Problemas Resueltos de Valores y Vectores Propios.

1 Preliminares.
Definición 1: Valores y Vectores Propios.

Dado V un espacio vectorial sobre el cuerpo K, dim(V ) = n, y sea la transformación lineal

T : V → V . Se dice que λ ∈ C es un VALOR PROPIO de T si ∃ v ∈ V , v 6= θ, tal que

T (v) = λv.

En tal caso, el conjunto

Sλ := {v ∈ V : T (v) = λv}
se llama SUBESPACIO PROPIO de T asociado a λ (a los elementos de Sλ se les llama VECTORES
PROPIOS de T asociados a λ).
Sea BV = {v1 , . . . , vn } una base de V , y denotemos

A := [T ]BV ∈ Mn×n (K).

Diremos que λ ∈ K es un VALOR PROPIO de A si ∃ z ∈ Kn , z 6= θ, tal que

Az = λz.

En tal caso, el conjunto

Sλ := {z ∈ Kn : Az = λz}
se llama SUBESPACIO PROPIO de A asociado a λ (a los elementos de Sλ se les llama VECTORES
PROPIOS de A asociados a λ).
Notemos ahora que, como v 6= θ, se tiene:

T (v) = λv ⇔ A[v]BV = λ[v]BV

⇔ (A − λI)[v]BV = θ
⇔ det(A − λI) = 0,

lo cual dice que λ es valor propio de T si y sólo si también es valor propio de A. Además, los
vectores propios de A son los vectores de coordenadas de los vectores propios de T . Por otro
lado, la última equivalencia dice que los valores propios se determinan al resolver la ecuación

p(λ) := det(A − λI) = 0,

donde p se llama POLINOMIO CARACTERÍSTICO de A. Dicho de otra forma, los valores propios
de A son las raı́ces del polinomio caracterı́stico de A.

Definición 2: Transformaciones y Matrices diagonalizables.

Una matriz A ∈ Mn (R) se dice DIAGONALIZABLE si existen matrices P ∈ Mn (R) invertible

y D ∈ Mn (R) diagonal, tales que
P −1 AP = D.

1
Una aplicación lineal se dice DIAGONALIZABLE si su matriz asociada con respecto a alguna base
lo es.

Proposición 1: Una matriz A ∈ Mn (R) es diagonalizable si:

1. A es simétrica.

2. A tiene n valores propios diferentes.

Definición 3: Multiplicidades algebraica y geométrica.

Dado λ ∈ K un valor propio de T , se define su MULTIPLICIDAD ALGEBRAICA como el número de

veces que él se repite como valor propio. A su vez, se define su MULTIPLICIDAD GEOMÉTRICA
como la dimensión de su espacio propio asociado. Ambas multiplicidades se relacionan de la
siguiente manera:

1 ≤ MULTIPLICIDAD GEOMÉTRICA ≤ MULTIPLICIDAD ALGEBRAICA ≤ dim(V ).

De esto se sigue que si un valor propio tiene multiplicidad algebraica igual a 1, entonces su
multiplicidad geométrica también será 1.

Proposición 2: Una matriz A ∈ Mn (R) es diagonalizable si las multiplicidades algebraicas

de sus valores propios suman n, y si las multiplicidades algebraica y geométrica de todos sus
valores propios coinciden.

2 Ejercicios Resueltos.
2.1 Listado 5.
Problema 1. Encuentre los valores propios y subespacios propios de cada una de las siguientes
transformaciones lineales T : R3 → R3 definidas por:

(a) T (x, y, z) = (x − y + 4z, 3x + 2y − z, 2x + y + z).

Solución: Consideramos la base canónica B := {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, y construı́mos
la matriz asociada A = [T ]B :

T (1, 0, 0) = (1, 3, 2) = 1 · (1, 0, 0) + 3 · (0, 1, 0) + 2 · (0, 0, 1)

T (0, 1, 0) = (−1, 2, 1) = (−1) · (1, 0, 0) + 2 · (0, 1, 0) + 1 · (0, 0, 1)
T (0, 0, 1) = (4, −1, 1) = 4 · (1, 0, 0) + (−1) · (0, 1, 0) + 1 · (0, 0, 1),

y luego, la matriz asociada A está dada por:

 
1 −1 4
A =  3 2 −1  .
2 1 1

2
Calculamos ahora los valores propios de A. Para ello, resolvemos la ecuación p(λ) = 0:
p(λ) = det(A − λI)
 
 1 − λ −1 4 
 
=  3
 2 − λ −1 

 2 1 1−λ 
 
 1 − λ −1 4 
f3 +f1  
=  3
 2 − λ −1 

 3−λ 0 5−λ 

Elegimos la tercera fila para desarrollar el determinante:

    
 −1 4   1 − λ −1
(−1)3+1 · (3 − λ)  3+3

p(λ) = + (−1) · (5 − λ)  
2 − λ −1   3 2−λ 
= {(3 − λ) [1 − 4(2 − λ)] + (5 − λ) [(1 − λ)(2 − λ) + 3]}
= (3 − λ)(4λ − 7) + (5 − λ)(λ2 − 3λ + 5)
= −4λ2 + 19λ − 21 + 5λ2 − 15λ + 25 − λ3 + 3λ2 − 5λ
= −λ3 + 4λ2 − λ + 4
= −λ2 (λ − 4) − (λ − 4)
= −(λ2 + 1)(λ − 4)
Luego, los valores propios de A son λ1 = 4, λ2 = i, λ3 = −i. Sin embargo, dado que R3 es
un espacio vectorial real, el único valor propio de T es λ = 4 (las raı́ces complejas no son
valores propios de T ).
Calculemos ahora los vectores propios. Dado que estamos en R3 , y hemos considerado la
base canónica, entonces los espacios propios de A y de T son los mismos. Por definición,
para λ = 4, se tiene:
   
 x 
Sλ := v =  y  ∈ R3 : (A − 4I)v = θ
z
 

Tenemos que resolver el sistema de ecuaciones homogéneo:

    
−3 −1 4 x 0
(A − 4I)v = θ ⇔  3 −2 −1   y  =  0 
2 1 −3 z 0
    
−3 −1 4 x 0
f2 +f1 ,f3 +f1
⇐⇒  0 −3 3   y  =  0  .
−1 0 1 z 0
La segunda ecuación nos dice que y = z, mientras que la tercera ecuación dice que x = z.
Ası́, tenemos que      
x z 1
v =  y  =  z  = z  1  , z ∈ R,
z z 1
con lo cual * 1 +
 
Sλ =  1  .
1
 

3
(b) T (x, y, z) = (6x − 3y − 2z, 4x − y − 2z, 10x − 5y − 3z).

Solución: Nuevamente, consideramos la base canónica B := {(1, 0, 0), (0, 1, 0), (0, 0, 1)},
y construı́mos la matriz asociada A = [T ]B :
T (1, 0, 0) = (6, 4, 10) = 6 · (1, 0, 0) + 4 · (0, 1, 0) + 10 · (0, 0, 1)
T (0, 1, 0) = (−3, −1, −5) = (−3) · (1, 0, 0) + (−1) · (0, 1, 0) + (−5) · (0, 0, 1)
T (0, 0, 1) = (−2, −2, −3) = (−2) · (1, 0, 0) + (−2) · (0, 1, 0) + (−3) · (0, 0, 1),
y luego, la matriz asociada A está dada por:
 
6 −3 −2
A =  4 −1 −2  .
10 −5 −3
Calculemos ahora los valores propios de A. Para ello, al igual que en el caso anterior (pues
es la forma de hacerlo), resolvemos la ecuación p(λ) = 0:
p(λ) = det(A − λI)
 
 6−λ −3 −2 

=  4
 −1 − λ −2 
 10 −5 −3 − λ 
 
 6−λ −3 −2 
f2 −f1  
=  −2 + λ 2 − λ 0 
 
 10 −5 −3 − λ 
 
 6 − λ −3 −2 
 
= (2 − λ)  −1 1 0 

 10 −5 −3 − λ 

El último paso se puede hacer, pues en el cálculo de determinante se puede factorizar por
filas (recordar propiedades de determinante). La ventaja de hacer esto es que nos interesa
saber aquellos valores de λ que anulan el polinomio caracterı́stico. Por lo tanto, en nuestro
caso, al tener el factor (2 − λ), ya sabemos que λ = 2 es un valor propio. Lo que queda
dentro del determinante, ahora es un polinomio de grado 2, el cual se puede factorizar
fácilmente. Ahora, elegimos la segunda fila para desarrollar el determinante:
    
2+1
 −3 −2  2+2
 6−λ −2 
p(λ) = (2 − λ) (−1) · (−1) 
 + (−1) ·1·
−5 −3 − λ  10 −3 − λ 
= (2 − λ) {3 · (3 + λ) − 10 + (6 − λ)(−3 − λ) + 20}
= (2 − λ)(9 + 3λ − 10 − 18 + 3λ − 6λ + λ2 + 20)
= (2 − λ)(λ2 + 1)
Luego, los valores propios de A son λ1 = 2, λ2 = i, λ3 = −i. Sin embargo, igual que en
en caso anterior, el único valor propio de T es λ = 2 (las raı́ces complejas no son valores
propios de T ).
Calculamos ahora el subespacio propio asociado a λ = 2. Al igual que en el caso anterior,
el subespacio propio de A y T son el mismo.
   
 x 
Sλ := v =  y  ∈ R3 : (A − 2I)v = θ
z
 

4
 Tenemos que resolver el sistema de ecuaciones homogéneo:
    
4 −3 −2 x 0
(A − 2I)v = θ ⇔  4 −3 −2   y  =  0 
10 −5 −5 z 0
    
f2 −f1 ,f3 − 52 f1
4 −3 −2 x 0
⇐⇒  0 0 0   y  =  0 .
0 5/2 0 z 0

De la tercera ecuación tenemos que y = 0, y de la primera ecuación dice que 4x − 2z = 0,

o bien, z = 2x Ası́, tenemos que
     
x x 1
v=  y  =  0  = x 0  , x ∈ R,

z 2x 2

y por lo tanto,
* 1 +
 
Sλ =  0  .
2
 

Problema 3. Sea T : P2 (R) → P2 (R) tal que

1
T (x2 ) = x2 − , T (x) = x, T (1) = 1.
3
(a) Calcule los valores propios de T .

Solución: Consideramos la base canónica Bc = {x2 , x, 1}. Del enunciado, tenemos que la
matriz asociada está dada por:
 
1 0 0
A= 0 1 0 ,
−1/3 0 1

y luego, como la matriz triangular (inferior), es fácil ver que el polinomio caracterı́stico
está dado por:

p(λ) = det(A − λI)

 
 1−λ 0 0 
 
=  0
 1−λ 0 

 −1/3 0 1−λ 
= (1 − λ)3 ,

con lo cual, obviamente se tiene que el único valor propio es λ = 1.

(b) Para cada valor propio de T , determine su espacio propio y defina una base para el mismo.

Solución: Como se dijo en los preliminares, los vectores propios de A son los vectores de

5
 coordenadas de los vectores propios de T . Los vectores propios de A asociados a λ = 1 se
calculan resolviendo el sistema homogéneo:
    
0 0 0 x 0
 0 0 0   y  =  0  ⇐⇒ x = 0, y, z ∈ R,
−1/3 0 0 z 0

y por tanto, el espacio propio de A asociado a λ = 1 es el conjunto

* 0   0 +
 
 1 , 0  .
0 1
 

Ahora, esos dos vectores que generan el espacio propio de A son los vectores de coordenadas
(con respecto a Bc ) de los vectores de P2 (R) que generan el espacio propio de T , es decir,

Sλ = h{x, 1}i .

Problema 4. Sea L : M2 (R) → M2 (R) la aplicación lineal definida por

L(A) = A + At .

Encuentre los valores propios de L y los subespacios propios asociados a cada valor propio de L.

Solución: Recordemos que, dada A ∈ M2 (R), se tiene

1 1
A = (A + At ) + (A − At ),
2 2
o bien,
2A = (A + At ) + (A − At ). (1)
ˆ Si A = At (si A es simétrica), entonces reemplazando en (1) se tiene:

L(A) = A + At = 2A,

lo cual dice que λ1 = 2 es un valor propio de L, con espacio propio asociado

Sλ1 := A ∈ M2 (R) : A = At .


ˆ Por otro lado, si A = −At (si A es antisimétrica), entonces se obtiene:

L(A) = A + At = θ = 0 · A,

lo cual permite concluir que λ2 = 0 es un valor propio de L, con espacio propio asociado

Sλ2 := A ∈ M2 (R) : A = −At .



Problema 5. Sea V un espacio vectorial sobre un cuerpo K, B = {v1 , v2 , v3 } una base de V ,

λ1 , λ2 ∈ K distintos entre sı́ y T : V → V una aplicación lineal que satisface

T (v1 ) = λ1 v1 , T (v2 ) = λ1 v2 , T (v3 ) = λ2 v3 .

