DIAGONALIZACIÓN

Autovalores y autovectores de una matriz.- Dada una matriz A nxn, el vector no nulo X se
llamará autovector de A con respecto al autovalor (escalar)  si se verifica: AX  X .

Nota.- Autovector = vector propio = vector característico = eigenvector; autovalor = valor

propio = valor característico = eigenvalor = valor latente.

Polinomio característico de la matriz A (nxn).-

p ( )  det(I  A) = n + an–1 n–1 + … + a22 + a1 +a0 (polinomio de grado n).

Ecuación característica de la matriz A (nxn).- p( )  0 ó det(I  A )  0

Autovalores de A.- Son las raíces (reales y complejas) del polinomio característico.

Espacio característico.- Se llama espacio característico de A correspondiente al autovalor , al

espacio solución del sistema (I  A) X  0 . En símbolos, S() = { X  Rnx1: X = AX }.

Autovectores de A.- Para cada autovalor , los vectores componentes de cualquier base de su
espacio característico son los autovectores de A correspondientes a .

Propiedad.- Sea A  Rnxn y sean 1, 2, ... , n valores propios distintos de A con vectores
propios x1, x2, ... , xn respectivamente. Entonces x1, x2, ... , xn son linealmente independientes.

Autovalores y autovectores de un operador f: U  U.- El vector no nulo uU se denomina

autovector del operador f correspondiente al autovalor  si se verifica: f (u )  u .
Para encontrar los autovalores de f se puede usar A = [f] B, que es la matriz de f con respecto a
cualquier base B de U, de modo que se verifique: Ax = [f] B [u]B =  x =  [u]B.

Propiedades del polinomio característico

a b
Sea A   matriz del espacio R2x2. Su polinomio característico es:
c d 
  a b 
p ( )  det(I  A)  det   2    (a  d )   ( ad  bc) = 2 + (–tr(A)) +
 c   d 
det(A).

Propiedad.- El coeficiente independiente del polinomio característico de una matriz A, coincide

(salvo el signo) con el valor de determinante de A.

Propiedad.- =0 puede ser autovalor de una matriz cuadrada; el vector nulo no puede ser
autovector de una matriz cuadrada.
Teorema de Cayley-Hamilton.- Sea A una matriz del espacio vectorial R nxn. Entonces A
satisface su propio polinomio característico:

Si p() = det ( I – A ) = n + an–1 n–1 + … + a22 + a1 +a0 , entonces

p(A) = An + an–1 An–1 + … + a2A2 + a1A +a0 I = O, siendo O la matriz nula del espacio en
cuestión.

Inversa por Cayley.- Si A es matriz cuadrada no singular, det(A)  0 y por lo tanto a0  0. De

la igualdad An + an–1 An–1 + … + a2A2 + a1A +a0 I = O, efectuando las operaciones adecuadas se
obtiene:
A –1 = (–1/a0) [ An–1 + an–1An–2 + … + a2A + a1I ]

Diagonalización.- Una matriz cuadrada A se dice diagonalizable si existe una matriz no

singular P de modo que P–1AP = D, donde D es matriz diagonal.
La matriz cuadrada A es diagonalizable si y solo si tiene n autovectores linealmente
 1 
 2 
independientes. En tal caso, la matriz diagonal D    tiene en su diagonal
  
 
 k 
principal a los autovalores de A, y P tiene como columnas a los autovectores de A.

Propiedad.- Si la matriz cuadrada A de orden n tiene n valores propios diferentes, entonces A es

diagonalizable. Si A (nxn) tiene menos de n autovectores linealmente independientes, entonces
A no es diagonalizable.

Matrices simétricas y diagonalización ortogonal.-

Las matrices simétricas reales tienen varias propiedades importantes.

1. Sea A  Rnxn matriz simétrica, es decir, A=AT. Entonces los valores propios de A son
reales.
2. Sea A  Rnxn matriz simétrica. Entonces los vectores propios correspondientes a valores
propios diferentes son ortogonales.
3. Sea A  Rnxn matriz simétrica. Entonces A posee n vectores propios reales
ortonormales.

Definición.- Se dice que una matriz A  Rnxn es diagonalizable ortogonalmente si existe una
matriz ortogonal Q tal que Q T AQ  D ó Q 1 AQ  D donde D es matriz diagonal
constituida por los autovalores de A.

Por lo anterior, para diagonalizar ortogonalmente a una matriz simétrica A, basta ortogonalizar
por Gram-Schmidt cada base de cada espacio característico de A.