Documente Academic
Documente Profesional
Documente Cultură
Álgebra Lineal II
Universidad de Cartagena
Facultad de Ciencias Exactas y Naturales
Programa de Matemáticas
Cartagena de Indias D.T. y C., Colombia
2015
Prólogo
Desde este punto de vista, este es uno de los temas fundamentales en la apro-
ximación discreta de problemas continuos tanto teóricos como de aplicación. Para
optimizar el tratamiento de dichos problemas se utilizan técnicas que facilitan la
manipulación computacional y numérica de los mismos y que están basadas en
propiedades analı́ticas de formas lineales y bilineales en espacios de dimensión
finita. Este curso da los fundamentos básicos para enfrentar tales problemas y
provee las bases para el análisis funcional en dimensión finita.
2
Índice general
3
Capı́tulo 1
Introducción
Cuando hacemos cuentas con matrices éstas sulen ser tediosas, más aún, cuando
son de gran tamaño, no podemos negar que nos gustarı́a que las matrices con las
que trabajamos tengan muchas entradas nulas, pues esto reducirı́a notablemente
los cálculos. Por ejemplo; cuando son matrices diagonales o triángulares las cuentas
son muy sencillas, de hecho, el determinante se obtiene multiplicando las entradas
en la diagonal principal.
4
El termino sencilla hace referencia a tener muchos ceros, de manera que las cuentas
con dicha matriz tenga la menor cantidad de calculos posibles.
5
Definición 1.2 Sea T ∈ Hom(V ), diremos que c ∈ F es un valor propio para T
si existe α 6= 0 en V tal que T α = cα. Los vectores α que satisfacen T (α) = cα se
llamaran vectores propios de T asociados al valor propio c.
Observe que: Si c es un valor propio de T ∈ Hom(V ) y α, σ son vectores propios
de T asociados c y k un elemento arbitrario de F entonces
T (kα + σ) = kT α + T σ = c(kα + σ).
Quiere decir esto, que sı́ c es un valor propio de T entonces el conjunto de todos
los vectores asociados a él, es un subespacio vectorial de V. Pero ¿cómo sabemos
si un T ∈ Hom(V ) tiene un vector propio? y si lo tiene como lo calculamos
6
Pruebelo.
Definición 1.4 Para cada T ∈ Hom(V ) se define el determinante de T como
det(T ) := det([T ]β ) donde β es una base ordenada cualquiera de V.
Se sigue del lema anterior que 1.1 no depende de la base ordenada β que se tome
para V.
Definición 1.5 Si A ∈ M(n; F) a f ∈ F[x] de grado n, definido por f (x) :=
det(xIn − A) lo llamaremos polinomio caracterı́stico de A.
Lema 1.3 El polinomio caracterı́stico de una matriz A ∈ M(n; F) es invariante
bajo semejanza.
Definición 1.6 Sea T ∈ Hom(V ) se define el polinomio caracterı́stico de T como
el polinomio caracterı́stico de [T ]β donde β es una base ordenada cualquiera de V.
El panorama revela que la existencia de los valores propios de un elemento de
Hom(V ) dependerá de F ya que corresponderán según 1.1 a las raı́ces de su
polinomio caracterı́stico. En el caso F = C que es un cuerpo algebraicamente
cerrado todos los elementos de Hom(V ) tienen valores propios. Pero en el caso
F = R no se cuenta con la misma suerte.
Teorema 1.1 Sea T ∈ Hom(V ) y sea c ∈ F. Las siguientes afirmaciones son
equivalentes:
i) c es un valor propio de T .
ii) El operador cI − T es singular.
iii) det(cI − T ) = 0.
El resumen hasta aquı́ es que la base que logra una representación matricial diago-
nal para un T ∈ Hom(V ) deberá estar compuesta por vectores propios los cuales
a su ves estan asociados a los valores propios de T. Veamos que tan posible es
tener suficientes vectores propios para completar una base con ellos.
Ejemplo 1.1 Suponga que T ∈ Hom(R2 ), F = R y que en la base canónica T
está representada por
0 −1
A=
1 0
El polinomio caracterı́stico de T es
x 1
f (x) = det(xI2 − A) = det = x2 + 1.
