Fafafafafafafaf

Universidad Nacional de Cajamarca
UNIVERSIDAD NACIONAL
CAJAMARCA
DE
SECCIN JAN
TEMA
VALOR PROPIO Y
VECTOR PROPIO.
ASIGNATURA
ALUMNO
: LGEBRA LINEAL.
:
DVILA BERNAL, Walter
Manuel.
PATIO HUMBO,
Luis Antonio.
QUISPE HUAMN,
Walter.
SILVA GALVEZ,
Reiner.
TARRILLO FLORES,
Cristian Ricardo.
DOCENTE
SNCHEZ CULQUI,
Eladio.
FECHA
Algebra 1lineal
04-08-13.
JAN - PER
2013
INTRODUCIN
Valor y vector propio viene a ser un repaso conciso a los temas antes
desarrollados como matrices, sistemas lineales, espacios vectoriales, campos y
transformaciones lineales.
Vendra a ser el nexo entre la parte abstracta y operativa de la matemtica, en el
que se fundamenta en la obtencin de la forma cannica de Jordan, con un sistema
completo de invariantes para la semejanza o conjugacin de matrices.
Finalmente los valores propios y vectores propios su estudio en su mayora
consta de aspectos tericos para la mejor comprensin de algoritmos que se refleja en
las demostraciones en temas anteriores a este; permitiendo al estudiante o al
investigador tener un lenguaje matemtico ms riguroso que le permita sustentar su tesis
de una manera objetiva y fehaciente.
Algebra 2lineal
NDICE
1) Valor propio y vector propio..04

Teorema 01..04
2) Polinomio caracterstico05
Teorema 02 ..13
3) Polinomios anuladores ..14
Teorema 03.. 17
Teorema 04.. 19
4) Subespacios invariantes 22
Invariancia .. 24
Teorema 05. 25
5) Triangulacin de un ordenador ..25
Teorema 06 32
Teorema 07 33
6) Descomposicin de una suma directa .. 38
Proyeccin de un espacio vectorial . 41
Imagen y ncleo de una proyeccin . 43
Teorema 08 . 44
7) Bibliografa.45
Algebra 3lineal
1) VALOR PROPIO Y VECTOR PROPIO.
un espacio vectoriale sobre el cuerpo
y sea T
un operador lineal sobre V. Un valor propio de T es un escalar
de
que existe un vector no nulo v
es un valor
Definicin N 01: Sea
propio de T, entonces:
a) Cualquier v tal que
valor propio
T (v )=v
tal que
T ( v )=v . Si
tal
se llama un vector propio de P asociado al
b) La coleccin de todos los v tales que
T (v )=v
se llama espacio propio asociado
TEOREMAS 01: Sea T un operador lineal sobre un espacio vectorial V de

dimensin finita y sea un escalar. Las siguientes afirmaciones son
equivalentes.
i)
ii)
es un valor propio de T.
El operador ( T I es singular (no inversible).
DEMOSTRACIN
( i ) (ii)
Si
es un v.p. de T v 0 tal que T ( v )=v , lo cual implica
T ( v )Iv=0, entonces T ( v )I (v )=0, lugo el nucleo de T I

T I
no puede ser invertible (un operador es invertible si es inyectiva).
( ii ) ( iii)
Algebra 4lineal
es no nulo y

Si ( T I ) es singular entonces existe v 0 tal que ( T I ( v ) =0)
Det (T I )=0
( iii ) (i)
Si ( T I )=0, entonces existe v 0 , tal que ( T I ( v ) =0), lo cual implica que
es valor propio de T.
T ( v )=v=0, entonces T ( v )=v , lo cual prueba que
Los valores propios de T se llaman tambin races caractersticas, valores

caractersticos, valores espectrales, exigen valores.
Conjunto de vectores E = { v V :T ( v )=v } , es un subespacio de v, llamado
subespacio
propio
de
espacio
nulo
de
T- I
esto
E = { Ker( T I )=v } ,
I ( v ) es la transformacin lineal identidad.
E {0} ,
Se llama a
nulo.
Si E = Ker(I ) { 0 } , entonces T I
Si V es de dimensin finita, el operador
un valor propio de T si
es
donde es el subespacio
no es inyectiva.
T I
, no es inyectiva uando su
det (T I =0).
El criterio del determinante dado en (iii) nos permite hallar los vectores propios
de T, de forma sencilla.
Definicin N 02: Sea
propio de
una matriz
en K, es un escalar
de
nxn
sobre un cuerpo
K , tal que, la matriz
K , un valor
(T I )
es
singular (no invertible).
2) POLINOMIO CARCTERSTICO
La matriz (T I )
es singular si y solo si det (T I =0).
As obtendremos el polinomio mnico de grado n

polinomio caracterstico de A. Las races de
Algebra 5lineal
P ( )=det ( A I ) , llamado
P ( ) son los valores propios de T.

Ejemplo 01
Sea el
Ejemplo 01
T : R2 R2 representado en la
base canonica por la matriz
A=
0 1
1 0
en la base canonica por la matriz

.
A= 0 1
1 0
El polinomio caracterstico de T (o de
A), es:
P( )
Las races de
P ( )=det ( A I ) = 1 = 2+1
1
Como
U :C2 C 2 representado
Sea el
son
{ i,i } . Entonces U tiene dos valores
no tiene races reales y propios i y i
T es un operador lineal sobre
P ( )= + 1
en C .
afirmando
que T no tiene valores propios.
LEMA 01: Las matrices semejantes tienen el mismo polinomio caracterstico.

DEMOSTRACIN
B es semejante a A sobre K, si existe una matriz invertible
nxn P
1
tal que B=P AP , se tiene que probar que:
|BI |=| AI|

Veamos:
det ( B I ) =det ( P1 AP P1 P ) , pero
I =P1 P
det [ P1 ( API )P ]
det [ P1 AP P1 P ]
det ( P1 ) . det ( AI ) . det ( P)
det ( P1 ) . de ( P). det ( AI )

1
det ( AI )
Algebra 6lineal
sobre

Definicin N 03: Sea T un operador lineal sobre un espacio vectorial de
dimensin finita V. Se dice que T es diagonalizable si existe una base
B={ v 1 , v 2 , , v n }
v
de V tal que i de B sea un vector propio de T.
Ejemplo 01:
Supongamos que T es el operador lineal sobre
representado por la matriz
3/2 1 1/2
A= 0 3 0
1/2 1 3/2
en la base cannica.
DEMOSTRACIN
El polinomio caracterstico de A es:
p ( )= 3( trA ) 2 + ( A 11 + A22 + A 33 ) det ( A )
p ( )= 36 + 11 6=( 1 ) ( 2 )( 3 )
Los valores propios de A son:
[]
[]
[]
1
0
1
1=1, 2=2, 3=3
es el vector propio asociado al valor propio
1=1.
1
0
1
2=2.
1
1
1
3 =3.
Una base de V =R
es B=
{[ ] [ ] [ ]}
1
1 1
,
0
0 , 1
1 1 1
, por tanto T es diagonalizable.
NOTA: Segn la definicin de la matriz de orden n debern tener n vectores

propios para afirmar que T es diagonalizable. Pero, si k<n, siendo K el nmero de
vectores propios de A, entonces T no es diagonalizable.
Algebra 7lineal

Ejemplo 01:
Dado la matriz
0
1 1
A= 1 0
1
1 1 0
Los valores propios de A son:
1=0, 2=i 3 , 3=i 3 .
Afirmamos: A no diagonaliza sobre R, porque solo existe una sola raiz real.
A es diagonalizable sobre C , porque existen tres races complejas.
El vector propio asociado a
1=0
, es:

2=i 3 , es:
[]
1
v 1= 1
1
[ ]
1 3 i
+
2
2
v 2= 1 3 i
2
2
1

3 =i 3 , es:
[ ]
1 3 i
2
2
v 2= 1 3 i
+
2
2
1
A continuacin discutiremos en forma paralela, dos ejemplos, que nos sirviran como
prembulo para luego enunciar los teoremas que confirman la validez de las
proposiciones que se plantean en cada problema.
Ejemplo A:
Sea T un operador lineal sobre
representado en la base ordenada
cannica por la matriz:
Algebra 8lineal
Ejemplo B:
R
Sea T un operador lineal sobre
representado en la base ordenada cannica

por la matriz:
4 1 1
A= 2 5 2
1 1 2
3 1 1
B= 7 5 2
6 6 2
Se pide:
a) Hallar el polinomio caracterstico de
A.
b) Hallar los vectores propios de T(de A)
y los vectores propios.
c) Hallar e espacio de los vectores
propios asociados con cada vector
caracterstico (llamado tambin
subespacio propio).
d) Hallar una base de V, si existe cuyos
elementos sean los vectores propios
de T.
e) Es diagoniable la matriz A?
Wi
f) Sea
el espacio de los vectores
propios asociados con el valor
caracterstico i .
Si
W =W 1+ W 2 ++W n
, entonces
dimW =dim W 1 ++ dimW k

g) Si T es diagonizable implica que el
polinomio caracterstico de T es:
p ( )=( 1 )d ( k )d
1
Donde
dim W 1=d1 , , dim W k =d k
Implica que:
dimV =dimV 1+ +dim V K
Solucin
a) El polinomio caracterstico de T es:
p ( )=det ( A I )
([
] [ ])
4 1 1
1 0 0
det 2 5 2 0 1 0
1 1 2
0 0 1
Se pide:
a) Hallar el polinomio caracterstico de
B.
b) Hallar los valores propios de T (de B)
y los vectores propios.
c) Hallar el espacio de los vectores
propios asociados con cada vector
caracterstico.
d) Hallar una base de V, si existe, cuyos
elementos sean los vectores propios de
T.
e) Es diagonizable la matriz B?
Wi
f) Sea
el espacio de los vectores
propios asociados con el valor
caracterstico i .
Si
W =W 1+ W 2 ++W n
, entonces
dimW =dim W 1 ++ dimW k
Solucin
c) El polinomio caracterstico de T es:
p ( )=det ( BI )
([
] [ ])
3 1 1
1 0 0
det 7 5 1 0 1 0
6 6 2
0 0 1
4
1
1
2
5
2
6
6
2
3
+12 16
2
( +2 ) ( 4 )
Algebra 9lineal
d) Los valores propios se hallan al resolver:

( +2 )2 ( 4 )=0
4
1
1
2
5 2
1
1
2
=2, =4
311 2 +39 45
( 3 )2 ( 5 )
1=2, 2=4
En consecuencia
valores propios de B.
Hallemos los vectores propios asociados a
cada valor propio.
b) Los valores propios se hallan al

resolver:
( 3 )2 ( 5 ) =0
=3, =5
En consecuencia
1=3, 2=5
( B3 I ) x=0
para cada valor
propio
son
los valores propios de A.

