NOTAS DE FORMA NORMAL DE JORDAN

(VERSIÓN PRELIMINAR - 1.0)

JAVIER FERNANDEZ

Índice
Introducción 1
1. Transformaciones lineales, bases y matrices 1
1.1. Matriz asociada a una transformación lineal 2
1.2. Autovalores y autovectores 4
1.3. Subespacios invariantes 7
2. Forma Normal de Jordan 8
3. Existencia de bases de Jordan 11
Referencias 16
Índice alfabético 17

Introducción
Estas notas describen algunos temas medianamente avanzados de Álgebra Lineal. Esta
versión es una revisión parcial de las Notas creadas hace varios años con el agregado de
secciones completamente nuevas, por lo que su estado dista de ser completo y libre de
errores.
Por lo expresado en el párrafo anterior, se agradecen las correcciones que los lectores
quieran hacer llegar.
Una advertencia general: en las notas aparecen muchos ejercicios. En algunos casos se
trata de ejemplos que se dejan al lector, en otros son propiedades cuya demostración,
también se deja al lector. En todos los casos, se supone que los ejercicios son resueltos y
sus resultados pueden (y son) citados en las notas como válidos.

1. Transformaciones lineales, bases y matrices

Recordamos que si V1 y V2 son K-espacios vectoriales, hom(V1 , V2 ) denota al conjunto
de todas las transformaciones lineales de V1 en V2 . Este conjunto es un K-espacio vectorial
con las operaciones de suma y multiplicación por escalares definidas puntualmente. Las
transformaciones lineales de V1 en si mismo son llamadas endomorfismos y el conjunto de
todos los endomorfismos de V1 se denota por End(V1 ).
Si B = {v1 , . . . , vn } es una base1 del K-espacio
P vectorial V , entonces se define cB :
V → Kn mediante cB (v) := x si y sólo si v = nj=1 xj vj , es decir que cB (v) es el vector

Date: 24 de abril de 2020.

1Una base de un espacio vectorial es un conjunto de vectores (que genera y es linealmente indepen-
diente). Sin embargo, los conjuntos no suelen estar ordenados. Por este motivo, cuando se desea hablar de
coordenadas respecto de una base, es importante considerar bases ordenadas ya que entonces queda claro
que la componente j-ésima del vector de coordenadas es el coeficiente del j-ésimo vector de la base. Es
habitual no mencionar que se toman bases ordenadas a pesar de ser ese el caso. En estas notas seguiremos
con esa (mala) costumbre.
1
2 JAVIER FERNANDEZ

de coordenadas de v respecto de la base B. Muchas veces se denota cB (v) como [v]B . Es

importante destacar que cB : V → Kn es un isomorfismo de K-espacios vectoriales.
1.1. Matriz asociada a una transformación lineal. En álgebra lineal es muy co-
mún el estudio de transformaciones lineales entre dos espacios vectoriales. A fin de poder
hacer cálculos eficientemente (por ejemplo para calcular el núcleo o la imagen de una
transformación lineal) resulta conveniente poder asociar a una transformación lineal una
matriz. En los cursos básicos de álgebra lineal esto se hace introduciendo bases de los
espacios de salida y llegada de la transformación y considerando la matriz asociada en
dichas bases. En concreto, se tiene la siguiente construcción.
Definición 1.1. Sean V1 y V2 dos espacios vectoriales de dimensión n1 y n2 respectiva-
mente sobre el cuerpo K. Fijemos además bases B1 := {v1 , . . . , vn1 } y B2 := {w1 , . . . , wn2 }
de V1 y V2 . Si T ∈ hom(V, W ) se define la matriz asociada a T respecto de las bases B1
y B2 como la matriz [T ]B1 B2 ∈ Kn2 ×n1 que tiene por j-ésima columna a cB2 (T (vj )) para
j = 1, . . . , n1 . Cuando V1 = V2 se puede trabajar con una única base B y, en este caso, se
define [T ]B := [T ]BB .
Ejemplo 1.2. Consideremos V := K2×2 con la base E := {E11 , E12 , E21 , E22 } donde Eij
es la matriz cuya única componente no nula es un 1 en la posición (i, j). Si T ∈ End(V )
está dada por    
a11 a12 a22 + 2a12 −a12
T :=
a21 a22 a22 a11
tenemos que
       
0 0 2 −1 0 0 1 0
T (E11 ) = T (E12 ) = T (E21 ) = T (E22 ) =
0 1 0 0 0 0 1 0
por lo que
       
0 2 0 1
 0   −1   0   0 
cE (T (E11 )) =   , cE (T (E12 )) = 
 0 
 , cE (T (E21 )) =   , cE (T (E22 )) =  ,
 0   0   1 
1 0 0 0
de donde  
0 2 0 1
 0 −1 0 0 
[T ]E = 
 0 0 0 1 .

1 0 0 0
Proposición 1.3. Sean V1 y V2 K-espacios vectoriales de dimensión finita, T ∈ hom(V1 , V2 )
y B1 , B2 bases de V1 y V2 respectivamente. Entonces, para v ∈ V ,
[T (v)]B2 = [T ]B1 B2 [v]B1 .
Más aún, la matriz [T ]B1 B2 es la única que tiene esta propiedad.
Demostración.PSean B1 = {v1 , . . . , vn1 } y B2 = {w1 , . . . , wn2 }. Definamos x := [v]B1 .
Entonces v = nj=1
1
xj vj , por lo que
n1
X n1
X n2
X n1
X n2
X
T (v) = xj T (vj ) = xj ([T (vj )]B2 )i wi = xj ([T ]B1 B2 )ij wi
j=1 j=1 i=1 j=1 i=1
n2  X
X n 
= ([T ]B1 B2 )ij xj wi .
i=1 j=1
| {z }
=yi
 NOTAS DE FORMA NORMAL DE JORDAN 3

