Você está na página 1de 18

D

e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Ingeniera Matem atica
FACULTAD DE CIENCIAS
F

ISICAS Y MATEM

ATICAS
UNIVERSIDAD DE CHILE

Algebra Lineal 08-2


SEMANA 15: FORMA DE JORDAN
8. Forma de Jordan
8.1. Denici on
Estudiaremos aqu un procedimiento que permite obtener, a partir de una
matriz A, otra similar con gran cantidad de ceros. Obviamente, el ideal es
obtener una matriz diagonal, pero esto no siempre es posible. Nos confor-
maremos con una forma algo m as compleja que la matriz diagonal, pero
con la ventaja de que esta puede obtenerse para matrices arbitarias.
La idea general de reducir una matriz consiste en determinar una base de
modo que la transformacion lineal asociada a la matriz inicial tenga una
representacion simple en la nueva base.
Partamos con un ejemplo. Consideremos la transformaci on lineal T
A
:
9

9
dada por x Ax, cuya matriz representante J, con respecto a una base

J
es:
J =

2 1 0
0 2 1
0 0 2

_
_
2 1
0 2
_
_ (2)
_
5 1
0 5
_
(6)

Es claro que (A) = 2, 5, 6, con multiplicidades algebraicas 6, 2, 1 respec-


tivamente.
La base
J
la notaremos como sigue:

J
= v
1
11
, v
1
12
, v
1
13
, v
1
21
, v
1
22
, v
1
31
, v
2
11
, v
2
12
, v
3
11

De la denicion de matriz representante, obtenemos:


T
A
(v
1
11
) = 2v
1
11
T
A
(v
1
12
) = v
1
11
+ 2v
1
12
T
A
(v
1
13
) = v
1
12
+ 2v
1
13
T
A
(v
1
21
) = 2v
1
21
T
A
(v
1
22
) = v
1
21
+ 2v
1
22
T
A
(v
1
31
) = 2v
1
31
T
A
(v
2
11
) = 5v
2
11
T
A
(v
2
12
) = v
2
11
+ 5v
2
11
T
A
(v
3
11
) = 6v
3
11
187
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Vemos que v
1
11
es vector propio (cabeza de serie) asociado al valor propio

1
= 2, v
1
12
es una cola asociada a v
1
11
y v
1
13
es cola asociada a v
1
12
.
Posteriormente obtenemos otro vector propio asociado a
1
= 2 con una
cola y nalmente un tercer vector propio asociado a
1
= 2. Luego se
repite el mismo esquema: un vector propio y una cola asociados a
2
= 5 y
nalmente un vector propio asociado a
3
= 6.
En general la matriz J que nos interesa en este parrafo tiene la forma:

1
1
.
.
. 1
0
1

.
.
.

1
1
.
.
. 1
0
1

_
.
.
.
_

r
1
.
.
. 1

.
.
.

r
1
.
.
. 1

donde los bloques son de tama no s(1, 1), . . . , s(1, p


1
), . . . , s(r, 1), . . . , s(r, p
r
),
y el espectro es (A) =
1
, . . . ,
r
, con multiplicidades
p1

j=1
s(1, j), . . . ,
pr

j=1
s(r, j),
respectivamente. La base se escribe:

J
= v
1
11
, . . . , v
1
1s(1,1)
, v
1
21
, . . . , v
1
2s(1,2)
, . . . , v
1
p11
, . . . , v
1
p1s(1,p1)
, . . . , v
r
pr1
, . . . , v
r
prs(r,pr)

o mediante una tabla de doble entrada:



v
1
11
v
1
21
v
1
p11
v
r
11
v
r
21
v
r
pr1
v
1
12
v
1
22
v
1
p12
v
r
12
v
r
22
v
r
pr2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
v
1
1s(1,1)
v
1
2s(2,1)
v
1
p1s(1,p1)
v
r
1s(r,1)
v
r
2s(r,2)
v
r
prs(r,pr)

(8.1)
188
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
vectores de la base
asociados a
1

vectores de la base
asociados a
r
las echas indican el encadenamiento de los vectores de base. Por ejemplo
al vector v
1
1s(1,1)
le sigue v
1
21
.
El primer elemento de cada columna corresponde a un vector propio. Bajo
un vector propio guran las colas asociadas.
Ademas:
T
A
(v
k
ij
) = Av
k
ij
=
_

k
v
k
ij
si j = 1 (1
era
la de la tabla)
v
k
ij1
+
k
v
k
ij
si j > 1
(8.2)
Una base
J
, con estas caractersticas se denomina base de Jordan asociada Base de Jordan
a la transformaci on lineal T y su matriz representante es justamente J.
Tambien es claro que los subespacios propios son:
V
1
=
_
v
1
11
, . . . , v
1
p11
__
, dim V
1
= p
1
V
2
=
_
v
2
11
, . . . , v
2
p21
__
, dim V
2
= p
2
.
.
.
V
r
=
_
v
r
11
, . . . , v
r
pr1
__
, dim V
r
= p
r
Los bloques se notan:
J
i
=

i
1 _
.
.
.
.
.
.
_
.
.
. 1

Denicion 8.1 (Forma de Jordan). Una transformacion lineal Forma de Jordan


T
A
:
n

n
x T
A
(x) = Ax
se reduce a la forma de Jordan si y s olo si es posible determinar una
base
J
con las caractersticas denidas en (8.1) y (8.2).
Veamos otro ejemplo. Sea la matriz:
J =

8 1 0 0 0
0 8 0 0 0
0 0 0 1 0
0 0 0 0 0
0 0 0 0 0

J
1
_
J
2
_ J
3

donde J
1
=
_
8 1
0 8
_
, J
2
=
_
0 1
0 0
_
, J
3
= (0).
189
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Tenemos (J) =
1
= 8,
2
= 0 con multiplicidades 2 y 3 respectivamen-
te.
V
1
= V
8
= e
1
) , V
2
= V
0
= e
3
, e
5
)
donde e
i

5
i=1
es la base canonica de
5
. De acuerdo a nuestra notacion,
la base de Jordan,
J
es:
v
1
11
v
2
11
v
2
21
v
1
12
v
2
12
asociados a asociados a
V
1
V
2
Estudiemos el esquema de similitud entre la matriz A (representante de T
con respecto a la base canonica) y
J
:
A
T :
5

5

P P
5

J
J
J
: base can onica

J
: base de Jordan
Luego J = P
1
AP o equivalentemente AP = PJ. Pero P es la matriz de
pasaje de la base canonica a
J
= v
1
11
, v
1
12
, v
2
11
, v
2
21
, v
2
21
. Es directo que:
P = (v
1
11
, v
1
12
, v
2
11
, v
2
12
, v
2
21
)
y se tiene:
Av
1
11
= PJ
1
= P

8
0
0
0
0

= 8v
1
11
, Av
1
12
= PJ
2
= P

1
8
0
0
0

= v
1
11
+ 8v
1
12
,
Av
2
11
= PJ
3
= P

0
0
0
0
0

= 0v
2
11
, Av
2
12
= PJ
4
= P

0
0
1
0
0

= v
2
11
+ 0v
2
12
,
Av
2
21
= PJ
5
= P

0
0
0
0
0

= 0v
2
21
recuper andose la relaci on (8.2).
Simpliquemos por un momento la notaci on. Si escribimos P = (v
1
, . . . , v
n
)
tal que = v
1
, . . . , v
n
es base de Jordan, se verica:
i = 1, . . . , n Av
i
=
i
v
i
o bien Av
i
= v
i1
+v
i
.
190
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
En el primer caso v
i
es un vector propio y en el segundo lo denominaremos
vector propio generalizado (existe una cola).
En estas condiciones se tiene el teorema siguiente:
Teorema 8.1. Una transformacion lineal arbitraria, T
A
=
n

n
, x
Ax, es reductible a la forma de Jordan, o de manera equivalente:
A /
nn
( ), J /
nn
( )
matriz de Jordan, similar a la matriz A:
A = PJP
1
donde las columnas de P son los vectores de la base asociada a
J
.
Demostraci on. La demostraci on la omitimos aqu y no se cubrir a en
clases, sin embargo se presenta en el apendice de la semana, s olo por
completitud.
8.2. Aplicaciones de la forma de Jordan
8.2.1. Potencias de una matriz
Vimos anteriormente que la diagonalizaci on de matrices nos entregaba una
forma f acil de calcular las potencias de una matriz. Sin embargo, esto s olo
es aplicable a matrices que admitan una diagonalizaci on.
A continuaci on veremos que la forma de Jordan tiene tambien utilidad para
el calculo de potencias, con la ventaja que cualquier matriz cuadrada admite
una forma de Jordan. Veamos primero que la forma de Jordan nos da una
descomposici on especial, para cualquier matriz cuadrada.
Si J es la matriz de Jordan de A, cada bloque de J es de la forma:
J
i
=

i
1 0
.
.
.
.
.
.
.
.
. 1
0
i

=
i
I
i
+

0 1 0
.
.
.
.
.
.
.
.
. 1
0 0

,
en donde I
i
es la identidad de la dimensi on correspondiente. Llamemos N
i
a la segunda matriz de la suma. Esta matriz tiene la siguiente propiedad,
propuesta como ejercicio:
Ejercicio
Ejercicio 8.1: Suponga que N
i
/
ss
( ), pruebe entonces por in-
ducci on que m , p, q 1, . . . , s,
(N
m
i
)
pq
=

1 si q = p +m,
0 si q ,= p +m.
191
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Ademas deduzca que N
s
i
= 0. Una matriz con esta propiedad, se dice
nilpotente.
Luego, reescribiendola matriz A por bloques:
A = P

1
I
1
0 . . . 0
0
2
I
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . .
r
I
r

. .
D
+

N
1
0 . . . 0
0 N
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . N
r

. .
N

P
1
.
Notar que los valores propios
1
, . . . ,
r
son los valores propios de A con
posible repetici on.
Se tiene que la matriz N es nilpotente, gracias al siguiente ejercicio:
Ejercicio
Ejercicio 8.2: Sea B una matriz diagonal por bloques, es decir
B =

B
1
0 . . . 0
0 B
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . B
r

en donde B
1
, . . . , B
r
son matrices cuadradas y el resto son matrices
cero.
Sea m , pruebe que entonces
B
m
=

B
m
1
0 . . . 0
0 B
m
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . B
m
r

.
Concluya que la matriz N anterior es nilpotente.
Hemos probado entonces la siguiente propiedad:
Proposici on 8.1. Dada A /
nn
( ), existen una matriz invertible P,
una matriz diagonal D y una matriz nilpotente N, tales que
A = P(D +N)P
1
.
192
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Usaremos lo anterior para calcular potencias de una matriz. Sea A
/
nn
( ) y m . Queremos calcular A
m
. Por lo visto en la parte de
diagonalizaci on:
A
m
= P(D +N)
m
P
t
.
Debemos entonces estudiar (D +N)
m
, que gracias al Ejercicio 8.2 es equi-
valente a estudiar (
i
I
i
+N
i
)
m
, es decir cada bloque de la forma de Jordan.
Se puede probar que el Teorema del Binomio de Newton es tambien v alido
para matrices, si la multiplicacion de estas conmuta. Este es precisa-
mente el caso de
i
I
i
y N
i
, que conmutan pues
i
I
i
es ponderaci on de la
identidad. Luego
(
i
I
i
+N
i
)
m
=
m

k=0
_
m
k
_
(
i
I
i
)
mk
N
k
i
.
Para k 0, . . . , m, (
i
I
i
)
mk
=
mk
i
I
i
. As, gracias al Ejercicio 8.1:
_
m
k
_
(
i
I
i
)
mk
N
k
i
=
_
m
k
_

mk
i
N
k
i
=

0 . . .
_
m
k
_

mk
i
0
.
.
.
.
.
.
_
m
k
_

mk
i
.
.
.
.
.
.
0 0

En donde los terminos


_
m
k
_

mk
i
estan ubicados desde la posicion (1, k)
hasta la (k, n). Notar ademas que, si
i
+N
i
/
ss
( ), la matriz anterior
es nula para k s.
Finalmente, sumando sobre k, se obtiene:
(
i
I
i
+N
i
)
m
=

m
i
_
m
1
_

m1
i
_
m
2
_

m2
i
. . .
_
m
s1
_

m(s1)
i
0
m
i
_
m
1
_

m1
i
_
m
2
_

m2
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . 0
m
i
_
m
1
_

m1
i
0 . . . . . . 0
m
i

.
(8.3)
Y tenemos entonces que
A
m
= P

(
1
I
1
+N
1
)
m
0 . . . 0
0 (
2
I
2
+N
2
)
m
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . (
r
I
r
+N
r
)
m

P
1
,
con los bloques (
i
I
i
+N
i
)
m
como en (8.3).
193
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
8.2.2. Matriz exponencial
Otra aplicaci on importante est a relacionada con calcular la exponencial de
una matrix, la generalizacion de la funci on exponencial real para matrices.
Dicha matriz exponencial tiene utilidad en ciertos metodos de resoluci on
de ecuaciones diferenciales (que ver as en cursos mas adelante).
Veamos primero la denici on de la matriz exponencial.
Denicion 8.2 (Matriz exponencial). Sea A /
nn
( ). La expo- Matriz exponencial
nencial de A, denotada por e
A
, es la matriz en /
nn
( ) dada por la serie
de potencias
e
A
=

k=0
1
k!
A
k
.
Esta serie siempre converge, por lo que e
A
esta bien denida.
Observaci on: El ultimo punto tratado en la denici on, acerca de la
convergencia, lo aceptaremos aqu. Esto sale de los t opicos a tratar en
el curso.
Veamos primero algunas propiedades de la exponencial, las cuales no pro-
baremos aqu:
Proposici on 8.2. Dadas matrices B, C /
nn
( ), se tiene
1. Si C es invertible, e
CBC
1
= Ce
B
C
1
.
2. Si BC = CB, entonces e
B+C
= e
B
e
C
= e
C
e
B
.
3. Si B es diagonal, B = diag(b
1
, . . . , b
n
), entonces
e
B
= diag(e
b1
, . . . , e
bn
).
Sea entonces A /
nn
( ), que gracias a la Proposicion 8.1 se escribe como
A = P(D+N)P
1
, con D matriz diagonal con los vectores propios de A y
N una matriz nilpotente.
Calculamos entonces la exponencial de A, utilizando la Proposici on 8.2 y
el hecho de que D y N conmutan (ya se sus bloques conmutan):
e
A
= Pe
(D+N)
P
1
= P(e
D
e
N
)P
1
.
Veamos e
N
,
e
N
=

k=0
1
k!
N
k
.
Gracias al Ejercicio 8.2 y sumando en k, se tiene que (este paso se puede
formalizar, pero no lo haremos aqu)
e
N
=

e
N1
0 . . . 0
0 e
N2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . e
Nr

.
194
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Ademas, por la Proposici on 8.2,
e
D
=

e
1
I
1
0 . . . 0
0 e
2
I
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . e
r
I
r

,
el i-esimo bloque de e
D
e
N
es:
e
i
I
i
e
Ni
= e
i

k=0
1
k!
N
k
i
= e
i
s1

k=0
1
k!
N
k
i
.
Ya que si suponemos N
i
/
ss
( ), como N
i
es nilpotente, para k s se
tiene N
k
i
= 0. As:
e
i
e
Ni
=

e
i
1
1!
e
i
1
2!
e
i
. . .
1
(s1)!
e
i
0 e
i
1
1!
e
i
1
2!
e
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . 0 e
i
1
1!
e
i
0 . . . . . . 0 e
i

(8.4)
Finalmente
e
A
= P

e
1
e
N1
0 . . . 0
0 e
2
e
N2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . e
r
e
Nr

P
1
,
con cada bloque como en (8.4).
8.2.3. Teorema de Cayley-Hamilton
El Teorema de Cayley-Hamilton se nala que una matriz es siempre raiz de
su polinomio caracterstico. Para comprender a que nos referimos con esto,
notemos que dado un polinomio
p(x) = a
0
+a
1
x +a
2
x
2
+ +a
n
x
n
T
n
( ),
podemos asociarle naturalmente una funci on de /
nn
( ) a /
nn
( ). Dada
X /
nn
( ):
p(X) = a
0
I +a
1
X +a
2
X
2
+ +a
n
X
n
.
Enunciemos entonces el teorema:
Teorema 8.2 (Cayley-Hamilton). Dada una matriz A /
nn
( ) y Cayley-Hamilton
p
A
(x) su polinomio caracterstico, entonces
p
A
(A) = 0.
195
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Demostraci on. Consideremos A = PJP
1
, la forma de Jordan de A. Sa-
bemos que dos matrices similares tienen el mismo polinomio caracterstico,
luego
p
A
(x) = p
J
(x).
Ahora, como J es triangular superior, p
J
(x) puede ser calculado como:
p
J
(x) = [J xI[ = (x
1
)
s1
(x
2
)
s2
. . . (x
r
)
sr
,
en donde cada termino (x
i
)
si
corresponde al bloque de Jordan J
i
.
Calculemos entonces p
A
(A). Gracias a lo visto en la parte de diagonaliza-
cion, no es difcil probar que:
p
A
(A) = p
J
(A) = Pp
J
(J)P
1
= P(J
1
I)
s1
(J
2
I)
s2
. . . (J
r
I)
sr
P
1
.
Ahora, mirando el bloque i-esimo del termino i de este producto (de di-
mensiones s s), tenemos que:
(J
i

i
I
i
)
s
= N
s
i
= 0,
ya que gracias al Ejercicio 8.1, la matriz N
i
es nilpotente.
Luego, usando el Ejercicio 8.2, se concluye.
8.2.4. Traza de una matriz
Una ultima utilidad de la forma de Jordan, que veremos, es permitir carac-
terizar la traza de una matriz.
Denicion 8.3 (Traza). La traza es la funci on tr: /
nn
( ) , de- Traza
nida por:
A = (a
ij
) /
nn
( ), tr(A) =
n

k=0
a
ii
.
Es decir, es la suma de los elementos de la diagonal de la matriz.
Las siguientes propiedades quedan de ejercicio:
Proposici on 8.3. Se tienen las siguientes propiedades:
1. La funci on tr es lineal.
2. A, B /
nn
( ), tr(AB) = tr(BA).
Demostraci on. Propuesta como ejercicio. Ejercicio
As, podemos probar el siguiente resultado:
196
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Proposici on 8.4. Sea A /
nn
( ), con valores propios distintos
1
, . . . ,
r
.
Entonces
tr(A) =
r

i=1

A
(
i
)
i
.
En donde recordemos que
A
(
i
) es la multiplicidad algebraica de
i
.
Demostraci on. Sea A = PJP
1
, la forma de Jordan de A, luego
tr(A) = tr(PJP
1
) = tr(P
1
PJ) = tr(J).
En donde ocupamos la Proposicion 8.3, con PJ y P
1
.
Ahora, en la diagonal de J estan precisamente los valores propios de A,
repetidos tantas veces como su mutiplicidad algebraica. As,
tr(A) = tr(J) =
r

i=1

A
(
i
)
i
.

197
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Ingeniera Matem atica
FACULTAD DE CIENCIAS
F

ISICAS Y MATEM

ATICAS
UNIVERSIDAD DE CHILE

Algebra Lineal 08-2


SEMANA 15: FORMA DE JORDAN
Probaremos el siguiente teorema:
Teorema 8.3. Una transformacion lineal arbitraria, T
A
=
n

n
, x
Ax, es reductible a la forma de Jordan, o de manera equivalente:
A /
nn
( ), J /
nn
( )
matriz de Jordan, similar a la matriz A:
A = PJP
1
donde las columnas de P son los vectores de la base asociada a
J
.
Demostraci on. Por inducci on sobre la dimensi on, n, del espacio. Es tri-
vialmente cierto para n = 1 (verique). Supongamos que el resultado se
cumple k n 1. Veremos primero:
Caso 1: La matriz A es singular (detA = 0).
En este caso r(A) = r < n, es decir dimIm(T
A
) = r(A) = r < n. Sea:
T

= T [
ImTA
: ImT
A
ImT
A
Por hip otesis, como dimImT
A
< n, existe la descomposicion de Jordan.
Existe entonces una base de ImT
A
que verica las hip otesis. Mas explci-
tamente: Si (T

) =
1
, . . . ,
m
y ademas los subespacios propios:
V
1
=

v
1
11
, . . . , v
1
p11

_
, . . . , V
m
=
_
v
m
11
, . . . , v
m
pm1
_
)
obteniendose la base , de Jordan para T