Hallemos los vectores propios
asociados a cada valor propio.
El (o los) vector(es) propio(s)
=3
asociado al valor propio 1
se
[ ]
( A3 I ) x =0
[]
x1
x= x 2
x3
[]
0
0= 0
0
][ ] [ ]
43
1
1 x 1
0
2
53 2 x 2 = 0
1
1
23 x 3
0
Reducimos la matriz a su forma cannica

y nos quedara.
Algebra10lineal
[ ]
1 0 0
I= 0 1 0
0 0 1
[]
x1
x = x2
x3
[]
0
0= 0
0
Veamos:
obtiene al resolver el sistema

homogneo:
1 0 0
I= 0 1 0
0 0 1
son los
Para:
([
1=2
, ( B(2 ) I ) x=0
][
])[ ] [ ]
3 1 1 2 1 1
7 5 1 + 0 2 0
6 6 2 0 0 2
x1
0
x2 = 0
0
x3
Reducimos la matriz a su forma cannica y

nos quedara
][ ] [ ]
1 1 1 x1
0
0 0 6 x2 = 0
0 0 6 x3
0
1 1 0 x1
0
0 0 1 x2 = 0
0 0 0 x3
0
][ ] [ ]
El vector de solucin del sistema es:
][ ] [ ]
[][] []
1 1 1 x1
0
0 0 0 x2 = 0
0 0 0 x3
0
x1
x1
x1
x= x 2 = x 2 =x 1 x2
x3
x3
x3
v1
El vector de solucin del sistema es:
[][ ]
x1
x1
x= x 2 = x 2
x3
x 1+ x 2
e) El subespacio propio asociado a

1=2,
es:
[] []
1
0
x 1 0 + x2 1
1
1
{[ ]}
1
W 1=gen 1
0
Vectores propiosasociados a 1=3
v1
El subespacio propio asociado a

1=3
, es;
W1
Se lee:
{[ ] [ ]}
1 0
W 1=gen 0 , 1
1 1
es el subespacio propio
generado por los vectores propios
v1
W1
es el subespacio propio
generado por los vectores propios

v2
v1
v1
. Esto es:
Ker ( T +2 I )= { v 1 }
,
W 1 es el espacio nulo de T 2 I
Tambin es cierto que el ncleo operador

T 3 I , est formado por los vectores
propios
v1
El ncleo operador T 2 I , est formado
v2
por el nico vector propio

Se lee:
1=2
es vector propio asociado a
v1
v2
. Esto es:
Ker ( T 3 I )={ v 1 , v 2 }
W 1 es el espacio nulo de T 3 I
Se cumple: T (W 1) W 1
Algebra11lineal
Se cumple: T (W 1) W 1
Para:
2=4 ; ( B4 I ) X=0
][ ] [ ]
7 1 1 x 1
0
7 1 1 x 2 = 0
6 6 6 x 3
0
Reducimos la matriz a su forma cannica as:

W1
Definicin.-
es invarante por T,
Si T (W 1) W 1
El vector solucin es:
El vector propio asociado al valor propio

2=5
, se obtiene al resolver el
[ ][ ] []
x1
0
0
x= x 2 = x 2 =x 2 1
1
x2
x3
sistema homogeneo:
( A5 I ) x=0
][ ] [ ]
45
1
1 x 1
0
2
55 2 x 2 = 0
1
1
25 x 3
0
{[ ]}
][ ] [ ]
Se lee El espacio vectorial
W2
generado por el vector propio
El vector solucin es:
, esta
v2
El ncleo del operador T 4 I
est
formado por el nico vector propio
v2
esto es:
Ker ( T 4 I )={v 2 }
[ ] [ ] []
x1
x3
1
x= x 2 = 2 x 3 =x3 2
1
x3
x3
W2
Adems T (W 2) W 2 , esto es
es
invariante por T.
W 2 es el espacio nulo de T 4 I .

2=5
, es;
{[ ]}
d) El conjunto de los vectores propios
1
W 2=gen 2
1
W2
generado por el vector propio

El ncleo del operador T 5 I
, esta
v3
est
formado por el nico vector propio

Algebra12lineal
, es;
0
W 2=gen 1
1
1 0 1 x1
0
0 1 2 x 2 = 0
0 0 0 x3
0
Se lee El espacio vectorial
2=4
Reducimos la matriz a su forma cannica

as:
][ ] [ ]
1 0 0 x1
0
0 1 1 x2 = 0
0 0 0 x3
0
v2
{[ ] [ ]}
1 0
1 , 1
0 1
no es una base de V =R
e) Como la matriz B tiene un mximo de dos

vectores propios linealmente independientes,
no es similar a una matriz diagonal, o sea, B
no es diagonizable.

, esto es:
Ker ( T 5 I )={ v 3 }
f) Los subespacios propios asociados a cada

valor caracterstico, son:
W2
Adems T ( W 2) W 2 , esto es
{[ ]}
{[ ]}
Para
1
1=2 : W 1=gen 1
0
Para
0
2=4 : W 1=gen 1
1
es invariante por T.
d) Una base de V cuyos elementos son
los vectores propios de T, es:
{[ ] [ ] [ ]}
1 0 1
B=gen 0 , 1 , 2
1 1 1
g) El polinomio caracterstico es:

P ( )=( + 2 )2 ( 4 )1
v1
v2
v3
e) Porque a base B tiene vectores propios

linealmente independientes, afirmamos
que la matriz A es diagonizable.
Sea P la matriz con columnas los
v
v2
v3
vectores propios 1
.
[ ]
1 0 1
P= 0 1 2
1 1 1
En este caso:
{[ ][ ]}
1 0
W =gen 1 1
Se tiene:
0 1
W es un nuevo subespacio de V =R
se cumple:
se obtiene sumndo directamente

W2
P1 AP=
[]
3
3 3
=D
matriz diagonal , sus

elementos sonlos valores
propios de A
A es semejante a D, porque existe una

matriz invertible P, tal que:
1
D=P AP .
f) Los subespacios propios asociados a
cada valor caracterstico, son:
Para
{[ ] [ ]}
1 0
1=3: W 1=gen 0 , 1
1 1
Algebra13lineal
2 dim W 1 ; 1=dim W 2
, esto es,
W =W 1+ W 2 y
dimW =dim W 1 +dim W 2

1+ 1=2
Nota: Es un ejemplo del lema 3
W1
, que
con
Para
{[ ]}
1
2=5: W 1=gen 2
1
g) Como el polinomio caracterstico es:

P ( )=( 3 )2 ( 5 )1
y
2=dimW 1 , 1=dim W 2
3
implica dimV =2+1 ; V =R
dimV =dimV 1+ dimV 2

NOTA: Este resultado es un ejemplo
del teorema 2.
es un valor propio de A. La multiplicidad
Definicin 04: Supongamos que

algebraica de
es la multiplicidad de
A. La multiplicidad geomtrica de
es la dimensin de su espacio propio.

2
P( )=( 3 ) ( 5 )
En el ejemplo A se tiene:
La multiplicidad algebraica de
como raz del polinomio caracterstico de
1=3
es 2 y la
dim W 1=2=multiplicidad geometrica de 1=3.

algebraica y la multiplicidad geomtrica de
En el ejemplo B, se tiene:
La multiplicidad de
1=2
En este caso la multiplicidad
1=3,
P( )=( +2 )2 ( 4 )
es 2 pero la
dim W 1=1=multiplicidad geometrica de 1=2.

algebraica
y laSupongamos
multiplicidadque
geomtrica
de .
T ( v )=v
LEMA 02:
f (T )
coinciden.
En este caso la multiplicidad
1=2,
tienen el mismo
valor.donde
Si f es cualquier
polinomio,
es un operador expresado como un polinomio de T,
polinomio en
f ()
es un vector, entonces:
f ( T ) v=f ( )v
Algebra14lineal
f ( T ) v : Es la aplicacin del operador f ( T ) sobre el vector v .
es un
DEMOSTRACIN
Sea A la matriz de T en la base cannica.
Sea
un valor propio de T y v
el vector propio correspondiente a
n
n1
1
a 0
Sea f ( x )=a n x +a n1 x ++ a1 x +a0 , n
, un polinomio de grado n .
Si
Av =v , entonces
A n v= n v y Iv=v . Debo probar que:
f ( A ) v =f ( )v
Veamos:
n
n1
1
Se tiene: f ( A ) =an A +a n1 A ++a1 A +a0 I
f ( A ) v =an A n v +a n1 An1 v ++a 1 A1 v +a 0 Iv

an n v + an1 n1 v++ a1 1 v+ a0 Iv
(a n n+ an1 n1 ++a1 1 +a0 I ) v

f ( )
f ()v.
LEMA 03: Sea T un operador lineal sobre un espacio vectorial V de dimensin

1 , , k
W1
finita. Sean
, los valores propios distintos de T, y sea
el espacio
de los vectores propios asociados con el valor caracterstico
Algebra15lineal
Si
W =W 1 ,W 2 , , W k
dim ( W )=dim ( W 1 ) ++ dim ( W k )
, entonces
TEOREMA 02: Sea T un operador lineal sobre un espacio vectorial V de

1 , , k
W1
dimensin finita. Sean
, los valores propios distintos de T, y sea
es espacio nulo de (
T 1 I
. Lo siguiente es equivalente.
1) T es diagonizable
2) El polinomio caracterstico de T es:
f ( x )=( x 1 )d ( x 2 )d ( x k )d , y
1
dim ( W i ) =d i ,i=1,2, , k
DEMOSTRACIN
Tenemos como hiptesis:
h1 : T es un operador lineal sobre el espacio vectorial V de dimensin finita.
h2 : 1 , , k
h3 :
son valores propios distintos de T.

