ESPACIOS VECTORIALES.

DE MATRICES
DIAGONALIZACION
1

El espacio vectorial Rn.

Definici
on 1 Al conjunto de todas las n-tuplas ordenadas de n
umeros reales lo denotamos
Rn = {(x1 , x2 , . . . , xn )| xi R, i = 1, . . . , n}
Sus elementos se pueden sumar componente a componente. Tambien se pueden multiplicar por un n
umero real, multiplicando cada componente por dicho n
umero.
As, definimos en este conjunto dos operaciones:
Suma (+) Para cualesquiera 2 elementos, (x1 , x2 , . . . , xn ), (y1 , y2 , . . . , yn ) de Rn
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn )
Producto por un n
umero real (.R)
.(x1 , x2 , . . . , xn ) = (x1 , x2 , . . . , xn )
Los elementos de Rn se dicen vectores y los de R escalares. El nombre de los
elementos de Rn proviene de su representacion grafica.
La terna (Rn , +, .) formada por Rn con la suma de vectores y el producto por escalares
tiene estructura de espacio vectorial.
Definici
on 2 Un subconjunto S no vaco de Rn es un subespacio vectorial de Rn si
u, v S;

, R,

se verifica u + v S

Ejemplo 3 Es f
acil comprobar que el conjunto S1 = {(x1 , x2 , x3 ) R3 | x1 + x2 + x3 = 0}

es un subespacio vectorial mientras que S2 = {(x1 , x2 , 1) R3 | x1 , x2 R3 } no lo es.

Definici
on 4 El vector u Rn se dice que es combinaci
on lineal de los vectores
n
v1 , v2 , . . . , vr R si existen escalares 1 , 2 , . . . , r R tales que
u = 1 v 1 + 1 + 2 v 2 + . . . + r v r
Ejemplo 5 El vector (2, 7, 8, 6) R4 es combinaci
on lineal de los vectores (1, 2, 1, 3) y

(0, 1, 2, 0) pues existen dos n

umeros: 2 y 3 tales que (2, 7, 8, 6) = 2.(1, 2, 1, 3)+3.(0, 1, 2, 0),
por lo tanto el primer vector es combinacion lineal de los otros dos.
1

El conjunto de vectores que son combinacion lineal de v1 , v2 , . . . , vr es un subespacio

vectorial de Rn que denotamos por
< v1 , v2 , . . . , vr >= {1 v1 + 1 + 2 v2 + . . . + r vr | 1 , 2 , . . . , r R}
Si S =< v1 , v2 , . . . , vr > se dice que S est
a generado por v1 , v2 , . . . , vr o bien que
{v1 , v2 , . . . , vr } es un sistema generador de S.
Consecuencias inmediatas
- El conjunto {0} es un subespacio de Rn .
- Todo subespacio de Rn contiene al elemento 0.
Ejercicio 6 Comprobar que el conjunto de vectores {(1, 1), (1, 1)} son un sistema de

generadores en R2 .
En cambio, los vectores (0, 1, 3), (0, 2, 1), (0, 1, 1) no son sistema de generadores de
3
R , ya que cualquier combinacion lineal de esos vectores vale cero en su primera componente.
Definici
on 7 Se dice que dos conjuntos de vectores {v1 , v2 , . . . , vr } y {w1 , w2 , . . . , ws }
son sistemas equivalentes si generan el mismo espacio vectorial.
De entre los sistemas generadores interesan los que esten formados por el mnimo
n
umero de elementos, para ello se introduce la siguiente nocion.
Definici
on 8 Se dice que los vectores v1 , v2 , . . . , vr Rn son linealmente independientes o bien que forman un sistema o familia libre si la u
nica combinacion lineal de
n
ellos que vale cero (vector nulo en R ) es aquella con todos los escalares nulos, es decir,
1 v1 + 2 v2 + . . . + r vr = 0 = 1 = 2 = . . . = r = 0
En caso contrario se dice que los vectores son linealmente dependientes o que forman un
sistema ligado.
Ejemplo 9 Los vectores (1, 2), (2, 3) R2 son linealmente independientes: suponemos que

existen dos escalares 1 y 2 tales que 1 (1, 2) + 2 (2, 3) = (0, 0), es decir, (1 + 22 , 21 +
32 ) = (0, 0), luego 1 + 22 = 0, 21 + 32 = 0. Resolviendo este sistema se obtiene que
1 = 2 = 0, de lo que se deduce que son linealmente independientes.
Sin embargo no lo son los vectores (1, 2) y (3, 6).

