Diagonalización de matrices

Marı́a Muñoz Guillermo

[Link]@[Link]
U.P.C.T.

Matemáticas I

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22

 Valores y vectores propios de una matriz

Definición
Sea A ∈ Mn (R). Se dice que λ ∈ Rn es
o un valor propio de la matriz A si
n ~
existe un vector columna ~x ∈ R \ 0 de forma que

A · ~x = λ · ~x ,
o lo que es lo mismo,
     
a11 · · · a1n x1 x1
 .. .. ..  ·  ..  = λ ·  ..  .
 . . .   .   . 
an1 · · · ann xn xn

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 2 / 22

 Valores y vectores propios de una matriz

Si λ ∈ R es un valor propio de A y ~x ∈ Rn es un vector verificando la

relación A · ~x = λ · ~x , se dice que ~x es un vector propio asociado al valor
propio λ. El conjunto de todos los vectores propios asociados a λ se
denota por Vλ y recibe el nombre de subespacio de los vectores propios
asociados a λ.

Vλ := {~x ∈ Rn : A · ~x = λ~x }
es un subespacio vectorial.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 3 / 22

 Valores y vectores propios de una matriz

Teorema
Sea A ∈ Mn (R). Dados λ, µ ∈ R dos valores propios distintos, se verifica:
n o
1 V ∩ V =
λ µ
~0 ,
2 dim(Vλ + Vµ ) = dim(Vλ ) + dim(Vµ ).

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 4 / 22

 Valores y vectores propios de una matriz

Proposición
Sean A una matriz cuadrada sobre cuerpo de los números reales,
A ∈ Mn (R), y λ ∈ R un valor propio con ~x ∈ Vλ . Entonces:
1 Para cada r ∈ N, λr es valor propio de Ar y ~x es un vector propio
asociado.
2 Para cada α ∈ R \ {0}, αλ es un valor propio de αA con ~x ∈ Vαλ .
3 6 0, entonces 1/λ es un valor propio de A−1 y ~x es un vector
Si |A| =
propio asociado.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 5 / 22

 El polinomio caracterı́stico

El polinomio caracterı́stico

Dada A una matriz cuadrada de orden n o n sobre R, para que λ ∈ R sea un

valor propio debe existir ~x ∈ Rn \ ~0 de forma que A~x = λ~x , y esto
ocurre, si y sólo si, (A − λ · In ) · ~x = ~0. Lo cual, en términos de sistemas de
ecuaciones indica que el sistema homogéneo asociado a la matriz
(A − λIn ) tiene una solución diferente de la nula y por ello es compatible
indeterminado. Por lo tanto, el rango de (A − λIn ) es menor que n si y sólo
si |A − λIn | = 0. Es decir λ ∈ R es un valor propio de A si y sólo si
|A − λIn | = 0. De esta forma surge de forma natural la noción de
polinomio caracterı́stico.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 6 / 22

 El polinomio caracterı́stico

Definición
Dada A ∈ Mn (R), se llama polinomio caracterı́stico de A al polinomio de
grado n y coeficientes reales definido por:

p(λ) = |A − λIn |.

Al conjunto de las raı́ces del polinomio se denota por σ(A) y se denomina

espectro de la matriz A.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 7 / 22

 El polinomio caracterı́stico

Definición
Dada A ∈ Mn (R), se dice que λ ∈ σ(A) es un:
1 Valor propio simple de A si es una raı́z simple del polinomio
caracterı́stico.
2 Valor propio de multiplicidad m(λ) ∈ N, (1 ≤ m(λ) ≤ n) si es una
raı́z de multiplicidad m(λ) del polinomio caracterı́stico.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 8 / 22

 El polinomio caracterı́stico

Proposición
Si A ∈ Mn (R), y λ ∈ R es un valor propio de multiplicidad m(λ), se
verifican:
1 ≤ dim(Vλ ) ≤ m(λ)
dim(Vλ ) = n − rg (A − λIn ).

