a)
A = ( − 3 1 0 − 6 2 0 − 3 1 0 ) A=\begin{pmatrix}
- 3 & 1 & 0\\
- 6 & 2 & 0\\
- 3 & 1 & 0
\end{pmatrix} A = ⎝ ⎛ − 3 − 6 − 3 1 2 1 0 0 0 ⎠ ⎞
A − λ I = ( − 3 − λ 1 0 − 6 2 − λ 0 − 3 1 0 − λ ) A-\lambda I=\begin{pmatrix}
- 3-\lambda & 1 & 0\\
- 6 & 2-\lambda & 0\\
- 3 & 1& 0-\lambda
\end{pmatrix} A − λ I = ⎝ ⎛ − 3 − λ − 6 − 3 1 2 − λ 1 0 0 0 − λ ⎠ ⎞ Characteristic polynomial
det ( A − λ I ) = ∣ A − λ I ∣ = ∣ − 3 − λ 1 0 − 6 2 − λ 0 − 3 1 0 − λ ∣ \det(A-\lambda I)=|A-\lambda I|=\begin{vmatrix}
- 3-\lambda & 1 & 0\\
- 6 & 2-\lambda & 0\\
- 3 & 1 & 0 -\lambda
\end{vmatrix} det ( A − λ I ) = ∣ A − λ I ∣ = ∣ ∣ − 3 − λ − 6 − 3 1 2 − λ 1 0 0 0 − λ ∣ ∣
= ( − 3 − λ ) ∣ 2 − λ 0 1 − λ ∣ − 1 ∣ − 6 0 − 3 − λ ∣ + 0 ∣ − 6 2 − λ − 3 1 ∣ =(-3-\lambda)\begin{vmatrix}
2-\lambda& 0 \\
1 & -\lambda
\end{vmatrix}-1\begin{vmatrix}
-6 & 0 \\
-3& -\lambda
\end{vmatrix}+0\begin{vmatrix}
-6 & 2-\lambda \\
-3 & 1
\end{vmatrix} = ( − 3 − λ ) ∣ ∣ 2 − λ 1 0 − λ ∣ ∣ − 1 ∣ ∣ − 6 − 3 0 − λ ∣ ∣ + 0 ∣ ∣ − 6 − 3 2 − λ 1 ∣ ∣
= ( − 3 − λ ) ( − 2 λ + λ 2 − 0 ) − ( 6 λ + 0 ) + 0 =(-3-\lambda)(-2\lambda+\lambda^2-0)-(6\lambda+0)+0 = ( − 3 − λ ) ( − 2 λ + λ 2 − 0 ) − ( 6 λ + 0 ) + 0
= 6 λ − 3 λ 2 + 2 λ 2 − λ 3 − 6 λ = − λ 3 − λ 2 =6\lambda-3\lambda^2+2\lambda^2-\lambda^3-6\lambda=-\lambda^3-\lambda^2 = 6 λ − 3 λ 2 + 2 λ 2 − λ 3 − 6 λ = − λ 3 − λ 2
The characteristic equation of A A A is
∣ A − λ I ∣ = 0 |A-\lambda I|=0 ∣ A − λ I ∣ = 0
− λ 3 − λ 2 = 0 -\lambda^3-\lambda^2=0 − λ 3 − λ 2 = 0 The roots are λ 1 = λ 2 = 0 , λ 3 = − 1. \lambda_1=\lambda_2=0, \lambda_3=-1. λ 1 = λ 2 = 0 , λ 3 = − 1.
These are the eigenvalues.
b) Find the eigenvectors.
