Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diagonalización de endomorfismos
Resumen
1 Aplicaciones Lineales
Aplicaciones lineales. Definición y propiedades
Núcleo e Imagen
Aplicaciones Lineales y Matrices
Espacios vectoriales isomorfos
Operaciones con aplicaciones lineales
Cambio de base
2 Diagonalización de endomorfismos
Aplicaciones de la diagonalización
Aplicaciones lineales
Definición
Sean V y E dos espacios vectoriales sobre el mismo cuerpo K y f : V → E una
aplicación. Decimos que f es una aplicación lineal si
f (x + y) = f (x) + f (y) y f (λx) = λf (x), para todo λ ∈ K, x, y ∈ V .
o, equivalentemente, si
f (λx + µy) = λf (x) + µf (y), para todo λ, µ ∈ K y todo x, y ∈ V .
Ejercicio
Estudiar si las siguientes funciones son aplicaciones lineales:
1 f : R2 → R3 con f (x, y ) = (x − y , 0, 2x + 5y ).
2 g : R2 → R3 con g (x, y ) = (x − y + 1, 0, 2x + 5y ).
3 h : P3 (R) → P3 (R) con h(a0 + a1 x + a2 x 2 + a3 x 3 ) = a1 x + 2a2 x 2 + 3a3 x 3 .
Aplicaciones lineales
Proposición
Sea f : V → E una aplicación lineal.
1 f (0) = 0
2 Para todo x ∈ V se satisface f (−x) = −f (x)
3 Si U = h{x1 , . . . , xn }i ⊆ V entonces f (U) = h{f (x1 ), . . . , f (xn )}i ⊆ E .
Resumen
1 Aplicaciones Lineales
Aplicaciones lineales. Definición y propiedades
Núcleo e Imagen
Aplicaciones Lineales y Matrices
Espacios vectoriales isomorfos
Operaciones con aplicaciones lineales
Cambio de base
2 Diagonalización de endomorfismos
Aplicaciones de la diagonalización
Im(f ) = f (V ) = {f (v) ∈ E | v ∈ V }
Teorema
Dada una aplicación lineal f : V → E , se tiene que:
1 Ker(f ) es un subespacio vectorial de V .
2 Im(f ) es un subespacio vectorial de E .
Nucleo e imagen
Ejemplo
Dada la aplicación lineal f : R3 → R2 con f (x, y , z) = (x + 2y + z, x − z) tenemos que:
x + 2y + z = 0,
Resolvemos:
x −z =0
1 2 1 0 1 0 −1 0
∼ ··· ∼
1 0 −1 0 0 1 1 0
Nucleo e imagen
Teorema
Sea f : V → E una aplicación lineal. Si {v1 , v2 , . . . , vn } es un sistema generador
de V , entonces {f (v1 ), f (v2 ), . . . , f (vn )} es un sistema generador de Im(f ).
Teorema
Sea f : V → E una aplicación lineal.
dim V = dim Ker(f ) + dim Im(f )
Teorema
Sea f : V → E una aplicación lineal.
1 f es inyectiva si y sólo si Ker(f ) = {0}
2 f es sobreyectiva si y sólo si Im(f ) = E
Ejercicio
Calcula los núcleos e imágenes de las siguientes aplicaciones lineales y analiza si
son inyectivas y/o sobreyectivas.
1 f1 : R3 → R3 , f1 (x, y , z) = (z, x + y , −z)
3 2
2 f2 : R → R , f2 (x, y , z) = (x + y , 0)
2 2
3 f3 : R → R , f3 (x, y ) = (y , x)
4 f4 : R3 → R2 , f4 (x, y , z) = (y , z)
Resumen
1 Aplicaciones Lineales
Aplicaciones lineales. Definición y propiedades
Núcleo e Imagen
Aplicaciones Lineales y Matrices
Espacios vectoriales isomorfos
Operaciones con aplicaciones lineales
Cambio de base
2 Diagonalización de endomorfismos
Aplicaciones de la diagonalización
Sea f : V → E una aplicación lineal, B1 = {e1 , . . . , en } una base de V , B2 = {u1 , . . . , un } una base de E y
.
.
.
Ejercicios
1 Calcular la matriz asociada a la a.l. f : R3 → R2 ,
f (a, b, c) = (a + b, a − c) en los siguientes casos:
1 Cuando las bases de los e.v. son canónicas.
2 Respecto a las bases B = {(1, 1, 1), (0, 2, 1), (1, 3, 0)} y
B 0 = {(0, 1), (−1, 2)}
2 Hallar el núcleo y la imagen de la a.l. f : R4 → R3 tal que:
Teorema
1 dim(Im(f )) = rg(M). Lo llamamos rango de f .
2 dim(Ker(f )) = n − rg(M).
Corolario
1 f es sobreyectiva si y sólo si rg(M) = m.
2 f es inyectiva si y sólo si rg(M) = n.
3 f es biyectiva si y sólo si M es cuadrada y regular.
