Beruflich Dokumente
Kultur Dokumente
r
Sea x tal que A X = X siendo un escalar. Todos los valores de que verifiquen la
r
ecuacin ( X O ), se llaman autovalores o valores propios de la matriz A. Todo vector x
correspondiente al subespacio de soluciones del sistema A X = X para cada autovalor, se llama
vector propio o autovector, exceptuando al vector nulo. Indistintamente se hace referencia a los
autovalores y los autovectores de la matriz A o de la correspondiente transformacin lineal f.
r r
La ecuacin A X = X es equivalente a ( A I ) X = O . Si queremos hallar x 0 , es
decir buscamos que el sistema lineal y homogneo al que conduce la ecuacin matricial anterior,
tenga soluciones distinta de la trivial, debemos pedir que
det( A I ) = 0 (ecuacin caracterstica de A).
Se define como polinomio caracterstico de A al polinomio de grado n y variable dado por
P ( ) = det( A I ) tal que sus races son los autovalores de A.
Si i es un autovalor o valor propio de A, el subespacio de soluciones del sistema
( A i I ) X = O asociado a i dado por
r
S i = x R n / A X = i X
est constituido por la unin del vector nulo y el conjunto de los autovectores asociados a i. S i se
llama subespacio asociado a i.
Ejemplos
Ejemplo 1.
1.a)
y = x sen + y cos
z = z
A = sen cos 0
0
0
1
A = 0 1 0 .
0 0 1
= 2 = 1
det( A I ) = 0(1 ) 2 (1 ) = 0 1
posee dos autovalores diferentes
3 = 1
1.b.I) Si 1 = 2 = 1.
x1 R
0 0 0 0
r
Dado un vector no nulo v R 2 y sea la transformacin lineal f :R 2 R 2 definida
r
r
f ( x ) = proy v x .
U.T.N. F.R.H. - Temas de Algebra y Geometra Analtica - Autovalores y Autovectores - Pgina 2
r r
r r
rr
x v r
Recordando que proy v x =| x | cos (v , x ) v = r r v , siendo
v v
r
r
x = ( x1 , x 2 ) y v = (v1 , v2 ) , podemos escribir la transformacin de
la siguiente forma:
xv +x v
xv +x v
xv +x v
f ( x1 , x2 ) = 1 12 22 2 (v1 , v2 ) = 1 12 22 2 v1 , 1 12 22 2 v2
v1 + v2
v1 + v2
v1 + v2
v2
vv
vv
v2
f ( x1 , x2 ) = 2 1 2 x1 + 2 1 2 2 x2 , 2 1 2 2 x1 + 2 2 2 x2 .
v1 + v2
v1 + v2
v1 + v2
v1 + v 2
2
v1
v1v 2
2
2
2
v1 + v 2 v1 + v 22
.
La matriz asociada en la base cannica es A =
v1v 2
v 22
2
2
2
2
v1 + v 2 v1 + v 2
v12
v12 + v 22
det( A I ) = 0
v1v 2
2
v1 + v 22
v1v 2
v2
v 2
vv
v + v 22
= 0 2 1 2 2 2 2 2 1 2 2
v
v1 + v 2
v1 + v 2
v1 + v 2
2
2
v1 + v 2
2
1
2
2
= 0
v12
v 22 2 v1v 2
+
2
v 2 + v 2 v 2 + v 2 + v 2 + v 2 = 0
v12 + v 22
2
1
2
2
1
1
2
Observamos que la ecuacin caracterstica se reduce a: + = 0 , cuyas races son 1 = 0 y
2 = 1.
v12 v 22
2.I)
Si = 1 = 0, el subespacio asociado se obtiene a partir de ( A 0 I ) X = O , esto es
A X = O.
