Módulo 4: Diagonalización.
Marı́a Barbero Liñán
Universidad Carlos III de Madrid - Departamento de Matemáticas
Álgebra Lineal.
Actualizado: Mayo 2016
Sea A una matriz cuadrada, A ∈ Mn×n .
Un vector propio de A es un vector no nulo x tal que
Ax = λx para algún λ ∈ R.
Un escalar λ es un valor propio de A si existe una solución no
trivial x de Ax = λx.
El vector x es el vector propio de A correspondiente a λ.
Para hallar los valores propios de A:
1 Calcule el polinomio caracterı́stico de A dado por
PA (λ) = det(A − λI).
2 Halle las raı́ces del polinomio, es decir, resuelva para λ la
ecuación PA (λ) = 0.
2 /9
Para hallar los vectores propios de A correspondientes
al valor propio λ:
• Halle el espacio nulo de la matriz A − λIn .
El espacio vectorial de vectores propios del valor propio λ se
denota por V (λ). Luego,
V (λ) = Nul(A − λIn ).
Si el escalar 0 es un valor propio de A,
det (A − 0In ) = det A = 0.
Luego A no es invertible.
3 /9
Para cada valor propio se define:
• la multiplicidad algebraica ma (λ) como la multiplicidad de
λ como raı́z del polinomio caracterı́stico.
• la multiplicidad geométrica mg (λ) como la dimensión del
espacio de vectores propios de valor propio λ,
mg (λ) = dim V (λ).
Siempre se verifica que mg (λ) ≤ ma (λ).
Una matriz cuadrada A ∈ Mn×n es diagonalizable...
si existen una matriz invertible P y una matriz diagonal D, ambas
de tamaño n × n, tal que
A = PDP −1 .
Se dice que A es semejante a D.
4 /9
Los siguientes enunciados son equivalentes:
1 A es diagonalizable.
2 A tiene n vectores propios linealmente independientes.
Pk
3 i=1 ma (λi ) = n y ma (λi ) = mg (λi ) para cada i = 1, . . . , k,
donde k es el número de valores propios diferentes de A.
4 Existe una base de Rn que está formada sólo por vectores
propios.
Teorema.
El conjunto de vectores propios {v1 , . . . , vp } correspondientes
a valores propios λ1 , . . . , λp diferentes de una matriz A de
tamaño n × n es linealmente independiente.
Consecuencia del teorema:
Si A tiene n valores propios diferentes, entonces A es
diagonalizable.
Pasos para diagonalizar una matriz:
1 Halle los valores propios de A, resolviendo det(A − λIn ) = 0.
• De la descomposición del polinomio caracterı́stico en factores
lineales obtenemos las multiplicidades algebraicas de cada valor
propio.
2 Halle los vectores propios correspondientes a cada valor
propio, es decir, halle los generadores de Nul(A − λIn ).
• La dimensión de Nul(A − λIn ) determina la multiplicidad
geométrica del valor propio.
3 Determine si la matriz es diagonalizable o no utilizando alguna
de las afirmaciones equivalentes de la transparencia anterior.
6 /9
Pasos para diagonalizar una matriz:
4 Si A es diagonalizable, halle las matrices P y D.
• Las columnas de P son los vectores propios.
• Las entradas en la diagonal principal de D son los valores
propios de A, en el mismo orden que sus correspondientes
vectores propios en P.
λ1 ... 0
0 λ2 . . . 0
Ejemplo: P = (vλ1 vλ2 . . . vλn ), D = .
.. .
..
.. . .
0 ... λn
5 Compruebe que efectivamente A = PDP −1 .
7 /9
Ejemplo: Diagonalice la siguiente matriz.
!
2 3
A= .
3 −6
2−λ 3
1 PA (λ) = |A − λI2 | = = λ2 + 4λ − 21.
3 −6 − λ
De PA (λ) = 0 obtenemos dos valores propios λ1 = 3 y
λ2 = −7. Luego ma (λ1 ) = ma (λ2 ) = 1.
! ( !)
−1 3 3
2 Nul(A − λ1 I) = Nul = Gen = V (3).
3 −9 1
! ( !)
9 3 1
Nul(A − λ2 I) = Nul = Gen = V (−7).
3 1 −3
Las multiplicidades geométricas de ambos valores propios es
1 = mg (λ1 ) = mg (λ2 ).
8 /9
Ejemplo: Diagonalice la siguiente matriz.
3 La matriz A es diagonalizable porque ma (λ1 ) + ma (λ2 ) = 2,
ma (λ1 ) = mg (λ1 ) = 1, ma (λ2 ) = mg (λ2 ) = 1.
! !
3 1 3 0
4 P= ,D= .
1 −3 0 −7
5 Comprobemos que
! AP! = PD ! !
2 3 −3 −1 −3 −1 3 0
=
3 −6 −1 3 ! −1 3! 0 −7
9 −7 9 −7
= .
3 21 3 21
9 /9