OX-X2 +OX3=O
OX+OX2- X,=O
El rango de la matriz de coeficiente es 2, y en consecuencia es
dimS=3 -2= 1
=
o sea, hay un solo vector propio linealmente independiente de la matriz A.
Por consiguiente, A no es diagonalizable.
Ejemplo 8-12
La matriz
(
-3
A= i
O .-4)
1 4
O 3
es diagonalizable y sus valores propios no son todos distintos.
En efecto:
I
A+3
= (A - 1)
-2
A+3 O
-4 A- 1
-2 O
4
-A
A- 3
41=(A-l)(10-.I)'*
A-3
I e
I 11
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
TRIANGUALCION
La matriz del sistema tiene rango 1) o sea
dimS=3-1=2
279
A i\3 = 1 le corresponde un vector propio Iinc<llmentc independiente. Luego A es
diagonalizable Y su forma diagonal es
O O -1
8.5. TRIANGULACION DE ENDOMORFISMOS y DE MATRICES
Hemos visto que no siempre es posible diagonalizar una trasformacin lineal o una matriz
cuadrada. Cabe preguntarse si es posible determinar una base tal que, respecto de ella, la
matriz de una trasformacin lineal de un espacio de dimensin fmita en s mismo sea
triangular. La respuesta es afirmativa si el cuerpo es el de los nmeros complejos.
Consideremos un endomorfismo
f: V-+V
donde dimK V = n ;;. 1.
En lo que sigue, introduciremos el vocablo lan, cuya traduccin es abanico, para denotar
una familia de subespacios de V que satisface ciertas condiciones.
8.5.1. Conoepto
Un fan de f en V es una nupla de subespacios de V: S, , S2, ... , Sn, tales que
) Son crecientes en el sentido de inclusin:
S, eS
2
es, e ... eS
n
Vi=1,2, ... ,n
ili) Son invariantes, o sea
xeS,=>f(x)eS, Vi= 1, 2, .. . ,n
Esta condicin equivale a
f (S,) e S, Vi = 1, 2, ... , n
Es obvio que Sn = V.
Definicin
Si I S"S2"",Sn/ esunfandefenV,entonceslafamilia[v]=lv"v2""'vn /
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
280 VALORES Y VECTORES PROPIOS. DIAGONALlZACION
es una base fan de V si y slo si 1 VI, V2, ... , Vi I es una base de Si para todo
i = 1,2, ... , n.
El teorema de extensin 2.6.3. nos permite afirmar que existe una base fan.
8.S.2.Propiedad
Si [v] es una base fan de V, entonces la matriz asociada a todo endomorfismof: V...,. V e,
triangular superior.
Sabemos que para obtener la matriz de f respecto de una base, hay que determinar lal
imgenes de los vectores de la misma y expresarlos como combinaciones lineales de tale
j
t
l
vectores. Teniendo en cuenta adems la defmicin de subespacio invariante, resulta l
v, eS, =>f(v,) eS, =>f(v,)=al1 v,
v
2
eS2 =>f(v
2
) eS2 =>f(v
2
)=a12 v, +a22 v
2
v
n
e Sn => f(v
n
) e Sn => f(v
n
) = a, n v, + a2n V
2
+ ... + a
nn
v
n
Por consiguiente, la matriz de f respecto de la base fan es
(
a ~ ::: ~ : : :::
A= .. .
.. .
.. .
O O a
nn
Si f : V"'" V es una trasformacin lineal y si existe una base respecto de la cual la matrJ
de f es triangular, entonces diremos que fes triangulable. I
En trminos de matrices, diremos que A e K
nxn
es triangulable si y slo si exist
l
Pe K
nxn
no singular, tal que 1'" A P es triangular. Demostraremos que toda matriz pued
l
ser triangulada sobre el cuerpo C. t
U . 3 . ~ ~ W 1
Si V es un espacio vectorial de dimensin finita mayor o igual que 1, sobre el cuerpo d
los complejos, y si f: V"'" V es una trasformacin lineal, entonces existe un fan de f en v.1
Demostramos esta afirmacin inductivamente. . I
1. Si dim V = 1, entonces nada hay que probar.
2. Supongamos que la propiedad es vlida si dhn V = n-l. Demostraremos que lo es I
dim V=n. !
Sea v, un vector propio de f, el cual existe de acuerdo con el ejercicio 846, y sea s'l'
sub espacio generado por v,. Resulta dim S, = 1.
