Valores Propios

OBJETIVO
Resolver problemas relacionados con valores y vectores caractersticos, mediante la interpretacin y

representacin en trminos de vectores, matrices y sistemas de ecuaciones lineales, en situaciones reales,
propias de la ingeniera.
CONTENIDO:
8.1 DEFINICIONES Y PROPIEDADES

8.2 ECUACION CARACTERISTICA. SUBESPACIOS PROPIOS
8.3 SEMEJANZA DE MATRICES
8.4 MATRICES DIAGONALIZABLES
8.5 DIAGONALIZACION DE MATRICES SIMETRICAS Y HERMITICAS
8.6 POLINOMIO MINIMO DE UNA MATRIZ
8.7 CUESTIONARIO
8.1 DEFINICIONES Y PROPIEDADES
Por lo general no hay ninguna relacin entre el vector u y el vector Au. Sin embargo, se tiene casos
particulares en que existen ciertos vectores u no nulos tales que u y Au sean colineales. En esta seccin
estudiaremos cmo encontrar estos vectores.
Este captulo lo dedicaremos al estudio de las matrices que representan

transformaciones lineales de un espacio vectorial V hacia si mismo.
En infinidad de ocasiones se presentan problemas con la siguiente caracterstica:

para una transformacin lineal de un espacio vectorial en s mismo, f : V V, se
desean conocer aquellos vectores tales que tienen la misma direccin que su
transformado por f; es decir, se buscan vectores u tales que u y f(u) tengan la
misma direccin, o lo que es lo mismo, que para un cierto escalar se verifique
f(u) = u. Es evidente que el vector nulo satisface siempre a dicha exigencia, pero
esta solucin trivial no suele ser de inters.
DEFINICION 8.1.1
A los vectores no nulos para los que exista un escalar que haga cierta la
igualdad f(u) = u se los llamar vectores caractersticos de la
transformacin f, y a los escalares se les da el nombre de valores
caractersticos de la transformacin lineal f.
Dada f : V V una transformacin lineal de V en si mismo, buscamos una base

para la cual la matriz que representa a f sea particularmente sencilla. En la
390 VALORES Y VECTORES CARACTERISTICOS
prctica, f slo est dada implcitamente, dando una matriz A que la representa.
La matriz que representa a f tiene su forma ms sencilla siempre que f aplica a
cada vector base sobre un mltiplo de s mismo; esto es, siempre que cada vector
base u exista un escalar tal que f(u) = u. No siempre es posible encontrar tal
base, pero existen algunas condiciones un tanto generales bajo las cuales es
posible.
La multiplicacin por A transforma cada vector caracterstico u de A sobre la

misma recta que pasa por el origen de u. Dependiendo del signo y la magnitud del
valor caracterstico correspondiente a u, la transformacin f(u) = u hace que u
se comprima o alargue por un factor , con un cambio de direccin en caso de
que sea negativo.
El problema de encontrar u diferente de cero tal que f(u) = u es equivalente al

problema de encontrar vectores diferentes de cero en el ncleo de f - . Este es un
problema lineal y se han dado mtodos prcticos para resolverlo.
Pero no existe solucin diferente de cero para este problema, a menos que f -
sea singular. Por lo tanto, estamos ante el problema de encontrar esos para los
cuales f - sea singular.
DEFINICION 8.1.2
Sea V un espacio vectorial de dimensin n sobre un cuerpo K, y sea f un
endomorfismo, es decir una transformacin lineal de V en s mismo.
Decimos que el escalar es un valor caracterstico de f si existe un
vector u tal que f(u) = Au = u, donde A es la matriz del endomorfismo f
y u distinto del vector nulo.
Esta definicin no garantiza la existencia de valores caractersticos. Ms adelante

se estudiarn algunas propiedades que, bajo ciertas hiptesis, garantizan la
existencia de valor caracterstico; no obstante, conviene notar que, en ocasiones,
pueden no existir los valores caractersticos de un endomorfismo f.
EJEMPLO 8.1.1
Sea la representacin matricial del endomorfismo f : R2 R2, dada por la matriz
2 1
A .
3 2
SOLUCION
Se tiene que a cada vector u le asocia el vector f(u), no existen valores
caractersticos, ya que f(u) = u equivale a las dos ecuaciones b = (2 - )a y 3a =
( - 2)b, de las cuales se deduce que para que sea valor caracterstico de f ha de
satisfacer a ( - 2)2 = -3, ecuacin sta que no tiene solucin en el cuerpo R de
escalares y, por tanto, f no tiene ningn valor caracterstico.
En este ejemplo, la carencia de soluciones proviene de que en el conjunto de
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

VALORES Y VECTORES CARACTERISTICOS 391
escalares R hay ecuaciones algebraicas sin solucin en l; si el endomorfismo f

hubiera sido de C2 en C2, la anterior dificultad habra desaparecido, y ello es
debido a que toda ecuacin algebraica
a0 + a1z + a2z2 + ... + an-1zn-1 + anzn = 0
de coeficientes complejos tiene, al menos una raz compleja. Cuando se quieren
evitar situaciones como las de este ejemplo, para las que no hay valores
caractersticos por carecer de soluciones una ecuacin algebraica, se considerarn
espacios vectoriales complejos o, en general, espacios vectoriales cuyo cuerpo
base sea un cuerpo algebraicamente cerrado, designando por tal a un cuerpo K
para el que toda ecuacin algebraica
a0 + a1 + a22 + ... + an-1n-1 + ann = 0
con a0, a1, a2, ..., an K, tiene al menos una raz en K. Las consideraciones que
se hagan acerca de valores caractersticos de endomorfismos en espacios
vectoriales complejos son fcilmente generalizables al caso de espacios
vectoriales sobre cuerpos algebraicamente cerrados.
El vector distinto de cero de f(u) = u se dice que es un vector caracterstico de f

correspondiente al valor caracterstico .
DEFINICION 8.1.3
Al conjunto de valores caractersticos de f, se le denomina espectro de f y
se representa por (f) es decir:
(f) = K / es valor caracterstico de f.
TEOREMA 8.1.1
Sea V un espacio vectorial n-dimensional, y sea f : V V un
endomorfismo. El conjunto de los vectores caractersticos
correspondientes a un valor caracterstico de f constituyen, junto con el
vector cero, un subespacio vectorial de V, llamado subespacio propio
correspondiente a . Es decir:
(f) V() = u V / f(u) = u V.
DEMOSTRACION
Hay que cerciorarse de que, para cualesquiera que sean los vectores u, v V() y
para todo par de escalares a, b K, se verifica que el vector au + bv es tambin
de V(). Es efecto, ya que por ser f transformacin lineal, se cumple
f(au + bv) = af(u) + bf(v) = au + bv = (au + bv).
Por lo tanto, au + bv V() y V() es un subespacio de V.
Llamaremos a V() el espacio propio de f correspondiente a , y a cualquier

subespacio de V() se le da el nombre de espacio propio de f.
EJEMPLO 8.1.2
Sea A una matriz de n x n. Si es un valor caracterstico de A, entonces el
conjunto V(), que consta del vector cero junto con todos los vectores
caractersticos de A para este valor caracterstico , es un subespacio de Rn, el
espacio propio de .
SOLUCION
El vector cero est en V(), de modo que V() es no vaco. Sean u y v en V().
Entonces,
A(u + v) = Au + Av = u + v = (u + v)
De modo que u + v est en V(). Para cualquier escalar k, tenemos
A(ku) = k(Au) = k(u) = (ku)
de modo que ku est en V(). As, V() es no vaco y cerrado bajo la suma y la
multiplicacin por un escalar, de modo que es un subespacio de Rn.

TEOREMA 8.1.2
Dos valores caractersticos distintos del endomorfismo f no tienen
ningn vector caracterstico comn; es decir:
1, 2 (f) y 1 2, entonces V(1) V(2) = {}.
DEMOSTRACION
Debemos comprobar que, si u V(1) y u V(2), entonces u ha de ser el vector
nulo . Sea f(u) = 1u y f(u) = 2u, entonces:
1u = 2u (1 - 2)u =
de donde, al ser 1 2, se infiere que u = .
TEOREMA 8.1.3
Si los valores caractersticos 1, 2, ..., n son todos distintos y V() es
un conjunto de vectores caractersticos, ui correspondiente a i, entonces
V() es linealmente independiente.
DEMOSTRACION
Los vectores caractersticos son no nulos por definicin, razn por la cual el
teorema es justo, a ciencia cierta, para n = 1. Supongamos que es vlido para
cualquier sistema de n 1 vectores caractersticos y no es vlido para los vectores
u1, u2, ..., un. En este caso el sistema formado por dichos vectores ser linealmente
independiente, es decir, para ciertos nmeros a1, a2, ..., an, no iguales a cero
simultneamente, se verifica la igualdad
a1u1 + a2u2 + ... + anun = (1)
Supngase que 1 0. Aplicando f a la ecuacin (1), obtenemos
f(a1u1 + a2u2 + ... + anun) = f()
a1f(u1) + a2f(u2) + ... + anf(un) = f()
a11u1 + a22u2 + ... + annun = (2)
Al multiplicar a la ecuacin (1) por n y al restarla de (2), obtenemos
a1(1 - n)u1 + a2(2 - n)u2 + ... + an-1(n-1 n)un = .
Conforme a la suposicin inductiva, de aqu se deduce que todos los coeficientes
de los vectores u1, u2, ..., un-1 son nulos. En particular, a1(1 - n) 0, lo que
contradice la condicin 1 n y la suposicin a1 0. Por consiguiente, el
sistema de vectores u1, u2, ..., un es linealmente independiente.
TEOREMA 8.1.4
Dados un espacio vectorial V, sobre un cuerpo K, y un endomorfismo F,
y si I representa la transformacin identidad, se verifica que: = 0 es
valor propio de f, si y slo si f no es inyectiva.
DEMOSTRACION
La transformacin lineal f no es inyectiva cuando, y slo cuando, su ncleo tiene
algn vector no nulo, es decir, si existe u V, tal que f(u) = ; ahora bien,
esto ltimo es tanto como decir que = 0 es un valor caracterstico de f, siendo u
un vector caracterstico.
TEOREMA 8.1.5
Dados un espacio vectorial V, sobre un cuerpo K, y un endomorfismo f,
y si I representa la transformacin identidad, se verifica que: es valor
caracterstico de f, si y slo si a K, - a es valor caracterstico de f -
aI.
DEMOSTRACION
Afirmar que el escalar es valor caracterstico de f es tanto como decir que existe
un vector no nulo u V tal que f(u) = u, lo que a su vez equivale a asegurar que,
para cualquiera que sea el escalar a, se verifica que f(u) au = u au, para un
vector u , que puede expresarse en la forma (f aI)u = ( - a)u, lo cual ocurre
si, y slo si, el escalar - a es un valor caracterstico del endomorfismo f aI.

EJEMPLO 8.1.3
Sean A una matriz de n x n e I la matriz identidad. Comparar los vectores y
valores caractersticos de A con los de A + kI para un escalar k.
SOLUCION
Si es un valor caracterstico de A con u como vector caracterstico
correspondiente, entonces + k es un valor caracterstico A + kI con u como
vector caracterstico correspondiente. Esto es, los propios valores de A + kI son
aquellos de A incrementados en k, mientras que los vectores caractersticos
correspondientes permanecen iguales.
TEOREMA 8.1.5
Dados un espacio vectorial V, sobre un cuerpo K, y un endomorfismo f,
y si I representa la transformacin identidad, se verifica que: es valor
caracterstico de f, si y slo si f - I no es inyectiva.
DEMOSTRACION
Este teorema es consecuencia inmediata de los teoremas anteriores, ya que es
valor caracterstico del endomorfismo f si, y slo si, 0 es valor caracterstico del
endomorfismo f - I, lo cual a su vez equivale a decir que f - I es singular.
DEFINICION 8.1.4
Se denomina radio espectral de una matriz A, y se designa por R(A), a
R(A) mx i , donde i son los valores caractersticos de A.
Ntese que estn incluidos los valores caractersticos complejos, indicndose su

valor por su mdulo.
Una vez conocido el radio espectral, se define su norma de la siguiente manera:

A 2 R(AT A) .
PROGRAMA EN MATLAB PARA CALCULAR LOS VALORES CARACTERISTICOS
% CALCULO DE LOS VALORES CARACTERISTICOS

clc; clear;
fprintf('\n VALORES CARACTERISTICOS \n');
filcol=input('Ingrese el orden de la matriz A: ');
%Ingreso de elementos
for f=1:filcol
for c=1:filcol
fprintf('Ingrese el elemento (%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf('\n LA MATRIZ ES:')
A
fprintf('\n EL POLINOMIO CARACTERISTICO ES:\n')
p=poly(A);
p
end
fprintf('\n LOS VALORES CARACTERISTICOS SON:\n')
ESPECTRO=eig(A);
[vector,vectorres1] = eig(A);
ESPECTRO
end
EJEMPLO 8.1.4
Sea A matriz de n x n. Si es un valor caracterstico de A con u como vector
caracterstico correspondiente, entonces k es un valor caracterstico de Ak, de
nuevo con u como vector caracterstico correspondiente, para cualquier entero

positivo k.
SOLUCION
La afirmacin es verdadera para k = 1. Supngase que es verdadera para k 1.
Entonces
Aku = Ak-1(Au) = Ak-1(u) =(Ak-1u) = (k-1u) = ku
de modo que la afirmacin es verdadera para k. As, por induccin, Aku = ku
para toda k.
EJEMPLO 8.1.5
Demuestre que una matriz triangular es singular s y slo si sus valores
caractersticos son reales y diferentes de cero.
SOLUCION
Suponga que A es una matriz triangular real cuyos elementos en la diagonal
principal son 1, 2, , n. As, A tiene valores caractersticos reales. Adems,
debido a que el determinante de A es Det(A) = 12 n, se concluye que A es
no singular s y slo si cada es diferente de cero.
EJEMPLO 8.1.6
Para una matriz no singular A, verifique que A y A-1 tienen los mismos vectores
caractersticos. Cmo se relacionan los valores caractersticos de A con los
valores caractersticos de A-1?
SOLUCION
Suponga que es un valor caracterstico de A, con vector caracterstico
correspondiente u. Debido a que A es no singular, se sabe que 0. As, Au =u
implica que u = A-1Au = A-1u = A-1u. Lo cual a su vez implica que (1/)u =
A-1u. Por tanto, u es un vector caracterstico de A-1 y su valor caracterstico
correspondiente es 1/.
EJEMPLO 8.1.7
Dados un espacio vectorial V, sobre un cuerpo K, y un endomorfismo f, y si I
representa la transformacin identidad, se verifica que = 0 es valor
caracterstico de f, si y slo si f no es inyectiva.
SOLUCION
La transformacin lineal f no es inyectiva cuando, y slo cuando, su ncleo tiene
algn vector no nulo, es decir, si existe u V, tal que f(u) = ; ahora bien,
esto ltimo es tanto como decir que = 0 es un valor caracterstico de f, siendo u
un vector caracterstico.
EJEMPLO 8.1.8
representa la transformacin identidad, se verifica que: es valor caracterstico de
f, si y slo si a K, - a es valor caracterstico de f - aI.
SOLUCION
Afirmar que el escalar es valor caracterstico de f es tanto como decir que existe
un vector no nulo u V tal que f(u) = u, lo que a su vez equivale a asegurar que,
para cualquiera que sea el escalar a, se verifica que f(u) au = u au, para un
vector u , que puede expresarse en la forma (f aI)u = ( - a)u, lo cual ocurre
si, y slo si, el escalar - a es un valor caracterstico del endomorfismo f aI.
EJEMPLO 8.1.9
Sean A una matriz de n x n e I la matriz identidad. Comparar los vectores y
valores caractersticos de A con los de A + kI para un escalar k.
SOLUCION
Si es un valor caracterstico de A con u como vector caracterstico
correspondiente, entonces + k es un valor caracterstico A + kI con u como

vector caracterstico correspondiente. Esto es, los propios valores de A + kI son
aquellos de A incrementados en k, mientras que los vectores caractersticos
correspondientes permanecen iguales.
EJEMPLO 8.1.10
representa la transformacin identidad, se verifica que: es valor caracterstico de
f, si y slo si f - I no es inyectiva.
SOLUCION
Este ejemplo es consecuencia inmediata de los ejemplos anteriores, ya que es
valor caracterstico del endomorfismo f si, y slo si, 0 es valor caracterstico del
endomorfismo f - I, lo cual a su vez equivale a decir que f - I es singular.
EJEMPLO 8.1.11
Conociendo los valores caractersticos de la matriz A, hallar los valores
caractersticos de la matriz A2.
SOLUCION
Los valores caractersticos de la matriz A2 son iguales a los cuadrados de los
valores caractersticos de A. En efecto, sea
Det(A - I) = (1 - )(2 - ) (n - )
y
Det(A + I) = (1 + )(2 + ) (n + )
Multiplicando estas igualdades y sustituyendo 2 por , obtenemos
Det(A2 - I) (12 )(22 )...(2n ) .
EJEMPLO 8.1.12
Conociendo los valores caractersticos de la matriz A, hallar los valores
caractersticos de la matriz f(A).
SOLUCION
Sea u un vector caracterstico de la matriz A, correspondiente al valor
caracterstico . Entonces
Iu = u,
Au = u,
A2u = 2u,
...
Amu = mu.
Multiplicando estas igualdades vectoriales por coeficientes arbitrarios y
sumndolas, obtenemos para cualquier polinomio f que f(A)u = f()u, es decir, u
es un vector caracterstico de f(A), correspondiente al valor caracterstico f().
EJEMPLO 8.1.13
Verifique que los valores caractersticos de una matriz triangular son los
elementos diagonales de la matriz.
SOLUCION
Como una matriz triangular superior tiene la forma siguiente
a11 a12 ... a1n

0 a22 ... a2 n
A
... ... ...
0 0 ... ann

y para encontrar los valores caractersticos tenemos que construir el polinomio
caracterstico, tenemos:

a11 a12 ... a1n 0 ... 0

0 a22 ... a2 n 0 ... 0
A - I
... ... ... ... ... ...

0 0 ... ann 0 0 ...
a11 a12 ... a1n

0 a22 ... a2 n
0.
... ... ...

0 0 ... ann
Por tanto p() = (a11 - )(a22 - ) ... (ann - ) y los valores caractersticos sern:
1 = a11, 2 = a22, ... , n = ann.
EJEMPLO 8.1.14
Sea A una matriz de orden n, demuestre que A y AT tienen el mismo polinomio
caracterstico y por lo tanto tienen los mismos valores caractersticos.
SOLUCION
Para demostrar que la matriz A y AT tienen el mismo polinomio caracterstico,
debemos probar que Det(A - I) = Det(AT - I). Es decir:
Det(AT - I) = Det(A - IT)T = Det(A - IT) = Det(A - I).
Con lo cual se puede asegurar que tienen los mismos valores caractersticos.
EJEMPLO 8.1.15
Sea A una matriz de orden n y sea c un nmero real. Si es un valor
caracterstico de A, demuestre entonces que c es un valor caracterstico de cA.
SOLUCION
Sabemos que para que sea valor caracterstico de la matriz A, debe cumplirse
que Au = u. Entonces debemos demostrar que (cA)u = (c)u. Es decir:
(cA)u = c(Au) = c(u) = (c)u.
Con esto queda demostrado que c es un valor caracterstico de la matriz cA.
EJEMPLO 8.1.16
Demuestre que si 0 < < , entonces la transformacin de una rotacin de un
ngulo en sentido antihorario no tiene valores caractersticos reales.
SOLUCION
Cos Sen
La ecuacin caracterstica de A es - (2Cos) + 1 = 0. Las
2
Sen Cos
races de esta ecuacin son Cos Cos 2 1 . Si 0 < < , entonces 1 <
Cos < 1, lo cual implica que Cos 2 1 es imaginario.
EJEMPLO 8.1.17
Sea A una matriz de n x n:
a.- Demuestre o refute que un vector caracterstico de A es tambin un vector
caracterstico de A2;
b.- Demuestre o refute que un vector caracterstico de A2 es tambin un vector
caracterstico de A.
SOLUCION
a.- Verdadero: Si Au = u, entonces A2u = A(Au) = A(u) = Au = (u) = 2u,
lo cual implica que u es un vector caracterstico de A2.
0 1
b.- Falso: Sea A 2
. Entonces u = (1, 0) es un vector caracterstico de A ,
1 0
pero no lo es de A.

EJEMPLO 8.1.18
Suponga que es un valor caracterstico de la matriz A y es un valor
caracterstico de la matriz B. Es + un valor caracterstico de A + B?
SOLUCION
Sabemos que para que sea valor caracterstico de A debe cumplirse que
Au = u, anlogamente para el valor caracterstico , Bv = v. Entonces si
sumamos estas dos ecuaciones, obtenemos:
Au + Bv = u + v
Lo que nos indica que + no es valor caracterstico de A + B. La nica
condicin para que esto se cumpla es que A y B tengan los mismos vectores
caractersticos, es decir u = v.
EJEMPLO 8.1.19
Demostrar que una matriz nilpotente no posee valores caractersticos diferentes de
cero.
SOLUCION
Sea valor caracterstico de la matriz nilpotente de n x n. Puesto que k es valor
caracterstico de Ak y como los valores caractersticos de una matriz son las races
de su polinomio caracterstico p(), entonces:
p() = Det(Ak - kI) = Det(O - kI) = Det(-kI) = (-1)nDet(kI) = (-1)nk = 0.
Por consiguiente k = 0 y = 0. De esta manera hemos demostrado que una
matriz nilpotente posee nicamente valores caractersticos iguales a cero.
EJEMPLO 8.1.20
Sea A una matriz cuadrada de orden 2. Demuestre que el polinomio caracterstico
de A es
p() = 2 - Tr(A) + Det(A).
SOLUCION
a b
La matriz de orden 2 tiene la forma A . Por lo tanto su polinomio
c d
caracterstico es:
a b 1 0 a b
p ( ) (a )(d ) bc .
c d 0 1 c d
p() = 2 - (a + d) + (ad bc) = 2 - Tr(A) + Det(A).
EJEMPLO 8.1.21
Demuestre que los polinomios caractersticos de las matrices AB y BA coinciden
para cualesquiera matrices cuadradas A y B.
SOLUCION
Si A es una matriz no singular, se tiene
Det(BA - I) = Det(A-1(AB - I)A) = Det(A-1)Det(AB - I)Det(A) = Det(AB -
I).
Para librarse de la suposicin de que A sea no singular, hay que pasar a lmites de
los polinomios de varias variables. Tambin se pueden calcular directamente los
coeficientes de los polinomios Det(AB - I) y Det(BA - I), empleando para ello
la propiedad del producto de las matrices rectangulares, y convencerse luego de
su igualdad.
EJEMPLO 8.1.22
Demuestre que los polinomios caractersticos de las matrices AB y BA slo se
diferencian en el factor (-)n-m. Aqu A es una matriz rectangular que tiene m filas
y n columnas, B tiene n filas y m columnas, n > m.

