ALGEBRA LINEAL

DIAGONALIZACIN
MATRICES SIMTRICAS CONGUENTES
Se dice que una matriz B es congruente a otra A si existe una matriz no singular P tal que:
B = PT . A . P
La congruencia es una relacin de equivalencia.
Si la matriz A es simtrica significa que A = AT , entonces podemos hacer:
BT = (PT . A . P)T = PT . A . (PT)T = PT . A . P = B
Por lo tanto si A es simtrica B tambin lo es.
Las matrices diagonales son simtricas. Se puede demostrar que nicamente matrices
simtricas son congruentes a matrices diagonales.
DIAGONALIZACIN BAJO CONGRUENCIA DE UNA MATRIZ SIMTRICA
El procedimiento para diagonalizar una matriz bajo congruencia consiste en una secuencia
de pasos, pero siempre teniendo en cuenta que la matriz A a diaginalizar debe ser simtrica.
1. Se debe construir una matriz que conste de dos bloques, uno a izquierda que contiene a
la matriz A, otro bloque a la derecha que contiene a la matriz identidad y es del mismo orden
que A.

2. A travs de realizar operaciones entre filas y/o realizar operaciones entre columnas se
debe obtener una matriz de dos bloques, en el bloque izquierdo una matriz diagonal, en el
bloque derecho una matriz que partiendo de la identidad ha resultado de las operaciones
mencionadas.
Hay que considerar que las operaciones entre filas afectarn a la matriz en sus dos bloques,
pero las operaciones entre columnas solamente afectaran al bloque que se ubica a la
izquierda.
'

F j k . Fi F j

'

C j k . Ci C j

Se deben intercalar las operaciones entre filas para anular a los elementos que estn debajo
del pivote aii para luego operar entre columnas y lograr anular los elementos a la derecha del
pivote y as sucesivamente.
3. Una vez que se ha obtenido en el bloque izquierdo una matriz diagonal D, en el bloque
derecho se ha obtenido una matriz a la cual se designa Q.

ALGEBRA LINEAL
DIAGONALIZACIN
La matriz D es diagonal y la matriz Q es triangular.
Luego se debe considerar que P = QT
O lo que equivale a hacer

Por lo cual podemos hacer: D = PT . A . P

D = Q . A . QT

La matriz diagonal es congruente a la matriz simtrica original por el algoritmo de

diagonalizacin bajo congruencia.
Ejemplo:
2 3
1

Considere A = 2
5 4 se puede observar que es simtrica.
3 4 8

2 3 1 0 0
1

5 4 0 1 0
2
3 4 8 0 0 1

1 2 3 1 0 0

0 1 2 2 1 0 -2 F1 + F2 / 3 F1 + F3
0 2 1 3 0 1

0 0
1 0 0 1 0 0
1 0 0 1

0 1 2 2 1 0 -2 C1 + C2 / 3 C1 + C3 0 1 2 2 1 0 -2 F2 + F3
0 2 1 3 0 1
0 0 5 7 2 1

0 0
1 0 0 1

0 1 0 2 1 0 -2 C2 + C3
0 0 5 7 2 1

Se ha diagonalizado bajo congruencia a la matriz A:

1 2 7

Por lo tanto: P = 0 1 2
0 0
1

Que verifica:

1 0 0

D = P . A . P = 0 1 0
0 0 5

La matriz D (o si se lo prefiere llamarla B) es una matriz diagonal congruente a la matriz A

por este algoritmo.
D = PT . A . P
DIAGONALIZACIN Y FORMAS CUADRTICAS
Las Formas Cuadrticas surgen de una diversidad de problemas relativos a distintos
contextos y reas de conocimiento.

ALGEBRA LINEAL
DIAGONALIZACIN
Por ejemplo una ecuacin de la forma:

A x2 + 2 B xy + C y2 + Dx + Ey + F = 0

En la cual los coeficientes A, B, C no son nulos a la vez se denomina Ecuacin Cuadrtica.

En ese ejemplo a la expresin: F (x, y) = A x2 + 2 B xy + C y2
Se la denomina FORMA CUDRATICA asociada.
Ejemplo: 2 x2 + y2 - 12 x 4 y + 18 = 0 es una Ecuacin Cuadrtica y tiene asociada la
Forma Cuadrtica: F (X, y) = 2 x2 + y2
Es decir en la Forma Cuadrtica se tienen solamente los trminos de grado dos.
En este otro caso: A x2 + B y2 + C z2 + 2D x y + 2E x z + 2F y z + G x + H y + I z + J = 0
(Siendo al menos uno de los coeficientes A, B, C, D, E, F no nulo) la ecuacin cuadrtica
tiene asociada una Forma Cuadrtica:
F (x, y, z) = A x2 + B y2 + C z2 + 2D x y + 2E x z + 2F y z
Observemos algo: todos los trminos son de grado dos, pero hay varios trminos cruzados,
es decir hay trminos donde hay un producto entre dos variables diferentes.

Generalizando a n variables:
En general una Forma Cuadrtica en las variables x1, x2, , xn con las constantes Ci j no
todas nulas es un polinomio donde cada trmino es de grado dos y lo podemos expresar:
F(x1, x2, , xn) =

Ci j xi xj

La Forma Cuadrtica est diagonalizada si se puede expresar como sigue:

F(x1, x2, , xn) = C11 x12 + C22 x22 + + Cnn xn2
Es decir que cada trmino de la Forma Cuadrtica diagonalizada es de grado dos pero no
hay ningn trmino cruzado.
Representacin matricial:
La Forma Cuadrtica puede expresarse en forma matricial, para cierto X = (x1, x2, , xn)T
F(X) = X t . A . X

ALGEBRA LINEAL
DIAGONALIZACIN

En un ejemplo dado anteriormente: F (X) = F(x, y) = 2 x2 + y2 =

2 0 x
.
y .
0 1 y

Si consideramos la Forma Cuadrtica:

F (x, y, z) = A x2 + B y2 + C z2 + 2D x y + 2E x z + 2F y z
Se puede expresar en forma matricial:

En donde:

x

X = y
z

F(X) = X t . A . X

A D E

A= D B F
E F C

La matriz A es simtrica tal como la hemos definido y contiene los coeficientes de cada
trmino de la Forma Cuadrtica en cierto orden.
En la diagonal principal se pueden observar los coeficientes de aquellos trminos que no son
cruzados. Los dems elementos de la matriz resultan la mitad de los que corresponden a los
trminos cruzados.
Es importante establecer que la matriz A que representa a la Forma Cuadrtica, tal como la
acabamos de definir es siempre simtrica, sin embargo, pueden existir otras matrices no
simtricas que tambin representan a la misma Forma Cuadrtica, pero que no son de
inters en este apartado.
Por ejemplo:
F (X, y, z) = x2 6 x y + 8 y2 4 x z + 10 y z + 7 z2
1 3 2

matriz A = 3 8
5
2 5
7

puede representarse a travs de la

o bien de la matriz M =

1 6 4

0 8 10 en ambos casos el
0 0
7

produto XT . A . X resultar en la Forma Cuadrtica dada.

Nos interesan las matrices simtricas que representan a las Formas Cuadrticas, ya
que son las que podremos diagonalizar.
Diagonalizacin de una Forma Cuadrtica
Se tiene una Forma Cuadrtica en las variables x1, x2, , xn , representada matricialmente
F (X) = XT. A . X
(siendo A una matriz simtrica)
Es posible realizar un cambio de variables de tal forma que se considere X = P.Y para y1, y2,
, yn y de este modo obtener:

ALGEBRA LINEAL
DIAGONALIZACIN
F (Y) = (P.Y)T. A . (P.Y)
Trabajando algebraicamente resulta:

F (Y) = YT. (PT. A . P) . Y

Como A es una matriz simtrica tal que B = PT. A . P donde B es una matriz diagonal,
congruente con A bajo congruencia, resulta ser la representacin matricial de la Forma
Cuadrtica diagonalizada en las nuevas variables y1, y2, , yn
F (Y) = YT. B . Y
En conclusin:
Se dice que la sustitucin lineal X = P.Y diagonaliza la Forma Cuadrtica F (X) si la
matriz representativa de F (Y) es una matriz diagonal.
La matriz B = PT. A . P es congruente a la matriz A quien es matriz simtrica, por lo cual hay
un teorema que se puede demostrar que dice:
Sea F (X) = XT. A . X una Forma Cuadrtica real, con A simtrica, entonces siempre
existe una sustitucin lineal X = P.Y que diagonaliza a F.
Ejemplo:
F (x, y, z) = x2 + 4 x y + 5 y2 -6 x z 8 y z + 8 z2
2 3
1

La matriz A que la representa es: A = 2

5 4 dada en el primer ejemplo de este
3 4 8

tema (pgina 2), la cual diagonalizamos bajo congruencia resultando:

1 2 7

P = 0 1 2
0 0
1

1 0 0

B = P . A . P = 0 1 0
0 0 5

Como dijimos que X = P.Y entonces F puede diagonalizarse mediante la sustitucin lineal
siguiente:
x1

x2 =
x
3

1 2 7 y1

0 1 2 . y2
0 0
1 y 3

x1 y1 2 y 2 7 y 3

entonces: x 2 y 2 2 y 3

x3 y 3

Trabajando con la matriz B representativa de esta sustitucin lineal para la Forma

Cuadrtica se obtiene la expresin diagonalizada de la misma:

ALGEBRA LINEAL
DIAGONALIZACIN

y1

y2

1 0 0

y3 . 0 1 0 .
0 0 5

y1

2
2
2
y 2 = y1 + y2 5 y3 = F (Y)
y
3

MATRICES SIMTRICAS Y FORMAS CUADRTICAS DEFINIDAS POSITIVAS

Dada una matriz real simtrica A, se dice que la matriz A es definida positiva si se verifica:
XT . A . X > 0
Para todo vector columna X de IRn.
Del mismo modo se dice que la Forma Cuadrtica F es definida positiva si F (u) > 0 para
todo vector no nulo de IRn
Esto significa que una matriz simtrica A o su Forma Cuadrtica representativa es definida
positiva, si cualquier representacin diagonal tiene solamente entradas positivas.
1 0 0

En el ltimo ejemplo visto la matriz diagonal B = 0 1 0 representativa de la Forma

0 0 5

Cuadrtica diagonalizada, no es positiva, porque posee una entrada negativa: -5 en el

tercer vector columna.
Ejemplo: F (x, y, z) = x2 + 2 y2 4 x z 4 y z + 7 z2
0 2
1
1 0 2

A= 0
2 2 0 2 2
2 2 7
0 2 3

0
1 0

0 2 2
0 2 3

F3 2.F1 + F3

1 0 0 1 0 0

0 2 2 0 2 0 = B
0 0 1 0 0 1

F3 F2 + F3
C3 2.C1 + C3

C3 C2 + C3

En este ejemplo la matriz A representativa de la Forma Cuadrtica es definida positiva, ya

que su matriz congruente representativa diagonal B tiene solamente entradas positivas 1, 2,
1, entonces podemos asegurar que la Forma Cuadrtica F es definida positiva.

ALGEBRA LINEAL
DIAGONALIZACIN
VALORES Y VECTORES PROPIOS O CARACTERSTICOS

Sea f un endomorfismo en el espacio vectorial V (K), y A su matriz asociada en cierta base B

