Algebra Lineal (MAT061) : Clase 19

DEPARTAMENTO
DE MATEMÁTICA
Algebra Lineal (MAT061)

Clase 19
Coordinación MAT061
Departamento de Matemática
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA
Contenidos
1 Ecuación Caracterı́stica
Semejanza
2 Diagonalización
Diagonalización de Matrices
Matrices Cuyos Valores Propios no son Distintos
Ecuación Caracterı́stica
En la clase anterior mostramos que λ ∈ R es un valor propio de A ∈

Mn×n (R) si, y solo si, λ satisface
det(A − λ I) = 0
a esta ecuación le llamaremos ecuación caracterı́stica.

Estudiaremos esta ecuación en detalle en lo que sigue.
Ejemplo
Encontrar la ecuación caracterı́stica de
 
5 −2 6 −1
 0 3 −8 0 
A=  0 0

5 4 
0 0 0 1
Solución: Calculando
 
5−λ −2 6 −1
 0 3−λ −8 0 
det(A − λ I) = det  
 0 0 5−λ 4 
0 0 0 1−λ
= (5 − λ )2 (3 − λ )(1 − λ )
= λ 4 − 14λ 3 + 68λ 2 − 130λ + 75
Luego la ecuación caracterı́stica de A está dada por:
λ 4 − 14λ 3 + 68λ 2 − 130λ + 75 = 0
Observación
Si A es una matriz n×n, entonces det(A−λ I) es un polinomio de grado
n llamado polinomio caracterı́stico de A y es denotado por pA (λ ).
En el ejemplo anterior, el valor propio λ1 = 5 tiene multiplicidad 2, pues
el binomio (5 − λ ) aparece dos veces como factor del polinomio carac-
terı́stico. En general, la multiplicidad (algebraica) de un valor propio
λ es su multiplicidad como raı́z de la ecuación caracterı́stica.
Ejemplo
El polinomio caracterı́stico de una matriz de 6 × 6 es λ 6 − 4λ 5 − 12λ 4 .
Encontrar los valores propios y sus respectivas multiplicidades.
Solución: Factoricemos el polinomio
λ 6 − 4λ 5 − 12λ 4 = λ 4 (λ 2 − 4λ − 12) = λ 4 (λ − 6)(λ + 2)
Luego los valores propios son:
λ1 = 0 , multiplicidad 4
λ2 = 6 , multiplicidad 1
λ3 = −2 , multiplicidad 1
Observaciones
La ecuación caracterı́stica de una matriz n × n implica un
polinomio de grado n, con el mismo número de raı́ces (contando
multiplicidades), ya que se permiten la raı́ces complejas. A estás
raı́ces complejas se les llama valores propios complejos.
En la práctica, los valores propios de cualquier matriz mayor de

2 × 2 son complicados de calcular, a menos que la matriz sea
triangular o tenga otras propiedades especiales. Si bien es
sencillo calcular a mano un polinomio caracterı́stico de 3 × 3, el
polinomio puede ser difı́cil de factorizar, a menos que se elijan
cuidadosamente los elementos de la matriz.
Definición
Si A y B son matrices de n × n, entonces A es semejante a B si existe
una matriz invertible P tal que P−1 AP = B, lo que es equivalente a
A = PBP−1 .
Semejanza
A es semejante con B si, y solo si B es semejante con A. Basta con
tomar la matriz invertible Q = P−1 .
Cuando A se convierte en P−1 AP se realiza una transformación de
semejanza.
Teorema
Si A y B son matrices semejantes de n × n, entonces tienen el mismo
polinomio caracterı́stico y, por lo tanto, los mismos valores propios con
sus respectivas multiplicidades.
Demostración.
Sea B = P−1 AP, entonces:
B − λ I = P−1 AP − λ P−1 P = P−1 (A − λ I)P
Luego, pB (λ ) = det(P−1 (A − λ I)P)