SOLUCION
Completemos las matrices A y B hasta que resulten unas matrices cuadradas A y
B de n x n, aadiendo a A n m filas y a B n m columnas formadas por ceros.
Entonces BA = BA, y AB se obtiene de AB orlando con ceros. La aplicacin
del resultado del problema precedente da lo que se quera demostrar.
PROBLEMAS
8.1.1 Demuestre que = 0 es un valor caracterstico de a b

la matriz A s y slo si A es singular. 8.1.11 Dada la matriz A , demuestre:
c d
8.1.2 Sean A y B matrices rectangulares de m x n y n x a.- Tiene dos valores caractersticos reales distintos si
m, respectivamente. Demuestre que los polinomios (a d)2 + 4bc > 0.
caractersticos de las matrices AB y BA cumplen la b.- Tiene un valor caracterstico real si (a d)2 + 4bc =
relacin 0.
c.- No tiene valores caractersticos reales si (a d)2 +
n Det (Im AB) m Det (In BA) . 4bc < 0.
8.1.3 Demuestre que A y su transpuesta tienen los 8.1.12 Demuestre que el polinomio caracterstico de la
mismos valores caractersticos. B -C
matriz real D de orden 2n, D = es igual al
8.2.4 Sea f : R2 R2 definida por f (v) proyu v , C B
producto de los polinomios caractersticos de las
donde u es un vector fijo en R2. Demuestre que los
valores caractersticos de A son 0 y 1. matrices complejas de n x n, A = B + iC y A = B - iC .
8.1.5 Demuestre que si A2 = O, entonces el nico valor 8.1.13 Suponga que una matriz A de n x n es no
caracterstico de A es cero. singular. Demuestre que los polinomios caractersticos
f() de A y h() de A-1 estn ligados por la relacin
a b 1 1
8.1.6 Dada la matriz A y si a, b, c, d son h() ()n f .
c d Det(A)
nmeros entero tales que a + b = c + d, entonces tiene
valores caractersticos enteros, 1 = a + b y 2 = a c. 8.1.14 Si los valores caractersticos de la matriz
a b
8.1.7 Demuestre que el polinomio caracterstico de la
A son 1 = 0 y 2 = 1, cules son los valores
0 d
A B posibles de a y d?
matriz M = donde A y B son matrices
B A
cuadradas de un mismo orden, es igual al producto de los 8.1.15 Dadas las matrices A y B simtricas y reales.
polinomios caractersticos de las matrices A + B y A B. Demuestre que si los valores caractersticos de la matriz
A yacen en el segmento [a; b] y los de la matriz B, en el
8.1.8 Generalice el resultado del problema anterior, al segmento [c; d], los valores caractersticos de la matriz
demostrar que si A es una matriz simtrica de n x n con A + B estn en el segmento [a + c; b + d]:
valores propios positivos, entonces existe una matriz 1 2 1 2 0 1

simtrica B tal que B2 = A. A 2 4 1 y B 0 3 1 .
1 1 3 1 1 4

8.1.9 Si V es un espacio vectorial eucldeo de dimensin
finita, prubese que el conjunto de todas las
transformaciones simtricas de V constituyen un 8.1.16 Demostrar que el polinomio caracterstico de la
subespacio del espacio vectorial de los endomorfismos matriz
en V. A B
M=
B A
8.1.10 Sea B una matriz de orden n dada, considere la donde A y B son matrices cuadradas de un mismo
transformacin lineal f : nxn nxn. f(A) = BA. Cmo orden, es igual al producto de los polinomios
son los valores caractersticos de f respecto a los valores caractersticos de las matrices A + B y A - B.
caractersticos de B?
8.1.17 Sea f : C[0; 1] C[0; 1] definida por f(f) = f . 8.1.19 Se conocen n valores caractersticos 1, 2, ,
Demuestre que = 1 es un valor caracterstico de n de una matriz A de orden n + 1. De qu modo
f(x) = ex. podemos hallar un valor caracterstico n+1 ms?
8.1.18 Sea A una matriz de orden n, n impar.

Compruebe que A posee al menos un valor caracterstico
real.
8.2 ECUACION CARACTERISTICA. SUBESPACIOS PROPIOS
En esta seccin se ver cmo encontrar una base para un espacio vectorial V integrada por vectores
caractersticos de una matriz de un endomorfismo f. Analizaremos tambin las multiplicidades aritmtica y
geomtrica.
Cuando se estudian problemas relativos a valores propios de un endomorfismo f

de un espacio vectorial V de dimensin n, sobre un cuerpo K, se presentan
situaciones especiales y se dispone de un procedimiento de bsqueda de valores
caractersticos que se analiza a continuacin.
En el supuesto de que V es un espacio vectorial de dimensin n, se va a proceder

a la bsqueda de los valores caractersticos del endomorfismo f : V V;
tomando para ello una base cualquiera S de V, en dicha base, las ecuaciones del
endomorfismo f son
v1 a11u1 a12 u2 ... a1n un
v a u a u ... a u
2 21 1 22 2 2n n

...
vn an1u1 an 2 u2 ... ann un
o en forma matricial
v1 a11 a12 ... a1n u1

v2 a21 a22 ... a2 n u2
... ... ... ... ...

vn an1 an 2 ... ann un
de una manera mas compacta, podemos expresarla como Y = AX. En donde
aij K, A = (aij) (n, n) es la matriz asociada, en la base S, al endomorfismo f,
(u1, u2, ..., un)T Rn es sistema de coordenadas de un vector u, (v1, v2, ..., vn)T
Rn es el sistema de coordenadas del vector v = f(u) imagen de u, y X, Y (n, 1)
son las matrices columna de las coordenadas de u y v, respectivamente.
Un escalar K es un valor caracterstico de f si, y slo si, f - I no es inyectiva,

como en la base adoptada, la transformacin f - I tiene por matriz asociada la
matriz A - I, donde I es la matriz identidad, resulta que es valor caracterstico
de f si, y slo si, la matriz A - I es singular, es decir, los valores caractersticos
de f son los escalares para los cuales se verifica Det(A - I) = 0; por
consiguiente, el espectro de f es el conjunto de las soluciones de esta ecuacin, la
cual, expresada de manera explcita, es
a11 a12 ... a1n
a21 a22 ... a2 n
Det(A - I) 0.
... ... ...
an1 an 2 ... ann
Esta ecuacin indica que el sistema Au = u tendr una solucin u si y slo si

la matriz de coeficientes del sistema (A - I)u = tiene rango estrictamente

menor que n, lo cual implica que Det(A - I) = 0.
DEFINICION 8.2.1
La transformacin p : K K, definida por p() = Det(A - I), para todo
K, es evidentemente un polinomio de grado n que se denomina
polinomio caracterstico.
El coeficiente en n de este polinomio es (-1)n y su trmino independiente es

Det(A). Se pretende obtener, como consecuencia del conocimiento de la matriz A,
todos los coeficientes del polinomio p(). Para ello, expresando cada una de las
filas de A - I como suma de la fila del mismo lugar de la matriz A mas la
correspondiente fila de -I, resulta que Det(A - I) es igual a la suma de los 2n
determinantes siguientes: en el determinante de A, los determinantes de las n
matrices que se obtienen al sustituir, en A, una de sus filas por la correspondiente
n n!
fila de -I, ..., los determinantes de las matrices que se obtienen

k k !( n k )!
al sustituir, en A, k de sus filas por las correspondientes filas de -I, ..., el
determinante de -I. Para k = 1, 2, ..., n 1, el determinante de la matriz cuyas
filas f1, f2, ..., fk son las correspondientes filas de -I y cuyas filas fk+1, fk+2, ..., fn
son las correspondientes filas de A, al desarrollarlo por menores de las filas f1, f2,
..., fk, resulta ser igual al producto de (-)k por el menor complementario, en la
matriz A, del menor obtenido con las filas f1, f2, ..., fk y las columnas c1, c2, ..., ck,
esto es, el menor de A obtenido con las filas fk+1, fk+2, ..., fn y las columnas ck+1,
ck+2, ..., cn.
Los menores de A obtenidos de filas y columnas de iguales ndices, esto es, los
determinantes de las submatrices de A ubicadas simtricamente respecto de su
diagonal principal, se llaman menores diagonales de A; un menor diagonal de A
obtenido con k filas y k columnas, se dir que es un menor diagonal de orden k.
Resulta de todo ello que para el polinomio p(), ser:
p() = a0 + a1 + a22 + ... + an-1n-1 + ann
siendo sus coeficientes
a0 = Det(A)
a1 = (-1)(d11 + d22 + + dnn)
...
n
ak = (-1)k suma de los menores diagonales de n k de la matriz A
k
...
an-1 = (-1)n-1(a11 + a22 + ... + ann)
an = (-1)n.
De una manera mas simplificada, podemos decir que al tomar en consideracin la

expresin del determinante de la matriz en trminos de los elementos de sta, es
fcil entender que el primer miembro de Det(A - I) = 0 puede ser representado
en la forma
Det(A - I) = a0 + a1 + a22 + ... + an-1n-1 + ann.
Los coeficientes a0, a1, a2, ..., an-1, an se calculan de tal o cual manera segn los
elementos de la matriz A y no dependen de . La potencia mxima de slo
figura en el producto de los elementos diagonales de la matriz A - I y, por ello,
an = 1. He aqu la expresin explcita para dos coeficientes. A saber,
a0 = (-1)nDet(A) y an-1 = -Tr(A).

Se puede suponer, en general, que al representar Det(A - I) en potencias de ,

empleando para ello diferentes mtodos, obtendremos las expresiones de un tipo
anlogo a a0 + a1 + a22 + ... + an-1n-1 + ann, mas con distintos coeficientes ai.
Sin embargo, en lo que sigue se mostrar que la suposicin citada no tiene lugar.
Los coeficientes en a0 + a1 + a22 + ... + an-1n-1 + ann no dependen de cmo se
realiza el clculo.
Teniendo en cuenta que el determinante Det(A - I) no depende de la base,

llegaremos a que todos los coeficientes a0, a1, a2, ..., an-1, an son, en realidad, las
caractersticas de la matriz A. La funcin p() = a0 + a1 + a22 + ... + an-1n-1 +
ann se denomina polinomio caracterstico de la matriz A. Para que el escalar
K sea el valor caracterstico de la matriz A, es necesario y suficiente que
satisfaga la ecuacin a0 + a1 + a22 + ... + an-1n-1 + ann = 0 es decir, que sea
una raz del polinomio caracterstico.
TEOREMA 8.2.1
Un escalar es un valor caracterstico de f si y slo si es una raz del
polinomio caracterstico de una matriz que represente a f.
DEMOSTRACION
La ecuacin caracterstica de valores caractersticos se puede escribir en la forma
(f - I)u = . Sabemos que existe un vector diferente de cero u que satisface esta
condicin si y slo si f - I es singular. Sea S una base cualquiera de V y sea
A = (aij) la matriz que representa f con respecto a esta base. Entonces A - I es la
matriz que representa a f - I. Ya que A - I es singular si y slo si
Det(A - I) = 0.
EJEMPLO 8.2.1
Demuestre que una matriz triangular es singular si y slo si sus valores
caractersticos son reales y deferentes de cero.
SOLUCION
principal son 1, 2, ..., n. Se sabe que los valores caractersticos de A son 1, 2,
..., n. As, A tiene valores caractersticos reales. Adems, debido a que el
determinante de A es Det(A) = 1 2 ... n, se concluye que A es no singular si y
slo si cada i es diferente de cero.
Este teorema slo se aplica a escalares. En particular, una solucin de la ecuacin

caracterstica que no es un escalar, no es un valor caracterstico. Por ejemplo, si el
cuerpo de escalares es el cuerpo de los nmeros reales, entonces las soluciones
complejas, no reales del polinomio caracterstico no son valores caractersticos.
Por tanto, un valor caracterstico es un valor caracterstico si y slo si tambin
est en el cuerpo de escalares dado.
Los valores caractersticos del endomorfismo f, son las races del polinomio
caracterstico de f, algebraicamente de grado n con coeficientes en K.
DEFINICION 8.2.2
La transformacin p : K K, definida por p() = Det(A - I), para todo
K, es evidentemente un polinomio de grado n que se denomina
polinomio caracterstico.
Si 0 es raz de orden de multiplicidad k del polinomio caracterstico de A, se dir

que se trata de un valor caracterstico de orden k de A. Si el cuerpo K es
algebraicamente cerrado, en particular si K = C, el polinomio caracterstico es
factorable y la ecuacin caracterstica se puede expresar en la forma
Det(A - I) (1)n ( 1 )k1 ( 2 )k2 ...( r )kr 0

con k1 + k2 + ... + kr = n, en la que 1, 2, ..., r son los valores caractersticos de
A, de rdenes respectivos k1, k2, ..., kr. Cuando K es algebraicamente cerrado,
toda matriz A tiene siempre un valor caracterstico, al menos pudiendo tener hasta
n valores caractersticos distintos; si cada valor caracterstico se cuenta un nmero
de veces igual a su orden, se verifica que la matriz A, tiene exactamente n valores
caractersticos.
Dado un endomorfismo, para cada valor caracterstico de f, es decir, para cada

raz de su ecuacin caracterstica, los vectores caractersticos de f
correspondientes a , junto con el vector nulo, constituyen el subespacio propio
V() que, no es ms que el ncleo de f - I, es decir, el conjunto de los vectores
u V tales que (f - I)u = .
Elegida una base S de V, y si A es la matriz asociada a f en ella, los vectores

caractersticos correspondientes al valor caracterstico son, aquellos vectores no
nulos tales que la matriz columna de sus coordenadas, X (n, 1), satisface
(a11 )u1 a12 u2 ... a1n un 0
a u (a )u ... a u 0
21 1 22 2 2n n

...
an1u1 an 2 u2 ... (ann )un 0
La dimensin del subespacio propio V(), esto es, el nmero mximo de vectores
caractersticos correspondientes a que son linealmente independientes, ser,
pues d = dimV() = dim(Nuc(f - I)) = n Rang(f - I) esto es, recurriendo a la
matriz A, asociada a f en una base S de V, d = dimV() = n Rang(A - I).
DEFINICION 8.2.3
Se denomina multiplicidad geomtrica de V() a la dimensin de . Se
denomina multiplicidad algebraica de , al nmero de veces que se repite
una raz del polinomio caracterstico.
TEOREMA 8.2.2
La multiplicidad geomtrica de no excede a la multiplicidad algebraica
de .
DEMOSTRACION
Ya que la multiplicidad geomtrica de se define independientemente de
cualquier matriz que represente a f y la ecuacin caracterstica es la misma para
todas las matrices que representan a f, bastar probar el teorema para cualquier
matriz particular que represente a f. Escogeremos la matriz que represente a f, de
tal manera que la aseveracin del teorema sea evidente. Sea t la dimensin de
V() y {u1, u2, ..., ut} de V(). Este conjunto linealmente independiente puede
extenderse hasta una base {u1, u2, ..., un} de V. Ya que f(ui) = ui para i t, la
matriz A que representa a f con respecto a esta base tiene la forma
0 0 a1 t 1 a1n

0 0 a2 t 1 a2 n

A 0 0 at t 1 at n .

0 0 0 at 1 t 1 at 1 n

0 0 0 a a
n t 1 n n

De la forma de A es evidente que Det(A - I) = p() es divisible entre ( t )kt .

Por lo tanto, la multiplicidad algebraica de es al menos t, que es la multiplicidad
geomtrica.
PROGRAMA EN MATLAB PARA CALCULAR VALORES Y VECTORES CARACTERISTICOS
% CALCULO DE VALORES Y VECTORES CARACTERISTICOS

clc; clear;
fprintf('\n VALORES Y VECTORES CARACTERISTICOS \n');
filcol=input('INGRESE EL ORDEN DE LA MATRIZ A: ');
for f=1:filcol
for c=1:filcol
A(f,c)=input(' :');
end
end
clc;
fprintf('\n LA MATRIZ ES:\n');
A
fprintf('\n EL POLINOMIO CARACTERISTICO ES:\n');
POLINOMIO=poly(A);
POLINOMIO
fprintf('\n LOS VALORES CARACTERISTICOS SON:\n');
ESPECTRO=eig(A);
[vector,V] = eig(A);
ESPECTRO
%resolucion del sistema de ecuaciones
for c=1:filcol
fprintf('\n REMPLAZAMOS EL VALOR CARACTERISTICO (%d) EN LA ECUACION
CARACTERISTICA:\n',c)
%A(f,c)=input(' :');
I=eye(size(A));
r=ESPECTRO(c,1)
F=A-I*r;
vector0=zeros(filcol,1);
fprintf('\n LA MATRIZ AUMENTADA (%d) ES: \n',c);
B=[F,vector0];
B
%solucion = F^(-1)*vector0;
%solucion
fprintf('\n LA MATRIZ REDUCIDA (%d) ES: \n',c)
R=rref(B);
R
end
fprintf('\n VECTORES CARACTERISTICOS \n')
V=vector';
for f2=1:filcol
fprintf('\n V%d : \n',f2)
V(f2,1:filcol)
End
EJEMPLO 8.2.2
Demuestre que el trmino constante del polinomio caracterstico es Det(A).
SOLUCION
El polinomio caracterstico de A es p() = Det(A - I). As el trmino constante
de p() est dado por p(0) = Det(A).
EJEMPLO 8.2.3
Demuestre que una matriz cuadrada de orden n es no singular si, y slo si = 0
no es un valor caracterstico de A.
SOLUCION
Sabemos que el trmino independiente del polinomio caracterstico es igual a
Det(A), y para que una matriz sea no singular su determinante debe ser diferente
de cero. Por lo tanto si fuese un valor caracterstico de la matriz A, entonces
tenemos que p(0) = Det(A) 0, lo cual contradice la hiptesis y podemos concluir
que = 0 no es valor caracterstico de una matriz no singular.
EJEMPLO 8.2.4
Demuestre que una matriz triangular es singular si y slo si sus valores
caractersticos son reales y deferentes de cero.
SOLUCION
principal son 1, 2, ..., n. Se sabe que los valores caractersticos de A son 1, 2,
..., n. As, A tiene valores caractersticos reales. Adems, debido a que el
determinante de A es Det(A) = 1 2 ... n, se concluye que A es no singular si y
slo si cada i es diferente de cero.
EJEMPLO 8.2.5
Sea la matriz
0 1
A
1 0
Se puede demostrar que si u es cualquier vector columna de R2, entonces Au se
puede obtener geomtricamente de u rotando u un ngulo de 90 en el sentido
contrario al que giran las manecillas del reloj.
a.- Probar geomtricamente que A no tiene valores caractersticos reales.
b.- Hallar los valores y vectores caractersticos complejos de A.
c.- Argumentar geomtricamente que A2 deber tener valores caractersticos
reales.
d.- Usar el apartado b) para hallar los valores caractersticos de A2 y comparar el
resultado con la respuesta obtenida en la parte c). Cules son los vectores
caractersticos reales y los vectores caractersticos complejos de A2
e.- Hallar valores y vectores caractersticos para A3.
f.- Hallar valores y vectores caractersticos para A4.
SOLUCION
a.- Ningn vector distinto de cero en el plano va a un vector paralelo por
rotacin de 90.
1
b.- 0 2 + 1 = 0 1 = i y 2 = - i.
1
i 1 a 0 i 1 0 i 1 0

1 i b 0 1 i 0 0 0 0

a

i

V(1 ) Span / a bi Base V (1 )

b

1
i 1 a 0 i 1 0 i 1 0

1 i b 0 1 i 0 0 0 0
a

i

V( 2 ) Span / a bi Base V ( 2 )

b

1
c.- A2u = A(Au) corresponde a rotar u 180 en el sentido contrario al que giran
las manecillas del reloj, lo cual equivale a multiplicar u por 1. As, -1 es un valor
caracterstico.
d.- A2 tiene valores caractersticos 1 = i2 = -1 y 2 = (-i)2 = -1. Todos los
vectores reales distintos de cero y todos los vectores complejos son vectores
caractersticos
1 0
A2 .
0 1
e.- A3 no tiene valores caractersticos reales, sino valores caractersticos
complejos 1 = i3 = -i y 2 = (-i)3 = i con vectores caractersticos
i
i

Base V (1 ) y Base V ( 2 ) .

1
1
f.- A4 tiene valores caractersticos 1 = i4 = 1 y 2 = (-i)4 = 1 corresponde a la
rotacin de 360. Todo vector real o complejo distinto de cero es un vector
caracterstico.
EJEMPLO 8.2.6
Demuestre que si u es vector caracterstico tanto de f como de g, entonces u
tambin es un vector caracterstico de f y de f + g. Si 1 es el valor caracterstico
de f y 2 el valor caracterstico de g correspondientes a u, cules son los valores
caractersticos de f y de f + g?
SOLUCION
Si f(u) = 1u y g(u) = 2u, entonces
(f + g)(u) = f(u) + g(u) = 1u + 2u = (1 + 2)u
Tambin
(f)(u) = f(u) = 1u.
EJEMPLO 8.2.7
Demuestre que si 1 y 2 1 son valores caractersticos de f1 y u1 y u2 son
vectores caractersticos correspondientes a 1 y 2, respectivamente, entonces
u1 + u2 no es un vector caracterstico.
SOLUCION
Si u1 + u2 es un vector caracterstico con valor caracterstico , entonces
(u1 + u2) = f(u1 + u2) = 1u1 + 2u2
Ya que ( - 1)u1 + ( - 2)u2 = se tiene que - 1 = - 2 = 0.
EJEMPLO 8.2.8
Para cada una de las siguientes matrices, determine su polinomio caracterstico,
sus valores y vectores caractersticos:
5 0 1 1 3 2
a.- ; b.- ; c.- .
6 0 1 4 1 2
SOLUCION
a.- El polinomio caracterstico tiene la forma siguiente:
5 0
p ( ) (5 ) .
6
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
(5 - ) = 0 = 0 y = 5.
Los vectores caractersticos se encuentran reemplazando cada valor caracterstico
en la ecuacin caracterstica, y luego se resuelve cada sistema homogneo:
5 0 x 0 5 0 0 5 0 0
= 0:
6 0 y 0 6 0 0 0 0 0
de donde obtenemos que x = 0 e y R. Por consiguiente el subespacio propio
generado por el valor caracterstico = 0 tiene la forma siguiente:
V() = {(x, y) / x = 0} BaseV() = {(0, 1)} dimV() = 1.

