Está en la página 1de 30

Cap´ıtulo 5

Endomorfismos: Valores y vectores propios. Diagonalizaci´on

5.1 Endomorfismos

Un endomorfismo f es una aplicaci´on lineal (tambi´en llamada homomorfismo) con el mismo dominio y codominio. Consideraremos en este cap´ıtulo endomorfismos f : IR n IR n .

5.2 Valores y vectores propios

Definici´on 5.1 Se dice que λ IR es valor propio o autovalor del endomorfismo f en

IR n , si existe ⃗x ̸= 0 IR n ,

tal que f (⃗x) = λ⃗x.

Definici´on 5.2 Sea f un endomorfismo en IR n con autovalor λ. Los vectores ⃗x IR n tales que f (⃗x) = λ⃗x se denominan vectores propios o autovectores de f correspon- dientes al autovalor λ.

λ puede ser nulo

Si ⃗x = 0

existir ⃗x ̸= 0 tal que f (⃗x) = λ⃗x.

λ se cumple que

f ( 0) = λ 0, por eso para aceptar λ como autovalor debe

Ejemplo 5.1 Sea la aplicaci´on lineal f : IR 2 −→

A

A.

IR 2 , sobre IR, cuya matriz asociada es

] . Determina si los vectores ⃗u = (2, 1) y ⃗v = (3, 2) son vectores propios de

= [ 10

6

18

11

Au = [ 10 6

18

11

][ 2

1

] = [ 2

1

]

Av = [ 10 6

18

11

][ 3

2

] = [ 6 4 ]

⃗u es vector propio porque A⃗u = 1⃗u

⃗v es vector propio porque A⃗v = 2⃗v

Ejemplo 5.2 Sea la aplicaci´on lineal f : IR 2 −→

A = [

de A.

IR 2 , sobre IR, cuya matriz asociada es

] . Determina si los vectores ⃗u = (6, 5) y ⃗v = (3, 2) son vectores propios

1 6

5 2

A⃗u = [

1

5

6

2

][

5 ] = [ 24

20

6

]

⃗u es vector propio porque A⃗u = 4⃗u

A⃗v = [

1

5

6

2

][

2 ] = [ 9

3

11 ]

⃗v no es vector propio porque no existe s tal que A⃗v = s⃗v, o lo que es lo mismo, (9, 11) no es m´ultiplo de (3, 2).

149

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON150

Ejemplo 5.3 Consideremos la aplicaci´on lineal f : IR n −→ IR n , sobre IR, cuya matriz asociada es la matriz identidad I n . A dicho endomorfismo se le denomina endomorfismo identidad. f(⃗x) = I⃗x = ⃗x La aplicaci´on tiene un unico´ valor propio, que es 1. Todos los vectores de IR n son au- tovectores correspondientes a ese autovalor.

Ejemplo 5.4 Consideremos la aplicaci´on lineal f : IR n −→ IR n , sobre IR, cuya matriz asociada es la matriz λI n con λ IR. f (⃗x) = λI⃗x = λ⃗x La aplicaci´on tiene un unico´ valor propio, que es λ. Todos los vectores de IR n son au- tovectores correspondientes a ese autovalor.

5.3 Obtenci´on de los valores propios: polinomio caracter´ıstico

Teorema 5.1 Sea el endomorfismo f : IR n −→

la base est´andar. λ es valor propio de f ⇔ |A λI| = 0 rg(A λI) < n.

IR n , y A n su matriz asociada respecto de

Demostraci´on:

λ valor propio si ⃗x ̸= 0 tal que f (⃗x) = A⃗x = λ⃗x = λI⃗x,

siendo

I la matriz identidad de orden n, o lo que es lo mismo, si ⃗x ̸= 0 tal que (A λI)⃗x = 0

Por tanto λ es valor propio el SL (A λI)⃗x =

(A λI) < n ⇔ |A λI|

0 es compatible indeterminado rg

| A − λI | ⃗ 0 es compatible indeterminado ⇔ rg = 0 Desarrollemos |

= 0

Desarrollemos |A λI| = 0

a 11 λ

a 21

.

