Algebra Lineal II

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Per, DECANA DE AMRICA)
FACULTAD DE CIENCIAS MATEMTICAS

DEPARTAMENTO DE MATEMTICA
NOTAS DE CLASE
LGEBRA LINEAL II
Profesor: Vctor G. Osorio Vidal
2012-II
Notas de clase de lgebra Lineal II

Vctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
NDICE GENERAL
Prlogo
1. Matriz asociada a una transformacin lineal
Coordenadas o componentes de un vector
Matriz asociada a una transformacin lineal ...
Matriz cambio de base .
Frmulas de transformacin de coordenadas
Matrices semejantes ..
Ejercicios ..
1
1
2
14
17
21
23
2. Espacios cociente
Espacios cocientes
Propiedad universal del cociente .
Subespacios invariantes
Ejercicios ..
28
28
36
43
46
3. Valores y vectores propios

Valores y vectores propios de una transformacin lineal
Espectro y espacio propio de una transformacin lineal .
Valores y vectores propios de una matriz .....
Polinomio caracterstico
Ejercicios .
52
52
53
56
63
68
4. Diagonalizacin
Diagonalizacin .
Descomposicin espectral
Ejercicios
Triangulacin de transformaciones lineales y matrices ...
Teorema de Cayley-Hamilton ..
Ejercicios ..
71
71
80
84
86
88
91
5. El complejificado de un espacio vectorial real ( VC )

El complejificado de un espacio vectorial
El complejificado de un operador lineal
Transformaciones en espacios reales con valores propios complejos .
Ejercicios
93
93
94
98
108

---------------------------------------------------------------------------------------------------------6. Transformaciones lineales con valores propios repetidos
Transformaciones lineales con un solo valor propio ....
Transformaciones lineales nilpotentes ......
Formas cannicas de transformaciones nilpotentes .......
Ejercicios
111
111
112
116
125
7. El teorema de la descomposicin primaria

Teorema de la descomposicin primaria
8. La forma cannica de Jordan
La forma cannica de Jordan
Forma cannica de Jordan real .
129
132
136
136
140
9. Operadores lineales en espacios con producto interno

Operador adjunto ...
Operadores autoadjuntos ...
Criterio para determinar si un operador es autoadjunto .
144
146
148
148
10. Formas bilineales y cuadrticas

Propiedades de las formas bilineales .
Matriz asociada a una forma bilineal ..
Matriz asociada y cambio de base ..
Formas bilineales simtricas y antisimtricas
Criterio para determinar si una forma bilineal es simtrica
o antisimtrica a partir de su representacin matricial ..
Formas cuadrticas
Propiedades de las formas cuadrticas ..
Forma polar asociada a una forma cuadrtica ...
Matriz asociada a una forma cuadrtica
Clasificacin de formas cuadrticas reales
Signatura de una forma cuadrtica
153
153
155
156
157
ii
157
158
159
160
162
164
167

----------------------------------------------------------------------------------------------------------
Prlogo
El lgebra Lineal es un curso bsico en la formacin de los estudiantes de ciencias,
ingenieras, economa y ciencias administrativas.
El material que pongo a disposicin de los estudiantes que cursan la asignatura de
lgebra Lineal corresponde a las Notas de Clase entregadas a mis alumnos de la
Facultad de Ciencias Matemticas y Facultad de Educacin (Especialidad de
Matemtica y Fsica) de la Universidad Nacional de San Marcos a travs de Chamilo
que es una solucin de software libre, licenciada bajo la GNU/GPLv3, de gestin del
E-learning o aprendizaje electrnico, desarrollada con el objetivo de mejorar el acceso a
la
educacin
y
el
conocimiento
globalmente.
La
direccin
es
http://campus.chamilo.org/.
Para finalizar agradecer a mis colegas y alumnos por las sugerencias y crticas que
tengan a bien hacer llegar a la siguiente direccin vosoriov@unmsm.edu.pe.
EL AUTOR
iii

---------------------------------------------------------------------------------------------------------MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL
Coordenadas o componentes de un vector

Sea V un K-espacio vectorial de dimensin finita y consideremos una base ordenada
B {v1 , v 2 , , v n } . Luego, todo vector v V se puede expresar de una nica forma
como combinacin lineal de los elementos de B. Es decir existen ai K , i 1, 2, , n
tal que:
n
v a1v1 a 2 v 2 a n v n ai vi
(1)
i 1
de tal forma que el vector v V se puede caracterizar nicamente por los escalares
ai K , i 1, 2, , n correspondientes a la combinacin lineal (1); esto es, por la n-upla
de elementos de K que expresamos como un vector columna y denotamos por:
a1
a
[v]B 2

a n
(2)
DEFINICIN.- La relacin (2) se denomina vector de coordenadas de v relativo a la

base B, a los escalares ai se les llaman coordenadas o componentes del vector v V
respecto a la base B. Ntese que la transformacin lineal v [v]B determinada por la
base ordenada B es un isomorfismo de V en K n1 ; es decir a todo vector v V se le
puede asociar de forma nica un vector columna cuyas componentes o coordenadas son
los escalares ai K , i 1, 2, , n correspondientes a la combinacin (1) con respecto a
la base B.
Nota.- En lo que se sigue de esta seccin supondremos que el K-espacio vectorial es de
dimensin finita y la base considerada B es ordenada.
Ejemplo.-Sea B { (1, 0, 0), (1, 1, 0), (1, 1, 1) } una base ordenada del espacio vectorial
R 3 sobre R. Hallar el vector coordenado de v ( 2, 3, 1) relativo a la base B .
Solucin
(2, 3, 1) a1 (1, 0, 0) a 2 (1,1, 0) a3 (1, 1, 1)
(2, 3, 1) 1(1, 0, 0) 4(1,1, 0) 1(1, 1, 1)

----------------------------------------------------------------------------------------------------------
1
[v]B 4
1
Observacin.- Si B es la base cannica de ( K n , , K , ) y v ( x1 , x 2 , , x n )

cualquier vector de K n .
x1
x
[v]B 2 y denotaremos [v]B [v]

xn
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL

Sean V y W dos K-espacios vectoriales de dimensiones finitas, con bases ordenadas
B {v1 , v 2 , , v n } y B ' {w1 , w2 , , wm } ,
respectivamente. Si T : V W es una
transformacin lineal, entonces por el teorema fundamental de las transformaciones

lineales, T est unvocamente determinado por los valores que toma T en los vectores de
B . Es decir, como T : V W , entonces T (v j ) W , donde:

m
T (v j ) aij wi , aij K
(3)
i 1
para j 1, , n ; escribiendo en forma explcita:

T (v1 ) a11 w1 a 21 w2 a m1 wm
T (v 2 ) a12 w1 a 22 w2 a m 2 wm
T (v n ) a1n w1 a 2 n w2 a mn wm
entonces construimos una matriz que tenga como columnas los vectores de coordenadas
de T (v1 ), T (v 2 ), , T (v n ) la cual denotaremos por:
a11
a
A 21

a m1
a12
a 22
am2
a1n
a 2 n

a mn
(4)
Definicin.- La matriz A obtenida en la relacin (2) es llamada matriz asociada a la

transformacin lineal T respecto a las bases B y B ' de V y W respectivamente y la
denotaremos como:

---------------------------------------------------------------------------------------------------------'
A [T ]B
B
(5)
'
Nota.- La matriz A [T ]B
B definida en la relacin (5) tambin es frecuente denotar
como
'
A [T ]B
B [T ]B,B ' BT B '
Ejemplo.- Sea T : R 3 R 4 tal que T ( x1 , x 2 , x3 ) ( x1 , x 2 , 0, x3 ) . Hallar la matriz

asociada a la transformacin lineal T.
a)
Respecto a la bases cannicas de R 3 y R 4 respectivamente.
b)
Si B {(1, 0, 0), (1,1, 0), (1,1,1)} es la base para R 3 y

B ' {(1, 0, 0, 0), (1,1, 0, 0), (1,1,1, 0), (1,1,1,1)} es la base para R 4
Solucin
a)
Respecto a las bases cannicas

{(1, 0, 0), (0,1, 0), (0, 0,1)} de R 3
{(1, 0, 0, 0), (0,1, 0, 0), (0, 0,1, 0), (0, 0, 0,1)} de R 4
T (1, 0, 0) (1, 0, 0, 0) 1(1, 0, 0, 0) 0(0,1, 0, 0) 0(0, 0,1, 0) 0(0, 0, 0,1)
T (0,1, 0) (0,1, 0, 0) 0(1, 0, 0, 0) 1(0,1, 0, 0) 0(0, 0,1, 0) 0(0, 0, 0,1)
T (0, 0,1) (0, 0, 0,1) 0(1, 0, 0, 0) 0(0,1, 0, 0) 0(0, 0,1, 0) 1(0, 0, 0,1)
1
0
[T ]
0
luego
b)
0 0
1 0
0 0
0 1 43
Respecto a las bases

B {(1, 0, 0), (1,1, 0), (1,1,1)} de R 3
B ' {(1, 0, 0, 0), (1,1, 0, 0), (1,1,1, 0), (1,1,1,1)} de R 4
T (1, 0, 0) (1, 0, 0, 0) 1(1, 0, 0, 0) 0(1,1, 0, 0) 0(1,1,1, 0) 0(1,1,1,1)
T (1,1, 0) (1,1, 0, 0) 0(1, 0, 0, 0) 1(1,1, 0, 0) 0(1,1,1, 0) 0(1,1,1,1)
T (1,1,1) (1,1, 0,1) 0(1, 0, 0, 0) 1(1,1, 0, 0) 1(1,1,1, 0) 1(1,1,1,1)
luego
'
[T ]B
B
1
0
0
1 1
0 1
0 1 43
0

---------------------------------------------------------------------------------------------------------Ejemplo.- Dados los espacios vectoriales
( R, , R, .) ,
( R 2 , , R, .)
y la
transformacin lineal T : R R 2 definida como

T ( x ) ( x, 2 x )
Hallar la matriz asociada a T respecto a las bases B {1} , B ' {(1, 0), (1, 1) }
Solucin
T (1) (1, 2) 1(1, 0) 2(1,1)
1
'
[T ]B
B
2 21
Ejemplo.- Sea V un espacio vectorial sobre K de dimensin n y
F : V V una
transformacin lineal definida como

F ( v ) 2v
Hallar la matriz asociada de F respecto a ala base: B B ' {v1 , v2 , , vn }

Solucin
F (v1 ) 2v1 0v2 0vn
F (v2 ) 0v1 2v2 0vn
F (vn ) 0v1 0v2 2vn

0 0
2 0

0 2 n n
2
0
[ F ]B
B
Ejemplo.- Dados los espacios vectoriales

W1 {( x, y, z ) R 3 / x y} y W2 {(aij ) 22 R 22 / aij a ji }
z x
se define la transformacin lineal G : W1 W2 como G ( x, y, z )
x 0
Hallar la matriz asociada de G respecto a las bases:
B {(1,1, 0), (0, 0,1)} de W1 y
1 0 0 0 0 1
B'
, 0 1 , 1 0 de W2 .
0
0
Solucin
4

---------------------------------------------------------------------------------------------------------0 1
1 0 0 0 0 1
G (1,1, 0)
0
0
1
1 0
0 0 0 1 1 0
1 0 1 0 0 0 0 1
G (0, 0,1)
1
0
0
0 0 0 0 0 1 1 0
B'
B
[G ]
Proposicin.- Sean T : V W
0 1
0 0
1 0 32
una transformacin lineal, B {v1 , v2 , , vn }
B ' {w1 , w2 , , wm } bases ordenadas de V y W respectivamente.

'
Si A [T ]B
B es la matriz asociada a la transformacin lineal T respecto a las bases B y
c1
c
2
B ' , v V y C [v]B las coordenadas de v respecto a la base B, entonces

c n
[T (v)]B ' AC son las coordenadas de T(v) en la base de B ' .
Prueba
'
Si A [T ]B
B es la matriz asociada a la transformacin lineal T, entonces:
m
T (v j ) aij wi , j 1, , n
(1)
i 1
c1
c
como C [v]B 2 son las coordenadas de v respecto a la base de B, entonces:

cn
n
v c jv j
j 1
ahora T (v) T c j v j
j 1
c j T (v j )
j 1
n
m
c j aij wi
j 1
i 1
de (1)
(2)

---------------------------------------------------------------------------------------------------------m n
aij c j wi
i 1 j 1
(3)
Escribiendo explcitamente la relacin (3) se tiene

n
j 1
j 1
j 1
T (v) a1 j c j w1 a 2 j c j w2 a nj c j wn
(4)
Luego de (4)
T (v)B '
a1 j c j
jn1
a c
2j j

j 1
a mj c j
j 1
a11c1
a c
21 1

a n1c1
a11
a
21

a m1
a12 c 2
a 22 c 2
an 2 c2
a12
a 22
an2
a1n c n
a 2 n c n
a mn c n
a1n c1
a 2 n c 2

a mn c n
AC
Finalmente, tomando extremos se obtiene [T (v)]B ' AC .

Ejemplo.- Sea T : R 2 R 3 una transformacin lineal definida como
T ( x, y ) ( 2 x, x y , x y ) .
Considererando:
B {(1, 1), (1, 2)} una base de R 2 y

B ' {(1, 1,1), (1, 0,1), (1,1, 0)} una base de R 3
'
i) Hallar [T ]B
B .
ii) Si v (2, 3) , hallar las coordenadas de T (v) .

Solucin
i)
T (1,1) (2, 2, 0) 0(1, 1,1) 0(1, 0,1) 2(1,1, 0)
T (1, 2) (2, 3, 1) 0(1, 1,1) 1(1, 0,1) 3(1,1, 0)

----------------------------------------------------------------------------------------------------------
B'
B
[T ]
0 0
0 1
2 3 23
ii) v (2, 3) 7(1,1) 5(1, 2)

7
luego [v]B
5
T (v)
B'
0 0
0
7
0 1 5
5
2 3 1
Ejemplo.- Sea T : R 3 R 2 una transformacin lineal, consideremos las bases:

B {(1,1,1), (0, 0,1), (0, 1, 0)} de R 3
B ' {(1,1), (1, 1)} de R 2
1 1 / 2 3 / 2
B'
Sabiendo que T B
2 1 / 2 3 / 2
i) Hallar T (3, 0, 2)
ii) Hallar T ( x, y, z )
Solucin
i)
v (3, 0, 2) 3(1,1,1) 1(0, 0,1) 3(0, 1, 0) luego
3
[v]B 1
3
hallando las coordenadas de T (3, 0, 2) tenemos:
T (v)B '
3
1 1 / 2 3 / 2 7
1
2 1 / 2 3 / 2 3 10

T (3, 0, 2) 7(1,1) 10(1, 1)

(17, 3)
ii)
Sea v ( x, y, z ) x(1,1,1) ( z x)(0, 0,1) ( x y )(0, 1, 0) luego

----------------------------------------------------------------------------------------------------------
x
[v]B z x
x y
Hallando las coordenadas de T ( x, y, z ) :
T ( x, y, z )B '
x
1 1 / 2 3 / 2
z x
2 1 / 2 3 / 2 x y
2 x
3 x
T ( x, y , z ) ( 2 x
3
y
2
3
y
2
1
z
2
1
z
2
3
1
3
1
y z ) (1,1) (3 x y z ) (1, 1)
2
2
2
2
T ( x, y, z ) (5 x 3 y z , x)
Proposicin.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases
B { v1 , v 2 , , v n } y B { w1 , w2 , , wm } , respectivamente. Si
ordenadas
T , S :V W son dos transformaciones lineales y a, b K , entonces
aT bS BB aT BB bS BB
Prueba
Sean T B a ij
B
S BB bij
las matrices asociadas de T y S con respecto a las
bases ordenadas B { v1 , v 2 , , v n } de V y B { w1 , w2 , , wm } de W.
Se tiene
( aT bS )(v j ) aT (v j ) bS (v j ) ; j 1, , n
m
i 1
i 1
a aij wi b bij wi ; j 1, , n
m
i 1
i 1
(aa ij ) wi (bbij ) wi ; j 1, , n
m
(aa ij bbij ) wi ; j 1, , n
i 1
De este modo,
aT bS BB aaij bbij ; i 1, , m,
j 1, , n

----------------------------------------------------------------------------------------------------------

aa bb ; i 1, , m,
aaij bbij ; i 1, , m, j 1, , n
ij
ij
j 1, , n
aT B bS B
B
Ejercicio.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases

ordenadas
B { w1 , w2 , , wm } , respectivamente. La
B { v1 , v 2 , , v n } y
transformacin lineal T : V W es nula si y solo si T B 0 .

B
Prueba
)
Asumiendo que la transformacin lineal T : V W es nula.

Sean B { v1 , v 2 , , v n } y B { w1 , w2 , , wm } las bases ordenadas de V y
W respectivamente, entonces
m
T (v j ) aij wi ; j 1, , n
i 1
0 w1 0 w2 0 wm a1 j w1 a 2 j w2 a mj wm ; j 1, , n
aij 0 ; i 1, , m , j 1, , n
por ser B { w1 , w2 , , wm } una base para W, luego
B
B
0 0
0
0 0
Ahora asumiendo que T B 0 .

B
Sea v V , por ser B { v1 , v 2 , , v n } base de V, se tiene que
c1
c
[v]B 2 , luego por una proposicin demostrada anteriormente se tiene que

c n
T BB [v]B
Entonces,
[T (v)]B
c1 0
0
0 0
0
c 2 0
[T (v)]B

0 0

0
c n 0
T (v) 0 w1 0 w2 0 wm 0, v V .
transformacin lineal T es nula.
En
consecuencia
la

---------------------------------------------------------------------------------------------------------Teorema.- Sean V, W dos K-espacios vectoriales de dimensiones n y m
respectivamente. Para cada par de bases B {v1 , v2 , , vn } de V y B ' {w1 , w2 , , wm }
de W se tiene que:
L(V , W ) K mn
Prueba
Definimos:
: L(V , W ) K mn
T
'
(T ) [T ]B
B
Afirmacin 1. - es una transformacin lineal. En efecto:

Sean T , S L(V , W ) y a, b K tal que:
'
(T ) [T ]B
B [ a ij ] mn A
'
( S ) [ S ]B
B [bij ] mn B
Se tiene
'
(aT bS ) [aT bS ]B
B
Por definicin de .
'
B'
a[T ]B
B b[ S ]B
Por la proposicin anterior.
a (T ) b ( S )
Sustitucin
Con lo cual se verifica la afirmacin 1.

Afirmacin 2.- es un isomorfismo. En efecto:
i)
es inyectiva
Nu ( ) {T L(V , W ) / (T ) 0 }
'
{T L(V , W ) / [T ]B
B 0}
{T L(V , W ) / T 0 }
Por el ejercicio anterior.
luego Nu ( ) {0}
es inyectiva
ii)
es sobre
dim L(V , W ) m n dim K mn , por la parte (i) es inyectiva se tiene que es

sobre.
Luego de (i) y (ii) es un isomorfismo.
L(V , W ) K mn
10

---------------------------------------------------------------------------------------------------------Proposicin .-Dados V, W, U espacios vectoriales de dimensin finita sobre el campo K
y sean T : V W y S : W U transformaciones lineales. Si B , B y B son las
bases ordenadas de los espacios vectoriales V, W y U respectivamente, entonces:
B
B
[ S T ]B
B [ S ]B [T ]B
Prueba
Consideremos: B {v1 , v 2 , , v n }, B {w1 , w2 , , wm } y B {u1 , u 2 , , u r } las
bases ordenadas para V, W y U respectivamente.
m
A (aij ) mn [T ]B
B tal que T (v j ) a ij wi , j 1, 2, , n
i 1
r
B (bkl ) rm [ S ]B
B tal que S ( wl ) bkl u k , l 1, 2, , m
k 1
( S T )(v j ) S T (v j ) ; para cualquier j, 1 j n

m
S aij wi
i 1
aij S ( wi )
i 1
m
r
aij bki u k
i 1
k 1
r
m
bki aij u k
k 1 i 1
luego:
r
m
( S T )(v j ) bki aij u k

k 1 i 1
ck j
r
ck j u k
1 j n
k 1
entonces:
[ S T ]B
B [c k j ] r n
pero c k j es el (k , j ) trmino del producto de las matrices BA.

En consecuencia, finalmente tenemos que:
B
B
[ S T ]B
B [ S ]B [T ]B
11

---------------------------------------------------------------------------------------------------------Ejemplo.- Sean las transformaciones lineales
T : R3 R2
( x, y , z ) ( x y , z x )
S:
R2 R
( x, y ) 2 x y
y consideremos las bases:

B {(1,1,1), (1,1, 0), (1, 0, 0)} de R 3 ,
B {(1, 3), (2,1)} de R 2 y
B {1} de R.
Hallar:
i) [ S T ]B
B
ii) ( S T )( x, y, z )
iii) ( S T )(2, 1, 4)
Solucin
i)
2
6
T (1,1,1) (2, 0) (1, 3) (2,1)
5
5
4
7
T (1,1, 0) (2, 1) (1, 3) (2,1)
5
5
3
4
T (1, 0, 0) (1, 1) (1, 3) ( 2,1)
5
5
2 / 5 4 / 5 3 / 5
[T ]B
B
7/5
4 / 5 23
6/5
S (1, 3) 5 5(1)
S (2,1) 5 5(1)
[ S ]B
512
B 5
[ S T ]BB 5
2 / 5 4 / 5 3 / 5
5
7/5
4 / 5
6/5
4 3 1
ii)
( S T )( x, y, z )
Hallemos [( x, y, z )]B
( x, y, z ) a (1,1,1) b(1,1, 0) c(1, 0, 0)
calculando se tiene que a z , b y z , c x y . Luego:
12

---------------------------------------------------------------------------------------------------------( x, y, z ) z (1,1,1) ( y z )(1,1, 0) ( x y )(1, 0, 0)
z
[( x, y, z )]B y z
x y
[( S T )( x, y, z )]B [ S T ]B
B [( x, y , z )]B
z
4 3 1 y z
x y
4 z 3( y z ) ( x y )
x 2y z
( S T )( x, y, z ) x 2 y z
iii) ( S T )(2, 1, 4) 4
Ejemplo.- Sean las transformaciones lineales:

T : R 2 W {( x, y, z ) R 3 / x 2 y}
( x , y ) ( 2 y , y , 0)
y
F :W
R 22
x y
( x, y , z )
z x
y las bases:
B {(1,1), (1, 0)} de R 2
B {( 2,1, 0), (0, 0,1)} de W
1 0 0 1 0 0 0 0
22
B
, 0 0 , 1 0 , 0 1 de R .
0
0

Hallar:
B
i) [T ]B
B y [F ]B
ii) [ F T ]B
B
Solucin
i)
T (1,1) (2,1, 0) 1(2,1, 0) 0(0, 0,1)

T (1, 0) (0, 0, 0) 0(2,1, 0) 0(0, 0,1)
13

---------------------------------------------------------------------------------------------------------1 0
[T ]B
B
0 0
2 1
1 0 0 1
0 0
0 0
F (2,1, 0)
2
1
0
2
0 2
0 0 0 0
1 0
0 1
0 0
1 0
0 1 0 0
0 0
F (0, 0,1)
0
0
1
0
1 0
0 0
0 0 1 0
0 1
[ F ]B
B
2
1
0
0
1
B
B
ii) [ F T ]B
B [ F ]B [T ]B
2
1
0
0 1 0
1 0 0
2
1
0
0
0
Corolario.- Sean V, W espacios vectoriales de dimensin finita con bases ordenadas

B y B respectivamente y T : V W una transformacin lineal. T es un isomorfismo
si y solo si [T ]B
es inversible.
B
Prueba.- Ejercicio.
Matriz cambio de base

Sea V un K-espacio vectorial de dimensin finita, consideramos B {v1 , v 2 , , v n } y
B {v'1 , v' 2 , , v' n } dos bases ordenadas para V.
i)
Para hallar la matriz cambio de base de B a B .

Se considera el endomorfismo identidad
14

----------------------------------------------------------------------------------------------------------
I : V V tal que I (v j ) v j , j 1, 2, , n ,
luego expresando v j como una combinacin lineal de los elementos de B se
tiene
n
I (v j ) v j pij vi , j 1, 2, , n
(1)
i 1
escribiendo (1) explcitamente se obtiene:

I (v1 ) v1 p11v1 p 21v 2 p n1v n
I (v 2 ) v 2 p12 v1 p 22 v 2 p n 2 v n
I (v n ) v n p1n v1 p 2 n v 2 p nn v n
la matriz asociada al endomorfismo I respecto a las bases B y B que
denotamos por:
P [ I ]B
B
p11
p
21

p n1
p12
p 22

pn2
p1n
p 2 n

p nn
es llamada matriz cambio de base de B a B .

ii)
Para hallar la matriz cambio de base de B a B

Se considera el endomorfismo identidad
I : V V tal que I (v j ) v j , j 1, 2, , n
luego expresando v j como una combinacin lineal de los elementos de B se

tiene
n
I (v j ) v j qij vi , j 1, 2, , n
(2)
i 1
y escribiendo (2) explcitamente se tiene:

I (v1 ) v1 q11v1 q 21v 2 q n1v n
I (v 2 ) v 2 q12 v1 q 22 v 2 q n 2 v n
I (v n ) v n q1n v1 q 2 n v 2 q nn v n
15

---------------------------------------------------------------------------------------------------------la matriz asociada al endomorfismo I respecto a las bases B y B que
denotamos por:
Q [ I ]B
B
q11
q
21

q n1
q12
q 22
qn2
q1n
q 2 n

q nn
es llamada matriz cambio de base de B a B.

Observacin.-Tambin es usual denotar la matriz P cambio de base de B a B por
B'
B
o BMB ' y la matriz Q cambio de base de B a B por M B'
o B ' MB .
MB
Ejercicio.- Sea V un K-espacio vectorial de dimensin finita n e
I :V V
el
endomorfismo identidad, entonces [ I ]B

B I n donde I n es la matriz identidad de orden n
y B una base cualesquiera de V.
Proposicin.- Sea V un K-espacio vectorial de dimensin finita, B {v1 , v 2 , , v n } y
B {v'1 , v' 2 , , v' n } dos bases ordenadas para V. Entonces las matrices de cambio de
bases P de B a B y Q de B a B son inversas entre s.
Prueba
En efecto,
'
B
PQ [ I ]B
B [ I ]B '
Por definicin de P y Q.
'
[ I I ]B
B'
Por propiedad demostrada.
'
[ I ]B
B'
Pues I I I .
In
Por el ejercicio anterior.
Anlogamente se demuestra que QP I n .

Luego, PQ I n y QP I n lo que demuestra que P y Q son inversas entre si.
Ejemplo.- Sean B {(1,1), (1, 0)} y B {(1, 0), (2,1)} dos bases de R 2 .
Hallar la matriz cambio de base:
i) P de la base B a la base B .
ii) Q la base B a la base B.
iii) Verifique que P y Q son inversas entre si
16

----------------------------------------------------------------------------------------------------------
Solucin
i)
(1,1) 1(1, 0) 1(2,1)
(1, 0) 1(1, 0) 0(2,1)
1 1
P
1 0
(1, 0) 0(1,1) 1(1, 0)
ii)
(2,1) 1(1,1) 1(1, 0)
0 1
Q
1 1
0 1 1 1 1 0
PQ
1 1 1 0 0 1
iii)
Proposicin.- (Frmulas de transformacin de coordenadas)

Sea
un
K-espacio vectorial
de
dimensin
finita con
bases
ordenadas
B {v1 , v 2 , , v n } y B {v'1 , v' 2 , , v' n } . Si P es la matriz cambio de base de B a

B y Q la matriz cambio de base de B a B, entonces para todo v V se tiene que
P[v]B [v]B
y Q[v]B [v]B
Prueba
a1
a '1
a
a'
Sean: [v]B 2 y [v]B 2

an
a ' n
las coordenadas del vector v V con respecto a las bases B y B .
Probaremos que P[v]B [v]B
n
Entonces
v a jv j
j 1
n
n
a j pij vi
j 1
i 1
17

---------------------------------------------------------------------------------------------------------n n
a j pij vi
i 1 j 1
(1)
Por otro lado tenemos que:

n
v aivi
(2)
i 1
De (1) y (2) por la unicidad de la combinacin lineal, ya que B es una base tenemos
n
ai pij a j , i 1, 2, , n
(3)
j 1
es decir, explcitamente:
a1 p11 a1 p12 a 2 p1n a n
a 2 p 21 a1 p 22 a 2 p 2 n a n
a n p n1 a1 p n 2 a 2 p nn a n
a1 p11
a p
2 21

a n p n1
p12
p 22

pn2
p1n a1
p 2 n a 2

p nn a n
[v]B P [v]B
(4)
Ahora como P y Q son inversas entre s, tenemos que:

Q[v]B QP[v]B
(QP )[v]B
[v]B pues QP I
Q[v]B [v]B
(5)
Las expresiones (4) y (5) se denominan frmulas de transformacin de coordenadas.
Proposicin.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases

ordenadas B y C respectivamente. Si
T : V W es una transformacin lineal
inversible y siendo T 1 dicha inversa, entonces
1 B
C
C 1
([T ]B
)
Prueba
18

---------------------------------------------------------------------------------------------------------Sea n dim V dim W , considerando las bases B y C en V y W respectivamente,
se tiene
C
[T ]B
T 1
B
C
[T T 1 ]CC [ I ]CC I n
Donde I n es la matriz identidad de orden n.

Anlogamente,
1 B
C
C
B
[T ]B
[T 1 T ]B
B [ I ]B I n
Por consiguiente,
1 B
C
C 1
([T ]B
)
Proposicin .- Sean V, W dos K-espacios vectoriales de dimensin finita con bases B

y C respectivamente, entonces la transformacin lineal T : V W es un isomorfismo
C
si y solo si [T ]B
posee inversa.
Prueba
)
Asumiendo que T es un isomorfismo.

T : V W posee inversa
T 1 : W V , luego por la proposicin anterior
C 1
([T ]B
) [T 1 ]B
C .
C
Ahora asumiendo que [T ]B
posee inversa.
Se tiene que
ran (T ) dim W , luego solo resta probar que T es una
transformacin lineal inyectiva.

Si T (v ) , entonces
C 1
[ v ]B ([ T ]B
) [ T (v)]C 0
Como todas las coordenadas de v son iguales a cero, se tiene que v , luego
Nu (T ) { } y en consecuencia T es inyectiva.
Ejemplo.- Sea P 1 [ R ] es el espacio vectorial de los polinomios de grado menor o igual

que uno sobre el campo de los reales R y la transformacin lineal T : R 2 P 1 [ R ]
definida como T ( a, b) a ( a b) x , demuestre que T es un isomorfismo y calcule la
inversa de T.
Solucin
19

---------------------------------------------------------------------------------------------------------Considerando las bases cannicas de B y C en R 2 y P 1 [ R ] respectivamente se
tiene que
T (1, 0) 1 1x
T (0, 1) 0 1x
1 0
C
Luego, [ T ]B
1 1
C
La matriz [T ]B
1 0
C 1
)
es inversible y ([ T ]B
; en consecuencia T es un
1 1
isomorfismo.
Para calcular la inversa de T
1 0 a a
[ T 1 (a bx)] [ T 1 ]B
C [ a bx ]C

1 1 b a b
T 1 (a bx) a (1, 0) (a b)(0, 1)
T 1 (a bx) (a, a b)
Proposicin.- Sea V un K-espacio vectorial de dimensin finita, B y C dos bases
ordenadas para V y T :V V un endomorfismo, entonces
C
[ T ]B
B Q[ T ]C P
donde P es la matriz cambio de base de B a C y Q la matriz cambio de base de C

a B.
Prueba
C
Como P [ I ]B
y Q [ I ]B
C se tiene
B
C
B
C
B
C
B
B
Q[ T ]CC P [ I ]B
C [ T ]B [ I ]B [ I ]C [ T I ]B [ I ]C [ T ]B [ I T ]B [T ]B
Tomando extremos se obtiene,

C
[T ]B
B Q[ T ]C P
con lo cual queda demostrada la proposicin.

La proposicin anterior se puede interpretar mediante el siguiente grfico
20

----------------------------------------------------------------------------------------------------------
[T ]CC
V, C
V, C
[T ]B
B
V, B
V, B
Matrices semejantes
Sea V un K-espacio vectorial de dimensin finita y T : V V un endomorfismo. Se
consideran B y
B dos bases ordenadas de V. Si se denotan por
A T B ,
B
B T B , P la matriz cambio de base de B a B y P 1 la matriz cambio de base

B
de B
a B por la proposicin anterior se tiene que
A P 1 BP . Las matrices
A, B K nn que representan al mismo endomorfismo respecto a las bases B y B

son llamadas semejantes.
Estoes, diremos que A es semejante a B si y solo si existe una matriz P no singular
tal que A P 1 BP .
La proposicin anterior se extiende para el caso de una transformacin lineal
T :V W
donde V y W son K-espacios vectoriales de dimensiones n y m
respectivamente. Si B y B son bases para V; C y C bases para W con matrices

C
C
asociadas A [T ]B
, B [T ]B
y matrices cambio de base P de B a B y Q de
C y C se cumple que A Q 1 BP .
Es decir, dada la transformacin lineal T : V W donde V y W son dos K-espacios
vectoriales de dimensiones n
m respectivamente, diremos que las matrices
A, B K nn representan a la misma transformacin lineal
P K nn y Q K mm no singulares tales que A Q 1 BP .

El siguiente grfico, ilustra la situacin antes descrita.
V , B
W, C
V, B
Q -1
P
A
W, C
21
existen matrices

---------------------------------------------------------------------------------------------------------Ejemplo.- Sea T : R 3 R 2 tal que T ( x, y, z ) ( x y, 2 z x) .
i)
Si B es la base cannica de R 3 y C es la base cannica de R 2 . Hallar la

matriz de T respecto a las bases B y C.
ii)
Calcular las matrices de cambio de base de las bases dadas en (i) a las bases:
B {(1, 0, 1), (1,1,1), (1, 0, 0)} de R 3 y C {(0,1), (1, 0)} de R 2
iii)
Calcular la matriz de T respecto a las bases dadas en (ii).
Solucin
i)
C
Hallemos [T ]B
T (1, 0, 0) (1, 1) 1(1, 0) 1(0,1)

T (0,1, 0) (1, 0) 1(1, 0) 0(0,1)
T (0, 0,1) (0, 2) 0(1, 0) 2(0,1)
A [T ]
C
B
ii)
1 1 0
1 0 2
R 3 , B
R2 , C
P -1
P
R3 , B
Q
A
R2, C
Calcularemos las matrices de cambio de base de las bases dadas

De B {(1, 0, 0), (0,1, 0), (0, 0,1)} a B {(1, 0, 1), (1,1,1), (1, 0, 0)}
(1, 0, 0) 0(1, 0, 1) 0(1,1,1) 1(1, 0, 0)
(0,1, 0) 1(1, 0, 1) 1(1,1,1) 2(1, 0, 0)
(0, 0,1) 1(1, 0, 1) 0(1,1,1) 1(1, 0, 0)
0 1 1
P 0 1
0 ,
1 2 1
22
1 1 1
0 1 0
1 1 0

---------------------------------------------------------------------------------------------------------De C {(1, 0), (0,1)} a C {(0,1), (1, 0)}
(1, 0) 0(0,1) 1(1, 0)
(0,1) 1(0,1) 0(1, 0)
0 1
Q
1 0
iii) Calcular la matriz de T respecto a las bases dadas (ii).

B QAP 1
1 1 1
0 1 1 1 0
0 1 0
1 0 1 0 2 1 1 0
3 1 1
1 2 1
Ejercicios
1.
Una transformacin lineal T : R 3 R 2 est definida por

T ( x, y , z ) ( x 2 z , y z )
a)
Hallar la matriz asociada A de T, respecto a las bases:

{ (1, 1, 1), (2, 2, 0), (3, 0, 0) } en R 3 y { ( 2, 0), (0, 2 } en R 2
b)
Mediante A, determinar la imagen de (2, 2, 2) R 3 .
c)
Determinar la matriz B de T, respecto a las bases cannicas en ambos

espacios.
d)
Obtener la matriz C de T, respecto a la base cannica de R 3 y la base dada

para R 2 en la parte a).
2.
Hallar la matriz de la transformacin lineal S : R 3 R 4 , donde S est definida

como:
S ( x, y, z ) (3 x y, x y, y z , x y z )
en las bases que se indican a continuacin

a)
En las bases cannicas.
b)
{ (3, 2, 4), (5, 1, 4), (1, 4, 3) } base de R 3 y

{(0, 0, 2, 4), (3, 0, 1, 1), (0, 4, 5, 1), (1, 1, 1, 1)} base de R 4 .
c)
La base cannica de R 3 y para R 4 la base dada en b)

23

---------------------------------------------------------------------------------------------------------3.
Sea la transformacin lineal f : R 2 R 3 definida por

f ( x, y ) ( x y , x y , x 2 y )
a)
Determinar el Nu(f), Im(f), una base para cada uno y sus respectivas
dimensiones.
b)
Hallar la matriz asociada de f respecto a las bases:

{ (1, 2), (2, 0) } en R 2 y { (1, 0, 0), (0, 2, 0), (0, 0, 3) } en R 3
4.
La matriz asociada de la transformacin lineal f : R 3 R 3 respecto de la base

cannica es
1 1
1
A 3 3 3
2 4
2
Determinar el Nu(f), Im(f) y sus dimensiones.
5.
Sea T el operador lineal sobre C 2 definido por T ( z1 , z 2 ) ( z1 , 0) . Sea B la

base ordenada cannica de C 2 y sea B { (1, i ) , (i, 2) } .
a)
Cul es la matriz asociada de T respecto al par de bases B y B ?.
b)
Cul es la matriz asociada de T respecto al par de bases B y B ?.
c)
Cul es la matriz asociada de T en la base B { (1, i ) , (i, 2) } ?.
6. Si V { ax 2 bx c / a, b, c R } y T : V R 2 es una transformacin lineal

definida por T (ax 2 bx c) (b 2c, 3c 2a ) , determine la matriz asociada a T
respecto a las bases B1 { 1, 1 x, 1 x x 2 } de V y B2 { (3, 2), (2, 3)} de R 2 .
7.
Dada la transformacin lineal f : R 22 R 3 definida por
a b
f
(a b c, a b d , b c d )
c d
a) Obtener la matriz de f respecto de las bases:
1 1 1 0 0 0 0 1
,
,
,
y { (0, 2, 1), (2, 0, 1), (0, 1, 1) }
1 1 1 0 0 1 1 1
1 3
c) Utilizando la matriz hallada, obtener la imagen de
.
2 2
8.
Determinar la transformacin lineal f : R 3 R 2 , tal que respecto de las bases

{ (1, 1, 1), (1, 0, 1), (1, 1, 0) } en R 3 y { (1, 2), (2, 1) } en R 2 su matriz asociada sea
24

---------------------------------------------------------------------------------------------------------0
1 0
0 1 1 .
9.
Hallar la matriz de la transformacin lineal g f
respecto de las bases
{ (1, 1), (0, 1) } en el dominio, { (2, 0), (2, 2) } en el codominio donde
f : R 2 R 3 / f ( x, y ) ( x, x y , y ) g : R 3 R 2 / g ( x, y , z ) ( x y , z ) .
10.
Sea la transformacin lineal

cos
sen
f : R 2 R 2
representada por la matriz
sen
respecto de la base cannica.
cos
y son nmeros reales cualesquiera, entonces
Demostrar que si
f f f y f 1 f .
11.
El endomorfismo T : R 3 R 3 est definido por

T ( x, y , z ) ( x, x y , x y z )
En caso de ser posible, halle la matriz asociada a T 1 con respecto a la base

B { (1, 0, 0), (1, 1, 0), (1, 1, 1) } .
12.
Sea f : R 3 R 2 definida por f ( x, y, z ) ( x y z , x y )

Hallar la matriz de f respecto a las bases cannicas de R 3 y R 2
a)
respectivamente.
b)
Obtener las matrices de cambio de base, de las bases anteriores a las bases
{ (0, 1, 1), (1, 1, 2), (1, 1, 1) } , { (1, 3), (0, 2) } .
c)
13.
Calcular la matriz B de f, respecto al nuevo par de bases.
Hallar las matrices de cambio de base en cada uno de los siguientes casos:
a)
{ (2, 3), (3, 2) } y { (1, 4), (4, 2) } bases de R 2 .
b)
{ x, x 1, x 2 2 x 1} y {1, x 2 2 x 1, x 2 } bases del espacio vectorial

V { a bx cx 2 / a, b, c K }
c)
Dado el espacio U { ( x, y, z , w) R 4 / x y z w 0 } y dos bases

B {(1, 1, 1, 3), (1, 1, 1, 1), (1, 1, 1, 1)} y
B {(1, 0, 1, 0), (1, 1, 0, 0), (1, 0, 0, 1)}
14.
Dados el espacio vectorial

B { (1, 0), (2, 1) } ,
el
R2
espacio
con las bases B { (1, 1), (3, 2) }

vectorial
R3
con
las
bases
C {( 2, 2, 3), (2, 4, 1), (1, 4, 2)} y C {(1, 1, 0), (1, 2, 1), (2, 1, 2)} .
25

---------------------------------------------------------------------------------------------------------Sea T : R 2 R 3 una transformacin lineal que tenga en las bases B y C la
1 2
matriz asociada 2 1 , se pide
3 1
a)
Hallar la matriz P cambio de base de B a B . Anlogamente, hallar la

matriz Q cambio de base de C a C .
b)
Hallar P 1 y Q 1 para las matrices correspondientes a la parte a).
c)
Hallar la matriz asociada de la transformacin lineal T, respecto a las

bases B y C .
15.
En el espacio vectorial
R 2 fijando
R , se considera la base
C { (cos , sen ), ( sen , cos )} .
a)
Hallar la matriz cambio de base de C a la base cannica de R 2 .
b)
Determine las coordenadas del vector v (a, b) con respecto a la base

C.
16.
Sean B { v1 , v 2 , v3 } y C { u1 , u 2 , u 3 } bases ordenadas de un R-espacio

vectorial V relacionados de la siguiente forma
u1 3v1 v3
u1 v1 v 2 v3
u 2v 3v
2
3
3
17.
a)
Hallar la matriz cambio de base de B a C.
b)
2
Si [v]B 1 , halle [v ]C .
3
c)
1
Si [v]C 3 , halle [v]B .
2
Considere el siguiente subespacio de M 2 ( R) ;
x
W
z
y
M 2 ( R ); x y z 0
26

----------------------------------------------------------------------------------------------------------
1 1 1 0 0 0
1 0 0 1 0 0
,
,
y sean B
, C
,
,
dos
0 0 1 0 0 1
1 0 1 0 0 1
bases de W.
a)
Halle las matrices cambio de base de B a C y de C a B.
b)
0 0 1
Encuentre una base D de W, tal que la matriz P 3 0 1 sea la
1 2 0
matriz cambio de base de D a B.
18.
Sea el endomorfismo T L( R 3 ) , cuya matriz asociada respecto a la base

B { v1 , v 2 , v3 } es
2 1
3
2 1 0
4
3 1
Se pide:
a)
Probar que B { v3 , T ( v3 ), T 2 ( v3 ) } es tambin base de R 3 .
b)
Hallar la matriz asociada de T con respecto a la base
B { v3 , T ( v3 ), T 2 ( v3 ) } .
19.
Sean P2 [ x] y P3 [ x ] los espacios vectoriales de los polinomios de grado menor

igual a dos y menor o igual a tres, respectivamente, y sea T : P2 [ x] P3 [ x] la
transformacin lineal definida por T( p(x)) = x p(x).
a)
Determinar la matriz asociada a T con respecto a las bases cannicas de

P2 [ x] y P3 [ x] , respectivamente.
b)
Obtener la matriz asociada de T con respecto a las bases :

B {1 x 2 , 1 3 x 2 x 2 , 5 4 x 4 x 2 } de P2 [ x] y
B' {1, x, x 2 , x 3 } de P3 [ x] .
c)
Haciendo uso de las matrices obtenidas en a) y b) calcular la imagen del

vector 1 3 x x 2 .
27

---------------------------------------------------------------------------------------------------------ESPACIOS COCIENTES
Para abordar el estudio de espacio cociente, primero recordemos el concepto de relacin
de equivalencia.
Dado un conjunto cualesquiera M diremos que R es una relacin de equivalencia
sobre M si satisface las siguientes propiedades:
1.
x M : ( x, x) R (reflexividad)
2.
x, y M : ( x, y ) R ( y, x) R (simetra)
3.
x, y, z M : [( x, y ) R ( y, z ) R ] ( x, z ) R (transitiva)
Cuando una relacin R es de equivalencia sobre M, en lugar de escribir ( x, y ) R se

escribe x ~ y . Luego, usando la ltima notacin si R es una relacin de equivalencia
sobre M escribiremos:
1.
xM : x ~ x
2.
x, y M : x ~ y y ~ x
3.
x, y , z M : [ x ~ y y ~ z ] x ~ z
Dada una relacin de equivalencia sobre M, definida por x ~ y , la clase de

equivalencia x M denotada por K x es el conjunto
K x { y M / x ~ y } , el
elemento x es el representante de la clase de equivalencia.

El conjunto M, se puede expresar como unin de una familia de subconjuntos disjuntos
donde cada uno de ellos es una clase de equivalencia para algn elemento de M. Es
decir si K x xM es una familia de clases de equivalencia, entonces M
xM
Cada clase de equivalencia K x pues x K x ya que por la condicin 1) x ~ x .

Si K x K y , entonces K x K y . En efecto,
sea z K x K y z K x z K y por definicin de interseccin.
z ~ x z ~ y por definicin de clase de equivalencia.
x ~ z z ~ y por 2)
x ~ y por 3)
Kx Ky
El conjunto formado por todas las clases de equivalencia denotamos por M / ~ , esto es
M / ~ { K x / x M } es llamado conjunto cociente; la aplicacin : M M / ~ tal
que ( x) K x es llamada proyeccin natural y es suryectiva de M sobre M / ~ .
28

---------------------------------------------------------------------------------------------------------Para la definicin de espacio vectorial cociente, consideramos un K-espacio vectorial V
y un subespacio propio W. Se define sobre V una relacin de la siguiente manera.
Diremos que u , v V son congruentes mdulo W si y solo si u v W y escribimos
u v mod W .
Proposicin.- La relacin "" definida anteriormente es de equivalencia sobre V, es

decir verifica las siguientes condiciones:
1.
u u mod W , u V (reflexiva)
2.
u v mod W v u mod W (simtrica)
3.
(u v mod W v w mod W ) u w mod W (transitiva)
Prueba
1.
u u mod W , pues u u W por ser W subespacio.
2.
u v mod W u v W por definicin de ""

(u v) W por ser W subespacio
v u W
v u mod W
(u v mod W v w mod W ) (u v W v w W ) por definicin de ""
3.
(u v) (v w) u w W
u w mod W
Luego, la relacin "" es de equivalencia. La relacin de equivalencia "" induce sobre

V una particin donde denotaremos cada clase de equivalencia del elemento v por
[v] { u V / u v mod W } . Al elemento v V se le llama representante de la clase de
equivalencia.
Proposicin.- Se verifica
u v mod W [u ] [v]
Prueba
)
Demostrando que [u ] [v]

Sea
w [u ] w u mod W
w u W
(1)
Por otra parte como

u v mod W u v W
(2)
De (1) y (2)
29

---------------------------------------------------------------------------------------------------------( w u ) (u v) w v W
w v mod W por definicin de ""
w [v]
Luego [u ] [v] y anlogamente de demuestra que [v] [u ] . Por consiguiente,

queda demostrado que [u ] [v] .
)
Ejercicio.
Con la finalidad de contar con una notacin apropiada para operar clases de
equivalencia definimos el conjunto v W {v w / w W } .
Proposicin.- Sea V un K espacio vectorial y W un subespacio propio de V. Se verifica
que
[v ] v W
Prueba
i)
Probaremos que [v] v W

Sea u [v] u v mod W
u v W u v w para algn valor de W
u v w, w W
u v W
[v ] v W
ii)
Falta probar que v W [v]

Sea u v W u v w para algn w W .
u v w, w W
u v mod W u [v]
v W [v]
Finalmente, de i) y ii) se demuestra la afirmacin de la proposicin.

Recapitulando, se tiene V un K-espacio vectorial y W un subespacio propio de V; sobre
V se defini una relacin de equivalencia "" que a su vez induce sobre el espacio
vectorial V una particin formada por las clases de equivalencia. El conjunto formado
por todas las clases de equivalencia se denota por
V
{v W / v V }
30

---------------------------------------------------------------------------------------------------------Para dotarle al conjunto V
de una estructura de espacio vectorial sobre K es
necesario definir las operaciones de adicin y multiplicacin por escalares. Dados

v W , u W y a K ; definimos
(v W ) (u W ) (v u ) W
Adicin :
Multiplicacin por escalares: a (v W ) av W

Ahora es necesario probar la buena definicin de las operaciones; es decir, como se
estn trabajando con clases de equivalencia se requiere demostrar que las operaciones
no dependen de los representantes de las clases de equivalencia.
Prueba de la buena definicin de las operaciones
Para la adicin
Sea
v1 W v 2 W v1 v 2 mod W v1 v 2 W
(1)
u1 W u 2 W u1 u 2 mod W u1 u 2 W
(2)
De (1) y (2)
(v1 v 2 ) (u1 u 2 ) W (v1 u1 ) (v 2 u 2 ) W

(v1 u1 ) (v 2 u 2 ) mod W (v1 u1 ) W (v 2 u 2 ) W
(v1 W ) (u1 W ) (v 2 W ) (u 2 W )
Para la multiplicacin por escalares
Sea
aK
v W u W v u mod W
v u W
a (v u )W
av au W
av W au W
a (v W ) a (u W )
Definimos el cero de V / W por W W y se cumple

(v W ) ( W ) ( W ) (v W ) v W
El conjunto V
con las operaciones anteriormente definidas es un espacio vectorial
llamado espacio vectorial cociente.
31

---------------------------------------------------------------------------------------------------------Ejemplo.- Consideremos el R-espacio vectorial V R 2 y el subespacio W L{(1, 1)} ,
entonces el espacio cociente de R 2 por W es
R2
{ ( a, b) W / ( a, b) R 2 }
Donde cada clase de equivalencia es el conjunto

(a, b) W { (a, b) t (1, 1) / t R }
El cual para (a, b) un punto fijo del plano representa una recta de pendiente 1 o
2
direccin el vector (1, 1) paralela a la recta W L{(1, 1)} . Es decir, R
es el
conjunto formado por todas las rectas del plano paralelas a la recta W.
R
v+W
W
u+W
Ejemplo.- Sea el R-espacio vectorial V R 3 y

W { (0, 1, 0), (0, 0, 1)} { ( x, y, z ) R 3 / x 0 }
(W es el plano YZ o x 0 ), entonces el espacio cociente de R 3 sobre W es
R3
{ ( a , b, c ) W / ( a , b, c ) R 3 }
Donde cada clase de equivalencia es el conjunto

(a, b, c) W {( a, b, c) t (0, 1, 0) r (0, 0, 1) / t , r R }
Interpretando geomtricamente
R3
es el conjunto formado por todos los planos
paralelos de R 3 paralelos a W es decir todos los planos paralelos al plano x 0 .
32

----------------------------------------------------------------------------------------------------------
Proposicin.- Sea V un K-espacio vectorial, W un subespacio propio de V y V

espacio cociente de V
sobre W. La aplicacin
(v) v W es lineal, suryectiva
: V V W definida como
Nu ( ) W . La aplicacin es llamada
proyeccin cannica (tambin se le llama proyeccin natural o proyeccin cociente).

Prueba
a)
La aplicacin es lineal. En efecto, dados u , v V y a, b K se tiene que

por la definicin de
(au bv ) (au bv ) W
(au W ) (bv W )
definicin de + en V
a (u W ) b(v W )
definicin de . en V
a (u ) b (v)
por la definicin de
Luego, es una aplicacin lineal.

b)
La aplicacin es sobre. En efecto,

Im( ) { (v) / v V }
{v W / v V }
Luego, como Im( ) V
el
, la aplicacin lineal es sobre.
33

---------------------------------------------------------------------------------------------------------c)
La aplicacin no inyectiva. En efecto, calculando su ncleo se tiene

Nu ( ) { v V / (v) W W }
{ v V / v W W }
{ v V / v mod W }
{ v V / v W }
W
Luego, Nu ( ) W y en consecuencia, la aplicacin no es inyectiva.

Teorema.- Sea V un K-espacio vectorial, W un subespacio de V, : V V
proyeccin cannica de V sobre V
la
y U un subespacio de V. Luego, se verifica que
V W U si y solo si la restriccin de a U es un isomorfismo de U sobre V
Prueba
)
Se tiene por hiptesis que V W U y hay que probar que : U V
es un
isomorfismo.
i)
Primero hay que probar que
Nu
{ u U /
es inyectiva.
(u ) W }
{ u U / u W W W }
{ u U / u mod W }
{ u U / u W }
{ u U / u W }
{ u / u (U W ) { }}
{ }
Luego,
ii)
es inyectiva.
Ahora probemos que

Sea z V
es suryectiva
, entonces z v W para algn v V .
Por hiptesis V W U , entonces existen w W y u U nicos tal

que v w u , luego
z v W (v) ( w u ) ( w) (u ) W (u ) (u )
Es decir, dado z V
, u U tal que (u ) z
34

----------------------------------------------------------------------------------------------------------
En consecuencia de i) y ii)
es suryectiva
es un isomorfismo.
Asumiendo ahora que : U V
es un isomorfismo, hay que demostrar que
V W U .
i)
Primero probemos que V W U .

Sea v V v W V
. Luego, por hiptesis existe u U tal que
(u ) v W , es decir
u W v W u v mod W
v u W w W tal que
w v u v w u ; w W , u U
En consecuencia, todo v V siempre se puede expresar como v w u

donde w W y u U ; es decir V W U .
ii)
Resta probar que W U { } .

Sea
v W U v W v U . Como v v W se tiene que
v mod W v W W
y como
U (v) U ( ) y puesto que
v, U , esto equivale a
es inyectiva se tiene que v , con
lo cual se ha probado que W U { } .

En consecuencia de i) y ii) V W U .
Observacin.- Del teorema se tiene que

W U
U
W
W U
W
U
En los siguientes ejemplos veremos las aplicaciones del teorema.
Ejemplo.- En el R-espacio vectorial R 2 , se consideran los siguientes subespacios

W L{ (1, 1)} y U L{ (1, 1)}
Que son dos rectas de R 2 que pasan por el origen con vectores direccin (1, 1) y
(1, 1) respectivamente. R 2 W U , luego aplicando el teorema anterior resulta que
R2
2
y R
W .
35

---------------------------------------------------------------------------------------------------------Ejemplo.- Sea V R nn el R-espacio vectorial de todas las matrices con entradas reales
de orden n n . Consideremos los subespacios
W { A R n n / A A T } y U { A R n n / A A T }
De las matrices simtricas y antisimtricas, respectivamente. De demuestra que
R nn W U , luego por el teorema anterior se tiene que
R n n
R n n
Teorema Fundamental
En el siguiente teorema probaremos que toda transformacin lineal T : V U tal que
el subespacio W de V est contenido en el ncleo de T, induce una nica transformacin
lineal T : V
U tal que T T .
Teorema .-(Propiedad universal del cociente)

Sean V, U K-espacios vectoriales y W un subespacio de V. Si T : V U es una
transformacin lineal tal que W Nu (T ) , entonces existe una nica transformacin
lineal T : V
U que hace comutativo el siguiente diagrama.

T
Prueba
Definimos la aplicacin T : V
U tal que T : (v W ) T (v); v V .
Primero, hay que garantizar que T est bien definida; es decir que la definicin no
depende del representante de la clase de equivalencia. En efecto,
v W v W v v mod W
v v W
por def. de
w W / v v w
36

--------------------------------------------------------------------------------------------------------- v v w ; w W
T (v ) T (v w )
T (v) T (v ) T ( w )
por ser T transformacin lineal
T (v) T (v )
pues W Nu (T )
T (v) T (v )
T (v W ) T (v W )
Luego,
por def. de T
v W v W T (v W ) T (v W ) , lo cual prueba la buena definicin
de T . Ahora probemos que hace conmutativo el diagrama, esto es T T . Sea

v W V
, luego T (v) T (v W ) T ( (v)) (T )(v) . En consecuencia, se ha
probado que T T .
Ahora probaremos que la aplicacin T es lineal. En efecto, dados v W , v'W V
y a, b K se tiene
T (a (v W ) b(v'W )) T ((av W ) (bv'W ))
T ((av bv' ) W )
T (av bv ' )
por definicin de T
aT (v) bT (v' )
por ser T transformacin lineal
aT (v W ) bT (v'W )
por definicin de T
Luego, la aplicacin T es lineal.

T . Supongamos que exista otra transformacin lineal
Falta probar la unicidad de

T :V
U que cumpla las mismas condiciones de T es decir T T , luego para
v V se tiene
T (v W ) T ( (v)) (T )(v) T (v) (T )(v) T ( (v)) T (v W )

tomando extremos se tiene que
T (v W ) T (v W ) , v V
Luego, T T y en consecuencia T es nica.
Observaciones
(1)
Si T es la transformacin lineal del teorema anterior, Nu (T ) ( Nu (T )) e

Im(T ) T (V ) . En efecto, hagamos la verificacin.
Verificando que Nu (T ) ( Nu (T ))
37

---------------------------------------------------------------------------------------------------------Nu (T ) { v W V
{v W V
{v W V
{ (v ) V
W
W
W
/ T (v W ) }
/ T (v ) }
/ v Nu (T ) }
/ v Nu (T ) }
( Nu (T ) )
Luego Nu (T ) ( Nu (T ))
Verificando que Im(T ) T (V )
Im(T ) T (V
{T (v W ) / v V }
{ T (v ) / v V }
Im(T )
T (V )
Luego, Im(T ) T (V )
(2)
La construccin del espacio cociente nos permite afirmar que dado un espacio
vectorial V y un subespacio W V arbitrario, existe una transformacin lineal
L : V U de V en algn espacio vectorial U de modo que Nu ( L) W . Esto es,
todo subespacio es el ncleo de alguna transformacin lineal. En efecto, basta

tomar L : V V
la proyeccin cannica.
Teorema .-Existe una correspondencia biyectiva entre los subespacios de V
y los
subespacios de V que contienen a W. Esa correspondencia est dada de la siguiente

forma
S V
1 ( S ) V ;
W U V U
(U ) V
Prueba
Las funciones definidas arriba envan subespacios en subespacios. En efecto, sea S un
subespacio de
u , v 1 ( S )
a (u ) b (v) S
, se tiene que probar que 1 ( S ) es un subespacio de V. Sean

a, b K , entonces (u ), (v) S ; como S es un subespacio
como
es la aplicacin cannica se tiene que
38

----------------------------------------------------------------------------------------------------------
(au b v) S au b v 1 ( S ) ; luego, 1 ( S ) es un subespacio de V. Si U es un

subespacio de V, como es lineal, entonces (U ) es un subespacio de V
. De otra
parte, ambas funciones son una inversa de la otra. En efecto, tomemos un subespacio U
de V tal que W U V , probaremos que 1 (U
Sea u U u W (u ) U
u 1 (U
W
W
) U .
) . Luego, U 1 (U
) . Ahora
probemos el otro contenido, por definicin de imagen inversa se tiene
1 (V W ) { u U / (u ) U W }
Sea
v 1 (V
) (v ) v W U
u U / v u W
u U / v u w , para algn w W .
Luego,
vuw
con
w W ; como W U
v U , o sea que
entonces
1 (U W ) U .
Por consiguiente, 1 (U
) U .
Teorema.- Sea V un K-espacio vectorial de dimensin finita. Si W es un subespacio

propio de V, entonces
dim(V
) dim V dim W
PRUEBA
Sea dim V n y dim W m , con m n . Consideremos B {v1 , , v m } una base
para W, entonces por el teorema de completacin de bases, extendemos dicha base para
V. Es decir existen, v m 1 , , v n V
tal que B' { v1 , , v m , v m 1 , , v n } es una
base de V. Con los vectores utilizados para completar la base formamos el subconjunto
B {v m 1 W , , v n W } de V
Afirmacin.- B {v m 1 W , , v n W } es una base para V
Prueba de la afirmacin
i)
El conjunto B {v m 1 W , , v n W } es linealmente independiente.

Sea a m 1 (v m 1 W ) a n (v n W ) W W (W es el cero de V
(a m 1v m 1 W ) (a n v n W ) W (def. de en V
39

--------------------------------------------------------------------------------------------------------- (a m 1v m 1 a n v n ) W W (def. de + en V
(a m 1v m 1 a n v n ) W
a m 1v m 1 a n v n a1v1 a m v m (por ser {v1 , , v m } base para W)
a m 1v m 1 a n v n a1v1 a m v m
a1 a m a m 1 a n 0 se tiene que B {v m 1 W , , v n W }
es l.i.
ii)
El conjunto B {v m 1 W , , v n W } genera V
Sea v W V
esto es V
i 1
i 1
v a i vi a i vi
a v
i m 1
i i
n
m
v W a i vi a i vi W
i m 1
i 1
m
n
a i vi W a i vi W
i 1
i m 1
W ai vi W pues
i m 1
a v
i m 1
L(B ) .
. Como v V se puede expresar como combinacin lineal de
los elementos de B' , esto es

n
i i
a v
i 1
i i
W ya que W es el cero de V
(a m 1v m 1 W ) (a n v n W )
a m 1 (v m 1 W ) a n (v n W )
Luego, para todo v W V
, se tiene que
v W a m 1 (v m 1 W ) a n (v n W )
De lo que resulta, L{ v m 1 W , , v n W } V
De i) y ii) la afirmacin queda probada.

De la afirmacin se tiene que
dim K (V / W ) n m dim K V dim K W
40

---------------------------------------------------------------------------------------------------------Observacin.- El teorema anterior nos describe un procedimiento para encontrar una
base del espacio cociente V
cuyos representantes son los vectores utilizados para
completar una base de V a partir de una base de W.
Ejemplo.-
En el espacio vectorial R 3 sobre R se considera el subespacio

W { ( x, y, z ) R 3 / x y z 0, x y z 0 }
Se pide:
a)
3
Hallar una base para R
b)
Determinar el vector de coordenadas de ( 2, 1, 3) W con respecto a la base
hallada en a).
Solucin
3
Hallando una base para R
a)
Se tiene que W { ( x, y, z ) R 3 / x y z 0, x y z 0 }
{ ( x, y , z ) R 3 / x y 0 }
{ ( x, y , z ) R 3 / y x }
{ ( x , x , 0) / x R }
W L{ (1, 1, 0) }
El conjunto { (1, 1, 0) } es una base para W, y por el teorema de completamiento de

bases, existen
(0, 1, 0), (0, 0, 1) R 3 tal que { (1, 1, 0), (0, 0, 1), (0, 1, 0) } es una
base de R 3 . Luego por el teorema B { (0, 1, 0) W , (0, 0, 1) W } es una base para
R3
b)
.
Determinando el vector de coordenadas de
(2, 1, 3) W con respecto a la
base B .
a ((0, 1, 0) W ) b((0, 0, 1) W ) (2, 1, 3) W
((0, a, 0) W ) ((0, 0, b) W ) (2, 1, 3) W
(0, a, b) W ) (2, 1, 3) W
(0, a, b) (2, 1, 3) t (1, 1, 0) (2, a 1, b 3) (t , t , 0)
41

----------------------------------------------------------------------------------------------------------
2 t
a 1 t
b 3 0
t 2
a 1
b 3
Luego, 1((0, 1, 0) W ) 3((0, 0, 1) W ) (2, 1, 3) W , y en consecuencia

1
[(2, 1, 3) W ]B
3
Corolario.- Sea V un espacio vectorial sobre un campo K y W V un subespacio
vectorial . Entonces, V W V
Prueba
Siguiendo el procedimiento del teorema, consideramos una base B para W y luego
completamos una base B para V. Si se considera B B B , entonces (B ) es
una base de V
T :V
. Consideramos la inclusin i : W V
y la transformacin lineal
inducida por T ( (v)) v , v B . Entonces, T es inyectiva e i, T
inducen una transformacin lineal biyectiva W V
Ejercicio.- Sean
T :U (U W )
subespacios del
V .
K-espacio vectorial V. Probar que
tal que T (u ) u W es un epimorfismo.
Solucin
Primero probemos que la aplicacin T es una transformacin lineal. Sean u , v U y
a, b K .
T (au bv ) (au bv ) W
(au W ) (bv W )
a (u W ) b(v W )
aT (u ) bT (v)
Ahora hay que probar que T es suryectiva.

Sea z (U W )
, entonces z (u w) W
para algn u U
w W ; entonces
z (u W ) ( w W ) (u W ) W u W T (u )
Esto prueba que T es suryectiva. Por tanto, T es un epimorfismo.
42
y para algn

---------------------------------------------------------------------------------------------------------Definicin..- Sea T : V V una transformacin lineal y sea W V un subespacio. Se
dice que W es invariante con respecto a T ( o un subespacio invarante por T) si
T (W ) W .
Teorema.- Sea T : V V una transformacin lineal y W un subespacio invariante por

~
T :V
T. Entonces, existe una nica transformacin lineal
que hace
conmutativo el siguiente diagrama
T~
Prueba
Consideremos
la
transformacin
T : V V W
lineal
W Nu ( T ) . En efecto, sea w W
probemos
que
entonces como W es invariante por T,
T ( w) W y como Nu ( ) W entonces (T ( w)) W w Nu ( T ) . Con lo que
se ha probado que W Nu ( T ) .
Ahora, usando la propiedad universal del cociente ( teorema demostrado) existe una
~
nica transformacin lineal T :V

V
T~
Tal que T~ T ; con lo que queda demostrado el teorema.
43

---------------------------------------------------------------------------------------------------------Observacin.- El teorema anterior puede generalizarse de la siguiente forma:
Sea T :V V una transformacin lineal y W V , W V subespacios tales que
T (W ) W . Entonces, existe una nica transformacin lineal T~ : V
V tal
W
que T~ T .
T : V V W . Sea w W
En efecto, consideremos la transformacin lineal

entonces
T ( w) W
pues
( T )( w) W , es decir
T (W ) W
y como
Nu ( ) W
entonces
W Nu ( T ) , luego por la propiedad universal del
cociente existe una nica transformacin lineal
T~ : V
V
W
tal que
T~ T .
Corolario.- (Isomorfismo inducido por una transformacin lineal)

Sean V, U K- espacios vectoriales y T : V U una transformacin lineal, entonces
existe una nica transformacin lineal T : V
Nu (T )
T (V ) inducida por T que es un
isomorfismo.
Prueba
De acuerdo a las condiciones del corolario, construimos el siguiente diagrama.
V
T (V ) U
Nu (T )
Consideremos la transformacin lineal T : V T (V ) , como Nu (T ) es un subespacio

de V y obviamente est contenido en s mismo, existe una nica transformacin lineal
T : V
Nu (T )
T (V ) tal que T T en virtud de la propiedad universal del cociente.
44

---------------------------------------------------------------------------------------------------------Probaremos que T es inyectiva.
Nu (T ) { v Nu (T ) / T (v Nu (T )) }
{ v Nu (T ) / T ( (v)) }
{ v Nu (T ) / (T )(v) }
{ v Nu (T ) / T (v) }
{ Nu (T ) }
Nu (T ) { Nu (T ) } y en consecuencia T es inyectiva.
Ahora probaremos que T es suryectiva, para ello calculamos
Im(T ) {T (v Nu (T )) / v V }
{T ( (v)) / v V }
{ (T )(v) / v V }
{ T (v ) / v V }
T (V )
Luego, T es suryectiva.
Finalmente, al ser T inyectiva y suryectiva concluimos que T es un isomorfismo y por
consiguiente V / Nu (T ) T (V ) .
El siguiente teorema establece una relacin entre
T B
la matriz asociada a un
endomorfismo T :V V con respecto a una base ordenada B de V y T~ B la matriz

asociada al endomorfismo inducido por T en el cociente
, donde W es un
subespacio invariante por T.
Teorema.- Sea
V un K-espacio vectorial de dimensin finita, T : V V una
transformacin lineal y W un subespacio de V invariante por T. Denotemos con
: W W la transformacin lineal obtenida mediante la restriccin de T a W.
Consideremos T~ :V
y
las
bases
la transformacin lineal inducida por T en el cociente
C { v1 , v 2 , , v r } ,
B { v1 , v 2 , , v r , v r 1 , , v n } ,
B { v r 1 W , , v n W } bases de W, V y V
T B
T
W C
0
45

~
T B
respectivamente. Entonces

---------------------------------------------------------------------------------------------------------Prueba
Observemos que los vectores T (v j ) W ; j 1, , r ; desde que W es invariante por
T, de aqu
cada
T (v j ) ; j 1, , r se escribe como combinacin lineal de los
elementos de la base C { v1 , v 2 , , v r } , los escalares correspondientes a esta

combinacin lineal son exactamente las entradas de la matriz asociada
T
W
. Esto
prueba que las primeras r columnas de la matriz T B son como se enuncia en el

teorema.
De otro lado T (vr j ) V para j 1, , n r , pueden escribirse como combinacin
lineal de los elementos de la base
de V; esto es existen escalares
a1, r j , a 2, r j , , a r , r j , a r 1, r j , , a n , r j en K tal que

r
T (v r j ) a i , r j v i
i 1
i r 1
v , para j 1, , n r
i, r j i
Tomando la clase de equivalencia

r
T (v r j ) W a i , r j (v i W )
i 1
i r 1
i, r j
(vi W ) , para j 1, , n r
Esto es
T~ (v r j W )
i r 1
i, r j
(vi W ) , para j 1, , n r
lo que implica que los elementos de la columna r j (para
T B
j 1, 2, , n r ) de
ubicados en las filas r 1, r 2, , n forman exactamente el j-simo vector
columna de la matriz T~ B con lo que el teorema queda demostrado.
Ejercicios
1.
Sea V un K-espacio vectorial y W un subespacio de V. Se dice que u, v V son

congruentes mdulo W si y solo si u v W , lo que se denota como u v mod W .
Demostrar que la relacin es de equivalencia.
2.
Sea V un K-espacio vectorial y W un subespacio de V. Para v V , se define el

conjunto v W { v u / u W } . Demuestre que [v] v W .
3.
Sea
W {( x, y ) R 2 / 2 x y 0 } subespacio de R 2 . Describir las clases de
equivalencia mdulo W de los siguientes vectores: u (3, 2), v (2, 2) y

w (4, 3) .
46

---------------------------------------------------------------------------------------------------------4.
Sea el espacio vectorial R 2 sobre R y el subespacio W {( x, y ) R 2 / y 3 x } .

Cules de la siguientes de las siguientes expresiones son verdaderas?.
a) [ (a, b)] [ (a 2b, 7b)]
b) (a, b) W (b, 2a 4b) W
c) (a 2b, 7b) W (b, 3a 4b) W
5.
Sea W L{ (3, 2) } un subespacio de R2. Averige si se cumple:

a) (2a b, b) W ( a b, b 2a ) W , donde a, b R .
b) (2a b, b) W (b a,
6.
b
a ) W , donde a, b R .
3
Sea W { ( x, y, z ) R 3 / z 0 } subespacio de R 3 . Describir las clases de

equivalencia mdulo W de los siguientes vectores: u (0, 0, 1), v (0, 1, 2) y
w (4, 1, 4) en R3.
7.
Sea W {( x, y, z ) R 3 / x 2 y z 0 } subespacio de R 3 . Demuestre que que la

clase de equivalencia mdulo W del vector v (a, b, c) R 3 es el conjunto
{ ( x, y, z ) R 3 / x 2 y z a 2b c } .
8.
Sea Kn un K-espacio vectorial y W el espacio solucin de la ecuacin lineal

a1 x1 a 2 x 2 a n x n 0 , ai K y sea v (b1 , b2 , , bn ) K n . Demuestre que
la clase v W de W en Kn es el conjunto solucin de la ecuacin lineal
a1 x1 a 2 x 2 a n x n b donde b a1b1 a 2 b2 a n bn .
9.
Considere el espacio vectorial real de todos los polinomios con coeficientes en R e

indeterminada x, V=R[x]. Si W { q ( x)( x 2 1) / q ( x) V } se pide:
a) Demuestre que V / W { [ax b] / a, b R } .
b) Dados p ( x) x 4 2 x 3 x 2 x 1 , s ( x) 3 x 4 22 x 3 x 2 3 x 2 V R[ x] ,
averige si [ p ( x)] [ s ( x)] .
10. Considere el espacio vectorial real de todos los polinomios con coeficientes en R e
indeterminada x, V=R[x]. Si W { q ( x)( x 3 x 1) / q ( x) V } se pide:
a)
Demostrar que V / W { ax 2 bx c / a, b, c R } .
b)
Dados p ( x) x 4 2 x 3 x 2 3 x 2
V=R[x], averiguar si p ( x) s ( x) .
47
s ( x) 2 x 4 x 3 2 x 2 x 1
de

---------------------------------------------------------------------------------------------------------11. Sea la transformacin lineal T : V V . Demuestre que los siguientes subespacios
son invariantes por T:
a) { }
b)
c)
Nu (T )
Im(T )
12. Sea V un K-espacio vectorial y W un subespacio. Supongamos que el conjunto de

clases { v1 W , v 2 W , , v n W }
es linealmente independiente en V/W.
Demostrar que el conjunto de vectores { v1 , v 2 , , v n } tambin es linealmente

independiente en V.
13. Sea V un K-espacio vectorial y W un subespacio. Supongamos que el conjunto de
vectores
{ u1 , u 2 , , u n }
L(u i ) W { } .
en
Demostrar
es
que
linealmente
el
independiente
conjunto
de
que
clases
{ u1 W , u 2 W , , u n W } en V/W tambin es linealmente independiente.

14. Sea V un K-espacio vectorial, U y W subespacios tal que V U W
{ u1 , u 2 , , u n } una base de U. Demostrar que { u1 W , u 2 W , , u n W } es una

base del espacio cociente V/W.
15. Sea el R-espacio vectorial R 3 y W { ( x, y, z ) R 3 / 2 x y 0, z 2 x 0 } .
a) Determine una base B de R 3 / W .
b) Si v (1, 1, 0) , halle el vector coordenado de v W respecto a la base B .
c) Si v (2, 3, 4) , halle el vector coordenado de v W respecto a la base B .
16. En el espacio vectorial R 4 sobre R, se consideran los subespacios:
U { ( x, y , z , t ) R 4 / x 2 y z t 0 } ,
W { ( x, y, z , t ) R 4 / x y t 0 , y z 2t 0 } y
S { ( x, y , z , t ) R 4 / x y 0 , x z 0 , z t 0 }
Se pide hallar una base y su dimensin correspondiente para los espacios cocientes:
R4 /U , R4 /W y R4 / S .
17. Sea V el R-espacio vectorial de los polinomios con coeficientes en R e
indeterminada en x. Si W es el subespacio de los polinomios divisibles por x 5 , esto
es de la forma a0 x 5 a1 x 6 an 5 x n . Mostrar que el espacio cociente V / W es de
dimensin 5.
48

---------------------------------------------------------------------------------------------------------18. Determine la verdad o falsedad de las siguientes afirmaciones:
a) Todo subespacio es el ncleo de alguna transformacin lineal.
b) Dado un subespacio W de un espacio vectorial V, existe una transformacin
lineal T : U V para algn subespacio U de modo que T (U ) W .
19. Sea
U { ( x, y ) R 2 / y 2 x } subespacio de
R2. Pruebe que cada clase en
R 2 / U posee un nico representante en el eje Y. Use este hecho para definir un
isomorfismo entre R 2 / U y el eje Y.

20. Sea W { ( x, y, z ) R 3 / z 0 } subespacio de R 3 . Pruebe que cada elemento de
R 3 / W posee un nico representante en la recta L { t (1, 1, 1) / t R } . Use este
hecho para definir un isomorfismo entre R 3 / W y la recta L.

21. Sea
V P2 [ x ] el espacio vectorial de los polinomios de grado 2
W { ax 2 b / a, b R } un subespacio de V. Establesca un isomorfismo entre el

espacio cociente V / W y la recta L { ( x, y, z ) R 3 / x y z 0, x y z 0 } .
22. Sea V un K-espacio vectorial de dimensin finita y W un subespacio de V. Probar
que
dim(V / W ) dim V dim W .
23. En el R-espacio vectorial R3 se considera el subespacio

W { ( x, y , z ) R 3 / x y z 0 , x y z 0 }
Determinar una base para R 3 / W e indicar su dimensin.
24. Sean R 22 el espacio vectorial de las matrices cuadradas de orden 2 2 se
a b
R 22 / b 2c 0 .
considera el conjunto W
c d
Determine una base y la dimensin para R 22 / W .

25. Sea V P3 [ x] el R-espacio vectorial de los polinomios de grado menor o igual que
3, con coeficientes en R e indeterminada x y W { p ( x) P3 [ x] / p (0) p (1) 0}
un subespacio de V. Determinar una base B de V / W y calcular el vector de
coordenadas de ( x 3 2 x 2 3 x 1) W .
26. En el espacio vectorial R 3 sobre R se considera el subespacio W L{(1, 1, 1)} . Si
la aplicacin lineal T :R 3 / W R 3 se define como
T ( ( a, b, c ) W ) ( a b, a c, c b) .
49

---------------------------------------------------------------------------------------------------------Hallar la matriz asociada a T con respecto a las bases
B { (0, 1, 0) W , (0, 1, 1) W } de R 3 / W y
B { (1, 1, 0), (1, 1, 0), (1, 0, 1)} de R 3 .
27. En el espacio vectorial R 3 sobre R, se considera el subespacio W L{(1, 1, 1)} y
T :R3 R3 /W
tal que
T (a, b, c) (a b, a c, b c) W . Hallar la matriz
asociada de T con respecto a las bases B { (1, 0, 1), (1, 1, 1), (1, 1, 0)} de R 3
y B { (0, 1, 1) W , (0, 1, 1) W } de R 3 / W .
28. En
el
espacio
R3
vectorial
sobre
R,
se
considera
el
subespacio
W {( x, y, z ) R 3 / 2 x y 0, x y z 0} , B { (0, 1, 1) W , (0, 0, 1) W }
base de R 3 / W
y B { (1, 1, 1), (1, 1, 0), (1, 0, 0)} base de R 3 .
Si T : R 3 / W R 3 es una transformacin lineal tal que la matriz asociada a T
respecto de estas bases es
0 1
0 1 , hallar T ( ( x, y, z ) W ) .
1 0
29. Sea T : R 3 R 3 una transformacin lineal definida por

T ( x, y , z ) ( x y z , 2 y z , 2 y 3 z )
Si W L{ (2, 2, 4) } , demuestre que W es T-invariante.

30. En el espacio vectorial R 3 sobre R, se considera el subespacio W L{ (1, 1, 1)} y
T L( R 3 ) / T (a, b, c) (a c, b c, 0) . Si la transformacin lineal
T : R 3 / W T ( R 3 ) est definida como T ( ( a, b, c ) W ) ( a c, b c, 0) , hallar
T 1 en caso de ser posible.
31. Sean V y W dos K-espacios vectoriales y T : V W una transformacin lineal. Si

la dimensin de V es finita, demostrar que
Nu (T ) V y T (V ) W tienen
dimensin finita y adems se cumple que dim V dim( Nu (T )) dim(T (V ) .

32. Sea V un K-espacio vectorial de dimensin finita, U y W subespacios de V.
Demuestre:
a)
(U W )
U
W
U W
b) dim(U W ) dim U dim W dim(U W )
50

---------------------------------------------------------------------------------------------------------33. Sean V un K-espacio vectorial de dimensin finita, T L(V ) , W un subespacio
invariante por T y T
:W W
la transformacin lineal obtenida mediante la
restriccin de T a W. Considerando T~ : V / W V / W la transformacin lineal

asociada
en
el
cociente
siendo
C { w1 , w2 , , wt } ,
B { w1 , w2 , , wt , vt 1 , , v n } y B { vt 1 W , , v n W } bases de W, V y
V/W respectivamente. Demostrar que
T
*
W C
~
T B
0
34. Sean V un K-espacio vectorial de dimensin finita, T L(V ) , W1 y W2 subespacios
T B
T-invariantes verificndose que V W1 W2 . Si B1
y B2 son bases de W1 y
W2 respectivamente tal que B B1 B2 , demostrar que
T B
T B 1
51
0
T B 2

---------------------------------------------------------------------------------------------------------VALORES Y VECTORES PROPIOS
1. VALORES Y VECTORES PROPIOS DE UNA TRANSFORMACIN LINEAL
DEFINICIN 1.1.- Dado V un K-espacio espacio vectorial y un endomorfismo
T : V V , diremos que K es un valor propio de T si y solo si existe un vector no
nulo v V tal que
T (v) v
(1)
El vector no nulo que satisface la relacin (1) se denomina vector propio de T asociado
al valor propio .
NOTA.- Tambin se utilizan las expresiones de auto valor y valor caracterstico para
denominar al valor propio y el de auto vector y vector caracterstico para el vector
propio.
EJEMPLO 1.1.1.- Sea (V , , K , ) un espacio vectorial, consideremos el endomorfismo
identidad
I (v) v ; v V
1 es un valor propio de I.
EJEMPLO 1.1.2.- En el espacio vectorial R 2 sobre R definimos el endomorfismo
T : R 2 R 2 / T ( x, y) (2 x y, 3x 4 y)
Hallar los valores y vectores propios de T.

SOLUCIN
Hay que hallar R tal que T ( x, y) ( x, y)
(2 x y, 3x 4 y) ( x, y)
2 x y x ( 2) x y 0
3x 4 y y 3x ( 4) y 0
(1)
el sistema homogneo (1) tendr soluciones distintas de la trivial (que son las que nos
interesan, por ser los vectores propios vectores no nulos) si el determinante de la matriz
asociada al sistema es igual a cero; esto es
2
3
2
3
1
0
4
1
2 6 5 0
4
2 6 5 0 ( 1)( 5) 0 1 1, 2 5
52

---------------------------------------------------------------------------------------------------------Luego, los valores propios de T son: 1 1 y 2 5 .
Ahora calculando los vectores propios
i)
Hallando el vector propio v1 asociado al valor propio 1 1

Reemplazando el valor de 1 1 en la ecuacin (1) se tiene
3x 3 y 0
ntese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuacin se tiene
x y 0 y x
la variable y depende de x, entonces v1 ( x , x) x(1, 1) , x puede tomar
cualquier valor con excepcin de cero, para x 1 se tiene v1 (1, 1)
y verifica
T (1, 1) (1, 1) 1(1, 1)

ii)
Hallando el vector propio v 2 asociado al valor propio 2 5

Procediendo de manera anloga que en la parte i) reemplazamos el valor de
2 5 en la ecuacin (1) se tiene
y 0
3x
y 0
3x
como en la parte i) las dos ecuaciones son equivalentes, entonces trabajando con la
primera ecuacin se tiene
3x y 0 y 3x
la variable y depende de x, entonces , para x 1 se tiene v2 (1, 3) y y verifica
T (1, 3) (5,15) 5(1, 3)

NOTA.- Dados V un K-espacio vectorial, T : V V un endomorfismo y K un
valor propio de
T. El conjunto (T ) { K / es un valor propio de T } es
llamado espectro de T y E(T , ) { v V / T (v) v } es un subespacio de V, y se

denomina espacio propio o auto espacio de
asociado al valor propio . En
referencia al ejemplo anterior se tiene
(T ) {1, 5}
E (T , 1) { v R 2 / T (v) v } L{ (1, 1)} y
E (T , 5) { v R 2 / T (v) 5v } L{ (1, 3)}
53

---------------------------------------------------------------------------------------------------------EJEMPLO 1.1.3.- Sea C 2 el espacio vectorial sobre C y la transformacin lineal
T : C 2 C 2 definida como
T ( x, y) ( x 2 y, x y)
Hallar los valores y vectores propios de T.
SOLUCIN
Hay que hallar C tal que T ( x, y) ( x, y)
( x 2 y, x y) ( x, y)
x 2 y x (1 ) x 2 y 0
x y y x (1 ) y 0
(1)
el sistema homogneo (1) tendr soluciones distintas de la trivial (que son las que nos
interesan, por ser los valores propios vectores no nulos) si el determinante de la matriz
asociada al sistema es igual a cero; esto es
1
1
2
0
(1 )
1
2
(1 )(1 ) 2 2 1 0
1
(1 )
2 1 0 i
Luego, los valores propios de T son: 1 i y 2 i .
Ahora hallando los vectores propios
i)
Hallando el vector propio v1 asociado al valor propio 1 i

Reemplazando el valor de 1 i en la ecuacin (1) se tiene
(1 i) x 2 y 0
x (1 i ) y 0
las dos ecuaciones son equivalentes, entonces trabajando con la primera ecuacin
se tiene
(1 i) x 2 y 0 y
la variable y depende de x, entonces v1 ( x ,
1
1
(1 i)) x(1, (1 i)) , para x 2
2
2
se tiene v1 (2 , 1 i)
y verifica
T (2 ,1 i) i(2,1 i)
54
1
(1 i) x
2

---------------------------------------------------------------------------------------------------------en efecto
T (2 , 1 i) (2 2(1 i), 2 (1 i)) (2i , 1 i) i(2 , 1 i)

ii)
Hallando el vector propio v 2 asociado al valor propio 2 i

Reemplazando el valor de 2 i en la ecuacin (1) se tiene
(1 i ) x 2 y 0
x (1 i ) y 0
ntese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuacin se tiene
(1 i) x 2 y 0 y
la variable y depende de x, entonces v2 ( x,
1
(1 i) x
2
1
1
(1 i) x) x(1, (1 i)) , para x 2
2
2
se tiene y 1 i y en consecuencia
v 2 (2 , 1 i )
y verifica
T (2 ,1 i) i(2,1 i)
en efecto
T (2 , 1 i) (2 2(1 i), 2 (1 i)) (2i , 1 i) i(2 , 1 i)

OBSERVACIONES 1.2
(1) La existencia de valores propios de un endomorfismo depende del campo de
escalares sobre el cual est definido el espacio vectorial, pues si consideramos el
espacio vectorial (C 2 , , R, ) y la transformacin lineal T : C 2 C 2 definida en el
ejemplo 1.1.3
T ( x, y) ( x 2 y, x y)
no tiene valores propios en R ya que:
2 1 0 , R
(2) Sean V un espacio vectorial sobre K de dimensin finita, T : V V
un
endomorfismo y K un valor propio de T. El conjunto
E(T , ) { v V / T (v) v }
es un subespacio de V, llamado subespacio propio o auto espacio asociado al
valor propio .
55

---------------------------------------------------------------------------------------------------------(3) Si A es la matriz asociada del endomorfismo T : V V respecto a una base B
entonces, el det(T I ) se define como
det(T I ) det( A I )
donde I debe entenderse como el automorfismo identidad al lado izquierdo y como
la matriz identidad al lado derecho.
PROPOSICIN 1.3.- Sea V un
K-espacio vectorial de dimensin finita y el
endomorfismo T : V V . Las siguientes afirmaciones son equivalentes:

i) K , es un valor propio de T.
ii) T I es singular (no invertible).
iii) det(T I ) 0 .
PRUEBA
i) ii)
Como K es valor propio de T, entonces existe un vector no nulo v V
tal que T (v) v
T (v) I (v) , donde I es el endomorfismo identidad

(T I )(v) , por ser T I un endomorfismo
Nu(T I ) { } , pues al ser v un vector propio es diferente de
T I
es singular
ii) iii) es obvio.

iii) i)
Tenemos que det(T I ) 0 T I es singular
Nu(T I ) { } v V tal que

(T I )(v) T (v) v
es un valor propio de T.
2. VALORES Y VECTORES PROPIOS DE UNA MATRIZ
DEFINICIN 2.1.- Se dice que el escalar es un valor propio de una matriz
A K nn si y solo si existe un vector no nulo v K n1 tal que

Av v
(1)
el vector no nulo v K n1 que satisface la relacin (1) se denomina vector propio de A

asociado al valor propio .
56

---------------------------------------------------------------------------------------------------------NOTA.- De manera anloga que para el caso de las transformaciones lineales, se
utilizan las expresiones de auto valor y valor caracterstico para denominar al valor
propio y el de auto vector y vector caracterstico para el vector propio de una matriz.
EJEMPLO 2.1.1.- Sea A K nn una matriz diagonal, cualquier vector cannico
ei K n1 donde i 1, 2,, n es un vector propio de A.

Pues para:
d1
0
A
0
0

dn
0
d2
se tiene que:
d1
0
Aei
0
d2
0 0
0
0
1 d d i ei
i

d n
0 0
Los valores propios de A son los elementos de la diagonal.
2 1
EJEMPLO 2.1.2.-Hallar los valores y vectores propios para la matriz A
.
3 4
SOLUCIN
R es un valor propio de de A, si existe un vector v R n1 tal que Av v .

v Av (I A)v
0 2 1 x 0
2 1 x 0

3 4 y 0
0 3 4 y 0
2
3
1
0 2 6 5 0 ( 1)( 5) 0
4
1 1, 2 5
Los vectores propios asociados a los valores propios 1 1 y 2 5 son:
1
v1 ,
1
1
v2
3
57

---------------------------------------------------------------------------------------------------------En efecto, verificando se tiene
2 1 1 1 1
2 1 1 5
1
y
Av1
1
Av
5
2

3 4 3 15
3
3 4 1 1 1

El espacio propio de A correspondiente al valor propio lo denotamos por
E ( A, ) { v K n1 / Av v}
Ntese que los valores propios de la transformacin lineal dado en el ejemplo 1.2.2
2 1
T : R 2 R 2 / T ( x, y) (2 x y, 3x 4 y) y la matriz A
dada en el ejemplo
3 4
2.1.2 son los mismos. Este hecho no debe sorprender, puesto que A es la matriz
asociada a la transformacin lineal T respecto a la base cannica de R 2 .
La relacin entre el espacio propio de T L(V )
y el espacio propio de la matriz
asociada a T respecto a una base B est dada por siguiente proposicin.

PROPOSICIN.- Sea V un K-espacio vectorial de dimensin finita, B una base
ordenada de V. Si T L(V ) y K un autovalor de T, entonces
v E(T , ) [ v ]B E([ T ]B , )
PRUEBA
Asumiendo que v E (T , ) , hay que demostrar [ v ]B E ([ T ]B , )
v E(T , ) T (v) v
por definicin
[T (v)]B [v]B [v]B

[T (v)]B [v]B
tomando extremos
[T ]B [v]B [v]B
[ v ]B E ([ T ]B , )
)
[ v ]B E ([ T ]B , ) hay que probar que
Recprocamente, asumiendo que
v E (T , ) .
[ v ]B E([ T ]B , ) [T ]B [ v]B [v]B

[T ]B [ v]B [v]B 0
[T (v)]B [v]B 0
[T (v) v]B 0
T (v) v 0
T (v) v
v E (T , )
58

---------------------------------------------------------------------------------------------------------OBSERVACIONES
(1)
Existe un solo valor propio asociado a un vector propio v.

En efecto, suponiendo que 1 y 2 son los valores propios correspondientes al
valor propio v, entonces se tiene que
T (v) 1v 2 v
Por definicin de valor propio
1v 2 v
(1 2 )v
Como
por
definicin
de
vector
v ,
propio
se
tiene
que
1 2 1 2 .
Lo recproco no es cierto, pues para un valor propio pueden existir infinitos
vectores propios.
(2)
Si bien es cierto que la relacin T (v) v es vlida para v y cualquier
, la definicin de vector propio excluye al vector cero. Esto se justifica por

tener que existir un solo valor propio asociado al vector propio v.
NOTA.- La proposicin 1.3, en trminos de matrices, puede ser enunciada como:

cualquiera de las afirmaciones siguientes, son equivalentes
i) K , es un valor propio de A K nn .
ii) A I es singular (no invertible).
iii) det( A I ) 0
A continuacin veremos ms ejemplos sobre valores propios y vectores propios.
EJEMPLO.- Sea el endomorfismo T :V V
escalar fijo. Ntese, que todo vector
v V
tal que T (v) av , donde a es un

con
v es un vector propio
correspondiente al valor propio a.

EJEMPLO [Reflexin sobre el plano XY]
Sea el endomorfismo T : R 3 R 3 tal que T ( x, y, z) ( x, y, z)
Calculando los valores propios de T
T ( x, y, z) ( x, y, z) (x, y, z)
( x, y, z) (x, y, z)
(( 1) x, ( 1) y, ( 1) z) (0, 0, 0)
59

----------------------------------------------------------------------------------------------------------
0
( 1) x
( 1) y
0
( 1) z 0
1
0
0
1
0
0
( 1) 2 ( 1)
( 1) 2 ( 1) 0 1, 1
Luego los valores propios de T son
1 de multiplicidad algebraica igual a 2 y
1
Para el valor propio 1 los vectores propios estn contenidos en el plano XY esto es,
T ( x, y, 0) 1( x, y, 0) .
E (T , 1) { ( x, y, z) R 3 / T ( x, y, z) 1( x, y, z) }
{ ( x, y, z ) R 3 / ( x, y, z) 1( x, y, z) }
{ ( x, y, z ) R 3 / z 0}
L{ (1, 0, 0), (0, 1, 0) }

Para el valor propio 1 los vectores propios estn contenidos en el eje Z esto es,
T (0, 0, z) 1(0, 0, z) .
E (T , 1) { ( x, y, z) R 3 / T ( x, y, z ) 1( x, y, z) }
{ ( x, y, z ) R 3 / ( x, y, z) ( x, y, z ) }
{ ( x, y, z ) R 3 / x y 0}
{ ( x, y, z ) R 3 / x y 0}
{ (0, 0, z) / z R }
L{ (0, 0, 1) }
Ntese que R 3 E (T , 1) E (T , 1)
EJEMPLO [Rotacin en el plano]
Consideramos dos situaciones
i)
Para V C con K C
Todo z C donde z 0 se puede expresar como
z rei r (cos i sen )
Definiendo,
T : C C / T ( z ) rei ( ) rei e i e i z
60

---------------------------------------------------------------------------------------------------------Donde T acta sobre z hacindolo girar un ngulo . En este caso todo z 0
es un vector propio para el valor propio
e i c o
s i s e n . El valor
e i no es un nmero real salvo el caso en n , n Z .

ii)
Para V C con K R
La rotacin T ( z ) e i z admite valores propios nicamente si n , n Z .
En consecuencia para n , n Z , T no tiene valores propios reales. Como
ya se vio en un ejemplo anterior la existencia de valores propios depende de la
eleccin del campo.
EJEMPLO [El operador derivada]

Dado el espacio vectorial D { f : R R / f es una funcin que admite derivada} ,
se define el endomorfismo T : D D / T ( f ) f . Los vectores propios de T son
todas las funciones f D no nulas que satisfacen la ecuacin
T ( f ) f f f
(1)
para algn R . La relacin (1) es una ecuacin diferencial de primer orden
f f
f ( x)
dx dx
f ( x)
ln( f ( x)) x ln C
f ( x) e (xln C ) e x e ln C
f ( x) Ce x , donde C es una constante arbitraria.
Luego los vectores propios de T son todas las funciones exponenciales de la forma
f ( x) C e x con C 0
T ( f ( x)) (Ce x ) C e x f ( x)
El valor propio correspondiente a f ( x) C e x es .

EJEMPLO [El operador integracin]
Sea V { f : [a , b] R / f es continua }
Definiendo
T :V V
x
donde g ( x) f (t )dt , a x b
a
f g T( f )
Suponiendo que existieran las funciones propias para T, serian las
satisfacen la ecuacin
61
f V
que

---------------------------------------------------------------------------------------------------------x
F ( x) f (t )dt f ( x)
a
(1)
para algn R .
Usando el primer teorema fundamental del clculo, derivamos la relacin (1)
obteniendo
f ( x) f ( x) ; 0
f ( x)
1
dx dx
f ( x)
ln( f ( x))
f ( x) e
x ln C
x
( ln C )
e e ln C
f ( x) Ce ; 0, C 0
Luego, las nicas funciones propias posibles serian aquellas funciones exponenciales de
x
f ( x) e ; 0, C 0 . Sin embargo, si reemplazamos
la forma
xa
en la
ecuacin (1) se tiene
a
a
f (t )dt f (a) C e ; 0, C 0
a
0 f (a) C e 0
a
Como e 0 , se ve que la ecuacin T ( f ) f , no puede ser satisfecha por ninguna

a
funcin f 0 . En consecuencia, el operador integracin T no tiene funciones propias

ni valores propios.
OBSERVACIN
Sean V un K-espacio vectorial de dimensin finita n, T L(V ) un endomorfismo y A
la matriz asociada a T respecto a una base B de V. El det(T I ) se define como
det(T I ) det( A I )
donde el I en el lado izquierdo denota el endomorfismo identidad y el I del lado
derecho denota la matriz identidad.
La proposicin que se enuncia a continuacin es el anlogo de la proposicin 1.3 en
trminos de la matrices.
62

---------------------------------------------------------------------------------------------------------PROPOSICIN.-Sea V un K-espacio vectorial y T :V V un endomorfismo y A la
matriz asociada a T respecto a una base B de V. Las siguientes afirmaciones son
equivalentes:
a)
K es un valor propio de A.
b)
A I es singular
c)
det( A I ) 0
PRUEBA.- Ejercicio
3. POLINOMIO CARACTERSTICO
POLINOMIO DE MATRICES
Sea K [x] el anillo de polinomios con coeficientes en el campo K. Si p K[x] , se
escribe
p( x) an x n an1 x n1 a1 x a0
Ahora, si A es una matriz cuadrada sobre K, el polinomio
p( A) an An an1 An1 a1 A a0 I
donde I es la matriz identidad es llamado polinomio de matrices. En caso que p( A) 0
se dice que A es una raz del polinomio p(x) .
EJEMPLO 3.1
0 1
Sea p K[x] tal que p( x) x 2 2 x 4 y A
, entonces:
2 1
0 1 0 1
0 1 1 0
p( A) A 2 2 A 4 I
2 1 40 1
2 1 2 1
2 1 0 2 4 0 6 3
2 1 4 2 0 4 6 3
PROPIEDADES 3.2
Sean p, q K[ x] y A K nn , entonces se cumplen las siguientes propiedades:
i) ( p q)( A) p( A) q( A)
ii) ( pq)( A) p( A)q( A)
iii) (kp)( A) kp( A), k K .
iv) Puesto que p( x)q( x) q( x) p( x) para polinomios cualesquiera p(x) y q(x) ,
entonces, p( A)q( A) q( A) p( A)
63

---------------------------------------------------------------------------------------------------------v) Si 1 , 2 ,, n son elementos de K y p( x) ( x 1 )( x 2 )( x n ) , entonces
p( A) ( A 1 I )( A 2 I )( A n I )
DEFINICIN 3.3.- Dada una matriz A K nn , se llama polinomio caracterstico de A

al determinante de la matriz I A ; es decir:
a11
p( ) det(I A)
a21
an1
a12
a22
an 2
a1n
a2 n
ann
Desarrollando el determinante se tiene
p( ) n cn1n1 c1 c0
La matriz I A se denomina matriz caracterstica de A.
EJEMPLO 3.3.1.- Hallar el polinomio caracterstico de la matriz

2 1 0
A 1 1
2
0
3 1
2
p( ) det(I A)
1
1
0
2
3 22 8 13
OBSERVACIN 3.3.2.- Del ejemplo anterior, ntese que 2 Tr( A) y 13 det( A) ;
luego el polinomio caracterstico de A se puede escribir como
p( ) 3 Tr( A)2 8 (1) 3 det( A) , si A K 33
En general para una matriz A K nn , el polinomio caracterstico de A se puede

escribir como
p( ) n Tr( A)n1 (1) n det( A)
64

---------------------------------------------------------------------------------------------------------EJEMPLO 3.3.3.- Utilizando la observacin anterior, calcular los valores propios de la
matriz
1 2
A
3 2
SOLUCIN
p( ) 2 Tr( A) (1) 2 det( A)
2 3 4
las races del polinomio 2 3 4 0 son 1 4 y 2 1 .
PROPOSICIN 3.4.- Dos matrices semejantes tienen el mismo polinomio
caracterstico; es decir, si B P 1 AP , entonces PB ( x) PA ( x) .
PRUEBA
p B ( x) det(xI n B)
definicin de polinomio caracterstico
det(xI n P 1 AP)
reemplazando B P 1 AP
det(xP 1 P P 1 AP)
propiedad de matriz identidad
det[P 1 ( xI n A) P]
propiedad distributiva del prod. de matrices
det(P 1 ) det(xI n A) det(P)
propiedad de determinantes
det(P 1 ) det(P) det(xI n A)
propiedad de nmeros reales
det(P 1 P) det(xI n A)
det(I ) det(xI n A)
propiedad de matrices inversibles
det( xI n A)
p A (x)
definicin de polinomio caracterstico
p B ( x) p A ( x)
PROPOSICIN 3.5.- Dadas una matriz A K nn y un escalar K .
es valor propio de A p A ( ) 0 .
PRUEBA
Sea el polinomio caracterstico p A ( x) det(xI n A)
es valor propio de A I n A es singular

det(I n A) 0
p A ( ) 0
65

---------------------------------------------------------------------------------------------------------EJEMPLO 3.5.1.- Hallar los valores propios y sus correspondientes vectores propios
de la matriz
1 2 2
A 1 2 1
1 1 4
SOLUCIN
p A ( ) I A
1
1
( 1)( 3) 2
luego p A ( ) ( 1)( 3) 2 0 y los valores propios son 1 1 y 2 3 .

DEFINICIN 3.6.- Sean V un K-espacio vectorial de dimensin finita, T : V V un
endomorfismo y f ( x) K[ x] donde
f ( x) a0 x n a1 x n1 an ; ai K , i 0,1,, n
f (x) es llamado polinomio anulador de T si y solo si f (T ) 0 .

PROPOSICIN 3.7.- Sea V un K-espacio vectorial de dimensin finita. Si T L(V )
siempre existe un polinomio anulador para T.
PRUEBA.- Sea dim K V n , entonces
dim K L(V ) nn m
consideremos: I , T , T 2 ,, T m ; m 1 elementos que son linealmente dependientes; es
decir, existen a0 , a1 , a2 ,, am K no todos nulos tal que:
a0 I a1T a2T 2 amT m 0

Nos basta elegir:
g ( x) a0 a1 x am x m 0
g (T ) 0
PROPOSICIN 3.8.- Sean V un K-espacio vectorial de dimensin finita, T : V V
un endomorfismo y K tal que T (v) v, v 0 . Si f ( x) K[ x] , entonces:
f (T )v f ( )v
PRUEBA
66

----------------------------------------------------------------------------------------------------------
T (v) v
T 2 (v) T T (v) T (v) T (v) 2 v
T 3 (v) T T 2 (v) T (2 v) 2T (v) 3 v
T n (v) n v ; para todo n 0

Si f ( x) a0 x n a1 x n1 an
f (T )(v) (a0T n a1T n1 an I )(v)

a0T n (v) a1T n1 (v) an I (v)
a0 n v a1n1v an v
(a0 n v a1n1v an )v
f ( )v
f (T )(v) f ( )v
PROPOSICIN 3.9.- Sean A, B matrices semejantes, f ( x) K[ x] . Demostrar que
f (A) y f (B) son tambin matrices semejantes.

