Tema 3.

Diagonalización de matrices

Grado en Edificación

Departamento de Matemática Aplicada

Matemáticas I Tema 3. Diagonalización de matrices

Índice

1 Diagonalización de matrices
Diagonalización de matrices por semejanza.
Diagonalización de matrices por semejanza ortogonal.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Definición
Sean A, B ∈ Mn = Rn×n matrices cuadradas de orden n. Decimos que A es una
matriz semejante a B (y lo denotaremos A ∼ B) si existe una matriz inversible
P ∈ Mn , tal que B = P −1 AP.

Definición
Se dice que una matriz A ∈ Mn es diagonalizable (por semejanza) si existen una
matriz inversible P ∈ Mn y una matriz diagonal D ∈ Mn tales que
D = P −1 AP o equivalentemente, A = PDP −1 .

Por tanto, podemos decir que una matriz A ∈ Mn es diagonalizable si y sólo si es

semejante a alguna matriz diagonal del mismo orden.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Definición
Sean A ∈ Mn y λ ∈ R. Se dice que λ es un valor propio (o autovalor) de la
matriz A si existe un vector no nulo x = (x1 , . . . , xn )t ∈ Rn tal que
   
x1 x1
A  ...  = λ  ...  .
   

xn xn

En tal caso, diremos que x es un vector propio (o autovector) de la matriz A

asociado al valor propio λ.

Luego se verifica que Ax = λx y, por tanto, el sistema (A − λIn )x = 0 debe ser

compatible y, por ser homogéneo, indeterminado.
En consecuencia,
|A − λIn | = 0.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Definición
Dada A ∈ Mn , se llama polinomio caracterı́stico de la matriz A, y se denota por
pA (λ), al determinante
pA (λ) = |A − λIn |.

Por tanto, se verifican las siguientes propiedades:

Proposición
Sea A ∈ Mn y λ ∈ R. Entonces,
i) λ es un valor propio de A si y sólo si λ es una raı́z del polinomio
caracterı́stico pA (λ).
ii) x ∈ Rn es un vector propio asociado al valor propio λ si y sólo si es solución
no nula del sistema de ecuaciones lineales homogéneo (A − λIn )x = 0.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Definición
Sea A ∈ Mn y λ ∈ R un valor propio de A. Entonces, el conjunto
Vλ = {x ∈ Rn : (A − λIn )x = 0}
es un subespacio vectorial de Rn al que se llama subespacio propio asociado al
valor propio λ.
La dimensión de este subespacio se llama multiplicidad geométrica del valor
propio λ y se denota mg (λ), es decir,
mg (λ) = dim(Vλ ) = n − rango(A − λIn ).
Si λ1 , . . . , λr son los valores propios distintos de A, se llama multiplicidad
algebraica de λi (para cada i = 1, . . . , r ), y se denota por ma (λi ), al número de
veces que aparece repetido el valor propio λi .

Se comprueba que, si λ es valor propio de A, entonces

1≤ mg (λ) ≤ ma (λ).

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Proposición
Sea A ∈ Mn una matriz y sean λ1 , . . . , λr , los valores propios distintos de A.
Entonces A es una matriz diagonalizable en R si y sólo si se verifican las dos
condiciones siguientes:
i) para todo i = 1, . . . , r , λi ∈ R;
ii) para todo i = 1, . . . , r , ma (λi ) = mg (λi ).
Además la matriz D es la matriz diagonal de elementos λ1 , . . . , λn en la diagonal
principal, y la matriz P ∈ Mn tal que D = P −1 AP es la matriz constituida por
los vectores de cualesquiera bases de Vλ1 , . . . , Vλr , dispuestos en columnas, y se
denomina matriz de paso para la diagonalización de A.

