Matemática para Economistas

PROFESORA: ANA VILKER

AYUDANTES: ROMINA BOERO Y SABRINA PEREZ
Diagonalización de Matrices
 
Matriz Característica: Es la matriz resultante de restarle un escalar multiplicado por la matriz identidad de la misma
dimensión.

Determinante Característico: Es el determinante de la matriz característica.

Polinomio Característico: Es la resolución del determinante característico.

Ecuación Característica: Es el polinomio característico igualado a 0.

Valores Propios o Autovalores: Son los valores de que resuelven la ecuación característica.

Vectores Propios o Autovectores: Son vectores no nulos asociados a los autovalores, que verifiquen la propiedad de
vector propio en donde es el autovalor asociado. Es un vector cuya imagen es 0 (pertenece al núcleo).
Diagonalización de Matrices
  dice que una matriz es diagonalizable si y sólo si es semejante a una matriz diagonal D que contenga en su diagonal
Se
principal los valores propios de A, es decir, que exista una matriz de paso P tal que

Dos matrices son semejantes si tienen:

 Misma traza
 Mismo determinante
 Mismo polinomio característico
 Mismos autovalores
 Mismo rango

Condición Necesaria y Suficiente:

Para que una matriz cuadrada sea diagonalizable, es condición que se puedan extraer n vectores LI (linealmente
independientes) de su conjunto de valores propios.
Diagonalización de Matrices
Ejemplo 1:  
Matriz
Matriz C Identidad

  1 −5 9 1 0 0 1− 𝜆 −5 9
(𝐶 − 𝜆 𝐼 )= 2
( 1
0
2 −4)
−1 − 𝜆 ∗ 0
0 ( 1
0 1)(
0 = 2
1
−𝜆
2
−1
)
Matriz Característica
−4− 𝜆

)  Determinante
Característico

 )
)
)
)

Polinomio Característico
Diagonalización de Matrices
Podemos hallar el polinomio característico a partir de la relación de los coeficientes con la matriz:

  P

En donde:   Traza de C  
 Suma de los menores principales de orden i
 Determinante de C

En nuestro ejemplo: Menores Principales

Traza C de orden 2
 

 Nuestro polinomio característico nos queda

Diagonalización de Matrices
  Ecuación Característica

 𝜆1 =1; 𝜆 2=−3 ; 𝜆3 =−1 Autovalores o Valores Propios

Teorema: A autovalores distintos le corresponden autovectores linealmente independientes.

Observación: Como se cumple el teorema, podemos decir a priori que la matriz C va a ser diagonalizable porque vamos
a poder encontrar por lo menos 1 autovector LI por cada autovalor.

Por lo tanto, necesitamos encontrar los autovectores asociados a los autovalores.

 Diagonalización de Matrices
  1 −5 9 1 0 0 1 −1 −5 9 0 −5 9
 𝜆1 =1
(
(𝐶 − 𝐼 )= 2
1
0
2 −4 ) (
−1 −1 ∗ 0
0
1
0 1)(
0 = 2
1
−1
2
−1 = 2
− 4 −1 1 )( −1
2
−1
−5 )
 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

 0 −5 9 1 2 −5 1 2 −5 1 2 −5
( 2
1
−1
2 −5 )
−1 → 𝐹 1 ↔ 𝐹 3 → 2
0 ( −1
−5 9 ) (
−1 →2 𝐹 1 − 𝐹 2 → 𝐹 2 → 0
0
5
−5 9 )
−9 → 𝐹 2+ 𝐹 3 → 𝐹 3 → 0
0 ( 5
0
−9
0 )
  Con el sistema de ecuaciones encontramos que , .

7 7
  𝑧 7
( )
𝑥
𝑦 =
𝑧 ( ) ()
5
9
5
𝑧
𝑧
=𝑧
5
9
5
1
 
De esta manera encontramos el autovector 𝑉 1= 9
5 ()
 Diagonalización de Matrices
  1 −5 9 1 0 0 1+3 −5 9 4 −5 9
 𝜆2 =−3
(
( 𝐶 +3 𝐼 )= 2
1
0
2 −4 ) (
− 1 +3 ∗ 0
0
1
0 1)(
0 = 2
1
3
2
−1 = 2
− 4+3 1 )( 3
2
−1
−1 )
 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

 4 −5 9 4 −5 9 4 −5 9
( 2
1
3
2
−1 →
−1 )
𝐹1 − 2 𝐹2 → 𝐹 2
𝐹 1 − 4 𝐹 3 → 𝐹 3
→ 0
0 ( − 11
− 13 13 )
11 → 13 𝐹 2 − 11 𝐹 3 → 𝐹 3 → 0
0 ( − 11
0 0)
11

  Con el sistema de ecuaciones encontramos que , .

 𝑥 −𝑧 −  1 −1
()( ) ( )
𝑦 = 𝑧 =𝑧 1
𝑧 𝑧
De esta manera encontramos el autovector 𝑉 2= 1
1 1 ( )
 Diagonalización de Matrices
  1 −5 9 1 0 0 1+1 −5 9 2 −5 9
 𝜆3 =−1
(
( 𝐶 + 𝐼 )= 2
1
0
2 −4 ) (
−1 +1 ∗ 0
0
1
0 1 )(
0 = 2
1
1
2
−1 = 2
− 4+1 1 )( 1
2
−1
−3 )
 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

 2 −5 9 2 −5 9 2 −5 9
( 2
1
1
2
−1 →
−3 )
𝐹
𝐹 1 − 𝐹2 → 𝐹 2
1 − 2 𝐹 3 → 𝐹 3
→ 0
0 ( −6
−9 15 )
10 → 9 𝐹 2 − 6 𝐹 3 → 𝐹3 → 0
0 ( −6
0
10
0 )
  Con el sistema de ecuaciones encontramos que , .

−1 −1
  𝑦

()
𝑥
𝑦 =
𝑧 ( ) ( )
5

3
5
𝑦
𝑦
=𝑦
5 

3
5
1 De
−1
esta manera encontramos el autovector 𝑉 3= 5
3 ( )
Diagonalización de Matrices
La matriz de paso P la vamos a construir con los 3 vectores propios LI que obtuvimos a partir de los autovalores

  7 −1 −1
𝑃= 9
5( 1
1
5
3 )
𝑉
  1 𝑉
  2 𝑉
  3
La matriz diagonal D la vamos a construir colocando los autovalores en la diagonal principal.
  1 0 0
𝐷= 0
0( −3
0
0
−1 ) Observación: Debemos colocar los autovalores en el mismo orden que se colocaron los
autovectores.

Finalmente, la transformación nos quedará:   −𝟏 ∗𝑪 ∗ 𝑷=𝑫

𝑷
−1
 7 −1 −1 1 −5 9 7 −1 −1 1 0 0
(9
5
1
1
5
3 ) ( ∗ 2
1
0
2 −4 )(
−1 ∗ 9
5
1
1 3 )(
5 = 0
0
−3
0
0
−1 )
Diagonalización de Matrices
  −3 1 −1
Ejemplo 2:
Matriz B
Matriz
Identidad
(
𝐵= −7
−6
5
6
−1
−2 )
  −3 1 −1 1 0 0 −3 − 𝜆 1 −1
( 𝐵 − 𝜆 𝐼 )= − 7
( −6
5
6 −2) (
−1 − 𝜆 ∗ 0
0
1
0 1)(
0 = −7
−6
5−𝜆
6 )
− Matriz
1
−2 − 𝜆
Característica

)  Determinante
Característico

 = …

Polinomio Característico
Diagonalización de Matrices
Podemos hallar el polinomio característico a partir de la relación de los coeficientes con la matriz:

  P

En donde:   Traza de B  
 Suma de los menores principales de orden i
 Determinante de B

En nuestro ejemplo: Menores Principales

Traza B de orden 2
 

 Nuestro polinomio característico nos queda

Diagonalización de Matrices
  Ecuación Característica

 𝜆1 = 𝜆2= −2 ; 𝜆3= 4 Autovalores o Valores Propios

Teorema: A autovalores distintos le corresponden autovectores linealmente independientes.

