Capitolul 5

VALORI SI VECTORI PROPRII

5.1 Diagonalizarea matricelor

Problema: data matricea A 2 Mn (R); sa se determine o matrice nesingulara P 2 Mn (R)
astfel ^nc^at matricea B = P 1 A P sa aiba o "forma c^at mai simpla". Pentru a rezolva
aceasta problema introducem notiunile: valoare proprie, vector propriu, polinom caracter-
istic etc.
0 1
x1
B C
De nitia 5.1 Fie matricea A = (aij )i;j=1;n 2 Mn (R): Vectorul coloana x = @ ... A 2
xn
Mn 1 (R) pentru care exista 2 R astfel ^nc^
at: Ax = x; x 6= Mn 1 (R) se numeste vector
propriu al matricei A, iar valoare proprie a matricei A:

Multimea valorilor 2 R care sunt valori proprii ale matricei A se numeste spectrul
lui A si se noteaza (A): Raza spectrala a matricei A este numarul real pozitiv (A) =
max fj j ; 2 (A)g :
Notam cu S (A) = fxjx 2 Mn 1 (R) : Ax = xg multimea vectorilor proprii ai
matricei A corespunzatori valorii proprii la care este adaugat si vectorul nul.

Teorema 5.1 Fie matricea A 2 Mn (R):

a) Multimea S (A) are structura de subspatiu liniar al spatiului liniar Mn 1 (R).
b) Subspatiile proprii corespunzatoare valorilor proprii distincte nu au ^n comun dec^at
vectorul nul, adica daca 1 6= 2 ) S 1 (A) \ S 2 (A) = Mn 1 (R) :
Demonstratie. a) Observam din de nitia lui S (A) ca ^n aceasta multime este inclus si
vectorul coloana nul Mn 1 (R) . Demonstram ca S (A) este subspatiu liniar folosind teorema
de caracterizare a subspatiilor liniare.
Fie x; y 2 S (A) ) Ax = x; Ay = y si e 2 R; A( x + y) = Ax + Ay =
( x) + y = ( x + y) ) x + y 2 S (A):
b) Fie valorile proprii distincte 1 si 2 si S 1 (A); S 2 (A) subspatiile proprii corespunza-
toare. Presupunem ca exista x 2 S 1 (A) \ S 2 (A); x 6= Mn 1 (R) : Rezulta Ax = 1 x si

77
78 CAPITOLUL 5. VALORI SI VECTORI PROPRII

Ax = 2 x deci 1 x = 2x )( 1 2 )x = Mn 1 (R) ; 1 6= 2 )x= Mn 1 (R) ; ceea ce

contrazice ipoteza.

Observatia 5.1 Ecuatia matriceala Ax = x; x 6= Mn 1 (R) este echivalenta cu (A

In )x = Mn 1 (R) si echivalenta cu sistemul liniar omogen
8
>
> (a11 )x1 + a12 x2 + ::: + a1n xn = 0
<
a21 x1 + (a22 )x2 + ::: + a2n xn = 0
(5.1)
>
> ::::::
:
an1 x1 + an2 x2 + ::: + (ann )xn = 0

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

a11 a12 a1n

a21 a22 a2n
det(A In ) = .. .. : (5.2)
. .
an1 an2 ann

De nitia 5.2 Fie A 2 Mn (R): Polinomul P ( ) = det(A In ) se numeste polinom

caracteristic al matricei A; iar ecuatia P ( ) = 0 se numeste ecuatie caracteristica
a matricei A: Radacinile ecuatiei caracteristice poarta denumirea de radacini caracte-
ristice ale matricei A. Valorile proprii ale matricei A sunt radacinile caracteristice din
R.

Exemplul 0 5.1 Fie matricea

1 A 2 M3 (R): Sa se determine valorile proprii ale matricei:
1 0 0
A= 0 0@ 1 A:
0 1 0
20 1 0 13
1 0 0 1 0 0
Rezolvare. Calculam det(A I3 ) = det 4@ 0 0 1 A @ 0 1 0 A5 =
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 2 R; = i 2 = 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 de nitia polinomului caracteristic se poate calcula relativ
usor. Se includ aici matricele diagonale, matricele triunghiulare superior sau inferior.

De nitia 5.3 Fie A 2 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.
5.1. DIAGONALIZAREA MATRICELOR 79

Observatia 5.2 Fie A 2 Mn (R): Sunt Cnk minori principali de ordin k, iar suma acestora
X
n
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 5.2 Fie A 2 Mn (R): Au loc a rmatiile:

a) Polinomul caracteristic al matricei A este un polinom de gradul n cu coe cienti din
R.
b) Polinomul caracteristic are expresia
P ( ) = ( 1)n ( n
1
n 1
+ 2
n 2
+ ::: + ( 1)n n ) (5.3)
X
n
unde: 1 = aii = T r(A) (urma matricei A);
i=1
a11 a12 a a a a
2 = + 11 13 + + n 1:n 1 n 1;n
a21 a22 a31 a33 an;n 1 an;n
i = suma minorilor principali de ordinul i ai matricei A:
n = det(A):

Exemplul 5.2 Sa se calculeze polinomul caracteristic al matricei

0 1
1 0 2 1
B 0 1 4 2 C
A=B @ 2
C:
1 0 1 A
2 1 1 2
Rezolvare. 1 = 1 + 1 + 0 + 2 = 4
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 4 2 1 2 1 1 0 1
3 = 0 1 4 + 1 0 1 + 2 0 1 + 0 1 2 =4
2 1 0 1;2;3 1 1 2 2;3;4 2 1 2 1;3;4 2 1 2 1;2;4
4 = det(A) = 1
P( ) = 4 4 3 + 6 2 4 + 1 = ( 1)4

Teorema 5.3 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 2 Mn (R) doua matrice asemenea.
Atunci exista o matrice P 2 Mn (R); nesingulara astfel ^nc^at B = P 1 AP: Folosind de nitia
polinomului caracteristic obtinem:
PB ( ) = det(B In ) = det(P 1 AP P 1 P) = det P 1 (A In )P =
1
=det(P ) det(A In ) det P = det(A In ) = PA ( )
1
deoarece det(P ) = 1= det(P):
80 CAPITOLUL 5. VALORI SI VECTORI PROPRII

Observatia 5.3 Reciproca nu este adevarata. Faptul ca matricele au aceleasi valori proprii
0 1
este o conditie necesara, dar nu su cienta de asemanare. Consideram matricele
0 0
0 0
si : Se observa ca ecare are valoarea proprie 0 cu multiplicitatea 2 dar nu sunt
0 0
asemenea.

De nitia 5.4 Fie A 2 Mn (R): Daca este o valoare proprie a lui A; atunci dimR S (A)
se numeste multiplicitate geometrica a valorii proprii : Multiplicitatea valorii proprii ;
ca radacina a polinomului caracteristic, notata m( ); se numeste multiplicitate algebrica
a valorii proprii :

Exercitiul 5.1 Reluam exercitiul 5.2. Polinomul caracteristic este P ( ) = ( 1)4 ; =

1 2 R este valoare proprie cu multiplicitatea algebrica 4. Determinam vectorii proprii.
Pentru aceasta rezolvam sistemul
(A I4 ) X0= R4 1
0 0 2 1
B 0 0 4 2 C
A I4 = B @ 2
C:
1 1 1 A
2 1 1 1
Aplicand
0 transformarile
1 elementare se obtine matricea
1 1
1 2
0 4
B 0 0 1 1 C
B 2 C ; deci x si x sunt necunoscute principale,
@ 0 0 0 0 A 1 3

0 0 0 0
x1 = 12 x2 14 x4
:
x3 = 21 x4
0 1 1
1 0 1 1 0 1 1
x
2 2
x
4 4 2 4
B x C B 1 C B 0 C
X 2 S1 (A) , X = B @ 1
2 C = x2 B C + x4 B 1 C :
A @ 0 A @ A
x
2 4 2
x4 0 1
Rezulta dimR S1 (A) = 2; deci multiplicitatea geometrica a valorii proprii = 1 este 2.

