Capitolul 4

VALORI S
I VECTORI PROPRII
4.1

Diagonalizarea matricelor

Problema: data matricea A Mn (R), sa se determine o matrice nesingulara P Mn (R)

astfel ncat matricea B = P1 A P sa aiba o forma cat mai simpla. Pentru a rezolva
aceasta problema introducem notiunile: valoare proprie, vector propriu, polinom caracteristic etc.

x1

Definitia 4.1 Fie matricea A = (aij )i,j=1,n Mn (R). Vectorul coloana x = ...
xn
Mn1 (R) pentru care exista R astfel ncat: Ax = x, x 6= Mn1 (R) se numeste vector
propriu al matricei A, iar valoare proprie a matricei A.
Multimea valorilor R care sunt valori proprii ale matricei A se numeste spectrul
lui A si se noteaza (A). Raza spectral
a a matricei A este numarul real pozitiv (A) =
max {|| , (A)} .
Notam cu S (A) = {x|x Mn1 (R) : Ax = x} multimea vectorilor proprii ai
matricei A corespunz
atori valorii proprii la care este adaugat si vectorul nul.
Teorema 4.1 Fie matricea A Mn (R).
a) Multimea S (A) are structura de subspatiu liniar al spatiului liniar Mn1 (R).
b) Subspatiile proprii corespunzatoare valorilor proprii
at
distincte
nu au n comun dec
vectorul nul, adica daca 1 6= 2 S1 (A) S2 (A) = Mn1 (R) .

Demonstratie. a) Observam din definitia lui S (A) ca n aceasta multime este inclus si
vectorul coloana nul Mn1 (R) . Demonstram ca S (A) este subspatiu liniar folosind teorema
de caracterizare a subspatiilor liniare.
Fie x, y S (A) Ax = x, Ay = y si fie R, A(x + y) = Ax + Ay =
(x) + y = (x + y) x + y S (A).
b) Fie valorile proprii distincte 1 si 2 si S1 (A), S2 (A) subspatiile proprii corespunzatoare. Presupunem ca exista x S1 (A) S2 (A), x 6= Mn1 (R) . Rezulta Ax = 1 x si
59

60

CAPITOLUL 4. VALORI SI VECTORI PROPRII

Ax = 2 x deci 1 x = 2 x (1 2 )x = Mn1 (R) , 1 6= 2 x = Mn1 (R) , ceea ce

contrazice ipoteza.
Observatia 4.1 Ecuatia matriceala Ax = x, x 6= Mn1 (R) este echivalenta cu (A
In )x = Mn1 (R) si echivalenta cu sistemul liniar omogen

(a11 )x1 + a12 x2 + ... + a1n xn = 0

a21 x1 + (a22 )x2 + ... + a2n xn = 0

(4.1)
......

an1 x1 + an2 x2 + ... + (ann )xn = 0

care are solutii nebanale daca si numai daca det(A In ) = 0, unde

a11 a12

a
1n

a21

a22 a2n

det(A In ) = ..
.
..
.

an1
an2
ann

(4.2)

Definitia 4.2 Fie A Mn (R). Polinomul P () = det(A In ) se numeste polinom

caracteristic al matricei A, iar ecuatia P () = 0 se numeste ecuatie caracteristic
a a
matricei A. Radacinile ecuatiei caracteristice poarta denumirea de r
ad
acini caracteristice ale matricei A. Valorile proprii ale matricei A sunt radacinile caracteristice din
R.
Exemplul
A M3 (R). Sa se determine valorile proprii ale matricei:
4.1 Fie matricea

1 0 0
A = 0 0 1 .
0 1 0

1 0 0
1 0 0
Rezolvare. Calculam det(A I3 ) = det 0 0 1 0 1 0 =
0 1 0
0 0 1

+ 1 0
0

0
1 = 2 3 + 1 = (1 ) (2 + 1) .
=

0
1
Ecuatia caracteristica este 2 3 + 1 = 0. Radacinile ecuatiei caracteristice sunt
= 1, = i. Matricea A are numai valoarea proprie = 1 R, = i
/ R si deci nu
este valoare proprie.
In situatii generale, valorile proprii ale unei matrice nu sunt usor de determinat. Sunt si
cazuri n care determinantul din definitia polinomului caracteristic se poate calcula relativ
usor. Se includ aici matricele diagonale, matricele triunghiulare superior sau inferior.

4.1. DIAGONALIZAREA MATRICELOR

61

Definitia 4.3 Fie A Mn (R). Se numeste minor principal de ordin k al matricei A

un minor de ordin k format la intersectia a k linii si coloane cu acelasi indice.
Observatia 4.2 Fie A Mn (R). Sunt Cnk minori principali de ordin k, iar suma acestora
n
X

se noteaza k . In particular 1 =
aii se numeste urma (n engleza trace) matricei A si
i=1

se noteaza T r(A). Mai observam ca n = det(A).

Teorema 4.2 Fie A Mn (R). Au loc afirmatiile:

a) Polinomul caracteristic al matricei A este un polinom de gradul n cu coeficienti din
R.
b) Polinomul caracteristic are expresia
P () = (1)n (n 1 n1 + 2 n2 + ... + (1)n n )

(4.3)

n
X

unde: 1 =
aii = T r(A) (urma matricei A),

i=1
an1.n1 an1,n
a11 a12 a11 a13
+
+ +

2 =
an,n1
a21 a22 a31 a33
an,n
i = suma minorilor principali de ordinul i ai matricei A.
n = det(A).
Exemplul 4.2 Sa se calculeze polinomul caracteristic al matricei

1 0
2 1
0 1
4 2
.
A=
2 1 0
1
2 1 1 2
Rezolvare.


1 + 1 + 0 + 2 = 4
1 =
1 0 1 2 1 1 1 4 1 2 0 1
+
+
+
+
+
2 =
0 1 2 0 2 2 1 0 1 2 1 2
= 1 4 + 4 + 4 + 0 + 1 = 6

1 0 2
1
1 2 1
1 0
4
2

1
1
3 = 0 1 4
+ 1 0
+ 2 0
+ 0 1
2 1 0
1 1 2
2 1 2
2 1
1,2,3
2,3,4
1,3,4
4 = det(A) = 1
P () = 4 43 + 62 4 + 1 = ( 1)4

1
2
2

=4

1,2,4

Teorema 4.3 Doua matrice asemenea au aceleasi valori proprii.

Demonstratie. Demonstram ca doua matrice asemenea au acelasi polinom caracteristic
si de aici va rezulta ca au aceleasi valori proprii. Fie A, B Mn (R) doua matrice asemenea.