v12
v1v 2
2
0
2
2
2
2
v1v 2 0 v1 v 2 0
~ v1
v1 + v 2 v1 + v 2
~
2
2
v v
v1v 2
v2
0
0
0
v
0
1
2
2
0
2
2
2
2
v1 + v 2 v1 + v 2
r
2
S = 0 = {x R / x1v1 + x2 v2 = 0} ; dim(S = 0)=1
El autovector linealmente independiente es:
r
BS =0 = {u1 = (-v2 , v1 )} .
r r
r r
Obs.: la relacin x 1v1 + x 2 v 2 = 0 x v = 0 x v , por lo tanto el resultado obtenido es
compatible con lo esperado geomtricamente, puesto que este subespacio representa el conjunto de
r
r
r
vectores x perpendiculares a v , cuya proyeccin sobre v se reduce al vector nulo.
2.II)
v 22
v12
v1v 2
v1v 2
2
2
0
1
0
2
2
2
2
2
2
2
v1 + v 2
~ v 2 v1v 2
~ v1 + v 2 v1 + v 2
v1 + v 2
v v v2
v1v 2
v1v 2
v 22
v12
1
0
1
0
1 2
2
2
2
2
2
2
2
2
v
v
v
v
v
v
v
v
+
+
+
+
2
1
2
2
1
2
1
1
r
2
S =1 = {x R / x1v2 x2 v1 = 0} ; dim(S = 1)=1
El autovector linealmente independiente es:
0 v2
~
0 0
v1
0
r
BS =1 = {u2 = (v1 , v2 )}.
r r
Obs.: la relacin x 1v1 x 2 v 2 = 0 x // v , por lo tanto el resultado obtenido es compatible con lo
r
esperado geomtricamente, puesto que este subespacio representa el conjunto de vectores x
r
r
r
paralelos a v , cuya proyeccin sobre v da por resultado el propio vector x .
Propiedades de autovalores y autovectores
Dada una matriz A R n n ,
r
1) si v R n es un autovector de A, entonces existe para dicho vector un nico escalar
(autovalor) asociado.
2) Si A es no singular o regular (es decir, det(A)0) y 0 es un autovalor, entonces (1/) es un
autovalor de A1 (inversa de A).
3) Si A es una matriz singular entonces =0 es un autovalor de dicha matriz.
4) Si A es triangular superior o inferior o diagonal, entonces sus autovalores coinciden con los
elementos de la diagonal principal de A.
5) Si 1 , 2 , 3 , L , n son los autovalores de A la traza y el determinante de A son
n
i =1
i =1
tr ( A) = i det( A) = i .
Si es un autovalor de A entonces 2
es un autovalor de A2.
6)
r
7) Si 1 , 2 , 3 , L , n son autovalores distintos (es decir i j i j ) y si {u 1} es una base del
r
r
r
subespacio de autovectores S 1 ; {u2 } lo es de S 2 ; {u3 } lo es de S 3 ;L ;{u n } lo es de S n ,
r r r
r
entonces el conjunto {u1 , u2 , u3 , L, un } es linealmente independiente.
8) Si i es autovalor de A entonces la dimensin del subespacio S i es menor o igual al orden de
multiplicidad de la raz i de la ecuacin caracterstica.
Matrices semejantes
Se dice que dos matrices cuadradas A y B de igual orden, son semejantes si existe una matriz
P, de igual orden, inversible tal que
B = P 1 A P .
P se denomina matriz de pasaje o de cambio de base; con A~B se indica que A es semejante a B.
Propiedades
1) La semejanza es una relacin binaria de equivalencia.
Reflexiva: A~A
Simtrica: A~B B~A
Transitiva: Si A~B B~C A~C
2) Si A~B det(A)=det(B)
Demostracin) Si A~B P inversible / B = P1.A.P, resulta entonces que
det(B)=det (P1.A.P) det(B)=det (P1).det(A).det(P) det(B)=det(A)[det (P1).det(P)]
det(B)=det(A).det(P1.P) det(B) = det(A). det
{I det( B ) = det( A)
P
3) Si A~B kN Ak ~ Bk
Demostracin) Si A~B P inversible / B = P1.A.P
B k = ( P 1 A P)( P 1 A P)( P 1 A P) L ( P 1 A P) = P 1 A( P P 1 ) A( P 1 P) AL A P
P
k
k
B k = P 1 ( A I ) k P = P 1 A k P B ~A .
