Tema 5

Diagonalizacion
5.1 Introduccion. Valores y vectores propios.
5.1.1 Planteamiento del problema.
Problema general de diagonalizacion. Dado un operador lineal f sobre un espacio vecto-
rial V de dimension n, nos planteamos el problema de cuando es posible encontrar una base de
V respecto de la cual la matriz de f sea diagonal. Si A es la matriz del operador f con respecto
a una determinada base entonces el planteamiento anterior es equivalente a preguntarse cuando
existe un cambio de base tal que la matriz del operador en la nueva base sea diagonal. Esa
nueva matriz sabemos que viene dada por P
1
AP , donde P es la matriz de paso de la nueva
base a la anterior (Teorema de Semejanza).
Problema de la diagonalizacion ortogonal. Dado un operador lineal f sobre un espacio
vectorial V con producto interior y de dimension n, nos planteamos el problema de cuando es
posible encontrar una base ortonormal de V respecto de la cual la matriz de f sea diagonal. Si
V es un espacio con producto interior y las bases son ortonormales entonces se tendra que P
sera ortogonal.
Podemos pues formular los dos problemas anteriores en terminos de matrices.
Problema 1. Dada una matriz cuadrada A, existe una matriz P inversible tal que P
1
AP
sea diagonal?
Problema 2. Dada una matriz cuadrada A, existe una matriz ortogonal P tal que P
t
AP
sea diagonal?
Denicion 5.1 Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P
inversible tal que P
1
AP es diagonal. En ese caso se dice que P diagonaliza a la matriz A.
Si existe una matriz ortogonal P tal que P
1
AP es diagonal, entonces se dice que A es
diagonalizable ortogonalmente y que P diagonaliza ortogonalmente a A.
5.1.2 Diagonalizacion. Valores y vectores propios.
Supongamos que la matriz A
nn
es diagonalizable, es decir que existe P inversible tal que
P
1
AP = D, con D diagonal.
Esto es equivalente a que exista P inversible tal que AP = PD para cierta matriz D
diagonal, luego
AP = PD =
_
_
_
_
_
p
11
p
12
p
1n
p
21
p
22
p
2n
.
.
.
.
.
.
.
.
.
.
.
.
p
n1
p
n2
p
nn
_
_
_
_
_
_
_
_
_
_

1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
_
=
_
_
_
_
_

1
p
11

2
p
12

n
p
1n

1
p
21

2
p
22

n
p
2n
.
.
.
.
.
.
.
.
.
.
.
.