Observación: Del teorema podemos concluir que vamos a obtener por lo menos 2 vectores LI, por lo tanto, la matriz B
puede ser o no diagonalizable.

Por lo tanto, necesitamos encontrar los autovectores asociados a los autovalores.

 Sugerencia: Comenzar por encontrar los autovectores de la raíz múltiple (en este caso, ).
 Diagonalización de Matrices
  −3 1 −1 1 0 0 − 3+2 1 −1 −1 1 −1
 𝜆1 =𝜆2=−2
(
( 𝐵 + 2 𝐼 )= − 7
−6
5
6 −2 ) (
− 1 +2 ∗ 0
0
1
0 1)(
0 = −7
−6
5+ 2
6
−1 = −7
− 2+2 −6)( 7
6
−1
0 )
 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

  −1 1 −1 −1 1 −1 −1 1 −1
( −7
−6
7
6
−1 →
0 )
7 𝐹1− 𝐹2 → 𝐹2
6 𝐹 1 − 𝐹 3 → 𝐹 3
→ 0
0 ( 0
0 −6 )
− 6 → 𝐹 2 − 𝐹3 → 𝐹 3 → 0
0 ( 0
0
−6
0 )
  Con el sistema de ecuaciones encontramos que , .

 𝑥 𝑥 1   1
() () ()
𝑦 = 𝑥 =𝑥 1
𝑧 0 0
De esta manera encontramos el autovector 𝑉 1= 1
0 ()
Diagonalización de Matrices
Observación: Obtuvimos 1 sólo vector propio de una raíz múltiple, por lo tanto, podemos concluir que la matriz B
no es diagonalizable.

Para que una matriz sea diagonalizable, necesitamos que la nulidad sea igual al orden de multiplicidad del autovalor

¿Cómo podría obtener 2 vectores de una raíz doble?

Ejemplo:
 Si luego de triangular llegamos a un caso parecido a éste:

 𝑥 𝑥 1 0
 Con el sistema de ecuaciones encontramos que
  y
() ( ) () ()
𝑦 = 𝑥 + 𝑧 =𝑥 1 + 𝑧 1
𝑧 𝑧 0 1
Diagonalización de Matrices Simétricas
 Se dice que una matriz es simétrica cuando la matriz es igual a su transpuesta, es decir,

La matriz A no es simétrica
Se dice que una matriz simétrica es diagonalizable si y sólo si es semejante a una matriz diagonal D que contenga en
su diagonal principal los valores propios de A, es decir, que exista una matriz de paso P ortogonal tal que
La matriz B es simétrica

Una matriz ortogonal está formada por vectores ortonormales, es decir:

• Vectores con producto escalar igual a 0
• Vectores con norma o módulo igual a 1  Si una matriz P es ortogonal
Diagonalización de Matrices Simétricas
  3 2 0
Ejemplo 1:
Matriz D
Matriz
Identidad
𝐷= 2
0 ( 4
−2
−2
5 )
  3 2 0 1 0 0 3− 𝜆 2 0
(
( 𝐷 − 𝜆 𝐼 )= 2
0
4
−2 5 )
−2 −𝜆∗ 0
0 ( 1
0 1)(
0 = 2
0
4−𝜆
−2 )
−Matriz
5−𝜆
2 Característica

)  Determinante
Característico

 
)
)
)

Polinomio Característico
Diagonalización de Matrices Simétricas
Podemos hallar el polinomio característico a partir de la relación de los coeficientes con la matriz:

  P

En donde:   Traza de D  
 Suma de los menores principales de orden i
 Determinante de D

En nuestro ejemplo: Menores Principales

Traza D de orden 2
 

 Nuestro polinomio característico nos queda

Diagonalización de Matrices Simétricas
  Ecuación Característica

 𝜆1 =7 ; 𝜆2=1 ; 𝜆3 =4 Autovalores o Valores Propios

Teorema: A autovalores distintos en matrices simétricas le corresponden autovectores ortogonales.