Observatia 5.4 Multiplicitatea geometrica este numarul maxim de vectori liniar indepen-
denti din S (A):

Teorema 5.4 Daca este valoare proprie a matricei A de multiplicitate algebrica m( );

atunci dimR S (A) m( ) (multiplicitatea geometrica este mai mica sau egala cu multipli-
citatea algebrica).

Teorema 5.5 Fie matricea A 2 Mn (R): Vectorii proprii corespunzatori valorilor proprii
distincte sunt liniar independenti.
5.1. DIAGONALIZAREA MATRICELOR 81

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 a rmatia este evident adevarata (avem un singur vector propriu nenul,
liniar independent).
Presupunem a rmatia adevarata pentru un sistem de p 1 vectori proprii si o demon-
stram pentru un sistem de p vectori: Fie sistemul de vectori proprii (x1 ; x2 ; :::; xp ) si demon-
stram ca este liniar independent: Fie ( 1 ; :::; p ) 2 Rp si
1 x1 + 2 x2 + ::: + p xp = Mn 1 (R) (5.4)
^Inmultim relatia (5.4) la st^anga cu p si obtinem:
1 p x1 + 2 p x2 + ::: + p p xp = Mn 1 (R) : (5.5)

Pe de alta parte, daca aplicam matricea A relatiei (5.4) obtinem:

1 Ax1 + 2 Ax2 + ::: + p Axp = Mn 1 (R)
sau, tin^and sema ca Axi = i xi ; i = 1; p;
1 1 x1 + 2 2 x2 + ::: + p xp vp = 0Mn 1 (R) : (5.6)

Scadem din (5.5) relatia(5.6) si obtinem:

1( 1 p )x1 + 2 ( 2 p )x2 + ::: + p 1 ( p 1 p )xp 1 = n :
Deoarece sistemul de vectori (x1 ; x2 ; :::; xp 1 ) este liniar independent si valorile proprii
sunt distincte, rezulta 1 = 2 = ::: = p 1 : ^Inlocuim ^n (5.4) valorile lui i ; i = 1; p 1
rezulta p xp = 0Mn 1 (R) ; xp 6= Mn 1 (R) ) p = 0; deci sistemul de vectori (x1 ; x2 ; :::; xp )
este liniar independent.
De 0nitia 5.5 Se numeste 1 matrice diagonala o matrice de forma
a11 0 ::: 0
B 0 a22 ::: 0 C
B C;
@ :: :: :: :: A
0 0 :: ann
adica o matrice care are toate elementele care nu sunt pe diagonala principala egale cu zero.
De nitia 5.6 Se numeste matrice diagonalizabila orice matrice asemenea cu o matrice
diagonala.
Teorema 5.6 O matrice A 2 Mn (R) este diagonalizabila daca si numai daca exista o
baza ^n Mn 1 (R) formata din vectorii proprii ai matricei A:
Consecinta 5.1 Daca A 2 Mn (R) are n valori proprii distincte, atunci A este diagonal-
izabila.
Demonstratie. Conform Teoremei 5.5, 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 Mn 1 (R) = n; deci constiuie o baza ^n Mn 1 (R):
Conform Teoremei 5.6 matricea A este diagonalizabila.
Enuntam fara demonstratie urmatoarele rezultate:
82 CAPITOLUL 5. VALORI SI VECTORI PROPRII

Teorema 5.7 (Teorema lui Jordan) O matrice A 2 Mn (R) este diagonalizabila daca
si numai daca
a) toate radacinile polinomului caracteristic P ( ) sunt ^n R,
b) pentru orice valoare proprie dimR S (A) = m( ); m( ) not^ and ordinul de multipli-
citate algebrica a valorii proprii (multiplicitatea algebrica este egala cu multiplicitatea
geometrica):

Exemplul 5.3 Fie matricea A 2M3 (R);

0 1
3 7 5
A= @ 2 4 3 A:
1 2 2

Sa se studieze daca matricea este diagonalizabila si ^n caz a rmativ sa se determine

matricea diagonala si matricea modala.
Rezolvare. Pentru determinarea valorilor proprii si a multiplicitatilor algebrice
calculam polinomul caracteristic: P ( ) = ( 1)3 ( 3 1
2
+ 2 3)
1 = 3+4+2=3
3 7 4 3 3 5
2 = + + = 12 + 14 + 8 6 6 + 5 = 3
2 4 2 2 1 2
3 = det(A) = 1
P( ) = ( 3 3 2 + 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 multiplicitatilor geome-
tirce ale valorilor proprii rezolvam sistemul
(A I)x = 0R3 ) x1 = 03x3 ; x1 2 = x3 )
3
S1 (A) = fx 2 R3 jx = @ 1 Ag ) dimR S1 (A) = 1(multiplicitatea geometrica)6= 3
1
(multiplicitatea algebrica a radacinii). Rezulta ca matricea nu este diagonalizabila.

5.2 Algoritmul de diagonalizare a unei matrici

Fie matricea A 2 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 5.7 nu este satisfacuta, deci algoritmul se opreste. Matricea A nu poate adusa
la forma diagonala.
Daca toate radacinile polinomului caracteristic sunt ^n R, trecem la Pasul 2.
Pasul 2. Fie 1 ; 2 ; :::; p ; p n; valorile proprii distincte cu ordinele de multiplicitate
algebrica m( 1 ); m( 2 ); :::; m( p ):
5.2. ALGORITMUL DE DIAGONALIZARE A UNEI MATRICI 83

Determinarea vectorilor proprii ale matricei A.

Pasul 3. Rezolvam cele p sisteme liniare si omogene
(A i In )x = Mn 1 (R) ; i = 1; p:
Explicitam subspatiile proprii S i (A) = x 2 Mn 1 (R) :(A i In )x = Mn 1 (R) ; i =
1; p si punem ^n evidenta c^ate o baza ^n ecare dintre ele. Calculam dim S i (A) = ni ; i =
1; p:
Pasul 4. Daca ni = m( i ); 8i = 1; p, matricea poate adusa la forma diagonala si trecem
la Pasul 5. ^In caz contrar conditia b) din Teorema 5.7 nu este satisfacuta, deci algoritmul
se opreste.
Determinarea formei diagonale.
Pasul 5. Am ajuns la Pasul 5 c^and conditiile Teoremei 5.7 au fost ^ndeplinite, matricea
A este diagonalizabila. Matricea diagonala are forma
D = diag[ 1 ; :::; 1 ; 2 ; :::; 2 ; :::; p ; :::; p ]
| {z } | {z } | {z }
n1 ori n2 ori np ori
iar vecrorii proprii sunt reuniunea bazelor din toate subspatiile proprii determinate anterior.
Matricea modala P, care este si matricea de asemanare, are coloanele formate din
vectorii.proprii. Are loc relatia
D = P 1 AP:

Exemplul 1 A 2M4 (R);

0 5.4 Fie matricea
1 0 0 1
B 0 1 0 0 C
A=B @ 0 0 1
C
2 A
1 0 2 5
Sa se stabilesca daca matricea este diagonalizabila si ^n caz a rmativ sa se determine
matricea diagonala.
Rezolvare. Pentru determinarea valorilor proprii si a multiplicitatilor algebrice
calculam polinomul caracteristic:
P ( ) = ( 1)4 ( 4 8 3 + 13 2 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) = fx 2 R4 jx = 1 0 2 1 ; 2 Rg; dimR S1 (A) = 1 =
m(0);
T
Pentru 2 = 6; S6 (A) = fx 2 R4 (R)jx = 1 0 2 5 ; 2 Rg; dimR S6 (A) =
1 = m(6);
Pentru 3 = 4 = 1; 0 1 0 1
0 2
B 1 C B 0 C
S1 (A) = fx 2 R4 jx = B C B C
@ 0 A + @ 1 A ; ; 2 Rg; dimR S1 (A) = 2 = m(1):
0 0
84 CAPITOLUL 5. VALORI SI VECTORI PROPRII