1
p
n1

2
p
n2

n
p
nn
_
_
_
_
_

Algebra Lineal. 57
5.1 Introduccion. Valores y vectores propios.
Si llamamos p
1
, p
2
, . . . , p
n
a los vectores columnas de P , como las columnas de la matriz AP
y las correspondientes de la matriz PD han de coincidir, lo anterior puede escribirse de la forma
Ap
1
=
1
p
1
, Ap
2
=
2
p
2
, . . . , Ap
n
=
n
p
n
,
es decir, han de existir n vectores p
i
y n n umeros reales
i
tales que Ap
i
=
i
p
i
, para los
i = 1, . . . , n. Como la matriz P es inversible, los vectores p
i
son distintos del 0 y linealmente
independientes.
Denicion 5.2 Si A es una matriz cuadrada de orden n, diremos que es un valor propio,
valor caracterstico o autovalor de A si existe un p IR
n
, p ,= 0 , tal que Ap = p.
Del vector p diremos que es un vector propio, vector caracterstico o autovector de
A correspondiente al valor propio .
Teorema 5.3 Si A es una matriz de orden n, las siguientes proposiciones son equivalentes:
a). es un valor propio de A.
b). El sistema de ecuaciones (I A)x = 0 tiene soluciones distintas de la trivial.
c). det(I A) = 0.
Demostracion:
es un valor propio de A existe un vector x IR
n
diferente de cero, tal que Ax = x
el sistema (I A)x = 0 tiene soluciones distintas de la trivial. [I A[ = 0
Al polinomio en , T() = [I A[ , se le denomina polinomio caracterstico de la matriz
A, y a la ecuacion T() = [I A[ = 0 ecuacion caracterstica de A.
Denicion 5.4 Sea A una matriz de orden n y un valor propio de A, al espacio de las solu-
ciones del sistema (I A)x = 0 se le denomina espacio caracterstico de A correspondiente
al valor propio y lo denotaremos por V ().
Observacion:
Si es un valor propio de A, V () = x : (I A)x = 0 ,= 0 y por tanto dimV () 1.
En el estudio sobre la diagonalizacion realizado hasta ahora, hemos buscado la diagonal-
izacion de matrices, separandolas del operador lineal que aparece en el planteamiento inicial del
problema. Lo que hemos encontrado hasta ahora es reutilizable tambien para el estudio de ese
operador? En efecto:
Denicion 5.5 Sea f: V V un operador lineal, diremos que un escalar es un valor
propio de f si existe un vector v V , diferente de cero, tal que f(v) = v.
Al vector v se lo denomina vector propio de f correspondiente a .
Teorema 5.6 Los vectores propios de f correspondientes al valor propio son los vectores,
distintos de cero, del n ucleo de la aplicacion I
d
f (denotaremos por I
d
la aplicacion identidad).
Demostracion:
Si v un vector propio correspondiente a , entonces f(v) = v = f(v) v = 0 =
v ker(I
d
f).
Por otra parte si v ,= 0 pertenece al ker(I
d
f) se tiene que (I
d
f)v = 0 =
v f(v) = 0 = f(v) = v, luego v es un vector propio de f correspondiente a .
Observacion:
Este n ucleo se denominara, espacio caracterstico de f correspondiente al valor propio .

Algebra Lineal. 58
5.2 Diagonalizacion
Teorema 5.7 Sean V un espacio vectorial de dimension n, f: V V un operador lineal y
A la matriz de f con respecto a una base B = v
1
, v
2
, . . . , v
n
. Entonces:
a) Los valores propios de f son los valores propios de A
b) Un vector v V es un vector propio de f correspondiente al valor propio si y solo si
su matriz de coordenadas [v]
B
es un vector propio de A correspondiente a .
Demostracion:
a) Sea un valor propio de f , es decir, v V , distinto de 0 , tal que f(v) = v =
[f(v)]
B
= [v]
B
= A[v]
B
= [v]
B
, luego es un valor propio de A al ser [v]
B
,= 0.
Sea un valor propio de A, entonces x IR
n
, x ,= 0 tal que Ax = x. Si tomamos
x

= x
1
v
1
+ + x
n
v
n
, siendo x = (x
1
, . . . , x
n
), lo anterior quiere decir que A[x

]
B
=
[x

]
B
[f(x

)]
B
= [x

]
B
f(x

) = x

y es un valor propio de f ya que x

,= 0
b) v es un vector propio de f correspondiente a si y solo si
f(v) = v [f(v)]
B
= [v]
B
A[v]
B
= [v]
B
si y solo si [v]
B
es un vector propio de A correspondiente a .
A la vista de este resultado y siempre que trabajemos en terminos de valores y vectores
propios, el problema de encontrar una base del espacio en la cual la matriz asociada al operador
sea diagonal, se reduce al estudio de la diagonalizacion de las matrices.
5.2 Diagonalizacion
Teorema 5.8 Si A es una matriz de orden n, son equivalentes:
a) A es diagonalizable.
b) A tiene n vectores propios linealmente independientes.
Demostracion:
a) b). Lo hemos probado en los comentarios anteriores.
b) a). Sean los n vectores p
1
, p
2
, . . . , p
n
vectores propios linealmente independientes
de A correspondientes a los valores propios
1
,
2
, . . . ,
n
. Consideremos la matriz
P =
_
_
_
_
_
_
p
11
p
12
p
1n
p
21
p
22
p
2n
.
.
.
.
.
.
.
.
.
.
.
.
p
n1
p
n2
p
nn
_
_
_
_
_
_
que tiene por vectores columna los p
1
, p
2
, . . . , p
n
.
Las columnas de la matriz producto AP son Ap
1
, Ap
2
, . . . , Ap
n
y los p
i
son vectores
propios, luego Ap
1
=
1
p
1
, . . . , Ap
n
=
n
p
n
, por lo que:
AP =
_
_
_
_
_

