5.

5.1.

Endomorsmos
Endomorsmos

Denici on: Un endomorsmo de V es una aplicaci on lineal f : V = V . Observaci on: para los endomorsmos, la base del conjunto inicial y la base del conjunto nal debe ser la misma. La f ormula del cambio de base ser a: Mf,B ,B = MB (B ) Mf,B ,B MB (B ) = (MB (B ))1 Mf,B ,B MB (B ). Denici on: dos matrices A, A Mnn(K ) son semejantes si existe P Mnn(K ) con det(P ) = 0 tal que A = P 1 A P. Propiedad: si A y A son semejantes (es decir, representan el mismo endomorsmo) = det(A) = det(A ). El objetivo de este tema es: dada una matriz cuadrada , encontrar la matriz semejante m as sencilla (es diagonal o casi diagonal). Hay mucho motivos por los que es u til, dado un endomorsmo, encontrar la matriz asociada m as sencilla. Por ejemplo, clasica los endomorsmo y facilita operaciones con endomorsmos (especialmente la composici on de un endomorsmo consigo mismo).
1

5.2.

Autovalores y Autovectores. Polinomio caracter stico

Un autovector de f es un vector v V para el que existe un K que verica que f (v ) = v. Al escalar se le denomina autovalor correspondiente al vector v . Observaci on: si v es un autovector de f , el subespacio L se transforma en s mismo mediante f . Denici on: un subespacio invariante del endomorsmo f es un subespacio vectorial que se transforma en s mismo mediante f . Es decir, W V es subespacio invariante si f (W ) W . Determinaci on de los autovalores y autovectores en base B : v es autovector de f con autovalor f (v ) = v f (v ) v = 0 (f I )v = 0 v ker(f I ) (x1, . . . , x n )B = on no trivial del v es soluci x1 0 . . . =. sistema (A I ) . 0 xn Donde A es la matriz asociada a f en la base B .

Conclusi on: 1. es un autovalor de f det(A I ) = 0. 2. x = (x1, . . . , xn) es un autovector de f con autovalor (x1, . . . , xn) es soluci on del sistema (A I )x = 0. 3. V () = {x = (x1, . . . , xn) V |(A I )x = 0} = ker(A I ) es el subespacio de autovectores correspondientes al autovalor . Denici on: Se llama polinomio caracter stico del endomorsmo f al polinomio det(A I ), siendo A una matriz asociada a f . Proposici on: el polinomio caracter stico no depende de la matriz asociada elegida Denici on: la multiplicidad algebraica m() de un autovalor de f es su multiplicidad como ra z del polinomio caracter stico de f . La multiplicidad geom etrica d() de un autovalor de f es la dimensi on del subespacio invariante V (). Es decir, d() := dim(V ()) = dim(ker(A I )) = n rango(A I ). Propiedad: 1 d() m().

5.3.

Endomorsmos diagonalizables

Denici on: un endomorsmo f : V V es diagonalizable si existe una base de V de modo que la matriz asociada a f en dicha base es diagonal. Una matriz A es diagonalizable por semejanza si existe una matriz P con det(P ) = 0 tal que P 1 A P es diagonal. Observaci on: f es diagonalizable cualquier matriz asociada a f es diagonalizable por semejanza. Teorema: f : V V es diagonalizable existe una base de V formada por autovectores. Caracterizaci on de endomorsmos diagonalizables: sea f : V V un endomorsmo y 1, . . . s sus autovalores. Entonces, f es diagonalizable 1. m(1) + + m(s) = n = dim(V ) 2. m(1) = d(1), , m(s) = d(s) En este curso la condici on 1. siempre se va a vericar. Es decir, el polinomio caracter stico tiene n = dim(V ) ra ces reales (contadas con su multiplicidad). Dicho de otra forma, no vamos a tratar el caso en el que el polinomio caracter stico tenga ra ces complejas.

5.4.

Forma Can onica de Jordan

Sea f : V V un endomorsmo y sea A la matriz asociada a f en base B . La forma can onica de Jordan, o la matriz semejante a A m as sencilla, se encuentra de la siguiente forma (utilizaremos un ejemplo en el que V = R9): Primero se encuentran los autovalores de A y sus multiplicidades algebraicas. Supongamos que A tiene dos autovalores: 1 y 2; y supongamos que m(1) = 2 y m(2) = 7. Nuestro objetivo es encontrar una base {u1, . . . , u9} de V tal que la matriz asociada a f en esa base sea lo m as sencilla posible. Como m(1) = 2, dos de los vectores de la base tendr a que ver con el autovalor 1; y como m(2) = 7, siete de los vectores de la base tendr an que ver con el autovalor 2. Empecemos por el autovalor 1. El subespacio de autovectores con autovalor 1 es V (1) = ker(A + I ). Supongamos que la dimensi on de ker(A + I ) es dos. Entonces encontramos una base de ker(A + I ), o lo que es lo mismo encontramos dos vectores u1 y u2 de ker(A + I ) que sean l.i. .

