Diagonalizacion Boadilla
Diagonalizacion Boadilla
Diagonalizacion Boadilla
Diagonalización de matrices
Grado en Edificación
1 Diagonalización de matrices
Diagonalización de matrices por semejanza.
Diagonalización de matrices por semejanza ortogonal.
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 .
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
Definición
Dada A ∈ Mn , se llama polinomio caracterı́stico de la matriz A, y se denota por
pA (λ), al determinante
pA (λ) = |A − λIn |.
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.
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 .
1≤ mg (λ) ≤ ma (λ).
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.
Ejemplo
Diagonalice por semejanza la matriz
3 1 1
A= 1 3 1 .
1 1 3
3−λ 1 1
p (λ) = det (A − λI ) = 1 3−λ 1 = −λ3 + 9λ2 − 24λ + 20,
1 1 3−λ
λ3 − 9λ2 + 24λ − 20 = 0.
Por lo tanto, los valores propios son λ = 2 (ma (2) = 2) y λ = 5 (ma (5) = 1).
Se cumple que
mg (2) = dim V2 = 2.
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.
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
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
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.
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
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.
x1 + x2 + x3 = 0,
x1 − x3 = 0.
Por ejemplo,
v2 = (1, −2, 1) .
En definitiva, una base ortogonal de V2 es
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