Diagonalización

•
Curso: Álgebra Lineal

Prof. Rosa Luz Medina Aguilar

Facultad de Ingienerı́a Electrónica y Eléctrica.

Universidad Nacional Mayor de San Marcos

Universidad del Perú. Decana de América
Contenido

Matrices semejantes

Diagonalización
Definición 1
Sean las matrices A, B ∈ Mn (R) decimos que son semejantes
si y solo si existe una matriz P ∈ Mn (R) no singular tal que
B = P −1 AP .

Ejemplo 1
! !
1 1 2 1
Considere las matrices A = ,P = y
−2 4 1 1
B = P −1 AP .
Determine el polinomio caracterı́stico, los autovalores y los
autovetores de las matrices A e B.
Solución:
Inicialmente, observe que A e B son matrices semejantes.
Para la matriz A, tenemos

1−λ 1
pA (λ) = det (A − λI2 ) =
−2 4−λ
= λ2 − 5λ + 6 = (λ − 2)(λ − 3).

Portanto, a matriz A possui dois autovalores distintos: 2 e 3.

Para o autovalor λ = 2, temos que os autovetores associados
v = (x, y) satisfazem o sistema linear

(A − 2I2 ) v = 0.
Escalonando la matriz del sistema, obtenemos el sistema
homogéneo ! ! !
1 −1 x 0
= .
0 0 y 0

Ası́, los autovetores asociados al autovalor λ = 2 son de la forma

v = (x, x) x ∈ R.

Luego, el auto-espacio asociado a λ = 2 tiene dimensión 1,

siendo generado por el autovector v1 = (1, 1).
Para el autovalor λ = 3, tenemos que los autovectores asociados
v = (x, y) satisfacen el sistema lineal

(A − 3I2 ) v = 0.
Escalonando la matriz del sistema, obtenemos el sistema
homogéneo ! ! !
2 −1 x 0
= .
0 0 y 0
Los autovectores asociados al autovalor λ = 3 son de la forma

v = (x, 2x) x ∈ R.

El auto-espacio asociado a λ = 3 tiene dimensión 1, generado

por el autovector v2 = (1, 2).
En cuanto a la matriz B, tenemos
! ! !
1 −1 1 1 2 1
B=
−1 2 −2 4 1 1
!
3 0
=
−3 2

Siendo B una matriz triangular superior, sus autovalores son los

elementos de la diagonal principal, 2 e 3.
Su polinomio caracterı́stico esta dado por

3−λ 0
pB (λ) = det (B − λI2 ) =
3 2−λ
= (λ − 3)(λ − 2)
= λ2 − 5λ + 6.
Para el autovalor λ = 2, tenemos que los autovectores asociados
v = (x, y) satisfacen el sistema lineal

(B − 2I2 ) v = 0.

Escalonando la matriz del sistema, obtenemos el sistema

homogéneo ! ! !
1 0 x 0
= .
0 0 y 0
Los autovectores asociados al autovalor λ = 2 son de la forma

v = (x, 0) x ∈ R.

El auto-espacio asociado a λ = 2 tiene dimensión 1, y es

generado por el autovector v1 = (1, 0).
Para el autovalor λ = 3, tenemos que los autovectores asociados
v = (x, y) satisfacen el sistema lineal

(B − 3I2 ) v = 0.

Escalonando la matriz del sistema, obtenemos el sistema

homogéneo ! ! !
3 1 x 0
= .
0 0 y 0
Los autovectores asociados al autovalor λ = 3 son de la forma

v = (x, −3x) x ∈ R∗ .

Luego, el auto-espacio asociado a λ = 3 tiene dimensión 1,

generado por el autovector v2 = (1, −3).
Observación 1
Las dos matrices, A y B, tienen los mismos autovalores y el
mismo polinomio caracterı́stico. Esto es una propiedad general de
matrices semejantes. No entanto, los auto-espacios no
necesariamente coinciden.

Proposición 1
Si A y B son dos matrices semejantes, con B = P −1 AP ,
entonces:
1. PA (λ) = PB (λ)
2. det(A) = det(B)
3. tr(A) = tr(B)
4. Si v ∈ E(A, λ), v ̸= 0, entonces P −1 v ∈ E(B, λ)
 Prueba:
1.
 
PA (λ) = det(A − λI) = det P −1 P det(A − λI)
   
= det P −1 det(A − λI) det(P ) = det P −1 (A − λI)P
 
= det P −1 AP − P −1 λIP
= det(B − λI) = PB (λ).
2.
   
det(B) = det P −1 AP = det P −1 det(A) det(P )
 
= det P −1 P det(A) = det(A)
3. El polinomio caracterśtico de las matrices A y B puede
expresarse del siguiente modo:

PA (λ) = (−1)n λn + (−1)n−1 tr(A)λn−1 + · · · + det(A)

PB (λ) = (−1)n λn + (−1)n−1 tr(B)λn−1 + · · · + det(B)

como PA (λ) = PB (λ), se sigue que tr(A) = tr(B).

4. Sea v ∈ E(A, λ),
    
B P −1 v = P −1 AP P −1 v = P −1 Av
 
= P −1 λv = λ P −1 v
⇒ P −1 v ∈ E(B, λ).
Ejemplo 2
   
1 −2 −2 1 0 0
Sean A =  −1 0 −1  , D =  0 2 0 ,
   
2 4 5 0 0 3
   
0 −2 −1 −1 −2 −1
P =  −1 1 0  y P −1 =  −1 −1 −1 
   
1 0 1 1 2 2

D = P −1 AP ⇒ A = P DP −1

   
0 −2 −1 1 0 0 −1 −2 −1
A =  −1 1 0   0 2 0   −1 −1 −1 
   
1 0 1 0 0 3 1 2 2
Proposición 2
Si v1 , . . . , vk son autovectores correspondientes a autovalores
distintos λ1 , . . . , λk , de una matriz A entonces {v1 , . . . , vk } es
un conjunto linealmente independiente.

Prueba:
Supongamos que {v1 , . . . , vk } es un conjunto l.d., entonces
existirá algún vector que es combinación lineal de los demás, por
ejemplo vk .
También supongamos que el conjunto {v1 , . . . , vk−1 } es l.i.,
entonces:
vk = α1 v1 + · · · + αk−1 vk−1 (1)
Avk = A (α1 v1 + · · · + αk−1 vk−1 )
= α1 Av1 + · · · + αk−1 Avk−1
λk vk = α1 λ1 v1 + · · · + αk−1 λk−1 vk−1 (2)
Multiplicando en (1) por λk resulta:

λk vk = λk (α1 v1 + · · · + αk−1 vk−1 )

λk vk = α1 λk v1 + · · · + αk−1 λk vk−1 (3)

restando (2) y (3), se obtiene:

(λ1 − λk ) α1 v1 + · · · + (λk−1 − λk ) αk−1 vk−1 = 0

y como {v1 , . . . , vk−1 } es l.i se tiene que:

(λ1 − λk ) α1 = · · · = (λk−1 − λk ) αk−1 = 0
como (λi − λk ) ̸= 0, para i = 1, . . . , k − 1, resulta:
α1 = · · · = αk−1 = 0 y por tanto vk = 0, lo cual no es posible
por ser vk un vector propio. Por tanto, {v1 , . . . , vk } debe ser l.i.
Observación 2
Si A tiene n valores propios distintos podemos obtener una base
de Rn formada por n vectores propios {v1 , . . . , vn } tales que
vi ∈ E(A, λi ), i = 1, . . . , n.

Ejemplo 3
 
1 2 −1
Sea A =  1 0 1 , λ1 = 1, λ2 = 2 y λ3 = 3, son sus
 
4 −4 5
valores propios y sus vectores propios asociados son:
v1 = (1, −1, −2), v2 = (−2, 1, 4) y v3 = (−1, 1, 4)
Una base de R3 formada por autovectores de A, es:

B = {(1, −1, −2), (−2, 1, 4), (−1, 1, 4)}

Diagonalización

Definición 2
Una matriz A ∈ Mn (R) es diagonalizable si es semejante a una
matriz diagonal.
Es decir, si existe una matriz P no singular tal que
P −1 AP = D, donde D es una matriz diagonal.

Ejemplo 4
!
1 1
Vimos que la matriz A = tiene como autovectores
−2 4
v1 = (1, 1), asociado al autovalor λ = 2, y v2 = (1, 2),
asociado al autovalor λ = 3.
Como los vectores v1 e v2 son li, ellos formam uma base de
autovectores do R2 . Considere a base canônica, e1 = (1, 0) e
e2 = (0, 1), e observe que

v1 = (1, 1) = 1 · e1 + 1 · e2
v2 = (1, 2) = 1 · e1 + 2 · e2 ,

la matriz !
1 1
P = ,
1 2
cuyas columnas son formadas por las componentes de v1 y v2
! ! !
−1 2 −1 1 1 1 1
D=P AP =
−1 1 −2 4 1 2
! ! !
4 −2 1 1 2 0
= =
−3 3 1 2 0 3
Observación 3
También podemos expresar la matriz A en función de la matriz
diagonal D.
A = P DP −1 .