−1 x
7
como este polinomio no tiene ninguna raı́z en F este operador no tiene valores
propios, por ende no contamos con vectores propios no nulos para formar la base.
Ejemplo 1.2 Suponga que T ∈ Hom(R3 ), F = R y que en la base canónica T
está representada por
3 1 −1
A = 2 2 −1
2 2 0
El polinomio caracterı́stico de T es f (x) = (x − 1)(x − 2)2 . Se tiene dos valores
propios 1 y 2. el conjunto de todos los vectores propios de T asociados a los valores
propios 1 y 2. estan deterninados por ker(I3 − A) y ker(2I3 − A) respectivamente.
Haciendo los respectivos cálculos obtenemos ker(I3 − A) = h(1, 0, 2)i y ker(2I3 −
A) = h(1, 1, 2)i lo cual muestra que no es posible una base de vectores propios para
R3 .
Ejemplo 1.3 Suponga que T ∈ Hom(R3 ), F = R y que en la base canónica T
esta representada por
5 −6 −6
A = −1 4 2
3 −6 −4
El polinomio caracterı́stico de T es f (x) = (x − 1)(x − 2)2 . Se tiene dos valores
propios 1 y 2. el conjunto de todos los vectores propios de T asociados a los valores
propios 1 y 2. estan deterninados por ker(I3 − A) y ker(2I3 − A) respectivamente.
Haciendo los respectivos cálculos obtemos ker(I3 − A) = h(3, −1, 3)i y ker(2I3 −
A) = h(2, 1, 0), (2, 0, 1)i. Tomando β = {(3, −1, 3), (2, 1, 0), (2, 0, 1)} es una base
ordenada de vectores propios para R3 .
1 0 0
[T ]β = 0 2 0
0 0 2
T es diagonalizable.
Observe que si T ∈ Hom(V ) es diagonalizable entonces su polinomio caracterı́sti-
co deberá tener la forma f (x) = (x − c1 )d1 · · · (x − ck )dk donde c1 , . . . , ck son los
valores propios distintos de T. El recı́proco no es cierto ver ejemplo 1.2.
Con los siguientes lemas tomaremos atajos para probar el futuro teorema 1.2
Lema 1.4 Si T α = c α y f ∈ F[x] entonces f (T )α = f (c)α.
8
Demostración:
Demostración:
9
Considere ahora los polinomios:
Y
(cj − x)
j6=i
fi (x) = Y i = 1, 2, · · · , k
(cj − ci )
j6=i
(c1 − x) · · · (ci−1 − x)(ci+1 − x) · · · (ck − x)
=
(c1 − ci ) · · · (ci−1 − ci )(ci+1 − ci ) · · · (ck − ci )
Observe que:
1 si j = i
fi (cj ) =
0 si j 6= i
Ahora dado que cada γi es un vector propio para 1 ≤ i ≤ k por el lema 1.4 se
sigue que:
0 = fi (T )0
= fi (T )(γ1 + · · · + γk )
= fi (T )γ1 + · · · + fi (T )γk
= fi (c1 )γ1 + · · · + fi (ci )γi + · · · + fi (ck )γk
= γi ∀i = 1, 2, · · · , k
Hemos mostrado hasta ahora que γ1 + · · · + γk = 0 con γi ∈ Wi implica que γi = 0
pero, como cada βi es linealmente independiente, se sigue que todos los escalares
de la combinación lineal en γi son nulos para i = 1, 2, · · · , k esto garantiza que
todos los escalares en la combinación lineal γ son nulos.
10
Ejemplo 1.4 Sea T un operador lineal sobre R3 representado en la base ordenada
canónica por la matriz
−9 4 4
−8 3 4
−16 8 7
Demostrar que T es diagonalizable construyendo una base para R3 , cada vector de
la cual es un vector propio de T .
El polinomio caracterı́stico de T es:
x + 9 −4 −4
x − 3 −4 = x3 − x2 − 5x − 3 = (x − 3)(x + 1)2
|xI − A| = 8
16 −8 x − 7
Cuando |xI − A| = 0; los únicos valores propios para T son c1 = 3 y c2 = −1.
