Tema 5

Diagonalizaci
on
5.1
5.1.1

Introducci
on. Valores y vectores propios.
Planteamiento del problema.

Problema general de diagonalizaci

on. Dado un operador lineal f sobre un espacio vectorial V de dimension n, 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 entonces el planteamiento anterior es equivalente a preguntarse cuando
existe un cambio de base tal que la matriz del operador en la nueva base sea diagonal. Esa
nueva matriz sabemos que viene dada por P 1 AP , donde P es la matriz de paso de la nueva
base a la anterior (Teorema de Semejanza).
Problema de la diagonalizaci
on ortogonal. Dado un operador lineal f sobre un espacio
vectorial V con producto interior y de dimension n, 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.
? Problema 1. Dada una matriz cuadrada A, existe una matriz P inversible tal que P 1 AP
sea diagonal?
? Problema 2. Dada una matriz cuadrada A, existe una matriz ortogonal P tal que P t AP
sea diagonal?
Definici
on 5.1 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.

5.1.2

Diagonalizaci
on. Valores y vectores propios.

Supongamos que la matriz Ann es diagonalizable, es decir que existe P inversible tal que
P 1 AP = D , con D diagonal.
Esto es equivalente a que exista P inversible tal que AP = P D para cierta matriz D
diagonal, luego

p11 p12
p21 p22

AP = P D = .
..
..
.
pn1 pn2

Algebra
Lineal.

p1n

p2n

..
..
. .
pnn

1 0 0
1 p11 2 p12
1 p21 2 p22
0 2 0

.. .. . . .. = ..
..
. . .
. .
.
0 0 n
1 pn1 2 pn2

n p1n
n p2n
..
..
.
.
n pnn

57

5.1 Introduccion. Valores y vectores propios.

Si llamamos p1 , p2 , . . . , pn a los vectores columnas de P , como las columnas de la matriz AP

y las correspondientes de la matriz P D han de coincidir, lo anterior puede escribirse de la forma
Ap1 = 1 p1 ,

Ap2 = 2 p2 ,

...,

Apn = n pn ,

es decir, han de existir n vectores pi y n n

umeros reales i tales que Api = i pi , para los
i = 1, . . . , n. Como la matriz P es inversible, los vectores pi son distintos del 0 y linealmente
independientes.
Definici
on 5.2 Si A es una matriz cuadrada de orden n, diremos que es un valor propio,
valor caracterstico o autovalor de A si existe un p IRn , p 6= 0 , tal que Ap = p.
Del vector p diremos que es un vector propio, vector caracterstico o autovector de
A correspondiente al valor propio .
Teorema 5.3 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 IRn diferente de cero, tal que Ax = x
el sistema (I A)x = 0 tiene soluciones distintas de la trivial. |I A| = 0
Al polinomio en , P() = |I A|, se le denomina polinomio caracterstico de la matriz
A, y a la ecuacion P() = |I A| = 0 ecuaci
on caracterstica de A.
Definici
on 5.4 Sea A una matriz de orden n y un valor propio de A, al espacio de las soluciones del sistema (I A)x = 0 se le denomina espacio caracterstico de A correspondiente
al valor propio y lo denotaremos por V ().
Observacion:
Si es un valor propio de A, V () = {x : (I A)x = 0} 6= {0} y por tanto dim V () 1.
En el estudio sobre la diagonalizacion realizado hasta ahora, hemos buscado la diagonalizacion de matrices, separandolas del operador lineal que aparece en el planteamiento inicial del
problema. Lo que hemos encontrado hasta ahora es reutilizable tambien para el estudio de ese
operador? En efecto:
Definici
on 5.5 Sea f : V V un operador lineal, diremos que un escalar es un valor
propio de f si existe un vector v V , diferente de cero, tal que f (v) = v .
Al vector v se lo denomina vector propio de f correspondiente a .
Teorema 5.6 Los vectores propios de f correspondientes al valor propio son los vectores,
distintos de cero, del n
ucleo de la aplicacion Id f (denotaremos por Id la aplicacion identidad).
Demostracion:
Si v un vector propio correspondiente a , entonces f (v) = v = f (v) v = 0 =
v ker(Id f ).
Por otra parte si v 6= 0 pertenece al ker(Id f ) se tiene que (Id f )v = 0 =
v f (v) = 0 = f (v) = v , luego v es un vector propio de f correspondiente a .
Observacion:
Este n
ucleo se denominara, espacio caracterstico de f correspondiente al valor propio .

Algebra
Lineal.