.

.

a n1

a 12

a 22 λ

.

.

.

a n2

.

.

.

.

.

.

.

.

.

.

.

.

a

a

1n

2n

.

a nn λ

= 0

El primer miembro de esta ecuaci´on es un polinomio en λ de grado n, p(λ), denominado polinomio caracter´ıstico de f o polinomio caracter´ıstico de la matriz A. A la ecuaci´on |A λI| = 0, desarrollada como p(λ) = 0, se le llama ecuaci´on caracter´ıstica de la matriz A.

N´otese como dependiendo de si n es par o impar, el t´ermino en λ n del polinomio ser´ıa 1 o 1. Por convenio la definici´on del polinomio caracter´ıstico es −|A λI| si n es impar.

p(λ) = λ n + a n1 λ n1

De acuerdo con el Teorema Fundamental del Algebra, todo polinomio de grado n 1 con coeficientes reales tiene exactamente n ra´ıces reales o complejas (contando multiplici- dades). Denotamos la multiplicidad de la ra´ız λ como p λ .

+

+ a 1 λ + a 0

´

El polinomio (λ 1) 5 tiene 5 ra´ıces, todas iguales a 1. multiplicidad 5.

El polinomio λ 2 + 1 tiene dos ra´ıces complejas, +i y i. (Las ra´ıces complejas siempre forman pares conjugados).

El polinomio (λ 2 + 1)(1 λ 2 ) tiene dos ra´ıces complejas, i y i y dos ra´ıces reales 1 y 1.

El polinomio caracter´ıstico de A, p(λ), tendr´a n ra´ıces. Las ra´ıces reales del polinomio son los valores propios del endomorfismo f , tambi´en designados como valores propios de A. La multiplicidad algebraica de un autovalor λ i se define como su multiplicidad

El polinomio tiene ra´ız 1 con

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON151

como ra´ız del polinomio caracter´ıstico, que hab´ıamos denotado como p λ i . Al limitarnos a endomorfismos en IR n , las ra´ıces complejas de p(λ) no pueden considerarse como valores propios de A, ya que si ⃗x IR n y λ C (complejo), f (⃗x) = λ⃗x C n (vector complejo), y no a IR n .

Suponiendo s ra´ıces distintas, incluyendo reales y complejas:

p(λ) = (λ λ 1 ) p λ 1 (λ λ 2 ) p λ 2

p λ 1 + p λ 2 +

+ p λ s = n

(λ λ r ) p λ s

Si r es el n´umero de ra´ıces reales y distintas, entonces tenemos r autovalores distintos, y:

p λ 1 + p λ 2 +

+ p λ r

n

p λ 1 + p λ 2 +

+ p λ r = n todas las ra´ıces son reales.

Si p(λ) tiene las n ra´ıces reales y distintas (por tanto de multiplicidad algebraica 1), entonces:

p(λ) = (λ λ 1 )(λ λ 2 )

(λ λ n )

Obtenci´on de valores propios

Se calcula p(λ) = |A λI|.

Se hallan las ra´ıces λ i de p(λ) = 0. Las ra´ıces reales son los valores propios.

6

Ejemplo 5.5 ¿Es 5 un valor propio de A = 3

2

3

0

2

1

5 ?

6

5 es autovalor de A ⇔ |A 5I| = 0

|A 5I| =

1

3

2

3

5

2

1

5

1

= 30, por tanto 5 no es autovalor.

Ejemplo 5.6 Encuentra los valores propios de A = [ 3 2

0 correspondiente a cada uno de los autovalores encontrados.

6 3 ] y un autovector distinto de

|A sI| =

2 s

3

3

6 s

= (2 s)(6 s) 9 = s 2 + 4s 21

Los autovalores, que son las ra´ıces del polinomio anterior, son s = 7 y s = 3.

