Matrixexponential-Rechner

Der Matrixexponential-Rechner berechnet \(e^{At}\), die Zustandsübergangsmatrix für das homogene lineare System \(x'(t)=Ax(t)\). Er ist für die Bereiche lineare Algebra, Kontrolltheorie, Differentialgleichungen, Markov-Ketten-Generatoren und jedes Modell konzipiert, bei dem eine konstante Matrix die zeitkontinuierliche Entwicklung steuert.

Was das Matrixexponential bedeutet

Für eine skalare Zahl \(a\) löst die Exponentialfunktion \(e^{at}\) die Gleichung \(x'=ax\). Für eine quadratische Matrix \(A\) funktioniert derselbe Ansatz, wenn man Potenzen einer Zahl durch Potenzen einer Matrix ersetzt:

Das Ergebnis wird nicht durch elementweises Exponenzieren jedes Eintrags von \(A\) erzielt. Die Matrixmultiplikation in den Potenzen \(A^2,A^3,\ldots\) erfasst die Kopplung zwischen den Variablen, was genau das ist, was ein System linearer DGLs benötigt.

Lösen linearer DGL-Systeme

Wenn \(A\) konstant ist und \(x(0)=x_0\), lautet die Lösung des Anfangswertproblems:

Dies ist der Grund, warum \(e^{At}\) oft als Zustandsübergangsmatrix oder Fundamentallösung bezeichnet wird. Jede Spalte zeigt, wohin sich ein Standardbasis-Zustand nach der Zeit \(t\) bewegt.

So verwenden Sie den Matrixexponential-Rechner

1. Matrix A eingeben. Geben Sie eine Zeile pro Zeile ein und verwenden Sie Leerzeichen oder Kommas zwischen den Einträgen.
2. Zeit t wählen. Verwenden Sie einen positiven Wert für eine Vorwärtsentwicklung oder einen negativen Wert für eine Rückwärtsentwicklung.
3. x(0) beim Lösen einer DGL hinzufügen. Der Vektor muss die gleiche Anzahl an Einträgen haben wie die Dimension der Matrix.
4. Berechnen und prüfen. Lesen Sie \(e^{At}\), das optionale \(x(t)\), die Spur-Identität und die 2D-Animation ab, wenn A eine 2×2-Matrix ist.

Numerische Methode

Der Rechner verwendet Scaling-and-Squaring mit einem Padé-Approximanten 13. Ordnung. Praktisch bedeutet dies, dass er \(At\) zuerst auf eine kleinere Matrix skaliert, eine rationale Approximation auswertet und das Ergebnis wiederholt quadriert, um zur ursprünglichen Zeitskala zurückzukehren. Dies ist stabiler als ein einfaches Abschneiden der Taylor-Reihe.

Wichtige Identität: Volumenskalierung

Die Determinante des Matrixexponentials hat eine kompakte Spur-Formel:

Für ein 2D-System beschreibt dies die Flächenskalierung unter dem Fluss; für ein 3D-System die Volumenskalierung. Eine negative Spur führt tendenziell dazu, dass Volumina schrumpfen, während eine positive Spur sie ausdehnt.

Wann Sie dieses Tool verwenden sollten

FAQ

Kann der Rechner mit nicht-diagonalisierbaren Matrizen umgehen?

Ja. Die Padé-Methode berechnet \(e^{At}\) direkt und erfordert daher keine Diagonalisierung. Jordan-Blöcke und mehrfache Eigenwerte sind gültige Eingaben, solange die Zahlen innerhalb der Stabilitätsgrenzen bleiben.

Warum gibt es ein Limit für ||At||?

Sehr große Werte von \(\|At\|_1\) können zu enormen Exponentialeinträgen oder Fließkomma-Überläufen führen. Der Rechner hält eine konservative Grenze ein, damit Benutzer zuverlässige, browserfreundliche Ergebnisse anstelle von irreführenden Unendlichkeiten erhalten.

Erzeugt dies symbolische Formeln?

Dieses Tool konzentriert sich auf numerische Matrixexponentiale und DGL-Zustandswerte. Für symbolische geschlossene Formen, Diagonalisierungen und Workflows zur Jordan-Normalform verwenden Sie bitte einen speziellen Eigenwert- oder Jordan-Normalform-Rechner.