Pasamos al caso del autovalor 2. Supongamos que el subespacio de autovectores con autovalor 2 tiene dimensi on cuatro: dim(ker(A + 2I )) = 4 No podemos hacer lo mismo que el caso anterior. Hacemos lo siguiente: 1. Calculamos ker(A + 2I )2, ker(A + 2I )3, . . .. La dimensi on de estos subespacios ir a creciendo hasta alcanzar m(2) que es siete y despu es se estabiliza. Supongamos que dim(ker(A+2I )2) = 6 y dim(ker(A+2I )3) = 7.

2. Construimos un diagrama donde un conjunto de area 4 representa un subespacio vectorial de dim 4.

K er(A + 2 I) 3 \ K er(A + 2 I) 2 K er(A + 2 I) 3 K er(A + 2 I) 2

K er(A + 2 I) K er(A + 2 I) 2 \ K er(A + 2 I)

K er (A + 2I)

Nuestro objetivo es encontrar un vector por cada unidad de supercie; es decir, encontrar 7 vectores l.i.. Vamos a ir rellenando de arriba a abajo. 3. Encontramos un vector u3 que cubra la unidad de supercie de arriba. Es decir, u3 ker(A + 2I )3 \ ker(A + 2I )2.

K er(A + 2 I) 3 \ K er(A + 2 I) 2

u3

K er(A + 2 I) 3 K er(A + 2 I) 2

K er(A + 2 I) K er(A + 2 I) 2 \ K er(A + 2 I)

u4

u6

K er (A + 2I)

u5

u7

u8

u9

4. Ahora es conveniente proyectar hacia abajo el vector u3. Es decir, u4 := (A + 2I ) u3 y u5 := (A + 2I ) u4. 5. El siguiente hueco que queda est a en ker(A + 2I )2 \ ker(A + 2I ). Por tanto, encontramos un vector u6 ker(A + 2I )2 \ ker(A + 2I ) que sea l.i. con u4.
7

6. Proyectamos u6 hacia abajo y obtenemos u7. Es decir, u7 := (A + 2I ) u6. 7. Finalmente rellenamos los dos huecos que quedan en ker(A +2I ). Es decir, encontramos u8, u9 tal que {u5, u7, u8, u9} son l.i.. Obs ervese que
u ker(A + 2I )3 0 = (A + 2I )3 u = (A + 2I )2[(A + 2I )u] (A + 2I )u ker(A + 2I )2.

Como u1, u2, u5, u7, u8, u9 son autovectores y sus respectivos autovalores son 1, 1, 2, 2, 2, 2, sabemos que
f (u1) = u1; f (u2) = u2; f (u5) = 2u5; f (u7) = 2u7; f (u8) = 2u8; f (u9) = 2u9;

Calculemos las im agenes de los vectores que faltan:

u4 = (A + 2I )u3 Au3 = u4 2u3 f (u3) = u4 2u3; u5 = (A + 2I )u4 Au4 = u5 2u4 f (u4) = u5 2u4; u7 = (A + 2I )u6 Au6 = u7 2u6 f (u6) = u7 2u6.

Finalmente, la matriz asociada a f en la base B = {u1, . . . , u9} es

| | | | | | |
f (u7 )

| |

| |

Mf,B ,B = f (u1) f (u2) f (u3) f (u4) f (u5) f (u6) | | | | | | 1 0 0 0 0 0 0 1 0 0 0 0 0 0 2 0 0 0 0 0 1 2 0 0 = 0 0 0 1 2 0 0 0 0 0 0 2 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0

f (u8 ) f (u9 )

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 . 0 0 0 2 0 0 0 2 0 0 0 2

Esta es la forma can onica de Jordan de la aplicaci on lineal f . La matriz cambio de base ser a
| |
(u2 )B

|
(u3 )B

|
(u4 )B

|
(u5 )B

|
(u6 )B

|
(u7 )B

|
(u8 )B

|
(u9 )B

P = (u1)B |

Se verica que Mf,B ,B = P 1 A P.