Entonces [T (v)]B2 = y, de donde se desprende la fórmula del enunciado ya que yi corres-

ponde a multiplicar la i-ésima fila de [T ]B1 B2 por el vector x.
Para ver la unicidad de [T ]B1 B2 , supongamos que A ∈ Kn2 ×n1 satisface que [T (v)]B2 =
A[v]B1 para todo v ∈ V1 . En particular, [T (vj )]B2 = A[vj ]B1 = Aej , donde ej denota al
vector columna cuya única componente no nula es un 1 en la fila j. Como Aej es la
j-ésima columna de A, vemos que esta columna es [T (vj )]B2 . Como esto se puede hacer
para cada j = 1, . . . , n1 , concluimos que todas las columnas de A son de esta forma que
es, precisamente, la de [T ]B1 B2 y, por tanto, A = [T ]B1 B2 . 
Ejemplo 1.4. Si B := {v1 , . . . , vn } y B 0 := {v10 , . . . , vn0 } son dos bases del K-espacio vecto-
rial V entonces, como idV ∈ End(V ) podemos considerar la matriz asociada a la identidad
respecto de estas bases, [idV ]BB0 ∈ Kn×n . Esta matriz suele denotarse por C(B, B 0 ) y ser
llamada la matriz de cambio de base entre las bases B y B 0 , nombre que deriva de que
al multiplicar por esta matriz a las coordenadas de un vector respecto de la base B se
obtienen las coordenadas del mismo vector respecto de la base B 0 : esto se deduce de la
Proposición 1.3 ya que en este caso se obtiene
[v]B0 = [idV ]BB0 [v]B = C(B, B 0 )[v]B , (1.1)
para cualquier v ∈ V .
Por supuesto que la matriz asociada a una transformación lineal depende de las bases
elegidas. El siguiente resultado da la relación entre las matrices asociadas a una transfor-
mación lineal en distintas bases.
Proposición 1.5. Sean V1 y V2 dos K-espacios vectoriales de dimensión finita. Sean,
además, B1 y B10 bases de V1 y B2 y B20 bases de V2 . Si T ∈ hom(V1 , V2 ), entonces
[T ]B10 B20 = C(B2 , B20 )[T ]B1 B2 C(B10 , B1 ). (1.2)
En particular, cuando V1 = V2 ,
[T ]B10 = C(B1 , B10 )[T ]B1 C(B10 , B1 ). (1.3)
Demostración. Veamos qué propiedad tiene el lado derecho de (1.2). Si v ∈ V1 ,
C(B2 , B20 )[T ]B1 B2 C(B10 , B1 )[v]B10 =C(B2 , B20 )[T ]B1 B2 [v]B1
=C(B2 , B20 )[T (v)]B2 = [T (v)]B20 .
Por lo tanto, tiene la misma propiedad que [T ]B10 B20 y, por la Proposición 1.3, esto alcanza
para concluir que son iguales, es decir que (1.2) es correcta. La identidad (1.3) es válida
por ser un caso especial de (1.2). 
Ejercicio 1.6. Sea B := {E11 + E22 , E11 − E22 , E21 + E12 , E21 − E12 } ⊂ K2×2 . Probar
que B es una base de K2×2 . Hallar C(B, E) y C(E, B), donde E es la base de K2×2 del
Ejemplo 1.2. Si T es el definido en el Ejemplo 1.2 hallar [T ]E y [T ]B . Por último, verificar
la validez de la fórmula (1.3).
Ejercicio 1.7. Sean B y B 0 dos bases del K-espacio vectorial de dimensión finita V .
Probar que C(B, B 0 )−1 = C(B 0 , B).
Ejercicio 1.8. Sean V1 , V2 , V3 tres K-espacios vectoriales de dimensión finita, B1 , B2 , B3
bases de cada uno de ellos, T1 ∈ hom(V1 , V2 ) y T2 ∈ hom(V2 , V3 ). Probar que
[T2 ◦ T1 ]B1 ,B3 = [T2 ]B2 ,B3 [T1 ]B1 ,B2 .
Nota 1.9. En vista de la fórmula (1.3) y del resultado del Ejercicio 1.7, si T ∈ End(V )
y B es una base de V , det([T ]B ) toma el mismo valor para cualquier base B que se tome.
Esto lleva a definir el determinante de un endomorfismo T como det(T ) = det([T ]B ), para
4 JAVIER FERNANDEZ

cualquier base B de V . Un razonamiento análogo se aplica para definir la traza de un

endomorfismo.
Ejercicio 1.10. Sea V un K-espacio vectorial de dimensión finita y T ∈ End(V ). Probar
que T es un isomorfismo si y sólo si det(T ) 6= 0.
Nota 1.11. Dada una matriz A ∈ Kn×n se puede definir T ∈ End(Kn ) de modo que
[T ]E = A, donde E es la base canónica de Kn . De esta manera se puede establecer una
correspondencia entre endomorfismos de Kn y elementos de Kn×n . Sin embargo, si se
trabaja con un espacio vectorial V de dimensión n sobre K en vez de Kn la correspondencia
no es biunívoca ya que para asignar una matriz a un endomorfismo es necesario elegir una
base de V , cosa que se puede hacer de muchas maneras no habiendo, por lo común, una
privilegiada.
Es claro entonces que, por la Proposición 1.5 y el Ejercicio 1.7 dos matrices A1 y A2
obtenidas como [T ]B para un mismo T ∈ End(V ) al elegir dos bases B distintas de V
están relacionadas mediante
C −1 A1 C = A2 (1.4)
para una matriz invertible C (la matriz de cambio de base entre las bases correspondien-
tes). Esto motiva la siguiente noción.
Definición 1.12. Dos matrices A1 , A2 ∈ Kn×n se dicen semejantes si existe una matriz
invertible C ∈ Kn×n de modo que vale (1.4).
Ejercicio 1.13. Sean A1 , A2 ∈ Kn×n dos matrices semejantes. Probar que existen bases
B1 y B2 de Kn y T ∈ End(Kn ) de modo que [T ]Bj = Aj para j = 1, 2.
1.2. Autovalores y autovectores. Elementos importantes para comprender a un en-
domorfismo T del espacio vectorial V son los autovectores y, más en general, los subespa-
cios de V invariantes por T .
Definición 1.14. Sea V un K-espacio vectorial y T ∈ End(V ). Un vector v ∈ V − {0}
se dice un autovector de T de autovalor λ ∈ K si T (v) = λv. Por extensión, se dice que
x ∈ Kn − {0} es un autovector de autovalor λ ∈ K de A ∈ Kn×n si Av = λv.
Si dim(V ) = n < ∞, el proceso para encontrar los autovalores y autovectores de T es
bien conocido: primero se buscan los valores de λ ∈ K para los que ker(T − λidV ) 6= {0}.
Esto se logra resolviendo la ecuación det(T − λidV ) = 0.
Definición 1.15. Dado V un K-espacio vectorial de dimensión finita y T ∈ End(V ), el
polinomio característico de T es el polinomio
χT (λ) := det(T − λidV ) ∈ K[λ].
Si λ ∈ K es una raíz de χT , entonces ker(T − λidV ) 6= {0} y, por lo tanto, existe v 6= 0
en ese núcleo. En otras palabras, v es un autovector de T de autovalor λ.
Nota 1.16. Si K = C (o, más en general, un cuerpo algebraicamente cerrado, es decir
que todo polinomio de grado positivo tiene, al menos, una raiz), entonces el polinomio
característico de T tiene al menos una raíz y, por lo tanto, T al menos un autovector con
autovalor dado por esa raíz. Para otros cuerpos (por ejemplo K = R) esto puede no ser
cierto.
Ejercicio 1.17. Probar que si dos matrices A1 , A2 ∈ Kn×n son semejantes, entonces
χA1 = χA2 . Probar que no vale la recíproca mostrando matrices no semejantes con igual
polinomio característico.
 NOTAS DE FORMA NORMAL DE JORDAN 5