Propiedades
1) El vector 0 es combinacion lineal de cualquier familia de vectores. Por tanto, si un
sistema contiene al vector nulo, entonces el sistema no es libre.
2) Si una familia de vectores es libre nig
un vector de esta se puede poder como combinacion lineal de los demas.
3) Si S es una familia libre de vectores, cualquier subfamilia de S tambien lo es.

(a11 , a12 , . . . . . . , a1n )

( 0 , a22 , . . . . . . , a2n )
n
4) En R , los n vectores
( 0 , 0 , a33 , . . . , a3n ), con aii %= 0 son linealmente inde

..................

( 0, 0, 0 , .. . . . , a )
nn
pendientes. Ademas, por 3), cualquier subfamilia de ella tambien lo es.
La utilidad de 4) es que si los vectores son de este tipo, resulta sencillo ver que son
linealmente independientes.
Ejemplo 10 En R4 la familia de vectores {(1, 2, 4, 5), (0, 2, 0, 0), (0, 0, 3, 1), (0, 0, 0, 4)} es

libre. Pero tambien lo son por ejemplo sus subfamilias: {(1, 2, 4, 5), (0, 2, 0, 0), (0, 0, 0, 4)}
o {(0, 0, 3, 1), (0, 0, 0, 4)}
Definici
on 11 Una familia de vectores de un espacio vectorial se llama base de dicho
espacio si es sistema generador de este y ademas es libre.
Ejemplo 12 Consideramos el subespacio vectorial del ejemplo 3

S1 = {(x1 , x2 , x3 ) R3 |x1 + x2 + x3 = 0}
Cualquier vector de S1 verifica que x1 = x2 x3 , luego es de la forma (x2 x3 , x2 , x3 )
y ademas los vectores (1, 1, 0) y (1, 0, 1) son linealmente independientes, luego constituyen una base de S1 .
Los vectores de Rn :
e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), e3 = (0, 0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)
constituyen una base de Rn . En efecto, si u = (x1 , x2 , . . . , xn ) Rn , entonces
u = (x1 , x2 , . . . , xn ) = (x1 , 0, . . . , 0) + (0, x2 , . . . , 0) + . . . + (0, 0, . . . , xn )
3

= x1 (1, 0, . . . , 0) + x2 (0, 1, . . . , 0) + . . . + xn (0, 0, . . . , 1) = x1 e1 + x2 e2 + . . . + xn en

lo que prueba que genera todo Rn . Para ver que son linealmente independientes, si
1 e1 + 2 e2 + . . . + n en = 0, entonces
(0, 0, . . . , 0) = 1 e1 + 2 e2 + . . . + n en
= 1 (1, 0, . . . , 0) + 2 (0, 1, 0, . . . , 0) + . . . + n (0, 0, . . . , 1) = (1 , 2 , . . . , n )
luego 1 = 2 = . . . = n = 0. La base (e1 , e2 , . . . , en ) se llama base can
onica.
n
Se verifica que todas las bases de R tienen el mismo n
umero de vectores y a ese
n
umero com
un se llama dimensi
on del espacio. Por tanto la dimension de Rn es n.
Ejercicio 13 Probar que {(1, 0, 1), (0, 2, 1), (1, 1, 2)} forman una base de R3
Ejercicio 14 Probar que la expresi
on de un vector en una base es u
nica.

Proposici
on 15 Si S es un espacio vectorial de dimension m y A S un conjunto
con m vectores, entonces son equivalentes:
i) A es linealmente independiente.
ii) A es sistema de generadores.
iii) A es base.
Definici
on 16 Llamamos Rango de una familia de vectores v1 , v2 , . . . , vr Rn al
maximo n
umero de vectores linealmente independientes existentes en esa familia (o a la
dimension del espacio generado por ellos)
Nota. En Rn , el rango de cualquier familia de vectores no puede ser mayor estricto
que n, es decir, siempre ha de ser menor o igual a su dimension n.
Ejemplos
a) El rango de la familia {(1, 2, 4, 5), (0, 2, 0, 0), (0, 0, 3, 1), (0, 0, 0, 4)} de R4 es cuatro
puesto que son linealmente independientes.
b) El rango de la familia de R3 {(1, 2, 4), (0, 2, 0), (0, 0, 0)} es dos. Recordemos que el vector nulo (0, 0, 0) no puede estar en ninguna familia libre, los dos vectores restantes
(1, 2, 4) y (0, 2, 0) son l.i. y por tanto dos es el maximo n
umero de vectores linealmente independientes.
4

Operaciones elementales con vectores

Las siguientes operaciones no modifican el rango de una familia de vectores
1) Intercambiar entre s dos vectores de la familia
rg{v1 , v2 , . . . , vi , . . . , vk , . . . , vr } = rg{v1 , v2 , . . . , vk , . . . , vi , . . . , vr }.
2) Multiplicar un vector por un escalar distinto de cero.
rg{v1 , v2 , . . . , vi , . . . , vr } = rg{v1 , v2 , . . . , svi , . . . , vr },

s R, s %= 0

3) Sumar a un vector una combinacion lineal de otro.

rg{v1 , v2 , . . . , vi , . . . , vk , . . . , vr } = rg{v1 , v2 , . . . , vi , . . . , vk + tvi , . . . , vr },

t R

Ejemplos. Calculemos el rango de la familia

a) {(1, 2), (3, 1))} de R2
1 2
1 2

3 1
0 5
El rango de lasegunda familia es 2, luego el de la primera tambien es 2.
b) {(1, 1, 1), (3, 3, 3)} de R3

1 1 1
1 1 1

3 3 3
0 0 0
El rango de la segunda familia es 1, luego el de la primera tambien es 1.

c) {(1, 0, 0, 4), (3, 3, 3, 0), (2, 0, 0, 8), (1, 1, 1, 1)} de R4

1
3
2
1

0
3
0
1

0
3
0
1

4
0
8
1

1
0
0
0

0
3
0
1

0
4
3 12
0
0
1 3

1
0
0
0

0
1
3
0

0
4
1 3
3 12
0
0

1
0
0
0

0
1
0
0

0 4
1 3
0 3
0 0

El rango de la cuarta familia es 3, pues los tres primeros vectores son l.i., luego el
de la primera tambien es 3.

1.1
1.

Ejercicios
Di cuales de los siguientes conjuntos son subespacios y cuales no:
a) S1 = {(x1 , x2 , x3 ) R3 | x1 + 2x2 + 3x3 = 0}
b) S2 = {(x1 , x2 , x3 ) R3 | x1 + 2x2 = 1}

c) S3 = {(x1 , x2 , x3 ) R3 | x1 x2 + x3 = 0}

d) S4 = {(x1 , x2 , x3 ) R3 | x1 x2 + x3 = 1}

e) S5 = {(x1 , x2 , x3 ) R3 | x1 2x2 = 0; x1 + x3 = 0}
2.

Comprueba que el vector (5, 13, 2) R3 es combinacion lineal de los vectores (2, 1, 2)
y (1, 4, 0). Es el vector (1, 1, 4) R3 combinacion lineal de los vectores (0, 2, 1) y
(3, 1, 9)?

3.

Dados los vectores (1, 1, 0, a), (3, 1, b, 1) y (3, 5, a, 4) calcula los valores de a
y b para que sean linealmente dependientes.

4.

Calcula una base e indica la dimension de cada uno de los siguientes espacios vectoriales:
a) S1 = {(x1 , x2 , x3 ) R3 | x1 2x2 = 0}

b) S2 = {(x1 , x2 , x3 ) R3 | 2x1 + x2 = 0; x1 x2 + x3 = 0}

c) S3 = {(x1 , x2 , x3 ) R3 | 2x1 x2 + x3 = 0; x2 = x3 + 2x1 }

5.