58

5.2 Diagonalizacion

Teorema 5.7 Sean V un espacio vectorial de dimension n, f : V V un operador lineal y

A la matriz de f con respecto a una base B = {v1 , v2 , . . . , vn }. Entonces:
a) Los valores propios de f son los valores propios de A
b) Un vector v V es un vector propio de f correspondiente al valor propio si y solo si
su matriz de coordenadas [v]B es un vector propio de A correspondiente a .
Demostracion:
a) Sea un valor propio de f , es decir, v V , distinto de 0 , tal que f (v) = v =
[f (v)]B = [v]B = A[v]B = [v]B , luego es un valor propio de A al ser [v]B 6= 0.
Sea un valor propio de A, entonces x IRn , x 6= 0 tal que Ax = x. Si tomamos
x = x1 v1 + + xn vn , siendo x = (x1 , . . . , xn ), lo anterior quiere decir que A[x ]B =
[x ]B [f (x )]B = [x ]B f (x ) = x y es un valor propio de f ya que x 6= 0
b) v es un vector propio de f correspondiente a si y solo si
f (v) = v [f (v)]B = [v]B A[v]B = [v]B
si y solo si [v]B es un vector propio de A correspondiente a .
A la vista de este resultado y siempre que trabajemos en terminos de valores y vectores
propios, el problema de encontrar una base del espacio en la cual la matriz asociada al operador
sea diagonal, se reduce al estudio de la diagonalizacion de las matrices.

5.2

Diagonalizaci
on

Teorema 5.8 Si A es una matriz de orden n, son equivalentes:

a) A es diagonalizable.
b) A tiene n vectores propios linealmente independientes.
Demostracion:
a) b). Lo hemos probado en los comentarios anteriores.
b) a). Sean los n vectores p1 , p2 , . . . , pn vectores propios linealmente independientes
de A correspondientes a los valores propios 1 , 2 , . . . , n . Consideremos la matriz

p11 p12

p21 p22
P =
..
..
.
.
pn1 pn2

p1n
p2n

..
..
. .

pnn

que tiene por vectores columna los p1 , p2 , . . . , pn .

Las columnas de la matriz producto AP son Ap1 , Ap2 , . . . , Apn y los pi son vectores
propios, luego Ap1 = 1 p1 , . . . , Apn = n pn , por lo que:

1 p11 2 p12
1 p21 2 p22

AP = .
..
..
.
1 pn1 2 pn2

n p1n
n p2n
..
..
.
.
n pnn

p11 p12
p21 p22

= ..
..
.
.
pn1 pn2

p1n
1 0 0
0 2 0
p2n

. . . .
.
..
. .. .. .. . . ..
pnn
0 0 n

= PD

donde D es la matriz diagonal que tiene como elementos en la diagonal principal a los valores
propios 1 , 2 , . . . , n . Dado que los vectores columnas de P son linealmente independientes,
P es inversible y por tanto se tiene que D = P 1 AP , es decir, A es diagonalizable.

Algebra
Lineal.

59

5.2 Diagonalizacion

Proposici
on 5.9 Sea f : V V un operador lineal, siendo V un espacio vectorial de
dimensi
on n. Entonces, existe una base de V con respecto a la cual la matriz de f es diagonal
si y solo si f tiene n vectores propios linealmente independientes.
Teorema 5.10 Sean v1 , v2 , . . . , vk vectores propios de una matriz A asociados a los valores
propios 1 , 2 , . . . , k respectivamente, siendo i 6= j , i, j = 1, 2, . . . , k , con i 6= j . Entonces
el conjunto de vectores {v1 , v2 , . . . , vk } es linealmente independiente.
Demostracion:
Supongamos que v1 , v2 , . . . , vk son linealmente dependientes.
Por definicion, un vector propio es distinto de cero, luego el conjunto {v1 } es linealmente
independiente. Sea r el maximo entero tal que {v1 , v2 , . . . , vr } es linealmente independiente.
Puesto que hemos supuesto que {v1 , v2 , . . . , vk } es linealmente dependiente, r satisface que
1 r < k . Ademas, por la manera en que se definio r , {v1 , v2 , . . . , vr , vr+1 } es linealmente
dependiente. Por tanto, existen escalares c1 , c2 , . . . , cr+1 , al menos uno diferente de cero, tales
que
c1 v1 + c2 v2 + + cr+1 vr+1 = 0.
h5.1i
Multiplicando en ambos lados de la igualdad por A y haciendo las sustituciones
Av1 = 1 v1 , Av2 = 2 v2 , . . . , Avr+1 = r+1 vr+1
se obtiene
c1 1 v1 + c2 2 v2 + + cr r vr + cr+1 r+1 vr+1 = 0