Diagonalizacin de matrices
Dada una matriz cuadrada A Rnn, se dice que es diagonizable si existe P inversible del
mismo orden de A (es decir P Rnn P1) /
1 0 L 0
0
L
0
2
P1.A.P = D =
matriz diagonal (A ~ D)
M
M O M
0 0 L
n
Propiedades
1) Si ARnxn con autovalores 1, 2, 3, ...,n con multiplicidad 1 (esto es i j i j) entonces A
es diagonizable; el rango de (A iI)=(n 1) y dim( S i )=1 i =1, 2, ...,n.
Esta propiedad se puede expresar en forma equivalente de las siguientes formas:
a) si las races de la ecuacin caracterstica de la matriz A Rnxn son todas simples, entonces
A es diagonizable;
b) si la matriz A Rnxn tiene n autovalores i distintos A es diagonizable.
2) Si A Rnxn es diagonizable n autovectores que constituyen una base de Rn.
3) Si el orden de multiplicidad de un autovalor i correspondiente a A Rnxn es m(i), entonces el
rango de (A iI)=[n m(i)] i para ser diagonizable, esto es que dim( S i ) = m(i) i.
Ejemplos
1 0
Sea A=
. Si estudiamos su ecuacin caracterstica, det(A I) = (1)2 = 0
1
1
0 0
1 =2 =1, orden de multiplicidad m(=1)=2; pero rango (A 1.I)=rango
=1
1 0
A no es diagonizable.
El subespacio asociado al autovalor es dim(S=1)=21=1, no existe un conjunto de 2
autovectores independientes con los cuales hallar la matriz P de cambio de base.
Ejemplo 1.
Ejemplo 2.
A = 1 0 0 (A I) = 1
0
0 1
0
0 0 1
2 = i
3 =i
r
u 2 = (1,i,1)
r
u 3 = (1, i,0)
autovector
autovector
0 1 1
r r r
la matriz A es diagonizable tomando P= (u1 , u 2 , u 3 ) = (U 1 U 2 U 3 ) = 0 i i Se verifica:
1 0 0
1 0 0
1. .
P A P=D= 0 i 0 .
0 0 i
Esto significa que si P diagonaliza a A, tambin diagonaliza a A2, y los autovalores de A2 son 2i si
i es un autovalor de A.
Anlogamente para una rotacin =2 , la matriz de rotacin que se obtiene es la matriz
identidad.
41 0 0 14 0
0
P.D4.P 1 = A4 pero D4 = 0 42 0 = 0 i 4
0
4
4
0 0 3 0 0 ( i )
P
1 0 0
D = 0 1 0 =I A4 = P.D4.P1 = P.I.P1 = P.P1 = I
0 0 1
4
Matrices Hermticas
Sea una matriz cuadrada A Cnxn, tal que AT = A , entonces A es hermtica.
Notacin: A matriz cuyos elementos son los conjugados de los correspondientes elementos de A,
Si A = ((ai , j )) Cnn , A = ai , j Cnn .
(( ))
Propiedades
1) Si A =((ai,j)) Cnxn , esto es que ai,j C, y adems A es hermtica, entonces
ai , j = a j ,i i j
i = 1,2,..., n .
ai , j R i = j
2) Si todo ai, j A es real ( es decir ai,j R) y la matriz es hermtica la matriz A es simtrica.
3) Todos los autovalores de una matriz hermtica son reales.
4) Los autovectores asociados a autovalores distintos son ortogonales.
Ejemplos
i
i
2i
2i
0 i 2i
0
0
T
2i = A A es hermtica.