W
i
=Ker (T 1 I )
es el nucleo ( espcio nulo ) de T 1 I
(1) (2) . (probar que (1) implica (2))

Si T es diagonizable puede ocurrir uno de los siguientes dos casos:
CASO 1: Por
h2,
, si tienen
polinomio caracterstico es
1 , , k
n valores propios de T, entonces el
f ( x )=( x 1 ) ( x2 ) ( xn )
dim W i=1, i=1,2, , n .

CASO 2: Por
T, con
si
h2 , si se tiene
k < n , y si
1 , , k , k vectores propios distintos de
tiene multiplicidad de algebra d 1
tiene multiplicidad algebraica
Algebra16lineal
d1

k
si
dk
tiene multiplicidad algebraica
f ( x )=( x 1 )d ( x 2 )d ( x k )d
1
entonces el polinomio caracterstico es:
donde d 1 +d 2+ +d n =n= grado del
polinomio mnico f ( x) .
T 1 I
Si, a su vez, ocurre que: el operador

T 2 I
operador
d2
tiene
tiene
d1
vectores propios, el
vectores propios
T k I
Entonces
tiene
dk
vectores propios
dim W i=dim [ Ker ( T 2 I ) ]=di
Adems:
Por el caso 1, la matriz diagonal es:
1 0
0 2
0
0
Por el caso 2, la matriz diagonal es:
1 I 1
0
0
2 I 2
Donde
0
IJ
0
0

n I n
es la matriz identidad de
orden
dj x dj
(2) ( 3 ) (probar que (2) (3) )
Del caso 1, se deduce que:
dim W 1 +dim W 2 ++ dimW n=1+1++1=n=dimV
Del caso 2, se deduce que:
dim W 1 +dim W 2 ++ dimW k =d 1 +d 2 ++ d k =n=dim V .
(3) ( 1 ) (probar que (3) (1) ) si se cumple (3) entonces, por el lema 3, e
debe tener que
V =W 1+ +W k ,
por tanto T es diagonalizable.
Algebra17lineal
es decir, que los vectores propios de T generan V y

3) POLINOMIOS ANULADORES.
Introduccin.-Sea T :V V
un operador lineal sobre el espacio vectorial V.
Sea:
(1)
f ( x )=a n x n +a n1 x n1++ a1 x 1 +a0 ,
K [ x]
un polinomio Mnico de
de
grado k. Si la variable x la sustituimos por T, obtenemos:

k
n1
1
(2) f ( T )=T + ak1 T ++a k T + a0 I , que es otro operados sobre V, esto es
f ( T ) : V V .
Si la variable x la sustituimos por la matriz
(3)
A nxn
, obtenemos:
f ( A ) =A k +a k1 Ak1 ++a k A1 +a 0 I , que es otra matriz nxn .
Si f ( T )=0, diremos que f(x) es un polinomio anulador de T.

Si f ( A ) =0, diremos que f(x) es un polinomio anulador de A.
Adems, si f ( A ) =0 , obtenemos una relacin lineal entre potencia A.
(4)
A k +a k1 A k1 ++a k A 1+ a0 I =0 . Ahora, nuestro inters es polinomio de la

forma (1) de grado mnimo, tal que
f ( T )=0 , este polinomio se llamara
polinomio lineal.
Sea L ( V , V )={T /T :V V } el conjunto de operadores lineales sobre V.
Se sabe que la dimensin de espacio vectorial
2
Las primeras ( n
+1) potencias de T son:
L ( V , V ) es n2 .
I , T , T 2, T3 , , Tn
entonces este
2
conjunto de n +1 vectores es linealmente independiente, esto es:
2
C0 I +C 1 T +C2 T 2 ++C n T n =0
2
Para los escalares
Ci
, no todos nulos.
En la ecuacin (4), para cada k se tiene un sistema de

para las incgnitas
Algebra18lineal
a1 , a2 , , ak1 en K
ecuaciones lineales
En (2) dijimos que f ( T ) : V V
es un operador sobre V, porque es la suma de
k
n1
1
operadores T + ak1 T ++ak T +a0 I
Donde
I : V V es operador identidad y
T :V V
T 2 :V V
k1
:V V
T k :V V
La notacin f ( T ) v
es como escribir (f (T ))(v) , donde:
f (T ):V V
v (f (T ))(v)
: Iv=v
Definicin de valor propio de T es: Tv=v , v o
La aplicacin identidad es
2
2
: T v = v
Sus potencias son
T 3 v =3 v
T v= v
Sumar:
Iv+Tv+ T v + + T v=v + v + + v
(
I +T + T 2 ++T k ) =(
1+ + + k ) v
f (T)
f ( T )=I + T +T 2+ +T k
2
f ( )=1+ + + +
f ()
es un polinomio en T.
es un polinomio en
Ilustracin con tres ejemplos, el tema relativo a los polinomios anuladores del
operador T y al polinomio ninimal de T.
Ejemplo 01.
Algebra19lineal
2 2 5
A= 3 7 15
1 2 4
Dado la matriz
Se pide:
a) Hallar el polinomio caracterstico de A (denotado por p (t)).
b) De (a) obtener otros polinomios, que sean divisores de p(t), tal que la matriz
A sea un anulador.
c) De b) elija usted, el polinomio Mnico de grado minino m(t) , tal que,
m ( A )=0
Solucin:
a) El polinomio caracterstico de A, es:
Dnde:
P (t )=t 3( TrA ) t 2 + ( A 11 + A 22+ A 33 ) t| A|
trA=suma de los terminos de ladiagonal

(2)+(7)+(4)=5
A 11 = 7 15 =( 7 ) (4 )( 2 ) (15 ) =2
2 4
A 22= 2 5 =( 2 ) (4 ) ( 1 )(5 )=3

1 4
| |
A 33= 2 2 =( 7 ) ( 2 )( 2 ) ( 3 )=8
3 7
determinate de A=| A|=3

Entonces el polinomio caracterstico, es:
P (t )=t 35 t 2+ 7 t3
Algebra20lineal
f ( t )=(t3)(t1)
h ( t )=t3
DIVISORES DE p(t )
q ( t )=t1
r ( t )=(t1)2
t3 (t1)
P ( t )=
b)
Por el teorema de Cayleyhamilton .la matriz A es un cero de su polinomio

caracterstico, esto es
P ( A )=( A3 I ) ( AI ) =0 , 0 es la matriz nula. Es
decir el polinomio caracterstico es el primer anulador del operador T.

Ahora, busquemos otros polinomios anuladores, si existen, de igualdad o menor
grado que
p(t) .
p(t) , que es:
Lo menos que se puede pensar es en el factor irreductible de

f ( t )=( t3)( t1) .
Hacer el clculo: f ( A ) =( A3 I )( AI )
Haciendo las sumas y producto de matrices, obtendremos que:
([
] [ ] )( [
2 2 5
1 0 0
f ( A ) = 3 7 15 3 0 1 0
1 2 4
0 0 1
] [ ]) [ ]
2 2 5
1 0 0
0 0 0
3 7 15 0 1 0 = 0 0 0 =0
1 2 4
0 0 1
0 0 0
como se puede apreciar, el polinomio caracterstico es el primer anulador de la

matriz A. Otro polinomio anulador de A es
El grado de
P(t) es 3
El grado de
f (t) es 2
f ( t )=( t3)( t1) .
No hay otro polinomio Mnico de menor grado que la de
f (t) que sea anulador de
A.
Adems, el polinomio minimal m ( t ) es divisor de
P(t) .
c) De estos dos polinomios anuladores, el de menor grado es f (t) , entonces f ( t )

es el polinomio minimal. Denotaremos con m(t) al polinomio minimal.
Otros polinomios anuladores de A, son los mltiplos de con

