UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE CIENCIAS
ÁLGEBRA LINEAL PARA FÍSICOS I (CF-1C2A)
VALORES Y VECTORES PROPIOS DE OPERADORES LINEALES

1. VECTORES PROPIOS Y VALORES PROPIOS DE UN ENDOMORFISMO

Si consideramos dos bases B y B ′ de un espacio vectorial E, entonces para el endomorfismo
f en E tenemos
M (f, B ′ ) = P −1 M (f, B)P P : B → B′ (1)
Las matrices M (f, B ′ ) y M (f, B) se llaman matrices semejantes. Es importante buscar una
base de E tal que la matriz de f relativa a esa base sea la ”mas simple” posible.
La forma más simple de representar a un operador es cuando es diagonizable, es decir cuando
su representación es una matriz diagonal. Si éste no es el caso hay otras formas de ”simpli-
ficar” la representación matricial del operador como las formas canónicas de Jordan, forma
triangular, etc.
Definición: Sea f una aplicación de A en B y X un subconjunto de A. Cuando A = B
ciertas circustancias se pueden producir:
Si f (X) ⊂ X, se dirá que X es un subconjunto estable por f .
Si f (X) = X, se dirá que X es un subconjunto invariante por f . Un elemento x de A tal
que f (x) = x se dice invariante por f .
Definición: Sea f un endomorfismo de un espacio vectorial E sobre K, se llama vector
propio de f a todo vector x tal que existe un elemento λ en K que verifica

f (x) = λx (2)

Si x = 0 la relación (2) se verifica cualquiera sea λ; supongamos que x ̸= 0 que verifica (2),
el escalar λ es entonces única, pues

(x ̸= 0 y λx = λ′ x) =⇒ (λ − λ′ )x = 0 =⇒ λ = λ′ (3)

de donde la definición
Definición: Sea f un endomorfismo de un espacio vectorial E sobre K, se llama valor
propio de f todo elemento λ de K tal que exista un vector x ̸= 0 de E que verifica

f (x) = λx (4)

Siendo λ un valor propio, por definición el conjunto x de vectores de E, o sea V (λ), que
verifica (4) es distina de {0}. Sean x1 y x2 que pertenecen a V (λ), f (x1 ) = λx1 y f (x2 ) = λx2
conllevan a
f (x1 + x2 ) = f (x1 ) + f (x2 ) = λx1 + λx2 = λ(x1 + x2 ) (5)
y para todo α de K:
f (αx1 ) = αf (x1 ) = α(λx1 ) = λ(αx1 ) (6)
entonces
[x1 ∈ V (λ), x2 ∈ V (λ)] =⇒ [x1 + x2 ∈ V (λ), αx1 ∈ V (λ)] (7)

1
entonces V (λ) es un subespacio vectorial de E.
De ello resulta que si x ∈ V (λ) entonces f (x) = λx ∈ V (λ) implica que V (λ) es estable por
f.
Teorema 1: Si se da un endomorfismo f de un espacio vectorial E sobre el cuerpo conmu-
tativo K.
1) A todo vector propio x ̸= 0 de f le corresponde un valor propio único λ, llamado valor
propio asociado a x.
2) A todo valor propio λ de f le corresponde un subespacio vectorial V (λ) de E, él es confor-
mado por los vectores x de E que verifican f (x) = λx y se le llama el subespacio propio
asociado a λ ; V (λ) es distinto de {0} y es estable por f
Observaciones:
(1) Si λ = 0 es valor propio, existe x ̸= 0 tal que f (x) = 0x = 0, entonces V (0) = Kerf ̸= {0}.
(2) Si se designa por V (µ) el conjunto de los vectores x que verifican f (x) = µx, entonces la
condición V (µ) = {0} significa que µ no es valor propio de f .
Ejemplo 1: Hallar todos los valores propios y vectores propios y una base de cada subespacio
propio del operador f : R3 → R3

f (r̄) = f (x, y, z) = (2x + y, y − z, 2y + 4z) (8)

f (r̄) = λr̄ entonces f (x, y, z) = λ(x, y, z)

 
 2x + y = λx  (2 − λ)x + y + 0z = 0
y − z = λy 0x + (1 − λ)y − z = 0 (9)
2y + 4z = λz 0x + 2y + (4 − λ)z = 0
 