Siendo 8
1
un subespacio de V, existe un subespacio W cuya suma directa con SI esj
(ejercicio 7-40), o sea I
V=S,ffJW
i
i
,1
q
p
j
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
r
TRIANGULACION
28!
Consideremos las proyecciones Pt Y P2 de V sobre SI y W, respectivamente.
La composicin P2 o f es una trasfonnacin lineal de V en V tal que si x W, entonces
[(x) e W. Restringiendo el dominio a W, podemos considerar a p, o [ como una
trasformacin lineal de W en W. De acuerdo con la hiptesis inductiva, existe un fan de
p, o [en W. Sea ste
(W" W" ... , W
n
_,)
Consideremos ahora los subespacios
parai:;:::2,3, .. . ,n .. _. .
Se verifica que dlffi Si;:;; l, ya que SI {W 1, W2, .. " W n-l} es una base de W, entonces
{Vt,Wl! .. qWj-l) esunabasedeSj)i;;;2,3, ... ,n.
Adems, Si e SH 1 para todo i;:;; 1,2, .. " n.
Para demostrar que I SI, S2, ... , Sn J es un fan de f en V, es suficiente probar que
f(V;) e V;.
Observarnos que
[=iyo[=(p, +p,)[=p, o[+p, o[ (1)
puesp, +p, =iy (ver346)
Sea x un vector cualquiera de Si :
x eS=?x =avl + w, donde a eCy w eW
Teniendo en cuenta (i) es
[(x) = (p, o [+ p, o 1) (x) = (p, o 1) (x) + (p, o 1) (x) (2)
Ahora bien
Por otra parte
(p, o1)(x)=p, [f(x)] eS" y en consecuencia
(p, o 1) (x) e S; (3)
(p, o1)(x)=(P, o [)(av,) +(p, o 1)(w;) =a p, (f(V)) + (p, 01) (w;) ~
= a p, (A, v) + (p, 01) (w;) = a A, p, (v,) + (p, o j) (w,) = O + (p, 01) (w;) =
= (p, o j) (w)
de acuerdo con la descomposicin de x,)a definicin de trasformacin lineal, y considerando
que v, es un vector propio de f. Por la hiptesis inductiva se sabe que (p, 01) (W,) e W" y
por consiguiente
(p, o 1) (x) = (p, 01) (w,) W,
o sea
(p,01)(x)S, (4)
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
282
VALORES Y VECTORES PROPIOS. DIAGONALIZACION.
Considerando (2), (3) Y (4) resulta
f(X)ESi
Es decir
X E Si => f (x) E Si
Luego I S .. S2,"" Sn I es un fan defen V.
Son consecuencias inmediatas de este teorema de existencia y de 8.5.2., las siguientes:
1. Si dime V = n > 1 Y f: V .... V es una trasfonnacin lineal, entonces existe una base de
V tal que la matriz de f respecto de dicha base es triangular superior.
n. Si A E C
nxn
, entonces existe PE C
nxn
, no singular, tal que P-' A P es triangular
superior.
8.6. TEOREMA DE HAMILTON-CAYLEY
El teorema de HamiltonCayley, fundamental en la teora de la resolucin de ecuaciones
matriciales, afirma que toda matriz cuadrada es raz de su polinomio caracterstico, esto es,
si P (A) es el polinomio caracterstico de A E K
nxn
, entonces P (A) = N.
Desarrollaremos primero una demostracin en el caso particular que se presenta si la
matriz A, del tipo nxn, admite n vectores propios.
Para esto utilizaremos la siguiente propiedad que se propone como ejercicio del trabajo
prctico: si Xi es un vector propio de la matriz A, asociado al valor propio A, entonces XI es
un vector propio de la matriz A n , correspondiente al valor propio Xii.
Consideremos el polinomio caracterstico de A
P (A) = A
n
+ C
n
-. A
n
-' + ... + c. A + ca
Entonces
P (A) = A
n
+ C
n
-, An-' + ... + c. A + Co 1
Multiplicando a derecha por el vector propio Xi asociado al valor propio A, y teniendo en
cuenta la propiedad mencionada, es
P (A)X
i
= A
n
Xi +C
n
-, A
n
-' Xi + ... +c, AX
i
+ Co Xi =
= A? Xi + c
n
_, Ar-' Xi + ... + c. A Xi + Co Xi =
= (A7 + C
n
_. Ar-' + ... + c, A + Col Xi =
=OXi=O lti=I,2, ... ,n (1)
Sea P = (X. X
2
... X
n
) la matriz cuyas columnas son los vectores propios de A.