Considera los vectores:

{(1, 2, 3), (1, 1, 1), (0, 2, 0)}
a) Demuestra que son una base de R3 .
b) Calcula las coordenadas en dicha base de los vectores (3, 1, 5) y (2, 0, 3).
c) Calcula la expresion general de las coordenadas de un vector (x1 , x2 , x3 ) en
dicha base.

6.

Calcula el rango de las siguientes familias de vectores:

a) {(1, 2, 1, 1), (0, 2, 1, 1), (2, 6, 3, 3), (2, 42, 2), (1, 9, 3, 2)}
b) {(2, 1, 0), (3, 1, 1), (1, 2, 1)}

c) {(1, 2, 1), (3, 1, 1), (1, 3, 0), (1, 1, 0)}

d) {(1, 2, 1, 0, 2), (0, 1, 2, 1, 1), (1, 2, 0, 2, 1), (2, 1, 3, 3, 4)}

6

Resoluci
on de sistemas de ecuaciones lineales

Llamamos sistema de n ecuaciones con m incognitas a un conjunto de igualdades de la

forma:

a11 x1 + a12 x2 + . . . . . . + a1m xm = b1

a21 x1 + a22 x2 + . . . . . . + a2m xm = b2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . con aii , bj R; 1 i n, 1 j m
an1 x1 + an2 x2 + . . . . . . + anm xm = bn

(1)

Los n
umeros aij son los coeficientes del sistema, xj son las incognitas y los bj son los
terminos independientes. El sistema se puede escribir en forma matricial como sigue:

a11
a21
...
an1

a12
a22
...
an2

...
...
aii
...

...
...
...
...

a1m
a2m
...
anm

x1
x2
...
xm

b1
b2
...
bn

AX = b

(2)

A la mariz A se le llama Matriz de coeficientes del sistema y a la matriz (A|b) Matriz

ampliada del sistema.
Definici
on 17 Diremos que un conjunto de m n
umeros ordenados (1 , 2 , . . . , m ) Rm
es soluci
on del sistema (1) si al sustituir los valores i en las incognitas se satisfacen
todas las ecuaciones del sistema, es decir,

a11 1 + a12 2 + . . . . . . + 1m m = b1
a21 1 + a22 2 + . . . . . . + a2m m = b2
....................................
an1 1 + an2 2 + . . . . . . + anm m = bn

Conjunto de soluciones del sistema = {(1 , 2 , . . . , m ) Rm |verifican (1)}

En el caso particular de que b1 = b2 = . . . = bn = 0 el sistema se dice homog
eneo.
El sistema (1) se dice compatible si posee alguna solucion e incompatible en caso
contrario.
Un sistema compatible, pueden tener una u
nica solucion, en cuyo caso se denomina
compatible determinado, o mas de una solucion, en cuyo caso, el sistema se dice
compatible indeterminado.
Definici
on 18 Dos sistemas se dicen equivalentes si y solo si tienen las mismas soluciones.
7

Transformaciones elementales que nos conducen a sistemas equivalentes

1) Intercambiar entre s dos ecuaciones (equivale a intercambiar entre s dos filas de la
matriz ampliada).
2) Multiplicar una ecuacion por un escalar distinto de cero (equivale a multiplicar una
fila de la matriz ampliada por ese escalar).
3) Sumarle a una ecuacion otra multiplicada por un escalar cualquiera (equivale a
sumarle a una fila de la matriz ampliada una combinacion lineal de otra).

2.1

Teorema de Rouch
e-Frobenius

El sistema (2) tiene solucion rg(A) = rg(A|b)

Si rg(A) %= rg(A|b)

Incompatible (sin solucion)

Si rg(A) = rg(A|b) = r

r < m (n0 incognitas) S.C. Indeterminado ( soluciones)

r = m (n0 incognitas) S.C. Determinado (solucion u
nica)

Notemos que los sistemas homogeneos tienen siempre, al menos, la solucion (0, 0, . . . , 0)
que recibe el nombre de solucion trivial, por ello siempre son compatibles.