J ( A )={ h ( t )=m ( t ) g ( t ) , g (t ) K [ t ] }
J ( A )=el la coleccion de polinomios anuladores de A , es
Algebra21lineal
m(t) , esto es:

un ideal en el algebra de polinomios K [x ]
m ( t )= polinomio minimal
Ejemplo
3 2 1
A 2 2 1
2 2 0
Dado la matriz:
Su polinomio caracterstico es
p (t )=(t1)(t2)2
En este caso, de todos los polinomios anuladores de A, el polinomio anulador de A de

mnimo grado es el mismo polinomio caracterstico.
2
Esto es: m ( t )=(t1)(t2)
El anillo de polinomios anuladores de A es:
J ( A )={ h (t )=(t1) ( t 2 )2 g (t) , g ( t ) K [ x ] }
Sea T :V V
TEOREMA 3.-
un operador lineal sobre el espacio vectorial V de
dimensin n(o sea A es una matriz n x n) . El polinomio caracterstico y el polinomio

minimal de T (de A) tienen las mismas races, salvo multiplicidades.
Demostracin:
Las hiptesis son:
h1 .T :V V
h2 . dimV =n
h3 . p ( x )=det ( T xI ) polinomio caracteristico de T .
h3 . m ( x ) : polinomio minimal de T .
c K es raiz de P ( x ) s . s . s . lo
es de m(x)
La tesis:
p ( c ) =0
m ( c ) =0
v 0 , v V , t . q .(T cI )v=0
Veamos:
() Si m ( c ) =0 ,
debo probar que v 0 , v V , tal que (T cI ) v=0 .
Esto indica que c es el valor propio de T, lo que es equivalente decir que
det ( AcI )= p ( c )=0

Pasos a seguir.
1. Supongamos que m ( c ) =0 .
Algebra22lineal

Entonces, por teorema del factor en polinomio, existe un polinomio
q( x) K [ x ] tal que m ( x )=( xc ) q ( x ) , gr q ( x ) < gr m(x )
m ( x )=( xc ) q ( x )
2. Ahora , analicemos en :
2
m ( T )=( T cI ) q ( T ) .
Teniendo en cuenta que:
es,
tambin, un operador porque T es un operador sobre V.

3. Porque m ( x ) es el polinomio minimal, entonces m ( T )=0 y q ( T ) 0 ,
(q ( t ) es un operador , m ( T ) es el operador cero) .
q ( T ) 0 , elegimos un vector w tal
4. Porque
q
(T ) w 0
operador
5. En ambos miembros de 0=m ( T )

0 w=m ( T ) w
0=m ( T ) w
m ( T )=( T cI ) q (T )
0=( TcI ) q(T

) w
v
, hacer
q
(T ) w =v
0
0=( TcI ) v , v 0
Esta ltima igualdad nos dice que c
es valor propio de T, lo cual es
equivalente afirmar que c es raz del polinomio caracterstico

P ( x ) =det ( AcI )
suponer que P ( c )=0

es equivalente a
suponer que c esun
valor propio deT
1. Suponer que
debo probar que m ( c )=0
es un valor propio de T, sea que existe un vector v 0 tal
que T ( v )=cv .
2. Por el lema anterior, esto implica que f ( T ) v=f ( c ) v para cualquier polinomio
f
de
K [ x] . En particular si elegimos el polinomio mnimo m( x) se
cumplir: m ( T ) v=m ( c ) v , v 0
3. Pero m ( T )=0, entonces m ( c )=0
Algebra23lineal
TEOREMA 4. (Cayley Hamilton)

Sea
T :V V
un operador lineal sobre el espacio vectorial V de
dimensin finita. Si p es el polinomio caracterstico de T, entonces

p(T )=0 ; es decir, el polinomio minimal divide al polinomio
caracterstico de T.
DEMOSTRACION:
Necesitamos recordar los siguientes conceptos:
a)
ij= 1 , i=i
0, j j
d)
~
B . adj ( B )=|B| I , adj ( B )=B
e) Induccin matemtica.
b) Polinomio caracterstico
c) Propiedad de determinantes
Empezar la demostracin:
1. Como la dimensin de V es finita, elegir una base ordenada
{v 1 , v 2 , , v n }
para
V.
2. Sea A la matriz que representa a T en la base dada, entonces los elementos

T ( vi )
A ji
de la matriz A aparecen cuando cada vector
combinacin lineal de los vectores
se expresa como
v 1 , v 2 , , v n } ; as tendremos.
T ( v i )= A ji v j ,1 i n
i=1
T ( v i )= A ji v j=0
i=1
Introducir la funcin
ij= 1 , i=i
0, j j
dentro de T
(
ij T A ji I ) v j =0 ,1 i n
i=1
Algebra24lineal
B ji

ij T A ji I =B ji
3.
llamaremos
son los elementos de
B=[ B ji ] k
nxn
otra matriz cuadrada
n xn
que
4. Cuando n=2 , obtenemos la siguiente matriz 2 x 2 :

B=
T A 11 I A 21 I
A12 I T A 22 I
detB=
p (t )
esun polinomio enT
p ( x )=x 2 ( trA ) x +detA
Donde
A=
A11
A 21
A12
A22
es el polinomio caracterstico de la matriz:
TrA= A 11 + A22
detA =A 11 A 22 A12 A 21
p ( x )=det ( xI A )=
Ya que
x A11 A21
A 12 x A22
11 x A11 12 A21
21 x A12 22 x A 22
Donde los elementos de la matriz
xI A
son los polinomios
(xI A)ij = ij x Aij
5. Para
n>2 , tambin se cumple que B= p(T )
11=1
12=0
21=0
22=1
y todo lo hecho para n=2
.
6. Se debe probar que
p (T )=0 operador lineal
p(T ) sea el operador cero es necesario y suficiente probar que:
Para que
(detB )v =0 para k=1, , n

k
Algebra25lineal

B
7. Por la definicin de la matriz

v1 , v2 , , vn
dado en 3 y por
(2*) los vectores
satisfacen las ecuaciones:
Quiere decir que hay

8.
n=2 ,
cuando
ecuaciones lineales.
el sistema de ecuaciones lineales
dado en
(7*),
matricialmente, se puede escribir en la forma:
T A 11 I
A12 I
9.
][ ] [ ]
A 11 I v 1
=0
0
T A 22 I v 2
En este caso, la adjunta de la matriz
T A22 I A21 I
~
B=
A 12 I T A 11 I
Y adems:
~
0
B B= det B
0
detB
B , es la matriz:
10. teniendo en cuenta que:
( detB )
[][
v 1 ( detB)v 1
=
v 2 ( detB)v 2
Se debe probar que:
Esto es
( detB ) v 1=0 ,
{v 1 , v 2 }
Algebra26lineal
y que
][ ] [
det B
0 v 1 = (detB)v 1
0
detB v 2 (detB)v 2
][]
(detB ) v 1 0
=
(detB ) v 2 0
( detB ) v 2=0
de un espacio vectorial
para
V
v1 , v2
que son vectores de la base
de dimensin 2.
Veamos:
Por lo anterior, se puede hacer:
( detB )
[]
[]
v1 ~
v
=( B B) 1
v2
v2
[ ] ( [ ]) [ ]
v ~
v
~
~0
(B B) 1 = B B 1 =B
0
v2
v2
][]
(detB )v 1 0
=
(detB )v 2 0
( detB ) v 1=0
( detB ) v 2=0
P (T )=0,
Por tanto:
puesto que
( detB )=P(T )
11. Generalizando:
~
a) sea B=adjB
b) por (7*) obtenemos:
n
~Bki Bij v j=0 , para todok , i

j=1
c) sumar sobre i :
n
~Bki Bij v j=0

i=1 j=1
~Bki B ij
j=1
i=1
d) pero
v j =0 permutar la suma
~
B B=( detB ) I , lo cual permite hacer:
det B
e) por tanto:
Algebra27lineal
~Bki Bij= kj
i=1
del

n
kj ( detB ) v j =0
j=1
( detB ) v k =0 ,1 k n lqqd
4) SUBESPACIOS INVARIANTES
Para entender mejor la definicin de subespacio invariante, entendamos los siguientes
ejemplos:
Ejemplo 01
Dado la matriz
3
A= 1
1/2 1/2
a) Hallar los valores propios de
A .
A.
b) Hallar los vectores propios de

c) Hallar el operador T , cuya matriz en la base cannica es
A .
d) Hallar los subespacios propios.

Solucin:
a) Los valores de la matriz
1 3
trA =1 =
3
2 2
A= 1
1/2 1/2
1 3
det ( A ) = =1
2 2
Se hallan al resolver la ecuacin cuadrtica:

2
x ( trA ) x+ det A=0

2 3
x + x1=0
2
2 x +3 x2=0
{ }
x 1=2
( 2 x1 )( x +2 )=0
1
x2 =
2
Algebra28lineal
valores propios de
A.

b) Vectores propios.
i)
x 1=2
Asociado a
Resolver:
[ ] []
( A(2 ) I ) U =0 , U= u1 ,0= 0
0
u2
][ ] [ ]
1
3 u1 = 0
1 /2 3/2 u2
0
se reduce a :u1 +3 u2=0
[ ] [ ]
u1=3 u2 U =
3u 2
=u2 3 , u2 R
1
u2
x 1=2
U : vector propio asociado a
Donde
ii)
Asociado a
x 2=1/2
Resolver:
( A 12 I )V =0 , V =[ vv ] ,0=[ 00]
1
2
][ ] [ ]
1
3 /2 3 v 1 = 0
: v v 2=0
se
reduce
a
2 1
1 /2 1 v 2
0
v 1=2 v 2 V =
[ ] []
2 v2
=v 2 2 , v 2 R
1
v2
V : vector propio asociado a
Donde
c) Si
es la matriz que representa al operador
entonces:
T : R2 R 2
est definido por:
T ( X ) =AX , X=
Algebra29lineal
x 2=1/2
[]
x1
R2
x2
en la base cannica,

T
[][
][ ]
x1
x1
3
= 1
1/2
1/2
x2
x2
T ( x 1 , x 2 )= x1 +3 x 2 ,
o tambin:
1
1
x x
2 1 2 2
)
1
2
d) Los subespacios propios asociados a -2 y
, respectivamente, son:
{[ ] }
i)
W 1= {(u1 , u2)/u1 +3 u2=0 }=gen t 3 , t R