PRUEBA
Si A y B son matrices semejantes se tiene:
B P 1 AP
B 2 ( P 1 AP)( P 1 AP) P 1 A2 P
B 3 P 1 A3 P
B n P 1 An P
Si f ( x) a0 x n a1 x n1 an
f ( B) a0 B n a1 B n1 an I
a0 ( P 1 An P) a1 ( P 1 An1 P) an P 1 P
P 1 (a0 An a1 An1v an ) P
P 1 f ( A) P
f ( B) P 1 f ( A) P
67

---------------------------------------------------------------------------------------------------------EJERCICIOS
1.
Hallar los valores propios, vectores propios y una base para los espacios propios si
la transformacin lineal T : R 2 R 2 est definida como:
a) T ( x, y) ( y, 4 x)
b)
c) T ( x, y) (3x 4 y, 2 x y) .
2.
C)
T ( x, y) ( x y, 2 x y)
T ( x, y) (4 x 3 y, 3x 4 y)
Hallar los valores propios, vectores propios y una base para los espacios propios si
la transformacin lineal T : R 3 R 3 est definida como:
a) T ( x, y, z) ( x y z, 2 y z, 2 y 3z)
b) T ( x, y, z) ( x y, y x, 2 y z)
c) T ( x, y, z) ( x y, 2 x 3 y, x y z)
d) T ( x, y, z) (2 y z, 2 x z, 2 x y)
3. Hallar los valores y vectores propios si es que existen para las siguientes matrices
en R 22 y R 33 . Para cada valor propio halle el espacio propio correspondiente.
a)
2 0
1 3
d)
1 1 0
1 1 0
0 0 2
b)
1 4
1 3
e)
1 0 1
0 3 0
1 0 1
c)
10 0 2
0 6 0
2 0 7
f)
2 3 0
4
5 0
5
5 1
4. Hallar los valores y vectores propios para las siguientes matrices en C 33 . Para
cada valor propio halle el espacio propio correspondiente.
a)
5.
1 0
3
5 1 0
0
0 1
b)
1 1 0
1 0 0
0 0 2
Sea T : R 2 R 2 la aplicacin que hace corresponder a cada vector de R 2 su

proyeccin ortogonal sobre el vector u (2, 1) . La aplicacin as definida es una
transformacin lineal.
a)
Hallar la matriz asociada a T con respecto a la base cannica de R 2 .
b)
Hallar los valores y vectores propios de la matriz obtenida en a).
68

---------------------------------------------------------------------------------------------------------6.
Sea V un K-espacio vectorial de dimensin finita talque V U W . Hallar los

valores propios de T L(V ) , si T es proyeccin sobre U paralelamente a W; es
decir si T (u w) u .
7. Sea T L( K nn ) tal que T ( A) AT . Determine los valores propios de T, sus

correspondientes vectores propios y sus respectivos autoespacios.
8. En el espacio vectorial P3 [t ] sobre R, se considera el endomorfismo f definido
como
f ( p(t )) t[ p(t 1) p(t ) ]; p(t ) P3 [ t ] . Calcular los valores y vectores
propios de f.
9. Demuestre o d un contraejemplo a la siguiente afirmacin:
Si T : V V es una R-transformacin lineal tal que es un autovalor de de T
R , entonces V posee una base formada por vectores propios de T.

10. Determine la verdad o falsedad de de las siguientes afirmaciones. Justifique su
respuesta.
a) Toda transformacin lineal posee valores propios.
b) Si T L(V ) y W es un subespacio generado por vectores propios de T,
entonces W es invariante por T.
A
11. Sea A una matriz por bloques, A 1
0
B
donde A1 y A2 son matrices
A2
cuadradas. Probar que, el polinomio caracterstico de A es igual al producto de los

polinomios caractersticos de A1 y A2 .
12. Sea T L(V ) , donde V es un espacio vectorial sobre K. Si v V , sea
W (v) { g (T )(v) / g K[ x] } . Demuestre que W (v) es un subespacio invariante

por T.
13. En el R-espacio vectorial R 2 se considera el operador rotacin definido como
f ( x, y) ( x cos y sen , x sen y cos ) . Para qu valores de , f tiene
valores propios?.
14. Sea V un K-espacio vectorial de dimensin finita, B una base ordenada de V,
T L(V ) , y K . Demostrar que v E (T , ) si y solo si vB E (T B , ) .

15. Sea V un K-espacio vectorial y T L(V ) . Las siguientes afirmaciones son
equivalentes:
a)
K es un valor propio de T.
69

---------------------------------------------------------------------------------------------------------b)
T I es singular.
c)
det(I T ) 0 .
Nota.- El det(I T ) se define como det(I T ) det(I A) , donde A es la

matriz asociada a la transformacin lineal T en una base dada e I la matriz
identidad.
16. Demostrar que dos matrices semejantes tienen el mismo polinomio caracterstico.
17. Si n an1n1 a1 a0 es el polinomio caracterstico de una matriz A,
demuestre que a0 (1) n det( A) .
18. Sea A K nn . Pruebe que:
a)
A es inversible si y solo si todos sus valores propios son no nulos.
b)
A es nilpotente si y solo si su nico valor propio es cero.
Nota.- Se dice que una matriz A K nn es nilpotente si existe un entero positivo k

tal que Ak 0 . El menor k para el que se cumple la definicin anterior es llamado
ndice de nilpotencia de A.
19. Demostrar que los valores propios de una matriz idempotente son 0 y 1.
20. Sean A, B K nn , donde A es no singular. Demostrar que las matrices A1B y
BA 1 tienen los mismos valores propios.
70

---------------------------------------------------------------------------------------------------------4. DIAGONALIZACIN
DEFINICIN 4.1.- Sea V un K-espacio vectorial de dimensin finita y T : V V un
endomorfismo. Se
dice que T es diagonalizable si existe
una base ordenada
B {v1 , v2 ,, vn } de V en la cual la matriz [T ]B es diagonal.
De manera
anloga diremos que una matriz
A K nn es diagonalizable si es
semejante a una matriz diagonal. Es decir, si existe una matriz P no singular tal que
P 1 AP D , donde D es una matriz diagonal.

EJEMPLO.- [Reflexin con respecto al eje X]
T : R 2 R 2 / T ( x, y) ( x, y) ;
Sea
considerando
la
B { (1, 0), (0, 1) }

T (1, 0) (1, 0) 1(1, 0) 0(0, 1)
T (0, 1) (0, 1) 0(1, 0) 1(0, 1)

1 0
[ T ]B
0 1
Luego el endomorfismo T es diagonalizable.
EJEMPLO.- Dada la matriz
1 1 0
A 1 1 0
0 0 1
Averige si es diagonalizable.
Solucin
Calculando el polinomio caracterstico de A se tiene
1
p ( )
1
1
0
0
( 1)( 2)
Luego los valores propios de A son: 1 0, 2 1 y 3 2

Calculando los vectores propios
Para 1 0 , encontremos v1
1 1 0
1 1 0
0 0 1
1 1 0 0
0 (F1)FF1 1 1 0 0
( 21) F13
F2 F3
0 0 0 1 0 0 0 1 0
0 0 1 0
0 0 0 0
0
71
base
cannica

----------------------------------------------------------------------------------------------------------
x
0

y x v1 x
z 0
0
1
1
x 1 ; para x 1 v1 1
0
0
Para 2 1 , encontremos v 2
0 1 0 0
1 0 0 0 x 0, y 0
0 0 0 0
puede tomar cualquier valor diferente de
0
cero. Para z 1, v 2 0 .
1
Para 3 2 , encontremos v3
1 1 0 0
1 1 0 0
1 1 0 0
F2 F1
F2 F3
1 1 0 0 0 0 0 0 0 0 1 0
0 0 1 0
0 0 1 0
0 0 0 0
x
0

y x; z 0 v3 x
z 0
0
1
1
x 1 , para x 1, v3 1
0
0
Construimos la matriz P poniendo como columnas los vectores propios de A, esto es
1 0 1
P 1 0 1
0 1 0
Hallando, la inversa de P se tiene
1 0 0
1
0 0 0
2
1 1 2
Verificando se obtiene
0 0 0
P 1 AP 0 1 0
0 0 2
Nota.- Como la matriz A es simtrica es diagonalizable ortogonalmente. Esto se obtiene

ortonormalizando los vectores propios.
72

---------------------------------------------------------------------------------------------------------Del ejemplo, ortonormalizando los vectores propios se tiene
1
1 2
v1 1 u1 1 2
0
0
0
v 2 0 u 2
1
1
1 2
v3 1 u1 1 2
0
0
Luego, poniendo como columnas los vectores ortonormales u1 , u 2 y u 3 , construimos
1 2 0
la matriz ortogonal Q 1 2 0
0
1
1 tal que Q T Q 1 .
2
0
1
0 0 0
Se verifica que Q AQ 0 1 0
0 0 2
T
PROPOSICIN .-Sea V un K-espacio vectorial de dimensin finita y T L(V ) un

endomorfismo. Se verifica las siguientes proposiciones:
1.
Si T es diagonalizable y B es una base ordenada cualquiera de V, entonces
[T ]B es diagonalizable.
2.
Si existe una base ordenada B de V tal que [T ]B es diagonalizable, entonces

T es diagonalizable.
Prueba.
1.
Si T es diagonalizable, entonces existe una base ordenada C de V tal que
[T ]C es diagonal.
Por otra parte si B es una base ordenada cualquiera de V, entonces [T ]B es
semejante a [T ]C , luego [T ]B es diagonalizable.
2.
Si existe una base ordenada B de V tal que [T ]B es diagonalizable, entonces

existe una base ordenada B tal que
diagonalizable.
73
[T ]B es diagonal, luego T es

---------------------------------------------------------------------------------------------------------PROPOSICIN.- Sea V un K-espacio vectorial de dimensin finita y T L(V ) . El
endomorfismo T es diagonalizable si y solo si existe una base ordenada B de V
formada por los vectores propios de T.
Prueba
Asumiendo que T es diagonalizable.

Existe una base ordenada B {v1, , vn } de V tal que [T ]B es diagonal.
Luego, si d11 , , d nn
son las entradas de la diagonal de [T ]B , es
T (vi ) d ii vi ; i 1, , n ; cada v i es un vector propio de T asociado al valor
propio d ii .
Sea B {v1, , vn } una base de V formada por los vectores propios de T con
valores
propios
correspondientes
1 , , n ;
entonces
T (vi ) i vi ; i 1, , n
1 0
[ T ]B
0 n
EJEMPLO.- Dada la matriz
2 1
A
3 4
1
consideramos la base ordenada B de R 21 formada por los vectores v1 y
1
1
v 2 ; definimos el endomorfismo
3
TA : R 21 R 21 / TA (v) Av , verificndose
1 0
que TA (v1 ) 1v1 y TA (v2 ) 5v2 . Luego, [ TA ]B
y en consecuencia T A es
0 5
1 1
diagonalizable; adems si Q
es la matriz cambio de base de la base cannica
1 3
de R 21 a la base B, se cumple que Q1 AQ [ TA ]B .
EJEMPLO [Rotacin]
La rotacin de un ngulo ( 0 ) es la transformacin lineal
T : R 2 R 2
definida como T ( x, y) ( x cos y sen , x sen y cos ) . La matriz asociada a
74

----------------------------------------------------------------------------------------------------------
T en la base cannica B de
caracterstico es
p ( )
cos
sen
T B
R 2 es
sen
y su polinomio
cos
cos
sen
2 (2 cos ) 1 . El discriminante
sen cos
de la ecuacin es 4 cos 2 4 4(cos 2 1) 0 si 0 . Luego T no tiene

valores propios, por consiguiente no es diagonalizable.
Nota.- Sea T L(V ) . Si no es posible expresar el polinomio caracterstico p(t ) de T
como un producto de de factores lineales, entonces T no es diagonalizable.
EJEMPLO.-
1
0 1
Sea A
R 22 se tiene que p( )
2 1
1
0
1
p( ) 2 1 no se puede expresar como un producto de factores lineales en R, luego
A no es diagonalizable.
0 1
2
22
En el caso en que A
C , p( ) 1 ( i)( i) , 1 i , 2 i ;
1
0
i 0
A se puede diagonalizar y la matriz D
es semejante a A.
0 i
PROPOSICIN.- Sea V un K-espacio vectorial de dimensin finita, T L(V ) un
endomorfismo, 1 , 2 ,, k los valores propios distintos de T y v1 , v2 ,, vk sus
correspondientes vectores propios. Entonces {v1 , , vk } es linealmente independiente. .
PRUEBA
La prueba la haremos por induccin sobre k.
i)
Para k 2
Sean v1 , v2 los vectores propios asociados a 1 y 2 , y sean a1 , a2 K tal que:
a1v1 a2 v2
aplicando el operador T 2 I a (1), tenemos:
(T 2 I )(a1v1 a2 v2 )
a1 (T 2 I )(v1 ) a2 (T 2 I )(v2 )
a1 (T 2 I )(v1 )
a1 T (v1 ) 2 I (v1 )
75
(1)

----------------------------------------------------------------------------------------------------------
a1 (1v1 2 v1 )
a1 (1 2 )v1
a1 0
pues
(1 2 )v1
propios diferentes y v1
1 2 0 por que son valores
ya que
por ser vector propio. Luego, reemplazando el
valor de a1 0 en la relacin (1) se tiene:
a2 v2
a2 0
pues v2 por ser vector propio
a1 a2 0
ii) Hiptesis inductiva

Supongamos que la proposicin es vlida para r k 1 .
Consideremos la combinacin lineal
a1v1 a2 v2 ak 1vk 1 ak vk
(2)
donde a1 , a2 ,, ak 1 , ak K
aplicando T k I a (2) se tiene
(T k I )(a1v1 a2 v2 ak 1vk 1 ak vk )
a1 (T k I )(v1 ) a2 (T k I )(v2 ) ak 1 (T k I )(vk 1 ) a k (T k I )(vk )
a1 (T k I )(v1 ) a2 (T k I )(v2 ) ak 1 (T k I )(vk 1 )
por la hiptesis inductiva v1 , v2 ,, vk 1 son linealmente independientes.

Por lo tanto:
a1 (1 k ) 0 a1 0
a2 (2 k ) 0 a2 0
ak 1 (k 1 k ) 0 ak 1 0
luego por (2) a k 0 .
{v , v ,, v } son linealmente independientes.

1
DEFINICIONES.- Sea V un K-espacio vectorial de dimensin finita, T L(V ) y

un valor propio de T.
1.
El subespacio propio asociado al valor propio es

V E (T , ) Nu(I T )
76

---------------------------------------------------------------------------------------------------------2.
La multiplicidad geomtrica de denotada por MG( ) se define como
MG( ) dim E( T , )
3.
La multiplicidad algebraica de denotada por MA( )

MA( ) mx{ k / ( t ) k divide a p(t )}
Nota.- Si A K nn y es un valor propio de de A, entonces se define la multiplicidad

algebraica y geomtrica de como la correspondiente al operador TA L( K n1 ) .
Observaciones.
Considerando V un K-espacio vectorial de dimensin finita y T L(V ) , se tiene:
1.
Cero es un valor propio de T si y solo si
Nu(T ) { } . En este caso
E (T , 0) Nu(T ) .
2.
Si es un valor propio de T, entonces
MG( ) dim E(T , )
dim Nu(I T )
dim V dim Im(I T )
dim V ran(I T )
En particular si A K nn y es un valor propio de A, entonces
MG( ) n ran(I A)
3.
Si es un valor propio de T, entonces

MA( ) m p(t ) ( t ) m q(t ) con q(t ) 0
EJEMPLO.- Sea T L( R2 [ x]) definida como T ( p( x)) p( x) . Considerando la base
B {1, x, x 2 } se tiene
T (1) 0 0(1) 0( x) 0( x 2 )
T ( x) 1 1(1) 0( x) 0( x 2 )
T ( x 2 ) 2 x 0(1) 2( x) 0( x 2 )
Luego la matriz asociada a T en la base B es

0 1 0
A [ T ]B 0 0 2
0 0 0
y su polinomio caracterstico correspondiente es
77

----------------------------------------------------------------------------------------------------------
1 0
p( ) det(I A) 0 2 3
0 0
Cero es el nico valor propio de T, luego se tiene que E(T , 0) Nu(T ) R R2 [ x] .

Ntese que MA(0) 3 y MG(0) 1 ; en consecuencia T no es diagonalizable.
PROPOSICIN.- Sea V un K-espacio vectorial de dimensin finita, T L(V ) y
un valor propio de T, entonces 1 MG( ) MA( ) .
PRUEBA
Como
E (T , ) { } , por consiguiente
es un valor propio de T, se tiene que
MG( ) 1 .
Sea B1 una base ordenada para E (T , ) por el teorema de completacin de bases
existe B2 un conjunto linealmente independiente de V disjunto con B1
tales que
B B1 B2 es una base V. Ntese que T (v) v , v B1 , luego la matriz asociada

a la T en la base B es una matriz por bloques de la forma
I
[ T ]B m
0
siendo
B
C
m #B1 dim E (T , ) MG( ) . Luego, pT (t ) ( t ) m g (t ) . Como puede
ser g ( ) 0 , entonces se tiene que MA( ) m MG( ) .

COROLARIO.- Si V un K-espacio vectorial de dimensin finita, T L(V ) y un
valor propio de T tal que MA( ) 1 , entonces MG( ) 1 .
DEFINICIN.- Sea V un K-espacio vectorial
W1 , , Wm una familia de
subespacios de V. Se dice que la familia de subespacios es independiente si

w1 w2 wm , con wi Wi , i 1, , m w1 w2 wm
Si los subespacios W1 , , Wm son independientes, entonces la suma se dice directa y

m
se denota por
W
i 1
Wi .
i 1
PROPOSICIN.- Sea V un K-espacio vectorial de dimensin finita, T L(V ) y
1 , , m valores propios distintos de T. Entonces, E (T , 1 ), , E (T , m ) son

subespacios independientes.
Prueba
78

---------------------------------------------------------------------------------------------------------Sean v1 E (T , 1 ), , vm E (T , m ) tales que v1 vm .
Supongamos que existe algn i {1, , m} tal que
vi ; si es necesario
tal que
vi , i 1, , l
v1 vl con vi ; i 1, , l
(1)
reordenando los subndices existir un l, 1 l m
vl 1 vm .
Luego, se tendra
Si i {1, , l } es vi donde vi E (T , i ) , luego v i es un vector propio de T

asociado al valor propio i .
Entonces, por una proposicin demostrada { v1 , , vl } es linealmente independiente lo
cual es una contradiccin con (1).
La contradiccin es consecuencia de haber supuesto que vi , luego v1 vm
de lo que se sigue que E (T , 1 ), , E (T , m ) son subespacios independientes.
TEOREMA.- Sea V un K-espacio vectorial de dimensin finita y T L(V )
las
siguientes proposiciones son equivalentes:

1.
T es diagonalizable.
2.
El polinomio caracterstico de T, pT (t ) se puede expresar como un producto de

factores lineales y MG( ) MA( ) para todo valor propio de T.
h
3.
V E (T , i ) , siendo 1 , , h los valores propios de T.

i 1
PRUEBA
1) 2) Como T es diagonalizable, existe una base B {v11, , v1n1 , , v1h , , vnhh } de

V tal que
[ T ]B
0
0

0
Siendo 1 , , h los valores propios de T con i j si i j
pT (t ) (1 t )n1 (h t )nh
79

---------------------------------------------------------------------------------------------------------Ntese que por la forma de la matriz [T ]B es { v1i , , vni i } E (T , i ) , luego
MG(i ) ni MA(i )
Pero como se cumple que MA(i ) MG(i )
entonces se tiene que
MA(i ) MG(i ); i 1, , h .
pT (t ) (1)n (t 1 )n1 (t h )nh con i j
2) 3) Sea
si
i j . Por una
proposicin demostrada anteriormente los subespacios propios correspondientes

a valores propios diferentes son independientes y se tiene que
h
E (T , ) E (T , )
i
i 1
i 1
Luego,
h
dim( E (T , i ) ) dim E (T , i )
i 1
i 1
MG( i )
i 1
MA( i )
i 1
h
ni
i 1
grad pT (t )
dim V
h
Luego, E (T , i ) V
i 1
3) 1) Sea Bi una base de
E (T , i )
para todo
i 1, , h . Entonces
B B1 Bh es una base para V. Pero B es una base formada por los

vectores propios de T.
TEOREMA.-[Descomposicin espectral]
Sea V un K-espacio vectorial de dimensin finita y T L(V ) . Si el operador T es
diagonalizable entonces existen escalares distintos 1 , , h y operadores no nulos
P1 , , Ph nicos tales que:

1.
Pi 2 Pi ; i 1, , h ( los operadores son las proyecciones)
2.
Pi Pj 0 ; i j
80

---------------------------------------------------------------------------------------------------------3.
id P1 Ph
4.
T 1 P1 h Ph
PRUEBA
Existencia
h
Como T es diagonalizable, entonces
V E (T , i ) , siendo
es
i 1
1 , , h los
i {1, , h } , definimos Pi :V V como
distintos valores propios de T. Para cada
vi E (T , i ), i 1, , h . Los
Pi (v) vi donde v v1 vh con
P1 ,, Ph
verifican las condiciones del teorema. En efecto

1.
Pi 2 (v) Pi ( Pi (v)) Pi (vi ) vi Pi (v) Pi 2 Pi ; i 1, , h
2.
( Pi Pj )(v) Pi ( Pj (v)) Pi (v j ) ( Pi Pj )(v) , v V cuando i j .

Luego, Pi Pj 0
3.
( P1 Ph )(v) P1 (v) Ph (v) , donde v v1 vh

v1 vh
v
id P1 Ph
4.
Como E (T , i ) { }; Pi 0, i 1, , h .
Si
v V
se tiene por la parte 3) que
v P1 (v) Ph (v)
Pi (v) E (T , i ) ; i 1, , h . Luego
T (v) T (v1 v n )
T (v1 ) T (v n )
1v1 h v h
1 P1 (v) h Ph (v)
(1 P1 h Ph )(v)
T 1 P1 h Ph
Unicidad
Sea T L(V ) tal que existen escalares distintos 1 , , h y operadores no nulos
P1 , , Ph que verifican las condiciones 1, 2, 3 y 4.
81
con

---------------------------------------------------------------------------------------------------------Hay que probar que T es diagonalizable, que 1 , , h son los distintos valores
propios de T y que P1 , , Ph son las proyecciones asociadas a la descomposicin
h
V E (T , i ) .
i 1
Sea Wi Im( Pi ), i 1, , h . Las condiciones 1, 2 y 3 implican que V Wi y que

i 1
v w1 wh , con
wi Wi , entonces
Pi (v) wi , i 1, , h . Adems como
Pi 0 , es Wi { }, i 1, , h .
Si v Wi , Pi (v) v , luego
h
j 1
j 1
j 1
T (v) ( j Pj )(v) j Pj (v) j Pj ( Pi (v))

h
j ( Pj Pi )(v) i Pi 2 (v) i Pi (v) i v

j 1
T (v) i v
Como Wi { }, i 1, , h , la relacin anterior implica que i es un valor propio
de T y que Wi E (T , i ), i 1, , h . Adems se tiene que
h
i 1
i 1
V Wi Wi E (T , i ) V
i 1
(1)
Luego V E (T , i ) . Esto implica que T es diagonalizable y que 1 , , h son los

i 1
distintos valores propios de T. Observar que tomando dimensiones en la relacin (1)

obtenemos que
h
i 1
i 1
dim V dim Wi dim E (T , i )

Por otro lado de Wi E (T , i )
se deduce que
dim Wi dim E (T , i ) para todo
i 1, , h : De estas ltimas relaciones se tiene que

Wi E (T , i )
para todo
dim Wi dim (T , i ) y como
i 1, , h . Esto implica que

h
proyecciones asociadas a la descomposicin V E (T , i ) .

i 1
82
P1 , , Ph
son las

---------------------------------------------------------------------------------------------------------EJEMPLO
Dado el endomorfismo T : R 3 R 3 / T ( x, y, z) (3x y z, 2 x 4 y 2 z, x y 3z)
Ntese que,
x 3 1 1 x
T y 2 4 2 y
z 1 1 3 z

3
pT ( ) 2
1
1
4
1
1
2 ( 2) 2 ( 6)
(1)
Los valores propios de T son 1 2 ( MA( ) 2 ) y 2 6 .

Hallando los vectores propios
Para 1 2
1 1 1 x 0
2 2 2 y 0 x y z 0 z x y

1 1 1 z 0
Luego,
( x, y, z) ( x, y, x y) ( x, 0, x) (0, y, y) x(1, 0, 1) y(0, 1, 1); x, y R

Los vectores propios correspondientes a 1 2 son
v11 (1, 0, 1) y v12 (0, 1, 1)
Para 2 6
3 1 1 x 0
2 2 2 y 0

1 1 3 z 0
3 1 1 0 ( 1) F 1
1 3 0 F 2 F 1 1 3 0
F3 F13
F32 3 F11
2
2
2
0
2
2
2
0
0 4 8 0
1 1 3 0
3 1 1 0
0 4 8 0
1 1 3
0 1 2
0 0 0
1
F
4 2
F3 4 F2
1 0 1
0
F1 F2
0 0 1 2
0 0 0
0
0
0
z 0
x z, y 2 z
y 2z 0
Luego, ( x, y, z) ( z, 2 z, z) z(1, 2, 1) ; z R y v12 (1, 2, 1)
83

---------------------------------------------------------------------------------------------------------Se tiene que
V2 E(T , 2) L{(1, 0, 1), (0, 1, 1)}

V6 E (T , 6) L{(1, 2, 1)}
Luego, como pT ( ) se puede escribir como un producto de factores lineales,
MG(2) MA(2) 2 y MG(6) MA(6) 1 . Esto implica que el endomorfismo T se

puede diagonalizar. Ntese que R 3 E (T , 2) E (T , 6) .
Considerando la base
B {(1, 0, 1), (0, 1, 1), (1, 2, 1)} de R 3 formado por los
vectores propios de T. Todo vector ( x, y, z ) R 3 se puede expresar como

( x, y, z) 14 (3x y z)(1, 0, 1) 12 ( x y z)(0, 1, 1) 14 ( x y z)(1, 2, 1)
Definiendo las proyecciones:

P1 ( x, y, z ) 14 (3x y z )(1, 0, 1) 12 ( x y z)(0, 1, 1)
P1 ( x, y, z ) (
3x y z x y z x y 3z
,
,
)
4
2
4
P2 ( x, y, z) 14 ( x y z )(1, 2, 1)
P2 ( x, y, z ) (
x yz x yz x yz
,
,
)
4
2
4
Luego, la descomposicin espectral de T es
T ( x, y, z) 2P1 ( x, y, z) 6P2 ( x, y, z)
Adems, se tiene que P1 P2 Id y P1 P2 P2 P1 0 .
Ejercicio.- Dado el endomorfismo
T : R 3 R 3 / T ( x, y, z) ( y z, x 2 y z, x y 2 z )
Averiguar si T es diagonalizable: En caso que lo sea hallar la descomposicin espectral

de T.
Ejercicios
1.- Sea A una matriz sobre K de orden nn y p(x) un polinomio arbitrario en K[x]
Demuestre que si A es diagonalizable, entonces p(A) es diagonalizable
2.- Probar que toda matriz A R 22 , con det(A) < 0 es diagonalizable.
3.- Determine cuales de las siguientes matrices son diagonalizables:
0 1 0
1 2
a)
b) 0
0 1
2
3
1 3 3
84

----------------------------------------------------------------------------------------------------------
c)
5 6 3
1 0 1
1 2 1
1 3 3
e) 3 5 3
6 6 4
4
4
3
d) 1 2 1
1 1 2
4.- Determinar los valores y vectores propios del operador derivacin sobre el espacio
Rn [ x ] Es este operador diagonalizable?.
5.- Sean A y B dos matrices cuadradas. Determine si las siguientes afirmaciones son
verdaderas o falsas.
t
a) Si A es diagonalizable entonces A es diagonalizable

b) Si A y B son semejantes entonces, A es diagonalizable sii B es diagonalizable
c) Si A y B tienen los mismos autovalores entonces son semejantes
d) Si A es diagonalizable entonces A n es diagonalizable n Z .
6.- Sean A, B matrices diagonalizables. Demostrar que A y B son similares si y slo si
tienen el mismo polinomio caracterstico.
f L(V ) diagonalizable, dimV = n y sea B = { v , v , v } base de V
7.- Sea
formada por autovectores de f. Si u = v + v + ..+ v compruebe que

1
{ u, f (u), f 2 (u), , f n1 (u) } es base de V.
8.- Determine si las siguientes transformaciones T L(V ) son diagonalizables. Si su

respuesta es afirmativa halle la base B del espacio vectorial dado y la matriz
diagonal [T] .
B
a) T L( R 3 ) / T( x, y, z ) = ( 2x + z, 2y, z )
b)
T L(C 4 ) / T( x, y, z, w ) = ( -iy, -ix, z + ( 1 + i)w, iy + w )
c)
T L( R 3 ) / T( x, y, z ) = ( 3x + 2y + 4z, 2x + 2z, 4x + 2y + 3z )
d)
T L( P 2 ) / T (a bx cx 2 ) (2a 4b 5c) (5b 3a 5c) x cx 2
9.- Sea V un K- espacio vectorial de dimensin n y T L(V ) diagonalizable . Pruebe
que V = Nu(T) Im(T).
10.- Dado el operador lineal T L( V ) suponga que V = W + W donde T(v ) = v
1
1 1
para v W , T(v ) = v si v W , con . Demuestre que y son los

1
1
2
2 2
2
2
1
2
1
2
nicos autovalores de T y que los autovectores de T estn en W o en W .
1
11.- Sea T L(R ) cuya matriz A en la base cannica tiene todos los elementos iguales a
1. Pruebe que :
a) El rango de T es igual a 1
n
b) R = Nu(T) Im(T).
c) Infiera que los autovalores de A son 0 y n y que sus autovectores estn en
Nu(T) o en Im(T).
n
d) Exhiba una base de R en la cual la matriz de T tenga n 1 ceros.

12.-Demuestre que las siguientes matrices tienen los mismos autovalores pero no son
similares.
85

----------------------------------------------------------------------------------------------------------
1 1
2
0
2 1
3 2 3
2 2 1
1 3 1
1 2 2
13.-Sea A = [ a ]
ij nn
tal que a = 1; i,j = 1,2,n . A es diagonalizable?

ij
14.- Demuestre que si A y B son dos matrices cuadradas de orden n diagonalizables

mediante una misma matriz inversible P entonces AB = BA.
nn
15.-Sea V un K- espacio vectorial de dimensin n. Si A K es diagonalizable , pruebe

que cualquier endomorfismo T L(V) representado por A es diagonalizable.
16.-Sea V un K- espacio vectorial de dimensin n. Si T L(V) es diagonalizable pruebe
que para cualquier base de V la matriz asociada [ T ] es diagonalizable.
nn
17.-Pruebe que una matriz A K

linealmente independientes.
es diagonalizable si y slo si A tiene n autovectores
18.-Sea V un espacio vectorial de dimensin finita y E : V V un operador proyeccin

2
, esto s E = E. Demostrar que E es Diagonalizable y que puede representarse por

I 0
una matriz diagonal A r
donde r es el rango de E.
0 0
TRIANGULACIN DE TRANSFORMACIONES LINEALES Y MATRICES
Sea V un K-espacio vectorial de dimensin finita y T L(V ) . Diremos que T es
triangulable si existe una base B de V en la que
[T ]B es triangular (superior). De
manera anloga diremos que una matriz A K nn es triangulable si es semejante a una

matriz triangular (superior).
PROPOSICIN
Sea V un C-espacio vectorial de dimensin finita. Toda transformacin lineal
T : V V es triangulable.
PRUEBA
La prueba se har por induccin sobre n dim V .
Si n 0, 1 no hay nada que probar.
Si
n 1, suponiendo que la proposicin es vlida para todo espacio vectorial de
dimensin n 1 . Consideremos la transformacin lineal T :V * V * , definida por

T ( f ) f T , para
f V * . Sea C un valor propio de T y g V * su
correspondiente vector propio, esto es
T ( g ) g , g 0 . El subespacio de V
86

---------------------------------------------------------------------------------------------------------definido como S { v V / g (v) 0} tiene dimensin n 1 y es invariante por T
esto es T (S ) S . Por la hiptesis inductiva, S posee una base { v1 , , vn1} en la
que T se escribe como
T (v1 ) 1v1
T (v 2 ) a12v1 2 v 2
T (v n 1 ) a1, n 1v1 n 1v n 1
Si a los vectores v1 , , vn1 agregamos el vector v n a fin de completar una base para
V, con la expresin
T (vn ) a1, n v1 n vn
la matriz asociada a T, en la base { v1 , , vn }
1
0
[ T ]B
a12 a1n
2 a 2 n

0 n
es triangular superior.
PROPOSICIN
Dada una matriz A C nn , existe una matriz inversible P tal que
*
1
P 1 AP
0
n
PRUEBA
La transformacin lineal TA :C n1 C n1 tiene por matriz asociada en la base cannica
de
C n1
A. Por otra parte, por una proposicin demostrada, existe una base
{ v1 , , vn } de C n1 en la cual la matriz asociada a T A es triangular superior
*
1
0
n
La matriz de cambio de base que hace posible esta forma triangular de A es
P [ v1 , , vn ] , pues verifica P 1 AP D .
87

---------------------------------------------------------------------------------------------------------EJEMPLO.- Dada la transformacin lineal
T : R 2 R 2 / T ( x, y) (4 x 3 y, 3x 2 y)
Determinar una base B en R 2 en la que [T ]B es triangular.

Solucin
En la base cannica
C { (1, 0), (0, 1) } se tiene que
T (1, 0) (4, 3)
T (0, 1) (3, 2)
3
4
[ T ]C
3 2
Calculando los valores propios de y vectores propios de [T ]C
p ( )
4
3
3
2 2 1 ( 1) 2 1 y MA(1) 2 .
2
Hallando los vectores propios correspondientes de 1 .
3 3 x 0
x y 0 x y
3
3 y 0
( x, y) ( x, x) x(1, 1) v1 (1, 1)
V1 E(T , 1) L{(1, 1)} , se tiene que dim E(T , 1) 1 MG(1) y MA(1) 2 . Luego,
MA(1) 2 1 MG(1) y en consecuencia T no es diagonalizable.

Sin embargo, completando a una base de R 2 con el vector v2 (1, 0) se tiene que
B {(1, 1), (1, 0)} . La transformacin lineal T es triangulable en la base B, en efecto

haciendo la verificacin se tiene
T (1, 1) (1, 1) 1(1, 1) 0(1, 0)

T (1, 0) (4, 3) 3(1, 1) 1(1, 0)
1 3
[ T ]B
0 1
EJERCICIO
Triangulizar la matriz
1 3 4
A 4 0 4
3 4 0
TEOREMA.-[Teorema de Cayley-Hamilton]
88

---------------------------------------------------------------------------------------------------------Sea V un K-espacio vectorial de dimensin finita y T :V V un endomorfismo.
Entonces pT (T ) 0 .
PRUEBA
Demostraremos cuando K C .
La prueba se hace por induccin sobre n donde n dim V .
Para n 1 no hay nada que demostrar.
Si n 1 suponemos que el teorema se verifica para n 1 (Hip. Inductiva)
Por una proposicin demostrada anteriormente, existe una base { v1 , , vn } en la cual
la matriz asociada a la transformacin T es triangular superior. Esto es
T (v1 ) 1v1
T (v j ) a1 j v1 j v j ; j 1, , n
Consideremos
S { av1 / a C }
Desde que T (S ) S , la aplicacin
T:V
tal que T (v) T (v) ; v V
Esta bien definida y en la base { v2 , , vn } su matriz asociada es

*
2

AT
n
0
El polinomio caracterstico de AT es
pT ( x) ( x 2 )( x 3 )( x n )
Por la hiptesis inductiva se cumple que pT (T ) 0 , es decir

(T 2 I )(T 3 )(T n )v 0 , donde 0 V
De la definicin de espacio vectorial cociente, se tiene que

(T 2 I )(T 3 I )(T n I )u cv1
Aplicando (T 1 I ) a la ltima relacin se tiene
89

----------------------------------------------------------------------------------------------------------
(T 1 I )(T 2 I )(T 3 I ) (T n I )u (T 1 I )cv1

c(T (v1 ) 1 I (v1 ))
c(1v1 1v1 )
0
Con lo que queda demostrado
pT (T ) (T 1 I )(T 2 I )(T n I ) 0
Nota.- De las aplicaciones del teorema de Cayley-Hamilton una de ellas es el clculo de

la inversa en trminos de la misma matriz.
EJEMPLO
Dado la matriz
2 1
A
1 1
Hallar A 1 en trminos de A.
Solucin
p A ( x) x 2 3 x 1
Por el teorema p A ( A) A2 3 A I
3 0 2 1 1 1
I 3 A A 2 A 1 3I A
0 3 1 1 1 2
1 1
Luego A 1
1 2
EJEMPLO
Dada la matriz
0
1 1
A 1 1 0
1 1 1
Hallar A 1 usando el teorema de Cayley-Hamilton.
Solucin
1
p A ( ) 1
1
1
1
0
0
3 2 2 2
Aplicando el teorema,
p A ( A) 0 A3 A2 2 A 2I 0
90

--------------------------------------------------------------------------------------------------------- 2I A3 A2 2 A 2 A1 A2 A 2I
2A
1
2 A 1
2
1
Luego
1 1 0 1 1
1 1 0 1 1
1 1 1 1 1
1
0
1
1
1
1 0 A 1
2
2
0 2
0 1 1
0 1 0 0
0 1 1 0 20 1 0
1 1 1 1 0 0 1
1
0
1 0
0 2
1
0
1
1
A 1 1 1 0 .
2
2 0 2
Ejercicios
1.
Sea V un espacio vectorial de dimensin n, T L(V) y v1 , v 2 ,..., vn una

base de V. Demuestre que la matriz T es triangular superior si y slo si los
subespacios L{v1}, L{v1 , v2 },..., L{ v1 , v 2 ,..., vn } son todos invariantes.
2.
3.
4.
5.
6.
7.
4 1 - 4
Demuestre que la matriz A - 3 0 3 R 33 es semejante en R a una matriz
3 1 - 3
triangular. Determine una matriz inversible P R 33 / P 1 AP es triangular
inferior.
1 0 0 1
2 0 1 2
R 44 no es diagonalizable ni en
Demuestre que la matriz A =
1 1 2 1
1 0 0 3
R ni en C. Prubese que es triangulable en R y halle matrices P y Q R 44
inversibles tal que P-1 AP es triangular superior y Q-1AQ es triangular inferior.
Sea V un K-espacio vectorial de dimensin finita donde K es un cuerpo
algebraicamente cerrado. Pruebe que si T , S L(V ) conmutan ST = TS, entonces
T y S tienen un autovector en comn.
Sean T , S L( V ) , con dim k V y K algebraicamente cerrado tales que
TS = ST. Muestre que existe una base B de V donde T y S se triangulan
simultneamente.
T : R3 R3
Sea
una
transformacin
lineal
definida
por
T ( x, y, z) ( x 2 y 3z, 4 y 6 z, y z) . Hallar la base B de R3 tal que
M B (T ) sea triangular superior.
Sea f ( x) K[ x] y A, B K nn que f ( AB) 0 , probar que h(x) = xf(x) es tal
que h(BA) = 0.
91

---------------------------------------------------------------------------------------------------------8.
9.
Sean A, B K nn tal B es inversible. Demostrar que si p( x) K[ x] entonces

p( B 1 AB) B 1 p( A) B
Utilizando el teorema de Cayley-Hamilton determinar la inversa de ls siguientes
matrices:
1 1 4
4 2 5
3 2
a)
b) A 2 1 1
b) B 2 2 1
1 2
3 2 1
0 1 4
92

---------------------------------------------------------------------------------------------------------EL COMPLEJIFICADO DE UN ESPACIO VECTORIAL REAL ( VC )
El proceso de transformar un R-espacio vectorial V en un C-espacio vectorial es llamado
complejificacin o extensin de escalares.
Dado un R-espacio vectorial V, para convertirlo en un C-espacio vectorial se procede
de la siguiente manera: sobre el conjunto
VC V V { (u, v) / u, v V }
{ u iv / u, v V }
Se definen las operaciones:
Adicion:
(u, v) (u , v) (u u , v v)
o segn la otra notacin como
(u iv) (u i v) (u u ) i(v v)
La multiplicacin por escalares:
(a, b)(u, v) (au bv, av bu)

O
(a i b)(u iv) (au bv) i(av bu)

Se demuestra que VC es un C-espacio vectorial y se tiene que V VC
de manera
natural pues v V , v se puede escribir v v i . Sin embrago V no es subespacio

vectorial (complejo) de VC . El complejificado de R n es C n .
Proposicin.- Si V es un R-espacio vectorial de dimensin finita, entonces

dim R V dim C VC
Prueba.
Sea B = { ,. . .,
} una base de V. Hay que demostrar que B es tambin una C-base
de VC .
a)
B es linealmente independiente en VC . En efecto si

(a1 ib1 )v1 (an ibn )vn
(a1v1 an vn ) i(b1v1 bn vn ) i
Por la definicin de VC se tiene
93

--------------------------------------------------------------------------------------------------------- a1v1 an vn , b1v1 bn vn
a1 an 0 b1 bn
Luego B es linealmente independiente en VC .

b) VC =L(B)
Sea u iv VC un elemento cualquiera, al ser B base se tiene que
n
u a jv j
j 1
y v bjv j
j 1
j 1
j 1
u iv a j v j i b j v j
n
(a j ib j )v j
j 1
Luego de a) y b) B es una base de VC y en consecuencia dim R V dim C VC .
El complejificado de un operador lineal

Sean
un R-espacio vectorial y VC un C-espacio vectorial (complejificado).
El operador T : V V se extiende a un operador TC : VC VC definiendo

TC (u iv ) T (u) iT (v) ; u, v V
El operador TC es C-lineal y es llamado el complejificado de
Demostrando que TC es C-lineal.

a)
TC ((u1 iv1 ) (u 2 iv 2 )) TC ((u1 u 2 ) i(v1 v2 ))
T (u1 u 2 ) iT (v1 v2 )
T (u1 ) T (u 2 ) i[T (v1 ) T (v2 )
[T (u1 ) iT (v1 )] i[T (u 2 ) T (v2 )]

TC (u1 iv1 ) TC (u 2 iv 2 )
b)
TC ((a ib)(u iv )) TC ((au bv) i(av bu))
T (au bv) iT (av bu)

aT (u) bT (v) i[aT (v) bT (u)]
(a ib)(T (u) iT (v))

(a ib)TC (u iv )
De a) y b) la aplicacin TC es un operador C-lineal.

94

---------------------------------------------------------------------------------------------------------Ejercicio.- Demostrar que
TC TC
donde :VC VC es la aplicacin conjugacin definida como (u iv ) u iv .
Solucin
Sea z u iv
( TC )( z ) ( TC )(u iv )
Sustitucin
(TC (u iv ))
(T (u) iT (v))
definicin de TC
T (u) iT (v)
definicin
T (u) iT (v)
TC (u iv )
TC ( (u iv ))
(TC )(u iv )
(TC )( z )
Luego, tomando extremos se tiene que TC TC .

Ejercicio.- Si C : L(V ) L(VC ) es definida por C (T ) TC . Probar que
a)
C (T1 T2 ) C (T1 ) C (T2 )
b)
C (T ) C (T ) , R
c)
C (T1 T2 ) C (T1 ) C (T2 )
d)
C es inyectiva
e)
C no es suryectiva
Solucin:
a)
Hay que demostrar que C (T1 T2 ) C (T1 ) C (T2 )

C (T1 T2 ) (T1 T2 ) C
Donde (T1 T2 ) C (u iv ) (T1 T2 )(u) i(T1 T2 )(v)

T1 (u) T2 (u) iT1 (v) iT2 (v)
(T1 (u) iT1 (v)) (T2 (u) iT2 (v))
T1C (u iv ) T2 C (u iv )
95

----------------------------------------------------------------------------------------------------------
(T1C T2 C )(u iv )
(T1C T2 C )(u iv )
(T1 T2 ) C T1C T2C
C(T1 T2 ) C(T1 ) C(T2 )
b)
C (T ) C (T ) , R Por demostrar
C (T ) (T ) C
Donde (T ) C (u iv ) (T )(u) i(T )(v)
(T (u) iT (v))
(TC (u iv ))
(T ) C TC
C (T ) C (T )
Proposicin.- Sea L L(VC ) . Son equivalentes las siguientes afirmaciones:
1.
Existe T L(V ) tal que TC L .
2.
L L , donde es la aplicacin de conjugacin.
Prueba
1) 2) Asumiendo que existe T L(V ) tal que TC L hay que demostrar que
L L .
( L )(u iv ) L( (u iv ))
L(u iv )
TC (u i(v))
T (u) iT (v)
(T (u) iT (v))
(TC (u iv ))
( TC )(u iv )
( L)(u iv )
2) 1) Ahora asumiendo que L L
Hay que probar que V es invariante por L.
Sea v V VC L(v) VC
( L)(v) ( L(v))
96

----------------------------------------------------------------------------------------------------------
L( (v))
Por hiptesis
L(v)
Pues (v) v ; v V
Luego, como ( L(v)) L(v) L(v) V

Definimos T L |V : V V TC L .
Ntese que L : VC VC y T L |V : V V .
PROPOSICIN.- Sea V un R-espacio vectorial de dimensin finita y VC su
complejificado. Sea B una base de V y BC la base correspondiente en el
complejificado. Se cumple
[ T ]B [ TC ]BC
Prueba
Sea T L(V ) y B {v1 , v2 , , vn } una base de V, entonces
BC { v1 i , v2 i , , vn i } una base en VC
Sea A [T ]B [ aij ] R nn , tenemos
TC (v1 i ) T (v1 ) iT ( ) a11v1 a 21v 2 a n1v n

a11 (v1 i ) a 21 (v 2 i ) a n1 (v n i )
k 1
k 1
TC (v j i ) T (v j ) iT ( ) T (v j ) a kj v k a kj (v k i ) ; j 1, , n
[ TC ]BC A
DEFINICIN
Sea V un R-espacio vectorial de dimensin n y T L(V ) . Se dice que C es un
C-valor propior de T si y solo si es un valor propio de TC .
Ejemplos
1.
Sea T L( R 2 ) tal que T ( x, y) ( y, x) .
0 1
2
Se tiene que [T ]B
pT ( ) 1 i son C-valores
1
0
propios de T.
2.
Sea T L( R 3 ) tal que T ( x, y, z) (2 x, z, y)
97

----------------------------------------------------------------------------------------------------------
2 0 0
2 0 0
[T ]B 0 0 1 pT ( ) I [T ]B 0
1 ( 2)(2 1)
0 1 0
0
1
2 es un valor propio de T y i son C-valor propioes de T.
PROPOSICIN
Sea V un R-espacio vectorial de dimensin n y T L(V ) . Si es un C-valor propio de
T, entonces es tambin un C-valor propio de T.
Prueba
Sea C un C-valor propio de T, entonces por definicin es un vector propio de
TC . Luego, existe un vector no nulo v VC tal que TC (v) v .
Por una proposicin demostrada anteriormente se tiene que TC TC , luego
TC ( (v)) (TC )(v) ( TC )(v) (TC (v)) (v) (v)

Tomando extremos se tiene TC ( (v)) (v) , siendo un valor propio de TC y en
consecuencia es un C-valor propio de T. Ntese que v implica que (v) .
Observacin.- Si C es un C-valor propio de T L(V ) asociado al vector propio
u iv VC , entonces C es un C-valor propio de T asociado al vector propio
(u iv ) u iv VC .
Transformaciones en espacios reales con valores propios complejos

Proposicin.- Sea V un R-espacio vectorial de dimensin dos y T L(V ) con Cvalores propios u a ib, u a ib C , entonces existe una base B de V tal que
a b
[T ]B
b a
PRUEBA
Por hiptesis
u a ib
u a ib son
C-valores propios para T, entonces
u a ib y u a ib son valores propios para TC . Si z x iy es el vector propio
correspondiente a u, entonces ( z ) x iy es el vector propio correspondiente u .
98

---------------------------------------------------------------------------------------------------------Por una proposicin demostrada anteriormente BC { x iy , x iy } es una base de
VC y
u 0
[ TC ]B C
0 u
Definimos el conjunto B { x, y }
Afirmacin.- El conjunto B es una base de V.
Es suficiente probar que B { x, y } es linealmente independiente.
Sea c, d R tal que
cx dy
como c id , c id C y
x iy , x iy
son C-linealmente independientes por ser
elementos de BC , se tiene
(c id )( x iy ) (c id )( x iy ) i
c id 0 c id 0 c d 0
En consecuencia los vectores x, y V son linealmente independientes y como V es
un R-espacio vectorial de dimensin 2 se tiene que B { x, y } es una base ordenada
de V.
Ahora hay que determinar [T ]B .
Como TC ( x iy ) (a ib)( x iy ) , se tiene
T ( x) iT ( y ) TC ( x iy ) (a ib )( x iy )
(ax by ) i(bx ay )
T ( x) ax by
T ( y ) bx ay
a b
[ T ]B
b a
Con lo que la proposicin queda demostrada.
Observaciones
1.
a b
La matriz [T ]B se denota por I 2 (a, b)
.
b a
99

---------------------------------------------------------------------------------------------------------2.
Note que la relacin que existe entre la parte real e imaginaria de los C-valores
propios de T L(V ) y las entradas de la matriz I 2 (a, b) . En este sentido se
dice que la matriz I 2 (a, b) es una representacin matricial bastante simple de
T.
3.
Geomtricamente, las transformaciones lineales T L( R 2 ) que tienen como

representacin a
I 2 (a, b)
definen rotaciones en el plano. En efecto, sea
r a 2 b 2 se sabe que existe un nico [0, 2 tal que

a ib rei r (cos i sen ) r cos i r sen
Luego,
cos
I 2 ( a, b)
sen
sen
cos
Se puede verificar que si aplicamos la transformacin lineal definida por la

matriz I 2 (a, b) a un vector ( x0 , y0 ) R 2 de norma 1, su imagen es un vector
de norma r rotado un ngulo radianes en sentido antihorario con respecto al
vector original.
4.
Cuando solo se desea encontrar la representacin matricial ms simple de
T L(V ) y no la base de V asociada, entonces la proposicin nos da un mtodo

para hallar dicha representacin.
Ejemplo
Sea T L( R 2 ) definida por
T ( x, y) ( x 4 y, 2 x 3 y)
Determine una base B de R 2 tal que [T ]B sea de la forma I 2 (a, b) .
Solucin
Considerando la base cannica de R 2 , { e1 , e2 } se tiene que la matriz asociada a T es
1 4
A
2 3
Calculando los valores propios de A
PA ( ) 2 2 5
2 2 5 0 1 2i
Los valores propios de A son u 1 2i y u 1 2i son C-valor propios de T.
100

---------------------------------------------------------------------------------------------------------Luego, T no es diagonalizable. Para hallar una representancin ms simple de T,
calculamos los vectores propios de TC donde
TC ( z, w) ( z 4w, 2 z 3w)
Ahora calculamos el espacio propio de TC asociado al valor propio u 1 2i .

Como A es la matriz asociada a TC (en la base cannica complejificada), se tiene:
Para u 1 2i
4
2 2i
uI A
2 2i
2
luego,
4 z 0
2 2i
( z, w) Nu (uI A)
2 2i w 0
2
4w
0
(2 2i) z
(2 2i) w 0
2z
z (1 i)w
Luego, Nu(uI A) { ( z, w) C 2 / z (1 i)w}
Un vector que genera el espacio propio para w 1 es (1 i, 1) (1, 1) i(1, 0)
Para u 1 2i
4
2 2i
uI A
2 2i
2
luego,
4 z 0
2 2i
( z, w) Nu (uI A)
2 2i w 0
2
4w
0
(2 2i) z
(2 2i) w 0
2z
z (1 i)w
Luego, Nu(uI A) { ( z, w) C 2 / z (1 i)w}

Un vector que genera el espacio propio para w 1 es (1 i, 1) (1, 1) i(1, 0)
Considerando la base B { (1, 1), (1, 0)} de R 2 se tiene que
T (1, 1) (3, 1) 1(1, 1) 2(1, 0)

T (1, 0) (1, 2) 2(1, 1) 1(1, 0)
101

----------------------------------------------------------------------------------------------------------
1 2
Luego, [ T ]B
2 1
Ejemplo
Sea T L( R 2 ) definida por T ( x, y) ( x 3 y, x 2 y) . Determine la representacin
matricial ms simple de T de la forma I 2 (a, b) .
Solucin
3
1
La matriz asociada a T en la base cannica es A
1 2
p A ( ) 2 1
Los C-valores propios de T son:
1 3 i
2
Los valores propios de TC son
1
3
u
i
2 2
1
3
y u
i
2 2
Luego
1
1 3
2
I 2 ( ,
)
2 2
3
1

2
TEOREMA
Sea V un R-espacio vectorial de dimensin 2n, T L(V ) con C-valores propios
u1 a1 ib1 , u1 a1 ib1 , , u n an ibn , u n an ibn
entonces existe una base B de V tal que

[ T ]B diag[ I 2 (a1 , b1 ), , I 2 (an , bn )]
Prueba
Por hiptesis u1 a1 ib1 , u1 a1 ib1 , , u n an ibn , u n an ibn son valores
propios de TC .
102

---------------------------------------------------------------------------------------------------------Se sabe que si x j iy j VC es un vector propio de TC correspondiente al valor propio
u j , entonces x j iy j VC es un vector propio de TC correspondiente al valor propio

uj .
Afirmacin.- El conjunto definido como

B { x1 , y1 , , xn , yn }
es una base de V.
Prueba de la afirmacin
n
Sea
(c x
j 1
Se cumple,
d j y j ) donde c1 , d1 , , cn , d n R .
n
j 1
j 1
[(c j id j )( x j iy j ) (c j id j )( x j iy j )] 2(c j x j d j y j )
Como x j iy j , x j iy j son C-linealmente independientes j 1, , n se tiene que
c j id j 0 y c j id j 0 j 1, , n , luego c j d j 0, j 1, , n . Lo que
demuestra que
x1 , y1 , , xn , y n
son R-linealmente independientes y como
dim R V 2n el conjunto B { x1 , y1 , , xn , y n } es una base para V.

Ahora, hay que hallar la matriz asociada a T en la base B. Se sabe que para cada
j 1, , n se tiene
TC ( x j iy j ) (a j ib j )( x j iy j ) por definicin de valor propio
Luego,
T ( x j ) iT ( y j ) (a j x j b j y j ) i(b j x j a j y j )
T (x j ) a j x j b j y j T ( y j ) b j x j a j y j
Escribiendo explcitamente,
T ( x1 ) a1 x1 b1 y1
T ( y1 ) b1 x1 a1 y1
T ( xn ) an xn bn yn
T ( yn ) bn xn an yn
En consecuencia
103

----------------------------------------------------------------------------------------------------------
a1
b
1
[ T ]B
0
0
b1
a1

0
0
0
0
an
bn
0
0
bn
an
diag[ I 2 (a1 , b1 ), , I 2 (an , bn )]
Ejemplo.- Sea T L( R 4 ) definida como

T ( x1 , x2 , x3 , x4 ) ( x2 , x3 , x4 , 4 x1 5x3 )
Hallar una base B de R 4 en la que la representacin matricial de T sea la ms

simple.
Solucin
En la base cannica de R 4 , la matriz asociada a T es
0
0
A
0
0
0
0 0 1
0 5 0
1
0
0
1
Hallando el polinomio caracterstico de A
1 0 0
0 1 0
p A ( )
(2 1)(2 4)
0 0 1
4 0 5
p A ( ) 0 (2 1)(2 4) 0
Las races de la ecuacin caracterstica
son
i, 2i . Luego, T no tiene valores propios en R. Pasando a su complejificado

TC L(C 4 ) , se tiene que los C-valores propios de T son
u1 i, u1 i, u 2 2i y
u 2 2i .
Hacemos los clculos para hallar el espacio propio de TC asociado al valor propio
u1 i .
iz1
i 1 0 0 z1 0
0 i 1 0 z 0
2
0 0
i 1 z3 0

4 z1
i z 4 0
4 0 5
z2
iz 2
z3
iz 3
5 z3
104
0
0
z4
iz 4
0
0

--------------------------------------------------------------------------------------------------------- z2 iz1 , z3 iz 2 i(iz1 ) z1 , z4 iz3 iz1
E (TC , i) { ( z1 , z2 , z3 , z4 ) C 4 / z2 iz1 , z3 z1 , z4 iz1 }

L{ (1, i, 1, i)}
Ntese que (1, i, 1, i) (1, 0, 1, 0) i(0, 1, 0, 1)
De manera anloga, calculamos el autoespacio de TC asociado al valor propio u2 2i
2iz1
2i 1 0 0 z1 0
0 2i 1 0 z 0
2
0 0 2i 1 z3 0

4 z1
4 0 5 2i z4 0
z2
2iz 2
0
0
z3
2iz 3
5 z3
z4
2iz 4
0
0
z 2 2iz1 , z3 2iz 2 2i(2iz1 ) 4 z1 , z 4 2iz 3 2i(4 z1 ) 8iz1
E (TC , 2i) { ( z1 , z 2 , z 3 , z 4 ) C 4 / z 2 2iz1 , z 3 4 z1 , z 4 8iz1 }

L{ (1, 2i, 4, 8i)}
Ntese que (1, 2i, 4, 8i) (1, 0, 4, 0) i(0, 2, 0, 8)
Luego, por un teorema demostrado la base de R 4 en la que T tiene su representacin
matricial ms simple es
B { (1, 0, 1, 0), (0, 1, 0, 1), (1, 0, 4, 0), (0, 2, 0, 8)}

En efecto, verificando se tiene
T (1, 0, 1, 0) (0, 1, 0, 1) 0(1, 0, 1, 0) 1(0, 1, 0, 1) 0 (1, 0, 4, 0) 0 (0, 2, 0, 8)
T (0,1, 0, 1) (1, 0, 1, 0) 1(1, 0, 1, 0) 0 (0, 1, 0, 1) 0 (1, 0, 4, 0) 0 (0, 2, 0, 8)
T (1, 0, 4, 0) (1, 0, 4,16) 0(1, 0, 1, 0) 0 (0, 1, 0, 1) 0 (1, 0, 4, 0) 2 (0, 2, 0, 8)
T (0, 2, 0, 8) (2, 0, 8, 0) 0(1, 0, 1, 0) 0 (0, 1, 0, 1) 2 (1, 0, 4, 0) 0 (0, 2, 0, 8)
y la matriz asociada a T en la base B es
T B
0
1
0
0
0 0 2
0 2 0
1
0
0
0
Que es la representacin matricial ms simple de T L( R 4 ) .

Ahora veremos la representacin matricial de una transformacin lineal T que tiene
valores propios tanto reales como complejos, todos distintos.
LEMA.- Sea V un R-espacio vectorial de dimensin finita y T L(V ) . Si R es un
valor propio de T y u V es un vector propio de T asociado a entonces es un
valor propio de TC y u i VC es un vector propio de TC asociado .
105

---------------------------------------------------------------------------------------------------------Prueba
Por hiptesis T (u) u , luego
TC (u i ) T (u) iT ( ) u i u (u i )
Luego, u i es un vector propio de TC asociado a .

TEOREMA
Sea V un R-espacio vectorial de dimensin n y T L(V ) con C-valor propioes
distintos 1 , , r R
u1 a1 ib1 , u1 a1 ib1 , , u s as ibs , u s as ibs
(donde r 2s n ) entonces existe una base B de V tal que
T B dig[ 1 , , r , I 2 (a1 , b1 ), , I 2 (as , bs )]
(1)
Prueba
Por hiptesis
1 , , r , u1 a1 ib1 , u1 a1 ib1 , , u s as ibs , u s as ibs son
valor propioes de TC .
Por el lema anterior se tiene que u k i es un vector propio de TC correspondiente al
valor propio k (k 1, , r ) . Por otro lado, denotemos por
los vector propioes de
x j iy j , x j iy j VC
TC correspondientes a los valor propioes
uj
uj
respectivamente ( j 1, , s) . Afirmamos que B {u1 , , u r , x1 , y1 , , xs , y s } es

una base de V. En efecto, sean 1 , , r , c1 , d1 , , cs , d s R tales que
r
(
k 1
k u k ) (c j x j d j y j )
j 1
Se cumple
s (c id )
(c j id j )
j
j
(
u
)
( x j iy j )
( x j iy j )
k k
2
2
k 1
j 1
k 1
j 1
( k u k ) (c j x j d j y j ) 0
Como
u k , x j iy j , x j iy j
son
C-linealmente
j 1, , s ) se concluye que ak 0, c j id j 0
independientes
y
(k 1, , r ;
c j id j 0 (k 1, , r ;
j 1, , s ) y por tanto ak c j d j 0 (k 1, , r ; j 1, , s ) .
Esto prueba que u1 , , u r , x1 , y1 , , xs , y s son R-linealmente independientes y desde
que V tiene dimensin (real) r 2s n , al afirmacin est probada.
Un clculo anlogo al realizado en la demostracin anterior muestra que
106

----------------------------------------------------------------------------------------------------------
T B dig[ 1 , , r , I 2 (a1 , b1 ), , I 2 (as , bs )] R nn

Observacin.- El teorema anterior da un mtodo sistemtico para hallar la base B del
R-espacio vectorial V en la cual el endomorfismo T L(V ) tiene una representacin
matricial bastante simple.
Ejemplo.- Sea T L( R 3 ) definida por
T ( x1 , x2 , x3 ) ( x1 x3 , 2 x3 , x2 x3 )
Hallar la representacin matricial bastante simple de T y la base B de R 3 que

determina tal representacin.
Solucin
1 0 1
A 0 0 2
0 1 1
p A ( )
1 1
1
2 ( 1)(2 2)
Las races de p A ( ) 0 son 1 y
1 7 i
, luego 1 es el nico valor propio de T.
2
Pasando al complejificado TC L(C 3 ) se tiene que los C-valores propios de T son
1, u
1
7
1
7
i y u
i.
2 2
2 2
Haciendo los clculos para hallar el espacio propio de TC asociado al valor propio
u1 1 .
0 0 1 z1 0
0 1 2 z 0 z
2
2
0 1 0 z3 0
z2
z3
2 z3
0
0 z 2 z3 0
0
E (TC , 1) { ( z1 , z2 , z3 ) / z1 z2 0 }
L{ (1, 0, 0)}
Haciendo los clculos para u
1
7
i
2 2
107

----------------------------------------------------------------------------------------------------------
1
7
i

2 2
z1 0
1
7

i
2
z 2 0
2 2

1
7 z 3 0
1

i
2 2
1
1
7
(
i ) z1
2 2
1
7
(
i) z2
2 2
z2
z1
2 z3
1
7
(
i ) z3
2 2
Completar el ejemplo hallando la base B de R 3 en la que
T B
1
0
1
0
7
0
2
7
2
1
Ejercicios
1. Sea V un R- espacio vectorial de dimensin finita.
Dados z ( x, y) , z ( x, y ) V V , a ib C
Definimos: z z ( x x, y y )
z (ax by, ay bx)
Pruebe que con las operaciones definidas V V es un C - espacio vectorial.
2. Sea V un R-espacio vectorial, dim R V n , VC V V su complejificado. Si
B { v1 , , vn }
es una base ordenada de V, demostrar que
BC { v1 i, , vn i } es una base de VC y por consiguiente, dim C VC n .
3. Probar que:
a) Si B {u1 , , u n } es un conjunto linealmente independiente en V, entonces
BC {u1 i , , u n i } es un conjunto linealmente independiente en VC
(como C-espacio vectorial).
b) Si B genera V, entonces BC genera VC .
c) Si ei (0,,1,, 0) V R n con 1 en el i-simo lugar, entonces
B {e1 , , en } es base de Rn y BC {e1 i , , en i } es base de VC .
4. a) Si V = Rn, pruebe que Vc es isomorfo a Cn.
b) Si V R nn , pruebe que Vc es isomorfo a C nn .
5. Si V = Pn es el R-espacio vectorial de los polinomios de una variable con
coeficientes en R y de grado menor o igual a n, determinar su complejificado.
108

---------------------------------------------------------------------------------------------------------6. Sea
V R 22 , VC V V su complejificado. Determinar si son linealmente
independiente los siguientes conjuntos en VC :

a)
1 2 0 0 2 4 0 0
i 2 1 , 0 0 i 4 2
0
0
1 0 0 1 1 0 0 1
b)
i
,
i
0 1 1 0 0 1 1 0
7. Sea
V P2 [ x] { p( x) R[ x] / grad ( p( x) 2} , VC V V su complejificado.
Determinar si el conjunto {1 x i(1 x 2 ), 1 i(1 x x 2 )} es linealmente

independiente en VC .
8. Si V es un R-espacio vectorial de dimensin finita, T L(V ) , VC el complejificado
de V. Pruebe que TC : VC VC tal que: TC ( x iy ) T ( x) iT ( y) , es una Ctransformacin lineal.
9. Sea VC el complejificado del R-espacio vectorial V y
: VC VC la
conjugacin en C definida como (u iv ) u iv . Probar que:
a) ( z w) ( z) (w); z, w VC .
b) (z ) ( z ); C , z VC
c) ( ( z )) z; z VC .
d) ( z) z z V
10.
Dado C : L(V ) L(VC ) tal que C T TC . Pruebe que:

a) C T1 T2 C T1 C T2 , T1 , T2 L V
b) C rT t C T , T L V , r R
c) C T1 T2 C T1 C T2 , T1 , T2 L V
d) Si C T1 C T2 , entonces T1 = T2
11. Sea V un R-espacio vectorial, L : VC VC C-lineal. Probar que L TC , para

algn T : V V R-lineal si y solo si L L , donde es el operador
conjugacin.
12. Sea V = R2, T LV . Verifique en cada caso que TC extiende de manera natural a
C2 la transformacin lineal T.
a) T( x, y ) = ( 2x y, 3y + x )
b) T( x, y ) = ( 3x 5y, 5x 5y )
c) T ( x, y ) = ( -x y, x )
d) T( x, y ) = ( 3x 2y, 4x y )
13. Sea V un R-espacio vectorial de dimensin finita, T L(V ) . Pruebe que:
a) ( Nu (T )) C Nu (TC )
b) (Im(T )) C Im(TC )
c) Si T es inversible, entonces (T 1 ) C (TC ) 1
14. Sea V un R-espacio vectorial de dimensin finita, T L(V ) .
109

---------------------------------------------------------------------------------------------------------Si a ibb 0 es un autovalor de TC , u iv VC su correspondiente
autovector. Pruebe que u ,v es base de un subespacio vectorial S V es
a b
invariante por T y tal que la matriz de la restriccin T : S S es
b a
15. Sea T, L (R2) / T ( x, y ) = (-x + 4y, -2x + 3y ) y L
L (-1, 0 ) = ( 5, 2) , L (1, 1) = ( 2, 3)
a) Determine M B, C [(T L) -1C ] si existe, donde B es una base de R2.
b) Encuentre una base
a b
I 2 ( a, b )
b a
satisfaciendo
B de R2 tal que M B T I 2 (a, b) donde a, b R y
16. Sea T L (R2) definida por T ( x, y) = ( x + 3y, -x 2y). Determine una base B de
R2 tal que M B T es de la forma I2( a, b).
17. Cada una de las siguientes matrices son asociadas a un operador en L(R3) con
respecto a la base cannica. Denotemos un operador por T. Encontrar un subespacio
invariante E, bajo T de dimensin dos en R3 y una base para E que da para T E
una matriz de la forma I2 (a, b).
0 0 15
b) 1 0 17
0 1 7
1 0 1
a) 0 0 - 2
0 1 1
18.
19.
Sea T L( R 4 ) / T ( x, y, z, t ) ( x y, x y, x t , z ) . Hallar una base

R 4 tal que la matriz asociada a T respecto de esta base sea de la
M B (T ) diag ( I 2 (a1 , b1 ), I 2 (a2 , b2 ) ) .
Sea T L( R3) / T ( x, y, z) ( 3x 2 z, 3 y, x z) . Hallar una base B de
que la matriz asociada a T respecto de esta base sea de la
0 0
M B (T ) 0 a b .
0 b a
20. Sean W Rn y F C n subespacios. Existen relaciones entre

dimcWc?. Entre dimcF y dimRFR? donde FR F Rn
110
B de
forma
R 3 tal
forma
dimRW

---------------------------------------------------------------------------------------------------------TRANSFORMACIONES LINEALES CON VALORES PROPIOS REPETIDOS
Sea V un K-espacio vectorial de dimensin n y T L(V ) un operador con valores
propios distintos
1 , 2 , , k K
de multiplicidades algebraicas
d1 , , d k ,
respectivamente con d1 d k n . Luego el polinomio caracterstico asociado a T

ser de forma
pT ( ) ( 1 ) d1 ( k ) d k
Por un teorema demostrado se sabe que T es diagonalizable si y solo si
d i dim K E (T , i ); i 1, , k . Es decir cuando la multiplicidad algebraica de i
coincide con su multiplicidad geomtrica, para todo i 1, , k .