1
p
11

2
p
12

n
p
1n

1
p
21

2
p
22

n
p
2n
.
.
.
.
.
.
.
.
.
.
.
.

1
p
n1

2
p
n2

n
p
nn
_
_
_
_
_
=
_
_
_
_
_
p
11
p
12
p
1n
p
21
p
22
p
2n
.
.
.
.
.
.
.
.
.
.
.
.
p
n1
p
n2
p
nn
_
_
_
_
_
_
_
_
_
_

1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
_
= PD
donde D es la matriz diagonal que tiene como elementos en la diagonal principal a los valores
propios
1
,
2
, . . . ,
n
. Dado que los vectores columnas de P son linealmente independientes,
P es inversible y por tanto se tiene que D = P
1
AP , es decir, A es diagonalizable.

Algebra Lineal. 59
5.2 Diagonalizacion
Proposicion 5.9 Sea f : V V un operador lineal, siendo V un espacio vectorial de
dimension n. Entonces, existe una base de V con respecto a la cual la matriz de f es diagonal
si y solo si f tiene n vectores propios linealmente independientes.
Teorema 5.10 Sean v
1
, v
2
, . . . , v
k
vectores propios de una matriz A asociados a los valores
propios
1
,
2
, . . . ,
k
respectivamente, siendo
i
,=
j
, i, j = 1, 2, . . . , k, con i ,= j . Entonces
el conjunto de vectores v
1
, v
2
, . . . , v
k
es linealmente independiente.
Demostracion:
Supongamos que v
1
, v
2
, . . . , v
k
son linealmente dependientes.
Por denicion, un vector propio es distinto de cero, luego el conjunto v
1
es linealmente
independiente. Sea r el maximo entero tal que v
1
, v
2
, . . . , v
r
es linealmente independiente.
Puesto que hemos supuesto que v
1
, v
2
, . . . , v
k
es linealmente dependiente, r satisface que
1 r < k. Ademas, por la manera en que se denio r, v
1
, v
2
, . . . , v
r
, v
r+1
es linealmente
dependiente. Por tanto, existen escalares c
1
, c
2
, . . . , c
r+1
, al menos uno diferente de cero, tales
que
c
1
v
1
+ c
2
v
2
+ + c
r+1
v
r+1
= 0. 5.1)
Multiplicando en ambos lados de la igualdad por A y haciendo las sustituciones
Av
1
=
1
v
1
, Av
2
=
2
v
2
, . . . , Av
r+1
=
r+1
v
r+1
se obtiene
c
1

1
v
1
+ c
2

2
v
2
+ + c
r

r
v
r
+ c
r+1

r+1
v
r+1
= 0 5.2)
Multiplicando los dos lados de (5.1) por
r+1
y restandole a (5.2) la ecuacion resultante se
obtendra
c
1
(
1

r+1
)v
1
+ c
2
(
2

r+1
)v
2
+ + c
r
(
r

r+1
)v
r
= 0.
Y dado que los vectores v
1
, v
2
, . . . , v
r
son linealmente independientes, necesariamente
c
1
1(
1