Hallemos una base para ker(A − 3I), el espacio propio asociado a c1 , es decir, una
base que
contenga
todos los vectores propios de T asociado al valor propio c1 = 3.
x1
Si α = y1 es un vector propio de T asociado al valor propio c1 = 3 entonces:
z1
−12 4 4 −12 4 4 x1 0 x1 1/2
A − 3I = −8 0 4 ⇒ −8 0 4 y1 = 0 ⇒ y1 = z1 1/2
−16 8 4 −16 8 4 z1 0 z1 1
Luego una base para ker(A − 3I) es B1 = 21 , 21 , 1
Hallemos una base para ker(A + I), el espacio propio asociado a c2 , es decir,
una base que contenga
todos los vectores propios de T asociado al valor propio
x2
c2 = −1. Si β = y2 es un vector propio de T asociado al valor propio c1 = −1
z2
entonces:
−8 4 4 −8 4 4 x2 0 x2 1 0
A + I = −8 4 4 ⇒ −8 4 4 y2 = 0 ⇒ y2 = x2 2 + z2 −1
−16 8 8 −16 8 8 z2 0 z2 0 1
Es claro que {(1, 2, 0) , (0, −1, 1)} son linealmente independientes. (Pruébelo).
Luego una base para N(A − 3I) es B2 = {(1, 2, 0) , (0, −1, 1)}.
11
Ası́, una base para R3 tal que
cada vector de la cual es un vector propio de T es
1 1
B = {{B1 }, {B2 }} = 2 , 2 , 1 , (1, 2, 0) , (0, −1, 1) . Ya que estos también son L.I.
X1 =AX0
X2 =AX1 = A(AX0 ) = A2 X0
X3 =A3 X0
..
.
Xn =An X0
12
Para obtener an necesitamos calcular An lo cual es fastidioso cuando n es grande.
Pero resulta que A es diagonalizable. En efecto, su polinomio caracterı́stico es
f (x) = x2 − x − 1 el cual tiene dos raı́ces distintas, es decir, A tiene dos valores
propios distintos
√ √
1+ 5 1− 5
x1 = y x2 =
2 2
con vectores propios corespondientes
1+√5 1−√5
2 y 2
1 1
Ası́ la matriz A es semejante a la matriz diagonal
" √ #
1+ 5
2 0√
D= 1− 5
0 2
Ejercicios 1.1
1. Sea T ∈ Hom(R2 ) definida por
T (x, y) = (x − 2y, 3x + 2y)
considere las bases ordenadas de R2 ; β = (1, 2), (−1, 1) y γ = (−2, 1), (1, 1)
Determine:
a. [T ]β .
b. [T ]γ .
c. P ∈ M(2, R) invertible tal que A = P BP −1 .
13
2. En cada uno de los siguientes casos, sea T el operador lineal sobre R2 re-
presentado por la matriz A en la base ordenada canónica de R2 y sea U el
operador lineal en C2 representado por A en la base ordenada canónica. En-
contrar el polinomio caracterı́stico de T y de U , hallar los valores propios de
cada operador y para cada uno de tales valores propios c hallar una base para
el correspondiente espacio de vectores caracterı́sticos.
1 0 2 3 1 1
A= , A= , A=
0 0 −1 1 1 1
14
9. Usar el resultado del Ejercicio 6 para demostrar que si A y B son matrices
n × n sobre el cuerpo F , entonces AB y BA tienen los mismos valores propios
en F .
10. Supóngase que A es una matriz 2×2 con elementos reales, simétrica (At = A).
Demostrar que A es semejante, sobre R , a una matriz diagonal.
11. Sea N una matriz compleja 2 × 2 tal que N 2 = 0. Demostrar que N = 0 ó N
es semejante, sobre C, a:
0 0
1 0
12. Usar el resultado del Ejercicio 9 para demostrar lo siguiente: Si A es una matriz
2 × 2 de elementos complejos, entonces A es semejante, sobre C, a una matriz
de uno de los dos tipos siguientes:
a 0 a 0
0 b 1 a
13. Sea V el espacio vectorial de las funciones continuas de R en R; es decir, el
espacio de las funciones continuas de valor real en el eje real. Sea T el operador
lineal sobre V definido por
Z x
(T f )(x) = f (t) dt.
