Professional Documents
Culture Documents
1 Semejanza
Sean A, B ∈ Mn,n . Se dice A es semejante con B cuando existe una matriz
regular P ∈ GLn de suerte que
B = P −1 AP.
101
Observemos que
n = m1 + m2 + · · · + mr .
tr(A) = m1 µ1 + · · · + mr µr ,
det(A) = µm mr
1 · · · µr .
1
El conjunto
σ(A) = { µ1 , . . . , µr }
se denomina espectro de la matriz A.
102
3 Subespacios invariantes
Sea E un espacio vectorial sobre K= R ó C y sea T : E → E un operador
lineal (endomorfismo). Se dice que un subespacio vectorial F ⊂ E es inva-
riante frente a T si
T (~u) ∈ F, cuando ~u ∈ F.
Cuando F sea invariante se puede definir el endomorfismo restricción T0 de
T a F como
T0 : F → F
~u → T (~u).
Supongamos que la dimensión de E es finita n y sea F ⊂ E un subespacio
invariante frente a T con dimensión m. Tomemos una base B de E cuyos
primeros m elementos formen una base B0 de F . Entonces
· ¸
M (T0 , B0 ) X
M (T, B) = ,
0 Y
donde X ∈ Mm,n−m , 0 ∈ Mn−m,m e Y ∈ Mn−m,n−m (M (T, B) es triangular
por bloques). Se deduce que para los polinomios caracterı́sticos tenemos una
factorización
pT (z) = pT0 (z)pY (z).
4 Autovalores y autovectores
Sea E un espacio vectorial de dimensión finita sobre K= R ó C y sea T :
E → E un operador lineal. Se dice que el escalar λ ∈ K es un valor propio de
T , cuando el subespacio vectorial Ker(λId − T ) ⊂ E no se reduce al vector
nulo de E, es decir, cuando exista algún vector ~u ∈ E, ~u 6= ~0, tal que
T (~u) = λ · ~u.
Agrupando los términos anteriores en el segundo miembro, la condición an-
terior expresa que λ es autovalor cuando existe algún vector ~u ∈ E, ~u 6= ~0,
verificando
(λI − T )~u = 0,
o equivalentemente, cuando Ker(λI − T ) es un subespacio no trivial de E.
Por los comentarios anteriores, resulta que λ será autovalor si, y sólo si, es
103
una raı́z caraterı́stica de T y pertenece a K. Ası́ pues, el conjunto de los
valores propios del operador T coincide con el espectro de T si K = C y con
σ(A) ∩ R si K = R.
Dado un autovalor λ de T , los vectores del subespacio Ker(λId − T ) se
denominan vectores propios asociados a λ. Ker(λId − T ) es el subespacio
propio asociado a λ y
d(λ) = dim(Ker(λId − T )) ≥ 1
es la multiplicidad geométrica del valor propio.
Los mismos conceptos se aplican a una matriz cuadrada A ∈ Mn,n , que
se interpreta como un endomorfismo en K n .
5 Diagonalización
Sea T : E → E un operador lineal en un espacio vectorial E de dimensión
finita sobre K. T se llama diagonalizable cuando exista una base B de E de
suerte que M (T, B) sea diagonal.
Para cada autovalor λ de T denotemos
E(T, λ) = Ker(λId − T ).
Teorema 2 Sean {λ1 , . . . , λs } los distintos autovalores de T . Se verifica que
(a) Los subespacios E(T, λ1 ), . . . , E(T, λs ) son independientes. Cada uno
de ellos es invariante frente a T .
(b) La multiplicidad geométrica d(λj ) de cada valor propio es a lo sumo
su multiplicidad algebraica m(λj ), 1 ≤ j ≤ s.
(c) El operador T es diagonalizable si, y sólo si, todas las raı́ces caracte-
rı́sticas de T pertenecen a K (esta condición siempre está satisfecha cuando
K = C) y
d(λj ) = m(λj ), 1 ≤ j ≤ s.
(d) El operador T es diagonalizable si, y sólo si,
E = E(T, λ1 ) ⊕ E(T, λ2 ) ⊕ · · · ⊕ E(T, λs ).
Dada una matriz cuadrada A ∈ Mn,n , se dice que A es diagonalizable
cuando es semejante a una matriz diagonal. Para diagonalizar una matriz A
se estudia el operador
A : Kn → Kn
X → A · X.
