Diagonalizacion 1

Captulo 1: Aplicaciones Lineales.
Captulo 1
APLICACIONES LINEALES
1.1 Introduccin
El concepto de linealidad es muy intuitivo y aparece en mltiples situaciones de la vida
cotidiana. As, si una persona, efectuando un trabajo x percibe un salario f(x), trabajando el
doble, por ejemplo, cabe esperar que su salario tambin se duplique, es decir:
f(2x) = 2 f(x)
Si realiza un trabajo extra y , sus ingresos sern la suma de los salarios percibidos por
ambas ocupaciones:
f(x+y) = f(x) + f(y)
Las dos propiedades anteriores que van a caracterizar las aplicaciones lineales entre espacios
vectoriales, se llaman condiciones de linealidad.
Nos centraremos en el estudio de las aplicaciones lineales de un espacio vectorial en s
mismo, son las llamadas transformaciones lineales o endomorfismos.
Una vez fijada una base en el espacio vectorial, a cada endomorfismo le asociaremos una
matriz cuadrada de forma unvoca. Hablaremos indistintamente de un endomorfismo o de su
matriz asociada.
Analizaremos bajo qu condiciones existe una base del espacio vectorial tal que la matriz
asociada al endomorfismo respecto de dicha base sea una matriz diagonal, con la que es
mucho ms sencillo operar.
A lo largo del tema, V y V sern dos espacios vectoriales de tipo finito sobre el mismo
cuerpo conmutativo K.
1.2 Definicin
Una aplicacin f : V V' es una aplicacin lineal u homomorfismo de V en
V cuando verifica las dos condiciones de linealidad siguientes:

1. f x y f x f y , x , y V

2. f x f x , K, x V

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa
1.2.1 Nota
Ambas condiciones anteriores son equivalentes a la siguiente condicin nica:

f x y f x f y , , K, x , y V

1.2.2 Nota
Empleando el mtodo de induccin, se demuestra que si f es una aplicacin lineal, entonces:

f 1 x 1 p x p 1f x 1 p f x p , i K, x i V, i 1,2,..., p

Ejemplos
1.3.1 Sean V = V = K = R, siendo R el conjunto de nmeros reales con su estructura

correspondiente en cada caso (de espacio vectorial o de cuerpo). La aplicacin
f :R R
es lineal.
x 3x
En efecto, para cualesquiera x , y V y K , se verifican las dos condiciones:
f x y 3x y 3x 3y f x f y
f x 3x 3x f x
1.3.2 Sean de nuevo, V = V = K = R. La aplicacin
f :R R
x x2
no es lineal.
De hecho no cumple ninguna de las dos condiciones de linealidad:

f x y x y 2 x 2 y 2 2xy
f x f y x 2 y 2
Luego, en general, f x y f x f y .
f x x 2 2 x 2
f x x 2
Por tanto, f x f x , salvo para 0 , 1 x 0 .
f : R2 R3
1.3.3 Sean V R , V' R y K R . La aplicacin

2
x (x, y) (2x, 0, y x)
es
lineal.
En efecto, si x ( x, y), y ( x ' , y' ) , se verifica:

f x y f x x ' , y y' 2x x ',0, y y'x x '

2 x ,0, y x 2x ' ,0, y' x ' f x f y

1.3.4 Sea V un espacio vectorial sobre un cuerpo K. Sean F y G subespacios

suplementarios de V, es decir, F G V .
de V se descompone de forma nica x x1 x 2
Cada vector x
con
x1 F, x 2 G .
Veamos que la aplicacin
p:V V
x x1 x 2 x 1
llamada proyeccin vectorial de V sobre F segn la direccin de G, es lineal.

G
x2

p x x 1

Fig. 1.1 Proyeccin vectorial
Supongamos que tambin es y y1 y 2 con y1 F, y 2 G ; entonces:

p x y p x 1 y 1 x 2 y 2 x 1 y 1 p x p y
p x p x x x p x
1

2
1

1.3.5 Bajo las mismas hiptesis del ejemplo anterior, la aplicacin
s:V V
x x1 x 2 x 1 x 2
llamada simetra vectorial respecto de F segn la direccin de G, es lineal.

G
x2
x1
F

sx

Fig. 1.2 Simetra vectorial
Probmoslo:
s x y s x 1 x 2 y1 y 2 s x 1 y1 x 2 y 2

x 1 y1 x 2 y 2 x 1 x 2 y1 y 2 s x s y
1.4 Tipos de homomorfismos

1.4.1 Definicin
Sea f una aplicacin lineal de V en V.

Si V = V, f es una transformacin lineal o endomorfismo de V
f es un monomorfismo cuando es inyectiva
f es un epimorfismo cuando es suprayectiva.
f es un isomorfismo cuando es biyectiva.
Si f es biyectiva y V = V, f es un automorfismo.
Ejemplo
Sea V un K-espacio vectorial de dimensin n. Sea B una base de V. La aplicacin
f : V Kn
v x1 , x 2 , , x n B x1 , x 2 , , x n
es un isomorfismo, siendo x1 , x 2 , , x n B las coordenadas de v respecto de la base B.

La demostracin se deja como ejercicio.
Debido a este isomorfismo, se identifican con frecuencia los espacios vectoriales de
dimensin n con K n y se hace equivaler cada vector v con sus coordenadas respecto de una
determinada base B.
1.5 Consecuencias de la definicin de aplicacin lineal

1. f 0 V 0 V '

2. f x f x , x V

Demostracin
1. Por ser f lineal, se verifica
f 0V f 0V 0V f 0V f 0V

Restando f 0 V en ambos miembros, se obtiene por fin que f 0 V 0 V ' .

2. Para demostrar que los vectores f x y f x son opuestos, comprobemos que al

sumarlos se obtiene el vector 0 V ' :

f x f x f x x f 0 V 0 V'

aplicando que f es lineal y la consecuencia 1 recin demostrada.
A partir de este momento, escribiremos 0 para referirnos tanto a 0 V como a 0 V ' .
1.6 Ncleo e imagen de una aplicacin lineal
Podemos asociar a cada aplicacin lineal f sendos subespacios vectoriales de V y V

respectivamente, que juegan un papel importante en el estudio de la aplicacin; son los
llamados ncleo e imagen de f.
1.6.1 Definicin
Llamamos ncleo de la aplicacin lineal f : V V ' , y lo representamos por
Nf , al sistema de vectores de V cuya imagen es el 0 . Es decir,

Nf x V / f x 0

La imagen de f, en cambio, es el sistema de vectores de V que son imagen de

algn vector de V. Lo representamos por Imf :

Imf y V' / x V con f x y

Ejemplos:
Busquemos el ncleo y la imagen de algunas de las aplicaciones lineales expuestas

anteriormente como ejemplos tras la definicin de homomorfismo.
Ncleo e imagen de la aplicacin del ejemplo 1.3.1:

f :R R
x 3x
Por definicin de ncleo, x Nf si y slo si f x 3x 0 ; es decir, si y slo si x 0 .

Luego, Nf 0 .
y
Para todo y R, se verifica que y = f , luego, Imf R
3
Otra formar para hallar la imagen de f es usar el siguiente resultado (proposicin 1.11) que
demostraremos ms adelante:
dim V dim Nf dim Imf
As, aplicndolo a este ejemplo concreto, se obtiene:
dim R dim Nf dim Imf 1 0 dim Imf
Por tanto, dim Imf 1 e Imf R .

Ncleo e imagen de la aplicacin del ejemplo 1.3.4 (proyeccin de V sobre F segn la
direccin de G):
p:V V
x x1 x 2 x 1

Un vector x x 1 x 2 V F G pertenece a Np si y slo si p x x 1 0 . Ha de ser

entonces x 0 x 2 x 2 G . Luego, Np G.
En cambio, Imp F ya que:

Imp F por la propia definicin de p, y, si x F , entonces x p x 0 Imp , luego,
tambin F Imp .
Consideremos ahora el ejemplo 1.3.5 de la simetra vectorial s respecto de F segn la

direccin de G:
s:V V
x x1 x 2 x 1 x 2
Se verifica que

s x s x 1 x 2 x 1 x 2 0 x 1 x 2 x 1 x 2 0 , ya que al ser F y G subespacios

suplementarios, F G 0 . Por tanto, ha de ser x 0 y Ns 0 .

Para todo x = x1 x 2 V, es x s x 1 x 2 , luego, Ims V ,
1.7 Propiedades de las aplicaciones lineales
Sea f : V V' una aplicacin lineal. Se verifican las siguientes propiedades:

1.7.1 Si F es un subespacio vectorial de V, entonces f F es un subespacio vectorial de
V.
Demostracin

Sean x ', y' vectores de f F . Existen entonces vectores x , y de F tales que f x x ' y

f y y' . Sean , escalares de K. Por ser f lineal se verifica:

x ' y' f x f y f x y

Como F es un subespacio vectorial de V, el vector x y pertenece a F, luego, su imagen
x ' y' pertenece a f F . Est probado pues que f F es un subespacio vectorial de V.

1.7.2 Si G es un subespacio vectorial de V , entonces f 1 G es un subespacio
vectorial de V.
Demostracin

Sean x , y vectores de f 1 G . Sus imgenes f x , f y son vectores de G. Sean ,

escalares de K. Por ser G un subespacio vectorial de V, se verifica que

f x f y G .

Como f es lineal, lo anterior es equivalente a escribir f x y G . Luego,
x y f 1 G . Por tanto, f 1 G es un subespacio vectorial de V.

1.7.3 El ncleo de f es un subespacio vectorial de V.
Demostracin

Por definicin, es Nf f 1 0 . Como 0 es un subespacio vectorial de V, aplicando

la propiedad 1.7.2, se obtiene que Nf es un subespacio vectorial de V.