1
ii)
W 2= {(v 1 , v 2 )/ v 12 v 2=0 }=gen s
{[ ] }
2
,sR
1
e) Se cumplen:
T ( W 1 ) W 1
i)
T ( W 2) W 2
ii)
Probar la inclusin i)
Antes, definamos el conjunto
T (W 1) :
T ( W 1 ) ={ y R / x W 1 : y=T ( x) }
2
x=( u1 , u2 ) W 1 u1 +3 u2=0
Si
u 1=3u 2
Entonces:
1
1
T ( x )= ( 3 u2 ) +3 u2 , ( 3 u2 ) u2
2
2
Ahora,
T
( x )=(6 u2 ,2 u2 )
y
iii)
x=(3 u2 ,u2 )
..(1)
Si para todo vector

T ( x ) W1 ,
x=(3 u2 ,u2 ) W 1
habremos probado que
implica que
T (W 1) W 1
Veamos:
En (1) se tiene:
Algebra30lineal
y=T ( x )= ( 6 u2 ,2 u2 )=2(3 u2 ,u2 ) W 1
Ejemplo 02
T :V V
Suponga que
a) El ncleo de T
b) La imagen de T
es lineal.
es invariante bajo
T.
es invariante bajo
T.
INVARIANCIA
Definicin 5.-
invariante por
v W
T :V V
el operador lineal sobre el
V.
espacio vectorial
Si W
Sea
V , se dice que
es un subespacio de
T , si
es
T ( W ) W . Esto es, si para todo vector
el vector
T (v)
En tal caso,
est en
W.
induce un operador lineal
T :V V
definido por:
T^ ( w )=T (w)
Ejemplo:
para todo
v W .
T (W 1) W 1 , entonces
En el ejemplo 1, tenemos que
invariante por T . Pero tambin se cumple:
T ( W 2) W 2
, entonces
W1
es
W2
es
invariante por T
Cuando
es de dimensin finita, la invariancia de
por
tiene una
interpretacin matricial simple, muy interesante que lo mencionamos en el siguiente

teorema:
Teorema 5
T :V V .
Algebra31lineal
Supongamos que
es un subespacio invariante de

Entonces
B
(OB CD ) ,
tiene una representacin matricial por bloques

T^
es una representacin matricial de restriccin
de
en
donde
W .
5) TRIANGULACIN DE UN OPERADOR
Introduccin .- la triangulacin de una matriz es un proceso algebraico que merece
especial atencin, porque depend de la obtencin de una base ordenada del operador
lineal T :V V .
Es necesario responder a las preguntas: cuando dos matrices son
semejantes? Cundo una matriz es triangulable?
A , B K n n son semejante si existe un matriz
Definicin 06 : dos matrices

P
inversible
B=P1 AP
tal que:
T :V V
es semejante al
S :V V
tal que
De manera similar: el operador

operador
L:V V
si existe un isomorfismo
L=S1 TS
Definicin 07:
A K
una matriz
triangular superior. Esto es:

A
es triangulable, si
A B P K
Definicin 8:
n n
A B
tal que
es triangulable si es semejante a una matriz

,
selee A es # semejante a B
el operador
ordenada en la cual
nn
B=P AP
T :V V
se llama triangulable, si existe una base
esta represeenatada por una matriz triangular.
Ejemplo sea el operador lineal
T :V V
V =R3
T ( x , y , z )=(3 x + yz ,7 x +5 yz ,6 x +6 y2 x)
Algebra32lineal
es una matriz triangular
, definido por:
Donde
3 1 1
A= 7 5 1
6 6 2
={e 1 , e2 , e3 }
es una matriz asociada en la base cannica
se pide triangular la matriz
A .
Solucin:
Pensando en l definicin 3, debemos halla una base ordenada de
={v 1 , v 2 , v 3 }
, en la cual
V , llammosla
est representado por una matriz triangular. Esto
es:
T ( v 1 ) =a11 v 1 (I )
T ( v2 ) =a12 v 1 +a22 v 2 (II )
T ( v 3 )=a 13 v 1 +a 23 v 2 +a 33 v3 (III )
Donde
a11 a12 a 13
[T ] = 0 a22 a 23
0
0 a 33
nmeros
a11 , a22 , a33
es la representacin triangular de T . Los
son valores propios de la matriz
operaciones algebraicas, hacer en
( I ),( II ),(III )
A . Para abreviar las
las siguientes sustituciones:
a11 = , a 12=a , a22= , a13 =b , a23=c , a33 = .

As tendremos:
T ( v 1 )= v 1 (I )
( 1 ) T ( v 2 )=a v 1 + v 2 . ( II)
T ( v 3 )=b v 1+ c v 2+ v 3 ( III )
Debemos hallar:
1 El escalar
vector
v3
Veamos:
Paso 1. Hallar
Algebra33lineal
v1
; 2 el vector
5 los escalares
; 3 el vector
; 6 los escalares
v2
; 4 el
c ,b , .

Para ello, resolver la ecuacin
(I)
teniendo en cuenta que
T ( v 1) = v 1
v 1=(x , y , z) .
(3 x + yz ,7 x +5 yz ,6 x +6 y 2 z )= (x , y , z)
(3 x ) x + yz =0
( 2 ) 7 x+(5) y z=0
6 x+ 6 y+ (2 ) z=0
El sistema (2) tiene solucin no trivial si su determinante es igual a cero.
3
1
1
7
5
1 =0
6
6
2
4 ( +2)2 =0 =4 =2
Paso 2.
i) con
=4,
resolver el sistema homogneo (2):
7 x + yz=0
7 x + yz=0
6 x +6 y6 z=0
Se reduce a
x=0 x=0
{6 x6+ y6
z=0 y =z
Entonces el vector solucin es
[][] []
x
0
0
=
=z
y
z
1 ,z R
z
z
1
v1
ii) con
=2 , resolver el sistema homogneo (2):
x + y z=0
7 x +7 yz =0
6 x +6 y0=0
Algebra34lineal

Se reduce a:
y =x
{x +6 yz=0
z=0 z=0
[][] []
x
x
1
=
=x
y
x
1
z
0
0
Entonces el vector solucin es
v2
Cmo hallar el tercer vector

iii) con la raz repetida
v3
=2
?
se resuelva la ecuacin
( T I ) v 3=v 2
( T +2 I ) v 3=v 2
T v3 +2 I v 3=v2 , Iv 3=v 3 , v 3 =(x , y , z)
T v3 +2 v3 =v 2
(3 x + yz ,7 x +5 yz ,6 x +6 y 2 z ) +2 ( x , y , z )=(1,1,0)
(x + y z ,7 x+7 y z ,6 x+ 6 y )=(1,1,0)
x + yz
1a
7 x +7 yz 1 b
6 x+6 y
0 c
Realizando:
c6 a; b7 a
x + yz 1
0+0+6 z 6
0+0+6 z 6
yz=1
{x +z=1
Algebra35lineal
se obtiene:
x + y +1 1
x+ y
0
y
x
Luego el vector solucin es
[][ ]
x
x
=
y
x
z 1
[]
0
= 0
1
para x=0
v3
Paso 3. La base obtenida es
{[ ] [ ] [ ]}
0 1 0
= 1 , 1 , 0
1
0
1
v1
Paso 4. La base
v2
v3
es la que va triangular a
T .
Para ello, se vuelve al sistema (1) con el fin de hallar los escalares:
, ,b , c , .
T ( v 1 )=4 v 1 (I )
( 2 ) T ( v 2 )=a v 1+ v 2 . ( II )
T ( v 3) =b v 1+ c v2 + v 3 (III )
Resolver
(II) y (III ) : sabiendo que
T ( x , y , z )=(3 x + yz ,7 x +5 yz ,6 x +6 y 2 z )
Para
v 2=(1,1,0)
Para
v 3=(0,0,1)
obtenemos
v
T ( 2)= (3+1,7+5,6+6 ) =(2,2,0)
obtenemos
v
T ( 3)=(1,1,2)
Resolver
( II) :
(2,2,0 )=a ( 0,1,1 )+ ( 1,1,0 ) a=0

=2
Resolver
( III ) :
(1,1,2 ) =b ( 0,1,1 )+ c ( 1,1,0 ) + (0,0,1)
Algebra36lineal

c , b+c , b+
(1,1,2 ) =
T ( v 1 ) =4 v 1
T ( v 2 ) =0 v 12 v 2
T ( v 3 )=0 v 1v 22 v 3
La matriz triangular de
en la base
4 0
0
[T ]= 0 2 1
0 0 2
es
OTRO MTODO
Si pensamos en la definicin 2, debemos hallar una matriz no singular
P , tal que B=P1 AP es matriz triangular. Las columnas de la matriz P
A .
son los vectores propios de la matriz