62

CAPITOLUL 4. VALORI SI VECTORI PROPRII

Atunci exista o matrice P Mn (R), nesingulara astfel ncat B = P1 AP. Folosind definitia
polinomului caracteristic obtinem:
PB () = det(B In ) = det(P1 AP P1 P) = det P1 (A In )P =
=det(P1 ) det(A In ) det P = det(A In ) = PA ()
deoarece det(P1 ) = 1/ det(P).
Observatia 4.3 Reciproca nu este adevarata. Faptul ca matricele au aceleasi valori

proprii
0 1
este o conditie necesara, dar nu suficienta de asemanare. Consideram matricele
0 0

0 0
si
. Se observa ca fiecare are valoarea proprie 0 cu multiplicitatea 2 dar nu sunt
0 0
asemenea.
Definitia 4.4 Fie A Mn (R). Daca este o valoare proprie a lui A, atunci dimR S (A)
se numeste multiplicitate geometric
a a valorii proprii . Multiplicitatea valorii proprii ,
ca radacina a polinomului caracteristic, notata m(), se numeste multiplicitate algebric
a
a valorii proprii .
Observatia 4.4 Multiplicitatea geometrica este numarul maxim de vectori liniar independenti din S (A).
Teorema 4.4 Daca este valoare proprie a matricei A de multiplicitate algebrica m(),
atunci dimR S (A) m().(multiplicitate geometrica este mai mica sau egala cu multiplicitate algebrica).
Teorema 4.5 Fie matricea A Mn (R). Vectorii proprii corespunzatori valorilor proprii
distincte sunt liniar independenti.
Demonstratie. Fie x1 , x2 , ..., xp vectorii proprii corespunzatori valorilor proprii 1 , 2 , ..., p .
Vom demonstra ca daca valorile proprii 1 , 2 , ..., p sunt distincte atunci vectorii proprii
corespunzatori x1 , x2 , ..., xp sunt liniar independenti.
Demonstratia se face prin inductie dupa p.
Pentru p = 1 afirmatia este evident adevarata (avem un singur vector propriu nenul,
liniar independent).
Presupunem afirmatia adevarata pentru un sistem de p 1 vectori proprii si o demonstram pentru un sistem de p vectori. Fie sistemul de vectori proprii (x1 , x2 , ..., xp ) si demonstram ca este liniar independent. Fie (1 , ..., p ) Rp si
1 x1 + 2 x2 + ... + p xp = Mn1 (R)

(4.4)

Inmultim relatia (4.4) la stanga cu p si obtinem:

1 p x1 + 2 p x2 + ... + p p xp = Mn1 (R) .
Pe de alta parte, daca aplicam matricea A relatiei (4.4) obtinem:

(4.5)

4.1. DIAGONALIZAREA MATRICELOR

1 Ax1 + 2 Ax2 + ... + p Axp = Mn1 (R)
sau, tinand sema ca Axi = i xi , i = 1, p,
1 1 x1 + 2 2 x2 + ... + p xp vp = 0Mn1 (R) .

63

(4.6)

Scadem din (4.5) relatia(4.6) si obtinem:

1 (1 p )x1 + 2 (2 p )x2 + ... + p1 (p1 p )xp1 = n .
Deoarece sistemul de vectori (x1 , x2 , ..., xp1 ) este liniar independent si valorile proprii
sunt distincte, rezulta 1 = 2 = ... = p1 . Inlocuim n (4.4) valorile lui i , i = 1, p 1
rezulta p xp = 0Mn1 (R) , xp 6= Mn1 (R) p = 0, deci sistemul de vectori (x1 , x2 , ..., xp )
este liniar independent.
Definit
te matrice diagonal
a o matrice de forma
ia 4.5 Se numes
a11 0 ... 0
0 a22 ... 0

,
..
.. .. ..
0
0 .. ann
adica o matrice care are toate elementele care nu sunt pe diagonala principala egale cu zero.
Definitia 4.6 Se numeste matrice diagonalizabil
a orice matrice asemenea cu o matrice
diagonala.
Teorema 4.6 O matrice A Mn (R) este diagonalizabila dac
a si numai dac
a exista o
baza n Mn1 (R) formata din vectorii proprii ai matricei A.

Consecinta 4.1 Daca A Mn (R) are n valori proprii distincte, atunci A este diagonalizabila.

Demonstratie. Conform Teoremei 4.5, deoarece 1 , 2 , ..., n sunt n valori proprii distincte
ale lui A si (x1 , x2 , ..., xn ) sunt vectorii proprii corespunzatori, acesti vectori sunt liniar
independenti, sunt n numar de n, dimR Mn1 (R) = n, deci constiuie o baza n Mn1 (R).
Conform Teoremei 4.6 matricea A este diagonalizabila.
Enuntam fara demonstratie urmatoarele rezultate:
a
Teorema 4.7 (Teorema lui Jordan) O matrice A Mn (R) este diagonalizabila dac
si numai dac
a
a) toate radacinile polinomului caracteristic P () sunt n R,
b) pentru orice valoare proprie dimR S (A) = m(), m() notand ordinul de multiplicitate algebrica a valorii proprii (multiplicitatea algebrica este egala cu multiplicitatea
geometrica).
Exemplul 4.3 Fie matricea A M3 (R),

3 7 5
4
3 .
A= 2
1
2
2

Sa se studieze daca matricea este diagonalizabila si n caz afirmativ sa se determine

matricea diagonala si matricea modala.

64

CAPITOLUL 4. VALORI SI VECTORI PROPRII

Rezolvare. Pentru determinarea valorilor proprii si a multiplicit

atilor algebrice
3 3
2
calculam polinomul caracteristic: P () = (1) ( 1 + 2 3 )
1 = 3 + 4 + 2 = 3

3 7 4 3 3 5
= 12 + 14 + 8 6 6 + 5 = 3
+
+
2 =
2
2
4 2 2 1
3 = det(A) = 1
P () = (3 32 + 3 1) = ( 1)3
1 = 2 = 3 = 1, m(1) = 3.
Matricea are o singura valoare proprie = 1 cu multiplicitatea algebrica 3.
Pentru determinarea vectorilor proprii si stabilirea multiplicit
atilor geometirce ale valorilor proprii rezolvam sistemul
(A I)x = 0R3 x1 = 3x
2 = x3
3 , x
3
S1 (A) = {x R3 |x = 1 } dimR S1 (A) = 1(multiplicitatea geometrica)6= 3
1
(multiplicitatea algebrica a radacinii). Rezulta ca matricea nu este diagonalizabila.