0
Demostrar que T no tiene valores propios.
14. Sea A una matriz diagonal n × n de polinomio caracterı́stico
(x − c1 )d1 · · · (x − ck )dk ,
donde los c1 , · · · , ck son distintos. Sea V el espacio de las matrices n × n, B,
tales que AB = BA. Demostrar que la dimensión de V es d21 + · · · + d2k .
15. Sea V el espacio de las matrices n × n sobre F . Sea A una matriz n × n dada
sobre F . Sea T el operador lineal ((multiplicación a la izquierda por A)) en V .
¿Tienen A y T los mismos valores propios?.
16. Respecto al ejemplo 1.5 pruebe que an+1 an−1 − a2n = (−1)n+1 .
15
Si f, g ∈ F[ x ], definimos el operador lineal (f g)(T ) ası́:
(f g)(T ) := f (T )g(T )
Donde en el lado derecho se tiene una composición.
Como f g = gf.
f (T ) (g(T )α) = (f g)(T )α = (gf )(T )α = g(T ) (f (T )α)
quiere decir esto que los operadores lineales polinomiales en T conmutan.
Si f, g ∈ F[ x ] definimos (f + g)(T ) por:
(f + g)(T ) := f (T ) + g(T )
Para T ∈ Hom(V ) arbitrario con dimF (V ) = n consideremos el conjunto S =
{g ∈ F[ x ] : g(T ) = 0} de los polinomios anuladores de T. Nos preguntamos si S
tiene polinomios distintos al nulo? La respuesta a este interrrogante es afirmativa,
2
puesto que la dimF (Hom(V )) = n2 y por lo tanto el conjunto {I, T, · · · , T n } es
linealmente dependiente, ya que contiene n2 + 1 elementos; esto implica que deben
existir escalares c0 , c1 , · · · , cn2 no todos nulos tales que:
2
c0 I + c1 T + · · · + cn2 T n = 0
2
Por ende el polinomio f (x) = c0 + c1 x + · · · + cn2 xn es no nulo y f (T ) = 0.
Lo anterior prueba que para todo T ∈ Hom(V ) existen polinomios no nulos que
lo anulan, entre ellos existe uno, no nulo, de menor grado en S que divide a todos
los elementos de S como se expresa a continuación.
Definición 1.7 Un f ∈ F[ x ] se llama polinomio mónico si el coeficiente de la
mayor potencia de x es 1.
Definición 1.8 Sea T ∈ Hom(V ). El polinomio minimal de T es el polinomio
p ∈ F[ x ] que satisface:
i) p es mónico.
ii) p(T ) = 0.
iii) Si q ∈ F[ x ] es tal que q(T ) = 0 entonces p|q.
Es decir; p es el polinomio minimal de T . Si anula a T , es mónico y todo polinomio
anulador de T es múltiplo de él.
Si A ∈ M(n; F) se define el polinomio minimal de A en forma análoga.
16
Se puede probar que el polinomio minimal de un T ∈ Hom(V ) siempre existe y
es único. Para ello, necesitamos de la teoria de anillos, lo cual no esta al alcance
de este curso.
Veamos ahora que el polinomio minimal de un operador lineal en Hom(V ) no
depende de la representación matricial que se tome para él.
Lema 1.6 Si C ∈ M(n; F) y Q ∈ GL(n; F) entonces (Q−1 CQ)n = Q−1 C n Q.
Lema 1.7 Si f ∈ F[ x ] y A y B semejantes,es decir, existe P ∈ GL(n; F) tal que
A = P −1 BP . Entonces
f (A) = P −1 f (B)P.
Teorema 1.3 Sean A y B en M(n; F) semejantes, fA y fB los polinomios mini-
males de A y B respectivamente. Entonces fA = fB
Sabemos que el polinomio minimal de un operador lineal T sobre un espacio vec-
torial V con dimF (V ) = n tiene grado menor o igual que n2 . Pero podemos afirmar
que su grado es a lo sumo n; ya que todo operador lineal es anulado por su poli-
nomio caracterı́stico. Como veremos en el siguiente teorema.
Teorema 1.4 (Cayley-Hamilton) El polinomio caracterı́stico anula a su
operador lineal.
