
or Laplace transform are very well-known, and they are mentioned he-
re for completeness. We also present other methods, not well-known in
the literature, that do not need the computation of eigenvectors, and are
easy to introduce in a classroom, thus providing us with general formulas
that can be applied to any matrix.
Ruben Agapito
Secci
on Matem aticas
Departamento de Ciencias
Pontificia Universidad Catolica del Per
u
ruben.agapito@pucp.pe