57 Matematicas I :

Algebra Lineal
Tema 6
Diagonalizacion
6.1 Valores y vectores propios
6.1.1 Planteamiento del problema
Problema general de diagonalizacion Dado un operador lineal f sobre un espacio vectorial V , nos
planteamos el problema de cuando es posible encontrar una base de V respecto de la cual la matriz de f sea
diagonal. Si A es la matriz del operador f con respecto a una determinada base B, el planteamiento anterior
es equivalente a preguntarse cuando existe un cambio de base tal que la matriz del operador en la nueva base
B

sea diagonal. Esa nueva matriz viene dada por P

1
AP , donde P es la matriz de paso de la nueva base B

a la base B (Teorema de Semejanza).

Problema de la diagonalizacion ortogonal Dado un operador lineal f sobre un espacio vectorial
V con producto interior, nos planteamos el problema de cuando es posible encontrar una base ortonormal de
V respecto de la cual la matriz de f sea diagonal. Si V es un espacio con producto interior y las bases son
ortonormales entonces se tendra que P sera ortogonal.
Podemos pues formular los dos problemas anteriores en terminos de matrices.
1.- Dada una matriz cuadrada A, existe una matriz P inversible tal que P
1
AP sea diagonal?
2.- Dada una matriz cuadrada A, existe una matriz ortogonal P tal que P
t
AP sea diagonal?
Denicion 145.- Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P inversible tal
que P
1
AP es diagonal. En ese caso se dice que P diagonaliza a la matriz A.
Si existe una matriz ortogonal P tal que P
1
AP es diagonal, entonces se dice que A es diagonalizable
ortogonalmente y que P diagonaliza ortogonalmente a A.
6.1.2 Valores y vectores propios
Supongamos que la matriz A
nn
es diagonalizable y sea D la matriz diagonal. Entonces:
P inversible tal que P
1
AP = D o, equivalentemente, P inversible tal que AP = PD
Si denotamos por p
1
, p
2
, . . . , p
n
a las columnas de P , las matrices son
AP = A
_
p
1
p
2
p
n
_
=
_
Ap
1
Ap
2
Ap
n
_
PD =
_
_
_
_
_
p
11
p
12
p
1n
p
21
p
22
p
2n
.
.
.
.
.
.
.
.
.
.
.
.
p
n1
p
n2
p
nn
_
_
_
_
_
_
_
_
_
_

1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
_
=
_
_
_
_
_

1
p
11

2
p
12

n
p
1n

1
p
21

2
p
22

n
p
2n
.
.
.
.
.
.
.
.
.
.
.
.

1
p
n1

2
p
n2

n
p
nn
_
_
_
_
_
=
_

1
p
1

2
p
2

n
p
n
_
y, como son iguales: Ap
i
=
i
p
i
, para todo i = 1, . . . , n. Es decir, han de existir n vectores linealmente
independientes p
i
(P es inversible) y n n umeros
i
que lo veriquen.
Denicion 146.- Si A es una matriz de orden n, diremos que es un valor propio, valor caracterstico,
eigenvalor o autovalor de A si existe alg un p IR
n
, p = 0 , tal que Ap = p .
Del vector p diremos que es un vector propio, vector caracterstico, eigenvector o autovector de
A correspondiente al valor propio .
Del comentario anterior, obtenemos la primera caracterizacion para la diagonalizacion de la matriz:
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
58 Matematicas I :

Algebra Lineal 6.2 Diagonalizacion
Teorema 147.- Sea A una matriz de orden n, entonces:
A es diagonalizable A tiene n vectores propios linealmente independientes
Demostracion:
Por lo anterior, se tiene que: A es una matriz diagonalizable
P inversible y D diagonal tal que AP = PD
P inversible y D diagonal tal que
AP =
_
Ap
1
Ap
2
Ap
n
_
=
_