0 0 x 0 0 0 0
= 5:
6 5 y 0 6 5 0
de donde obtenemos que 6x 5y = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico = 5 tiene la forma siguiente:
V() = {(x, y) / 6x 5y = 0} BaseV() = {(5, 6)} dimV() = 1.
b.- El polinomio caracterstico tiene la forma siguiente:
1 1
p ( ) (1 )(4 ) 1 2 5 5 .
1 4
caracterstico:
5 5 5 5
2 - 5 + 5 = 0 y .
2 2
en la ecuacin caracterstica, y luego se resuelve cada sistema homogneo:
3 5
1
5 5
2 x 0
:
2
3 5 0
y
1
2
3 5
1 0 3 5 0
2 1
2
3 5 0 0
1 0 0
2
3 5
de donde obtenemos que x y 0 . Por consiguiente el subespacio
2
5 5
propio generado por el valor caracterstico tiene la forma siguiente:
2

3 5

V () ( x, y) x y 0

2

BaseV() 2, 3 5 dimV() = 1.
3 5
1
5 5
2 x 0
:
2 3 5 y 0
1
2
3 5
1 0 3 5 0
2 1
2
3 5 0 0
1 0 0
2
3 5
de donde obtenemos que x y 0 . Por consiguiente el subespacio
2
5 5
propio generado por el valor caracterstico tiene la forma siguiente:
2

3 5

V ( ) ( x , y ) x y 0

2

BaseV() 2, 3 5 dimV() = 1.

c.- El polinomio caracterstico tiene la forma siguiente: p() 2 5 4 .

caracterstico: 2 5 4 0 = -1 , y = -4.
en la ecuacin caracterstica, y luego se resuelve cada sistema de ecuaciones
homogneo:
2 2 x 0 2 2 0 0 0 0
= -1:
1 1
y 0 1 1 0 1 1 0
de donde obtenemos que x = y. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / x y = 0} BaseV() = {(1, 1)} dimV() = 1.
1 2 x 0 1 2 0 1 2 0
= -4:
1 2
y 0 1 2 0 0 0 0
de donde obtenemos que x = - 2y. Por consiguiente el subespacio propio generado
V() = {(x, y) / x + 2y = 0} BaseV() = {(-2, 1)} dimV() = 1.
EJEMPLO 8.2.9
sus valores y vectores caractersticos:
1 0 0 3 2 1 2 8 7

a.- 3 1 0 ; b.- 0 5 7 ; c.- 0 3 1 .
4 2 2 0 2 4 0 1 1

SOLUCION
p() 3 42 5 2 .
caracterstico: 3 42 5 2 0 = 1, = 1 y = 2.
Donde = 1 tiene multiplicidad algebraica 2. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
0 0 0 x 0 0 0 0 0 0 0 0 0

= 1: 3 0 0 y 0 3 0 0 0 3 0 0 0
4 2 1 z 0 4 2 1 0 0 2 1 0

de donde obtenemos que x = 0, z = -2y. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z) / x = 0, 2y + z = 0}
BaseV() = {(0, 1, -2)} dimV() = 1.
1 0 0 x 0

= 2: 3 1 0 y 0
4 2 0 z 0

1 0 0 0 1 0 0 0 1 0 0 0

3 1 0 0 0 1 0 0 0 1 0 0
4 2 0 0 0 2 0 0 0 0 0 0

de donde obtenemos que x = y = 0. Por consiguiente el subespacio propio
V() = {(x, y) / x = y = 0} BaseV() = {(0, 0, 1)} dimV() = 1.

p() 3 4 2 3 18 .
caracterstico:
3 42 3 18 0 ( 3)2 ( 2) 0 = -3, = 2.
Donde = -3 tiene multiplicidad algebraica 2. Los vectores caractersticos se
0 2 1 x 0

= -3: 0 2 7 y 0
0 2 7 z 0

0 2 1 0 0 2 1 0 0 2 1 0

0 2 7 0 0 0 6 0 0 0 1 0
0 2 7 0 0 0 6 0 0 0 0 0

de donde obtenemos que y = z = 0. Por consiguiente el subespacio propio
V() = {(x, y, z) / y = z = 0} BaseV() = {(1, 0, 0)} dimV() = 1.
5 2 1 x 0 5 2 1 0 5 0 1 0

= 2: 0 7 7 y 0 0 7 7 0 0 1 1 0
0 2 2 z 0 0 2 2 0 0 0 0 0

de donde obtenemos que 5x + z = 0 e y + z = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / 5x + z = 0, y + z = 0}
BaseV() = {(-1, -5, 5)} dimV() = 1.
c.- El polinomio caracterstico tiene la forma siguiente:
p() 3 6 2 12 8 .
caracterstico:
3 62 12 8 0 ( 2)3 0 = 2.
0 8 7 x 0

= 2: 0 1 1 y 0
0 1 1 z 0

0 8 7 0 0 8 7 0 0 8 0 0

0 1 1 0 0 0 1 0 0 0 1 0
0 1 1 0 0 0 1 0 0 0 0 0

de donde obtenemos que y = z = 0. Por consiguiente el subespacio propio
V() = {(x, y, z) / y = z = 0} BaseV() = {(1, 0, 0)} dimV() = 1.
EJEMPLO 8.2.10
sus valores caractersticos y sus vectores caractersticos:
2 3 4 5 1 0 0 0 1 2 0 3

a.-
0 2 0 0 ; b.- 0 1 0 0 ; c.- 1 2 0 3
.
0 0 2 0 4 7 2 1 0 0 2 0

0 4 4 2 2 3 4 2 1 2 0 3
SOLUCION
p() 4 83 242 32 16 .
caracterstico:
4 83 242 32 16 0 ( 2)4 0 = 2.
0 3 4 5 x 0

0 0 0 0 y 0
= 2:
0 0 0 0 z 0

0 4 4 0 u 0
0 3 4 5 0 0 3 4 5 0 0 1 0 5 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 4 4 0 0 0 0 1 5 0 0 0 1 5 0
de donde obtenemos que y + 5u = 0, z + 5u = 0. Por consiguiente el subespacio
V() = {(x, y, z, u) / y + 5u = 0, z + 5u = 0}
BaseV() = {(1, 0, 0, 0), (0, -5, -5, 1)} dimV() = 2.
p() 4 63 9 2 4 .
caracterstico:
4 63 92 4 0 ( 4)( 1)2 0 = 0, = 4, = 1.
donde = 1 tiene multiplicidad algebraica 2. Los vectores caractersticos se
1 0 0 0 x 0

0 1 0 0 y 0
= 0:
4 7 2 1 z 0

2 3 4 2 u 0
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0

0 1 0 0 0 0 1 0 0 0 0 1 0 0 0

4 7 2 1 0 0 7 2 1 0 0 0 2 1 0

2 3 4 2 0 0 3 4 2 0 0 0 0 0 0
de donde obtenemos que x = y = 0, 2z + u = 0. Por consiguiente el subespacio
V() = {(x, y, z, u) / x = y = 0, 2z + u = 0}
BaseV() = {(0, 0, 1, -2)} dimV() = 1.
0 0 0 0 x 0

0 0 0 0 y 0
= 1:
4 7 1 1 z 0

2 3 4 1 u 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

4 7 1 1 0 4 7 1 1 0 2 0 25 4 0

2 3 4 1 0 0 1 7 1 0 0 1 7 1 0
de donde obtenemos que 2x + 25z + 4u = 0, y 7z u = 0. Por consiguiente el
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / 2x + 25z + 4u = 0, y 7z u = 0}
BaseV() = {(-25, 14, 2, 0), (-2, 1, 0, 1)} dimV() = 2.
3 0 0 0 x 0 3 0 0 0 0

0 3 0 0 y 0 0 3 0 0 0
= 4:
4 7 2 1 z 0 4 7 2 1 0

2 3 4 2 u 0 2 3 4 2 0
3 0 0 0 0 1 0 0 0 0 1 0 0 0 0

0 3 0 0 0 0 1 0 0 0 0 1 0 0 0
0 7 2 1 0 0 0 2 1 0 0 0 2 1 0

0 3 4 2 0 0 0 2 1 0 0 0 0 0 0
de donde obtenemos que x = y = 0, -2z + u = 0. Por consiguiente el subespacio
V() = {(x, y, z, u) / x = y = 0, -2z + u = 0}
BaseV() = {(0, 0, 1, 2)} dimV() = 1.
c.- El polinomio caracterstico tiene la forma siguiente:
p() 4 43 4 2 .
caracterstico:
4 43 42 0 2 ( 2)2 0 = 0, = 2.
Donde = 0 y = 2 tienen multiplicidad algebraica 2. Los vectores
caractersticos se encuentran reemplazando cada valor caracterstico en la
ecuacin caracterstica, y luego se resuelve cada sistema de ecuaciones
homogneo:
1 2 0 3 x 0 1 2 0 3 0 1 2 0 3 0

1 2 0 3 y 0 1 2 0 3 0 0 0 0 0 0
= 0:
0 0 2 0 z 0 0 0 2 0 0 0 0 2 0 0

1 2 0 3 0 0 0 0 0 0

1 2 0 3 u 0
de donde obtenemos que x + 2y + 3u = 0, z = 0. Por consiguiente el subespacio
V() = {(x, y, z, u) / x + 2y + 3u = 0, z = 0}
BaseV() = {(-2, 1, 0, 0), (-3, 0, 0, 1)} dimV() = 2.
1 2 0 3 x 0

1 4 0 3 y 0
= 2:
0 0 0 0 z 0

1 2 0 1 u 0
1 2 0 3 0 1 2 0 3 0 1 0 0 1 0

1 4 0 30 0 1 0 1 0 0 1 0 1 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1 2 0 1 0 0 1 0 1 0 0 0 0 0 0
de donde obtenemos que x u = 0, y + u = 0. Por consiguiente el subespacio

V() = {(x, y, z, u) / x - u = 0, y + u = 0}
BaseV() = {(1, -1, 0, 1) , (0, 0, 1, 0)} dimV() = 2.
EJEMPLO 8.2.11
Para cada una de las siguientes transformaciones lineales, determine sus valores y
vectores caractersticos:
a.- f : P1 P1, f(a + bx) = a + (a + b)x;
b.- f : R2 R2, f((a, b)) = (a + b, b);
a b 4a 5b 2b
c.- f : (2, 2) (2, 2), f .
c d 2c d c 3d
SOLUCION
a.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
1 0
[f ] .
1 1
Para encontrar el polinomio caracterstico, debemos resolver el siguiente
determinante:
Det(f - I) = 2 - 2 + 1 = (1 - )2 = 0.
Por tanto los valores caractersticos son: = 1, siendo ste de multiplicidad
algebraica 2. Los vectores caractersticos se encuentran reemplazando cada valor
caracterstico en la ecuacin caracterstica, y luego se resuelve cada sistema de
ecuaciones homogneo:
0 0 x 0 0 0 0
= 1:
1 0 y 0 1 0 0
de donde obtenemos que x = 0. Por consiguiente el subespacio propio generado
V() = {(x, y) / x = 0} BaseV() = {(0, 1)} dimV() = 1.
b.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
1 1
[f ] .
0 1
Para encontrar el polinomio caracterstico, debemos resolver el siguiente
determinante: Det(f - I) = 2 - 2 + 1 = (1 - )2 = 0.
Por tanto los valores caractersticos son: = 1, siendo ste de multiplicidad
algebraica 2. Los vectores caractersticos se encuentran reemplazando cada valor
0 1 x 0 0 1 0
= 1:
0 0 y 0 0 0 0
de donde obtenemos que y = 0. Por consiguiente el subespacio propio generado
V() = {(x, y) / y = 0} BaseV() = {(1, 0)} dimV() = 1.
c.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
4 5 0 0

0 2 0 0
[f ] .
0 0 2 1

0 0 1 3
El polinomio caracterstico tiene la forma siguiente:
p() 4 113 432 70 40 .


caracterstico:
5 5 5 5
4 113 432 70 40 ( 2)( 4)
0
2 2
5 5 5 5
= 2, = 4, , .
2 2
Donde todos los valores caractersticos tienen multiplicidad algebraica 1. Los
vectores caractersticos se encuentran reemplazando cada valor caracterstico en
la ecuacin caracterstica, y luego se resuelve cada sistema de ecuaciones
homogneo:
2 5 0 0 x 0 2 5 0 0 0 2 5 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0
y 0
= 2:
0 0 0 1 z 0 0 0 0 1 0 0 0 0 1 0

0 0 1 1 u 0 0 0 1 1 0 0 0 1 0 0
de donde obtenemos que 2x + 5y = 0, z = u = 0. Por consiguiente el subespacio
V() = {(x, y, z, u) / 2x + 5y = 0, z = u = 0}
BaseV() = {(-5, 2, 0, 0)} dimV() = 1.
0 5 0 0 x 0

0 2 0 0 y 0
= 4:
0 0 2 1 z 0

0 0 1 1 u 0
0 5 0 0 0 0 5 0 0 0 0 5 0 0 0

0 2 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 2 1 0 0 0 2 1 0 0 0 1 0 0

0 0 1 1 0 0 0 0 1 0 0 0 0 1 0
de donde obtenemos que y = z = u = 0. Por consiguiente el subespacio propio
V() = {(x, y, z, u) / y = z = u = 0}
BaseV() = {(1, 0, 0, 0)} dimV() = 1.
3 5
5 0 0
2
1 5 x 0
0 0 0
5 5 y 0
: 2
2 1 5 z 0
0 0 1
2 u 0
1 5
0 0 1
2
3 5
5 0 0
2
1 5 0
0 0 0
2 0
1 5 0
0 0 1
2 0
1 5
0 0 1
2

1 5
0 0 0
2 0
1 5
0 0 0 0
2
0
1 5
0 0 1 0
2
0
0 0 0
de donde obtenemos que x = y = 0, (1 5) z 2u 0 . Por consiguiente el
V() = {(x, y, z, u) / x = y = 0, (1 5) z 2u 0 }
BaseV() = {(0, 0, 5 - 1, 2)} dimV() = 1.
3 5
5 0 0
2
5 1 x 0
0 0 0
5 5 y 0
: 2
2 5 1 z 0
0 0 1
2 u 0
1 5
0 0 1
2
3 5
5 0 0 1 5
2 0 0 0
5 1 0 2 0
0 0 0 5 1
2 0 0 0 0 0

0 0
2
5 1
0 0 1 5 1
2 0 0 0 1 0
2
1 5 0 0
0 0 1 0 0
2
de donde obtenemos que x = y = 0, ( 5 1) z 2u 0 . Por consiguiente el
V() = {(x, y, z, u) / x = y = 0, ( 5 1) z 2u 0 }
BaseV() = {(0, 0, 1 5 , -2)} dimV() = 1.
EJEMPLO 8.2.12
Demostrar que los polinomios caractersticos p() de una matriz A y q() de una
matriz A - I estn ligados por la relacin q() = p( + 0).
SOLUCION
Sabemos que: q() = Det((A - I) - 0I) = Det(A - I - 0I) = Det(A ( + 0)I).
Si = + 0, entonces: q() = Det(A - I) = p(). Como q() = p(), pero
= - 0, entonces q() = p( + 0).
PROBLEMAS
8.2.1 Encuentre un ejemplo en el que los vectores 8.2.2 Evale ex, donde A es la matriz siguiente:
caractersticos de una transformacin lineal f 1 0 1 0 0 1
relacionados con el valor caracterstico nulo, y solamente a.- ; b.- ; c.- .
ellos, pertenecen al ncleo de esta transformacin. 0 1 1 0 1 0

1 0 0 0

8.2.3 Sea B 0 2 0 y sean e1 = (1, 0, 0), e2 =
8.2.8 Sea B . Demuestre que, si ,
0
0 0 entonces los vectores caractersticos asociados con
3
(0, 1, 0), e3 = (0, 0, 1). Muestre que si 1, 2, 3 son son todos los vectores no nulos c(1, 0) y aquellos
distintos entre s, entonces para cada k los vectores asociados con son todos los vectores no nulos c(0, 1).
caractersticos asociados son los vectores ek para 0; Muestre que si = , entonces los vectores
muestre que si 1 = 2 3, entonces los vectores caractersticos asociados con son todos los vectores no
caractersticos asociados con 1 son todos los vectores no nulos (x, y).
nulos 1e1 + 2e2 y aquellos asociados con 3, son todos
8.2.9 En cada una de las siguientes matrices,
los vectores no nulos e3; muestre que si 1 = 2 = 3,
encuntrense los valores caractersticos y los
entonces los vectores caractersticos asociados con 1 subespacios propios:
son todos los vectores no nulos v = (x, y, z).
1 2 3 0 1 2

8.2.4 Sea un valor caracterstico de una a.- 0 1 4 ; b.- 0 0 3 ;
0 0 2 0 0 1
transformacin lineal f. Sea V() el subespacio propio
correspondiente. Demustrese que: 0 0 1 1 1 3
a.- Si u est en V(), y si v = (f - I)u O, entonces u,
c.- 0 0 2 ; d.- 0 2 6 ;
v es conjunto linealmente independiente. 0 0 0 0 0 2
b.- Si u est en V() y si (f - I)2u O, entonces u, (f -
I)u, (f - I)2u es conjunto linealmente independiente. 0 1 0 1 2 0

e.- 0 1 1 ; f.- 0 1 2 .
8.2.5 Demuestre con un ejemplo que si una 0 1 1 2 0 1
transformacin lineal f es no singular, entonces los
vectores caractersticos de f y de f -1 son los mismos.
Hallar la relacin entre los valores caractersticos de 8.2.10 Demuestre que si u es un vector caracterstico de
estas transformaciones. f, entonces u tambin es un vector caracterstico de p(f),
donde p(x) es un polinomio con coeficientes en K. Si
8.2.6 D un ejemplo en el que los vectores es un valor caracterstico de f correspondiente a u, cul
caractersticos relativos a los valores caractersticos no es el valor caracterstico de p(f) correspondiente a u?
nulos pertenecen a la imagen de esta transformacin.
8.2.11 Sea A una matriz de n x n. Demuestre que si
8.2.7 Si x es un nmero real, entonces ex puede definirse Au = u, entonces u es un vector caracterstico de
mediante la serie (A cI). Cul es el valor caracterstico
1 1 1 correspondiente?
eA = I + A + A 2 + A3 + A 4 + ...
2! 3! 4!
8.3 SEMEJANZA DE MATRICES
En esta seccin estudiaremos la matriz de un endomorfismo f de U en U que depende de la base elegida para U.
Uno de los problemas fundamentales del lgebra lineal es elegir una base para U que simplifique la matriz para f.
Enunciaremos y demostraremos sus propiedades ms importantes.
A continuacin consideraremos la cuestin de determinar cundo dos matrices A y B

de orden n x m, son matrices del mismo endomorfismo f : U V relativa a
diferentes bases para U y V.
DEFINICION 8.3.1
Las matrices A y B se dicen son equivalentes si y slo si, existen matrices
no singulares P (n x n) y Q (m x m) tales que B = PAQ.
Explicaremos aqu un punto de confusin que surge en la definicin de equivalencia

de matrices. La palabra equivalencia tiene dos significados bastante distintos en
matemticas, los cuales tienen lugar en la explicacin siguiente. Sera desafortunado
que dicha confusin pudiera darse, pero como estos dos usos de la palabra
equivalencia estn bien establecidos, el lector deber aprender a distinguirlos. En
primer lugar, dado un conjunto S y una relacin sobre S.
TEOREMA 8.3.1
La relacin sobre un conjunto de matrices de orden n x m, llamada
equivalencia, es una relacin de equivalencia. Adems, dos matrices A, B
(n x m), son equivalentes si y slo si, el rango de la matriz A es igual al
rango de la matriz B.
DEMOSTRACION
Es claro que A A puesto que A = IAI. De A B obtenemos B = PAQ. Por tanto,
A = P-1BQ-1. As, B A. Si A B (B = PAQ) y B C (C = P1BQ1). Entonces
C = (P1P)A(QQ1)
Como P1P es no singular si tanto P como P1 son no singulares y QQ1 es no singular si
tanto Q como Q1 son no singulares, vemos que A C. As, la equivalencia es una
relacin de equivalencia. Si A B, entonces PAQ = B para P y Q no singulares.
Como
Rang(A) = Rang(PA) = Rang((PA)Q) = Rang(B)
obtenemos que Rang(A) = Rang(B). Supngase, recprocamente que Rang(A) =
Rang(B). Deseamos demostrar que A B. Sea r = Rang(A) = Rang(B). Entonces
I O
PAQ = = P1BQ1
O O
para ciertas matrices no singulares P, P1, Q, Q1. Por tanto,
B = (P-1P1)-1A(Q1Q-1)-1.
En consecuencia, A B.
DEFINICION 8.3.2
Sean A, B (n x n). Entonces B es semejante a A sobre K si existe una
matriz no singular P (n x n) tal que B = P-1AP.
TEOREMA 8.3.2
En el conjunto de matrices de n x n, la semejanza sobre K es una
relacin de equivalencia.
DEMOSTRACION
a.- A es semejante a A sobre K puesto que A = I-1AI.
b.- Si B es semejante a A sobre K de modo que B = P-1AP, entonces A = (P-1)-1BP-1,
y por tanto, A es semejante a B sobre K.
c.- Si B es semejante a A sobre K y C es semejante a B sobre K, de manera que
B = P-1AP y C = Q-1BQ, entonces C = (PQ)-1A(PQ) y, por consiguiente, C es
semejante a A sobre K.
Como la semejanza es una relacin de equivalencia, sabemos ahora que el

conjunto de matrices n x n se descompone en subconjuntos que no se traslapan.
Estos subconjuntos no traslapados de n x n se llaman clases de semejanza. Una de
las metas de la teora de semejanza es hallar un mtodo para determinar cuando
dos matrices A y B estn en la misma clase de semejanza. Resulta entonces que
dos matrices cuadradas son semejantes si, y slo si, son matrices asociadas a un
mismo endomorfismo en bases diferentes.
A continuacin se pretende poner de manifiesto que dos matrices semejantes

tienen iguales valores caractersticos, y stos con igual orden; se probar que, sin
embargo, no se verifica la implicacin recproca, esto es, dos matrices cuadradas
con iguales valores caractersticos y stos con iguales rdenes, pueden no ser
semejantes. Tambin se probar que la semejanza conserva las dimensiones de los
subespacios propios.
Si las matrices A, B (n, n) son semejantes, entonces tienen el mismo

polinomio caracterstico y, por tanto, la misma ecuacin caracterstica;
consecuentemente, posee los mismos valores caractersticos y stos con iguales
rdenes.
TEOREMA 8.3.3
Si A, B n(K) son matrices semejantes, esto es, si existe una matriz no
singular de orden n, P, tal que A = P -1BP, entonces se verifica que:
Det(A - I) = Det(B - I) , para todo K.
DEMOSTRACION
Si A y B son matrices semejantes, entonces existe una matriz no singular P tal que
A = P-1BP. En tal caso
Det(A - I) = Det(P-1BP - I)
= Det(P-1BP - P-1P)
= Det(P-1(B - I)P)
= Det(P-1)Det(B - I)Det(P)
= Det(P-1P)Det(B - I)
= Det(B - I).
Entonces, el polinomio caracterstico de A y el polinomio caracterstico de B
coinciden.
No obstante los resultados recin obtenidos, conviene hacer notar que, en general,
del slo hecho de tener dos matrices los mismos valores caractersticos y stos
con igual orden, no se puede asegurar que dichas matrices sean semejantes.
Conviene hacer notar que, en general, del slo hecho de tener dos matrices los
mismos valores caractersticos y stos con igual orden, no se puede asegurar que
dichas matrices sean semejantes.
Recurdese que dos matrices A, B (n, n), son semejantes si, y slo si, son
matrices asociadas a un mismo endomorfismo, respecto de diferentes bases.
Tngase tambin presente que los valores caractersticos de una matriz A son los
mismos que los de un endomorfismo asociado a ella; los vectores caractersticos
de A son las matrices columna de n x 1, cuyos elementos son las coordenadas de
los vectores caractersticos del endomorfismo que, en la base que se considera en
V, tenga por matriz asociada a A.
Si A y B son matrices semejantes, para cualquiera que sea su valor caracterstico

, los subespacios propios de una y otra matriz, que sern diferentes subespacios,
son las expresiones en coordenadas, en diferentes bases, del subespacio propio del
endomorfismo asociado a ambas matrices correspondientes al valor caracterstico
; como la dimensin de un subespacio no vara por el hecho de expresar ste en
una u otra base, los subespacios propios de A y B, correspondientes a , tienen
igual dimensin, la del subespacio propio, correspondiente a , de dicho
endomorfismo.
Ya sea en el caso de una matriz A (n, n), ya en el caso de un endomorfismo f

en un espacio vectorial V de dimensin finita n, para todo valor caracterstico
K se han definido ya dos nmeros naturales asociados a l:
1.- Orden del valor caracterstico es el orden de multiplicidad de la raz de la

ecuacin caracterstica. El orden k de es, un nmero natural comprendido entre
uno, si la raz es simple, y n, en cuyo caso no habra ningn otro valor
caracterstico, es decir 1 k n.