Considerando (1), se tiene
P(A).P= (P(A)X. P(A)X
2
... P(A)X
n
) =N
y como P es no singular, resulta
P (A) . P . P-' = N . p-.
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
TEOREMA DE HAMILTON - CAYLEY
o sea
Ejemplo 813
Utilizando el teorema de HamiltonCayley. detenninamos la inversa de la matriz A del
ejemplo 85.
A;( 3 -2)
-1 2
El polinomio caracterstico de A, es
Entonces es
o sea
P(A);'? - 5 A+ 4
P(A);A
2
-5A+4I;N
1; _.!.(A
2
- 5 A)
4
En consecuencia, multiplicando por A -1
Como
Resulta
A- ;_.!. (A - 5 1)
4
(
-2 -2)
A--5I;
-1 -3
1
-
2 2
A- ;
3
4
4
283
Demostraremos ahora que toda matriz A C
nxlI
satisface a su polinomio caracterstico, o
sea
A E C
nx
" '* P (A) N
En efecto, sea el polinomio caracterstico de A:
(1)
Sabemos que el producto de toda matriz cuadrada por su adjunta es igual al determinante
de aquella por la matriz identidad (5.8.3.). Entonces
(A 1 - A) Adj (A 1 - A) J) (A l - A) . 1
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
284
VAWRES y VECTORES PROPIOS. DIAGONALIZACION.
Teniendo en cuenta (1) es
(A 1- A) Adj(A 1- A) = P (A) . l (2)
Los elementos de Adj (A 1- A), por ser los cofaclores de (A 1- A), son polinomios de
grado menor o igual que n - 1, Y en consecuencia
Adj (A 1 - A) = A
n
-
I
/i.n-I + A
n
-
z
An-z + ... + Al /i. + Ao (3)
De (2) y (3) resulta
o sea
A
n
-
I
A
n
+ (A
n
-
z
- A A
n
_
l
) A
n
-
I
+ (A
n
-
3
- A A
n
-
z
) A
n
-
z
+ ... +
+ (A
o
- A A) A - A Ao = A
n
[ + c
n
-
I
/i."-I [ + ... + CI Al + Co [
An_1 = l
A
n
-
2
- A A
n
-
1
= Cn-l 1
A
n
-
3
- A A
n
-
2
= C
n
-2 1
Ao - A Al =CI [
- A Ao = Co l
Luego de premultiplicar por A
n
, A
n
-, .. "A e I, respectivamente, se tiene
A
n
An_l =A
n
A
n
-
1
An_2 - A
n
An_l =c
n
_
1
A
n
-
1
A n-2 A
n
-
3
- A -1 An_l = Cn_l A -2
A Ao _. A
Z
Al = CI A
-- A Ao = Co l
Sumando, despus de reducir, es
N=An+cn_IAn-I+, .. +CIA+col
o sea
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
TRABAJO PRACTICO VIII
8 ~ 1 4 . Detenninar los valores y vectores propios de las siguientes trasfonnaciones Jineales:
1. f: R' -+R' definidaporf(x,x,)=(4x +3x,,3x -4x,)
2. f: R' -+R' talquef(x,y,z)= (2y-z,2x-z,2x-y)
8.15. Obtener los valores y vectores propios, si existen, de las matrices siguientes con
elementos en R:
(
10 O 2)
O 6 O
2 O 7
8.16. Demostrar que si X es un valor propio de A K
nxn
y sta es no singular, entonces A es
no nulo.
8 17. Demostrar que si A es un valor propio de la matriz no singular A, entonces A- es un
valor propio de A -1
8-18. Demostrar que si Xi es un vector propio de la matriz A asociado al valor propio A.
entonces Xi es un vector propio de A n correspondiente al valor propio Af .
819. Demostrar que si XI es un vector propio de la matriz A, correspondiente al valor
propio Al, entonces y::::: S- XI es un vector propio de la matriz S-l A S, asociado a
A.