1
p
1

2
p
2

n
p
n
_
= PD
existen n vectores linealmente independientes tales que Ap
1
=
1
p
1
, . . . , Ap
n
=
n
p
n
A tiene n vectores propios linealmente independientes
En consecuencia, el problema de la diagonalizacion se reduce a la busqueda de los vectores propios de la
matriz, y comprobar si de entre ellos pueden tomarse n linealmente independientes.
6.2 Diagonalizacion
La primera simplicacion de la b usqueda se produce, no sobre los vectores propios, sino sobre los autovalores
correspondientes:
Teorema 148.- Si A es una matriz de orden n, las siguientes proposiciones son equivalentes:
a) es un valor propio de A.
b) El sistema de ecuaciones (I A)x = 0 tiene soluciones distintas de la trivial.
c) det(I A) = 0.
Demostracion:
es un valor propio de A existe un vector x IR
n
, x = 0 , tal que Ax = x el sistema
x Ax = (I A)x = 0 tiene soluciones distintas de la trivial |I A| = 0
Denicion 149.- Sea A una matriz de orden n. Al polinomio en de grado n, P() = |I A| , se le
denomina polinomio caracterstico de la matriz A.
Si un valor propio de A, llamaremos espacio caracterstico de A correspondiente a al conjunto
V () =
_
x IR
n
: (I A)x = 0
_
. Es decir, V () es el conjunto formado por todos los vectores propios de
A correspondientes a , mas el vector cero.
As pues, los autovalores son las raices del polinomio caracterstico y los vectores propios, los vectores
distintos de cero del espacio caracterstico asociado.
Observacion 150.- V () es un subespacio y dimV () 1:
En efecto, es un subespacio por ser el conjunto de soluciones de un sistema homogeneo y como es valor
propio de A, existe x = 0 en V (), luego lin{x} V () y 1 = dim(lin{x}) dimV ().
Ademas, dimV () = dim
_
x IR
n
: (I A)x = 0
_
= n rg(I A).
Antes de seguir: en el estudio realizado hasta ahora, hemos buscado la diagonalizacion de matrices, separandolo
del operador lineal que aparece en el planteamiento inicial del problema. Sin embargo, todo lo anterior (y lo
siguiente) es valido y aplicable en los terminos del operador. Pueden verse los resultados que lo justican en el
Anexo 1, pag 73.
Teorema 151.- Sean v
1
, v
2
, . . . , v
k
vectores propios de una matriz A asociados a los valores propios
1
,

2
, . . . ,
k
respectivamente, siendo
i
=
j
, i = j . Entonces el conjunto de vectores {v
1
, v
2
, . . . , v
k
} es
linealmente independiente.

Corolario 152.- Una matriz de orden n con n autovalores distintos, es diagonalizable.
Demostracion:
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
59 Matematicas I :

Algebra Lineal 6.2 Diagonalizacion
Si la matriz tiene n autovalores distintos
1
,
2
, . . . ,
n
y de cada espacio caracterstico V (
k
) podemos
tomar un vector propio v
k
= 0 , tenemos n vectores propios, v
1
, v
2
, . . . , v
n
que son, por el resultado
anterior, linealmente independientes.
Proposicion 153.- Sea A de orden n y
k
un autovalor de A de multiplicidad m
k
. Entonces
1 dimV (
k
) m
k
.

Teorema fundamental de la diagonalizacion 154.- Sea A una matriz de orden n. Entonces A es diagonali-
zable si y solo si se cumplen las condiciones:
1.- El polinomio caracterstico tiene n raices reales. Es decir, |I A| = (
1
)
m
1
(
k
)
m
k
con
m
1
+m
2
+ +m
k
= n.
2.- Para cada espacio caracterstico V (
i
), se cumple que dimV (
i
) = m
i
.

Aunque omitimos aqu la demostracion por ser demasiado tecnica (puede verse en el Anexo 2), en ella se aporta
el metodo para encontrar los n vectores propios linealmente independientes necesarios en la diagonalizacion:
Si dimV (
i
) = m
i
para todo i = 1, . . . , k y m
1
+ + m
k
= n, podemos tomar de cada V (
i
) los m
i
vectores de una base para conseguir el total de n vectores.
Ejemplo 155 Para la matriz A =
_
_
0 0 4
0 4 0
4 0 0
_
_
, su polinomio caracterstico es:
P() = |I A| =

0 4
0 4 0
4 0

= ( 4)

4
4

= ( 4)(
2
4
2
) = ( 4)
2
( + 4)
luego los autovalores de A son
1
= 4 con m
1
= 2 y
2
= 4 con m
2
= 1. Como
1
,
2
IR y m
1
+ m
2
=
2 + 1 = 3 = n, se cumple la primera condicion del Teorema.
Veamos el punto 2: como 1 dimV (4) m
2
= 1 la condicion dimV (4) = 1 se cumple de manera
inmediata (y se cumple siempre para cualquier autovalor con multiplicidad 1). Para el otro autovalor,
1
= 4:
dimV (4) = 3 rg(4I A) = 3 rg
_
_
4 0 4
0 0 0
4 0 4
_
_
= 3 rg
_
_
4 0 4
0 0 0
0 0 0
_
_
= 3 1 = 2 = m
1
luego tambien se cumple y, en consecuencia, la matriz diagonaliza.
Como los elementos de V (4) son las soluciones del sistema (4IA)X = 0, tenemos que V (4) = lin{(1, 0, 1), (0, 1, 0)};
y los elementos V (4) las soluciones del sistema (4I A)X = 0, tenemos que V (4) = lin{(1, 0, 1)}. En
consecuencia, los tres vectores son autovectores y linealmente independientes, cumpliendose que:
P
1
AP =
_
_
1 0 1
0 1 0
1 0 1
_
_
1
_
_
0 0 4
0 4 0
4 0 0
_
_
_
_
1 0 1
0 1 0
1 0 1
_
_
=
_
_
4 0 0
0 4 0
0 0 4
_
_
= D

