Universidad Tcnica Federico Santa Mara

Departamento de Matemtica
Campus Santiago
DIAGONALIZACION
DEFINICION:
Sea T : V V una transformacin lineal. Diremos que v V, v ,= 0
V
es un
vector propio de T si y slo si existe R tal que T(v) = v.
El elemento del cuerpo, , se llama valor propio asociado al vector propio v.
Sea V un espacio vectorial tal que dim
R
V = n, y sean B y B

dos bases de V .
Consideremos la matriz asociada a T respecto a estas bases A = [T]
B

B
.
Si X es un vector columna (n 1) tal que AX = X, diremos que X es un
vector propio de la matriz A y que es un valor propio de A asociado a X.
EJEMPLOS
1. Sea A =

3 0 0
0 5 0
0 0

. Entonces,

3 0 0
0 5 0
0 0

1
0
0

= 3

1
0
0

y luego v =

1
0
0

es un vector propio de A y -3 es un valor propio asociado a v.

Anlogamente,

3 0 0
0 5 0
0 0

0
1
0

= 5

0
1
0

y luego v =

0
1
0

es un
vector propio de A y 5 es un valor propio asociado a v, y

3 0 0
0 5 0
0 0

0
0
1

0
0
1

y luego v =

0
0
1

es un vector propio
de A y es un valor propio asociado a v.
2. Generalizando esta idea, sea A = (a
ij
) M
nn
(R) una matriz diagonal. Entonces,

a
11
0 0
0 a
22
0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 a
ii
0
0 0
.
.
. 0
a
nn

0
0
.
.
.
1
.
.
.
0

= a
ii

0
0
.
.
.
1
.
.
.
0

1
es decir, los vectores de la base cannica de R
n
son vectores propios de A.
3. Sea f(x) = e
x
, R y consideremos la transformacin lineal dada por el
operador diferencial D. Como D(e
x
) = (e
x
), tenemos que la funcin f
es un vector propio del operador D y es un valor propio asociado a f.
DEFINICION:
Sea A = (a
ij
) M
nn
(R). El determinante det(A I), donde I es la matriz
identidad de orden n n, es un polinomio de grado n en la variable y se llama
polinomio caracterstico de A.
NOTACION:
A
() = det(A I).
DEFINICION:
La ecuacin
A
() = 0 es la ecuacin caracterstica y el conjunto
C :
A
() = 0 es el espectro de A, que denotamos por Spec(A).
Claramente, A I, con I matriz identidad de orden n n, representa a una
transformacin lineal de R
n
en R
n
. El Ker(A I) es un subespacio vectorial de
R
n
, y se llama espacio propio asociado al valor propio .
TEOREMA:
Sea A M
nn
(R). Las siguientes proposiciones son equivalentes:
1. El sistema AX = X tiene soluciones no triviales (soluciones X no nulas).
2. Ker(A I) ,= 0
V

3. La matriz cuadrada (A I) no es invertible.

4. det(A I) = 0
5. SpecA.
EJEMPLOS
1. Sea A =

1 1
1 1

. Determine los valores, vectores y espacios propios

correspondientes.
Claramente, det(A I) =

1 1
1 1

=
2
2 = 0
= 2 = 0
2
Luego, para = 2, hacemos

1 1
1 1

x
y

= 2

x
y

x + y = 2x
x + y = 2y
x y = 0
Luego, el vector (1, 1) es un vector propio asociado al valor propio = 2, y el es-
pacio propio asociado es el espacio generado por este vector, es decir, (1, 1))
Para el valor propio = 0 hacemos

1 1
1 1

x
y

= 0

x
y

x + y = 0 y = x.
Luego, el vector (1, 1) es un vector propio asociado al valor propio = 0, y
el espacio propio asociado es (1, 1))
2. Sea A =

0 1
1 0

. Determine los valores, vectores y espacios propios

correspondientes.
Claramente, det(A I) =

1
1

=
2
+ 1 = 0 = i.
En este caso, vemos que los valores propios no son nmeros reales, sino complejos.
As, es posible que una ecuacin caracterstica no tenga soluciones en R que
algunas soluciones no pertenezcan a R. por ello, es importante precisar el cuerpo
que se est considerando. En nuestro caso, ser R.
En el ejemplo, entonces, podemos armar que esta matriz no posee valores propios
reales y por lo tanto no tiene vectores propios asociados en R
2
.
3. B =

1 2 3
0 2 3
0 0 2

Determine los valores, vectores y espacios propios corres-

pondientes.
Aqu, det (B I) =

1 2 3
0 2 3
0 0 2

= (1 )(2 )
2
= 0

1
= 1
2
= 2
Buscamos ahora los correspondientes vectores propios.
Para
1
= 1:

1 2 3
0 2 3
0 0 2

x
y
z

= 1

x
y
z

0 2 3
0 1 3
0 0 1

x
y
z

0
0
0

y = z = 0 de donde un vector propio asociado es (1, 0, 0) y el

correspondiente espacio propio es (1, 0, 0)).
3
Para
2
= 2:

1 2 3
0 2 3
0 0 2

x
y
z

= 2

x
y
z

1 2 3
0 0 3
0 0 0

x
y
z

0
0
0

z = 0 x = 2y de donde un vector propio asociado es (2, 1, 0)

y el correspondiente espacio propio es (2, 1, 0)).
EJERCICIOS
1. Determine, si es posible, los valores, vectores y espacios propios correspondientes
en cada uno de los siguientes:
a) A =

1 2
2 1

.
b) B =

0 2 1
2 1 0
0 0 0

c) C =

1 2 1
2 0 2
1 2 3

d) D =

1 1 1
0 0 1
0 0 1

2. Sea B =

8 9 9
3 2 3
9 9 10

Determine los espacios propios.