Aparte de r̄ = 0̄  
 2−λ 1 0 
 
 0
 1 − λ −1 =0
 (10)
 0 2 4−λ 
(2 − λ)[(1 − λ)(4 − λ) + 2] = 0 ⇒ (2 − λ)(λ − 2)(λ − 3) = 0.
Por tanto los valores propios son λ1 = λ2 = 2 y λ3 = 3.
Para λ1 = 2  
 0x + 1y + 0z = 0  y=0
0x − y − z = 0 =⇒ +y + z = 0 (11)
0x + 2y + 2z = 0 x∈R
 

(x, y, z)T = (x, 0, 0)T = x(1, 0, 0)T

Para λ3 = 3 
 −x + y + 0z = 0 
y=x
0x − 2y − z = 0 =⇒ (12)
z = −2y
0x + 2y + z = 0


(x, y, z)T = (x, x, −2x)T = x(1, 1, −2)T

Ası́, los subespacios propios asociados a cada valor propio son:

V (λ1 = 2) = {r̄ ∈ R3 : r̄ = s(1, 0, 0) s ∈ R} dimV (λ1 = 2) = 1 (13)

V (λ3 = 3) = {r̄ ∈ R3 : r̄ = t(1, 1, −2) t ∈ R} dimV (λ3 = 3) = 1 (14)

2
Propiedades de los valores propios y vectores propios de un endomorfismo
Si λ es un valor propio de f existe x ̸= 0 de E tal que

f (x) = λx = λY (x) = [λY ](x) =⇒ [f − λY ](x) = 0̂ (15)

entonces Ker(f − λY ) ̸= {0} es decir f − λY no es inyectiva y por tanto no inversible. Si

se supone E de dimensión finita, si f − λY es no inversible ella es no inyectiva y deduciendo
en sentido contrario λ es un valor propio, de donde
Teorema 2: Sea f un emdomorfismo de E, espacio vectorial de dimensión finita sobre K,
entonces para λ de K, las propiedades siguientes son equivalentes:
1) λ es valor propio de f .
2) f − λY no es inversible.
Consideremos dos valores propios distintos λ1 ̸= λ2 y busquemos x que pertenecen a V (λ1 ) ∩
V (λ2 )
f (x) = λ1 x = λ2 x =⇒ (λ1 − λ2 )x = 0 =⇒ x = 0 (16)
Teorema 3: Los subespacios vectoriales V (λ1 ) y V (λ2 ) asociados a dos valores propios
distintos de un endomorfismo f , no tienen en común más que el vector nulo.
Teorema 4: Sea f un endomorfismo de E, espacio vectorial sobre K admitiendo m valores
propios distintos dos a dos, λ1 , λ2 , ..., λm , entonces la familia (xi ) (1 ≤ i ≤ m), donde xi es
un vector propio no nulo asociado a λi , es libre.
Demostración: La demostración se va a hacer por inducción matemática. Sean f (xi ) = λi xi .
Si i = 1 entonces {x1 } es libre, dado que x1 ̸= 0. Luego si es cierto para m − 1 es decir
{x1 , x2 , ..., xm−1 } es libre, veamos qué sucede con

p1 x1 + p2 x2 + ... + pm−1 xm−1 + pm xm = 0 (17)

f [p1 x1 + p2 x2 + ... + pm−1 xm−1 + pm xm ] = f (0) = 0 (18)

p1 f (x1 ) + p2 f (x2 ) + ... + pm−1 f (xm−1 ) + pm f (xm ) = 0 (19)
p1 λ1 x1 + p2 λ2 x2 + ... + pm−1 λm−1 xm−1 + pm λm xm = 0 (20)
Multiplicando a (17) por λm tenemos

p1 λm x1 + p2 λm x2 + ... + pm−1 λm xm−1 + pm λm xm = 0 (21)

Restando (21) de (20)

p1 (λ1 − λm )x1 + p2 (λ2 − λm )x2 + ... + pm−1 (λm−1 − λm )xm−1 = 0 (22)

pero {xi } es libre para i = 1, 2, ..., m − 1 entonces

p1 (λ1 − λm ) = p2 (λ2 − λm ) = ... = pm−1 (λm−1 − λm ) = 0 (23)

y como λ1 ̸= λm , λ2 ̸= λm , ..., λm−1 ̸= λm finalmente p1 = p2 = ... = pm−1 = 0. Luego en

(17) tenemos pm xm = 0 ⇒ pm = 0 ⇒ pi = 0 para i = 1, 2, ..., m y por lo tanto {xi } es libre
donde i = 1, 2, ..., m.