4.1.1

Cazul matricelor simetrice

Teorema 4.8 Fie A Mn (R) o matrice simetrica. Atunci:

a) xT Ax este un numar (evident real).
b) Toate valorile proprii ale matricei A sunt reale.
Demonstratie. Afirmatia a) este evidenta.
b) Daca Ax =x si alegem x astfel ncat xT x =1, atunci
= xT x = xT (x) = xT Ax R (datorita afirmatiei a)).
Teorema 4.9 Fie A Mn (R) o matrice simetrica. Vectorii proprii corespunzatori valorilor proprii distincte sunt ortogonali.
Demonstratie. Fie 1 6= 2 doua valori proprii ale lui A si x Rn vector propriu,
Ax = 1 x si respectiv y Rn astfel ncat Ay = 2 y. Demonstram ca x y .
Inmultim relatia Ax = 1 x la stanga cu yT , yT Ax = yT 1 x yT Ax =1 yT x.
Transpunem relatia Ay = 2 y, tinem seama de simetria matricei A, yT A = 2 yT si
nmultim la dreapta relatia cu x. Obtinem yT Ax =2 yT x.
Din yT Ax =1 yT x si yT Ax =2 yT x prin scadere obtinem (1 2 )yT x = Rn , dar
1 6= 2 yT x = hy, xi = 0 x y.

x1
n

. X
T
yi xi = hy, xi
Observam ca y x = y1 yn .. =
i=1
xn
Se poate demonstra ca:
Teorema 4.10 Orice matrice reala simetrica, A Mn (R), este ortogonal asemenea cu o
matrice diagonala.

4.2. ALGORITMUL DE DIAGONALIZARE A UNEI MATRICI

65

Observatia 4.5 Matricea P se obtine astfel: consideram o baza ortonormata obtinuta din
vectori proprii ai matricei A (eventual se face ortonormarea vectorilor proprii prin procedeul
Gram-Schmidt) si matricea ortogonala P va fi formata pe coloane din coordonatele acestor
vectori n baza canonica. Evident, matricea P nu este unica, ea depinzand de alegerea
bazei.

4.2

Algoritmul de diagonalizare a unei matrici

Fie matricea A Mn (R).

Determinarea valorilor proprii ale matricei A.
Pasul 1. Determinam polinomul caracteristic P () = det(A In ). Calculam radacinile
polinomului caracteristic. Daca exista macar o radacina care nu este n R, conditia a) din
Teorema 4.7 nu este satisfacuta, deci algoritmul se opreste. Matricea A nu poate fi adusa
la forma diagonala.
Daca toate radacinile polinomului caracteristic sunt n R, trecem la Pasul 2.
Pasul 2. Fie 1 , 2 , ..., p valorile proprii distincte cu ordinele de multiplicitate algebrica
m(1 ), m(2 ), ..., m(p ).
Determinarea vectorilor proprii ale matricei A.
Pasul 3. Rezolvam cele p sisteme liniare si omogene
(A i In )x = Mn1 (R) , i = 1, p.

Explicitam subspatiile proprii Si (A) = x Mn1 (R) :(A i In )x = Mn1 (R) , i =

1, p si punem n evidenta cate o baza n fiecare dintre ele. Calculam dim Si (A) = ni , i =
1, p.
Pasul 4. Daca ni = m(i ), i = 1, p, matricea poate fi adusa la forma diagonala si trecem
la Pasul 5. In caz contrar conditia b) din Teorema 4.7 nu este satisfacuta, deci algoritmul
se opreste.
Determinarea formei diagonale.
Pasul 5. Am ajuns la Pasul 5 cand conditiile Teoremei 4.7 au fost ndeplinite, matricea
A este diagonalizabila. Matricea diagonala are forma
D = diag[1 , ..., 1 , 2 , ..., 2 , ..., p , ..., p ]
| {z } | {z }
| {z }
np ori
n1 ori
n2 ori
iar vecrorii proprii sunt reuniunea bazelor din toate subspatiile proprii determinate anterior.
Matricea modal
a P, care este si matricea de asemanare, are coloanele formate din
vectorii.proprii. Are loc relatia
D = P1 AP.
Exemplul
4.4 Fie matricea
A M4 (R),
1 0 0
1
0 1 0
0

A=
0 0 1 2
1 0 2 5

66

CAPITOLUL 4. VALORI SI VECTORI PROPRII

Sa se stabilesca daca matricea este diagonalizabila si n caz afirmativ sa se determine

matricea diagonala.
Rezolvare. Pentru determinarea valorilor proprii si a multiplicit
atilor algebrice
calculam polinomul caracteristic:
P () = (1)4 (4 83 + 132 6) = ( 6)( 1)2
Valorile proprii sunt
1 = 0, m(0) = 1,
2 = 6, m(6) = 1,
3 = 4 = 1, m(1) = 2.

T
Pentru 1 = 0, S0 (A) = {x R4 |x = 1 0 2 1
, R}, dimR S1 (A) = 1 =
m(0),

T
Pentru 2 = 6, S6 (A) = {x R4 (R)|x = 1 0 2 5
, R}, dimR S6 (A) =
1 = m(6),
Pentru 3 = 4 = 1,

2
0
0
1

S1 (A) = {x R4 |x =
0 + 1 , , R}, dimR S1 (A) = 2 = m(1).
0
0
Deoarece ni = m(i ), i = 1, 2, 3, endomorfismul este diagonalizabil, iar matricea
diagonalaeste

1 0 2 1
0 0 0 0
0 1 0 0
0 1 0 0

, iar matricea modal

a
este
P
=
D=
2 0 1 2 .
0 0 1 0
1 0 0 5
0 0 0 6
Exemplul
4.5 Sa se aduc
a la forma diagonala matricea
1
0 2
0 0
A= 0
2 0 4
si sa se determine matricea ortogonala de asemanare.. Sa se calculeze An .
Rezolvare. Calculam polinomul caracteristic care n acest caz se obtine mai usor folosind
definitia:

1 0
2
= 2 ( 5).
0
P () = det 0
2
0
4
Obtinem: 1 = 2 = 0, m(0) = 2 si 3 = 5, m(5) = 1.
Determinam vectorii proprii: pentru 1 = 2 = 0 rezolvam sistemul Ax = R3 folosind
transform
arile elementare,

1
0 2
1 0 2
0
0 0 0 0 0 x1 2x3 = 0, x2 R
2 0 4
0 0 0

4.2. ALGORITMUL DE DIAGONALIZARE A UNEI MATRICI

67

2
0
2x3

x2
deci x S0 (A) x =
= x3 0 + x2 1 dimR S0 (A) = 2.
1
0
x3
Pentru = 5 rezolvam sistemul (A 5I3 )x = R3 folosind transformarile elementare,

1
1
4 0
2
1
0
1 0
1 0 12
2
2
0
5 0 0
5 0 0 5 0 0 1 0
2 0
1
2 0
4
0 0
0
0 0 0
1
1

2 x3
2
x1 + 12 x3 = 0

0
x S5 (A) x =
= x3 0 .
x2 = 0
x3
1
Matricea fiind simetrica este diagonalizabila.
O forma diagonala este, de exemplu,

0 0 0
D = 0 0 0 .
0 0 5
Forma diagonala nu este unica. Obtinem atatea forme diagonale cate moduri diferite
avem de aranjare a valorilor proprii pe diagonala.
Baza formata din vectorii proprii este:


1
2
0
2

0 , v2 =
1 , v3 =
0 .
v1 =
1
0
1
Observam ca vectorii sunt ortogonali. Ii normalizam si formam matricea modala care
are drept coloane vectorii proprii ortonormati.