Resumen
1 Aplicaciones Lineales
Aplicaciones lineales. Definición y propiedades
Núcleo e Imagen
Aplicaciones Lineales y Matrices
Espacios vectoriales isomorfos
Operaciones con aplicaciones lineales
Cambio de base
2 Diagonalización de endomorfismos
Aplicaciones de la diagonalización
Lo denotamos por V ∼
= E.
Teorema
Si V es un espacio vectorial sobre K de dimensión n, entonces
V ∼
=K
n
Corolario
Sean V y E dos espacios vectoriales sobre K.
V ∼
=E si y sólo si dim(V ) = dim(E )
Resumen
1 Aplicaciones Lineales
Aplicaciones lineales. Definición y propiedades
Núcleo e Imagen
Aplicaciones Lineales y Matrices
Espacios vectoriales isomorfos
Operaciones con aplicaciones lineales
Cambio de base
2 Diagonalización de endomorfismos
Aplicaciones de la diagonalización
Teorema
Sean V y E dos espacios vectoriales de dimensión finita sobre un mismo cuerpo
y sean B1 y B2 bases de V y E respectivamente.
Si f , g : V → E son ap. lineales, A = M(f , B1 , B2 ) y C = M(g , B1 , B2 )
entonces:
f + g es una aplicación lineal y A + C = M(f + g , B1 , B2 )
λf es una aplicación lineal (para todo escalar λ) y λA = M(λf , B1 , B2 )
Teorema
Sean V1 , V2 y V3 espacios vectoriales de dimensión finita sobre un mismo
cuerpo y sean B1 , B2 y B3 bases de V1 , V2 y V3 respectivamente.
Si f : V1 → V2 y g : V2 → V3 son ap. lineales, A = M(f , B1 , B2 ) y
C = M(g , B2 , B3 ) entonces:
Resumen
1 Aplicaciones Lineales
Aplicaciones lineales. Definición y propiedades
Núcleo e Imagen
Aplicaciones Lineales y Matrices
Espacios vectoriales isomorfos
Operaciones con aplicaciones lineales
Cambio de base
2 Diagonalización de endomorfismos
Aplicaciones de la diagonalización
P = M(IV , B1 , B2 )
Teorema
Sea f : V1 → V2 una aplicación lineal entre espacios vectoriales de dimensión
finita sobre una mismo cuerpo. Si:
B1 y B10 son bases de V1 y P la matriz de cambio de base de B10 a B1 .
B2 y B20 son bases de V2 y Q la matriz de cambio de base de B20 a B2 .
A = M(f , B1 , B2 ) y A0 = M(f , B10 , B20 )
entonces A0 = Q −1 AP
f
V E
A
hB1 i hB2 i
IdV 1 Q 1 IdE
P P Q
0 1
A =Q AP
hB10 i hB20 i
f
<latexit sha1_base64="(null)">(null)</latexit>
V E
IdV P 1 P 1 IdV
P P
A0 =P 1
AP
hB 0 i hB 0 i
f
<latexit sha1_base64="(null)">(null)</latexit>
V V
Ejercicio
Dada la aplicación lineal f : R3 → R2 ,
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)}
Diagonalización de endomorfismos
Definición
Un endomorfismo f : V → V es diagonalizable si existe una base B de V tal
que M(f , B, B) sea una matriz diagonal.
Definición
Dos matrices A y A0 de tamaño n × n se dicen semejantes si existe una matriz
n × n regular P tal que A0 = P −1 AP.
Una matriz cuadrada A es diagonalizable si existe una matriz diagonal D que
es semejante a ella.
Teorema
Sea f : V → V un endomorfismo, B una base de V y A = M(f , B, B).
Diagonalización de endomorfismos
Recuerda que, si f : V → V es un endomorfismo y B = {e1 , . . . , en } es una
base de V tal que
f (e1 ) = (a11 , . . . , an1 )B a11 . . . a1n
.. . .. ..
. , entonces M(f , B, B) = .. . .
f (e1 ) = (a1n , . . . , ann )B an1 . . . ann
Definición
Sea f : V → V un endomorfismo. Un vector v 6= 0 se llama autovector o
vector propio de f si existe λ ∈ K tal que f (v) = λv. A este valor λ se le
llama autovalor o valor propio de f asociado a v.
Ejemplos
Consideremos la aplicación lineal f : R3 → R3 dada por
f (x, y , z) = (3x − y , −x + 3y , 2z).
1 Calcula la matriz de f en la base canónica.
2 Comprueba que (1, 1, 0), (1, −1, 0) y (1, 1, 1) son vectores propios de f .
3 Calcula la matriz de f en la base B = {(1, 1, 0), (1, −1, 0), (1, 1, 1)}.
Teorema
Un endomorfismo f : V → V es diagonalizable si y solo si existe en V una base
formada por autovectores de f .
Cálculo de autovalores
Sea f : V → V un endomorfismo, B una base de V y A = M(f , B, B).
Dado un vector x ∈ V , si X es la representación matricial de x en B, entonces
f (x) = λx ⇐⇒ AX = λX
⇐⇒ AX − λX = 0
⇐⇒ AX − λIX = 0
⇐⇒ (A − λI )X = 0
λ es un autovalor ⇐⇒ |A − λI | = 0.
Polinomio caracterı́stico
Por tanto, los autovalores son las soluciones de la ecuación |A − λI | = 0.
Definición
Sea A ∈ Mn (K).
Llamamos polinomio caracterı́stico de A a |A − λI |.
Llamamos ecuación caracterı́stica de A a |A − λI | = 0.
Proposición
Sea A ∈ Mn (K). Si |A − λI | = a0 + a1 λ + . . . an−1 λn−1 + an λn , entonces
Multiplicidades
Para cada autovalor r , el sistema (A − r I )X = 0 será compatible
indeterminado.
El conjunto de soluciones estará formado por los vectores propios asociados a r .
Proposición
Sea f : V → V un endomorfismo y r un autovalor. Er = {v ∈ V | f (v) = r v}
es un subespacio de V , al que llamamos subespacio propio de f asociado a r .
Además,
1 ≤ dim(Er ) ≤ α
donde α es la multiplicidad de r en el polinomio |A − λI |.
Definición
Sea f : V → V un endomorfismo y r un autovalor de f . Llamamos:
1 Multiplicidad algebraica de r , ma (r ), a la multiplicidad de r en |A − λI |.
2 Multiplicidad geométrica de r , mg (r ), a la dimensión de Er .
Si ma (r ) = 1 entonces mg (r ) = 1.
P. Cordero, A. Mora Tema 4: Aplicaciones lineales
Aplicaciones Lineales
Aplicaciones de la diagonalización
Diagonalización de endomorfismos
Endomorfismos diagonalizables
Ejercicios
Calcula los autovalores y sus subespacios propios asociados para:
1 f : R2 → R2 con f (x, y ) = (3x + 2y , 2x)
2 f : R3 → R3 con f (x, y , z) = (2x + y , −x + z, x + 3y + z)
3 f : R3 → R3 con f (x, y , z) = (x, −8x + 4y − 6z, 8x + y + 9z)
Teorema
Sea f : V → V un endomorfismo. Si λ1 , λ2 , . . . , λm son autovalores distintos de
f , v1 ∈ Eλ1 , v2 ∈ Eλ2 ,. . . vm ∈ Eλm , entonces los autovectores {v1 , v2 , . . . , vm }
son linealmente independientes.
Corollary
Sea V un e.v. de dimensión n sobre K y f : V → V un endomorfismo.
Si f tiene n autovalores distintos, entonces es diagonalizable.
P. Cordero, A. Mora Tema 4: Aplicaciones lineales
Aplicaciones Lineales
Aplicaciones de la diagonalización
Diagonalización de endomorfismos
Endomorfismos diagonalizables
Observaciones:
El teorema anterior no implica que un endomorfismo con autovalores
multiples no pueda ser diagonalizable.
En R, si λ1 , λ2 , . . . , λp son los autovalores distintos de f entonces:
ma (λ1 ) + ma (λ2 ) + . . . + ma (λp ) ≤ n
Teorema
Sea V un e.v. de dimensión n definido sobre un cuerpo K, f : V → V un
endomorfismo y λ1 , λ2 , . . . , λp ∈ K los autovalores distintos de f .
f es diagonalizable si y sólo si se verifican las dos siguientes condiciones:
1 ma (λ1 ) + ma (λ2 ) + . . . + ma (λp ) = n
2 ma (λi ) = mg (λi ) para todo i ∈ {1, . . . , p}.
P. Cordero, A. Mora Tema 4: Aplicaciones lineales
Aplicaciones Lineales
Aplicaciones de la diagonalización
Diagonalización de endomorfismos
Resumen
1 Aplicaciones Lineales
Aplicaciones lineales. Definición y propiedades
Núcleo e Imagen
Aplicaciones Lineales y Matrices
Espacios vectoriales isomorfos
Operaciones con aplicaciones lineales
Cambio de base
2 Diagonalización de endomorfismos
Aplicaciones de la diagonalización
Aplicaciones de la diagonalización
an An−1 + · · · + a1 In
A−1 = −
a0
Aplicaciones de la diagonalización
λ1 0 ... 0
0 λ2 ... 0
Por otro lado, si A es diagonalizable con D = P −1 AP =
.. .. .. se
..
. . . .
0 0 ... λn
tiene que
λm
1 0 ... 0
λm
0 2 ... 0
−1 −1 −1 −1 −1 −
Am = (PDP )m = PDP = PD m P
PDP .m. . PDP =P .. .. .. .. P
.
. . .
λm
0 0 ... n
Aplicaciones de la diagonalización
1
0 ... 0
λ1
1
0 ... 0
λ2
−1 −1 −1 −1 −1 −1 −1 −1
A = (PDP ) = (P ) D P =P
.. .. .. P
..
. . . .
1
0 0 ... λn
∞
X 1 i
eA = A
i=0
i!
−1
En el caso en que la matriz se pueda diagonalizar como A = PDP tenemos que
e λ1
0 ... 0
0 e λ2 ... 0
−1 −1
e A = Pe D P
=P . . .. . P
.. .. . ..
0 0 ... e λn