Si λ es una raíz de orden k de χT , se dice que la multiplicidad algebraica del autovalor

λ es k. Cabe notar que la dimensión del espacio de autovectores de T de autovalor λ tiene
dimensión ≤ k siendo posible la desigualdad estricta.
Lema 1.18. Sea V un espacio vectorial y T ∈ End(V ). Si A := {v1 , . . . , vk } son auto-
vectores de T con autovalores λ1 , . . . , λk todos estos distintos, entonces A es un conjunto
linealmente independiente de V .
Demostración. Supongamos que {v1 , . . . , vk } es linealmente dependiente. Luego, hay com-
binaciones lineales kj=1 aj vj = 0 donde no todos los aj son nulos. Tomemos una de estas
P

combinaciones lineales 0 = sr=1 ajr vjr con la condición de ser no nula (algún coeficiente
P
es 6= 0) y de longitud mínima (la cantidad de sumandos es mínima: toda combinación
lineal con menos sumandos es trivial, es decir, todos los sumandos son nulos).
Por elección, alguno de los coeficientes ajr de la combinación lineal es no nulo. Por
comodidad, reordenamos los subíndices de modo que el coeficiente aj1 6= 0. Observamos
que tiene que haber algún otro coeficiente no nulo ya que, si no, sería aj1 vj1 = 0 con
aj1 6= 0, lo que implica que vj1 = 0, contradiciendo que vj1 es un autovector. Supondremos
entonces que aj2 6= 0.
Aplicamos el operador lineal T − λj1 idV a 0 = sr=1 ajr vjr para obtener
P

Xs s
X
0 =(T − λj1 idV )(0) = (T − λj1 idV )( ajr vjr ) = ajr (T − λj1 idV )(vjr )
r=1 r=1
s
X s
X
= ajr (λjr − λj1 )vjr = ajr (λjr − λj1 )vjr .
r=1 r=2

Observamos que la combinación lineal obtenida tiene r − 1 sumandos y que es no tri-

vial ya que el primer sumando aj2 (λj2 − λj1 ) es no nulo por hipótesis sobre aj2 y ser los
autovalores todos distintos. Esto contradice la minimalidad de la combinación lineal to-
mada al comienzo. La contradicción muestra que el conjunto {v1 , . . . , vk } es linealmente
independiente. 
Nota 1.19. Una consecuencia inmediata de lo anterior es que si V tiene dimensión n y
T ∈ End(V ) tiene χT con n raíces distintas, entonces tomando un autovector para cada
autovalor se obtiene una base de V formada por autovectores de T .
Definición 1.20. Sea V un espacio vectorial de dimensión finita y T ∈ End(V ). Se dice
que T es diagonalizable si existe una base de V formada por autovectores de T . Por
extensión, se dice que una matriz A ∈ Kn×n es diagonalizable si es semejante a una matriz
diagonal.
Nota 1.21. En la definición anterior, como es habitual, la relación entre la noción para
matrices y transformaciones lineales (endomorfismos en ese caso) se obtiene tomando
matrices asociadas en alguna base.
Ejemplo 1.22. Sea V := C2 (visto como C-espacio vectorial) y T ∈ End(V ) tal que, su
matriz respecto de la base canónica E := {e1 , e2 } es
 
0 2
[T ]E = .
−1 3
Entonces, el polinomio característico de T es
 
−λ 2
χT (λ) := det(T − λidV ) = det = −λ(3 − λ) + 2 = λ2 − 3λ + 2.
−1 3 − λ
6 JAVIER FERNANDEZ

Como las raíces de χT (λ) son λ = 1 y λ = 2, vemos que T tiene dos autovalores distintos.
Para hallar los autovalores de T procedemos como sigue. Para λ = 1 resolvemos el sistema
lineal T (v) = v o, de modo equivalente, (T − 1 idV )(v) = 0. Tomando la matriz asociada
respecto de E y triangulando obtenemos
   
−1 2 −1 2
7→
−1 2 0 0
que se convierte en −x1 + 2x2 = 0, de donde x1 = 2x2 , que tiene por base de soluciones a
 
2
v1 := .
1
Por lo tanto, v1 es un autovector de autovalor 1 de T . De modo análogo, para el autovalor
λ = 2 resolvemos    
−2 2 −1 1
7→ ,
−1 1 0 0
por lo que una base de los autovectores de autovalor 2 es
 
1
v2 := .
1
Habiendo hallado una base B := {v1 , v2 } de V formada por autovectores de T , podemos
verificar explícitamente que [T ]B es diagonal
 
1 0
[T ]B = .
0 2
De modo equivalente, vale que [T ]E y [T ]B son semejantes:
C −1 [T ]E C = [T ]B
donde  
2 1
C=
1 1
es la matriz de cambio de base de B a E, cuyas columnas son las coordenadas de cada
uno de los vectores de B, escritos respecto de la base E.
El argumento anterior permite escribir de “manera simple”, es decir, en forma diagonal,
aquellos endomorfismos que poseen tantos autovalores distintos como la dimensión de V .
El siguiente ejemplo muestra como esto puede fallar si no se verifica la condición sobre
los autovalores.
Ejemplo 1.23. Sea V := C2 (visto como C-espacio vectorial) y T ∈ End(V ) tal que, su
matriz respecto de la base canónica E := {e1 , e2 } es
 
2 −1
[T ]E = .
1 0
Entonces, el polinomio característico de T es
 
2 − λ −1
χT (λ) := det(T − λidV ) = det = −λ(2 − λ) + 1 = λ2 − 2λ + 1.
1 −λ
Como la única raíz de χT (λ) es λ = 1, buscamos los autovectores de autovalor 1:
   
