\( \DeclareMathOperator{\abs}{abs} \newcommand{\ensuremath}[1]{\mbox{$#1$}} \)
(%i3) |
A
:
matrix([
1,
-
1,
4],[
3,
2,
-
1],[
2,
1,
-
1])
;
eq : ratsimp( determinant( A - x * ident( 3))) $ print( "Ecuación característica:", eq = 0) $ |
Las soluciones de la ecuación característica nos determinan los autovalores:
(%i4) | solve( eq) ; |
Tenemos tres autovalores distintos, por tanto habrá tres autovectores distintos. Veámoslos:
(%i6) |
X
:[
x,
y,
z]
$
eq :( A - 3 * ident( 3)). transpose( matrix( X)) ; |
(%i8) |
sist
:
flatten(
makelist(
row(
eq,
i)[
1],
i,
1,
3))
$
sol : linsolve( sist, X) ; |
Como habíamos previsto, tenemos un solo parámetro. Ahora, evaluamos de la forma habitual para obtener los autovectores:
(%i9) | v_3 : ev( X, ev( sol, %rnum_list[ 1] = 1)) ; |
Verifiquemos que es el autovector buscado:
(%i10) | makelist( print( A, v, "=", A. v, "=", 3, "·", v), v,[ transpose( v_3)]) $ |
Repitamos el proceso con los siguientes autovalores:
(%i15) |
eq
:(
A
+
2
*
ident(
3)).
transpose(
matrix(
X))
$
sist : flatten( makelist( row( eq, i)[ 1], i, 1, 3)) $ sol : linsolve( sist, X) $ v_2 : ev( X, ev( sol, %rnum_list[ 1] = 1)) ; makelist( print( A, v, "=", A. v, "=", - 2, "·", v), v,[ transpose( v_2)]) $ |
(%i20) |
eq
:(
A
-
1
*
ident(
3)).
transpose(
matrix(
X))
$
sist : flatten( makelist( row( eq, i)[ 1], i, 1, 3)) $ sol : linsolve( sist, X) $ v_1 : ev( X, ev( sol, %rnum_list[ 1] = 1)) ; makelist( print( A, v, "=", A. v), v,[ transpose( v_1)]) $ |
Solo nos resta calcular sus normas:
(%i21) | makelist( sqrt( v. v), v,[ v_3, v_2, v_1]) ; |
La mayor de sus normas es:
(%i22) | lmax( %) ; |
Created with wxMaxima.
Para este ejercicio necesitamos calcular todos sus autovalores y sus autovectores. Designemos la matriz y determinemos su ecuación característica: