Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Valores y Vectores Propios
Valores y Vectores Propios
CONTENIDO:
8.1
8.2
8.3
8.4
8.5
8.6
8.7
DEFINICIONES Y PROPIEDADES
ECUACION CARACTERISTICA. SUBESPACIOS PROPIOS
SEMEJANZA DE MATRICES
MATRICES DIAGONALIZABLES
DIAGONALIZACION DE MATRICES SIMETRICAS Y HERMITICAS
POLINOMIO MINIMO DE UNA MATRIZ
CUESTIONARIO
390
prctica, f slo est dada implcitamente, dando una matriz A que la representa.
La matriz que representa a f tiene su forma ms sencilla siempre que f aplica a
cada vector base sobre un mltiplo de s mismo; esto es, siempre que cada vector
base u exista un escalar tal que f(u) = u. No siempre es posible encontrar tal
base, pero existen algunas condiciones un tanto generales bajo las cuales es
posible.
La multiplicacin por A transforma cada vector caracterstico u de A sobre la
misma recta que pasa por el origen de u. Dependiendo del signo y la magnitud del
valor caracterstico correspondiente a u, la transformacin f(u) = u hace que u
se comprima o alargue por un factor , con un cambio de direccin en caso de
que sea negativo.
391
392
TEOREMA 8.1.2
Dos valores caractersticos distintos del endomorfismo f no tienen
ningn vector caracterstico comn; es decir:
1, 2 (f) y 1 2, entonces V(1) V(2) = {}.
DEMOSTRACION
Debemos comprobar que, si u V(1) y u V(2), entonces u ha de ser el vector
nulo . Sea f(u) = 1u y f(u) = 2u, entonces:
1u = 2u (1 - 2)u =
de donde, al ser 1 2, se infiere que u = .
TEOREMA 8.1.3
Si los valores caractersticos 1, 2, ..., n son todos distintos y V() es
un conjunto de vectores caractersticos, ui correspondiente a i, entonces
V() es linealmente independiente.
DEMOSTRACION
Los vectores caractersticos son no nulos por definicin, razn por la cual el
teorema es justo, a ciencia cierta, para n = 1. Supongamos que es vlido para
cualquier sistema de n 1 vectores caractersticos y no es vlido para los vectores
u1, u2, ..., un. En este caso el sistema formado por dichos vectores ser linealmente
independiente, es decir, para ciertos nmeros a1, a2, ..., an, no iguales a cero
simultneamente, se verifica la igualdad
a1u1 + a2u2 + ... + anun = (1)
Supngase que 1 0. Aplicando f a la ecuacin (1), obtenemos
f(a1u1 + a2u2 + ... + anun) = f()
a1f(u1) + a2f(u2) + ... + anf(un) = f()
a11u1 + a22u2 + ... + annun = (2)
Al multiplicar a la ecuacin (1) por n y al restarla de (2), obtenemos
a1(1 - n)u1 + a2(2 - n)u2 + ... + an-1(n-1 n)un = .
Conforme a la suposicin inductiva, de aqu se deduce que todos los coeficientes
de los vectores u1, u2, ..., un-1 son nulos. En particular, a1(1 - n) 0, lo que
contradice la condicin 1 n y la suposicin a1 0. Por consiguiente, el
sistema de vectores u1, u2, ..., un es linealmente independiente.
TEOREMA 8.1.4
Dados un espacio vectorial V, sobre un cuerpo K, y un endomorfismo F,
y si I representa la transformacin identidad, se verifica que: = 0 es
valor propio de f, si y slo si f no es inyectiva.
DEMOSTRACION
La transformacin lineal f no es inyectiva cuando, y slo cuando, su ncleo tiene
algn vector no nulo, es decir, si existe u V, tal que f(u) = ; ahora bien,
esto ltimo es tanto como decir que = 0 es un valor caracterstico de f, siendo u
un vector caracterstico.
TEOREMA 8.1.5
Dados un espacio vectorial V, sobre un cuerpo K, y un endomorfismo f,
y si I representa la transformacin identidad, se verifica que: es valor
caracterstico de f, si y slo si a K, - a es valor caracterstico de f aI.
DEMOSTRACION
Afirmar que el escalar es valor caracterstico de f es tanto como decir que existe
un vector no nulo u V tal que f(u) = u, lo que a su vez equivale a asegurar que,
para cualquiera que sea el escalar a, se verifica que f(u) au = u au, para un
vector u , que puede expresarse en la forma (f aI)u = ( - a)u, lo cual ocurre
si, y slo si, el escalar - a es un valor caracterstico del endomorfismo f aI.
JOE GARCIA ARCOS
393
EJEMPLO 8.1.3
Sean A una matriz de n x n e I la matriz identidad. Comparar los vectores y
valores caractersticos de A con los de A + kI para un escalar k.
SOLUCION
Si es un valor caracterstico de A con u como vector caracterstico
correspondiente, entonces + k es un valor caracterstico A + kI con u como
vector caracterstico correspondiente. Esto es, los propios valores de A + kI son
aquellos de A incrementados en k, mientras que los vectores caractersticos
correspondientes permanecen iguales.
TEOREMA 8.1.5
Dados un espacio vectorial V, sobre un cuerpo K, y un endomorfismo f,
y si I representa la transformacin identidad, se verifica que: es valor
caracterstico de f, si y slo si f - I no es inyectiva.
DEMOSTRACION
Este teorema es consecuencia inmediata de los teoremas anteriores, ya que es
valor caracterstico del endomorfismo f si, y slo si, 0 es valor caracterstico del
endomorfismo f - I, lo cual a su vez equivale a decir que f - I es singular.
DEFINICION 8.1.4
Se denomina radio espectral de una matriz A, y se designa por R(A), a
R(A) mx i , donde i son los valores caractersticos de A.
Ntese que estn incluidos los valores caractersticos complejos, indicndose su
valor por su mdulo.
Una vez conocido el radio espectral, se define su norma de la siguiente manera:
A
R(AT A) .
EJEMPLO 8.1.4
Sea A matriz de n x n. Si es un valor caracterstico de A con u como vector
caracterstico correspondiente, entonces k es un valor caracterstico de Ak, de
JOE GARCIA ARCOS
394
395
0 a22 ... a2 n
A
... ...
...
0 ... ann
0
y para encontrar los valores caractersticos tenemos que construir el polinomio
caracterstico, tenemos:
396
a11
0
A - I
...
...
... ...
0 ... ann 0
0 ... 0
... 0
...
...
0 ...
a12
...
a1n
a11
0
a
...
a
22
2n
0.
...
...
...
0
... ann
0
Por tanto p() = (a11 - )(a22 - ) ... (ann - ) y los valores caractersticos sern:
1 = a11, 2 = a22, ... , n = ann.
EJEMPLO 8.1.14
Sea A una matriz de orden n, demuestre que A y AT tienen el mismo polinomio
caracterstico y por lo tanto tienen los mismos valores caractersticos.
SOLUCION
Para demostrar que la matriz A y AT tienen el mismo polinomio caracterstico,
debemos probar que Det(A - I) = Det(AT - I). Es decir:
Det(AT - I) = Det(A - IT)T = Det(A - IT) = Det(A - I).
Con lo cual se puede asegurar que tienen los mismos valores caractersticos.
EJEMPLO 8.1.15
Sea A una matriz de orden n y sea c un nmero real. Si es un valor
caracterstico de A, demuestre entonces que c es un valor caracterstico de cA.
SOLUCION
Sabemos que para que sea valor caracterstico de la matriz A, debe cumplirse
que Au = u. Entonces debemos demostrar que (cA)u = (c)u. Es decir:
(cA)u = c(Au) = c(u) = (c)u.
Con esto queda demostrado que c es un valor caracterstico de la matriz cA.
EJEMPLO 8.1.16
Demuestre que si 0 < < , entonces la transformacin de una rotacin de un
ngulo en sentido antihorario no tiene valores caractersticos reales.
SOLUCION
Cos Sen
2
La ecuacin caracterstica de A
es - (2Cos) + 1 = 0. Las
Sen Cos
races de esta ecuacin son Cos Cos 2 1 . Si 0 < < , entonces 1 <
Cos < 1, lo cual implica que
Cos 2 1 es imaginario.
EJEMPLO 8.1.17
Sea A una matriz de n x n:
a.- Demuestre o refute que un vector caracterstico de A es tambin un vector
caracterstico de A2;
b.- Demuestre o refute que un vector caracterstico de A2 es tambin un vector
caracterstico de A.
SOLUCION
a.- Verdadero: Si Au = u, entonces A2u = A(Au) = A(u) = Au = (u) = 2u,
lo cual implica que u es un vector caracterstico de A2.
0 1
2
b.- Falso: Sea A
. Entonces u = (1, 0) es un vector caracterstico de A ,
1
0
pero no lo es de A.
JOE GARCIA ARCOS
397
EJEMPLO 8.1.18
Suponga que es un valor caracterstico de la matriz A y es un valor
caracterstico de la matriz B. Es + un valor caracterstico de A + B?
SOLUCION
Sabemos que para que sea valor caracterstico de A debe cumplirse que
Au = u, anlogamente para el valor caracterstico , Bv = v. Entonces si
sumamos estas dos ecuaciones, obtenemos:
Au + Bv = u + v
Lo que nos indica que + no es valor caracterstico de A + B. La nica
condicin para que esto se cumpla es que A y B tengan los mismos vectores
caractersticos, es decir u = v.
EJEMPLO 8.1.19
Demostrar que una matriz nilpotente no posee valores caractersticos diferentes de
cero.
SOLUCION
Sea valor caracterstico de la matriz nilpotente de n x n. Puesto que k es valor
caracterstico de Ak y como los valores caractersticos de una matriz son las races
de su polinomio caracterstico p(), entonces:
p() = Det(Ak - kI) = Det(O - kI) = Det(-kI) = (-1)nDet(kI) = (-1)nk = 0.
Por consiguiente k = 0 y = 0. De esta manera hemos demostrado que una
matriz nilpotente posee nicamente valores caractersticos iguales a cero.
EJEMPLO 8.1.20
Sea A una matriz cuadrada de orden 2. Demuestre que el polinomio caracterstico
de A es
p() = 2 - Tr(A) + Det(A).
SOLUCION
a b
La matriz de orden 2 tiene la forma A
. Por lo tanto su polinomio
c d
caracterstico es:
b
a b
1 0
a
p ( )
(a )(d ) bc .
c
d
0
1
c
d
398
SOLUCION
Completemos las matrices A y B hasta que resulten unas matrices cuadradas A y
B de n x n, aadiendo a A n m filas y a B n m columnas formadas por ceros.
Entonces BA = BA, y AB se obtiene de AB orlando con ceros. La aplicacin
del resultado del problema precedente da lo que se quera demostrar.
PROBLEMAS
8.1.1 Demuestre que = 0 es un valor caracterstico de
la matriz A s y slo si A es singular.
8.1.2 Sean A y B matrices rectangulares de m x n y n x
m, respectivamente. Demuestre que los polinomios
caractersticos de las matrices AB y BA cumplen la
relacin
n Det (Im AB) m Det (In BA) .
8.1.3 Demuestre que A y su transpuesta tienen los
mismos valores caractersticos.
8.2.4 Sea f : R2 R2 definida por f (v) proyu v ,
donde u es un vector fijo en R2. Demuestre que los
valores caractersticos de A son 0 y 1.
8.1.5 Demuestre que si A2 = O, entonces el nico valor
caracterstico de A es cero.
a b
Dada la matriz A
y si a, b, c, d son
c d
nmeros entero tales que a + b = c + d, entonces tiene
valores caractersticos enteros, 1 = a + b y 2 = a c.
8.1.6
8.1.7
a b
8.1.11 Dada la matriz A
, demuestre:
c d
a.- Tiene dos valores caractersticos reales distintos si
(a d)2 + 4bc > 0.
b.- Tiene un valor caracterstico real si (a d)2 + 4bc =
0.
c.- No tiene valores caractersticos reales si (a d)2 +
4bc < 0.