3
Corolario 1: Si dimE = n, todo endomorfismo de E tiene a lo mas n valores propios
distintos dos a dos.
En efecto: si hay m valores propios λ1 , λ2 , ..., λm distintos dos a dos entonces por el Teorema
4 los vectores propios asociados (xi ) es un subconjunto libre pero en un espacio vectorial E
de dimensión n sobre K, todo subconjunto libre tiene a lo más n elementos.
Corolario 2: Si λ1 , λ2 , ..., λm son dos a dos distintos, el subespacio V (λ1 )+V (λ2 )+...+V (λm )
es suma directa de V (λ1 ), V (λ2 ), ..., V (λm )
En efecto si xi ∈ V (λi )(1 ≤ i ≤ m), y si

x1 + x2 + ... + xm = 0 (24)

cada xi es nulo, porque de lo contrario con xi1 , xi2 , ..., xil (l < m) no nulos en (24) uno de
ellos serı́a combinación lineal de los otros y formarı́an una familia ligada, lo que es imposible
según el Teorema 4.
Se deduce por sustracción que para todo x de V (λ1 ) + V (λ2 ) + ... + V (λm )

x = x1 + x2 + ... + xm = x′1 + x′2 + ... + x′m (25)

Luego
(x1 − x′1 ) + (x2 − x′2 ) + ... + (xm − x′m ) = 0 (26)
y como cada (xi − x′i ) ∈ V (λi ) tendremos por (24) que xi = x′i y la descomposicón como una
suma es única.
Por lo tanto

V (λ1 ) + V (λ2 ) + ... + V (λm ) = V (λ1 ) ⊕ V (λ2 ) ⊕ ... ⊕ V (λm ) (27)

Polinomio caracterı́stico de un endomorfismo de E, de dimensión n sobre K

Hasta ahora hemos definido y estudiado valores propios y vectores propios de un endomor-
fismo; pero no sabemos si existe. Vamos a estudiar este problema de la existencia de los
valores propios de f limitándonos al caso donde E es de dimensión finita sobre K, por
intermedio de A = M (f )
Valores propios y vectores propios de una matriz cuadrada
Habiendo elegido una base en E de dimensión n sobre K, la biyección f → A = M (f ) nos
permite extender las nociones definidas para f a toda matriz de Mn (K): los valores propios,
los vectores propios, de A=M(f ) son por definición los valores propios y vectores propios de
f.
Sean λ y x un valor propio y un vector propio asociados de f , entonces también de A =
M (f, (ai )), donde B = (ai ) es una base de E. Se sabe que [f (x)]B = M (f, B)(x)B entonces
[λx]B = λ(x)B = A(x)B luego llamando (x)B = x̄ tenemos Ax̄ = λx̄ de donde (A − λIn )x̄ = 0
y tenemos un sistema homogéneo de n ecuaciones con n incógnitas. Aparte de x̄ = 0̄
tendremos soluciones no triviales cuando det(A − λIn ) = 0 y por tanto A − λIn no es
inversible.

4
Teorema 5: Sea A una matriz de Mn (K), para todo λ de K las propiedades siguiente son
equivalentes
1) λ es un valor propio de A.
2) A − λIn no es inversible.
3) det(A − λIn ) = 0
Observación: Sea A una matriz cuadrada de orden n, por definición todas las matrices
A′ = P −1 AP (P matriz cuadrada de orden n, inversible) tienen los mismos valores propios y
los mismos vectores propios que A: éstos son los de f asociados a A en una base particular.
Polinomio caracterı́stico de una matriz o de un endomorfismo
Sea f un endomorfismo de E de dimensión n sobre K y A = M (f, (ai )) = (αij ). Según la
tercera condición del Teorema 5, λ será valor propio si y solamente si
 
 α1 − λ α 1
· · · α 1 
 1 2 n 
 α2 α22 − λ · · · αn2 
1
det(A − λIn ) =  =0 (28)

.. .. .. ..
 . . . . 
 α1n α2n · · · αnn − λ 
 

La matriz A − XIn donde X es una indeterminada se llama la matriz caracterı́stica de A y

es:  
α11 − X α21 ··· αn1
 α2 α22 − X ··· αn2 
1
A − XIn =  (29)
 