h5.2i

Multiplicando los dos lados de (5.1) por r+1 y restandole a (5.2) la ecuacion resultante se
obtendra
c1 (1 r+1 )v1 + c2 (2 r+1 )v2 + + cr (r r+1 )vr = 0.
Y dado que los vectores v1 , v2 , . . . , vr son linealmente independientes, necesariamente
c1 1(1 r+1 ) = c2 (2 r+1 ) = = cr (r r+1 ) = 0
Como los 1 , 2 , . . . , r+1 son distintos entre si, se deduce que c1 = c2 = = cr = 0.
Sustituyendo estos valores en (5.1) resulta que cr+1 vr+1 = 0 , y como vr+1 6= 0 se deduce
que cr+1 = 0, lo que contradice el hecho de que al menos uno de los escalares c1 , c2 , . . . , cr+1
deba de ser distinto de cero. Luego no se puede suponer que v1 , v2 , . . . , vk sean linealmente
dependientes y tenemos probado el teorema.
Corolario 5.11 Si una matriz A de orden n tiene n valores propios distintos, entonces A es
diagonalizable.
Proposici
on 5.12 Sea A una matriz de orden n y i un valor propio de A de multiplicidad
ni , si V (i ) es el espacio caracterstico correspondiente al valor propio i . Entonces
1 dim V (i ) ni .
Demostracion:
Evidentemente dim V (i ) 1, como ya observamos en la definicion 5.4.
Supongamos entonces que dim V (i ) = d, y consideremos el operador lineal f : IRn IRn
definido por f (v) = Av Sea {v1 , . . . , vd } una base del espacio caracterstico V (i ), que podemos
completar hasta obtener una base de IRn , {v1 , . . . , vd , vd+1 , . . . , vn }. En dicha base, la matriz
del operador sera de la forma

i 0 0
0 i 0

. . .

..

.
.
.
.
0
.
.
.
B

A =

0 0 i

Algebra
Lineal.

B0
60

5.3 Diagonalizacion ortogonal.

Como A y A0 son matrices semejantes tienen el mismo polinomio caracterstico, es decir, |I

A| = |I A0 | = ( i )d |I B 0 |, de donde se obtiene que d ni .
Teorema fundamental de la diagonalizaci
on 5.13 Sea A una matriz de orden n. Entonces
A es diagonalizable si y solo si se cumplen las condiciones:
a) Las n raices de la ecuacion caracterstica de A son todas reales. Es decir, |I A| =
( 1 )n1 ( m )nm con n1 + n2 + + nm = n.
b) Si V (i ) es el espacio caracterstico de A correspondiente a i , 1 i m, y ni es la
multiplicidad de i en la ecuacion caracterstica de A, entonces dim V (i ) = ni .
Demostracion:
Si A es diagonalizable, existe una matriz P inversible tal que P 1 AP = D (diagonal),
es decir, A y D son matrices semejantes y por tanto poseen el mismo polinomio caracterstico,
luego |I A| = |I D| = ( 1 )n1 ( m )nm siendo i IR un valor de la diagonal de
D repetido ni veces. Luego, por ser D de orden n se verificar
a que n1 + n2 + + nm = n, es
decir, que las n raices son reales.
Ademas, por ser A y D matrices semejantes, tambien lo son I A y I D para todo
IR, ya que I D = P 1 P P 1 AP = P 1 (I A)P , IR. De donde se deduce que
rg(I A) = rg(I D), IR.
Ahora bien, si hacemos = i , i/1 i m, entonces rg(i I A) = rg(i I D) =
n ni dim V (i ) = ni , i = 1, 2, . . . , m, lo que prueba b).
Si |I A| = ( 1 )n1 ( m )nm , con n1 + n2 + + nm = n, y dim V (i ) = ni
para todo i = 1, 2, . . . , m, consideremos en cada V (i ) una base Bi , de la forma
B1 = {p1 , . . . , pn1 }, B2 = {pn1 +1 , . . . , pn1 +n2 }, . . . , Bm = {pn1 +n2 ++nm1 +1 , . . . , pn1 +n2 ++nm }