f: V V
u f(u) tal que A . [ u ] = [ f(u) ]
Un vector u de V, no nulo, es un vector propio o caracterstico del endomorfismo f, si y slo
si existe un escalar tal que f (u) = . u , lo que equivale a que A . [ u ] = [ u ]
u es un vector propio relativo al escalar que recibe el nombre de valor propio.
- Si u es un vector propio del endomorfismo f relativo al valor propio , resulta que todo
vector linealmente dependiente de u tambin es un vector propio correspondiente al mismo
valor propio .
Demostracin:
f es un endomorfismo y u es un vector propio de l relativo al valor propio , por lo tanto:
f (u) = . u
Busquemos ahora la imagen de v por f:
f (v) = f ( t .u ) = t . f (u) = t . ( . u ) = . ( t. u ) = . v
Lo que indica que v tambin es un vector propio relativo al valor propio : f (v) = . v
- Como u es no nulo, el conjunto de los vectores linealmente dependientes a l, v = t . u,
determinan un subespacio de V:
U={v/vV v=t.u,tK}
Este conjunto que contiene a los vectores propios generados por el vector propio u, es
un subespacio vectorial de V que recibe el nombre de espacio propio o caracterstico del
endomorfismo f, respecto al valor propio .
- Veamos ahora de qu forma se pueden determinar los valores, vectores y espacios
propios:
f es un endomorfismo en V del cual conocemos su matriz asociada A y queremos hallar los
vectores que hacen posible: A . [ u ] = [ u ]
( A Mnxn )
Esta expresin la podemos escribir:
A . [ u ] = . I. [ u ]
( I es la matriz identidad en Mnxn )
Por lo tanto:
( 0 es la matriz nula )
A . [ u ] - . I. [ u ] = 0
O bien:
( A - . I ) . [ u ] = 0
Para que el vector u, no nulo, verifique esta ltima expresin para algn , que es un
sistema de ecuaciones homogneo, debe verificarse que:
det ( A - . I ) = 0
Lo que equivale a decir que el sistema homogneo admite solucin no nula.

ALGEBRA LINEAL
DIAGONALIZACIN
La expresin: det ( A - . I ) = 0 se conoce como ecuacin caracterstica, los escalares
que la satisfacen son los valores propios.
Sustituyendo los valores propios en el sistema de ecuaciones lineales homogneo:
( A - . I ) . [ u ] = 0
se obtienen los vectores propios y espacios caractersticos respectivos.
Ejemplo:
3 0

Sea f un endomorfismo en IR3 cuya matriz asociada en la base cannica es A =

8 1
1- Buscar los valores propios a partir de la ecuacin caracterstica: det ( A - . I ) = 0
3 0

A =
8 1
det ( A - . I ) =

1 0
=
. I = .
0 1

3 0

A - . I =
8 1

= ( 3 - ) ( -1 - ) - 0 = 2 - 2 - 3 = 0 1 = 3
2 = -1

Resolviendo la ecuacin caracterstica obtuvimos los valores propios del endomorfismo

dado:
1 = 3 y 2 = -1
2- Buscar los vectores propios relativos a los valores propios hallados anteriormente, para
ello planteamos el sistema homogneo: ( A - . I ) . [ u ] = 0
0 x
3
0
. =
( A - . I ). [ u ] =
1 y
8
0
3 . x 0. y 0

8. x 1 . y 0
Si = 1 = 3

multiplicando matricialmente resulta:

Sustituimos a por los valores propios encontrados

3 3 . x 0. y 0

8. x 1 3 . y 0

8. x - 4. y = 0

y = 2. x

x
son solucin del sistema para = 1 = 3, de aqu que:
Por lo tanto los vectores u =
2.x
x
IR2 } es el espacio propio relativo al valor propio 1 = 3, un vector propio
U1 { u / u =
2.x
1
relativo a este mismo escalar sera por ejemplo: u1 =
2

ALGEBRA LINEAL
DIAGONALIZACIN

Si = 2 = -1

3 1. x 0. y 0

8. x 1 1. y 0

4.x 0
8.x 0

x=0

0
Por lo tanto los vectores u = son solucin del sistema para = 2 = -1, de aqu que:
y
0
U2 = { u / u = IR2 } es el espacio propio relativo al valor propio 2 = -1, un vector propio
y
0
relativo a este mismo escalar sera por ejemplo: u2 =
1