1.7.4 La imagen de f es un subespacio vectorial de V.
Demostracin
Por definicin, es Imf f V . Como V es un subespacio vectorial de V, aplicando la
propiedad 1.7.1, se obtiene que Imf es un subespacio vectorial de V.
1.7.5 Si S es un sistema generador de V, entonces, f S es un sistema generador de

Imf .
Demostracin
Sea S x 1 , x 2 ,..., x p un sistema generador de V. Sea y Imf . Existe un vector x V tal
que

f x y . Como S engendra V, existen escalares

1 , 2 ,..., p
tales que
x 1 x 1 2 x 2 ... p x p . As, aplicando que f es lineal, se tiene que
y f x f 1 x 1 2 x 2 ... p x p 1f x 1 2 f x 2 ... p f x p

Luego, cualquier vector
de
Imf
es combinacin lineal de los vectores
f x 1 , f x 2 , ... , f x p y, consecuentemente f S es un sistema generador de Imf .

1.7.6 Si S es un sistema ligado de V, entonces, f S es un sistema ligado de V.
Demostracin

Sea S x 1 , x 2 ,..., x p un sistema ligado de V. Existen entonces escalares 1 , 2 ,..., p no
todos nulos tales que 1 x 1 2 x 2 ... p x p 0 . Usando que f es lineal, se obtiene:

f 1 x 1 2 x 2 ... p x p 1f x 1 2 f x 2 ... p f x p f 0 0

Luego f S f x 1 , f x 2 , ... , f x p es ligado.

1.7.7 Si S es un sistema libre de V, entonces, f 1 S' es un sistema libre de V.
Demostracin
Sea S un sistema libre de V. Si f 1 S' fuera ligado, existira un vector x f 1 S' que sera
combinacin lineal de ciertos vectores x 1 , x 2 ,..., x p de f 1 S' .
Es decir, existiran escalares 1 , 2 ,..., p de K tales que x 1 x 1 2 x 2 ... p x p . As,
f x f 1 x 1 2 x 2 ... p x p 1f x 1 2 f x 2 ... p f x p .

Luego, f x sera combinacin lineal de f x 1 , f x 2 , ... , f x p , perteneciendo estos p 1

vectores a S que era un sistema libre.
Hemos llegado al absurdo suponiendo que f 1 S' era ligado. En consecuencia, f 1 S' es
libre.
1.8 Corolario

Si B x 1 , x 2 ,..., x n es una base de V, puede obtenerse una base de Imf a partir del

sistema de vectores de V, f B f x 1 , f x 2 , ... , f x n , eliminando del mismo los

vectores que sean combinacin lineal de los dems.
Este resultado es una consecuencia inmediata de la propiedad 1.8.5, ya que cualquier base de
V es por definicin un sistema generador de V.
A partir de la siguiente proposicin, observemos cmo las imgenes de los vectores de una
base de V determinan de forma nica la aplicacin lineal.
1.9 Proposicin
Una aplicacin lineal queda determinada si se conocen las imgenes de los

vectores de una base. Es ms:

Sea B x 1 , x 2 ,..., x n una base del espacio vectorial V. Sea

S y1 , y 2 ,..., y n un sistema cualquiera de vectores del espacio vectorial V.

Existe una nica aplicacin lineal f : V V' tal que f x i y i , i 1, ..., n .

Demostracin
Para cada vector
x 1 x 1 2 x 2 ... n x n
de V, con
i K, i 1, ..., n ,
definimos:
f x 1 y1 2 y 2 ... n y n

Se verifica:
10

1. f x i y i , i 1, ..., n , por la propia definicin de f.

2. f es lineal:

Sean
y , K . Por ser B una base de V, existen escalares
x, z V
i , i K, i 1, ..., n , tales que x i x i y z i x i .

i 1
i 1
As, x z i i x i , y, por definicin de f se tiene que

i 1
n
n
n

f x z i i y i i y i i y i f x f z
i 1

i 1
i 1
Luego, f es lineal.
3. f es nica:

Sea g : V V ' otra aplicacin lineal tal que g x i y i , i 1, ..., n . Para cualquier

vector x 1 x 1 2 x 2 ... n x n de V, con i K, i 1, ..., n , por ser g lineal, se

verifica que

g x 1g x 1 2 g x 2 ... n g x n 1 y1 2 y 2 ... n y n f x

por la propia definicin de f.
Probemos ahora un par de resultados relativos a los subespacios ncleo e imagen de f,

al segundo de los cuales nos hemos referido ya anteriormente.
1.10 Proposicin

Una aplicacin lineal f de V en V es inyectiva si y slo si Nf 0 .

Demostracin
Condicin necesaria:
11
Supongamos que f es inyectiva. Si existiera un vector x Nf tal que x 0 , tendramos dos

vectores diferentes con la misma imagen, f x f 0 0 , lo cual es absurdo ya que, por

hiptesis, f es inyectiva. Por tanto, Nf 0 .

Condicin suficiente:

Supongamos ahora que Nf 0 . Sean x , y V tales que f x f y . Por ser f lineal,

f x y f x f y 0 .
Luego
x y Nf .
Consecuentemente,
por
hiptesis,
x y 0 , es decir x y . Y est probado que f es inyectiva.
1.11 Proposicin
Sea
f : V V'
una
aplicacin
dim V dim Nf dim Imf .
lineal.
Se
verifica
que
Demostracin

Supongamos que dim V n y que dim Nf p . Sea B N x 1 , x 2 ,..., x p una base de

Nf . Completamos B N hasta obtener una base B de V, B x 1 , x 2 ,..., x p , x p 1 ,..., x n .

Demostremos que B I f x p 1 ,..., f x n es una base de Imf . En efecto:

Sea y Imf . Sea x V tal que f x y .

Por
ser
una
base
de
V,
existen
escalares
1 , 2 ,..., n K
tales
que
x 1 x 1 2 x 2 ... n x n .
Como f es lineal, se tiene que f x 1f x 1 2 f x 2 ... p f x p ... n f x n .

Pero, por ser x 1 , x 2 ,..., x p vectores de Nf , sus imgenes mediante f son el vector 0 , luego
y f x p 1f x p 1 ... n f x n .

Queda as demostrado que B I engendra Imf .
12
Veamos ahora que B I es libre.

Si p 1f x p 1 ... n f x n 0 , como f es lineal, se tendr que

f p 1 x p 1 ... n x n 0 .
Luego, el vector p 1 x p 1 ... n x n Nf y se puede escribir como combinacin lineal de

los vectores de B N :
p 1 x p 1 ... n x n 1 x 1 ... p x p
es decir, 1 x 1 ... p x p p 1 x p 1 ... n x n 0 .

As, 1 ... p p 1 ... n 0 , por ser B una base de V y, por tanto, un sistema libre.
13
Captulo 2: Transformaciones Lineales.
Captulo 2
TRANSFORMACIONES LINEALES
2.1 Introduccin
De ahora en adelante, a lo largo del tema consideraremos V V' , con dim V = n. Es decir,
vamos a estudiar las transformaciones lineales endomorfismos de un espacio vectorial V.
Empecemos por su expresin analtica.
2.2 Expresin analtica de una transformacin lineal
Sea B u 1 , u 2 ,..., u n una base del espacio vectorial V. Si un vector x tiene de coordenadas
respecto de la base B, cules son las coordenadas y1 , y 2 , , y n de f x

respecto de la base B?
x 1 , x 2 , , x n
f x f x 1 u 1 x 2 u 2 ... x n u n x 1f u 1 x 2 f u 2 ... x n f u n , por ser f lineal.

Supongamos que f u 1 a 11 u 1 a 12 u 2 ... a 1n u n , f u 2 a 21 u 1 a 22 u 2 ... a 2 n u n , ...,

f u n a n1u1 a n 2 u 2 ... a nn u n , para ciertos a ij K , i 1,..., n , j 1,..., n .

Se tiene entonces que:
f x x 1 a 11 u 1 a 12 u 2 ... a 1n u n x 2 a 21 u 1 a 22 u 2 ... a 2 n u n ...

x n a n1 u 1 a n 2 u 2 ... a nn u n
x 1a 11 x 2 a 21 ... x n a n1 u 1 x 1a 12 x 2 a 22 ... x n a n 2 u 2 ...
x 1a 1n x 2 a 2n ... x n a nn u n
14
y1 x 1a 11 x 2 a 21 ... x n a n1
y x a x a ... x a
1 12
2 22
n n2
Por tanto, 2
; stas son las ecuaciones la expresin analtica
...
y n x 1a 1n x 2 a 2 n ... x n a nn
de f respecto de la base B.
Conociendo
x x 1 , x 2 , , x n B ,
las
ecuaciones
anteriores
permiten
calcular
f x y1 , y 2 , , y n B .

Estas ecuaciones pueden escribirse en forma matricial:
a 21
...
y1 a 11

a 22
...
y 2 a 12
... ...
...
...

y a
a 2n
...
n 1n
a n1 x 1

a n2 x 2
... ...

a nn x n
f x f u 1 f u 2 ... f u n x B
B
B B B

es decir, f x A x B , siendo A
B
a 11
a 12
...
a 1n
a 21
a 22
...
a 2n
...
...
...
...
a n1
a n2
M n K .
...
a nn
A la matriz A se la llama matriz asociada a f respecto de la base B; se escribe A M f , B y

tiene por columnas a las imgenes de los vectores de la base B expresadas en la misma base
B.
Ejemplo
2.3. Consideremos el espacio vectorial V R 2 sobre el cuerpo K = R.
f : R2 R2
Sea
x (x, y) f x (2x, y 3x) x ', y '

La matriz A asociada a f respecto de la base cannica tendr por vectores columna:
15
c1 f 1,0 2,3
c 2 f 0,1 0,1
2 0
.
Es decir, A
3 1
Y dado, por ejemplo, el vector x 1,2 , quin ser f x ?

f x A x , es decir,

x ' 2 0 1 2

y' 3 1 2 1
Luego f x 2,1 .

