61 Matematicas I : Algebra Lineal

Tema 6
Diagonalizaci
on

6.1 Valores y vectores propios

6.1.1 Planteamiento del problema
Problema general de diagonalizaci on 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 diagonalizaci on 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?

Definici
on 146.- 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 Ann es diagonalizable y sea D la matriz diagonal. Entonces:

P inversible tal que P 1 AP = D o, equivalentemente, P inversible tal que AP = P D
Si denotamos por p1 , p2 , . . . , pn a las columnas de P , las matrices son

AP = A p1 p2 pn = Ap1 Ap2 Apn

p11 p12 p1n 1 0 0 1 p11 2 p12 n p1n

p21 p22 p2n 0 2 0 1 p21 2 p22 n p2n
PD =
... .. .. . .. .. . . . = . .. .. ..
= 1 p1 2 p2 n pn
. . .. . . . .. .. . . .
pn1 pn2 pnn 0 0 n 1 pn1 2 pn2 n pnn

y, como son iguales: A pi = i pi , para todo i = 1, . . . , n . Es decir, han de existir n vectores linealmente
independientes pi ( P es inversible) y n n
umeros i que lo verifiquen.

Definici
on 147.- Si A es una matriz de orden n, diremos que es un valor propio, valor caracterstico,
un p IRn , p 6= 0 , tal que A p = p .
eigenvalor o autovalor de A si existe alg
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:
Teorema 148.- Sea A una matriz de orden n , entonces:
A es diagonalizable A tiene n vectores propios linealmente independientes

Prof: Jos
e Antonio Abia Vian I.T.I. en Electricidad

62 Matematicas I : Algebra Lineal 6.2 Diagonalizaci
on

Demostracion:
Por lo anterior, se tiene que: A es una matriz diagonalizable
P inversible y D diagonal tal que AP = P D
P inversible y D diagonal tal que

AP = Ap1 Ap2 Apn = 1 p1 2 p2 n pn = PD

existen n vectores linealmente independientes tales que A p1 = 1 p1 , . . . , A pn = n pn

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 Diagonalizaci
on
La primera simplificacion de la b
usqueda se produce, no sobre los vectores propios, sino sobre los autovalores
correspondientes:
Teorema 149.- 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 , x 6= 0 , tal que A x = x el sistema
x A x = (I A) x = 0 tiene soluciones distintas de la trivial |I A| = 0

Definici
on 150.- 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 nun valor propio de A , llamaremos
o espacio caracterstico de A correspondiente a al conjunto
V () = x IRn : (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 151.- V () es un subespacio y dim V () 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 6= 0 en
n V (), luego lin{ x } V ()
o y 1 = dim(lin{x }) dim V ().
Ademas, dim V () = dim x IRn : (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 justifican en el
Anexo 1, pag 78.
Teorema 152.- Sean v1 , v2 , . . . , vk vectores propios de una matriz A asociados a los valores propios 1 ,
2 , . . . , k respectivamente, siendo i 6= j , i 6= j . Entonces el conjunto de vectores { v1 , v2 , . . . , vk } es
linealmente independiente. .

Corolario 153.- Una matriz de orden n con n autovalores distintos, es diagonalizable.

Demostracion:
Si la matriz tiene n autovalores distintos 1 , 2 , . . . , n y de cada espacio caracterstico V (k ) podemos
tomar un vector propio vk 6= 0 , tenemos n vectores propios, v1 , v2 , . . . , vn que son, por el resultado
anterior, linealmente independientes.

Prof: Jos
e Antonio Abia Vian I.T.I. en Electricidad

63 Matematicas I : Algebra Lineal 6.2 Diagonalizaci
on

Proposici
on 154.- Sea A de orden n y k un autovalor de A de multiplicidad mk . Entonces

1 dim V (k ) mk . .

Teorema fundamental de la diagonalizaci on 155.- 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 )m1 ( k )mk con
m1 + m2 + + mk = n .
2.- Para cada espacio caracterstico V (i ) , se cumple que dim V (i ) = mi . .

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 dim V (i ) = mi para todo i = 1, . . . , k y m1 + + mk = n , podemos tomar de cada V (i ) los mi
vectores de una base para conseguir el total de n vectores.

0 0 4
Ejemplo 156 Para la matriz A = 0 4 0 , su polinomio caracterstico es:
4 0 0
0 4
4

P () = |I A| = 0 4 0 = ( 4) = ( 4)(2 42 ) = ( 4)2 ( + 4)
4 4
0
luego los autovalores de A son 1 = 4 con m1 = 2 y 2 = 4 con m2 = 1. Como 1 , 2 IR y m1 + m2 =
2 + 1 = 3 = n, se cumple la primera condicion del Teorema.
Veamos el punto 2: como 1 dim V (4) m2 = 1 la condicion dim V (4) = 1 se cumple de manera
inmediata (y se cumple siempre para cualquier
autovalor
con multiplicidad
1). Para el otro autovalor, 1 = 4:

4 0 4 4 0 4
dim V (4) = 3 rg(4I A) = 3 rg 0 0 0 = 3 rg 0 0 0 = 3 1 = 2 = m1
4 0 4 0 0 0
luego tambien se cumple y, en consecuencia, la matriz diagonaliza.
Como los elementos de V (4) son las soluciones del sistema homogeneo (4I A)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:
1
1 0 1 0 0 4 1 0 1 4 0 0
P 1 AP = 0 1 0 0 4 0 0 1 0 = 0 4 0 = D 4
1 0 1 4 0 0 1 0 1 0 0 4

0 2 4
Ejemplo La matriz A = 0 4 0 tiene por polinomio caracterstico P () = ( 4)2 ( + 4) , luego tiene
4 2 0
por autovalores 1 = 4 con m1 = 2 y 2 = 4 con m2 = 1.
Como m1 + m2 = 2 + 1 = 3 se cumple el primer punto; y por ser m2 = 1, tambien se cumple que
dim V (4) = 1 .Veamos para
el otro autovalor:

4 2 4 4 2 4
rg(4I A) = rg 0 0 0 = rg 0 0 0 = 2 = 3dim V (4) luego dim V (4) = 32 = 1 6= m1 = 2 .
4 2 4 0 4 0
En consecuencia, la matriz A no diagonaliza.
(Si dim V (4) = 1 y dim V (4) = 1 de cada uno de ellos podemos conseguir, a lo mas, un vector propio lineal-
mente independiente; luego en total, podremos conseguir a lo mas dos autovectores linealmente independientes.
No conseguimos los tres necesarios, luego no diagonaliza.) 4

Prof: Jos
e Antonio Abia Vian I.T.I. en Electricidad

64 Matematicas I : Algebra Lineal 6.3 Diagonalizaci
on ortogonal

6.3 Diagonalizaci
on ortogonal

Teorema 157.- 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 = P D .
Si llamamos p1 , p2 , . . . , pn a los vectores columnas de P , estos vectores
son ortonormales
y lo anterior es
1 0 0
0 2 0

lo mismo que escribir Ap1 = 1 p1 , . . . , A pn = n pn , supuesto que D = . . . . , y como al ser
.. .. . . ..
0 0 n
P inversible se tiene que p1 , p2 , . . . , pn son linealmente independientes y por tanto no nulos A tiene
n vectores propios ortonormales.

Lema 158.- 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 A v = ( u t A v )t = v t Au = v t 1 u = 1 v t u = 1 u t v ,
y por otra parte que u t A v = 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 6= 0 , entonces u t v = 0.

Teorema fundamental de la diagonalizaci on ortogonal 159.- Una matriz A de orden n es diagonalizable

ortogonalmente si y solo si A es simetrica. .

El Lema 158 y el resaltado que apostilla el Teorema fundamental de diagonalizacion 155 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.

0 0 4
Ejemplo La matriz A = 0 4 0 del Ejemplo 156, es simetrica luego diagonaliza ortogonalmente y
4 0 0
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{( 12 , 0, 12 ), (0, 1, 0)} y
V (4) = lin{( 12 , 0,
1
2
)} , los tres vectores juntos forman un conjunto ortonormal, cumpliendose que:
1
t 1
2
0 12 0 0 4 2
0 12 4 0 0
P t AP = 0 1 0 0 4 0 0 1 0 = 0 4 0 = D 4
1 0 1
4 0 0 1 0 1
0 0 4
2 2 2 2

6.4 Ejercicios
6.50 Hallar los polinomios caractersticos, los valores propios y bases de los espacios caractersticos de las
siguientes matrices:
5 6 2 4 0 1
2 7
a) b) 0 1 8 c) 2 1 0
1 2
1 0 2 2 0 1

Prof: Jos
e Antonio Abia Vian I.T.I. en Electricidad

65 Matematicas I : Algebra Lineal 6.4 Ejercicios

6.51 Sea T : M22 M22 el operador lineal definido

por:

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 .
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 A2 . Demostrar por
induccion que, en general, n es un valor propio de An , n IN .
6.55 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P
1
tal que
P AP =D con D matriz diagonal:
3 0 0 1 4 2
14 12
a) 0 2 0 b) c) 3 4 0
20 17
0 1 2 3 1 3

x1 2x1 x2 x3
6.56 Sea T : IR3 IR3 el operador lineal T x2 = x1 x3 . Hallar una base de IR3 respecto
x3 x1 + x2 + 2x3
de la cual la matriz de T sea diagonal.
6.57 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.
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 Ak P , k IN .

1 0
6.59 Calcular A40 siendo A = .
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 . En los casos posibles diagonalizarla.
3 0 b

6.61 Sea A una matriz de orden 2 tal que A2 = 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:
5 2 0 0
2 1 1
7 24 2 2 0 0
a) b) 1 2 1 c) 0

24 7 0 5 2
1 1 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 At 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 coeficiente 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 A1 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.

Prof: Jos
e Antonio Abia Vian I.T.I. en Electricidad

66 Matematicas I : Algebra Lineal 6.4 Ejercicios

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 IR3 que no lo son. Calcular todos los vectores propios de la matriz.

un = 3un1 + 3vn1
6.69 Se dan las siguientes ecuaciones de recurrencia: . Utilizar la diagonalizacion para
vn = 5un1 + vn1
calcular un y vn en funcion de n, sabiendo que u0 = v0 = 1 .
6.70 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 .

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 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: lm .
n an

6.72 Sea el determinante nn siguiente:

3 1 0 0 0 0

1 3 1 0 0 0

0 1 3 1 0 0

0 0 1 3 0 0
Dn =
.. .. .. .. .. .. ..
. . . . . . .

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.
6.73 Determinar para que valores de a, b y c son diagonalizables simultaneamente las matrices

1 a b 1 a b
A= 0 2 c y B= 0 1 c
0 0 2 0 0 2

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

a a 0
6.75 Dada la matriz A = a a 0 . Estudiar para que valores de a y b la matriz A es diagonalizable.
b 0 2b

6.76 Sea f : IR3 IR3 el operador lineal cuya matriz asociada a la base canonica es:

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.

Prof: Jos
e Antonio Abia Vian I.T.I. en Electricidad

67 Matematicas I : Algebra Lineal 6.4 Ejercicios

1 0 0 0
a 1 0 0
6.77 Dada la matriz A = b
. Encontrar para que valores de los parametros a, b, c, d, e, f IR
d 1 1
c e f 1
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.

6.78 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
(iv) El subespacio solucion del sistema: es el conjunto de vectores propios
x2 + 2x3 + 2x4 = 0
correspondientes a un mismo valor propio de T.
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) Una matriz de T , indicando las bases de referencia.

6.79 Sean f : IR4 IR4 un operador lineal, y B = { e 1 , e 2 , e 3 , e 4 } la base canonica de IR4 , verificando lo
siguiente:
(i) f ( e 1 ) H = { x IR4 / x2 = 0}
(ii) f ( e 2 ) S = { x IR4 / x2 = 1 y x4 = 0}
(iii) f ( e 3 ) = (, , 1, 2); f ( e 4 ) = (1, 0, 2, )

2x1 + x2 + 2x3 2x4 = 0
(iv) ker f es el conjunto de soluciones del sistema: 3x1 + 3x2 + x3 + x4 = 0

x1 x2 x3 + 3x4 = 0
(v) Las ecuaciones implcitas de la imagen de f son y1 2y3 y4 = 0 .
(vi) El operador f es diagonalizable.
Hallar una matriz de f , indicando las bases de referencia.

Prof: Jos
e Antonio Abia Vian I.T.I. en Electricidad