Transformaciones con un slo valor propio
Teorema.- Sea V un K-espacio vectorial de dimensin n y T L(V ) con un nico
valor propio 1 de multiplicidad algebraica n. Entonces, V Nu ((T 1 I ) n ) .
Prueba
De la hiptesis se deduce que el polinomio caracterstico asociado al endomorfismo T es
pT ( ) ( 1 ) n y luego, aplicando el teorema de Cayley-Hamilton se tiene que
(T 1 I ) n 0 ; es decir (T 1 I ) n es la transformacin lineal constante cero y en

consecuencia Nu(T 1 I ) n V .
Corolario.- Con las hiptesis del teorema anterior, existe un operador N L(V ) tal que
N n 0 y adems T 1 I N .
Prueba
Denotando N T 1 I se tiene que N n 0 tal que T 1 I N .
Ejemplo
T ( x1 , x2 ) (2 x1 x2 , x1 4 x2 )
La matriz asociada de T en la base cannica de R 2 es
2 1
A
1 4
y su polinomio caracterstico es p A ( ) ( 3) 2 . Luego, 1 3 es el nico valor
propio (de multiplicidad algebraica 2) de T.
111

---------------------------------------------------------------------------------------------------------Definiendo
N ( x1 , x 2 ) (T 3I )( x1 , x 2 ) T ( x1 , x 2 ) 3I ( x1 , x 2 )
(2 x1 x 2 , x1 4 x 2 ) 3( x1 , x 2 )
( x1 x 2 , x1 x 2 )
Se tiene que N L( R 2 ) , N 2 0 y T 3I N .
Las transformaciones N L(V ) tales que existan m N para el cual N m 0 son
llamadas nilpotentes.
Transformaciones Nilpotentes
Definicin.- Sea V un K-espacio vectorial y N L(V ) . Se dice que N es nilpotente si y
solo si existe m N tal que N m 0 .
Se dice que k N es el ndice de nilpotencia o simplemente ndice de una
transformacin nilpotente N si y solo si N k 0 y N j 0, j 1, , k 1 .
Nota.- De manera anloga se define una matriz nilpotente y su ndice.
Ejemplo.- Sea N L( R 2 ) definido por N ( x1 , x2 ) ( x1 x2 , x1 x2 ) . N es un
operador nilpotente de ndice 2.
Ejemplo.- Sea V P3 [ t ] el R-espacio vectorial de de los polinomios de grado menor o
igual que 3 y D L(V ) el operador derivacin. D es un operador nilpotente de ndice 4.
En efecto, considerando la base cannica de P3 [ t ] , B {1, t , t 2 , t 3 } se tiene que:
D(1) 0 0(1) 0(t ) 0(t 2 ) 0(t 3 )

D(t ) 1 1(1) 0(t ) 0(t 2 ) 0(t 3 )
D(t 2 ) 2t 0(1) 2(t ) 0(t 2 ) 0(t 3 )
D(t 3 ) 3t 2 0(1) 0(t ) 3(t 2 ) 0(t 3 )
Luego,
0
0
A [ D ]B
0
0
Recordar, que
1 0 0
0 2 0
0 0 3
0 0 0
2
[ D 2 ]B [ D D ]B [ D]B [ D ]B [ D ]B
A2
[ D n ]B An
Verifique, a modo de ejercicio que A 4 0 .
112
y en general

---------------------------------------------------------------------------------------------------------~ L( R n ) definida por
Ejemplo.- Sea N
n
~ ( x , x , , x ) ( x , x , , x , 0)
N
n
1
2
n
2
3
n
N~ n es un operador nilpotente de ndice n. La matriz asociada N~ n en la base cannica

B {e1 , e2 ,, en } es
~ (1, 0,, 0) (0, 0,, 0, 0) 0e 0e 0e 0e

N
n
1
2
n 1
n
~
N (0, 1,, 0) (1, 0,, 0, 0) 1e 0e 0e 0e
n
n 1
~
N n (0, 0,,1) (0, 0,,1, 0) 0e1 0e2 1en 1 0en
0
0
~ ]
[N
n B
0
0
1 0 0
0 0 0

0 0 1
0 0 0
~ L( R n ) es una transformacin nilpotente cannica de ndice n.

N
n
Notas.1.
La transformacin lineal cero (o la matriz cero) es nilpotente de ndice 1. Ms

an la nica transformacin nilpotente (o matriz nilpotente) de ndice 1 es la
transformacin lineal cero (o matriz cero).
2.
Por el corolario anterior si V es un K-espacio vectorial de de dimensin n y
T L(V ) tiene un nico valor propio 1 K de multiplicidad n, entonces T

puede ser descompuesto como la suma de la transformacin (diagonal) 1 I ms
una transformacin nilpotente. Es decir, T 1 I N , donde N es nilpotente de
ndice n.
Teorema.- Sea V un K-espacio vectorial de dimensin finita y T L(V ) . Si v V es tal
que
T k 1 (v) y T k (v) , siendo k un entero positivo, entonces los vectores
v, T (v), , T k 1 (v) son linealmente independientes.
Prueba
Sean a0 ,, ak 1 K tales que
a0 v a1T (v) ak 1T k 1 (v)

Aplicando T k 1 a la relacin (1) se tiene
T k 1 (a0 v a1T (v) ak 1T k 1 (v)) T k 1 ( )
113
(1)

----------------------------------------------------------------------------------------------------------
a0T k 1 (v) ( a1T k (v) a k T 2 k 2 (v) )
a0T k 1 (v) a0 0 , pues T k 1 (v) , luego la relacin (1) se reduce a

a1T (v) ak 1T k 1 (v)
(2)
Ahora, aplicando T k 2 a la relacin obtenida en (2) se tiene que a1 0 . Siguiendo el

mismo procedimiento se demuestra que a2 ak 1 0 , de lo que se concluye que
los vectores v, T (v), , T k 1 (v) son linealmente independientes.
Corolario 1.- Si V es un K-espacio vectorial de dimensin n y N L(V ) un operador
nilpotente de ndice k, entonces k n .
Prueba
Supongamos que existe N L(V ) un operador nilpotente de ndice k n ; entonces
N k 1 0 , luego existe v V no nulo tal que N k 1 (v) . Por el teorema anterior los k
vectores v, N (v), , N k 1 (v) son linealmente independientes, pero esto es una
contradiccin; pues al ser
k n
dim V n , no pueden ser linealmente
independientes. La contradiccin proviene de haber supuesto que k n ; luego k n .

Corolario 2.- Sea V un K-espacio vectorial de dimensin n y N L(V ) un operador
nilpotente de ndice n. Entonces existe una base B de V tal que
0
0
~
[ N ]B N
n
0
0
1 0 0
0 1 0

0 0 1
0 0 0
Prueba
Por hiptesis al ser N L(V ) un operador nilpotente de ndice n; se tiene que N n 0 y
N n1 0 , luego existe v V tal que N n (v) y N n1 (v) .

Denotando v1 N n1 (v), v2 N n2 (v), , vn1 N (v), vn v , tenemos la base ordenada
B { v1 , , vn } que cumple:
114

---------------------------------------------------------------------------------------------------------N (v1 )
N ( N n 1 (v)) N n (v)
0v1 0v 2 0v3 0v n 2 0v n 1 0v n
N (v 2 )
N ( N n 2 (v)) N n 1 (v) v1
1v1 0v 2 0v3 0v n 2 0v n 1 0v n
N (v n 1 ) N ( N (v))
N 2 (v )
N (v n ) N (v )
v n 2 0v1 0v 2 0v3 1v n 2 0v n 1 0v n
v n 1 0v1 0v 2 0v3 0v n 2 1v n 1 0v n
Luego,
0
0
[ N ]B
0
0
1 0 0
0 1 0

0 0 1
0 0 0
Observacin.- El coralario 2 describe el mtodo para obtener la base B de V que

permite representar matricialmente un operador nilpotente N de ndice n en la forma
N~ .
n
Ejemplo.Sea N L( R 2 ) definido por
N ( x1 , x2 ) ( x1 x2 , x1 x2 )
El operador N es nilpotente de ndice 2.
Nu ( N ) { ( x1 , x 2 ) / N ( x1 , x 2 ) (0, 0) }
{ ( x1 , x 2 ) / ( x1 x 2 , x1 x 2 ) (0, 0) }
{ ( x1 , x1 ) / x1 R }
L{ (1, 1)}
(1, 0) R 2
(1, 0) Nu( N ) , luego
v (1, 0)
N (v) N (1, 0) (1, 1) son
linealmente independientes en R 2 . Eligiendo la base
B { N (1, 0) (1, 1), v (1, 0)}

Y evaluando N en los elementos de la base B se tiene:
N (1, 1) (0, 0) 0(1, 1) 0(1, 0)

N (1, 0) (1, 1) 1(1, 1) 0(1, 0)
y en consecuencia la matriz asociada al operador nilpotente en la base B es
0 1
[ N ]B
0 0
Nota.- El operador T L( R 2 ) definido por
T ( x1 , x2 ) (2 x1 x2 , x1 4 x2 )
115

---------------------------------------------------------------------------------------------------------visto en un ejemplo anterior se puede escribir en la forma
T 3I 2 N
donde N ( x1 , x2 ) ( x1 x2 , x1 x2 ) es nilpotente de ndice 2. Por el ejemplo anterior,
en la base ordenada B { (1, 1), (1, 0)} de R 2 se tiene que
[T ]B [ 3I N ]B 3I [ N ]B
3
0
3
0 0 1
3 0 0
1
3
La cual es una representacin matricial simple de T, puesto que los valores propios
aparecen en la diagonal.
Formas Normales de Transformaciones Nilpotentes
Sea ha visto, que para toda transformacin nilpotente N L(V ) de ndice n dim V
existe una base B de V en la N tiene una representacin matricial de la forma N~ n .
Ahora, veremos cuando el ndice de nilpotencia es menor que es menor que n.
Lema.- Sea V un K-espacio vectorial de dimensin n
{T (u1 ), , T (u p )} es una base de
T L(V ) . Si
Im(T ) y { v1 , , vq } es una base de Nu (T ) ,
entonces
{ u1 , , u p , v1 , , vq }
es una base de V.
Prueba.- Ejercicio
Sea V un K-espacio vectorial de dimensin n y N L(V ) un operador nilpotente de
ndice 2, es decir N 2 0 pero N 0 . Sean { N (u1 ), , N (u p )} una base de Im(N ) .
Como N 2 0 , entonces Im( N ) Nu( N ) , luego existen vectores v1 , , vq Nu ( N )
tal que { N (u1 ), , N (u p ), v1 , , vq } es una base del Nu (N ) en virtud del teorema de
completacin
de
bases
por
el
lema
anterior,
concluimos
que
{u1 , , u p , N (u1 ), , N (u p ), v1 , , vq } es una base de V. Reordenando, se tiene la

base
B {N (u1 ), u1 , , N (u p ), u p , v1 , , vq }
y realizando los clculos se obtiene que
116

----------------------------------------------------------------------------------------------------------
0 1
0 0
0 0
N B 0 0

0 0
0 0
~ , ,
[ N ]B diag[ N
2
0 0 0 0
0 0 0 0
0 1 0 0
0 0 0 0

0 0 0 0
0 0 0 0
~ , 0, , 0]
N
2
~ K 22 aparece p veces y el bloque 0 aparece q veces.

En donde el bloque N
2
De esta forma, se ha demostrado que si N L(V ) es nilpotente de ndice 2, entonces
existe una base adecuada de V tal que la matriz asociada a N es diagonal por bloques y
los bloques son matrices nilpotentes cannicas. Esta matriz diagonal por bloques es
llamada forma cannica de una transformacin nilpotente de ndice 2.
Observaciones
1.
2p q n
2.
p es el rango de N.
3.
q dim Nu( N ) p , luego puede ocurrir que q 0 (cuando Im( N ) Nu( N ) ).
Ejemplo.-
Sea N L( R 3 ) definido por

N ( x1 , x2 , x3 ) ( x1 x2 2 x3 , x1 x2 2 x3 , x1 x2 2 x3 )
La transformacin lineal N es nilpotente de ndice 2; en efecto,

N ( N ( x1 , x2 , x3 )) N (( x1 x2 2 x3 , x1 x2 2 x3 , x1 x2 2 x3 )) (0, 0, 0)
Queremos hallar su forma cannica. De la definicin de N se tiene
Im( N ) { ( x1 x 2 2 x3 , x1 x2 2 x3 , x1 x 2 2 x3 ) / x1 x2 2 x3 R }
L{ (1, 1, 1)}
L{ N (1, 0, 0) }
(1)
Ntese que el rango de N es p 1 .

Calculando Nu (N ) ,
Nu ( N ) { ( x1 , x 2 , x3 ) R 3 / N ( x1 , x 2 , x3 ) (0, 0, 0)}
{ ( x1 , x 2 , x3 ) R 3 / ( x1 x 2 2 x3 , x1 x 2 2 x3 , x1 x 2 2 x3 ) (0, 0, 0)}
{ ( x1 , x 2 , x3 ) R 3 / x1 x 2 2 x3 }
{ ( x 2 2 x3 , x 2 , x3 ) / x 2 , x3 R }
{( x 2 , x 2 , 0) (2 x3 , 0, x3 ) / x 2 , x3 R }
117

--------------------------------------------------------------------------------------------------------- {x2 (1, 1, 0) x3 (2, 0, 1) / x2 , x3 R }
L{ (1, 1, 0), (2, 0, 1)}
Por (1) el vector (1, 1, 1) Im( N ) pero tambin (1, 1, 1) Nu( N ) pues es combinacin
lineal de los vectores (1, 1, 0), (2, 0, 1) . Luego, como (1, 1, 1) Nu( N ) y es
linealmente independiente con el vector (1, 1, 0) , podemos afirmar que
Nu( N ) L{ (1, 1, 1), (1, 1, 0)}

Por el lema anteriormente enunciado, resulta que
u1 (1, 0, 0), N (u1 ) (1, 1, 1) y v1 (1, 1, 0) es una base de R 3 , reordenando se
tiene
B { N (u1 ), u1 , v1} { (1, 1, 1), (1, 0, 0), (1, 1, 0)}

Es una base de R 3 y evaluando el operador N dicha base se obtiene:
N (1, 1, 1) (0, 0, 0) 0(1, 1, 1),0 (1, 0, 0) 0(1, 1, 0)

N (1, 0, 0) (1, 1, 1) 1(1, 1, 1),0 (1, 0, 0) 0(1, 1, 0)
N (1,1, 0) (0, 0, 0) 0(1, 1, 1),0 (1, 0, 0) 0(1, 1, 0)
y en consecuencia la representacin matricial del operador N es
0 1 0
[ N ]B 0 0 0
0 0 0
Antes de trabajar con las transformaciones nilpotentes de ndice 3 , veremos algunos
conceptos, que requieren para su comprensin.
Definicin.- Sea
un K-espacio vectorial de dimensin finita y N L(V ) un
operador nilpotente. Si w V es tal que N m (w) y w, N (w), , N m1 (w) son

linealmente
independientes,
entonces
el
subespacio
de
generado
por
w, N (w), , N m1 (w) y denotado por Z m (w) es llamado subespacio cclico de V con
respecto a N y de dimensin m.
Ejemplo.- Sea N L( R 3 ) la transformacin nilpotente de ndice 2 del ejemplo anterior
definido como
N ( x1 , x2 , x3 ) ( x1 x2 2 x3 , x1 x2 2 x3 , x1 x2 2 x3 )
Z 2 (u1 ) L{u1 , N (u1 ) } L{ (1, 0, 0), (1, 1, 1)}
Por otro lado si v1 (1, 1, 0) , entonces Z1 (v1 ) { v1} L{ (1, 1, 0)}
118

---------------------------------------------------------------------------------------------------------Otro ejemplo
Sea N L( R 3 ) un operador nilpotente de ndice 2 definido como
N ( x1 , x2 , x3 ) ( x1 x2 , x1 x2 , 0)
Si w (0, 1, 0) , entonces N (w) N (0, 1, 0) (1, 1, 0) , entonces Z 2 ((0, 1, 0)) es el

subespacio generado por estos dos vectores. Esto es
Z 2 ((0, 1, 0)) L{(1, 1, 0), (0, 1, 0)}
Observaciones
1.
v Z1 ( w) si y solo si v Nu (N ) .
2.
Los subespacios cclicos de V con respecto a N son invariantes con respecto a N.

Esto significa que si v Z m (w) , entonces
N (v) Z m (w) . En efecto, sea
v Z m (w) , entonces
v 0 w 1 N (w) m2 N m2 (w) m1 N m1 (w)
(1)
Luego aplicando el operador N a la relacin (1) se tiene
N (v) 0 N ( w) 1 N 2 ( w) m2 N m1 ( w) m1 N m ( w)
N (v) 0 N (w) 1 N 2 (w) m2 N m1 (w) Z m (w)

De esta manera, la restriccin N | Z m ( w) de una transformacin nilpotente N a
cualquier subespacio cclico de V con respecto a N es una transformacin lineal
de Z m (w) en Z m (w) , es decir N
3.
Z m ( w)
L( Z m ( w))
Si N L(V ) es nilpotente entonces N
Z m ( w)
L( Z m ( w)) es nilpotente de ndice
m. En efecto, v Z m (w) , entonces
v 0 w 1 N (w) m1 N m1 (w)
luego, ( N | Z m ( w) ) m (v) N m (v)
( N | Z m ( w) ) m1 0 , puesto que
N m1 (w) .
Definicin.-Sea V un K-espacio vectorial de dimensin finita y W1 , , Wm subespacios
de V. Diremos que V es la suma directa de los subespacios W1 , , Wm lo que se denota
por V W1 Wm si y solo si todo vector v V se puede escribir de una nica
forma como v w1 wm donde w1 W1 , , wm Wm .
119

---------------------------------------------------------------------------------------------------------Observacin.- Si V W1 Wm y W j L{ w1, j , , wrj , j }; j 1, , m , entonces
B { w1,1, , wr1 ,1, , w1, m , , wrm , m}
es una base de V. Recprocamente, si
B { v1 , , vn } es base de V y si denotamos por
W1 L{v1, , vk1 }, W2 L{vk1 1, , vk 2 }, , Wm L{vk m1 1, , vk m }

Entonces, V W1 Wm .
Con los conceptos que se acaban de definir, podemos establecer el siguiente resultado.
Proposicin.- Si V es un K-espacio vectorial de dimensin n y N L(V ) es nilpotente
de ndice 2, entonces existen vectores u1 , , u r V tales que:
1.
Z k1 (u1 ), , Z kr (u r ) , son subespacios cclicos con respecto a N.
2.
2 k1 k 2 k r 0 y k1 k r n .
3.
Si p {1, 2, , r} es tal que k p 1 k r 1 ,entonces
u p 1 , , u r Nu ( N )
4.
V Z k1 (u1 ) Z kr (u r )
A continuacin, consideraremos N L(V ) nilpotente de ndice 3. En primer lugar, la

restriccin N1 N
Im( N )
L(Im( N )) es nilpotente de ndice 2.
Luego por la proposicin anterior, existen vectores u1 , , u r V tales que

1.
Z k1 ( N (u1 )), , Z kr ' ( N (ur ' )) son subespacios cclicos respecto a N 1 .
2.
2 k1 k 2 k r 0 y k1 k r dim(Im( N ))
3.
Si p {1, 2, , r } es tal que k p 1 k r 1 ,entonces
N (u p1 ), , N ( ur ) Nu( N1 ) .
4.
Im( N ) Z1 ( N (u1 )) Z kr ( N (ur ))
Ntese que, como k1 k p 2 , entonces N 2 (u1 ), , N 2 (u p ) Nu( N ) . Adems,

desde que k p 1 k r 1 , entonces N (u p 1 ), , N (u r ) Nu( N ) y como los
vectores N 2 (u1 ), , N 2 (u p ), N (u p 1 ), , N (u r ) son linealmente independientes,
entonces existen v1 , , vq V tales que
N 2 (u1 ), , N 2 (u p ), N (u p 1 ), , N (u r ), v1 , , vq
forman una base de Nu (N ) . Por otro lado, de 4) se tiene que
120

----------------------------------------------------------------------------------------------------------
N (u1 ), N 2 (u1 ), , N (u p ), N 2 (u p ), N (u p 1 ), , N (u r )
es una base de Im(N ) . De la proposicin, se tiene que los vectores
N 2 (u1 ), , N 2 (u p ), N (u p 1 ), , N (u r ), v1 , , vq ,
u1 , N (u1 ), , u p , N (u p ), u p 1 , , u r
Forman una base de V, es decir
V Z 3 (u1 ) Z 3 (u p ) Z 2 (u p1 ) Z 2 (u r ) Z1 (v1 ) Z1 (vq )

De esta manera se ha probado que si V es un K-espacio vectorial de dimensin n y
N L(V ) es nilpotente de ndice 3 entonces existen vectores u1 , , u r V tales que

1.
Z k1 (u1 ), , Z kr (u r ) son subespacios cclicos respecto a N.
2.
3 k1 k 2 k r 0 y k1 k r n .
3.
Si
p {1, 2, , r}
es
tal
k p 1 k r 1 ,
que
entonces
u p 1 , , u r Nu ( N ) .
V Z k1 (u1 ) Z kr (u r )
4.
Ejemplo.- Sea N L( R 4 ) definida como
N ( x1 , x2 , x3 , x4 ) ( x1 2 x2 x3 x4 , x1 x2 x3 x4 , x2 , 0)
Se demuestra que N es nilpotente de ndice 3.
Im( N ) { N ( x1 , x2 , x3 , x4 ) / ( x1 , x2 , x3 , x4 ) R 4 }
{ ( x1 2 x2 x3 x4 , x1 x2 x3 x4 , x2 , 0) / ( x1 , x2 , x3 , x4 ) R 4 }
{ ( x1 x2 x3 x4 , x1 x2 x3 x4 , 0, 0) ( x2 , 0, x2 , 0) / x1 , x2 , x3 , x4 R }
L{ (1, 1, 0, 0) , (1, 0, 1, 0) }
Como
Im( N )
es nilpotente de ndice 2 y
dim Im( N ) 2 , entonces existe
u1 (1, 0, 0, 0) R 4 tal que

Im( N ) Z 2 ( N (u1 )) L{ N (u1 ), N 2 (u1 )} L{(1, 1, 0, 0), (1, 0, 1, 0)}
Como
Nu( N ) {( x1 , x2 , x3 , x4 ) R 4 / N ( x1 , x2 , x3 , x4 ) (0, 0, 0, 0)}

{( x1 , x2 , x3 , x4 ) R 4 / ( x1 2 x2 x3 x4 , x1 x2 x3 x4 , x2 , 0) (0, 0, 0, 0)}
{( x1 , x2 , x3 , x4 ) R 4 / x2 0, x4 x1 x3 }
y
N 2 (u1 ) (1, 0, 1, 0) , luego se puede aadir un vector ms, por ejemplo
(1, 0, 0, 1) hasta obtener una base { (1, 0, 1, 0), (1, 0, 0, 1)} de Nu (N ) . As
121

----------------------------------------------------------------------------------------------------------
R 4 L{ u1 , N (u1 ), N 2 (u1 ), (1, 0, 0, 1)}

Z 3 ((1, 0, 0, 0)) Z1 ((1, 0, 0, 1))
Ahora podemos enunciar y demostrar el resultado general.
Teorema.- (Formas cannicas de transformaciones nilpotentes)
Si V es un K-espacio vectorial de dimensin n y N L(V ) es nilpotente de ndice k,
entonces existen vectores u1 , , u r V tales que
1.
Z k1 (u1 ), , Z kr (u r ) , son subespacios cclicos respecto a N.
2.
k k1 k 2 k r 0 y k1 k r n
3.
Si p {1, 2, , r} es tal que k p 1 k r 1 , entonces
u p 1 , , u r Nu ( N ) .
4.
V Z k1 (u1 ) Z kr (u r )
Prueba
Por induccin sobre k. Si k 1 entonces no hay nada que probar.
Supongamos inductivamente que el teorema est probado para toda transformacin
nilpotente de ndice
restriccin
N1 N
k 1 y consideremos
Im( N )
L(Im( N ))
N L(V ) nilpotente de ndice k. La
es nilpotente de ndice k 1 . Luego, por la
hiptesis inductiva, existen vectores u1 , , u r V tales que

1.
Z k1 (u1 ), , Z k r (ur ) , son subespacios cclicos respecto a N 1 .
2.
k 1 k1 k 2 k r 0 y k1 k r dim(Im( N )) .
3.
Si p {1, 2, , r } es tal que k p 1 k r 1 , entonces
N (u p 1 ), , N ( u r ) Nu ( N1 ) .
4.
Im( N ) Z k1 ( N (u1 )) Z k r ( N (ur ))
Sean 1 p1 p2 pk 2 p tales que
k1 k p1 k 1, k p1 1 k p2 k 2, , k pk 3 1 k p 2
luego,
N k 1 (u1 ), , N k 1 (u p1 ) Nu( N ), N k 2 (u p1 1 ), , N k 2 (u p2 ) Nu( N ),

, N 2 (u pk 3 1 ), , N 2 (u p ) Nu( N ) y N (u p 1 ), , N ( u r ) Nu ( N )
y como los vectores son linealmente independientes, entonces existen v1 , , vq V
tales que
122

---------------------------------------------------------------------------------------------------------N k 1 (u1 ), , N k 1 (u p1 ), N k 2 (u p1 1 ), , N k 2 (u p 2 ),, N 2 (u p k 3 1 ), , N 2 (u p ),
N (u p 1 ), , N ( ur ), v1 , , vq
forman una base de Nu (N ) . Por otro lado, de 4) se tiene que
N (u1 ), , N k 1 (u1 ), , N (u p1 ), , N k 1 (u p1 ), , N (u p1 1 ), , N k 2 (u p1 1 ), , N (u p2 ),
, N k 2 (u pn ), , N (u pk 3 ), N 2 (u pk 3 ), , N (u p ), N 2 (u p ), N (u p 1 ), , N ( u r )
es una base de Im(N ) . De la proposicin anterior y por definicin de espacio cclico, el
teorema se sigue.
Corolario 1.- Si V es un K-espacio vectorial de dimensin n y N L(V ) es nilpotente
de ndice k, entonces existe una base B de V tal que
[ N ]B diag[ k1 , k2 , , kr , 0,, 0 ]
donde k k1 k 2 k r 2 y k1 k r n .
Corolario 2.- El nico valor propio de multiplicidad n dim V de una transformacin
lineal nilpotente N L(V ) es el cero.
El teorema y el corolario 1 nos proporcionan un mtodo para hallar la representacin
matricial ms simple de una transformacin lineal T L(V ) que posee un nico valor
propio de multiplicidad algebraica igual a la dimensin del espacio vectorial V.
Ejemplo.-

T ( x1 , x2 , x3 ) (2 x1 , x1 2 x2 , 3x1 2 x3 )
2 0 0
A 1 2 0
3 0 2
Se tiene que p A ( ) ( 2) 3 , luego 2 es el nico valor propio de de multiplicidad
algebraica igual a 3. Por un resultado anterior se tiene que
N ( x1 , x 2 , x3 ) T ( x1 , x 2 , x3 ) 2 I ( x1 , x 2 , x3 )
(2 x1 , x1 2 x 2 , 3x1 2 x3 ) (2 x1 , 2 x 2 , 2 x3 )
(0, x1 , 3x1 )
Calculando la imagen de N,
Im( N ) { N ( x1 , x 2 , x3 ) / ( x1 , x 2 , x3 ) R 3 }
{ (0, x1 , 3x1 ) / x1 R }
L{ (0, 1, 3) }
L{ N (1, 0, 0)}
123

----------------------------------------------------------------------------------------------------------
ran( N ) 1 p
Calculando el ncleo de N,
Nu ( N ) { ( x1 , x 2 , x3 ) R 3 / N ( x1 , x 2 , x3 ) (0, 0, 0)}
{ (0, x1 , 3x1 ) (0, 0, 0) / x1 0 }
L{ (0, 1, 0) , (0, 0, 1)}
Consideramos u1 (1, 0, 0), N (u1 ) (0, 1, 3) y v1 (0, 1, 0) , luego el conjunto
B { N (u1 ), u1 , v1}
B { (0, 1, 3), (1, 0, 0), (0, 1, 0)}
es una base de R 3 y
N (0, 1, 3) (0, 0, 0) 0(0, 1, 3) 0 (1, 0, 0) 0 (0, 1, 0)

N (1, 0, 0) (0, 1, 3) 1(0, 1, 3) 0 (1, 0, 0) 0 (0, 1, 0)
N ( 0, 1, 0) ( 0, 0, 0) 0(0, 1, 3) 0 (1, 0, 0) 0 (0, 1, 0)
0 1 0
[ N ]B 0 0 0
0 0 0
En consecuencia,
[ T ]B [ 2 I N ]B 2 I [ N ]B
2 0 0 0 1 0 2 1 0
0 2 0 0 0 0 0 2 0
0 0 2 0 0 0 0 0 2
T ( x1 , x2 , x3 , x4 ) (2 x2 x3 x4 , x1 2 x2 x3 x4 , x2 x3 , x4 )
Hallar la representacin matricial ms simple de T.

Solucin
0 2 1 1
1 2
1 1
A
0 1
1
0
0 1
0 0
Calculando el polinomio caracterstico de A se tiene que p A ( ) ( 1) 4 . Luego, 1 es
el nico valor propio de T con multiplicidad algebraica 4. Haciendo
124

---------------------------------------------------------------------------------------------------------N ( x1 , x2 , x3 , x4 ) T ( x1 , x2 , x3 , x4 ) I ( x1 , x2 , x3 , x4 )
(2 x 2 x3 x4 , x1 2 x2 x3 x4 , x2 x3 , x 4 ) ( x1 , x2 , x3 , x4 )
( x1 2 x 2 x3 x 4 , x1 x 2 x3 x4 , x2 , 0)
Se tiene que N es una transformacin nilpotente de ndice 3. Luego, calculando una base
se tiene
B { N 2 (u1 ), N (u1 ) , u1 , v1}

B { (1, 0, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0), (1, 0, 0, 1)}
En la base B, se tiene la representacin matricial
0
0
[ N ]B
0
0
1
0
[T ]B [ I N ]B I [ N ]B
0
1 0 0
0 1 0
0 0 0
0 0 0
1 0 0
1 1 0
0 1 0
0 0 1
Ejercicios
1. Sea V un K-espacio vectorial de dimensin n y T L(V ) un operador con un nico
valor propio 1 de multiplicidad algebraica n. Probar que V Nu ((T 1 I ) n )
2.
Sea V un K-espacio vectorial de dimensin finita y T L(V ) . Si v V es tal que

T k 1 (v) y T k (v) , siendo k un entero positivo. Demostrar que los vectores
v, T (v), , T k 1 (v) son linealmente independientes.
3. Si V es un K-espacio vectorial de dimensin n y N L(V ) un operador nilpotente

de ndice k, demostrar que k n .
4. En
T
a)
b)
c)
cada caso, determinar la transformacin nilpotente N

I N :
T L( R 2 ) / T ( x, y) (2 x 2 y, 2 x 6 y)
T L( R 2 ) / T ( x, y) (2 x y, x 4 y)
T L( R 3 ) / T ( x, y, z) (4 x, 2 y 2 z, 2 y 6 z)
tal que
5. Determinar si las siguientes transformaciones son nilpotentes, en caso que lo sean

hallar su ndice de nilpotencia.
a) T L( R 3 ) / T ( x, y, z) (0, 3x 2 y 2 z, x 2 y 2 z)
b) F L( R 3 ) / F ( x, y, z) (15z, x 17 z, y 7 z)
125

---------------------------------------------------------------------------------------------------------c)
S L( R 4 ) / S ( x, y, z, w) (2 x 4 y, x 2 y, 2 z w, 4 z 2w x)
6. Pruebe que si una matriz compleja A solo tiene como valor propio al cero, entonces
la matriz A es nilpotente.
7. Sea V un K-espacio vectorial, T y S dos transformaciones nilpotentes sobre V. Si
T S S T , entonces demuestre que T S y T S son nilpotentes.
8. Sea V Pn [t ] el espacio vectorial de los polinomios de grado menor o igual que n.
Demuestre que el operador derivacin D : Pn [t ] Pn [t ] es nilpotente de ndice
n 1.
9. Sea V un K-espacio vectorial de dimensin n y N L(V ) un operador nilpotente
de ndice n. Demostrar que existe una base B de V tal que
0
0
~
[ N ]B N
n
0
0
1 0 0
0 1 0

0 0 1
0 0 0
10. Sea T L( R 3 ) / T ( x, y, z) ( x y 3z, 5x 2 y 6 z, 2 x y 3z)

a) Hallar la matriz asociada a T con respecto a la base cannica.
b) Probar que T es nilpotente de ndice 3.
0 1 0
3
c) Hallar una base B de R tal que M B (T ) 0 0 1 .
0 0 0
11. Sean los operadores:
i)
T L( R 3 ) / T ( x, y, z) ( x 3 y 4 z, x 3 y 4 z, x 3 y 4 z) .
ii) T L( R 3 ) / T ( x, y, z) ( x 2 y 3z, x 2 y 3z, x 2 y 3z)

Se pide:
a) Hallar la matriz asociada a T con respecto a la base cannica.
b) Probar que T es nilpotente de ndice 2.
c) Hallar Im(T), una base de Im(T) y dim(Im(T)) ( esto es el rango de T).
d) Hallar una base B de R 3 tal que M B (T ) diag ( 2 , 0) ,
e) Hallar el rango de M B (T ) y dim(Nu(T)).
12. Sean A1 , A2 , , As
matrices cuadradas de rdenes
m1 , m2 , , ms . La matriz
diag ( A1 , A2 , , As ) es llamada suma directa de las matrices
126
A1 , A2 , , As .

---------------------------------------------------------------------------------------------------------Dadas
la
1 2
A1
,
3 4
matrices
2 2
,
A2
2
2
A3 [1]
M diag ( A1 , A2 , A3 ) ; Hallar la transformacin lineal T : R 5 R 5
tal que la
matriz asociada a T con respecto a la base cannica sea M. Hallar los subespacios
invariantes
W1 , W2 , W3
por T y
bases
B1 , B2 , B3
de
Wi
tal que
M B i (T W ) Ai ; i 1, 2, 3. Verificar que R 5 W1 W2 W3 . Determinar cual de

i
las restricciones T W es nilpotente.

i
13. Repetir el ejercicio 7
para la matriz diagonal
M diag ( A1 , A2 ) donde
2 1 0
3 1
.
A1 0 2 1 , A2
0 3
0 0 2
14. Mostrar que las siguientes matrices nilpotentes de orden n son similares:
0
0
0
0
1 0 0
0 1 0

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

0 1 0
15. En los siguientes ejercicios, hallar la forma cannica de N y la base B que

permite obtener dicha forma cannica:
a)
N L( R 3 ) / N ( x, y, z) ( x y, x y, 0)
b)
N L( R 3 ) / N ( x, y, z ) (0, 2 y 2 z, 2 y 2 z)
c)
N L( R 4 ) / N ( x, y, z, w) (2 x 4 y, x 2 y, 2 z w, 4 z 2w)
d)
N L( R 4 ) / N ( x, y, z, w) (2 x y, 4 x 2 y, 2 z 4w, z 2w)
e)
N L( R 4 ) / N ( x, y, z, w) (0, 3x 2 y 2 z, x 2 y 2 z, x)
f)
N L( R 4 ) / N ( x, y, z, w) ( x y, x y, 0, 2 y 3z)
g)
N L( R 4 ) / N ( x, y, z, w) (0, 3x 2 y 2 z, x 2 y 2 z, x)
h)
N L( R 4 ) / N ( x, y, z, w) ( y w, x z, y w, x z )
16. Sea V un K-espacio vectorial de dimensin finita y
T L(V ) . Hallar la
representacin matricial ms simple de T y la base B que permite obtener dicha

representacin matricial.
127

---------------------------------------------------------------------------------------------------------a) T L( R 2 ) / T ( x, y) (3x 2 y, 8x 5 y)
b) T L( R 2 ) / T ( x, y) (12 x 7 y, 7 x 2 y)
c) T L( R 2 ) / T ( x, y) (10 x 7 y, 7 x 4 y)
d) T L( R 2 ) / T ( x, y) (4 x y, x 2 y)
e) T L( R 3 ) / T ( x, y, z) (5x 5 y 9 z, 8x 9 y 18z, 2 x 3 y 7 z)
f)
T L( R 3 ) / T ( x, y, z) ( x 3 y 9 z, 5 y 18z, 2 y 7 z)
g) T L( R 4 ) / T ( x, y, z, w) ( x, y w, z w, 7 y 7 z w)
h) T L( R 4 ) / T ( x, y, z, w) (2 x z, 2 y z, 2 z, 2w)
i)
T L( R 4 ) / T ( x, y, z, w) (3x, x 3 y, y 3z 2w, 2 y 3w)
j)
T L( R 4 ) / T ( x, y, z, w) ( x 2w, y w, z 3w, x 2 y w)
17. Sea P3 [t ] el R-espacio vectorial de los polinomios con coeficientes en R e

indeterminada t de grado menor o igual que 3. Sea T L( P3 [t ]) definida como
T (a0 a1t a2 t 2 a3t 3 ) a0 (3a0 a1 )t (6a1 a2 )t 2 (9a2 a3 )t 3

Hallar la representacin matricial ms simple de T y la base B que permite
obtener dicha representacin matricial.
128

---------------------------------------------------------------------------------------------------------EL TEOREMA DE LA DESCOMPOSICIN PRIMARIA
En esta seccin se estudiarn las trasformaciones lineales con ms de un valor propio de

multiplicidad algebraica mayor que uno.
Teorema.- Si V es un K-espacio vectorial de dimensin finita y T L(V ) , entonces
existen subespacios vectoriales X e Y de V tales que
1.
X e Y son invariantes por T.
2.
T | X L( X ) es nilpotente y T |Y L(Y ) es inversible.
3.
V X Y
Prueba
En primer lugar, hay que construir los subespacios X e Y de la forma siguiente.
Consideremos la sucesin decreciente de subespacios vectoriales
V Im(T ) Im(T 2 )
Como V es de dimensin finita, debe existir un r N tal que Im(T r ) Im(T r 1 ) . Sea k
el menor nmero natural tal que Im(T k ) Im(T k 1 ) .
Afirmacin 1.- Im(T k ) Im(T j ); j k .
En efecto, para j k 2 se tiene
Im(T k 2 ) T (Im(T k 1 )) T (Im(T k )) Im(T k 1 ) Im(T k )
Im(T k 2 ) Im(T k )
De esta manera, usando induccin se demuestra la afirmacin 1.