A 2 4 1 y B 0 3 1 .
1 1 3
1 1 4
B A
donde A y B son matrices cuadradas de un mismo
orden, es igual al producto de los polinomios
caractersticos de las matrices A + B y A - B.
JOE GARCIA ARCOS
399
...
400
n
ak = (-1)k suma de los menores diagonales de n k de la matriz A
k
...
an-1 = (-1)n-1(a11 + a22 + ... + ann)
an = (-1)n.
De una manera mas simplificada, podemos decir que al tomar en consideracin la
expresin del determinante de la matriz en trminos de los elementos de sta, es
fcil entender que el primer miembro de Det(A - I) = 0 puede ser representado
en la forma
Det(A - I) = a0 + a1 + a22 + ... + an-1n-1 + ann.
Los coeficientes a0, a1, a2, ..., an-1, an se calculan de tal o cual manera segn los
elementos de la matriz A y no dependen de . La potencia mxima de slo
figura en el producto de los elementos diagonales de la matriz A - I y, por ello,
an = 1. He aqu la expresin explcita para dos coeficientes. A saber,
a0 = (-1)nDet(A) y an-1 = -Tr(A).
JOE GARCIA ARCOS
401
402
...
0 a2 t 1
a2 n
0
at t 1
at n .
A 0 0
0 at 1 t 1
at 1 n
0 0
0 0
0
a
a
n
t
1
n
n
403
EJEMPLO 8.2.2
Demuestre que el trmino constante del polinomio caracterstico es Det(A).
SOLUCION
El polinomio caracterstico de A es p() = Det(A - I). As el trmino constante
de p() est dado por p(0) = Det(A).
EJEMPLO 8.2.3
Demuestre que una matriz cuadrada de orden n es no singular si, y slo si = 0
no es un valor caracterstico de A.
JOE GARCIA ARCOS
404
SOLUCION
Sabemos que el trmino independiente del polinomio caracterstico es igual a
Det(A), y para que una matriz sea no singular su determinante debe ser diferente
de cero. Por lo tanto si fuese un valor caracterstico de la matriz A, entonces
tenemos que p(0) = Det(A) 0, lo cual contradice la hiptesis y podemos concluir
que = 0 no es valor caracterstico de una matriz no singular.
EJEMPLO 8.2.4
Demuestre que una matriz triangular es singular si y slo si sus valores
caractersticos son reales y deferentes de cero.
SOLUCION
Suponga que A es una matriz triangular real cuyos elementos en la diagonal
principal son 1, 2, ..., n. Se sabe que los valores caractersticos de A son 1, 2,
..., n. As, A tiene valores caractersticos reales. Adems, debido a que el
determinante de A es Det(A) = 1 2 ... n, se concluye que A es no singular si y
slo si cada i es diferente de cero.
EJEMPLO 8.2.5
Sea la matriz
0 1
A
1 0
Se puede demostrar que si u es cualquier vector columna de R2, entonces Au se
puede obtener geomtricamente de u rotando u un ngulo de 90 en el sentido
contrario al que giran las manecillas del reloj.
a.- Probar geomtricamente que A no tiene valores caractersticos reales.
b.- Hallar los valores y vectores caractersticos complejos de A.
c.- Argumentar geomtricamente que A2 deber tener valores caractersticos
reales.
d.- Usar el apartado b) para hallar los valores caractersticos de A2 y comparar el
resultado con la respuesta obtenida en la parte c). Cules son los vectores
caractersticos reales y los vectores caractersticos complejos de A2
e.- Hallar valores y vectores caractersticos para A3.
f.- Hallar valores y vectores caractersticos para A4.
SOLUCION
a.- Ningn vector distinto de cero en el plano va a un vector paralelo por
rotacin de 90.
1
0 2 + 1 = 0 1 = i y 2 = - i.
b.1
i 1 0 i 1 0
i 1 a 0
1 i b 0
1 i 0 0 0 0
a
V(1 ) Span / a bi
Base V(1 )
1
i 1 0 i 1 0
i 1 a 0
1 i b 0
1 i 0 0 0 0
a
V( 2 ) Span / a bi Base V ( 2 )
b
1
c.- A2u = A(Au) corresponde a rotar u 180 en el sentido contrario al que giran
las manecillas del reloj, lo cual equivale a multiplicar u por 1. As, -1 es un valor
caracterstico.
d.- A2 tiene valores caractersticos 1 = i2 = -1 y 2 = (-i)2 = -1. Todos los
vectores reales distintos de cero y todos los vectores complejos son vectores
JOE GARCIA ARCOS
405
caractersticos
1 0
A2
.
0 1
e.A3 no tiene valores caractersticos reales, sino valores caractersticos
complejos 1 = i3 = -i y 2 = (-i)3 = i con vectores caractersticos
i
4
4
4
f.- A tiene valores caractersticos 1 = i = 1 y 2 = (-i) = 1 corresponde a la
rotacin de 360. Todo vector real o complejo distinto de cero es un vector
caracterstico.
EJEMPLO 8.2.6
Demuestre que si u es vector caracterstico tanto de f como de g, entonces u
tambin es un vector caracterstico de f y de f + g. Si 1 es el valor caracterstico
de f y 2 el valor caracterstico de g correspondientes a u, cules son los valores
caractersticos de f y de f + g?
SOLUCION
Si f(u) = 1u y g(u) = 2u, entonces
(f + g)(u) = f(u) + g(u) = 1u + 2u = (1 + 2)u
Tambin
(f)(u) = f(u) = 1u.
EJEMPLO 8.2.7
Demuestre que si 1 y 2 1 son valores caractersticos de f1 y u1 y u2 son
vectores caractersticos correspondientes a 1 y 2, respectivamente, entonces
u1 + u2 no es un vector caracterstico.
SOLUCION
Si u1 + u2 es un vector caracterstico con valor caracterstico , entonces
(u1 + u2) = f(u1 + u2) = 1u1 + 2u2
Ya que ( - 1)u1 + ( - 2)u2 = se tiene que - 1 = - 2 = 0.
EJEMPLO 8.2.8
Para cada una de las siguientes matrices, determine su polinomio caracterstico,
sus valores y vectores caractersticos:
5 0
1 1
3 2
a.-
; c.-
.
; b.-
1
4
1 2
6 0
SOLUCION
a.- El polinomio caracterstico tiene la forma siguiente:
5 0
p ( )
(5 ) .
6
6 0 y 0
6 0 0 0 0 0
de donde obtenemos que x = 0 e y R. Por consiguiente el subespacio propio
generado por el valor caracterstico = 0 tiene la forma siguiente:
V() = {(x, y) / x = 0} BaseV() = {(0, 1)} dimV() = 1.
406
0 0 0
0 0 x 0
= 5:
6 5 y 0
6 5 0
de donde obtenemos que 6x 5y = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico = 5 tiene la forma siguiente:
V() = {(x, y) / 6x 5y = 0} BaseV() = {(5, 6)} dimV() = 1.
b.- El polinomio caracterstico tiene la forma siguiente:
1
1
p ( )
(1 )(4 ) 1 2 5 5 .
1 4
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
5 5
5 5
2 - 5 + 5 = 0
y
.
2
2
Los vectores caractersticos se encuentran reemplazando cada valor caracterstico
en la ecuacin caracterstica, y luego se resuelve cada sistema homogneo:
3 5
x
0
5 5
2
:
y
2
3 5 0
1
3 5
0
0 3 5
1
1
2
3 5
0
0 0
0
1
2
3 5
x y 0 . Por consiguiente el subespacio
2
5 5
propio generado por el valor caracterstico
tiene la forma siguiente:
2
3 5
V() ( x, y)
x y 0
2
BaseV() 2, 3 5
3 5
x
0
5 5
2
2
3 5 y 0
1
3 5
0
1
3 5
0
1
2
dimV() = 1.
3 5
0 0
3 5
x y 0 . Por consiguiente el subespacio
2
5 5
propio generado por el valor caracterstico
tiene la forma siguiente:
2
3 5
V() ( x, y)
x y 0
2
BaseV() 2, 3 5
dimV() = 1.
JOE GARCIA ARCOS
407
1
y
0
1 1 0 1 1 0
de donde obtenemos que x = y. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / x y = 0} BaseV() = {(1, 1)} dimV() = 1.
1 2 0 1 2 0
1 2 x 0
= -4:
1
2
y
0
1 2 0 0 0 0
de donde obtenemos que x = - 2y. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / x + 2y = 0} BaseV() = {(-2, 1)} dimV() = 1.
EJEMPLO 8.2.9
Para cada una de las siguientes matrices, determine su polinomio caracterstico,
sus valores y vectores caractersticos:
1 0 0
3 2 1
2 8 7
SOLUCION
a.- El polinomio caracterstico tiene la forma siguiente:
p() 3 42 5 2 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico: 3 42 5 2 0 = 1, = 1 y = 2.
Donde = 1 tiene multiplicidad algebraica 2. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
0 0 0 0 0 0 0 0
0 0 0 x 0
= 1: 3 0 0 y 0 3 0 0 0 3 0 0 0
4 2 1 z 0
4 2 1 0 0 2 1 0
= 2: 3 1 0 y 0
4 2 0 z 0
1 0 0 0 1 0 0 0 1 0 0
3 1 0 0 0 1 0 0 0 1 0
4 2 0 0 0 2 0 0 0 0 0
de donde obtenemos que x = y = 0. Por consiguiente el
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / x = y = 0} BaseV() = {(0, 0, 1)}
b.- El polinomio caracterstico tiene la forma siguiente:
0
0
subespacio propio
dimV() = 1.
408
p() 3 42 3 18 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
3 42 3 18 0 ( 3)2 ( 2) 0 = -3, = 2.
= -3: 0 2 7 y 0
0 2 7 z 0
0 2 1 0 0 2 1 0 0 2 1 0
0 2 7 0 0 0 6 0 0 0 1 0
0 2 7 0 0 0 6 0 0 0 0 0
= 2: 0 7 7 y 0 0 7 7 0 0 1 1 0
0 2 2 z 0
0 2 2 0 0 0 0 0
= 2: 0 1 1 y 0
0 1 1 z 0
0 8 7 0 0 8 7 0 0 8 0 0
0 1 1 0 0 0 1 0 0 0 1 0
0 1 1 0 0 0 1 0 0 0 0 0
EJEMPLO 8.2.10
Para cada una de las siguientes matrices, determine su
sus valores caractersticos y sus vectores caractersticos:
2 3 4 5
1 0 0 0
1
0
2
0
0
0
1
0
0
; b.-
; c.- 1
a.-
0 0 2 0
4 7 2 1
0
0 4 4 2
2 3 4 2
1
polinomio caracterstico,
2
2
0
2
0 3
0 3
.
2 0
0 3
JOE GARCIA ARCOS
409
SOLUCION
a.- El polinomio caracterstico tiene la forma siguiente:
p() 4 83 242 32 16 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
4 83 242 32 16 0 ( 2)4 0 = 2.
Donde = 2 tiene multiplicidad algebraica 4. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
0 3 4 5 x 0
0 0 0 0 y 0
= 2:
0 0 0 0 z 0
0 4 4 0 u 0
0 3 4 5 0 0 3 4 5 0 0 1 0 5 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 4 4 0 0 0 0 1 5 0 0 0 1 5 0
de donde obtenemos que y + 5u = 0, z + 5u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / y + 5u = 0, z + 5u = 0}
BaseV() = {(1, 0, 0, 0), (0, -5, -5, 1)} dimV() = 2.
b.- El polinomio caracterstico tiene la forma siguiente:
p() 4 63 92 4 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
4 63 9 2 4 0 ( 4)( 1)2 0 = 0, = 4, = 1.
donde = 1 tiene multiplicidad algebraica 2. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
1 0 0 0 x 0
0 1 0 0 y 0
= 0:
4 7 2 1 z 0
2 3 4 2 u 0
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 0 0 0 1 0 0 0
0 1 0 0 0 0 1
4 7 2 1 0 0 7 2 1 0 0 0 2 1 0
2 3 4 2 0 0 3 4 2 0 0 0 0 0 0
de donde obtenemos que x = y = 0, 2z + u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / x = y = 0, 2z + u = 0}
BaseV() = {(0, 0, 1, -2)} dimV() = 1.