Demostración:
17
Por lo que α ∈ ker(T − cI) y como α 6= 0 entonces c es un valor propio de T , es
decir, existe α 6= 0 tal que T α = cα y por el lema 1.4
0 = 0α = p(T )α = p(c)α
Como α 6= 0 entonces p(c) = 0.
Ejemplo 1.6 Sea V es espacio vectorial de las matrices n × n sobre el cuerpo F.
Sea T el operador lineal sobre V definido por
T (B) = AB
Demostrar que el polinomio minimal de T es el polinomio minimal de A.
Sea mA (x) = xn + an−1 xn−1 + · · · + a1 x + a0 el polinomio minimal de A.
Ası́ mA (A) = 0. Como T k (B) = Ak B para k ≥ 1, entonces para todo B ∈ V
tenemos:
mA (T )B = (T n + an−1 T n−1 + · · · + a1 T + a0 I)B
= T n (B) + an−1 T n−1 (B) + · · · + a1 T (B) + a0 (B)
= An (B) + an−1 An−1 (B) + · · · + a1 A(B) + a0 (B)
= (An + an−1 An−1 + · · · + a1 A + a0 I)B
= mA (A)B = 0
Por tanto mA (T ) = 0 lo cual implica que mT /mA .
18
Ejercicios 1.2
1. Sea V un espacio vectorial de dimensión finita. ¿Cuál es el polinomio minimal
para el operador identidad sobre V ? ¿Cuál es el polinomio minimal para el
operador cero?
2. Sean a, b y c elementos de un cuerpo F y A la siguiente matriz 3 × 3 sobre F :
0 0 c
A= 1 0 b
0 1 a
Demostrar que el polinomio caracterı́stico de A es x3 − ax2 − bx − c y que éste
es también el polinomio minimal de A.
3. Sea A la matriz real 4 × 4:
1 1 0 0
−1 −1 0 0
A=
−2 −2 2
1
1 1 −1 0
Demostrar que el polinomio caracterı́stico de A es x2 (x − 1)2 y que es al propio
tiempo el polinomio minimal.
4. ¿Es la matriz A del Ejercicio 3 semejante, sobre el cuerpo de los números
complejos, a una matriz diagonal?
5. Sea V un espacio de dimensión n y sea T un operador lineal sobre V . Supóngase
que existe cierto entero positivo k tal que T k = 0. Demostrar que T n = 0.
6. Hallar una matriz 3 × 3 para la cual el polinomio minimal es x2 .
7. Sea n un entero positivo y sea V el espacio vectorial de los polinomios sobre R
que tienen a lo más grado n (sin considerar el polinomio 0). Sea D el operador
derivación sobre V . ¿Cuál es el polinomio minimal de D?
8. Sea P el operador en R2 que proyecta cada vector sobre el eje x, paralelamente
al eje y: P (x, y) = (x, 0). Mostrar que P es lineal. ¿Cuál es el polinomio
minimal de P ?
9. Sea A una matriz n × n con polinomio caracterı́stico
f = (x − c1 )d1 · · · (x − ck )dk
Demostrar que
c1 d1 + · · · + ck dk = traza(A)
19
10. Sean A y B matrices n × n sobre el cuerpo F . De acuerdo con el Ejercicio
7, de la Sección de Ejercicios 1.1, las matrices AB y BA tienen los mismos
valores propios. ¿Tienen también el mismo polinomio caracterı́stico? ¿Tienen
también el mismo polinomio minimal?
11. Muestre que si T ∈ Hom(V ) es diagonalizable entonces su polinomio minimal
es de la forma p(x) = (x − c1 ) · · · (x − ck ) donde los ci con 1 ≤ i ≤ k son los
valores propios disteintos de T ¿Qué dices del reciproco?
20
Sea V un espacio vectorial de dimensión finita, luego como W ≤ V entonces
r = dim W ≤ dim V = n.
Lo que garantiza que las r primeras columnas tienen ceros en las filas r + 1 a n.
B C
A= vista por bloques donde es evidente por (1) que B = [TW ]B .