Ahora consideremos la sucesin creciente de subespacios vectoriales
Nu(T ) Nu(T 2 ) V
Como la dimensin de V es finita, debe existir un r N tal que Nu (T r ) Nu(T r 1 ) .

Sea k el menor nmero natural tal que Nu (T k ) Nu (T k 1 ) .
Afirmacin 2.- Nu(T k ) Nu(T j ); j k .
En efecto, para j k 1 se tiene
dim Nu(T k 1 ) dim V dim(Im(T k 1 ))
dim V dim(Im(T k )) , por la afirmacin 1
dim Nu (T k )
Nu(T k 1 ) dim Nu(T k )
129

---------------------------------------------------------------------------------------------------------De esta manera, usando induccin se demuestra la afirmacin 2.
Sea X Nu (T k ) e Y Im(T k ) . Es claro que X e Y son subespacios vectoriales de V
invariantes por T. Adems, T | X L( X ) es nilpotente, puesto que T k ( x) , x X .
Afirmacin 3.- T |Y L(Y ) es inversible. En efecto, ntese que
T (Y ) T (Im(T k )) Im(T k 1 ) Im(T k ) Y
Es decir, T es sobreyectiva, luego T es un isomorfismo.

Afirmacin 4.- V X Y .
i)
Probaremos que V X Y .
En efecto, sea v V , entonces T k (v) Im(T k ) Im(T 2k ) , luego existe un w V tal

que T k (v) T 2k (w) y escribiendo v (v T k (w)) T k (w) .
Ntese que, T k (v T k (w)) T k (v) T 2k (w) ; es decir v T k (w) Nu(T k ) X y
desde que T k (w) Im(T k ) Y .
ii) Ahora, probaremos que X Y { } .
En efecto, se cumple
dim X dim Y dim( X Y ) dim( X Y )

dim V dim( X Y )
(1)
dim V dim Im(T k ) dim Nu (T k )

dim X dim Y
(2)
Adems,
y por consiguiente, X Y { }
De i) y ii) se cumple la afirmacin 4.
Teorema.- Sea V
un K-espacio vectorial de dimensin finita, T L(V ) y n0 la
multiplicidad algebraica del valor propio 0 de T. Si V X Y es la descomposicin

dada en el teorema anterior, entonces
1.
dim X n0
2.
X Nu (T n0 ) e Y Im(T n0 )
Prueba
Denotando por T1 T | X L( X ) y T2 T |Y L(Y ) . Como T1 L( X ) es nilpotente,
entonces su nico valor propio es cero, con multiplicidad algebraica m dim X , luego
su polinomio caracterstico pT1 viene dado por pT1 ( ) m .
130

---------------------------------------------------------------------------------------------------------Por otro lado, T2 L(Y ) es inversible, luego el cero no es un valor propio de T2 , de
esta manera el polinomio caracterstico de T L(V ) , se puede expresar como
pT ( ) pT1 ( ) pT2 ( ) m pT2 ( )
Por otro lado de la hiptesis se tiene que pT ( ) n0 q( ) , donde q(0) 0 . Se sigue

entonces que n0 m dim X . Con lo cual se demuestra la parte 1) del teorema.
Por otro lado, como T1 L( X ) es nilpotente y dim X n0 , entonce el ndice de T1
T1n0 0 y
debe ser n0 . Se sigue que
por tanto, si x X , entonces
T n0 ( x) T1n0 ( x) , es decir x Nu (T n0 ) , de esta manera, X Nu (T n0 ) . Para probar
el otro contenido, sea v Nu (T n0 ) V , entonces v x y
donde
x X , y Y .
Como x X entonces T n0 ( x) , luego
T n (v) T n ( x y) T n ( x) T n ( y) T n ( y) T n ( y)
0
y como T |Y es inversible, concluimos que y , luego v x X
y por tanto
Nu (T n0 ) X .
Finalmente, para probar que Y Im(T n0 ) observamos que T2 L(Y ) es inversible

luego, T2n0 L(Y ) , luego si y Y entonces existe x Y tal que T n0 ( x) y , es decir
y Im(T n0 ) . De esta manera, Y Im(T n0 ) . Sea w Im(T n0 ) , entonces existe v V tal

que w T n0 (v) . Como v V , entonces v x y donde x X e y Y , luego
w T n0 (v) T n0 ( x) T n0 ( y) T2 0 ( y) Y
n
es decir Im(T n0 ) Y .
Observacin.- Los dos teoremas anteriores nos dicen que si V es un K-espacio vectorial
de dimensin finita, T L(V ) y n0 es la multiplicidad algebraica del valor propio 0 de
T, entonces
V Nu(T n0 ) Im(T n0 ) y dim Nu (T n0 ) n0
En el caso que 0 no es valor propio de T, entonces n0 0 .

Proposicin.- Sea V un K-espacio vectorial de dimensin finita T L(V ) . Si 0 K
es un valor propio de T de multiplicidad algebraica d 0 , entonces 0 es un valor propio de
T 0 I de multiplicidad algebraica d 0 .
Prueba
131

---------------------------------------------------------------------------------------------------------Denotando por T0 T 0 I , se tiene
pT0 ( ) det(T0 I ) det(T ( 0 ) I ) pT ( 0 )

Tomando extremos se tiene
pT0 ( ) pT ( 0 )
(1)
como 0 K es un valor propio de T de multiplicidad algebraica d 0 , entonces
pT ( ) ( 0 ) d0 q( ) con q(0 ) 0
luego por la relacin (1)
pT0 ( ) pT ( 0 ) ( ( 0 ) 0 ) d0 q( 0 ) d0 q( 0 ) d0 r ( )
donde r ( ) q( 0 ) , luego r (0) 0 . De esta forma, concluimos 0 es un valor
propio de T0 de multiplicidad d 0 .
Teorema.- [Teorema de la descomposicin Primaria]
Sea V un K-espacio vectorial de dimensin finita y T L(V ) . Sean 1 , , k K los
valores propios distintos de
respectivamente.
Si
denotamos
con multiplicidades algebraicas
d 1 , , d k ,
W1 Nu ((T 1 I ) d1 ), , Wk Nu ((T k I ) d k ) ,
entonces
1.
dim W1 d1 , , dim Wk d k
2.
V W1 Wk
Prueba
Sea T j T j I , donde j 1, , k . Por la proposicin anterior, 0 es un valor propio
de T j de multiplicidad d j y dim W j d j . Se sigue que
dim V dim W1 dim Wk
Solo falta probar que V W1 Wk , para ello de la hiptesis se tiene que
pT ( ) ( 1 ) d1 ( k ) d k
Definimos el polinomio
q j ( ) ( i ) di
i j
Es claro que q1 ,, qk son coprimos, luego existen polinomios r1 ,, rk tal que

q1 ( )r1 ( ) qk ( )rk ( ) 1
De esta manera,
132

---------------------------------------------------------------------------------------------------------q1 (T )r1 (T ) qk (T )rk (T ) I
Sea v V , definimos
v j q j (T )r j (T )(v) , ntese que v j Im(q j (T )) y se cumple

v I (v) [q1 (T )r1 (T ) q k (T )rk (T )](v)
q1 (T )r1 (T )(v) q k (T )rk (T )(v)
v1 v k
Por el teorema de Cayley-Hamilton, se tiene que
T j j q j (T ) (T j I ) j q j (T )
d
(T j I )
dj
(T I )
di
i j
pT (T )
0
Es decir, Im(q j (T )) Nu (T j j ) Nu((T j I ) j ) W j y desde que v j Im(q j (T ))
d
entonces v j W j . As v v1 vk con v1 W1 , , vk Wk . Esto prueba que

V W1 Wk
y como dim V dim W1 dim Wk se concluye que V W1 Wk .
Observaciones.
1.
Sea j K valor propio de
T L(V ) de multiplicidad algebraica
d j . El
subespacio Nu ((T j I ) j ) es llamado subespacio propio generalizado de T

d
asociado al valor propio j
Ed j (T , j ) . Cuando
y se denota por
d j 1,
entonces E1 (T , j ) E (T , j ) .
2.
Por el teorema de descomposicin primaria se tiene que dim Ed j (T , j ) d j ,
j 1, , k y V Ed1 (T , 1 ) Ed k (T , k ) .
3.
Ed j (T , j )
es
invariante
por
T.
En
efecto,
es
fcil
ver
que
(T j I )T T (T j I ) , luego por induccin se llega a probar que

(T j I ) n T T (T j I ) n ; n N . De esta manera, si
x Ed j (T , j ) ,
entonces (T j I ) j ( x) , luego T ((T j I ) j ( x)) (T j I ) j (T ( x)) ;

d
es decir T ( x) Nu ((T j I ) j ) Ed j (T , j ) .
d
133

---------------------------------------------------------------------------------------------------------Ejemplo.- Sea T L( R 3 ) definida por
T ( x, y, z) ( x 2 y 2 z, x 2 y z, x y 4 z)
Su matriz asociada, en la base cannica R 3 es
1 2 2
A 1 2 1
1 1 4
Calculando el polinomio caracterstico,
1
pT ( ) 1
2
2
2
1 ( 3) 2 ( 1)
Luego, los valores propios de T son 3 de multiplicidad algebraica 2 y 1.

Calculando los espacios propios
Para 3
2x 2 y 2z 0
2 2 2 x 0
1 1
1 y 0 x y z 0 x y z
1 1 1 z 0
x y z 0
E 2 (T ; 3) Nu (3I T ) 2 { ( x, y, z ) R 3 / x y z }
{ ( y z , y, z ) / y, z R }
{ ( y, y, 0) ( z, 0, z ) / y, z R }
L{ (1, 1, 0), (1, 0, 1) }
Para 1
2 y 2z 0
0 2 2 x 0
1 1 1 y 0 x y z 0 y z

x 2z
1 1 3 z 0
x y 3z 0
E1 (T ; 1) Nu ( I T ) { ( x, y, z ) R 3 / x 2 z, y z }
{ (2 z, z, z ) / z R }
L{ (2, 1, 1) }
Se verifica que
R 3 E2 (T ; 3) E1 (T ; 1)
Adems, T (2, 1, 1) (2, 1, 1) ; es decir T ( E2 (T ; 1)) E2 (T ; 1) y
T (1, 1, 0) (3, 3, 0) 3(1, 1, 0); T (1, 0, 1) (3, 0, 3) 3(1, 0, 1) ; es decir
T ( E1 (T ; 3)) E1 (T ; 3) . Por ltimo si consideramos la base ordenada

B { (1, 1, 0), (1, 0, 1) , (2, 1, 1) }
134

----------------------------------------------------------------------------------------------------------
T (1, 1, 0) (3, 3, 0) 3(1, 1, 0) 0 (1, 0, 1) 0 (2, 1, 1)

T (1, 0, 1) (3, 0, 3) 0(1, 1, 0) 3 (1, 0, 1) 0 (2, 1, 1)
T (2, 1,1) (2, 1,1) 0(1, 1, 0) 0 (1, 0, 1) 1(2, 1, 1)
3 0 0
[ T ]B 0 3 0
0 0 1
T ( x, y, z) ( x 4 y, y, x 2 y z)
Su matriz asociada, en la base cannica R 3 es
1 4 0
A 0
1 0
1 2 1
Calculando el polinomio caracterstico,
1
pT ( )
4
1
0
0
( 1) 2 ( 1)
Luego, los valores propios de T son 1 de multiplicidad algebraica 2 y -1.

Calculando los subespacios propios generalizados.
Para 1
2 4 0 x 0
0
0 0 y 0 x 2 y 0 x 2 y ,
1 2 0 z 0
z puede tomar cualquier valor.
E 2 (T ; 1) Nu ( I T ) 2 { ( x, y, z ) R 3 / x 2 y }
L{ (2, 1, 0), (0, 0, 1)}
Para 1
4y 0
0 4 0 x 0
y0
0 2 0 y 0
2
y

x 2 z
1 2 2 z 0
x 2 y 2 z 0
E1 (T ; 1) Nu ( I T ) { ( x, y, z ) R 3 / y 0, x 2 x }
L{ (2, 0, 1)}
Se verifica que R 3 E2 (T ; 1) E1 (T ; 1) .
Adems, T (2, 0, 1) (2, 0, 1) 1(2, 0, 1) ; es decir T ( E1 (T ; 1)) E1 (T ; 1) y
135

----------------------------------------------------------------------------------------------------------
T (2, 1, 0) (2, 1, 0); T (0, 0, 1) (0, 0, 1) ; es decir T ( E1 (T ; 1)) E1 (T ; 1) . Por ltimo

si consideramos la base ordenada de R 3 .
B { (2, 1, 0), (0, 0, 1) , (2, 0, 1) }
T ( 2, 1, 0) (2, 1, 0) 1(2, 1, 0) 0 (0, 0, 1) 0 (2, 0, 1)

T ( 0, 0, 1) (0, 0, 1) 0(2, 1, 0) 1(0, 0, 1) 0 (2, 0, 1)
T (2, 0,1) (2, 0, 1) 0(2, 1, 0) 0 (0, 0, 1) 1(2, 0, 1)
1 0 0
[ T ]B 0 1 0
0 0 1
La forma cannica de Jordan
En la presente seccin, se probar que para todo operador T L(V ) que tiene todos sus
valores propios en K (repetidos o no), existe una base B de V tal que la matriz asociada
a T en esta base es una matriz diagonal por bloques, cuyos bloques son bastante simples
y solo dependen de los valores propios. Para tratar lo descrito anteriormente,
empezaremos dando la siguiente definicin
Definicin.- Sea K y m Z , la matriz
1 0 0 0
0 1 0 0
0 0 0 0
mm
J ( ; m) I m
K

0 0 0 1
0 0 0 0
es llamado bloque elemental de Jordan de orden m asociado al escalar .
Si m1 , m2 , , mr Z entonces la matriz diagonal por bloques
J (; m1 , m2 , , mr ) diag[ J (; m1 ), J (; m2 ), , J (; mr )] K mm
(donde m m1 m2 mr ), es llamada bloque de Jordan compuesto asociado al

escalar y los enteros positivos m1 m2 mr .
Ejemplo 1. La matriz
1
J ( ; 2)
0
Es un bloque elemental de orden 2, mientras que
136

----------------------------------------------------------------------------------------------------------
1 0
J ( ; 3) 0 1
0 0
es un bloque elemental de orden 3.
El bloque de Jordan compuesto J (; 1, 1) K 22 es la matriz
0
J ( ; 1, 1)
K 22
0
Los bloques de Jordan compuestos J (; 1, 1, 1), J (; 2, 1) K 33 estn dados por
0 0
1 0
J ( ; 1, 1, 1) 0 0 , J ( ; 2, 1) 0 0
0 0
0 0
Sea V un K-espacio vectorial de dimensin n y T L(V ) tal que todos sus valores
propios 1 , , s (de multiplicidad algebraica d1 , , d s respectivamente) estn en K.
Por el teorema de la descomposicin primaria se tiene que
V Ed1 (T , 1 ) Ed s (T , s )
Donde dim Ed j (T , j ) d j y E d j (T , j ) son subespacios invariantes por T.
Ntese que Tj j I (T j I ) |Ed (T , j ) L( Ed j (T , j ) es nilpotente (puesto que por
j
definicin Ed j (T , j ) Nu ((T j I ) j ) . Denotando, por
d
kj
a su ndice de
nilpotencia , por el corolario1 del teorema de la forma cannica para transformaciones

nilpotentes, se tiene que existe una base Bj de E d j (T , j ) tal que
[T j j I ]B j diag[ k j ,1 , k j , 2 , , k j , r j ]
donde k j k j ,1 k j , 2 k j , r j 1 y k j ,1 k j , 2 k j , r j d j .
Como [T j j I ]Bj [T j ]Bj j I , de (1) se tiene
[T j ]Bj diag [ j I k j ,1 , j I k j , 2 , , j I k j , r j ]
diag [ J ( j ; k j ,1 ), J ( j ; k j , 2 ), , J ( j ; k j , r j )]
J ( j ; k j , 1 , k j , 2 , , k j , r j ) K
d j d j
Finalmente, si consideramos
B B1 B2 B s
Entonces B es una base ordenada para V y
137
(1)

---------------------------------------------------------------------------------------------------------[ T ]B diag [ [T1 ]B1 , , [Ts ]Bs ]
diag [ J ( j ; k j ,1 , k j , 2 , , k j , r j )]
diag [ J (1 ; k1,1 , k1, 2 , , k1, r1 ), , J ( s ; k s ,1 , k s , 2 , , k s , rs )]
La matriz diagonal por bloques es llamada forma cannica de Jordan de la

transformacin lineal T. Resumimos los resultados obtenidos en el siguiente teorema.
Teorema.- [Forma cannica de Jordan]
Sea V un K-espacio vectorial de dimensin n y T L(V ) . Si 1 , , s K son los
valores propios distintos de T con multiplicidad algebraica d1 , , d s respectivamente,
[ T ]B diag[ J (1; k1,1, k1, 2 ,, k1, r1 ), , J (s ; ks ,1, ks , 2 ,, ks , rs )]

donde
k j k j ,1 k j , 2 k j , r j 1, k j ,1 k j , 2 k j , r j d j ( j 1, , s) y
d1 d 2 d s n .
Ejemplo.-Sea T L( R 3 ) definida por
T ( x, y, z) ( x 2 y 2 z, x 2 y z, x y 4 z)
De un ejemplo ya visto, en la base B {(2, 1, 1), (1, 1, 0), (1, 0, 1)} tiene la forma
cannica de Jordan de T es
T (2, 1,1) (2,1, 1) 1(2, 1, 1) 0(1, 1, 0) 0(1, 0, 1)

T (1, 1, 0) (3, 3, 0) 0(2, 1, 1) 3(1, 1, 0) 0(1, 0, 1)
T (1, 0, 1) (3, 0, 3) 0(2, 1, 1) 0(1, 1, 0) 3(1, 0, 1)
1 0 0
[ T ]B 0 3 0 diag [ J (1; 1), J (3; 1), J (3; 1)]
0 0 3
Ejemplo.-Sea T L( R 4 ) definida por
T ( x, y, z, w) (3x 3 y w, 2 y, 4 y z, 2 x y)
Su matriz en la base cannica de R 4 es
3 3
0 2
A
0 4
2 1
0 1
0 0
1 0
0 0
Calculando su polinomio caracterstico se tiene
138

---------------------------------------------------------------------------------------------------------pT ( ) ( 1) 2 ( 2) 2
Luego, los valores propios de T son 1 y 2, ambos de multiplicidad algebraica 2.

Haciendo los clculos se obtiene
E 2 (T ; 1) Nu (( I T ) 2 ) { ( x, y, z, w) R 4 / w 2 x, y 0}
{ (a, 0, b, 2a) / a, b R }
L{ (1, 0, 0, 2), (0, 0, 1, 0)}
E 2 (T ; 2) Nu ((2 I T ) 2 ) { ( x, y, z, w) R 4 / z 4 y, w x 4 y }
{ (a, b, 4b, a 4b) / a, b R }
L{ (1, 0, 0, 1), (0, 1, 4, 4)}
Ahora bien, sabemos que N1 ( I T ) | E2 (T ;1) L( E2 (T ; 1)) es nilpotente y como
N ( x, y, z, w) (T I )( x, y, z, w)
(2 x 3 y w, y, 4 y, 2 x y w)
Se tiene que
N1 (a, 0, b, 2a) (0, 0, 0, 0); (a, 0, b, 2a) E2 (T ; 1)
es decir N1 0 y por lo tanto, T1 I .

As, en E2 (T ; 1) , T es diagonalizable, luego es suficiente considerar la base
1 0
B1 { (1, 0, 0, 2), (0, 0, 1, 0)} de E2 (T ; 1) y MB1
0 1
Por otro lado N2 (2I T ) |E2 (T ; 2) L( E2 (T ; 2)) es nilpotente y como
N ( x, y, z, w) (T 2 I )( x, y, z, w)
( x 3 y w, 0, 4 y z, 2 x y 2w)
Se tiene que
N2 (a, b, 4b, a 4b) (7b, 0, 0, 7b)

En este caso N 2 L( E2 (T ; 2)) es nilpotente de ndice 2. Por la forma cannica de las
transformaciones nilpotentes, debemos tomar un vector
(a, b, 4b, a 4b) L( E2 (T ; 2)) tal que N 2 (a, b, 4b, a 4b) (0, 0, 0, 0) , por ejemplo
u (0, 1, 4, 4) (haciendo a 0
b 1)
y considerando la base ordenada de
0 1
E2 (T ; 2) , B2 { N2 (u), u } {(7, 0, 0, 7), (0, 1, 4, 4)} , se tiene MB2
.
0 0
De esta manera, considerando la base ordenada
B B1 B2 {v1, v2 , v3 , v4} {(1, 0, 0, 2), (0, 0, 1, 0), (7, 0, 0, 7), (0, 1, 4, 4)}
139

---------------------------------------------------------------------------------------------------------de E2 (T ; 1) E2 (T ; 2) R 4 .
T (v1 ) (1, 0 , 0 , 2 ) 1v1 0v 2 0v3 0v 4

T (v 2 ) ( 0 , 0 , 1, 0) 0v1 1v 2 0v3 0v 4
T (v3 ) (14, 0, 0,14) 0v1 0v 2 2v3 0v 4
T (v 4 ) ( 7, 2, 8, 1) 0v1 0v 2 1v3 2v 4
Luego,
1
0
[T ]B
0
0 0 0
1 0 0
0 2 1
0 0 2
Es la forma cannica de Jordan.

Forma Cannica de Jordan Real
A continuacin, consideraremos el caso de una transformacin lineal que tiene algn Cvalor propio de multiplicidad algebraica mayor que 1.
Sea V un R-espacio vectorial de dimensin n y T L(V ) . Sean 1 , , r R valores
propios de T con multiplicidades algebraicas d1 , , d r y 1 , 1 , s , s C-valores
propios
de
con
multiplicidad
algebraica
m1 , m1 , , ms , ms
tal
que
d1 d r 2m1 2ms n .
Considerando el complejificado TC de multiplicidades d1 ,, d r , m1 , m1 , , ms , ms ,

respectivamente. Por el teorema de la forma cannica de Jordan, existe una base BC
de VC
tal que [TC ]BC diag[ J (1 ), , J (r ), J (1 ), J (1 ), J (s ), J ( s )] C nn
donde J (1 ) diag[ J (1 ; k1,1 , , k1, r1 ) ] con k1,1 k1, r1 1 y k1,1 k1, r1 d1 .

Ahora identificaremos esta matriz compleja con una matriz real.
Lema.- Sea V un R-espacio vectorial de dimensin 2m, T L(V ) tal que TC L(VC )
tiene valores propios a ib, a ib ambos tienen multiplicidad algebraica m. Si
BC { x1 iy1, , xm iym , x1 iy1, , xm iym} es una base ordenada de VC tal que
[ TC ]BC diag [ J ( , m), J ( , m) ] C 2 m 2 m

diag [ I m , I m ]
Entonces, B { x1 , y1 , , xm , y m } es una base ordenada de V y
140

--------------------------------------------------------------------------------------------------------- a
b
0
[ T ]B
0
0
0
0
0 0 0
a
0
0
a
1 0 0
b 1 0
0 b a 0 1
0
0
0
0
0 0 0
0 0 0
0 0 0
0 0 0
0
0 0
0 0
0 0

1 0
0 1
a b
b a
0
Prueba.
La demostracin que B es base de V, es anlogo a la realizada cuando se estudi la
matriz asociada al complejificado de una transformacin lineal. Adems, por hiptesis
tenemos
TC ( x1 iy1 ) ( x1 iy1 ) ; donde a ib
TC ( x 2 iy 2 ) ( x1 iy1 ) ( x 2 iy 2 )
TC ( x m iy m ) ( x m1 iy m1 ) ( x m iy m )
Operando para el primero se tiene

TC ( x1 iy1 ) (ax1 bi)( x1 iy1 ) T ( x1 ) iT ( y1 ) (ax1 by1 ) i(bx1 ay1 )
T ( x1 ) ax1 by1 ; T ( y1 ) bx1 ay1

Luego, realizando los clculos de la misma manera para los restantes se obtiene
T ( x1 ) ax1 by1
T ( y1 ) bx1 ay1
T ( x 2 ) x1 ax 2 by 2
T ( y 2 ) y1 bx 2 ay 2
T ( x m ) x m 1 ax m by m
T ( y 2 ) y m 1 bx m ay m
Del cual se obtiene la matriz deseada.
Denotemos por
141

--------------------------------------------------------------------------------------------------------- a
b
0
J R (a, b; 2m)
0
0
0
0
0 0 0
a
0
0
a
1 0 0
b 1 0
0 b a 0 1
0
0
0
0
0 0 0
0 0 0
0 0 0
0 0 0
0
0 0
0 0
0 0

1 0
0 1
a b
b a
0
J R (a, b; 2m) es llamado bloque de Jordan real elemental de orden 2m asociado a a, b.

Retornando a nuestro problema inicial, sean
B1 { u11 i 0, , u 1d1 }, , Br { u1r i 0, , u dr r },

B1,1 { x11 iy11 , , x1m1 iy 1m1 }, B1, 2 { x11 iy11 , , x1m1 iy 1m1 }, ,
Bs ,1 { x1s iy1s , , x ms s iy ms s }, Bs , 2 { x1s iy1s , , x ms s iy ms s }
bases de B
Ed1 (T , 1 ), , Ed r (T , r ), Em1 (T ; 1 ), Em1 (T ; 1 ), , Ems (T ; s ), Ems (T ; s )

tales que en la base ordenada
B B1 Br B1,1 B1, 2 Bs ,1 Bs , 2
de
VC Ed1 (T , 1 ) Ed r (T , r ) Em1 (T ; 1 ) Em1 (T ; 1 ) Ems (T ; s ) Ems (T ; s )

se tiene
[ T ]BC diag[ J (1 ), , J (r ), J (1 ), J (1 ), , J ( s ), J ( s ) ]
Considerando la R-base ordenada de V, se tiene
B B1 Br { x11 , y11 , , x1m1 , y1m1 } { x1s , y1s , , xms s , y ms s }

Denotando 1 a1 ib1 , , s as ibs por el lema anterior se tiene
[ T ]B diag[ J (1 ), , J (r ), J R (a1 , b1 ), , J R (as , bs )] R nn

donde
J R (a j , b j ) diag[ J R (a j , b j ; k j ,1 ), , J R (a j , b j ; k j , l j ) ]
donde k j ,1 k j , l j 1 y k j ,1 k j , l j 2m j .
Los resultados descritos, se resumen en el siguiente teorema.
142

---------------------------------------------------------------------------------------------------------Teorema.- [Forma cannica de Jordan Real]
Sea V un R-espacio vectorial de dimensin n y
valores
propios
de
de
T L(V ) . Si 1 , , r R son los
multiplicidades
algebraicas
d1 , , d r
1 a1 ib1 , 1 a1 ib1 , , s as ibs , s as ibs C-valores propios de T con

multiplicidad algebraica m1, m1, , ms , ms donde d1 d r 2m1 2ms n ,
[ T ]B diag[ J (1 ), , J (r ), J R (a1 , b1 ), , J R (as , bs )] R nn

Donde J (1 ) J (1 ; k1,1 , k1, 2 , , k1,r1 ) con k1,1 k1, 2 k1,r1 1 ,
k1,1 k1, 2 k1,r1 d1 , etc.

Ejemplo.- Sea V un R-espacio vectorial de dimensin 3 y T L(V ) . Determinar todas
las posibles formas cannicas (reales) de T.
Desde que el polinomio caracterstico de T es de grado 3 y tiene coeficientes reales, se
presentan los siguientes casos:
Caso 1.- Las tres races son reales y distintas, digamos 1 , 2 y 3 . Se tiene
1
J 0
0
2
0
0
0
3
Caso 2.- Dos races reales 1 , 2 , una de ellas, digamos 2 de multiplicidad 2.
1
J 0
0
2
0
0
1 0
0 o J 0 2
0 0
2
0
1
2
Caso 3.- Una nica raz de multiplicidad 3.

0 0
1 0
1 0
J 0 0 o J 0 0 o J 0 1
0 0
0 0
0 0
Caso 4.- Una raz real y las otras complejas conjugadas a ib y a ib .

0 0
J 0 a b
0 b a
143

---------------------------------------------------------------------------------------------------------OPERADORES LINEALES EN ESPACIOS CON PRODUCTO INTERNO
Sea (V ; , ) un R-espacio vectorial con producto interno.
Recordemos, por ejemplo el espacio dual V * L(V , R) { f : V R / f es lineal }
El producto interno sobre V permite definir un conjunto amplio de funciones lineales.
En efecto, fijando v V se define la aplicacin
f v : V R como f v (v) v , v
De la definicin de producto interno se sigue f v V * .

Teorema.- Sea (V ; , ) un R-espacio vectorial con producto interno. La definicin
: V V * definida por (v) f v es un isomorfismo.

Prueba
En principio demostraremos la linealidad de .
Sean v, v V y , R . Dado v V se tiene
(v v )(v) f v v (v)
v v , v
v , v v , v
f v (v) f v (v)
(f v f v )(v)
( (v ) (v ))(v), v V
Luego, tomando extremos
(v v) (v) (v)
Ahora hay que probar que es inyectiva.
Sean v, v V tales que (v) ( v)
v, v f v (v) (v)(v) (v)(v) f v (v) v , v
Tomando extremos
v, v v , v
v, v v , v 0 v v , v 0; v V
v v 0 v v
Como V es un R-espacio vectorial de dimensin finita, se tiene que es tambin
suryectiva y en consecuencia es un isomorfismo.
A modo de ejercicio, demostrar
144

---------------------------------------------------------------------------------------------------------Proposicin.- Sea (V ; , ) un R-espacio vectorial con producto interno. Dado f V *
existe un nico v v( f ) V tal que f f v .
Sean (V ; , ) y (W ; , ) dos R-espacios vectoriales con producto interno, ambos
de dimensin finita y T L(V , W ) . Se trata de probar la existencia de un operador
lineal T * L(W , V ) tal que
T (v), w v, T * (w) ; w W
(1)
Fijando un w W , definimos
f : V R como f (v) T (v), w

De la definicin de f se tiene que
f V * , luego por la proposicin anterior existe un
nico w* V (que depende de w) tal que f f w* , es decir

T (v), w w* , v ; v V
Luego se puede definir
T * :W V
como
T * ( w) w* . Con esta definicin se
satisface la relacin (1).

Ahora, hay que demostrar la linealidad de T * . En efecto, sean w1, w2 W
v, T * ( w1 w2 ) T (v), w1 w2
T (v), w1 T (v), w2
v, T * ( w1 ) v, T * ( w2 )
v, T * ( w1 ) T * ( w2 )
Tomando extremos, v, T * (w1 w2 ) v, T * (w1 ) T * (w2 ) ; v V
Entonces, T * (w1 w2 ) T * (w1 ) T * (w2 )
Ahora hay que demostrar la homogeneidad. Sean R, w W
v, T * (w) T (v), w
T (v), w
v, T * ( w)
v, T * ( w)
Tomando extremos, v, T * (w) v, T * (w) ; v V .
Entonces T * (w) T * (w) .
Luego, T * es una transformacin lineal y adems es nico. En efecto, si suponemos que
existe S L(W , V ) tal que
v, T * (w) T (v), w v, S (w) ; v V , w W
145

----------------------------------------------------------------------------------------------------------
S T*
El operador T * L(W , V ) es llamado adjunto de T L(V , W ) .
Teorema.- Sean (V ; , ) y (W ; , ) dos R-espacios vectoriales con producto
interno de dimensiones
m y n respectivamente y sea
T L(V , W ) . Si
B { w1 , , wn } son bases ortonormales de V
B { v1 , , vm } y
y W
respectivamente, entonces
B T
[ T * ]B
B ([ T ]B )
Prueba
m n
n m
Denotemos por A [ T ]B
y B [ T * ]B
que se obtiene a
B [ brl ] R
B [ aij ] R
partir de
n
T (v j ) aij wi ; j 1, , m y
i 1
n
T * ( wl ) brl vr ; l 1, , n
r 1
De la ortogonalidad de ambas bases se tiene

n
r 1
l 1
b ji v j , bri vr v j , T * ( wi ) T (v j ), wi alj wl , wi aij

Tomando extremos b ji aij ; i , j . Luego, B AT .
Ejemplo.- Dado T L( R 3 ) ; definida como T ( x, y, z) ( x 2 y, 3x 4 z, y )
Considerando la base cannica de R 3 ,
1 2 0
1 3 0
T
A 3 0 4 B A 2 0 1
0 1 0
0 4 0
1 3 0 x x 3 y
2 0 1 y 2 x z
0 4 0 z 4 y
Luego, T * ( x, y, z ) ( x 3 y, 2 x z, 4 y )
Teorema.- Sean
(V ; , )
(W ; , ) dos R-espacios vectoriales con producto
interno de dimensiones finitas, I L(V ) , T , S L(V , W ) y R . Se cumple las

siguientes propiedades:
1.
I* I
146

---------------------------------------------------------------------------------------------------------2.
(T S )* T * S *
3.
(T ) * T *
4.
(T * ) * T
Prueba
1.
Dado v V
v, I * (v) I (v), v v, v v, I (v)
Luego, como v, I * (v) v, I (v); v V se tiene que I * I .