104
6 Teorema de Caley Hamilton
Para una matriz A ∈ Mn,n vamos a definir recurrentemente sus potencias
como
A0 = I, Ak = AAk−1 , k ≥ 1.
PK k
Para un polinomio q(z) = k=0 qk z se define entonces
K
X
q(A) = qk Ak ∈ M n, n.
k=0
B k = B = P −1 Ak P, k ≥ 0,
q(B) = P −1 q(A)P.
PA (A) = 0.
PT (T ) = 0,
105
Ap = 0. Utilizando el teorema de Caley Hamilton, se puede razonar que A
es nilpotente si, y sólo si, el polinomio caracterı́stico de A es
pA (z) = z n ,
es decir, que A admite únicamente la raı́z caracterı́stica 0. Además, si A es
nilpotente, entonces conse seguridad An = 0. La misma definición se aplica
a los endomorfismos y son también son válidos los resiultados anteriores.
Es claro que una matriz nilpotente no podrá diagonalizar salvo que ella
misma sea la matriz nula. Las matrices de la forma
A = λI + N
con N nilpotente, son aquellas cuyo polinomio caracterı́stico es
pA (z) = (z − λ)n
y no diagonalizan salvo que A = λI.
7 Autoespacios generalizados
Lema 1 Sea T : E → E un operador lineal en un espacio vectorial E de
dimensión finita sobre K y sea λ autovalor de T . Se verifica que
(a) Cada subespacio Ker(λId − T )k , k ≥ 0, es invariante frente a T .
(b) Ker(λId − T )k ⊂ Ker(λId − T )k+1 , k ≥ 0.
(c) Si para un entero k0 se da la igualdad Ker(λId − T )k0 = Ker(λId −
k0 +1
T) , entonces
Ker(λId − T )k+1 = Ker(λId − T )k , k ≥ k0 .
106
de donde, vı́a el teorema de Caley-Hamilton, se deduce que
Eg (T, λ) = Ker(λId − T )m(λ) .
Por este motivo se puede definir directamente
Eg (T, λ) = Ker(λId − T )m(λ) .
Estos hechos y otros resultados de crucial importancia se recogen en el
teorema de descomposición primaria:
Teorema 4 Sea T : E → E un operador lineal en un espacio vectorial E de
dimensión finita sobre K y supongamos que σ(T ) ⊂ K. Denotemos
σ(T ) = { λ1 , . . . , λs },
y, para cada j con 1 ≤ j ≤ s, pongamos dj = dim(E(T, λj )), mj , la multipli-
cidad algebraica de λj y kj , el primer entero donde se estabiliza la sucesión
de núcleos {Ker(λj Id − T )k }∞k=1 .
Se cumple que
(a) kj ≤ mj , 1 ≤ j ≤ s.
(b) La dimensión de Eg (T, λj ) es mj , 1 ≤ j ≤ s.
(c) El espacio E es la suma directa de los subespacios propios generaliza-
dos
E = Eg (T, λ1 ) ⊕ Eg (T, λ2 ) ⊕ · · · ⊕ Eg (T, λs ).
(d) Las restricciones Tj : Eg (T, λj ) → Eg (T, λj ) de T son operadores de
la forma Tj = λj Idmj ×mj + Nj , donde los Nj son nilpotentes de orden kj ,
1 ≤ j ≤ s.
(e) Tomemos una base arbitraria Bj en cada subespacio generalizado
S S S
Eg (T, λj ), 1 ≤ j ≤ s. Sobre la base B = B1 B2 · · · Bs tenemos que
la matriz de T es diagonal por bloques
M (T, B) = diag(T1 , T2 , . . . , Ts ),
siendo Tj un bloque mj × mj de la forma
Tj = λj · Idmj ×mj + Nj ,
con Nj ∈ Mmj ×mj nilpotente, 1 ≤ j ≤ s.
Se recuerda que un operador lineal T : E → E se llama nilpotente cuando
existe una potencia m ≥ 1 tal que T m = 0. La menor potencia posible con
esta propiedad se denomina ı́ndice u orden de nilpotencia de T . Se verifica
que T es nilpotente si, y sólo si, σ(T ) = {0}.