.. .. ... .. 
 . . . 
α1n α2n · · · αnn − X
Su determinante det(A−XIn ) es un polinomio en X y se denomina el polinomio caracterı́stico
de A y es denotado por pA (X)

pA (X) = (−1)n X n + (−1)n−1 (α11 + α22 + ... + αnn )X n−1 + ... + detA (30)

Éste polinomio pA (X) es entonces de grado n y α11 + α22 + ... + αnn = tr(A) y det(A) = pA (0)
es el término independiente.
Teorema 6 y definición: Sea f un endomorfismo del espacio vectorial E de dimensión n
sobre K, A una matriz asociada a f , entonces el polinomio

pA (X) = det(A − XIn ) (31)

es invariante cuando se le reemplaza por una matriz semejante, se dice que pA (X) es el
polinomio caracterı́stico de A ∈ Mn (K) o el polinomio caracterı́stico de f ∈ L(E), y se
le denota también por pf (X).
Sea B = P −1 AP una matriz semejante a A donde P es una matriz inversible de orden n con
elementos en K, tenemos entonces en el anillo de las matrices:
B − XIn = P −1 AP − XP −1 In P = P −1 AP − P −1 (XIn )P = P −1 [A − XIn ]P de donde
pB (X) = det[P −1 (A − XIn )P ] = det(P −1 )det(A − XIn )det(P ) = det(A − XIn ) = pA (X)
Dado que tr(B) = tr(A) y det(B) = det(A) entonces

pf (X) = (−1)n X n + (−1)n−1 tr(f )X n−1 + ... + det(f ) (32)

5
Búsqueda de los valores y vectores propios
Definición: Un cuerpo K es algebraicamente cerrado si todo polinomio f de grado n > 0
admite n raı́ces en K.
Definición: Si el orden de multiplicidad de una raı́z α de un polinomio f es k = 1 se dice
que α es una raı́z simple de f .
Siendo f un endomorfismo de E de dimensión n sobre K, los resultados precedentes nos
permiten anunciar:
Teorema 7: Sea f un endomorfismo de un espacio vectorial E de dimensión n sobre el
cuerpo conmutativo K, entonces los valores propios de f son las raı́ces de su polinomio
caracterı́stico. Hay n a lo más.
Si K es algebraicamente cerrado, entonces f posee n valores propios distintos o algunos
coincidentes.
Ejemplo 2: Habiendo elegido una base B = (ai ) de E se coloca A = M (f, B) = (αij ).
Debemos resolver la ecuación algebraica de grado n, pf (λ) = 0.
Ésta última puede no tener una raı́z en K. Tomemos por ejemplo K = R
   
a b  a−λ b 
A= pA (λ) =   = λ2 − (a + d)λ + (ad − bc) = 0 (33)
c d c d−λ 

Si (a + d)2 − 4(ad − bc) = (a − d)2 + 4bc < 0, la matriz A y el endomorfismo f asociado

(endomorfismo de E de dimensión 2 sobre R) no tiene valor propio en R; no hay entonces
vectores propios no nulos, pero si A ∈ Mn (C) entonces pA (λ) siempre tiene dos raı́ces en C
ya que K = C es algebraicamente cerrada.
Teorema 8: Sea f un endomorfismo de E de dimensión n sobre K y su polinomio carac-
terı́stico pf que admiten en K una raı́z múltiple λ de orden k, entonces se tiene:

1 ≤ dimV (λ) ≤ k (34)

Se dice que k es la multiplicidad algebraica o degeneración del valor propio y dimV (λ) es la
multiplicidad geométrica de λ.
Propiedad: Consideremos la matriz por bloques
 
A B
M= (35)
0 C

donde A y C son matrices cuadradas, entonces detM = (detA)(detC).

En forma más general  
A1 B · · · C
 0 A2 · · · D 
M = (36)
 
 · · · · · · ...

··· 
0 0 ··· An

donde Ai son matrices cuadradas sobre la diagonal, entonces detM = (detA1 )(detA2 )...(detAn ).

6
 Ejemplo 1: Del ejemplo 1, tenemos el sistema de ecuaciones (11) que nos da las coordenadas
de un vector propio en la base canónica B de R3 . Éste sistema de ecuaciones no es otra cosa
que la solución en forma matricial de (A − λ1 I3 )(r̄)B = 0 donde A − λ1 I3 es la matriz que
representa al operador f − λ1 Y en la base B.
 