2.
v, (T S )* (w) (T S )(v), w
T (v) S (v), w
T (v), w S (v), w
v, T * ( w) v, S * ( w)
v, T * ( w) S * ( w)
v, (T * S * )( w)
Tomando extremos se tiene que
v, (T S )* (w) v, (T * S * )(w); w W
y en consecuencia (T S ) * T * S * .
Como ejercicio completar la demostracin de 3) y 4).
Teorema.- Sean (V ; , ) , (U ; , ) y (W ; , ) tres R-espacios vectoriales con
producto interno, todas con dimensiones finitas, T L(V , U )
Entonces
(S T )* T * S *
Prueba
v, ( S T ) * ( w) ( S T )(v), w
S (T (v)), w
T (v), S * ( w)
v, T * ( S * ( w))
v, (T * S * )( w)
Luego, tomando extremos se tiene

v, (S T )* (w) v, (T * S * )( w) ; w W
y en consecuencia (S T ) * T * S * .
147
S L(U , W ) .

---------------------------------------------------------------------------------------------------------Operadores Autoadjuntos
Sea (V ; , ) un R-espacio vectorial con producto interno de de dimensin finita. Se
dice que T L(V ) es autoadjunto si y solo si T T * . Es decir,
T (v), w v, T (w); v, w V
Teorema.- Sea (V ; , ) un R-espacio vectorial con producto interno de dimensin
finita. Si T , S L(V ) son autoadjuntos y R , entonces se cumple:
1.
T S es autoadjunto.
2.
T es autoadjunto
3.
T S S T T S es autoadjunto.
Prueba
1.
(T S ) * T * S *
T S
2.
(T ) * T
por ser T y S autoadjuntos.

Por propiedad demostrada
T *
3.
Por una propiedad demostrada
por ser T autoadjunto
( ) Asumiendo que T S S T
(T S )* T * S *
Por el teorema anterior
T S
Por ser T y S autoadjuntos.
( ) Asumiendo que T S es autoadjunto.

T S (T S ) *
S* T *
Por el teorema anterior
S T
Por ser T y S autoadjuntos.
Criterio para determinar si un operador es autoadjunto

Teorema.- Sea (V ; , ) un R-espacio vectorial con producto interno de dimensin m
y B {u1, , um} una base ortonormal de V. T L(V ) es autoadjunto si y solo si
[ T ]B R mm es simtrica.
Prueba
Sea [ T ]B [ aij ] R mm , esto quiere decir
m
T (u j ) a kj u k ; 1 j m
k 1
ntese adems que

148
(1)

---------------------------------------------------------------------------------------------------------m
k 1
k 1
a kj u k , u i a kj u k , u i
(2)
aij
( ) Asumiendo que T L(V ) es un operador autoadjunto.

Se tiene
m
aij a kj u k , u i
Por (2)
T (u j ), ui
Por (1)
u j , T (ui )
Por ser T autoadjunto
k 1
u j,
a
k 1
ki
uk
Por (1)
a ji
Tomando extremos, aij a ji ; 1 i, j m ; por consiguiente [ T ]B [ aij ] es
simtrica.
( ) Asumiendo que [ T ]B [ aij ] es simtrica.

Para cada 1 i, j m , se tiene que
m
aij a ji a kj u k , u i u j ,
k 1
a
k 1
ki
uk
T (u j ), ui u j , T (ui )
m
i 1
j 1
Dados u, v V : u i u i , v j u j , se tiene
m
T (u ), v i T (u i ) ,
i 1
u
j 1
i j T (u i ), u j
i 1 j 1
m
i j u i , T (u j )
i 1 j 1
m
i ui ,
i 1
T (u
j
j 1
i 1
j 1
i u i , T ( j u j )
u , T (v )
149

---------------------------------------------------------------------------------------------------------Ejemplo.-Sea T L( R 3 ) definida como T ( x, y, z) ( x 2 y, 3x 4 z, y) . En la base
cannica B de R 3 que es ortonormal
1 2 0
[ T ]B 3 0 4
0 1 0
La matriz asociada a T en la base B no es simtrica y en consecuencia T no es
autoadjunto.
Proposicin.- Sean (V ; , ) un R-espacio vectorial con producto interno de
dimensin finita y T L(V )
autoadjunto. Si 1 , 2 R son dos valores propios
diferentes de T y u1 , u 2 V sus correspondientes vectores propios, entonces u1 y
u 2 son ortogonales.
Prueba
1 u1 , u 2 1 u1 , u 2
T ( u1 ), u 2
u1 , T (u 2 )
u1 , 2 u 2
2 u1 , u 2
Tomando extremos se tiene
1 u1 , u 2 2 u1 , u 2 (1 2 )u1 , u 2 0
u1 , u 2 0
u1 u 2
Ahora se demostrar que todo operador autoadjunto tiene valores propios reales.
Sean (V ; , ) un R-espacio vectorial con producto interno de dimensin finita.
En VC se define el producto interno como sigue.
a ib, c id C [ a, c b, d ] i[ b, c a, d ]
Como ejercicio demostrar que (VC ; , C ) es un C-espacio vectorial con producto

interno.
dimensin finita. Si T L(V ) es autoadjunto entonces su complejificado TC L(VC )
tambin es autoadjunto.
Prueba
150

---------------------------------------------------------------------------------------------------------Sea z a ib, w c id VC . Se cumple
TC ( z ) , w C TC (a ib ), c id C
T (a) iT (b), c id C
[ T (a), c T (b), d ] i[ T (b), c T (a), d ]
[ a, T (c) b, T (d ) ] i[ b, T (c) a, T ( d ) ]
a ib, T (c) iT (d ) C
a ib, TC (c id ) C
z, TC (w) C
Luego, TC es autoadjunto.
dimensin finita. Si T L(V ) es autoadjunto entonces sus valores propios son reales.
Prueba
Sea un C-valor propio de T, luego es un valor propio de TC ; en consecuencia
existe u VC no nulo tal que TC (u) u . Se cumple,
u , u C u , u C
TC (u ), u C
u , TC (u ) C
u , u C
u, u C
Tomando extremos,
u, u C u, u C ( ) u, u C 0 0
En consecuencia, como , se tiene que R .

Teorema.- Sea (V ; , ) un R-espacio vectorial con producto interno de dimensin n.
Si N L(V ) es autoadjunto y a la vez nilpotente, entonces N 0 .
Teorema.- Sean (V ; , ) un R-espacio vectorial con producto interno de dimensin
finita y T L(V ) es autoadjunto. Entonces la multiplicidad algebraica de de cada valor
propio de T coincide con su multiplicidad geomtrica.
Prueba.
Sea i R un valor propio de T y de multiplicidad algebraica d i .
Sabemos que dim Edi (T ; i ) dim Nu((T i I ) di ) d i .
151

---------------------------------------------------------------------------------------------------------Por otra parte, al ser T i I nilpotente y adems autoadjunto, por el teorema anterior
se tiene (T i I ) | Ed
(T ; i )
0 . Es decir, (Ti i I ) , luego
Edi (T ; i ) Nu((T i I ) di ) Nu (0) E (T ; i ) .

Del cual, se tiene que dim(T ; i ) d i .
Teorema.-[Teorema espectral para operadores autoadjuntos]
Sean (V ; , ) un R-espacio vectorial con producto interno de dimensin finita y
T L(V ) autoadjunto. Entonces existe una base ortonormal
formada por los
vectores propios de T tal que [T ]B es diagonalizable.

Ejemplo.- Sea T L( R 2 ) tal que T ( x, y) ( y, x) .
La matriz asociada a T en la base cannica es
0 1
A
1 0
pT ( ) 2 1 0 1 1
E (T ; 1) { ( x, y) R 2 / y x } L{ (1, 1)}
E (T ; 1) { ( x, y) R 2 / y x } L{ (1, 1)}
Consideramos la base ortonormal
B {
1
1
(1, 1),
(1, 1)}
2
2
coformada con los
vectores propios de T. La matriz asociada a T en dicha base es
1 0
[ T ]B
0 1
Ejercicio.-Sea T L( R 3 ) definida como
T ( x, y, z) (4 x 2 y 2 z, 2 x 4 y 2 z, 2 x 2 y 4 z)
Hallar una base B donde [T ]B sea diagonal.
152
Formas bilineales y cuadrticas

Formas bilineales
Definicin y propiedades
Sea V un K- espacio vectorial, diremos que la aplicacin:
f : V V K
es una forma bilineal si a, b K; u, v, u1 , u2 , v1 , v2 V se cumplen las
siguientes condiciones:
1. f (u1 + u2 , v) = f (u1 , v) + f (u2 , v)
2. f (u, v1 + v2 ) = f (u, v1 ) + f (u, v2 )
3. f (au, v) = af (u, v)
4. f (a, au) = af (u, v)
Proposicin 1 La aplicacin f : V V K es una forma bilineal si

y solamente si a, b K; u, u1 , u2 , v, v1 , v2 V se cumplen las siguientes
condiciones:
1. f (au1 + bu2 , v) = af (u1 , v) + bf (u2 , v)
2. f (u, av1 + bv2 ) = af (u, v1 ) + bf (u, v2 )
Proposicin 2 Propiedades de las formas bilineales
Sea f : V V K una forma bilineal, entonces se cumple:
1. f (u, ) = f (, v) = 0; u, v V
2. f (u, v) = f (u, v) = f (u, v); u, v V
153
154
3. f
n
X
i=1
ai ui ,
n
X
!
bj vj
j=1
n
X
ai bj f (ui , vj )
i,j=1
ai , bj K; ui , vj V donde i, j = 1, n
Ejemplo 1 Dado un R espacio vectorial V, un producto interno cualesquiera
definido sobre V es una forma bilineal en V. En efecto, un producto interno
definido en V es una aplicacin
h , i : V V R
que satisface las siguientes condiciones:
1. hu + v, wi = hu, wi + hv, wi; u, v, w V
2. hu, vi = hv, ui; u, v V
3. hau, vi = ahu, vi; a R, u, v V
4. u V, hu, ui 0 y hu, ui = 0 u = 0
Ejemplo 2 La aplicacin f : R2 R2 R definida por
f ((x1 , x2 ), (y1 , y2 )) = x2 y1 + x1 y2
es una forma bilineal. En efecto:
f ((x1 , x2 ) + (z1 , z2 ), (y1 , y2 )) =
=
=
=
=
f (a(x1 , x2 ), (y1 , y2 )) =
=
=
=
f ((x1 + z1 , x2 + z2 ), (y1 , y2 ))
(x2 + z2 )y1 + (x1 + z1 )y2
x2 y1 + z2 y1 + x1 y2 + z1 y2
(x2 y1 + x1 y2 ) + (z2 y1 + z1 y2 )
f ((x1 , x2 ), (y1 , y2 )) + f ((z1 , z2 ), (y1 , y2 ))
f ((ax1 , ax2 ), (y1 , y2 ))
ax2 y1 + ax1 y2
a(x2 y1 + x1 y2 )
af ((x1 , x2 ), (y1 , y2 ))
La linealidad en la segunda componente se verifica de manera anloga.
155
Matriz asociada a una forma bilineal

Sea V un R- espacio vectorial de dimensin finita y B = {e1 , , en } una
base de V. Dada la forma bilineal f : V V K, consideramos la matriz
a11 a12 a1n

a21 a22 a2n
A = ..
.. . .
..
.
. .
.
an1 an2 ann
donde
aij = f (ei , ej ); i, j = 1, n
Dados dos vectores cualesquuiera x e y de V ,
x1
x2
[x]B = .. e [y]B =
.
xn
y1
y2
..
.
yn
sus vectores coordenados respectivos, se tiene

f (x, y) = f (
n
X
i=1
xi e i ,
n
X
yj ej ) =
j=1
n
X
xi yj f (ei , ej ) =
i,j=1
n
X
aij xi yj
(1)
i,j=1
escribiendo la relacin (1) matricialmente se tiene
a11 a12 a1n

a21 a22 a1n
f (x, y) = [x1 x2 xn ] ..
.. . .
..
.
. .
.
an1 an2 ann
y1
y2
..
.
yn
Denotando, por
X=
x1
x2
..
.
; Y =
xn
y1
y2
..
.
yn
se obtiene
f (x, y) = X T AY
(2)
Es expresin (2) es llamada ecuacin matricial de la forma bilineal f y

a la matriz A se le llama matriz asociada a la forma bilineal f con respecto
a la base B de V . En lo que sigue veamos algunos ejemplos.
156
Ejemplo 3 Consideremos la forma bilineal dada en el ejemplo 2: f ((x1 , x2 ), (y1 , y2 ) =
x2 y1 + x1 y2 y calculando la matriz asociada a f respecto de la base cannica
a11
a12
a21
a22
= f ((1, 0), (1, 0)) = 0

= f ((1, 0), (0, 1)) = 1
= f ((0, 1), (1, 0)) = 1
= f ((0, 1), (0, 1)) = 0
Luego la matriz asociada f con respecto la base cannica de R2 es

0 1
1 0
Toda matriz cuadrada es la matriz asociada a una forma bilineal en alguna
base. Es decir fijada una base B de V , y dada una A Knn , la ecuacin f (x, y) = X T AY define un forma bilineal f en V cuya matriz asociada
respecto de B es A.
Ejemplo 4 Sea f : R3 R3 R
respecto a la base cannica es
1
0
2
la forma bilineal cuya matriz asociada
0 1
1 0
0 1
Luego, f est dado por
1 0 1
y1
f ((x1 , x2 , x3 ), (y1 , y2 , y3 ) = [x1 x2 x3 ] 0 1 0 y2 =
2 0 1
y3
y1 + y3
= x1 y1 + x1 y3 + x2 y2 + 2x3 y1 + x3 y3
y2
= [x1 x2 x3 ]
2y1 + y3
Matriz asociada y cambio de base

Hay que ver cual es la relacin entre dos matrices que representan a una
misma forma bilineal f en V con respecto a las bases B y B 0 de V. Sea P la
matriz cambio de base de B a B 0 , entonces la ecuacin del cambio de base es
X = P 0X 0
Si se denotan por A y C las matrices asociadas a f respecto a B y B 0
respectivamente, entonces
157
f (x, y) = X T AY
= (P 0 X 0 )T A(P 0 Y 0 )
T
= X 0 P 0 AP 0 Y 0
T
= X 0 CY 0
Luego C = P 0 T AP 0 .
Las matrices asociadas a una misma forma bilineal en bases diferentes son
congruentes.
Formas bilineales simtricas y antisimtricas

Una forma bilineal f : V V K se dice que es simtrica si se cumple
que
f (x, y) = f (y, x); x, y V
de manera anloga, se dice que una forma bilineal f es antisimtrica (o
alternada) si se cumple que
f (x, y) = f (y, x); x, y V
.
Ejemplo 5 El producto interno definido en un espacio vectorial real es una
forma bilineal simtrica.
Ejemplo 6 La forma bilineal g : R2 R2 R definida por g((x1 , x2 ), (y1 , y2 )) =
x2 y1 x1 y2 es una forma bilineal antisimtrica.
Ejemplo 7 La forma bilineal h : R2 R2 R definida por h((x1 , x2 ), (y1 , y2 )) =
x1 y1 x1 y2 no es una forma bilineal simtrica ni antisimtrica.
Ejercicio 1 Sea V un K- espacio vectorial y f : V V K una forma
bilineal. Si V = R o V = C demostrar que f es antisimtrica si y solo si
f (x, x) = 0; x V.
Criterio para determinar si una forma bilineal es simtrica o antisimtrica a partir de su representacin matricial
158
Proposicin 3 Sea V un K- espacio vectorial de dimensin finita, f una
forma bilineal y A la matriz asociada a f en alguna base de V. Se cumple
que:
1. La forma bilineal f es simtrica si y solo si A es simtrica.
2. La forma bilineal f es antisimtrica si y solo si A es antisimtrica.
Prueba
1. =) Asumiendo que f es simtrica se tiene que
aij = f (ei , ej ) = f (ej , ei ) = aij , 1 i, j n.
Luego, A = [aij ] es simtrica.
=) Asumiendo que A es simtrica.
A = AT
f (x, y) =
=
=
=
=
X T AY
(X T AY )T
Y T AT (X T )T
Y T AX
f (y, x)
Luego, tomando extremos se tiene que

f (x, y) = f (x, y)
Ejercicio 2 Demostrar que toda forma bilineal puede descomponerse como
la suma de una forma bilineal simtrica y una antisimtrica.
Formas cuadrticas
Sea V un K-espacio vectorial y f : V V K una forma bilineal en V. Se
llama forma cuadrtica asociada a f a la aplicacin
: V K
definida por (x) = f (x, x).
159
Ejemplo 8 Consideremos la forma bilineal f : R2 R2 R definida por
f ((x1 , x2 ), (y1 , y2 )) = x1 y2 + x2 y1
la forma cuadrtica asociada a f es la aplicacin
: R2 R
definida por
(x1 , x2 ) = 2x1 x2
En efecto,
(x1 , x2 ) = f ((x1 , x2 ), (x1 , x2 ))
= x1 x2 + x2 x1
= 2x1 x2
Ejemplo 9 Sea la forma bilineal g : R2 R2 R definida como
g((x1 , x2 ), (y1 , y2 )) = 2x1 y2
la forma cuadrtica asociada a g es la aplicacin definida por
(x1 , x2 ) = g((x1 , x2 ), (x1 , x2 ))
= 2x1 x2
Ejemplo 10 Si h : VV K es una forma bilineal antisimtrica y K = R
o K = C, entonces la forma cuadrtica asociada a h es identicamente cero.
En efecto, al ser h antisimtrica se tiene que
h(x, x) = h(x, x) h(x, x) = 0
y en consecuencia
(x1 , x2 ) = h(x, x) = 0
Propiedades de las formas cuadrticas
Sea : V K la forma cuadrtica asociada a una forma bilineal f . Para
todo K, x, y V se cumple:
1. () = 0
2. (x) = 2 (x)
3. (x + y) = (x) + (y) + f (x, y) + f (y, x)
160
Prueba
1. () = f (, ) = 0.
2. (x) = f (x, x) = 2 f (x, x) = 2 (x)
3.
(x + y) = f (x + y, x + y)
= f (x, x) + f (x, y) + f (y, x) + f (y, y)
= (x) + (y) + f (x, y) + f (y, x)
Forma polar asociada a una forma cuadrtica
De los ejemplos vistos, podemos afirmar que formas bilineales diferentes dan
lugar a la misma forma cuadrtica. Luego, si f es una forma bilineal simtrica
y la forma cuadrtica asociada a f , entonces para cualquier forma bilineal
antisimtrica g se tiene que
(x) = f (x, x) = f (x, x) + g(x, x)
pues g(x, x) = 0, x V por ser antisimtrica. De esta forma resulta que
es una forma cuadrtica asociada a f y al mismo tiempo a f + g, para
cualquier g forma bilineal antisimtrica.
Proposicin 4 Dada una forma cuadrtica en V, existe una nica forma
bilineal simtrica fp cuya forma cuadrtica asociada es .
Prueba
Para cada forma bilineal f cuya forma cuadrtica asociada sea , por la
propiedad (x + y) = (x) + (y) + f (x, y) + f (y, x) se tiene
f (x, y) + f (y, x) = (x + y) (x) (y)
(3)
imponiendo la condicin de que f es una forma bilineal simtrica se tiene en

la relacin (3)
2f (x, y) = (x, y) (x) (y)
1
[(x + y) (x) (y)]
f (x, y) =
2
(4)
y por consiguiente es nico.

La forma bilineal simtrica dada en la relacin (4) es llamada forma polar
de la forma cuadrtica y se denota por f = fp . Existen tambin otras
frmulas adems de la dada en (4) para el clculo de fp .
161
Ejemplo 11 Sea la forma bilineal h : R2 R2 R definida por
h((x1 , x2 ), (y1 , y2 )) = x1 y1 x1 y2 .
Hallar fp a partir de h.
Proposicin 5 Sea una forma cuadrtica en V asociada a la forma bilineal g. La forma polar fp de puede obtenerse como:
1. fp (x, y) = 21 [(x + y) (x) (y)]
2. fp (x, y) = 41 [(x + y) (x y)]
3. fp (x, y) = 21 [g(x, y) + g(y, x)]
Prueba
1. Ya fue demostrado en la proposicin anterior.

2. Se prueba que
(x y) = (x) + (y) 2fp (x, y) (1)
En efecto,
(x y) =
=
=
=
(x y) =
(x + y) =
g(x y, x y)
g(x, x y) g(y, x y)
g(x, x) + g(x, y) + g(y, x) + g(y, y)
(x) g(x, y) g(y, x) + (y)
(x) + (y) 2fp (x, y)
(x) + (y) + 2fp (x, y) (2)
Restamos (1) de (2) y obtenemos
4fp (x, y) = (x + y) (x y)
1
[(x + y) (x y)]
fp (x, y) =
4
162
3. Consideramos
(x) = g(x, x)
(x + y) = g(x + y, x + y)
= g(x, x) + g(y, y) + g(x, y) + g(y, x)
= (x) + (y) + g(x, y) + g(y, x) (1)
De otra parte por (1) se tiene

(x + y) = 2fp (x, y) + (x) + (y) (2)
De (1) y (2) se obtiene
2fp (x, y) = g(x, y) + g(y, x)
1
fp (x, y) =
[g(x, y) + g(y, x)]
2
Ejemplo 12 Sea la forma cuadrtica en R2 asociada a la forma bilineal
h : R2 R2 R definida por
h((x1 , x2 ), (y1 , y2 )) = x1 y1 x1 y2
Determinar la forma polar fp de .
Solucin
1
[h((x1 , x2 ), (y1 , y2 )) + h((y1 , y2 ), (x1 , x2 ))]
2
1
=
[x1 y1 x1 y2 + y1 x1 y1 x2 ]
2
1
=
[2x1 y1 x1 y2 y1 x2 ]
2
fp ((x1 , x2 ), (y1 , y2 )) =
Matriz asociada a una forma cuadrtica

Dada la forma cuadrtica en V y B una base ordenada de V , la matriz
asociada a respecto a la base B de V, es la matriz asociada a la forma
polar fp de respecto a la base B.
Al ser fp simtrica, su matriz asociada es simtrica; en consecuencia la matriz
asociada a una forma cuadrtica en cualquier base, ser siempre simtrica.
163
Llamaremos rango de lo que denotamos por ran() al ran(fp ). De la
expresin matricial de se tiene
n
X
(x) = fp (x, x) = X T AX =
aij xi xj ()
i,j=1
Como A es simtrica, de la expresin anterior se tiene que aij = aji ; 1

i, j n
Luego se puede escribir la relacin ()como
(x1 , , xn ) =
n
X
a2ii x2i + 2
aij xi xj (?)
i<j
i=1
Como A es simtrica, de la expresin anterior se tiene que aij = aji ; 1

i, j n. Luego se puede escribir la relacin () como:
(x1 , , xn ) =
n
X
a2ii x2i + 2
i=1
aij xi xj ()
i<j
Casos particulares:
1. Cuando n = 2, se tiene
(x, y) = a11 x2 + a22 y 2 + 2a12 xy
2. Cuando n = 3, se tiene
(x, y, z) = a11 x2 + a22 y 2 + a33 z 2 + 2a12 xy + +2a13 xz + +2a23 yz
Luego, a partir de la relacin ()es fcil determinar la matriz asociada a la
forma cannica.
Ejemplo 13 Sea la forma la forma cuadrtica definida como
(x, y, z) = x2 2y 2 + 4xy 6yz
Determinar la matriz asociada a .
De () setiene:
a11 = 1, a22 = 2, a33 = 0, a13 = 0, a23 = 3
164
Luego, la matriz asociada a la forma cuadtica ser
1 2
0
2 2 3
0 3 0
Conjugacin respecto de una forma cuadrtica
La conjugacin respecto de una forma cuadrtica es un concepto anlogo al
de ortogonalidad en un producto interno.
Sea : V K una forma cuadrtica y sea fp : V V K su forma polar
asociada. Dos vectores x, y V dice que que son conjugados con respecto
a la forma cuadrtica si fp (x, y) = 0
Se dice que el vector x V es autoconjugado si es conjugado consigo mismo;
es decir si (x) = 0 . Dado el conjunto S V consideremos el conjunto de
los vectores de V conjugados con los vectores de S.
S C = {x Vfp (x, y) = 0, y S}
Ejercicio 3 Para cada subconjunto no vaco S de V, demostrar que S C es
un subespacio de vectorial V . Adems S C = (L(S)).
Ncleo de una forma cuadrtica
Se llama ncleo o radical de una forma cuadrtica al subespacio de V .
N u() = VC = {x Vfp (x, y) = 0; y V}
Se dice que la forma cuadrtica es no degenerada si N u() = {}; es decir
el nico vector que es conjugado con todos los vectores de V es el vector nulo.
Se dice que es una forma cuadrtica es definida si (x) 6= 0, para todo
x V no nulo; es decir si no existe ningn vector autoconjugado no nulo. Es
claro que una forma cuadrtica definida en particular es no degenerada.
Clasificacin de las formas cuadrticas reales

Consideraremos solamente espacios vectoriales reales.
Proposicin 6 Sea : V R una forma cuadrtica real. Si es definida,
entonces
o bien (x) > 0; x V; x 6= 0
o bien (x) < 0; x V; x 6= 0
165
Prueba
Supongamos que existen vectores x, y V tales que
(x) > 0 (x) < 0
veremos entonces que existe un vector z V, z 6= ,tal que (z) = 0 . Para
cada a K se verifica
(ax + y) = a2 (x) + 2afp (x, y) + (y)
ntese que el segundo miembro de la relacin anterior es una ecuacin cuadrtica en a.
a2 (x) + 2afp (x, y) + (y) = 0
tiene soluciones
a=
q
2fp (x, y) + 4 (fp (x, y))2 4(x)(y)
2(x)
o
a=
2fp (x, y)
q
4 (fp (x, y))2 4(x)(y)
2(x)
Al haber supuesto que (x) > 0 (y) < 0, entonces (x)(y) < 0 y por lo
tanto el discriminante es positivo, luego tiene dos soluciones reales distintas
a1 y a2 y verifican
(a1 x + y) = 0
y
(a2 x + y) = 0
Adems al menos uno de los vectores a1 x + y o a2 x + y es no nulo, ya que en
caso contrario se tendra
a1 x + y = 0 = a2 x + y
de lo cual se obtendra que a1 = a2 ; lo cual es una contradiccin al ser las
dos races distintas.
De una forma cuadrtica real se dice que es:
1. Definida positiva si (x) > 0, 6= x V.
2. Definida negativa si (x) < 0, 6= x V.
166
3. Semidefinida positiva si (x) 0, 6= x V.
4. Semidefinida negativa si (x) > 0, x V.
De una forma cuadrtica que no definida ni semidefinida se dice que es indefinida.
Ejemplo 14 Sea (V, h, i) un espacio vectorial con producto interno. La
aplicacin sobre V definida como
(x) = hx, xi = kxk2
es una forma cuadrtica definida positiva.
Ejemplo 15 La forma cuadrtica 1 : R2 R definida por
1 (x, y) = x2 + y 2
es definida positiva.
Ejemplo 16 La forma cuadrtica 2 : R2 R definida por
1 (x, y) = x2 y 2
es definida negativa.
Ejemplo 17 La forma cuadrtica 3 : R2 R definida como
3 (x, y) = x2 y 2
no es definida puesto que 3 (1, 1) = 12 12 = 0; tampoco es semidefinida
puesto que 3 (1, 0) = 1 > 0 3 (0, 1) = 1 < 0.
Ejemplo 18 La forma cuadrtica 4 : R2 R definida como
4 (x, y) = x2 + y 2 + 2xy.
La expresin anterior se puede escribir como
4 (x, y) = (x + y)2
4 no es definida positiva pero si es semidefinida positiva pues 4 (1, 1) =
(x y) = 0; (1, 1) 6= (0, 0).
167
Signatura de una forma cuadrtica.
Dada una forma cuadrticareal, siempre existir una base en la cual su matriz
asociada es diagonal. Se sabe que matrices asociadas a una misma forma cuadrtica en diferentes bases bases son semejantes; luego el problema se reduce
a: Dada una matriz simtrica A, determinar una matriz diagonal D, semejante con A. Se sabe que una matriz simtrica se diagonaliza ortogonalmente;
es decir, existe una matriz P ortogonal tal que
D = P T AP
Lo mencionado anteriormente resumimos en el siguiente proposicin.
Proposicin 7 Sea V un R-espacio vectorial de dimensin finita y sea
: V R una forma cuadrtica. Entonces existe una base B de V en
la cual la matriz asociada es diagonal.
Proposicin 8 (Ley de inercia de Sylvester) Sea V un R-espacio vectorial de dimensin finita y sea : V R una forma cuadrtica. Si D1 y
D2 son matrices diagonales asociadas a respecto a distintas bases entonces
el nmero de los elementos positivos y elementos negativos de D1 y D2 es el
mismo.
Signatura de una forma cuadrtica real
Llamaremos signatura de una forma cuadrtica real al par
sig() = (p, q)
donde p es el nmero de elementos positivos y q el nmero de elementos
negativos en una forma diagonal de . Ntese que p es igual al nmero de
valores propios positivos de la matriz asociada a (teniendo en cuenta su
multiplicidad) y q es el nmero de valores propios negativos. Por otra parte
el rango de es igual al nmero de filas no nulas de su forma diagonal y
por consiguiente se verifica que
ran() = p + q
Ejemplo 19 Dada la forma cuadrtica : R3 R definida como
(x, y, z) = y 2 + 2xy.
Determinar la signatura de .
168
La matriz asociada a en la base cannica es
0 1 0
A= 1 1 0
0 0 0

"
!# "

1
0

1+ 5
pA () = |I A| = 1 1 0 =
2
0
0

!#
1 5
2
Luego
sig() = (1, 1)
La signatura de una forma cuadrtica nos permite clasificar fcilmente una
forma cuadrtica.
Teorema 1 Sea V un R-espacio vectorial de dimensin finita igual a n y
: V R una forma cuadrtica real. Entonces:
1. es definida positiva sig() = (n, 0).
2. es definida negativa sig() = (0, n).
3. es semidefinida positiva sig() = (r, 0); r < n
4. es semidefinida negativa sig() = (0, r); r < n
(x, y, z) = y 2 + 2xz
determinar su signatura y rango.
Solucin
La matriz asociada a

0 0 1
0
1

0 1 0 = pA () = 0 1 0 = ( 1)2 ( + 1)

1
1 0 0
0

= 1 = 1,
M A(1 = 2);
2 = 1.
sig() = (2, 1) y ran() = 2 + 1 = 3

(x, y, z) = x2 + 3y 2 + 7z 2 + 2xy + 4xz + 4yz
determinar la signatura de .
169
Solucin
La matriz asociada a

1 1
1 1 2
2

1 3 2 = pA () = 1 3 2

2
2 2 7
2 7
= 1 = 8, 4927,

= 3 112 + 22 6

2 = 2, 1837 y 3 = 0, 3255.
sig() = (3, 0),
luego es definida positiva.

Algebra Lineal II

Cargado por

Copyright:

Formatos disponibles

Algebra Lineal II

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Lineal II

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Per, DECANA DE AMRICA)

FACULTAD DE CIENCIAS MATEMTICAS

Notas de clase de lgebra Lineal II

3. Valores y vectores propios

5. El complejificado de un espacio vectorial real ( VC )

Notas de clase de lgebra Lineal II

7. El teorema de la descomposicin primaria

9. Operadores lineales en espacios con producto interno

10. Formas bilineales y cuadrticas

Notas de clase de lgebra Lineal II

Notas de clase de lgebra Lineal II

Coordenadas o componentes de un vector

DEFINICIN.- La relacin (2) se denomina vector de coordenadas de v relativo a la

Notas de clase de lgebra Lineal II

Observacin.- Si B es la base cannica de ( K n , , K , ) y v ( x1 , x 2 , , x n )

MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL

transformacin lineal, entonces por el teorema fundamental de las transformaciones

B . Es decir, como T : V W , entonces T (v j ) W , donde:

para j 1, , n ; escribiendo en forma explcita:

Definicin.- La matriz A obtenida en la relacin (2) es llamada matriz asociada a la

Notas de clase de lgebra Lineal II

Ejemplo.- Sea T : R 3 R 4 tal que T ( x1 , x 2 , x3 ) ( x1 , x 2 , 0, x3 ) . Hallar la matriz

Respecto a la bases cannicas de R 3 y R 4 respectivamente.

Si B {(1, 0, 0), (1,1, 0), (1,1,1)} es la base para R 3 y

Respecto a las bases cannicas

Respecto a las bases

Notas de clase de lgebra Lineal II

transformacin lineal T : R R 2 definida como

transformacin lineal definida como

Hallar la matriz asociada de F respecto a ala base: B B ' {v1 , v2 , , vn }

F (vn ) 0v1 0v2 2vn

Ejemplo.- Dados los espacios vectoriales

Notas de clase de lgebra Lineal II

una transformacin lineal, B {v1 , v2 , , vn }

B ' {w1 , w2 , , wm } bases ordenadas de V y W respectivamente.

Notas de clase de lgebra Lineal II

Escribiendo explcitamente la relacin (3) se tiene

Finalmente, tomando extremos se obtiene [T (v)]B ' AC .

B {(1, 1), (1, 2)} una base de R 2 y

ii) Si v (2, 3) , hallar las coordenadas de T (v) .

Notas de clase de lgebra Lineal II

ii) v (2, 3) 7(1,1) 5(1, 2)

Ejemplo.- Sea T : R 3 R 2 una transformacin lineal, consideremos las bases:

T (3, 0, 2) 7(1,1) 10(1, 1)

Sea v ( x, y, z ) x(1,1,1) ( z x)(0, 0,1) ( x y )(0, 1, 0) luego

Notas de clase de lgebra Lineal II

T , S :V W son dos transformaciones lineales y a, b K , entonces

las matrices asociadas de T y S con respecto a las

Notas de clase de lgebra Lineal II

Ejercicio.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases

transformacin lineal T : V W es nula si y solo si T B 0 .

Asumiendo que la transformacin lineal T : V W es nula.

Ahora asumiendo que T B 0 .

Sea v V , por ser B { v1 , v 2 , , v n } base de V, se tiene que

transformacin lineal T es nula.

Notas de clase de lgebra Lineal II

Afirmacin 1. - es una transformacin lineal. En efecto:

Por la proposicin anterior.