O D
det (xI − A) = det (xI − B) • det (xI − D)
| {z } | {z }
Polinomio caracteristico de T Polinomio caracteristico de Tw
C B
Ejercicio: Muestre que si A = es una matriz por bloques donde O es
O D
una matriz nula y C, B, D son matrices cuadradas, entonces |A| = |C| · |D|.
21
Luego si fA y fB son los polinomio minimales de T y TW respectivamente:
fA (B) g(B, D)
0 = fA (A) =
O fA (D)
lo que obliga que fA (B) = 0 por lo tanto fB /fA .
Definición 1.10 Sean T ∈ Hom(V ), W ≤ V un subespacio invariante por T
y α un vector de V . El T -conductor de α a W es el conjunto ST (α; W ) =
{g ∈ F [ x ] : g(T )α ∈ W }. Cuando W = 0 el T -conductor de α en W se llama
T -anulador de α.
Observaciones:
1. El polinomio minimal de T pertenece a ST (α; W ) para todo α ∈ V y W ≤ V .
2. ST (α; W ) es un ideal de F [ x ], luego posee un único generador mónico,
digamos q al cual también llamaremos T -conductor de α en W o T -anulador
de α cuando W = 0.
3. de 1. y 2. se concluye que q el T -conductor de α en W divide al polinomio
minimal de T .
Lema 1.9 Sean T ∈ Hom(V ) tal que su polinomio minimal sea de la forma
p = (x − c1 )r1 · · · (x − ck )rk ci ∈ F ; ri ∈ N
ye W < V invariante por T. Entonces existe un vector α ∈ V tal que:
a) α 6∈ W .
b) (T − cI)α ∈ W para algún valor propio c del operador T .
Demostración
22
Estamos pensando en una base ordenada B = {α1 , · · · , αn } de V tal que:
(∗) Tα1 = a11 α1 , Tα2 = a12 α1 + a22 α2 · · · Tαn = a1n α1 + a2n α2 + · · · + αnn αn
a11 a12 . . . a1n
0 a ... a
22 2n
[T ]B = ..
.. . . . ..
. . .
0 0 . . . amn
Pero notemos que (∗) se puede escribir como:
(T −a11 )α1 = 0, (T −a22 )α2 = a12 α1 , · · · , (T −ann )αn = a1n α1 +a2n α2 +· · ·+ann αn
(T − a11 I)α1 ∈ W0 , α1 6∈ W0 , W0 = h{0}i ; α1 es un valor propio de T
(T − a22 I)α2 ∈ W1 , α2 6∈ W1 , W1 = h{α1 }i
(T − a33 I)α3 ∈ W2 , α3 ∈6 W2 , W2 = h{α1 , α2 }i
..
.
(T − ann I)αn−1 ∈ Wn−1 , αn 6∈ Wn−1 , Wn−1 = h{α1 , α2 , · · · , αn−1 }i
Ası́;
W0 ⊆ W1 ⊆ W2 ⊆ · · · ⊆ Wn−1
Y además Wi es invariante por T , para cada i = 0, 1, · · · , n − 1. Es notable que
bajo las condiciones del Lema 1.5 partiendo del subespacio W = {0} tendremos
acceso a la base B = {α1 , α2 , · · · , αn } en la que T se representa por una matriz
triangular superior. Este razonamiento permite concluir el siguiente teorema:
Teorema 1.6 Sea V un espacio vectorial V de dimensión finita sobre el cuerpo
F y T un operador lineal sobre V . Entonces T es triangulable sı́, y solo si, el
polinomio minimal de T es producto de polinomios lineales sobre F .
Teorema 1.7 Sea V un espacio vectorial V de dimensión finita sobre el cuerpo
F y T un operador lineal sobre V . Entonces T es diagonalizable sı́, y solo si, su
polinomio minimal es de la forma:
p = (x − c1 ) · · · (x − ck )
donde c1 , · · · , ck son escalares distintos.
Demostración:
23
donde c1 , · · · , ck .
Supongamos que T no es diagonalizable, es decir, que si W es el espacio generado
por todos los espacios de vectores propios de T , W 6= V .
Por otra parte W es invariante por T . En efecto como c1 , · · · , ck son valores dis-
tintos de F entonces:
W = W1 + · · · + Wk
donde Wi es el espacio de vectores propios de T , asociado al escalar ci , para cada
i = 1, · · · , k. Ahora si β ∈ W ; β = β1 +· · · βk donde βi ∈ Wi (Tβi ) = ci βi ; entonces:
Tβ = Tβ1 + · · · + Tβk = c1 β1 + · · · + ck βk ∈ W
Por el Lema 1.5 existe α ∈ V , α ∈ W y un valor propio cj tal que:
β 0 = (T − cj I)α ∈ W
Es evidente que p = (x − cj )q; 1 ≤ j ≤ k. Por el algoritmo de la división por q y
(x − cj ) existen polinomios h y r tales que:
q = (x − cj )h + r ; grad(r) = 0
Por el teorema del residuo r = q(cj ), ası́:
q − q(cj ) = (x − cj )h
Pero;
q(T )α − q(cj )α = (T − cj I)h(T )α = h(T )(T − cj I)α
= h(T )β 0 = h(T )(β1 + · · · βk ) = h(T )β1 + · · · + h(T )βk
= h(c1 )β1 + · · · + h(ck )βk ∈ W (∗)
Por lo tanto; (q(T )α − q(cj )α ) ∈ W . Como 0 = p(T )α = (T − cj I)q(T )α .
24
¿Es A semejante, sobre el cuerpo de los números reales, a una matriz triangular?
Si es ası́, hallar tal matriz triangular.
Hallemos el polinomio caracterı́stico:
x −1 0
|xI − A| = −2 x + 2 −2
−2 3 x−2
Como el polinomio minimal divide al caracterı́stico, tienen los mismos factores
reductibles. Los posibles polinomios minimales son:
µ1 (x) = x; µ2 (x) = x2 ; µ3 (x) = x3
Como el polinomio minimal anula al operador y además:
0 1 0 2 −2 2 0 0 0
µ1 (A) = A = 2 −2 2 ; µ2 (A) = A2 = 0 0 0 ; µ3 (A) = A3 = 0 0 0
2 −3 2 −2 2 −2 0 0 0
3
Se concluye que p(x) = x es el polinomio minimal de A.
25
invariante por T . Sea γ1 ∈ W1 , luego existe k ∈ R tal que; γ1 = kβ1 . Ası́;
0 1 0 1 0 0
Tγ1 = kTβ1 = k 2 −2 2 0 = k 0 = 0 ∈ W1
2 −3 2 −1 0 0
De aquı́; Tβ1 = {0} y W1 es invarianteporT .
x2
Por Lema 1.5 existe un vector α2 = y2 ∈ V tal que α2 6∈ W1 y Tα2 ∈ W1 . Ası́;
z2
1 0 1 0 x2 1 x2 + z2 1
Aα2 = 0 ⇒ 2 −2 2 y2 = 0 ⇒ y2 = 1
−1 2 −3 2 z2 −1 0 0
x2 1
De donde; α2 = 1 . Tomemos β2 = 1.
1 − x2 0
3
Veamos si W2 = {{β1 }, {β2 }} < R es invariante por T . Sea γ2 ∈ W2 , luego existen
m, n ∈ R tal que; γ2 = mβ1 + nβ2 ∈ W2 . Ası́;
0 1 0 1 1
Tγ2 = m Tβ1 +nTβ2 = nTβ2 = n 2 −2 2 1 = n 0 = nβ1 ∈ W2
2 −3 2 0 −1
|{z}
0
De aquı́; Tβ2 = β1 y W2 es invariante por T .
x3
Por Lema 1.5 existe un vector α3 = y3 ∈ V tal que α3 6∈ W2 y Tα3 ∈ W2 . Ası́;
z3
5
1 1 2 0 1 0 x3 2 x2 + z2 2
Aα3 = 0 + 1 = 1 ⇒ 2 −2 2
y3 = 1 ⇒
y2 = 2
−1 0 −1 2 −3 2 z3 −1 0 0
x3 2
De donde; α3 = 2 . Tomemos β2 = 2.