0 1 0
A − λ1 I3 =  0 −1 −1  (37)
0 2 2

De acuerdo a (15) los vectores que cumplen dicha ecuación (f − λ1 Y )(r̄) = 0 son elementos
de V (λ1 ) = Ker(f − λ1 Y ). Ahora bien, de (37) el operador f − λ1 Y tiene un rango igual a
2 y por tanto dim[Ker(f − λ1 Y )] = dimV (λ1 ) = 3 − 2 = 1.
De la misma manera para el sistema (12) tenemos que el rango de f −λ2 Y es 2 y dimV (λ2 ) =
dim[Ker(f − λ2 Y )] = 3 − 2 = 1.

2. DIAGONALIZACIÓN
Definición: Se dice que un endomorfismo f del espacio vectorial E de dimensión n sobre
K es diagonalizable si existe una base de E tal que la matriz asociada a f relativamente a
ésta base sea diagonal.
Se dice que A de Mn (K) es diagonalizable si existe una matriz cuadrada inversible P de
orden n tal que P −1 AP sea diagonal.
Se ve que las condiciones:
(1) f ∈ LK (E) es diagonalizable.
(2) A = M (f, (ai )) es diagonalizable.
son las mismas: P es la matriz cambio de base de la base (ai ) a la base (bi ) de E tal que
M (f, (bi )) sea diagonal.
Condición necesaria y suficiente de diagonalización
Teorema 9: Un endomorfismo f de E, espacio vectorial de dimensión n sobre K es diago-
nalizable si y solamente si es posible encontrar una base de E formada de vectores propios.
Sea f : E → E un endomorfismo con dimE = n sobre K tal que en la base B = (ai ) la
matriz A asociada a f sea diagonal

···
 
µ1 0 0 0
..
 0
 . 0 ··· 0


A = M (f, B) =  0 · · · µi ··· 0 (38)
 


 ··· ··· ··· ... 
··· 
0 0 0 · · · µn

tenemos
pA (X) = det(A − XIn ) = (µ1 − X)...(µi − X)...(µn − X) (39)
Entonces los valores propios de A o de f son las raı́ces de pA (X) = 0 es decir son µ1 , ..., µ2 , ..., µn

7
y por tanto todas las raı́ces están en K. De otra parte de (38)

f (a1 ) = µ 1 a1
... = ...
f (ai ) = µ i ai
... = ...
f (an ) = µ n an (40)

entonces la base de E son los vectores propios no nulos de f .

Recı́procamente supongamos que se pueda encontrar una base (ai ) formada de vectores pro-
pios entonces es evidente que respecto a ésta base la matriz asociada a f es diagonal.
Acabamos de ver que si f es diagonalizable, sus n valores propios (distintos o algunos co-
incidentes) están en K, vamos a ver que se puede dar al Teorema 9 una forma más precisa
haciendo intervenir el orden de multiplicidad de las raı́ces de pf .
Teorema 10: Un endomorfismo f de E, espacio vectorial de dimensión n sobre K, es
diagonalizable si y solamente si:
1) el polinomio caracterı́stico pf tiene sus n raı́ces (distintas o algunas coincidentes) en K;
2) para cada raı́z λi de pf , de orden ki

dimV (λi ) = ki (41)

Se puede decir que un operador lineal es diagonalizable si y solo si la multiplicidad geométrica

es igual a la multiplicidad algebraica.
Estando todas las raı́ces en K se ve entonces que la segunda condición nos viene a decir que:
cada V (λi ) tiene la más grande dimensión posible. El isomorfismo f → M (f ) nos permite
enunciar
Corolario: Una matriz A de Mn (K) es semejante a una matriz diagonal si y solamente si:
(1) el polinomio caracterı́stico pA tiene sus n raı́ces en K.
(2) para cada raı́z λi de pA , de orden ki

dimV (λi ) = ki (42)

Condición suficiente de diagonalización

Supongamos que todas las raı́ces de pf (X) son elementos de K, λ1 , λ2 , ..., λn y que ellas sean
dos a dos distintas, existe entonces una familia de vectores (xi ):