Cabe observar que cuando la base que manejamos es la cannica , se puede proceder de otra
forma muy sencilla para el clculo de A :
x ' 2x
por definicin de f; lo que es equivalente a escribir:
Es claro que
y' y 3x
x ' 2 0 x

y' 3 1 y
2 0
.
As, f x A x para A

3 1
Una vez escrita la aplicacin f en esta forma, podramos haber demostrado que f era lineal de
una manera muy sencilla:
Si x x, y y x' x ' , y' son vectores cualesquiera de R 2 y , R , aplicando las

propiedades de las operaciones con matrices, se tiene que:

f x y A x y A x A y A x A y f x f y .
2.4 Proposicin
Siguiendo con la misma notacin que en la expresin analtica de una

transformacin lineal f, se verifica:
1. Los vectores columna de A son un sistema generador de Im(f)
2. La dimensin de Im(f) coincide con el rango de A.
16
Demostracin
1. Por la quinta propiedad de las aplicaciones lineales, la imagen de un sistema generador de
V es un sistema generador de Im(f). Pero, los vectores columna de A son precisamente las
imgenes de los vectores de la base B, que por definicin es un sistema generador de V.
2. La dimensin de Im(f) es, por el apartado anterior, el nmero de vectores columna
linealmente independientes de A, es decir, coincide con el rango de A por el teorema del
rango.
Ejemplo
Hallar el ncleo y la imagen de la transformacin lineal del ejemplo 2.3,

f : R2 R2
x (x, y) (2x, y 3x)

Nf x R 2 / f x 0 ; pero, f x 0 si y solo si A x 0 .

Luego, para hallar el ncleo de f hay que resolver el sistema homogneo:
2 0 x 0

3 1 y 0
Por ser
2 0

2 0 , el sistema anterior solo admite la solucin trivial y Nf 0 .
3 1

Imf vectores columna de A 2,3, 0,1
Como
2 0
0 , dichos vectores columna son linealmente independientes e Imf R 2 .
3 1
Tambin podramos haber obtenido este ltimo resultado teniendo en cuenta que
dim R 2 dim Nf dim Imf .
2.6 Relacin entre transformaciones lineales y matrices
Dada una transformacin lineal f : V V , una vez fijada una base B de V, podemos asociar
a f, una matriz A M n K que determina f de forma nica, A Mf , B .
17
Recprocamente, dada una matriz A M n K , podemos construir el endomorfismo

f : K n K n tal que A Mf , B C , siendo B C la base cannica de K n .
Dicho endomorfismo es nico ya que queda determinado por las imgenes de los vectores de
la base cannica, es decir, por los vectores columna de A.
Por tanto, una vez fijada una base B de V, referirnos a f a A M f , B , es equivalente. Si
no se dice lo contrario la base B ser la cannica.
2.7 Operaciones entre transformaciones lineales
Sea LV f : V V / f es lineal . Sean f , g LV y K . Sea B una

base de V.
1. Definimos la suma de f y g como la aplicacin f g : V V tal que
f g x f x g x , x V
. Se verifica:

a. f + g es una transformacin lineal de V
b. M f g, B M f , B M g, B
c.
LV , es un grupo conmutativo.
Demostracin
a.
f g x y f x y g x y f x f y g x g y

f x g x f y g y f g x f g y , x , y V, , K

Hemos aplicado la definicin de suma en L(V) y que f y g son lineales.

b. Sean M f M f , B, M g M g, B y M f g M f g, B . Se verifica que
f g x f x g x M f x M g x M f
M g x
Luego M f g M f M g .
c. Por ser M n K , un grupo conmutativo y teniendo en cuenta la relacin entre
transformaciones lineales y matrices, se verifica que LV , es tambin un grupo
conmutativo.
2. Definimos el producto de un escalar por un endomorfismo f como la

aplicacin f : V V tal que f x f x , x V . Se verifica:

18
a. f es una transformacin lineal de V

b. M f , B M f , B
c.
LV ,, es un espacio vectorial sobre el cuerpo K.
Demostracin
Se deja como ejercicio por ser anloga a la del apartado anterior.
3. El producto composicin de los endomorfismos f y g es la aplicacin:
V V V tal que g f x g f x , x V . Se verifica:

g f

a. g f es una transformacin lineal de V

b. M g f , B M g, B M f , B
c.
LV ,, es un anillo no conmutativo.
Demostracin

a. Por la propia definicin de g f y por ser f y g lineales, x , y V y , K , se
verifica que:
g f x y g f x y g f x f y g f x g f y
g f x g f y

Luego, g f es una transformacin lineal de V.
b. Para cada x V , se verifica que:
g f x g f x M g f x M g M f x M g M f x
Luego, M gf M g M f
c. LV ,, es un anillo no conmutativo por serlo M n K ,, .
2.8 Caracterizacin de las transformaciones lineales biyectivas
Sea f : V V una transformacin lineal del espacio vectorial V de dimensin

n. Sea B una base de V y A Mf , B .
Las siguientes afirmaciones son equivalentes:
19
1. f es biyectiva
2. f es inyectiva

3. Nf 0

4. f es sobreyectiva
5. r(A) = n
6.
A 0
7. La imagen de un sistema libre de V es tambin un sistema libre de V.

Demostracin
1 2
Por la propia definicin de aplicacin biyectiva (inyectiva y sobreyectiva).
23
Est probado anteriormente en 1.10 (pg 11) para aplicaciones lineales en general.
3 4
Por hiptesis, dim N(f) = 0 y dim V = n, luego dim Im(f) = n por verificarse que
dim V = dim N(f) + dim Im(f).
Por tanto, Im (f) = V, es decir f es sobreyectiva.
45
Por ser f sobreyectiva, Im(f) = V. En consecuencia, los vectores columna de A son una
base de V y por tanto son linealmente independientes. Aplicando el teorema del rango
se colige que r(A) = n.
56
Por definicin de rango de una matriz.
67

Sea S x 1 , x 2 ,..., x p un sistema libre de V.

Si 1f x 1 2 f x 2 ... p f x p 0 , entonces, por ser f lineal:

f 1 x 1 2 x 2 ... p x p 0 A 1 x 1 2 x 2 ... p x p 0
1
Por ser A 0 , A es inversible y multiplicando por A por la izquierda en los dos
miembros de la igualdad anterior, se obtiene: 1 x 1 2 x 2 ... p x p 0
20
Y como S es un sistema libre, se colige que 1 2 ... p 0 , luego

f x 1 , f x 2 ,..., p f x p es libre.

7 1
Para demostrar que f es biyectiva, probemos que es sobre e inyectiva.
Por hiptesis, los vectores columna de A Mf , B son linealmente independientes

por ser las imgenes de los vectores de la base B. As pues, r A dim Imf n . Por
tanto, Im(f) = V, es decir, f es sobreyectiva.

Se verifica que dim N(f) = dim V - dim Im(f) = n n = 0. Luego, Nf 0 y f es

inyectiva.
2.9 Cambio de base en una transformacin lineal
Sea f una transformacin lineal de un espacio vectorial V. Sean B y B dos

bases distintas de V. Sean las matrices A Mf , B y A' Mf , B' .
Buscamos la relacin existente entre A y A . Sea P la matriz de cambio de
base de B a B.
En esquema, la situacin que tenemos es la siguiente:
x B'
A'
fx
B'
P 1
xB
fx
B
Por la propia definicin de las matrices que intervienen en el esquema anterior,

se verifica:
f x P 1 f x P 1 A x B P 1 A P x B'
B'
B
Luego, la relacin buscada es:

A' P 1 A P
21
Ejemplo
Demostramos en el ejemplo 2.3 que la transformacin lineal

f : R2 R2
x (x, y) f x (2x, y 3x)

2 0
tiene como matriz asociada respecto de la base cannica a la matriz A
.
3 1
Si consideramos ahora la base de R 2 , B u 1 1,1, u 2 2,0 , cul es la matriz A
asociada a f respecto de esta nueva base B?
A' P 1 A P
siendo P la matriz de cambio de base de B a la base cannica.
0
1 2
, que tiene por matriz inversa a P 1 1
Es, por tanto, P
1 0
2
De esta forma, se tiene que:
0
A' 1
1
1.

2
1 2 0 1 2 2 6
1
3 1 1 0 2
5
2
Obsrvese que la matriz Apodra haberse hallado directamente buscando sus vectores
columna:
c1 f u 1 , c 2 f u 2
B
B
f u 1 2,2 21,1 22,0 2 u 1 2 u 2 2,2B

f u 2 4,6 61,1 52,0 6 u 1 5 u 2 6,5B

2.10 Vectores y subespacios invariantes por una transformacin lineal
Sea f una transformacin lineal de V.
22
2.10.1 Definicin

Un vector x de V es un vector invariante por ( de) f cuando f x x .