Notar que B = (1, 1, 0), (1, 0, 1), (1,
1
3
, 1) es una base de R
3
.
3. Sea T : R
2
[x] R
2
[x], tal que
a
0
+ a
1
x + a
2
x
2
(5a
0
+ 6a
1
+ 2a
2
) (a
1
+ 8a
2
)x + (a
0
2a
2
)x
2
.
Determine los valores propios de T y los vectores propios asociados.
4. Considere la transformacin lineal S : M
nn
(R) M
nn
(R), tal que

a b
c d

2c a + c
b 2c d

. Determine los valores propios de S y los

vectores propios asociados.
4
DEFINICION:
Se llama multiplicidad geomtrica de a la dimensin del ker(A I).
OBSERVACION:
Como vimos en los ejemplos anteriores, las multiplicidades geomtrica y aritmtica
no coinciden necesariamente. (La multiplicidad aritmtica algebraica de un valor
propio es el nmero de veces que el valor propio es raz de la ecuacin caracterstica).
TEOREMA:
Sean A, B M
nn
(R). Si A es similar con B, entonces
A
() =
B
()
DEMOSTRACION:
A B = A = P
1
BP. Por lo tanto:

A
() = det(A I) = det(P
1
BP I) = det(P
1
BP P
1
P) =
= det(P
1
(BP P)) = det(P
1
(B I)P) =
= detP
1
det(B I) detP = det(B I) =
B
()
En otras palabras, las matrices similares tienen el mismo espectro (es decir, los
mismos valores propios).
EJERCICIOS:
1. Demuestre que las matrices A, B son similares, donde
A =

2 3
1 1

B =

0 1
1 1

P =

2 1
1 1

Calcule los valores y vectores propios de las matrices involucradas. Qu puede

concluir?
2. Pruebe que las siguientes matrices no son similares:
A =

1 0 4
1 1 3
2 1 7

B =

1 0 1
0 1 1
3 1 2

3. Considere la transformacin lineal T : R

2
[x] R
2
[x] tal que
T(x
2
) = x + 1, T(x) = x
2
1, T(1) = 3
5
Determine
a) A = [T]
B
B
, donde B = x
2
, x, 1
b) B = [T]
D
D
, donde D = 1, 1 + x, 1 + x + x
2

c) Encuentre la matriz P tal que A = P

1
BP
TEOREMA:
Sea A M
nn
(R), y sean
1
,
2
, ,
m
, m n los valores propios distintos
de A. Entonces los vectores propios asociados v
1
, v
2
, , v
m
son linealmente independi-
entes.
DEMOSTRACION
Supongamos que los vectores son l.d. y que los hemos reordenado de modo tal que
los primeros k vectores son l.i. y los restantes mk son l.d. respecto de ellos. Podemos
entonces escribir como combinacin lineal de manera nica:
v
s
=
k

i=1

i
v
i
Claramente, no todos los
i
son 0, puesto que los vectores propios son no nulos. Apli-
cando A a ambos lados:
A(v
s
) =
s
v
s
=
k

i=1

i
v
i
Hay dos posibilidades:
Si
s
= 0 entonces ninguno de los
i
, i = 1, , k es 0 ya que los valores propios
son todos distintos. Esto implicara que v
1
, v
2
, , v
k
es l.d, contradiciendo la
hiptesis.
Si
s
,= 0 entonces
v
s
=
k

i=1

s
v
i
Como no todos los
i
son 0 y

i

s
,= 1, esto contradice la unicidad de la repre-
sentacin de v
s
Luego, el conjunto de vectores propios es l.i.
DEFINICION:
Sea A M
nn
(R). Diremos que A es diagonalizable en R (respectivamente en C)
ssi existe una matriz P invertible tal que P
1
AP es una matriz diagonal. Las entradas
en la diagonal principal de esta matriz son los valores propios de A.
6
Consecuentemente, si T es una transformacin lineal entre dos espacios vectoriales
de dimensin n, diremos que T es diagonalizable en R ( C) si la matriz de T respecto
a las bases escogidas en los espacios es diagonalizable.
TEOREMA
Sea A M
nn
(R). Si los valores propios de A son reales y adems existe una base
de R
n
formada slo por vectores propios de A, entonces A es diagonalizable en R.
DEMOSTRACION
Sea B = v
1
, v
2
, , v
n
un conjunto de vectores propios l.i. correspondientes a los
valores propios
1
,
2
, ,
n
. Como A(v
i
) =
i
v
i
i = 1, , n se tiene que
A D, donde D =

1
0 0
0
2
0

0 0
n

OBSERVACIN:
1. Si A M
nn
(C), y los valores propios de A son todos diferentes y reales, entonces
A es diagonalizable en R.
2. Si se cambia R por C en el teorema anterior, se obtiene un resultado anlogo.
EJEMPLOS:
1. Diagonalice, si es posible, las siguientes:

1 1
0 0

0 1
1 0

2. Pruebe que las matrices de la forma

1 c
0 1

, c ,= 0 no son diagonalizables.
3. Pruebe que las siguientes son diagonalizables:

1 2
2 1

x y
y z

4. Determine si las siguientes matrices son o no diagonalizables:

a) A =

1 2 2
2 2 2
3 6 6

c) A =

1 0 1 1 0
4 1 3 2 1
2 1 0 1 1
3 1 3 4 1
8 2 7 5 4

b) A =

1 1 1
1 3 1
1 2 0