r+1
) = c
2
(
2

r+1
) = = c
r
(
r

r+1
) = 0
Como los
1
,
2
, . . . ,
r+1
son distintos entre si, se deduce que c
1
= c
2
= = c
r
= 0.
Sustituyendo estos valores en (5.1) resulta que c
r+1
v
r+1
= 0 , y como v
r+1
,= 0 se deduce
que c
r+1
= 0, lo que contradice el hecho de que al menos uno de los escalares c
1
, c
2
, . . . , c
r+1
deba de ser distinto de cero. Luego no se puede suponer que v
1
, v
2
, . . . , v
k
sean linealmente
dependientes y tenemos probado el teorema.
Corolario 5.11 Si una matriz A de orden n tiene n valores propios distintos, entonces A es
diagonalizable.
Proposicion 5.12 Sea A una matriz de orden n y
i
un valor propio de A de multiplicidad
n
i
, si V (
i
) es el espacio caracterstico correspondiente al valor propio
i
. Entonces
1 dimV (
i
) n
i
.
Demostracion:
Evidentemente dimV (
i
) 1, como ya observamos en la denicion 5.4.
Supongamos entonces que dimV (
i
) = d, y consideremos el operador lineal f : IR
n
IR
n
denido por f(v) = Av Sea v
1
, . . . , v
d
una base del espacio caracterstico V (
i
), que podemos
completar hasta obtener una base de IR
n
, v
1
, . . . , v
d
, v
d+1
, . . . , v
n
. En dicha base, la matriz
del operador sera de la forma
A

=
_
_
_
_
_
_
_
_
_
_

i
0 0
0
i
0
.
.
.
.
.
.
.
.
.
.
.
. B
0 0
i
0 B

_
_
_
_
_
_
_
_
_
_

Algebra Lineal. 60
5.3 Diagonalizacion ortogonal.
Como A y A

son matrices semejantes tienen el mismo polinomio caracterstico, es decir, [I

A[ = [I A

[ = (
i
)
d
[I B

[ , de donde se obtiene que d n

i
.
Teorema fundamental de la diagonalizacion 5.13 Sea A una matriz de orden n. Entonces
A es diagonalizable si y solo si se cumplen las condiciones:
a) Las n raices de la ecuacion caracterstica de A son todas reales. Es decir, [I A[ =
(
1
)
n
1
(
m
)
n
m
con n
1
+ n
2
+ + n
m
= n.
b) Si V (
i
) es el espacio caracterstico de A correspondiente a
i
, 1 i m, y n
i
es la
multiplicidad de
i
en la ecuacion caracterstica de A, entonces dimV (
i
) = n
i
.
Demostracion:
Si A es diagonalizable, existe una matriz P inversible tal que P
1
AP = D (diagonal),
es decir, A y D son matrices semejantes y por tanto poseen el mismo polinomio caracterstico,
luego [I A[ = [I D[ = (
1
)
n
1
(
m
)
n
m
siendo
i
IR un valor de la diagonal de
D repetido n
i
veces. Luego, por ser D de orden n se vericara que n
1
+n
2
+ +n
m
= n, es
decir, que las n raices son reales.
Ademas, por ser A y D matrices semejantes, tambien lo son I A y I D para todo
IR, ya que I D = P
1
P P
1
AP = P
1
(I A)P , IR. De donde se deduce que
rg(I A) = rg(I D), IR.
Ahora bien, si hacemos =
i
, i/1 i m, entonces rg(
i
I A) = rg(
i
I D) =
n n
i
dimV (
i
) = n
i
, i = 1, 2, . . . , m, lo que prueba b).
Si [I A[ = (
1
)
n
1
(
m
)
n
m
, con n
1
+ n
2
+ + n
m
= n, y dimV (
i
) = n
i
para todo i = 1, 2, . . . , m, consideremos en cada V (
i
) una base B
i
, de la forma
B
1
= p
1
, . . . , p
n
1
, B
2
= p
n
1
+1
, . . . , p
n
1
+n
2
, . . . , B
m
= p
n
1
+n
2
++n
m1
+1
, . . . , p
n
1
+n
2
++n
m

