TERCER PARCIAL: Transformaciones lineales, y, eigenvalores y eigenvectores

Subtemas: Semejanza y Diagonalización

Teorema de Semejanza
Si 𝐴 y 𝐵 son matrices semejantes del mismo tamaño 𝑛 × 𝑛, entonces 𝐴 y 𝐵 tienen el mismo Eigenpolinomio y, por tanto,
tienen los mismos Eigenvalores.

Observaciones
El estudiante debe entender bien este Teorema y no confundir el concepto de “semejanza”. Dos matrices son
semejantes si tienen el mismo Eigenpolinomio y los mismos Eigenvalores, en eso son semejantes las matrices 𝐴 y 𝐵.
Las matrices semejantes no son iguales, tienen diferentes componentes, por tanto, las matrices semejantes tienen
diferentes Eigenespacios y diferentes Eigenvectores.

Para demostrar que dos matrices son semejantes basta con determinan el Eigenpolinomio de cada matriz y comparar
si son iguales. Si es fácil determinar los Eigenvalores de 𝐴 y 𝐵, entonces comparar los Eigenvalores, éstos deben ser los
mismos y tener la misma Multiplicidad Algebraica. Sólo es necesario comparar los Eigenpolinomios, o sólo los
Eigenvalores, no es necesario comparar los dos conceptos.

Ejemplos
Demuestre si las siguientes matrices son semejantes.

𝟏 −𝟏 𝟒 𝟏 −𝟏 𝟎
1. 𝑨 = [𝟑 𝟐 −𝟏] y 𝑩 = [𝟎 𝟑 𝟎 ]. Comparando sus Eigenpolinomios.
𝟐 𝟏 −𝟏 𝟐 𝟏 −𝟐

Determinar el eigenpolinomio 𝑝(𝜆) = 𝑑𝑒𝑡(𝐴 − 𝜆𝐼) de cada matriz:

𝟏 −𝟏 𝟒
Para 𝑨 = [𝟑 𝟐 −𝟏]
𝟐 𝟏 −𝟏
1−𝜆 −1 4
𝑝(𝜆) = 𝑑𝑒𝑡 [ 3 2−𝜆 −1 ]
2 1 −1 − 𝜆

𝑝(𝜆) = −𝜆3 + 2𝜆2 + 5𝜆 − 6 𝐸𝑖𝑔𝑒𝑛𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜

𝟏 −𝟏 𝟎
Para 𝑩 = [𝟎 𝟑 𝟎]
𝟐 𝟏 −𝟐
1−𝜆 −1 0
𝑝(𝜆) = 𝑑𝑒𝑡 [ 0 3−𝜆 0 ]
2 1 −2 − 𝜆

𝑝(𝜆) = −𝜆3 + 2𝜆2 + 5𝜆 − 6 𝐸𝑖𝑔𝑒𝑛𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜

Las matrices 𝐴 y 𝐵 tienen el mismo Eigenpolinomio. Las matrices 𝐴 y 𝐵 son semejantes.

Nota: Si el estudiante hubiera optado por calcular además los Eigenvalores de 𝐴 y 𝐵, encontraría que son los mismos y
que tienen la misma Multiplicidad Algebraica. Esto es obvio, pues los Eigenvalores se obtienen de resolver 𝑝(𝜆) = 0.
 𝟓 𝟐 𝟑 𝟕 𝟒 𝟎 𝟎 𝟎
2. 𝑨 = [𝟎 𝟒 𝟐 𝟔] y 𝑩 = [𝟐 𝟓 𝟎 𝟎]. Comparando sus Eigenvalores.
𝟎 𝟎 𝟓 𝟏 𝟏 𝟏 𝟒 𝟎
𝟎 𝟎 𝟎 𝟒 𝟗 𝟑 𝟑 𝟒

No es necesario determinar el eigenpolinomio, ambas matrices son triangulares, los eigenvalores son las componentes
de la diagonal principal:

Matriz Eigenvalores y su Multiplicidad Algebraica

5 2 3 7
𝜆=4 𝑀𝐴 = 2
𝐴 = [0 4 2 6]
0 0 5 1 𝜆=5 𝑀𝐴 = 2 Los eigenvalores son los mismos,
0 0 0 4 pero la Multiplicidad Algebraica
4 0 0 0
𝜆=4 𝑀𝐴 = 3 de cada eigenvalor es diferente.
𝐵 = [2 5 0 0]
1 1 4 0 𝜆=5 𝑀𝐴 = 1
9 3 3 4

Las matrices 𝐴 y 𝐵 tienen diferente distribución de Eigenvalores. Las matrices 𝐴 y 𝐵 no son semejantes.

Nota: Si el estudiante hubiera optado por calcular los Eigenpolinomios de 𝐴 y 𝐵, encontraría que son diferentes.

Teorema de Diagonalización
Una matriz 𝐴 de tamaño 𝑛 × 𝑛, es diagonalizable si tiene 𝑛 Eigenvectores linealmente independientes. En tal caso, existe
una matriz diagonal 𝐷, tal que 𝐴 es semejante a 𝐷, que está dada por:
𝜆1 0 0 …0
0 𝜆2 0 … 0
𝐷 = 0 0 𝜆3 … 0
⋮ ⋮ ⋮ ⋮
[ 0 0 0 … 𝜆𝑛 ]
Donde 𝜆1 , 𝜆2 , 𝜆3 , … , 𝜆𝑛 son los Eigenvalores de 𝐴.
Si 𝐶 es una matriz cuyas columnas son los Eigenvectores linealmente independientes de 𝐴, entonces la matriz diagonal 𝐷,
semejante a 𝐴, cumple con la propiedad 𝐶𝐷 = 𝐴𝐶. La matriz diagonal se obtiene por 𝐷 = 𝐶 −1 𝐴𝐶.
Observaciones

¿Por qué 𝐷 es una matriz semejante a 𝐴?

Si 𝐷 es una matriz diagonal, igual que la matriz triangular, sus eigenvalores son sus componentes de la diagonal
principal. Si 𝐷 tiene en las componentes de la diagonal principal a los eigenvalores de 𝐴, cumple el Teorema de
Semejanza, pues al tener los mismos eigenvalores, tendrán el mismo eigenpolinomio.

¿Por qué es importante una matriz diagonal y semejante a 𝐴?

En muchos problemas aplicables de eigenvalores y eigenvectores es necesario elevar a una potencia a la matriz 𝐴.
Por ejemplo: la cadena de Markov generalizada es 𝑥𝑛 = 𝐴𝑡 𝑥𝑛−1 , donde 𝑡 representa el periodo a largo plazo. Decir a
largo plazo es tener en cuenta que 𝑡 tiene un valor muy grande (tiende a infinito). No existe ningún software matemático
que pueda calcular 𝐴∞ , a mano es imposible. Cuando se tiene un problema así, se sustituye la matriz 𝐴 por su matriz
diagonal semejante 𝐷, la cadena de Markov queda como 𝑥𝑛 = 𝐷 𝑡 𝑥𝑛−1 . La diferencia es que la matriz diagonal es la
única de las matrices que tiene la propiedad de elevar sus componentes al infinito en 𝐷 ∞ .
La cadena de Markov es apenas un ejemplo, si el estudiante tiene otro tipo de problema donde se tenga que calcular
𝐴∞ no dude cambiarla por su matriz diagonal y semejante 𝐷.
Hay un inconveniente, no todas las matrices 𝐴 tienen una matriz semejante diagonal 𝐷 (puede ser que 𝐴 tenga más de
una matriz semejante, pero puede ser que ninguna de ellas sea diagonal).

El Teorema de Diagonalización dice que 𝐴 sólo puede tener una matriz semejante diagonal si es que 𝐴 tiene
eigenvectores linealmente independientes.
 Si los eigenvectores de 𝐴 son linealmente dependientes, quiere decir que esta matriz no tiene matriz semejante
diagonal.

Ejemplos
Determine a la base de vectores que diagonaliza a la matriz 𝐴 y encuentre a partir de ella a una matriz diagonal y semejante
a 𝐴.
𝟑 𝟐 𝟒
1. 𝑨 = [𝟐 𝟎 𝟐]
𝟒 𝟐 𝟑
Paso 1: Determinar los eigenvalores y eigenvectores de 𝐴
El día 5 de mayo, se obtuvieron los eigenvalres y eigenvectores de esta matriz. El reporte fue el siguiente:

Eigenvalor Multiplicidad Eigenespacio Multiplicidad Comparación de

algebraica geométrica multiplicidades
𝜆 = −1 𝑀𝐴 = 2 1 𝑀𝐺 = 2 𝑀𝐴 = 𝑀𝐺
− −1
𝐸(−1) = {[ 2] , [ 0 ]}
1
1
0
𝜆=8 𝑀𝐴 = 1 1 𝑀𝐺 = 1 𝑀𝐴 = 𝑀𝐺
𝐸(8) = {[1/2]}
1
1
− 2 −1 1
Dado que 𝑀𝐴 = 𝑀𝐺 para cada Eigenvalor, entonces los Eigenvectores {[ 1 ] , [ 0 ] , [1/2]} son linealmente
0 1 1
independientes.

Paso 2. Diagonalización
Teorema de Diagonalización
Una matriz 𝐴 de tamaño 𝑛 × 𝑛, es diagonalizable si tiene 𝑛 Eigenvectores linealmente
independientes. En tal caso, existe una matriz diagonal 𝐷, tal que 𝐴 es semejante a 𝐷.
Si 𝐶 es una matriz cuyas columnas son los Eigenvectores linealmente independientes de 𝐴,
entonces la matriz diagonal 𝐷, semejante a 𝐴, cumple con la propiedad 𝐶𝐷 = 𝐴𝐶. La matriz
diagonal se obtiene por 𝐷 = 𝐶 −1 𝐴𝐶.

En el reporte del paso 1, se sabe que los eigenvectores son linealmente independientes, esto quiere decir que 𝐴 tiene
una matriz semejante y diagonal. En otras palabras, 𝐴 se puede diagonalizar.

1
− 2 −1 1
La base que diagonaliza a 𝐴 es el conjunto de eigenvectores {[ 1 ] , [ 0 ] , [1/2]}.
0 1 1

Como este conjunto es una base, se puede combinar (multiplicar por un escalar a cada vector y sumarse entre ellos,
sólo las bases tienen esa propiedad). Para que la base no tenga fracciones, se puede multiplicar por 2 al primer y tercer
vector de la base (se puede multiplicar por cualquier escalar a cualquier vector, recuerde que 𝑎1 𝑣1 + 𝑎2 𝑣2 + 𝑎3 𝑣3 ). El
estudiante puede dejar la base sin ajustar si lo desea. Siguiendo el consejo de ajuste, la base se reescribe como:
−1 −1 2
{[ 2 ] , [ 0 ] , [1]}
0 1 2
La matriz 𝐶 es la matriz de eigenvectores:
−1 −1 2
𝐶=[ 2 0 1]
0 1 2
 Para determinar a la matriz semejante y diagonal se sigue el proceso de diagonalización 𝐷 = 𝐶 −1 𝐴𝐶. Donde 𝐶 −1 se
obtiene por el Método por bloques o por Adjunta. Los datos son:
−1 −1 2 1 −1 4 −1 3 2 4
𝐶=[ 2 0 1], 𝐶 −1 = [−4 −2 5 ] , 𝐴 = [2 0 2]
9
0 1 2 2 1 2 4 2 3

𝐷 = 𝐶 −1 𝐴𝐶
1 −1 4 −1 3 2 4 −1 −1 2
𝐷 = [−4 −2 5 ] [2 0 2] [ 2 0 1]
9
2 1 2 4 2 3 0 1 2
Primero multiplique las primeras dos matrices, el resultado por la tercera matriz
1 1 −4 1 −1 −1 2
𝐷= [4 2 −5] [ 2 0 1]
9
16 8 16 0 1 2
1 −9 0 0
𝐷 = [ 0 −9 0 ]
9
0 0 72
−1 0 0
𝐷 = [ 0 −1 0]
0 0 8
−1 0 0
La matriz semejante y diagonal de 𝐴 es 𝐷 = [ 0 −1 0].
0 0 8

Note que 𝐷 efectivamente es diagonal, si el estudiante realiza la diagonalización 𝐷 = 𝐶 −1 𝐴𝐶 y no obtiene una matriz
diagonal, sus cálculos son incorrectos. La matriz 𝐷 se llama matriz diagonal porque es una matriz diagonal.

Paso 3. Semejanza
Teorema de Semejanza
Si 𝐴 y 𝐵 son matrices semejantes del mismo tamaño 𝑛 × 𝑛, entonces 𝐴 y 𝐵 tienen el mismo
Eigenpolinomio y, por tanto, tienen los mismos Eigenvalores.

Note que 𝐷 por ser una matriz diagonal, sus eigenvalores son sus componentes de la diagonal principal:
−1 0 0
𝜆 = −1 𝑀𝐴 = 2
𝐷 = [ 0 −1 0]
𝜆 = 8 𝑀𝐴 = 1
0 0 8

Estos eigenvalores son los mismos que los de la matriz 𝐴, vea el reporte del paso 1. Por tanto, además de que 𝐷 es una
matriz diagonal, es una matriz semejante a 𝐴.

La demostración anterior se hizo para que el estudiante entienda los conceptos y que efectivamente se cumplen los
teoremas de semejanza y diagonalización. Sin embargo, estos teoremas son más bien para que el estudiante no realice
tantos cálculos. A continuación se resolverá el mismo ejercicio, usando los mismos teoremas, sin hacer los cálculos.

3 2 4
Paso 1: Determinar los eigenvalores y eigenvectores de 𝐴 = [2 0 2]
4 2 3
El reporte previo es:
Eigenvalor Multiplicidad Eigenespacio Multiplicidad Comparación de
algebraica geométrica multiplicidades
𝜆 = −1 𝑀𝐴 = 2 1 𝑀𝐺 = 2 𝑀𝐴 = 𝑀𝐺
− −1
𝐸(−1) = {[ 2] , [ 0 ]}
1
1
0
 𝜆=8 𝑀𝐴 = 1 1 𝑀𝐺 = 1 𝑀𝐴 = 𝑀𝐺
𝐸(8) = {[1/2]}
1
1
− 2 −1 1
Dado que 𝑀𝐴 = 𝑀𝐺 para cada Eigenvalor, entonces los Eigenvectores {[ 1 ] , [ 0 ] , [1/2]} son linealmente
0 1 1
independientes.

Paso 2. Diagonalización
En el reporte del paso 1, se sabe que los eigenvectores son linealmente independientes, esto quiere decir que 𝐴 tiene
una matriz semejante y diagonal. En otras palabras, 𝐴 se puede diagonalizar.

1
− 2 −1 1
La base que diagonaliza a 𝐴 es el conjunto de eigenvectores {[ 1 ] , [ 0 ] , [1/2]}.
0 1 1
−1/2 −1 1
La matriz que diagonaliza es 𝐶 = [ 1 0 1/2]
0 1 1

Paso 3. Semejanza
La matriz 𝐷 debe ser una matriz diagonal y semejante a 𝐴 en los eigenvalores, por tanto, 𝐷 tiene en la diagonal principal
a los eigenvalores de 𝐴, los cuales ya se conocen, son 𝜆 = −1 𝑀𝐴 = 2 y 𝜆 = 8 𝑀𝐴 = 1. Sólo es necesario poner en
la diagonal principal de 𝐷 a los eigenvalores de 𝐴 respetando sus multiplicidades algebraicas.

−1 0 0
La matriz semejante y diagonal de 𝐴 es 𝐷 = [ 0 −1 0].
0 0 8

Si se usan los teoremas de semejanza y diagonalización para declarar a la base que diagonaliza a 𝐴 y a la matriz semejante
diagonal 𝐷, sólo se debe tener cuidado en el orden. Por ejemplo:
Eigenespacios Matriz que diagonaliza Matriz semejante diagonal
1 −1/2 −1 1 −1 0 0
− −1 1 𝐷 =
𝐶=[ 1 0 1/2] [ 0 −1 0]
𝐸(−1) = {[ 2] , [ 0 ]} 𝐸(8) = {[1/2]}
1 0 1 1 0 0 8
1 1 Los vectores aparecen en el Los eigenvalores se escriben en la
0
orden en que se determinaron diagonal principal en el orden en que
los eigenespacios se pusieron los vectores
1 1 −1/2 −1 8 0 0
1 − −1 𝐷 = [0 −1 0 ]
𝐶 = [1/2 1 0]
𝐸(8) = {[1/2]} 𝐸(−1) = {[ 2] , [ 0 ]}
1 1 0 1 0 0 −1
1 1 Los vectores aparecen en el Los eigenvalores se escriben en la
0
orden en que se determinaron diagonal principal en el orden en que
los eigenespacios se pusieron los vectores

−𝟓 −𝟓 −𝟗
2. 𝑨 = [ 𝟖 𝟗 𝟏𝟖 ]
−𝟐 −𝟑 −𝟕
−5 −5 −9
Paso 1: Determinar los eigenvalores y eigenvectores de 𝐴 = [ 8 9 18 ]
−2 −3 −7
En la clase del día 6 de mayo se determinaron los eigenvalores y eigenvectores de esta matriz. El reporte previo es:
 Eigenvalor Multiplicidad Eigenespacio Multiplicidad Comparación de
algebraica geométrica multiplicidades
𝜆 = −1 𝑀𝐴 = 3 3/2 𝑀𝐺 = 1 𝑀𝐴 ≠ 𝑀𝐺
𝐸(−1) = {[ −3 ]}
1

El Teorema de multiplicidades dice que si 𝑀𝐴 = 𝑀𝐺, entonces los eigenvectores del eigenespacio son linealmente
independientes; si 𝑀𝐴 ≠ 𝑀𝐺, entonces los eigenvectores son linealmente dependientes.
3/2
Dado que 𝑀𝐴 ≠ 𝑀𝐺 para el Eigenvalor 𝜆 = −1, entonces el Eigenvector {[ −3 ]} es linealmente dependiente.
1
Paso 2. Diagonalización
En el reporte del paso 1, se sabe que el único eigenvector es linealmente dependiente, esto quiere decir que 𝐴 no tiene
una matriz semejante y diagonal. En otras palabras, 𝐴 no se puede diagonalizar.

No hay una base que diagonalice a 𝐴.

No hay una matriz que diagonalice a 𝐴.
No hay matriz diagonal que sea semejante a 𝐴.

Observaciones
Es incorrecto que en el ejercicio 2, el estudiante declare lo siguiente:

3/2
La base que diagonaliza a 𝐴 es el conjunto de eigenvectores {[ −3 ]}.
1
Si es una base, pero no es la base que diagonaliza a 𝐴. Las bases que diagonalizan siempre son cuadradas.

3/2
La matriz que diagonaliza es 𝐶 = [ −3 ].
1
En el proceso de diagonalización 𝐷 = 𝐶 −1 𝐴𝐶, sólo se puede determinar 𝐶 −1 si 𝐶 es un una matriz cuadrada. La inversa
de una matriz no cuadrada es indefinida.