Observación: Como se cumple el teorema, podemos decir a priori que la matriz D va a ser diagonalizable porque vamos
a poder encontrar por lo menos 1 autovector ortogonal por cada autovalor.

Por lo tanto, necesitamos encontrar los autovectores asociados a los autovalores.

 Diagonalización de Matrices Simétricas
  3 2 0 1 0 0 3 −7 2 0 −4 2 0
 7
(
( 𝐷 − 7 𝐼 )= 2
0
4
−2 5 ) (
− 2 −7 ∗ 0
0
1
0 1 )(
0 = 2
0
4−7
−2
−2 = 2
5 −7 0)( −3
−2
−2
−2 )
 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

  −4 2 0 −4 2 0 −4 2 0
( 2
0
−3
−2 −2 )
− 2 → 𝐹 1 +2 𝐹2 → 𝐹 2 → 0
0 ( −4
−2 −2 )
− 4 → 𝐹2 − 2 𝐹3 → 𝐹 3 → 0
0 ( −4
0
−4
0 )
  Con el sistema de ecuaciones encontramos que , .

  1 1
𝑦

()
𝑥
𝑦 =
𝑧
2
𝑦
−𝑦
( ) ( )
=𝑦
2   1
1 De esta manera encontramos el autovector 𝑉 1= 2
−1 −2 ( )
 Diagonalización de Matrices Simétricas
  3 2 0 1 0 0 3− 1 2 0 2 2 0
 𝜆2 =1
(
( 𝐷 − 𝐼 )= 2
0
4
−2 5 ) (
− 2 −1 ∗ 0
0
1
0 1)(
0 = 2
0
4 −1
−2 5 −1 )(
−2 = 2
0
3
−2
−2
4 )
 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

 2 2 0 2 2 0 2 2 0
( 2
0
3
−2 4 )
− 2 → 𝐹1 − 𝐹2→ 𝐹2 → 0
0 ( −1
−2 4 )
2 → 2 𝐹 2 − 𝐹 3 → 𝐹3 → 0
0 ( −1
0 )
2
0

  Con el sistema de ecuaciones encontramos que , .

 𝑥 −2𝑧  − 2 −2
()( ) ( )
𝑦 = 2 𝑧 = 𝑧 De
𝑧 𝑧
2 esta manera encontramos el autovector 𝑉 2= 2
1 1 ( )
 Diagonalización de Matrices Simétricas
 
 𝜆3 =4

 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

  −1 2 0 −1 2 0 −1 2 0
( 2
0
0
−2 1 )
− 2 → 2 𝐹 1+ 𝐹 2 → 𝐹 2 → 0
0 ( 4
−2 1 )
− 2 → 𝐹 2+2 𝐹 3 → 𝐹3 → 0
0 ( 4
0
−2
0 )
  Con el sistema de ecuaciones encontramos que , .

 𝑥 2𝑦 2 2
() ( ) ()
𝑦 = 𝑦 =𝑧 1
𝑧 2𝑦 2
 
De esta manera encontramos el autovector 𝑉 3= 1
2 ()
Diagonalización de Matrices Simétricas
 
Ahora, debemos corroborar que los vectores sean ortogonales entre sí y que su norma sea igual a 1.
Como tenemos tres raíces distintas, se cumple el teorema y podemos asegurar que ya los vectores son ortogonales.

Por lo tanto, lo que debemos hacer es normalizar los autovectores.

El módulo o norma de un vector se calcula mediante la fórmula como la raíz cuadrada de la sumatoria de cada
componente al cuadrado, es decir,

2
‖  𝑉 1‖= √12 +22 + ( −2 ) =3   ‖  𝑉 3‖= √ 22+12 +22=3
Para normalizar un vector lo que debemos hacer es dividir cada componente del vector por su norma.
Diagonalización de Matrices Simétricas
La matriz de paso P la vamos a construir con los 3 vectores ortonormales que obtuvimos a partir de los autovalores

  1 /3 −2 /3 2/ 3
(
𝑃= 2 /3
− 2/3
𝑉
  1
2 /3
1/ 3
𝑉
  2
1/ 3
2/ 3
𝑉
  3
)
La matriz diagonal E la vamos a construir colocando los autovalores en la diagonal principal.
  7 0 0
𝐸= 0
0( 1
0
0
4 ) Observación: Debemos colocar los autovalores en el mismo orden que se colocaron los
autovectores.

Finalmente, la transformación nos quedará:   𝒕 ∗ 𝑫∗ 𝑷=𝑬

𝑷
  1/ 3 2/ 3 −2/ 3 3 2 0 1 /3 − 2/ 3 2/ 3 7 0 0
( −2 /3
2/ 3
2/ 3
1/ 3 2/ 3 )(
1/ 3 ∗ 2
0
4
−2 5 )(
−2 ∗ 2 /3 2 /3 1/ 3 = 0
− 2/ 3 1 /3 2/ 3 0 )( 1
0
0
4 )
Diagonalización de Matrices Simétricas
  0 1 1
Ejemplo 2:
Matriz B
Matriz
Identidad
𝐵= 1
1 ( 0
1
1
0 )
  0 1 1 1 0 0 −𝜆 1 1
( 𝐵 − 𝜆 𝐼 )= 1
( 1
0
1 0)
1 − 𝜆∗ 0
0 ( 1
0 1) (
0 = 1
1
−𝜆
1
1
)
Matriz
−𝜆
Característica

)  Determinante
Característico

 
)
)
)

Polinomio Característico
Diagonalización de Matrices Simétricas
Podemos hallar el polinomio característico a partir de la relación de los coeficientes con la matriz:

  P

En donde:   Traza de B  
 Suma de los menores principales de orden i
 Determinante de B

En nuestro ejemplo: Menores Principales

Traza D de orden 2
 

 Nuestro polinomio característico nos queda

Diagonalización de Matrices Simétricas
  Ecuación Característica

 𝜆1 = 𝜆2= −1; 𝜆 3= 2 Autovalores o Valores Propios

Teorema: A autovalores distintos en matrices simétricas le corresponden autovectores ortogonales.

Observación: Del teorema podemos concluir que vamos a obtener por lo menos 2 vectores ortogonales.

Por lo tanto, necesitamos encontrar los autovectores asociados a los autovalores.

 Diagonalización de Matrices Simétricas
  0 1 1 1 0 0 1 1 1
 𝜆1 =𝜆2=−1 (𝐵+ 𝐼 )= 1
1 ( 0
1 0 )
1 +1 ∗
( 0
0
1
0 ) (
0 = 1
1 1
1
1 )
1
1

 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

  1 1 1 1 1 1
( 1
1
1
1
1
1 ) →
𝐹 1 − 𝐹2 → 𝐹 2
𝐹 1 − 𝐹3 → 𝐹 3
→
( 0
0
0
0
0
0 )
  Con el sistema de ecuaciones encontramos que .

−1   −1 −1
 𝑥 − 𝑦−𝑧 −1
()( 𝑦 =
𝑧
𝑦
𝑧 ) ( ) ( )
= 𝑦 1 + 𝑧 0 De esta manera encontramos los autovectores 𝑉 1 = 1 ; 𝑉 2= 0
0 1 0 1 ( ) ( )
 Diagonalización de Matrices Simétricas
  0 1 1 1 0 0 −2 1 1
 𝜆3 =2 (𝐵 − 2 𝐼 )= 1
1 ( 0
1 0 )
1 −2 ∗ 0
0 ( 1
0 1) (
0 = 1
1
−2
1
1
−2 )
 Debemos resolver el sistema ya que buscamos el vector propio con imagen igual a 0 (núcleo).

Utilizaremos la triangulación, que consiste en obtener ceros por encima o por debajo de la diagonal principal.