2.10.2 Proposicin
El sistema F de vectores invariantes por f es un subespacio vectorial de V,

llamado subespacio vectorial de vectores invariantes de f.
Demostracin

Sean x , y F y , K .Por ser f lineal y ser x e y vectores invariantes por f, se tiene:
f x y f x f y x y
Luego x y F y est probado que F es un subespacio vectorial de V.
2.10.3 Definicin
Un subespacio cualquiera F de V decimos que es un subespacio invariante por
( de) f cuando f F F ; es decir, si x F , entonces tambin f x F

2.10.4 Observaciones
1. Si f es biyectiva, F es un subespacio invariante cuando f F F .
2. El subespacio de vectores invariantes de f es un subespacio invariante de f.
2.10.5 Proposicin
Si F y G son subespacios invariantes de f, entonces:

1. F G es un subespacio invariante de f.
2. F + G es tambin un subespacio invariante de f.
23
Demostracin
1. Sea x F G . Se verifica entonces que x F y x G . As, por ser F y G
subespacios invariantes, tambin f x F y f x G . Luego,

fxFG .

2. Sea x F G . Es entonces, x u v con u F y v G . Por ser f lineal se

verifica:

f x f u v f u f v

Como F y G son subespacios invariantes de f, se tiene que f u F y f v G . Luego,

teniendo en cuenta la igualdad anterior, est probado que f x F G .

Ejemplos:
0 , V, Im(f) y N(f) son subespacios vectoriales de cualquier transformacin lineal f.
2.11.6 Consideremos el endomorfismo de R3 dado por:

f x, y, z x 3y 6z, 6x 8y 16z, 2x 2y 4z
6
1 3
La matriz asociada a f respecto de la base cannica es A 6 8 16 .

2 2 4
Consideremos los vectores u 1 0,2,1, u 2 3,2,2, u 3 1,1,0 . Calculemos sus imgenes:
f u 1 0,0,0 0 u 1

f u 2 3,2,2 1 u 2

f u 3 2,2,0 2 u 3

24
Los subespacios F u 1 , u 2 y G u 3
son invariantes (verlo).

3
u
,
u
y
u
son
bases
de
F
y
G
respectivamente
y
B
'
u 1 , u 2 , u 3 es una base de R
1 2 3
(luego, R 3 F G ).
0 0 0
La matriz asociada a f respecto de la base B es A' 0 1 0 .

0 0 2
Respecto de esta base (formada por vectores cuyas imgenes son proporcionales
respectivamente a dichos vectores), f viene pues representada por una matriz diagonal.
La matriz A permite estudiar ciertos aspectos de f de una forma mucho ms sencilla que con
la matriz A. Por ejemplo:
r(A)=2, luego dim Im(f) = 2; de hecho, Im(f ) u 2 , u 3
y Nf u 1 .
No todos los endomorfismos f de un espacio vectorial V pueden representarse mediante una

matriz diagonal. En el siguiente captulo analizaremos bajo qu condiciones existe una base
de V tal que la matriz asociada a f respecto de dicha base sea una matriz diagonal.
25
Captulo 3
REDUCCIN DE MATRICES
3.1 Definicin
Dos matrices cuadradas A y A M n K son semejantes cuando existe una

matriz cuadrada inversible P M n K tal que A' P 1 A P .
Ejemplo
Matrices asociadas a la misma transformacin lineal f, respecto a diferentes bases, son

semejantes.
Recprocamente, si A y A son semejantes, puede construirse un endomorfismo f : K n K n
tal que A y A representen a f respecto a dos bases diferentes B y B de K n , respectivamente.
3.2 Planteamiento del problema
Dado un endomorfismo f de V, existe una base B de V tal que la matriz asociada a f

respecto de dicha base B sea una matriz diagonal D Mf , B' ?
O bien, dada una matriz A M n K , existe una matriz diagonal D semejante a A?
Ejemplo
1 0
no es semejante a ninguna matriz diagonal. Para que as ocurriera,
La matriz A
1 1
a b
inversible y D 1
habra de ser D P 1 A P , para alguna matriz P
c d
0
decir, PD A P . Pero:
a b 1
PD A P
c d 0
0 1 0 a b
a

1
2 1 1 c d
c1
0
. Es
2
b 2 a
b

d 2 a c b d
Igualando los elementos de estas dos matrices, se obtendra que:
26
1 a 1 a
2 b b
3 c 1 a c
4 d 2 b d
1. Si a = 0, entonces b 0 (ya que, en caso contrario, sera P 0 , lo cual es absurdo pues P
es una matriz inversible). As:

4
b 2 b
2 1 d b d b 0
b0
lo cual es absurdo segn hemos visto.

2. Si a 0 , entonces:
3
a 1 a
1 1 c a c a 0
a0
que es absurdo por hiptesis.
Ejemplo
6
1 3
La matriz A 6 8 16 , en cambio, s es semejante a una matriz diagonal

2 2 4
0 0 0
D 0 1 0 , segn se vio en el prrafo 2.11.6.

0 0 2
3.3 Definicin
1. Una matriz A M n K es diagonalizable en K si es semejante a alguna
matriz diagonal D M n K .
2. Un endomorfismo f de V es diagonalizable en K cuando lo sea su

matriz asociada A respecto a cierta base B. Es decir, f es diagonalizable
cuando exista una base B de V tal que la matriz D = M(f, B) sea una
matriz diagonal.
27
Captulo 3: Reduccin de Matrices.
3.4 Observacin
Cmo deberan ser los vectores de la base B' v1 , v 2 ,..., v n para que la matriz
0
D M f , B' fuera de la forma D
...
0
2
...
0
... 0
?
... ...
... n
...
Por definicin de matriz asociada a un endomorfismo respecto de una base, la columna i

sima de esta matriz D estara formada por las coordenadas del vector f v i respecto de la

base B; entonces, habra de ser:
f v i 0 v1 0 v 2 ... i v i ... 0 v n i v i , i = 1, 2, ...,n

Luego, los vectores de la base B habran de ser vectores v i no nulos (por formar parte de una
base de V), tales que sus imgenes fueran vectores proporcionales (paralelos) a ellos mismos.
Teniendo en cuenta que f v i A v i , siendo A la matriz asociada a f respecto a cierta base

B, los vectores v i de la base B habran de verificar que A v i i v i , para ciertos i K ,

i = 1, 2, ...,n.
Formalicemos estos conceptos.
3.5 Definicin
Llamamos vector propio autovector vector caracterstico de un

endomorfismo f de V ( de su matriz asociada A respecto a cierta base B) a un
vector no nulo u para el cual exista un escalar K tal que f u u , es

decir, A u u .
Se dice que es un valor propio autovalor valor caracterstico de f ( de
su matriz asociada A respecto a cierta base B) y que u es un vector propio

asociado asociado al valor propio .
28
3.6 Observaciones
1. El concepto de vector propio est bien definido ya que es evidente que u es un vector
propio de f si y solo si u es vector propio de cualquier matriz asociada a f. Lo mismo ocurre

con la definicin de valor propio.
2. Dada una matriz A M n K , define siempre un endomorfismo f : K n K n y los
vectores y valores propios de A son los de f.

3. Un vector propio est asociado a un nico valor propio. En efecto:
Si fuera f u 1 u y tambin f u 2 u , entonces 1 u 2 u , luego 1 2 ya que

u 0 por ser un vector propio.
4. En cambio, a cada valor propio le corresponde un sistema de vectores propios que, junto
con el vector 0 , constituyen, como demostraremos ms adelante, un subespacio vectorial de

V.
5. Un vector propio, por definicin, es distinto de 0 , en cambio, un valor propio puede ser 0.
3.7 Teorema
Un endomorfismo f : V V su matriz asociada A respecto de cierta

base B de V, es diagonalizable en K si y solo si existe una base

B' v1 , v 2 ,..., v n de V formada por vectores propios de f.
Adems, la matriz diagonal D semejante a A, que es la matriz asociada a f

respecto de la base B, tiene en la diagonal principal a los respectivos
valores propios correspondientes a los vectores propios de la base B.
0
Es decir, A es semejante a D
...
0
2
...
0
... 0
... 0
, siendo i el valor
... ...
... n
propio correspondiente a v i , para i = 1, 2, ...,n.
29
La matriz P que permite la diagonalizacin, es decir, tal que D P 1 AP ,

tiene por i-simo vector columna a las coordenadas del vector propio
v i respecto de la base B de partida.
Demostracin
La demostracin se basa en la observacin 3.7. f es diagonalizable si y solo si existe una base

B' v1 , v 2 ,..., v n de V tal que la matriz D Mf , B' sea una matriz diagonal. As, ser:
0
D
...
...
2
...
0
...
...
...
f v1 f v 2 ...
B' B'
0
...
f vn
B'
Por tanto, f v i 0,...,0, i ,0,...,0 B' 0 v1 ... 0 v i 1 i v i 0 v i 1 ... 0 v n i v i ,

i = 1, 2,...,n.
Luego, los vectores de la base B son vectores propios asociados a los valores propios
1 , 2 ,..., n , respectivamente.
Por otro lado, se verificar que P 1 AP D para la matriz P de cambio de base de B a B. As,
la i-sima columna de P ser el vector v i expresado en la base B.
3.8 Corolario

Una matriz A M n K es diagonalizable si y solo si existe una base B' v1 , v 2 ,..., v n de
K n formada por vectores propios de A.