Observación
En consecuencia, si una matriz cuadrada de orden n tiene n valores propios reales
y distintos, entonces A es diagonalizable.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Metodologı́a para la diagonalización en R de una matriz cuadrada

a) Calcular la ecuación caracterı́stica |A − λIn | = 0 y hallar sus raı́ces -λ1 , . . . , λr - y
sus multiplicidades algebraicas -ma (λ1 ), . . . , ma (λr )-.
b) Si alguna raı́z del polinomio caracterı́stico no es un número real, la matriz A no es
diagonalizable (en R).
c) Calcular la multiplicidad geométrica de cada uno de los valores propios:
mg (λi ) = n − rango(A − λi In ), para i = 1, . . . , r .
d) Si para algún valor propio λi se verifica que ma (λi ) 6= mg (λi ), entonces A no es
diagonalizable (en R), es decir, A es diagonalizable en R si ma (λi ) = mg (λi ), para
cada i = 1, . . . , r .
En caso de ser diagonalizable en R,
1 Hallar una base de cada subespacio propio.
2 Formar la matriz diagonal D poniendo en la diagonal los valores propios repetidos
tantas veces como indica su multiplicidad algebraica.
3 Formar la matriz regular P poniendo de forma ordenada, por columnas, los
vectores propios que forman las bases de los subespacio propios halladas.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Ejemplo
Diagonalice por semejanza la matriz
 
3 1 1
A= 1 3 1 .
1 1 3

Solución 1. Calculemos los valores propios de la matriz A, que es simétrica.

Son los ceros del polinomio caracterı́stico

3−λ 1 1
p (λ) = det (A − λI ) = 1 3−λ 1 = −λ3 + 9λ2 − 24λ + 20,
1 1 3−λ

es decir, las raı́ces de la ecuación caracterı́stica

λ3 − 9λ2 + 24λ − 20 = 0.

Por lo tanto, los valores propios son λ = 2 (ma (2) = 2) y λ = 5 (ma (5) = 1).

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

2. Hallemos los subespacios propios.

Para λ = 2,
     
 3−2 1 1 x1 0 
V2 = x ∈ R3 :  1 3−2 1   x2  =  0 
1 1 3−2 x3 0
 
n o
= x ∈ R3 : x1 + x2 + x3 = 0
n o
= x ∈ R3 : x3 = −x1 − x2
= {(x1 , x2 , −x1 − x2 ) : x1 , x2 ∈ R}
= {(x1 , 0, −x1 ) + (0, x2 , −x2 ) : x1 , x2 ∈ R}
= {x1 (1, 0, −1) + x2 (0, 1, −1) : x1 , x2 ∈ R}
= L ({(1, 0, −1) , (0, 1, −1)}) .

Se cumple que
mg (2) = dim V2 = 2.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Para λ = 5 se obtiene, análogamente, que

     
 3−5 1 1 x1 0 
V5 = x ∈ R3 :  1 3−5 1   x2  =  0 
1 1 3−5 x3 0
 
     
 −2 1 1 x1 0 
3 
= x ∈R : 1 −2 1   x2  =  0 
1 1 −2 x3 0
 
 
−2x1 + x2 + x3 = 0
= x ∈ R3 :
x1 − 2x2 + x3 = 0
= L ({(1, 1, 1)}) ,

por lo que
mg (5) = dim V5 = 1.
3. Como las multiplicidades algebraica y geométrica de cada valor propio coinciden, la
matriz A es diagonalizable por semejanza.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

4. A es equivalente a la matriz diagonal

 
2 0 0
D= 0 2 0 ,
0 0 5

es decir, existe una matriz regular, P, tal que

A = P · D · P −1 .

Una posible matriz P se determina a partir de las bases calculadas anteriormente para
los subespacios propios. Es
 
1 0 1
P= 0 1 1 .
−1 −1 1

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización de matrices por semejanza

Efectivamente,
   −1
1 0 1 2 0 0 1 0 1
−1
P ·D ·P = 0 1 1  0 2 0  0 1 1 
−1 −1 1 0 0 5 −1 −1 1
    
1 0 1 2 0 0 2 −1 −1
1
= 0 1 1  0 2 0   −1 2 −1 
3
−1 −1 1 0 0 5 1 1 1
  
2 0 5 2 −1 −1
1
= 0 2 5   −1 2 −1 
3
−2 −2 5 1 1 1
 
3 1 1
= 1 3 1 
1 1 3
=A

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización por semejanza ortogonal

Definición
Se dice que una matriz A ∈ Mn es diagonalizable por semejanza ortogonal si
existen una matriz ortogonal P ∈ Mn (es decir, P −1 = P t ) y una matriz diagonal
D ∈ Mn tales que D = P −1 AP = P t AP.

