Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4. Álgebra lineal
En la mayoría de los procesos biológicos intervienen dos o más variables que interactúan entre sí,
lo que conduce a sistemas de ecuaciones diferenciales de dos o más incógnitas.
Para establecer las bases de la teoría necesaria para resolver analíticamente sistemas de
ecuaciones diferenciales lineales, tenemos que familiarizarnos antes con los espacios
vectoriales. Al final de este tema trabajaremos esencialmente con matrices cuadradas:
aprenderemos a calcular sus autovalores y autovectores asociados.
con 𝕂 ∈ {ℝ, ℂ}. Estas operaciones han de verificar las siguientes propiedades:
Propiedades de la suma vectorial:
conmutativa: x + y = y + x ∀x, y ∈ E
asociativa: x + (y + z) = (x + y) + z ∀x, y, z ∈ E
Además:
Si 𝕂 = ℝ, el espacio vectorial diremos que es real.
Si 𝕂 = ℂ, el espacio vectorial diremos que es complejo.
A los elementos de un espacio vectorial E los llamamos vectores y, por regla general, especifi-
camos su naturaleza vectorial superponiendo flechas a la notación habitual. Por ejemplo, x ⃗ ∈ E.
Por ejemplo, si consideramos como espacio vectorial real el plano E = ℝ2, cualquier recta que pasa
por el origen,
S = {(x, y) ∈ ℝ2 : ax + by = 0, a, b ∈ ℝ} ⊂ ℝ2
Ni si quiera incluyéndolo, el conjunto E = ℙ*2 (ℝ) ∪ {0} alcanzaría la categoría de espacio vectorial,
ya que la operación + : E × E → E no sería cerrada en E : y es que la suma de dos polinomios de
grado 2 no necesariamente da un polinomio de grado 2 . Por ejemplo, −x 2 + x , x 2 + 1 ∈ E , pero su
suma x + 1 ∉ E.
El conjunto de los números reales ℝ = ℙ0(ℝ) ⊂ ℙn(ℝ) es subespacio vectorial real de cualquier ℙn(ℝ).
En general, para cualquier m ∈ ℕ con m ≤ n, ℙm(ℝ) es subespacio vectorial de ℙn(ℝ).
6 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplos de espacios y subespacios vectoriales
El conjunto
{(c d) }
a b
ℳ2(ℝ) = : a, b, c, d ∈ ℝ
de todas las matrices cuadradas 2 × 2 con coeficientes reales es un espacio vectorial real.
En general, para cualesquiera valores n, m ∈ ℕ, el conjunto ℳn×m (ℝ) de matrices de dimensión n × m
con coeficientes reales es un espacio vectorial real. Del mismo modo, ℳn×m (ℂ) es un espacio
vectorial real o complejo (según definamos la operación ⋅ tomando 𝕂 = ℝ o 𝕂 = ℂ).
Ahora, si considerásemos ℳn×m (ℤ) ⊂ ℳn×m(ℝ) , este conjunto no tendría categoría de subespacio
vectorial, ya que la operación ⋅ no es cerrada en ℳn×m (ℤ) . Basta con multiplicar cualquier matriz
entera M ≠ 0 por el escalar 2 ∈ 𝕂 para que el producto 2M ∉ ℳn×m (ℤ) quede fuera de ℳn×m (ℤ).
El subconjunto
{(b c) }
a b
𝒮2 (ℝ) = : a, b, c ∈ ℝ ⊂ ℳ2 (ℝ)
con c1, c2, …cr ∈ 𝕂 escalares cualesquiera. Si ci = 0 ∀i ∈ {1,…, r} , la combinación se dice que es
trivial. Naturalmente, las combinaciones triviales siempre dan lugar al elemento neutro 0 .⃗
Decimos que un conjunto de vectores { x 1⃗ , …, x r⃗ } ⊂ E es:
linealmente independiente cuando la única combinación lineal de todos ellos que genera el
vector nulo es la trivial, es decir:
c1 x 1⃗ + ⋯ + cr x r⃗ = 0 ⃗ ⇒ c1 = ⋯ = cr = 0.
(2) (6)
Los vectores x 1⃗ = , x 2⃗ =
1 3
son linealmente dependientes, ya que tomando c1 = 3 y c2 = − 1:
(5) (6)
Sin embargo, los vectores x 1⃗ = , x 2⃗ =
1 2
son linealmente independientes:
que verifican
n
x⃗= ck x k⃗ = c1 x 1⃗ + ⋯ + cn x n⃗ .
∑
k=1
De todas las bases posibles de ℝn, la más simple es la formada por los llamados vectores canónicos:
1 0 0
e 1⃗ = ⋯
0 , e ⃗ = 1 , …, e ⃗ = 0 .
⋯
2 n ⋯
0 0 1
( 2) (0) (1)
c1
x ⃗ = c = c1 = c1 e 1⃗ + c2 e 2⃗ .
1 0
+ c2
{(0 0) (0 0) (1 0) (0 1)}
= { E 1⃗ , E 2⃗ , E 3⃗ , E 4⃗ },
1 0 0 1 0 0 0 0
ℬc = , , ,
ya que cualquier otra matriz M ∈ ℳ2(ℝ) podemos escribirla como combinación lineal de estas cuatro:
(c d)
= a E 1⃗ + b E 2⃗ + c E 3⃗ + d E 4⃗ .
a b
M=
Estamos por tanto ante un espacio vectorial de dimensión 4. Es evidente su analogía con ℝ4.
Consideremos ahora el subespacio vectorial 𝒮2(ℝ) ⊂ ℳ2(ℝ) . Teniendo en cuenta que la diagonal
secundaria de cualquier matriz 2 × 2 simétrica está formada por un mismo valor duplicado, bastará tomar
{(0 0) (1 0) (0 1)}
= { E 1⃗ , E 2⃗ + E 3⃗ , E 4⃗ }
1 0 0 1 0 0
ℬ= , ,
como base del subespacio. Así, podemos decir que 𝒮2(ℝ) es un subespacio de dimensión 3 , dentro del
espacio vectorial ℳ2(ℝ), de dimensión 4.