1 −1 1 −1
7→
1 −1 0 0
 NOTAS DE FORMA NORMAL DE JORDAN 7

que tiene por base de su espacio de soluciones a

 
1
v1 = .
1
Esto muestra que no tenemos una base de V formada por autovectores de T , por lo que
T no es diagonalizable.
Ejercicio 1.24. Hallar los autovalores y autovectores del endomorfismo T del Ejemplo 1.2.
¿Es T diagonalizable?
Ejercicio 1.25. Probar que dos matrices diagonalizables son semejantes si y sólo si las
dos tienen los mismos autovalores (contados con su multiplicidad).
El conjunto de autovectores de T correspondiente a un mismo autovalor λ, junto con el
vector nulo, forman un subespacio de V llamado el autoespacio de autovalor λ y denotado
por Vλ . Se define la multiplicidad geométrica de un autovalor λ de T como dim(Vλ ).
Ejercicio 1.26. Sea V un espacio vectorial, T ∈ End(V ) y λ un autovalor de T . Si
B := {v1 , . . . , vn } es una base de V tal que {v1 , . . . , vk } es una base de Vλ , describir la
forma (en bloques) de [T ]B .
1.3. Subespacios invariantes. Una propiedad del autoespacio Vλ es que T lo aplica
en si mismo, es decir, T (Vλ ) ⊂ Vλ . Esto motiva la siguiente noción.
Definición 1.27. Sea V un espacio vectorial y T ∈ End(V ). Un subespacio W ⊂ V se
dice T -invariante si T (W ) ⊂ W .
Lema 1.28. Sea V un espacio vectorial, T ∈ End(V ) y W ⊂ V un subespacio T -
invariante. Si B := {v1 , . . . , vn } es una base de V tal que {v1 , . . . , vk } es una base de
W , entonces
 
A11 A12
[T ]B = (1.5)
0 A22
donde A11 ∈ Kk×k .
Demostración. Como W es T -invariante y vj ∈ W para j = 1, . . . , k, para estos valores de
Pk Pk
j,
Pn T (v j ) ∈ W . Por ser {v1 , . . . , v k } base de W , vale que T (vj ) = i=1 a ij v i = i=1 aij vi +
i=k+1 0 vi (notar que los coeficientes son las coordenadas de T (vj ) respecto de la base
B). Por lo tanto, los últimos n − k coeficientes de cB (T (vj )) (para j = 1, . . . , k) son nulos,
que es el resultado que queríamos probar. 
Nota 1.29. Del Lema 1.28 concluimos que si A ∈ Kn×n deja invariante un subespacio
W ⊂ Kn de dimensión k (en el sentido de que multiplicando por A a cualquier vector de
W se obtiene un vector de W ), entonces existe una matriz invertible C ∈ Kn×n tal que
A2 := C −1 A1 C tiene la estructura en bloques del lado derecho de (1.5). En este caso, las
columnas de C son una base de Kn y las primeras k columnas son una base de W .
Ejercicio 1.30. Sea V un K-espacio vectorial V1 , V2 ⊂ V dos subespacios tales que
V = V1 ⊕ V2 y T ∈ End(V ). Probar que V1 y V2 son subespacios T -invariantes si y sólo si
 
A11 0
[T ]B =
0 A22
para una base B = B1 ∪ B2 , donde Bj es una base de Vj para j = 1, 2 y Ajj ∈
Kdim(Vj )×dim(Vj ) .
8 JAVIER FERNANDEZ

Ejercicio 1.31. 1. Sean A1 ∈ Kn1 ×n1 , A2 ∈ Kn2 ×n2 y B ∈ Kn1 ×n2 . Probar que
 
A1 B
det = det(A1 ) det(A2 ).
0 A2

2. Sea V un K-espacio vectorial de dimensión finita, T ∈ End(V ) y V1 , V2 subespacios

T -invariantes tales que V = V1 ⊕ V2 . Probar que χT (λ) = χT |V1 (λ)χT |V2 (λ).

2. Forma Normal de Jordan

El Ejercicio 1.25 muestra que, para matrices diagonalizables, los autovalores caracteri-
zan completamente las clases de matrices semejantes. Ese mismo resultado no vale para
matrices que no sean diagonalizables, como muestra el Ejemplo siguiente.

Ejemplo 2.1. Consideremos las matrices

   
0 0 0 1
A1 := y A2 := .
0 0 0 0

Los polinomios característicos de ambas matrices son χ(λ) = λ2 , por lo que ambas matrices
tienen los mismos autovalores con las mismas multiplicidades algebraicas (λ = 0 con
multiplicidad 2). Sin embargo, A1 y A2 no son semejantes ya que si lo fueran, A2 sería
nula.

El Ejemplo 2.1 muestra dos matrices que tienen el mismo polinomio característico y,
por tanto, los mismos autovalores con las mismas multiplicidades algebraicas pero que,
sin embargo, no son semejantes. Se podría argumentar que la multiplicidad geométrica del
único autovalor no es la misma para las matrices en cuestión, siendo dicha multiplicidad
2 para A1 y 1 para A2 . El siguiente ejemplo muestra como aún cuando la multiplicidad
geométrica coincide para todos los autovalores, las matrices pueden no ser semejantes.

Ejemplo 2.2. Sean

   
0 1 0 0 0 0 0 0
 0 0 0 0   0 0 1 0 
A3 := 
 0
 y A4 :=  .
0 0 1   0 0 0 1 
0 0 0 0 0 0 0 0

Es inmediato que χ(λ) = λ4 para ambas matrices por lo que ambas matrices tienen al
único autovalor λ = 0 con multiplicidad algebraica 4. También se puede verificar que la
multiplicidad geométrica es 2 en ambos casos. Sin embargo, las matrices no son semejantes.
Para verlo, notemos que A21 = 0 mientras que A22 6= 0. Si fuera A2 = CA1 C −1 para alguna
matriz invertible C, entonces sería A22 = CA1 C −1 CA1 C −1 = CA21 C −1 = 0, cosa que es
falsa.

Por lo visto, para poder clasificar matrices o endomorfismos que no sean necesariamen-
te diagonalizables es necesario buscar algo más fino que los autovalores de la matriz o
endomorfismo.