Deoarece ni = m( i ); i = 1; 2; 3; endomor smul este diagonalizabil, iar matricea

diagonala0este 1 0 1
0 0 0 0 1 0 2 1
B 0 1 0 0 C B 0 1 0 0 C
D=B @ 0 0 1 0
C, iar matricea modala este P = B
A @ 2
C:
0 1 2 A
0 0 0 6 1 0 0 5

5.2.1 Cazul matricelor simetrice

Teorema 5.8 Fie A 2 Mn (R) o matrice simetrica. Toate valorile proprii ale matricei A
sunt reale.
Demonstratie. Are loc relatia

Ax = x: (5.7)
Din (5.7), prin transpunere si conjugare, tin^and seama ca A 2 Mn (R) si A = AT ;
obtinem

xT A = xT : (5.8)
^Inmultim la st^anga relatia (5.7) cu xT ; iar la dreapta relatia (5.8) cu x; obtinem
xT Ax = xT x
si respectiv
xT Ax = xT x: 0 1
1 X n
B C
de unde rezulta ca ( )xT x = 0: Dar ( 1 ; : : : ; n ) @ ... A = j i j2 > 0 si cum
i=1
n
u 6= X; obtinem = ; adica 2 R:
Teorema 5.9 Fie A 2 Mn (R) o matrice simetrica. Vectorii proprii corespunzatori valo-
rilor proprii distincte sunt ortogonali.
Demonstratie. Fie 1 6= 2 doua valori proprii ale lui A si x 2 Rn vector propriu,
Ax = 1 x si respectiv y 2 Rn astfel ^nc^at Ay = 2 y. Demonstram ca x ? y :
^Inmultim relatia Ax = 1 x la st^anga 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 T
2 )y x = Rn ; dar
T
1 6= 2 ) y x = hy; xi = 0 ) x ? y: 0 1
x1
B .. C X
n
T
Observam ca y x = y1 yn @ . A = yi xi = hy; xi
xn i=1

Se poate demonstra ca:

5.2. ALGORITMUL DE DIAGONALIZARE A UNEI MATRICI 85

Teorema 5.10 Orice matrice reala simetrica, A 2 Mn (R); este ortogonal asemenea cu o
matrice diagonala.

Observatia 5.5 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 formata pe coloane din coordonatele acestor
vectori ^n baza canonica. Evident, matricea P nu este unica, ea depinz^and de alegerea
bazei.

Exemplul0 5.5 Sa se aduca

1 la forma diagonala matricea
1 0 2
A=@ 0 0 0 A
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
de nitia: 0 1
1 0 2
P ( ) = det @ 0 0 A= 2
( 5):
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
transformarile
0 elementare,
1 0 1
1 0 2 1 0 2
@ 0 0 0 A @ 0 0 0 A ) x1 2x3 = 0; x2 2 R
2 0 4 0 0 0
0 1 0 1 0 1
2x3 2 0
deci x 2 S0 (A) , x = @ x2 A = x3 @ 0 A + x2 @ 1 A ) dimR S0 (A) = 2:
x3 1 0
Pentru
0 = 5 rezolvam
1 0sistemul (A1 15I3 )x 0= R3 folosind 1 transformarile
0 1 elementare,
1 1
4 0 2 1 0 2
1 0 2
1 0 2
@ 0 5 0 A @ 0 5 0 A @ 0 5 0 A @ 0 1 0 A)
2 0 1 2 0 4 0 0 0 0 0 0
0 1 1 0 1 1
x
2 3
x1 + 21 x3 = 0 2
) x 2 S5 (A) , x = @ 0 A = x3 @ 0 A :
x2 = 0
x3 1
Matricea ind simetrica este diagonalizabila.
O forma
0 diagonala 1 este, de exemplu,
0 0 0
D = @ 0 0 0 A:
0 0 5
Forma diagonala nu este unica. Obtinem at^atea forme diagonale c^ate moduri diferite
avem de aranjare a valorilor proprii pe diagonala.
86 CAPITOLUL 5. VALORI SI VECTORI PROPRII

Baza 0formata 1 din vectorii

0 1proprii 0 este: 1
1
2 0 2
v1 = @ 0 A ; v2 = @ 1 A ; v3 = @ 0 A :
1 0 1
Observam ca vectorii sunt ortogonali. ^Ii normalizam si formam matricea modala care
are drept0coloane vectorii1proprii ortonormati.
p2 0 p1
5 5
P=@ 0 1 0 A
p1 0 p2
5 5
si 0 2p p 10 10 2 1 0 1
5 0 15 5 1 0 2 p 0 p1 0 0 0
5 5 5
PT AP = @ 0p 1 p 0 A@ 0 0 0 A@ 0 1 0 A = @ 0 0 0 A:
1 2 1 2
5
5 0 5 5 2 0 4 p
5
0 p5 0 0 5
n
Calculul lui A :
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 daca
0 1 0 10 1 0 1
0 0 0 0 0 0 0 0 0 0 0 0
D = @ 0 0 0 A ) D2 = @ 0 0 0 A @ 0 0 0 A = @ 0 0 0 A
00 0 5 1 0 0 5 0 0 5 0 0 52
0 0 0
n
D = @ 0 0 0 A;
0 0 5n
0 2 10 1 0 2p p 1
p 0 p1 0 0 0 5 0 1
5
5 5 5 5
A = PD P = @ 0 1 0
n n T A@ 0 0 0 A@ 0
p 1 2p 0 A=
p1 0 p2
0 0 5 n 1
5 0 5 5
0 1 n 2 n
51 05 n 1 n 1
15
5
5 0 5
5 5 0 2 5
= @ 0 0 0 A = @ 0 0 0 A:
2 n 4 n n 1 n 1
5
5 0 55 2 5 0 4 5

5.3 Polinoame de matrice

De nitia 5.7 Fie Q 2 Rm [x] :
Q(x) = a0 xm + a1 xm 1 + + am 1 x + am ; a0 6= 0:
Fie A 2 Mn (R). Matricea notata Q(A), de nita prin:
Q(A) = a0 Am + a1 Am 1 + + am 1 A + am In
se numeste polinom de matrice A de nit de Q:
Observatia 5.6 Evident Q(A) 2 Mn (R):
Teorema 5.11 (Teorema Cayley-Hamilton)
Orice matrice A 2 Mn (R) veri ca propriul sau polinom caracteristic, adica daca
PA ( ) = det(A In ); atunci PA (A) = 0:
5.3. POLINOAME DE MATRICE 87

Demonstratie.
Fie A 2 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 (5.9)

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
av^and elemente de grad cel mult n. Deci
(A In ) = Bn 1 n 1 + Bn 2 n 2 + + B1 + B0
unde Bi 2 Mn (R);i = 0; n 1:
Fie
PA ( ) = det(A In ) = ( 1)n ( n 1
n 1
+ + ( 1)n 1 n 1 + ( 1)n n )
polinomul caracteristic al matricei A (Teorema 5.2). Egalitatea (5.21) devine
(A In )(Bn 1 n 1 + Bn 2 n 2 + + B1 + B0 ) = ( 1)n ( n 1
n 1
+ +
n 1 n
( 1) n 1 + ( 1) n )In
sau
Bn 1 n + (Bn 2 ABn 1 ) n 1 + (Bn 3 ABn 2 ) n 2 + +(B0 AB1 ) + AB0 =
n n n 1 n 1
= (( 1) In ) + (( 1) 1 In ) + + ( n 1 In ) + n In
Prin identi care dupa puterile lui rezulta:

8
>
> Bn 1 = ( 1)n In jAn
>
>
>
> Bn 2 ABn 1 = ( 1)n 1
1 In jA
n 1
<
Bn 3 ABn 2 = ( 1)n 2
2 In jA
n 2
(5.10)
>
>
>
>
>
> B AB1 = n 1 In jA
: 0
AB0 = n In

Adun^and relatiile (5.22) membru cu membru, obtinem

PA (A) = 0
si demonstratia este terminata.