Ejemplo La matriz A =
_
_
0 2 4
0 4 0
4 2 0
_
_
tiene por polinomio caracterstico P() = ( 4)
2
( + 4), luego tiene
por autovalores
1
= 4 con m
1
= 2 y
2
= 4 con m
2
= 1.
Como m
1
+ m
2
= 2 + 1 = 3 se cumple el primer punto; y por ser m
2
= 1, tambien se cumple que
dimV (4) = 1. Veamos para el otro autovalor:
rg(4IA) = rg
_
_
4 2 4
0 0 0
4 2 4
_
_
= rg
_
_
4 2 4
0 0 0
0 4 0
_
_
= 2 = 3dimV (4) luego dimV (4) = 32 = 1 = m
1
= 2.
En consecuencia, la matriz A no diagonaliza.
(Si dimV (4) = 1 y dimV (4) = 1 de cada uno de ellos podemos conseguir, a lo mas, un vector propio
linealmente independiente; luego en total, podremos conseguir a lo mas dos autovectores linealmente indepen-
dientes. No conseguimos los tres necesarios, luego no diagonaliza.)

Prof: Jose Antonio Abia Vian I.T.I. en Electricidad

60 Matematicas I :

Algebra Lineal 6.3 Diagonalizacion ortogonal
6.3 Diagonalizacion ortogonal
Teorema 156.- Sea A una matriz de orden n, entonces son equivalentes:
1.- A es diagonalizable ortogonalmente.
2.- A tiene un conjunto de n vectores propios ortonormales.
Demostracion:
En efecto, A es diagonalizable ortogonalmente existe P ortogonal tal que P
t
AP = D (con D diagonal)
existe P ortogonal tal que AP = PD.
Si llamamos p
1
, p
2
, . . . , p
n
a los vectores columnas de P , estos vectores son ortonormales y lo anterior es
lo mismo que escribir Ap
1
=
1
p
1
, . . . , Ap
n
=
n
p
n
, supuesto que D =
_
_
_
_
_

1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
_
, y como al ser
P inversible se tiene que p
1
, p
2
, . . . , p
n
son linealmente independientes y por tanto no nulos A tiene
n vectores propios ortonormales.
Lema 157.- Si A es una matriz simetrica, entonces los vectores propios que pertenecen a valores propios
distintos son ortogonales.
Demostracion:
Sean
1
y
2
valores propios distintos de una matriz simetrica A y sean u y v vectores propios correspon-
dientes a
1
y
2
respectivamente.
Tenemos que probar que u
t
v = 0. (Notar que u
t
Av es un escalar).
Se tiene que u
t
Av = (u
t
Av)
t
= v
t
Au = v
t

1
u =
1
v
t
u =
1
u
t
v ,
y por otra parte que u
t
Av = u
t

2
v =
2
u
t
v ,
por tanto
1
u
t
v =
2
u
t
v (
1

2
)u
t
v = 0 y como
1

2
= 0, entonces u
t
v = 0.
Teorema fundamental de la diagonalizacion ortogonal 158.- Una matriz A de orden n es diagonalizable
ortogonalmente si y solo si A es simetrica.

El Lema 157 y el resaltado que apostilla el Teorema fundamental de diagonalizacion 154 nos indican la manera
de encontrar los n vectores propios ortonormales linealmente independientes:
Si tomamos en cada V (
i
) los vectores de una base ortonormal, conseguiremos el total de n vectores
ortonormales.
Ejemplo La matriz A =
_
_
0 0 4
0 4 0
4 0 0
_
_
del Ejemplo 155, es simetrica luego diagonaliza ortogonalmente y
V (4) = lin{(1, 0, 1), (0, 1, 0)} y V (4) = lin{(1, 0, 1)}.
Si tomamos una base ortonormal en cada uno de ellos, por ejemplo V (4) = lin{(
1

2
, 0,
1

2
), (0, 1, 0)} y
V (4) = lin{(
1

2
, 0,
1

2
)}, los tres vectores juntos forman un conjunto ortonormal, cumpliendose que:
P
t
AP =
_
_
1

2
0
1

2
0 1 0
1

2
0
1

2
_
_
t _
_
0 0 4
0 4 0
4 0 0
_
_
_
_
1

2
0
1

2
0 1 0
1

2
0
1

2
_
_
=
_
_
4 0 0
0 4 0
0 0 4
_
_
= D

6.4 Ejercicios
6.50 Hallar los polinomios caractersticos, los valores propios y bases de los espacios caractersticos de las
siguientes matrices:
a)
_
2 7
1 2
_
b)
_
_
5 6 2
0 1 8
1 0 2
_
_
c)
_
_
4 0 1
2 1 0
2 0 1
_
_
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
61 Matematicas I :

Algebra Lineal 6.4 Ejercicios
6.51 Sea T: M
22
M
22
el operador lineal denido por:
T
_
a b
c d
_
=
_
2c a +c
b 2c d
_
Hallar los valores propios de T y bases para los subespacios caractersticos de T .
6.52 Demostrar que = 0 es un valor propio de una matriz A si y solo si A es no inversible.
6.53 Probar que el termino constante del polinomio caracterstico P() = |I A| de una matriz A de orden
n es (1)
n
det(A).
6.54 Demostrar que si es un valor propio de A entonces
2
es un valor propio de A
2
. Demostrar por
inducci on que, en general,
n
es un valor propio de A
n
, n IN.
6.55 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P
tal que P
1
AP = D con D matriz diagonal:
a)
_
_
3 0 0
0 2 0
0 1 2
_
_
b)
_
14 12
20 17
_
c)
_
_
1 4 2
3 4 0
3 1 3
_
_
6.56 Sea T: IR
3
IR
3
el operador lineal T
_
_
x
1
x
2
x
3
_
_
=
_
_
2x
1
x
2
x
3
x
1
x
3
x
1
+x
2
+ 2x
3
_
_
. Hallar una base de IR
3
respecto de la cual la matriz de T sea diagonal.
6.57 Sea P
1
(x) el espacio vectorial de los polinomios de grado menor o igual a 1. Sea T: P
1
(x) P
1
(x) el
operador lineal T(a
0
+a
1
x) = a
0
+ (6a
0
a
1
)x. Hallar una base de P
1
(x) respecto de la cual la matriz
de T sea diagonal.
6.58 Sea A una matriz de orden n y P una matriz inversible de orden n. Demostrar por induccion que
(P
1
AP)
k
= P
1
A
k
P , k IN.
6.59 Calcular A
40
siendo A =
_
1 0
1 2
_
.
6.60 Estudiar la diagonalizabilidad de la matriz A, dada en funcion de los parametros a y b, siendo A =
_
_
5 0 0
0 1 a
3 0 b
_
_
. En los casos posibles diagonalizarla.
6.61 Sea A una matriz de orden 2 tal que A
2
= I . Probar que A es diagonalizable.
6.62 Hallar una matriz P que diagonalice ortogonalmente a A y calcular P
1
AP para cada una de las
siguientes matrices:
a)
_
7 24
24 7
_
b)
_
_
2 1 1
1 2 1
1 1 2
_
_
c)
_
_
_
_
5 2 0 0
2 2 0 0
0 0 5 2
0 0 2 2
_
_
_
_
6.63 a) Demostrar que si D es una matriz diagonal con elementos no negativos entonces existe una matriz
S tal que S
2
= D.
b) Demostrar que si A es una matriz diagonalizable con valores propios no negativos entonces existe
una matriz S tal que S
2
= A.
6.64 Probar que A y A
t
tienen los mismos valores propios siendo A una matriz de orden n.
6.65 Sea A una matriz de orden n y P() = |I A| . Probar que el coeciente de
n1
en P() es el
opuesto de la traza de A.
6.66 Sea A una matriz de orden n inversible, demostrar que los valores propios de A
1
son los inversos de
los valores propios de A.
6.67 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son uno o menos uno.
6.68 Se sabe que (1, 0, 0), (1, 1, 0), (0, 1, 0) y (0, 0, 1) son vectores propios de una matriz de orden 3 y que
hay vectores de IR
3
que no lo son. Calcular todos los vectores propios de la matriz.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
62 Matematicas I :

