L’esponenziale di una matrice, $\mathbf{e}^{\mathbf{A}}$, estende la funzione scalare $e^x$ alle matrici quadrate ed è fondamentale per risolvere sistemi dinamici lineari.
INDICE
1. Definizione: La Serie di Taylor (o di Maclaurin)
La funzione esponenziale scalare $e^x$ è definita dalla sua serie di Taylor:
$$e^x = \sum_{k=0}^{\infty} \frac{x^k}{k!} = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \dots$$
L’esponenziale di una matrice $\mathbf{A}$ è definita sostituendo la variabile scalare $x$ con la matrice $\mathbf{A}$ e la costante $1$ con la matrice identità $\mathbf{I}$:
$$\mathbf{e}^{\mathbf{A}} = \sum_{k=0}^{\infty} \frac{\mathbf{A}^k}{k!} = \mathbf{I} + \mathbf{A} + \frac{\mathbf{A}^2}{2!} + \frac{\mathbf{A}^3}{3!} + \dots$$
Questa serie converge per tutte le matrici quadrate $\mathbf{A}$, il che assicura che $\mathbf{e}^{\mathbf{A}}$ esista sempre.
2. Proprietà Chiave
L’esponenziale di matrice conserva molte proprietà scalari, ma la non commutatività introduce una restrizione cruciale:
| Proprietà Scalare | Proprietà Matriale | Condizione |
| $e^0 = 1$ | $\mathbf{e}^{\mathbf{0}} = \mathbf{I}$ | Sempre |
| $e^{-x} = (e^x)^{-1}$ | $\mathbf{e}^{-\mathbf{A}} = (\mathbf{e}^{\mathbf{A}})^{-1}$ | Sempre ( $\mathbf{e}^{\mathbf{A}}$ è sempre invertibile) |
| $e^{x+y} = e^x e^y$ | $\mathbf{e}^{\mathbf{A}+\mathbf{B}} = \mathbf{e}^{\mathbf{A}}\mathbf{e}^{\mathbf{B}}$ | Solo se $\mathbf{A}\mathbf{B} = \mathbf{B}\mathbf{A}$ |
3. Metodi di Calcolo Avanzati
Il calcolo diretto tramite la serie infinita è impraticabile. Si utilizzano metodi basati sulla decomposizione matriciale.
A. Calcolo tramite Diagonalizzazione (Metodo Vantaggioso)
Se $\mathbf{A}$ è diagonalizzabile ($\mathbf{A} = \mathbf{P} \mathbf{D} \mathbf{P}^{-1}$), l’esponenziale si semplifica enormemente:
$$\mathbf{e}^{\mathbf{A}} = \mathbf{P} \mathbf{e}^{\mathbf{D}} \mathbf{P}^{-1}$$
L’esponenziale della matrice diagonale $\mathbf{D}$ si ottiene esponendo semplicemente gli autovalori sulla diagonale:
$$\mathbf{e}^{\mathbf{D}} = \begin{pmatrix} e^{\lambda_1} & 0 & \cdots \\ 0 & e^{\lambda_2} & \cdots \\ \vdots & \vdots & \ddots \end{pmatrix}$$
B. Calcolo tramite Forma Canonica di Jordan
Se $\mathbf{A}$ non è diagonalizzabile, si usa la Forma Canonica di Jordan ($\mathbf{A} = \mathbf{P} \mathbf{J} \mathbf{P}^{-1}$). In questo caso, $\mathbf{e}^{\mathbf{A}} = \mathbf{P} \mathbf{e}^{\mathbf{J}} \mathbf{P}^{-1}$. Il calcolo di $\mathbf{e}^{\mathbf{J}t}$ coinvolge derivate di $e^{\lambda t}$ all’interno di ciascun blocco di Jordan.
C. Calcolo tramite Teorema di Cayley-Hamilton
Il teorema permette di esprimere $\mathbf{e}^{\mathbf{A}}$ come combinazione lineare di potenze di $\mathbf{A}$ fino a $\mathbf{A}^{n-1}$:
$$\mathbf{e}^{\mathbf{A}} = \alpha_0 \mathbf{I} + \alpha_1 \mathbf{A} + \alpha_2 \mathbf{A}^2 + \dots + \alpha_{n-1} \mathbf{A}^{n-1}$$
I coefficienti $\alpha_i$ sono ricavati da un sistema di equazioni scalari basato sui valori $e^{\lambda_i}$ e le loro derivate.
4. Esempio Pratico: Calcolo con Diagonalizzazione
Calcoliamo l’esponenziale per la matrice $\mathbf{A} = \begin{pmatrix} 1 & 1 \\ 0 & 2 \end{pmatrix}$.
Passo 1: Decomposizione
- Autovalori: $\lambda_1 = 1, \lambda_2 = 2$.$$\mathbf{D} = \begin{pmatrix} 1 & 0 \\ 0 & 2 \end{pmatrix}$$
- Matrice degli Autovettori:$$\mathbf{P} = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}, \quad \mathbf{P}^{-1} = \begin{pmatrix} 1 & -1 \\ 0 & 1 \end{pmatrix}$$
Passo 2: Calcolo di $\mathbf{e}^{\mathbf{D}}$
$$\mathbf{e}^{\mathbf{D}} = \begin{pmatrix} e^1 & 0 \\ 0 & e^2 \end{pmatrix}$$
Passo 3: Assemblare $\mathbf{e}^{\mathbf{A}} = \mathbf{P} \mathbf{e}^{\mathbf{D}} \mathbf{P}^{-1}$
$$\mathbf{e}^{\mathbf{A}} = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix} \begin{pmatrix} e & 0 \\ 0 & e^2 \end{pmatrix} \begin{pmatrix} 1 & -1 \\ 0 & 1 \end{pmatrix}$$
- $\mathbf{P}\mathbf{e}^{\mathbf{D}} = \begin{pmatrix} e & e^2 \\ 0 & e^2 \end{pmatrix}$
- $(\mathbf{P}\mathbf{e}^{\mathbf{D}})\mathbf{P}^{-1} = \begin{pmatrix} e & e^2 \\ 0 & e^2 \end{pmatrix} \begin{pmatrix} 1 & -1 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} e & e^2 – e \\ 0 & e^2 \end{pmatrix}$
Risultato Finale:
$$\mathbf{e}^{\mathbf{A}} = \begin{pmatrix} e & e^2 – e \\ 0 & e^2 \end{pmatrix}$$
5. Applicazioni in Sistemi Dinamici
L’esponenziale di matrice è la chiave per risolvere sistemi lineari di equazioni differenziali a coefficienti costanti:
$$\frac{d\mathbf{y}(t)}{dt} = \mathbf{A}\mathbf{y}(t), \quad \mathbf{y}(0) = \mathbf{y}_0$$
La soluzione è data da:
$$\mathbf{y}(t) = \mathbf{e}^{\mathbf{A}t} \mathbf{y}_0$$
dove $\mathbf{e}^{\mathbf{A}t}$ è la matrice di transizione di stato che evolve la condizione iniziale $\mathbf{y}_0$ nel tempo $t$. Per l’esempio precedente, $\mathbf{e}^{\mathbf{A}t} = \begin{pmatrix} e^{t} & e^{2t} – e^{t} \\ 0 & e^{2t} \end{pmatrix}$.
IMPARA L’ALGEBRA LINEARE
Impara l’algebra lineare con un percorso strutturato e facile da seguire passo a passo.
Un viaggio che parte dai vettori e dalle matrici, passando per i sitemi lineari giungerai nei meandri degli spazi vettoriali, della diagonalizzazione delle matrici con tappa finale nelle coniche.