λ = − 1 \lambda=-1 λ = − 1
A − λ I = ( − 2 1 0 − 6 3 0 − 3 1 1 ) A-\lambda I=\begin{pmatrix}
- 2 & 1 & 0\\
- 6 & 3 & 0\\
- 3 & 1& 1
\end{pmatrix} A − λ I = ⎝ ⎛ − 2 − 6 − 3 1 3 1 0 0 1 ⎠ ⎞ R 2 = R 2 − 3 R 1 R_2=R_2-3R_1 R 2 = R 2 − 3 R 1
( − 2 1 0 0 0 0 − 3 1 1 ) \begin{pmatrix}
- 2 & 1 & 0\\
0 & 0 & 0\\
- 3 & 1& 1
\end{pmatrix} ⎝ ⎛ − 2 0 − 3 1 0 1 0 0 1 ⎠ ⎞ R 3 = R 3 − 3 R 1 / 2 R_3=R_3-3R_1/2 R 3 = R 3 − 3 R 1 /2
( − 2 1 0 0 0 0 0 − 1 / 2 1 ) \begin{pmatrix}
- 2 & 1 & 0\\
0 & 0 & 0\\
0 & -1/2& 1
\end{pmatrix} ⎝ ⎛ − 2 0 0 1 0 − 1/2 0 0 1 ⎠ ⎞ Swap the rows 2 and 3
( − 2 1 0 0 − 1 / 2 1 0 0 0 ) \begin{pmatrix}
- 2 & 1 & 0\\
0 & -1/2 & 1\\
0 & 0 & 0
\end{pmatrix} ⎝ ⎛ − 2 0 0 1 − 1/2 0 0 1 0 ⎠ ⎞ R 2 = − 2 R 2 R_2=-2R_2 R 2 = − 2 R 2
( − 2 1 0 0 1 − 2 0 0 0 ) \begin{pmatrix}
- 2 & 1 & 0\\
0 & 1 & -2\\
0 & 0 & 0
\end{pmatrix} ⎝ ⎛ − 2 0 0 1 1 0 0 − 2 0 ⎠ ⎞ R 1 = R 1 − R 2 R_1=R_1-R_2 R 1 = R 1 − R 2
( − 2 0 2 0 1 − 2 0 0 0 ) \begin{pmatrix}
- 2 & 0 & 2\\
0 & 1 & -2\\
0 & 0 & 0
\end{pmatrix} ⎝ ⎛ − 2 0 0 0 1 0 2 − 2 0 ⎠ ⎞ R 1 = R 1 / ( − 2 ) R_1=R_1/(-2) R 1 = R 1 / ( − 2 )
( 1 0 − 1 0 1 − 2 0 0 0 ) \begin{pmatrix}
1 & 0 & -1\\
0 & 1 & -2\\
0 & 0 & 0
\end{pmatrix} ⎝ ⎛ 1 0 0 0 1 0 − 1 − 2 0 ⎠ ⎞ Solve the matrix equation
( 1 0 − 1 0 1 − 2 0 0 0 ) ( x 1 x 2 x 3 ) = ( 0 0 0 ) \begin{pmatrix}
1 & 0 & -1\\
0 & 1 & -2\\
0 & 0 & 0
\end{pmatrix}\begin{pmatrix}
x_1\\
x_2\\
x_3
\end{pmatrix}=\begin{pmatrix}
0\\
0\\
0
\end{pmatrix} ⎝ ⎛ 1 0 0 0 1 0 − 1 − 2 0 ⎠ ⎞ ⎝ ⎛ x 1 x 2 x 3 ⎠ ⎞ = ⎝ ⎛ 0 0 0 ⎠ ⎞ If we take x 3 = t , x_3=t, x 3 = t , then x 1 = t , x 2 = 2 t . x_1=t, x_2=2t. x 1 = t , x 2 = 2 t .
Thus
x ⃗ = ( t 2 t t ) = ( 1 2 1 ) t \vec x=\begin{pmatrix}
t\\
2t\\
t
\end{pmatrix}=\begin{pmatrix}
1\\
2\\
1
\end{pmatrix}t x = ⎝ ⎛ t 2 t t ⎠ ⎞ = ⎝ ⎛ 1 2 1 ⎠ ⎞ t The null space of this matrix is
{ ( 1 2 1 ) } \bigg\{\begin{pmatrix}
1\\
2\\
1
\end{pmatrix}\bigg\} { ⎝ ⎛ 1 2 1 ⎠ ⎞ }
λ = 0 \lambda=0 λ = 0
A − λ I = ( − 3 1 0 − 6 2 0 − 3 1 0 ) A-\lambda I=\begin{pmatrix}
- 3 & 1 & 0\\
- 6 & 2 & 0\\
- 3 & 1 & 0
\end{pmatrix} A − λ I = ⎝ ⎛ − 3 − 6 − 3 1 2 1 0 0 0 ⎠ ⎞ R 2 = R 2 − 2 R 1 R_2=R_2-2R_1 R 2 = R 2 − 2 R 1
( − 3 1 0 0 0 0 − 3 1 0 ) \begin{pmatrix}
- 3 & 1 & 0\\
0 & 0 & 0\\
- 3 & 1& 0
\end{pmatrix} ⎝ ⎛ − 3 0 − 3 1 0 1 0 0 0 ⎠ ⎞ R 3 = R 3 − R 1 R_3=R_3-R_1 R 3 = R 3 − R 1
( − 3 1 0 0 0 0 0 0 0 ) \begin{pmatrix}
- 3 & 1 & 0\\
0 & 0 & 0\\
0 & 0& 0
\end{pmatrix} ⎝ ⎛ − 3 0 0 1 0 0 0 0 0 ⎠ ⎞
R 1 = R 1 / ( − 3 ) R_1=R_1/(-3) R 1 = R 1 / ( − 3 )
( 1 − 1 / 3 0 0 0 0 0 0 0 ) \begin{pmatrix}
1 & -1/3 & 0\\
0 & 0 & 0\\
0 & 0& 0
\end{pmatrix} ⎝ ⎛ 1 0 0 − 1/3 0 0 0 0 0 ⎠ ⎞
Solve the matrix equation
( 1 − 1 / 3 0 0 0 0 0 0 0 ) ( x 1 x 2 x 3 ) = ( 0 0 0 ) \begin{pmatrix}
1 & -1/3 & 0\\
0 & 0 & 0\\
0 & 0& 0
\end{pmatrix}\begin{pmatrix}
x_1\\
x_2\\
x_3
\end{pmatrix}=\begin{pmatrix}
0\\
0\\
0
\end{pmatrix} ⎝ ⎛ 1 0 0 − 1/3 0 0 0 0 0 ⎠ ⎞ ⎝ ⎛ x 1 x 2 x 3 ⎠ ⎞ = ⎝ ⎛ 0 0 0 ⎠ ⎞ If we take x 2 = t , x 3 = s , x_2=t,x_3=s, x 2 = t , x 3 = s , then x 1 = ( 1 / 3 ) t . x_1=(1/3)t. x 1 = ( 1/3 ) t .
Thus
x ⃗ = ( ( 1 / 3 ) t t s ) = ( 1 / 3 1 0 ) t + ( 0 0 1 ) s \vec x=\begin{pmatrix}
(1/3)t\\
t\\
s
\end{pmatrix}=\begin{pmatrix}
1/3\\
1\\
0
\end{pmatrix}t+\begin{pmatrix}
0\\
0\\
1
\end{pmatrix}s x = ⎝ ⎛ ( 1/3 ) t t s ⎠ ⎞ = ⎝ ⎛ 1/3 1 0 ⎠ ⎞ t + ⎝ ⎛ 0 0 1 ⎠ ⎞ s
The null space of this matrix is
{ ( 1 / 3 1 0 ) , ( 0 0 1 ) } \bigg\{\begin{pmatrix}
1/3\\
1\\
0
\end{pmatrix},\begin{pmatrix}
0\\
0\\
1
\end{pmatrix}\bigg\} { ⎝ ⎛ 1/3 1 0 ⎠ ⎞ , ⎝ ⎛ 0 0 1 ⎠ ⎞ }
Eigenvalue: − 1 , −1, − 1 , multiplicity: 1 , 1, 1 , eigenvector: ( 1 2 1 ) \begin{pmatrix}
1\\
2\\
1
\end{pmatrix} ⎝ ⎛ 1 2 1 ⎠ ⎞
Eigenvalue: 0 , 0, 0 , multiplicity: 2 , 2, 2 , eigenvectors: ( 1 / 3 1 0 ) , ( 0 0 1 ) \begin{pmatrix}
1/3\\
1\\
0
\end{pmatrix},\begin{pmatrix}
0\\
0\\
1
\end{pmatrix} ⎝ ⎛ 1/3 1 0 ⎠ ⎞ , ⎝ ⎛ 0 0 1 ⎠ ⎞
c) A matrix is diagonalizable if and only of for each eigenvalue the dimension of the eigenspace is equal to the multiplicity of the eigenvalue.
For the eigenvalue − 1 -1 − 1 this is trivially true as its multiplicity is only one and we find one nonzero eigenvector associated to it.
For the eigenvector we find two linearly indepedent eigenvectors.
Therefore the matrix A A A is diagonalizable.
d)
Form the matrix P , P, P , whose column i i i is i i i -th eigenvector
P = ( 1 1 / 3 0 2 1 0 1 0 1 ) P=\begin{pmatrix}
1 & 1/3 & 0\\
2 & 1 & 0\\
1 & 0& 1
\end{pmatrix} P = ⎝ ⎛ 1 2 1 1/3 1 0 0 0 1 ⎠ ⎞ Form the diagonal matrix D D D whose element at row i , i, i , column i i i is i i i -th eigenvalue
D = ( − 1 0 0 0 0 0 0 0 0 ) D=\begin{pmatrix}
-1 & 0& 0\\
0 & 0 & 0\\
0 & 0 & 0
\end{pmatrix} D = ⎝ ⎛ − 1 0 0 0 0 0 0 0 0 ⎠ ⎞
det P = ∣ 1 1 / 3 0 2 1 0 1 0 1 ∣ = 1 ∣ 1 0 0 1 ∣ − ( 1 / 3 ) ∣ 2 0 1 1 ∣ + 0 \det P=\begin{vmatrix}
1 & 1/3 & 0\\
2 & 1 & 0\\
1 & 0& 1
\end{vmatrix}=1\begin{vmatrix}
1 & 0 \\
0 & 1
\end{vmatrix}-(1/3)\begin{vmatrix}
2 & 0 \\
1 & 1
\end{vmatrix}+0 det P = ∣ ∣ 1 2 1 1/3 1 0 0 0 1 ∣ ∣ = 1 ∣ ∣ 1 0 0 1 ∣ ∣ − ( 1/3 ) ∣ ∣ 2 1 0 1 ∣ ∣ + 0
= 1 − 2 / 3 = 1 / 3 ≠ 0 =1-2/3=1/3\not=0 = 1 − 2/3 = 1/3 = 0 The cofactor matrix is
( 1 − 2 − 1 − 1 / 3 1 1 / 3 0 0 1 / 3 ) \begin{pmatrix}
1 & -2& -1\\
-1/3 & 1 & 1/3\\
0 & 0 & 1/3
\end{pmatrix} ⎝ ⎛ 1 − 1/3 0 − 2 1 0 − 1 1/3 1/3 ⎠ ⎞ The adjugate matrix is
( 1 − 1 / 3 0 − 2 1 0 − 1 1 / 3 1 / 3 ) \begin{pmatrix}
1 & -1/3 & 0\\
-2 & 1 & 0\\
-1 & 1/3 & 1/3
\end{pmatrix} ⎝ ⎛ 1 − 2 − 1 − 1/3 1 1/3 0 0 1/3 ⎠ ⎞ The inverse matrix is the adjugate matrix divided by the determinant.
P − 1 = ( 3 − 1 0 − 6 3 0 − 3 1 1 ) P^{-1}=\begin{pmatrix}
3 & -1 & 0\\
-6 & 3 & 0\\
-3 & 1 & 1
\end{pmatrix} P − 1 = ⎝ ⎛ 3 − 6 − 3 − 1 3 1 0 0 1 ⎠ ⎞
A = P D P − 1 A=PDP^{-1} A = P D P − 1
A 2018 = P D 2018 P − 1 A^{2018}=PD^{2018}P^{-1} A 2018 = P D 2018 P − 1
= ( 1 1 / 3 0 2 1 0 1 0 1 ) ( ( − 1 ) 2018 0 0 0 0 0 0 0 0 ) ( 3 − 1 0 − 6 3 0 − 3 1 1 ) =\begin{pmatrix}
1 & 1/3 & 0\\
2 & 1 & 0\\
1 & 0& 1
\end{pmatrix}\begin{pmatrix}
(-1)^{2018} & 0& 0\\
0 & 0 & 0\\
0 & 0 & 0
\end{pmatrix}\begin{pmatrix}
3 & -1 & 0\\
-6 & 3 & 0\\
-3 & 1 & 1
\end{pmatrix} = ⎝ ⎛ 1 2 1 1/3 1 0 0 0 1 ⎠ ⎞ ⎝ ⎛ ( − 1 ) 2018 0 0 0 0 0 0 0 0 ⎠ ⎞ ⎝ ⎛ 3 − 6 − 3 − 1 3 1 0 0 1 ⎠ ⎞
= ( 1 0 0 2 0 0 1 0 0 ) ( 3 − 1 0 − 6 3 0 − 3 1 1 ) =\begin{pmatrix}
1 & 0 & 0\\
2 & 0 & 0\\
1 & 0 & 0
\end{pmatrix}\begin{pmatrix}
3 & -1 & 0\\
-6 & 3 & 0\\
-3 & 1 & 1
\end{pmatrix} = ⎝ ⎛ 1 2 1 0 0 0 0 0 0 ⎠ ⎞ ⎝ ⎛ 3 − 6 − 3 − 1 3 1 0 0 1 ⎠ ⎞
= ( 3 − 1 0 6 − 2 0 3 − 1 0 ) =\begin{pmatrix}
3 & -1 & 0\\
6 & -2 & 0\\
3 & -1 & 0
\end{pmatrix} = ⎝ ⎛ 3 6 3 − 1 − 2 − 1 0 0 0 ⎠ ⎞
Comments