3 2i A = i 3
2i A= i
a) Si A= i 3
2i 2i
2i 2i 0
2i 2i 0
0
i
i
i
1 i
1 i
1+ i
2
2
2
T
1
2 + 2 i =B
1
2 + 2 i B=1 i
1
2 2 i , ( B) =1 + i
b) B= 1 + i
i
i 2 2i
i 2 2i
1
1
1
2 + 2i
resultando B hermtica.
()
Matrices antihermticas
Si ACnn diremos que es antihermtica si A T =A.
Propiedades
a = a j ,i i j
1) Si A=((ai,j)) Cn x n , si es antihermtica i , j
i = 1,2,..., n .
ai , j es imaginario puro i = j
Observacin: z = a + bi es imaginario puro si Re(z)= a =0.
2) Si A es antihermtica (i.A) es hermtica. Si A es hermtica (i.A) es antihermtica.
3) Los autovalores de una matriz antihermtica son imaginarios puros (incluyendo cero).
4) Los autovectores asociados a autovalores distintos son ortogonales.
5) Si la matriz antihermtica tiene todos los ai,j R, resulta antisimtrica.
1 + i 2i
1 i 2i
1 i 2i
0
0
0
T
2 A = 1 + i 3i 2 A = 1 i 3i
2 = A.
Ejemplo: A= 1 i 3i
2i
2i
2i 2
i
2 i
2 i
()
Matrices unitarias
T
Propiedades
1) Toda matriz unitaria hace invariantes el producto interior y la norma eucldea.
X , Y C n1 se cumple:
a) A X, A Y = X, Y ;
b) A X = X .
2) Los autovectores asociados a autovalores distintos son ortogonales.
3) Si A = ((ai,j)) / ai,j R i, j =1, ..., n A es unitaria, entonces A es ortogonal.
0
0
i
Ejemplo: A= 0 1 / 2 1 / 2 .
0 i / 2 i / 2
Matrices normales
T
1 i 0
1 i
, B = i 1 0 .
Ejemplos: A =
i 1
0 0 1
Campo real
ai,j R
Simtrica (A = AT)
Campo complejo
ai,j C
Hermtica (A = A )
Antisimtrica (A =AT)
Antihermtica (A = A )
Unitaria (A1 = A )
Normal
(A A = A A )
T
I)
0 2 L 0
donde D es una matriz diagonal de la forma D =
M
M O M
0 0 L
n
de (1)
A = P.D.P1
1
A2 = P.D. 1
P 2
3
P .D.P1 = P.D2.P1
P
1
A3 = A2.A = P.D2. 1
P2
.P .D.P1 = P.D3.P1
3
P
M
1
P 2
3
P D P 1 = P D k P 1
Ak = Ak1.A = P.Dk1. 1
P
1n 0
0 2n
n
. n. 1
A = P D P = P
M
M
0 0
II)
L 0
L 0 1
P
O M
L nn
de operar que el clculo directo de la
Es posible expresarla en forma matricial XT.A.X = k de forma que la matriz A sea hermtica:
2 3 3 x
X A X = (x y z ) 3 1 0 y = 2 .
3 0 1 z
El hecho de elegir que A sea hermtica (en este caso particular en el campo real, simtrica) se debe a
que de esta forma est garantizada su diagonalizacin y que los autovectores correspondientes son
ortogonales.
Se determina la ecuacin caracterstica de A, los autovalores y autovectores.
3
3
2
A I = 3
1
0 det( A I ) = 0 (1+)2(2)+18(1+)=0
3
1
0
T.
} = 0, 1
1 2 1 1
;
, ,
3 6 6 6
1/ 3 2 / 6
1/ 3 1/ 6 donde U k indica un
1/ 3 1/ 6
vector columna cuyos elementos son las componentes del versor u k para k=1, 2,3.
1 0 0
T. .
1
T
Dado que P = P por se ortogonal, D = P A P = 0 4 0 .