Teorema 5.12 Orice putere a matricei A de grad n; A 2 Mn (R); poate exprimata ca

o combinatie liniara de puterilor matricei A mai mici sau egale dec^
at n 1(ca un polinom
matriceal de grad mai mic sau egal cu n 1):

Demonstratie.
Fie PA ( ) = det(A In ) = ( 1)n ( n 1 n 1 + 2 n 2 + + ( 1)n 1 n 1 + ( 1)n n )
polinomul caracteristic al matricei A: Conform Teoremei 5.13 avem ca PA (A) = 0 sau
( 1)n An + ( 1)n 1 1 An 1 + ( 1)n 2 2 An 2 + n 1 A + n In = 0
sau
An = 1 An 1 2A
n 2
+ ( 1)n 2 n 1 A + ( 1)n n In ;
atunci
88 CAPITOLUL 5. VALORI SI VECTORI PROPRII

An+1 = 1 An 1 2A
n 2
+ ( 1)n 2 n 1 A2 + ( 1)n n A
iar An se poate ^nlocui cu valoarea anterioara. Atunci, din aproape ^n aproape, rezulta ca
puterile An+m ; m 2 N, exprimabile cu ajutorul puterilor An 1 ; An 2 ; ; A; In :

Exemplul 5.6 Folosind Teorema Cayley-Hamilton, sa se calculeze A 1 , stiind ca

0 1
1 0 0
A= @ 7 1 0 A
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 ) A 1 = A2 3A + 3I3 :
Dar 0 10 1 0 1
1 0 0 1 0 0 1 0 0
A2 = @ 7 1 0 A@ 7 1 0 A = @ 14 1 0 A)
4 2 1 4 2 1 22 4 1
0 1 0 1 0 1 0 1
1 0 0 1 0 0 1 0 0 1 0 0
A =1 @ 14 1 0 A @
3 7 1 0 A @
+3 0 1 0 A = @ 7 1 0 A:
22 4 1 4 2 1 0 0 1 10 2 1

5.4 FORMA CANONICA JORDAN

Am vazut ca nu toate matricele sunt asemenea cu o matrice diagonala. Daca polinomul
caracteristic are radacini multiple se poate ca matricea sa nu poata diagonalizabila. Se
poate arata ca exista o forma relativ simpla, o matrice triungiular superioara c^at mai
"apropiata" de forma diagonala, asa zisa forma canonica Jordan care va studiata ^n cele
ce urmeaza.
Forma canonica Jordan este data de o multime de matrice "aproape diagonale", numite
matrici Jordan, multime ce include matricele diagonale. Daca forma canonica Jordan a
unei matrice este cunoscuta, toata informatia de algebra liniara a acestei matrice (si deci
si a transformarii liniare) este data.

5.4.1 Blocuri Jordan si matrice Jordan

Fie matricea A 2 Mn (R) care nu este diagonalizabila. Vrem sa-i atasam forma canonica
Jordan, forma cea mai "apropiata" de forma diagonala.
Descriem structura matricelor Jordan. Fie matricele
0 1
1 0 ::: 0 0
1 B 0 1 ::: 0 0 C
J 1 ( ) = ( ) ; J2 ( ) = ; :::; Jm ( ) = B
@
C:
0 :: :: :: :: :: :: A
0 0 0 ::: 0
5.4. FORMA CANONICA JORDAN 89

De nitia 5.8 Matricea Jp ( ) 2 Mp (K); (p 1; 2 K)

0 1
1 0 ::: 0 0
B 0 1 ::: 0 0 C
Jp ( ) = B
@ :: ::
C; (5.11)
:: :: :: :: A
0 0 0 ::: 0

cu p linii si p coloane se numeste bloc Jordan (celula Jordan) de ordin p:

De nitia 5.9 O matrice J 2 Mn (R) de forma

J = diag [Jn1 ( 1 ); Jn2 ( 2 ); :::; Jnk ( k )] ;
^n care Jni ( i ) 2 Mni (R);i=1; k; sunt blocuri Jordan, n1 + n2 + ::: + nk = n; este o matrice
Jordan.

Aceleasi rezultate se obtin daca se pune 1 sub diagonala principala.

Forma canonica Jordan asociata unei matrice date nu este unic determinata. Doar
numarul blocurilor Jordan precum si structura interna a blocurilor Jordan sunt unice. Ceea
ce nu este unic determinat este ordinea blocurilor Jordan pe "diagonala" matricii canonice
Jordan.

Exemplul
0 5.7 Matricea urmatoare este 1 formata din trei blocuri Jordan
1 1 0 0 0 0 0 0
B 0 1 0 0 0 0 0 C
B 1 C
B 0 0 0 0 0 0 0 C 0 1
B 1 C 1 0
B 0 0 0 1 0 0 0 C C 1
B 2 @ 0 1 A;
B 0 0 0 0 0 0 0 C ; J3 ( 1 ) = 1
B 2 C 0 0
B 0 0 0 0 0 1 0 C 1
B 2 C
@ 0 0 0 0 0 0 2 1 A
0 0 0 0 0 0 0 02 1
2 1 0
1
J2 ( 2 ) = 2
; J3 ( 2 ) = @ 0 2 1 A:
0 2
0 0 2

Observatia 5.7 Se observa ca daca ecare bloc Jordan Jni ( i ) din De nitia 5.9 este 1-
dimensional, adica ni = 1 si k = n, matricea Jordan este diagonala. Daca macar unul din
blocurile Jni ( i ) are ni > 1; matricea J nu este digonala.

Problemele care se pun pentru o valoare proprie

- determinarea numarului k al blocurilor Jordan care este egal cu numarul maxim
de vectori proprii liniar independenti ai matricei.
Numarul de vectori liniar independenti din dimR S (A) este dat de def (A In ) =
dimR ker(A In ):
- determinarea dimensiunii blocurilor
Consideram sirul ('(j; ))j2N ; 2 K;
90 CAPITOLUL 5. VALORI SI VECTORI PROPRII

'(j; ) = rang(A In )j 1 2rang(A In )j + rang(A In )j+1 ; j 1;

^n care In 2 Mn (K) este matricea unitate iar (A In )0 = In :
Daca '(j; ) 6= 0; '(j; ) = hj ; atunci Xavem hj serii de vectori proprii si asociati de
lungime j = nj . Calculul se opreste c^and nj hj = m( ); unde m( ) este ordinul de
multiplicitate algebrica a radacinii .
-determinarea matricei modale. Pentru aceasta introducem notiunile de

5.4.2 Serii de vectori proprii si vectori asociati

De nitia 5.10 Fie A 2 Mn (R) si 2 (A): Un sistem de vectori S = (Xi )i=1;p ; p 1;
p 2 N, care satisface conditiile

X1 6= X ; AX1 = X1 ; AX2 = X2 + X1 ; :::; AXp = Xp + Xp 1 (5.12)

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

a matricei A; X1 este vectorul propriu numit cap de serie, iar ceilalti se numesc vectorii
asociati vectorului propriu.

Observatia 5.8 Daca p = 1 atunci seria de vectori proprii si vectori asociati este formata
dintr-un singur vector propriu a matricei A.