Tomemos entonces B = B
1
B
2
B
m
, un conjunto de n vectores propios de A, si vemos
que son linealmente independientes, tendremos que A es diagonalizable.
Planteemos una combinacion lineal igualada a cero:
(
1
1
p
1
+ +
1
n
1
p
n
1
) + (
2
1
p
n
1
+1
+ +
2
n
2
p
n
1
+n
2
)+
+ + (
m
1
p
n
1
++n
m1
+1
+ +
m
n
m
p
n
1
++n
m
) =0
Llamemos v
1
al primer vector situado entre parentesis, v
2
al segundo vector situado entre
parentesis, etc. Los vectores v
1
, v
2
, . . . , v
m
son vectores del espacio caracterstico correspondi-
entes, respectivamente, a los valores propios distintos
1
,
2
, . . . ,
m
y por tanto, si no son cero,
son linealmente independientes. Pero la combinacion lineal v
1
+ v
2
+ + v
m
= 0 nos in-
dicara que son dependientes, luego la unica forma de eliminar esa contradiccion es que v
i
= 0 ,
i = 1, 2, . . . , m, lo cual nos llevara por otra parte a que
i
j
= 0 i, j , con lo cual se obtiene que
B es linealmente independiente.
5.3 Diagonalizacion ortogonal.
Teorema 5.14 Sea A una matriz de orden n, entonces son equivalentes:
a) A es diagonalizable ortogonalmente.
b) A tiene un conjunto de n vectores propios ortonormales.

Algebra Lineal. 61
5.4 Ejercicios
Demostracion:
En efecto, A es diagonalizable ortogonalmente existe P ortogonal tal que P
t
AP = D
(con D diagonal) existe P ortogonal tal que AP = PD.
Si llamamos p
1
, p
2
, . . . , p
n
a los vectores columnas de P , estos vectores son ortonormales
y lo anterior es lo mismo que escribir Ap
1
=
1
p
1
, . . . , Ap
n
=
n
p
n
, supuesto que D =
_
_
_
_
_
_

1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
_
_
, y como al ser P inversible se tiene que p
1
, p
2
, . . . , p
n
son linealmente inde-
pendientes y por tanto no nulos A tiene n vectores propios ortonormales.
Teorema fundamental de la diagonalizacion ortogonal 5.15 Una matriz A de orden n es
diagonalizable ortogonalmente si y solo si A es simetrica.
Teorema 5.16 Si A es una matriz simetrica, entonces los vectores propios que pertenecen a
valores propios distintos son ortogonales.
Demostracion:
Sean
1
y
2
valores propios distintos de una matriz simetrica A y sean u y v vectores
propios correspondientes a
1
y
2
respectivamente.
Tenemos que probar que u
t
v = 0. (Notar que u
t
Av es un escalar).
Se tiene que u
t
Av = (u
t
Av)
t
= v
t
Au = v
t

1
u =
1
v
t
u =
1
u
t
v,
y por otra parte que u
t
Av = u
t

2
v =
2
u
t
v,
por tanto
1
u
t
v =
2
u
t
v (
1

2
)u
t
v = 0 y como
1

2
,= 0, entonces u
t
v = 0.
5.4 Ejercicios
5.1 Hallar las ecuaciones caractersticas, los valores propios y bases de los espacios carac-
tersticos de las siguientes matrices:
a)
_
2 7
1 2
_
b)
_
_
_
5 6 2
0 1 8
1 0 2
_
_
_ c)
_
_
_
4 0 1
2 1 0
2 0 1
_
_
_
5.2 Sea T: M
22
M
22
el operador lineal denido por:
T
_
a b
c d
_
=
_
2c a + c
b 2c d
_
Hallar los valores propios de T y bases para los subespacios caractersticos de T .
5.3 Demostrar que = 0 es un valor propio de una matriz A si y solo si A es no inversible.
5.4 Probar que el termino constante del polinomio caracterstico P() = [I A[ de una
matriz A de orden n es (1)
n
det(A).
5.5 Demostrar que si es un valor propio de A entonces
2
es un valor propio de A
2
.
Demostrar por induccion que, en general,
n
es un valor propio de A
n
, n IN.
5.6 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar
una matriz P tal que P
1
AP = D con D matriz diagonal:
a)
_
_
_
3 0 0
0 2 0
0 1 2
_
_
_ b)
_
14 12
20 17
_
c)
_
_
_
1 4 2
3 4 0
3 1 3
_
_
_