5 1
2 − x3 2
3
Veamos si W3 = {{β1 }, {β2 }, {β3 }} < R es invariante por T . Sea γ2 ∈ W1 , luego
existen m, n ∈ R tal que; γ3 = rβ1 + sβ2 + tβ3 ∈ W3 . Ası́;
0 1 0 2
Tγ3 = r Tβ1 +sTβ2 + tTβ3 = sβ1 + t 2 −2 2 2 = (s + t)β1 + tβ2 ∈ W2
1
2 −3 2
|{z}
0 2
26
De aquı́; Tβ3 = β1 +β2 y W3 es invariante por T . Es fácil ver que B = {{β1 }, {β2 }, {β3 }}
es una base ordenada para R3 . Además:
Tβ1 = 0β1 + 0β2 + 0β3
Tβ2 = 1β1 + 0β2 + 0β3
Tβ3 = 1β1 + 1β2 + 0β3
Transponiendo obtenemos:
0 1 1
[TB ] = 0 0 1
0 0 0
De donde B es una base ordenada en la cual T está representado por la matriz
triangular [TB ]. Ası́; A es semejante a la matriz triangular [T ]B .
Ejercicios 1.3
1. Sea T el operador lineal sobre R2 cuya matriz en la base ordenada canónica
es
1 −1
A=
2 2
a. Demostrar que los únicos subespacios de R2 invariantes por T son R2 y el
subespacio nulo.
b. Si U es el operador lineal en C2 , cuya matriz en la base ordenada canónica
es A. Demostrar que U tiene un subespacio unidimensional invariante.
2. Sea W un subespacio invariante para T . Demostrar, sin referirse a las matrices,
que el polinomio minimal para el operador restricción TW divide al polinomio
minimal de T .
3. Sea c un valor propio de T y sea W el espacio de los vectores propios asociados
al valor propio c. ¿Cuál es el operador restricción TW ?
4. Cada matriz A tal que A2 = A es semejante a una matriz diagonal.
5. Sea T un operador lineal diagonalizable sobre un espacio vectorial V de di-
mensión n y sea W un subespacio invariante por T . Demostrar que el operador
restricción TW es diagonalizable.
6. Sea T un operador lineal sobre un espacio vectorial de dimensión finita sobre
el cuerpo de los números complejos. Demostrar que T es diagonalizable sı́, y
solo si, T es anulado por algún polinomio sobre C que tiene raı́ces distintas.
27
7. Sea T un operador lineal sobre V . Si todo subespacio de V es invariante por
T , entonces T es un múltiplo escalar del operador identidad.
8. Sea T el operador integración indefinida
Z x
(tf )(x) = f (t) dt
0
sobre el espacio de las funciones continuas en el intervalo [0, 1]. ¿Es el espacio
de las funciones polinomios invariantes por T ? ¿El espacio de las funciones
diferenciables? ¿El espacio de las funciones que se anulan para x = 21 ?
9. Sea A una matriz 3×3 de elementos reales. Demostrar que si A no es semejante
sobre R a una matriz triangular. entonces A es semejante sobre C a una matriz
diagonal.
10. ¿Es verdadero o falso que si una matriz triangular A es semejante a una matriz
diagonal, entonces A es diagonal?
11. Sea T un operador lineal sobre un espacio vectorial de dimensión finita sobre
un cuerpo F algebraicamente cerrado. Sea f un polinomio sobre F . Demostrar
que c es un valor propio def (T ) sı́, y solo si, c = f (t), donde t es un valor
propio de T .
12. Sea V el espacio de las matrices n × n sobre F . Sea A una matriz n × n dada,
sobre F . Sean T y U los operadores lineales sobre V definidos por
T (B) = AB U (B) = AB − BA
a. ¿Es verdadero o falso que si A es diagonalizable (sobre F ), entonces T es
diagonalizable?
b. ¿Es verdadero o falso que si A es diagonalizable, entonces U es diagonali-
zable?
13. Considerando solo el cuerpo de los numéros reales. Sea T ∈ Hom(R2 ) definida
por
T (x, y) = (4x − ay, x + 2y)
Determine los valores de a para los que T :
a. Es triangulable y no diagonalizable. Escoja uno de los valores de a asignelo
en el operador y triangulelo, mostrando la matriz de paso.
b. Es diagonalizable. Escoja uno de los valores de a asignelo en el operador
y diagonalicelo, mostrando la matriz de paso.
c. No es triangulable.
28