2.- Dimensin del subespacio propio V(), correspondiente al valor caracterstico

. Recurdese que V() es:
a.- Para el caso de la transformacin lineal f, el conjunto de vectores u de V tales
que (f - I)u = , es decir, V() = Nuc(f - I);
b.- Para el caso de la matriz A, el conjunto de las matrices columna u de (n, 1)
tales que satisfacen a (A - I)u = .
Por tanto la dimensin q del subespacio propio V() es:
i.- Para el endomorfismo f, q = dim(Nuc(f - I)) = n Rang(f - I).
ii.- Para la matriz A, q = n Rang(f - I).
Se sabe tambin que, si 1, 2, ..., r son todos los valores caractersticos de f o de

A, y si son k1, k2, ..., kr sus rdenes y q1, q2, ..., qr las dimensiones de sus
subespacios propios, se ha de verificar que r q1 + q2 + ... + qr n y que, si K es
algebraicamente cerrado, k1 + k2 + ... + kr = n.
TEOREMA 8.3.4
Dado un endomorfismo f, en un espacio vectorial de dimensin n sobre
un cuerpo K, para cualquiera que sea el valor caracterstico 0 de f, si k
es su orden y q la dimensin del correspondiente subespacio propio, se
verifica que 1 q k.
DEMOSTRACION
Si 0 es valor caracterstico de A, el subespacio propio V(0) ha de ser diferente
del subespacio nulo y, por tanto, su dimensin es q 1. La dificultad est, en
probar que es q k. El subespacio propio V(0) est definido por las matrices
X (n, 1) tales que (A - 0I) = , es decir, V(0) es el ncleo del
endomorfismo g, asociado, en base cannica, a la matriz B = A - 0I; q es la
dimensin del referido ncleo. Sea {u1, u2, ..., uq} una base del ncleo y
compltese, con ciertos vectores uq+1, uq+2, ..., un, hasta obtener una base; la matriz
C (n, n), semejante a B, asociada al endomorfismo g en la nueva base, ha de
ser de la forma
0 0 0 c1 q 1 c1n

0 0 0 c2 q 1 c2 n
C

0 0 0 cn q 1 cn n

ya que g ha de transformar los vectores u1, u2, ..., uq en el vector . El polinomio
caracterstico de B, que es igual al de C, pues B y C estn asociados al mismo
endomorfismo g en diferentes bases, tiene nulos los q primeros coeficientes, ya
que los menores principales de orden mayor que n q de C son todos nulos; por
tanto, = 0 es raz de orden mayor o igual que q de la ecuacin Det(B - I) = 0,
es decir, = 0 es raz de orden mayor o igual que q, de la ecuacin
Det(A - 0I - I) Det(A (0 + )I) = 0,
o lo que es igual, = 0 es raz de orden mayor o igual que q, de la ecuacin
Det(A - I) = 0; como el orden de 0 en esta ecuacin es k, se obtiene finalmente
que q k.
Sea dado un endomorfismo f, en un espacio vectorial V de dimensin n sobre un

cuerpo K, se designan por 1, 2, ..., r K sus valores caractersticos, por k1, k2,
..., kr los rdenes de dichos valores caractersticos y q1, q2, ..., qr las dimensiones
de los subespacios propios, V(1), V(2), ..., V(r). Puesto que, segn se acaba de
demostrar, es 1 qi ki, y dado que subespacios propios correspondientes a
valores caractersticos diferentes tienen interseccin nula, se pueden obtener las
siguientes conclusiones:

1.- El nmero mximo de vectores caractersticos linealmente independientes es

q1 + q2 + ... + qr, nmero ste que est comprendido entre r y n. El subespacio
vectorial de V engendrado por los vectores caractersticos de f es,
V(1) V(2) ... V(r).
2.- Para que los vectores caractersticos de f engendren todo el espacio V, es

decir, para que exista una base de l formada por vectores caractersticos, se
precisa que q1 + q2 + ... + qr = n; en consecuencia, habr una tal base si:
a.- k1 + k2 + ... + kr = n, esto es, si la ecuacin caracterstica tiene, si se cuenta
cada una de sus races tantas veces como indica su orden de multiplicidad,
exactamente n races;
b.- Para todos y cada uno de los valores caractersticos, la dimensin de su
subespacio propio ha de ser igual a su orden, esto es, ki = qi.
3.- Si el cuerpo K es algebraicamente cerrado, como en tal caso es k1 + k2 + ... +

kr = n, es condicin necesaria y suficiente para que V admita una base formada
por vectores caractersticos de f que k1 = q1, k2 = q2, ..., kr = qr; cuando as ocurra,
en una tal base hay ki vectores caractersticos correspondientes al valor
caracterstico i, y se verifica que
V(1) V(2) ... V(r) = V.
4.- Si f tiene n valores caractersticos diferentes todos ellos, por tanto, de orden
uno, esto es, si su ecuacin caracterstica tiene n races diferentes, entonces hay
en V n vectores caractersticos linealmente independientes, es decir, existe una
base formada por vectores caractersticos. En este supuesto, hay n subespacios
propios de dimensin uno independientes, verificndose que
V(1) V(2) ... V(r) = V.
EJEMPLO 8.3.1
Demuestre que si A y B son semejantes, entonces existe una matriz P no singular
tal que Bk = P-1AkP.
SOLUCION
Suponga que A y B son semejantes. Entonces, existe una matriz P tal que
B = P-1AP. Esto implica que
Bk = B B ... B
k veces
= (P-1AP)(P-1AP) ... (P-1AP)
= P-1A(PP-1)A(PP-1)AP ... P-1AP
= P-1A2AP ... P-1AP
= P-1AkP.
EJEMPLO 8.3.2
Demuestre que si A y B son semejantes, entonces Det(A) = Det(B).
SOLUCION
Suponga que A y B son semejantes. Entonces,
Det(B) = Det(P-1AP)
= Det(P-1 )Det(A)Det(P)
1
= Det(A)Det(P)
Det(P)
= Det(A) .
EJEMPLO 8.3.3
Sea A una matriz de n x n tal que A2 = O. Demuestre que si B es semejante a A,
entonces B2 = O.

SOLUCION
Suponga que A2 = O y que B = P-1AP. Entonces
B2 = P-1APP-1AP = P-1A2P = P-1OP = O.
EJEMPLO 8.3.4
Demuestre que si A y B son semejantes, entonces A2 es semejante a B2.
SOLUCION
Suponga que A y B son semejantes, entonces B = P -1AP. De donde
B2 = BB = (P-1AP)(P-1AP) = P-1A(PP-1)AP = P-1AIAP = P-1A2P
lo cual implica que A2 es semejante a B2.
EJEMPLO 8.3.5
Sea A = CD, donde C es una matriz no singular n x n. Demuestre que la matriz
DC es semejante a A.
SOLUCION
Suponga que A = CD, donde C es no singular. Entonces C-1A = D y se tiene
DC = C-1AC, lo cual implica que DC es semejante a A.
EJEMPLO 8.3.6
Sean A y B matrices de n x n. Demuestre que si A es no singular, entonces AB es
semejante a BA.
SOLUCION
Suponga que A y B son matrices de n x n con A no singular. Entonces,
BA = IBA = A-1ABA = A-1(AB)A
lo cual implica que AB es semejante a BA.
EJEMPLO 8.3.7
Sean A y B dos matrices de orden n.
a.- Demuestre que si I - AB es no singular, entonces I - BA tambin lo es y
(I - BA)-1 = I + B(I - AB)-1A
b.- Use el inciso a) para demostrar que las matrices AB y BA tienen los mismos
valores caractersticos.
SOLUCION
a.- Para probar que I BA es no singular, basta demostrar lo siguiente:
(I - BA)(I - BA)-1 = (I - BA)(I + B(I - AB) -1 A) = I

-1 -1
.

(I - BA) (I - BA) = (I + B(I - AB) A)(I - BA) = I
Es decir:
(I BA)(I + B(I AB)-1A) = I BA + (I BA)B(I AB)-1A
= I BA + (B BAB)(I AB)-1A
= I BA + B(I AB)(I AB)-1A
= I BA + BIA
= I BA + BA = I
(I + B(I AB)-1A)(I BA) = I BA + B(I AB)-1A(I BA)
= I BA + B(I AB)-1(A ABA)
= I BA + B(I AB)-1(I AB)A
= I BA + BIA
= I BA + BA = I.
b.- Si AB y BA tienen los mismos valores caractersticos, entonces son
equivalentes y AB = P-1BAP, entonces debemos probar que
Det(AB - I) = Det(BA - I).
Es decir:
Det(AB - I) = Det(P-1BAP - I)
= Det(P-1BAP - P-1P)
= Det(P-1(BA - I)P)
= Det(P-1)Det(BA - I)Det(P)
= Det(BA - I).
Con lo cual queda probado el inciso b).
EJEMPLO 8.3.8
Mostrar que la matriz A es semejante a la matriz B, obtenida mediante la
reflexin especular en su centro.
SOLUCION
La reflexin especular de una matriz A respecto de su centro, es una matriz B
igual a la transpuesta de A. Es decir B = AT. Si A y B son matrices semejantes,
entonces A = P-1BP = P-1ATP. Es decir, tendramos que probar que
Det(A - I) = Det(P-1BP - I)
= Det(P-1BP - P-1P)
= Det(P-1(BP - I)P)
= Det(P-1)Det(B - I)Det(P)
= Det(B - I)
= Det(AT - I).
EJEMPLO 8.3.9
Demostrar que cualquier matriz cuadrada A es semejante a su matriz transpuesta
AT.
SOLUCION
Para demostrar que A y AT son semejantes, hay que probar que A = P -1ATP y que
adems tienen el mismo polinomio caracterstico. Es decir:
Det(A - I) = Det(P-1ATP - I)
= Det(P-1ATP - P-1P)
= Det(P-1)Det(AT - I)Det(P)
= Det(AT - I).
EJEMPLO 8.3.10
Aclarar si son semejantes entre s las siguientes matrices:
3 2 5 6 20 34

A 2 6 10 , B 6 32 51 .
1 2 3 4 20 32

SOLUCION
Para comprobar que las matrices A y B son semejantes entre s, entonces stas
deben tener el mismo polinomio caracterstico:
3 2 5
Det(A - I) 2 6 10 3 6 2 12 8 ,
1 2 3
6- 20 -34
Det(B - I) = 6 32 - -51 = -3 + 35 2 - 94 + 56 .
1 2 -3 -
De esta manera queda comprobado que las matrices A y B no son semejantes
entre s.
EJEMPLO 8.3.11
Aclarar si son semejantes entre s las siguientes matrices:
4 6 15 1 3 3 13 70 119

A 1 3 5 , B 2 6 13 , C 4 19 34 .
1 2 4 1 4 8 4 20 35

SOLUCION
Para comprobar que las matrices A, B y C son semejantes entre s, entonces stas
deben tener el mismo polinomio caracterstico:

4- 6 -15
Det(A - I) = 1 3 - -5 = - 3 + 3 2 - 3 +1 ,
1 2 -4 -
1- -3 3
Det(B - I) = -2 -6 - 13 = - 3 + 3 2 - 3 +1 ,
-1 -4 8 -
-13 - -70 119
Det(C - I) = -4 -19 - 34 = -3 + 3 2 - 3 +1 .
-4 -20 35 -
De esta manera queda comprobado que las matrices A, B y C son semejantes
entre s.
PROBLEMAS
8.3.1 Demuestre que las matrices semejantes A y B 8.3.5 Compruebe que si dos matrices simtricas del
tienen la misma traza y el mismo determinante. mismo orden tienen el mismo polinomio caracterstico,
entonces son semejantes. Por medio de un ejemplo
8.3.2 Dar un ejemplo de matrices singulares A y B de concreto, muestre que esta afirmacin es falsa si las
3 x 3, para las cuales AB y BA no sean semejantes. matrices no son simtricas.
8.3.3 Suponga que A y B son matrices semejantes y que 8.3.6 Sean A y B matrices semejantes. Demustrese
A es no singular: que:
a.- Demuestre que B es no singular. a.- Para cada entero k 0, Ak y Bk son semejantes.
b.- Demuestre que A-1 y B-1 son semejantes. b.- Para cada escalar c, cA y cB son semejantes.
c.- Si p(x) es un polinomio, entonces p(A) y p(B) son
8.3.4 Encuentre la matriz B para f con respecto a la base semejantes.
S y demuestre que B es semejante a A, la matriz de f:
a.- f : R2 R2, f((x, y)) = (2x y, y x), 8.3.7 Sean A y B matrices semejantes. Demustrese
S = {(1, -2), (0, 3)}. que:
b.- f : R2 R2, f((x, y)) = (x + y, 4y), a.- Para cada escalar c, cA y cB son semejantes.
S = {(-4, 1), (1, -1)}. b.- Si p(x) es un polinomio, entonces p(A) y p(B) son
c.- f : R2 R2, f((x, y)) = (y, x), semejantes.
S = {(1, -1), (1, 1)}. c.- Si B es no singular, entonces A es no singular, y
d.- f : R2 R2, f((x, y)) = (x + y, x y), A-1, B-1 son semejantes.
S = {(0, 1), (1, 0)}.
e.- f : R3 R3, f((x, y, z)) = (x, y, z), 8.3.8 Puede una matriz ser semejante a dos matrices
S = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}. diagonales distintas? Explique su respuesta.
f.- f : R3 R3,
f((x, y, z)) = (x y + 2z, 2x + y z, x + 2y + z), 8.3.9 Hallar todas las matrices, cada una de las cuales
S = {(1, 0, 1), (0, 2, 2), (1, 2, 0)}. es semejante a s misma.
8.4 MATRICES DIAGONALIZABLES
En esta seccin se ver cmo diagonalizar una matriz de un endomorfismo f, encontrando una base para un
espacio vectorial V integrada por vectores caractersticos.
Dado un endomorfismo f : V V, siendo V un espacio vectorial de dimensin n

sobre un cuerpo K, se plantea aqu la siguiente cuestin: existir alguna base de
V en la que la matriz asociada a f sea una matriz diagonal?; cuando la respuesta
sea afirmativa, se buscar dicha base, as como la correspondiente matriz
diagonal.
En los casos en que esto sea posible, se dir que f es un endomorfismo

diagonalizable. Diagonalizar f es encontrar una base de V respecto de la cual la
matriz asociada a f que sea diagonal, determinando tambin dicha matriz. La
importancia que tiene la consecucin de este problema, cuando tenga solucin,
estriba en la gran simplicidad de las ecuaciones de f en la base que se busca.
Como quiera que las matrices asociadas a un mismo endomorfismo f, en las

distintas bases de V, son semejantes entre s, utilizando el lenguaje de las
matrices, el problema planteado se puede enunciar en los siguientes trminos:
Dada una matriz A de n x n, se pretende encontrar una condicin necesaria y
suficiente para que exista una matriz semejante a ella que sea diagonal y, cuando
la haya, localizar dicha matriz. Esto es, se desea averiguar si existir una matriz
no singular P de n x n tal que la matriz D = P-1AP, transformada por semejanza de
A mediante P, sea diagonal, determinado, en caso afirmativo, las matrices P y D.
Para abordar el problema planteado, se comenzar analizando cmo se comportan
las matrices diagonales en lo referente a valores y vectores caractersticos.
TEOREMA 8.4.1
Una matriz D (n, n) es diagonal si, y slo si, admite por vectores
caractersticos a las n matrices, E1, E2, ..., En (n, 1). Adems, el valor
caracterstico correspondiente al vector caracterstico E i, es el elemento
de la diagonal principal de D que ocupa el lugar (i, i); el orden de cada
valor caracterstico es el nmero de veces que l figura repetido en la
diagonal principal.
DEMOSTRACION
En el supuesto de que D sea diagonal, esto es, si
d11 0 0 0

0 d 22 0 0
D 0 0 d33 0

0 0 0 d
n n
su ecuacin caracterstica es
Det(D - I) (-1)n( - d11)( - d22)( - dnn) = 0
Por tanto, sus valores caractersticos son los elementos de la diagonal principal.
Adems, como (D dii)Ei = , se verifica que E1, E2, ..., En son vectores
caractersticos de D correspondientes, respectivamente, a los vectores
caractersticos d11, d22, ..., dnn.
Recprocamente, si E1, E2, ..., En son vectores caractersticos de D, llamando
i al valor caracterstico correspondiente al vector caracterstico E i, ha de ser
DEi = iEi; ahora bien, como DEi es la matriz columna de lugar i de la matriz D,
resulta que la columna de lugar i tiene el elemento (i, i) valiendo i y el resto de
sus elementos son nulos.
En consecuencia, D es diagonal y sus valores caractersticos son los elementos de
la diagonal principal.
DEFINICION 8.4.1
Una matriz A de n x n se dice diagonalizable si existe P de n x n tal que
D = P-1AP es una matriz diagonal; cuando as ocurra, a D se la llamar
forma diagonal de A y P ser la matriz no singular que transforma la
matriz A en matriz diagonal.
Si A fuese diagonalizable, y si su forma diagonal es la matriz D cuyos elementos

de la diagonal principal son d11, d22, ..., dnn, como quiera que dos matrices
semejantes tienen los mismos valores caractersticos y stos con iguales rdenes,
del precedente anlisis de las matrices diagonales se deduce que 1 = d11, 2 = d22,
..., n = dnn habran de ser valores caractersticos de A, siendo el orden de cada
uno de ellos igual al nmero de veces que aparece repetido en la diagonal
principal de D. Por tanto, para que A sea diagonalizable es necesario que admita,
si cada uno se cuenta tantas veces como indica su orden de multiplicidad,
exactamente n valores caractersticos; adems, y en el supuesto de ser A
diagonalizable, su forma diagonal tendra su diagonal principal constituida por los
valores caractersticos de A.
Aun en el supuesto de que A tenga n valores caractersticos, contando cada uno

un nmero de veces igual a su orden, todava no se sabe cundo ser
diagonalizable; si lo fuese, su forma diagonal sera la matriz D. Para analizar si A
es una matriz diagonalizable, puede razonarse de la siguiente manera:
a.- Supngase que A de n x n admite n vectores caractersticos independientes,
esto es, que existe una base de n x 1 formada por vectores caractersticos de A, a
los que se llamar v1 = (p11, p21, ..., pn1)T, v2 = (p12, p22, ..., pn2)T, ..., vn = (p1n, p2n,
..., pnn)T, correspondientes, respectivamente, a los valores caractersticos 1, 2, ...,
n, algunos de ellos pudiendo estar repetidos. Llamando P a la matriz
p11 p12 ... p1n

p21 p22 ... p2 n
P
... ... ...

pn1 pn 2 ... pn n
que es no singular, pues las matrices v1, v2, ..., vn son linealmente independientes,
esto es, resulta que la matriz P-1AP admite por vectores caractersticos a los E1,
E2, ..., En, ya que
(P-1AP)Ei = (P-1A)(PEi) = (P-1A)vi = P-1(Avi) = P-1(ivi) = iEi.
Por tanto, D = P-1AP es una matriz diagonal, cuya diagonal principal est formada
por los valores caractersticos de A; resultado ste que equivale a decir que A es
diagonalizable.
b.- Por el contrario, si A no admite n vectores caractersticos linealmente
independientes, entonces no es diagonalizable. En efecto; si lo fuese, su forma
diagonal admitira n vectores caractersticos linealmente independientes y,
tambin los admitira A, en contra de lo supuesto.
TEOREMA 8.4.2
Una matriz A es diagonalizable si, y slo si, admite n vectores
caractersticos linealmente independientes. Se verifica, por tanto, que
para que A sea diagonalizable es necesario y suficiente que se verifiquen
los dos requisitos siguientes:
a.- La matriz A admite, si se cuenta cada uno un nmero de veces igual
a su orden de multiplicidad, exactamente n valores caractersticos.
Cuando el cuerpo K es algebraicamente cerrado, y en particular si es K =
C, esta condicin se satisface para toda matriz A.
b.- El orden de cada uno de los valores caractersticos de A es igual a la
dimensin de su subespacio propio.
TEOREMA 8.4.3
Si una matriz A admite n valores caractersticos diferentes, entonces es
diagonalizable.
DEMOSTRACION
Si A admite valores caractersticos 1, 2, ..., n diferentes, como sus rdenes son
ki = 1, y dado que las dimensiones de los subespacios propios, qi, satisfacen

siempre a 1 qi ki, habr de ser qi = 1 y, en consecuencia, q1 + q2 + ... + qn = n,

que autoriza a afirmar que A es diagonalizable.
DEFINICION 8.4.2
Un endomorfismo f : V V, donde V es un espacio vectorial de
dimensin finita n sobre un cuerpo K, se dice diagonalizable si existe
una base de V en la que la matriz asociada a f es una matriz diagonal.
Diagonalizar f es determinar una base, en caso de que la haya, en la que su matriz

asociada es diagonal y localizar dicha matriz diagonal.
Si A es una matriz de n x n y P es una matriz no singular, entonces

D = P-1AP A = PDP-1
De donde
A2 = (PDP-1)(PDP-1) = PD2P-1
A = A2A = (PD2P-1)(PDP-1) = PD3P-1
3
De manera ms general
Ak = PDkP-1
Esta ecuacin expresa la k-sima potencia de A en trminos de la k-sima

potencia de la matriz diagonal D. Para calcular la k-sima potencia de la matriz
diagonal D, debemos elevar a la k-sima potencia cada elemento de la diagonal
principal de la matriz.
PROGRAMA EN MATLAB PARA DIAGONALIZAR UNA MATRIZ
% DIAGONALIZACION DE UNA MATRIZ

clc; clear;
fprintf('\n VALORES Y VECTORES CARACTERISTICOS \n');
filcol=input('INGRESE EL ORDEN DE LA MATRIZ A: ');
for f=1:filcol
for c=1:filcol
A(f,c)=input(' :');
end
end
clc;
fprintf('\n LA MATRIZ ES:\n');
A
fprintf('\n EL POLINOMIO CARACTERISTICO ES:\n');
POLINOMIO=poly(A);
POLINOMIO
fprintf('\n LOS VALORES CARACTERISTICOS SON:\n');
ESPECTRO=eig(A);
[vector,V] = eig(A);
ESPECTRO
%resolucion del sistema de ecuaciones
for c=1:filcol
fprintf('\n REMPLAZAMOS EL VALOR CARACTERISTICO (%d) EN LA ECUACIN
CARACTERISTICA:\n',c)
%A(f,c)=input(' :');
I=eye(size(A));
r=ESPECTRO(c,1)
resta1=A-I*r;
vector0=zeros(filcol,1);
fprintf('\n LA MATRIZ AUMENTADA (%d) ES: \n',c);
B=[resta1,vector0];
B
%solucion
fprintf('\n LA MATRIZ REDUCIDA (%d) ES: \n',c)
R=rref(B);
R
end
fprintf('\n VECTORES CARACTERISTICOS \n')
V=vector';
for f2=1:filcol
fprintf('\n V%d : \n',f2)
V(f2,1:filcol)
end
P=vector;
fprintf('\n CONSTRUIMOS LA MATRIZ P:\n')
P
fprintf('\n ENCONTRAMOS LA INVERSA DE P:\n')
Q=inv(P);
Q
fprintf('\n DIAGONALIZAMOS D=Q*A*P:\n')
D=Q*A*P;
D
EJEMPLO 8.4.1
Sea f : R3 R3 el endomorfismo que admite los valores caractersticos 1 = 1,
2 = 2, 3 = -1 y que tiene por vectores caractersticos correspondientes a dichos
valores caractersticos a los vectores (1, 1, 1), (0, 1, 2) y (1, 2, 1),
respectivamente. Obtngase la matriz asociada a f respecto de la base cannica de
R3. Determine Ak.
SOLUCION
Sabemos que una matriz A es diagonalizable si existe una matriz P no singular,
tal que D = P-1AP, entonces A = PDP-1. Es decir:
3 1
2 1 2 2 2 1
1 0 1 1 0 0
1
A 1 1 2 0 2 0
1 3 5
0 3
1 2 1 0 0 1 2 2 2 2
1
1 0 2 3
1
2 2
Para encontrar la matriz A , debemos aplicar Ak = PDkP-1:
3 1
1
k 2 2
1 0 1 1 0 0

A k 1 1 2 0 2 0
1 1
0
1 2 1 0 0 1 2 2

1 1 1

2 2
3 1
1
1 0 1 1
k
0 0 2 2

0
1 1
1 1 2 0 2k 0
1 2 1 2 2
0 0 (1) k 1 1

1
2 2
Si k es par, tenemos

3 1
1
1 0 1 1
k
0
0 2 2 1 0
0
1
1 1 2k 2 1
k
A k 1 1 2 0 2k 0 0 1
1 2 1 2 2 2 2
0 1k 1
1 1 2k

2k
0
0
1
2 2
Si k es impar
3 1
1
1 0 1 1
k
0 0 2 2
1
0
1
A 1 1 2 0
k
2k 0
1 2 1 2 2
0 0 (1) k 1 1

1
2 2
3 (1) k 1 (1) k
(1) k 1
2 2
2k (1) k 3 2k 2(1) k 1
2(1) 1
k
.
2 2
2k 1 (1) k 3 2k 1 (1) k 1
(1) 1
k

2 2

EJEMPLO 8.4.2
Diagonalizar la matriz
1 1 4

A 3 2 1
2 1 1

SOLUCION
Para diagonalizar la matriz A, debemos encontrar los valores y vectores
caractersticos. Es decir:
1 1 4
3 2 1 = (1 - )( - 3)( + 2) = 0
2 1 1
1 = -2, 2 = 1, 3 = 3.
3 1 4 0 3 1 4 0 1 0 1 0

1 = -2: 3 4 1 0 0 1 1 0 0 1 1 0
2 1 1 0 0 1 1 0 0 0 0 0

SpanV(-2) = {(a, b, c) / a = - c, b = c}
BaseV(-2) = {(-1, 1, 1)} dimV(-2) = 1.
0 1 4 0 3 1 1 0 1 0 1 0

2 = 1: 3 1 1 0 0 1 4 0 0 1 4 0
2 1 2 0 0 1 4 0 0 0 0 0

SpanV(1) = {(a, b, c) / a = - c, b = - 4c}
BaseV(1) = {(-1, 4, 1)} dimV(1) = 1.
2 1 4 0 2 1 4 0 1 0 1 0

3 = 3: 3 1 1 0 0 1 2 0 0 1 2 0
2 1 4 0 0 0 0 0 0 0 0 0

SpanV(3) = {(a, b, c) / a = c, b = 2c}
BaseV(3) = {(1, 2, 1)} dimV(3) = 1.
BaseV() = {(-1, 1, 1), (-1, 4, 1), (1, 2, 1)}

Con los elementos de la base de V, construimos las columnas de la matriz P:
1 1 1 2 2 6
1
P 1 4 2 P 1 1 2 3
1 1 1 6 3 0 3

2 2 6 1 1 4 1 1 1 2 0 0
1
D 1 2 3 3 2 1 1 4 2 0 1 0 .
6
3 0 3 2 1 1 1 1 1 0 0 3
EJEMPLO 8.4.3
Demuestre que si la matriz A es diagonalizable, entonces su transpuesta tambin
lo es.
SOLUCION
Suponga que la matriz A es diagonalizable. Entonces P-1AP = D es diagonal y
DT = (P-1AP)T = PTAT(P-1)T = PTAT(PT)-1
es diagonal. Por consiguiente, AT es diagonalizable.
EJEMPLO 8.4.4
Demuestre que si A es diagonalizable con n valores caractersticos reales 1, 2,
, n, entonces Det(A) = 12 n
SOLUCION
Suponga que A es diagonalizable con valores caractersticos reales 1, 2, , n.
Entonces
1 0 0
0 2 0
Det(A) = Det(P -1AP) 1 2 n .
0 0 n
EJEMPLO 8.4.5
Determnese, segn los diferentes valores de a, b R, los subespacios propios del
endomorfismo f : R3 R3 que, respecto de la base cannica tiene asociada la
matriz:
a b 0

0 1 0
0 0 1

Analcese en qu casos es f diagonalizable.
SOLUCION
p() 3 a2 a .
caracterstico:
3 a2 a 0
( a)( 1)( 1) 0
= a, = 1 y = -1.
Donde = a, = 1 y = -1 tienen multiplicidad algebraica 1. Los subespacios
propios se encuentran reemplazando cada valor caracterstico en la ecuacin
caracterstica, y luego se resuelve cada sistema de ecuaciones homogneo:
0 b 0 x 0

= a: 0 1 a 0 y 0
0 1 a
0 z 0
0 b 0 0 0 b 0 0

0 1 a 0 0 0 0 0 0
0 0 1 a 0 0 0 1 a 0

de donde obtenemos que by = 0, (1 - a)z = 0. Por consiguiente el subespacio
V() = {(x, y, z) / y = z = 0; b 0, a 1}.
a 1 b 0 x 0 a 1 b 0 0 2a 2 0 0 0

= 1: 0 2 0 y 0 0 2 0 0 0 2 0 0
0 0 0 0 0 0 0 0 0 0 0
z 0
de donde obtenemos que 2(a 1)x = 0, y = 0. Por consiguiente el subespacio
V() = {(x, y) / x = y = 0; a 1}.
a 1 b 0 x 0 a 1 b 0 0

= -1: 0 0 0 y 0 0 0 0 0
0 0 2 0 0 2 0
z 0
de donde obtenemos que (a + 1)x + by = 0, z = 0. Por consiguiente el subespacio
V() = {(x, y) / (a + 1)x + by = 0, z = 0; a -1 b 0}.
La matriz dada es diagonalizable para todos los valores de a y b, excepto a = 1.
EJEMPLO 8.4.6
Estdiese, segn los valores reales de a, la diagonalizabilidad de las matrices:
1 2 2 a 1 a a a

A 0 1 a y B a 2 a a 1
0 0 1 2 1 0

Para los valores de a que las hacen diagonalizables, hllese su forma diagonal D y
una matriz no singular P tal que D = P-1AP y D = P-1BP, respectivamente.
SOLUCION
Para la matriz A, el polinomio caracterstico tiene la forma siguiente:
p() 3 3 2 3 1 .
caracterstico:
3 32 3 1 0 ( 1)3 0 = 1.
Donde = 1 tiene multiplicidad algebraica 3. Los subespacios propios se
0 2 2 a x 0 0 2 2 a 0 0 2a 0 0

= 1: 0 0 a y 0 0 0 a 0 0 0 a 0
0 0 0 0 0 0 0 0 0 0
z 0 0
de donde obtenemos que 2ay = 0, az = 0. Por consiguiente el subespacio propio
V() = {(x, y, z) / y = z = 0; a 0}.
Podemos darnos cuenta que cuando = 1, la multiplicidad algebraica es 3, ste
valor caracterstico genera un subespacio propio cuya multiplicidad geomtrica es
1. Como la multiplicidad geomtrica es diferente a la multiplicidad algebraica,
entonces no existe ningn valor para a, de tal forma que la matriz A sea
diagonalizable.
Para la matriz B, el polinomio caracterstico tiene la forma siguiente:
p() 3 2 1 .


caracterstico:
3 2 1 0 ( 1)( 1)2 0 = 1 y = -1.
Donde = 1 tiene multiplicidad algebraica 2 y = -1 tiene multiplicidad
algebraica 1. Los subespacios propios se encuentran reemplazando cada valor
a a a x 0

= 1: a 2 a 1 a 1 y 0
2 1 1
z 0
a a a 0 a 0 2a 0

a 2 a 1 a 1 0 0 a 3a 0
2 1 1 0 0 0 0 0

de donde obtenemos que ax 2az = 0, ay 3az = 0. Por consiguiente el
V() = {(x, y, z) / x 2z = 0, y 3z = 0, a 0}.
Podemos darnos cuenta que cuando = 1, la multiplicidad algebraica es 2, ste
valor caracterstico genera un subespacio propio cuya multiplicidad geomtrica es
1. Como la multiplicidad geomtrica es diferente a la multiplicidad algebraica,
entonces no existe ningn valor para a, de tal forma que la matriz B sea
diagonalizable.
EJEMPLO 8.4.7
Sabiendo que f : R3 R3 es un endomorfismo diagonalizable que admite por
vectores caractersticos a los vectores (-1, 2, 2), (2, 2, -1), (2, -1, 2) y que
f((5, 2, 5)) = (0, 0, 7), hllense los valores caractersticos de f y su ecuacin en
base cannica.
SOLUCION
Sabemos que f(u) = u, entonces:
(0, 0, 7) = (5, 2, 5) = (5, 2, 5) = 0 y = 7/5.
Donde = 0 tiene multiplicidad algebraica 2 y = 7/5 tiene multiplicidad
algebraica 1. Como D = P-1AP, entonces A = PDP-1. Es decir:
1 2 2 28 14 28

1 2 2 0 0 0 9 9 9 45 45 45
2
A 2 2 1 0 0 0 .
2 1 14 7 14
2 1 2 9 9 9 45 45 45
0 0 7 2

1 2 28

14 28
5
9 9 9 45 45 45
De donde la transformacin lineal es:
1
f ((a, b, c)) (28a 14b 28c, 14a 7b 14c, 28a 14b 28c) .
45
EJEMPLO 8.4.8
Dada la matriz:
2 2 6

A 0 a 4 a
0 a a

a.- Prubese que para todo a C \ 0, 1, la matriz A (3, 3) es
diagonalizable; prubese que tambin lo es para a = 1 y que no lo es para a = 0.
b.- Diagonalizar el endomorfismo f : R3 R3 que tiene asociada en base
cannica a la matriz A para a = 1, localizando la base en la que f toma forma
diagonal.
SOLUCION
p() 3 22 4a 8a .
caracterstico:
3 22 4a 8a 0
( 2)(2 4a) 0
= 2, 2 a , 2 a .
a.- Para que la matriz A sea diagonalizable, los valores caractersticos deben
tener multiplicidad algebraica 1 (todos los valores caractersticos deben ser
diferentes). Para conseguir esto, a 0. Si a = 0, obtenemos un valor caracterstico
de multiplicidad algebraica 2 y un subespacio propio de multiplicidad geomtrica
1, lo cual no permite diagonalizar la matriz A.
b.- Si a = 1, entonces = 2 y = -2, donde = 2 tiene multiplicidad algebraica
2 y = -2 tiene multiplicidad algebraica 1. Los subespacios propios se encuentran
reemplazando cada valor caracterstico en la ecuacin caracterstica, y luego se
resuelve cada sistema de ecuaciones homogneo:
0 2 6 x 0 0 2 6 0 0 0 0 0

= 2: 0 1 3 y 0 0 1 3 0 0 0 0 0
0 1 3 z 0 0 1 3 0 0 1 3 0

de donde obtenemos que y 3z = 0. Por consiguiente el subespacio propio
V() = {(x, y, z) / y 3z = 0}
BaseV() = {(1, 0, 0), (0, -3, 1)} dimV() = 2.
Como = 2 tiene multiplicidad algebraica 2 y multiplicidad geomtrica 2,
entonces la matriz es diagonalizable.
4 2 6 x 0 4 2 6 0 1 0 2 0

= -2: 0 3 3 y 0 0 3 3 0 0 1 1 0
0 1 1 z 0 0 1 1 0 0 0 0 0

de donde obtenemos que x + 2z = 0, y + z = 0. Por consiguiente el subespacio
V() = {(x, y, z) / x + 2z = 0, y + z = 0}
BaseV() = {(-2, -1, 1)} dimV() = 1.
Por lo tanto la base para diagonalizar la matriz A es:
{(1, 0, 0), (0, -3, 1), (-2, -1, 1)}.
EJEMPLO 8.4.9
Si A (n, n) es una matriz triangular cuyos elementos de la diagonal principal
son todos diferentes. Prubese que A es semejante a una matriz diagonal.
SOLUCION
Sabemos, que una matriz triangular con elementos diferentes en su diagonal
principal, tiene valores caractersticos, iguales a los elementos de su diagonal
principal. Por lo tanto, dicha matriz es diagonalizable por tener cada valor
caracterstico multiplicidad algebraica 1. Entonces, la matriz A es semejante a una
matriz diagonal, cuyos elementos de la diagonal son los valores caractersticos de
la matriz A.
EJEMPLO 8.4.10
Sea A (n, n) y AT su transpuesta. Prubese que una es diagonalizable si, y
slo si, lo es la otra.

SOLUCION
Para que la matriz A sea diagonalizable, sus valores caractersticos deben ser
diferentes (tener multiplicidad algebraica 1). Entonces, para que su transpuesta
sea tambin diagonalizable, ambas deben tener el mismo polinomio caracterstico.
Es decir, debemos probar que Det(A - I) = Det(AT - I):
Det(A - I) = Det(A - I)T = Det(AT - IT) = Det(AT - I).
Con esto hemos demostrado que A y AT son diagonalizables.
EJEMPLO 8.4.11
Dada una matriz A (n, n):
a.- Prubese que si A es diagonalizable, entonces tambin lo es A2.
b.- Sabiendo que u (n, 1) es un vector caracterstico de A2, que no es vector
caracterstico de A, encuntrese otro vector caracterstico de A2 independiente de
u y correspondiente al mismo valor caracterstico que u.
SOLUCION
a.- Para que la matriz A sea diagonalizable, debe existir una matriz P no singular
tal que D = P-1AP. Para que A2 sea diagonalizable, debemos probar que
D2 = P-1A2P:
D2 = DD = (P-1AP)(P-1AP) = P-1APP-1AP = P-1AIAP = P-1AAP = P-1A2P.
De esta manera se demuestra que si A es diagonalizable, A2 tambin lo es.
b.- Sea u un vector caracterstico, correspondiente al valor caracterstico de la
matriz A2 (este vector se obtiene de resolver el sistema (A2 - I)u = ). Para
encontrar otro vector caracterstico de A2, independiente de u y que corresponda
al valor caracterstico , debemos resolver el siguiente sistema:
(A2 - I)v = u
donde v es el vector caracterstico solicitado. Aqu: tanto u como v, no son
vectores caractersticos de la matriz A.
EJEMPLO 8.4.12
Demuestre que la matriz:
2 1 3

A 1 1 4
3 4 2

es diagonalizable, mostrando que su polinomio caracterstico posee tres races
reales diferentes.
SOLUCION
p() = - 3 + 52 + 18 - 15.
caracterstico:
3 - 52 - 18 + 15 = 0 0.71, 7.201 y -2.92.
Todos los valores caractersticos son diferentes, entonces la matriz A es
diagonalizable.
EJEMPLO 8.4.13
Demustrese que los siguientes endomorfismos f : R3 R3 son diagonalizables.
En cada caso encuentre una base S de R3 respecto de la cual la matriz que
representa a f es una matriz diagonal.
a.- f((a, b, c)) = (2a, 3a + 2b + c, 4a + b + 2c);
b.- f((a, b, c)) = (5a - 3b + 2c, 6a - 4b + 4c, 4a - 4b + 5c);
c.- f((a, b, c)) = (7a - 12b + 6c, 10a - 19b + 10c, 12a - 24b + 13c).
SOLUCION
a.- La matriz del endomorfismo es:

2 0 0

[ f ] 3 2 1.
4 1 2

El polinomio caracterstico tiene la forma siguiente: p() = - 3 + 62 - 11 + 6.
caracterstico:
3 - 62 +11 -6 = 0 ( - 1)( - 2)( - 3) = 0 = 1, = 2 y = 3.
Como los valores caractersticos de la matriz son diferentes, entonces sta es
diagonalizable. Los vectores caractersticos se encuentran reemplazando cada
valor caracterstico en la ecuacin caracterstica, y luego se resuelve cada sistema
de ecuaciones homogneo:
1 0 0 x 0

= 1: 3 1 1 y 0
4 1 1 z 0

1 0 0 0 1 0 0 0 1 0 0 0

3 1 1 0 0 1 1 0 0 1 1 0
4 1 1 0 0 1 1 0 0 0 0 0

de donde obtenemos que x = 0, y + z = 0. Por consiguiente el subespacio propio
V() = {(x, y, z) / x = 0, y + z = 0}
BaseV() = {(0, -1, 1)} dimV() = 1.
0 0 0 x 0 0 0 0 0 0 0 0 0

= 2: 3 0 1 y 0 3 0 1 0 3 0 1 0
4 1 0 z 0 4 1 0 0 0 1 0 0

de donde obtenemos que 3x + z = 0, y = 0. Por consiguiente el subespacio propio
V() = {(x, y) / 3x + z = 0, y = 0}
BaseV() = {(1, 0, -3)} dimV() = 1.
1 0 0 x 0

= 3: 3 1 1 y 0
4 1 1 z 0

1 0 0 0 1 0 0 0 1 0 0 0

3 1 1 0 0 1 1 0 0 1 1 0
4 1 1 0 0 1 1 0 0 0 0 0

de donde obtenemos que x = 0, y z = 0. Por consiguiente el subespacio propio
V() = {(x, y) / x = 0, y z = 0}
BaseV() = {(0, 1, 1)} dimV() = 1.
La base S de R3 tiene la siguiente forma:
{(0, -1, 1), (1, 0, -3), (0, 1, 1)}.
b.- La matriz del endomorfismo es:
5 3 2

[ f ] 6 4 4 .
4 4 5

p() = - 3 + 62 - 11 + 6.
caracterstico:
3 - 62 + 11 - 6 = 0 ( - 1)( - 2)( - 3) = 0 = 1, = 2 y = 3.
Como los valores caractersticos de la matriz son diferentes, entonces sta es

diagonalizable. Los vectores caractersticos se encuentran reemplazando cada
valor caracterstico en la ecuacin caracterstica, y luego se resuelve cada sistema
de ecuaciones homogneo:
4 3 2 x 0

= 1: 6 5 4 y 0
4 4 4 z 0

4 3 2 0 4 3 2 0 1 0 1 0

6 5 4 0 0 1 2 0 0 1 2 0
4 4 4 0 0 1 2 0 0 0 0 0

de donde obtenemos que x - z = 0, y - 2z = 0. Por consiguiente el subespacio
V() = {(x, y, z) / x - z = 0, y - 2z = 0}
BaseV() = {(1, 2, 1)} dimV() = 1.
3 3 2 x 0

= 2: 6 6 4 y 0
4 4 3 z 0

3 3 2 0 3 3 2 0 1 1 0 0

6 6 4 0 0 0 0 0 0 0 0 0
4 4 3 0 0 0 1 0 0 0 1 0

de donde obtenemos que x - y = 0, z = 0. Por consiguiente el subespacio propio
V() = {(x, y) / x - y = 0, z = 0}
BaseV() = {(1, 1, 0)} dimV() = 1.
2 3 2 x 0

= 3: 6 7 4 y 0
4 4 2 z 0

2 3 2 0 2 3 2 0 2 0 1 0

6 7 4 0 0 2 2 0 0 1 1 0
4 4 2 0 0 2 2 0 0 0 0 0

de donde obtenemos que 2x z = 0, y z = 0. Por consiguiente el subespacio
V() = {(x, y) / 2x z = 0, y z = 0}
BaseV() = {(1, 2, 2)} dimV() = 1.
{(1, 2, 1), (1, 1, 0), (1, 2, 2)}.
c.- La matriz del endomorfismo es:
7 12 6

[ f ] 10 19 10 .
12 24 13

p() = - 3 + 2 + - 1.
caracterstico:
3 - 2 - + 1 = 0 ( + 1)( - 1)2 = 0 = -1 y = 1.
El valor caracterstico = -1, tiene multiplicidad algebraica 1 y = 1, tiene
multiplicidad algebraica 2. Los vectores caractersticos se encuentran
8 12 6 x 0

= -1: 10 18 10 y 0
12 24 14
z 0
8 12 6 0 4 6 3 0 2 0 1 0

10 18 10 0 0 6 5 0 0 6 5 0
12 24 14 0 0 6 5 0 0 0 0 0

de donde obtenemos que 2x - z = 0, 6y - 5z = 0. Por consiguiente el subespacio
V() = {(x, y, z) / 2x - z = 0, 6y - 5z = 0}
BaseV() = {(3, 5, 6)} dimV() = 1.
6 12 6 x 0 1 2 1 0 1 2 1 0

= 1: 10 20 10 y 0 1 2 1 0 0 0 0 0
12 24 12 z 0 1 2 1 0 0 0 0 0

de donde obtenemos que x - 2y + z = 0. Por consiguiente el subespacio propio
V() = {(x, y) / x - 2y + z = 0}
BaseV() = {(2, 1, 0), (-1, 0, 1)} dimV() = 2.
{(3, 5, 6), (2, 1, 0), (-1, 0, 1)}.
EJEMPLO 8.4.14
Pruebe que los siguientes operadores f : (2, 2) (2, 2) son diagonalizables.
En cada caso, encuentre una base S de (2, 2) respecto de la cual la matriz que
representa a f es una matriz diagonal. Determine la matriz Ak:
a b 2a 2b a 5b
a.- f ;
c d 2a c 4a 8c 3d
a b a 6b 12c 4b 6c
b.- f .
c d 3 b 5c 3b 6c d
SOLUCION
a.- La matriz del endomorfismo es:
2 2 0 0

1 5 0 0
[f ] .
2 0 1 0

4 0 8 3
p() = 4 - 93 + 232 - 3 - 36.
caracterstico:
4 - 93 + 232 - 3 - 36 = 0
( + 1)( - 3)2( - 4) = 0
= -1, = 3 y = 4.
El valor caracterstico = -1 tiene multiplicidad algebraica 1, = 3 tiene
multiplicidad algebraica 2 y = 4, tiene multiplicidad algebraica 1. Los vectores
caractersticos se encuentran reemplazando cada valor caracterstico en la
ecuacin caracterstica, y luego se resuelve cada sistema de ecuaciones
homogneo:

3 2 0 0 x 0

1 6 0 0 y 0
= -1:
2 0 0 0 z 0

4 0 8 4 u 0
3 2 0 0 3 2 0 0 0 3 0 0 0 0
0

1 6 0 0
0 0 1 0 0 0 0 1 0 0 0

1 0 0 0 0 1 0 0 0 0 0 0 0 0
0

1 0 2 0 0 2 6 3 0 0 0 2 1 0
1
de donde obtenemos que x = y = 0, -2z + u = 0. Por consiguiente el subespacio
V() = {(x, y, z, u) / x = y = 0, -2z + u = 0}
BaseV() = {(0, 0, 1, 2)} dimV() = 1.
1 2 0 0 x 0

1 2 0 0 y 0
= 3:
2 0 4 0 z 0

4 0 8 0 u 0
1 2 0 0 1 2 0 0 0 1 0 2 0
0 0

1 2 0 0
0 0 0 0 0 0 0 0 0 0

0
1 0 2 0 0 1 1 0 0 0 1 1 0
0 0

1 0 2 0 0 1 1 0 0 0 0 0 0
0 0
de donde obtenemos que x 2z = 0, y - z = 0. Por consiguiente el subespacio
V() = {(x, y, z, u) / x 2z = 0, y - z = 0}
BaseV() = {(2, 1, 1, 0), (0, 0, 0, 1)} dimV() = 2.
2 2 0 0 x 0

1 1 0 0 y 0
= 4:
2 0 5 0 z 0

4 0 8 1 u 0
1 1 0 0 0 1 1 0 0 0 4 0 0 5 0

1 1 0 0 0 0 0 0 0 0 0 0 0 0 0

2 0 5 0 0 0 2 5 0 0 0 4 0 5 0

4 0 8 1 0 0 4 8 1 0 0 0 2 1 0
de donde obtenemos que 4x 5u = 0, 4y 5u = 0, 2z u = 0. Por consiguiente el
V() = {(x, y, z, u) / 4x 5u = 0, 4y 5u = 0, 2z u = 0}
BaseV() = {(5, 5, 2, 4)} dimV() = 1.
La base S de (2, 2) tiene la siguiente forma:
{(0, 0, 1, 2), (2, 1, 1, 0), (0, 0, 0, 1), (5, 5, 2, 4)}.
La matriz Ak esta dada de la siguiente manera:
3 1
k 1 0
0 2 0 5 1 0 0 0 5 5

0 1 0 5 0 3 0 0 1 1 0 0
A
k
1 1 0 2 0 0 3 0 2 2 2 1

2 0 1 4 0 0 0 4 1 2 0 0

5 5

3 1
0 2 0 5 (1)
k
0 0 0 5 5 1 0

0 1 0 5 0 3k 0 0 1 1 0 0

1 1 0 2 0 0 3k 0 2 2 2 1

2 0 1 4 0
4k 1 2 0
0 0 0
5 5
2 3k 22 k 22 k 1 2 3k 0 0

2 k 1
3 2
k 2k
2 3 k
0 0

2 k 1
22( k 1) ( 1)
k
3k 2 3(1)k
3
k
(1) k
5 5
0

22( k 1) 6(1) k 22 k 3 2(1) k k
23 2 3 2(1) 2 3 3
k k k k
5 5
b.- La matriz del endomorfismo es:
1 6 12 0

0 4 6 0
[f ] .
0 3 5 0

0 3 6 1
p() = 4 - 3 - 32 + 5 - 2.
caracterstico:
4 - 3 - 32 + 5 - 2 = 0 ( - 1)3( + 2) = 0 = 1 y = -2.
El valor caracterstico = 1 tiene multiplicidad algebraica 3, y = -2
multiplicidad algebraica 1. Los vectores caractersticos se encuentran
0 1 2 0 x 0 0 1 2 0 0 0 1 2 0 0

0 1 2 0 0 1 2 0 0 0 0 0 0 0
y 0
= 1:
0 1 2 0 z 0 0 1 2 0 0 0 0 0 0 0

0 1 2 0 u 0 0 1 2 0 0 0 0 0 0 0
de donde obtenemos que y + 2z = 0. Por consiguiente el subespacio propio
V() = {(x, y, z, u) / y + 2z = 0}
BaseV() = {(1, 0, 0, 0), (0, -2, 1, 0), (0, 0, 0, 1)} dimV() = 3.
1 2 4 0 x 0

0 1 1 0 y 0
= -2:
0 1 1 0 z 0

0 1 2 1 u 0
1 2 4 0 0 1 0 6 0 0 1 0 0 6 0

0 1 1 0 0 0 1 1 0 0 0 1 0 1 0

0 1 1 0 0 0 0 0 0 0 0 0 0 0 0

0 1 2 1 0 0 0 1 1 0 0 0 1 1 0
de donde obtenemos que x + 6u = 0, y u = 0, z + u = 0. Por consiguiente el
V() = {(x, y, z, u) / x + 6u = 0, y u = 0, z + u = 0}
BaseV() = {(-6, 1, -1, 1)} dimV() = 1.
La base S de (2, 2) tiene la siguiente forma:

{(1, 0, 0, 0), (0, -2, 1, 0), (0, 0, 0, 1), (-6, 1, -1, 1)}.
La matriz Ak esta dada de la siguiente manera:
k 1
1 0 0 6 1 0 0 0 1 0 0 6

0 2 0 1 0 1 0 0 0 2 0 1
Ak
0 1 0 1 0 0 1 0 0 1 0 1

0 0 1 1 0 0 0 2 0 0 1 1
0 6 1 0 1 6 12
k
1 0
0 0

0

0 2 0 1 0 1k 0 0 0 1 1 0

0 1 0 1 0 0 1k 0 0 1 2 1

0 0 1 1 0 0 0 k 0 1
(2) 2 0

1 3 2k 1 (1) k 6 3 2k 2 (1) k 12 0

0 2 2k (1)k 2 2k 1 (1) k 0
.
0 2k (1)k 1 2k 1 ( 1) k 1 0

0 1 2k (1)k 2 2k 1 (1) k 1
PROBLEMAS
a b 8.4.5 Si A de n x n es una matriz diagonalizable con

8.4.1 Demuestre que la A
matriz es todos sus valores caractersticos diferentes. Prubese
c d que las matrices que conmutan con A son las que tienen
diagonalizable si 4bc < (a d)2 y no diagonalizable si sus mismos vectores caractersticos, y slo ellas.
4bc > (a d)2.
8.4.6 Demuestre que las siguientes matrices no son
8.4.2 Demuestre que si A es no singular y diagonalizables:
diagonalizable, entonces A-1 es diagonalizable y una
1 8 7
matriz P que diagonalice a A tambin diagonaliza a A-1. 1 4 2 2
a.- ; b.- ; c.- 0 1 4 ;
2 1 5 1 0 5 2
8.4.3 De ser posible, diagonalizar las siguientes
matrices:
1 0 0 0
2 1 3 4 0 a
a.- ; b.- ; c.- ; 0 1 0 0
1 2 5 2 a 0 d.- .
0 0 2 7
5 6 3 2 5 6
0 0 3 1

d.- 1 0 1 ; e.- 4 6 9 ;
1 2 1 3 6 8
8.4.7 Demuestre que la matriz:
2 1 2 3 1 0 1 2 3 4

f.- 5 3 3 ; g.- 4 1 0 ; 0 2 3 4
1 4 8 2 A
0 2 0 0 3 4

0 2 1 0 0 0 4

h.- 2 0 3 . es diagonalizable. Encuentre una matriz no singular P
1 3 0 tal que P-1AP sea una matriz diagonal.

8.4.8 Para cada una de las siguientes matrices,
8.4.4 Para cada una de las siguientes matrices, determine determine la expresin general de su n-sima potencia:
la expresin general de su n-sima potencia:
7 12 2 2 8 6
2 1 4 3 3 4
a.- ; b.- ; c.- . a.- 3 4 0 ; b.- 4 10 6 .
3 2 2 1 1 2 2 0 2 4 8 4


8.4.9 Suponga que los polinomios de grado 5 mostrados 8.4.10 Sea A de n x n una matriz idempotente de rango
a continuacin son polinomios caractersticos de alguna r:
matriz A de orden 5. En cada caso, diga si la matriz A es a.- Prubese que sus nicos valores caractersticos son 0
diagonalizable, si no es diagonalizable, o si posiblemente y 1.
sea diagonalizable. En el ltimo caso, diga qu b.- Prubese que el subespacio propio V(),
condiciones adicionales se deben cumplir para que la correspondiente al valor caracterstico = 0, tiene
matriz A sea diagonalizable: dimensin r y que el subespacio propio V(),
a.- p() = (1 - )(2 - )(3 - )(4 - )(5 - ); correspondiente al valor caracterstico = 1 tiene
b.- p() = (1 - )2(3 - )(-1 - )2; dimensin n - r; dedzcase de ello que A es
c.- p() = (-1 - )(-3 + 2 + 2)(6 - 5 + 2); diagonalizable y hllese su forma diagonal.
d.- p() = (2 - )(2 + 2 + 6)(2 - 3 + 2);
e.- p() = (3 - 52 + 6)(-20 + 9 - 2);
f.- p() = (1 - )3(1 + 2).
8.5 DIAGONALIZACION DE MATRICES SIMETRICAS Y HERMITICAS
En esta seccin se abordar el problema de determinar una base ortonormal para el espacio vectorial V,
integrada por vectores caractersticos de un endomorfismo simtrico f.
En la seccin anterior se puso de manifiesto que no todas las matrices cuadradas,

de un cierto orden, de elementos complejos son diagonalizables y se ha obtenido
una condicin necesaria y suficiente para que lo sean; cuando los elementos de
una matriz son todos reales, se obtiene un caso particular del anterior para el que
son vlidas las consecuencias obtenidas para aqul. Obsrvese entonces que no
toda matriz real ser diagonalizable; caso de serlo, su forma diagonal ser, en
general, una matriz compleja, pues sus valores caractersticos no han de ser
necesariamente reales, sino que pueden muy bien ser nmeros complejos, ya que
la ecuacin caracterstica, ecuacin algebraica de grado n con coeficientes reales,
tiene n races en C, las cuales slo en casos especiales sern todas ellas reales.
Cuando se considere una matriz cuadrada real que adems sea simtrica, caso este
muy frecuente en los problemas de la fsica, la simetra de la matriz trae consigo
grandes simplificaciones que permiten llegar a conclusiones francamente
interesantes. La situacin para las matrices reales simtricas, es an ms rica en
resultados: si al espacio vectorial Rn se lo considera con su estructura ordinaria de
espacio eucldeo, entonces, adems de ocurrir que hay n vectores caractersticos
independientes, ocurre que es siempre posible elegir n vectores caracterstico
formando un sistema ortonormal; dicho de otra forma, existe siempre una base
ortonormal de Rn constituida por vectores propios de una matriz real y simtrica
de orden n. As las cosas, si es A una matriz real simtrica y D su forma diagonal:
D = P-1AP, la matriz P cuyos vectores columna son vectores caractersticos, de A,
linealmente independientes, puede elegirse de manera que sea ortogonal; en
consecuencia, las cosas ocurren de modo que una matriz real simtrica es
semejante a una matriz diagonal, pero con la particularidad de que la matriz de
cambio es ortogonal, y se dice entonces que A es ortogonalmente semejante a una
matriz diagonal, o que A es ortogonalmente diagonalizable.
El procedimiento que se sigue en esta seccin, para llegar a los resultados que se
acaban de enunciar, va encaminado a probar la existencia de n vectores
caractersticos ortonormales de una matriz real simtrica, conseguido lo cual, el
resto de las cuestiones a demostrar resultan simples. Una matriz cuadrada A de
n x n real, considerada como un caso particular de las matrices complejas, tiene n
valores caractersticos que son las races de la ecuacin, en : Det(A - I) = 0,
esta ecuacin, algebraica de grado n de coeficientes reales, tiene n races en C
contando cada una tantas veces como indica su orden de multiplicidad. Por tanto,
los valores caractersticos de A pueden ser nmeros complejos, aun cuando A sea
real; lo que s se sabe es que, por ser reales los coeficientes de la ecuacin, si una
matriz real tiene valor caracterstico complejo, tiene tambin por valor
caracterstico el complejo conjugado y con igual orden que aqul. Para cada valor
caracterstico de A, los vectores caractersticos correspondientes a son los
vectores no nulos u C tales que Au = u; en general, estos vectores
caractersticos son complejos; pero, si es real, la ecuacin (A - I) = que da
los vectores caractersticos proporciona soluciones reales.
El problema que ahora se considera es aquel en el que la matriz cuadrada real A

de orden n es adems una matriz simtrica y, en tal hiptesis, se pretende
demostrar que todos los valores caractersticos de A son nmeros reales.
TEOREMA 8.5.1
Si A es una matriz simtrica, 1 y 2 son dos valores caractersticos de A
y u1 es un vector propio correspondiente a 1 y u2 lo es a 2, entonces se
verifica
(1 - 2)uT2 u1 = 0.
DEMOSTRACION
De acuerdo con la hiptesis, se verifica Au1 = 1u1 y Au2 = 2u2; multiplicando
por la izquierda la primera igualdad por uT2 y la segunda igualdad por uT1, se
obtiene:
uT2Au1 = 1uT2u1 y uT1Au2 = 2uT1u2
de la segunda de estas igualdades, y dado que A es simtrica, al trasponer ser
uT2Au1 = 2uT2u1
que comparada con la primera permite escribir
1uT2u1 = 2uT2u1
de donde
(1 - 2)uT2 u1 = 0.
TEOREMA 8.5.2
Todos los valores caractersticos de una matriz real y simtrica son
nmeros reales.
DEMOSTRACION
Todo valor caracterstico de la matriz real simtrica A es un nmero complejo,
y se pretende demostrar que tiene nula su parte imaginaria o, lo que es igual, que
coincide con su conjugado, es decir, = . Supngase que as no ocurre y que,
en consecuencia, fuese ; de esta hiptesis se pretende llegar a una
contradiccin que obliga a rechazarla. Si fuese, un valor caracterstico de A,
complejo pero no real, y u un vector caracterstico correspondiente a , es
decir, Au = u, donde u es la matriz columna de las coordenadas de u, entonces el
nmero complejo , , tambin sera valor caracterstico de A, ya que, por
ser A real, todos los coeficientes de la ecuacin caracterstica son reales y sta, al
admitir una raz compleja, admite tambin como raz a su conjugada; por otra
parte, dado que A es real, tomando conjugados en Au = u, se obtiene Au u ,
de donde se infiere que el vector u , conjugado del vector u, es un vector
caracterstico correspondiente a . Aplicando la proposicin anterior a los
valores caractersticos y y sus vectores caractersticos u y u , se obtiene
( - ) u T u = 0, pero como se ha supuesto que , habr entonces de
satisfacerse u T u = 0, es decir
a1a1 a2 a2 ... an an | a1 |2 | a2 |2 ... | an |2 0
de donde se deduce que ha de verificarse a1 = 0, a2 = 0, ..., an = 0, es decir, u = ,
lo cual va contra la hiptesis de ser u un vector caracterstico y, por tanto, no

nulo. Esta contradiccin lleva a desechar la posibilidad de que una matriz real
simtrica tuviese algn valor caracterstico no real.
Los vectores caractersticos de una matriz real simtrica pueden elegirse de

manera que tengan sus componentes reales. Ms exactamente: de cada direccin
de vectores caractersticos puede seleccionarse uno, y, por tanto, infinitos, que
tenga todas sus componentes reales. Esto es evidente, dado que, por ser reales
todos los valores caractersticos y serlo tambin la matriz A, las ecuaciones
(A - I)u = , que proporcionan los vectores caractersticos, son sistemas de
ecuaciones lineales en el cuerpo R. Obsrvese que, si u es un vector caracterstico
real de A, tambin es vector caracterstico de A el vector ku y si para k se toma un
nmero complejo se obtiene un vector caracterstico complejo. De ahora en
adelante, y puesto que es posible hacerlo, se considerarn nicamente como
vectores caractersticos de una matriz real simtrica aquellos que sean de
componentes reales, es decir, pertenecientes a Rn.
Segn ya es sabido, dos matrices A, B de n x n reales, se dicen semejantes cuando

existe una matriz no singular P tal que A = P -1BP; en tal caso, las matrices A y B
estn asociadas, pero distintas, a una misma transformacin lineal f : Rn Rn y
es P la matriz del cambio de bases; es decir, la ecuacin matricial del cambio, de
las coordenadas para las que f se le asocia B, es u = Pv. Supngase que a Rn se le
considera no slo como espacio vectorial, sino que tambin se tiene en cuenta su
estructura de espacio vectorial eucldeo, y que, por tanto, tiene perfecto sentido
considerar bases ortogonales en Rn; los cambios de bases tales que tanto la base
de partida como la base de llegada son ortogonales vienen dados por matrices P
de cambio que son ortogonales, es decir, tales que P T = P-1.
DEFINICION 8.5.1
Dos matrices A, B de n x n reales, se dicen ortogonalmente semejantes
cuando existe una matriz ortogonal P tal que A = P-1BP.
Segn esta definicin, las matrices A y B son ortogonalmente semejantes cuando,

siendo semejantes, la matriz de cambio es ortogonal. Si es f la transformacin
asociada a la matriz A en la base cannica de Rn, las matrices ortogonalmente
semejantes a A son las asociadas a f en las diferentes bases ortonormales de Rn.
La existencia de semejanza ortogonal es, ms fuerte que la de semejanza; de
forma que el hecho de ser dos matrices ortogonalmente semejantes implica
evidentemente que dichas matrices sean semejantes.
Aun cuando de momento no ser utilizado, conviene hacer notar que si dos
matrices A y B son ortogonalmente semejantes, son, como consecuencia,
congruentes; en efecto, si A = P-1BP, siendo P ortogonal, es evidente que
A = PTBP, es decir, A y B son congruentes siendo ortogonal la matriz de
transformacin, es decir, ortogonalmente congruentes. Se tiene entonces que, para
toda matriz real cuadrada A, su transformada por semejanza mediante una matriz
ortogonal y su transformada por congruencia mediante la misma matriz son
iguales; es decir, si slo se considerasen matrices de cambio ortogonales, la
semejanza y la congruencia seran una misma cosa; dicho de otra forma, la
semejanza ortogonal y la congruencia ortogonal son conceptos equivalentes.
DEFINICION 8.5.2
Para cualquiera que sea la matriz A de n x n, real y simtrica, la
transformacin lineal f : Rn Rn asociada a A respecto de la base
cannica de Rn se dice que es una transformacin simtrica.

Si f es una transformacin simtrica ocurre entonces que, respecto de cualquier

base ortonormal de Rn, su matriz asociada es simtrica; en efecto: la matriz A,
asociada a f en la base cannica, es simtrica; el cambio a otra base ortonormal
viene dado por una matriz P ortogonal y, en consecuencia, la matriz B asociada a
f en la nueva base ortonormal es A = P -1BP = PTBP, que evidentemente es
simtrica, ya que
AT = (PTBP)T = PTBT(PT)T = PTBP = A.
Resulta entonces que una transformacin f : Rn Rn es simtrica cuando, en
cualquier base ortonormal, su matriz asociada es simtrica. Obsrvese que la
matriz asociada a una transformacin simtrica en una base no ortonormal no
tiene que ser forzosamente una matriz simtrica, an cuando pueda serlo en casos
especiales.
TEOREMA 8.5.3
Para una matriz real simtrica, los subespacios propios correspondientes
a valores caractersticos diferentes son ortogonales.
DEMOSTRACION
Hay que demostrar que cualquier vector caracterstico u correspondiente al valor
caracterstico , es decir, u V(), es ortogonal a todo vector caracterstico v
V(), correspondiente al valor caracterstico ; se verifica ( - )vT u = 0 o, lo
que es igual, a1b1 + a2b2 + ... + anbn = u v = 0 y, por tanto u y v son
efectivamente ortogonales.
TEOREMA 8.5.4
Si una matriz simtrica real es diagonalizable, entonces es
ortogonalmente diagonalizable.
DEMOSTRACION
Una matriz cuadrada es diagonalizable si, y slo si, la suma de las dimensiones de
sus subespacios propios, q1 + q2 + ... + qr, es igual al orden n de la matriz; como
los subespacios propios de una matriz real simtrica, adems de ser disjuntos, son
ortogonales dos a dos, tomando bases ortonormales en cada uno de ellos, el
conjunto formado por los q1 + q2 + ... + qr vectores de las diferentes bases es un
sistema ortonormal de vectores caractersticos de la matriz que, si sta es
diagonalizable, se trata, de una base ortonormal de Rn de vectores caractersticos
de la matriz A; respecto de dicha base, la matriz D, semejante a A, es diagonal y
esta diagonalizacin se ha realizado, entonces, mediante una matriz de
transformacin P ortogonal, ya que es aquella cuyos vectores columna son los de
la mencionada base ortonormal de Rn y, en consecuencia, A es ortogonalmente
diagonalizable.
El problema de demostrar que una matriz A real y simtrica, es ortogonalmente

diagonalizable, es decir, existe P ortogonal tal que D = P -1AP es una matriz
diagonal, no es otro que el de demostrar la existencia de una base ortonormal de
Rn constituida por vectores caractersticos de A, los cuales sern los vectores
columna de la matriz P.
TEOREMA 8.5.5
Si f : Rn Rn es una transformacin lineal simtrica y V es un
subespacio de Rn tal que f(V) V, entonces V tiene, al menos, una base
ortonormal constituida por vectores caractersticos de f.
DEMOSTRACION
Se proceder por induccin sobre la dimensin de V, es decir, probando que es
verdadera si Dim(V) = 1 y demostrando que, caso de ser verdadera cuando
Dim(V) = q 1, tambin lo es si Dim(V) = q. La comprobacin de la veracidad
de la proposicin cuando V tiene dimensin 1 es inmediata: como existe un

u
vector no nulo u de V, el sistema constituido por el nico vector v es una
|| u ||
base ortonormal de V y adems v es vector caracterstico de f, ya que f(v) es un
vector de V, pues f(V) V, y, por tanto, para un cierto nmero real , es
f(v) = v, lo que confirma la veracidad. Queda por cerciorarse de que la propiedad
es verdadera para cualquiera que sea la dimensin q de V, en el supuesto de que
lo sea para los espacios de dimensiones q 1; en efecto, {u1, u2, ..., uq} una base
ortonormal de V, la cual puede completarse con n q vectores hasta constituir
una base ortonormal {u1, u2, ..., uq, uq+1, uq+2, ..., un} de Rn; como f es una
transformacin simtrica, la ecuacin de f en esta ltima base viene dada por una
matriz A simtrica, v = Au; por otra parte, como f(V) V, si u V, entonces
v = f(u) V, es decir, si las componentes de lugares q + 1, q + 2, ..., n de u son
nulas tambin lo son las de v = f(u) y, por tanto, A de ser tal que, para todo
u Rq, satisfaga a:
b1 a11 a1q a1n a1

bq aq1 aqq aqn aq

0 0

0 a an n 0
n1 anq
en consecuencia, respecto de la base {u1, u2, ..., uq} de V, la restriccin
f |V : V V, de f a V, tiene ecuacin matricial v1 = A1u1, es decir:
b1 a11 a12 a1q a1

b2 a21 a22 a2 q a2
.

bq aq1 aq 2 aqq aq
Por ser A1 real y simtrica sus valores caractersticos son reales y hay al menos un
vector caracterstico real, u , para el que es f |V(u) = u, siendo el valor
caracterstico que admite a u por vector caracterstico; por tanto, f(u) = u, es
u
decir, u es vector caracterstico de f y, en consecuencia, v V es vector
|| u ||
caracterstico de f. Considrese ahora el subespacio vectorial U, de V, ortogonal a
v, es decir, el constituido por todos los vectores de V ortogonales a v, el cual es de
dimensin q 1; para cualquiera que sea w U, es decir, w V y w v, ser
f(w) V y w v = 0, y en consecuencia:
f(w) v = (Aw)Tv = wTATv
= wTAv = wT(Av)
= w f(v)
= w v
= w v = 0
por consiguiente, si w U, entonces f(w) V y f(w) v, es decir, f(w) U,
resultando entonces que U es un subespacio de Rn de dimensin q 1 tal que f le
transforma en s mismo; por tanto, segn lo supuesto, la proposicin es verdadera
para U, es decir, U posee una base ortonormal de vectores caractersticos de f; en
consecuencia, al aadir a esta base el vector v, se obtiene una base ortonormal de
V formada por vectores caractersticos de f.
TEOREMA 8.5.6
Toda matriz real y simtrica es ortogonalmente diagonalizable.