Algebra Lineal. 62
5.4 Ejercicios
5.7 Sea T: IR
3
IR
3
el operador lineal T
_
_
_
x
1
x
2
x
3
_
_
_ =
_
_
_
2x
1
x
2
x
3
x
1
x
3
x
1
+ x
2
+ 2x
3
_
_
_. Hallar una base
de IR
3
respecto de la cual la matriz de T sea diagonal.
5.8 Sea P
1
(x) el espacio vectorial de los polinomios de grado menor o igual a 1. Sea T: P
1
(x)
P
1
(x) el operador lineal T(a
0
+a
1
x) = a
0
+(6a
0
a
1
)x. Hallar una base de P
1
(x) respecto
de la cual la matriz de T sea diagonal.
5.9 Sea A una matriz de orden n y P una matriz inversible de orden n. Demostrar por
induccion que (P
1
AP)
k
= P
1
A
k
P , k IN.
5.10 Calcular A
40
siendo A =
_
1 0
1 2
_
.
5.11 Estudiar la diagonalizabilidad de la matriz A, dada en funcion de los parametros a y b,
siendo A =
_
_
_
5 0 0
0 1 a
3 0 b
_
_
_. En los casos posibles diagonalizarla.
5.12 Sea A una matriz de orden 2 tal que A
2
= I . Probar que A es diagonalizable.
5.13 Hallar una matriz P que diagonalice ortogonalmente a A y calcular P
1
AP para cada
una de las siguientes matrices:
a)
_
7 24
24 7
_
b)
_
_
_
2 1 1
1 2 1
1 1 2
_
_
_ c)
_
_
_
_
_
5 2 0 0
2 2 0 0
0 0 5 2
0 0 2 2
_
_
_
_
_
5.14 a) Demostrar que si D es una matriz diagonal con elementos no negativos entonces
existe una matriz S tal que S
2
= D.
b) Demostrar que si A es una matriz diagonalizable con valores propios no negativos
entonces existe una matriz S tal que S
2
= A.
5.15 Probar que A y A
t
tienen los mismos valores propios siendo A una matriz de orden n.
5.16 Sea A una matriz de orden n y P() = [I A[ . Probar que el coeciente de
n1
en
P() es el opuesto de la traza de A.
5.17 Sea A una matriz de orden n inversible, demostrar que los valores propios de A
1
son los
inversos de los valores propios de A.
5.18 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son
uno o menos uno.
5.19 Se sabe que (1, 0, 0), (1, 1, 0), (0, 1, 0) y (0, 0, 1) son vectores propios de una matriz de
orden 3 y que hay vectores de IR
3
que no lo son. Calcular todos los vectores propios de la
matriz.
5.20 Se dan las siguientes ecuaciones de recurrencia:
_
u
n
= 3u
n1
+ 3v
n1
v
n
= 5u
n1
+ v
n1
. Utilizar la di-
agonalizacion para calcular u
n
y v
n
en funcion de n, sabiendo que u
0
= v
0
= 1.
5.21 Los dos primeros terminos de una sucesion son a
0
= 0 y a
1
= 1. Los terminos siguientes
se generan a partir de a
k
= 2a
k1
+ a
k2
; k 2. Hallar a
127
.