Algebra Lineal 6.4 Ejercicios
6.69 Se dan las siguientes ecuaciones de recurrencia:
_
u
n
= 3u
n1
+ 3v
n1
v
n
= 5u
n1
+v
n1
. Utilizar la diagonalizacion
para calcular u
n
y v
n
en funcion de n, sabiendo que u
0
= v
0
= 1.
6.70 Los dos primeros terminos de una sucesion son a
0
= 0 y a
1
= 1. Los terminos siguientes se generan a
partir de a
k
= 2a
k1
+a
k2
; k 2. Hallar a
127
.
6.71 El propietario de una granja para la cra de conejos observo en la reproduccion de estos que:
i). Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada mes.
ii). Una pareja recien nacida tarda dos meses en tener la primera descendencia.
Si partimos de una pareja adulta y siendo a
n
el n umero de parejas nacidas en el n-esimo mes (a
0
= 0),
se pide:
a) Obtener una formula recurrente para a
n
en funcion de terminos anteriores.
b) Probar que a
n
=
(1 +

5)
n
(1

5)
n
2
n

5
c) Calcular, si existe: lm
n
a
n+1
a
n
.
6.72 Sea el determinante nn siguiente:
D
n
=

3 1 0 0 0 0
1 3 1 0 0 0
0 1 3 1 0 0
0 0 1 3 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 3 1
0 0 0 0 1 3

Dar una expresion de D

n
en funcion de los determinantes de tama no menor que n y obtener las ecuaciones
de recurrencia para hallar su valor.
6.73 Determinar para que valores de a, b y c son diagonalizables simultaneamente las matrices
A =
_
_
1 a b
0 2 c
0 0 2
_
_
y B =
_
_
1 a b
0 1 c
0 0 2
_
_
6.74 Estudiar para que valores de a, b y c es diagonalizable la matriz A =
_
_
c 2a 0
b 0 a
0 2b c
_
_
6.75 Dada la matriz A =
_
_
a a 0
a a 0
b 0 2b
_
_
. Estudiar para que valores de a y b la matriz A es diagonalizable.
6.76 Sea f: IR
3
IR
3
el operador lineal cuya matriz asociada a la base canonica es:
A =
_
_
m 0 0
0 m 1
1 n m
_
_
a) Determinar para que valores de m y n existe una base de IR
3
de tal forma que la matriz en esa
base sea diagonal. En los casos que f sea diagonalizable calcular una base en la cual la matriz de
f sea diagonal.
b) Si n = 0, observando la matriz A y sin hacer ning un calculo, determinar un valor propio y un
vector propio asociado a dicho valor propio, razonando la respuesta.
6.77 Dada la matriz A =
_
_
_
_
1 0 0 0
a 1 0 0
b d 1 1
c e f 1
_
_
_
_
. Encontrar para que valores de los parametros a, b, c, d, e, f
IR la matriz A es diagonalizable. Para dichos valores encontrar las matrices P y D tales que P
1
AP =
D, donde D es una matriz diagonal.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
63 Matematicas I :

Algebra Lineal 6.4 Ejercicios
6.78 En IR
4
consideramos el subconjunto: S = {(x
1
, x
2
, x
3
, x
4
) / x
2
x
4
= 0}. Sea T: IR
4
IR
4
el operador
lineal que verica:
(i) ker(T) = {x IR
4
/ < x, y >= 0, y S}.
(ii) T(1, 0, 0, 0) = (1, 3, 1, 2).
(iii) T(1, 1, 1, 1) = (3, m, n, p).
(iv) El subespacio solucion del sistema:
_
x
1
+x
2
+x
3
+x
4
= 0
x
2
+ 2x
3
+ 2x
4
= 0
es el conjunto de vectores propios
correspondientes a un mismo valor propio de T.
Se pide:
a) Probar que S es un subespacio vectorial de IR
4
.
b) Hallar ker(T).
c) Encontrar una base para el subespacio de vectores propios de la propiedad (iv).
d) Una matriz de T , indicando las bases de referencia.
6.79 Sean f : IR
4
IR
4
un operador lineal, y B = {e
1
, e
2
, e
3
, e
4
} la base canonica de IR
4
, vericando lo
siguiente:
(i) f(e
1
) H = {x IR
4
/ x
2
= 0}
(ii) f(e
2
) S = {x IR
4
/ x
2
= 1 y x
4
= 0}
(iii) f(e
3
) = (, , 1, 2); f(e
4
) = (1, 0, 2, )
(iv) ker f es el conjunto de soluciones del sistema:
_
_
_
2x
1
+x
2
+ 2x
3
2x
4
= 0
3x
1
+ 3x
2
+x
3
+x
4
= 0
x
1
x
2
x
3
+ 3x
4
= 0
(v) Las ecuaciones implcitas de la imagen de f son y
1
2y
3
y
4
= 0.
(vi) El operador f es diagonalizable.
Hallar una matriz de f , indicando las bases de referencia.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad