Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 5. Diagonalización
Escuela de Ingeniería
Naval y Oceánica
Moisés Villegas Vallecillos
Departamento de Matemáticas
Índice
2 El problema de la diagonalización
Ejemplo
La función f : R3 → R2 , definida por f (x1 , x2 , x3 ) = (x1 + x3 , x2 ) para
todo (x1 , x2 , x3 ) ∈ R3 , es una aplicación lineal.
Ejemplo
Sea f : R2 → R2 la aplicación lineal definida por:
f (x1 , x2 ) = (3x1 + 2x2 , 2x1 ), ∀(x1 , x2 ) ∈ R2 .
¿Cuál es la imagen por f del vector (−1, 2)?
¿Cuál es la matriz M(f , Bc , Bc ) asociada a f respecto de la base
canónica de R2 ?
¿Qué relación existe entre f (−1, 2) y la matriz M(f , Bc , Bc )?
Teorema
Sea f : Rn → Rn un endomorfismo y sea B una base de Rn .
Una matriz A ∈ Mn×n (R) es la matriz asociada a f respecto de B si, y
sólo si, para todo vector v = (x1 , . . . , xn )B ∈ Rn con f (v ) = (y1 , . . . , yn )B
se cumple que
x1 y1
.. ..
A . = .
xn yn
(es decir, basta multiplicar A por la matriz columna con las coordenadas
de v respecto de la base B, para obtener las coordenadas de f (v )).
Teorema
Sea f : Rn → Rn un endomorfismo y sean B y B0 dos bases de Rn .
Si P es la matriz de cambio de base de B a B0 , entonces
M(f , B, B) = P −1 M(f , B0 , B0 ) P
Ejemplo
Sea f : R2 → R2 la aplicación lineal definida por
f (x1 , x2 ) = (3x1 + 2x2 , 2x1 ), ∀(x1 , x2 ) ∈ R2 .
1 Obtenga la matriz asociada a f respecto de la base canónica
de R2 .
2 Obtenga la matriz asociada a f respecto de la base
B = {(2, 1), (1, −2)}.
El problema de la diagonalización
Cuando dos matrices satisfacen la igualdad que aparece en el
teorema anterior se dice que son semejantes, concretamente:
Matrices semejantes
Se dice que dos matrices A, M ∈ Mn×n (R) son semejantes si existe
una matriz invertible P ∈ Mn×n (R) tal que
M = P −1 A P
Nuestro objetivo en este tema es, dada una matriz cuadrada A
encontrar, si es posible, una matriz diagonal D que sea semejante a
A. Esto es lo que se conoce como el problema de la diagonalización.
Ejemplo
1 −4 1 −2
Dadas las matrices A = , P= , calcule
2 7 −1 1
−1
P AP, proporcionando así una matriz diagonal D semejante a A.
Moisés Villegas Vallecillos Diagonalización 8 / 30
Aplicaciones lineales. Matriz asociada a un endomorfismo
El problema de la diagonalización
Autovalores, autovectores y subespacios propios
Diagonalización de endomorfismos y matrices
Diagonalización de matrices simétricas por semejanza ortogonal
Matriz diagonalizable
Se dice que una matriz cuadrada A ∈ Mn×n (R) es diagonalizable si
es semejante a una matriz diagonal, es decir, si existe una matriz
diagonal D ∈ Mn×n (R) y una matriz invertible P ∈ Mn×n (R) tales
que
D = P −1 A P.
Endomorfismo diagonalizable
Se dice que un endomorfismo f : Rn → Rn es diagonalizable si existe
una base B de Rn respecto a la cual al matriz asociada a f ,
M(f , B, B), es una matriz diagonal.
Teorema
Dada una matriz cuadrada A ∈ Mn×n (R), podemos considerar la
aplicación lineal f : Rn → Rn definida por f (x1 , . . . , xn ) = (y1 , . . . , yn )
donde
y1 x1
.. .
. = A ..
yn xn
Entonces:
1 A = M(f , Bc , Bc ).
2 A es diagonalizable si, y sólo si, lo es la aplicación lineal f .
3 Si f es diagonalizable, B es una base de Rn tal que
D = M(f , B, B) es una matriz diagonal y P es la matriz de
cambio de base de B a Bc , resulta que P −1 A P = D.
Ejemplo
1 −4
Dada la matriz A = , podemos considerar la aplicación
2 7
lineal f : R2 → R2 que a cada vector (x1 , x2 ) ∈ R2 le hace
corresponder el vector f (x1 , x2 ) = (y1 , y2 ) dado por
y1 x
=A 1 .
y2 x2
Entonces A es la matriz asociada a f respecto de la base canónica
de R2 .
Por otra parte, 5 es un autovalor de f y u = (1, −1) es un autovector
asociado a 5, pues,
1 −4 1 1
=5 ,
2 7 −1 −1
Propiedades
1 Dado un autovalor λ de f , el subespacio propio asociado a λ,
Vλ = {u ∈ Rn : f (u) = λu},
es un subespacio vectorial de Rn .
2 Si λ y µ son dos autovalores distintos de f , entonces Vλ ∩ Vµ = {0}.
3 Dado un autovalor λ de f , si
v1 , . . . , vr son autovectores linealmente independientes asociados a λ y
u1 , . . . , up son autovectores linealmente independientes asociados a
otros autovalores diferentes de λ,
entonces u1 , . . . , up , v1 , . . . , vr son linealmente independientes.
Es decir, si juntamos autovectores linealmente independientes
asociados a autovalores distintos, obtenemos un conjunto de
autovectores linealmente independientes.