2.2

M
etodo de Gauss

El metodo de eliminacion de Gauss consiste utilizar transformaciones elementales sobre

la matriz ampliada del sistema AX = b para generar otro equivalente que sea escalonado
o que resulte mas sencillo de estudiar.
Definici
on 19 Un sistema de ecuaciones lineales se denomina escalonado (o reducido)
si la matriz del sistema verifica que:
1) Todos los elementos por debajo de los aii para i = 1, 2, . . . , m son nulos.
2) El primer elemento no nulo de cada fila, llamado pivote, esta a la derecha del primer
elemento diferente de cero (pivote) de la fila anterior.
3) Cualquier fila formada u
nicamente por ceros esta bajo todas las filas con elementos
diferentes de cero.
8

Ejemplo 20 Estudiar y resolver el siguiente sistema

1
1
2
1

1
1
0
1

1
1
1
3

1
2
1
0

|
|
|
|

1
2
0
4

x1 +x2
x1 x2
2x1
x1 +x2

+x3 x4
+x3 +2x4
+x3 x4
+3x3

1
0
0
0

1
2
2
0

1
0
1
2

1
0
0
0

1
2
0
0

1
0
1
0

1
3
1
1
1
3
2
3

|
|
|
|
|
|
|
|

=
=
=
=
1
1
2
3

1
1
3
3

El sistema inicial s equivalente a

x1 +x2 +x3 x4
2x2
+3x4

+x3 2x4

+x4

1
2
0
4

1
0
0
0

1
2
0
0

1
0
1
2

1
3
2
1

|
|
|
|

1
1
3
3

=
=
=
=

1
1
3
1

En este u
ltimo sistema rg(A) = rg(A|b) = 4 (n
umero de incognitas). El sitema es
compatible determinado y por tanto tiene solucion u
nica que es:
x1 = 0,

x4
=
x3 = 3 2x4
x2
=
x1
=

x2 = 1,

x3 = 1,

x4 = 1

1
=
32 =
1
(3x4 1)/2
=
2/2
=1
1 x2 x3 + x4 =
111+1 =0

Nota: Es frecuente que al aplicar modelos conocidos a fenomenos reales algunos de los
terminos que intervienen en esas leyes sean indeterminados. Cuando se trata de sistemas
de ecuaciones en los cuales ciertos coeficientes o terminos independientes no tienen un
valor fijo predeterminado, sino que son parametros, es sensato que se nos pida estudiar el
sistema para todos los valores posibles de dichos parametros (discutir el sistema).
9

La forma mas eficiente de tratar el problema es recurrir a la tecnica de eliminacion

gaussiana hasta simplificar lo maximo posible el sistema y retrasar el analisis a las filas
donde inevitablemente los pivotes incluyen ya parametros, seg
un sus distintos valores.
Ejemplo 21 Calcula los valores de a y b para que el siguiente sistema homog
eneo tenga

solucion no trivial

x1 ax2
x1 x2

2x1 x2

x2

+x3
x3
bx3
+x3

=
=
=
=

0
0
0
0

Es un sistema de 4 ecuaciones con 3 incognitas. Para que tenga solucion no trivial es

necesario que el rango de la matriz de los coeficientes (que coincide, por ser homogneo,
con el rango de la matriz ampliada) sea menor que 3.

1
1
0
0

a
1
1
1

1
1
b
1

|
|
|
|

0
0
0
0

1
0
1
2

1
1
a
1
1
0
0
0

1
1
1
b
1
1
0
0

|
|
|
|

0
0
0
0

1
1
a+1
1b

|
|
|
|

0
0
0
0

1
0
0
0

1
1
1a
1

1
1
2
2b

|
|
|
|

0
0
0
0

Es necesario que a + 1 = 0 y 1 b = 0. Por lo tanto solo en el caso en que a = 1 y

b = 1 se cumple que rg(A) = rg(B) < 3.
Para qualesquiera otros valores de a y b (a %= 1 o b %= 1) se cumple rg(A) = rg(B) = 3
que coincide con el n
umero de incognitas. Por tanto sera compatible determinado con
solucion u
nica: x1 = x2 = x3 = 0.

10

2.3
1.

Ejercicios
Resolver los siguientes sistemas de ecuaciones lineales:

2.

y +z = 3
a)
2y z = 1

x +y
= 1
2x

3x +2y +6z = 0
a) 2x +y +az = 0

x 3y 2z = 0

ax +y +z = 1
a) x ay +z = 1

x +y az = 1

x
3y +4z = 13
c) 3x
y +2z = 3

3x +5y z = 9

2x +ay +4z = 0
b) x +y +7z = 0

ax y +13z = 0

x +2y
+z
= 0
c) x +(a + 2)y +2z
= 0

x +(a 2)y +(a 2)z = 0

x +y +z
= a+1
b) ax +y +(a 1)z = a

x +ay +z
= 1

x +ay +z
= a2
d) ax +y +z
= a

x +y + az = a3

c)

x +ay +z = 1
x +ay +z = a

(1 a)x +(2a + 1)y +(2a + 2)z = a

e) 2x
+(a + 1)y +(a 1)z = a2 2a + 9

ax
+ay
= 2(a + 1)

Discutir los siguientes sitemas lineales, seg

un los distintos valores de los parametros
a y b resolviendolos cuando sea posible:

5.

Discutir los siguientes sitemas lineales, seg

un los distintos valores del parametro a y
resolverlos cuando sea posible:

4.

3x y z = 0
b) x +y +z = 0

y
z = 1

Discutir y resolver los siguientes sitemas homogeneos, seg

un los distintos valores del
parametro a.

3.

ax +by +z = 0
a) x +by +az = 0

x +aby +z = 0

x +y
+z +t
= 2
b) x +(a + 2)y +az +bt
= 4

2x +2y
+az +(b + 2)t = 4

Calcular que valores deben tomar a y

solucion

4x +4y
3x y

2x 5y

11

b para que el siguiente sistema no tenga

+z = b
+2z = 1
+az = 2

Diagonalizaci
on de Matrices

3.1

Valores y vectores propios

Definici
on 22 Dada una matriz A Mn (R), a la equacion |A In | = 0 la llamaremos
ecuaci
on caracterstica asociada a A. Las soluciones de dicha ecuacion reciben el
nombre de valores propios de dicha matriz
Definici
on 23 Sea un valor propio de A. Un vector u Rn que verifique Au = u se
dice que es un vector propio asociado a . Al conjunto de vectores propios asociados a
un valor propio se le denomina subespacio propio asociado a y lo denotaremos
por S
Comprobar como ejercicio que el conjunto formado por todos los vectores propios del
mismo valor propio, es un subespacio vectorial de Rn .
Ejemplo 24 Calcular los valores propios, vectores propios asociados y subespacios propios

de la siguiente matriz:

Ecuacion caracterstica:
,
,
,
,
,
,
,
,

1 2 0

1 3 1

0 1 1

1 2
0
1
3 1
0
1
1

,
,
,
,
,
,
,
,

= (1 )( 2)2 = 0

Valores propios de A : = 1 (simple), = 2 (doble)

Subespacio asociado a = 1

0 2 0
x1
0

1 2 1 x = 0

0 1 0
x3
0

x1 = x3 , x2 = 0;

x1 = 2x2 , x3 = x2 ;

S=1 =< (1, 0, 1) >

Subespacio asociado a = 2

1 2 0
x1
0

1 1

1 x2 = 0

0 1 1
x3
0

12

S=2 =< (2, 1, 1) >

3.1.1

Matrices diagonalizables

Definici
on 25 Una matriz cuadrada A Mn (R), se dice que es diagonalizable si existe
otra matriz regular P tal que P 1 AP = D con D una matriz diagonal. A la matriz P la
llamaremos matriz de paso.
Cu
ando y c
omo podemos diagonalizar una matriz?
Si conseguimos escribir una matriz A como A = P DP 1 , entonces podemos poner
tambien AP = P D. Si D es diagonal y nos fijamos en la columna j de esta u
ltima
igualdad lo que tenemos es que Axj = j xj (donde xj es la columna j de P y j es el
n
umero en el lugar j de la diagonal de D).
Entonces, para diagonalizar una matriz real cuadrada A de orden n lo que tenemos que hacer es encontrar n vectores propios suyos linealmente independientes
asociados a valores propios reales.
As obtendremos la matriz invertible P que tiene por vectores columna los vectores
propios de A y la matriz diagonal D que esta formada por los valores propios de A.