Definición 2.3. Sea V un espacio vectorial y T ∈ End(V ). Se dice que v ∈ V − {0} es

un autovector generalizado de autovalor λ ∈ K de T si (T − λidV )m (v) = 0 para algún
m ∈ N. Cuando m = 1, v es un autovector de autovalor λ.
 NOTAS DE FORMA NORMAL DE JORDAN 9

Ejemplo 2.4. El vector e3 de la base canónica de K4 es un autovector generalizado de

autovalor 0 de la matriz A4 del Ejemplo 2.1. Esto es así ya que
 2       
0 0 0 0 0 0 0 0 0 0 0
 0 0 1 0   0   0 0 0 1  0   0 
       
(A4 − 0 idK4 )2 e3 =  = = .
 0 0 0 1   1   0 0 0 0  1   0 
0 0 0 0 0 0 0 0 0 0 0
El vector e3 no es un autovector de autovalor 0 de A4 .
Ejercicio 2.5. Sea V un K-espacio vectorial, T ∈ End(V ) y λ un autovalor de T . Se
define el autoespacio generalizado de autovalor λ de T , denotado por Vλg , como el conjunto
formado por todos los autovectores generalizados de autovalor λ y el vector nulo. Probar
que Vλg es un subespacio T -invariante de V .
Supongamos que vm ∈ V es un autovector generalizado de T de autovalor λ, donde m
es el menor número natural tal que (T − λidV )m = 0. Si m > 1 podemos escribir
0 = (T − λidV )m (vm ) = (T − λidV )m−1 ((T − λidV )(vm ))
lo que muestra que (T −λidV )(vm ) también es un autovector generalizado de T de autovalor
λ (notar que (T − λidV )(vm ) 6= 0 ya que si fuera nulo, contradiría que m > 1 fuera el
menor natural tal que (T − λidV )m (vm ) = 0). Repitiendo este argumento vemos que
0 =(T − λidV )m (vm ) = · · · = (T − λidV )r ((T − λidV )m−r (vm )) = · · ·
=(T − λidV )((T − λidV )m−1 (vm )),
mostrando que, para r = 1, . . . , m, vr := (T −λidV )m−r (vm ) es un autovector generalizado
de T de autovalor λ. Además, v1 ∈ Vλ .
Nota 2.6. Notar que al ser v1 ∈ Vλ , los escalares que aparecen como autovalores de
autovectores generalizados de T resultan ser siempre autovalores en el sentido usual (De-
finición 1.14).
Ejercicio 2.7. Probar que el conjunto {v1 , . . . , vm } ⊂ V definido a partir del autovector
generalizado vm según el proceso anterior es linealmente independiente.
Como por el Ejercicio 2.7 el conjunto {v1 , . . . , vm } es linealmente independiente, se lo
puede extender a una base B de V . Notamos que T (v1 ) = λv1 y T (vj ) = λvj + vj−1 para
j = 2, . . . , m. Luego,
λ 1 ··· 0 0
 
   0 λ ··· 0 0 
J ∗  . . .
. . . .. .. 
[T ]B = para J :=  . . . . . 
0 ∗ 
 0 0 ··· λ 1 


0 0 ··· 0 λ
donde las componentes de los bloques ∗ son desconocidas. Esta escritura parece convenien-
te. Para poder extender la “buena forma” obtenida al resto de la matriz podemos buscar
otros autovectores generalizados del mismo u otro autovalor. Eventualmente podría ocu-
rrir que este procedimiento llevara a una base de V formada por cadenas de autovectores
generalizados. Ese caso, especialmente útil, será estudiado en detalle a continuación.
Definición 2.8. Sea V un K-espacio vectorial y T ∈ End(V ). Una base (ordenada)
B := {v1 , . . . , vn } de V es una base de Jordan 2 (de V adaptada a T ) si [T ]B tiene la
2Camille Jordan: matemático francés (1838-1922), que realizó importantes contribuciones a varias
ramas de la matemática (Teoría de grupos, Álgebra lineal y multilineal, Análisis, etc.). Jordan era, por
10 JAVIER FERNANDEZ

estructura de bloques
J1 0 · · · 0
 
 0 J2 0 
[T ]B = 
 ... .. .  (2.1)
. .. 
0 0 · · · Jk
donde cada bloque Ji es cuadrado de la forma
λi 1 · · · 0 0
 
 0 λi 0 0 
 . . .. 
Ji =  .. .. . 
 (2.2)
 0 0 ··· λ 1 
i
0 0 · · · 0 λi
para λi ∈ K. Una matriz con esta última forma se denomina un bloque de Jordan y se
suele denotar por J(λ) o J d (λ) si se quiere indicar la dimensión d del bloque. Se dice que
Una matriz de la forma (2.1) con los bloques de la forma (2.2) está en la forma normal
de Jordan
Nota 2.9. Veremos más adelante que realizar cálculos con matrices en forma normal de
Jordan es bastante sencillo. Por un lado, su estructura diagonal en bloques hace que el
cálculo de las potencias de una matriz de este tipo se reduzca al cálculo de las potencias
de los bloques en cuestión. Por otro lado, si escribimos un bloque de Jordan como J d (λ) =
λidd + Nd donde Nd ∈ Kd×d es de la forma
0 1 0 ··· 0
 
 0 0 1 0 
 . . . .. 
Nd :=  .
. .
. .  (2.3)
 0 0 0 1 
0 0 0 ··· 0
vemos que Nd conmuta con λidd , lo cual resultará útil más adelante para calcular potencias
de bloques de Jordan. Por último, notamos que las potencias de Nd son muy simples ya que
cada potencia sucesiva desplaza la diagonal de 1 hacia arriba un paso. En consecuencia,
por ejemplo Ndd−1 = E1,d y Ndm = 0 si m ≥ d.
Lema 2.10. Sea V un K-espacio vectorial y T ∈ End(V ). Si B = {v1 , . . . , vn } es una
base de Jordan adaptada a T y a(i) y b(i) son la posición de la primera y última columnas
del bloque de Jordan Ji , entonces valen las siguientes afirmaciones.
1. Los λi que aparecen en cada bloque de Jordan (2.2) de (2.1) son autovalores de T .
Más aún, contando su multiplicidad, esos son todos los autovalores de T .
2. Si vj ∈ B con a(i) ≤ j ≤ b(i) para algún i = 1, . . . , k, entonces vj ∈ Vλgi . Más aún,
si j = a(i), entonces vj ∈ Vλi .
3. Para cada i = 1, . . . , k todos los vj ∈ Im(T − λi idV ) si a(i) ≤ j < b(i) mientras que
vb(i) ∈
/ Im(T − λi idV ).
Demostración. Por ser [T ]B una matriz triangular es inmediato que
χT (λ) = det(T − λidV ) = det([T ]B − λidn ) = Πki=1 (λi − λ)b(i)−a(i)+1
formación, ingeniero y trabajó durante más de la mitad de su carrera como tal, proviniendo la mayor parte
de su obra matemática de esta época. Cabe destacar que hay otros científicos de nombre Jordan, como
Wilhelm Jordan (1842-1899) en cuyo honor se denomina al método de resolución de sistemas lineales de
ecuaciones “método de Gauss-Jordan” y Pascual Jordan (1902-1980) cuyo nombre aparece en las “álgebras
de Jordan”.
 NOTAS DE FORMA NORMAL DE JORDAN 11

de donde sale que los λi son todas las raíces de χT , por lo que son los autovalores de
T . Además, contando multiplicidades, suman el orden de χT , por lo que son todos los
autovalores de T , lo que muestra el punto 1.
Si a(i) ≤ j ≤ b(i), entonces por la forma del bloque de Jordan Ji hay dos posibilidades:
si a(i) = j, entonces T (vj ) = λi vj , por lo que (T − λi idV )(vj ) = 0 y vj ∈ Vλi . Si a(i) < j,
entonces T (vj ) = λi vj + vj−1 , por lo que (T − λi idV )(vj ) = vj−1 , de donde, iterando,
(T − λi idV )r (vj ) = vj−r para r = 1, . . . , j − a(i). (2.4)
En particular, (T − λi idV )j−a(i)+1 (vj ) = (T − λi idV )(va(i) ) = 0, por ser va(i) un autovector.
En conclusión, todos los vj con a(i) < j ≤ b(i) son autovectores generalizados de T con
autovalor λi , lo que prueba el punto 2.
La fórmula (2.4) muestra que todos los vj con a(i) ≤ j < b(i) están en Im(T − λi idV ).
Para ver que vb(i) ∈/ Im(T −λi idV ) supongamos que existiera v ∈ V tal que (T −λi idV )(v) =
vb(i) . Por la forma de [T ]B , si fuera cierta esta identidad cB ((T − λi idV )(v)) = cB (vb(i) ) =
eb(i) (el vector de la base canónica de Kn ). En particular, (cB ((T − λi idV )(v)))b(i) = 1 6= 0;
esta coordenada se obtiene de multiplicar la fila b(i) de [T ]B − λi idn por las coordenadas
de v en la base B. Pero, por la forma de [T ]B , la fila mencionada de la matriz es nula y
el producto no puede ser 1. La contradicción muestra que vb(i) ∈ / Im(T − λi idV ), lo que
termina de probar el punto 3. 
Ejercicio 2.11. Sea V un K-espacio vectorial de dimensión n, T ∈ End(V ) y B =
{v1 , . . . , vn } una base de Jordan de V adaptada a T . Para cada λ autovalor de T , se
define el conjunto Bλ := {va(i1 ) , . . . , va(il ) } ⊂ B, donde i1 , . . . , il son los subíndices co-
rrespondientes a los bloques de Jordan de autovalor λ. Probar que Bλ es una base del
autoespacio Vλ . En particular, la multiplicidad geométrica del autovalor λ coincide con la
cantidad de bloques de Jordan con autovalor λ.
Definición 2.12. Sea V un espacio vectorial, T ∈ End(V ) y B := {v1 , . . . , vn } una base
de Jordan de V . Si a(i) y b(i) tienen el significado del Lema 2.10, cada vector vb(i) (
i = 1, . . . , k) es llamado vector generador del bloque de Jordan Ji . Para cada i = 1, . . . , k,
los vectores vb(i) , vb(i)−1 = (T − λi idV )(vb(i) ), . . . , va(i) = (T − λi idV )b(i)−a(i) (vb(i) ) forman
una cadena de Jordan y forman una base del bloque de Jordan Ji .
Lema 2.13. Sea V un espacio vectorial de dimensión finita, T ∈ End(V ) y B una base
de Jordan de V . Si C := {vs , . . . , vs+k } (con todos los vj en B) es la cadena de Jordan
generada por vs+k , entonces hCi es un subespacio T -invariante de V .
Demostración. De la estructura en bloques (2.1) es claro que la imagen de los va(i) , . . . , vb(i)
por T vuelve a ser una combinación lineal de los mismos vectores, es decir que el subespacio
generado por ellos es T -invariante. 
Nota 2.14. Una base de Jordan de V es una base de V formada por cadenas de Jordan.
Ejercicio 2.15. Sea V un C-espacio vectorial, T ∈ End(V ) y λ un autovalor de T . Por
el Ejercicio 2.11, de toda base de Jordan puede extraerse una base de Vλ . Probar que, sin
embargo, no toda base de Vλ se puede extender a una base de Jordan de V asociada a T .

3. Existencia de bases de Jordan

Teorema 3.1. Para todo C-espacio vectorial V de dimensión finita y endomorfismo T ∈
End(V ) existe una base de Jordan B de V adaptada a T .
Demostración. La demostración será por inducción en la dimensión del espacio vectorial.
Si dim(V ) = 1 el resultado es inmediato pues T (v) = λv para algún λ ∈ C y todo v ∈ V .
12 JAVIER FERNANDEZ

Luego, si v 6= 0, v es un autovector de autovalor λ y B := {v} es una base de Jordan de

V adaptada a T ya que [T ]B = (λ) ∈ C1×1 está en forma normal de Jordan.
Supongamos ahora que el enunciado es válido para todo espacio vectorial de dimensión
menor que n y cualquier endomorfismo en él. Veamos que, entonces, vale para V de
dimensión n.
Sea λ un autovalor de T (hay, por estar trabajando sobre C). Definimos
R := Im(T − λidV ) y K := ker(T − λidV ).
Dado que
T ((T − λidV )(v)) = T 2 (v) − λT (v) = (T − λidV )(T (v)) ∈ R
| {z }
∈R

tenemos que R es un subespacio T -invariante. En consecuencia, la restricción T 0 = T |R