Una de las ventajas de tener una matriz A semejante a una matriz

diagonal D es que las potencias de A más fáciles de calcular.
 2   
A2 = P DP −1 = P DP −1 P DP −1
 
= P D P −1 P DP −1
= P D 2 P −1
En general, tenemos Ak = P D k P −1 para cualquer entero
positivo k.
Además  
λ1 0 . . . 0
 0 λ2 . . . 0 
 
D= .. ,

 . 

0 0 . . . λn
tenemos que
 
λk 0 . . . 0
 1
 0 λk2 . . . 0 
Dk = 

.
..

 . 

0 0 . . . λkn

Teorema 1
Si una matriz A ∈ Mn (R) tiene n autovalores distintos,
entonces es diagonalizable.
La matriz diagonal D, semejante a A, es formada por los
autovalores de A en su diagonal principal,
 
λ1 0 . . . 0
 0 λ2 . . . 0 


D= .. ,

 . 

0 0 . . . λn

cada autovalor λk asociado al k-ésimo vector vk de la base de

autovectores {v1 , . . . , vn }. La matriz P , en D = P −1 AP o
A = P AP −1 , es la matriz que realiza el cambio de base, de la
base de autovectores {v1 , . . . , vn } para la base canónica de Rn ,
P es formada por las componentes del k-ésimo autovector vk de
esa base. h i
P = v1 v2 . . . vn
Ejemplo 5
 
1 2 −1
Sea A =  1 0 1 , λ1 = 1, λ2 = 2 y λ3 = 3, son sus
 
4 −4 5
valores propios y sus vectores propios asociados son:
v1 = (1, −1, −2), v2 = (−2, 1, 4) y v3 = (1, −1, −4)
respectivamente
   
1 −2 1 0 −2 1/2
P =  −1 1 −1  y P −1 =  −1 −1 0 
   
−2 4 −4 −1 0 −1/2
   
1 −2 1 1 0 0 0 −2 1/2
A =  −1 1 −1   0 2 0   −1 −1 0 
   
−2 4 −4 0 0 3 −1 0 −1/2
Diagonalización

Definición 3
Sea V un K-espacio vectorial de dimensión finita y T : V → V
un endomorfismo.
Se dice que T es diagonalizable si existe una base ordenada
B = {v1 , v2 , . . . , vn } de V en la cual la matriz AB es diagonal.

Proposición 3
Sea V un K-espacio vectorial de dimensión finita y T un
endomorfismo. Se verifica las siguientes proposiciones:
1. Si T es diagonalizable y B es una base ordenada cualquiera
de V , entonces su matriz asociada AB es diagonalizable.
2. Si existe una base ordenada B de V tal que AB es
diagonalizable, entonces T es diagonalizable.
Ejemplo 6
Definimos T : R3 → R3 tal que
T (x, y, z) = (x + 2y − z, x + z, 4x − 4y + 5z).
Considerando
 B la base canónica, tenemos que:
1 2 −1
AB =  1 0 1  Del ejemplo 4, consideremos la base
 
4 −4 5
′
B = {(1, −1, −2), (−2, 1, 4), (1, −1, −4)}, entonces:
T (1, −1, 2) = (1, −1, 2), T (−2, 1, 4) = 2(−2, 1, 4),
T (1, −1, −4) = 3(1, −1, 4)
Luego la matriz asociada
 con respecto a la base B′ es
1 0 0
[T ]B′ =  0 2 0 
 
0 0 3
T es diagonalizable.
Proposición 4
Sea V un K -espacio vectorial de dimensión finita y T ∈ L(V ).
El endomorfismo T es diagonalizable si y solo si existe una base
ordenada B de V formada por los vectores propios de T

Proposición 5
Sea V un K -espacio vectorial de dimensión finita y T ∈ L(V )
un endomorfismo, λ1 , · · · , λn los valores propios distintos de T
y v1 , · · · , vn sus vectores propios correspondientes. Entonces
{v1 , · · · , vn } es l.i.
Ejemplo 7
Sea T : R2 → R2 una transformación lineal tal que
T (x, y) = (−3x + 4y, −x + 2y, su matriz asociada con
respecto a la base canónica B es
" #
−3 4
AB =
−1 2

−3 4
Como pA (λ) = = λ2 + λ − 2 tenemos que λ1 = 1
−1 2
y λ2 = −2 son sus autovalores con v1 (1, 1) y v2 = (4, 1) sus
autovectores asociados. Sea la base B′ = {v1 , v2 } una base
T (v1 ) = 1v1 y T (v2 ) = −2v2 , entonces
" #
1 0
AB ′ =
0 −2
Definición 4
Sea V un K-espacio vectorial de dimensión finita y T ∈ L(V ) y
λ un valor propio de T
1. El subespacio propio asociad al valor propio λ es

Vλ = E(T, λ) = N u(T − λI)

2. La multiplicidad geométrica de λ denotada mg(λ)

mg(λ) = dimVλ

3. La multiplicidad algebraica de λ denotada ma(λ)

ma(λ) = máx{k/(t − λ)k divide a p(t)}

Observación 4
1. N uc(T ) ̸= {0} si y solo si 0 es valor propio de T
2. mg(λ) = dimV − ran(T − λI)
3. Si λ es un valor propio de T , entonces

ma(λ) = m ⇔ p(t) = (t − λ)m q(t) con q(t) ̸= 0

Ejemplo 8
Sea T ∈ L (P2 [x]) definida como T (p(x)) = p′ (x).
Considerando la base B = 1, x, x2 se tiene


T (1) = 0 = 0(1) + 0(x) + 0 x2

T (x)
= 1 = 1(1) + 0(x) + 0 x2

T x2 = 2x = 0(1) + 2(x) + 0 x2
Luego la matriz asociada a T en la base B es
 
0 1 0
A = [T ]B =  0 0 2 
 
0 0 0

y su polinomio caracteristico correspondiente es

−λ 1 0
p(λ) = det(A − λI) = 0 −λ 2 = λ3
0 0 −λ

Cero es el único valor propio de T, luego se tiene que

E(T, 0) = N u(T ) = R ⊂ P2 [x]
Note que ma(0) = 3 y mg(0) = 1; en consecuencia T no es
diagonalizable.
Proposición 6
Sea V un K-espacio vectorial de dimensión finita y T ∈ L(V ) y
λ un valor propio de T entonces 1 ≤ mg(λ) ≤ ma(λ)

Corolario
Sea V un K-espacio vectorial de dimensión finita y T ∈ L(V ) y
λ un valor propio de T . Si ma(λ) = 1, entonces mg(λ) = 1.

Proposición 7
Sea V un -espacio vectorial de dimensión finita, T ∈ L(V ) y
λ1 , · · · , λm valores propios distintos de T. Entonces,
E (T, λ1 ) , · · · , E (T, λm ) son subespacios independientes.
Teorema 2
Sea V un K-espacio vectorial de dimensión finita y T ∈ L(V )
las siguientes proposiciones son equivalentes:
1. T es diagonalizable.
2. El polinomio caracteristico de T, pT (T ) se puede expresar
como un producto de factores lineales y mg(λ) = ma(λ)
para todo valor propio λ de T
Lh
3. V = i=1 E (T, λi ) , siendo λ1 , · · · , λh los valores propios
de T
Ejemplo 9
 
1 0 0 1
 1 1 0 −1 
Decidir si A =   ∈ R4×4
 
 0 0 1 1 
0 0 0 2
Calculamos PA = (λ − 1)3 (λ − 2) Para el autovalor 1 se tiene
que
n o
V1 = x ∈ R4 / (I4 − A) x = 0 = {(0, 1, 0, 0), (0, 0, 1, 0)}

de donde dim E1 = 2 < 3 = ma. El teorema anterior implica

entonces que A no es diagonalizable.
Dada una matriz A de dimensión n el procedimiento para
obtener una base formada por autovectores es el siguiente
1. Se calculan λ1 , · · · , λh autovalores de A y ha de verificarse
que
h
X
ma (λi ) = n
i=1

2. Para cada autovalor λi , i = 1, . . . h se determina una base

de cada subespacio propio V (λ) y se debe cumplir que
ma (λi ) = mg (λi ).
n o
3. Se obtiene la base B = v11 , · · · , vn1 1 , · · · , v1h , · · · , vnhh
uniendo las bases de los subespacios propios de A.
Una vez obtenida la base B disponiendo las componentes de sus
vectores
h por columnas se obtiene lai matriz de paso
P= v1 | · · · |vn1 1 | · · · , v1h | · · · |vnhh
1 .
La matriz diagonal viene dada por los autovalores, escritos en el
mismo orden de los vectores correspondientes de la base B.

λ1 · · · ··· ···
 
0 0 0
 .. .. .. .. .. .. .. 
 .
 . . . . . . 

 0 ··· λ1 · · · 0 ··· 0 
 
 . .. .. .. ..
 ..
D= ··· . . . ··· .


 0 ··· 0 ··· λh · · · 0 
 
 .. .. .. ..
 
.

 . . . 
0 ··· 0 ··· 0 ··· λh