0 0 0 0 x 0
0 0 0 0 y 0
= 1:
4 7 1 1 z 0
2 3 4 1 u 0
410
0
4
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
0 4 7 1 1 0 2 0 25 4 0
0 0 1 7 1 0 0 1 7 1 0
de donde obtenemos que 2x + 25z + 4u = 0, y 7z u = 0. Por consiguiente el
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / 2x + 25z + 4u = 0, y 7z u = 0}
BaseV() = {(-25, 14, 2, 0), (-2, 1, 0, 1)} dimV() = 2.
3 0 0 0 0
3 0 0 0 x 0
0 3 0 0 y 0
0 3 0 0 0
= 4:
4 7 2 1 0
4 7 2 1 z 0
2 3 4 2 u 0
2 3 4 2 0
3 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 3 0 0 0 0 1 0 0 0 0 1 0 0 0
0 7 2 1 0 0 0 2 1 0 0 0 2 1 0
0 3 4 2 0 0 0 2 1 0 0 0 0 0 0
de donde obtenemos que x = y = 0, -2z + u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / x = y = 0, -2z + u = 0}
BaseV() = {(0, 0, 1, 2)} dimV() = 1.
c.- El polinomio caracterstico tiene la forma siguiente:
p() 4 43 42 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
4 43 42 0 2 ( 2)2 0 = 0, = 2.
0
0
7
3
0
0
1
4
0
0
1
1
1 2 0 3 y 0
1 2 0 3 0 0 0 0 0 0
= 0:
0 0 2 0 0 0 0 2 0 0
0 0 2 0 z 0
1 2 0 3 0 0 0 0 0 0
1 2 0 3 u 0
1 4 0 3 y 0
= 2:
0 0 0 0 z 0
1 2 0 1 u 0
1 2
1 4
0 0
1 2
0 1 2 0 3 0 1 0 0 1 0
0 0 1 0 1 0 0 1 0 1 0
0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 1 0 0 0 0 0 0
de donde obtenemos que x u = 0, y + u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
0 3
0 3
0 0
0 1
411
V() = {(x, y, z, u) / x - u = 0, y + u = 0}
BaseV() = {(1, -1, 0, 1) , (0, 0, 1, 0)} dimV() = 2.
EJEMPLO 8.2.11
Para cada una de las siguientes transformaciones lineales, determine sus valores y
vectores caractersticos:
a.- f : P1 P1, f(a + bx) = a + (a + b)x;
b.- f : R2 R2, f((a, b)) = (a + b, b);
a b 4a 5b
2b
c.- f : (2, 2) (2, 2), f
.
c d 2c d c 3d
SOLUCION
a.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
1 0
[f ]
.
1 1
Para encontrar el polinomio caracterstico, debemos resolver el siguiente
determinante:
Det(f - I) = 2 - 2 + 1 = (1 - )2 = 0.
Por tanto los valores caractersticos son: = 1, siendo ste de multiplicidad
algebraica 2. Los vectores caractersticos se encuentran reemplazando cada valor
caracterstico en la ecuacin caracterstica, y luego se resuelve cada sistema de
ecuaciones homogneo:
0 0 0
0 0 x 0
= 1:
1 0 y 0
1 0 0
de donde obtenemos que x = 0. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / x = 0} BaseV() = {(0, 1)} dimV() = 1.
b.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
1 1
[f ]
.
0 1
Para encontrar el polinomio caracterstico, debemos resolver el siguiente
determinante: Det(f - I) = 2 - 2 + 1 = (1 - )2 = 0.
Por tanto los valores caractersticos son: = 1, siendo ste de multiplicidad
algebraica 2. Los vectores caractersticos se encuentran reemplazando cada valor
caracterstico en la ecuacin caracterstica, y luego se resuelve cada sistema de
ecuaciones homogneo:
0 1 0
0 1 x 0
= 1:
0 0 y 0
0 0 0
de donde obtenemos que y = 0. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / y = 0} BaseV() = {(1, 0)} dimV() = 1.
c.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
4 5 0 0
0 2 0 0
[f ]
.
0 0 2 1
0 0 1 3
El polinomio caracterstico tiene la forma siguiente:
p() 4 113 432 70 40 .
JOE GARCIA ARCOS
412
5 5
5 5
4 113 432 70 40 ( 2)( 4)
2
2
5 5
5 5
= 2, = 4,
,
.
2
2
Donde todos los valores caractersticos tienen multiplicidad algebraica 1. Los
vectores caractersticos se encuentran reemplazando cada valor caracterstico en
la ecuacin caracterstica, y luego se resuelve cada sistema de ecuaciones
homogneo:
2 5 0 0 0 2 5 0 0 0
2 5 0 0 x 0
0
0
0
0
y
0
0 0 0 0 0 0 0 0 0 0
= 2:
0 0 0 1 0 0 0 0 1 0
0 0 0 1 z 0
0 0 1 1 u 0
0 0 1 1 0 0 0 1 0 0
de donde obtenemos que 2x + 5y = 0, z = u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / 2x + 5y = 0, z = u = 0}
BaseV() = {(-5, 2, 0, 0)} dimV() = 1.
0 5 0 0 x 0
0 2 0 0 y 0
= 4:
0 0 2 1 z 0
0 0 1 1 u 0
0 5 0 0 0 0 5 0 0 0 0 5 0 0 0
0 2 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 2 1 0 0 0 2 1 0 0 0 1 0 0
0 0 1 1 0 0 0 0 1 0 0 0 0 1 0
de donde obtenemos que y = z = u = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / y = z = u = 0}
BaseV() = {(1, 0, 0, 0)} dimV() = 1.
3 5
5
0
0
x 0
1 5
0
0
0
5 5
2
y 0
:
z 0
2
1 5
0
0
1
2
u 0
1 5
0
0
1
2
3 5
5
0
0
1 5
0
0
0
0
2
0
1 5
0
1
0
2
1 5
0
0
1
2
413
1 5
1 5
2
1 5
2
0
0 0
0
1 0
0
0
0
5 5
:
2
0
3 5
5
5 1
0
2
0
0
0
0
5
5 1
2
0
5 1
2
x 0
y 0
z 0
u 0
5
1
2
0
0
1 5
0 2
0
0
0 0
0
5 1
1
0 0
2
1 5 0
1
2
0
5 1
2
0
0
0
0 0
0
5 1
1 0
2
0
0
0
PROBLEMAS
8.2.1
Encuentre un ejemplo en el que los vectores
caractersticos de una transformacin lineal f
relacionados con el valor caracterstico nulo, y solamente
ellos, pertenecen al ncleo de esta transformacin.
1 0
JOE GARCIA ARCOS
414
1 0 0
8.2.4
Sea un valor caracterstico de una
transformacin lineal f. Sea V() el subespacio propio
correspondiente. Demustrese que:
a.- Si u est en V(), y si v = (f - I)u O, entonces u,
v es conjunto linealmente independiente.
b.- Si u est en V() y si (f - I)2u O, entonces u, (f I)u, (f - I)2u es conjunto linealmente independiente.
8.2.5 Demuestre con un ejemplo que si una
transformacin lineal f es no singular, entonces los
vectores caractersticos de f y de f -1 son los mismos.
Hallar la relacin entre los valores caractersticos de
estas transformaciones.
8.2.6
D un ejemplo en el que los vectores
caractersticos relativos a los valores caractersticos no
nulos pertenecen a la imagen de esta transformacin.
8.2.7 Si x es un nmero real, entonces ex puede definirse
mediante la serie
1
1
1
eA = I + A + A 2 + A3 + A 4 + ...
2!
3!
4!
0
Sea B
. Demuestre que, si ,
0
entonces los vectores caractersticos asociados con
son todos los vectores no nulos c(1, 0) y aquellos
asociados con son todos los vectores no nulos c(0, 1).
Muestre que si = , entonces los vectores
caractersticos asociados con son todos los vectores no
nulos (x, y).
8.2.8
8.2.9
En cada una de las siguientes matrices,
encuntrense los valores caractersticos y los
subespacios propios:
1 2 3
0 1 2
a.- 0 1 4 ; b.- 0 0 3 ;
0 0 2
0 0 1
0
0
1
1
1
c.- 0 0 2 ; d.- 0 2 6 ;
0 0 0
0 0 2
0 1 0
e.- 0 1 1 ;
0 1 1
1 2 0
f.- 0 1 2 .
2 0 1
415
que dicha confusin pudiera darse, pero como estos dos usos de la palabra
equivalencia estn bien establecidos, el lector deber aprender a distinguirlos. En
primer lugar, dado un conjunto S y una relacin sobre S.
TEOREMA 8.3.1
La relacin sobre un conjunto de matrices de orden n x m, llamada
equivalencia, es una relacin de equivalencia. Adems, dos matrices A, B
(n x m), son equivalentes si y slo si, el rango de la matriz A es igual al
rango de la matriz B.
DEMOSTRACION
Es claro que A A puesto que A = IAI. De A B obtenemos B = PAQ. Por tanto,
A = P-1BQ-1. As, B A. Si A B (B = PAQ) y B C (C = P1BQ1). Entonces
C = (P1P)A(QQ1)
Como P1P es no singular si tanto P como P1 son no singulares y QQ1 es no singular si
tanto Q como Q1 son no singulares, vemos que A C. As, la equivalencia es una
relacin de equivalencia. Si A B, entonces PAQ = B para P y Q no singulares.
Como
Rang(A) = Rang(PA) = Rang((PA)Q) = Rang(B)
obtenemos que Rang(A) = Rang(B). Supngase, recprocamente que Rang(A) =
Rang(B). Deseamos demostrar que A B. Sea r = Rang(A) = Rang(B). Entonces
I O
PAQ =
= P1BQ1
O O
para ciertas matrices no singulares P, P1, Q, Q1. Por tanto,
B = (P-1P1)-1A(Q1Q-1)-1.
En consecuencia, A B.
DEFINICION 8.3.2
Sean A, B (n x n). Entonces B es semejante a A sobre K si existe una
matriz no singular P (n x n) tal que B = P-1AP.
TEOREMA 8.3.2
En el conjunto de matrices de n x n, la semejanza sobre K es una
relacin de equivalencia.
DEMOSTRACION
a.- A es semejante a A sobre K puesto que A = I-1AI.
b.- Si B es semejante a A sobre K de modo que B = P-1AP, entonces A = (P-1)-1BP-1,
y por tanto, A es semejante a B sobre K.
c.- Si B es semejante a A sobre K y C es semejante a B sobre K, de manera que
B = P-1AP y C = Q-1BQ, entonces C = (PQ)-1A(PQ) y, por consiguiente, C es
semejante a A sobre K.
Como la semejanza es una relacin de equivalencia, sabemos ahora que el
conjunto de matrices n x n se descompone en subconjuntos que no se traslapan.
Estos subconjuntos no traslapados de n x n se llaman clases de semejanza. Una de
las metas de la teora de semejanza es hallar un mtodo para determinar cuando
dos matrices A y B estn en la misma clase de semejanza. Resulta entonces que
dos matrices cuadradas son semejantes si, y slo si, son matrices asociadas a un
mismo endomorfismo en bases diferentes.
A continuacin se pretende poner de manifiesto que dos matrices semejantes
tienen iguales valores caractersticos, y stos con igual orden; se probar que, sin
embargo, no se verifica la implicacin recproca, esto es, dos matrices cuadradas
con iguales valores caractersticos y stos con iguales rdenes, pueden no ser
semejantes. Tambin se probar que la semejanza conserva las dimensiones de los
subespacios propios.
JOE GARCIA ARCOS
416
417
0 c2 q 1
c2 n
0 0
C
0 0
0 cn q 1
cn n
418
EJEMPLO 8.3.3
Sea A una matriz de n x n tal que A2 = O. Demuestre que si B es semejante a A,
entonces B2 = O.
JOE GARCIA ARCOS
419
SOLUCION
Suponga que A2 = O y que B = P-1AP. Entonces
B2 = P-1APP-1AP = P-1A2P = P-1OP = O.
EJEMPLO 8.3.4
Demuestre que si A y B son semejantes, entonces A2 es semejante a B2.
SOLUCION
Suponga que A y B son semejantes, entonces B = P -1AP. De donde
B2 = BB = (P-1AP)(P-1AP) = P-1A(PP-1)AP = P-1AIAP = P-1A2P
lo cual implica que A2 es semejante a B2.
EJEMPLO 8.3.5
Sea A = CD, donde C es una matriz no singular n x n. Demuestre que la matriz
DC es semejante a A.
SOLUCION
Suponga que A = CD, donde C es no singular. Entonces C-1A = D y se tiene
DC = C-1AC, lo cual implica que DC es semejante a A.
EJEMPLO 8.3.6
Sean A y B matrices de n x n. Demuestre que si A es no singular, entonces AB es
semejante a BA.
SOLUCION
Suponga que A y B son matrices de n x n con A no singular. Entonces,
BA = IBA = A-1ABA = A-1(AB)A
lo cual implica que AB es semejante a BA.
EJEMPLO 8.3.7
Sean A y B dos matrices de orden n.
a.- Demuestre que si I - AB es no singular, entonces I - BA tambin lo es y
(I - BA)-1 = I + B(I - AB)-1A
b.- Use el inciso a) para demostrar que las matrices AB y BA tienen los mismos
valores caractersticos.
SOLUCION
a.- Para probar que I BA es no singular, basta demostrar lo siguiente:
(I - BA)(I - BA)-1 = (I - BA)(I + B(I - AB)-1 A) = I
-1
-1
420
= Det(BA - I).
Con lo cual queda probado el inciso b).
EJEMPLO 8.3.8
Mostrar que la matriz A es semejante a la matriz B, obtenida mediante la
reflexin especular en su centro.
SOLUCION
La reflexin especular de una matriz A respecto de su centro, es una matriz B
igual a la transpuesta de A. Es decir B = AT. Si A y B son matrices semejantes,
entonces A = P-1BP = P-1ATP. Es decir, tendramos que probar que
Det(A - I) = Det(P-1BP - I)
= Det(P-1BP - P-1P)
= Det(P-1(BP - I)P)
= Det(P-1)Det(B - I)Det(P)
= Det(B - I)
= Det(AT - I).
EJEMPLO 8.3.9
Demostrar que cualquier matriz cuadrada A es semejante a su matriz transpuesta
AT.
SOLUCION
Para demostrar que A y AT son semejantes, hay que probar que A = P -1ATP y que
adems tienen el mismo polinomio caracterstico. Es decir:
Det(A - I) = Det(P-1ATP - I)
= Det(P-1ATP - P-1P)
= Det(P-1)Det(AT - I)Det(P)
= Det(AT - I).
EJEMPLO 8.3.10
Aclarar si son semejantes entre s las siguientes matrices:
3 2 5
6 20 34
A 2 6 10 , B 6 32 51 .
4 20 32
1 2 3
SOLUCION
Para comprobar que las matrices A y B son semejantes entre s, entonces stas
deben tener el mismo polinomio caracterstico:
3
2
5
Det(A - I) 2
6 10 3 6 2 12 8 ,
1
2
3
6-
20
-34
Det(B - I) = 6 32 - -51 = -3 + 35 2 - 94 + 56 .
1
2
-3 -
De esta manera queda comprobado que las matrices A y B no son semejantes
entre s.
EJEMPLO 8.3.11
Aclarar si son semejantes entre s las siguientes matrices:
4 6 15
1 3 3
13 70 119
A 1 3 5 , B 2 6 13 , C 4 19 34 .
1 2 4
1 4 8
4 20 35
SOLUCION
Para comprobar que las matrices A, B y C son semejantes entre s, entonces stas
JOE GARCIA ARCOS
421
PROBLEMAS
8.3.1 Demuestre que las matrices semejantes A y B
tienen la misma traza y el mismo determinante.
8.3.2 Dar un ejemplo de matrices singulares A y B de
3 x 3, para las cuales AB y BA no sean semejantes.
8.3.3 Suponga que A y B son matrices semejantes y que
A es no singular:
a.- Demuestre que B es no singular.
b.- Demuestre que A-1 y B-1 son semejantes.
8.3.4 Encuentre la matriz B para f con respecto a la base
S y demuestre que B es semejante a A, la matriz de f:
a.- f : R2 R2, f((x, y)) = (2x y, y x),
S = {(1, -2), (0, 3)}.
b.- f : R2 R2, f((x, y)) = (x + y, 4y),
S = {(-4, 1), (1, -1)}.
c.- f : R2 R2, f((x, y)) = (y, x),
S = {(1, -1), (1, 1)}.
d.- f : R2 R2, f((x, y)) = (x + y, x y),
S = {(0, 1), (1, 0)}.
e.- f : R3 R3, f((x, y, z)) = (x, y, z),
S = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}.
f.- f : R3 R3,
f((x, y, z)) = (x y + 2z, 2x + y z, x + 2y + z),
S = {(1, 0, 1), (0, 2, 2), (1, 2, 0)}.
422
diagonal.
En los casos en que esto sea posible, se dir que f es un endomorfismo
diagonalizable. Diagonalizar f es encontrar una base de V respecto de la cual la
matriz asociada a f que sea diagonal, determinando tambin dicha matriz. La
importancia que tiene la consecucin de este problema, cuando tenga solucin,
estriba en la gran simplicidad de las ecuaciones de f en la base que se busca.
Como quiera que las matrices asociadas a un mismo endomorfismo f, en las
distintas bases de V, son semejantes entre s, utilizando el lenguaje de las
matrices, el problema planteado se puede enunciar en los siguientes trminos:
Dada una matriz A de n x n, se pretende encontrar una condicin necesaria y
suficiente para que exista una matriz semejante a ella que sea diagonal y, cuando
la haya, localizar dicha matriz. Esto es, se desea averiguar si existir una matriz
no singular P de n x n tal que la matriz D = P-1AP, transformada por semejanza de
A mediante P, sea diagonal, determinado, en caso afirmativo, las matrices P y D.
Para abordar el problema planteado, se comenzar analizando cmo se comportan
las matrices diagonales en lo referente a valores y vectores caractersticos.
TEOREMA 8.4.1
Una matriz D (n, n) es diagonal si, y slo si, admite por vectores
caractersticos a las n matrices, E1, E2, ..., En (n, 1). Adems, el valor
caracterstico correspondiente al vector caracterstico E i, es el elemento
de la diagonal principal de D que ocupa el lugar (i, i); el orden de cada
valor caracterstico es el nmero de veces que l figura repetido en la
diagonal principal.
DEMOSTRACION
En el supuesto de que D sea diagonal, esto es, si
0
0
d11 0
0
0 d 22 0
0 d33
0
D 0
0
0
d
n
n
su ecuacin caracterstica es
Det(D - I) (-1)n( - d11)( - d22)( - dnn) = 0
Por tanto, sus valores caractersticos son los elementos de la diagonal principal.
Adems, como (D dii)Ei = , se verifica que E1, E2, ..., En son vectores
caractersticos de D correspondientes, respectivamente, a los vectores
caractersticos d11, d22, ..., dnn.
Recprocamente, si E1, E2, ..., En son vectores caractersticos de D, llamando
i al valor caracterstico correspondiente al vector caracterstico E i, ha de ser
DEi = iEi; ahora bien, como DEi es la matriz columna de lugar i de la matriz D,
resulta que la columna de lugar i tiene el elemento (i, i) valiendo i y el resto de
sus elementos son nulos.
En consecuencia, D es diagonal y sus valores caractersticos son los elementos de
la diagonal principal.
DEFINICION 8.4.1
Una matriz A de n x n se dice diagonalizable si existe P de n x n tal que
D = P-1AP es una matriz diagonal; cuando as ocurra, a D se la llamar
forma diagonal de A y P ser la matriz no singular que transforma la
matriz A en matriz diagonal.
Si A fuese diagonalizable, y si su forma diagonal es la matriz D cuyos elementos
JOE GARCIA ARCOS
423
de la diagonal principal son d11, d22, ..., dnn, como quiera que dos matrices
semejantes tienen los mismos valores caractersticos y stos con iguales rdenes,
del precedente anlisis de las matrices diagonales se deduce que 1 = d11, 2 = d22,
..., n = dnn habran de ser valores caractersticos de A, siendo el orden de cada
uno de ellos igual al nmero de veces que aparece repetido en la diagonal
principal de D. Por tanto, para que A sea diagonalizable es necesario que admita,
si cada uno se cuenta tantas veces como indica su orden de multiplicidad,
exactamente n valores caractersticos; adems, y en el supuesto de ser A
diagonalizable, su forma diagonal tendra su diagonal principal constituida por los
valores caractersticos de A.
Aun en el supuesto de que A tenga n valores caractersticos, contando cada uno
un nmero de veces igual a su orden, todava no se sabe cundo ser
diagonalizable; si lo fuese, su forma diagonal sera la matriz D. Para analizar si A
es una matriz diagonalizable, puede razonarse de la siguiente manera:
a.- Supngase que A de n x n admite n vectores caractersticos independientes,
esto es, que existe una base de n x 1 formada por vectores caractersticos de A, a
los que se llamar v1 = (p11, p21, ..., pn1)T, v2 = (p12, p22, ..., pn2)T, ..., vn = (p1n, p2n,
..., pnn)T, correspondientes, respectivamente, a los valores caractersticos 1, 2, ...,
n, algunos de ellos pudiendo estar repetidos. Llamando P a la matriz
p11 p12 ... p1n
P
...
...
...
pn1 pn 2 ... pn n
que es no singular, pues las matrices v1, v2, ..., vn son linealmente independientes,
esto es, resulta que la matriz P-1AP admite por vectores caractersticos a los E 1,
E2, ..., En, ya que
(P-1AP)Ei = (P-1A)(PEi) = (P-1A)vi = P-1(Avi) = P-1(ivi) = iEi.
Por tanto, D = P-1AP es una matriz diagonal, cuya diagonal principal est formada
por los valores caractersticos de A; resultado ste que equivale a decir que A es
diagonalizable.
b.- Por el contrario, si A no admite n vectores caractersticos linealmente
independientes, entonces no es diagonalizable. En efecto; si lo fuese, su forma
diagonal admitira n vectores caractersticos linealmente independientes y,
tambin los admitira A, en contra de lo supuesto.
TEOREMA 8.4.2
Una matriz A es diagonalizable si, y slo si, admite n vectores
caractersticos linealmente independientes. Se verifica, por tanto, que
para que A sea diagonalizable es necesario y suficiente que se verifiquen
los dos requisitos siguientes:
a.- La matriz A admite, si se cuenta cada uno un nmero de veces igual
a su orden de multiplicidad, exactamente n valores caractersticos.
Cuando el cuerpo K es algebraicamente cerrado, y en particular si es K =
C, esta condicin se satisface para toda matriz A.
b.- El orden de cada uno de los valores caractersticos de A es igual a la
dimensin de su subespacio propio.
TEOREMA 8.4.3
Si una matriz A admite n valores caractersticos diferentes, entonces es
diagonalizable.