107
8 Mención forma canónica de Jordan
Se puede demostrar que si T : E → E es un operador lineal definido en un
espacio de dimensión finita E sobre K y tal que σ(T ) ⊂ K, entonces existe
una base B de E donde la matriz de T es diagonal por bloques
M (T, B) = diag(J1 , J2 , . . . , Jp )
siendo cada bloque Jj , 1 ≤ j ≤ p de la forma
λj 1 0 ··· 0
0 λj 1 ··· 0
0 0 λj ··· 0
Jj =
··· ··· ···
.
··· ···
0 0 0 ··· 1
0 0 0 · · · λj
Ejemplos.
(1) Para la matriz
2 2 −6
A = 2 −1 −3 ,
−2 −1 1
el polinomio caracterı́stico es
z − 2 −2 6
pA (z) = det(zI3 − A) = det −2 z + 1 3 2
= (z + 2) (z − 6).
2 1 z−1
De modo que los autovalores con sus multiplicidades algebraicas son
λ1 = −2, m1 = 2
λ2 = 6 m2 = 1.
Buscamos ahora los subespacios propios de cada autovalor y su correspon-
diente multiplicidad geométrica. Para λ1 = −2
−4 −2 6 x
E(A, λ1 ) = Ker(−2I3 − A) = {(x, y, z)T /
−2 −1 3
y = ~0}
2 1 −3 z
= {(x, y, z) /2x + y − 3z = 0} = span((1, −2, 0) , (0, 3, 1)T )
T T
⇒ d(λ1 ) = 2.
108
Mientras que para el otro autovalor
4 −2 6 x
E(A, λ2 ) = Ker(6I3 − A) = {(x, y, z)T / −2 7 3 y = ~0}
2 1 5 z
= {(x, y, z) /2x − y + 3z = 0, y + z = 0} = span((−2, −1, 1)T )
T
⇒ d(λ2 ) = 1.
λ1 = 0, m1 = 1
λ2 = 1 m2 = 1
λ3 = 3 m3 = 1.
109
y, para el tercero,
2 1 0 x
E(A, λ3 ) = Ker(3I3 − A) = {(x, y, z)T /
1 1 1 y = ~0}
0 1 2 z
= {(x, y, z) /x = z, y = −2z} = span((1, −2, 1)T ) ⇒ d(λ3 ) = 1.
T
⇒ d(λ1 ) = 1.
Mientras que para el segundo autovalor
i 1 0 x
T ~
E(A, λ2 ) = Ker(iI3 − A) = {(x, y, z) / −1 i −1 y = 0}
0 0 i−2 z
T T
= {(x, y, z) /z = 0, x = iy} = span((1, −i, 0) ) ⇒ d(λ2 ) = 1,
110
y, para el tercero,
−i 1 0 x
T ~
E(A, λ3 ) = Ker((−i)I3 − A) = {(x, y, z) / −1 −i −1 y = 0}
0 0 −i − 2 z
= {(x, y, z)T /z = 0, x = −iy} = span((1, i, 0)T ) ⇒ d(λ3 ) = 1.
Nota: como λ2 y λ3 son conjugados, los vectores que generan cada sube-
spacio propio también lo son. Cuando la matriz tiene elementos reales, esta
propiedad es general (¿por qué?).
Entonces, si
1 0 −2
P = −2 3 −1 ,
0 1 1
se tiene que
−2 0 0
P AP = 0 −2 0
−1
.
0 0 6
111
(5) Para la matriz
1 −1 0
A = −1 2 −1 ,
0 −1 1
se tiene
λ1 = 0, mλ1 = 1, dλ1 = 1
λ2 = 1 mλ2 = 1, dλ2 = 1
λ3 = 3 mλ3 = 1, dλ3 = 1.
La matriz es diagonalizable en R. La base de autovectores es la siguiente:
E(A, λ1 ) = span((1, 1, 1)T )
E(A, λ2 ) = span((1, 0, −1)T )
E(A, λ3 ) = span((1, −2, 1)T ).
Luego si
1 1 1
P = 1 0 −2
,
1 −1 1
se tiene que
0 0 0
P −1 AP = 0 1 0 .
0 0 3
Este es un ejemplo de un caso particular de matrices diagonalizables: aquéllas
cuyos autovalores están en el cuerpo considerado y son todas distintas.
