Vous êtes sur la page 1sur 7

61 – Matemáticas I : Álgebra Lineal

Tema 6
Diagonalización

6.1 Valores y vectores propios


6.1.1 Planteamiento del problema
Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V , nos
planteamos el problema de cuándo es posible encontrar una base de V respecto de la cuál 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 cuándo 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 diagonalización ortogonal Dado un operador lineal f sobre un espacio vectorial V con
producto interior, nos planteamos el problema de cuándo es posible encontrar una base ortonormal de V respecto
de la cuál la matriz de f sea diagonal. Si V es un espacio con producto interior y las bases son ortonormales
entonces se tendrá que P será ortogonal.
Podemos pues formular los dos problemas anteriores en términos 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?

Definición 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 An×n 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
µ ¶ µ ¶
AP = A p1 p2 ··· pn = Ap1 Ap2 ··· Apn
    
p11 p12 · · · p1n λ1 0 · · · 0 λ1 p11 λ2 p12 · · · λn p1n
µ ¶
 p21 p22 · · · p2n  0 λ2 · · · 0   λ1 p21 λ2 p22 · · · λn p2n 
PD = 
 ... .. .. .  .. .. . . . = . .. .. .. 
 = λ1 p1 λ2 p2 · · · λn pn
. . ..  . . . ..   .. . . .
pn1 pn2 · · · pnn 0 0 · · · λn λ1 pn1 λ2 pn2 · · · λn pnn

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

Definición 147.- Si A es una matriz de orden n, diremos que λ es un valor propio, valor caracterı́stico,
eigenvalor o autovalor de A si existe algún p ∈ IRn , p 6= 0 , tal que A p = λ p .
Del vector p diremos que es un vector propio, vector caracterı́stico, eigenvector o autovector de
A correspondiente al valor propio λ .
Del comentario anterior, obtenemos la primera caracterización para la diagonalización de la matriz:
Teorema 148.- Sea A una matriz de orden n , entonces:
A es diagonalizable ⇐⇒ A tiene n vectores propios linealmente independientes

Prof: José Antonio Abia Vian I.T.I. en Electricidad


62 – Matemáticas I : Álgebra Lineal 6.2 Diagonalización

Demostración:
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
µ ¶ µ ¶
AP = Ap1 Ap2 · · · Apn = λ1 p1 λ2 p2 · · · λn pn = PD

⇐⇒ existen n vectores linealmente independientes tales que A p1 = λ1 p1 , . . . , A pn = λn pn


⇐⇒ A tiene n vectores propios linealmente independientes

En consecuencia, el problema de la diagonalización 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 Diagonalización
La primera simplificación de la búsqueda 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) λ es un valor propio de A.
b) El sistema de ecuaciones (λI − A) x = 0 tiene soluciones distintas de la trivial.
c) det(λI − A) = 0.
Demostración:
λ es un valor propio de A ⇐⇒ existe un vector x ∈ IRn , x 6= 0 , tal que A x = λ x ⇐⇒ el sistema
λ x − A x = (λI − A) x = 0 tiene soluciones distintas de la trivial ⇐⇒ |λI − A| = 0

Definición 150.- Sea A una matriz de orden n . Al polinomio en λ de grado n , P(λ) = |λI − A|, se le
denomina polinomio caracterı́stico de la matriz A .
Si λ nun valor propio de A , llamaremos
o espacio caracterı́stico de A correspondiente a λ al conjunto
V (λ) = x ∈ IRn : (λI − A) x = 0 . Es decir, V (λ) es el conjunto formado por todos los vectores propios de
A correspondientes a λ , más el vector cero.
Ası́ pues, los autovalores son las raices del polinomio carácterı́stico y los vectores propios, los vectores
distintos de cero del espacio caracterı́stico asociado.
Observación 151.- V (λ) es un subespacio y dim V (λ) ≥ 1:
En efecto, es un subespacio por ser el conjunto de soluciones de un sistema homogéneo y como λ es valor
propio de A, existe x 6= 0 en
n V (λ), luego lin{ x } ⊆ V (λ)
o y 1 = dim(lin{x }) ≤ dim V (λ).
Además, dim V (λ) = dim x ∈ IRn : (λI − A) x = 0 = n − rg(λI − A).

Antes de seguir: en el estudio realizado hasta ahora, hemos buscado la diagonalización de matrices, separándolo
del operador lineal que aparece en el planteamiento inicial del problema. Sin embargo, todo lo anterior (y lo
siguiente) es válido y aplicable en los términos del operador. Pueden verse los resultados que lo justifican en el
Anexo 1, pág 78.
Teorema 152.- Sean v1 , v2 , . . . , vk vectores propios de una matriz A asociados a los valores propios λ1 ,
λ2 , . . . , λk respectivamente, siendo λi 6= λj , ∀ 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.


Demostración:
Si la matriz tiene n autovalores distintos λ1 , λ2 , . . . , λn y de cada espacio caracterı́stico V (λk ) podemos
tomar un vector propio vk 6= 0 , tenemos n vectores propios, v1 , v2 , . . . , vn que son, por el resultado
anterior, linealmente independientes.

Prof: José Antonio Abia Vian I.T.I. en Electricidad


63 – Matemáticas I : Álgebra Lineal 6.2 Diagonalización

Proposición 154.- Sea A de orden n y λk un autovalor de A de multiplicidad mk . Entonces

1 ≤ dim V (λk ) ≤ mk . .

Teorema fundamental de la diagonalización 155.- Sea A una matriz de orden n. Entonces A es diagonali-
zable si y sólo si se cumplen las condiciones:
1.- El polinomio caracterı́stico tiene n raices reales. Es decir, |λI − A| = (λ − λ1 )m1 · · · (λ − λk )mk con
m1 + m2 + · · · + mk = n .
2.- Para cada espacio caracterı́stico V (λi ) , se cumple que dim V (λi ) = mi . .

Aunque omitimos aquı́ la demostración por ser demasiado técnica (puede verse en el Anexo 2), en ella se aporta
el método para encontrar los n vectores propios linealmente independientes necesarios en la diagonalización:
Si dim V (λi ) = mi para todo i = 1, . . . , k y m1 + · · · + mk = n , podemos tomar de cada V (λi ) 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 caracterı́stico es:
¯ ¯4 0 0
¯ λ 0 −4 ¯¯ ¯ ¯
¯ ¯ λ −4 ¯
¯ ¯
P (λ) = |λI − A| = ¯ 0 λ − 4 0 ¯ = (λ − 4) ¯ ¯ ¯ = (λ − 4)(λ2 − 42 ) = (λ − 4)2 (λ + 4)
¯ −4 ¯ −4 λ ¯
0 λ
luego los autovalores de A son λ1 = 4 con m1 = 2 y λ2 = −4 con m2 = 1. Como λ1 , λ2 ∈ IR y m1 + m2 =
2 + 1 = 3 = n, se cumple la primera condición del Teorema.
Veamos el punto 2: como 1 ≤ dim V (−4) ≤ m2 = 1 la condición dim V (−4) = 1 se cumple de manera
inmediata (y se cumple siempre para cualquier
 autovalor
 con multiplicidad
 1). Para el otro autovalor, λ1 = 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 también se cumple y, en consecuencia, la matriz diagonaliza.
Como los elementos de V (4) son las soluciones del sistema homogéneo (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,
cumpliéndose 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 caracterı́stico P (λ) = (λ − 4)2 (λ + 4) , luego tiene
4 2 0
por autovalores λ1 = 4 con m1 = 2 y λ2 = −4 con m2 = 1.
Como m1 + m2 = 2 + 1 = 3 se cumple el primer punto; y por ser m2 = 1, también 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 = 3−dim V (4) luego dim V (4) = 3−2 = 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 más, un vector propio lineal-
mente independiente; luego en total, podremos conseguir a lo más dos autovectores linealmente independientes.
No conseguimos los tres necesarios, luego no diagonaliza.) 4

Prof: José Antonio Abia Vian I.T.I. en Electricidad


64 – Matemáticas I : Álgebra Lineal 6.3 Diagonalización ortogonal

6.3 Diagonalización 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.
Demostración:
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 , éstos vectores
 son ortonormales
 y lo anterior es
λ1 0 · · · 0
 0 λ2 · · · 0 
 
lo mismo que escribir Ap1 = λ1 p1 , . . . , A pn = λn pn , supuesto que D =  . . . .  , y como al ser
 .. .. . . .. 
0 0 · · · λn
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 simétrica, entonces los vectores propios que pertenecen a valores propios
distintos son ortogonales.
Demostración:
Sean λ1 y λ2 valores propios distintos de una matriz simétrica A y sean u y v vectores propios correspon-
dientes a λ1 y λ2 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 λ1 u = λ1 v t u = λ1 u t v ,
y por otra parte que u t A v = u t λ2 v = λ2 u t v ,
por tanto λ1 u t v = λ2 u t v ⇒ (λ1 − λ2 ) u t v = 0 y como λ1 − λ2 6= 0 , entonces u t v = 0.

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


ortogonalmente si y sólo si A es simétrica. .

El Lema 158 y el resaltado que apostilla el Teorema fundamental de diagonalización 155 nos indican la manera
de encontrar los n vectores propios ortonormales linealmente independientes:
Si tomamos en cada V (λi ) 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 simétrica 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, cumpliéndose 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 caracterı́sticos, los valores propios y bases de los espacios caracterı́sticos de las
siguientes matrices:    
µ ¶ 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: José Antonio Abia Vian I.T.I. en Electricidad


65 – Matemáticas I : Álgebra Lineal 6.4 Ejercicios

6.51 Sea T : M2×2 −→ M2×2 el operador lineal µ definido


¶ por:
µ ¶
a b 2c a+c
T =
c d b − 2c d
Hallar los valores propios de T y bases para los subespacios caracterı́sticos de T .
6.52 Demostrar que λ = 0 es un valor propio de una matriz A si y sólo si A es no inversible.

6.53 Probar que el término constante del polinomio caracterı́stico P (λ) = |λI − A| de una matriz A de orden
n es (−1)n det(A).

6.54 Demostrar que si λ es un valor propio de A entonces λ2 es un valor propio de A2 . Demostrar por
inducción que, en general, λn 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 µ ¶ −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 inducción que
(P −1 AP )k = P −1 Ak P , ∀k ∈ IN .
µ ¶
1 0
6.59 Calcular A40 siendo A = .
−1 2

6.60 Estudiar
 la diagonalizabilidad
 de la matriz A, dada en función de los parámetros 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
µ ¶ 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 (λ) = |λI − A|. Probar que el coeficiente de λn−1 en P (λ) es el opuesto
de la traza de A.
6.66 Sea A una matriz de orden n inversible, demostrar que los valores propios de A−1 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: José Antonio Abia Vian I.T.I. en Electricidad


66 – Matemáticas I : Álgebra 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.
½
un = 3un−1 + 3vn−1
6.69 Se dan las siguientes ecuaciones de recurrencia: . Utilizar la diagonalización para
vn = 5un−1 + vn−1
calcular un y vn en función de n, sabiendo que u0 = v0 = 1 .
6.70 Los dos primeros términos de una sucesión son a0 = 0 y a1 = 1 . Los términos siguientes se generan a
partir de ak = 2ak−1 + ak−2 ; k ≥ 2. Hallar a127 .

6.71 El propietario de una granja para la crı́a de conejos observó en la reproducción de éstos que:

i). Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada mes.
ii). Una pareja recién nacida tarda dos meses en tener la primera descendencia.
Si partimos de una pareja adulta y siendo an el número de parejas nacidas en el n-ésimo mes ( a0 = 0),
se pide:
a) Obtener una fórmula recurrente para an en función de términos anteriores.
√ √
(1 + 5)n − (1 − 5)n
b) Probar que an = √
2n 5
an+1
c) Calcular, si existe: lı́m .
n→∞ an

6.72 Sea el determinante n×n 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 expresión de Dn en función de los determinantes de tamaño menor que n y obtener las ecuaciones
de recurrencia para hallar su valor.
6.73 Determinar para qué valores de a, b y c son diagonalizables simultáneamente 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 qué 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 qué 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 canónica es:
 
m 0 0
A= 0 m 1 
1 n m

a) Determinar para qué 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 cuál la matriz de f sea
diagonal.
b) Si n = 0 , observando la matriz A y sin hacer ningún cálculo, determinar un valor propio y un vector
propio asociado a dicho valor propio, razonando la respuesta.

Prof: José Antonio Abia Vian I.T.I. en Electricidad


67 – Matemáticas I : Álgebra Lineal 6.4 Ejercicios

 
−1 0 0 0
 a −1 0 0 
6.77 Dada la matriz A =  b
 . Encontrar para qué valores de los parámetros 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) .
½
x1 + x2 + x3 + x4 = 0
(iv) El subespacio solución 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 canónica 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 ) = (α, β, 1, −2); f ( e 4 ) = (1, 0, −2, γ)

 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 implı́citas 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: José Antonio Abia Vian I.T.I. en Electricidad