12 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplos de bases en espacios vectoriales
La base canónica del espacio vectorial ℙ2(ℝ) es la formada por los monomios x 2, x y 1:
ℬc = {x 2, x, 1} = { v 1⃗ , v 2⃗ , v 3⃗ },
ya que cualquier polinomio p(x) ∈ ℙ2(ℝ) podemos expresarlo como combinación lineal de ellos tres:
p(x) = ax 2 + bx + c = a v 1⃗ + b v 2⃗ + c v 3⃗ .
3 3
Estamos por tanto ante un espacio vectorial de dimensión 3. Es evidente su analogía con ℝ : ℙ2(ℝ) ≃ ℝ .
En general, podemos definir la base canónica del espacio (n + 1)− dimensional ℙn(ℝ) ≃ ℝn+1, como:
ℬc = {x n, …, x, 1} = { v 1⃗ , …, v n⃗ , v n+1
⃗ },
La dimensión de un espacio vectorial podría incluso ser infinita. Si consideramos el espacio vectorial de
todos los polinomios con coeficientes reales (sin restricción sobre el grado),
ℙ(ℝ) = {an x n + ⋯ + a1x1 + a0 : n ∈ ℕ, an, …, a1, a0 ∈ ℝ},
es evidente que para construir su base debemos considerar un monomio canónico para cada posible
grado n ∈ ℕ, de modo que ahora la base canónica será una sucesión infinita de monomios básicos:
{x }k=0 = {…, x 3, x 2, x, 1}
k ∞
ℬc =
u 2⃗
e 2⃗ u 1⃗ v 2⃗
e 1⃗ v 1⃗
Observamos que el vector x ⃗ (representado como una flecha azul) es el mismo en los tres casos.
Simplemente cambian sus coordenadas cuando cambiamos el sistema de referencia, o sea, la base.
14 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Aplicación lineal
Toda aplicación definida entre dos espacios vectoriales E1 y E2 con coordenadas en 𝕂 ∈ {ℝ, ℂ},
f : E1 → E2,
recibe el nombre de aplicación lineal siempre que preserve las propiedades de las dos operaciones + y ⋅
definidas en sendos espacios. Es decir:
1. La imagen de la suma vectorial (en E1) es la suma vectorial (en E2) de las imágenes:
∀ x ,⃗ y ⃗ ∈ E1, f ( x ⃗ + y )⃗ = f ( x )⃗ + f ( y )⃗ ∈ E2
2. La imagen del producto (en E1) de un vector por un escalar es igual al producto (en E2) de la imagen
del vector por el mismo escalar:
∀λ ∈ 𝕂, ∀ x ⃗ ∈ E1, f (λ x )⃗ = λ f ( x )⃗ ∈ E2
Las matrices constituyen precisamente la herramienta matemática que nos permite operar con vecto-
res. La transformación de un vector x ⃗ ∈ E1 en otro f ( x )⃗ ∈ E2 se consigue (1) estableciendo
coordenadas en ambos espacios y (2) operando con matrices de dimensiones apropiadas. Así,
cualquier transformación lineal f : E1 → E2 entre espacios de dimensión finita puede expresarse como
f ( x )⃗ = A x ⃗
donde A ∈ ℳn×m(𝕂), siendo m ∈ ℕ la dimensión de E1 y n ∈ ℕ la dimensión de E2.
15 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Endomorfismo
Cuando una aplicación lineal se define de un espacio vectorial E en sí mismo,
f : E → E,
la transformación lineal recibe el nombre de endomorfismo.
Un endomorfismo definido sobre cualquier espacio vectorial de dimensión finita puede expresarse
analíticamente como el producto de las coordenadas de un vector por una matriz cuadrada
A ∈ ℳn(𝕂) de orden n ∈ ℕ, siendo n la dimensión del espacio E:
f ( x )⃗ = A x ⃗
(0 −2) (0 −1)
2 0 1 0
A= =2 x = (1,2) = e 1⃗ + 2 e 2⃗
⃗ T
e 2⃗
canónica. El endomorfismo asociado a esta matriz,
2 2
f: ℝ → ℝ
,
x⃗ ↦ Ax⃗ e 1⃗
y ⃗ = (3, − 1)
puede expresarse, coordenada a coordenada, como T
2 (0 −1)
−1 1 1 0
A = ,
( x ) = (1,2) = e 1⃗ + 2 e 2⃗
⃗
−1 T
f
2
actuando sobre los vectores de ℝ expresados en base
y ⃗ = (6, 2)
T
canónica. El endomorfismo asociado a esta matriz,
f −1 : ℝ2 → ℝ2
,
e 2⃗
x⃗ ↦ A −1 x ⃗
e 1⃗
puede expresarse, coordenada a coordenada, como
( y )⃗ = (3, − 1)
−1 T
f
(x1, x2) = (0 −1) (x2) = (−x2).
1 1 0 x1 1 x1
( x )⃗ = f
−1 −1
f
2 2
Ahora el efecto geométrico de A −1 ∈ ℳ2(ℝ) es: (1)
someter a cada vector x ⃗ ∈ ℝ2 a una simetría respecto
del eje de abscisas, (2) disminuir su módulo a la mitad. x ⃗ = (2, − 4)T = 2 e 1⃗ − 4 e 2⃗
⃗ T
v 2 = (0, 2) ∈ S2
Basta comprobar que:
v 1⃗ = (2,0)T ∈ S1
1. si x ⃗ ∈ S1, entonces x ⃗ = (x1, 0) y f ( x )⃗ = A x ⃗ = (2x1, 0) = 2 x ⃗ ∈ S1
T T
1}
y ⃗ = (−5, 5)
T
3x
5 ( 3 4)
1 −4 3
{x2 =
A= ,
S1 =
actuando sobre los vectores de ℝ2 expresados en
base canónica.
x ⃗ = (4, − 3) T
y el subespacio ortogonal a dicho eje (línea verde):
(1,3 T
S1 S2
1. si x ⃗ ∈ S1, entonces f ( x )⃗ = A x ⃗ = x ⃗ ∈ S1
)
2. si x ⃗ ∈ S2, entonces f ( x )⃗ = A x ⃗ = − x ⃗ ∈ S2 v 2⃗ =
v 1⃗ =
(− 3
,1) T
Sean v 1⃗ y v 2⃗ dos autovectores de S1 y S2, respectiva-
mente. Podemos escoger, por ejemplo:
⃗ T
v 1 = (1, 3) , ⃗ T
v 2 = (−3, 1) .
De los ítems 1 y 2 concluimos además que λ1 = 1 es
ℝ2 en base canónica
autovalor de v 1⃗ y λ2 = − 1 es autovalor de v 2⃗ .
f( x c⃗ ) = A x c⃗
Si usásemos ℬa = { v 1⃗ , v 2⃗ } como base de ℝ2 en lugar v 2⃗ = (0,1)T
de la base canónica ℬc = { e 1⃗ , e 2⃗ } , la matriz asocia-
da a la simetría f adoptaría forma diagonal:
v 1⃗ = (1,0)T
2
ℝ en
(0 −1)
1 0 base de
J= .
autovectores
Los elementos de la diagonal de esta nueva matriz f( x a⃗ ) = J x a⃗
son precisamente λ1 = 1 y λ2 = − 1 : los autovalores de
v 1⃗ y v 2⃗ , respectivamente.
Diremos que A es diagonalizable y que J es su forma canónica de Jordan.
22 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Polinomio característico. Cálculo de autovalores
Dada una matriz A ∈ ℳn(𝕂) cuadrada, de orden n ∈ ℕ con coeficientes en 𝕂 ∈ {ℝ, ℂ}:
Definimos el polinomio característico asociado a A como
pA(λ) = det (A − λIn) ∈ ℙn(𝕂).
Se trata de un polinomio de grado n en la variable λ . Por el Teorema Fundamental del Álgebra, sabemos
que pA(λ) tiene n raíces complejas, que denotaremos: λ1, …, λn ∈ ℂ ⊃ 𝕂.
Decimos que v ⃗ ∈ 𝕂n∖{ 0 }⃗ es autovector asociado a la matriz A si existe un escalar λ ∈ 𝕂 tal que
A v ⃗ = λ v .⃗
El escalar λ ∈ 𝕂 es el autovalor asociado a v ⃗ ∈ 𝕂n∖{ 0 }⃗ .
Para calcular los autovectores de la matriz A comenzaremos buscando primero los autovalores asociados:
A v ⃗ = λ v ⃗ ⇔ A v ⃗ − λ v ⃗ = 0 ⃗ ⇔ A v ⃗ − λIn v ⃗ = 0 ⃗ ⇔ (A − λIn) v ⃗ = 0 .⃗
De la propia definición se desprende que para que v ⃗ ∈ 𝕂n∖{ 0 }⃗ sea autovector de A necesitamos que v ⃗
sea solución no trivial del sistema lineal homogéneo (A − λIn) x ⃗ = 0 ,⃗ para algún valor de λ ∈ 𝕂.
Por otra parte, sabemos que un sistema lineal homogéneo tiene soluciones no triviales (distintas de x ⃗ = 0 ⃗)
cuando el rango de la matriz asociada al sistema no es el máximo posible, esto es, cuando rg(A − λIn) < n.
Por tanto, v ⃗ será autovector de A si existe algún valor λ ∈ 𝕂 tal que det(A − λIn) = 0. Y como det(A − λIn) = pA(λ),
los autovalores asociados a la matriz A serán precisamente las raíces en 𝕂 del polinomio característico.
23 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Cálculo de autovectores. Matriz diagonalizable.
Supongamos que una matriz A ∈ ℳn(𝕂) tiene k ≤ n autovalores distintos: λ1, …, λk ∈ 𝕂.
Llamamos multiplicidad algebraica del autovalor λi ∈ 𝕂 a la multiplicidad ma(λi) ∈ {1,…, n} que tiene λi como
raíz que es del polinomio característico pA(λ). Es el número de veces que λi anula a pA.
Llamamos espacio propio asociado a λi al subespacio vectorial Si ⊂ 𝕂n generado por el conjunto de las
infinitas soluciones del sistema lineal homogéneo (A − λi In) x ⃗ = 0 .⃗ Formalmente:
⃗ .
Si = { x ⃗ ∈ 𝕂n : (A − λIn) x ⃗ = 0 }
Todos los vectores no nulos del subespacio Si serán los autovectores de la matriz A asociados al autovalor λi.
La dimensión de Si diremos que es la multiplicidad geométrica del autovalor λi ∈ 𝕂:
mg(λi) = dim(Si) = n − rg(A − λi In) ∈ {1,…, ma(λi)}
Para cada espacio propio Si construiremos una base ℬi = { v 1⃗ , …, v m⃗ g(λi)} formada por autovectores de λi.
Diremos que A es diagonalizable en 𝕂 cuando (1) todas las raíces de pA(λ) se encuentren en 𝕂 y (2) la
multiplicidad algebraica de cada uno de los autovalores de A coincida con su multiplicidad geométrica.
k
∑
A ∈ ℳn(𝕂) es diagonalizable en 𝕂 ⟺ ∃λ1, …, λk ∈ 𝕂 (λi ≠ λj ∀i ≠ j) t.q. pA(λi) = 0 y ma(λi) = mg(λi) ∀i ∈ {1,…, k} y ma(λi) = n
i=1
Se trata de una base formada por autovectores. El efecto de A actuando sobre los vectores del espacio
expresados en base canónica es equivalente al efecto de la matriz diagonal J actuando sobre los vectores
del espacio expresados en esta nueva base de autovectores.
La matriz P = ( v 1⃗ , …, v n⃗ ) ∈ ℳn(𝕂) cuyas columnas coinciden con las coordenadas canónicas de los n auto-
vectores incluidos en ℬa representa la matriz de cambio de base. De modo que si un vector tiene por coor-
denadas (c1, …, cn)T = x c⃗ en base canónica ℬc , sus coordenadas (a1, …, an)T = x a⃗ en la base ℬa de autovec-
tores podrán obtenerse a partir de las primeras conforme a la relación x c⃗ = P x a⃗ . Es evidente que P es inverti-
ble; de no serlo, v 1⃗ , …, v n⃗ serían linealmente dependientes y no formarían base. Análogamente: x a⃗ = P −1 x c⃗ .