Pasos a seguir para hallar la matriz
Paso 1.
a)
P .
Hallar
A ,
El polinomio caracterstico de la matriz
b) Los valores propios, y

c) Los vectores propios.
a) El polinomio caracterstico de
es
P ( )=det ( A I )
( 4)(+2)2
A
b) Los valores propios de

c) Vectores propios de
i)
=4
=2
A.
El vector propio
U , asociado a
el sistema homogneo
Algebra37lineal
son:
( A4 I ) U =0
=4 , se halla resolviendo
[ ] []
u1
0
U= u2 , 0= 0
0
u3
[]
0
U= 1
1
Se obtiene:
ii)
El vector propio
asociado a
=2 , se halla resolviendo
[]
v1
( A +2 I ) V =0 ,V = v2 .
el sistema homogneo
Se obtiene
v3
[]
1
V= 1
0
iii)
El conjunto de los vectores propios de
forma una base de
es
{[ ] [ ]}
0 1
1 , 1
1 0
y no
V =R3 , Qu hacer? Lo prctico es agregar
el vector cannico
[]
0
1
1
Paso 2. La matriz
con el fin de formar la base
es
[ ]
0 1 0
P= 1 1 0
1 0 1
1 1 0
P1= 1
0 0
1 1 1
4 0
0
[ T ] B =P AP= 0 2 1
0 0 2
1
Paso 3. La matriz triangular es:
Observacin:
{[ ] [ ] [ ]}
0 1 0
B= 1 , 1 , 0 .
1 0 1
si usted halla otra base ordenada diferente a la base
B ,
obviamente la matriz triangular ser otra.
En trminos de los operadores lineales L , S y T

debe ser:
T es semejante a
L
un isomorfismo S :V V
tal que
Algebra38lineal
L=S
T S ,
donde:
L:V V
S :V V
S :V V
[ ][ ]
[ ][ ]
[ ][ ]
Est definida por
4 0
0 x
L ( x , y , z )= 0 2 1 y =(4 x ,2 y y ,2 z )
0 0 2 z
Est definida por
1 0 0 x
S ( x , y , z )= 0 1 0 y =( y , x + y , x + z )
0 0 1 z
1 1 0 x
0 0 y =(x + y , x , x y + z)
Est definida por ( x , y , z ) = 1
1 1 1 z
Algunas aclaraciones:
3
Cuando se tiene el operador lineal T : R R
definida por
T ( x , y , z )=(3 x+ yz ,7 x +5 yz ,6 x +6 y2 z)
Hemos obtenido lo siguiente:

1. La matriz de T
3 1 1
[T ]e = 7 5 1
6 6 2
e={e1 , e2 , e3 }
en la base cannica
]
Dnde:
2. La matriz de T
T e 1=3 e17 e26 e3

T e 2=e 1 +5 e2 +6 e 3
T e 3=e 1e 22 e3
en la base ordenada
{[ ] [ ] [ ]} [
0 1 0
4 0
0
= 1 , 1 , 0 es [T ] = 0 2 1
1 0 1
0 0 2
Dnde:
Algebra39lineal
es
T V =4 v 1
T V =0 v1 2 v 2
T V =0 v 1v 22 v 3
1
{[ ]}
{[ ]}
0
1
W 1=gen 1 y W 2=gen 1
1
0
3.
son los subespacios de V .
4. El polinomio minimal es:
m ( x )=(x4)(x+ 2)2
Es un operador
Es un operador
T 4 I
LEMA 6. Sea V
un espacio vectorial de dimensin finita sobre el cuerpo
IK .
un operador lineal sobre V (T :V V ) tal que el polinomio minimal de
Sea T
T
T +2 I
sea un producto
de factores lineales.
m ( x )=( xc 1 )r ( x c j )r ( xc k )r ,c i IK
1
Sea w
v
un subespacio propio de V (W V ) invariante por T . Existe un vector
tal que:
av
No pertenece a W
b ( T CI ) v
Est en
W ,para algn vector propio c
del operador T .
Demostracin:
Lo que dice ( a ) y (b) es que el T - conductor de v

polinomio lineal .
Algebra40lineal
en W es un
Eligiendo (xc j) se debe probar que:

Si v V , al que v W
T c j I ) v W
entonces (
[
( T c j I ) h(T )]
v =h(T )
g(T )
g (T )
Veamos:
1: Hacer dos supuestos:
h1 .
h2
Sea
. Sea
un vector cualquiera de V , tal que
g el T - conductor de
2: Por el supuesto
h2 , g
minimal de T . Como
podemos suponer que
W , entonces el polinomio
g (T ) W
g no es constante y
g tiene la forma:
j
Donde al menos uno de los enteros

cero, entonces
(esto es,
es un polinomio que divide a m( x) , que es el polinomio
g ( x ) =(xc1 )r ( xc j ) r ( xc k )r
1
en W
ej
es positivo
porque si todas los e j
son
g sera una constate, lo cual no se desea .
3 : Como hemos elegido el polinomio lineal ( xc j ) , se tiene que ( xc j )
divide a
g , entonces existe un polinomio h ( x ) IK [ x] , tal que:
g ( x ) =( T c j ) h( x )
Donde: g ( T )=( T c j T ) h ( T ) es un operador
4. Por el supuesto
h2
Pero
{( T c j T ) h ( T ) } W
Algebra41lineal
y por la definicin de
g , el vector
v =h ( T )

g(T )
TEOREMA 6.- Sea V
sea T
un espacio de dimensin finita sobre el cuerpo
un operador lineal sobre V (T :V V ) . Entonces T
y solo si, el polinomio minimal de T
IK
es triangulable si,
es productos de polinomios lineales sobre
IK .
Demostracin:
r
r
Si el polinomio minimal es m ( x )=( xc 1 ) ( x c k )
1
se debe probar que T
es triangulable.
Esto es , se debe probar que existe una base ordenada
={v 1 , v 2 , , v n }
que
triangula a T .
Para ello apliquemos en forma sucesiva el lema 6.
Comencemos aplicando el lema 6 al subespacio W 0= { 0 } : existe un vector, no nulo,
v 1 V
tal que
v 1 W 0
T c j T ) v 1=0 T v =C 1 v 1
y adems (
1
(1)
Por la ecuacin (1) obtenemos el subespacio
subespacio
W1
:existe un vector
v 2 V
W 1=gen {v 1 }
, tal que
. Aplicar el lema 6 al
v 2 W 1
y adems.
( T C 2 I ) v 2=a 12 v 1 T v =a12 v 1 +C2 v 2 .(2)

2
Por la ecuacin (2) obtenemos el subespacio

subespacio
W2
: Existe un vector
v 3 V
W 2=gen {v 1 , v2 }
tal que
( T C 3 I ) v 3=a13 v1 + a23 v 2 T v =a13 v 1+ a23 v 2+C 3 v 3

3
Algebra42lineal
v 3 W 2
. Aplicar el lema 6 al
y adems.

De manera similar se contina para obtener una base
Wj
subespacio
{v 1 , v 2 , , v j }
del
, 1 j n . Escribiendo el sistema de ecuaciones formado por
( 1 ) , ( 2 ) , ( 3 ) , , ( j ) , ( n ) ; obtenemos:
T v =C 1 v 1
T v =a12 v1 +C 2 v 2
T v =a13 v1 + a23 v 2+C 3 v 3
1
3+ + C j v j
T v =a1 j v 1+ a2 j v 2 +a3 j v
T v =a1 n v 1 +a2 n v 2 +a 3 n v3 ++C

j
As hemos obtenido una base

representa T
vn
B={v 1 , v 2 , , v j }
de V
cual la matriz que
es:
c 1 a12 a13 a 1 j a 1n
0
c2
a23 a 2 j a 2n
0
[T ]B=
0
c3
Como observamos,
nmeros reales
Cj
a3 j a3 n

c j a jn

0 cn
[T ]B
es una matriz triangular superior e la base B , donde los
son los valores propios, algunos de los cuales se repite
dj
veces.
Si T
es triangulable, entonces el polinomio minimal de T
polinomios lineales sobre

Demostracin:
Algebra43lineal
IK .
es producto de

Si T
es triangulable, es evidente que el polinomio caracterstico de la matriz
triangular
[T ]B
es:
P ( x )=(xc 1 )d ( xc k )d ,C j IK
1
Los elementos de la diagonal

repetidos
dj
C1 , C2 , ,C n
son los valores propios, con
Cj
veces. Pero si P puede ser as factorizado, entonces el polinomio
minimal m puede ser de la forma

m ( x )=( xc 1 )r ( x c k )r
1
TEOREMA 7. Sea V
IK
y sea T
que divide al polinomio caracterstico P.
un sub espacio vectorial de dimensin finita sobre el cuerpo
un operador lineal sobre V . Entonces
solo si, el polinomio minimal de T
es diagonizable si, y
tiene la forma .
m ( x )=( xc 1 ) ( xc k )
C1 , , Ck
Donde
son elementos distintos sobre
IK .
Demostracin:
Si T
es diagonizable, entonces el polinomio minimal T
m ( x )=( xc 1 ) ( xc k )
IK
donde,
C1 , , Ck
tiene la forma
son elementos distintos de
se ha demostrado en el lema 6.
Si el polinomio minimal es de la forma

C1 , , C k
son elementos distintos de
m ( x )=( xc 1 ) ( xc k )
IK , entonces T es diagonizable la
demostracin es por reduccin al absurdo.