Ejemplos
Determine si la matriz 𝐴 es diagonalizable, si lo es:
• Encuentre a la matriz que diagonaliza a 𝐴
• Encuentre a la matriz diagonal y semejante a 𝐴
𝟏 𝟑 𝟑
1. 𝑨 = [𝟐 𝟎 𝟐]
𝟑 𝟑 𝟏
Paso 1: Determinar los eigenvalores y eigenvectores de 𝐴
1−𝜆 3 3
𝑝(𝜆) = 𝑑𝑒𝑡 [ 2 −𝜆 2 ]
3 3 1−𝜆
𝑝(𝜆) = (1 − 𝜆)(−𝜆)(1 − 𝜆) + 18 + 18 − [−9𝜆 + 6(1 − 𝜆) + 6(1 − 𝜆)]
𝑝(𝜆) = −𝜆3 + 2𝜆2 + 20𝜆 + 24 𝐸𝑖𝑔𝑒𝑛𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜

𝑝(𝜆) = 0
3 2
−𝜆 + 2𝜆 + 20𝜆 + 24 = 0 𝐸𝑖𝑔𝑒𝑛𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛
−(𝜆 − 6)(𝜆 + 2)2 = 0

Eigenvalor Multiplicidad algebraica

𝜆=6 𝑀𝐴 = 1
𝜆 = −2 𝑀𝐴 = 2
Para 𝜆 = 6
1−𝜆 3 3 0
(𝐴 − 𝜆𝑖 𝐼)𝑣 = 0 = [ 2 −𝜆 2 | 0]
3 3 1−𝜆 0
1 − (6) 3 3 0 −5 3 3 0 1 0 −1 0 𝑥−𝑧 =0
[ 2 −(6) 2 | 0] = [ 2 −6 2 | 0] ~ [ | ]
0 1 −2/3 0 𝑦 − 2/3𝑧 = 0
3 3 1 − (6) 0 3 3 −5 0

2
Despejar a la primera incógnita 𝑥 = 𝑧 𝑦 = 𝑧.
3
La variable independiente es 𝑧.
𝑥 𝑧
2 1
[𝑦] = [ 𝑧] = 𝑧 [2/3]
𝑧 3 1
𝑧

1
𝐸(6) = {[2/3]} 𝑀𝐺 = 1
1
Para 𝜆 = −2
1−𝜆 3 3 0
(𝐴 − 𝜆𝑖 𝐼)𝑣 = 0 = [ 2 −𝜆 2 | 0]
3 3 1−𝜆 0
1 − (−2) 3 3 0 3 3 3 0
[ 2 −(−2) 2 | 0] = [2 2 2| 0] ~[1 1 1|0] 𝑥 + 𝑦 + 𝑧 = 0
3 3 1 − (−2) 0 3 3 3 0

Despejar a la primera incógnita 𝑥 = −𝑦 − 𝑧.

Las variables independientes son 𝑦, 𝑧.
𝑥 −𝑦 − 𝑧 −1 −1
[𝑦] = [ 𝑦 ] = 𝑦 [ 1 ] + 𝑧 [ 0 ]
𝑧 𝑧 0 1

−1 −1
𝐸(6) = {[ 1 ] , [ 0 ]} 𝑀𝐺 = 2
0 1

Reporte
Eigenvalor Multiplicidad Eigenespacio Multiplicidad Comparación de
algebraica geométrica multiplicidades
𝜆=6 𝑀𝐴 = 1 1 𝑀𝐺 = 1 𝑀𝐴 = 𝑀𝐺
𝐸(6) = {[2/3]}
1
𝜆 = −2 𝑀𝐴 = 2 −1 −1 𝑀𝐺 = 2 𝑀𝐴 = 𝑀𝐺
𝐸(6) = {[ 1 ] , [ 0 ]}
0 1

1 −1 −1
Dado que 𝑀𝐴 = 𝑀𝐺 para cada Eigenvalor, entonces los Eigenvectores {[2/3] , [ 1 ] , [ 0 ]} son linealmente
1 0 1
independientes.

Paso 2. Semejanza y Diagonalización

Se sabe que los eigenvectores de 𝐴 son linealmente independientes, entonces 𝐴 es diagonalizable.