El resultado es inmediato a partir del teorema anterior y de la observacin 2. del prrafo 3.9.
Ejemplo
El endomorfismo f de R 3 , ya considerado anteriormente, dado por:

f x, y, z x 3y 6z, 6x 8y 16z, 2x 2y 4z
30
es diagonalizable, pues, segn se vio en el apartado 2. del prrafo 2.11.6, la matriz asociada a
0 0 0
f respecto de la base B' u 1 0,2,1, u 2 3,2,2, u 3 1,1,0 es D 0 1 0 que es
0 0 2
una matriz diagonal.
B es una base R 3 formada por los vectores propios u 1 , u 2 y u 3 asociados a los valores
propios 0, 1 y 2, respectivamente.
3.9 Clculo de valores y vectores propios

3.9.1 Definicin
Llamamos polinomio caracterstico de una matriz A M n K , y lo

representamos por p A , al polinomio de grado n en la variable :
p A A I n .
La igualdad A I n 0 se llama ecuacin caracterstica de A.
Para designar a la matriz unidad de orden n, si no hay lugar a confusin,
emplearemos simplemente I, en vez de I n .
Ejemplo
1 0
El polinomio caracterstico de la matriz A
es:
1 1
p A A I
1 2 2 1
2
3.9.2 Proposicin
Si A y A' M n K son dos matrices semejantes, entonces, tienen el mismo

polinomio caracterstico.
Demostracin
Por ser A y A matrices semejantes, existe una matriz inversible P M n K tal que:
A' P 1 AP
31
luego,
p A ' A'I P 1 AP I P 1 AP P 1 I P
P 1 A I P P 1 A I P
1
A I P A I p A
P
3.9.3 Definicin
Llamamos polinomio caracterstico de un endomorfismo f de V al

polinomio caracterstico de una cualquiera de sus matrices asociadas, y lo
representamos por p f .
3.9.4 Observacin
Este concepto est bien definido puesto que todas las matrices asociadas a f respecto a
diferentes bases, tienen el mismo polinomio caracterstico por ser matrices semejantes.
3.9.5 Proposicin
Los valores propios de un endomorfismo f de V de una cualquiera de sus

matrices asociadas A, son las races de su polinomio caracterstico. Y los
vectores propios asociados a cada uno de sus valores propios son las
soluciones no triviales del sistema homogneo de ecuaciones lineales
A I v 0 .
Demostracin
Por definicin, un escalar K es un valor propio de A si y solo si existe un vector v 0
tal que A v v ; es decir, A I v 0 .
Pero, el sistema lineal A I v 0 admite soluciones distintas de la trivial si y solo si
A I 0 .
3.9.6 Ejemplo
1 0
, que
Hemos calculado en el prrafo 3.9.1 el polinomio caracterstico de la matriz A
1 1
result ser:
p A 1 2 2 1
2
32
Los valores propios de A son, por tanto, las races de este polinomio:
2 2 1 0 1
raz doble.
Los vectores propios de A son las soluciones no triviales del sistema homogneo:
A I v 0
0 0 x 0
x 0
1 0 y 0
Consecuentemente, los vectores propios de A son los vectores de la forma
0, y
para
cualquier escalar no nulo y R.

Observemos que la traza de A es tr A 1 1 2 coeficiente de , en el polinomio
caracterstico. Adems, A
0 0
1 trmino independiente del polinomio caracterstico.
1 0
Veremos ms adelante que estos resultados pueden generalizarse.
3.10 Propiedades de los valores y vectores propios

1. El conjunto de vectores propios de un cierto endomorfismo f de V, asociados a un mismo
valor propio , junto con el vector 0 , constituye un subespacio vectorial de V, llamado

subespacio propio asociado al valor propio . Lo denotaremos por V .
Demostracin

Sean u , v V . Demostremos que u v V , para todo par de escalares , K . En

efecto:

f u v f u f v u v u v
ya que f es lineal y u y v son vectores propios asociados a bien son 0 .
Luego, u v es el vector 0 es un vector propio asociado a , y, por tanto, est
demostrado que u v V .
33
2. Si u 1 , u 2 ,..., u p son vectores propios asociados a sendos valores propios 1 , 2 ,..., p , con
i j para i j , entonces el sistema de vectores u 1 , u 2 ,..., u p es libre.
Demostracin
Razonemos por reduccin al absurdo y supongamos que existe un entero q con 1 q p (si
p 1 , el resultado es trivial) tal que el sistema u 1 , u 2 ,..., u q es libre y los vectores
u q 1 , u q 2 ,..., u p son combinacin lineal de los vectores del sistema libre.
En particular, u p 1 u 1 2 u 2 ... q u q , para ciertos escalares 1 , 2 ,..., q K .
Podemos suponer i 0, i 1,..., q , ya que, en caso de que alguno fuera 0, obviaramos el

escribirlo en la combinacin lineal; y, desde luego algn coeficiente de esta combinacin
lineal es distinto de 0 por ser u p 0 al ser un vector propio de f.

Aplicando que f es lineal y la definicin de valor y vector propio, se verifica entonces que:
f u p 1f u 1 2 f u 2 ... q f u q 11 u 1 2 2 u 2 ... q q u q

Pero, tambin:
f u p p u p p 1 u 1 2 u 2 ... q u q 1 p u 1 2 p u 2 ... q p u q
Igualando las dos expresiones obtenidas para u p , queda:
1 1 u 1 2 2 u 2 ... q q u q 1 p u 1 2 p u 2 ... q p u q
De donde:
1 1 p u 1 2 2 p u 2 ... q q p u q 0
Lo cual es absurdo, ya que no puede haber una combinacin lineal de vectores linealmente
independientes que sea igual al vector 0 sin ser cero todos los coeficientes. En la
34
combinacin lineal precedente, de hecho, ninguno de los coeficientes es 0 por ser

i 0, i 1,..., q y ser i j para i j , i, j 1,..., p .
3. Si f, alguna de sus matrices asociadas A M n K , tiene n valores propios distintos entre
s, entonces f es diagonalizable.
Demostracin
Esta propiedad es consecuencia directa de la propiedad anterior, ya que al tener f, n valores
propios distintos entre s, podemos formar un sistema de n vectores propios linealmente
independientes (cada uno de ellos asociado a uno de los n valores propios, respectivamente).
Es decir, existe una base de V formada por vectores propios de f, lo cual es una condicin
necesaria y suficiente para que f sea diagonalizable.
4. La multiplicidad geomtrica de un valor propio (es decir, la dimensin de V ) es menor
igual que su multiplicidad algebraica (es decir, el orden de multiplicidad de como raz
del polinomio caracterstico).
Demostracin
Supongamos que tiene orden de multiplicidad p como raz del polinomio caracterstico de
f. Sea B u 1 , u 2 ,..., u q una base de V . Demostremos que q p .
Completamos B hasta formar una base B de V, B' u 1 , u 2 ,..., u q , u q 1 ,..., u n . Sea
A' M f , B' .
Por ser u 1 , u 2 ,..., u q vectores propios de f asociados a , se verifica :
f u i u i , i 1,..., q

y, por tanto, f u i 0,...,0, ,0,...,0 B' , situndose en la coordenada i-sima, i 1,..., q .

As, resulta ser:
35
0
...
A' 0
0
...
0
...
0
0
...
0
...
...
...
...
...
...
...
a q 1 1 ...
0
a q 1 2 ...
0
...
...
...
a q 1 q ...
0 a q 1 q 1 ...
...
...
...
0 a q 1 n ...
a n1
an2
...
anq
a n q 1
...
a n n
siendo f u i a i1 , a i 2 ,...., a i n B' , i q 1,..., n .

El polinomio caracterstico de A es:
p A ' A'I p
q
para un cierto polinomio en , p .

Por hiptesis, es un valor propio de f, luego lo es de A (por ser una matriz asociada a f) y
con el mismo orden de multiplicidad p como raz de p A ' .
Consecuentemente, observando la descomposicin factorial de p A ' , ha de ser q p .
5. Si es un valor propio con orden de multiplicidad uno, es decir, si es una raz simple
del polinomio caracterstico, entonces, la dimensin de su subespacio propio asociado, V , es
tambin uno.
Demostracin
Esta propiedad es consecuencia inmediata de la propiedad anterior. En efecto: Aplicando a

este caso la propiedad 4., se verifica que dim V 1 . Luego, dim V 1 ya que V 0 ,

por definicin de vector propio.
6. (Generalizacin de la propiedad 2.) Sean 1 , 2 ,..., p valores propios distintos entre s de
una matriz A M n K . Se verifica:

a. Si B1 , B 2 ,..., B p son bases de
V1 , V 2 ,..., V p , respectivamente, entonces
B B1 B 2 ... B p es libre.
b. Si A tiene exactamente p autovalores distintos, entonces:
A es diagonalizable si y solo si B, definida como en el apartado a., tiene
exactamente n vectores.
36
Demostracin
a. Supongamos p = 2 (si p>2, la idea de la demostracin es la misma).
Sean, entonces, B1 u 1 , u 2 ,..., u p y B 2 v1 , v 2 ,..., v q sendas bases de V1 y V 2 ,
respectivamente. Entonces, es B1 B 2 u 1 , u 2 ,..., u p , v1 , v 2 ,..., v q .
Escribamos una combinacin lineal de los vectores de B1 B 2 igualada a 0 :
1 u 1 2 u 2 ... p u p 1 v1 2 v 2 ... q v q 0
y demostremos que todos los coeficientes han de ser nulos.
El vector u 1 u 1 2 u 2 ... p u p pertenece a V1 , luego u 0 bien u es un vector

propio asociado a 1 .
Anlogamente, v 1 v1 2 v 2 ... q v q pertenece a V 2 , luego v 0 bien v es un

vector propio asociado a 2 .
Los vectores u y v son linealmente dependientes, pues u v 0 . Consecuentemente,
alguno de ellos es el vector 0 , sin ms que aplicar la propiedad 2. que garantizaba la

independencia lineal de vectores propios asociados a valores propios distintos entre s, como
es el caso de u y v .
Si, por ejemplo, u 0 , entonces, 1 2 ... p 0 por ser B1 un sistema libre.
Adems, si u 0 , entonces u v 0 v 1 v1 2 v 2 ... q v q
y tambin sern
1 2 ... q 0 por ser B 2 un sistema libre.
Luego 1 2 ... p 1 2 ... q 0 y hemos probado que B1 B 2 es libre.
Ocurrira lo mismo si hubiramos partido de que v 0 .