Encuentre:

6
(a) Base y dimensión de Sλ1 .

Solución: Dado que v1 , v2 ∈ Sλ1 , entonces es claro que h{v1 , v2 }i ⊆ Sλ1 , y por lo tanto,
dim(Sλ1 ) ≥ 2 (pues v1 y v2 son l.i.). Por otro lado, si dim(Sλ1 ) = 3, entonces Sλ1 = V , lo
cual no puede ser, pues v3 ∈
/ Sλ1 . Ası́,

Sλ1 = h{v1 , v2 }i y dim(Sλ1 ) = 2.

De forma totalmente análoga, se concluye que

Sλ2 = h{v3 }i y dim(Sλ2 ) = 1.

(b) T (3v1 + 5v3 ).

Solución: Como T es lineal, se tiene:

T (3v1 + 5v3 ) = T (3v1 ) + T (5v3 )

= 3T (v1 ) + 5T (v3 )
= 3λ1 v1 + 5λ2 v3

(c) Ker(T ).

Solución: Comencemos notando que, dado v ∈ V , existen escalares α1 , α2 , α3 ∈ K tales

que
v = α1 v1 + α2 v2 + α3 v3 ,
y luego, como T es lineal, se tiene que

T (v) = T (α1 v1 + α2 v2 + α3 v3 )
= T (α1 v1 ) + T (α2 v2 ) + T (α3 v3 )
= α1 T (v1 ) + α2 T (v2 ) + α3 T (v3 )
= α1 λ1 v1 + α2 λ1 v2 + α3 λ2 v3 ,

es decir, tenemos que

T (v) = (α1 λ1 )v1 + (α2 λ1 )v2 + (α3 λ2 )v3 . (2)

Ahora, sea v ∈Ker(T ). Se sigue que T (v) = θ, o bien, por (2), se tiene que

(α1 λ1 )v1 + (α2 λ1 )v2 + (α3 λ2 )v3 θ.

Esta última igualdad es una combinación lineal de v1 , v2 , v3 igual al vector nulo. Como
{v1 , v2 , v3 } es l.i. (pues es base), se sigue que los escalares son nulos, es decir:

α1 λ1 = 0, α2 λ1 = 0, α3 λ2 = 0.

– λ1 = 0, λ2 6= 0.

En este caso, neceesariamente α3 = 0 y α1 , α2 ∈ R. Luego, v = α1 v1 + α2 v2 , y

por tanto
Ker(T ) = h{v1 , v2 }i.

7
 – λ2 = 0, λ1 6= 0.

En este caso, se tiene α1 = α2 = 0, α3 ∈ R, y ası́, v = α3 v3 . Luego,

Ker(T ) = h{v3 }i.

– λ1 6=, λ2 6= 0.

En este caso, necesariamente se tiene que α1 = α2 = α3 = 0, con lo cual, v = θ,

y
Ker(T ) = {θ}.

Obs.: El caso λ1 = λ2 = 0 no se considera, pues, por hipótesis, λ1 6= λ2 .

(d) Los vectores v ∈ V que satisfacen T (v) = 2λ1 v.

Solución: Sea v = α1 v1 + α2 v2 + α3 v3 . De acuerdo a (2), la igualdad T (v) = 2λ1 v

se reescribe como:

(α1 λ1 )v1 + (α2 λ1 )v2 + (α3 λ2 )v3 = 2λ1 α1 v1 + 2λ1 α2 v2 + 2λ1 α3 v3 ,

o bien,
λ1 α1 v1 + λ1 α2 v2 + (2λ1 − λ2 )α3 v3 = θ,
que es una combinación lineal de los vectores base igual al vector nulo. Análogo a lo
anterior, la independencia lineal implica que

λ1 α1 = 0, λ1 α2 = 0, (2λ1 − λ2 )α3 = 0.

– Si λ2 = 0, entonces λ1 6= 0. En tal caso, α1 = α2 = α3 = 0, y por tanto,

v = θ.

– Si λ1 = 0, entonces λ2 6= 0. En tal caso, α1 , α2 ∈ R y α3 = 0. Por tanto,

v = α1 v1 + α2 v2 .

Notar que, en los dos casos anteriores no puede ocurrir que 2λ1 − λ2 = 0. Tenemos ası́ dos
casos más:

– Si λ1 6= 0, λ2 6= 0 y 2λ1 − λ2 = 0, entonces α1 = α2 = 0 y α3 ∈ R, con lo cual

v = α3 v3 .

– Si λ1 6= 0, λ2 6= 0 y 2λ1 − λ2 6= 0, entonces α1 = α2 = α3 = 0, y por tanto

v = θ.

(e) Los vectores v ∈ V que satisfacen T (v) = λ2 v.

Solución: Por definición, se tiene que T (v) = λ2 v si y sólo si v ∈ Sλ2 = h{v3 }i.

8
2.2 Listado 6.
Problema 2. Sean A, B ∈ Mn (R) tales que AB = BA.

(a) Muestre que si Bv 6= 0 y v es un vector propio de A asociado al valor propio λ, entonces

Bv también lo es.

Solución: Por hipótesis, tenemos que

Av = λv.

Multiplicando esta igualdad por B, como AB = BA, tenemos

BAv = Bλv ⇔ ABv = λBv,

lo cual dice que Bv es un vector propio de A, asociado al valor propio λ.

(b) Pruebe que si v es vector propio de A asociado a λ y dim(Sλ ) = 1, entonces v también es

vector propio de B.

Solución: No se me ocurre como hacerlo =/

Problema 3. Sea  
1 2 α
A =  2 1 −2 
2 2 −3
la matriz asociada a una aplicación lineal T : V → V con respecto a una base BV = {v1 , v2 , v3 }
del espacio vectorial real V .

(a) Encuentre α ∈ R de modo que λ = 1 sea un valor propio de T . ¿Cuál es la multiplicidad

algebraica de λ?

Solución: Por definición, sabemos que λ = 1 es un valor propio de T si y sólo si lo

es de A, es decir, si p(1) = 0, o bien, si |A − I| = 0. Pero, desarrollando el determinante
por la primera fila se tiene:

p(1) = |A − I|
 
 0 2 α 
 
=  2 0 −2 
 2 2 −4 
    
 2 −2
1+2  + (−1)1+3 · α ·  2 0
  
= (−1) · 2  
2 −4   2 2 
= {(−2) · (−4) + 4α}
= 8 + 4α,

de donde α = −2.

9
(b) Determine los restantes valores propios de T y sus multiplicidades algebraicas.

Solución: Calculamos las raı́ces de p(λ), reemplazando el valor conocido de α = −2:

p(λ) = |A − λI|
 
 1−λ 2 −2 
 
=  2
 1−λ −2 

 2 2 −3 − λ 
 
 1−λ 2 −2 
f2 −f1  
=  1+λ
 −1 − λ 0 

 2 2 −3 − λ 
 

 1−λ 2 −2 

= (1 + λ)  1 −1 0 

 2 2 −3 − λ 
 
1−λ 2
 −2 
f3 −f1 
= (1 + λ)  1 −1 0 

1 + λ 0 −1 − λ 

 
 1 − λ 2 −2 
 
= (1 + λ)(1 + λ)  1 −1 0 
 1 0 −1 
    
i=3 2 3+1
 2 −2  3+3
 1−λ 2 
= (1 + λ) (−1) · 1
  + (−1) · (−1) ·  
−1 0   1 −1 
= (1 + λ)2 {−2 − [−(1 − λ) − 2]}
= (1 − λ)(1 + λ)2 ,

lo cual permite concluir que los valores propios son λ1 = 1 y λ2 = −1, con multiplicidad
algebraica 1 y 2, respectivamente.

(c) Determine los espacios propios asociados a cada valor propio de T , ası́ como una base para
cada uno de ellos.

Solución: Calculamos primero los vectores propios de A asociados a cada valor pro-
pio, y luego pasamos a vectores propios de T . Para ello, debemos resolver el sistema de
ecuaciones homogéneo (A − λI)v = θ, para cada valor propio:

– Para λ1 = 1:
    
0 2 −2 x 0
(A − λI)v = θ ⇔  2 0 −2   y  =  0 .
2 2 −4 z 0

La primera ecuación nos dice que

2y − 2z = 0 ⇐⇒ y = z,

mientras que la segunda dice que

2x − 2z = 0 ⇐⇒ x = z.

10
 Ası́, el espacio propio de A asociado a λ1 = 1 es generado por el vector
 
1
 1 ,
1
y por lo tanto, el espacio propio de T asociado a λ1 = 1 está dado por

Sλ1 = h{v1 + v2 + v3 }i .