1 −1 −1
La matriz que diagonaliza a 𝐴 es la matriz de eigenvectores 𝐶 = [2/3 1 0]
1 0 1
 La matriz diagonal y semejante a 𝐴 es la matriz diagonal que tiene a los eigenvalores de 𝐴 en la diagonal principal 𝐷 =
6 0 0
[0 −2 0 ].
0 0 −2

𝟏 𝟎 𝟎
2. 𝑨 = [𝟎 𝟐 𝟓]
𝟎 𝟎 𝟐
Paso 1: Determinar los eigenvalores y eigenvectores de 𝐴
1−𝜆 0 0
𝑝(𝜆) = 𝑑𝑒𝑡 [ 0 2−𝜆 5 ]
0 0 2−𝜆
𝑝(𝜆) = (1 − 𝜆)(2 − 𝜆)(2 − 𝜆) 𝑦𝑎 𝑒𝑠𝑡á 𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑧𝑎𝑑𝑜
𝑝(𝜆) = −𝜆3 + 5𝜆2 − 8𝜆 + 4 𝐸𝑖𝑔𝑒𝑛𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜

𝑝(𝜆) = 0
−𝜆3 + 5𝜆2 − 8𝜆 + 4 = 0 𝐸𝑖𝑔𝑒𝑛𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛
−(1 − 𝜆)(2 − 𝜆)(2 − 𝜆) = 0

Eigenvalor Multiplicidad algebraica

𝜆=1 𝑀𝐴 = 1
𝜆=2 𝑀𝐴 = 2

Para 𝜆 = 1
1−𝜆 0 0 0
(𝐴 − 𝜆𝑖 𝐼)𝑣 = 0 = [ 0 2−𝜆 5 | 0]
0 0 2−𝜆 0
1 − (1) 0 0 0 0 0 0 0
𝑦=0
[ 0 2 − (1) 5 | 0] = [0 1 5| 0] ~ [0 1 0| 0]
0 0 1 0 𝑧=0
0 0 2 − (1) 0 0 0 1 0

Sólo se sabe que 𝑦 = 0 y que 𝑧 = 0.

La variable independiente es 𝑥, pues no se sabe su valor.
𝑥 𝑥 1
[ ] = [ 0] = 𝑥 [ 0]
𝑦
𝑧 0 0

1
𝐸(1) = {[0]} 𝑀𝐺 = 1
0
Para 𝜆 = 2
1−𝜆 0 0 0
(𝐴 − 𝜆𝑖 𝐼)𝑣 = 0 = [ 0 2−𝜆 5 | 0]
0 0 2−𝜆 0
1 − (2) 0 0 0 −1 0 0 0
[ 0 2 − (2) 5 | 0] = [ 0 0 5| 0] ~ [1 0 0| 0] 𝑥 = 0
0 0 1 0 𝑧=0
0 0 2 − (2) 0 0 0 0 0

Sólo se sabe que 𝑥 = 0 y que 𝑧 = 0.

La variable independiente es 𝑦, pues no se sabe su valor.
𝑥 0 0
[𝑦] = [𝑦] = 𝑦 [1]
𝑧 0 0
 0
𝐸(2) = {[1]} 𝑀𝐺 = 1
0

Reporte
Eigenvalor Multiplicidad Eigenespacio Multiplicidad Comparación de
algebraica geométrica multiplicidades
𝜆=1 𝑀𝐴 = 1 1 𝑀𝐺 = 1 𝑀𝐴 = 𝑀𝐺
𝐸(1) = {[0]}
0
𝜆=2 𝑀𝐴 = 2 0 𝑀𝐺 = 1 𝑀𝐴 ≠ 𝑀𝐺
𝐸(2) = {[1]}
0

1 0
Dado que 𝑀𝐴 ≠ 𝑀𝐺 para uno de los Eigenvalores, entonces los Eigenvectores {[0] , [1]} son linealmente dependientes.
0 0

Paso 2. Semejanza y Diagonalización

Se sabe que los eigenvectores de 𝐴 son linealmente dependientes, entonces 𝐴 no es diagonalizable.