De los dos puntos anteriores, concluimos que si J es la forma canónica de Jordan de la matriz cuadrada A,
A = PJP −1 .
Cuando existe una relación de este tipo entre dos matrices cuadradas A y J, decimos que son semejantes.
25 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplo 1. Matriz 2 × 2 diagonalizable en ℝ (y en ℂ)
Ejemplo 1. Calcular los autovalores y autovectores de
(4 −3)
1 3
A= ∈ ℳ2(ℝ).
1−λ 3
pA(λ) = det(A − λI2) = = (1 − λ)(−3 − λ) − 4 ⋅ 3 = − 3 + (3 − 1)λ + λ 2 − 12 = λ 2 + 2λ − 15
4 −3 − λ
−2 ± 22 − 4 ⋅ 1 ⋅ (−15) −2 ±
{
4 + 60
}
2
pA(λ) = 0 ⇔ λ + 2λ − 15 = 0 ⇔ λ ∈ ⇔λ∈ = {−1 ± 4} ⇔ λ ∈ {−5, 3} ⊂ ℝ
2⋅1 2
Los autovalores de A son, por tanto: λ1 = − 5, λ2 = 3. Como son raíces simples de pA, sus multiplicidades algebraicas
son iguales a 1 en ambos casos: ma(λ1) = 1 = ma(λ2).
(4 2) ( 2) (0)
⃗ ⃗
(i) λ1 = − 5: resolvemos el sistema homogéneo (A − λ1I2) x ⃗ = 0 ⇔ (A + 5I2) x ⃗ = 0 ⇔
6 3 x1
=
0
⇔ x2 = − 2x1:
x
{ 3 }
2
S2 = { x ⃗ ∈ ℝ : A x ⃗ = λ2 x }
⃗ = (x1, x2) ∈ ℝ : x2 = x1 .
2 T 2
Nota: en el ejercicio 3 del Seminario 4 lo que se pide, aunque dicho de otro modo, es encontrar precisamente
cualquier autovector de la matriz A asociado a su autovalor λ2 = 3; es decir, cualquier vector no nulo de S2.
4. Todos los vectores de S1 (recta de ℝ2 por el origen de pendiente −2 ) son autovectores asociados a λ1 = − 5 ,
mientras que todos los vectores de S2 (recta de ℝ2 por el origen de pendiente 2/3), son autovectores asociados
a λ2 = 3 . En concreto podemos tomar, por ejemplo, como base de S1 , ℬ1 = {(1, − 2)T} , y como base de S2 ,
ℬ2 = {(3, 2)T}. Denotando v 1⃗ = (1, − 2)T y v 2⃗ = (3,2)T, una base de ℝ2 formada por autovectores de A será:
6. Para construir su forma canónica de Jordan disponemos, a lo largo de la diagonal principal de una matriz 2 × 2
inicialmente nula, el conjunto de todos los autovalores de A:
( 0 λ2) ( 0 3)
λ1 0 −5 0
J= =
La transformación que sufren los vectores de ℝ2 cuando multiplicamos sus coordenadas en la base ℬa por la
matriz J es la misma que sufren cuando multiplicamos sus coordenadas canónicas por la matriz A.
7. Por último, las matrices de paso P y P −1 que permiten traducir coordenadas entre las bases ℬc y ℬa son:
(−2 2) 8 (2 1 )
1 3 −1 1 2 −3
P= , P =
Para construir P basta colocar por columnas las coordenadas canónicas de v 1⃗ y v 2⃗ , en el mismo orden que se
haya escogido para la base (ver punto 4): P = ( v 1⃗ , v 2⃗ ). Se puede comprobar, multiplicando, que A = PJP −1.
28 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplo 2. Matriz 2 × 2 diagonalizable en ℂ pero no en ℝ
Ejemplo 2. Calcular los autovalores y autovectores de
(5 3)
−3 −2
A= ∈ ℳ2(ℝ) ⊂ ℳ2(ℂ).
−3 − λ −2
pA(λ) = det(A − λI2) = = − (3 + λ)(3 − λ) − 5 ⋅ (−2) = − (9 − λ 2) + 10 = λ 2 + 1
5 3−λ
pA(λ) = 0 ⇔ λ 2 + 1 = 0 ⇔ λ 2 = − 1 ⇔ λ ∈ {± i} ⊂ ℂ∖ℝ.
Por tanto, A no tiene autovalores reales, de modo que no será diagonalizable en ℝ . Los únicos autovalores de A
son complejos: λ1 = i, λ2 = − i. Se trata de dos raíces simples de pA, luego sus multiplicidades algebraicas son iguales
a 1 en ambos casos: ma(λ1) = 1 = ma(λ2).
En estos casos, trataremos A como la matriz asociada al endomorfismo f : E → E, donde E ≃ ℂ2 es el espacio com-
plejo definido sobre 𝕂 = ℂ, cuya base canónica es ℬc = {(1, 0) , (0, 1) } ⊂ ℂ2.
T T
( 5 3 − i) ( 2) (0)
(i) resolvemos (A − λ1I2) x ⃗ = 0 ⃗ ⇔ (A − iI2) x ⃗ = 0 ⃗ ⇔
−3 − i −2 x1 0 3 + i
x = ⇔ − (3 + i)x1 − 2x2 = 0 ⇔ x2 = − x1:
2
{ }
3+i
S1 = { x ⃗ ∈ ℂ : A x ⃗ = λ1 x }
⃗ = (x1, x2) ∈ ℂ : x2 = −
2 T 2
x1 .
2
( 5 3 + i) (x2) (0)
(ii) resolvemos (A − λ2I2) x ⃗ = 0 ⃗ ⇔ (A + iI2) x ⃗ = 0 ⃗ ⇔
−3 + i −2 x1 0 −3 + i
= ⇔ (−3 + i)x1 − 2x2 = 0 ⇔ x2 = x1:
2
{ }
3−i
S2 = { x ⃗ ∈ ℂ : A x ⃗ = λ2 x }
⃗ = (x1, x2) ∈ ℂ : x2 =
2 T 2
x1 .
2
4. Todos los vectores de S1 (recta de ℂ2 por el origen de pendiente −(3 + i)/2) son autovectores asociados a λ1 = i,
mientras que todos los vectores de S2 (recta de ℂ2 por el origen de pendiente (3 − i)/2 ), son autovectores
asociados a λ2 = − i . En concreto podemos tomar, por ejemplo, como base de S1 , ℬ1 = {(−2, 3 + i)T} , y como
base de S2, ℬ2 = {(−2, 3 − i)T}. Denotando v 1⃗ = (−2, 3 + i)T y v 2⃗ = (−2, 3 − i)T, una base de ℂ2 formada por auto-
6. Para construir su forma canónica de Jordan disponemos, a lo largo de la diagonal principal de una matriz 2 × 2
inicialmente nula, el conjunto de todos los autovalores de A:
( 0 λ2) (0 −i)
λ1 0 i 0
J= =
La transformación que sufren los vectores de ℂ2 cuando multiplicamos sus coordenadas en la base ℬa por la
matriz J es la misma que sufren cuando multiplicamos sus coordenadas en la base ℬc por la matriz A.
7. Por último, las matrices de paso P y P −1 que permiten traducir coordenadas entre las bases ℬc y ℬa son:
(3 + i 3 − i) 4 (1 − 3i −2i)
−2 −2 −1 1 1 + 3i 2i
P= , P =−
Para construir P basta colocar por columnas las coordenadas canónicas de v 1⃗ y v 2⃗ , en el mismo orden que se
haya escogido para la base (ver punto 4): P = ( v 1⃗ , v 2⃗ ). Se puede comprobar, multiplicando, que A = PJP −1.
31 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Matrices de orden n ≤ 3 no diagonalizables
Anteriormente ya hemos caracterizado en general las matrices A ∈ ℳn(𝕂) no diagonalizables en 𝕂 como
aquéllas que: (1) o bien tienen algún autovalor fuera de 𝕂 , (2) o bien tienen algún autovalor λ ∈ 𝕂 cuyas
multiplicidades algebraica y geométrica no coinciden.
Cuando una matriz A ∈ ℳn(𝕂) no es diagonalizable en ℝ pero sí en ℂ, tomaremos como forma canónica de
Jordan la matriz diagonal compleja J ∈ ℳn(ℂ). Tal y como hemos hecho en el ejemplo 2.
Nos preguntamos entonces, ¿cómo debe ser una matriz 2 × 2 o 3 × 3 para ser no diagonalizable en ℂ?:
Teniendo en cuenta que cuando 𝕂 = ℂ la situación (1) no puede darse, ya que todas las raíces de pA(λ) van
a estar contenidas en ℂ ⊃ ℝ , la única razón por la cual una matriz no es diagonalizable en ℂ (y por tanto,
tampoco lo será en ℝ) es que ocurra la restricción (2).
Además, es fácil concluir que si pA(λ) tiene n raíces simples, entonces A es diagonalizable. Ya que en ese
caso A tendrá n autovalores λ1, …, λn ∈ ℂ con multiplicidad algebraica ma (λi) = 1 ∀i ∈ {1,…, n} y multiplicidad
geométrica 1 ≤ mg(λ) ≤ ma(λ) = 1. Luego mg (λi) = 1 = ma(λi) ∀i ∈ {1,…, n} y por tanto A será diagonalizable.
Por último, sabemos que si pA(λ) tiene una raíz no real λ1 = a + bi , con a, b ∈ ℝ, b ≠ 0 , entonces el valor
complejo conjugado λ2 = a − bi ≠ λ1 también es raíz de pA(λ) . Si n ∈ {2, 3} , el polinomio característico podrá
tener a lo sumo una raíz más (en caso de que n = 3), que en todo caso sería real: λ3 ∈ ℝ. En este escenario,
los n autovalores de A serían n raíces simples de pA(λ) y, por el punto anterior, A sería diagonalizable.
32 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Forma canónica de Jordan de matrices no diagonalizables
De todo lo anterior concluimos que una matriz A de orden n ∈ {2, 3} es no diagonalizable en ℂ si y solo si existe
alguna raíz real múltiple λ ∈ ℝ de pA(λ) tal que mg(λ) < ma(λ).
Cuando A sea no diagonalizable nos interesará tomar como forma canónica de Jordan J ∈ ℳn (𝕂) una matriz
lo más diagonal posible (diagonal por bloques), que construiremos de acuerdo al siguiente esquema:
λ1 ∈ ℝ doble, tal que mg(λ1) = 1 < 2 = ma(λ1): λ1 ∈ ℝ triple tal que mg(λ1) = 2 < 3 = ma(λ1):
( 0 λ1)
λ1 1 λ1 1 0
J=
J = 0 λ1 0
0 0 λ1
Si n = 3, λ1 ≠ λ2 y pA(λ) = (λ − λ1) (λ − λ2) tiene una Si n = 3 y pA(λ) = (λ − λ1) tiene una raíz
2 3
raíz λ2 ∈ ℝ doble tal que mg(λ2) = 1 < 2 = ma(λ2): λ1 ∈ ℝ triple tal que mg(λ1) = 1 < 3 = ma(λ1):
λ1 0 0 λ1 1 0
J = 0 λ2 1 J = 0 λ1 1
0 0 λ2 0 0 λ1
En estos casos deberemos añadir a dicho sistema otros (n − m) vectores linealmente independientes para
construir una base ℬ̂ a de 𝕂n que complemente el sistema de m autovectores. Para ello:
Buscaremos una matriz cuadrada e invertible P ∈ ℳn(𝕂) que verifique A = PJP −1 . Lo haremos resolviendo el
sistema equivalente:
AP = PJ.
Para ello, será conveniente usar la notación P = ( v 1⃗ , …, v n⃗ ), donde v j⃗ ∈ 𝕂n es el vector cuyas coordenadas
se corresponden con la j-ésima columna de P.
Elegida la matriz de paso P , la base ℬ̂ a = { v 1⃗ , …, v n⃗ } formada por los n vectores cuyas coordenadas sean
las n columnas de P será la equivalente a ℬa en el caso diagonalizable. En total, m < n de estas columnas
serán realmente autovectores de A; los (n − m) restantes no tendrán tal categoría.
(−1 −4)
−2 1
A= ∈ ℳ2(ℝ).
pA(λ) = 0 ⇔ (λ + 3)2 = 0 ⇔ λ + 3 = 0 ⇔ λ = − 3 ∈ ℝ.
Por tanto, A tiene un único autovalor doble, λ1 = − 3 , real y de multiplicidad algebraica ma(λ1) = 2 . Podemos
considerar A como la matriz asociada al endomorfismo f : E → E , donde E ≃ ℝ2 es el espacio real (definido
sobre 𝕂 = ℝ), cuya base canónica es ℬc = {(1, 0)T , (0, 1)T} ⊂ ℝ2.
ℬ̂ a = { v 1⃗ , v 2⃗ } = {(1, − 1)T , v 2⃗ }
constituirá una base del plano ℝ2 , formada por m < n autovectores de A . En este caso, hemos perdido una
dimensión:
m = n − (ma(λ1) − mg(λ1)) = 2 − (2 − 1) = 1.
5. Al ser la dimensión de S1 igual a 1, las multiplicidades algebraica y geométrica de λ1 difieren (ver punto 2):
mg(λ1) = 1 ≠ 2 = ma(λ1).
Por tanto, A es no diagonalizable. Y seguirá no siéndolo aunque cambiemos el espacio vectorial ℝ2 por ℂ2.
6. Como forma canónica de Jordan, de acuerdo al esquema dado, construiremos la matriz diagonal por bloques
( 0 λ1) ( 0 −3)
λ1 1 −3 1
J= = .
( 0 −3)
A ( v 1⃗ , v 2⃗ ) = ( v 1⃗ , v 2⃗ ) ⇔ (A v 1⃗ , A v 2⃗ ) = (−3 v 1⃗ , v 1⃗ − 3 v 2⃗ ).
−3 1
cuyas coordenadas sumen 1 complementará adecuadamente a v 1⃗ . Escojamos, por ejemplo, v 2⃗ = (1, 0)T.
Así,
(−1 0) (1 1 )
1 1 −1 0 −1
P= , P =
pA(λ) = 0 ⇔ λ ∈ {−1, 0, 2} ⊂ ℝ.
Por tanto, A tiene n = 3 autovalores reales distintos, λ1 = − 1 , λ2 = 0 y λ3 = 2 , todos con multiplicidad algebraica
ma(λi) = 1, ∀i ∈ {1,2,3}. Sabemos por tanto de antemano que A va a ser diagonalizable en ℝ (y en ℂ).
3. Para cada autovalor de A, vamos a calcular el correspondiente espacio propio asociado:
8 −12 −2 x1 0
(0) {−2x1 − x3 = 0 {x3
x2 = x1
(i) resolvemos (A − λ1I3) x ⃗ = 0 ⃗ ⇔ (A + I3) x ⃗ = 0 ⃗ ⇔ 3 −3 0
(−2 0 −1) x
3x1 − 3x2 = 0
x2 = 0 ⇔ ⇔
= −2x1
3
7 −12 −2 x1 0 3
{ }
3
⃗ = (x1, x2 x3) ∈ ℝ : x2 = x1, x3 = − x1 → recta del espacio de base ℬ2 = {(4, 3, − 4)T}.
S2 = { x ⃗ ∈ ℝ : A x ⃗ = λ2 x }
3 T 3
4
1
5 −12 −2 x1 0 x2 = x1
{ 2 }
1 1
⃗ = (x1, x2, x3) ∈ ℝ : x2 = x1, x3 = − x1 → recta del espacio de base ℬ3 = {(2, 1, − 1)T}.
S3 = { x ⃗ ∈ ℝ : A x ⃗ = λ3 x }
3 T 3
2
4. Denotando v 1⃗ , v 2⃗ y v 3⃗ a los vectores básicos incluidos en las bases ℬ1, ℬ2 y ℬ3, respectivamente, una base de ℝ3
formada por autovectores de la matriz A será:
6. Construimos su forma canónica de Jordan disponiendo los tres autovalores a lo largo de la diagonal principal:
λ1 0 0 −1 0 0
( 0 0 2)
J = 0 λ2 0 = 0 0 0
0 0 λ3
La transformación que sufren los vectores de ℝ2 cuando multiplicamos sus coordenadas en la base ℬa por la
matriz J es la misma que sufren cuando multiplicamos sus coordenadas canónicas por la matriz A.
7. Por último, las matrices de paso P y P −1 que permiten traducir coordenadas entre las bases ℬc a ℬa son:
1 4 2 1 −4 −2
(−2 −4 −1) ( 2 −4 −1)
P= 1 3 1 , P −1 = −1 3 1
pA(λ) = 0 ⇔ λ ∈ {−1, 1} ⊂ ℝ.
Por tanto, A tiene 2 autovalores reales distintos, λ1 = − 1 y λ2 = 1 , el primero con multiplicidad algebraica
ma(λ1) = 1 y el segundo con multiplicidad algebraica ma(λ2) = 2.
3. Para cada autovalor de A, vamos a calcular el correspondiente espacio propio asociado:
0 2 −2 x1 0
(0) {2x1 + 2x3 = 0 { 1
⃗ ⃗
( ) x
2x − 2x = 0 x = x3
⃗ ⃗
(i) resolvemos (A − λ1I3) x = 0 ⇔ (A + I3) x = 0 ⇔ 2 0 2 x2 = 0 ⇔
2 3
⇔ x
2
= −x3
2 −2 4 3
⃗ T
⃗ T
⃗ T
4. Denotando v 1 = (−1, 1, 1) al vector básico incluido en ℬ1, y v 2 = (1, 0, − 1) y v 3 = (0, 1 1) a los vectores básicos
incluidos en ℬ2, una base de ℝ3 formada por autovectores de la matriz A será precisamente:
Pese a tener un autovalor λ2 de multiplicidad algebraica 2, a diferencia del ejemplo anterior, no hemos perdido
ninguna dimensión a la hora de formar ℬa , ya que el subespacio propio asociado a λ2 es un plano, de
dimensión igualmente 2. Por eso la base ℬa es base de todo ℝ3, formada exclusivamente por autovectores.
6. Construimos su forma canónica de Jordan repartiendo los dos autovalores a lo largo de la diagonal principal;
λ2 aparecerá por partida doble, al ser su multiplicidades algebraica y geométrica igual a 2:
λ1 0 0 −1 0 0
( 0 0 1)
J = 0 λ2 0 = 0 1 0
0 0 λ2
La transformación que sufren los vectores de ℝ2 cuando multiplicamos sus coordenadas en la base ℬa por la
matriz J es la misma que sufren cuando multiplicamos sus coordenadas canónicas por la matriz A.
7. Por último, las matrices de paso P y P −1 que permiten llevar a cabo los cambios de coordenadas entre las
bases ℬc y ℬa son:
−1 1 0 −1 1 −1
( ) (1 0 1)
P= 1 0 1 , P −1 = 0 1 −1
1 −1 1
Para construir P , como antes, colocamos por columnas las coordenadas canónicas de v 1⃗ , v 2⃗ y v 3⃗ , en el
mismo orden que establecimos para la nueva base de autovectores: P = ( v 1⃗ , v 2⃗ , v 3⃗ ) . Como siempre, se
puede comprobar, multiplicando, que A = PJP −1.
pA(λ) = 0 ⇔ λ ∈ {2, 3} ⊂ ℝ.
Por tanto, A tiene 2 autovalores reales distintos, λ1 = 2 y λ2 = 3, el primero con multiplicidad algebraica ma(λ1) = 2
y el segundo con multiplicidad algebraica ma(λ2) = 1.
3. Para cada autovalor de A, vamos a calcular el correspondiente espacio propio asociado:
0 1 0 x1 0
{ {
⃗ ⃗
(0 2 ) ( )
x = 0 x = 0
⃗ ⃗
(i) resolvemos (A − λ1I3) x = 0 ⇔ (A − 2I3) x = 0 ⇔ 0 −1 −1 x2 = 0 ⇔
2
⇔
2
x −x2 − x 3 = 0 x3 = 0
2 3 0
obvio que ℬa = ℬ1 ∪ ℬ2 = { v 1⃗ , v 3⃗ } no puede constituir una base de ℝ3. Necesitaremos completar ℬa con algún
vector v 2⃗ apropiado, linealmente independiente de v 1⃗ y v 3⃗ . Este vector complementario lo decidiremos más
adelante. Así,
constituirá una base del espacio ℝ3, formada por m autovectores de A, con m < n verificando:
7. Por último, sólo queda encontrar una matriz invertible P = ( v 1⃗ , v 2⃗ , v 3⃗ ) ∈ ℳ2(ℝ) , cuyas columnas v 1⃗ , v 2⃗ , v 3⃗ ∈ ℝ3
formarán la base ℬ̂ a (aún incompleta) del punto 4. El objetivo, de nuevo, es que el efecto de J sobre los
vectores expresados en la nueva base ℬ̂ sea el mismo que el de A actuando sobre los vectores expresados
a
en la base canónica ℬc. Por ello, necesitaremos que A = PJP −1 ⇔ AP = PJ:
2 1 0
(0 0 3)
A ( v 1⃗ , v 2⃗ , v 3⃗ ) = ( v 1⃗ , v 2⃗ , v 3⃗ ) 0 2 0 ⇔ (A v 1⃗ , A v 2⃗ , A v 3⃗ ) = (2 v 1⃗ , v 1⃗ + 2 v 2⃗ , 3 v 3⃗ ).
Así,
1 0 1 1 1 1
(0 −1 −2) (0 −1 −1)
P= 0 1 1 , P −1 = 0 2 1
pA(λ) = 0 ⇔ λ = 1 ∈ ℝ.
Por tanto, A tiene 1 único autovalor λ1 = 1, real y con multiplicidad algebraica ma(λ1) = 3.
3. Para el único autovalor de A, vamos a calcular el espacio propio asociado:
0 2 0 x1 0
(0) {2x3 = 0
(i) resolvemos (A − λ1I3) x ⃗ = 0 ⃗ ⇔ (A − I3) x ⃗ = 0 ⃗ ⇔ 0 0 2
(0 0 0) x
2x2 = 0
x2 = 0 ⇔
3
base de ℝ3. Necesitaremos completar ℬa con 2 vectores v 2⃗ y v 3⃗ apropiados, linealmente independientes entre
sí y con el anterior, v 1⃗ . Estos vectores complementarios los decidiremos más adelante. De momento,
ℬ̂ a = { v 1⃗ , v 2⃗ , v 3⃗ } = {(1, 0, 0)T , v 2⃗ , v 3⃗ }
constituirá una base del espacio ℝ3, formada por m autovectores de A, con m < n verificando, como siempre:
m = n − (ma(λ1) − mg(λ1)) = 3 − (3 − 1) = 3 − 2 = 1.
Luego A es matriz no diagonalizable, tanto en ℝ como en ℂ. Este déficit nos ha hecho perder dos dimensiones:
n − m = 2.
6. Como forma canónica de Jordan de A, de acuerdo al esquema establecido para matrices no diagonalizables,
construiremos la matriz diagonal por bloques
λ1 1 0 1 1 0
(0 0 1)
J = 0 λ1 1 = 0 1 1 .
0 0 λ1
49 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplo 7. Matriz 3 × 3 no diagonalizable
7. Por último, sólo queda encontrar una matriz invertible P = ( v 1⃗ , v 2⃗ , v 3⃗ ) ∈ ℳ2(ℝ) , cuyas columnas v 1⃗ , v 2⃗ , v 3⃗ ∈ ℝ3
formarán la base ℬ̂ (aún incompleta) del punto 4. Como en el ejemplo 6, necesitamos: A = PJP −1 ⇔ AP = PJ:
a
1 1 0
(0 0 1)
A ( v 1⃗ , v 2⃗ , v 3⃗ ) = ( v 1⃗ , v 2⃗ , v 3⃗ ) 0 1 1 ⇔ (A v 1⃗ , A v 2⃗ , A v 3⃗ ) = ( v 1⃗ , v 1⃗ + v 2⃗ , v 2⃗ + v 3⃗ ):
(i) C1: A v 1⃗ = v 1⃗ . Es la definición de autovector asociado a λ1 = 1: v 1⃗ = (1, 0, 0)T ∈ S1 (elegido en el punto 4) nos vale.