– Para λ2 = −1:
    
2 2 −2 x 0
(A − λI)v = θ ⇔  2 2 −2   y  =  0  .
2 2 −2 z 0
Notamos que las tres ecuaciones son la misma, y nos dice que

2x + 2y − 2z = 0 ⇐⇒ z = x + y.

Ası́:
       
x x 1 0
 y  =  y  = x 0  + y 1 , x, y ∈ R,
z x+y 1 1
y por lo tanto, el espacio propio de A asociado a λ2 = −1 es generado por
   
 1 0 
 0 , 1  .
1 1
 

Finalmente, el espacio propio de T asociado a λ2 = −1 es:

Sλ2 = h{v1 + v3 , v2 + v3 }i .

(d) ¿Es T diagonalizable? En caso de serlo, determine una base BV0 de V tal que [T ]B 0 sea
V
diagonal.

Solución: De lo realizado hasta ahora, tenemos que ambas multiplicidades (algebraica y

geométrica) de λ1 = 1 son iguales a 1, y de igual forma, las multiplicidades algebraica y
geométrica de λ2 = −1 son iguales a 2. Esto implica que efectivamente T es diagonalizable.
Por otro lado, de los cálculos previos, si definimos BV0 := {v1 + v2 + v3 , v1 + v3 , v2 + v3 },
tenemos que es base (en un certamen hay que verificarlo, pero ahora sólo lo decimos porque
ya sabe cómo hacerse), y además:

T (v1 + v2 + v3 ) = 1 · (v1 + v2 + v3 ) = 1 · (v1 + v2 + v3 ) + 0 · (v1 + v3 ) + 0 · (v2 + v3 )

T (v1 + v3 ) = −(v1 + v3 ) = 0 · (v1 + v2 + v3 ) + 1 · (v1 + v3 ) + 0 · (v2 + v3 )
T (v2 + v3 ) = −(v2 + v3 ) = 0 · (v1 + v2 + v3 ) + 0 · (v1 + v3 ) + 1 · (v2 + v3 ),

con lo cual,  
1 0 0
[T ]B 0 =  0 −1 0  .
V
0 0 −1

11
Problema 4. Sea T : R3 → R3 tal que

T (x, y, z) = (2x + 2z, ay + (a + 1)z, z),

con a ∈ R.
(a) Determine los valores de a para los cuales T es invertible.

Solución: De la teorı́a, sabemos que la aplicación T es invertible si y sólo si T es in-

yectiva y sobreyectiva, es decir, si Ker(T ) = {θ} e Im(T ) = R3 . Por otro lado, la teorı́a
dice también que una aplicación lineal T : V → V es invertible si y sólo si dada una base
[T ]−1
 −1
B de V , la matriz asociada [T ]B es invertible, y en tal caso, T B B .
Por lo tanto, primero construimos [T ]B , donde B es la base canónica:

T (1, 0, 0) = (2, 0, 0) = 2 · (1, 0, 0) + 0 · (0, 1, 0) + 0 · (0, 0, 1)

T (0, 1, 0) = (0, a, 0) = 0 · (1, 0, 0) + a · (0, 1, 0) + 0 · (0, 0, 1)
T (0, 0, 1) = (2, a + 1, 1) = 2 · (1, 0, 0) + (a + 1) · (0, 1, 0) + 1 · (0, 0, 1),

y por tanto  
2 0 0
[T ]B =  0 a 0 .
2 a+1 1
Luego,

T es invertible ⇐⇒ det([T ]B ) 6= 0
⇐⇒ 2 · a · 1 6= 0
⇐⇒ a 6= 0

(b) Determine los valores de a para los cuales T es diagonalizable.

Solución: Comenzemos calculando los valores propios:

 
2−λ 0 0
p(λ) = det([T ]B − λI) = det  0 a−λ 0  = (2 − λ)(a − λ)(1 − λ),
2 a+1 1−λ

con lo cual tenemos que los valores propios de T son

λ1 = 1, λ2 = 2, λ3 = a.