Las hiptesis son:
h1 :V
es un espacio vectorial sobre
h2 :T :V V
Algebra44lineal
, donde
IK .
El polinomio minimal tiene races distintas esto es, no puede
h3 :
ocurrir que
m ( x )=( x c 1 ) ( xc j )2 ( xc k ) =( xc j )2 h (x)
cj
Tesis t: T
Es raz repetido dos veces
es diagonizable esto es , la dimV =n= numero de vectores
propios asociados a cada valor propio
C1 , , Ck
El mtodo de reduccin al absurdo, para este teorema, consiste en demostrar el valor de

h h t h3
la verdad de la siguiente proposicin. 1 2
Veamos:
1. Sea W
el subespacio vectorial generado por todos los vectores propios de
T , esto es
W =gen { 1 , , k }
i=1,
k son los
1 .,
, los
vectores propios.
2. Suponer que W V por lo tanto: dimW < n , esto es
3. Por el lema 6: Existen un vector W
Cj
que
4. Como
t un valor propio
de T
tal
=( T C j I ) W .
W
entonces
= 1+ + k
Necesitamos probar que el vector: h(T )
donde
Ti =Ci i , 1 i K
es un elemento de W . Para ello
necesitamos recordar lo siguiente:

a h ( x )=x+ x2 ++ x k es un polinomio en
2
b h ( T ) =T +T ++T
c h ( C j )=C j +C 2j + +C kj
Algebra45lineal
es un operador.
Ik [ x ]

T1
C1 1
2
2
T 1 C1 1
k
k
T 1
C1 1
Tk
C k k
2
T k C 2k k
k
k
T k
C k k
T1 ++ T 1=C1 1+ +C1 1
C 1 ++C k1 1
( T + +T k ) 1=
T k + +T k =C k k + +C k k
C k ++C kk k
( T ++T k ) k =
h( c1 )
h(T )
4. h ( T ) 1=h( c 1) 1 , ..,
h ( T ) k =h (c k ) k
5. En la igualdad:
= 1+ + k
aplicar el operador
h(T )
h ( T ) =h ( T ) 1 ++h ( T ) k
4
6. Por
7.
h ( T ) =h ( c1 ) + + h(c k ) k
h ( T ) =h ( c1 ) + + h(c k ) k
es un elemento de W , por qu es una
combinacin lineal de los generadores de W , entonces h ( T ) W , para

cada polinomio h.
Algebra46lineal

8. Por el algoritmo de la divisin de polinomios, si
m , entonces existe un polinomio
cj
es raz del polinomio
q( x) , tal que, m ( x )=( x c 1 ) q ( x ) .
xc 1 )
9. Si el polinomio q( x) se divide entre el monomio (
, entonces por el
algoritmo de la divisin de polinomios, existe un polinomio h( x ) , tal que:
q ( x )=( xc 1) h ( x ) + R
c
q(
j)=0+
R.
Donde
9
se puede expresar del siguiente modo:
Luego, la igualdad
q ( x )q ( c j ) =( xc 1 ) h ( x )
10. Si
x=T , entonces q ( T )q ( c j )=( T c j I ) h(T ) es un operador.
11. Aplicar en :
q ( T ) q ( c j )
q ( T )q ( c j )
=h(T )(T c j I ) , por (3)
=h(T )
12. Por (7) afirmamos que: h ( T ) W , por lo tanto
q ( T ) q ( c j )
es un
elemento de W .
13. En la diferencia anterior se tiene que: W .
Pero el vector q ( T ) W
q ( ci ) =0
, para que se cumpla que 0.
=0 W .
9
2
14. As obtendremos en
y en (8) tendremos m ( x )=( x c 1 ) h ( x ) .
Este resultado contradice el hecho de que el polinomio minimal m tiene

races distintas.
Algebra47lineal

EJEMPLO Hagamos un paralelismo con dos matrices diferentes, en las cuales una
matriz es triangulable y la otra es diagonizable.
a Sea
3 1 1
A= 2 2 1
2 2 0
una matriz de un operador lineal
T : R3 R 3 en la
base cannica.
Se tiene:
1). Polinomio caracterstica:
f ( x )=(x1)( x 1)2
2. Polinomio minimianl:
m ( x )=( x1)( x1)2

3. Valores propios: {1, 2}
i) De
x1 obtenemos
AI
y el subespacio propio asocio al valor propio
x=1 es:
{[ ]}
1
W 1=gen 0
2
ii) De
propio
x1 obtenemos
A2 I
y el subespacio propio asociado al valor
x=2 es:
{[ ]}
1
W 2=gen 1
2
4. Tenemos un conjunto de dos vectores propios
{[ ] [ ]}
1 1
0 , 1
2 2
que no constituye
3
una base del espacio vectorial V =R .
5. En este caso, a matriz
no es diagonizable; pero es triangulable.
6. La matriz A se triangula mediante la matriz,

Algebra48lineal
1
1 1 1
0 1
1
2
P= 0 1 0 , P =
0 1
0
2 2 0
1 0 1 /2
[ ]
Haciendo la operacin:
1 0 1
P AP= 0 2 2
0 0 2
1
Sea
5 6 6
B= 1 4
2
3 6 2
3
3
es una matriz del operador lineal T : R R en
la base cannica.
Se tiene:
1. Polinomio caracterstica:
f ( x )=(x1)(x 2)2
2. Polinomio miniminal:
m ( x )=( x1)( x2)
3. Valores propios : {1,2}
i)
De x1 oobtenemos
propio
AI
y el subespacio propio asociado al valor
x=1 es:
{[ ]}
3
W 1=gen 1
3
ii)
De
x2
valor propio
Algebra49lineal
obtenemos
x=2 es:
A2 I
y el subespacio propio asociado al
{[ ] [ ]}
2 2
W 2=gen 1 , 0
0 1
4.
T enemos un conjunto de tres vectores propios
{[ ] [ ] [ ]}
3
2 2
= 1 , 1 , 0
3
0 1
que es
3
una base del espacio vectorial V =R
5. En este caso, la matiz A es diagonizable.
3 2 2
La matriz que diagonaliza a la matriz A es la matriz: P= 1 1 0
3 0 1
la
matriz diagonal es:

1 0 0
1
D=P AP= 0 2 0
0 0 2
[ ]
6) DESCOMPOSICION DE UNA SUMA DIRECTA.

Dado un espacio vectorial V sobre IK y un operador lineal T:VV, donde A es la
matriz de T en la base cannica , pretendemos, esta vez, hallar todos los sub espacios
invariantes de V tal que , el espacio vectorial V se puede expresar como la suma de
subespacios invariante para T.
Antes de hacer teoremas y definiciones respectivas, ilustraremos mediante un ejemplo la
V =W 1 .. k
suma
Ejemplo: en el ejemplo 9 b) tenemos:
3
E l operado lineal T : R R
definido por:
T ( x , y , z )=(5 x6 y 6 z ,x+ 4 y +2 z , 3 x6 y4 z )
La matriz de T es la base cannica es B=
5 6 6
1 4
2
3 6 4
2
*) El polinomio caracterstico de T es f ( x )=(x1)(x 2)
El subespacio invariante por T correspondiente al valor propio

Algebra50lineal
x=1 es.
{[ ] }
3
W 1= t 1 : t IR
3
, la dimensin de W 1 es 1.
x=2 , es
*) El subespacio invariante por T correspondiente al propio
{[ ] [ ]
3
2
W 2= s 1 +t 0 , s IR , t IR
3
1
la dimisin de
W2
es 2.
3
*) La dimensin de V = IR es 3.
*) Por que la
dim V =dimW 1+ dimW 2
, se cumple que:
3=1+2
3
2 2
1 , 1 , 0
1
3
[ ] [ [ ]}
V =W 1 W 2=gen
Ha sucedido que el espacio base V se ha descompuesto en una suma de subespacios
invariante para T.
Geomtricamente, la suma directa que directa que acabamos de hacer, indica que los
vectores propios
{[ ] [ ] [ ]}
3
2 2
1 , 1 , 0
3
0 1
estos vectores generan todo
conforman una base de
IR3 y en consecuencia
IR3 .
A continuacin daremos la definicin de subespacios independientes y luego la

demostracin de un lema que nos conlleva a la definicin de suma directa de
subespacios invariantes.
Definicin: Sean
vectorial V. se dice
implica que cada
Algebra51lineal
W 1 , ,W k
W 1 , ,W k
1
subespacios de un subespacio de un espacio

son independiente si
1+ + n=0 , i W 1
es 0. F la definicin indica lo siguiente:

a
Para K=2, esto es, si tenemos dos subespacios

independientes si y solo si
W 1 W 2
W 1 y W 2:
W1 yW 2
son
={0}.
W 1 , ,W k
Para k 2, los subespacios
, son independientes s, y solo si
W 1 W 2 W k ={0 }
subespacios
Wi
, adems cada
Wj
encuentro la suma de otros
solo en el vector nulo.
{[ ] } {[ ] [ ] }
1
1
0
W 1= t 2 : t IR y W 2= r 3 + s 1 : r , s R
Ejemplo 14. Sean
1
2
3
dos
3
w1
W2
subespacios de V= R , son
y
independientes?
Solucion:
W1
Si pruebo que
W2
={(0,0,0)} afirmare que
w1
W2
son
independientes.
Veamos:
W 1 W 2
Sea
W 1 W 2
Entonces
W 1
Si
, entonces
=t (1,2,1)
(1)
W 2 ,
Si
entonces =t ( 1,3,2 )+ s (0,1,3)
.. (2)
Al igualar (1) y(2) obtenemos :t(-1,-2,1)= t ( 1,3,2 ) + s( 0,1,3)
t r =0
2 t3 rs=0 La unicasolucion de este sisitema es :t=0, r=0, s=0
t 2 r3 s=0
Si t=0 , entonces el vector t (1,2,1 )=(0,0,0) similarmente si r=0, s=0 , el

vector
r ( 1,3,2 ) +s ( 0,1,3 ) =(0,0,0) .
Algebra52lineal

Este resultado nos indica que W 1 W 2=(0,0,0) y por lo tanto, existe la suma directa
W 1 W 2
.
u W 1 W 2
Por lo tanto:
implica
u=w1 +w 2 , w 1 W 2 , w2 W 2
u=t (2,2,1 ) +r (1,3,2 ) +s (0,1,3)
LEMA 7. Sea V un espacio vectorial de dimensin finita. Sean
W =W 1 , , W k .
Son equivalentes, las siguientes afirmaciones.

a
W 1 , ,W k
P ara todo
Si
Bi
son independientes.
j , 2 j k , se tiene: W j ( W 1++W j1) ={0}
es una base ordenada de
W i ,1 i k
, entonces la sucesin
B=( B1 , , B k ) es una base ordenada para W .