112
Como matriz real, A no es diagonalizable, pues tiene dos autovalores que
no son reales. Pero como matriz compleja, A es diagonalizable. La base de
autovectores es la siguiente:
Luego si
−1 1 1
P = 2 −i i
,
5 0 0
se tiene que
2 0 0
−1
P AP = 0 i 0 .
0 0 −i
113
Ejercicio 4. Demuestra que las matrices
4−a 1 −1 1−a 1 0
A = −6 −1 − a 2 B= 0 1−a 0
2 1 1−a 0 0 2−a
114
Ejercicio 8. Se consideran las matrices complejas siguientes:
√ √
√2 −i 2 −i 2 5 −2i −4
A = i√2 3 −1 , B = 2i 8 2i .
i 2 −1 3 −4 −2i 5
Ejercicio 1.
a)
5/2 −1 2 1/2
0 0
M (T, B , B ) = 3/2 1/2 1/2 .
4 −4 3
115
b) Los autovalores con sus multiplicidades algebraicas son
λ1 = 1, m1 = 1
λ2 = 2 m2 = 1
λ3 = 3 m3 = 1.
Y los autoespacios asociados son
E(A, λ1 ) = Ker(I3 − A) = span((−1, 1, 1)T ),
E(A, λ2 ) = Ker(2I3 − A) = span((1, 1, 0)T ),
E(A, λ3 ) = Ker(3I3 − A) = span((1, 1, 1)T ).
Entonces, por ejemplo B 00 ) = {(−1, 1, 1)T , (1, 1, 0)T , (1, 1, 1)T } y la matriz de
T en esta base es
1 0 0
M (T, B 00 , B 00 ) =
0 2 0.
0 0 3
Ejercicio 3.
1 0 0 0
0 1 0 0
A= .
0 0 1 0
−1 −1 1 2
pA (z) = (z − 2)(z − 1)3
λ1 = 2, m1 = 1, d1 = 1
λ2 = 1 m2 = 3.
116
pA (z) = (z − 2)(z − 1)3
λ1 = 2, m1 = 1, d1 = 1
λ2 = 1 m2 = 3.
A no diagonaliza.
4 1 −2 −1
2 2 −2 −1
A= .
4 2 −2 −2
1 0 −1 1
pA (z) = (z − 2)(z − 1)3
λ1 = 2, m1 = 1, d1 = 1
λ2 = 1 m2 = 3.
A no diagonaliza.
λ1 = 1, m1 = 2, d1 = 1
λ2 = 2 m2 = 1, d2 = 1.
117
Luego son semejantes. Por otro lado, si C y D fuesen semejantes, también
lo serı́an 2I − C y 2I − D, pero
0 0 0 0 0 −3
2I − C = 0 0 0 , 2I − D = 0 0 1 ,
0 0 0 0 0 0
que nunca pueden ser semejantes.
Ejercicio 6.
0 −1 2
A= 1 0 3 2
. pA (z) = z(z + 14).
−2 −3 0
Los autovalores con sus multiplicidades algebraicas son
λ1 = 0, m1 = 1
√
λ2 = i 14 m2 = 1
√
λ3 = −i 14 m3 = 1.
118
Y los autoespacios asociados son
λ1 = 1, m1 = 2
λ2 = 2, m2 = 1.
Ejercicio 7.
1 1 −2
A = −1 2 1 . pA (z) = (z − 1)(z + 1)(z − 2).
0 1 −1
119
3 1 1 1 0 0
P = 2 0 3, D = 0 −1 0 .
1 1 1 0 0 2
2 1 0
A = 0 0 1 . pA (z) = z 2 (z − 2).
0 0 0
λ1 = 0, m1 = 2,
λ2 = 2 m2 = 1, d2 = 1.
−2 −1 0
E(A, 0) = Ker(−A) = Ker 0 0 −1
→ d1 = 1,
0 0 0
A no diagonaliza.
3 −1 −1
A = 1 1 −1 . pA (z) = (z − 1)(z − 2)2 .
1 −1 1
λ1 = 2, m1 = 2,
λ2 = 1 m2 = 1, d2 = 1.
A diagonaliza.
1 1 −1 2 0 0
P = 0 1 −2
,
D = 0 2 0 .