Luego, existen varios casos en los cuales T puede o no ser diagonalizable:

– Si a 6= 1, a 6= 2, entonces los valores propios son diferentes, y por tanto T es diago-

nalizable.
– Si a = 1, entonces λ1 = 1 tiene multiplicidad algebraica 2, y por lo tanto, basta
ver si su multiplicidad geométrica también es 2 o no (pues para λ2 = 2, ambas
multiplicidades son 1). Para ello, resolvemos el sistema homogéneo
    
  1 0 0 x 0
[T ]B − I v = θ ⇐⇒  0 0 0   y  =  0  .
2 2 0 z 0

12
 La primera ecuación dice que x = 0, y reemplazando ésto en la tercera, obtenemos
que y = 0. Luego, sólo queda una variable libre, y por lo tanto, la multiplicidad
geométrica de λ1 = 1 es 1. Se concluye ası́ que en este caso T no es diagonalizable.
– Por último, si a = 2, el valor propio λ2 = 2 tiene multiplicidad algebraica 2. Por ello,
para ver si T es diagonalizable, hay que ver si la multiplicidad geométrica de λ2 = 2
es o no 2 (pues, para λ1 = 1 ambas multiplicidades son 1). Resolvemos el sistema
    
  0 0 0 x 0
[T ]B − 2I v = θ ⇐⇒  0 0 0   y  =  0 .
2 3 −2 z 0

En este caso, sólo la tercera ecuación nos entrega información. Podemos despejar
cualquier variable de ella, pero sea cual sea quedarán dos variables libres, lo cual
dice que la multiplicidad geométrica de λ2 = 2 es 2, al igual que su multiplicidad
algebraica. Se concluye por lo tanto que en este caso T es diagonalizable.

Problema 5. Sea D : P2 (R) → P2 (R) tal que

D(p)(t) = p0 (t).

(a) Determine los valores propios de D.

Solución: Sea p(t) = a + bt + ct2 . Luego,

D(p)(t) = b + 2ct.

Ası́,

D(p)(t) = λp(t) ⇐⇒ p0 (t) = λp(t)

⇐⇒ b + 2ct = λa + λbt + λct2 .

Se sigue que λ ∈ R será un valor propio de D si se cumplen:

λa = b
λb = 2c
λc = 0

La tercera ecuación nos da dos opciones:

– Si λ = 0, al reemplazar en la segunda ecuación se obtiene que c = 0, y al reemplazar

en la primera ecuación, se tiene que b = 0. Luego,

p(t) = a.

Se tiene ası́ que λ1 = 0 es un valor propio de D, cuyo espacio propio son los polinomios
constantes.

13
 – Si λ 6= 0, entonces necesariamente c = 0, y por tanto, en la segunda ecuación tenemos
que b = 0, y reemplazando esto en la primera ecuación tenemos que a = 0, con lo
cual p = θ. Se concluye que no existen valores propios diferentes de cero, pues por
definición, los vectores propios deben ser no nulos.
(b) Determine el espacio propio asociado a cada valor propio de D. ¿Es D diagonalizable?

Solución: De lo hecho anteriormente, se deduce que

Sλ1 = h{1}i.


Luego, dado que dim(Sλ1 ) = 1 < 3 = dim P2 (R) , se concluye que D no es diagonalizable.

2.3 Bonus Track

Consideremos nuevamente la matriz del Problema 3 del Listado 6:
 
1 2 −2
A= 2 1 −2  .
2 2 −3
Ya sabemos que sus valores propios son λ1 = 1, λ2 = −1, con multiplicidad algebraica 1 y 2,
respectivamente, y espacios propios asociados:
* 1 +
 
Sλ1 =  1  ,
1
 
y
* 1   0 +
 
S λ2 =  0 , 1
   ,
1 1
 

En este caso, dado que las multiplicidades algebraica y geométrica de cada valor propio son
iguales (1 para λ1 , 2 para λ2 ), y como los valores propios en total son 3, entonces la matriz
A es diagonalizable, lo cual significa que existen matrices P ∈ Mn (R) invertible y D ∈ Mn (R)
diagonal tales que
P −1 AP = D.
La matriz D contiene a los valores propios de A en su diagonal, mientras que la matriz P tiene
a los vectores propios asociados como columnas, de modo que la i−ésima columna de P sea
un vector propio asociado al valor propio ubicado en la posición dii en la matriz D. Por ello
se necesita que los valores propios en total sean 3, para poder completar la matriz diagonal, y
también para poder completar la matriz P con vectores propios asociados. Para nuestro caso,
por ejemplo, D y P pueden ser elegidas como:
   
1 0 0 1 1 0
D =  0 −1 0  , P =  1 0 1  ,
0 0 −1 1 1 1
o también    
−1 0 0 0 1 1
D =  0 1 0 , P =  1 1 0 .
0 0 −1 1 1 1

Felipe Vargas Martı́nez

Concepción, Diciembre de 2012

14