Prezentam modul de determinare a unei serii de vector propiu si asociati de

lungime p:
Stim ca daca X1 2 Mn 1 (R) este vector propriu pentru matricea A 2 Mn (R); cap de
serie pentru seria (X1 ; X2 ; : : : ; Xp ) atunci

AX1 = X1 , (A In )X1 = Mn 1 (R) ;

AX2 = X2 + X1 , (A In )X2 = X1 ; (5.13)
::: (5.14)
AXp 1 = Xp 1 + Xp 2 , (A In )Xp 1 = Xp 2 (5.15)
AXp = Xp + Xp 1 , (A In )Xp = Xp 1 : (5.16)

Observatia 5.9 Observam ca niciun vector propriu asociat nu poate vector nul deoarece
ar conduce la vector propriu cap de serie nul, imposibil.
^Inlocuind din aproape ^n aproape ^n (5.13) obtinem:

(A In )Xp = Xp 1 ; (5.17)
(A In )2 Xp = Xp 2 ; (5.18)
::: (5.19)
p 1
(A In ) Xp = X1 (5.20)

si (A In )p Xp = Mn 1 (R) ; deci ultimul asociat din serie se a a ^n ker(A In )p :

5.4. FORMA CANONICA JORDAN 91

Cautam o baza ^n ker(A In )p si observam ca (A In )p 1 Xp = X1 6= Mn 1 (R) :

Alegem din baza lui ker(A In )p acel vector a carui imagine prin (A In )p 1 va un
vector nenul care nu este altul dec^at vectorul propriu cap de serie, X1 . Ceilalti vectori din
serie se determina utiliz^and relatiile (5.13).

Exemplul 0 5.8 Fie matricea

1
0 2 0 1
B 1 0 0 0 C
A=B @ 0 1 0 0 A.
C

0 0 1 0
Este matricea A diagonalizabila? Daca nu, sa se determine numarul blocurilor Jordan
si matricea modala.

Calculam polinomul caracteristic:

1 = 0; 2 = 2; 3 = 0; 4 = 1; P ( ) = ( 1)2 ( + 1)2 ;
1 = 1; m(1) = 2;
2 = 1; m( 1) = 2:
Calculam multiplicitatile geometrice:
Pentru 10= 1 1 0 1
1 2 0 1 1 00 1
B 1 1 0 0 C B 0 10 1 C
A I=B @ 0
C ::: B C
1 1 0 A @ 0 01 1 A
0 0 1 1 0 00 0
0 1 0 1
1 2 0 1 1 1 0 0 1 3
B 1 1 0 0 1 C B 0 1 0 1 2 C
B C, row echelon form: B C
@ 0 1 1 0 1 A @ 0 0 1 1 1 A
0 0 1 1 1 0 0 0 0 0
T
x4 = ; x1 = x2 = x3 = ) X 2 S1 (A) , X = 1 1 1 1 ) dimR S1 (A) = 1;
deci matricea nu este diagonalizabila.
Pentru 0 2 = 1 avem 1 0 1
1 2 0 1 1 0 0 1
B 1 1 0 0 C B 1 C
A+I=B C ::: B 0 1 0 C
@ 0 1 1 0 A @ 0 0 1 1 A
0 0 1 1 0 0 0 0
T
x 4 = ; x1 = ; x2 = ; x3 = ) X 2 S1 (A) , X = 1 1 1 1 )
dimR S 1 (A) = 1:
Observam ca avem doi vectori proprii liniar independenti (vectorii proprii corespunzatori
valorilor proprii distincte sunt liniar independenti), deci avem doua celule Jordan care nu
pot dec^at de dimensiune doi ecare (suma dimensiunilor blocurilor Jordan trebuie sa e
n = 4):
Forma Jordan este
92 CAPITOLUL 5. VALORI SI VECTORI PROPRII
0 1
1 1 0 0
B 0 1 0 0 C
J=B @ 0 0
C:
1 1 A
0 0 0 1
Determinam matricea modala.
Pentru = 1 avem un bloc Jordan de dimensiune 2. Lui ^i va corespunde o serie
de lungime p = 2 formata dintr-un vector propriu si un asociat. Deoarece dimensiunea
T
subspatiului propriu este 1, orice vector propriu va coliniar cu X1 = 1 1 1 1 si
putem determina usor asociatul. Rezolvam sistemul
(A
0 In )X2 = X1 ^n care 1 X1 este 0
cunoscut. Aceste va1 : (A 8 In )X2 = X1
1 2 0 1 1 1 0 0 1 3 >
> x1 = 3 + x4
B 1 C B C <
B 1 0 0 1 C 0 1 0 1 2 C x2 = 2 + x4
@ 0 ::: B ) :
1 1 0 1 A @ 0 0 1 1 1 A >
> x3 = 1 + x4
:
0 0 1 1 1 0 0 0 0 0 x4 2 R
T
Alegem x4 = 0 si obtinem: X2 = 3 2 1 0 ; am obtinut prima serie de vectori
propriu si asociatul sau.
T
Analog procedam pentru = 1: Vectorul propriu este X3 = 1 1 1 1 :
Asociatul se determina rezolv^and sistemul:
(A In )X4 = X3
0 1 0 1 8
1 2 0 1 1 1 0 0 1 3 >
> x1 = 3 x4
B 1 1 0 0 C B 0 1 0 C <
B 1 C ::: B 1 2 C) x 2 = 2 + x4
@ 0 1 1 0 A @ A :
1 0 0 1 1 1 >
> x3 = 1 x4
:
0 0 1 1 1 0 0 0 0 0 x4 2 R
T
Alegem x4 = 0 si obtinem: X4 = 3 2 1 0 ; am obtinut a doua serie de vectori
propriu si asociatul sau.
Matricea modala respecta scrierea din forma canonica Jordan: pentru = 1 se scrie
seria corespunzatoare,
0 apoi1pentru cea
0 de 1a doua valoare proprie.
1
3 1
1 3 1 3 4
0 4 2
B 1 2 1 2 C B 1 1 1 1 C
P =B @ 1 1
C, P 1 = B 41 4 4 4 C:
1 1 A @
4
0 3
4
1
2
A
1 1 1 1
1 0 1 0 4 4 4 4
Veri care: 0 10 10 1 1 0 1
3 1
1 3 1 3 1 1 0 0 4
0 4 2
0 2 0 1
B 1 2 1 C B
2 CB 0 1 0 C
0 CB 4 B 1 1 1 1 C B 0 C
P JP 1 = B 4 4 4 C
1 A = @
B 1 0 0 C
@ 1 1 1 1 A @ 0 0 1 1 A @ 1
0 3
0 1 0 0 A
4 4 2
1 1 1 1
1 0 1 0 0 0 0 1 4 4 4 4
0 0 1 0

Exemplul 0 5.9 Fie matricea

1
6 6 15
A=@ 1 5 5 A:
1 2 2
Este matricea A diagonalizabila? Daca nu, sa se determine numarul blocurilor Jordan
si matricea modala.
5.4. FORMA CANONICA JORDAN 93

Calculam polinomul caracteristic:

1 = 9; 2 = 27; 3 = 27; P ( ) = ( 3)3
1 = 3; m(3) = 3
Pentru 1 0 =3 1 0 1
3 6 15 1 2 5
A 3I = @ 1 2 5 A ::: @ 0 0 0 A ;
1 2 5 0 0 0
x1 + 2x2 5x3 = 0; x2 = ; x3 = ; x1 = 2 + 5 ;
T T T
) X 2 S3 (A) , X = 2 +5 = 2 1 0 + 5 0 1 )
dimR S3 (A) = 2:
Matricea nu este diagonalizabila, sunt doua blocuri Jordan, unul nu poate dec^at de
dimensiune 1 iar celalalt de dimensiune 2.
Matricea
0 Jordan1este
3 1 0
J = @ 0 3 0 A:
0 0 3
Problema ridica unele di cultati pe care le vom pune ^n evidenta. Am vazut ca pentru
= 3 avem o serie de lungime 1 si una de lungime 2.
^Incercam sa determinam seria de vector propriu si asociat de lungime 2. Nu stim carui
vector propriu ^i corespunde. ^Incercam cu cei doi vectori proprii determinati folosind relatia
(A In )X2 = X1 :
T
Luam X1 = 2 1 0
0 1 0 1
3 6 15 2 1 2 5 0
@ 1 2 5 1 A ::: @ 0 0 0 1 A incompatibil
1 2 5 0 0 0 0 0
0
Luam X1 = 5 0 1
0 1 0 1
3 6 15 5 1 2 5 0
@ 1 2 5 0 A ::: @ 0 0 0 1 A incompatibil
1 2 5 1 0 0 0 0
Nici unul din cei doi vectori proprii nu admite asociat.
Dar subspatiu propriu este format din multimea combinatiilor liniare de acesti doi vec-
tori. Cautam un astfel de vector care sa admita asociat, ceea ce este echivalent cu deter-
minarea parametrilor ; astfel ^ncat sistemul :
(A In )X2 = X1 + X10 sa e compatibil
0 1
3 6 15 2 +5
@ 1 2 5 A
1 2 5
Observam ca o conditie de compatibilitate este = . Nu putem da acestor paramerii
valoarea 0 deoarece am obtine vectorul nul care nu e vector propriu. Luam = = 1 )
T
X1 = 3 1 1
94 CAPITOLUL 5. VALORI SI VECTORI PROPRII
0 1 0 1 8
3 6 15 3 1 2 5 1 < x1 = 1 2x2 + 5x3
@ 1 2 5 1 A ::: @ 0 0 0 0 A ) x2 2 R
:
1 2 5 1 0 0 0 0 x3 2 R
Luam x2 = x3 = 0 (este posibil pentru ca nu am obtinut vectorul nul. Un vector
propriu asociat nul conduce la vectorul propriu cap de serie nul, ceea ce nu este posibil
T
)) X2 = 1 0 0
Seria de doi vectori va
T T
X1 = 3 1 1 ; X2 = 1 0 0 :
Al treilea vector se ia la alegere unul din vectorii proprii ai matricei determinati anterior.
Obtinem0 1 0 1
3 1 0 3 1 5
J = @ 0 3 0 A;P = @ 1 0 0 A:
0 0 3 1 0 1
O alta modalitate de determinare a seriei de vector propriu si asociat se obtine caut^and
o baza ^n ker(A 03I3 )2 : 10 1 0 1
3 6 15 3 6 15 0 0 0
(A 3I3 )2 = @ 1 2 5 A@ 1 2 5 A=@ 0 0 0 A
1 2 5 1 2 5 0 0 0
2 3
Rezulta ca ker(A0 3I3 ) = R1: 0 O baza
1 este
0 baza
1 canonica. Calculam
3 6 15 1 3
(A 3I3 )e1 = @ 1 2 5 A @ 0 A = @ 1 A;
1 2 5 0 1
0 10 1 0 1
3 6 15 0 6
(A 3I3 )e2 = @ 1 2 5 A @ 1 A = @ 2 A
1 2 5 0 2
0 10 1 0 1
3 6 15 0 15
(A 3I3 )e3 = @ 1 2 5 A@ 0 A = @ 5 A:
1 2 5 1 5
0 1 0 1
3 1
Toti vectorii obtinuti sunt coliniari cu @ 1 A : Acesta va capul de serie iar @ 0 A
1 0
asociatul sau.
Veri 0care: 1 0 1
3 1 5 0 1 0
P = @ 1 0 0 A, P 1 = @ 1 2 5 A
1 0 1 0 1 1
0 10 10 1 0 1
3 1 5 3 1 0 0 1 0 6 6 15
@ 1 0 0 A@ 0 3 0 A@ 1 2 5 A=@ 1 5 5 A:
1 0 1 0 0 3 0 1 1 1 2 2
Exista situatii ^n care nu putem determina asa simplu dimensiunile blocurilor Jordan.

Exemplul 5.10 Fie matricea

5.4. FORMA CANONICA JORDAN 95
0 1
0 1 1 0
B 1 2 0 1 C
A=B @ 1 0
C:
2 1 A
0 1 1 0
Este matricea A diagonalizabila? Daca nu, sa se determine numarul blocurilor Jordan
si matricea modala.

Calculam polinomul caracteristic:

P( ) = 4
4
1 = 0; 2 = 0; 3 = 0; 4 = 0; P ( ) = ; 1 = 0; m(0) = 4
Pentru
0 1 = 0 1 0 1
0 1 1 0 1 0 2 1
B 1 2 0 1 C B C
B C ::: B 0 1 1 0 C
@ 1 0 2 1 A @ 0 0 0 0 A
0 1 1 0 0 0 0 0
0 1 0 1 0 1
2 + 2 1
B C B 1 C B 0 C
X=B @
C= B
A
C B C
@ 1 A + @ 0 A:
0 1
dimR S0 (A) = 2; m(0) = 4 deci avem doua blocuri Jordan, suma dimensiunilor lor
trebuie sa e 4, n1 + n2 = 4: Putem avea situatiile 1 + 3 = 4; 2 + 2 = 4:
Nu putem deduce exact dimensiunile blocurilor. Folosim relatia
'(j; ) = rang(A In )j 1 2rang(A In )j + rang(A In )j+1 ; j 1
Calculam
'(1; 0) = rang(A
0 0In )0 2rang(A
1 0In )1 + rang(A 0In )2 = 4 2 2 + 1 = 1
0 1 1 0
B 1 2 0 1 C
A 0I4 = B @ 1 0
C ; rang (A 0I4 ) = 2
2 1 A
0 1 1 0
0 10 1 0 1
0 1 1 0 0 1 1 0 2 2 2 2
B 1 2 0 1 C B 0 1 C B 2 2 C
(A 0I4 )2 = B CB 1 2 C = B 2 2 C,
@ 1 0 2 1 A @ 1 0 2 1 A @ 2 2 2 2 A
0 1 1 0 0 1 1 0 2 2 2 2
2
rang (A 0I4 ) = 1
Deci avem o serie de lungime 1 si cea de a doua serie va de lungime p = 3 deoarece
avem doua blocuri Jordan.
Rezulta
0 ca avem un1bloc de ordin doi si unul de ordin ^nt^ai. Forma Jordan este
0 1 0 0
B 0 0 1 0 C
J=B @ 0 0 0 0 A:
C

0 0 0 0
Determinam seria de vectori proprii si asociati corespunzatoare blocului de lungime trei.
Calculam (A 0I4 )p
96 CAPITOLUL 5. VALORI SI VECTORI PROPRII
0 10 1 0 1
0 1 1 0 2 2 2 2 0 0 0 0
B 1 2 0 C B
1 CB 2 2 2 C
2 C B 0B 0 0 0 C
(A 0I4 )3 = B@ 1 = C
0 2 1 A@ 2 2 2 2 A @ 0 0 0 0 A
0 1 1 0 2 2 2 0 0 0 0
3
ker (A 0I4 ) = R4
Determinam seria
0 de vectori proprii si1asociat
0 1 i corespunzator
0 1 blocului de lungime trei.
2 2 2 2 1 2
B 2 2 2 2 C B C B C
(A 0I4 )2 e1 = B C B 0 C = B 2 C ;cap de serie
@ 2 2 2 2 A@ 0 A @ 2 A
2 2 2 2 0 2
0 1 0 1
2 1
B 2 C B 0 C
X1 = B C B C
@ 2 A ; X3 = @ 0 A
2 0
0 10 1 0 1
0 1 1 0 1 0
B 1 2 0 1 C B C B C
X2 = (A 0I4 ) B CB 0 C = B 1 C
@ 1 0 2 1 A@ 0 A @ 1 A
0 1 1 0 0 0
Al patrulea vector propriu se alege din cei doi vectori proprii astfel ^nc^at toti cei patru
vectori sa
0 e liniar independent
1 i.
2 0 1 2
B 2 1 0 1 C
P =B @ 2
C, det(A) = 4
1 0 1 A
2 0 0 0
0 1 0 1
1
2 0 1 2 0 0 0 2
B 2 1 0 1 C B 1 1
0 C
P =B C, P 1 = B 0 2 2 C
@ 2 1 0 1 A @ 1 1 1 1 A
1 1
2 0 0 0 0 2 2
1
Veri care
0 10 10 1 0 1
1
2 0 1 2 0 1 0 0 0 0 0 2
0 1 1 0
B 2 1 0 1 C B CB 1 1
0 C B 0 1 C
B CB 0 0 1 0 CB 0 2 2 C=B 1 2 C:
@ 2 1 0 1 A@ 0 0 0 0 A@ 1 1 1 1 A @ 1 0 2 1 A
1 1
2 0 0 0 0 0 0 0 0 2 2
1 0 1 1 0