es un endomorfismo de R.
Por ser λ un autovalor de T resulta que K = 6 {0} (de hecho, K = Vλ ) y, por ser
dim(K) + dim(R) = n = dim(V ), resulta que r := dim(R) < n.
Luego, R es un C-espacio vectorial de dimensión r < n y T 0 ∈ End(R) por lo que
podemos aplicar la hipótesis inductiva para concluir que existe una base de Jordan de R
adaptada a T 0 , BR := {v1 , . . . , vr }.
Sea S := R ∩ K. Si S = {0}, por el cálculo de dimensiones hecho más arriba, tenemos
que V = R ⊕ K. Sea BK una base de K. Por definición de K, los vectores no nulos de K
son autovectores de T de autovalor λ. Por lo tanto, si B = BR ∪ BK , (por ser S = {0}) B
es una base de V y vale
 0 
[T ]BR 0
[T ]B =
0 λidn−r
donde [T 0 ]BR ∈ Cr×r tiene la forma normal de Jordan por construcción. Por otro lado,
cada componente no nula del bloque λidn−r forma un bloque de Jordan de dimensión 1 y
autovalor λ. Esto muestra que B es una base de Jordan de V adaptada a T , terminando
la demostración del Teorema en este caso.
Analicemos ahora el caso en que S = 6 {0}. Los elementos no nulos de S son elementos
de R que son autovectores de T de autovalor λ, por lo tanto son autovectores de T 0 de
autovalor λ, de hecho, S = Rλ (T 0 ). Por el Ejercicio 2.11, una base de S es, entonces,
{va0 (i1 ) , . . . va0 (is ) }, donde a0 (i) y b0 (i) tienen el significado que tienen en el Lema 2.10,
solo que para T 0 e i1 , . . . , is recorre los bloques de Jordan de T 0 con λij = λ. Para cada
va0 (ij ) se tiene el generador del bloque de Jordan Jij , el vector vb0 (ij ) . Estos generadores
están en R = Im(T − λidV ), por lo que existen uj ∈ V (j = 1, . . . , s) tales que vb0 (ij ) =
(T − λidV )(uj ). Veamos las propiedades de los uj . Por lo pronto, ninguno pertenece a
R ya que, por el punto 3 del Lema 2.10, vb0 (ij ) ∈ / Im(T 0 − λidR ) = Im((T − λidV )|R ),
para j = 1, . . . , s. Tampoco pertenecen a K, ya que en ese caso vb0 (ij ) = 0, cosa que
no puede ocurrir pues vb0 (ij ) es parte de una base de R. Sea BU := {u1 , . . . , us }. Como
(T − λidV )(BU ) = {vb0 (i1 ) , . . . , vb0 (is ) } es parte de la base BR , es un conjunto linealmente
independiente, entonces BU resulta un conjunto linealmente independiente.
Fijamos un subespacio K0 ⊂ K complementario a S y tomamos una base BK0 =
{v1K , . . . , vn−r−s
K
} de K0 .
Veamos que B := BR ∪ BK0 ∪ BU es un conjunto linealmente independiente. Supongamos
que
X r n−r−s
X Xs
K
αi vi + βj vj + γl ul = 0. (3.1)
i=1 j=1 l=1
 NOTAS DE FORMA NORMAL DE JORDAN 13

Aplicando T − λidV a ambos lados se obtiene

Xr s
X
0= αi (T − λidV )(vi ) + 0 + γl (T − λidV )(ul )
i=1 l=1
Xr s
X
= αi (T − λidV )(vi ) + γl vb0 (il )
i=1 l=1
 
k b0 (j) s
X X X
=  αi (T − λidV )(vi ) + γl vb0 (il ) .
j=1 i=a0 (j) l=1

Ahora bien, como por el Lema 2.13, cada hva0 (i) , . . . , vb0 (i) i es un subespacio T -invariante
de V y, por tanto, (T − λidV )-invariante, tenemos
 0 
k b (j) s
X X X
0=  αi (T − λidV )(vi ) +
 γl vb0 (il )
0
j=1 l=1
| {z }
i=a (j)
∈hv a0 (i ) ,...,vb0 (i ) i
| {z } l l
∈hva0 (j) ,...,vb0 (j) i

y podemos descomponer esta suma en las contribuciones de cada cadena de Jordan. En

particular, para la cadena generada por vb0 (il ) ,
b0 (il )
X
0 = γl vb0 (il ) + αm vm−1 .
m=a0 (i l )+1

Como los vectores vj que aparecen son parte de una base, son linealmente independientes
y, de esta expresión, concluimos que γl = 0. Como esto vale para todo l = 1, . . . , s, vemos
que (3.1) se reduce a
Xr n−r−s
X
αi vi + βj vjK = 0.
i=1 j=1
que reescribimos como
r
X n−r−s
X
αi vi = − βj vjK .
i=1 j=1
0
Como R ∩ K = {0}, de esta última condición obtenemos que
r
X n−r−s
X
αi vi = 0 y βj vjK = 0.
i=1 j=1

Por último, usando la independencia lineal de los elementos de BR y de BK0 concluimos

que α1 = · · · = αr = β1 = · · · = βn−r−s = 0, por lo que concluimos que B es un conjunto
linealmente independiente. Como #B = r + (n − r − s) + s = n = dim(V ), concluimos
que B es una base de V .
Ahora reordenamos B de la siguiente manera: colocamos cada vector uj inmediatamente
después del vector vb0 (il ) = (T − λidV )(ul ). De este modo, “se agrandan” algunos bloques
de Jordan presentes en [T 0 ]BR . Notamos que, como en el caso S = {0}, los elementos de
BK0 forman bloques de Jordan de dimensión 1 con autovalor λ. En conclusión, la base B
resulta una base de Jordan de V adaptada a T . Esto termina la demostración del caso de
dimensión n. Por el principio de inducción, el resultado vale para cualquier dimensión. 
Corolario 3.2. Sea A1 ∈ Cn×n . Entonces A1 es semejante a una matriz A2 cuya estruc-
tura de bloques es como el lado derecho de (2.1) y donde cada bloque tiene la forma (2.2).
14 JAVIER FERNANDEZ

Demostración. Sea T ∈ End(Cn ) tal que, si E es la base canónica de Cn , entonces [T ]E =

A1 . Luego, por el Teorema 3.1 existe una base de Jordan B de Cn adaptada a T . En este
caso tenemos [T ]B = C(E, B)[T ]E C(B, E), de donde
A2 := [T ]B = C(B, E)−1 A1 C(B, E)
y, por ser B una base de Jordan adaptada a T , A2 tiene la forma que dice el enunciado. 
Ejemplo 3.3. Sea
 
−5 −4 −1
A1 :=  8 7 2 .
0 0 3
Queremos hallar una base de Jordan para A1 . Notamos que si B es una tal base, entonces
C(B, E)−1 A1 C(B, E) tiene la forma normal de Jordan.
Como en la demostración del Corolario 3.2, denotaremos por T al endomorfismo de C3
tal que [T ]E = A1 ; en concreto, T (x) := A1 x. Entonces
χT (λ) = (3 − λ) (−5 − λ)(7 − λ) + 32 = (3 − λ)(λ − 3)(λ + 1) = −(λ + 1)(λ − 3)2 ,

por lo que los autovalores de T son −1 y 3, con multiplicidad algebraica 1 y 2 respectiva-

mente.
Elegimos, por ejemplo, λ = 3. En este caso3,
         
 −8 −4 −1   1 0 
R := Im(T − 3idC3 ) =  8  ,  4  ,  2  =  0  ,  1 
0 0 0 0 0
Por lo que una base de R está formada por los dos primeros vectores de la base canónica.
El paso siguiente es hallar una base de Jordan de R adaptada a T2 := T |R . Si denotamos
por B̃R a la base de R formada por los dos primeros vectores de la base canónica de C3 ,
entonces  
−5 −4
[T2 ]B̃R = . (3.2)
8 7
Con esto,
 
