lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.

1
Unidad N 6: VALORES Y VECTORES PROPIOS. DIAGONALIZACIN

1.- VALORES Y VECTORES PROPIOS DE UN OPERADOR LINEAL

Definicin 1
Sea V un espacio vectorial sobre un cuerpo F (R o C). Un operador lineal sobre V es
una transformacin lineal de V en V.

Definicin 2
Sea V {0
v
} un espacio vectorial sobre un cuerpo F, y sea T un operador lineal sobre V.
Un escalar F es un valor propio de T si y slo si existe algn vector no nulo V v tal
que v v T ) ( = .

Definicin 3
Sea V {0
v
} un espacio vectorial sobre un cuerpo F, y sea T un operador lineal sobre V.
Si F es un valor propio de T , se llama vector propio de T asociado al valor propio ,
a todo vector no nulo v V que verifica la condicin T (v) = v.
Notas:
1.- Los valores propios de un operador lineal T sobre un espacio vectorial V
F
pertenecen al cuerpo F en el
que est definido el espacio vectorial V.
2.- Son sinnimos
a) valor propio, valor caracterstico, raz caracterstica, autovalor, eigenvalor, valor espectral
b) vector propio, vector caracterstico, autovector, eigenvector

3.- Si v es un vector propio de T asociado a un valor propio , entonces T (v) es un mltiplo escalar de v,
ya que T (v) = v. En el caso en que 0 entonces v y T(v) son paralelos, por definicin de
paralelismo de vectores.

4.- Los valores y vectores propios tienen una interpretacin geomtrica til en los espacios vectoriales reales
R
2
y R
3
. Esto es as, ya que si v es un vector propio de un operador lineal T sobre R
2
(o R
3
), asociado a
un valor propio , entonces T dilata a v, contrae a v, invierte el sentido de v, etc. segn sea el valor de .

v
v v

v v
v
O O O




Proposicin 1
Sea F un valor propio de un operador lineal
F F
V V T : . El conjunto E

formado
por todos los vectores V v tales que v v T ) ( = es un subespacio vectorial de V. Esto es,
{ } V v v T V v S ) ( /

= =
Demostracin: Queda de tarea para el alumno
> 0 0 < < 1 1< < 0
lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
2
Definicin 4

S se denomina espacio propio asociado al valor propio F .

Proposicin 2
Sea
F F
V V T : un operador lineal. Entonces el conjunto de vectores propios de T
asociados a valores propios diferentes es linealmente independiente.

Demostracin:
Sean
n
v v v ,..., ,
2 1
vectores propios de T asociados a F
n
..., , ,
2 1
respectivamente,
tales que
j i
, si j i .
Es decir:
i i i
v v T ) ( = , con
j i
, si j i .

Debemos probar que {
n
v v v ,..., ,
2 1
} es linealmente independiente, es decir que
|
|

\
|
= = =

=
0 ; ..., , 1 0 ,
v
1
i
n
i
i i
a n i v a N n : P(n)
Para ello, demostraremos que la proposicin P(n) es verdadera empleando induccin en n

Si 1 = n , entonces

0 0
1 1 1
= = a v a
v

ya que
1
v es vector propio y por lo tanto
v
v 0
1

Luego, se verifica que la Proposicin P(n) es verdadera para 1 = n , es decir { }
1
v es
linealmente independiente.

Si suponemos que la Proposicin P(n) es vlida para h n = , debemos probar que la
Proposicin P(n) es verdadera para 1 + = h n .
En esta situacin la hiptesis inductiva es: la Proposicin P(n) es verdadera para h n = , es
decir que el conjunto { }
h
v v v ,..., ,
2 1
es linealmente independiente.
Debemos probar que la Proposicin P(n) es verdadera para 1 + = h n , es decir que el
conjunto { }
1
, ,..., ,
2 1 + h h
v v v v es linealmente independiente.

Para ello tomemos la siguiente combinacin lineal, de valor
v
0 , de estos 1 + h vectores
propios
v
0
1
1
=

+
=
h
i
i i
v a (1)
Aplicamos T en ambos miembros de (1):
( )
v
0
1
1
T v a T
h
i
i i
= |

\
|

+
=

lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
3
Por Propiedades 1 y 3 de Transformaciones lineales, resulta
( )
v
0
1
1
=

+
=
h
i
i i
v T a
Por hiptesis
i i i
v v T ) ( = , con
j i
, si j i entonces reemplazando se tiene
v
0
1
1
=

+
=
h
i
i i i
v a (2)
Ahora, multiplicamos ambos miembros por
1 + h
en (1)
v 1
1
1
1
0
+
+
=
+
=

h
h
i
i i h
v a
Por propiedad distributiva del producto de un escalar por una combinacin lineal, es
v
1
1
1
0 =

+
=
+
h
i
i i h
v a
Como el producto es conmutativo en el cuerpo F, resulta
v
1
1
1
0 =

+
=
+
h
i
i h i
v a (3)
Si restamos miembro a miembro (3)-(2), tenemos
v
1
1
1
1
1
0 =

+
=
+
=
+
h
i
h
i
i i i i h i
v a v a
y realizando las operaciones correspondientes, obtenemos
( )
v
1
1
0 =

=
+
h
i
i i h i
v a
esto es,
( ) ( ) ( )
v
0 = + + +
+ + + h h 1 h h 2 2 1 h 2 1 1 1 h 1
v a ... v a v a
Observemos que sta expresin es una combinacin lineal de valor 0
v
de vectores del
conjunto { }
h
v v ..., ,
1
, que es linealmente independiente por hiptesis inductiva, de modo
que los escalares deben ser simultneamente nulos.
Es decir,
( ) 0 0
1 1 1 1
= =
+
a a
h

( ) 0 0
2 2 1 2
= =
+
a a
h

: :
: :
( ) 0 0
1
= =
+ h h
a a
h h


Esto es as ya que los valores propios son diferentes entre s, por hiptesis del teorema, por
lo tanto los escalares son simultneamente nulos
a
1
= a
2
= ...

= a
h
= 0
lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
4
Reemplazando en (1) el valor de estos escalares, obtenemos
v 1 1
0 0 ... 0 0
2 1
= + + + +
+ + h h h
v a v v v
de donde,
0 0
1 1 1
= =
+ + + h h h
a v a
v

ya que
v h
v 0
1

+
por ser vector propio de T.
Luego { }
1
, ,..., ,
2 1 + h h
v v v v es linealmente independiente, y por lo tanto la proposicin P(n)
es verdadera para todo n N.
Q.E.D.
Observacin:
La proposicin recproca de la Proposicin 2 es falsa, pues puede ocurrir que un conjunto de vectores propios
sea linealmente independiente y estos vectores estn asociados a valores propios no necesariamente distintos,
hasta puede ocurrir que todos los valores propios sean iguales. Tal es el caso del operador lineal Identidad
sobre el espacio vectorial real R
3
, este es, I
d
: R
3
R
3
/ I
d
(x, y, z) = (x, y, z) en donde el conjunto de
vectores propios {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es linealmente independiente y estos vectores propios estn
asociados al valor propio
1
=
2
=
3
= 1.

Teorema 1
Sea
F
V un espacio vectorial de dimensin finita n y sea T un operador lineal sobre V. Si
existe una base B de V formada por vectores propios
n
v v v ..., , ,
2 1
de T, asociados a los
valores propios
n
..., , ,
2 1
, no necesariamente diferentes, entonces la matriz asociada a T
respecto a la base B de V es una matriz diagonal y en su diagonal principal se encuentran
los valores propios de T.

Demostracin:
Por hiptesis, tenemos que B { }
n
v v v ..., , ,
2 1
= es una base de V tal que
1 1 1
) ( v v T = ,
2 2 2
) ( v v T = , ...,
n n n
v v T ) ( = ,
con los
i
no necesariamente diferentes.
Expresamos a cada uno de los vectores ), (
1
v T ) (
2
v T , ... , ) (
n
v T en trmino de los
vectores de la base B , es decir, como combinacin lineal de los vectores de B :
n
v v v v T 0 ... 0 ) (
2 1 1 1
+ + + =
n
v v v v T 0 ... 0 ) (
2 2 1 2
+ + + =
: :
: :
n n
v v v v T
n
... 0 0 ) (
2 1
+ + + =
Es claro que las columnas de la matriz asociada a T respecto a la base B son las
coordenadas de los vectores ), (
1
v T ) (
2
v T , ..., ) (
n
v T respecto de la base B.
Es decir que las columnas de la matriz asociada a T respecto a la base B son los vectores:

lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
5
[ ]
1
1
1
0
0
nx
B
F v T
(
(
(
(
(
(

=
:
: ) (

, [ ]
1
2
2
0
0
nx
B
F v T
(
(
(
(
(
(

=
:
: ) (

, , [ ]
1
0
0
nx
n
B n
F v T
(
(
(
(
(
(

:
: ) (
Luego la matriz asociada a T respecto a la base B es

nxn
n
F M
(
(
(
(
(
(

... 0 0
: ... : :
: ... : :
0 ... 0
0 ... 0
2
1


M es una matriz diagonal, cuya diagonal principal est formada por los valores propios del
operador lineal T; con lo que queda demostrado el teorema.

Observacin:
En el Teorema 1 no se requiere que los escalares
i
sean distintos, incluso pueden ser todos iguales como
vimos en el caso del operador lineal Identidad I
d
: R
3
R
3
/ I
d
(x, y, z) = (x, y, z) que tiene tres valores
propios coincidentes
1
=
2
=
3
= 1 y los vectores propios asociados son los tres vectores cannicos


(1, 0, 0), (0, 1, 0), (0, 0, 1) que constituyen un conjunto linealmente independientes y por lo tanto es una base
de R
3
y en consecuencia la matriz asociada al operador lineal Identidad con respecto de esta base, es una
matriz diagonal, ms an es una matriz escalar, los elementos de su diagonal principal son unos .

Definicin 5
Sea
F
V un espacio vectorial de dimensin finita n y sea T un operador lineal sobre V.
T es diagonalizable si y slo si existe una base de V formada por vectores propios de T.

Proposicin 3
Sea
F
V un espacio vectorial de dimensin finita n y sea T un operador lineal sobre V. Si T
tiene n valores propios diferentes, entonces T es diagonalizable.

Demostracin:
Por hiptesis el operador lineal T admite n valores propios
1
,
2, ,

n
diferentes, entonces
por el Teorema 1, el conjunto {v
1
, v
2
, , v
n }
formado por los n vectores propios de T
asociados a los valores propios
1
,
2, ,

n
respectivamente, es linealmente
independiente.
Adems, como la dimensin del espacio vectorial V es igual a n, resulta que {v
1
, v
2
, , v
n
}
es una base de V. Luego por la Definicin 5 el operador lineal T es diagonalizable.



lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
6
2.- VALORES Y VECTORES PROPIOS DE UNA MATRIZ

Definicin 1
Sea
n n
F A
x
. F es un valor propio de A si y slo si existe algn vector no nulo
1 x n
F v tal que v v A = .

Definicin 2
Si F es un valor propio de
n n
F A
x
. Los vectores no nulos
1 x n
F v que verifican
la condicin v v A = se denominan vectores propios de A asociados al valor propio .

Proposicin 1
El conjunto

E de los vectores
1 x n
F v tales que verifican la condicin v v A = es un
subespacio vectorial de V. Esto es
{ } V v v A F v E
nx
/
1

= =
Demostracin:
Queda para el alumno.(Es similar a la Proposicin 1 correspondiente a los operadores
lineales).

Definicin 3
El conjunto

E de los vectores
1 x n
F v tales que verifican la condicin v v A = se
denomina espacio propio correspondiente al valor propio .

Proposicin 2
Sea
n n
F A
x
. El conjunto de vectores propios de A asociados a valores propios
diferentes es linealmente independiente.

Demostracin:
Queda para el alumno.(Es similar a la Proposicin 2 correspondiente a los operadores
lineales).

Proposicin 3
Sea
n n
F A
x
, F es un valor propio de A si y slo si la matriz A I
n
es singular
(no inversible), siendo I
n
la matriz unidad de orden n.

Demostracin
F es un valor propio de A
v
0
1 x
v F v
n
, tal que v v A =

v
0
1 x
v F v
n
tal que
v
v A v I
n
0 =
v
0
1 x
v F v
n
tal que
( )
v n
v A I 0 = el sistemas de ecuaciones homogneo ( )
v n
v A I 0 = es compatible
indeterminado la matriz A I
n
no es inversible (es singular).

lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
7
Definicin 4
Sea
n n
F A
x
:
A I
n
se denomina Matriz Caracterstica.
( ) A I
n
det se denomina Polinomio Caracterstico. Es un polinomio de grado n en la
variable con coeficientes en el cuerpo F. La notacin usual es ( ) A I P
n
= det ) ( .
( ) 0 det = A I
n
se denomina Ecuacin Caracterstica. Es una ecuacin de grado n en
la variable con coeficientes en el cuerpo F.

Nota:
Por el Corolario del Teorema Fundamental de lgebra, la ecuacin caracterstica ( ) 0 det = A I
n
admite
exactamente n races. Estas races pueden o no pertenecer al cuerpo F. nicamente las races pertenecientes
al cuerpo F son los valores propios de la matriz
nxn
F A .

Procedimiento para determinar los valores y vectores propios
Sea
n n
F A
x

I. ( ) 0 det = A I
n
. Las races de esta ecuacin pertenecientes al cuerpo F son los
valores propios de la matriz A.
II. Para cada valor propio
i
F, formamos el sistema de ecuaciones lineales
homogneo ( )
v
0 = v A I
n i
, donde v es el vector incgnita. De cada uno de estos
sistemas de ecuaciones lineales se determina el conjunto solucin, que es precisamente
el espacio propio E
i

correspondiente al valor propio

i
.
III. Determinamos una base B
i
de cada espacio propio E
i

. Cada una de estas bases

est formada por los vectores propios linealmente independientes asociados al valor
propio
i
.

Proposicin 4

Los valores propios de una matriz triangular son los elementos de su diagonal principal.

Demostracin
Sea
n n
F A
x
, una matriz triangular superior, con

(
(
(
(
(
(

=
nn
a
a
a
A
...
: ... : :
* ...
* ...
* ... *
0 0
0 0
0
22
11
.

lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
8
El polinomio caracterstico de A viene dado por:

( )( ) ( )
nn
nn
n
a a a
a
a
a
A I =

...
... 0 0
: ... : :
* ... 0 0
* ... 0
* ... *
) det(
22 11
22
11


Consideramos la ecuacin caracterstica
( ) 0 det = A I
n
,
esto es,
( )( ) ( ) 0 ...
22 11
=
nn
a a a
Al resolver la ecuacin caracterstica, observamos que las races son precisamente los
elementos de la diagonal principal de la matriz triangular superior A, esto es:


nn n
a
a
a
=
=
=

:
:
22 2
11 1


Es decir, que los valores propios de la matriz A son los elementos de su diagonal principal.
En forma anloga procedemos si la matriz A es una matriz triangular inferior.
Q.E.D.

Proposicin 5

Los valores propios de una matriz diagonal son los elementos de su diagonal principal.

Demostracin: Queda para el alumno














lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
9
2.1. SEMEJANZA DE MATRICES

Definicin 5
Sean dos matrices
n n
F B A
x
, .
A es semejante a B si y slo si existe una matriz
n n
F P
x
inversible, tal que P A P B
1
= .

Proposicin 6
La relacin de semejanza de matrices es una relacin de equivalencia.

Demostracin:
i) La relacin de semejanza de matrices es Reflexiva
Sea la matriz
n n
F A
x
. Es claro que A es semejante a A, ya que existe la matriz unidad
I
d
F
nxn
, que es inversible, tal que A = I
d
1
A I
d

ii) La relacin de semejanza de matrices es Simtrica
Sean dos matrices
nxn
F B A , . Probaremos que si A es semejante a B, entonces B es
semejante a A.
Como A es semejante a B, entonces existe una matriz
n n
F P
x
inversible, tal que
P A P B
1
=
Multiplicamos en ambos miembros a la izquierda por P y a la derecha por P
-1
, y tenemos
P B P
1
= P (P
1
A P) P
1

Como el producto de matrices es asociativo resulta
P B P
1
= (P P
1
) A (P P
1
)
De aqu se sigue
P B P
1
= A
Luego B es semejante a A, ya que P es la inversa de P
1
.

iii) La relacin de semejanza de matrices es Transitiva
Sean tres matrices A, B, C F
nxn
. Probaremos que si A es semejante a B y B es
semejante a C, entonces A es semejante a C.
Como A es semejante a B y B es semejante a C entonces, existen dos matrices inversibles
P, S F
nxn
tales que
P A P B
1
= S B S C
1
=
entonces,
S P A P S C ) (
1 1
=
lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
10
Y como el producto de matrices es asociativo, resulta
) ) (
1 1
S (P A P S C

=
Empleando la propiedad de la inversa del producto de matrices inversibles, esto es
( )
1
S P =
1 1


P S ,
observamos que existe una matriz inversible P S F
nxn
tal que
S) P ( A S) P ( C
1
=
Por lo tanto A es semejante a C.
Finalmente de i), ii) y iii) se sigue que la relacin de semejanza de matrices es una
relacin de equivalencia.
Q.E.D.
Nota:
En adelante, si una matriz A es semejante a otra matriz B diremos simplemente que A y B son semejantes,
esto es debido a que la equivalencia de matrices es una relacin de equivalencia.

Proposicin 7
Si dos matrices son semejantes entonces tienen el mismo polinomio caracterstico y por lo
tanto tienen los mismos valores propios.

Demostracin
Sean
n n
F B A
x
, matrices semejantes y sea
n n
F P
x
inversible tal que P A P B
1
= .
Probaremos que det ( I
n
- B) = det ( I
n
- A)
En efecto,
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) A I A I
A I I A I P P A I P P
P A I P P A I P P A P P I P
P A P P P I P A P I B I
n
n n n n
n n n
n n n
n
= =
= = = =
= = = =
= = =



det det
det det det det det det det
det det det det ) ( det
) det det det
1 1
1 1 1 1
1 1 1
(





Q.E.D.

Observacin:
El recproco de la Proposicin 7 es falso, ya que dos matrices pueden tener los mismos valores propios sin ser
matrices semejantes.



lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
11
2.2.- MATRICES DIAGNALIZABLES

Definicin 6
Sea
n n
F A
x
. La matriz A es diagonalizable si y slo si existe una matriz diagonal
D
n n
F
x
tal que A es semejante a D.

Observaciones:
1.- Como vimos en la Proposicin 7, si una matriz A es semejante a una matriz D, entonces resulta que A y D
tienen los mismos valores propios. Adems, la Proposicin 5, asegura que si D es una matriz diagonal
entonces los valores propios de D son los elementos de su diagonal principal. De estos resultados se
desprende que si una matriz A es semejante a una matriz diagonal D entonces los valores propios de A son
precisamente los elementos de la diagonal principal de la matriz diagonal D y por Definicin 6 la matriz A
es diagonalizable .

2.- Empleando las definiciones 6 y 5 podemos realizar el siguiente razonamiento:
A F
nxn
es diagonalizable existe una matriz diagonal D F
nxn
tal que A es semejante a D
por Def. 6
existe una matriz inversible P F
nxn
tal que D = P
-1
A P
por Def. 5

3.- De las observaciones 1 y 2 podemos advertir que la matriz inversible P diagonaliza a la matriz A y la
matriz diagonal D semejante a A, tiene en su diagonal principal a los valores propios de la matriz A.

Proposicin 8
Una matriz
n n
F A
x
es diagonalizable si y slo si A tiene n vectores propios que forman
un conjunto linealmente independiente. En tal caso la matriz diagonal D semejante a la
matriz A est dada por:
n n
n
F D
x
... 0 0
: ... : :
: ... : :
0 ... 0
0 ... 0
2
1

(
(
(
(
(
(

donde
n
..., , ,
2 1
son los valores propios de A. Si
n n
F P
x
es una matriz cuyas
columnas son vectores propios linealmente independientes de la matriz A entonces
P A P D
1
= .

Demostracin:
a) Supongamos que A tiene n vectores linealmente independientes
n
v v v ..., , ,
2 1

respectivamente asociados a los valores propios
n
..., , ,
2 1
(no necesariamente
diferentes) de la matriz A. Es decir,
n n n
v v A v v A v v A , ... , ,
2 2 2 1 1 1
= = = (1)
lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
12
Probaremos que la matriz A es diagonalizable.
Para ello, sea
n n
F P
x
la matriz cuyas columnas son los vectores propios
n
v v v ..., , ,
2 1
de
la matriz A, esto es,
(
(
(

=
| | | |
... ...
| | | |

2 1 n j
v v v v P , con n j F
p
p
p
v
n
nj
j
j
j
,..., ,
:
:
1
1 x
2
1
=
(
(
(
(
(
(

=

Observemos que la columna j-sima de P A es igual a
j
v A de modo que:


|

|
...
| | |
...
| | |

2 1
(
(
(

=
n j
v A v A v A v A P A
Luego, por (1), se tiene


|

|
...
| | |
...
| | |

2 2 1 1
(
(
(

=
n n j j
v v v v P A (2)

Por otro lado,
la columna j-sima de PD es igual a
j j
nj
j
j nj
j j
j j
j
v
p
p
p
p
p
p
P
j
j





:
:

:
:



0
:
:
0

2
1
2
1

=
(
(
(
(
(
(

=
(
(
(
(
(
(

=
(
(
(
(
(
(

,

por lo tanto,

(
(
(

=
|

|
...
| | |
...
| | |

2 2 1 1 n n j j
v v v v PD (3)


Teniendo en cuenta (2) y (3) se sigue que

P A D P = (4)
lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
13
y como { }
n
v v v ,..., ,
2 1
es linealmente independiente entonces P es inversible, por lo tanto si
multiplicamos a izquierda en ambos miembros de (4) por P
-1
, resulta

P A P D
1
= (5)

Es claro que D es una matriz diagonal semejante a A, ya que existe una matriz P
inversible que verifica la igualdad (5), luego, por Definicin 6, A es diagonalizable.


b) Ahora demostraremos que:
Si la matriz A es diagonalizable, entonces A tiene n vectores propios que forman un
conjunto linealmente independiente.

Por hiptesis la matriz A es diagonalizable, entonces por Definicin 6 existe una matriz
diagonal D semejante a A, y en consecuencia por Definicin 5, existe una matriz P
inversible tal que
P A P D
1
= ()

multiplicamos a izquierda en ambos miembros de () por P y resulta
P ) (
1
P A P P D

=
Aplicando la propiedad asociativa del producto de matrices tenemos
P P A P P D ) (
1
=
Luego
P A D P = ()

Ahora, si a la matriz diagonal D la representamos por

(
(
(
(
(
(

=
n
D

... 0 0
: ... : :
: ... : :
0 ... 0
0 ... 0
2
1
F
nxn
,

donde
n
..., , ,
2 1
no son necesariamente diferentes. Y si a la matriz P la expresamos a
travs de sus columnas, es decir


(
(
(

=
| | | |
... ...
| | | |

2 1 n j
v v v v P F
nxn
, con v
j
columna de P; j = 1, , n

lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
14
Entonces los productos PD y AP expresados en trminos de sus columnas son

(
(
(

=
|

|
...
| | |
...
| | |

2 2 1 1 n n j j
v v v v PD ()

y

|

|
...
| | |
...
| | |

2 1
(
(
(

=
n j
v A v A v A v A P A ()

Luego, de (), () y () se sigue que las respectivas columnas de PD y de AP son
iguales es decir
n n n
v v A v v A v v A , ... , ,
2 2 2 1 1 1
= = =
Esto nos indica que
n
v v v ..., , ,
2 1
son vectores propios de A asociados a los valores propios
n
..., , ,
2 1
respectivamente; y como P es inversible entonces {
n
v v v ..., , ,
2 1
} es
linealmente independiente.
Q.E.D.

Corolario
Si
nxn
F A admite n valores propios diferentes entonces A es diagonalizable.

Demostracin
Por hiptesis la matriz A tiene n valores propios diferentes. Sean
n
..., , ,
2 1
los n valores
propios diferentes de la matriz A, y sean
n
v v v ..., , ,
2 1
n vectores propios de A asociados a
cada uno de los valores propios respectivamente, esto es
n n n
v v A v v A v v A , ... , ,
2 2 2 1 1 1
= = = ,
entonces, por Proposicin 2, el conjunto {
n
v v v ..., , ,
2 1
} es linealmente independiente.
Esto es, la matriz A tiene n vectores propios que forman un conjunto linealmente
independiente, entonces por la Proposicin 8 resulta que A es diagonalizable.

Q.E.D.
Teorema de Cayley-Hamilton (sin demostracin)

Toda matriz
n n
F A
x
es un cero de su polinomio caracterstico.

lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
15
3.- MATRICES REALES SIMTRICAS-DIAGONALIZACIN ORTOGONAL

Definicin 1
Sea la matriz
n n
A
x
R . La matriz A es simtrica si y slo si A es igual a su transpuesta.
En smbolos
n n
A
x
R es simtrica
t
A A =

Tambin podemos expresar este concepto como sigue:
[ ]
n n
ij
a A
x
R = es simtrica n j n i a a
ji ij
, ... , , , ... , , 2 , 1 2 , 1 = = = .

Teorema1

Sea A una matriz real simtrica de orden n, entonces:
I. A tiene n valores propios (reales).
II. A tiene n vectores propios linealmente independientes.

Teorema 2

Sea
n n
A
x
R una matriz simtrica. Si
2 1
y son valores propios diferentes con
vectores propios asociados v
1
y v
2
respectivamente, entonces v
1
y v
2
son ortogonales.