Teorema 26 Una matriz cuadrada A Mn (R) es diagonalizable si se verifican las

dos condiciones siguientes:

a) Todos sus valores propios son reales

b) La multiplicidad de cada valor propio coincide con la dimension del subespacio propio
asociado a este.
Consecuencia: Si todos los valores propios de A son reales y distintos, entonces A
es diagonalizable.

Ejemplo 27 La matriz A =

1
1
1
1

1
1 1 1

es diagonalizable
1 1 1 1

1 1 1 1

Valores propios de A : = 2 (triple), = 2 (simple)

Subespacio asociados:
S=2 =< (1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1) >;
S=2 =< (1, 1, 1, 1) >;

dim S=2 = 1

13

dim S=2 = 3

Matriz de paso: P =

1
1
0
0

1
0
1
0

1 1
2

0 1
0
; Matriz diagonal: D =
0
0 1

0
1 1

0
2
0
0

0
0
2
0

0
0
0
2

Observemos que la matriz D tiene en su diagonal principal los valores propios de

A: 2 (triple) y -2 (simple). Las columnas de P son vectores propios asociados a dichos
valores propios.
Comprobar que se verifica que P 1 AP = D.

0
1 0

Ejemplo 28 La matriz A = 0
0 1
no es diagonalizable
2 5 4
Valores propios de A :

= 1 (doble), = 2 (simple)

Subespacio asociado a = 1: S=1 =< (1, 1, 1) >;

multiplicidad de = 1

3.2
1.

Ejercicios
Hallar los valores y vectores propios de las matrices

1 0 0

A= 0 1 1
,
1 1 0

2 1 2

B= 1
0
0
,
0
1
2

3 1 1

D=
1
2
,
6
2 1
0
2.

dim S=1 = 1 %= 2 = grado de

1
1
1

E=
1 1 1 ,
1
1
1

2 1 0

C = 0 1 1

0 1
3

1 0 1

F =
0 1 2
0 0 3

2
6
24

Dada la matriz A = 4 8 24

1
1
2

a) Probar que los vectores a = (4, 4, 1) y b = (0, 4, 1) son vectores propios de A.

Hallar los valores propios asociados.
b) Encontrar otro vector propio de A sabiendo que su valor propio es 4.

14

3.

Se sabe que el conjunto de vectores de R3 que verifican x + y + z = 0 son vectores

propios de una matriz A, as como los vectores de la forma (t, t, t). Sabiendo que

hallar los valores propios de A.

4.

0
1

A 0 = 1

0
1

Calcular el polinomio caracterstico de las siguientes matrices:

0 1 0
1 1 1

0 1
1 1

A=
,B=
, C = 1 0 0 , D = 0 1 2

1 0
0 1
0 0 3
0 0 2

y razonar si son o no diagonalizables.

5.

Dadas las matrices

A=

1 2
3 2

B=

hallar una matriz de paso P tal que P 1 AP = B

6.

1 0
0 4

a 1 a

Sea la matriz A = 1 0 0

0 1 a

a) Probar que para a = 2 es diagonalizable y dar la matriz que la diagonaliza.

b) Razonar por que que para a = 1 no es diagonalizable.

7.

8.
9.
10.

1 a a

Estudiar para que valores de a es diagonalizable la matriz A =

1 1 1
1 0
2

5 0 0

Estudiar para que valores de a y b es diagonalizable la matriz A =

0 1 b
3 0 a
Diagonalizar, cuando sea posible, las matrices del ejercicio 1.

Hallar la matriz A M3 (R) que tiene valores propios: = 1, = 2, = 5 y

como vectores propios asociados (2, 2, 1)t , (2, 1, 2)t y (1, 2, 2)t respectivamente.
15