0 0 5
x
x
T. .
Como X A X = 2 y = P y , es decir, X = P X , verificndose que X T = X T P T .
z
z
1 1 1
, ,
;
2
2
3
3
1/ 2
u 1 ; u 2 ;u 3
1 0 0 x
2
2
2
(
)
x
y
z
0
4
0
Entonces: X .1
P2
.A.P
X
=
2
y =2 x 4 y +5 z =2 .
3
D
0
0 5 z
r r r
Esta ecuacin corresponde, con respecto a los nuevos ejes definidos por los versores u10 , u 20 ,u 30 , a
T
x 2 y 2 z 2
+
=1
2 1/ 2 2 / 5
dz (t ) = 3x(t ) 6 y (t ) 6 z (t )
dt
Hallar las funciones derivables x = x(t), y = y(t), z = z(t) que satisfacen todas las ecuaciones
diferenciales del sistema, determinando el conjunto solucin (x, y, z) = (x(t), y(t), z(t)).
X& = A X (1), donde
dx(t ) dy (t ) dz (t )
X& T = ( x& , y& , z& ) =
,
,
,
dt
dt
dt
2 x
x& 1 2
2
2 y .
y& = 2
z& 3 6 6 z
Si A es diagonalizable, entonces existe D (matriz diagonal) tal que D = P1.A.P siendo P la matriz de
transicin o de pasaje. As, se verificar que A = P D P 1 . Reemplazando esta expresin en (1),
X& = P D P 1 X P 1 X& = D X (2)
P
A I = 2
2
2 det (A I) = 0
3
6 6
3 52 6 = 0 ( + 3) ( + 2) = 0
Los resultados obtenidos son:
r
1 = 0 autovector u1 =(0,1,1)
r
2 = 3 autovector u2 =(1,0,-1)
r
3 = 2 autovector u3 =(2,-1,0)
Concluimos que A es diagonalizable.
Utilizamos la expresin (3) y encontramos que:
0 y1 y&1 = 0
y&1 0 0
y& 2 = 0 3 0 y2 y& 2 = 3 y2 (4)
y& 0 0 2 y y& = 2 y
3
3
3 3
Este nuevo sistema de ecuaciones diferenciales ordinarias a resolver tiene la ventaja sobre el
sistema original que est constituido por ecuaciones desacopladas, es decir que cada una de las
nuevas funciones incgnitas se resuelve en forma independiente de las dems.
Empleando algn mtodo adecuado de resolucin de ecuaciones diferenciales (por ejemplo,
en este caso, variables separables) las soluciones son:
U.T.N. F.R.H. - Temas de Algebra y Geometra Analtica - Autovalores y Autovectores - Pgina 10
y1 (t ) = C1
3t
y2 (t ) = C2 e
y (t ) = C e 2t
3
3
donde C1, C2 y C3 son constantes arbitrarias.
x 0 1 2 y1 0 1 2 C1
Como Y = P X X = P Y , y = 1 0 1 y2 = 1 0 1 C2 e 3t , la solucin
z 1 1 0 y 1 1 0 C e 2t
3
3
es
x(t ) = C2 e 3t + 2C3 e 2t
2t
,
y (t ) = C1 C3 e
z (t ) = C C e 3t
1
2
x(t )
0
1
2
3t
en forma equivalente, y (t ) = C1 1 + C2 0 e + C3 1e 2t .
z (t )
1
1
0
Forma de Jordan
2) Cuando esto no ocurre, por cada autovector que se pierde, la matriz de Jordan incorpora un 1 en
la diagonal paralela a la principal por encima de ella, mientras que en la diagonal principal aparecen
los autovalores de A.
La forma de Jordan es el caso ms general y su construccin es axiomtica, pero muy inestable, ya
que pequeas variaciones en A, pueden producir que se completen los autovectores y eliminar los
elementos incorporados en la diagonal superior a la principal.
Ejemplos
1 1 2
1 1 2
1 det( A I ) = 2 (1 ) = 0 1 = 2 = 0 3 = 1
A I = 0
0
0
.
.
Si = 0, el sistema (A I) X = O se convierte en A X = O 0 0 1 0 x3 =0, x1 = x2 .
0 0 0 0
1
2
1
3 det( A I )=0(1 ) 3 = 0 1 = 2 = 3 = 1
A I = 0 1
0
0 1
0 0 3 0 x3 = 0 x2 = 0, x1 R
0 0 0 0
S =1 = { X = ( x1 , x2 , x3 ) / x2 = x3 = 0}= x1 (1,0,0) x1 R
r
Un slo autovector se puede extraer u1=(1,0,0) pierde 2 autovectores se incorporan 2
elementos a1,2 =a2,3 =1, siendo la forma de Jordan asociada a A:
U.T.N. F.R.H. - Temas de Algebra y Geometra Analtica - Autovalores y Autovectores - Pgina 12
1 1 0
J = 0 1 1
0 0 1
3) Si A R44 y los autovalores son 1 =2 2 =3 =4 =1 y suponemos que se pierden dos
autovectores, entonces la forma de Jordan ser:
2 0 0 0
0 1 1 0
J =
0 0 1 1
0 0 0 1
Nota: Cada uno de los autovectores forman lo que se llama bloques de Jordan que corresponden a
submatrices de mm, donde m es el orden de multiplicidad del autovalor k, de la forma:
k 1 L 0 0
0 k L 0 0
Jk = M M O M M
0 0 L k 1
0 0 L 0
k
0 2 0 0 0
0
J
J = 0 0 1 1 0 = 1
0 J 2
0 0 0 1 1
0 0 0 0 1
Una de las preguntas que queda pendiente de responder est relacionada con el hecho de que
si bien se obtiene como sustituta de la matriz diagonal la forma de Jordan / P1.A.P = J, cul ser la
matriz P inversible que permite el cambio de base? Analicemos el siguiente ejemplo.
2 1 0 1
1 3 1 3
Sea la matriz A = 0 1 2 1 donde det(A I) = ( 2)3 = 0.
1 1 1 1
Los autovalores y sus multiplicidades respectivas son: 1 =0 con m(0) =1 y 2 =2 con m(2) =3.
Para 1 =0, el sistema (A I) . X = O se reduce a A . X = O. Su resolucin:
2 1 0 1 0 2 1 0 1 0 2 1 0 1 0 2 1 0 1 0
1 3 1 3 0 0 5 2 5 0 0 5 2 5 0 0 5 2 5 0
~
~
~
0 1 2 1 0 0 1 2 1 0 0 0 12 0 0 0 0 1 0 0
1 1 1 1 0 0 3 2 3 0 0 0 16 0 0 0 0 0 0 0
corresponde x1 = 0, x3 = 0, x4 = x2 , x2 R , dando
S =0 = {X = ( x1 , x2 , x3 , x4 ) / x1 = 0 x3 = 0 x2 = x4 }= (0, x2 ,0, x2 ) = x2 (0,1,0,1),x2 R
r
Para 1 =0 autovector u1 = (0,1,0,1) .
P
0 1 0 1 0 0 1 0 1 0 0 1 0 1 0
1 1 1 3 0 1 1 1 3 0 1 1 1 3 0
~
~
0 1 0 1 0 0 1 0 1 0 0 0 0 0 0
1 1 1 3 0 0 2 0 6 0 0 0 0 4 0
Resultando: 4x4 = 0 x4 = 0, x2 + x4 = 0 x2 = 0, x1 x3 = 0 x3 =x1 x1 R.
S =2 = S = 2 {X = ( x1 , x2 , x3 , x4 ) / x2 = x4 = 0 x1 = x3 }= ( x1 ,0, x1 ,0) = x1 (1,0,1,0),x1 R
r
Para 2 = 2 autovector u2 = (1,0,1,0) , se pierden dos autovectores.