[

2

3

6 ][ x

y

3

] = 7 [ x

y

]

{

2x + 3y = 7x 3x 6y = 7y

{

9x + 3y = 0 3x + y = 0

y = 3x

(1, 3) es autovector correspondiente al autovalor 7

Comprobaci´on: [

2

3

6 ][ 3 ] = [ 7

21

3

1

] = 7 [

3 ]

1

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON152

Ejemplo 5.7 Encuentra la ecuaci´on caracter´ıstica de A =

5

0

0

0

2

3

0

0

6

8

5

0

1

0

4

1

p(λ) = (5 λ)(3 λ)(5 λ)(1 λ) = 0

Ejemplo 5.8 El polinomio caracter´ıstico de una matriz 6×6 es λ 6 4λ 5 12λ 4 . Encuentra los valores propios y su multiplicidad algebraica.

p(λ) = (λ 2 4λ 12)λ 4

Estas ultimas´

Tenemos la ra´ız λ = 0 con multiplicidad 4 y las ra´ıces de λ 2 4λ 12 = 0. son λ = 2 y λ = 6.

´

5.4 Subespacio propio

El conjunto de los vectores propios de un endomorfismo f de IR n correspondientes a un autovalor λ es un subespacio de IR n , denotado como V λ . En efecto, considerando la matriz can´onica A asociada a f , tenemos:

V λ = {⃗x IR n / A⃗x = λ⃗x}

=

{⃗x IR n /

(A λI)⃗x = 0} = Ker(A λI)

Definici´on 5.3 Sea f endomorfismo de IR n con matriz can´onica asociada A y sea λ i un autovalor de f . Al subespacio vectorial de IR n Ker(A λ i I) = {⃗x IR n /(A λ i I)⃗x = 0} se le denomina subespacio propio correspondiente al valor propio λ i . Se denota como V λ i .

Observaci´on: Por ser V λ subespacio vectorial est´a garantizado que 0 pertenece al conjunto,

que la suma de autovectores de λ es cerrada, que el producto por un escalar tambi´en, y que la combinaci´on lineal de autovectores de λ es autovector de λ. A modo de revisi´on presentamos las demostraciones de estos resultados:

V λ contiene el vector 0 pues f ( 0) = 0 = λ 0.

El producto por un escalar es cerrado, pues ⃗x V λ α ⃗x V λ

f (⃗x) = λ⃗x, entonces

f (α ⃗x) = α f (⃗x) = α λ⃗x = λ α⃗x,

por tanto α⃗x V λ

La suma es cerrada: ⃗x, x V λ ⃗x + x V λ

f(⃗x + x ) = f(⃗x) + f( x ) = λ⃗x + λ x = λ(⃗x + x )

Toda combinaci´on lineal de autovectores de un valor propio λ de A es tambi´en autovector de ese valor propio.

A⃗x = λ⃗x,

A(α⃗x + β x ) = αA⃗x + βA x = αλ⃗x + βλ x = λ(α⃗x + β x )

luego

A x = λ x

⃗ ⃗

α⃗x + β x es autovector de A correspondiente al autovalor λ.

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON153

5.5 Dimensi´on del subespacio propio

Considerando el endomorfismo A λI : IR n −→ IR n

dim IR n = dim Ker(A λI) + dim Im(A λI) n = dim V λ + rango (A λI)

dim V λ = n

rango (A λI)

por ser λ autovalor, rango (A λI) < n

dim V λ = n cuando A λI sea la matriz nula, es decir, A = λI.

λ⃗x

1

dim V λ

n

En este caso

⃗x IR n , y por tanto V λ = IR n

A⃗x =

Teorema 5.2 dimV λ es menor o igual que la multiplicidad algebraica del valor propio λ.

1

dim V λ

p λ

n

Se define multiplicidad geom´etrica de un autovalor λ como la dimensi´on de V λ .

5.6 Obtenci´on de los subespacios propios

En primer lugar se calculan los valores propios:

Se calcula p(λ) = |A λI|.