Proposición
Toda matriz simétrica A ∈ Mn es diagonalizable por semejanza ortogonal.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización por semejanza ortogonal

Metodologı́a para diagonalizar ortogonalmente una matriz simétrica

a) Calcular el polinomio caracterı́stico y los autovalores de A, considerando la

multiplicidad algebraica de cada uno de ellos.
b) Para cada autovalor λ, se consideran mg (λ) autovectores ortonormales
asociados (puede ser necesario utilizar el proceso de Gram-Schmidt), es decir
una base ortonormal del subespacio propio Vλ .
c) Construir la matriz ortogonal P cuyas columnas son los vectores propios
considerados en el paso previo.
d) Construir la matriz diagonal D cuya diagonal principal contiene los
autovalores en el mismo orden en que se han colocado los vectores propios
en P.
e) En estas condiciones se verifica que D = P −1 AP y P es una matriz
ortogonal.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización por semejanza ortogonal

Ejemplo
Diagonalice por semejanza ortogonal la matriz
 
3 1 1
A =  1 3 1 .
1 1 3

Solución 1. Los valores propios son λ = 2 (ma (2) = 2) y λ = 5 (ma (5) = 1) y los
subespacios propios son

V2 = L ({(1, 0, −1) , (0, 1, −1)}) y V5 = L ({(1, 1, 1)}) .

2. A es diagonalizable ortogonalmente, es decir, existe una matriz ortogonal Q tal que

A = Q · D · QT .

Una posible matriz Q (que cumple que Q −1 = Q T por ser ortogonal) se calcula
determinando bases ortonormales de los subespacios propios de la matriz A.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización por semejanza ortogonal
Como
V2 = L ({(1, 0, −1) , (0, 1, −1)}) ,
una base ortogonal estarı́a compuesta por el vector v1 = (1, 0, −1) y otro vector
v2 = (x1 , x2 , x3 ) de V2 ortogonal a v1 , es decir, tal que

x1 + x2 + x3 = 0,
x1 − x3 = 0.

Por ejemplo,
v2 = (1, −2, 1) .
En definitiva, una base ortogonal de V2 es

{(1, 0, −1) , (1, −2, 1)} .

Una base ortonormal de V2 es, por lo tanto,

√ √ 
2 6
(1, 0, −1) , (1, −2, 1) .
2 6
Podrı́a haberse utilizado el procedimiento de ortogonalización de Gram-Schmidt, aunque
no ha sido necesario al tratarse de un subespacio vectorial muy simple.
Matemáticas I Tema 3. Diagonalización de matrices
Diagonalización por semejanza ortogonal

Una base ortonormal de V5 es √ 

3
(1, 1, 1) .
3
Tras los cálculos realizados, puede considerarse la matriz
 √ √ √ 
2 6 3
2 6√ √3
Q= 0√ −√ 36 3
 
√3

− 22 6
6
3
3

para realizar la diagonalización por semejanza ortogonal de la matriz A.

Matemáticas I Tema 3. Diagonalización de matrices

Diagonalización por semejanza ortogonal

En efecto,
 √ √ √    √2 √ √ T
2 6 3 6 3
2 6√ √3
2 0 0 2 6√ √3
Q · D · QT =  0√ −√ 36 3 0 2 0  0√ −√ 3 6 3
    
√3 √3
 
− 22 6 3 0 0 5 − 2 2 6 3
6 3 6 3
 √ √ √   √ √ 
2 6 3 2
−√ 22

2 6√ √3
2 0 0 √2
0√
= 0√ −√ 36 3 0 2 0   66 − 36 6
   
√3 √ √ √6
 
− 22 6 3 0 0 5 3 3 3
6 3 3 3 3
 √ √ √  √
2
√ 
1 5
−√ 22

2 0√
3 √6 3√
3 √2
= √0 − 32√ 6 5
3  6
−√ 36 6
 
3√ √6 √6

1 5
− 2 3
6 3
3 3 3 3
3 3 3
 
3 1 1
= 1 3 1 .
1 1 3

Matemáticas I Tema 3. Diagonalización de matrices