Tomemos entonces B = B1 B2 Bm , un conjunto de n vectores propios de A, si vemos

que son linealmente independientes, tendremos que A es diagonalizable.
Planteemos una combinacion lineal igualada a cero:
(11 p1 + + n11 pn1 ) + (12 pn1 +1 + + n22 pn1 +n2 )+
+ + (1m pn1 ++nm1 +1 + + nmm pn1 ++nm ) = 0
Llamemos v1 al primer vector situado entre parentesis, v2 al segundo vector situado entre
parentesis, etc. Los vectores v1 , v2 , . . . , vm son vectores del espacio caracterstico correspondientes, respectivamente, a los valores propios distintos 1 , 2 , . . . , m y por tanto, si no son cero,
son linealmente independientes. Pero la combinaci
on lineal v1 + v2 + + vm = 0 nos indicara que son dependientes, luego la u
nica forma de eliminar esa contradicci
on es que vi = 0 ,
i
i = 1, 2, . . . , m, lo cual nos llevara por otra parte a que j = 0 i, j , con lo cual se obtiene que
B es linealmente independiente.

5.3

Diagonalizaci
on ortogonal.

Teorema 5.14 Sea A una matriz de orden n, entonces son equivalentes:

a) A es diagonalizable ortogonalmente.
b) A tiene un conjunto de n vectores propios ortonormales.

Algebra
Lineal.

61

5.4 Ejercicios

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 = P D .
Si llamamos p1 , p2 , . . . , pn a los vectores columnas de P , estos vectores son ortonormales
y
lo mismo que escribir Ap1 = 1 p1 , . . . , Apn = n pn , supuesto que D =
lo anterior es
1 0 0

0 2 0
. .
. , y como al ser P inversible se tiene que p1 , p2 , . . . , pn son linealmente inde . . ..
. ..
. .

0 0 n
pendientes y por tanto no nulos A tiene n vectores propios ortonormales.
Teorema fundamental de la diagonalizaci
on ortogonal 5.15 Una matriz A de orden n es
diagonalizable ortogonalmente si y solo si A es simetrica.
Teorema 5.16 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 correspondientes a 1 y 2 respectivamente.
Tenemos que probar que ut v = 0. (Notar que ut Av es un escalar).
Se tiene que
ut Av = (ut Av)t = v t Au = v t 1 u = 1 v t u = 1 ut v ,
y por otra parte que ut Av = ut 2 v = 2 ut v ,
por tanto 1 ut v = 2 ut v (1 2 )ut v = 0 y como 1 2 6= 0, entonces ut v = 0.

5.4

Ejercicios

5.1 Hallar las ecuaciones caractersticas, los valores propios

tersticos de las siguientesmatrices:

!
5 6
2
4 0
2 7

a)
b) 0 1 8 c) 2 1
1
2
1 0 2
2 0

y bases de los espacios carac

0
1

5.2 Sea T : M22 M22 el operador

por:
lineal!definido

!
a b
2c
a+c
T
=
c d
b 2c
d
Hallar los valores propios de T y bases para los subespacios caractersticos de T .
5.3 Demostrar que = 0 es un valor propio de una matriz A si y solo si A es no inversible.
5.4 Probar que el termino constante del polinomio caracterstico P () = |I A| de una
matriz A de orden n es (1)n det(A).
5.5 Demostrar que si es un valor propio de A entonces 2 es un valor propio de A2 .
Demostrar por induccion que, en general, n es un valor propio de An , n IN.
5.6 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar
una matriz
P talque P 1 AP = D con D matriz
diagonal:

!
1 4 2
3 0 0
14 12

c) 3 4 0
a) 0 2 0 b)
20 17
3 1 3
0 1 2

Algebra
Lineal.

62

5.4 Ejercicios

x1
2x1 x2 x3

x1 x3
5.7 Sea T : IR3 IR3 el operador lineal T x2 =
. Hallar una base
x3
x1 + x2 + 2x3
3
de IR respecto de la cual la matriz de T sea diagonal.
5.8 Sea P1 (x) el espacio vectorial de los polinomios de grado menor o igual a 1. Sea T : P1 (x)
P1 (x) el operador lineal T (a0 +a1 x) = a0 +(6a0 a1 )x. Hallar una base de P1 (x) respecto
de la cual la matriz de T sea diagonal.
5.9 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 Ak P , k IN.

5.10 Calcular A40 siendo A =

1 0
1 2

5.11 Estudiar la diagonalizabilidad

on de los parametros a y b,

de la matriz A, dada en funci

5 0 0

siendo A = 0 1 a . En los casos posibles diagonalizarla.

