Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALtema2EMV PDF
ALtema2EMV PDF
Diagonalizaci
on de endomorfismos.
Algebra Lineal
Escuela Polit
ecnica Superior
Universidad de M
alaga
Emilio Mu
noz-Velasco
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 1
2.1 Aplicaciones Lineales
f (~
u+~ v ) = f (~ v ) ~
u) + f (~ u, ~
vV
f (~v ) = f (~v) K, ~
vV
Si V = W entonces la aplicaci
on lineal se llama endomorfismo.
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 2
Propiedades
Si f : V W es una aplicaci
on lineal, se verifica:
1. f (~u~ u) f (~
v ) = f (~ v)
2. f (~0V ) = ~0W
Caracterizaci
on de una aplicaci
on lineal
f (~
u + ~
v ) = f (~
u) + f (~
v)
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 3
N
ucleo e Imagen de una aplic. lineal
Definici
on 1. Sea f : V W una aplicaci on lineal.
Llamamos N ucleo de f (Kerf ) al conjunto de vectores de
V cuya imagen es el elemento neutro de W .
Kerf = {~ v ) = ~0W }
v V | f (~
Definici
on 2. Llamamos Imagen de f (Imf ) al conjunto de
vectores de W que son im
agenes bajo f de vectores de V .
Imf = {w
~ W | ~
vV t.q. f (~
v ) = w}
~
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 4
Ejemplo 2. Calcular n ucleo e imagen de las siguientes
aplicaciones lineales.
2. f : R3 R2, f (x, y, z) = (x + y, 0)
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 5
Teorema 4. Sea f : V W una aplicaci
on lineal. Entonces:
2. f es sobreyectiva si y s
olo si Imf = W
1. f: R3 R3 , f (x, y, z) = (z, x + y, z)
2. f: R3 R2 , f (x, y, z) = (x + y, 0)
3. f: R2 R2 , f (x, y) = (y, x)
4. f: R3 R2 , f (x, y, z) = (y, z)
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 6
Matriz de una aplicaci
on lineal
Sea f : V W una a.l. sobre un mismo cuerpo K. Sea
B = {~ v1 , ~ vn} una base de V en las que las coordenadas
v2, . . . , ~
x V son (x1, x2 . . . , xn). Sea B0 = {w
de ~ ~ 1, w ~ m} una
~ 2, . . . , w
base de W y sea f (~ ~ W de coordenadas (y1, y2 . . . , ym)
x) = y
en B0.
Supongamos conocidas las coordenadas de las im agenes de los
vectores de la base B expresadas en la base B0.
f (~
v1) = a11w ~ 2+
~ 1 + a21w am1w ~m
f (~
v2) = a12w ~ 2+
~ 1 + a22w am2w ~m
.. .. ... ..
f (~
vn) = a1nw ~ 2+
~ 1 + a2nw amnw ~m
Tenemos entonces:
f (~
x) = y1w ~ 2 + + ymw
~ 1 + y2w ~m
f (~
x) = f (x1~ v2+ +xn~
v1+x2~ vn) = x1f (~ v2)+ +xnf (~
v1)+x2f (~ vn )
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 7
Igualando las dos expresiones previas y utilizando f (~
v1) . . . f (~
vn):
y1w ~ 2 + + ynw
~ 1 + y2w ~m =
= (x1a11 + x2a12 + + xna1n)w ~ 1+
+ (x1a21 + x2a22 + + xna2n)w ~ 2+
..
+ (x1am1 + x2am2 + + xnamn)w ~m
por tanto:
y1 a11 a12 a1n x1
. = a.21 a.22 a2. n x.2
y2
. . . ... . .
ym am1 am2 amn xn
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 8
Ejemplos
1. Calcular la matriz asociada a la a.l. f : R3 R2, f (a, b, c) =
(a + b, a c) en los siguientes casos:
(a) Cuando las bases de los e.v. son can
onicas.
(b) Respecto a las bases B = {(1, 1, 1), (0, 2, 1), (1, 3, 0)} y
B0 = {(0, 1), (1, 2)}
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 9
Cambio de base para ap. lineales
0
Teorema 5. Sea f : V W una a.l.. Consideremos BV y BV
0
dos bases de V , y BW y BW dos bases de W , la matriz P de
0 0
cambio de base de BV a BV y la matriz Q de BW a BW .
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 10
on lineal f : R3 R2,
Ejemplo 4. Dada la aplicaci
f (x, y, z) = (x + 2y z, 2x y + 3z)
B30 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)}; B20 = {(1, 3), (2, 1)}
Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 11
2.2. Diagonalizaci
on de
endomorfismos
Definici
on 3. Dado un e.v. V sobre un cuerpo K diremos que
el endomorfismo f : V V es diagonalizable si existe una base
de V tal que la representaci
on de f en la base sea una matriz
diagonal D. Si la matriz A Mn(K) es la representaci on de
f en la base, diremos que A es diagonalizable en K si f es
diagonalizable.
Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 12
on 5. Sea f : V V un endomorfismo. Al conjunto
Definici
E = {~ v V | f (~ v } de los autovectores asociados al
v ) = ~
autovalor , se le llama subespacio propio del endomorfismo f
asociado al autovalor .
C
alculo de Autovalores
Teorema 6. Sea A Mn(K). Entonces
K es un autovalor de A el determinante de la matriz
(A I) es nulo.
ser
a autovalor de A si y s
olo si el sistema homogeneo
(A I)X = 0 tiene soluci on no trivial. Esto ocurre si y s
olo si
(A I) es una matriz singular, es decir su determinante es nulo.
on 6. Sea A Mn(K).
Definici Llamamos polinomio
caracterstico de la matriz A al determinante de la matriz
(A I).
on caracterstica a det(A I) = 0.
Llamaremos ecuaci
Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 13
Ejemplo 5. De los siguientes endomorfismos reales, hallar los
autovalores y sus subespacios propios asociados:
Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 14
Teorema de caracterizaci
on de los
endomorfismos diagonalizables
2. Multiplicidad geom
etrica de , mg (), a la dimensi
on del
subespacio propio asociado a , E.
Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 15
Teorema 8. Sea V un e.v. de dimensi on n definido sobre
un cuerpo K y f : V V un endomorfismo. Si los
autovalores distintos de f son: 1, 2, . . . , p K entonces
f es diagonalizable si y s
olo si se verifican las dos siguientes
condiciones:
2. ma(i) = mg (i) i = 1, . . . , p
Observaciones:
Si es un autovalor de f , entonces
1 mg () ma()
Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 16