0 15
5

P= 0 1 0
1
2

0 5
5
si

2

2

0 15
5 0 15 5
1
0 2
0 0 0
5
5
= 0 0 0 .
0 0
0 0 0 1 0
PT AP = 0 1
1
2
1
2

0 5
2 0 4
0 0 5
5 5 0 5 5
5
Calculul lui An .
Stim ca A = P DP T A2 = P DP T P DP T = P D2 P T .
Folosind inductia matematica obtinem ca: An = P Dn P T .
Dar dac

0 0 0
0 0 0
0 0 0
0 0 0
D = 0 0 0 D2 = 0 0 0 0 0 0 = 0 0 0
0 0 5
0 0 5
0 0 52
0 0 5

0 0 0
n

0 0 0 ,
D =
0 0 5n

68

CAPITOLUL 4. VALORI SI VECTORI PROPRII

0 15
0
n
n T

0 1 0
0
A = PD P =
2
1

0
0
5
1 n
5
2 n
n1
5
0 55
5
5

0
0
0
0
=
=
25 5n 0 45 5n
2 5n1

4.3

2
5

2
5 0
0 0
5

0 1
0 0
n
1
0 5
5 5 0

n1
0 2 5
.
0
0
n1
0 45

5
0 =

2
5
5
1
5

Forma Jordan

(suplimentar)
Am vazut ca nu toate matricele sunt asemenea cu o matrice diagonala. Vom cauta n
cele ce urmeaza o matrice triungiular superioara cat mai apropiata de forma diagonala,
rezultatul obtinut este asa zisa forma canonica Jordan.

4.3.1

Blocuri Jordan si matrice Jordan

Fie matricele
J1 () = () , J2 () =

1
0

0
, ..., Jm () =
..
0

..
0

Definitia 4.7 Matricea Jp () Mp (R), (p 1, K)

0
Jp () =
..
0

..
0

0
1
..
0

...
...
..
...

0
0
..
0

0
1
..
0

...
...
..
...

0
0
..
0

0
0
.
..

0
0

..

(4.7)

cu p linii si p coloane se numeste bloc Jordan (celul

a Jordan) de ordin p.
Definitia 4.8 O matrice J Mn (R) de forma
J = diag [Jn1 (1 ), Jn2 (2 ), ..., Jnk (k )] ,
n care Jni (i ) Mni (R),i=1, k, n1 + n2 + ... + nk = n, este un bloc Jordan, iar ordinele
blocurilor ni cat si valorile i nu sunt neaparat distincte, se numeste matrice Jordan de
ordin n.
Observatia 4.6 Se observa ca daca fiecare bloc Jordan Jni (i ) din Definitia 4.8 este 1dimensional, adica ni = 1 si k = n, matricea Jordan este diagonala. Daca macar unul din
blocurile Jni (i ) are ni > 1, matricea J nu este diagonala si nu este nici diagonalizabila.

4.4. ALGORITMUL DE ADUCERE LA FORMA JORDAN

4.3.2

69

Serii de vectori proprii si vectori asociati

Definitia 4.9 Un sistem de vectori (x1 , x2 , ..., xp ),p 1, p N din Mn1 (R) care satisface
conditiile
x1 6= 0n , Ax1 = x1 , Ax2 = x2 + x1 , ..., Axp = xp + xp1 .

(4.8)

se numeste serie de vector propriu si asociatii acestuia corespunzatori valorii proprii

a matricei A, n care x1 este vectorul propriu numit cap de serie, iar ceilalti se numesc
vectori asociati vectorului propriu.
Observatia 4.7 Daca p = 1 atunci seria de vectori proprii si vectori asociati este formata
dintr-un singur vector propriu a matricei A.
Se pot demonstra urmatoarele rezultate:
a) un sistem de vectori format dintr-o serie de vector propriu si asociatii acestuia este
liniar independent,
b) daca unei serii de vector propriu si asociati i adaugam vectori proprii liniar independenti,
sistemul de vectori obtinut este liniar independent,
c) sistemul de vectori format din toate seriile de vectori proprii si asociati (aici includem
si seriile de lungime 1 formate numai din vectorul propriu) este liniar independent.
De aici rezulta ca daca numarul total de vectori proprii si asociati este egal cu numarul
de linii(sau coloane) ale matricei A, atunci acestia formeaza o baza care se numeste baz
a
Jordan corespunzatoare matricei A.

4.4

Algoritmul de aducere la forma Jordan

Prezentam un algoritm de aducere la forma Jordan a unei matrice de ordin n cu

elemente reale.
Pasul 1. Determinarea radacinilor polinomului caracteristic al matricei A. Calculam
polinomul caracteristic
P () = det(I A) = ( 1 )n1 ( 2 )n2 ...( p )np ,

unde 1 , 2 , ..., p sunt radacinile polinomului caracteristic, iar m(1 ), m(2 ), ..., m(p ) ordinele de multiplicitate ale radacinilor polinomului P ().
/ R algoritmul se opreste. In caz
Pasul 2. Daca exista macar un i = 1, p astfel ncat i
contrar trecem la Pasul 3.
Pasul 3. Determinarea numarului seriilor de vectori proprii si asociati. Daca toate
radacinile polinomului caracteristic sunt valori proprii, atunci pentru fiecare valoare proprie
n parte k , k = 1, p calculam
dk = n rang(A k I)
si obtinem numarul de serii de vectori proprii si asociati corespunzatori valorii proprii k .

