Академический Документы
Профессиональный Документы
Культура Документы
CONTENIDO:
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.
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.
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.
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.
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.
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.
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.
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
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
394 VALORES Y VECTORES CARACTERISTICOS
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
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.
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
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 395
EJEMPLO 8.1.10
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.
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:
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
8.1.3 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?
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 399
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?
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.
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.
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.
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).
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
Suponga que A es una matriz triangular real cuyos elementos en la diagonal
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.
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.
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
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.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
404 VALORES Y VECTORES CARACTERISTICOS
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
Suponga que A es una matriz triangular real cuyos elementos en la diagonal
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
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 405
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
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
5 5 5 5
2 - 5 + 5 = 0 y .
2 2
Los vectores caractersticos se encuentran reemplazando cada valor caracterstico
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.
EJEMPLO 8.2.9
Para cada una de las siguientes matrices, determine su polinomio caracterstico,
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
a.- El polinomio caracterstico tiene la forma siguiente:
p() 3 42 5 2 .
Los valores caractersticos se obtienen igualando a cero el polinomio
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
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / x = y = 0} BaseV() = {(0, 0, 1)} dimV() = 1.
b.- El polinomio caracterstico tiene la forma siguiente:
p() 3 4 2 3 18 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
3 42 3 18 0 ( 3)2 ( 2) 0 = -3, = 2.
Donde = -3 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 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
generado por el valor caracterstico, tiene la forma siguiente:
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 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
3 62 12 8 0 ( 2)3 0 = 2.
Donde = 2 tiene multiplicidad algebraica 3. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
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
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z) / y = z = 0} BaseV() = {(1, 0, 0)} dimV() = 1.
EJEMPLO 8.2.10
Para cada una de las siguientes matrices, determine su polinomio caracterstico,
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
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 409
SOLUCION
a.- El polinomio caracterstico tiene la forma siguiente:
p() 4 83 242 32 16 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
4 83 242 32 16 0 ( 2)4 0 = 2.
Donde = 2 tiene multiplicidad algebraica 4. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
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
propio generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y, z, u) / y + 5u = 0, z + 5u = 0}
BaseV() = {(1, 0, 0, 0), (0, -5, -5, 1)} dimV() = 2.
b.- El polinomio caracterstico tiene la forma siguiente:
p() 4 63 9 2 4 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
4 63 92 4 0 ( 4)( 1)2 0 = 0, = 4, = 1.
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:
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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 .
Los valores caractersticos se obtienen igualando a cero el polinomio
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
por el valor caracterstico, tiene la forma siguiente:
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
caracterstico en la ecuacin caracterstica, y luego se resuelve cada sistema de
ecuaciones homogneo:
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
por el valor caracterstico, tiene la forma siguiente:
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 .
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
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
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
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
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!
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.
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.
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.
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.
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.
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)
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
420 VALORES Y VECTORES CARACTERISTICOS
= 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
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 421
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.
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.
diagonal.
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.
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.
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
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.
De manera ms general
Ak = PDkP-1
%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.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 427
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
El polinomio caracterstico tiene la forma siguiente:
p() 3 a2 a .
Los valores caractersticos se obtienen igualando a cero el polinomio
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
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
428 VALORES Y VECTORES CARACTERISTICOS
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
3 32 3 1 0 ( 1)3 0 = 1.
Donde = 1 tiene multiplicidad algebraica 3. Los subespacios propios se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
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
generado por el valor caracterstico, tiene la forma siguiente:
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 .
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
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
430 VALORES Y VECTORES CARACTERISTICOS
diagonal.
SOLUCION
El polinomio caracterstico tiene la forma siguiente:
p() 3 22 4a 8a .
Los valores caractersticos se obtienen igualando a cero el polinomio
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
generado por el valor caracterstico, tiene la forma siguiente:
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
El polinomio caracterstico tiene la forma siguiente:
p() = - 3 + 52 + 18 - 15.
Los valores caractersticos se obtienen igualando a cero el polinomio
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.
Los valores caractersticos se obtienen igualando a cero el polinomio
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
generado por el valor caracterstico, tiene la forma siguiente:
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
generado por el valor caracterstico, tiene la forma siguiente:
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
generado por el valor caracterstico, tiene la forma siguiente:
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
El polinomio caracterstico tiene la forma siguiente:
p() = - 3 + 62 - 11 + 6.
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
3 - 62 + 11 - 6 = 0 ( - 1)( - 2)( - 3) = 0 = 1, = 2 y = 3.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 433
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
generado por el valor caracterstico, tiene la forma siguiente:
V() = {(x, y) / x - 2y + z = 0}
BaseV() = {(2, 1, 0), (-1, 0, 1)} dimV() = 2.
La base S de R3 tiene la siguiente forma:
{(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
El polinomio caracterstico tiene la forma siguiente:
p() = 4 - 93 + 232 - 3 - 36.
Los valores caractersticos se obtienen igualando a cero el polinomio
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
propio generado por el valor caracterstico, tiene la forma siguiente:
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
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
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
El polinomio caracterstico tiene la forma siguiente:
p() = 4 - 3 - 32 + 5 - 2.
Los valores caractersticos se obtienen igualando a cero el polinomio
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
reemplazando cada valor caracterstico en la ecuacin caracterstica, y luego se
resuelve cada sistema de ecuaciones homogneo:
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
generado por el valor caracterstico, tiene la forma siguiente:
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
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
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
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).
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.
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,
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 439
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.
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 = ,
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
440 VALORES Y VECTORES CARACTERISTICOS
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.
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.
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.
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
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
caractersticos. Es decir:
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
caractersticos. Es decir:
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
caractersticos. Es decir:
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.
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).
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
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).
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
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
450 VALORES Y VECTORES CARACTERISTICOS
TEOREMA 8.6.6
El polinomio mnimo de una matriz divide a su polinomio caracterstico.
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.
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
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
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
Entonces, el polinomio mnimo de A puede ser
m() = ( - 2)3 m() = ( - 2)4
Verifique la primera alternativa
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 455
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
Entonces, el polinomio mnimo de A puede ser
m() = ( - 2)3 m() = ( - 2)4
Verifique la primera alternativa
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.
Por lo tanto el polinomio caracterstico es:
p() = (-)n
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
456 VALORES Y VECTORES CARACTERISTICOS
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
esta matriz, es necesario resolver el siguiente determinante:
Det(A - I) = Det(cI - I) = Det((c - )I) = (c - )nDetI = (c - )n = 0.
Por lo tanto el polinomio caracterstico es:
p() = (c - )n
Como el polinomio mnimo divide al polinomio caracterstico, entonces ste
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
Por lo tanto el polinomio caracterstico es:
p() = -3 + c2 + b + a
Como el polinomio mnimo divide al polinomio caracterstico, entonces ste
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
esta matriz, es necesario resolver el siguiente determinante:
Det(Ak - I) = Det(O - I) = Det(-I) = (-)nDetI = (-1)nn = 0.
Por lo tanto el polinomio caracterstico es: p() = (-)n
Como el polinomio mnimo divide al polinomio caracterstico, entonces ste
tendra que ser: m() = .
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
VALORES Y VECTORES CARACTERISTICOS 457
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).
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.
8.7.12 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.