Beruflich Dokumente
Kultur Dokumente
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
1.2.1 Nota
1.2.2 Nota
f 1 x 1 p x p 1f x 1 p f x p , i K, x i V, i 1,2,..., p
Ejemplos
f x 3x 3x f x
f :R R
x x2
no es lineal.
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
x (x, y) (2x, 0, y x)
es
lineal.
2 x ,0, y x 2x ' ,0, y' x ' f x f y
Cada vector x
con
x1 F, x 2 G .
Veamos que la aplicacin
p:V V
x x1 x 2 x 1
x2
p x x 1
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
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
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
dimensin n con K n y se hace equivaler cada vector v con sus coordenadas respecto de una
determinada base B.
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
1.6.1 Definicin
Nf x V / f x 0
Imf y V' / x V con f x y
Ejemplos:
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
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 .
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 ,
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
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,
Demostracin
Por definicin, es Imf f V . Como V es un subespacio vectorial de V, aplicando la
Demostracin
que
f x y . Como S engendra V, existen escalares
1 , 2 ,..., p
tales 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
de
Imf
Sea S x 1 , x 2 ,..., x p un sistema ligado de V. Existen entonces escalares 1 , 2 ,..., p no
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
f x f 1 x 1 2 x 2 ... p x p 1f x 1 2 f x 2 ... p f x p .
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
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
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
x, z V
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
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.
1.10 Proposicin
Una aplicacin lineal f de V en V es inyectiva si y slo si Nf 0 .
Demostracin
Condicin necesaria:
11
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,
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 .
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 .
12
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 .
p 1 x p 1 ... n x n 1 x 1 ... p x p
13
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.
Sea B u 1 , u 2 ,..., u n una base del espacio vectorial V. Si un vector x tiene de coordenadas
x 1 , x 2 , , x n
x n a n1 u 1 a n 2 u 2 ... a nn u n
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
Ejemplo
f : R2 R2
Sea
15
c1 f 1,0 2,3
c 2 f 0,1 0,1
2 0
.
Es decir, A
3 1
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:
f x y A x y A x A y A x A y f x f y .
2.4 Proposicin
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
Nf x R 2 / f x 0 ; pero, f x 0 si y solo si A x 0 .
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
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 .
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
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
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
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
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:
LV ,, es un anillo no conmutativo.
Demostracin
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.
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 ,, .
19
1. f es biyectiva
2. f es inyectiva
3. Nf 0
4. f es sobreyectiva
5. r(A) = n
6.
A 0
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
20
x B'
A'
fx
B'
P 1
xB
fx
B
f x P 1 f x P 1 A x B P 1 A P x B'
B'
B
21
Ejemplo
2 0
tiene como matriz asociada respecto de la base cannica a la matriz A
.
3 1
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
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
f x y f x f y x y
2.10.3 Definicin
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
23
Demostracin
fxFG .
f x f u v f u f v
Ejemplos:
6
1 3
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
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
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:
y Nf u 1 .
25
Captulo 3
REDUCCIN DE MATRICES
3.1 Definicin
Ejemplo
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
26
1 a 1 a
2 b b
3 c 1 a c
4 d 2 b d
Ejemplo
6
1 3
0 0 0
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 .
27
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
...
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.
3.5 Definicin
decir, A u u .
Se dice que es un valor propio autovalor valor caracterstico de f ( de
28
3.6 Observaciones
1. El concepto de vector propio est bien definido ya que es evidente que u es un vector
4. En cambio, a cada valor propio le corresponde un sistema de vectores propios que, junto
5. Un vector propio, por definicin, es distinto de 0 , en cambio, un valor propio puede ser 0.
3.7 Teorema
B' v1 , v 2 ,..., v n de V formada por vectores propios de f.
0
Es decir, A es semejante a D
...
0
2
...
0
... 0
... 0
, siendo i el valor
... ...
... n
29
Demostracin
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 otro lado, se verificar que P 1 AP D para la matriz P de cambio de base de B a B. As,
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
Ejemplo
30
es diagonalizable, pues, segn se vio en el apartado 2. del prrafo 2.11.6, la matriz asociada a
0 0 0
0 0 2
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.
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
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
3.9.5 Proposicin
A I v 0 .
Demostracin
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
0, y
para
0 0
1 trmino independiente del polinomio caracterstico.
1 0
f u v f u f v u v u v
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
Demostracin
Razonemos por reduccin al absurdo y supongamos que existe un entero q con 1 q p (si
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
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
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
A' M f , B' .
f u i u i , i 1,..., q
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
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
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).
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.
es el caso de u y v .
y tambin sern
(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
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.
38
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 .
que A no es
Ejemplo
7 0 0
Sea la matriz A 0 2 4 .
0 6 0
p A A I
0
4 7 6 4 0
1 7
2 6
4
3
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,
13x 0
A 6I x 0 0 4 4 y 0
y
y z 0
z
0 6 6 z 0
40
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
Ejemplo
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
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
As, una base de vectores propios de R3 (cuya existencia es condicin necesaria y suficiente
para la diagonalizacin de la matriz A) es:
42
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
Demostracin
1. Sea u V . Entonces, f u , por definicin de V . En cualquiera de los dos casos,
u
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
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.
3.
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
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
es 1
n 1
tr A n 1 .
3.16 Proposicin
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,
3.17 Observacin
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
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
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
A n x A A n 1 x A n 1 x n 1 A x n 1 x n x
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
Demostracin
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
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
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
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
Demostracin
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
1.
- x y 0 .
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.
x f y y f x ,
es decir,
x y x y .
obtenindose que
- x y 0 .
51
- x y 0 .
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
2
2bi x 1 x 2
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
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 .
4.5 Teorema
0 .
U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa
53
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
endomorfismo de B
es un
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
Sus valores propios son las races de su polinomio caracterstico:
4
2
2
2
p A A I 2 16 4 4 0
4
0
0
0
4
4
0
0
0
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
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
1
2
0
1
2
0
2
0
1
2
1
2
0
1
2 .
55