Demostracin:
Debo probar que (a)
(a)
(b) S e lee a implica a (b),(b) implica a (c) y (c) implica
(c)
Probemos que (a)
(b)
*) Supongamos que se cumpla (a).

*) Sea
un vector, tal que,
W j ( W 1 ++W j1 )
W j ( W 1 ++W j1 )
*) Si
( W 1 ++W j1 ) ,
existen vectores
= 1 , , j1 .(1)
*) De (1) obtenemos
Algebra53lineal
1 , , j1+ ( )=0
1 , , j1
tales que

W 1 ++W k
*) Que se puede escribir 1 , , j1+ ( ) +0+ + 0=0 y como
independientes, debe ser que;
son
1= 2 == j1= =0.
W j ( W 1+ +W j1) ={0}
*) Este ltimo resultado nos indica que
probaremos que
(b) (c).
B1
*) Formaremos la sucesin B=( B1 , , B k ) donde, por hiptesis cada conjunto
W i ,1 i k .
es una base de
Queremos probar que

Si bi Bi bi
B=( B1 , , B k ) es una base de W .
es combinacin lineal de los vectores
B i , 1 i k
*) Cualquier combinacin lineal entre los vectores de B tendr la forma:

b1 ++ bk =0 ()
Donde
a base de
bi
es cierta combinacin lineal de loa vectores en
Bi
, por que
Bi
es un
Wi .
*) Por hiptesis se tiene:

W 1 ++W k
W j ( W 1+ +W j1) ={ 0 } ,
son independiente y por tanto, cada
lo cual implica que

bi
es 0. Como cada
Bi
es
independiente, la relacin (*) entre los vectores en B es la relacin trivial. Esto prueba
que B=( B1 , , B k ) es una base ordenada de B.
Definicin 9)
Sea V un espacio vectorial de dimensin finita. Sean
propios de V y sea
Si
W =W 1+ +W k
W j ( W 1+ +W j1) ={ 0 }
W =W 1+ +W k
Algebra54lineal
subespacios
para todo
es la suma directa de
W =W 1 W k
W 1 ++W k
j=2 j k , entonces se dice que la suma
W 1 ++W k ,
y se describe.
6.1)
Definicin 10.
PROYECCION DE UN ESPACIO VECTORIAL
Si V es un espacio vectorial, una proyeccin de V es un operador
lineal E sobre V, tal que
E2=E .
2
Esto es, el operador lineal E: VV es una proyeccin de V si E =E .
EJEMPLO: Sea el operador E: VV, V= R

E ( x , y , z )=
, definido por:
( 12 x+ 12 y , 12 x+ 12 y , 0)
Es E una proyeccin de V?
Solucion:
[ ]
1
2
A=[
E]
=
1
e
La matiz asociada al operador E en la base canonca es:
2
0
cumple:
1
0
2
1
0
2
0 0
E =E .
6.1.1
IMAGEN Y NUCLEO DE UNA PROYECCION
2
Supongamos que E es una proyeccin ( E =E
E: VV
E
V
R=( E)
Algebra55lineal
se
Sea R la imagen de E, esto es R=(E) y sea N el ncleo de E , esto es N=ker E .

Se tiene:
El vector u est en l imagen de

V=R N
La expresin nica de u , como suma de vectores en
R si , y solo si,
Eu=u
R y en
N , es
u=Eu+(uEu)
Demostracin:
Pr definicin de operador lineal, al elegir un vector w V , mediante E, hacemos
corresponder a un vector
u R , tal que,
u=Fw (1)
2
Aplicar E: E u=E ( Ew ) =E w , como
E =E
Eu=E w .(2)
Eu=u
Por (1):
PROPOSICION. Cualquier proyeccin E es trivialmente diagonizable. Si {

u1 , ,ur }
u , , un }
es una base de R y { r +1
es una base de N, entonces la
base
B={u 1 , , ur }
[ ]
[E ]B =
diagonizable a E.
I 0
donde I es la matriz unidad de r r .
0 0
Algebra56lineal
EJEMPLO: Se tiene una matriz A=
[ ]
1
2
1
2
0
1
2
1
2
0
0
0
0
P ( )=( )2 ( 1 ) .
El polinomio caracterstico es
1
S =1=gen 1
Del valor propio =1, se obtiene el subespacio
0
{[ ]}
{[ ] [ ]}
1
0
S
=gen
,
1
0
=0
Del valor propio =0, se obtiene el subespacio
0
1
E es diagonizable por la matriz P=
1 1 0
1 1 0
0 0 1
[ ]
1 0 0
1
P
AP=
0 0 0
Obtenindose D
0 0 0
4
A hora analizamos por el lado de la imagen de E

a) Una base de la imagen E, se obtiene transformando la transpuesta de la
matriz A es matriz escalonada.
[ ][
1
2
T
A
=
1
As:
2
0
1
2
1
2
0
0
0
1 0 0
0 0 0 = A1
0 0 0
{[ ]}
1
gen 1
Entonces una base de la imagen de E, es R=
0
b) Una base del ncleo E se halla resolviendo el siguiente sistema:
Algebra57lineal
[ ][ ] [ ]
1
2
1
2
0
1
2
1
2
0
x
0
y =0
0
z
0
0
x+ y=0 y =x
Se obtiene
Luego:
[][ ] [ ] []
x
x
1
0
y = x =x 1 + z 0
z
z
0
1
{[ ] [ ]}
1
0
Entonces ker E= gen 1 , 0 , Segn la preposicin, la base B=
0
1
[ ]
Diagonizable E:
1 0 0
[E ]B = 0 0 0
0 0 0
TEOREMA 8: Si
V =W 1 W k
E1 , , E k
i Todo E 1
ii
Es la matriz diagonal trivial donde I= [1]
, entonces existen K operadores lineales
sobre V tales que:

E2i =E i .
es una proyeccin
Ei E j =0 , si i j
iii I =E1 + + E k
iv La imagen de
Algebra58lineal
.
.
Ei es W i
{[ ] [ ] [ ]}
1
1 0
1 , 1 , 0
0
0 1

Recprocamente, si
E1 , , E k
condiciones (i).(ii),(iii) y se hace que

W =W 1 W k
son operadores lineales que satisfacen las

Wi
se la imagen de
Ei
, Entonces
BILBIOGRAFIA
LZARO CARRIN, Moiss. (2009). LGEBRA LINEAL. Segunda

Edicin. Editorial Moshera S.R.L
ESPINOZA RAMOS, Eduardo. (2006). LGEBRA LINEAL. Segunda

edicin. Editorial Eduardo Espinoza Ramos.
LINKOGRAFA:
http://www2eco.uva.es/meneses/guia_de_trabajo/esquemas_teoricos/tem
a2.pdf.
Algebra59lineal

Fafafafafafafaf

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Fafafafafafafaf

Загружено:

Авторское право:

Доступные форматы

Universidad Nacional de Cajamarca

DVILA BERNAL, Walter

Universidad Nacional de Cajamarca

Universidad Nacional de Cajamarca

1) Valor propio y vector propio..04

Universidad Nacional de Cajamarca

1) VALOR PROPIO Y VECTOR PROPIO.

un espacio vectoriale sobre el cuerpo

un operador lineal sobre V. Un valor propio de T es un escalar

que existe un vector no nulo v

Definicin N 01: Sea

se llama un vector propio de P asociado al

b) La coleccin de todos los v tales que

se llama espacio propio asociado

TEOREMAS 01: Sea T un operador lineal sobre un espacio vectorial V de

es un v.p. de T v 0 tal que T ( v )=v , lo cual implica

T ( v )Iv=0, entonces T ( v )I (v )=0, lugo el nucleo de T I

no puede ser invertible (un operador es invertible si es inyectiva).

Universidad Nacional de Cajamarca

T ( v )=v=0, entonces T ( v )=v , lo cual prueba que

Los valores propios de T se llaman tambin races caractersticas, valores

I ( v ) es la transformacin lineal identidad.

Si V es de dimensin finita, el operador

K , tal que, la matriz

singular (no invertible).

es singular si y solo si det (T I =0).

As obtendremos el polinomio mnico de grado n

P ( ) son los valores propios de T.

Universidad Nacional de Cajamarca

base canonica por la matriz

en la base canonica por la matriz

{ i,i } . Entonces U tiene dos valores

no tiene races reales y propios i y i

T es un operador lineal sobre

que T no tiene valores propios.

LEMA 01: Las matrices semejantes tienen el mismo polinomio caracterstico.

|BI |=| AI|

det ( P1 ) . det ( AI ) . det ( P)

det ( P1 ) . de ( P). det ( AI )

Universidad Nacional de Cajamarca

Supongamos que T es el operador lineal sobre

representado por la matriz

1=1, 2=2, 3=3

es el vector propio asociado al valor propio

es el vector propio asociado al valor propio

es el vector propio asociado al valor propio

, por tanto T es diagonalizable.

NOTA: Segn la definicin de la matriz de orden n debern tener n vectores

Universidad Nacional de Cajamarca

Los valores propios de A son:

1=0, 2=i 3 , 3=i 3 .

El vector propio asociado a

El vector propio asociado a

Sea T un operador lineal sobre

representado en la base ordenada cannica

Universidad Nacional de Cajamarca

dimW =dim W 1 ++ dimW k

dim W 1=d1 , , dim W k =d k

dimW =dim W 1 ++ dimW k

Universidad Nacional de Cajamarca

d) Los valores propios se hallan al resolver:

b) Los valores propios se hallan al