Demostracin
Por hiptesis
2 1
y son valores propios de A, con
2 1
.
Adems,

1
v F
nx1
es un vector propio de A asociado al valor propio
1
, es decir
1 1 1
v v A = (1)

2
v F
nx1
es un vector propio de A asociado al valor propio
2
, es decir
2 2 2
v v A = (2)
Probaremos que
2 1
v v . Esto es equivalente a probar que 0
2 1
= v v , donde es un
producto interior en R
n
.
En efecto, empleando el producto interior calculemos

( ) ( )
2 1 1 2 1 1 2 1
v v v v v v A = = (3)

por (1) / por Axioma de Prod. Interior

Por otro lado

( ) ( )
2

2 1 2 2
1 2 1 2 1 2 1
v v v v v A v v A v v v A
t
= = = = (4)

por Propiedad Auxiliar / A es simtrica / por (2) / por Propiedad de Producto Interior
lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
16
De (3) y (4) se sigue:
( )
2 1 1
v v = ( )
2
2 1
v v

Como
2 1
, entonces
2 1
v v = 0. Por lo tanto,
2 1
y v v son ortogonales, con lo que
queda demostrado el teorema.

Propiedad Auxiliar:
Si A R
nxn
y u, v R
nx1
, entonces A u v = u A
t
v
En efecto,
A u v = (A u)
t
v = (u
t
A
t
) v = u
t
( A
t
v) = u A
t
v
Con lo que queda as demostrado.


Definicin

Sea una matriz Q R
nxn
. Q es ortogonal si y slo si su inversa coincide con su
transpuesta.
En smbolos,
Q R
nxn
es ortogonal
t
Q Q
1
=

Teorema

Sea A una matriz simtrica real de orden n. Entonces A tiene n vectores propios
ortogonales. De donde, la matriz A puede expresarse por A = QDQ
t
o bien AQ Q D
t
= ,
siendo la matriz Q ortogonal y D una matriz diagonal cuyos elementos en su diagonal son
los vectores propios de A.
Demostracin
Por el Teorema 1I., la matriz A tiene n valores propios reales. Determinamos una base de
cada Espacio propio asociado a cada valor propio real. Si aplicamos el proceso de Gram-
Schmidt a cada una de estas bases, obtenemos su correspondiente base ortogonal cuyos
vectores siguen siendo vectores propios asociados al respectivo valor propio. Por el
Teorema 2 los vectores propios asociados a valores propios diferentes son ortogonales, por
lo tanto los vectores de bases distintas son ortogonales, y por el Teorema 1II. la matriz A
tiene n vectores linealmente independientes, entonces si realizamos la unin de las bases
ortogonales se obtiene un conjunto de n vectores propios ortogonales. En consecuencia la
matriz A es diagonalizable. Normalizando los n vectores propios ortogonales de A se
consigue un conjunto de n vectores propios ortonormales. Luego, si Q es la matriz cuyas
columnas son los n vectores propios ortonormales de A entonces, Q es una matriz
ortogonal y por tanto
lgebra Lineal (Ing) - lgebra II (LM-PM) - lgebra II (LSI y PI) F.C.E. y T. U.N.S.E.
17
AQ Q D
t
=
donde D es una matriz diagonal semejante a A, con los valores propios de A en su diagonal.
Un esquema prctico es el siguiente:
Procedimiento para diagonalizar una matriz real simtrica

I. Resolver la ecuacin caracterstica ( ) 0 det = A I
n
. Como A es real simtrica, se
obtienen n valores propios reales.
II. Para cada valor propio, se encuentra el espacio propio asociado.
III. Para cada espacio propio se encuentra una base.
IV. A cada base se aplica el proceso de ortogonalizacin de Gram-Schmidt y se normaliza,
si es necesario, a fin de obtener una base ortonormal de cada espacio propio.
V. Se construye la matriz Q, cuyas columnas son los n vectores propios ortonormales que
constituyen la unin las bases ortonormales.
Q es la matriz que diagonaliza ortogonalmente a la matriz A.

Definicin
Una matriz A R
nxn
es diagonalizable ortogonalmente si y slo si existe una matriz Q
ortogonal tal que Q A Q D
t
= , donde ( )
n
diag D
` 2 1
..., , , = , donde
i
son valores
propios de A y las columnas de Q son los vectores propios ortogonales de A.


-.-.-.-.-.-