Algebra Lineal. 63
5.4 Ejercicios
5.22 El propietario de una granja para la cra de conejos observo en la reproduccion de estos
que:
i). Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada
mes.
ii). Una pareja recien nacida tarda dos meses en tener la primera descendencia.
Si partimos de una pareja adulta y siendo a
n
el n umero de parejas nacidas en el n-esimo
mes (a
0
= 0), se pide:
a) Obtener una formula recurrente para a
n
en funcion de terminos anteriores.
b) Probar que a
n
=
(1 +

5)
n
(1

5)
n
2
n

5
c) Calcular, si existe: lim
n
a
n+1
a
n
.
5.23 Sea el determinante n n siguiente:
D
n
=

3 1 0 0 0 0
1 3 1 0 0 0
0 1 3 1 0 0
0 0 1 3 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 3 1
0 0 0 0 1 3

Dar una expresion de D

n
en funcion de los determinantes de tama no menor que n y
obtener las ecuaciones de recurrencia para hallar su valor.
5.24 Determinar para que valores de a, b y c son diagonalizables simultaneamente las matrices
A =
_
_
_
1 a b
0 2 c
0 0 2
_
_
_ y B =
_
_
_
1 a b
0 1 c
0 0 2
_
_
_
5.25 Estudiar para que valores de a, b y c es diagonalizable la matriz A =
_
_
_
c 2a 0
b 0 a
0 2b c
_
_
_
5.26 Dada la matriz A =
_
_
_
a a 0
a a 0
b 0 2b
_
_
_. Estudiar para que valores de a y b la matriz A
es diagonalizable.
5.27 Sea f: IR
3
IR
3
el operador lineal cuya matriz asociada a la base canonica es:
A =
_
_
_
m 0 0
0 m 1
1 n m
_
_
_
a) Determinar para que valores de m y n existe una base de IR
3
de tal forma que la
matriz en esa base sea diagonal. En los casos que f sea diagonalizable calcular una
base en la cual la matriz de f sea diagonal.
b) Si n = 0, observando la matriz A y sin hacer ning un calculo, determinar un valor
propio y un vector propio asociado a dicho valor propio, razonando la respuesta.

Algebra Lineal. 64
5.4 Ejercicios
5.28 Dada la matriz A =
_
_
_
_
_
1 0 0 0
a 1 0 0
b d 1 1
c e f 1
_
_
_
_
_
. Encontrar para que valores de los parametros
a, b, c, d, e, f IR la matriz A es diagonalizable. Para dichos valores encontrar las matrices
P y D tales que P
1
AP = D, donde D es una matriz diagonal.
5.29 En IR
4
consideramos el subconjunto: S = (x
1
, x
2
, x
3
, x
4
) / x
2
x
4
= 0. Sea T: IR
4

IR
4
el operador lineal que verica:
i). ker(T) = x IR
4
/ < x, y >= 0, y S.
ii). T(1, 0, 0, 0) = (1, 3, 1, 2).
iii). T(1, 1, 1, 1) = (3, m, n, p).
iv). El subespacio solucion del sistema:
_
x
1
+ x
2
+ x
3
+ x
4
= 0
x
2
+ 2x
3
+ 2x
4
= 0
es el conjunto de vec-
tores propios correspondientes a un mismo valor propio de T.
Se pide:
a) Probar que S es un subespacio vectorial de IR
4
.
b) Hallar ker(T).
c) Encontrar una base para el subespacio de vectores propios de la propiedad (iv).
d) La matriz estandar de T .
5.30 Sean f : IR
4
IR
4
un operador lineal, y B = e
1
, e
2
, e
3
, e
4
la base canonica de IR
4
,
vericando lo siguiente:
i). f(e
1
) H = x IR
4
/ x
2
= 0
ii). f(e
2
) S = x IR
4
/ x
2
= 1 y x
4
= 0
iii). f(e
3
) = (, , 1, 2); f(e
4
) = (1, 0, 2, )
iv). ker f es el conjunto de soluciones del sistema:
_

_
2x
1
+ x
2
+ 2x
3
2x
4
= 0
3x
1
+ 3x
2
+ x
3
+ x
4
= 0
x
1
x
2
x
3
+ 3x
4
= 0
v). Las ecuaciones implcitas de la imagen de f son y
1
2y
3
y
4
= 0.
vi). El operador f es diagonalizable.
Hallar la matriz estandar de f .

Algebra Lineal. 65