DEMOSTRACION
La demostracin de este teorema resulta ya evidente: sea f : Rn Rn la
transformacin lineal asociada a la matriz A en la base cannica de Rn; f es,
entonces, una transformacin lineal simtrica y, por tanto, segn la consecuencia
anterior, existe una base ortonormal de Rn formada por vectores caractersticos de
f, los cuales lo son de A. La matriz P que se busca es, aquella cuyos vectores
columna son los vectores de dicha base ortonormal.
EJEMPLO 8.5.1
Demostrar que los mdulos de todos los valores caractersticos de una matriz
ortogonal son iguales a 1.
SOLUCION
Sea A una matriz ortogonal. Entonces
Au Av u AAv u v
para cualesquiera vectores reales u y v. Supongamos que = a + bi es un valor
caracterstico de la matriz A y que w = u + vi es su vector caracterstico
correspondiente. Entonces
Au = au bv, Av = av + bu,
de donde
2 2 2
v v v Av Av a 2 v b2 u 2abu v ,
2 2 2
v v v Av Av a v 2
b u
2
2abu v .
Sumando estas igualdades, obtenemos a2 + b2 = 1.
EJEMPLO 8.5.2
Demostrar que los vectores caractersticos de una matriz ortogonal, pertenecientes
a un valor caracterstico imaginario, tienen la forma u + iv, donde u, v son
vectores reales, iguales de longitud y ortogonales.
SOLUCION
Para b 0, de las ltimas igualdades del problema anterior obtenemos
2 2
b( u v ) 2au v 0 .
Por otra parte,
u v Au Av (a 2 b2 )u v ab u 2
v
2

de donde
2 2
a( u v ) 2bu v 0 .
Por consiguiente
2 2
u v u v 0.
EJEMPLO 8.5.3
Demuestre que una matriz P de n x n es ortogonal s y slo si sus vectores
columna forman un conjunto ortonormal.
SOLUCION
Suponga que los vectores columna de la matriz P forman un conjunto ortonormal:
p11 p12 ... p1n

p p22 ... p2 n
P ( p1 : p2 :...: pn ) 21 .

pn1 pn 2 ... pnn
Entonces el producto PTP es de la forma

p11 p21 ... pn1 p11 p12 ... p1n

p p22 ... p22 p21 p22 ... p2 n
P T P 12

p1n p2 n ... pnn pn1 pn 2 ... pnn
p1 p1 p1 p2 ... p1 pn

p p p2 p2 ... p2 pn
2 1

p p p p ... p p
n 1 n 2 n n
dado que el conjunto {p1, p2, ..., pn} es ortonormal, se tiene que pi p j 0 , i j
2
y pi pi pi 1 . Por tanto, la matriz compuesta de productos interiores es
de la forma
1 0 0

0 1 0
PT P = =I.
M M M

0 0 1
Lo anterior implica que P = P y se concluye que P es ortogonal.
T -1
EJEMPLO 8.5.4
Diagonalizar ortogonalmente las siguientes matrices:
1 4 2 4 2 2 2 0 36

a.- 4 1 2 ; b.- 2 4 2 ; c.- 0 3 0 .
2 2 2 2 2 4 36 0 23

SOLUCION
a.- Para diagonalizar la matriz A, debemos encontrar los valores y vectores
1 4 2
4 1 2 = (6 - )( + 3)2 = 0 1 = -3, 2 = 6.
2 2 2
4 4 2 0 4 4 2 0

1 = -3: 4 4 2 0 0 0 0 0
2 2 1 0 0 0 0 0

SpanV(-3) = {(a, b, c) / 2a 2b + c =0}
BaseV(-3) = {(1, 0, -2), (0, 1, 2)} dimV(-3) = 2.
5 4 2 0 5 4 2 0 1 0 2 0

2 = 6: 4 5 2 0 0 1 2 0 0 1 2 0
2 2 8 0 0 1 2 0 0 0 0 0

SpanV(6) = {(a, b, c) / a = 2c, b = - 2c}
BaseV(6) = {(2, -2, 1)} dimV(6) = 1.
Base V() = {(1, 0, -2), (0, 1, 2), (2, -2, 1)}
4 2
Base ortogonal V() = (1, 0, 2), ,1, , (2, 2,1)
5 5

1 5 4 2 1

Base ortonormal V() = (1, 0, 2), ,1, , (2, 2,1)
5
3 5 5 3


1 4 2

5 3 5 3
5 2
P 0
3 5 3
2 2 1

5 3 5 3
T
1 4 2 1 4 2

5 3 5 3 3
1 4 2
5 3 5
5 2 5 2
D = P T AP 0 4 1 2 0
3 3
2 2 2
3 5 3 5
2 2 1 2 2 1

5 3 5 3 5 3 5 3
3 0 0

0 3 0
0 0 6

b.- Para diagonalizar la matriz A, debemos encontrar los valores y vectores
4 2 2
2 4 2 = (8 - )( - 2)2 = 0 1 = 2, 2 = 8.
2 2 4
2 2 2 0 2 2 2 0

1 = 2: 2 2 2 0 0 0 0 0
2 2 2 0 0 0 0 0

SpanV(2) = {(a, b, c) / a + b + c =0}
BaseV(2) = {(-1, 1, 0), (-1, 0, 1)} dimV(2) = 2.
4 2 2 0 2 1 1 0 2 1 1 0

2 = 8: 2 4 2 0 1 2 1 0 0 1 1 0
2 2 4 0 1 1 2 0 0 1 1 0

1 0 1 0

0 1 1 0
0 0 0 0

SpanV(8) = {(a, b, c) / a = c, b = c}
BaseV(8) = {(1, 1, 1)} dimV(8) = 1.
Base V() = {(-1, 1, 0), (-1, 0, 1), (1, 1, 1)}
1 1
Base ortogonal V() = (1,1, 0), , ,1 , (1,1,1)
2 2

1 2 1 1 1

Base ortonormal V() = (1,1, 0), , ,1 , (1,1,1)

2 3 2 2 3

1 1 1

2 6 3
1 1 1
P
2 6 3
2 1
0
6 3

T
1 1 1 1 1 1
- - - -
2 6 3 4 2 2 2 6 3 2
0 0
1 1 1 1 1 1
D = P T AP = - 2 4 2 2 -
0 2 0
3 3
2 0 8
6 6
1
2 2 4
1
0
2 2
0 0
6 3 6 3
c.- Para diagonalizar la matriz A, debemos encontrar los valores y vectores
2 0 36
0 3 0 = ( + 3)(25 )( + 50) = 0
36 0 23
1 = -50, 2 = -3, 3 = 25.
48 0 36 0 4 0 3 0 4 0 3 0

1 = -50: 0 47 0 0 0 1 0 0 0 1 0 0
36 0 27 0 4 0 3 0 0 0 0 0

SpanV(-50) = {(a, b, c) / 4a - 3c = 0, b = 0}
BaseV(-50) = {(3, 0, 4)} dimV(-50) = 1.
1 0 36 0 1 0 36 0 1 0 36 0

2 = -3: 0 0 0 0 0 0 0 0 0 0 0 0
36 0 20 0 9 0 5 0 0 0 324 0

1 0 0 0

0 0 0 0
0 0 1 0

SpanV(-3) = {(a, b, c) / a = c = 0}
BaseV(-3) = {(0, 1, 0)} dimV(-3) = 1.
27 0 36 0 3 0 4 0 3 0 4 0

3 = 25: 0 28 0 0 0 1 0 0 0 1 0 0
36 0 48 0 3 0 4 0 0 0 0 0

SpanV(25) = {(a, b, c) / 3a 4c = 0, b = 0}
BaseV(25) = {(-4, 0, 3)} dimV(25) = 1.
Base V() = {(3, 0, 4), (0, 1, 0), (-4, 0, 3)}
3 4
5 0 5
1 1
Base ortonormal V() = (3, 0, 4), (0,1, 0), (4, 0, 3) P 0 1 0
5 5 4 3
0
5 5
T
3 4 3 4
5 0 - 5 -2 0 -36 5 0 - 5

D = P T AP = 0 1 0 0 -3 0 0 1 0
4 3 -36 0 -23 4 3
0 0
5 5 5 5
-50 0 0

= 0 -3 0 .
0 0 25


PROBLEMAS
8.5.1 Demuestre que si una matriz simtrica A 8.5.7 Si A de n x n es una matriz diagonal con todos
solamente tiene un valor caracterstico , entonces los elementos de su diagonal principal diferentes.
A = I. Prubese que las matrices que conmutan con A son las
matrices diagonales, y slo ellas.
8.5.2 Obtener una matriz simtrica B de 2 x 2 tal que
B2 = A para la matriz 8.5.8 Diagonalizar ortogonalmente las matrices
2 1 simtricas:
A . 3 1 0 17 8 4
1 2
a.- 1 3 0 ; b.- 8 17 4 ;
0 0 2 4 4 11
8.5.3 Determine una matriz ortogonal P tal que P -1AP
sea diagonal para la matriz 5 10 8 2 2 2
a b
A c.- 10 2 2 ; d.- 2 5 4 ;
.
b a 8 2 11 2 4 5

6 2 2 11 2 8
8.5.4 Diagonalizar ortogonalmente las siguientes
matrices: e.- 2 5 0 ; f.- 2 2 10 ;
2 0 7 8 10 5
1 2 1 0 2 3

a.- 2 3 0 ; b.- 2 4 1 ; 4 3i 4i 6 2i
1 0 1 3 1 5
g.- 4i 4 3i 2 6i .
6 2i 2 6i 1
1 1 1 4 2 3

c.- 1 1 1 ; d.- 2 2 1 ;
1 1 0 3 1 2 8.5.9 Sea A una matriz simtrica de orden n. Suponga
que todos los valores caractersticos de A son cero.
6 3 2 Muestre que en tal caso, A es la matriz cero. Por medio
de un ejemplo concreto, muestre que esta afirmacin es
e.- 3 7 4 .
2 4 8 falsa si A no es simtrica.

8.5.10 Sea f : R3 R3 el operador lineal para el cual
8.5.5 Prubese que el endomorfismo nulo es el nico
f(e1) = f(e2) = f(e3) = (1, 1, 1), en donde e1, e2, e3 son los
endomorfismo simtrico y nilpotente.
vectores de la base cannica de R3. Encuentre una base
ortonormal de R3 respecto de la cual la representacin
8.5.6 Sea A una matriz simtrica de orden n, tal que en
matricial de f sea una matriz diagonal.
su diagonal principal aparecen slo ceros. Demuestre que
la suma de todos sus valores caractersticos es igual a
cero.
8.6 POLINOMIO MINIMO DE UNA MATRIZ
En esta seccin se ver cmo determinar el polinomio mnimo del endomorfismo f, utilizando el polinomio
caracterstico.
En esta seccin ser de inters estudiar polinomios que son anulados por matrices.
Ms concretamente, se estudiar el problema de, dada una matriz A de n x n,
encontrar un polinomio de menor grado que es anulado por la matriz A.
Tal polinomio existe. Adems, su grado no excede a n2. Uno de los resultados
importantes que se ver en esta seccin es el grado de tal polinomio de hecho no
excede a n.

DEFINICION 8.6.1
Sea A una matriz cuadrada de orden n. Se dice que m(x) es un polinomio
mnimo de A si m(x) es un polinomio mnico y es, de entre todos los
polinomios que son anulados por A, un polinomio del menor grado
posible.
TEOREMA 8.6.1
El polinomio mnimo de una matriz es nico.
DEMOSTRACION
Sean m1(x) y m2(x) dos polinomios de A. Segn la definicin, m1(x) y m2(x) son
polinomios mnicos del mismo grado, dgase
m1(x) = a0 + a1x + ... + ak-1xk-1 + xk
y
m2(x) = b0 + b1x + ... + bk-1xk-1 + xk
Se quiere demostrar que a0 = b0, a1 = b1, , ak-1 = bk-1, es decir, que
m1(x) = m2(x). Sea p(x) = m1(x) - m2(x). Entonces
p(x) = (a0 b0) + (a1 b1)x + ... + (ak-1 bk-1)xk-1 + xk
Supngase, para obtener una contradiccin, que existe j, 1 j k 1 tal que
aj bj 0. Tmese el menor ndice j con esta propiedad. Entonces
p(x) = (a0 b0) + (a1 b1)x + ... + (aj bj)xj.
Sea
1
p( x) p( x)
a j bj
se tiene que
a.- p( x) es un polinomio mnico;
b.- p( x) es anulado por la matriz A, pues
1 1 1
p(A) p(A) (m1 (A) m2 (A)) 00
a j bj a j bj a j bj
Como el grado del polinomio p( x) es menor que k = grado de m1(x) = grado de
m2(x), las propiedades mostradas anteriormente contradicen que m1(x) o m2(x) es
un polinomio mnimo de A. Entonces, aj bj = 0. Es decir, que p(x) = 0 y por
tanto, m1(x) = m2(x).
En el siguiente teorema se establece que de hecho el polinomio mnimo de una

matriz A es la pieza con la que se construyen todos los polinomios que son
anulados por A. Ms precisamente, se demostrar que si p(x) es un polinomio que
es anulado por A, entonces p(x) no es ms que un mltiplo del polinomio mnimo
de A.
TEOREMA 8.6.2
El polinomio mnimo de A, m(x), divide a todo polinomio p(x) que es
anulado por A.
DEMOSTRACION
Sea p(x) un polinomio tal que p(A) = 0, se debe demostrar que p(x) = q(x)m(x)
para algn polinomio q(x). Al usar el algoritmo de la divisin para polinomios, se
puede escribir
p(x) = q(x)m(x) + r(x)
en donde q(x) es el cociente de la divisin de p(x) entre m(x) y r(x) es el resto.
Recurdese que el polinomio r(x) tiene la propiedad de que:
a.- r(x) = 0;
b.- grado r(x) < grado m(x).
Se afirma que en este caso, r(x) debe cumplir la primera de estas propiedades. En
efecto, supngase que se cumple la segunda propiedad para r(x), esto es, grado

r(x) < grado m(x). Como r(x) = p(x) q(x)m(x) se tiene

r(A) = p(A) q(A)m(A) = 0 q(A) = 0.
Entonces, r(x) sera un polinomio que es anulado por A, el cual puede suponerse
mnico, de grado menor al de m(x). Esto contradice el hecho de que m(x) es el
polinomio mnimo de A. Se tiene entonces que r(x) = 0 y por tanto,
p(x) = q(x)m(x).
Dadas las matrices semejantes A y B, se sabe que ambas poseen el mismo

polinomio caracterstico. Enseguida se mostrar que tambin poseen el mismo
polinomio mnimo. Esto ser una consecuencia del teorema siguiente.
TEOREMA 8.6.3
Si A y B son matrices semejantes dgase que A = C-1BC, y p(x) es
cualquier polinomio, entonces p(A) = C-1p(B)C.
DEMOSTRACION
Primeramente, prubese que para cualquier n N se tiene la relacin
An = C-1BnC
por induccin. Para n = 1, el resultado es obvio. Supngase entonces vlido el
resultado para n = k y demustrese para n = k + 1. Se tiene que
Ak+1 = AAk = A(C-1BkC) = (C-1BC)(C-1BkC) = C-1Bk+1C.
Sea ahora el polinomio
p(A) = a0I + a1A + ... + amAm
= a0C-1C + a1C-1BC + ... + amC-1BmC
= C-1(a0I + a1B + ... + amBm)
= C-1p(B)C.
TEOREMA 8.6.4
Matrices semejantes tienen el mismo polinomio mnimo.
DEMOSTRACION
Sean A y B dos matrices semejantes. Existe entonces C no singular tal que
A = C-1BC. Dentese por mA(x) y mB(x) a los polinomios mnimos de A y B,
respectivamente. Entonces
mB(A) = C-1m(B)C = C-10C.
Por tanto, existe q(x) tal que mB(x) = q(x)mA(x). De donde
grado mB(x) grado mA(x).
Un argumento similar nos conduce a que
grado mA(x) grado mB(x).
Entonces
grado mA(x) = grado mB(x)
mB(x) es, pues, un polinomio mnimo, del mismo grado que mA(x), que es anulado
por A. Por lo tanto mB(x) debe ser mA(x).
El siguiente teorema es uno de los resultados clsicos del lgebra lineal. En l se

establece que el polinomio caracterstico de una matriz cuadrada A es un
polinomio que es anulado por A.
TEOREMA 8.6.5
Sea A una matriz cuadrada de orden n y sea p(x) su polinomio
caracterstico. Entonces p(A) = 0. Esto se conoce con el nombre de
teorema de Hamilton Cayley.
DEMOSTRACION
Escrbase el polinomio caracterstico de A como
p() = Det(A - I) = (-1)n(a0 + a1 + ... + an-1n-1 + n).
Considrese la matriz A - I de orden n. En el captulo 3, establecimos la frmula
(A - I)Adj(A - I) = Det(A - I).
Recurdese que los elementos de la matriz adjunta de A - I son los cofactores de
los elementos de la matriz A - I. Estos cofactores se obtienen calculando

determinantes de submatrices de A - I de orden n 1. Es fcil convencerse
entonces que cada uno de los elementos de la matriz Adj(A - I) es un polinomio
de grado a lo ms n 1 en , en donde
p() = ci j0 + ci j1 + ci j22 + + ci jn-1n-1
Llmese B(k) a la matriz de orden n que tiene por elementos a ci jk, k = 0, 1, ...,
n - 1. Es claro entonces, que
Adj(A - I) = B0 + B1 + B22 + + Bn-1n-1.
Se tiene entonces de la expresin (A - I)Adj(A - I) = Det(A - I) que
(A - I)(B0 + B1 + B22 + + Bn-1n-1) = (-1)n(a0 + a1 + a22 + + ann)I.
Al realizar las operaciones indicadas en esta expresin e igualar los coeficientes
de las potencias similares de se obtiene
AB0 = (-1)na0I
-B0 + AB1 = (-1)na1I
...
-Bn-2 + ABn-1 = (-1)nan-1I
-Bn-1 = (-1)nI
Al premultiplicar la segunda de estas expresiones por A, la tercera por A2, ..., la
ltima por An, se obtiene
AB0 = (-1)na0I
-AB0 + A2B1 = (-1)na1A
...
-An-1Bn-2 + AnBn-1 = (-1)nan-1An-1
-AnBn-1 = (-1)nAn
Obsrvese que al sumar todas estas expresiones, todos los trminos que aparecen
en el lado izquierdo de stas, se cancelarn unos con otros. Entonces, se obtiene
(-1)n(a0I + a1A + ... + an-1An-1 + An) = 0
es decir que p(A) = 0.
TEOREMA 8.6.6
El polinomio mnimo de una matriz divide a su polinomio caracterstico.
El siguiente teorema reduce considerablemente el trabajo de determinar el

polinomio mnimo de una matriz a partir de su polinomio caracterstico. Con l,
se habra podido asegurar desde un principio que los polinomios m1(), m2() y
m3() del ejemplo anterior no podran ser los polinomios mnimos de la matriz A.
TEOREMA 8.6.7
Sea un valor caracterstico de la matriz A, y sea u un vector
caracterstico asociado al valor caracterstico . Si q() es un polinomio
cualquiera, se tiene que q(A)u = q()u.
DEMOSTRACION
Primeramente se observa que para todo k N se tiene Aku = ku. En efecto, para
k = 1 esta relacin establece que u es un vector propio de A asociado al valor
propio . Supngase vlida la relacin para k y prubese para k + 1. Se tiene
Ak+1u = AAku = Aku = kAu = ku = k+1u.
Sea ahora q() el polinomio q() = a0 + a1 + ... + amm Entonces
q(A)u = (a0I + a1A + ... + amAm)u
= a0Iu + a1Au + ... + amAmu
= a0u + a1Au + ... + amAmu
= (a0 + a1 + ... + amm)u
= q()u.

TEOREMA 8.6.8
Si 1, 2, ..., k son los valores caractersticos diferentes de la matriz A y
si el polinomio caracterstico de A es
p() = (-1)k( - 1)s1( - 2)s2 ... ( - k)sk
entonces el polinomio mnimo de A tiene la forma
m() = ( - 1)r2( - 3)r3 ( - k)rk
en donde 1 ri si, i = 1, 2, ..., k. Es decir, todo factor lineal que
aparezca en el polinomio caracterstico de A, debe tambin aparecer en
su polinomio mnimo.
El ltimo resultado que se ver en esta seccin relaciona la propiedad de

diagonalizacin de una matriz A con la estructura de su polinomio caracterstico.
TEOREMA 8.6.9
Sea 1, 2, ..., k los valores propios diferentes de la matriz A. Esta
matriz es diagonalizable si, y slo si su polinomio mnimo es
m() = ( - 1)( - 2) ... ( - k).
DEMOSTRACION
Supngase primeramente que A es diagonalizable. Existe entonces una matriz no
singular P tal que P-1AP = D, en donde D es una matriz diagonal. An ms, en la
diagonal principal de D aparecen los valores propios de A. Entonces, el polinomio
caracterstico de D es
p() (1)k ( 1 )s1 ( 2 )s2 ...( k )sk
en donde
si = DimV(i), i = 1, 2, ..., k y s1 + s2 + + sk = n.
Segn el teorema anterior, en el polinomio mnimo de D deben aparecer todos los
factores ( - 1)( - 2) ... ( - k). Es claro que el polinomio mnico de
menor grado posible en el que aparecen todos estos factores es
m() = ( - 1)( - 2) ... ( - k).
Se ver que de hecho ste es el polinomio mnimo de D. Basta verificar entonces
que m(D) = 0. Obsrvese que
m(D) = (D - 1I)(D - 2I) ... (D - kI).
A partir de la estructura de la matriz D, se puede deducir que D - 1I es una
matriz diagonal con ceros en la primera DimV(1) posiciones de la diagonal
principal, D - 2I es una matriz diagonal con ceros en las DimV(2) posiciones
despus de las primeras Dim(1) posiciones de la diagonal principal, etc. D - 1I
es una matriz diagonal con ceros en la ltima DimV(k) posiciones de la diagonal
principal. Por otra parte, q(D) es el producto de k matrices diagonales. Se sabe
que al multiplicar matrices diagonales se obtiene tambin una matriz diagonal en
cuya diagonal principal aparecen los productos de los elementos correspondientes
de las diagonales principales de cada una de las matrices en el producto. Por lo
analizado anteriormente acerca de la estructura de las matrices diagonales D - iI,
i = 1, 2, ..., k que aparecen como vectores en q(D), se concluye que q(D) = 0.
Entonces
m() = ( - 1)( - 2) ... ( - k)
es el polinomio mnimo de D. Es, por tanto, el polinomio mnimo de A.
Supngase ahora que el polinomio mnimo de A es de la forma mostrada
anteriormente para m(). Considrense los espacios vectoriales V(1), V(2), ...,
V(k) correspondientes a los valores propios 1, 2, ..., k, respectivamente.
Recurdese que V(i) es el espacio solucin del sistema homogneo (A - iI)u =
. De acuerdo a lo visto en secciones anteriores, la dimensin del subespacio
propio V(i) es DimV(i) = n Rang(A - I).
Anteriormente, se prob que para cualesquiera dos matrices cuadradas A y B de
orden n se cumple

Rang(AB) Rang(B) + Rang(A) n.