5.4.3 POLINOAME DE MATRICE

De nitia 5.11 Fie Q 2 Rm [x] :
Q(x) = a0 xm + a1 xm 1 + + am 1 x + am ; a0 6= 0:
Fie A 2 Mn (R). Matricea notata Q(A), de nita prin:
Q(A) = a0 Am + a1 Am 1 + + am 1 A + am In
se numeste polinom de matrice A de nit de Q:

Observatia 5.10 Evident Q(A) 2 Mn (R):

5.4. FORMA CANONICA JORDAN 97

Teorema 5.13 (Teorema Cayley-Hamilton)

Orice matrice A 2 Mn (R) veri ca propriul sau polinom caracteristic, adica daca
PA ( ) = det(A In ); atunci PA (A) = 0:

Demonstratie.
Fie A 2 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 (5.21)

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
av^and elemente de grad cel mult n. Deci
(A In ) = Bn 1 n 1 + Bn 2 n 2 + + B1 + B0
unde Bi 2 Mn (R);i = 0; n 1:
Fie
PA ( ) = det(A In ) = ( 1)n ( n 1
n 1
+ + ( 1)n 1 n 1 + ( 1)n n )
polinomul caracteristic al matricei A (Teorema 5.2). Egalitatea (5.21) devine
(A In )(Bn 1 n 1 + Bn 2 n 2 + + B1 + B0 ) = ( 1)n ( n 1
n 1
+ +
n 1 n
( 1) n 1 + ( 1) n )In
sau
Bn 1 n + (Bn 2 ABn 1 ) n 1 + (Bn 3 ABn 2 ) n 2 + +(B0 AB1 ) + AB0 =
= (( 1)n In ) n + (( 1)n 1 1 In ) n 1 + + ( n 1 In ) + n In
Prin identi care dupa puterile lui rezulta:

8
>
> Bn 1 = ( 1)n In jAn
>
>
>
> Bn 2 ABn 1 = ( 1)n 1
1 In jA
n 1
<
Bn 3 ABn 2 = ( 1)n 2
2 In jA
n 2
(5.22)
>
>
>
>
>
> B AB1 = n 1 In jA
: 0
AB0 = n In

Adun^and relatiile (5.22) membru cu membru, obtinem

PA (A) = 0
si demonstratia este terminata.

Teorema 5.14 Orice putere a matricei A de grad n; A 2 Mn (R); poate exprimata

ca o combinatie liniara de puteri a lui A mai mici sau egale dec^
at n 1(ca un polinom
matriceal de grad mai mic sau egal cu n 1):

Demonstratie.
Fie PA ( ) = det(A In ) = ( 1)n ( n 1 n 1 + 2 n 2 + + ( 1)n 1 n 1 + ( 1)n n )
polinomul caracteristic al matricei A: Conform Teoremei 5.13 avem ca PA (A) = 0 sau
98 CAPITOLUL 5. VALORI SI VECTORI PROPRII

( 1)n An + ( 1)n 1
1A
n 1
+ ( 1)n 2
2A
n 2
+ n 1A + n In =0
sau
An = 1 An 1 2A
n 2
+ ( 1)n 2 n 1 A + ( 1)n n In ;
atunci
An+1 = 1 An 1 2A
n 2
+ ( 1)n 2 n 1 A2 + ( 1)n n A
iar An se poate ^nlocui cu valoarea anterioara. Atunci, din aproape ^n aproape, rezulta ca
puterile An+m ; m 2 N, exprimabile cu ajutorul puterilor An 1 ; An 2 ; ; A; In :

Exemplul 5.11 Folosind Teorema Cayley-Hamilton, sa se calculeze A 1 , stiind ca

0 1
1 0 0
A= @ 7 1 0 A
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 ) A 1 = A2 3A + 3I3 :
Dar
0 10 1 0 1
1 0 0 1 0 0 1 0 0
A2 = @ 7 1 0 A@ 7 1 0 A = @ 14 1 0 A)
4 2 1 4 2 1 22 4 1
0 1 0 1 0 1 0 1
1 0 0 1 0 0 1 0 0 1 0 0
A =1 @ 14 1 0 A @
3 7 1 0 A @
+3 0 1 0 A = @ 7 1 0 A:
22 4 1 4 2 1 0 0 1 10 2 1

5.5 Exponentiala de argument matriceal

Ne punem problema cum putem de ni functii de matrice si anume cum putem de ni ma-
tricea f (A) ^n cazul ^n care f (x) este o functie inde nit 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
x x2 xn
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 privita ca un ansamblu de n2 serii
de numere reale sau complexe.

Propozitia 5.1 Daca A; B 2 Mn (R); AB = BA; atunci eA+B = eA eB :

5.5. EXPONENTIALA DE ARGUMENT MATRICEAL 99

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 1
I + (A + B) + (A2 + 2AB + B2 )+ (A3 + 3A2 B + 3AB2 + B3 ) + = eA+B :
1! 2! 3!

Consecinta 5.2 Oricare ar t; s 2 R; e(t+s)A = etA esA :

Demonstratie. Deoarece (tA)(sA) = (sA)(tA) relatie rezulta din propozitia 5.1.

Propozitia 5.2 Daca In 2 Mn (R); matricea unitate de ordin n, atunci eI = eI:

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

Propozitia 5.3 Daca 0n 2 Mn (R); matricea nula de ordin n, atunci e0n = I:

1 1 1 n
Demonstratie. e0n = I + 0n + 02n + + 0 + = I:
1! 2! n! n

1
Propozitia 5.4 Daca A2 Mn (R) atunci (eA ) =e A
:

Demonstratie. Deoarece A si A comuta, deducem eA e A

=e A A
e = e0n = I: Deci eA
este inversabila si inversa ei este e A :

0
Propozitia 5.5 Daca A 2 Mn (R) atunci etA = AetA :

t t2 tn
Demonstratie. Fie etA = I + A + A2 + + An + :
1! 2! n!
0
0 t t2 tn 1 2t ntn 1 n
etA = I + A + A2 + + An + = A+ A2 + + A + =
1! 2! n! 1! 2! n!
t t2 tn 1
A I + A + A2 + + An 1 + = AetA :
1! 2! (n 1)!
Relatia rezulta tin^and seama de faptul ca o serie de puteri se deriveaza termen cu
termen.

1
Teorema 5.15 Daca A; B 2 Mn (R);A si B sunt matrice asemenea, B = C AC; atunci
eB = C 1 eA C:
100 CAPITOLUL 5. VALORI SI VECTORI PROPRII

Demonstratie.
Stim ca B 2 = C 1 A2 C; : : : ; B k = C 1 Ak C (inductie)
X1
1 k X 1
1 X1
1 k
eB = B = C AC = C 1 ( A )C = C 1 A
e C:
k=0
k! k=0 k=0
k!