No hay matriz que diagonalice a 𝐴.

No hay matriz diagonal y semejante a 𝐴.

Aplicación de la diagonalización para determinar la potencia de una matriz

El teorema de diagonalización, en otras palabras, dice que si 𝐴 es semejante a una matriz diagonal 𝐷 bajo la
transformación 𝐷 = 𝐶 −1 𝐴𝐶, entonces 𝐷 𝑘 = 𝐶 −1 𝐴𝑘 𝐶 y 𝐴𝑘 = 𝐶𝐷 𝑘 𝐶 −1. Para todo 𝑘 ≥ 1 y siempre que 𝐴 sea
diagonalizable.

Se recomienda al estudiante usar el teorema de diagonalización por la información que se obtiene de este proceso y
porque hay bastantes problemas matriciales donde es importante cambiar a la matriz 𝐴 por su matriz semejante diagonal
𝐷, pues la matriz diagonal es la única matriz que tiene la propiedad de que cuando se eleva a una potencia 𝑘, sus
componentes se elevan a 𝑘, sin necesidad de la multiplicación matricial iterada.
𝟑 𝟐 𝟒
Usando la descomposición de la diagonalización de una matriz calcular 𝑨𝟗 , con 𝑨 = (𝟐 𝟎 𝟐).
𝟒 𝟐 𝟑
𝐴9 se obtiene de la siguiente manera 𝐴9 = 𝐶𝐷 9 𝐶 −1 .
Para desarrollar este proceso, primero se debe conocer a 𝐶 y a 𝐷. Entonces se deben calcular los eigenvalores y
eigenvectores de 𝐴.

3 2 4
Para 𝐴 = (2 0 2), se tiene que:
4 2 3
𝑝(𝜆) = −𝜆3 + 6𝜆2 + 15𝜆 + 8 𝐸𝑖𝑔𝑒𝑛𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜

Después de resolver la eigenecuación 𝑝(𝜆) = 0, se obtiene:

Eigenvalor Multiplicidad algebraica Eigenespacio Multiplicidad geométrica

𝜆 = −1 𝑀𝐴 = 2 −1 −2 𝑀𝐺 = 2
𝐸(−1) = {[ 2 ] , [ 0 ]}
0 2
𝜆=8 𝑀𝐴 = 1 2 𝑀𝐺 = 1
𝐸(8) = {[1]}
2

De esta información se tiene que:

 −1 −2 2 −2 8 −2
1
• La matriz que diagonaliza a 𝐴 es 𝐶 = ( 2 0 1) y su inversa es 𝐶 −1 = 18 (−4 −2 5 ).
0 2 2 4 2 4

−1 0 0
• La matriz semejante y diagonal de 𝐴 es 𝐷 = ( 0 −1 0).
0 0 8
Entonces:
𝐴9 = 𝐶𝐷 9 𝐶 −1
−1 −2 2 −1 0 0 9 1 −2 8 −2
9
𝐴 =( 2 0 1) ( 0 −1 0) (−4 −2 5 )
18
0 2 2 0 0 8 4 2 4
9
1 −1 −2 2 −1 0 0 −2 8 −2
𝐴9 = (2 0 1) ( 0 −1 0) (−4 −2 5 )
18
0 2 2 0 0 8 4 2 4
1 −1 −2 2 −1 0 0 −2 8 −2
𝐴35 = (2 0 1) ( 0 −1 0 ) (−4 −2 5 )
18
0 2 2 0 0 134217728 4 2 4
1 1 2 268435456 −2 8 −2
𝐴35 = (−2 0 134217728) (−4 −2 5 )
18
0 −2 268435456 4 2 4
1 1073741814 536870916 1073741832
𝐴35 = ( 536870916 268435440 536870916 )
18
1073741832 536870916 1073741814