Teorema
Sea f : Rn → Rn un endomorfismo y sea A su matriz asociada
respecto de alguna base B de Rn . Entonces λ ∈ R es un autovalor de
f si y sólo si det(A − λ In ) = 0.
Ejemplo
Sea f : R3 → R3 el endomorfismo que tiene como matriz asociada
respecto a la base canónica a la matriz
1 2 0
A = −1 3 1 .
0 1 1
Entonces el polinomio característico de A es
1−λ 2 0
pA (λ) = −1 3−λ 1 = (1 − λ)[(1 − λ)(3 − λ) + 1] =
0 1 1−λ
= (1 − λ)(λ − 2)2 = 0
Por tanto, los autovalores de f son: λ1 = 1, λ2 = 2.
Ejemplo
En el ejemplo anterior tenemos que λ1 = 1 es un autovalor de
multiplicidad algebraica 1 y λ2 = 2 es un autovalor de multiplicidad
algebraica 2.
xn xn xn xn
x1
..
⇔ (A − λ In ) . = 0
xn
Esto significa que v ∈ Vλ si y sólo si sus coordenadas son solución del
sistema homogéneo anterior. Dicho de otro modo, las ecuaciones del
sistema homogéneo anterior son las ecuaciones implícitas del
subespacio propio Vλ .
Ejemplo
En el ejemplo anterior tenemos dos subespacios propios, V1 y V2 .
Vamos a calcular sus ecuaciones implícitas:
x1
(x1 , x2 , x3 ) ∈ V1 ⇔ f (x1 , x2 , x3 ) = 1 (x1 , x2 , x3 ) ⇔ (A − I3 ) x2 = 0
x3
1−1 2 0 x1 0
⇔ −1 3 − 1 1 x2 = 0
0 1 1−1 x3 0
x2 = 0
⇔
−x1 + x3 = 0.
Teorema
Sea f : Rn → Rn un endomorfismo y sea λ ∈ R un autovalor de f .
Entonces
1 ≤ mg (λ) ≤ ma (λ),
es decir, la multiplicidad geométrica es un número comprendido entre
1 y la multiplicidad algebraica.
Ejemplo
Sea f : R2 → R2 el endomorfismo que tiene como matriz asociada
respecto a la base canónica a la matriz
26 −10
A=
−10 26
Calcule los autovalores de f y sus multiplicidades algebraicas y
geométricas.
Ejemplo
Sea f : R3 → R3 el endomorfismo que tiene como matriz asociada
respecto a la base canónica a la matriz
1 2 0
A = −1 3 1
0 1 1
Utilice las multiplicidades algebraicas y geométricas de los
autovalores de f para comprobar que f no es diagonalizable.
Pasos de la diagonalización
1 Se calcula el polinomio característico pA (λ) y sus raíces. Si alguna de
ellas es compleja, la matriz no será diagonalizable en R. Obtenemos
así los autovalores y sus multiplicidades algebraicas.
2 Se calculan las ecuaciones implícitas de los subespacios propios y
las multiplicidades geométricas de los autovalores.
3 Para ver si f es diagonalizable, se comprueba que
ma (λ1 ) + · · · + ma (λp ) = n y ma (λ1 ) = mg (λ1 ), . . . , ma (λp ) = mg (λp ).
4 Hallamos una base de cada subespacio propio. Si f es diagonalizable,
al juntar estas bases, logramos una base de autovectores Baut de Rn .
5 La matriz asociada a f respecto de esta base Baut es una matriz
diagonal D cuya diagonal está formada por los autovalores colocados
en el orden en el que hayamos puesto los autovectores en Baut .
6 La matriz P de cambio de base de Baut a la base canónica es la
matriz cuyas columnas son las coordenadas de los autovectores de
Baut , y se cumple que P −1 AP = D.
Moisés Villegas Vallecillos Diagonalización 24 / 30
Aplicaciones lineales. Matriz asociada a un endomorfismo
El problema de la diagonalización
Autovalores, autovectores y subespacios propios
Diagonalización de endomorfismos y matrices
Diagonalización de matrices simétricas por semejanza ortogonal
Ejemplo
Considere la matriz
3 1 1
A = 1 3 1 .
1 1 3
Estudie si A es diagonalizable, y si lo es, determine una matriz
invertible P y una matriz diagonal D tales que D = P −1 AP.
Teorema
Sea f : Rn → Rn un endomorfismo y sea A su matriz asociada
respecto de una base ortonormal B de Rn .
Entonces A es una matriz simétrica si y sólo si
f (u) • v = u • f (v ), ∀u, v ∈ Rn .
Consecuencia
Sea f : Rn → Rn un endomorfismo, A su matriz asociada respecto de
una base ortonormal B de Rn y λ y µ dos autovalores distintos de f .
Si A es simétrica, v ∈ Vλ y w ∈ Vµ , entonces v ⊥w.
Es decir, los autovectores de matrices simétricas asociados a
autovalores distintos son ortogonales.
Teorema espectral
Toda matriz simétrica A ∈ Mn×n (R) es diagonalizable en R.
Además, existe una matriz ortogonal P y una matriz diagonal D tales que
D = Pt A P
La diagonalización de una matriz real simétrica usando como matriz
de paso una matriz ortogonal se denomina diagonalización por
semejanza ortogonal.
Ejemplo
3 4 5 0
Compruebe que las matrices A = yD=
4 −3 0 −5
son ortogonalmente semejantes, es decir, que existe una matriz
ortogonal P tal que P t AP = D.
Ejemplo
Dada la matriz
3 1 1
A= 1 3 1 ,
1 1 3
determinar una matriz ortogonal P y una matriz diagonal D tales que
D = P t AP.