DIAGONALIZACIN POR VECTORES PROPIOS

Dada una matriz cuadrada A asociada a un endomorfismo f en V:

( 1 ) - La matriz A es diagonalizable si existe una matriz P inversible, tal que se verifique

que:
P-1 . A . P = D , siendo D una matriz diagonal.
Procedimiento para diagonalizar una matriz a partir de los vectores propios:
1 se buscan los vectores propios del endomorfismo f
2 se forma con ellos una matriz P
3 se analiza si P es inversible, en caso afirmativo se determina P-1
4 se realiza la multiplicacin matricial P-1. A . P = D
Esta matriz D tiene en su diagonal principal los valores propios del endomorfismo f.
Si P no es inversible entonces es imposible diagonalizar a la matriz A.
Ejemplo:
Retomemos el ejemplo anterior, tenamos un endomorfismo en IR2 cuya matriz asociada es
1
0
3 0
, dijimos que los vectores : u1 = y u2 = eran vectores propios relativos
A =
2
1
8 1
a los valores propios 1 = 3 y 2 = -1
1 0
, analizamos si P es inversible, det (P) = 1, por lo
Formamos con ellos una matriz P =
2 1
1 0
. Esto implica que A es diagonalizable, realizamos la
tanto existe P-1 =
2 1
3 0
, observemos que en la diagonal estn los
multiplicacin matricial: P-1. A . P = D =
0 1
valores propios del endomorfismo.

ALGEBRA LINEAL
DIAGONALIZACIN
Teorema 1:
Si la matriz A, asociada al endomorfismo f de Vn,
entonces A es diagonalizable.

tiene n valores propios diferentes,

Teorema 2:
Si el endomorfismo f de Vn tiene n vectores propios linealmente independientes, A es
diagonalizable.
( 2 ) Diagonalizacin ortogonal:
Una matriz cuadrada A, asociada a un endomorfismo f en V, es
diagonalizable si existe una matriz P tal que: Pt . A . P = D sea diagonal.

ortogonalmente

A es diagonalizable ortogonalmente si es simtrica, es decir que At = A

Procedimiento para diagonalizar ortogonalmente una matriz simtrica a partir de los

vectores propios:
1 Se hallan los valores propios relativos al endomorfismo f
2 Se determinan vectores propios correspondientes a los valores propios
3 Se ortonormalizan dichos vectores propios
4 Se forma con los vectores ya ortonormalizados un matriz P y se realiza la multiplicacin
matricial: Pt . A . P
La matriz que se obtiene es diagonal.
Ejemplo:
3 1
una matriz asociada a un endomorfismo en IR2, y tal que At = A
Sea A =
1
3

Buscamos los valores propios a partir de la ecuacin caracterstica: det ( A - . I ) = 0

1
3
det ( A - . I ) = (3 - ) (3 - ) 1 = 2 - 6 + 8 = 0
A - . I =
1
3

Los valores propios son: 1 = 4 y 2 = 2

Buscamos vectores propios relativos a estos valores propios:
( A - . I ) . [ u ] = [ 0 ]
1
3

.
3
1

(3 ).x y 0
x 0
=
x (3 ).y 0
y 0

1
Resolviendo el sistema para 1 = 4 resulta que un vector propio puede ser u1 = y para el
1
1
valor 2 = 2 un vector propio sera por ejemplo u2 =
1

ALGEBRA LINEAL
DIAGONALIZACIN
Tenemos que normalizar a estos vectores:
< u1 , u2 > = 0 , por lo cual son ortogonales
|| u1 || =

|| u2 || =

por lo tanto no son normados

2 y u =
los normalizamos: u1 =
2

1
2

2
1

1
1

2
2
Armamos una matriz con ellos: P =

1
1

2
2

4 0
que es una matriz diagonal
Si hacemos P t . A . P =
0 2
En conclusin A es ortogonalmente diagonalizable.
P es una matriz ortogonal ya que: PT = P-1 (la inversa coincide con la traspuesta)