b. Sean 1 , 2 ,..., p los p autovalores distintos de la matriz A.
(Condicin necesaria)
Supongamos que A es diagonalizable. Existe, entonces, una base de Kn formada por n
autovectores de A linealmente independientes.
De estos n vectores, n1 de ellos estarn asociados a 1 , n2 a 2 , ..., np a p . As:
37
cardB dim V1 dim V 2 ... dim V p n 1 n 2 ... n p n
Y tenemos que B es un sistema libre, por el apartado a., con igual ms de n vectores en el
espacio vectorial Kn de dimensin n, luego, card (B) = n.
(Condicin suficiente)
Recprocamente, supongamos que card(B) = n. Por el apartado a., se verifica que B es libre
con n vectores, luego B es una base de Kn formada por vectores propios de A y, por
consiguiente A es diagonalizable.
3.11 Caracterizacin de los endomorfismos diagonalizables
Sea V un K- espacio vectorial de dimensin n 0 . Un endomorfismo f de

V ( su matriz asociada A respecto a cierta base) es diagonalizable si y solo
si se verifican las dos condiciones siguientes:
1. Las n races del polinomio caracterstico de f ( de A) pertenecen al
cuerpo K.
2. Para cada una de estas races de p f ( de p A ) se verifica que
dim V p
siendo p el orden de multiplicidad de como raz del polinomio
caracterstico, es decir, las multiplicidades algebraica y geomtrica
coinciden.
Demostracin
Sean 1 , 2 ,..., p los p autovalores distintos de f, con rdenes de multiplicidad p1 , p 2 ,..., p p ,
respectivamente. Sea B B1 B 2 ... B p , donde cada B j es una base de V j , j 1,2,..., p .

(Condicin necesaria)
Supongamos que f es diagonalizable. Entonces, todos los autovalores de f pertenecern al
cuerpo K puesto que la matriz diagonal semejante a A ha de pertenecer a M n K y, por tanto,
los autovalores, que constituyen su diagonal principal, han de ser elementos de K.

Por la propiedad 4. de los valores y vectores propios, se tiene que dim V j p j , j 1,..., p . Si
fuera dim V j p j , para algn j 1,..., p , obtendramos que:
cardB cardB1 ... cardB p dim V1 ... dim V p p1 ... p j n
38
y f no sera diagonalizable de acuerdo con la propiedad 6. de los valores y vectores propios.

Por tanto, dim V j p j , j 1,..., p .
(Condicin suficiente)
Supongamos ahora que se verifican las dos condiciones 1. y 2. Entonces,
cardB cardB1 ... cardB p dim V1 ... dim V p p1 p 2 ... p p n
y f es diagonalizable por la propiedad 6. de los valores y vectores propios.
3.12 Proceso prctico de diagonalizacin

1. Clculo de los valores propios de la matriz A: 1 , 2 ,..., p , comprobando si todos
pertenecen al cuerpo K.
2. Obtencin de la dimensin de los subespacios propios asociados a los valores propios con
rdenes de multiplicidad mayor que uno, observando si coinciden las dimensiones con los
rdenes de multiplicidad respectivos.
3. Determinacin de sendas bases B1 , B 2 ,..., B p para los subespacios propios V1 , V2 ,..., Vp .
4. Construccin de la base de autovectores: B B1 B 2 ... B p .
5. La matriz P que tiene por columnas a los vectores de B, permite la diagonalizacin de A:
D P 1 A P
La matriz diagonal D tiene en la diagonal principal a los valores propios , en el mismo orden
que sus vectores propios correspondientes en la base B y repitindose p j veces cada
j , j 1,..., p
Ejemplo
1 0
. Como qued demostrado en 3.9.6, A posee un nico
Consideremos la matriz A
1 1
valor propio 1 que es raz doble de su polinomio caracterstico, es decir, su orden de
multiplicidad es 2.
El subespacio propio asociado es V1 0, y / y R , verificndose, por tanto que
39
dim V1 1 2 .
Al no coincidir la dimensin de V1 con el orden de multiplicidad de 1 como raz del

polinomio caracterstico, concluimos, mediante este nuevo procedimiento,
diagonalizable, como ya habamos comprobado en 3.4.
que A no es
Ejemplo
7 0 0
Sea la matriz A 0 2 4 .
0 6 0
Sus valores propios son las races de su polinomio caracterstico:

7
p A A I
0
4 7 6 4 0
1 7
2 6
4
3
A es diagonalizable por poseer tres valores propios reales y distintos entre s.

Los vectores propios asociados a 1 7 son las soluciones no triviales del sistema
homogneo:
0 x 0
x
0 0

9 y 4 z 0
A 7I x 0 0 9 4 y 0
y 0
6 y 7z 0
z 0
0 6 7 z 0
Luego,
V7 ,0,0 / R u 1 1,0,0 . Observemos que dim V7 1 , como ya
esperbamos por ser 1 7 un valor propio simple de A.

Procedemos de igual modo para el clculo de los vectores propios asociados a 2 6 :
x 0
13 0 0 x 0

13x 0
A 6I x 0 0 4 4 y 0
y
y z 0
z
0 6 6 z 0
40
Por tanto, V6 0, , / R u 2 0,1,1 , tambin de dimensin uno.
De manera anloga se obtiene que V4 0,2 ,3 / R u 3 0,2,3 .

7 0 0
La matriz A es, en consecuencia, semejante a la matriz diagonal D 0 6 0 , y la

0 0 4
relacin entre ambas matrices es:
D P 1 A P
siendo P la matriz que permite la diagonalizacin y que tiene por columnas a sendos vectores
propios asociados a cada uno de los tres valores propios deA:
1 0 0
P 0 1 2
0 1 3
Si hiciramos la interpretacin de A como la matriz asociada al endomorfismo f de R3 tal que
f x A x , x R 3 , de los clculos anteriores deduciramos que f es una transformacin

lineal diagonalizable y que D M f , B , siendo B la base de R3 formada por vectores propios

de f:
B u 1 1,0,0, u 2 0,1,1, u 3 0,2,3
Ejemplo
1 2 3
3.13 Sea la matriz A 1 2 3 .

1 2 3
p A A I
1
1
2
2
1 6
3 2 6 0
2 0, raz doble
3
41
Los vectores propios asociados al valor propio 2 0 , son las soluciones no triviales del
sistema homogneo:
x 2 3
1 2 3 x 0

A 0I x 0 A x 0 1 2 3 y 0 x 2 y 3z 0 y
z
1 2 3 z 0
Luego, V0 2 3, , / , R v 2 2,1,0 , v 3 3,0,1 .

Como dim V0 2 orden de multiplicidad del valor propio 0 como raz del polinomio
caracterstico, deducimos que A es una matriz diagonalizable.
6 0 0
La matriz A es semejante a la matriz D 0 0 0 . Para obtener la relacin existente entre

0 0 0
ambas matrices A y D, necesitamos calcular el subespacio propio asociado al valor propio

1 6 , cuya dimensin conocemos ( dim V6 1 ) por ser 6 una raz simple de p A .
Los vectores propios asociados al valor propio 1 6 , son las soluciones no triviales del
sistema homogneo:
3 x 0
x
5 2

x 4 y 3z 0
A 6I x 0 1 4 3 y 0
y
x 2 y 3z 0
z
1
2 3 z 0
Luego, V6 , , / R v1 1,1,1 .
Con una notacin similar a la utilizada en la teora que sustenta este ejemplo, una base
de V6 es B1 v1 1,0,0 y una base de V0 es B 2 v 2 2,1,0, v 3 3,0,1 .
As, una base de vectores propios de R3 (cuya existencia es condicin necesaria y suficiente
para la diagonalizacin de la matriz A) es:
B B1 B 2 v1 1,0,0 , v 2 2,1,0, v 3 3,0,1
42
Ya puede escribirse la relacin entre las matrices A y D:

D P 1 A P
1 2 3
siendo la matriz que permite la diagonalizacin P 1 1

0 .
1 0
1
3.14 Otros resultados relativos a valores y vectores propios

1. Para cada valor propio de un endomorfismo f de un espacio vectorial V,
se verifica que su subespacio vectorial asociado V es invariante por f.

Adems, el subespacio de vectores invariantes por f es bien 0 bien V1 ,

en el caso de que 1 sea valor propio de f.

El ncleo de f es bien 0 bien V0 , en el caso de que 0 sea valor

propio de f.
2. Una matriz A M n K es inversible si y solo si 0 no es valor propio
de A, independientemente de que A sea diagonalizable no.
Demostracin

1. Sea u V . Entonces, f u , por definicin de V . En cualquiera de los dos casos,

u
f u V , por ser V un subespacio vectorial de V; y hemos probado que V es un

subespacio vectorial invariante.

Si 1 no es valor propio de f, entonces, no existe ningn vector u 0 tal que f u u .

Luego, el subespacio de vectores invariantes se reduce a 0 .

43
Por el contrario, si 1 es valor propio de f, entonces, el subespacio de vectores invariantes

es V1 por su propia definicin.

Si 0 no es valor propio de f, entonces, no existe ningn vector u 0 tal que f u 0 y,

por tanto, Nf 0 .

Por el contrario, si 0 es valor propio de f, V0 est formado por los vectores u V tales

que f u 0 , y, en consecuencia, V0 Nf .