70

CAPITOLUL 4. VALORI SI VECTORI PROPRII

Daca dk = 1, avem o singura serie de lungime m(k ) formata dintr-un vector propriu si
asociati si acestei serii i corespunde o celula Jordan de ordin m(k ). Trecem la Pasul 5.
Daca dk = m(k ), atunci exista m(k ) serii de vectori proprii si asociati, corespunzatori
valorii proprii k si fiecare din aceste serii este formata dintr-un singur vector. Trecem la
Pasul 5.
Daca 1 < dk < m(k ), trecem la Pasul 4.
Pasul 4. Determinarea lungimii seriilor de vectori proprii si asociati. Sunt dk serii de
vectori proprii si asociati de lungimi pe care urmeaza sa le determinam. Calculam pentru
j 1,
(j, k ) = rang(A k I)j1 2 rang(A k I)j + rang(A k I)j+1 .
Daca (j, k ) 6= 0, atunci avem (j, k ) serii de vectori proprii si asociati de lungime
j. (Convenim ca puterea zero a oric
X arei matrice este matricea unitate a carei rang este egal
j (j, k ) = m(k ).
cu n). Calculul se opreste cand
j

Pasul 5. Determinarea seriilor de vectori proprii si asociati corespunzator valorii proprii

k .
Pornim de la seria de lungime maxima. Fie aceasta lungime s. Daca v1 Kn este

vector propriu pentru matricea A corespunzator valorii proprii k , cap de serie pentru seria
(v1 , v2 , . . . , vs ) atunci
(A k In )v1 = , (A k In )v2 = v1 , ...,
(4.9)
(A k In )vs = vs1 .
Inlocuind din aproape n aproape obtinem:
(A k In )vs = vs1 , (A k In )2 vs = vs2 ,
(4.10)
. . . , (A k In )s1 vs = v1 , (A k In )s vs = .
Deci ultimul asociat din serie este o solutie nenula a sistemului liniar omogen
(A In )s vs = .
Fie aceasta solutie vs .
Observam ca (A In )s1 vs = v1 6= .
Alegem vectorul solutie a sistemului (A In )s vs = a carui imagine prin (A In )s1
va fi un vector nenul care nu este altul decat vectorul propriu cap de serie, v1 . Ceilalti vectori
din serie se determina utilizand relatiile (4.9).
Trecem la seria urmatoare n ordinea descrescatoare a lungimilor pana se epuizeaza
toate seriile corespunzatoare valorii proprii k .
Fiecarei serii de vectori proprii si asociati i corespunde o celula Jordan egala cu lungimea
seriei.
Se reia algoritmul de la Pasul 3 pentru urmatoarea valoare proprie pana se epuizeaza
toate valorile proprii.
Toate seriile de vectori proprii si asociati formeaza baza Jordan.
Pasul 6. Determinarea matricei Jordan si a matricei modale.
Matricea Jordan este formata din toate celulele Jordan asociate seriilor de vectori proprii
si asociati.
Matricea modala P are pe coloane coordonatele vectorilor proprii si asociati, avand grija
sa le scriem n ordinea n care apar n serie si n ordinea valorilor proprii.N

4.4. ALGORITMUL DE ADUCERE LA FORMA JORDAN

4.4.1

71

Exemple

Exemplul

4.6 Fie matricea

0 2 0 1
1 0 0 0

A=
0 1 0 0 .
0 0 1 0
Sa se determine forma canonica Jordan si baza Jordan.
Rezolvare. Calcul
am polinomul caracteristic:
1 = 0, 2 = 2, 3 = 0, 4 = 1; P () = ( 1)2 ( + 1)2 ,
1 = 1, m(1) = 2,
= 2.
2 = 1, m(1)

1 2
0 1
1 1 0
0
rang(A I4 )= 3
A I4 =
0
1 1 0
0
0
1 1
Calculam pentru 1 = 1, d1 = 4 rang(A I4 ) = 1.
a serie de vectori proprii si asociati,
Rezulta ca pentru 1 = 1 avem o singur
de lungime m(1) = 2.
Determin
am capul de
serie, adica vectorul propriu:

1 2
0 1
1 2
0 1
1 1 0

0
0
1 1 0
=
a) Calculam (A I4 )2 =
0
1 1 0 0
1 1 0
0
0
1 1
0
0
1 1

3 4 1 2
2 3
0 1
.
=
1 2 1
0
0
1 2 1
Determin
a
m
solutiile
sistemului

3 4 1 2
x1
0
2 3
x2 0
0
1

=
1 2 1
0 x3 0
0
1 2 1
0
x4

L2 + 2L1 L2
3 4 1 2
1 2 1
0

2 3

L
0 1 L1 L3 2 3
0 1 3 3L1 L3

1 2 1
3 4 1 2
0
0
1 2 1
0
1 2 1
L + 2L2 L1

L3 2L2 L3
1 2 1
0
1 2 1 0
1 0 3
0 1 2 1 L2 L2 0 1 2 1 L4 L2 L4 0 1 2

0 2 4 2 0 2 4 2
0 0 0
0 1 2 1
0 1 2 1
0 0 0

serie

2
1

0
0

72

CAPITOLUL 4. VALORI SI VECTORI PROPRII

3
3 2
2
2
= +
Rezulta u =
1

2
1

0
1

1 2
0

1 1 0
Calculam z11 = (A I4 )u11 =
0
1 1
0
0
1

2
1 2
0 1

1
1
0
0
1
z12 = (A I4 )u12 =
0
1 1 0 0
1
0
0
1 1

2
3
1

2
0 , de unde u1 = 1
1
0

1
3
2 1
=
1 1
1
0

1
1

=
1 .
1
1
0
0
1

1
, u2 =

Observam ca (z11 , z12 ) sunt liniar dependenti, de aceea vom considera unul din cei doi
vectori drept cap de serie.
Capul
serie (vectorul propriu corespunzator valorii proprii 1) va fi, de exemplu,
de
1

1
1
1
1

v11 =
1 , iar vectorul propriu asociat va fi v2 = u2 sau u1 . Consideram, de exemplu,
1
v21 = u12 (baza Jordan nu este unica)
Concluzie: pentru valoarea proprie 1 avem o serie de un vector propriu si un asociat,
(v11 , v21 ) si ei i corespunde o celula Jordan de ordin 2.
Calculam pentru 1 = 1, d2 = 4 rang(A + I4 ).

1 2 0 1
1 1 0 0

A + I4 =
0 1 1 0 ,
0 0 1 1
rang(A + I4 )= 3
a serie de vectori proprii si asociati, serie
Rezulta ca pentru 1 = 1 avem o singur
de lungime 2.
Calcul
am capul de serie:

3 4 1 2
1 2 0 1
1 2 0 1
1 1 0 0 1 1 0 0 2 3 0 1
.

Calculam (A + I4 )2 =
0 1 1 0 0 1 1 0 = 1 2 1
0
0 1 2
1
0 0 1 1
0 0 1 1
Determinam solutiile sistemului

4.4. ALGORITMUL DE ADUCERE LA FORMA JORDAN

73

0
4 1 2
x1

3 0 1 x2 0
.
=
2 1
0 x3 0
0
1 2
1
x4

L2 2L1 L2
4 1 2
1 2 1
0
1 2
1
0
L + 3L1 L3 0 1 2 1
3 0 1
L3
L1
2 3 0 1 3

0 2 4 2
2 1
0
3 4 1 2
1 2
1
0 1 2
1
0 1
2
1
L 2L2 L1

L3 + 2L2 L3
1 2
1
0
1 0 3 2
L4 L2 L4 0 1 2
0 1
2
1
1
L2 L2

0 2 4 2
0 0 0
0
0 1
2
1
0 0 0
0

2
3
3 + 2
3

= 2 + 1 , de unde u21 = 2 , u22 =

Rezulta u =
0
1

1
1
0

2
1

0 .
1

1
1 2 0 1
3
1 1 0 0 2 1

Calculam z21 = (A + I4 )u21 =
0 1 1 0 1 = 1 ;
1
0 0 1 1
0

1
1 2 0 1
2

1 1 0 0 1 1

z22 = (A + I4 )u22 =
0 1 1 0 0 = 1 .
1
0 0 1 1
1
2 2
Observam ca (z1 , z2 ) sunt liniar dependenti (identici), de aceea vom considera unul din
cei doi vectori.

