Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diagonalizacion
Diagonalizacion
Universitat Jaume I
MATEMÁTICAS I
ED2054 - Matemáticas I
Grado en Arquitectura Técnica
Cristina Chiralt
Vicent Renau
C. Chiralt / V.Renau
c UJI
1
TEMA 2
DIAGONALIZACIÓN DE
MATRICES
2.1. Introducción
Hay muchos campos de las ciencias en las que se utilizan matrices: elastici-
dad de materiales, búsquedas en Google, programas de diseño gráfico, diseño
de videojuegos, etc. Detrás de todos ellos y bastantes otros hay que manejar
matrices de gran tamaño (imaginad la matriz formada por conexiones entre los
usuarios de una red social, puede tener millones de netradas) y la consiguiente
dificulatd de manejarlas. Es por ello que tratamos de simplificar los elementos
de dichas matrices y las más sencillas son las matrices diagonales.
En este tema a partir de una matriz cuadrada tratamos de obtener una
matriz diagonal que sea semejante a ella, es decir, que la información que
podemos obtener de forma más sencilla con la matriz diagonal, se mantiene
para la matriz inicial. Sin ir a matrices de gran tamaño si quiero calcular la
potencia 1234 de una matriz cuadrada de orden 2, en una matriz cualquiera
habrı́a que multiplicar la matriz 1234 veces, si la matriz es diagonal basta con
elevar a 1234 los elementos de la diagonal principal. Este proceso se utiliza
cuando trabajamos con matrices de transición donde queremos estudiar cómo
evolucionan a largo plazo determinados procesos. Por ejemplo, el departamento
de estudios de mercado de una fa?brica estima que el 20 % de la gente que
compra un producto un mes, no lo comprara? el mes siguiente. Adema?s, el
30 % de quienes no lo compren un mes lo adquirira? al mes siguiente. En
una poblacio?n de 1000 individuos, 100 compraron el producto el primer mes.
¿Cua?ntos lo comprara?n al mes pro?ximo? ¿Y dentro de cuatro años?
En las siguientes secciones veremos los conceptos básicos para trabajar con
diagonalización de matrices cuadradas.
C. Chiralt / V.Renau
c UJI
54
tal que A · ~v T = λ · ~v T , es decir:
v1 v1
A · ... = λ · ..
.
vn vn
Eλ = {~v ∈ Rn : A · ~v T = λ · ~v T }
Además, como
Eλ = {~v ∈ Rn : A · ~v T = λ · ~v T }
Eλ = {~v ∈ Rn : A · ~v T − λ · ~v T = ~0 T }
Eλ = {~v ∈ Rn : (A − λI) · ~v T = ~0 T }
Además
C. Chiralt / V.Renau
c UJI
55
Ejemplo 2.2. con la matriz A del ejemplo anterior para λ = 3:
2 2 1 x x
E3 = (x, y) ∈ R : · =3·
0 3 y y
y como
−1 1
A − 3I =
0 0
entonces
2 −1 1 x 0
E3 = (x, y) ∈ R : A − 3I = · =
0 0 y 0
Eλ tendrá una base formada por un solo vector. Veamos cuál es:
2 −x + y 0
E3 = (x, y) ∈ R : =
0 0
E3 = (x, y) ∈ R2 : −x + y = 0
E3 = (x, y) ∈ R2 : y = x
E3 = {(x, x) : x ∈ R}
E3 = {x · (1, 1) : x ∈ R}
E3 = h(1, 1)i
1. Si λ, µ ∈ σ(A), λ 6= µ ⇒ Eλ ∩ Eµ = {~0}
C. Chiralt / V.Renau
c UJI
56
2.3. Ecuación caracterı́stica
Recordemos que λ ∈ R es un valor propio de una matriz A ∈ Mn (R) si
existe un vector no nulo ~v ∈ Rn tal que:
v1 v1
. .
A · .. = λ · ..
vn vn
A − λI · .. = ..
. .
vn 0
C. Chiralt / V.Renau
c UJI
57
Es decir, obtenemos dos valores propios λ1 = 2 con orden α1 = 1 y λ2 = 3
con orden α2 = 1. Por tanto,
(c) Demuestra que si una matriz cuadrada A no tiene inversa, entonces tiene
un valor propio λ = 0.
Ejercicio 2.3. Halla los subespacios propios asociados a los valores propios
de las matrices de los apartados b y c del ejercicio 2.2.
C. Chiralt / V.Renau
c UJI
58
necesariamente iguales). Para demostrarlo calculamos, en primer lugar
su polinomio caracterı́stico:
λ1 − λ · · · 0
|D − λI| = .
. . . .
. = (λ1 − λ) · . . . · (λn − λ)
. . .
0 · · · λn − λ
y a continuación resolvemos su ecuación caracterı́stica
|D − λI| = 0 ⇒ (λ1 − λ) · . . . · (λn − λ) = 0 ⇒ λ ∈ {λ1 , . . . , λn }
k veces
z }| {
k
Si k ∈ N, y teniendo en cuenta que D = D · . . . · D, se tiene que
λk1 0
Dk =
..
.
k
0 λn
= P −1 · A · P − λ · P −1 · I · P
= P −1 · (A − λI) · P
= P −1 · |A − λI| · |P |
= |A − λI|
A y B tienen el mismo polinomio caracterı́stico y por tanto, tienen los
mismos valores propios.
Definición 2.8. Una matriz A ∈ Mn (R) se dice que es diagonalizable
si es semejante a una matriz diagonal. Es decir, si existe una matriz regular
P ∈ Mn (R) tal que
D = P −1 · A · P
o dicho de otra manera
A = P · D · P −1
o bien
AP = P D
La matriz D se llama forma diagonal y la matriz P se llama matriz de
paso.
C. Chiralt / V.Renau
c UJI
59
Nota 2.1. Toda matriz diagonal es diagonalizable.
Teorema 2.4 (Caracterización de matrices diagonalizables).
Sea A ∈ Mn (R) tal que λ1 , ..., λr son sus valores propios con órdenes respec-
tivos α1 , ..., αr y di = dim(Eλi ), entonces:
α1 + ... + αr = n
1. A es diagonalizable ⇔ ⇔ d1 + ... + dr = n
αi = di , i = 1, ..., n
2. La forma diagonal de A es D = diag[λ1 , ..., λ1 , ..., λr , ..., λr ]
| {z } | {z }
α1 αr
C. Chiralt / V.Renau
c UJI
60
Obtenemos la ecuación caracterı́stica
−1 5 −8 4
1 −1 4 −4
−1 4 −4 | 0
2 −2 4
−1 2 |0
2 −2
−1 |0
Entonces
λ ∈ {1, 2} ⇒ σ(A) = {1, 2}
La matriz A tiene dos valores propios, el primero de ellos λ1 = 1 tiene orden
α1 = 1, por tanto
1 6 dim(E1 ) 6 1 ⇒ dim(E1 ) = 1
C. Chiralt / V.Renau
c UJI
61
1 −2 0 x 0
E2 = (x, y, z) ∈ R3 : 0 0 0 · y = 0
0 0 0 z 0
E2 = (x, y, z) ∈ R3 : x − 2y = 0
E2 = (x, y, z) ∈ 3 : x − 2y = 0
E2 = {(2y, y, z) : y, z ∈ R}
E2 = {y · (2, 1, 0) + z · (0, 0, 1) : y, z ∈ R}
E2 = h(2, 1, 0), (0, 0, 1)i
Ası́ pues, BE2 = {(2, 1, 0), (0, 0, 1)} es una base de E2 , formada por los vectores
propios asociados al valor propio λ = 2. Estudiamos ahora E1
x 0
3
E1 = (x, y, z) ∈ R : (A − 1 · I) · y = 0
z 0
6 −10 0 x 0
3
E1 = (x, y, z) ∈ R : 3 −5 0 · y = 0
1 −2 1 z 0
6 −10 0 0 0 0
3 −5 0 ∼ 3 −5 0
1 −2 1 1 −2 1
Escalonamos la matriz del sistema
0 0 0 x 0
E1 = (x, y, z) ∈ R3 : 3 −5 0 · y = 0
1 −2 1 z 0
E1 = (x, y, z) ∈ R3 : 3x − 5y = 0, x − 2y + z = 0
C. Chiralt / V.Renau
c UJI
62
Ejercicio 2.4. Estudia si las matrices siguientes son diagonalizables, da la
matriz diagonal
D y la matriz
de paso P.
1 3 2 4 0 −20
(a) A = 1 −1 −2 ; (b) B = 2 0 −10 .
−1 3 4 1 −1 −2
0 0 0 1 3 2
(Solución: (a) D = 0 2 0 , P = −1 1 0 ; (b) B no es diagonali-
0 0 2 1 0 1
zable.)
Nota 2.4. En este caso, las columnas de P forman una base ortonormal de
Rn .
2.5. Aplicaciones
La diagonalización de matrices se utiliza en muchas ramas de la ciencia
(matemáticas, fı́sica, quı́mica, ingenierı́a eléctrica, ingenierı́a nuclear, hidro-
dinámica, aerodinámica, astronomı́a, economı́a, arquitectura, mecánica cuánti-
ca, tratamiento de imágenes, etc.)
Por lo que respecta a las matemáticas, la diagonalización de matrices se
usa en prácticamente todas las áreas puras y aplicadas: resolución de sistemas
dinámicos, cadenas de Markov, endomorfismos, teorı́a de grafos, superficies
cuadráticas, etc.
Una aplicación de las matrices diagonalizables es el cálculo de la potencia
de una matriz. Si A ∈ Mn (R) es una matriz diagonalizable, entonces existe
una matriz regular P ∈ Mn (R) tal que
D = P −1 · A · P o bien A = P · D · P −1
An = (P · D · P −1 ) · (P · D · P −1 ) · (P · D · P −1 ) · . . . · (P · D · P −1 )
| {z }
n
C. Chiralt / V.Renau
c UJI
63
que podemos reescribir de la forma
An = P · D · (P −1 · P ) · D · (P −1 · P ) · D · (P −1 · . . . · P ) · D · P −1
| {z }
n
o lo que es lo mismo
An = P · Dn · P −1 ∀n ∈ N
y calculamos
Ak = P · Dk · P −1
k
5 2 0 1 0 0 −1 2 0
k
A = 3 1 0 · 0 2k 0 · 1 −2 1
1 0 1 0 0 2k 3 −5 0
5 · 1k 2 · 2k 0 −1 2 0
k
A = 3 · 1k 2k 0 · 1 −2 1
1k 0 2k 3 −5 0
6 · 2k − 5 · 1k −10 · 2k + 10 · 1k 0
Ak = 3 · 2k − 3 · 1k −5 · 2k + 6 · 1k 0
2k − 1k k
−2 · 2 + 2 · 1 k
2k
Y podemos darle a k cualquier valor. Por ejemplo, si k = 20:
6291451 −10485750 0
A20 = 3145725 −5242874 0 .
1048575 −2097150 1048576
C. Chiralt / V.Renau
c UJI
64
Ejercicio 2.5. Demuestra que si A (matriz cuadrada) es diagonalizable,
entonces A( 20) también es diagonalizable.
C. Chiralt / V.Renau
c UJI
65