1 0 1 0 0 1
4 1 0 1
2 3 0 1
A=
. pA (z) = (z − 4)(z − 6)(z − 2)2 .
−2 1 2 −3
2 −1 0 5
120
λ1 = 2, m1 = 2
λ2 = 4 m2 = 1 = d2
λ3 = 6 m3 = 1 = d3 .
Ejercicio 8.
pA (z) = (z − 4)2 z.
λ1 = 4, m1 = 2
λ2 = 0 m2 = 1 = d2 .
√ √
E(A, 4) = Ker(4I3 − A) = span((−i 2/2, 1, 0)T , (−i 2/2, 0, 1)T ),
√
E(A, 0) = Ker(−A) = span((i 2, 1, 1)T ).
q √ q √
Base ortonormal de E(A, 4): ~e1 = 23 (−i 2/2, 1, 0)T , ~e2 = 34 (−i 2/3, −1/3, 1)T .
√
Base ortonormal de E(A, 0): ~e3 = (i 2/2, 1/2, 1/2)T .
q √ q √ √
2
(−i 2/2) 3
(−i 2/3) i 2/2
3 q 4
q 4 0 0
2 3 −1
U = 3 4q
(−1/3) 1/2 , U AU = 0 4 0 .
0 3
1/2 0 0 0
4
Ejercicio 9.
3 −1 0
B = −1 3 0 , pB (z) = (z − 2)2 (z − 4).
0 0 2
121
λ1 = 2, m1 = 2
λ2 = 4 m2 = 1.
Ejercicio 10.
2 1 0
A=
1 1 1,
pB (z) = z(z − 2)(z − 3).
0 1 2
λ1 = 3, m1 = 1
λ2 = 2 m2 = 1
λ3 = 0 m3 = 1.
1/ 3 1/ 2 1/ 6 0 0 0
Problemas
122
Hallar un sistema completo de autovectores cuando sea posible.
Problema 2. Hallar una base de los autoespacios generalizados de las ma-
trices siguientes
−2 0 3 0 −4 0 0 0
3 2 −2 −1 −3 −1 0 0
A=
, B=
.
0 0 1 0 −3 2 −4 0
3 0 −2 −2 −3 3 1 −4
(a) Hállense los valores reales de α y β para los cuales la matriz A es diago-
nalizable.
(b) Para α = 2, β = −3 calcúlese una base de R3 formada por autovectores
generalizados de la matriz A.
Problema 5. (Examen de problemas, septiembre de 1998) Se considera la
matriz real 4 × 4,
3 0 1 0
−1 1 2 −1
A=
.
−1 0 1 0
2 1 −1 1
Hallar una base de C 4 formada por autovectores generalizados de la matriz
A.
123
Problema 6. Hallar una expresión general de An para las matrices siguien-
tes:
0 1 0 1 −1 0
0 0 1 , −1 2 −1 .
1 1 −1 0 −1 1
Problema 7. Para las matrices siguientes se pide:
a) Diagonalizar cuando sea posible, hallando una base de autovectores.
b) En caso de no diagonalización hallar una base de los correspondientes
autoespacios generalizados.
Indicación:
Con cada matriz
se acompaña
su polinomio
caracterı́stico.
1 0 0 1 3 −1 0 1 −1 −1 1 0
2 0 1 2 9 −5 0 9 −1 −2 −1 0
A= , B = , C = ,
−1 −1 2 1 −3 2 1 −3 −1 1 −3 0
−1 0 0 3 4 −3 0 6 −2 1 −2 −2
1 −1 1 0 3 1 −6 1 1 0 −1 0
−1 0 −1 0 2 0 0 −2 −3 −2 −7 5
D= , E= , F = .
−1 2 0 −1 4 2 −6 0 0 0 1 0
−2 2 −1 −1 1 1 −2 −1 −1 −1 −4 2
pA (z) = z 4 − 6z 3 + 13z 2 − 12z + 4, pB (z) = z 4 − 5z 3 + 9z 2 − 7z + 2
pC (z) = z 4 + 8z 3 + 24z 2 + 32z + 16, pD (z) = z 4
pE (z) = z 4 + 4z 3 + 8z 2 + 16z + 16, pF (z) = z 4 − 2z 3 + 2z 2 − 2z + 1.
124