  −2 1 1 1 1 −2 1 1 −2 1 1 −2
( 1
1
−2
1 −2 )
1 → 𝐹1 ↔ 𝐹 3 → 1
−2 ( −2
1
1 →
1 )2
𝐹1− 𝐹2→ 𝐹2
𝐹 1 + 𝐹 3 → 𝐹 3
→ 0
0 ( 3
3 −3 )
−3 → 𝐹 2 − 𝐹 3 → 𝐹 2 → 0
0 ( 3
0
−3
0 )
  Con el sistema de ecuaciones encontramos que , .

  𝑥 𝑧 1  1
() () ()
𝑦 = 𝑧 = 𝑧 1 De esta manera encontramos el autovector 𝑉 3= 1
𝑧 𝑧 1 1 ()
Diagonalización de Matrices Simétricas
 
Ahora, debemos corroborar que los vectores sean ortogonales entre sí y que su norma sea igual a 1.
Por el teorema, podemos asegurar que es ortogonal a y es ortogonal a , pero no podemos asegurar que y sean
ortogonales entre sí, por lo que debemos probarlo realizando el producto escalar:

En nuestro caso, no son ortogonales.

Al no contar con tres vectores ortogonales, lo que debemos hacer es construir un vector nuevo que reemplace uno de
los vectores conflictivos () que sea ortogonal al resto. Por lo que se construye el siguiente sistema (suponiendo que es
descartado):

En nuestro ejemplo el sistema sería , encontrando que .

 𝑥 𝑦  1 1

()( ) ( )
𝑦 =
𝑧
𝑦
−2𝑦
= 𝑦 De
−2
∗
1 esta manera encontramos el autovector 𝑉 = 1
−2 ( )
Diagonalización de Matrices Simétricas
 Una vez que obtuvimos los vectores ortogonales, lo que debemos hacer es normalizarlos.

El módulo o norma de un vector se calcula mediante la fórmula como la raíz cuadrada de la sumatoria de cada
componente al cuadrado, es decir,

 ‖𝑉 1‖= (− 1 )2+12 +02 =√ 2

√ ∗
‖𝑉 ‖= √1
  2 2 2
+1 + (− 2 ) = √ 6 ‖  𝑉 3‖= √ 12+12 +12=√ 3

Para normalizar un vector lo que debemos hacer es dividir cada componente del vector por su norma.
Diagonalización de Matrices Simétricas
La matriz de paso P la vamos a construir con los 3 vectores ortonormales que obtuvimos a partir de los autovalores

  −1 / √ 2 1/ √ 6 1/ √ 3

(
𝑃= 1/ √ 2

𝑉
  1
1/ √ 6 1/ √ 3
0 / √ 2 −2 / √ 6 1/ √ 3
  ∗
𝑉 𝑉
  3
)
La matriz diagonal D la vamos a construir colocando los autovalores en la diagonal principal.

  −1 0 0
𝐷= 0
0( −1
0
0
2 )  
Observación: Debemos colocar los autovalores en el mismo orden que se colocaron los
autovectores. El nuevo vector lo colocamos junto al autovalor que tenía asociado el vector
reemplazado.
Finalmente, la transformación nos quedará:   𝒕 ∗ 𝑩 ∗ 𝑷=𝑫
𝑷
  −1/ √ 2 1/ √ 2 0/ √ 2 0 1 1 −1/ √ 2 1/ √ 6 1/ √ 3 −1 0 0

( 1/ √ 6
1/ √ 3
)( )(
1/ √ 6 − 2/ √ 6 ∗ 1 0 1 ∗ 1/ √ 2
1/ √ 3 1/ √ 3 1 1 0
1/ √ 6 1/ √ 3 = 0 − 1 0
0 / √ 2 −2/ √ 6 1/ √ 3 0 0 2 )( )
Resumen
Matrices

No Simétricas Simétricas

  −𝟏 ∗ 𝑨 ∗ 𝑷= 𝑫
𝑷   𝒕 ∗ 𝑨 ∗ 𝑷=𝑫
𝑷

Matriz de Paso P con vectores LI Matriz de Paso P ortogonal con

vectores ortonormales
Para Diagonalizar:
nulidad = orden de multiplicidad Producto Escalar = 0
Norma o Módulo = 1

Siempre Diagonalizable