2
0
J= 0
1
2
0
0
0
1
2
0
0
0
0 .
0
r
Para obtener la matriz P / P1.A.P = J (1), tenemos asociado 1 =0 con u1 = (0,1,0,1) y 2 =2 con
r
u2 = (1,0,1,0) .
r
r
Tomamos P = (U 2 U 3 U 4 U1 ) , respetando el orden de Jordan y donde se desconocen u3 y u4 .
De (1) A . P = P . J, resultando que:
A P = ( AU 2 AU 3 AU 4 AU1 )
P
0
P J = (U 2 U 3 U 4 U 1 )
0
1
2
0
0
0
1
2
0
0
= ( 2U 2 U 2+2U 3 U 3+2U 4 1U 1 )
0
1
I) ( A 2 I )U 2 = O
II) ( A 2 I )U 3 = U 2
III)( A 2 I )U 4 = U 3
IV) ( A 1 I )U1 = O
AU 2 = 2U 2
AU = U + U
3
2
2 3
AU 4 = U 3 + 2U 4
AU1 = 1U1
1 0
0 1 0
1 1 1 3 0 r
De I), ( A 2 I )U 2 = O ,
u2 = (1,0,1,0) , como era de esperar.
0 1 0
1 0
1 1 1 3 0
r
De II), ( A 2 I )U 3 = U 2 , la resolucin conduce a u3 , el cual claramente no es un autovector de A.
0 1 0 1 1 0 1 0 1 1 0 1 0 1 1
1 1 1 3 0 1 1 1 3 0 1 0 1 2 1
~
~
0
1
0
1
1
0
0
0
0
0
0
0
0
0
0
1 1 1 3 0 0 2 0 6 0 0 0 0 4 2
1
3
4x4 =2 x4 = ; x2 +x4 =1 x2 =1x4 = ; x1 x3 +2x4 =1 x1 R.
2
2
3
1
De las infinitas soluciones, S = x1, , x1, ,x1 R , elegimos una de ellas para obtener el
2
2
r 3
1
vector buscado. Tomamos x1 =0 u3 = 0, , 0, .
2
2
0
0 1 0 1
r
1 1 1 3 3 / 2
u
De III) ( A 2 I )U 4 = U 3 0 1 0 1
la
resolucin
conduce
a
4 . Este vector
0
1 1 1 3 1 / 2
tampoco es una autovector de A.
1
1 1
De las infinitas soluciones, S = x1, , x1 , ,x1 R , elegimos una de ellas.
2
2 2
r 1 1 1
Tomamos x1 =0 u 4 = 0, , , .
2 2 2
r
De IV) A U1 = O , obtenemos u1 = (0,1,0,1) .
Resulta as, la matriz
0
0
0
1
0 3 / 2 1/ 2 1
.
P = (U 2 U 3 U 4 U1 ) =
1/ 2 0
1
0
0 1/ 2 1/ 2 1
r r r r
El subespacio de los vectores columna de P, R(P), tiene como base a {u2 , u3 , u4 , u1}, ya que
r
r
se puede proba probar su independencia lineal. Esta base de vectores, donde a u3 y a u 4 se los
asocia con 2 =2, se llama base de Jordan.
La solucin no es nica, y tampoco existe un orden preestablecido para la ubicacin de los bloques
de Jordan. As, en este ejemplo, es vlido decir que
0
0
0 0 0 0
0 1
0 2 1 0
1 0 3 / 2 1/ 2
y P=
J =
0 0 2 1
1/ 2
0 1
0
0 0 0 2
1 0 1/ 2 1/ 2
======================================================================
El precedente trabajo fue elaborado en Mayo de 1996, con el objetivo de complementar el
estudio de la temtica correspondiente, por Ing. Enrique Marcaccio con la colaboracin de Prof.
Mara T. Arnuzzo y Lic. Julia E. Contin.