820. Detenninar el polinomio caracterstico, los valores y vectores propios de cada una de
las siguientes matrices complejas:
A = ( O -;)
-2; -2
B=
(
0100)
O O 1 O
O O O 1
1 O O O.
8-21. Demostrar que si P CA.) es el polinomio caracterstico de la matriz A c
nxn
entonces
c
n
-
l
es el opuesto de la suma de los valores propios y el tnnino independiente es igual
al producto de (-1)" Y el producto de los valores propios.
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
286
VALORES Y VECTORES PROPIOS. DIAGONALIZACION.
I
&22. Demostrar que si A E C
nXH
, entonces la traza de A es igual a la suma de los valores I
propios y el determinante de A es igual al producto de los valores propios.
8-23. Demostrar que los valores propios de toda matriz idempotente son O 1.
8
w
24. Demostrar que dos matrices traspuestas tienen el mismo polinomio caracterstico.
8-25. Investigar si la siguiente matriz es diagonalizable
A ~
O
8-26. Sea una matriz A e C
nxn
tal que Ah ~ 1. Demostrar que si A es un valor propio de A, '
entonces Ah ~ 1.
8-27. Demostrar que los valores propios de una matriz triangular son los elementos de la
diagonal.
8-28. Por definicin, una matriz cuadrada A es nilpotente si y slo si existe un entero
positivo k, tal que A h ~ N. Demostrar que los valores propios de toda matriz
nilpotente son nulos.
8-29. Demostrar las siguientes propiedades:
1. Dos matrices semejantes tienen sus trazas iguales.
2. Si k es un entero positivo, entonces Ir Ah ~ ~ }.!.
,
3. La traza de toda matriz idempotente es igual a su rango.
4. La traza de una suma es igual a la suma de las trazas.
5. Las trazas de dos matrices traspuestas son iguales.
6. Las matrices A B Y B A tienen trazas iguales.
7. Ir (ABC) ~ rr (BCA) ~ 11' (CAB)
8. Si P es ortogonal, entonces rr (P' A P) ~ rr A.
8-30. Considerando el producto interior habitual en R' , determinar una base ortonormal de
vectores propios de A, siendo
8-31. Demostrar que si todos los valores propios de una matriz son no nulos, entonces dicha
matriz es no singular.
8-32. Calcular P (A), siendo P (X) ~ X
3
- X + 1 Y
A ~
(
-1
~ )
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
TRABAJO PRACfCO VIII
287
8.33. Demostrar que si A es una matriz simtrica y P R [Xl, entonces P (A) es una matriz
simtrica. .
8-34. Demostrar que si A es hermitiana y P R [Xl, entonces P (A) es hennitiana.
8.35. Sean A y P elementos de K
nxn
, tales que P es no singular. Demostrar que
W A"P
Considerando dos matrices A y B como en el ejercicio anterior, demostrar que si
p K [Xl, entonces
8.37. Verificar que la matriz
(COS'" sen",)
sen", -cos '"
admite un vector propio en R
2
, cualquiera que sea l.{Je R. Probar que existe un vector
X tal que A
8.38. Con relacin al ejercicio anterior, demostrar que si Y es un vector de R' ortogonal a X,
entonces A Y -Y. Interpretar geomtricamente.
839. Demostrar que si P es una matriz ortogonal del tipo 2 X 2 Y D (P) -1, entonces
existe un nmero real p tal que
(
cos '" -sen",)
sen", cos '"
8.40. Sean A un valor propio de A K"xn y fun polinomio de K [Xl. Demostrar quef(A) es
un valor propio def(A).
8.41. Obtener una base fan de los endomorfismos de e
2
caracterizados por las matrices
e :)
e :)
842. Demostrar que si A es un valor propio de A K
nxn
, entonces a + Xes un valor propio
de" I + A , \f" K.
843. Demostrar que una matriz A e
nX
" es singular si y slo si admite algn valor propio
igual a cero.
844. Diagonalizar, si es posible, las matrices
(
11+i)
O' J
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
288
VALORES Y VECTORES PROPIOS. D1AGONALlZACION.
c\ ~
l
O
-
2
O
2
l
2 2
8-45. Sean A = ( 3
-1
- ~ ) y P(X)=X
2
-1.
Diagonalizar P (A), si es posible.
l
-
2
E R
3x3
2
o
846. Sabiendo que dime V;;' 1 Y que f: V ...,. V es un endomorfismo, demostrar que existe
un vector propio de f.
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m