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 9 / 22

 Matrices diagonalizables

Definición
Sea A ∈ Mn (R), se dice que es diagonalizable si existe una matriz regular
T ∈ Mn (R) de forma que

D = T −1 · A · T ,

siendo D ∈ Mn (R) una matriz diagonal. La matriz T se denomina matriz

de paso.

Proposición
Sea A ∈ Mn (R) una matriz diagonalizable, entonces σ(A) ⊂ R.

El recı́proco de este resultado no es cierto en general, veamoslo con un

ejemplo.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 10 / 22

 Matrices diagonalizables

Ejemplo
 
1 −1
Sea A = . El espectro de esta matriz viene dado por
0 1
σ(A) = {1} ⊂ R, sin embargo la matriz A no es diagonalizable.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 11 / 22

 Matrices diagonalizables

Demostración.
 
a b
Supongamos que existe P = con ad − bc 6= 0. La matriz
c d
 
−1 1 d −b
inversa de P vendrá dada por P = ad−bc . Si suponemos
−c a
que la matriz A es diagonalizable entonces
a2
     
1 1 −1 1 ad + ac + bc λ1 0
P· ·P = = .
0 1 ad − bc −c 2 −bc + ac + ad 0 λ2

Para que la matriz sea diagonal a2 y −c 2 han de ser cero, es decir, a = 0 y

c = 0, lo cual es absurdo, ya que en ese caso la matriz P tendrı́a
determinante igual a cero y por tanto no podrı́amos construir su
inversa.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 12 / 22

 Matrices diagonalizables

Teorema
Sea A ∈ Mn (R). A es diagonalizable si, y solamente si, todas las raı́ces del
polinomio caracterı́stico son reales, σ(A) ⊂ R, y además la dimensión del
subespacio de los vectores propios asociados a cada valor propio coincide
con la multiplicidad de dicho valor propio, es decir,

dim(Vλ ) = m(λ),
para cada λ ∈ σ(A).
En particular:
Si el polinomio caracterı́stico tiene n raı́ces distintas, entonces A es
diagonalizable.
Si A es simétrica (A = At ), entonces A es diagonalizable.
La matriz A es diagonalizable si y sólo si existe una base de Rn
formada por vectores propios. Dicha base se consigue tomando bases
en cada uno de los subespacios propios siendo T la matriz de cambio
de base de dicha base a la base canónica.
M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 13 / 22
 Cálculo de las matrices diagonal y de paso

Cálculo de las matrices diagonal y de paso

Sea A ∈ M( R) una matriz cuadrada de orden n, para ver si es

diagonalizable, y en su caso obtener la matriz diagonal seguiremos las
siguientes etapas:
1 Calcular el polinomio caracterı́stico y obtener sus raı́ces. Si alguna de
ellas fuera compleja entonces la matriz A no serı́a diagonalizable.
2 Si σ(A) ⊂ R para λ ∈ σ(A) calculamos la dimensión del subespacio
vectorial asociado a cada valor propio, dim(Vλ ). Si para algún
λ ∈ σ(A) se tiene que dimVλ < m(λ) entonces A no es diagonalizable.
3 Si por el contrario, dim(Vλ ) = m(λ), para cada λ ∈ σ(A) entonces la
matriz A es diagonalizable y,
La matriz diagonal, D, es la matriz formada con los valores propios en
la diagonal principal, repetidos tantas veces como multiplicidad tengan.
La matriz de paso, T , se construye colocando en columnas los
vectores de las bases de vectores propios en el orden en el que
aparezcan los valores propios en D.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 14 / 22

 Cálculo de las matrices diagonal y de paso

Veamos una aplicación práctica de lo anterior.

Ejemplo
 
6 0 −4
Sea A =  0 3 0 .
2 0 −1

1 En primer lugar calculamos el polinomio caracterı́stico.

 
 5−λ 0 −4 
 = (3 − λ) · (λ2 − 4λ + 3)

|A − λI3 | =  0 3−λ 0 
 2 0 −1 − λ 

2 Las raı́ces del polinomio caracterı́stico son: λ1 = 1, con multiplicidad

igual a 1 y λ2 = 3 con multiplicidad igual a 2.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 15 / 22

 Cálculo de las matrices diagonal y de paso

3 Calculamos ahora la dimensión de los subespacios asociados a cada

valor propio:

V1 = ~x ∈ R3 : x1 − x3 = 0, x2 = 0 , dim(V1 ) = 1


V3 = ~x ∈ R3 : x1 − 2x3 = 0 , dim(V3 ) = 2.


Luego A es diagonalizable, ya que las dimensiones de los subespacios

coincide con la multiplicidad de los valores propios.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 16 / 22

 Cálculo de las matrices diagonal y de paso

4 Para hallar la matriz diagonal y la matriz de paso basta obtener una

base de V1 y V3 .
BV1 = {(1, 0, 1)} ,

BV3 = {(2, 0, 1), (0, 1, 0)} .

Entonces,
   
1 0 0 1 2 0
D= 0 3 0  T = 0 0 1 
0 0 3 1 1 0

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 17 / 22

 Cálculo de las matrices diagonal y de paso

Ejemplo

La diagonalización de matrices tiene multitud de aplicaciones para la

resolución de problemas de la vida diaria.
Ejemplo
En una ciudad el 80 % de la gente que trabaja una año mantiene el trabajo
al año siguiente y el 40 % de los que no lo tienen lo encuentran al año
siguiente. suponiendo que inicialmente un millón de personas tienen
trabajo y 200.000 no, deducir cuántas personas trabajarı́an a largo plazo.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 18 / 22

 Cálculo de las matrices diagonal y de paso

Solución:
un =Trabajar un determinado año.
vn =No trabajar.
Las ecuaciones vendrán dadas de forma recurrente por el sistema:

un = 80/100un−1 + 40/100vn−1
,
vn = 20/100un−1 + 60/100vn−1
o lo que es lo mismo,

un = 4/5un−1 + 2/5vn−1
vn = 1/5un−1 + 3/5vn−1
La expresión matricial del sistema vendrá dado por:
     
un 4/5 2/5 un−1
= ·
vn 1/5 3/5 vn−1
| {z } | {z } | {z }
Tn A Tn−1

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 19 / 22

 Cálculo de las matrices diagonal y de paso

En general,
Tn = An · T0 .
 
2 1
La matriz A es diagonalizable. A=P ·D · P −1 , donde P = y
1 −1
 
1 0
D= .
0 2/5
An = P · D n · P −1 , de manera que
2 n 2 n



n 1 2+ 5
n 2−2 5
n
A = · 2 2
3 1− 5 1+2 5

De donde obtenemos que

lı́m un = 1/3 · (2 · 106 + 4 · 105 ) = 800,000

n→∞

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 20 / 22

 Cálculo de las matrices diagonal y de paso

lı́m vn = 1/3 · (106 + 2 · 105 ) = 400,000

n→∞

La población activa se estabilizarı́a en 800.000 personas mientras que la

población en paro tenderı́a a la cifra de 400.000 personas.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 21 / 22

 Nota

Nota

Observar que cuando estudiábamos las aplicaciones lineales, de un espacio

vectorial V en otro V 0 (ambos de dimensión finita), vimos que, dada una
tal aplicación T : V → V 0 , la matriz asociada a la aplicación variaba en
fun ción de las bases que se consideraran en los espacios vectoriales. En el
caso en el que V 0 = V , la aplicación T : V → V es un endomorfismo y
llamando A a la matriz de T en cierta base de V , vamos a estudiar si al
cambiar de base se puede conseguir una matriz D de T que sea diagonal
(en este caso, A0 es semejante a A; esto es, D = P −1 · A · P, donde P es la
matriz de cambio de coordenadas). Se llaman endomorfismos
diagonalizables aquellos cuya matriz lineal asociada es diagonalizable, en
este sentido hay un paralelismo y los conceptos estudiados para el caso de
las matrices se pueden definir en el marco de las aplicaciones lineales.

M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 22 / 22