1
1

Capul de serie (vectorul propriu corespunzator valorii proprii -1) va fi v12 =

1 ,
1
2
2
iar vectorul propriu asociat va fi, de exemplu, v2 = u1 .
Concluzie: pentru valoarea proprie 1 avem o serie de un vector propriu si un asociat,
a Jordan de ordin2.
(v12 , v22 ) si ei i corespunde o celul

1 1 0
0
0 1 0
0

a
Matricea Jordan va fi J =
0 0 1 1 iar matricea modal
0 0 0 1

3
2

1
0

3
2

1
0

74

CAPITOLUL 4. VALORI SI VECTORI PROPRII

1
1
P=
1
1

3 1 2
2 1 1
.
1 1 0
0 1
1

Exemplul
4.7 Fie matricea
2
0 0 0
1
3 1 1
.
A=
0
0 1 1
1 1 0 2
Sa se determine forma canonica Jordan si baza Jordan.
Rezolvare.
Calcul
am polinomul caracteristic:
1 = 8, 2 = 24, 3 = 32, 4 = 16; P () = ( 2)4 ,
1 = 2, m(1)

= 4.

0
0
0
0
1 0 0 0
2
0 0 0

1
1
1
1
3 1 1
,
2 0 1 0 0 = 1
A 2I4 =
0 0 1 0 0
0
0 1 1
0 1 1
1 1 0
0
0 0 0 1
1 1 0 2
rang(A 2I4 )= 2
Calculam pentru 1 = 2, d1 = 4 rang(A I4 ) = 2.
Rezulta ca pentru 1 = 2 avem dou
a serii de vectori proprii si asociati, serii de
lungime necunoscuta. Pot fi doua serii de lungime doi sau o serie de lungime doi si una de
lungime trei. Calcul

am
Pentrua aceasta calcul
am lungimile seriilor.
0
0
0
0
0
0
0
0
0
0
0
0

1
0
0
0
1
1
1
1
1
1

= 0
1
(A 2I4 )2 =

0
1
1
1
1
0
0 1 1
0 1 1
1 1 1 1
1 1 0
0
1 1 0
0
2
rang(A 2I4 )=1

0 0 0 0
0
0
0
0
0
0
0
0

0
1
1
1
0
0
0
= 0 0 0 0
1
(A 2I4 )3 =

1
0 0 0 0
0
0 1 1
1
1
1
0 0 0 0
1 1 0
0
1 1 1 1
rang(A 2I4 )3 = 0rang(A 2I4 )k = 0, k 3
(1, 2) = rang(A 2I)0 2 rang(A 2I)1 + rang(A 2I)2 = 4 2 2 + 1 = 1,
deci avem o serie de lungime 1 si implicit a doua serie este de lungime trei. Nu mai este
nevoie sa aplicam formula de mai sus pentru determinarea lungimii seriei.
Matricea Jordan va fi formata dintr-un bloc Jordan de ordin trei si un bloc Jordan de
ordin unu.
este, de exemplu,
O forma Jordan

2 1 0 0
0 2 1 0

J=
0 0 2 0 .
0 0 0 2

4.4. ALGORITMUL DE ADUCERE LA FORMA JORDAN

75

Daca trebuie si calculam si matricea modala, trebuie sa determinam seriile de vectori

proprii si asociati.
Determin
am capul de serie

0
a) Calculam (A 2I4 )3 =
0
0

pentru seria de lungime trei, adica vectorul propriu:

0 0 0
0 0 0
ker(A I4 )3 = Rn
0 0 0
0 0 0

O baza n ker(A I4 )3 este baza canonica, deci calculam

1
0
0
0
0

0
0
0
0 0
=
Calculam (A 2I4 )2 e1 =
1
1
1
1 0
0
1 1 1 1

0
0
0
0
0
0

0

0
0
0
1 = 0 .
(A 2I4 )2 e2 =

1
1
1
1
0
1
1 1 1 1
0

0
0
0
0
0
0

0
0
0
0
0 = 0
(A 2I4 )2 e3 =
1
1
1
1 1 1
1
0
1 1 1 1

0
0
0
0
0
0

0

0
0
0
0 = 0
(A 2I4 )2 e4 =
1
1
1
1 0 1
1
1 1 1 1
1

0
0
,
1
1

3
Rezulta caoricare
, imaginea lui prin (A 2I4 )2
ar fi vectorul din baza ker(A
2I4 )
0
0
0
0

este vectorul
1 care va fi cap de serie, v1 = 1 , iar v3 poate fi luat oricare
1
1
v
=
e
,
iar
din
relatia Av3 = v3 + v2 v2 =
din vectorii e1 ,e2 , e3 sau e4 . Alegem

3 1
0
1
0
0
0
0
0 1
1
1
1
1
.
=
(A 2I4 )e1 =
0
0 1 1 0 0
1
0
1 1 0
0
Deci seria de vector propriu si asociati de lungime 3 va fi:

0
0
1

0
1
0
v1 =

1 , v2 = 0 , v3 = 0 .
1
1
0
Seria de lungime 1 va fi formata dintr-un vector propriu. Determinam vectorrii proprii,

76

CAPITOLUL 4. VALORI SI VECTORI PROPRII

1
0
0 1

rezolvand sistemul (A 2I4 )v = R4 . Acestia vor fi
1 , 0 . Vom alege ca
0
1

1
1

al patrulea vector vectorul

0 , care mpreuna cu vectorii (v1 , v2 , v3 ) sa fie liniar
0
independenti.

0
0 1 1
0
1 0 1
.
Matricea modal
a va fi P =
1
0 0 0
1 1 0 0

Exemplul 4.8 Fie matricea

6 6 15
A = 1 5 5 .
1 2 2

Sa se determine forma canonica Jordan si baza Jordan.

Rezolvare. Calcul
am polinomul caracteristic:
1 = 9, 2 = 27, 3 = 27; P () = ( 3)3
1 = 3, m(3) = 3
Calculam pentru 1 = 3, d1 = 3 rang(A 3I3 ) = 2.
a serii de vectori proprii si asociati. Calculam
Rezulta ca pentru 1 = 2 avem dou
lungimea lor:

3 6 15
0 0 0
A 3I3 = 1 2 5 ; (A 3I3 )2 = 0 0 0 ,
1 2 5
0 0 0
2
rang(A 3I3 ) = 1, rang(A 3I3 ) = 0
(1, 3) = rang(A 3I3 )0 2rang(A 3I3 ) + rang(A 3I3 )2 = 3 2.1 + 0 = 1
Rezulta ca avem o serie de lungime 1, deci formata dintr-un singur vector propriu.
(2, 3) = rang(A 3I3 )1 2rang(A 3I3 )2 + rang(A 3I3 )3 = 1 2.0 + 0 = 1
Rezulta ca avem o serie de lungime 2, deci formata dintr-un vector propriu si un asociat.
Calculul se opreste deoarece suma lungimilor seriilor de vectori proprii si
asociati este egal
a cu 3, ordinul de multiplicitate a r
ad
acinii.
Observatie. Se putea evita calculul, deoarece ordinul de multiplicitate a radacinii 3
este 3, si avand doua serii, singura posibilitate este de a avea o serie de lungime 1 si una
de lungime 2.
Calculam capii de serie:
Calculam capul de serie pentru seria de lungime 2.

4.5. POLINOAME DE MATRICE

77

0
1
2
1

0
0 , u12 =
(A 3I3 ) x =
x R3 este solutie a sistemului, deci u1 =
0
0

0
0
1 , u13 = 0 sunt solutii liniar independente.
1
0


3
6
1
1
1
1

1 ; z2 = (A 3I3 )u2 =
2 ; z13 = (A 3I3 )u13 =
Calculam z1 = (A 3I3 )u1 =
1
2

15
5 .
5
Observam ca (z11 , z12 , z13 ) sunt liniar dependenti (sunt coliniari), de aceea vom considera
unul din cei doi vectori.

3
1

1 , iar vectorul propriu asociat va fi:

Presupunem ca am ales capul de serie v1 =
1
v21 = u12 sau u11 sau u13 . Consideram, de exemplu, v21 = u11 (baza Jordan nu este unica)
Pentru seria de lungime 1, calculam vectorii proprii rezolvand sistemul
(A 3I3 )w = 03

5
2
Vom obtine: w1 = 0 si w2 = 1 .
1
0
Concluzie: pentru valoarea proprie 3 avem o serie de un vector propriu si un asociat,
(v11 , v21 ) si ei i corespunde o celula Jordan de ordin 2 si o serie formata numai dintr-un
vector propriu. Pe acesta l alegem dintre vectoriiw1 sau
w2 astfel ncat cei trei vectori sa
5
fie liniar independenti. Fie astfel vectorul v12 = 0 . Acestora le corespunde o celula
1
Jordan de ordin doi si una de ordin
1.

3 1 0
3 1 5
Matricea Jordan este J = 0 3 0 iar matricea modala este P = 1 0 0 .
0 0 3
1 0 1

4.5

Polinoame de matrice

Definitia 4.10 Fie Q Rm [x] :

Q(x) = a0 xm + a1 xm1 + + am1 x + am , a0 6= 0.
Fie A Mn (R). Matricea notata Q(A), definita prin:
Q(A) = a0 Am + a1 Am1 + + am1 A + am In
se numeste polinom de matrice A definit de Q.
Observatia 4.8 Evident Q(A) Mn (R).

78

CAPITOLUL 4. VALORI SI VECTORI PROPRII

Teorema 4.11 (Teorema Cayley-Hamilton)

Orice matrice A Mn (R) verifica propriul sau polinom caracteristic, adica daca
PA () = det(A In ), atunci PA (A) = 0.
Demonstratie.
Fie A Mn (R). Stim ca AA = det(A)In , unde matricea A este adjuncta matricei
A. Fie PA () = det(A In ) polinomul sau caracteristic. Avem deci
(A In )(A In ) = PA ()In

(4.11)

Matricea (A In ) are ca elemente polinoame de grad cel mult 1, (A In ) este o

matrice care are ca elemente polinoame de grad cel mult n 1, iar PA ()In este o matrice
avand elemente de grad cel mult n. Deci
(A In ) = Bn1 n1 + Bn2 n2 + + B1 + B0
unde Bi Mn (R),i = 0, n 1.
Fie
PA () = det(A In ) = (1)n (n 1 n1 + + (1)n1 n1 + (1)n n )
polinomul caracteristic al matricei A (Teorema 4.2). Egalitatea (4.11) devine
(A In )(Bn1 n1 + Bn2 n2 + + B1 + B0 ) = (1)n (n 1 n1 + +
(1)n1 n1 + (1)n n )In
sau
Bn1 n + (Bn2 ABn1 )n1 + (Bn3 ABn2 )n2 + +(B0 AB1 ) + AB0 =
= ((1)n In )n + ((1)n1 1 In )n1 + + (n1 In ) + n In
Prin identificare dupa puterile lui rezulta:

Bn1 = (1)n In
|An

Bn2 ABn1 = (1)n1 1 In |An1

Bn3 ABn2 = (1)n2 2 In |An2

|A
B AB1 = n1 In

0
AB0 = n In

(4.12)

Adunand relatiile (4.12) membru cu membru, obtinem

PA (A) = 0
si demonstratia este terminata.

Teorema 4.12 Orice putere a matricei A de grad n, A Mn (R), poate fi exprimata ca

o combinatie liniara de puterilor matricei A mai mici sau egale decat n 1(ca un polinom
matriceal de grad mai mic sau egal cu n 1).
Demonstratie.
Fie PA () = det(AIn ) = (1)n (n 1 n1 + 2 n2 + + (1)n1 n1 + (1)n n )
polinomul caracteristic al matricei A. Conform Teoremei 4.11 avem ca PA (A) = 0 sau

4.6. EXPONENT
IALA DE ARGUMENT MATRICEAL

sau

79

(1)n An + (1)n1 1 An1 + (1)n2 2 An2 + n1 A + n In = 0

An = 1 An1 2 An2 + (1)n2 n1 A + (1)n n In ,

atunci
An+1 = 1 An1 2 An2 + (1)n2 n1 A2 + (1)n n A
iar An se poate nlocui cu valoarea anterioara. Atunci, din aproape n aproape, rezulta ca
puterile An+m , m N, exprimabile cu ajutorul puterilor An1 , An2 , , A, In .
Exemplul 4.9 Folosind Teorema Cayley-Hamilton, sa se calculeze A1 , stiind ca

1
0
0
1
0
A= 7
4 2 1
Rezolvare. Calculam polinomul caracteristic al matricei A, P () = ( 1)3 . Folosind
Teorema Cayley-Hamilton obtinem
P (A) = A3 3A2 + 3A I3 = 0 A3 3A2 + 3A = I3
A(A2 3A + 3I3 ) = I3 A1 = A2 3A + 3I3 .
Dar

1
0
0
1
0
0
1
0 0
1
0 7
1
0 = 14
1 0
A2 = 7
4 2 1 4 2 1
22 4 1

1
0
0
1
0
0
1 0 0
1 0 0
1
0 3 7
1
0 + 3 0 1 0 = 7 1 0 .
A1 = 14
22 4 1
4 2 1
0 0 1
10 2 1

4.6

Exponentiala de argument matriceal

(suplimentar)

(n)
Definitia 4.11 Un sir (An )nN de matrice, An Mn (R), An = aij

converge la

i,j=1,n

(n)

matricea A = (aij )i,j=1,n daca lim aij = aij , i, j = 1, n.

n

Ne punem problema cum putem defini functii de matrice si anume cum putem defini
matricea f (A) n cazul n care f (x) este o functie indefinit derivabila oarecare. Una din
metode este bazata pe dezvoltarea n serie Taylor a functiei f (x), folosind notiunea, relativ
complicata de serie de matrice. Daca f (x) = ex , seria Taylor n jurul punctului x = 0
corespunzatoare este
xn
x x2
ex = 1 + +
+ +
+
1! 2!
n!
si prin nlocuire formala a lui x cu A suntem condusi la expresia:
1
1
1
eA = I + A + A2 + + An + .
1!
2!
n!
Aceasta este o serie cu elemente matrici si poate fi privita ca un ansamblu de n2 serii
de numere reale sau complexe.

80

CAPITOLUL 4. VALORI SI VECTORI PROPRII

Propozitia 4.1 Daca A, B Mn (R), AB = BA, atunci eA+B = eA eB .

1
1
1
1
1
Demonstratie. Fie eA = I + A + A2 + + An + si eB = I + B + B2 +
1!
2!
n!
1!
2!
1 n
+ B + . Folosind produsul n sens Cauchy a doua serii, obtinem
n!
1
1
1
1
1
1
eA eB = (I + A + A2 + + An + )(I + B + B2 + + Bn + ) =
1!
2!
n!
1!
2!
n!
1
1 2
1 3
2
2
2
3
I + (A + B) + (A + 2AB + B )+ (A + 3A B + 3AB + B ) + = eA+B .
1!
2!
3!
Consecinta 4.2 Oricare ar fi t, s R, e(t+s)A = etA esA .
Demonstratie. Deoarece (tA)(sA) = (sA)(tA) relatia rezulta din propozitia 4.1.
Propozitia 4.2 Daca I Mn (R), matricea unitate, atunci eI = eI.
Demonstratie. eI = I +

1
1
1
1
1 1
I + I2 + + In + = (1+ + + + + )I = eI.
1!
2!
n!
1! 2!
n!

Propozitia 4.3 Daca A Mn (R) atunci (eA )1 = eA .

Demonstratie. Deoarece A si A comuta, deducem eA eA = eA eA = e0 = I. Deci eA
este inversabila si inversa ei este eA .
0
Propozitia 4.4 Daca A Mn (R) atunci etA = AetA .

t2
t
tn
Demonstratie. Fie etA = I + A + A2 + + An + .
1!
2!

0n!
tA 0
t
tn n
1
ntn1 n
t2 2
2t
= I + A + A + + A + = A+ A2 + +
A + =
e
1!
2!
n!
1!
2!
n!

t2 2
t
tn1
n1
A
A I + A + A + +
+ = AetA .
1!
2!
(n 1)!
Relatia rezulta tinand seama de faptul ca o serie de puteri se deriveaza termen cu
termen.
Ne intereseaza calculul efectiv a lui eA . Pentru aceasta consideram cazul n care A
este matrice
diagonala, A = D

1 0
k1 0
0
0
0

2 0
k2 0

k 0

,
D
D=
=

...
...
0
0
n
0
0
kn
1
1
1
eD = I + D + D2 + + Dn + =
1!
2!
n!

4.6. EXPONENT
IALA DE ARGUMENT MATRICEAL

1+
0

= ..
.
0

11 1

+ 2!1 21 + 0
1+
..
.

e1 0

2
0
e

=
...
0
0

0
0
0

1
1 2
+ 2! 2 +
11 2
...

81

0
0
..
.

1 +

11 n

+ 2!1 2n +

.

en

Teorema 4.13 Daca A, B Mn (R), A si B sunt matrice asemenea,

B =C1 AC, atunci eB = C1 eA C.
Demonstratie. Stim ca B2 = C1 A2 C, . . . , Bk = C1 Ak C (inductie)

X
X
1 k X 1 1 k
1 k
eB =
B =
C A C = C1 (
A )C = C1 eA C.
k!
k!
k!
k=0
k=0
k=0
Consecint
a.
Daca A este diagonalizabila, D =P1 AP, atunci eA = PeD P1 .

Exercitiul
4.1 Fie matricea:

1 0 0
1
0 1 0
0

A=
0 0 1 2
1 0 2 5
Sa se calculeze eA .
Rezolvare. Polinomul
caracteristic
este: P () = ( 1)2 ( 6). Pentru = 0, vectorul

1
0

propriu este v1 =
2 ; pentru = 1,
1

0 0 0
1
0
2

0 0 0
1
0
0

AI=
0 0 0 2 , iar vectorii proprii sunt: v2 = 0 , v3 = 1 .
1 0 2 4
0
0

5 0
0
1
0 5 0
0
, iar vectorul propriu este: v4 =
Pentru = 6, A I =
0
0 5 2
1
0 2 1

T
1
0

2 .
5

82

CAPITOLUL 4. VALORI SI VECTORI PROPRII

0 0 0 0
0 1 0 0

Obtinem D =
0 0 1 0 , iar
0 0 0 6

1
1 0 2 1
6 0 13
6
0
0 1 0 0
1 0 0
1

.
,P = 2
P=
1

2
0 1 2
0
0
5
5
1
1
1
0 0 5
0 15 6
30
1
1 0 0 0

0 e 0 0

eD =
0 0 e 0 ,
0 0 0
e6

1
1 0 0 0
1 0 2 1
8

0
1 0 0 0 e 0 0 0

eA = PeD P1 =
3
0 1 2 0 0 e 0 17
40
1
6
0
0
0
e
1
0
0
5
40
1 17

1 6
3
1 6
1
7 6
+ 20 e + 40
e 0 14 + 10
e 20
e 18 20
e + 40
e
8

3
3
e 4 + 20 e
0
0

.
= 3 17
3
1
3

+
e
0

20
8
40
8 40

7 6
1
0 14 14 e6
+
e
18 + 18 e6
8
8

1
0 14
8
1 0
0

3
1 =
0 20 40
1
7
0 20
40