2. Si 0 es valor propio de A, el sistema lineal homogneo A u 0 admite soluciones

distintas de la trivial (los vectores propios asociados al valor propio 0 ) y, por tanto,
A 0 . Luego A no es inversible.
Si, por el contrario, 0 no es valor propio de A, el sistema A u 0 solo tiene la solucin

trivial, luego, A 0 y A es inversible.
3.15 Proposicin
1.
Sea A M 2 K , el polinomio caracterstico de A es

p A 2 tr A A .
2.
En el caso de ser A M 3 K ,se verifica que:

p A 3 tr A 2 A11 A 22 A 33 A
3.
En general, si A M n K , el trmino de grado n de p A es 1 n , el

n
de grado n 1 es 1
n 1
tr A n 1 y el trmino independiente es A . Es
decir, p A es de la forma p A 1 n 1
n
n 1
tr A n 1 ... A .
Demostracin
a 11
1. Sea A
a 21
a 12
M 2 K . Entonces:
a 22
44
p A A I
a 11
a 12
a 21
a 22
a 11
2. Sea A a 21
a
31
a 12
a 22
a 32
2 a 11 a 22 a 11a 22 a 12 a 21 2 tr A A
a 13
a 23 M 3 K . Desarrollando el determinante mediante la regla de

a 33
Sarrus, se obtiene:
a 11
a 12
a 13
p A A I a 21
a 22
a 23
a 31
a 32
a 33
3 a 11 a 22 a 33 2 a 22 a 33 a 23 a 32 a 11a 33 a 13 a 31 a 11a 22 a 12 a 21
a 11a 22 a 33 a 21a 32 a 13 a 31a 12 a 23 a 13 a 22 a 31 a 12 a 21a 33 a 11a 23 a 32

3 + tr A 2 A 11 A 22 A 33 A
3. Solo uno de los n! productos del desarrollo del determinante p A A I puede
contener trminos en n n 1 , y es precisamente a 11 a 22 ... a nn , ya que en los

dems productos interviene algn a ij con i j , luego no interviene a ii ni a jj ; y, por
tanto, estos n! 1 productos son polinomios de grado menor igual que n 2 .
Por otra parte, se tiene que:
a 11 a 22 ... a nn 1n n 1n 1 a 11 a 22 ... a nn n 1 ...

Luego, est demostrado que el trmino de grado n de p A es 1 n , y el de grado n 1
n
es 1
n 1
tr A n 1 .
Adems, el trmino independiente de p A es p A 0 A 0I A .
3.16 Proposicin
Sean A, A' M n K , dos matrices semejantes. Se verifica, entonces, que:

1. p A p A '
2. A A'
45
3. Tr A Tr A'
4. Si n 2 3 , entonces, A 11 A 22 ... A nn A'11 A' 22 ... A' nn .
Demostracin
1. Ya est demostrado en el apartado 3.13.3.
2. Por ser p A p A ' , ambos polinomios tienen iguales todos sus trminos. En particular,
tienen iguales los trminos independientes. Es decir, A A' .

3. Anlogamente, igualando los trminos de grado n 1 de los polinomios p A y p A ' ,
se obtiene que Tr A Tr A' .
4. Si n 2 3 , igualando los trminos en de los polinomios caractersticos de A y A, se

llega a que:
A 11 A 22 ... A nn A'11 A' 22 ... A' nn
3.17 Observacin
El recproco de la proposicin anterior no es cierto; es decir, dos matrices A y A pueden

tener el mismo polinomio caracterstico sin ser semejantes.
Esto ocurre, por ejemplo, con las matrices:
0 0
0 1
y A'
A
0 0
0 0
En efecto:
p A
0
1
2 y, tambin p A '
2 .
0
0
A es diagonalizable (es semejante a s misma que es diagonal). En cambio, A no es

diagonalizable ya que dim V0 1 2 orden de multiplicidad de 0 como raz de
p A ' . Demostremos que efectivamente V0 est engendrado por un nico vector u 1,0 .
0 1 x 0
. Es decir, si y solo si y 0 . Luego,
Un vector u x, y V0 si y solo si
0 0 y 0
V0 x ,0 / x R 1,0 .
46
3.16 Proposicin
Sea A M n K . Se verifica:
1. A y A t tienen el mismo polinomio caracterstico.
2. Si es valor propio de A, entonces
a. es tambin valor propio de A t .
b. n es valor propio de A n .
1
c. Si 0 ,
es valor propio de A 1 , siempre que A sea inversible.
Demostracin
1. p A A I A I A t I p A t .
t
2. a. Es consecuencia inmediata de que p A p A t .

b. Empleamos el mtodo de induccin completa en la demostracin.
Para n 2 :
Por ser un valor propio de A, existe un vector no nulo x K n tal que A x x . Entonces:

A 2 x A A x A x A x x 2 x
Luego, 2 es valor propio de A 2 .

Supongamos cierta la afirmacin para n 1 y probmosla para n:
A n x A A n 1 x A n 1 x n 1 A x n 1 x n x

Por tanto, n es valor propio de A n .

3. Siguiendo con la misma notacin del apartado anterior, se verifica:

A x x A 1 A x A 1 x x A 1 x A 1 x x
Luego,
1
es valor propio de A 1 .
47
3.17 Proposicin
Si A M n K es una matriz diagonalizable semejante a la matriz diagonal

D P 1 A P , para una cierta matriz inversible P M n K , entonces se verifica
que:
A k P D k P -1
para cualquier nmero natural k.
Si adems A es inversible, la igualdad es cierta para cualquier nmero entero k.
Demostracin
Utilizamos el mtodo de induccin completa en la demostracin.

Para k = 2:
A 2 P DP -1 P DP -1 P D 2 P -1
Supongamos la igualdad cierta para k 1 y probmosla para k:
A k AA k 1 P DP -1 P D k 1 P -1 P D k P -1
Si A es inversible, entonces 0 no es valor propio de A, por consiguiente existe D 1 y ser
A 1 P DP -1
P D 1 P -1
De nuevo por induccin se demostrara para cualquier nmero entero k.
3.18 Observacin
Para obtener D k simplemente se elevan los elementos de la diagonal principal de D a la ksima potencia y entonces, utilizando la proposicin anterior, es fcil y rpido calcular A k a
partir de P y D.
Ejemplo
1 2 3
Calcular A , siendo A 1 2 3 .
1 2 3
Segn se demostr en el ejemplo 3.13, A es diagonalizable y se verifica que:
48
D P 1 A P
6 0 0
1 2 3
para D 0 0 0 y P 1 1
0 .
0 0 0
1 0
1
Entonces,
5
1 2 3 6
A 5 P D 5 P -1 1 1
0 0
1 0
1 0
0 0 6
1
0 0
6
0 0 1
1
1 4
6
3
2
2
1
64
3
2
1 1 4
6
3 2
65
3
65
3
65
3
65
2
65
.
2
65
2
49
Captulo 4: Diagonalizacin de las matrices reales simtricas.
Captulo 4
DIAGONALIZACIN DE LAS MATRICES REALES
SIMTRICAS
4.1 Introduccin
Merece una atencin especial el tema de la diagonalizacin de las matrices reales
simtricas debido no solo a las particularidades matemticas que encierra su estudio,
sino sobre todo a las numerosas ocasiones en las que van a aparecer a lo largo del
programa de Matemticas en Topografa (transformaciones geomtricas del espacio
eucldeo, cnicas, estadstica, ...) as como en otras materias de la carrera (Fsica,
Teledeteccin, ...)
Son unas matrices siempre diagonalizables en el cuerpo de los nmeros reales y adems
la matriz que permite la diagonalizacin puede elegirse de forma que sea una matriz
ortogonal.
4.2 Definicin
Un endomorfismo f del espacio vectorial eucldeo V es simtrico cuando
se verifica la siguiente igualdad entre productos escalares:

x f y y f x , x , y V .

4.3 Proposicin
Sea
A M n R . Sea f el endomorfismo de R n que tiene a A como
matriz asociada respecto de la base cannica. Se verifica entonces que A

es simtrica si y solo si f es simtrico.
Demostracin

Sean x , y dos vectores cualesquiera de R n . Llamamos X e Y a las matrices columna
constitudas por las coordenadas de x e y , respectivamente.

Por definicin de matriz asociada a un endomorfismo, se verifica que:
t

x f y X t AY y f x y AX Y X t A t Y

50
As:

f es simtrico x f y y f x X t AY X t A t Y A A t A es simtrica.

4.4 Proposicin
Sea A M n R una matriz simtrica. Sean , valores propios (reales
complejos) de A. Sean x e y vectores propios de A asociados a y

respectivamente.
Entonces se verifica que:

1.
- x y 0 .
2. Si , los subespacios propios V y V asociados a y ,
respectivamente, son ortogonales.

3. Los n valores propios de A son reales.
Demostracin
1. Sea f el endomorfismo de R n que tiene a A como matriz asociada respecto de la base
cannica. Son, por tanto, y tambin valores propios de f.
Por ser f simtrico (ya que A es simtrica), se verifica que

x f y y f x ,

es decir,

x y x y .

Por tanto, aplicando la pseudoasociatividad del producto escalar, se tiene que

x y x y
obtenindose que

- x y 0 .
51
2. Si , teniendo en cuenta el apartado anterior que aseguraba que - x y 0 ,

se deduce que x y 0 , es decir, que x e y son perpendiculares.