3 0 b
5.12 Sea A una matriz de orden 2 tal que A2 = I . Probar que A es diagonalizable.
5.13 Hallar una matriz P que diagonalice ortogonalmente a
una de las siguientes matrices:

!
2 1 1
2
7 24

a)
b) 1 2 1 c)
0
24 7
1 1 2
0
5.14

A y calcular P 1 AP para cada

2 0
0
2
0
0
0
5 2
0 2 2

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.

5.15 Probar que A y At tienen los mismos valores propios siendo A una matriz de orden n.
5.16 Sea A una matriz de orden n y P () = |I A|. Probar que el coeficiente de n1 en
P () es el opuesto de la traza de A.
5.17 Sea A una matriz de orden n inversible, demostrar que los valores propios de A1 son los
inversos de los valores propios de A.
5.18 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son
uno o menos uno.
5.19 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 IR3 que no lo son. Calcular todos los vectores propios de la
matriz.
(

un = 3un1 + 3vn1
. Utilizar la divn = 5un1 + vn1
agonalizacion para calcular un y vn en funcion de n, sabiendo que u0 = v0 = 1.

5.20 Se dan las siguientes ecuaciones de recurrencia:

5.21 Los dos primeros terminos de una sucesion son a0 = 0 y a1 = 1. Los terminos siguientes
se generan a partir de ak = 2ak1 + ak2 ; k 2. Hallar a127 .

Algebra
Lineal.

63

5.4 Ejercicios

5.22 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 an el n
umero de parejas nacidas en el n-esimo
mes (a0 = 0), se pide:
a) Obtener una formula recurrente para an en funcion de terminos anteriores.

(1 + 5)n (1 5)n

b) Probar que an =
2n 5
an+1
c) Calcular, si existe: lim
.
n an
5.23 Sea el determinante n n siguiente:

Dn =

3
1
0
0
..
.

1
3
1
0
..
.

0
1
3
1
..
.

0
0
1
3
..
.

..
.

0
0
0
0
..
.

0
0
0

0
..
.

0 0 0 0 3 1
0 0 0 0 1 3

Dar una expresion de Dn en funcion de los determinantes de tama

no menor que n y
obtener las ecuaciones de recurrencia para hallar su valor.
5.24 Determinar para que valores de
a,
1

A= 0
0

b y c son
aneamente
las matrices
simult
diagonalizables

a b
1 a b

2 c
y
B= 0 1 c
0 2
0 0 2

c 2a 0

a
5.25 Estudiar para que valores de a, b y c es diagonalizable la matriz A = b 0
0 2b c

a a 0

0 . Estudiar para que valores de a y b la matriz A

5.26 Dada la matriz A = a a
b
0 2b
es diagonalizable.
5.27 Sea f : IR3 IR3 el operador lineal cuya
matriz asociada
onica es:
a la base can
m 0 0

A= 0 m 1
1 n m
a) Determinar para que valores de m y n existe una base de IR3 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.

Algebra
Lineal.

64

5.4 Ejercicios

1 0 0 0
a 1 0 0

e valores de los parametros

5.28 Dada la matriz A =
. Encontrar para qu
b
d 1 1
c
e f 1
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.
5.29 En IR4 consideramos el subconjunto: S = {(x1 , x2 , x3 , x4 ) / x2 x4 = 0}. Sea T : IR4
IR4 el operador lineal que verifica:
i). ker(T ) = {x IR4 / < 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).

x1 + x2 + x3 + x4 = 0
es el conjunto de vecx2 + 2x3 + 2x4 = 0
tores propios correspondientes a un mismo valor propio de T.

iv). El subespacio solucion del sistema:

Se pide:
a) Probar que S es un subespacio vectorial de IR4 .
b) Hallar ker(T ).
c) Encontrar una base para el subespacio de vectores propios de la propiedad (iv).
d) La matriz estandar de T .
5.30 Sean f : IR4 IR4 un operador lineal, y B = {e1 , e2 , e3 , e4 } la base canonica de IR4 ,
verificando lo siguiente:
i). f (e1 ) H = {x IR4 / x2 = 0}
ii). f (e2 ) S = {x IR4 / x2 = 1 y x4 = 0}
iii). f (e3 ) = (, , 1, 2); f (e4 ) = (1, 0, 2, )
iv). ker f es el conjunto de soluciones del sistema:

2x1 + x2 + 2x3 2x4 = 0

3x + 3x + x + x = 0

1
2
3
4

x x x + 3x = 0
1
2
3
4

v). Las ecuaciones implcitas de la imagen de f son y1 2y3 y4 = 0.

vi). El operador f es diagonalizable.
Hallar la matriz estandar de f .

Algebra
Lineal.

65