Se hallan las ra´ıces λ i de p(λ) = 0. Las ra´ıces reales son los valores propios.

A continuaci´on:

Se determina V λ i = Ker(A λ i I) para cada valor propio λ i , que es lo mismo que determinar la soluci´on de cada sistema homog´eneo (A λ i I)⃗x = 0 (un sistema para cada autovalor).

Es conveniente comprobar que dim V λ i est´e dentro del rango permitido, 1 dim V λ i p λ i , siendo p λ i la multiplicidad algebraica de λ i .

5.7 La independencia lineal de los subespacios propios

, λ r son autovalores distintos del endomorfismo dado por la

Teorema 5.3 Si λ 1 , λ 2 ,

, ⃗v r } con ⃗v i ̸= 0 y ⃗v i V λ i (un autovector no

nulo de cada subespacio propio) son linealmente independientes.

Supongamos que el conjunto fuera linealmente dependiente, en-

tonces existe un ´ındice m´ınimo k tal que ⃗v k+1 es combinaci´on lineal de los p anteriores, linealmente independientes, es decir,

matriz A, entonces los conjuntos {⃗v 1 ,⃗v 2 ,

Demostraci´on:

⃗v k+1 = c 1 ⃗v 1 + c 2 ⃗v 2 +

+

c k ⃗v k ,

con ⃗v 1 , ⃗v 2 ,

multiplicando por la izquierda por A tenemos:

A ⃗v k+1 = A c 1 ⃗v 1 + A c 2 ⃗v 2 +

λ k+1 ⃗v k+1 = λ 1 c 1 ⃗v 1 + λ 2 c 2 ⃗v 2 +

+ A c k ⃗v k ,

+ λ k c k ⃗v k

multiplicando la ecuaci´on [1] por λ k+1 obtenemos:

λ k+1 ⃗v k+1 = λ k+1 c 1 ⃗v 1 + λ k+1 c 2 ⃗v 2 +

y restando [3][2] se obtiene;

+ λ k+1 c k ⃗v k

, ⃗v k

l.i.

[1]

 

[2]

[3],

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON154

0 = (λ k+1 λ 1 )c 1 ⃗v 1 + (λ k+1 λ 2 )c 2 ⃗v 2 +

Como el conjunto ⃗v 1 ,⃗v 2 ,

es decir:

+ (λ k+1 λ k )c k ⃗v k

,⃗v k es l.i., los coeficientes de la combinaci´on lineal son nulos,

(λ

k+1

0

(λ k+1 λ 2 )c 2 = 0

(λ k+1 λ k )c k = 0

λ 1 )c 1 =

Y

por lo que c i = 0 i = 1,

⃗v k+1 = 0 (ec. [1]), lo cual es una contradicci´on puesto que hab´ıamos partido de que todos los ⃗v i fueran no nulos.

El conjunto {⃗v 1 ,⃗v 2 ,

Queda por tanto demostrado el teorema por reducci´on al absurdo.

como hemos supuesto que los λ i son todos distintos, ninguno de los (λ k+1 λ i ) es nulo,

, k.

,⃗v r } es linealmente independiente.

es nulo, , k . ,⃗v r } es linealmente independiente. El teorema anterior da lugar

El teorema anterior da lugar a la designaci´on de los subespacios propios de un endomor- fismo como “subespacios linealmente independientes”.

En el Cap´ıtulo de Espacios Vectoriales vimos que el resultado del teorema anterior era

, V λ r es directa, es

equivalente a decir que la suma de los subespacios propios V λ 1 , V λ 2 , decir

V λ 1 V λ 2

Por otra parte, la suma es subespacio vectorial de IR n , lo cual expresamos c´omo:

V λ r

V λ 1 V λ 2

V λ r IR n

En el Cap´ıtulo de Espacios Vectoriales tambi´en vimos que una consecuencia de la suma

directa era que la intersecci´on de los subespacios sumados era 0.

Se puede demostrar f´acilmente que la intersecci´on de subespacios propios distintos es el vector nulo. En efecto:

Si ⃗x pertenece a V λ i y V λ j , entonces A⃗x = λ i ⃗x = λ j ⃗x.

De la ultima´

Como por hip´otesis λ i ̸= λ j ⃗x = 0.

igualdad se deduce (λ i λ j )⃗x = 0.

5.8 Existencia o no de base de vectores propios

Teorema 5.4 Existe base de vectores propios de un endomorfismo V λ 1 V λ 2

IR n

p(λ) tiene n ra´ıces reales contando multiplicidades y dimV λ i = p λ i

La suma directa de los subespacios es igual a IR n si y s´olo si

dimV λ 1 + dimV λ 2 +

+ dimV λ r = n

Por otra parte, dimV λ i p λ i

dimV λ 1 + dimV λ 2 +

i = 1,

,

r

+ dimV λ r p λ 1 + p λ 2 +

p λ r n

Para obtener la dimensi´on m´axima igual a n se debe cumplir dimV λ i = p λ i i = 1,

que p λ 1 + p λ 2 +

p λ r = n, es decir, que todas las ra´ıces sean reales.

V λ r =

, r y

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON155

Base de vectores propios de IR n :

B = { ⃗v

1

1

,

1

, ⃗v p λ 1 , ⃗v

1

2

,

, ⃗v

2

p λ 2 ,

, ⃗v

1

r

,

, ⃗v p λ r } = B 1 B 2

r

B r , siendo

B i la base de V λ i , y siendo el n´umero de vectores de B i = p λ i .

Teorema 5.5 Si la matriz A n asociada a un endomorfismo en IR n tiene n valores propios distintos, entonces en IR n se puede obtener una base cuyos vectores sean todos autovectores de f .

Si el grado del polinomio caracter´ıstico es n y se tienen n autovalores distintos, significa que las multiplicidades son todas igual a uno. Por tanto los n V λ i tienen dimensi´on 1. La dimensi´on de la suma directa ser´a n × 1 = n, por tanto existe base de autovectores.

Matriz asociada a la base de vectores propios

D =

λ 1

.

.

.

0

.

.

.

.

.

.

.

.

.

.

.

.

.

0

.

.

.

0 .

.

0

.

.

.

.

.

.

p λ 1

0

.

λ 1

.

0

.

0

.

0

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

0

0

 

0

.

 

0

.

0

.

λ r

 

.

. .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

0

.

0

.

λ r

.

0

p λ r


f(⃗v

1

1

.

.

.

1

1

) = λ 1 ⃗v

1

f(⃗v p λ 1 ) = λ 1 ⃗v

f(⃗v

1

.

.

.

r

) = λ r ⃗v

1

r

.

.

.

f(⃗v p λ r ) = λ r ⃗v

r

1

p

r

p

λ

λ

1

r

5.9 Propiedades de autovalores y autovectores

Teorema 5.6 Los valores propios de una matriz triangular son los valores de la diagonal principal.

Demostraci´on:

A λI =

a 11

0

0

Se demuestra para una matriz triangular superior y n = 3

a

a

12

22

0

a

a

a

13

23

33

λ

0

0

0

λ

0

0

0

λ

=

a 11 λ

0

0

a 12

a 22 λ

0

a

a

13

23

a 33 λ

λ es un autovalor

Las ra´ıces de p(λ) son a 11 , a 22 , a 33

Se obtiene el mismo resultado para una matriz triangular inferior.

⇐⇒

| A λI | = p ( λ ) = ( a 11 λ)(a 22 λ)(a 33 λ) = 0

Teorema 5.7 Si λ es autovalor de A con autovector asociado ⃗x, entonces λ k (k = 2, 3, es autovalor de A k con el mismo autovector asociado ⃗x.

Demostraci´on:

k veces

A k ⃗x = A

A

⃗x = λ k ⃗x

k veces A k ⃗x = A A ⃗x = λ k ⃗x ) Teorema 5.8

)

k veces A k ⃗x = A A ⃗x = λ k ⃗x ) Teorema 5.8

Teorema 5.8 A n es inversible ⇐⇒ el escalar 0 no es autovalor de A .

Demostraci´on:

de A

A es inversible ⇐⇒ | A | ̸= 0 ⇐⇒ | A 0 I | ≠

0 ⇐⇒ 0 no es autovalor

de A A es inversible ⇐⇒ | A | ̸ = 0 ⇐⇒ | A −

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON156

Teorema 5.9 Si A es inversible y λ autovalor de A con autovector asociado ⃗x, entonces λ 1 es autovalor de A 1 con autovector asociado tambi´en ⃗x.

Demostraci´on:

Multiplicando por A 1 por la izquierda, A 1 A⃗x = λA 1 ⃗x

⃗x = λA 1 ⃗x

A⃗x = λ⃗x,

A inversible =

A 1 y λ ̸= 0

λ 1 ⃗x = A 1 ⃗x

1 y λ ̸ = 0 λ − 1 ⃗x = A − 1 ⃗x Teorema

Teorema 5.10 A y A t tienen los mismos autovalores

Demostraci´on:

I t = I

=

|A t λI| = |A t λI t | = |(A λI) t | = |A λI|

|A t λI| = |A λI| =

los mismos autovalores y con la misma multiplicidad.

A y A t tienen el mismo polinomio caracter´ıstico y por tanto

t tienen el mismo polinomio caracter´ıstico y por tanto Ejemplo 5.9 Determina los valores propios de

Ejemplo 5.9 Determina los valores propios de las matrices A y B.

A

3

= 0

6

0

0 0

8

6

2

B = 2

0

1

5 3

4

0

0

4

Son matrices triangulares, y por tanto sus autovalores son los elementos de la diagonal. Los autovalores de A son 3,0,6 y los autovalores de B 4 (multiplicidad 2) y 1.

P

inversible tal que A = P F P 1 . Dos matrices A n y F n semejantes corresponden al mismo endomorfismo relativo a distintas bases, con tal de que en cada uno de los casos se utilice la misma base en el espacio inicial y final.

RECORDAMOS: Dadas dos matrices A n y F n se dice que A es semejante a F si

Teorema 5.11 Si dos matrices A n y F n son semejantes, entonces tienen el mismo poli- nomio caracter´ıstico, y por tanto los mismos autovalores, con las mismas multiplicidades.

Demostraci´on:

A y F semejantes

=

P

/

A = P F P 1

A λI = P F P 1 λI = P F P 1 P λIP 1 = P (F λI)P 1

|A λI| = |P ||F λI||P 1 | = |F λI|

|A λI| = |F λI|

———————————-

λI | = | F − λI | ———————————- E p A U no tiene por

E p A

U no tiene por qu´e tener los mismos autovalores que A. Incluso si las E i son matrices

elementales de reemplazamiento (ni permutaci´on ni escalamiento), y por tanto |A| = |U |, los polinomios caracter´ısticos |A λI| y |U λI| no tienen por qu´e ser iguales.

Nota importante: Equivalencia por filas no es lo mismo que semejanza. Si U = E 1

Ejemplo 5.10 Calcula el polinomio caracter´ıstico y ra´ıces de A = [ 3 2 6 3 ] y de una

matriz equivalente por filas a A.

Hab´ıamos calculado el polinomio caracter´ıstico de A en un ejercicio anterior, y ´este era p(s) = s 2 + 4s 21, con ra´ıces s = 7 y s = 3.

Puesto que A es inversible, |A| = 21, A es equivalente por filas a I 2 . El polinomio caracter´ıstico de I 2 es p(s) = (1 s) 2 y la ra´ız es s = 1 con multiplicidad 2.

———————————-

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON157

5.10 Los cuatro casos respecto al tipo de ra´ıces de p(λ) en IR 2

Ejemplo 5.11 Determinar los valores propios y subespacios propios correspondientes a los endomorfismos con matrices asociadas:

A = [ 2 5

2

1

|A sI| =

]

,

B = [

2

0

0

2

]

,

C = [ 3

0

3 ]

2

,

D = [

1

1

1

1 ]

2 s

5

2

1 s

= (2 s)(1 s) + 10 = s 2 + s 12

ra´ıces 3, 4

Para calcular V 3 hay que resolver el sistema A⃗x = 3⃗x, es decir, (A 3I) ⃗x = 0

[ 5

5

2

2

0 ] [ 5

0

0

2

0

0

0

]

,

soluci´on: 5x + 2y = 0 V 3 =< (2, 5) >

Para calcular V 4 hay que resolver el sistema A⃗x = 4⃗x, es decir, (A + 4I) ⃗x = 0

[

2

5

2

5

0 0 ] [

1

0

1

0

0

0 ]

, soluci´on:

x = y V 4 =< (1, 1) >

OBSERVACION: El conjunto formado por un vector de V 3 y un vector de V 4 es

linealmente independiente B = {(2, 5), (1, 1)} es base de IR 2 formada por vec- tores propios la matriz asociada al endomorfismo respecto de esa base es diagonal

y D = [

3

0

4 ] .

0

B = [

2

0

0

2

] es una matriz diagonal, por tanto sus valores propios son los elementos

de la diagonal. p(s) = (2 s)(2 s)

ra´ız 2 doble

Para calcular V 2 hay que resolver el sistema A⃗x = 2⃗x, es decir

[

2

0

0

2

] ⃗x = 2⃗x. La ecuaci´on se verifica para todo (x, y) IR 2

En efecto en el sistema homog´eneo [A 2I | 0] las dos ecuaciones se anulan, por tanto hay cero pivotes y dos par´ametros libres.

OBSERVACION: Todos los vectores de IR 2 son vectores propios, por tanto cualquier

En

base de IR 2 , por ejemplo B

cualquier base de IR 2 la matriz asociada al endomorfismo es D = [

= {(1, 0), (0, 1)}, es base de vectores propios.

2

0

0

2

]

.

[ 3

0

3 2 ] , es una matriz triangular, por tanto sus valores propios son los

ra´ız 3 doble

C

elementos de la diagonal. p(s) = (3 s)(3 s)

=

Para calcular V 3 hay que resolver el sistema A⃗x = 3⃗x, es decir (A + 3I)⃗x = 0.

[ 0

0

D

=

2

0

[

0 0 ] tiene como soluci´on y = 0 (x par´ametro libre). V 3 =< (1, 0) >

1

1

1

1 ] ,

p(s) =

(1 s)(1 s) + 1

=

s 2 2s + 2

ra´ıces los complejos

conjugados, 1 + i, 1 i. Por tanto no hay autovalores para el endomorfismo real.

´

´

CAP ITULO 5. ENDOMORFISMOS: VALORES Y VECTORES PROPIOS. DIAGONALIZACI ON158

 

Ra´ıces

Auto-

Multip.

Subespacios

Multip.

Base de

valores

algebr.

propios

geom´et.

autovect.

A

3

λ = 3

 

1 V 3 =< (2, 5) >

1

s´ı

-4

λ = 4

1 V 4 =< (1, 1) >

1

B

2 doble

λ = 2

2

V 2 =< (1, 0), (0, 1) >

2

s´ı

C

-3 doble

λ = 3

2

V 3 =< (1, 0) >

1

no

D

1+i

       

no

1-i

5.11 Ejemplos en IR 3

Ejemplo 5.12 Consid´erese la aplicaci´on lineal f : IR 3 −→

1

asociada es A = 2 1

2 1

encuentra una base del subespacio propio correspondiente a este valor propio.

IR 3 , sobre IR, cuya matriz

4

6

6 . Sabiendo que un valor propio de la aplicaci´on es λ = 2,

8

Hay que resolver el SL

4

A 2I = 2

2

1

1

1

A⃗x = 2⃗x, o lo que es lo mismo,

0

0

1

1

6 2 0