3. Razonemos por el absurdo y supongamos que a bi es un valor propio complejo
de A, con b 0 .
Por ser A una matriz real, los coeficientes de su polinomio caracterstico,
p A A I , son tambin reales.
As, como es una raz de p A , tambin su conjugado a bi es valor propio de

A.
Sea x x 1 i x 2 un vector propio asociado a , donde las coordenadas de x 1 y de x 2

son reales.
Si suponemos probado que entonces y x 1 i x 2 es tambin un vector propio asociado

a , como demostraremos al final de la proposicin, aplicando de nuevo el apartado 1.
para los valores propios y y los vectores propios respectivos x e y , se obtendra:
- x y 0 .

Operando en la igualdad anterior resultara:
a bi a bi x 1 i x 2 x 1 i x 2
2bi x 1 i x 1 x 2 i x 2 x 1 x 2
Lo cual es absurdo ya que x 1 x 2
2
2bi x 1 x 2
0 (pues x x 1 i x 2 0 por la propia
definicin de vector propio) y b 0 por hiptesis.

Hemos llegado al absurdo al suponer que no era real. Por tanto, todos los valores
propios de A son reales.
Para completar la demostracin falta probar que y x 1 i x 2 es un vector propio

asociado a , en efecto:
Por ser x x 1 i x 2 un vector propio asociado a , se verifica que A x x .

Operando en esta igualdad, se obtiene la siguiente cadena de equivalencias:
A x x A x 1 i x 2 a bi x 1 i x 2
52
A x 1 iA x 2 a x 1 ai x 2 bi x 1 b x 2 a x 1 b x 2 i a x 2 b x 1

A x 1 a x 1 b x 2

A x 2 a x 2 b x 1
Luego, A y A x 1 i x 2 A x 1 iA x 2 a x 1 b x 2 i a x 2 b x 1 , mientras que
y a bi x 1 i x 2 a x 1 ai x 2 bi x 1 b x 2 a x 1 b x 2 i a x 2 b x 1 .
Por tanto, A y y e y es un vector propio asociado al valor propio .
4.5 Teorema
Sea A M n R una matriz simtrica. Existe una base ortonormal de R n

formada por vectores propios de A, es decir, A es ortogonalmente
diagonalizable en el sentido de que existe una matriz P M n R
ortogonal tal que D P 1 AP es una matriz diagonal semejante a A (las
columnas de P son vectores propios de A que forman una base ortonormal
de R n y la diagonal de D est formada por los correspondientes
autovalores de A, cada uno tantas veces como indique su multiplicidad
algebraica).
Demostracin
Sean 1 ,..., p los valores propios distintos de A (reales por la proposicin anterior).
Sean B1 ,..., B p sendas bases ortonormales de V1 ,..., V p . Sea B B1 ... B p . Se

verifica que B es ortonormal (por la proposicin anterior) y es libre (por el apartado 2.
del prrafo 3.14 relativo a las propiedades de los valores y vectores propios). Si adems
probamos que B engendra R n , ya ser B una base ortonormal de R n y la matriz A
sera diagonalizable ortogonalmente.
Demostremos pues que B es un sistema de generadores de R n . Razonemos por el
absurdo y supongamos que
B
B R n ; entonces, el subespacio ortogonal ser

0 .

53
Cualquier vector x B es de la forma x x 1 .. x p con x i V i , i 1,..., p , ya que
B V1 ... V p , por su propia construccin. Sea y B , y 0 . Para cualquier
vector x B se verifica entonces que:

f y x y f x y f x 1 ... x p y f x 1 ... f x p

y 1 x 1 ... p x p 1 y x 1 ... p y x p 1 0 ... p 0 0
Luego, si y B , entonces tambin f y B . As, la restriccin f /

endomorfismo de B
es un
simtrico, por serlo f, y por tanto, por el apartado 3. de la
proposicin anterior, tiene algn autovector z B .
Pero, esto es absurdo ya que z sera tambin autovector del endomorfismo f de R n y,

0 , y habra de ser z 0 , lo cual no puede

ocurrir por la propia definicin de vector propio.
en consecuencia, z B B
Ejemplo
0
La matriz A
4
4
por ser real y simtrica es diagonalizable ortogonalmente.
0
0
4
2
2
2
p A A I 2 16 4 4 0
4
0
0
0
4
4
0
0
0
La matriz A tiene pues dos valores propios 1 4 y 2 4 , ambos con multiplicidad

algebraica igual a dos.
Los vectores propios asociados al valor propio 1 4 son las soluciones del sistema
homogneo A 4I x 0 , equivalente a:
54
4
0 x 0
4 0
x

y
4 y 0
x z 0
0 4 0
0 4 0 z
0
y t 0
z
t
4
0 4 t 0
Luego, el subespacio propio V1 est engendrado por los vectores 1,0,1,0 y 0,1,0,1
que son perpendiculares (si no lo fueran, hubiramos elegido otros dos vectores del
plano vectorial V1 que fueran perpendiculares), pero no unitarios; por tanto, los
dividimos entre su mdulo y obtenemos ya una base ortonormal de V1 :
1
1 1
1
B1 u 1
,0,
,0 , u 2 0,
,0,
2
2
2
2
Anlogamente se procedera para llegar a una base ortonormal de V 2 :
1
1
1 1
B 2 u 3
,0,
,0 , u 4 0,
,0,
2
2
2
2
De esta forma, una base ortonormal de R 4 formada por vectores propios de A es:

B B1 B 2 u 1 , u 2 , u 3 , u 4
0
La matriz A es semejante a la matriz diagonal D
0
0 0
0
4 0
0
, siendo la
0 4 0
0 0 4
relacin entre ambas:

D P 1 A P
para la matriz ortogonal P
1
2
0
1
2
0
2
0
1
2
1
2
0
1
2 .
55

Diagonalizacion 1

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Diagonalizacion 1

Hochgeladen von

Copyright:

Verfügbare Formate

Captulo 1: Aplicaciones Lineales.

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Captulo 1: Aplicaciones Lineales.

Ambas condiciones anteriores son equivalentes a la siguiente condicin nica:

Empleando el mtodo de induccin, se demuestra que si f es una aplicacin lineal, entonces:

1.3.1 Sean V = V = K = R, siendo R el conjunto de nmeros reales con su estructura

1.3.2 Sean de nuevo, V = V = K = R. La aplicacin

De hecho no cumple ninguna de las dos condiciones de linealidad:

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Captulo 1: Aplicaciones Lineales.

1.3.3 Sean V R , V' R y K R . La aplicacin

En efecto, si x ( x, y), y ( x ' , y' ) , se verifica:

1.3.4 Sea V un espacio vectorial sobre un cuerpo K. Sean F y G subespacios

de V se descompone de forma nica x x1 x 2

llamada proyeccin vectorial de V sobre F segn la direccin de G, es lineal.

Fig. 1.1 Proyeccin vectorial

Supongamos que tambin es y y1 y 2 con y1 F, y 2 G ; entonces:

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Captulo 1: Aplicaciones Lineales.

llamada simetra vectorial respecto de F segn la direccin de G, es lineal.

1.4 Tipos de homomorfismos

Sea f una aplicacin lineal de V en V.

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Captulo 1: Aplicaciones Lineales.

es un isomorfismo, siendo x1 , x 2 , , x n B las coordenadas de v respecto de la base B.

1.5 Consecuencias de la definicin de aplicacin lineal

Restando f 0 V en ambos miembros, se obtiene por fin que f 0 V 0 V ' .

sumarlos se obtiene el vector 0 V ' :

aplicando que f es lineal y la consecuencia 1 recin demostrada.

A partir de este momento, escribiremos 0 para referirnos tanto a 0 V como a 0 V ' .

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Captulo 1: Aplicaciones Lineales.

1.6 Ncleo e imagen de una aplicacin lineal

Podemos asociar a cada aplicacin lineal f sendos subespacios vectoriales de V y V

Llamamos ncleo de la aplicacin lineal f : V V ' , y lo representamos por

Nf , al sistema de vectores de V cuya imagen es el 0 . Es decir,

La imagen de f, en cambio, es el sistema de vectores de V que son imagen de

Busquemos el ncleo y la imagen de algunas de las aplicaciones lineales expuestas

Ncleo e imagen de la aplicacin del ejemplo 1.3.1:

Por definicin de ncleo, x Nf si y slo si f x 3x 0 ; es decir, si y slo si x 0 .

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Captulo 1: Aplicaciones Lineales.

Por tanto, dim Imf 1 e Imf R .

Consideremos ahora el ejemplo 1.3.5 de la simetra vectorial s respecto de F segn la

1.7 Propiedades de las aplicaciones lineales

Sea f : V V' una aplicacin lineal. Se verifican las siguientes propiedades:

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Captulo 1: Aplicaciones Lineales.

Como F es un subespacio vectorial de V, el vector x y pertenece a F, luego, su imagen

x ' y' pertenece a f F . Est probado pues que f F es un subespacio vectorial de V.

x y f 1 G . Por tanto, f 1 G es un subespacio vectorial de V.

la propiedad 1.7.2, se obtiene que Nf es un subespacio vectorial de V.

propiedad 1.7.1, se obtiene que Imf es un subespacio vectorial de V.

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Captulo 1: Aplicaciones Lineales.

1.7.5 Si S es un sistema generador de V, entonces, f S es un sistema generador de

Sea S x 1 , x 2 ,..., x p un sistema generador de V. Sea y Imf . Existe un vector x V tal

x 1 x 1 2 x 2 ... p x p . As, aplicando que f es lineal, se tiene que

Luego, cualquier vector

es combinacin lineal de los vectores

f x 1 , f x 2 , ... , f x p y, consecuentemente f S es un sistema generador de Imf .

todos nulos tales que 1 x 1 2 x 2 ... p x p 0 . Usando que f es lineal, se obtiene:

combinacin lineal de ciertos vectores x 1 , x 2 ,..., x p de f 1 S' .