:
v
1
11
v
1
p11
vectores propios de V
1
v
1
12
v
1
p12
.
.
.
.
.
. colas asociadas
v
1
1s(1,1)
v
1
ps(1,p1)
a los vectores propios de V
1
.
.
.
.
.
.
.
.
.
v
m
11
v
m
pm1
vectores propios deV
m
v
m
12
v
m
pm2
.
.
.
.
.
. colas asociadas
v
m
1s(m,1)
v
m
pms(m,pm)
donde r = dimImT
A
=

i,j
s(i, j) y se verica:
T

(v
k
ij
) =
_

k
v
k
ij
si j = 1
v
k
ij1
+
k
v
k
ij
si j > 1
198
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Donde:
J =

J
11
.
.
. _
J
p1
J
12
.
.
.
J
p22
.
.
.
_ J
1m
.
.
.
J
pmm

y cada bloque:
J
ik
=

k
1
.
.
.
.
.
. _
_
.
.
. 1

es de dimension s(k, i)s(k, i), asociado a los vectores de base v


k
i1
, . . . , v
k
is(k,i)
.
Subcaso 1: KerT
A
ImT
A
= 0.
De acuerdo al Teorema del N ucleo-Imagen (TNI), dimKerT
A
+dimImT
A
=
n, luego
n
= KerT
A
ImT
A
, de donde la base de Jordan ser a:

J
= w
1
, . . . , w
r
z
1
, . . . , z
nr

donde w
i

r
i=1
es base de Jordan de ImT
A
y z
i

nr
i=1
es una base del n ucleo
de T
A
.
La matriz asociada es:
J =

J
11
.
.
. _
J
pmm
0
_
.
.
.
0

n r bloques
de 1 1 con
el valor propio 0
que verica claramente:
T
A
w
i
=
i
w
i
o T
A
w
i
= w
i1
+
i
w
i
1 i r
y ademas, T
A
z
i
= 0z
i
1 i n r.
Subcaso 2: KerT
A
ImT
A
=
_
u
1
, . . . , u
p
__
, subespacio de dimension
p 1.
199
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Es decir u
i
KerT
A
y u
i
ImT
A
. Estos vectores son propios T
A
(u
i
) =
0u
i
. Ademas, como u
i
ImT
A
estos son vectores propios de T

= T[
ImTA
.
Por hip otesis de Jordan existen, para cada uno de los vectores u
i
, un bloque
(eventualmente de 11). Sin perdida de generalidad, supongamos que en la
base de Jordan asociada a T

, se tiene
1
= 0. Luego obtenemos los bloques
siguientes:
v
1
11
v
1
21
v
1
p1
v
1
12
v
1
22
.
.
.
.
.
.
.
.
.
.
.
.
v
1
1s(1,1)
v
1
2s(1,2)
v
1
ps(1,p)
vectores propios asociados a
1
= 0
que verican la recurrencia:
T
A
v
1
11
= 0 v
1
11
T
A
v
1
12
= v
1
11
+ 0 v
1
12
.
.
.
T
A
v
1
1s(1,1)
= v
1
1s(1,1)1
+ 0 v
1
1s(1,1)
(8.5)
.
.
.
T
A
v
1
p1
= 0 v
1
p1
.
.
.
T
A
v
1
ps(1,p)
= v
1
ps(1,p)1
+ 0 v
1
ps(1,p)
Para completar la base de Jordan asociada a ImT
A
a una base de
n
,
elegimos el conjunto de vectores
2
= y
j

p
j=1
tal que:
Ay
1
= v
1
1s(1,1)
Ay
2
= v
1
2s(1,2)
.
.
.
Ay
p
= v
1
ps(1,p)
Es decir, los vectores y
j

p
j=1
son soluciones de los sistemas asociados al
ultimo vector de cada bloque del vector
1
= 0. Estos sistemas tienen
soluci on ya que, por hip otesis, v
1
js(1,j)
ImT
A
, j = 1, . . . , p.
Ademas, son vectores linealmente independientes. En efecto, si
p

j=1
c
j
y
j
= 0
entonces
p

j=1
c
j
T
A
y
j
=
p

j=1
c
j
Ay
j
=
p

j=1
c
j
v
1
js(1,j)
= 0
como, por hip otesis el conjunto v
1
js(1,j)

p
j=1
es linealmente independiente,
conclumos que c
j
= 0, j = 1, . . . , n.
200
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
M as a un, los vectores y
j

p
j=1
satisfacen:
T
A
(y
j
) = Ay
j
= v
js(1,j)
+ 0y
j
1 j p.
luego podemos redenir el orden de los vectores en el conjunto
2

J
para
obtener una descomposicion en bloques de Jordan. Por ejemplo, veamos la
inclusi on del vector y
1
.
Tenamos (ver Ecuacion (8.5)):
T
A
v
1
11
= 0v
1
11
.
.
.
T
A
v
1
1s(1,1)
= v
1
1s(1,1)1
+ 0v
1
1s(1,1)
deniendo v
1
1s(1,1)+1
= y
1
, se tiene que
T
A
v
1
1s(1,1)+1
= v
1
1s(1,1)
+ 0v
1
1s(1,1)+1
y redenimos el primer bloque:
v
1
11
, . . . , v
1
1s(1,1)
, v
1
1s(1,1)+1
= y
1
que satisface la recurrencia de Jordan.
En general, para cada bloque asociado a
1
, agregamos el vector v
1
js(1,j)+1
=
y
j
, lo cual satisface la recurrencia de Jordan. Los nuevos bloques tienen la
forma:

0 1 0
.
.
.
.
.
.
.
.
.
.
.
. 1 0
0 1
0 0

Debemos vericar que el conjunto


2

J
es .i.: Consideremos una
combinaci on lineal nula, escrita por bloques:
= [
1
11
v
1
11
+
1
12
v
1
12
+ +
1
1s(1,1)
v
1
1s(1,1)
] +. . .
+ + [
1
p1
v
1
p1
+
1
p2
v
1
p2
+ +
1
ps(1,p)
v
1
1s(1,p)
] +. . .
+ [
k
11
v
k
11
+ +
k
1s(k,1)
v
k
1s(k,1)
] +. . .
+ [
k
p
k
1
v
p
k
s(1,p
k
)
+ +
k
p
k
s(k,p
k
)
v
k
p
k
s(k,p
k
)
] +. . .
+
1
y
1
+
2
y
2
+ +
p
y
p
= 0
(8.6)
Aplicando la transformacion T
A
a esta ecuacion obtenemos:
T
A
() = A = [
1
11
Av
1
11
+
1
12
A
2
v
1
12
+ +
1
1s(1,1)
Av
1
1s(1,1)
] +. . .
+ [
1
p1
Av
1
p1
+
1
p2
Av
1
p2
+ +
1
ps(1,p)
Av
1
1s(1,p)
]+
+ [
k
11
Av
k
11
+ +
k
1s(k,1)
Av
k
1s(k,1)
]+
+ [
p
k
1
Av
p
k
s(1,p
k
)
+ +
k
p
k
s(k,p
k
)
Av
k
p
k
s(k,p
k
)
] +. . .
+
1
Ay
1
+ +
p
Ay
p
= 0
201
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
Reemplazando seg un la recurrencia de Jordan y recordando que
1
= 0:
A = [
1
12
v
1
11
+
1
13
v
1
12
+ +
1
1s(1,1)
v
1
1s(1,1)1
] + . . .
+ [
1
p2
v
1
p1
+
1
p3
v
1
p2
+ +
1
ps(1,p)
v
1
1s(1,p)1
] +. . .
+ [
k
11

k
v
k
11
+ +
k
1s(k,1)
(
k
v
k
pts(k,1)
+v
k
1s(k,1)1
)]
+ [
k
p
k
1

k
v
k
p
k
1
+ +
k
p
k
s(k,p
k
)
(
k
v
k
p
k
s(k,p
k
)
+v
k
p
k
s(k,p
k
)1
)] +. . .
+
1
v
1
1s(1,1)
+
2
v
1
2s(1,2)
+ +
p
v
1
ps(1,p)
= 0
Reordenando, agregamos cada vector asociado a los escalares
j
a su res-
pectivo bloque:
T
A
() = [
1
12
v
1
11
+ +
1
1s(1,1)
v
1
1s(1,1)1
+
1
v
1
1s(1,1)
] +. . .
+(
k
11

k
+
k
12
)v
k
11
+ (
k
12

k
+
k
13
)v
k
12
+. . .
+ (
k
1s(k,1)1

k
+
k
1s(k,1)
)v
k
1s(k,1)1
+
k
1s(k,1)

k
v
k
1s(k,1)
+ = 0
como los vectores son .i se tiene que

1
12
=
1
13
= =
1
1s(1,1)
=
1
= 0
.
.
.

1
p2
=
1
p3
= =
1
ps(1,p)
=
p
= 0
y k 1 (bloques asociados a
k
):

k
11

k
+
k
12
= 0

k
12

k
+
k
13
= 0
.
.
.

k
1s(k,1)1

k
+
k
1s(k,1)
= 0

k
1s(k,1)

k
= 0
como
k
,= 0, reemplazando desde la ultima a la primera ecuaci on, con-
clumos

k
ij
= 0 k, i, j. Recordemos que, al aplicar T
A
, desaparecieron los coe-
cientes

1
11
, . . . ,
1
p1
, pero, como el resto de los coecientes
k
ij
,
j
, es nulo se tiene
en (8.6):

1
11
v
1
11
+ +
1
p1
v
1
p1
= 0
Como v
1
j1

p
j=1
es .i, conclumos
1
11
= =
1
p1
= 0, luego el conjunto

2
o
J
es .i.
El conjunto anterior
2

J
tiene r +p vectores, donde r = dimImT
A
, es
decir [
2

J
[= p+r n. Nos falta entonces considerar KerT
A
ImT
A

KerT
A
. Pero esto es facil, sea:
KerT
A
=
_
u
1
, . . . , u
p
__
z
1
, . . . , z
q
)
202
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
donde

u
1
, . . . , u
p

_
= ImT
A
KerT
A
y z
1
, . . . , z
q
) es un suplementario
en KerT
A
.
Armamos que la base de Jordan de
n
esta dada por:

J
=
J

2

3
,
3
= z
i

q
i=1
.
Claramente estos n vectores son .i., pues si
r

j=1

j
w
j
+
p

j=1

j
y
j
+
q

j=1

j
z
j
= 0
aplicando T
A
y recordando que z
j
KerT
A
obtenemos:
r

j=1

j
T
A
w
j
+
p

j=1

j
T
A
y
j
= 0
que corresponde al analisis de la independencia lineal de
2

J
que hicimos
previamente, luego
j
=
j
= 0. S olo queda entonces
q

j=1

j
z
j
= 0 de donde

j
= 0 pues z
j
es .i.
La matriz de Jordan, agregando los z
i

q
i=1
al nal de la base, es la siguiente:
J =

J
11
.
.
.

J
p1
_
J
12
.
.
.
J
p22
.
.
.
J
1m
.
.
.
_ J
pmm
0

0

donde

J
11
, . . . ,

J
p1
son los bloques asociados a
1
= 0 con la cola agre-
gada y
i
. El ultimo grupo de q bloques de 0s corresponde a la base del
suplementario de
ImT
A
KerT
A
en KerT
A
.
Con esto hemos demostrado que, si A es regular (no invertible), esta es
reductible a la forma de Jordan.
Veamos ahora el caso invertible: Como A M
nn
( ), valor propio
asociado a A. Consideremos la matriz singular A

= A I. Por el proce-
dimiento desarrollado anteriormente existen matrices J

y P invertible tal
203
D
e
p
a
r
t
a
m
e
n
t
o
d
e
I
n
g
e
n
i
e
r

a
M
a
t
e
m

a
t
i
c
a
-
U
n
i
v
e
r
s
i
d
a
d
d
e
C
h
i
l
e
que:
J

= P
1
A

P J

= P
1
(A I)P
PJ

P
1
= A I A = PJ

P
1
+I =
= PJ

P
1
+PP
1
= P(J

+I)P
1
luego la matriz de Jordan asociada a T
A
es J = J

+I, donde aparece


en la diagonal principal.
Ejercicio
Ejercicio 8.3: La forma de Jordan es unica, salvo permutaci on del
orden de la base.
204