(i = 1, 2, ..., n) f (xi ) = λi xi xi ̸= 0 (43)

entonces (xi )(1 ≤ i ≤ n) es una familia libre de vectores propios, ella tiene n elementos es
entonces una base formada de vectores propios, de donde
Teorema 11: Si f endomorfismo de E, de dimensión n sobre K, o A elemento de Mn (K)
posee n valores propios todos distintos en K, entonces f y A son diagonalizables.
En particular si K es algebraicamente cerrado, por ejemplo si K = C, todas las raı́ces del
polinomio caracterı́stica están en K, ellas son dos a dos distintas si y solamente si ellas son
simples: 1 ≤ dimV (λi ) ≤ 1 = ki ⇒ dimV (λi ) = ki

8
Corolario: Sea f un endomorfismo de E, de dimensión n sobre K, A un elemento de Mn (K)
y K algebraicamente cerrado, para que f y A sean diagonalizables es suficiente que todas
las raı́ces de su polinomio caracterı́stico sean simples.
Observación: El teorema 11 o su corolario no dan más que una condición suficiente de
diagonalización: con todos los valores propios de f estando en K, muy bien f puede ser
diagonalizable aún si pf tiene raı́ces múltiples.
Ejercicio 1: Sea A = M (f, B) donde B = {a1 , a2 , a3 } es una base de E. Determine los
valores propios y vectores propios de
 
−1 1 1
A =  1 −1 1  ∈ M3 (R) (44)
1 1 −1
Desarrollo: El polinomio caracterı́stico es
 
 −1 − X 1 1 
 
pA (X) = 
 1 −1 − X 1  = −X 3 − 3X 2 + 4 = −(X − 1)(X + 2)2 (45)

 1 1 −1 − X 

donde se ha usado la regla de Ruffini. Luego los valores propios son λ1 = 1 y λ2 = λ3 = −2

con multiplicidades k1 = 1 y k2 = 2.
Para λ1 = 1 y [b1 ]B = (x1 , x2 , x3 ) las coordenadas del vector propio b1 en la base B.
 
 −2x1 + 1x2 + 1x3 = 0  −3x2 + 3x3 = 0
1x1 − 2x2 + 1x3 = 0 =⇒ +3x2 − 3x3 = 0 (46)
1x1 + 1x2 − 2x3 = 0 x1 = x2 = x 3
 

(x1 , x2 , x3 )T = (x1 , x1 , x1 )T = x1 (1, 1, 1)T entonces b1 = 1a1 + 1a2 + 1a3 . Como el rango de
A − λ1 I3 es igual a 2 entonces dimKer[f − λ1 Y ] = dimV (λ1 ) = 3 − 2 = 1 = k1
Para λ2 = −2 y [b2 ]B = (y1 , y2 , y3 ) las coordenadas del vector propio b2 en la base B.

 1y1 + 1y2 + 1y3 = 0
1y1 + 1y2 + 1y3 = 0 =⇒ y3 = −y2 − y1 (47)
1y1 + 1y2 + 1y3 = 0


(y1 , y2 , y3 )T = (y1 , y2 , −y1 − y2 )T = y1 (1, 0, −1)T + y2 (0, 1, −1)T entonces b2 = 1a1 + 0a2 − 1a3
y b3 = 0a1 + 1a2 − 1a3 . Como el rango de A − λ2 I3 es igual a 1 entonces dimKer[f − λ2 Y ] =
dimV (λ2 ) = 3 − 1 = 2 = k2 .
Por lo tanto A es diagonalizable. Veremos que éste hecho no es fortuito: toda matriz cuadrada
simétrica real tiene todos sus valores propios reales y es siempre diagonalizable.
De otra parte, éste ejercicio muestra que estando todos los valores propios en K, el hecho
que éstas raı́ces sean simples es una condición suficiente pero no necesaria para que A sea
diagonalizable.
Sea B ′ = {b1 , b2 , b3 } la base de los vectores propios de f y la matriz cambio de base P : B →
B ′ . Recolectando tenemos

b1 = 1a1 + 1a2 + 1a3

b2 = 1a1 + 0a2 − 1a3
b3 = 0a1 + 1a2 − 1a3 (48)

9
    
1 1 0 1 1 1
1
P = 1 0 1  =⇒ P −1 =  2 −1 −1  (49)
3
1 −1 −1 −1 2 −1
La matriz A′ = M (f, B ′ ) es diagonal y está dada por
 
1 0 0
A′ =  0 −2 0  (50)
0 0 −2

Comprobamos que A′ = P −1 AP o P A′ = AP .

14/12/2021

10