−5 − λ −4
χT2 (λ) = det(T2 − λidR ) = det([T2 ]B̃R − λid2 ) = det
8 7−λ
=(−5 − λ)(7 − λ) + 32 = λ2 − 2λ − 3 = (λ + 1)(λ − 3),

por lo que los autovalores de T2 son −1 y 3, ambos con multiplicidad algebraica 14.
Elegimos λ = 3. Sean
     
 −8 −4   −1 
R2 := Im(T2 − 3idR ) =  8  ,  4  =  1 
0 0 0
| {z }
v1

3Recordamos que la imagen de una transformación lineal T ∈ hom(Ka , Kb ) dada por T (x) = A · x para
b×a
A∈K es generada por las columnas de A.
4Los autovalores de T tienen que ser autovalores de T (con multiplicidad menor o igual) ya que T es
2 2
la restricción de T a un subespacio y, entonces, cualquier autovector de T2 es un autovector de T con el
mismo autovalor.
 NOTAS DE FORMA NORMAL DE JORDAN 15

y
 
−8 −4
K2 := ker(T2 − 3idR ) = c−1 (ker([T2 ]B̃R − 3id2 )) = c−1 (ker )
B̃R B̃R 8 4
 
   1 
1
=c−1 ( )=  −2  .
B̃R −2
0
| {z }
v2

Notemos que dim(R2 ) = 1, por lo que una base de Jordan de T2 |R2 está formada por
cualquier vector no nulo de R2 como, por ejemplo, v1 . Es inmediato que [T2 |R2 ]{v1 } = (−1).
Como R2 ∩ K2 = {0}, vale que R = R2 ⊕ K2 y una base de Jordan de R adaptada a
T2 está dada por BR := {v1 , v2 }. Verifiquemos:
 
−1 0
[T2 ]BR =
0 3
que está en la forma normal de Jordan con dos bloques de dimensión 1 correspondientes
a los autovalores −1 y 3.
Habiendo encontrado una base de Jordan de R adaptada a T2 , estudiamos
   
−8 −4 −1  1 
K := ker(T − 3idV ) = ker([T ]E − 3id3 ) = ker  8 4 2  =  −2  .
0 0 0 0
Como S = R ∩ K = K = hv2 i 6= {0}, de acuerdo a la demostración del Teorema 3.1
buscamos, primero, el generador del bloque de Jordan en R que contiene a v2 . Como el
bloque tiene dimensión 1, v2 es el generador de dicho bloque. Luego buscamos u1 ∈ V tal
que (T − 3idV )(u1 ) = v2 . Resolviendo el sistema lineal vemos que una solución (no única)
es  
0
u1 :=  0  .
−1
Luego, la demostración del Teorema 3.1 dice que B := {v1 , v2 , u1 } es una base de Jordan de
V adaptada a T (notar que no hace falta reordenar la base ya que u1 está inmediatamente
después de v2 , que es su imagen). Verificamos:
 
−1 0 0
[T ]B =  0 3 1  (3.3)
0 0 3
que está en forma normal de Jordan, con un bloque de dimensión 1 correspondiente al
autovalor −1 y uno de dimensión 2 correspondiente al autovalor 3. Notamos también que
la multiplicidad geométrica de −1 y 3 es 1.
Como dijimos al principio, siendo A1 = [T ]E vale que C(B, E)−1 A1 C(B, E) = [T ]B , por
lo que, si  
−1 1 0
C :=  1 −2 0  , (3.4)
0 0 −1
entonces  
−1 0 0
C −1 A1 C =  0 3 1  (3.5)
0 0 3
es la semejanza entre A1 y su forma normal de Jordan.
16 JAVIER FERNANDEZ

Ejercicio 3.4. Verificar que la expresión (3.2) del Ejemplo 3.3 es correcta.
Ejercicio 3.5. Rehacer el Ejemplo 3.3 eligiendo el autovalor λ = −1 para empezar.
Nota 3.6. El Teorema 3.1 y el Corolario 3.2 piden trabajar sobre C. Esto es así ya que
en la demostración del Teorema 3.1 se pide que existan autovalores de los endomorfismos,
es decir, que los autovalores estén en K. Como sabemos, es una propiedad de C que todos
los polinomios no constantes tienen sus raíces (tantas como el grado) en C. Otros cuerpos
también tienen esta misma propiedad y son llamados cuerpos algebraicamente cerrados.
Sin embargo R no es algebraicamente cerrado. Aún en casos en que un cuerpo no sea
algebraicamente cerrado, las bases de Jordan existen siempre que el polinomio caracterís-
tico del endomorfismo tenga dim(V ) raíces (contadas con multiplicidad) en el cuerpo. La
matriz A1 del Ejemplo 3.3 es una matriz real y, por lo tanto, define un endomorfismo en
R3 . El ejemplo 3.3 muestra que, como los autovalores de este endomorfismo son reales,
toda la construcción ocurre, de hecho, sobre R.
Ejercicio 3.7. Sea A = −16 26

2×2
−10 16 . Probar que no existe C ∈ R invertible de modo
−1
que C AC tiene la forma normal de Jordan. Probar que, sin embargo, existe C ∈ C2×2
invertible de modo que C −1 AC tiene la forma normal de Jordan.
Referencias
[Kel75] John L. Kelley, General topology, Springer-Verlag, New York, 1975, Reprint of the 1955 edition
[Van Nostrand, Toronto, Ont.], Graduate Texts in Mathematics, No. 27. MR 0370454 (51 #6681)
[Rud76] Walter Rudin, Principles of mathematical analysis, third ed., McGraw-Hill Book Co., New York,
1976, International Series in Pure and Applied Mathematics. MR MR0385023 (52 #5893)
 Índice alfabético
A
autoespacio, 7
autoespacio generalizado, 9
autovalor, 4
autovector, 4
autovector generalizado, 8

B
base de Jordan, 9
base del bloque de Jordan, 11
bases ordenadas, 1
bloque de Jordan, 10

C
cadena de Jordan, 11
cuerpos algebraicamente cerrados, 16

E
endomorfismo diagonalizable, 5
endomorfismos, 1

F
forma normal de Jordan, 10

M
matrices semejantes, 4
matriz asociada a una transformación lineal, 2
matriz de cambio de base, 3
matriz diagonalizable, 5
multiplicidad algebraica de un autovalor, 5
multiplicidad geométrica de un autovalor, 7

P
polinomio característico, 4

S
subespacio invariante, 7

V
vector generador del bloque de Jordan, 11

17
18 JAVIER FERNANDEZ

Instituto Balseiro, Universidad Nacional de Cuyo – C.N.E.A., Bariloche, Río Negro,

República Argentina
Email address: jfernand@ib.edu.ar