En el argumento que se presenta a continuacin se har uso repetido de las dos
frmulas anteriores. Se tiene
Rang(A - 1I) = n DimV(1)
Rang(A - 2I)(A - 1I) Rang(A - 1I) + Rang(A - 2I) n
= n - DimV(1) - DimV(2)
Rang(A - 3I)(A - 2I)(A - 1I) Rang(A - 2I)(A - 1I) + Rang(A - 3I) n
= n - DimV(1) - DimV(2) - DimV(3)
Al continuar con este argumento se llega a
Rang(A - kI) (A - 1I) n - DimV(1) - ... - DimV(k)
Pero (A - kI) (A - 1I) = m(A) = 0 y es claro que el rango de la matriz nula es
cero. Se concluye entonces
n DimV(1) + ... + DimV(k).
Por otra parte, si si es la multiplicidad de i como raz en el polinomio
caracterstico de A, se tiene DimV(i) si, i = 1, 2, , k de donde
DimV(1) + ... + DimV(k) s1 + s2 + ... + sk = n.
En resumen se ha demostrado que n = DimV(1) + ... + DimV(k) y entonces, A
es diagonalizable.
EJEMPLO 8.6.1
Si A y B son matrices semejantes dgase que A = C-1BC, y p(x) es cualquier
polinomio, entonces p(A) = C-1p(B)C.
SOLUCION
Primeramente, prubese que para cualquier n N se tiene la relacin
An = C-1BnC
por induccin. Para n = 1, el resultado es obvio. Supngase entonces vlido el
resultado para n = k y demustrese para n = k + 1. Se tiene que
Ak+1 = AAk = A(C-1BkC) = (C-1BC)(C-1BkC) = C-1Bk+1C.
Sea ahora el polinomio
p(A) = a0I + a1A + ... + amAm
= a0C-1C + a1C-1BC + ... + amC-1BmC
= C-1(a0I + a1B + ... + amBm)
= C-1p(B)C.
EJEMPLO 8.6.2
Para cada una de las siguientes matrices determine su polinomio mnimo:
2 0 0 1 2 3 1 1 0 0 1 0

a.- 0 2 2 ; b.- 0 2 3 ; c.- 1 2 1 ; d.- 0 0 1 .
0 2 1 0 0 3 0 1 1 1 3 3

SOLUCION
a.- El polinomio caracterstico de A es p() = -3 - 2 + 8 + 12. Tal como lo
asegura el teorema de Hamilton-Cayley se tiene
p( A) A3 A2 8 A 12I
8 0 0 4 0 0 2 0 0 1 0 0

0 20 14 0 8 2 8 0 2 2 12 0 1 0 O .
0 14 1 0 2 5 0 2 1 0 0 1

Para determinar el polinomio mnimo m() de A, debemos apoyarnos en el
teorema anterior: como m() debe dividir a p(), se tienen entonces las siguientes
posibilidades:
1.- m1() = - 3
2.- m2() = + 2
3.- m3() = ( + 2)2 = 2 + 4 + 4

4.- m4() = ( + 2)( - 3) = 2 - - 6

5.- m5() = ( + 2)2( - 3)
Se tiene que
m1 (A) = A - 3I O , m2 (A) = A + 2I O ,
m3 (A) = A + 4A + 4I O ,
2
m4 (A) = A2 - A - 6I = O .
Entonces, m4() = 2 - - 6 es el polinomio mnico de menor grado que es
anulado por A. Este es entonces el polinomio mnimo de A.
b.- El polinomio caracterstico de A es p() = -3 + 62 - 11 + 6. Tal como lo
p(A) = -A3 + 6A2 -11A + 6I
1 14 75 1 6 18 1 2 3 1 0 0

0 8 57 6 0 4 15 11 0 2 3 6 0 1 0 O .
0 0 27 0 0 9 0 0 3 0 0 1

posibilidades:
1.- m1() = 1-
2.- m2() = - 2
3.- m3() = - 3
4.- m4() = (1 - )( - 2) = - 2 + 3 - 2
5.- m5() = (1 - )( - 3) = - 2 + 4 - 3
5.- m6() = ( - 2)( - 3) = 2 - 5 + 6
Se tiene que
m1 (A) = I - A O , m2 (A) = A - 2I O , m3 (A) = A - 3I O ,
m4 (A) = -A2 + 3A - 2I O , m5 (A) = -A2 + 4A - 3I O ,
m6 (A) = A2 - 5A + 6I O .
Entonces, m() = p() es el polinomio mnico que es anulado por A. Este es
entonces el polinomio mnimo de A.
c.- El polinomio caracterstico de A es p() = -3 + 42 - 3. Tal como lo asegura
el teorema de Hamilton-Cayley se tiene
p(A) = -A3 + 4A2 - 3A
5 9 4 2 3 1 1 1 0

9 18 9 4 3 6 3 3 1 2 1 O .
4 9 5 1 3 2 0 1 1

posibilidades:
1.- m1() =
2.- m2() = 1 -
3.- m3() = - 3
4.- m4() = (1 - ) = - 2
5.- m5() = ( - 3) = 2 - 3
5.- m6() = (1 - )( - 3) = - 2 + 4 - 3
Se tiene que
m1 (A) = A O , m2 (A) = I - A O , m3 (A) = A - 3I O , m4 (A) = A - A2 O ,
m5 (A) = A2 - 3A O , m6 (A) = -A2 + 4A - 3I O .
Entonces, m() = p() es el polinomio mnico que es anulado por A. Este es el
polinomio mnimo de A.
d.- El polinomio caracterstico de A es p() = - 3 + 32 - 3 + 1. Tal como lo

p(A) = -A3 + 3A2 - 3A + I
1 -3 3 0 0 1 0 1 0 1 0 0

= - 3 -8 6 + 3 1 -3 3 - 3 0 0 1 + 0 1 0 = O .
6 -15 10 3 -8 6 1 -3 3 0 0 1

posibilidades:
1.- m1() = 1 -
2.- m2() = (1 - )2
Se tiene que
m1 (A) = I - A O , m2 (A) = (I - A)2 O .
Entonces, m() = p() es el polinomio mnico que es anulado por A. Este es
entonces el polinomio mnimo de A.
EJEMPLO 8.6.3
Sea un valor caracterstico de la matriz A, y sea u un vector caracterstico
asociado al valor caracterstico . Si q() es un polinomio cualquiera, se tiene que
q(A)u = q()u.
SOLUCION
Primeramente se observa que para todo k N se tiene Aku = ku. En efecto, para
k = 1 esta relacin establece que u es un vector propio de A asociado al valor
propio . Supngase vlida la relacin para k y prubese para k + 1. Se tiene
Ak+1u = AAku = Aku = kAu = ku = k+1u.
Sea ahora q() el polinomio q() = a0 + a1 + ... + amm Entonces
q(A)u = (a0I + a1A + ... + amAm)u
= a0Iu + a1Au + ... + amAmu
= a0u + a1Au + ... + amAmu
= (a0 + a1 + ... + amm)u
= q().
EJEMPLO 8.6.4
Para cada una de las siguientes matrices determine su polinomio caracterstico y
su polinomio mnimo:
2 2 0 0 2 1 0 0 2 1 0 0

1 5 0 0 0 2 1 0 0 2 1 0
a.- ; b.- ; c.- .
2 0 1 0 0 0 2 1 0 0 2 0

4 0 8 3 0 0 0 2 0 0 0 2
SOLUCION
a.- El polinomio caracterstico de A es
p() = ( - 3)2( - 4)( + 1)
Entonces, el polinomio mnimo de A puede ser
m() = ( - 3)( - 4)( + 1) m() = ( - 3)2( - 4)( + 1)
Verifique la primera alternativa
m(A) = (A 3I)(A 4I)(A + I)= O.
Entonces, efectivamente m() = ( - 3)( - 4)( + 1) es el polinomio mnimo de
A.
b.- El polinomio caracterstico de A es
p() = ( - 2)4
m() = ( - 2)3 m() = ( - 2)4
m(A) = (A 2I)3 O.
Entonces, m() = p() es el polinomio mnimo de A.
c.- El polinomio caracterstico de A es
p() = ( - 2)4
m() = ( - 2)3 m() = ( - 2)4
m(A) = (A 2I)3 = O.
Entonces, efectivamente m() = ( - 2)3 es el polinomio mnimo de A.
EJEMPLO 8.6.5
Dada la matriz
1 4 0 2 4

0 2 0 0 0
A 0 6 1 0 0

0 3 2 1 0
0 1 1 3 1

Determine si la matriz es diagonalizable.
SOLUCION
Esta matriz tiene por polinomio caracterstico a p() = (1 - )4(2 - ). Para que A
sea diagonalizable, su polinomio mnimo tendra que ser: m() = ( - 1)( - 2),
pero
0 4 0 2 4 1 4 0 2 4

0 1 0 0 0 0 0 0 0 0
m(A) = (A - I)(A - 2I) 0 6 0 0 0 0 6 1 0 0

0 3 2 0 0 0 3 2 1 0
0 1 1 3 0 0 1 1 3 1

0 10 0 14 4

0 0 0 0 0
0 0 0 0 0 .

0 12 2 0 0
0 15 5 3 0

Se concluye entonces que la matriz A no es diagonalizable.
EJEMPLO 8.6.6
Determine el polinomio mnimo de la matriz identidad de orden n, as como el de
la matriz cero de orden n.
SOLUCION
Sea I la matriz identidad de n x n. Para encontrar el polinomio caracterstico de
esta matriz, es necesario resolver el siguiente determinante:
Det(I - I) = Det((1 - )I) = (1 - )nDetI = (1 - )n = 0.
Por lo tanto el polinomio caracterstico es:
p() = (1 - )n
Como el polinomio mnimo divide al polinomio caracterstico, entonces ste
tendra que ser:
m() = 1 -
Sea O la matriz cero de n x n. Para encontrar el polinomio caracterstico de esta
matriz, es necesario resolver el siguiente determinante:
Det(O - I) = Det(-I) = (-)nDetI = (-)n = 0.
p() = (-)n

tendra que ser:
m() = .
EJEMPLO 8.6.7
Sea c un nmero real no nulo, considere la matriz de orden n, A = cI. Determine
el polinomio caracterstico de A as como su polinomio mnimo.
SOLUCION
Sea A = cI la matriz dada de n x n. Para encontrar el polinomio caracterstico de
Det(A - I) = Det(cI - I) = Det((c - )I) = (c - )nDetI = (c - )n = 0.
p() = (c - )n
tendra que ser:
m() = c - .
EJEMPLO 8.6.8
Sean a, b y c tres nmeros reales, considere la matriz
0 1 0

A 0 0 1
a b c

demuestre que el polinomio caracterstico de A es p() = -3 + c2 + b + a.
Cul es el polinomio mnimo de A?
SOLUCION
Sea A la matriz dada de n x n. Para encontrar el polinomio caracterstico de esta
matriz, es necesario resolver el siguiente determinante:
1 0
Det(a I) 0 1 (c ) 2 a b 3 c 2 b a
a b c
p() = -3 + c2 + b + a
tendra que ser:
m() = p().
EJEMPLO 8.6.9
Sea A una matriz de orden 3, demuestre que m() = 2 + 1 no puede ser el
polinomio mnimo de A.
SOLUCION
Como el polinomio mnimo de una matriz A divide al polinomio caracterstico y
adems contiene a todos los factores de ste, entonces m() = 2 + 1 no puede ser
polinomio mnimo, porque m(A) = A2 + I O.
EJEMPLO 8.6.10
Sea A una matriz de orden n, suponga que A es nilpotente de ndice k. Cul es el
polinomio mnimo de A?
SOLUCION
Sea A la matriz nilpotente de n x n. Para encontrar el polinomio caracterstico de
Det(Ak - I) = Det(O - I) = Det(-I) = (-)nDetI = (-1)nn = 0.
Por lo tanto el polinomio caracterstico es: p() = (-)n
tendra que ser: m() = .
EJEMPLO 8.6.11
Demuestre que ninguna matriz real de 3 x 3 satisface x2 + 1 = 0. Pruebe que
existen matrices complejas de 3 x 3 que si lo hacen. Pruebe que existen matrices
reales de 2 x 2 que satisfacen la ecuacin.
SOLUCION
Si A es una matriz real de 3 x 3 su polinomio caracterstico f(x) es real de grado 3.
Si A satisface x2 + 1 = 0, el polinomio mnimo dividira a x2 + 1 y podra no tener
como un factor irreducible al factor real de grado uno que debe tener f(x).
EJEMPLO 8.6.12
Determine una matriz A de orden 2 cuyo polinomio mnimo sea m() = 2.
SOLUCION
a b
Sea la matriz A . Sabemos que el polinomio caracterstico de la matriz
c d
A es
p() = 2 - (TrA) + Det(A).
Pero como p() = m(), entonces Tr(A) = Det(A) = 0 y una de las matrices
buscada tiene la forma
a a
.
a a
EJEMPLO 8.6.13
Demuestre que si la matriz A satisface la ecuacin x2 + x + 1 = 0, entonces A es
no singular y la inversa A-1 es expresable como una combinacin lineal de A e I.
SOLUCION
Efectivamente, si A2 + A + I = O, entonces A(- A I) = I de modo que
A I = A-1.
PROBLEMAS
8.6.1 Encuentre una matriz de 2 x 2 con elementos 8.6.5 Demuestre el siguiente resultado: Sea A una
enteros que satisfaga la ecuacin x3 1 = 0, pero que no matriz de orden n. Sea
satisfaga la ecuacin x 1 = 0. p() = (-1)nn + an-1n-1 + ... + a1 + a0
el polinomio caracterstico de A. Si a0 0, entonces la
8.6.2 Determine una matriz A de orden 3 cuyo matriz A es no singular y su inversa A-1 es
polinomio mnimo sea m() = 2. 1
A 1 ((1)n A n 1 an 1A n 2 ... a1I) .
a0
8.6.3 Dadas las matrices:
2 0 0 0 2 0 0 0 8.6.6 Determinar la inversa de las siguientes matrices:

1 2 0 0 y B 1 2 0 0 1 1
A 3 5 1 1
0 0 2 0 0 0 2 0 a.- ; b.- ; c.- ;
4 7 5 3 0 1
0 0 1 2 0 0 0 2
0 0 0 1
a.- Demuestre que A y B tienen el mismo polinomio 1 2 3
0 0 1 0
caracterstico. d.- 1 1 2 ; e.- .
0 1 0 0
b.- Compruebe que A y B tienen el mismo polinomio 0 1 2

mnimo. 1 0 0 0
c.- Demuestre que A y B no son semejantes.
8.6.7 Pruebe que las matrices dadas a continuacin no
8.6.4 Demustrese que, si c1, , ck son nmeros son diagonalizables, demostrando que su polinomio
distintos entre s que aparecen en la diagonal de una mnimo no puede escribirse como un producto de
matriz diagonal D, entonces el polinomio mnimo que factores lineales simples:
corresponde a D es (x c1)(x c2)(x ck).

0 1 0 4 6 6 8.6.10 Sean A y B matrices semejantes. Demustrese

que:
a.- 0 0 1 ; b.- 1 3 2 ;
1 3 3 1 a.- Si B es no singular, entonces A es no singular, y
5 2 A-1, B-1 son semejantes.
1 1 0 0 b.- DetA = DetB.
2 1 0 c.- A y B tienen el mismo polinomio caracterstico.
0 1 1 0
c.- 0 2 0 ; d.- ; d.- A y B tienen los mismos valores propios, aunque no
0 0 1 1
0 0 2 tienen necesariamente los mismos vectores propios.

0 0 0 1 e.- A y B tienen el mismo polinomio mnimo.
2 0 1 3
8.6.11 Demustrese que el polinomio mnimo de una
4 2 1 1
e.- . matriz idempotente distinta de O o de I es x2 x.
0 0 2 5
8.6.12 Sea A suma directa de una matriz de m x m, B,
0 0 0 2
y una matriz n x n, C. Demustrese que:
a.- Si p(x) es polinomio, entonces p(A) es la suma
8.6.8 Sean
directa de p(B) y p(C).
1 1 0 1 0 0 1 0 0 b.- El polinomio mnimo de A es el polinomio de

A 0 1 0 , B 0 2 1 , C 0 2 0 . menor grado entre los que tienen la propiedad de ser
0 0 2 0 0 2 0 0 2 divisibles tanto por el polinomio mnimo de B como por

a.- Verifquese que las matrices tienen los mismos el polinomio mnimo de C. En particular, el polinomio
valores caractersticos. mnimo de A es divisor del producto de los polinomios
b.- Hgase ver que los polinomios caractersticos de A y mnimos de B y C.
B son diferentes, pero que los polinomios caractersticos
de B y C son iguales. 8.6.13 Sea A una transformacin lineal cuyo polinomio
c.- Determnese el polinomio mnimo de cada una de las mnimo es x2 5x + 6. Demustrese que:
matrices. a.- A3 = 19A - 30I; b.- A4 = 65A - 114I.
d.- Hgase ver que ninguna pareja de esas matrices es de
matrices semejantes. 8.6.14 Sea D : Pn Pn el operador lineal de derivacin
e.- Hgase ver que AB y AC tienen el mismo polinomio D(p) = p. Determine el polinomio mnimo de la matriz
caracterstico y el mismo polinomio mnimo. que representa a D en alguna base de Pn.
f.- Verifquese que AB, AC son semejantes al encontrar
una matriz no singular M tal que MABM-1 = AC. 8.6.15 Demustrese que una matriz triangular de n x n
en la cual los elementos de la diagonal principal son
8.6.9 Sean A y B matrices semejantes. Demustrese que todos c, tiene polinomio mnimo que es divisor de
A y B tienen el mismo polinomio mnimo. (x c)n.
8.7 CUESTIONARIO
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
8.7.1 Para que un endomorfismo f sea no singular es 8.7.4 Para un endomorfismo arbitrario f la
necesario y suficiente que l tenga valores multiplicidad algebraica de todo valor caracterstico
caractersticos nulos. sobrepasa su multiplicidad geomtrica.
8.7.2 Los vectores caractersticos de un endomorfismo 8.7.5 Los vectores caractersticos de un

f relacionados con el valor caracterstico nulo, y endomorfismo, pertenecientes a diversos valores
solamente ellos, pertenecen a la imagen de este caractersticos, son linealmente independientes.
endomorfismo.
8.7.6 El polinomio mnimo m() del endomorfismo f
8.7.3 Al multiplicar un endomorfismo f por un nmero es igual al mnimo comn mltiplo de los polinomios
no nulo los vectores caractersticos se multiplican por mnimos para los vectores de cualquier base del
este nmero, mientras que los valores caractersticos no espacio con respecto a f.
cambian.
8.7.7 Los vectores caractersticos de un endomorfismo 8.7.20 La cantidad de vectores caractersticos,

f relacionados con los valores caractersticos no nulos linealmente independientes, del endomorfismo f,
pertenecen al ncleo de f. pertenecientes a un valor caracterstico 0 no supera a
la multiplicidad de 0 como raz del polinomio
8.7.8 Si un endomorfismo f es no singular, entonces los caracterstico del endomorfismo f.
vectores caractersticos de A y A-1 son los mismos.
8.7.21 Cualquier matriz cuadrada A con distintos
8.7.9 Un endomorfismo nilpotente no posee valores valores caractersticos, es semejante a una matriz
caractersticos diferentes de cero. triangular.
8.7.10 Un endomorfismo de rotacin de un espacio 8.7.22 Si el endomorfismo f del espacio U tiene n

eucldeo a un ngulo no mltiplo de no posee diferentes valores caractersticos, cualquier
vectores caractersticos. endomorfismo g conmutativo con f, posee una base de
vectores caractersticos con la particularidad de que
8.7.11 Los valores propios de un endomorfismo cualquier vector caracterstico de f ser vector
diagonal coinciden con sus elementos diagonales. caracterstico tambin para g.
8.7.12 Si las matrices A y B son semejantes, entonces 8.7.23 Una matriz de un endomorfismo en cierta base
todo valor caracterstico de A es igualmente un valor es diagonal cuando, y slo cuando, la base consta de
caracterstico de B pero no inversamente. los vectores caractersticos de dicho endomorfismo.
8.7.13 La suma de los subespacios caractersticos de un 8.7.24 Cualesquiera dos endomorfismos conmutativos
endomorfismo f es una suma directa. de un espacio complejo tienen un vector caracterstico
comn.
8.7.14 Todos los vectores diferentes de cero de un
espacio son vectores caractersticos de un endomorfismo 8.7.25 Si la matriz A de un endomorfismo f es
f si, y solamente si, f es un endomorfismo escalar. diagonal en una base determinada, todos los vectores
de esta base son vectores caractersticos del
8.7.15 La suma de las multiplicidades geomtricas de endomorfismo.
todos los valores caractersticos diferentes de un
endomorfismo f es inferior a la dimensin del dominio. 8.7.26 Los vectores caractersticos de un
endomorfismo f correspondientes a valores
8.7.16 El polinomio mnimo de una matriz transpuesta caractersticos, distintos dos a dos, son linealmente
AT coincide con el polinomio mnimo de la matriz A. dependientes.
8.7.17 Si cada coeficiente de una matriz compleja A se 8.7.27 Todo valor caracterstico de un endomorfismo
reemplaza por un nmero conjugado, los coeficientes del f es raz de su polinomio mnimo.
polinomio caracterstico de la matriz se reemplazar
tambin por nmeros conjugados. 8.7.28 El polinomio caracterstico de un
endomorfismo f depende de la eleccin de la base.
8.7.18 Si A y B son matrices cuadradas de un mismo
orden, entonces las matrices AB y BA tienen un mismo 8.7.29 Las matrices semejantes tienen polinomio
polinomio mnimo. mnimo distintos.
8.7.19 Para que un endomorfismo f sea no singular es 8.7.30 Toda matriz cuadrada es una raz de su
necesario y suficiente que f no tenga valores polinomio caracterstico.
caractersticos nulos.

Valores Propios

Загружено:

Сведения о документе

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

Valores Propios

Загружено:

Авторское право:

Доступные форматы

OBJETIVO

Resolver problemas relacionados con valores y vectores caractersticos, mediante la interpretacin y

8.1 DEFINICIONES Y PROPIEDADES

8.1 DEFINICIONES Y PROPIEDADES

Este captulo lo dedicaremos al estudio de las matrices que representan

En infinidad de ocasiones se presentan problemas con la siguiente caracterstica:

Dada f : V V una transformacin lineal de V en si mismo, buscamos una base

La multiplicacin por A transforma cada vector caracterstico u de A sobre la

El problema de encontrar u diferente de cero tal que f(u) = u es equivalente al

Esta definicin no garantiza la existencia de valores caractersticos. Ms adelante

En este ejemplo, la carencia de soluciones proviene de que en el conjunto de

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

escalares R hay ecuaciones algebraicas sin solucin en l; si el endomorfismo f

El vector distinto de cero de f(u) = u se dice que es un vector caracterstico de f

Llamaremos a V() el espacio propio de f correspondiente a , y a cualquier

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

Ntese que estn incluidos los valores caractersticos complejos, indicndose su

Una vez conocido el radio espectral, se define su norma de la siguiente manera:

PROGRAMA EN MATLAB PARA CALCULAR LOS VALORES CARACTERISTICOS

% CALCULO DE LOS VALORES CARACTERISTICOS

nuevo con u como vector caracterstico correspondiente, para cualquier entero

correspondiente, entonces + k es un valor caracterstico A + kI con u como

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

a11 a12 ... a1n 0 ... 0

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

8.1.1 Demuestre que = 0 es un valor caracterstico de a b

8.1.18 Sea A una matriz de orden n, n impar.

8.2 ECUACION CARACTERISTICA. SUBESPACIOS PROPIOS

Cuando se estudian problemas relativos a valores propios de un endomorfismo f

En el supuesto de que V es un espacio vectorial de dimensin n, se va a proceder

Un escalar K es un valor caracterstico de f si, y slo si, f - I no es inyectiva,

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

la matriz de coeficientes del sistema (A - I)u = tiene rango estrictamente

El coeficiente en n de este polinomio es (-1)n y su trmino independiente es

De una manera mas simplificada, podemos decir que al tomar en consideracin la

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

Se puede suponer, en general, que al representar Det(A - I) en potencias de ,

Teniendo en cuenta que el determinante Det(A - I) no depende de la base,

Este teorema slo se aplica a escalares. En particular, una solucin de la ecuacin

Si 0 es raz de orden de multiplicidad k del polinomio caracterstico de A, se dir

Det(A - I) (1)n ( 1 )k1 ( 2 )k2 ...( r )kr 0

Dado un endomorfismo, para cada valor caracterstico de f, es decir, para cada

Elegida una base S de V, y si A es la matriz asociada a f en ella, los vectores

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

De la forma de A es evidente que Det(A - I) = p() es divisible entre ( t )kt .

PROGRAMA EN MATLAB PARA CALCULAR VALORES Y VECTORES CARACTERISTICOS

% CALCULO DE VALORES Y VECTORES CARACTERISTICOS

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

c.- El polinomio caracterstico tiene la forma siguiente: p() 2 5 4 .

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

Los valores caractersticos se obtienen igualando a cero el polinomio

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS

8.3 SEMEJANZA DE MATRICES

A continuacin consideraremos la cuestin de determinar cundo dos matrices A y B

Explicaremos aqu un punto de confusin que surge en la definicin de equivalencia

Como la semejanza es una relacin de equivalencia, sabemos ahora que el