DEMOSTRACION
Si A admite valores caractersticos 1, 2, ..., n diferentes, como sus rdenes son
ki = 1, y dado que las dimensiones de los subespacios propios, qi, satisfacen
JOE GARCIA ARCOS
424
(%d)
EN
LA
ECUACIN
425
%solucion
fprintf('\n LA MATRIZ REDUCIDA (%d) ES: \n',c)
R=rref(B);
R
end
fprintf('\n VECTORES CARACTERISTICOS \n')
V=vector';
for f2=1:filcol
fprintf('\n V%d : \n',f2)
V(f2,1:filcol)
end
P=vector;
fprintf('\n CONSTRUIMOS LA MATRIZ P:\n')
P
fprintf('\n ENCONTRAMOS LA INVERSA DE P:\n')
Q=inv(P);
Q
fprintf('\n DIAGONALIZAMOS D=Q*A*P:\n')
D=Q*A*P;
D
EJEMPLO 8.4.1
Sea f : R3 R3 el endomorfismo que admite los valores caractersticos 1 = 1,
2 = 2, 3 = -1 y que tiene por vectores caractersticos correspondientes a dichos
valores caractersticos a los vectores (1, 1, 1), (0, 1, 2) y (1, 2, 1),
respectivamente. Obtngase la matriz asociada a f respecto de la base cannica de
R3. Determine Ak.
SOLUCION
Sabemos que una matriz A es diagonalizable si existe una matriz P no singular,
tal que D = P-1AP, entonces A = PDP-1. Es decir:
1
3
2 1 2 2 2 1
1 0 1 1 0 0
1 3
5
1
A 1 1 2 0 2 0
0
3
2 2
2
1 2 1 0 0 1 2
1
1
0
2
3
2
2
Para encontrar la matriz A , debemos aplicar Ak = PDkP-1:
1
3
1
k 2
2
1 0 1 1 0 0
1
1
A k 1 1 2 0 2 0
0
2
2
1 2 1 0 0 1
1 1 1
2
2
1
3
1
k
2
0
0 2
1 0 1 1
1
1
1 1 2 0 2k
0
0
2
2
1 2 1
0 0 (1) k 1
1
2
2
Si k es par, tenemos
426
k
1 0 1 1
A k 1 1 2 0
1 2 1
0 2
1
0
2
1k 1
0
2k
0
1
0
1
1
2 1
1 1 2k
2 2
k
1
1 2
2
2 1
2
2k
1
0
Si k es impar
1 0 1 1
A 1 1 2 0
1 2 1
0
k
0
2k
0
0 2
1
0
2
(1)k 1
1
0
1
1
2
1
2
1
2
3 (1) k
1 (1) k
(1) k 1
2
2
2k (1) k 3
2k 2(1) k 1
k
2(1) 1
.
2
2
2k 1 (1) k 3
2k 1 (1) k 1
k
(1) 1
2
2
EJEMPLO 8.4.2
Diagonalizar la matriz
1 1 4
A 3 2 1
2 1 1
SOLUCION
Para diagonalizar la matriz A, debemos encontrar los valores y vectores
caractersticos. Es decir:
1 1
4
= (1 - )( - 3)( + 2) = 0
3
2
1
2
1
1
3 1 4
1 = -2: 3 4 1
2 1 1
0
0
1 = -2,
3 1
0 1
0 1
2 = 1, 3 = 3.
4 0 1 0 1
1 0 0 1 1
1 0 0 0 0
0
0
SpanV(-2) = {(a, b, c) / a = - c, b = c}
BaseV(-2) = {(-1, 1, 1)} dimV(-2) = 1.
0 1 4 0 3 1 1 0 1 0 1 0
2 = 1: 3 1 1 0 0 1 4 0 0 1 4 0
2 1 2 0 0 1 4 0 0 0 0 0
3 = 3: 3 1 1 0 0 1 2 0 0 1 2 0
2 1 4 0 0 0 0 0 0 0 0 0
427
P 1 4 2 P 1 1 2 3
6
1 1 1
3 0 3
2 2 6 1 1 4 1 1 1 2 0 0
1
D 1 2 3 3 2 1 1 4 2 0 1 0 .
6
3 0 3 2 1 1 1 1 1 0 0 3
EJEMPLO 8.4.3
Demuestre que si la matriz A es diagonalizable, entonces su transpuesta tambin
lo es.
SOLUCION
Suponga que la matriz A es diagonalizable. Entonces P-1AP = D es diagonal y
DT = (P-1AP)T = PTAT(P-1)T = PTAT(PT)-1
es diagonal. Por consiguiente, AT es diagonalizable.
EJEMPLO 8.4.4
Demuestre que si A es diagonalizable con n valores caractersticos reales 1, 2,
, n, entonces Det(A) = 12 n
SOLUCION
Suponga que A es diagonalizable con valores caractersticos reales 1, 2, , n.
Entonces
1 0
0
0 2
0
Det(A) = Det(P -1AP)
1 2 n .
0
EJEMPLO 8.4.5
Determnese, segn los diferentes valores de a, b R, los subespacios propios del
endomorfismo f : R3 R3 que, respecto de la base cannica tiene asociada la
matriz:
a b 0
0 1 0
0 0 1
= a: 0 1 a
0 y 0
0
0
1 a
z 0
JOE GARCIA ARCOS
428
0
b
0 0 0 b
0 0
0 0 0 0
0 0
0 1 a
0
0
1 a 0 0 0 1 a 0
= 1: 0
2 0 0 0
2 0 0
2 0 y 0 0
0
0
0 0 0 0
0 0 0
0 0
z 0
= -1: 0
0 0 0
0 0 y 0 0
0
0
0 2 0
0 2
z 0
A 0 1
a y B a 2 a a 1
0 0
2
1
1
0
Para los valores de a que las hacen diagonalizables, hllese su forma diagonal D y
una matriz no singular P tal que D = P-1AP y D = P-1BP, respectivamente.
SOLUCION
Para la matriz A, el polinomio caracterstico tiene la forma siguiente:
p() 3 32 3 1 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
3 32 3 1 0 ( 1)3 0 = 1.
Donde = 1 tiene multiplicidad algebraica 3. Los subespacios propios se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
0 2 2 a 0 0 2a 0 0
0 2 2 a x 0
a
0 0 0 a 0
= 1: 0 0
a y 0 0 0
0 0
0 0
0
0 0 0 0 0
0
z 0
429
z 0
a
a
a 0 a 0 2a 0
a 2 a 1 a 1 0 0 a 3a 0
2
1
1 0 0 0
0 0
EJEMPLO 8.4.7
Sabiendo que f : R3 R3 es un endomorfismo diagonalizable que admite por
vectores caractersticos a los vectores (-1, 2, 2), (2, 2, -1), (2, -1, 2) y que
f((5, 2, 5)) = (0, 0, 7), hllense los valores caractersticos de f y su ecuacin en
base cannica.
SOLUCION
Sabemos que f(u) = u, entonces:
(0, 0, 7) = (5, 2, 5) = (5, 2, 5) = 0 y = 7/5.
Donde = 0 tiene multiplicidad algebraica 2 y = 7/5 tiene multiplicidad
algebraica 1. Como D = P-1AP, entonces A = PDP-1. Es decir:
2 28
14 28
1 2
9 45
45 45
1 2 2 0 0 0 9 9
2
2
1
14
7
14
A 2 2 1 0 0 0
.
9
9
45 45
45
2 1 2
9
0 0 7 2
1 2 28
14 28
9 9 45
45 45
9
De donde la transformacin lineal es:
1
f ((a, b, c)) (28a 14b 28c, 14a 7b 14c, 28a 14b 28c) .
45
EJEMPLO 8.4.8
Dada la matriz:
6
2 2
A 0 a 4 a
0 a
a
430
diagonal.
SOLUCION
El polinomio caracterstico tiene la forma siguiente:
p() 3 22 4a 8a .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
3 22 4a 8a 0
( 2)(2 4a) 0
= 2, 2 a , 2 a .
a.- Para que la matriz A sea diagonalizable, los valores caractersticos deben
tener multiplicidad algebraica 1 (todos los valores caractersticos deben ser
diferentes). Para conseguir esto, a 0. Si a = 0, obtenemos un valor caracterstico
de multiplicidad algebraica 2 y un subespacio propio de multiplicidad geomtrica
1, lo cual no permite diagonalizar la matriz A.
b.- Si a = 1, entonces = 2 y = -2, donde = 2 tiene multiplicidad algebraica
2 y = -2 tiene multiplicidad algebraica 1. Los subespacios propios se encuentran
reemplazando cada valor caracterstico en la ecuacin caracterstica, y luego se
resuelve cada sistema de ecuaciones homogneo:
0 2 6 0 0 0 0 0
0 2 6 x 0
= 2: 0 1 3 y 0 0 1 3 0 0 0 0 0
0 1 3 z 0
0 1 3 0 0 1 3 0
de donde obtenemos que y 3z = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z) / y 3z = 0}
BaseV() = {(1, 0, 0), (0, -3, 1)} dimV() = 2.
Como = 2 tiene multiplicidad algebraica 2 y multiplicidad geomtrica 2,
entonces la matriz es diagonalizable.
4 2 6 0 1 0 2 0
4 2 6 x 0
= -2: 0 3 3 y 0 0 3 3 0 0 1 1 0
0 1 1 z 0
0 1 1 0 0 0 0 0
431
SOLUCION
Para que la matriz A sea diagonalizable, sus valores caractersticos deben ser
diferentes (tener multiplicidad algebraica 1). Entonces, para que su transpuesta
sea tambin diagonalizable, ambas deben tener el mismo polinomio caracterstico.
Es decir, debemos probar que Det(A - I) = Det(AT - I):
Det(A - I) = Det(A - I)T = Det(AT - IT) = Det(AT - I).
Con esto hemos demostrado que A y AT son diagonalizables.
EJEMPLO 8.4.11
Dada una matriz A (n, n):
a.- Prubese que si A es diagonalizable, entonces tambin lo es A2.
b.- Sabiendo que u (n, 1) es un vector caracterstico de A2, que no es vector
caracterstico de A, encuntrese otro vector caracterstico de A2 independiente de
u y correspondiente al mismo valor caracterstico que u.
SOLUCION
a.- Para que la matriz A sea diagonalizable, debe existir una matriz P no singular
tal que D = P-1AP. Para que A2 sea diagonalizable, debemos probar que
D2 = P-1A2P:
D2 = DD = (P-1AP)(P-1AP) = P-1APP-1AP = P-1AIAP = P-1AAP = P-1A2P.
De esta manera se demuestra que si A es diagonalizable, A2 tambin lo es.
b.- Sea u un vector caracterstico, correspondiente al valor caracterstico de la
matriz A2 (este vector se obtiene de resolver el sistema (A2 - I)u = ). Para
encontrar otro vector caracterstico de A2, independiente de u y que corresponda
al valor caracterstico , debemos resolver el siguiente sistema:
(A2 - I)v = u
donde v es el vector caracterstico solicitado. Aqu: tanto u como v, no son
vectores caractersticos de la matriz A.
EJEMPLO 8.4.12
Demuestre que la matriz:
2 1 3
A 1 1 4
3 4 2
EJEMPLO 8.4.13
Demustrese que los siguientes endomorfismos f : R3 R3 son diagonalizables.
En cada caso encuentre una base S de R3 respecto de la cual la matriz que
representa a f es una matriz diagonal.
a.- f((a, b, c)) = (2a, 3a + 2b + c, 4a + b + 2c);
b.- f((a, b, c)) = (5a - 3b + 2c, 6a - 4b + 4c, 4a - 4b + 5c);
c.- f((a, b, c)) = (7a - 12b + 6c, 10a - 19b + 10c, 12a - 24b + 13c).
SOLUCION
a.- La matriz del endomorfismo es:
432
2 0 0
[ f ] 3 2 1 .
4 1 2
= 1: 3 1 1 y 0
4 1 1 z 0
1 0 0 0 1 0 0 0 1 0 0 0
3 1 1 0 0 1 1 0 0 1 1 0
4 1 1 0 0 1 1 0 0 0 0 0
de donde obtenemos que x = 0, y + z = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z) / x = 0, y + z = 0}
BaseV() = {(0, -1, 1)} dimV() = 1.
0 0 0 0 0 0 0 0
0 0 0 x 0
= 2: 3 0 1 y 0 3 0 1 0 3 0 1 0
4 1 0 z 0
4 1 0 0 0 1 0 0
= 3: 3 1 1 y 0
4 1 1 z 0
1 0 0 0 1 0 0 0 1 0 0 0
3 1 1 0 0 1 1 0 0 1 1 0
4 1 1 0 0 1 1 0 0 0 0 0
[ f ] 6 4 4 .
4 4 5
433
4 3 2 0 4 3 2 0 1 0 1 0
6 5 4 0 0 1 2 0 0 1 2 0
4 4 4 0 0 1 2 0 0 0 0 0
de donde obtenemos que x - z = 0, y - 2z = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z) / x - z = 0, y - 2z = 0}
BaseV() = {(1, 2, 1)} dimV() = 1.
3 3 2 x 0
= 2: 6 6 4 y 0
4 4 3 z 0
3 3 2 0 3 3 2 0 1 1 0 0
6 6 4 0 0 0 0 0 0 0 0 0
4 4 3 0 0 0 1 0 0 0 1 0
= 3: 6 7 4 y 0
4 4 2 z 0
2 3 2 0 2 3 2 0 2 0 1 0
6 7 4 0 0 2 2 0 0 1 1 0
4 4 2 0 0 2 2 0 0 0 0 0
[ f ] 10 19 10 .
12 24 13
434
8 12
= -1: 10 18
12 24
10
12
6 x 0
10 y 0
14
z 0
12 6 0 4 6 3 0 2 0 1 0
18 10 0 0 6 5 0 0 6 5 0
24 14 0 0 6 5 0 0 0 0 0
de donde obtenemos que 2x - z = 0, 6y - 5z = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z) / 2x - z = 0, 6y - 5z = 0}
BaseV() = {(3, 5, 6)} dimV() = 1.
1 2 1 0 1 2 1 0
6 12 6 x 0
= 1: 10 20 10 y 0 1 2 1 0 0 0 0 0
12 24 12 z 0
1 2 1 0 0 0 0 0
EJEMPLO 8.4.14
Pruebe que los siguientes operadores f : (2, 2) (2, 2) son diagonalizables.
En cada caso, encuentre una base S de (2, 2) respecto de la cual la matriz que
representa a f es una matriz diagonal. Determine la matriz Ak:
a b 2a 2b
a 5b
a.- f
;
c d 2a c 4a 8c 3d
a b a 6b 12c
4b 6c
f
.
c
d
3
b
5
c
3
b
6c d
SOLUCION
a.- La matriz del endomorfismo es:
2 2 0 0
1 5 0 0
.
[f ]
2 0 1 0
4 0 8 3
b.-
1
= -1:
2
4
3
1
1
435
2 0
6 0
0 0
0 8
0 x 0
0 y 0
0 z 0
4 u 0
0 3 2 0 0 0 3 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0
0 0 1 0 0 0 0 0 0 0 0
0 0 2 6 3 0 0 0 2 1 0
de donde obtenemos que x = y = 0, -2z + u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / x = y = 0, -2z + u = 0}
BaseV() = {(0, 0, 1, 2)} dimV() = 1.
1 2 0 0 x 0
1 2 0 0 y 0
= 3:
2 0 4 0 z 0
4 0 8 0 u 0
1
1
1
2 0
6 0
0 0
0 2
0
0
0
1
0 1 2 0 0 0 1 0 2 0
0 0 0 0 0 0 0 0 0 0
0 0 1 1 0 0 0 1 1 0
0 0 1 1 0 0 0 0 0 0
de donde obtenemos que x 2z = 0, y - z = 0. Por consiguiente el
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / x 2z = 0, y - z = 0}
BaseV() = {(2, 1, 1, 0), (0, 0, 0, 1)} dimV() = 2.
2 2 0 0 x 0
1 1 0 0 y 0
= 4:
2 0 5 0 z 0
4 0 8 1 u 0
1
1
2
2 0
2 0
0 2
0 2
0
0
0
0
0
0
subespacio
0 1 1 0 0 0 4 0 0 5 0
0 0 0 0 0 0 0 0 0 0 0
0 0 2 5 0 0 0 4 0 5 0
0 0 4 8 1 0 0 0 2 1 0
de donde obtenemos que 4x 5u = 0, 4y 5u = 0, 2z u = 0. Por consiguiente el
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / 4x 5u = 0, 4y 5u = 0, 2z u = 0}
BaseV() = {(5, 5, 2, 4)} dimV() = 1.
La base S de (2, 2) tiene la siguiente forma:
{(0, 0, 1, 2), (2, 1, 1, 0), (0, 0, 0, 1), (5, 5, 2, 4)}.
La matriz Ak esta dada de la siguiente manera:
3 1
k
1 0
0 2 0 5 1 0 0 0 5 5
0 1 0 5 0 3 0 0 1 1 0 0
k
A
1 1 0 2 0 0 3 0 2 2 2 1
2 0 1 4 0 0 0 4 1 2 0 0
5 5
1 0 0
1 0 0
0 5 0
0 8 1
436
2
1
1
0
0
0
0
1
k
5 (1)
5 0
2 0
4 0
3k
3k
3 1
0 5 5 1
0 1 1 0
0 2 2 2
4k 1 2 0
5 5
0
1
2 3k 22 k
22 k 1 2 3k
0
0
k
2k
2 k 1
k
3 2
2
3
0
0
k
2 k 1
3(1) k
22( k 1) ( 1)
3k 2
k
k
3
(1)
0
5
5
22( k 1) 6(1) k
22 k 3 2(1) k
k
k
k
k
k
2 3
2(1) 2 3 3
23
5
5
0 4 6 0
.
[f ]
0 3 5 0
0 3 6 1
El polinomio caracterstico tiene la forma siguiente:
p() = 4 - 3 - 32 + 5 - 2.
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
4 - 3 - 32 + 5 - 2 = 0 ( - 1)3( + 2) = 0 = 1 y = -2.
El valor caracterstico = 1 tiene multiplicidad algebraica 3, y = -2
multiplicidad algebraica 1. Los vectores caractersticos se encuentran
reemplazando cada valor caracterstico en la ecuacin caracterstica, y luego se
resuelve cada sistema de ecuaciones homogneo:
0 1 2 0 0 0 1 2 0 0
0 1 2 0 x 0
0
1
2
0
y
0
0 1 2 0 0 0 0 0 0 0
= 1:
0 1 2 0 0 0 0 0 0 0
0 1 2 0 z 0
0 1 2 0 u 0
0 1 2 0 0 0 0 0 0 0
de donde obtenemos que y + 2z = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / y + 2z = 0}
BaseV() = {(1, 0, 0, 0), (0, -2, 1, 0), (0, 0, 0, 1)} dimV() = 3.
1 2 4 0 x 0
0 1 1 0 y 0
= -2:
0 1 1 0 z 0
0 1 2 1 u 0
0
0
0 1 0 6 0 0 1 0 0 6 0
0 0 1 1 0 0 0 1 0 1 0
0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 1 0 0 0 1 1 0
de donde obtenemos que x + 6u = 0, y u = 0, z + u = 0. Por consiguiente el
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / x + 6u = 0, y u = 0, z + u = 0}
BaseV() = {(-6, 1, -1, 1)} dimV() = 1.
La base S de (2, 2) tiene la siguiente forma:
2 4 0
1 1 0
1 1 0
1 2 1
437
{(1, 0, 0, 0), (0, -2, 1, 0), (0, 0, 0, 1), (-6, 1, -1, 1)}.
La matriz Ak esta dada de la siguiente manera:
1 0
0 2
Ak
0 1
0 0
1 0
0 2
0 1
0 0
0 6 1 0 0 0
0 1 0 1 0 0
0 1 0 0 1 0
1 1 0 0 0 2
k
0 0
0 6 1
0 1 0 1k 0
0 1 0 0 1k
1 1 0 0 0
1 0
0 2
0 1
0 0
0 6
0 1
0 1
1 1
0 1 6 12
0 0 1 1
2
0 0 1
k 0 1
2
(2)
1 3 2k 1 (1)k 6 3 2k 2 (1) k 12
0
2 2k (1) k
2 2k 1 (1) k
2k (1) k 1
2k 1 (1) k 1
0
1 2k (1) k
2 2k 1 ( 1) k
0
0
1
0
.
0
PROBLEMAS
a b
A
es
c d
diagonalizable si 4bc < (a d)2 y no diagonalizable si
4bc > (a d)2.
8.4.1
Demuestre
que
la
matriz
d.- 1 0 1 ; e.- 4 6 9 ;
1 2 1
3 6 8
f.- 5
1
h.- 2
1
1 2
3 3 ;
0 2
2 1
0 3 .
3 0
3 1 0
g.- 4 1 0 ;
4 8 2
a.-
;
b.;
c.
0 1 4 ;
2
1
5
1
0 5 2
0
d.-
0
0 0
1 0
0 2
0 3
0
.
7
0 2 3 4
A
0 0 3 4
0 0 0 4
es diagonalizable. Encuentre una matriz no singular P
tal que P-1AP sea una matriz diagonal.
8.4.8 Para cada una de las siguientes matrices,
determine la expresin general de su n-sima potencia:
7 12 2
2 8 6
a.- 3 4 0 ; b.- 4 10 6 .
4 8 4
2 0 2
438
439
los valores caractersticos de A pueden ser nmeros complejos, aun cuando A sea
real; lo que s se sabe es que, por ser reales los coeficientes de la ecuacin, si una
matriz real tiene valor caracterstico complejo, tiene tambin por valor
caracterstico el complejo conjugado y con igual orden que aqul. Para cada valor
caracterstico de A, los vectores caractersticos correspondientes a son los
vectores no nulos u C tales que Au = u; en general, estos vectores
caractersticos son complejos; pero, si es real, la ecuacin (A - I) = que da
los vectores caractersticos proporciona soluciones reales.
El problema que ahora se considera es aquel en el que la matriz cuadrada real A
de orden n es adems una matriz simtrica y, en tal hiptesis, se pretende
demostrar que todos los valores caractersticos de A son nmeros reales.
TEOREMA 8.5.1
Si A es una matriz simtrica, 1 y 2 son dos valores caractersticos de A
y u1 es un vector propio correspondiente a 1 y u2 lo es a 2, entonces se
verifica
(1 - 2)uT2 u1 = 0.
DEMOSTRACION
De acuerdo con la hiptesis, se verifica Au1 = 1u1 y Au2 = 2u2; multiplicando
por la izquierda la primera igualdad por uT2 y la segunda igualdad por uT1, se
obtiene:
uT2Au1 = 1uT2u1 y uT1Au2 = 2uT1u2
de la segunda de estas igualdades, y dado que A es simtrica, al trasponer ser
uT2Au1 = 2uT2u1
que comparada con la primera permite escribir
1uT2u1 = 2uT2u1
de donde
(1 - 2)uT2 u1 = 0.
TEOREMA 8.5.2
Todos los valores caractersticos de una matriz real y simtrica son
nmeros reales.
DEMOSTRACION
Todo valor caracterstico de la matriz real simtrica A es un nmero complejo,
y se pretende demostrar que tiene nula su parte imaginaria o, lo que es igual, que
coincide con su conjugado, es decir, = . Supngase que as no ocurre y que,
en consecuencia, fuese ; de esta hiptesis se pretende llegar a una
contradiccin que obliga a rechazarla. Si fuese, un valor caracterstico de A,
complejo pero no real, y u un vector caracterstico correspondiente a , es
decir, Au = u, donde u es la matriz columna de las coordenadas de u, entonces el
nmero complejo , , tambin sera valor caracterstico de A, ya que, por
ser A real, todos los coeficientes de la ecuacin caracterstica son reales y sta, al
admitir una raz compleja, admite tambin como raz a su conjugada; por otra
parte, dado que A es real, tomando conjugados en Au = u, se obtiene Au u ,
de donde se infiere que el vector u , conjugado del vector u, es un vector
caracterstico correspondiente a . Aplicando la proposicin anterior a los
valores caractersticos y y sus vectores caractersticos u y u , se obtiene
( - ) u T u = 0, pero como se ha supuesto que , habr entonces de
satisfacerse u T u = 0, es decir
a1a1 a2 a2 ... an an | a1 |2 | a2 |2 ... | an |2 0
de donde se deduce que ha de verificarse a1 = 0, a2 = 0, ..., an = 0, es decir, u = ,
JOE GARCIA ARCOS
440
441
442
u
es una
|| u ||
base ortonormal de V y adems v es vector caracterstico de f, ya que f(v) es un
vector de V, pues f(V) V, y, por tanto, para un cierto nmero real , es
f(v) = v, lo que confirma la veracidad. Queda por cerciorarse de que la propiedad
es verdadera para cualquiera que sea la dimensin q de V, en el supuesto de que
lo sea para los espacios de dimensiones q 1; en efecto, {u1, u2, ..., uq} una base
ortonormal de V, la cual puede completarse con n q vectores hasta constituir
una base ortonormal {u1, u2, ..., uq, uq+1, uq+2, ..., un} de Rn; como f es una
transformacin simtrica, la ecuacin de f en esta ltima base viene dada por una
matriz A simtrica, v = Au; por otra parte, como f(V) V, si u V, entonces
v = f(u) V, es decir, si las componentes de lugares q + 1, q + 2, ..., n de u son
nulas tambin lo son las de v = f(u) y, por tanto, A de ser tal que, para todo
u Rq, satisfaga a:
a1q
a1n a1
b1 a11
bq aq1
aqq
aqn aq
0
0
0 a
anq
an n 0
n1
en consecuencia, respecto de la base {u1, u2, ..., uq} de V, la restriccin
f |V : V V, de f a V, tiene ecuacin matricial v1 = A1u1, es decir:
a1q a1
b1 a11 a12
a2 q a2
b2 a21 a22
.
aqq aq
bq aq1 aq 2
Por ser A1 real y simtrica sus valores caractersticos son reales y hay al menos un
vector caracterstico real, u , para el que es f |V(u) = u, siendo el valor
caracterstico que admite a u por vector caracterstico; por tanto, f(u) = u, es
u
decir, u es vector caracterstico de f y, en consecuencia, v
V es vector
|| u ||
caracterstico de f. Considrese ahora el subespacio vectorial U, de V, ortogonal a
v, es decir, el constituido por todos los vectores de V ortogonales a v, el cual es de
dimensin q 1; para cualquiera que sea w U, es decir, w V y w v, ser
f(w) V y w v = 0, y en consecuencia:
f(w) v = (Aw)Tv = wTATv
= wTAv = wT(Av)
= w f(v)
= w v
= w v = 0
por consiguiente, si w U, entonces f(w) V y f(w) v, es decir, f(w) U,
resultando entonces que U es un subespacio de Rn de dimensin q 1 tal que f le
transforma en s mismo; por tanto, segn lo supuesto, la proposicin es verdadera
para U, es decir, U posee una base ortonormal de vectores caractersticos de f; en
consecuencia, al aadir a esta base el vector v, se obtiene una base ortonormal de
V formada por vectores caractersticos de f.
TEOREMA 8.5.6
Toda matriz real y simtrica es ortogonalmente diagonalizable.
443
DEMOSTRACION
La demostracin de este teorema resulta ya evidente: sea f : Rn Rn la
transformacin lineal asociada a la matriz A en la base cannica de Rn; f es,
entonces, una transformacin lineal simtrica y, por tanto, segn la consecuencia
anterior, existe una base ortonormal de Rn formada por vectores caractersticos de
f, los cuales lo son de A. La matriz P que se busca es, aquella cuyos vectores
columna son los vectores de dicha base ortonormal.
EJEMPLO 8.5.1
Demostrar que los mdulos de todos los valores caractersticos de una matriz
ortogonal son iguales a 1.
SOLUCION
Sea A una matriz ortogonal. Entonces
Au Av u AAv u v
para cualesquiera vectores reales u y v. Supongamos que = a + bi es un valor
caracterstico de la matriz A y que w = u + vi es su vector caracterstico
correspondiente. Entonces
Au = au bv, Av = av + bu,
de donde
v
v v Av Av a 2 v
b2 u
2abu v ,
v v Av Av a v
b u
2abu v .
v ) 2au v 0 .
u v Au Av (a 2 b2 )u v ab u
de donde
a( u
v ) 2bu v 0 .
Por consiguiente
u v u
0.
EJEMPLO 8.5.3
Demuestre que una matriz P de n x n es ortogonal s y slo si sus vectores
columna forman un conjunto ortonormal.
SOLUCION
Suponga que los vectores columna de la matriz P forman un conjunto ortonormal:
p11 p12 ... p1n
p
p22 ... p2 n
.
P ( p1 : p2 :...: pn ) 21
444
P P
p p p2 p2 ... p2 pn
2 1
p p p p ... p p
n
2
n
n
n 1
dado que el conjunto {p1, p2, ..., pn} es ortonormal, se tiene que pi p j 0 , i j
y pi pi pi
de la forma
1 0 0
0 1 0
PT P =
=I.
M M
M
0 0 1
T
-1
Lo anterior implica que P = P y se concluye que P es ortogonal.
EJEMPLO 8.5.4
Diagonalizar ortogonalmente las siguientes matrices:
1 4 2
4 2 2
2 0 36
SOLUCION
a.- Para diagonalizar la matriz A, debemos encontrar los valores y vectores
caractersticos. Es decir:
1 4
2
= (6 - )( + 3)2 = 0 1 = -3, 2 = 6.
4 1
2
2
2 2
4 4 2
1 = -3: 4 4 2
2 2 1
0 4 4 2 0
0 0 0 0 0
0 0 0 0 0
SpanV(-3) = {(a, b, c) / 2a 2b + c =0}
BaseV(-3) = {(1, 0, -2), (0, 1, 2)} dimV(-3) = 2.
5 4 2 0 5 4 2 0 1 0 2 0
2 = 6: 4 5 2 0 0 1 2 0 0 1 2 0
2 2 8 0 0 1 2 0 0 0 0 0
4 2
Base ortogonal V() = (1, 0, 2), ,1, , (2, 2,1)
5
5
5 4 2 1
1
445
P 0
4
3 5
5
3 5
2
3 5
3
2
3
1
1
4
2
1
4
2
3
3
5 3 5
5 3 5
1 4 2
5
2
5
2
D = P T AP 0
4 1 2 0
3
3
3 5
3 5
2 2 2
2
2
2
1
2
1
3
3
5 3 5
5 3 5
3 0 0
0 3 0
0 0 6
1 = 2: 2 2 2
2 2 2
0 2 2 2 0
0 0 0 0 0
0 0 0 0 0
SpanV(2) = {(a, b, c) / a + b + c =0}
BaseV(2) = {(-1, 1, 0), (-1, 0, 1)} dimV(2) = 2.
4 2 2 0 2 1 1 0 2 1 1 0
2 = 8: 2 4 2 0 1 2 1 0 0 1 1 0
2 2 4 0 1 1 2 0 0 1 1 0
1 0 1 0
0 1 1 0
0 0 0 0
SpanV(8) = {(a, b, c) / a = c, b = c}
BaseV(8) = {(1, 1, 1)} dimV(8) = 1.
Base V() = {(-1, 1, 0), (-1, 0, 1), (1, 1, 1)}
1 1
Base ortogonal V() = (1,1, 0), , ,1 , (1,1,1)
2
2
2 1 1 1
1
1
1
1
2
6
3
1
1
1
P
6
3
2
2
1
0
6
3
446
1
1
1
1
1
1
2
6
3
2
6
3 2
4 2 2
1
1
1
1
1
1
D = P T AP =
2
4
2
0
2
6
3
6
3
2 2 4
0
2
1
2
1
0
0
6
3
6
3
36
0 0
2 0
0 8
vectores
23
1 = -50: 0 47 0
0 0 1 0 0 0 1 0 0
36 0 27 0 4 0 3 0 0 0 0 0
SpanV(-50) = {(a, b, c) / 4a - 3c = 0, b = 0}
BaseV(-50) = {(3, 0, 4)} dimV(-50) = 1.
1 0 36 0 1 0 36 0 1 0 36 0
2 = -3: 0 0 0
0 0 0 0
0 0 0 0
0
36 0 20 0 9 0 5
0 0 0 324 0
1 0 0 0
0 0 0 0
0 0 1 0
SpanV(-3) = {(a, b, c) / a = c = 0}
BaseV(-3) = {(0, 1, 0)} dimV(-3) = 1.
27 0 36 0 3 0 4 0 3 0 4
3 = 25: 0 28 0
0 0 1 0 0 0 1 0
36 0 48 0 3 0 4 0 0 0 0
SpanV(25) = {(a, b, c) / 3a 4c = 0, b = 0}
BaseV(25) = {(-4, 0, 3)} dimV(25) = 1.
Base V() = {(3, 0, 4), (0, 1, 0), (-4, 0, 3)}
0
0
4
3
5 0 5
1
1
4
3
0
5
5
T
4
4
3
3
5 0 - 5 -2 0 -36 5 0 - 5
D = P T AP = 0 1 0 0 -3 0 0 1 0
4
3 -36 0 -23 4
3
0
0
5
5
5
5
-50 0 0
= 0 -3 0 .
0 0 25
447
PROBLEMAS
8.5.1
Demuestre que si una matriz simtrica A
solamente tiene un valor caracterstico , entonces
A = I.
8.5.2 Obtener una matriz simtrica B de 2 x 2 tal que
B2 = A para la matriz
2 1
A
.
1 2
8.5.3 Determine una matriz ortogonal P tal que P -1AP
sea diagonal para la matriz
a b
A
.
b a
8.5.4 Diagonalizar ortogonalmente las
matrices:
1 2 1
0 2 3
a.- 2 3 0 ; b.- 2 4 1 ;
1 0 1
3 1 5
1
1
4
c.- 1 1 1 ; d.- 2 2 1 ;
3 1 2
1 1 0
siguientes
6 3 2
e.- 3 7 4 .
2 4 8
a.- 1 3 0 ; b.- 8 17 4 ;
4 4 11
0 0 2
5 10 8
2 2 2
c.- 10 2
2 ; d.- 2 5 4 ;
2 4 5
8
2 11
matrices
6 2 2
11 2 8
e.- 2 5 0 ; f.- 2 2 10 ;
2 0 7
8 10 5
4i
6 2i
4 3i
g.- 4i
4 3i 2 6i .
6 2i 2 6i
1
448
DEFINICION 8.6.1
Sea A una matriz cuadrada de orden n. Se dice que m(x) es un polinomio
mnimo de A si m(x) es un polinomio mnico y es, de entre todos los
polinomios que son anulados por A, un polinomio del menor grado
posible.
TEOREMA 8.6.1
El polinomio mnimo de una matriz es nico.
DEMOSTRACION
Sean m1(x) y m2(x) dos polinomios de A. Segn la definicin, m1(x) y m2(x) son
polinomios mnicos del mismo grado, dgase
m1(x) = a0 + a1x + ... + ak-1xk-1 + xk
y
m2(x) = b0 + b1x + ... + bk-1xk-1 + xk
Se quiere demostrar que a0 = b0, a1 = b1, , ak-1 = bk-1, es decir, que
m1(x) = m2(x). Sea p(x) = m1(x) - m2(x). Entonces
p(x) = (a0 b0) + (a1 b1)x + ... + (ak-1 bk-1)xk-1 + xk
Supngase, para obtener una contradiccin, que existe j, 1 j k 1 tal que
aj bj 0. Tmese el menor ndice j con esta propiedad. Entonces
p(x) = (a0 b0) + (a1 b1)x + ... + (aj bj)xj.
Sea
1
p( x)
p ( x)
a j bj
se tiene que
a.- p( x) es un polinomio mnico;
b.-
1
1
1
p(A)
(m1 (A) m2 (A))
00
a j bj
a j bj
a j bj
449
450
451
TEOREMA 8.6.8
Si 1, 2, ..., k son los valores caractersticos diferentes de la matriz A y
si el polinomio caracterstico de A es
p() = (-1)k( - 1)s1( - 2)s2 ... ( - k)sk
entonces el polinomio mnimo de A tiene la forma
m() = ( - 1)r2( - 3)r3 ( - k)rk
en donde 1 ri si, i = 1, 2, ..., k. Es decir, todo factor lineal que
aparezca en el polinomio caracterstico de A, debe tambin aparecer en
su polinomio mnimo.
El ltimo resultado que se ver en esta seccin relaciona la propiedad de
diagonalizacin de una matriz A con la estructura de su polinomio caracterstico.
TEOREMA 8.6.9
Sea 1, 2, ..., k los valores propios diferentes de la matriz A. Esta
matriz es diagonalizable si, y slo si su polinomio mnimo es
m() = ( - 1)( - 2) ... ( - k).
DEMOSTRACION
Supngase primeramente que A es diagonalizable. Existe entonces una matriz no
singular P tal que P-1AP = D, en donde D es una matriz diagonal. An ms, en la
diagonal principal de D aparecen los valores propios de A. Entonces, el polinomio
caracterstico de D es
p() (1)k ( 1 )s1 ( 2 )s2 ...( k ) sk
en donde
si = DimV(i), i = 1, 2, ..., k y s1 + s2 + + sk = n.
Segn el teorema anterior, en el polinomio mnimo de D deben aparecer todos los
factores
( - 1)( - 2) ... ( - k). Es claro que el polinomio mnico de
menor grado posible en el que aparecen todos estos factores es
m() = ( - 1)( - 2) ... ( - k).
Se ver que de hecho ste es el polinomio mnimo de D. Basta verificar entonces
que m(D) = 0. Obsrvese que
m(D) = (D - 1I)(D - 2I) ... (D - kI).
A partir de la estructura de la matriz D, se puede deducir que D - 1I es una
matriz diagonal con ceros en la primera DimV(1) posiciones de la diagonal
principal, D - 2I es una matriz diagonal con ceros en las DimV(2) posiciones
despus de las primeras Dim(1) posiciones de la diagonal principal, etc. D - 1I
es una matriz diagonal con ceros en la ltima DimV(k) posiciones de la diagonal
principal. Por otra parte, q(D) es el producto de k matrices diagonales. Se sabe
que al multiplicar matrices diagonales se obtiene tambin una matriz diagonal en
cuya diagonal principal aparecen los productos de los elementos correspondientes
de las diagonales principales de cada una de las matrices en el producto. Por lo
analizado anteriormente acerca de la estructura de las matrices diagonales D - iI,
i = 1, 2, ..., k que aparecen como vectores en q(D), se concluye que q(D) = 0.
Entonces
m() = ( - 1)( - 2) ... ( - k)
es el polinomio mnimo de D. Es, por tanto, el polinomio mnimo de A.
Supngase ahora que el polinomio mnimo de A es de la forma mostrada
anteriormente para m(). Considrense los espacios vectoriales V(1), V(2), ...,
V(k) correspondientes a los valores propios 1, 2, ..., k, respectivamente.
Recurdese que V(i) es el espacio solucin del sistema homogneo (A - iI)u =
. De acuerdo a lo visto en secciones anteriores, la dimensin del subespacio
propio V(i) es DimV(i) = n Rang(A - I).
Anteriormente, se prob que para cualesquiera dos matrices cuadradas A y B de
orden n se cumple
JOE GARCIA ARCOS
452
SOLUCION
a.- El polinomio caracterstico de A es p() = -3 - 2 + 8 + 12. Tal como lo
asegura el teorema de Hamilton-Cayley se tiene
p( A) A3 A2 8 A 12I
8 0 0 4 0 0
2 0 0
1 0 0
0 20 14 0 8 2 8 0 2 2 12 0 1 0 O .
0 14 1 0 2 5
0 2 1
0 0 1
453
m2 (A) = A + 2I O ,
m4 (A) = A2 - A - 6I = O .
0 8 57 6 0 4 15 11 0 2 3 6 0 1 0 O .
0 0 27
0 0 9
0 0 3
0 0 1
9 18 9 4 3 6 3 3 1 2 1 O .
4 9 5
1 3 2
0 1 1
454
= - 3 -8 6 + 3 1 -3 3 - 3 0 0 1 + 0 1 0 = O .
6 -15 10
3 -8 6 1 -3 3 0 0 1
1 5 0 0
0 2 1 0
0
a.-
; b.-
; c.-
2 0 1 0
0 0 2 1
0
4 0 8 3
0 0 0 2
0
polinomio caracterstico y
1
2
0
0
0
1
2
0
0
.
0
SOLUCION
a.- El polinomio caracterstico de A es
p() = ( - 3)2( - 4)( + 1)
Entonces, el polinomio mnimo de A puede ser
m() = ( - 3)( - 4)( + 1) m() = ( - 3)2( - 4)( + 1)
Verifique la primera alternativa
m(A) = (A 3I)(A 4I)(A + I)= O.
Entonces, efectivamente m() = ( - 3)( - 4)( + 1) es el polinomio mnimo de
A.
b.- El polinomio caracterstico de A es
p() = ( - 2)4
Entonces, el polinomio mnimo de A puede ser
m() = ( - 2)3 m() = ( - 2)4
Verifique la primera alternativa
JOE GARCIA ARCOS
455
m(A) = (A 2I)3 O.
Entonces, m() = p() es el polinomio mnimo de A.
c.- El polinomio caracterstico de A es
p() = ( - 2)4
Entonces, el polinomio mnimo de A puede ser
m() = ( - 2)3 m() = ( - 2)4
Verifique la primera alternativa
m(A) = (A 2I)3 = O.
Entonces, efectivamente m() = ( - 2)3 es el polinomio mnimo de A.
EJEMPLO 8.6.5
Dada la matriz
1 4 0 2 4
0 2 0 0 0
A 0 6 1 0 0
0 3 2 1 0
0 1 1 3 1
0 1 0 0 0 0 0 0 0 0
m(A) = (A - I)(A - 2I) 0 6 0 0 0 0 6 1 0 0
0 3 2 0 0 0 3 2 1 0
0 1 1 3 0 0 1 1 3 1
0 10 0 14 4
0 0
0 0 0
0 0 0
0 0 .
0 12 2 0 0
0 15 5 3 0
EJEMPLO 8.6.6
Determine el polinomio mnimo de la matriz identidad de orden n, as como el de
la matriz cero de orden n.
SOLUCION
Sea I la matriz identidad de n x n. Para encontrar el polinomio caracterstico de
esta matriz, es necesario resolver el siguiente determinante:
Det(I - I) = Det((1 - )I) = (1 - )nDetI = (1 - )n = 0.
Por lo tanto el polinomio caracterstico es:
p() = (1 - )n
Como el polinomio mnimo divide al polinomio caracterstico, entonces ste
tendra que ser:
m() = 1 -
Sea O la matriz cero de n x n. Para encontrar el polinomio caracterstico de esta
matriz, es necesario resolver el siguiente determinante:
Det(O - I) = Det(-I) = (-)nDetI = (-)n = 0.
Por lo tanto el polinomio caracterstico es:
p() = (-)n
JOE GARCIA ARCOS
456
A 0 0 1
a b c
457
EJEMPLO 8.6.11
Demuestre que ninguna matriz real de 3 x 3 satisface x2 + 1 = 0. Pruebe que
existen matrices complejas de 3 x 3 que si lo hacen. Pruebe que existen matrices
reales de 2 x 2 que satisfacen la ecuacin.
SOLUCION
Si A es una matriz real de 3 x 3 su polinomio caracterstico f(x) es real de grado 3.
Si A satisface x2 + 1 = 0, el polinomio mnimo dividira a x2 + 1 y podra no tener
como un factor irreducible al factor real de grado uno que debe tener f(x).
EJEMPLO 8.6.12
Determine una matriz A de orden 2 cuyo polinomio mnimo sea m() = 2.
SOLUCION
a b
Sea la matriz A
. Sabemos que el polinomio caracterstico de la matriz
c d
A es
p() = 2 - (TrA) + Det(A).
Pero como p() = m(), entonces Tr(A) = Det(A) = 0 y una de las matrices
buscada tiene la forma
a a
.
a a
EJEMPLO 8.6.13
Demuestre que si la matriz A satisface la ecuacin x2 + x + 1 = 0, entonces A es
no singular y la inversa A-1 es expresable como una combinacin lineal de A e I.
SOLUCION
Efectivamente, si A2 + A + I = O, entonces A(- A I) = I de modo que
A I = A-1.
PROBLEMAS
8.6.1 Encuentre una matriz de 2 x 2 con elementos
enteros que satisfaga la ecuacin x3 1 = 0, pero que no
satisfaga la ecuacin x 1 = 0.
8.6.2 Determine una matriz A de orden 3 cuyo
polinomio mnimo sea m() = 2.
8.6.3 Dadas las matrices:
2 0 0 0
2 0 0
1
2
0
0
y B 1 2 0
A
0 0 2 0
0 0 2
0 0 1 2
0 0 0
a.- Demuestre que A y B tienen el mismo
caracterstico.
b.- Compruebe que A y B tienen el mismo
mnimo.
c.- Demuestre que A y B no son semejantes.
0
0
polinomio
polinomio
d.- 1 1 2 ;
0 1 2
0
e.-
0
0
0
1
0
0
1
0
0
0
.
0
458
0 1 0
a.- 0 0 1 ;
1 3 3
2 1 0
c.- 0 2 0 ;
0 0 2
4
e.-
0
0 1
2 1
0 2
0 0
b.- 1
1
1 1
0 1
d.-
0 0
0 0
6 6
3 2 ;
5 2
0 0
1 0
;
1 1
0 1
1
.
5
8.6.8 Sean
1 1 0
1 0 0
1 0 0
A 0 1 0 , B 0 2 1 , C 0 2 0 .
0 0 2
0 0 2
0 0 2
8.7 CUESTIONARIO
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
8.7.1 Para que un endomorfismo f sea no singular es
necesario y suficiente que l tenga valores
caractersticos nulos.
8.7.4
Para un endomorfismo arbitrario f la
multiplicidad algebraica de todo valor caracterstico
sobrepasa su multiplicidad geomtrica.
8.7.5
Los vectores caractersticos de un
endomorfismo, pertenecientes a diversos valores
caractersticos, son linealmente independientes.
459
8.7.20
La cantidad de vectores caractersticos,
linealmente independientes, del endomorfismo f,
pertenecientes a un valor caracterstico 0 no supera a
la multiplicidad de 0 como raz del polinomio
caracterstico del endomorfismo f.
8.7.21
Cualquier matriz cuadrada A con distintos
valores caractersticos, es semejante a una matriz
triangular.
8.7.11
Los valores propios de un endomorfismo
diagonal coinciden con sus elementos diagonales.
un
8.7.29
Las matrices semejantes tienen polinomio
mnimo distintos.
8.7.30
Toda matriz cuadrada es una raz de su
polinomio caracterstico.