0 2 0 v21 1 1
(0) {2v23 = 0
2 ⇒ v 2⃗ . Por ej., v 2⃗ = (0, , 0)
T
(0 0 0) v
2v22 = 1 v22 = 1
(ii) C2: A v 2⃗ = v 1⃗ + v 2⃗ ⇒ (A − I2) v 2⃗ = v 1⃗ ⇒ 0 0 2 v22 = 0 ⇒ ⇒
2
23 2v23 = 0
(0 0 0) v ( 0 )
1
(iii) C3: A v 3⃗ = v 2⃗ + v 3⃗ ⇒ (A − I2) v 3⃗ = v 2⃗ ⇒ 0 0 2 v32 = 1/2 ⇒ 1 ⇒ 1 . Por ej., v 3⃗ = 0, 0, .
2v33 = v33 =
33 2 4
Así, colocando cada v j⃗ básico en la j-ésima columna de la matriz de cambio de base P ∀j ∈ {1,2,3}, obtenemos:
1 0 0 1 0 0
(0 0 1/4) (0 0 4)
P = 0 1/2 0 , P −1 = 0 2 0
pA(λ) = 0 ⇔ λ = 2 ∈ ℝ.
Por tanto, A tiene 1 único autovalor λ1 = 2, real y con multiplicidad algebraica ma(λ1) = 3.
3. Para el único autovalor de A, vamos a calcular el espacio propio asociado:
0 0 1 x1 0
(i) resolvemos (A − λ1I3) x ⃗ = 0 ⃗ ⇔ (A − 2I3) x ⃗ = 0 ⃗ ⇔ 0 0 1
(0 0 0) x (0)
x2 = 0 ⇔ {x3 = 0
3
Por esta razón, en estos casos decidiremos ℬa = { v 1⃗ , v 2⃗ } más adelante. De momento, escogeremos dos auto-
vectores genéricos que, en este ejemplo, por pertenecer a S1 serán de la forma v 1⃗ = (α, β, 0) y v 2⃗ = (γ, δ, 0)T, con
T
sí constituirá una base del espacio ℝ3, formada por m autovectores de A, con m < n verificando:
m = n − (ma(λ1) − mg(λ1)) = 3 − (3 − 2) = 3 − 1 = 2.
Como ya habíamos anticipado, A es matriz no diagonalizable, y lo será tanto en ℝ como en ℂ . En este caso
hemos perdido una dimensión: n − m = 1.
52 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplo 8. Matriz 3 × 3 no diagonalizable
6. Como forma canónica de Jordan de A, de acuerdo al esquema establecido para matrices no diagonalizables,
construiremos la matriz diagonal por bloques
λ1 0 0 2 0 0
(0 0 2)
J = 0 λ1 1 = 0 2 1 .
0 0 λ1
Tal y como estamos construyendo la base ℬ̂ a, es importante que el valor 1 de J lo coloquemos abajo y no arriba,
ya que de lo contrario, deberíamos reordenar la base ℬ̂ y colocar el vector complementario en la segunda
a
posición, y los dos autovectores en la primera y la tercera.
7. Por último, sólo queda encontrar la matriz invertible P = ( v 1⃗ , v 2⃗ , v 3⃗ ) ∈ ℳ2(ℝ) tal que A = PJP −1 ⇔ AP = PJ:
2 0 0
(0 0 2)
A ( v 1⃗ , v 2⃗ , v 3⃗ ) = ( v 1⃗ , v 2⃗ , v 3⃗ ) 0 2 1 ⇔ (A v 1⃗ , A v 2⃗ , A v 3⃗ ) = (2 v 1⃗ , 2 v 2⃗ , v 2⃗ + 2 v 3⃗ ):
(i) C1: A v 1⃗ = 2 v 1⃗ . Es la definición de autovector asociado a λ1 = 2: cualquier v 1⃗ = (α, β, 0) ∈ S1 nos vale, ∀α, β ∈ ℝ.
T
(ii) C2: A v 2⃗ = 2 v 2⃗ . Del mismo modo, cualquier autovector v 2⃗ = (γ, δ, 0) ∈ S1 cumplirá la condición, ∀γ, δ ∈ ℝ.
T
0 0 1 v31 γ
(0) {v33 = δ
v33 = γ
(0 0 0) v
(iii) C3: A v 3⃗ = v 2⃗ + 2 v 3⃗ ⇒ (A − 2I2) v 3⃗ = v 2⃗ ⇒ 0 0 1 v32 = δ ⇒ . Luego necesitamos v33 = α = β ≠ 0.
33
53 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplo 8. Matriz 3 × 3 no diagonalizable
Eligiendo, por ejemplo, v33 = γ = δ = 1 , obtenemos v 2⃗ = (1, 1, 0)T . Así definido v 2⃗ , podemos tomar v 3⃗ = (0, 0, 1)T
como vector complementario para formar parte de ℬ . Respecto a v ⃗ = (α, β, 0) , bastará con que no sea pro-
T
̂
a 1
porcional a v 2⃗ para que entre los tres formen una base de todo el espacio ℝ3. Podemos escoger, por ejemplo,
v 1⃗ = (1, 0, 0)T.
ℬ̂ a = { v 1⃗ , v 2⃗ , v 3⃗ } = {(α, β, 0)T , (γ, δ, 0)T , v 3⃗ } = {(1, 0, 0)T , (1, 1, 0)T , (0, 0, 1)T}.
Como curiosidad, puede observarse que la base ℬ1 = {(1, 0, 0)T , (0, 1, 0)T} arbitrariamente elegida en el punto 3
no habría sido compatible con ningún v 3⃗ complementario. De aquí la importancia de lo advertido en el punto
4 como peculiaridad de este caso excéntrico.
Colocando los vectores básicos por columnas, formamos las matrices de cambio de base P y P −1,
1 1 0 1 −1 0
(0 0 1) (0 0 1)
P= 0 1 0 , P −1 = 0 1 0 ,
que deberán verificar, como en todos los demás casos, que A = PJP −1.