Calculul efectiv a lui eA :

I. Cazul ^n care A este matrice diagonala, A = D
0 1 0 1
k
1 0 0 1 0 0
B 0 C
0 C k B 0 B k
0 C
B 2 2 C
D=B ... C ; D = B ... C
@ A @ A
k
0 0 n 0 0 n
1 1 1
eD = I + D + D2 + + Dn + =
1! 2! n!
0 1 1 2
1
1 + 11 1 + 2! 1 + 0 0
B0 1 1 2
1 + 11 2 + 2! 2 + 0 C
B C
= B .. .. . . . ... C=
@. . A
1 1 2
0 0 1+ 11 n + 2! n +
0 1
e 1 0 0
B 0 e 2
0 C
B C
=B . .. C:
@ A
0 0 e n

Daca A este diagonalizabila, D =P 1 AP; atunci eA = PeD P 1 :

0 5.2 Fie matricea:

Exercitiul 1
1 0 0 1
B 0 1 0 0 C
A=B @ 0 0 1
C
2 A
1 0 2 5
Sa se calculeze eA :

Rezolvare. Polinomul
0 caracteristic
1 este: P ( ) = ( 1)2 ( 6): Pentru = 0; vectorul
1
B 0 C
propriu este v1 = B C
@ 2 A ; pentru = 1;
1
0 1 0 1 0 1
0 0 0 1 0 2
B 0 0 0 0 C B 1 C B 0 C
A I=B @ 0 0 0
C, iar vectorii proprii sunt: v2 = B C ; v3 = B C :
2 A @ 0 A @ 1 A
1 0 2 4 0 0
5.5. EXPONENTIALA DE ARGUMENT MATRICEAL 101
0 1
5 0 0 1
B 0 5 0 0 C
Pentru = 6; A I = B
@ 0
C, iar vectorul propriu este: v4 =
0 5 2 A
1 0 2 1
0 1T
1
B 0 C
B C
@ 2 A :
5
0 1
0 0 0 0
B 0 1 0 0 C
Obtinem D = B @ 0 0 1 0 A ; iar
C

0 0 0 6
0 1 0 1 1 1
1
1 0 2 1 6
0 3 6
B 0 1 0 0 C B 0 1 0 0 C
P=@ B C 1
;P = @ 2 B C:
2 0 1 2 A 5
0 1
5
0 A
1 1 1
1 0 0 5 0
0 1 30 15 6
1 0 0 0
B 0 e 0 0 C
eD = B
@ 0 0 e 0 A;
C

0 0 0 e6
0 1 0 10 1 1
1 0 2 1 1 0 0 0 8
0 14 1
8
B 0 1 0 0 C B CB 0 1 0 C
eA = PeD P 1 = B C B 0 e 0 0 C B 17 0 C=
@ 3 0 1 2 A @ 0 0 e 0 A @ 40 0 20 3 1 A
40
1 1 7
0 1 17 1 0 0 5 0 0 0 e6 140
0 20 40
1 6 1 3 1 6 1 1 7 6
8
+ 20 e + 40 e 0 4
+ 10 e 20 e 8 20
e + 40 e
B 3 3 C
B 0 e 4 + 20 e 0 C
B
= B 3 17 C:
+ e 0 3 3 1
e C
@ 8 40 20 8 40 A
1 1 6 1 1 6 1 7 6
8
+ 8
e 0 4 4
e 8
+ 8
e
II. Cazul ^n care A este celula Jordan corespunzatoare valorii proprii
0 1
1 0
B ..
. 0 C
B 0 C
A=J =B .. C = In + En ;
@ . 1 A
0 0
0 1
0 1 0 0 1 0
0 1 0 B C
B .. C B .. C
. .
B 0 0 0 C 2 B C
En = B .. C ; En = B 0 0 0 1 C; ; Enn = 0:
@ . 1 A B C
@ 0 0 0 0 A
0 0 0 0 0 0 0
102 CAPITOLUL 5. VALORI SI VECTORI PROPRII

1 1 1
eJn = e In +En
=e In +En
=e In
I+ En + En2 + + Enn 1
=
1! 2! (n 1)!
0 1 1 1 1
1 1! 2! (n 1)!
B 0 1 1 1 C
1 1 1 B 1! (n 2)! C
B 1 C
=e I + En + En2 + + Enn 1
=e B 0 0 1 (n 3)! C;
1! 2! (n 1)! B .. C
@ . A
0 0 0 1
0 1 0 1
J1 0 eJ 1 0
B J2 C B eJ 2 C
B C J B C
J =B ... C;e = B ... C
@ A @ A
0 Js 0 eJ s

1
Daca A este cvasidiagonala (poate adusa la forma Jordan), J = P AP; atunci
eA = P eJ P 1 :
unde P este matricea modala.

iul 5.3 Fie matricea

Exercit0 1
0 1 0
A =@ 4 4 0 A
2 1 2
Sa se calculeze eA :

Rezolvare.
Polinomul caracteristic este: P ( ) = ( 2)3
Calculam def (A 2I) 0 1 0 1
1 0
(A 2I)x = ) x = @ 2 A ; y = @ 0 A ) d = 2 ) 2 serii de vectori si asociati.
0 1
Cum ^n total trebuie sa e trei vectori proprii si asociati )o serie de lungime 1(un vector
propriu) si o serie de lungime 2 (un vector propriu 'si un asociat). Ca sa dererminam capul
de serie; calculam
0 1 0 1 0 1
0 1 0 1 0 0 2 1 0
A 2I = @ 4 4 0 A 2@ 0 1 0 A = @ 4 2 0 A
2 1 2 0 0 1 2 1 0
0 10 1 0 1
2 1 0 2 1 0 0 0 0
(A 3I)2 = @ 4 2 0 A@ 4 2 0 A = @ 0 0 0 A,
2 1 0 2 1 0 0 0 0
5.5. EXPONENTIALA DE ARGUMENT MATRICEAL 103

80 1 0 1 0 19
< 1 0 0 =
o baza ^n ker(A 2
3I) : @ A @ A
0 ; 1 ; 0 A@
: ;
0 0 1
Calculam
0 10 1 0 1
2 1 0 1 2
@ 4 2 0 A@ 0 A = @ 4 A
2 1 0 0 2
0 10 1 0 1
2 1 0 0 1
@ 4 2 0 A @ 1 A = @ 2 A
2 1 0 0 1
0 10 1 0 1
2 1 0 0 0
@ 4 2 0 A @ 0 A = @ 0 A )vectorul propriu (6= ) cap de serie pentru seria de
2 1 0 1 00 1 0 1
1 0
lungime 2 va , de exemplu, v1 = 1 @ A 1
2 ; iar vectorul asociat este:v2 = @ 1 A
1 0
2
Vectorul propriu din seria de lungime 1; v1 ; se alege unul din vectorii0din ker(A
1 0 3I) astfel
1
1 1 0 1
^nc^at fv11 ; v21 ; v12 g sa e liniari independenti. Alegem, de exemplu, v12 = @ 2 A ; @ 2 1 2 A,
0 1 1 0
determinant: 1:
Matricea
0 Jordan: 1 0 1
2 0 0 1 0 1
J = @ 0 2 1 A;P = @ 2 1 2 A:
0 0 2 1 0 0

0 1 0 1 0 1 0 0
eJ1 = (e2 ) ; J2 = 2I + E2 ; E2 = ; E22 = = )
0 0 0 0 0 0 0 0

1 1 1 e2 e2
eJ2 = e2 (I + E2 ) = e2 = :
1! 0 1 0 e2
0 1
J1 e2 0 0
e 0
eJ = = @ 0 e2 e2 A
0 eJ 2
0 0 e2
0 1 0 1
1 0 1 0 0 1
P = @ 2 1 2 A;P 1
= @ 2 1 0 A
1 0 0 1 0 1
104 CAPITOLUL 5. VALORI SI VECTORI PROPRII

0 10 2 10 1 0 2 1
1 0 1 e 0 0 0 0 1 e 0 0
A= @ A @ 2 A@
e 2 1 2 2
0 e e 2 1 0 A = @ e2 e2 e2 A :
1 0 0 0 0 e2 1 0 1 0 0 e 2