= det(P−1 ) · det(A − λ I) · det(P)
= det(P−1 ) · det(P) · det(A − λ I)
= det(A − λ I) = pA (λ )
Diagonalización
En la sección anterior mostramos que si dos matrices son semejantes
éstas poseen los mismos valores propios con sus respectivas multi-
plicidades.Pero todavı́a más, note que si A ∈ Mn×n (R) es semejante
a una matriz D ∈ Mn×n (R) diagonal, entonces calcular las pontencias
de A, Ak , k ∈ N, se reduce al calculo de Dk , como sigue:
k veces
z }| {
Ak = (PDP−1 )(PDP−1 ) · · · (PDP−1 )
−1 −1 −1 −1
= PD P | {z P} D · · · D P
| {z P} D P | {z P} DP
I I I
Ası́:
k veces
z }| {
A = P DD · · · D P−1
k
Ak = PDk P−1 .
Ejemplo

7 2
Si A = encontrar una formula para Ak , sabiendo que A =
−4 1
PDP−1 , donde
1 1 5 0
P= y D=
−1 −2 0 3

2 1
Como P−1 = , entonces
−1 −1
k
k 1 1 5 0 2 1
A =
−1 −2 0 3k −1 −1
2 · 5k − 3k 5k − 3k

Ak =
2 · 3k − 2 · 5k 2 · 3k − 5k
Diagonalización
Definición
Se dice que una matriz cuadrada A es diagonalizable si A es seme-
jante a una matriz diagonal D. Esto es, si existen matricies P, inverti-
ble, y D, diagonal, tal que A = PDP−1 .
Diagonalización
Teorema de la Diagonalización
Una matriz A de n × n es diagonalizable si y sólo si, A tiene n vectores
propios linealmente independientes.
De hecho, A = PDP−1 , con D diagonal, si y sólo si, las columnas de
P son n vectores propios de A linealmente independientes. En este
caso, las entradas diagonales de D son valores propios de A que co-
rresponden, respectivamente, a los vectores propios de P.
Demostración.
⇒ Suponga que A es diagonalizable e igual a PDP−1 , con P invertible
y D diagonal.
Como A es semejante a D entonces tienen los mismos valores propios
y dado que D es diagonal sus valores propios (y luego los de A) son
los elementos de su diagonal.
Diagonalización
Por otro −1
lado, como A = PDP entonces AP = PD.
Si P = v1 v2 · · · vn y los elementos de la diagonal de D son λi , i =
1, ..., n se tiene que

AP = Av1 Av2 · · · Avn

PD = λ1 v1 λ2 v2 · · · λn vn
luego, Avi = λi vi , i = 1, ..., n. Dado que cada vi es distinto al vector nulo

(P es invertible ) las columnas de P son n vectores propios de A.
Además, como P es invertible los n vectores propios de A forman un
conjunto linealmente independiente.
⇐ Suponga que {v1 , ..., vn } son n vectores propios de A. Defina a las
matrices P = v1 v2 · · · vn , y D diagonal, con entradas diagonales
λi , tales que Avi = λi vi , i = 1, ..., n.
Entonces, AP = PD y luego, A = PDP−1 , esto es, A es diagonalizable.
Diagonalización
Observación
En el Teorema anterior no hemos asumido que A tiene n valores pro-
pios distintos, sino que tiene n valores propios linealmente indepen-
dientes luego, A es diagonalizable si, y solo si, hay suficientes vectores
propios para formar una base de Rn . A una base de estas caracterı́sti-
cas se le llama base de vectores propios.
De esta última observación y considerando el Teorema anterior tene-
mos el siguiente corolario.
Diagonalización
Corolario
Una matriz de n × n con n valores propios distintos es diagonalizable.
Demostración.
Suponga que A es una matriz de n × n con n valores propios
distintos,λi . Escogemos de cada espacio propio, Vλi un vector propio
vi , estos vectores propios forman un conjunto linelmente independien-
te puesto que pertenecen a espacios propios diferentes. Formamos
las matrices P y D como en el Teorema anterior y entonces A = PDP−1
con P invertible y D diagonal, esto es, A es diagonalizable.
Ejemplo
Determinar si la siguiente matriz es diagonalizable:
 
5 −8 1
A = 0 0 7
0 0 −2
Solución: Dado que la matriz es triagular, sus valores propios son

los elementos que componen la diagonal: 5, 0 y -2. Ya que A es una
matriz 3 × 3 y 3 valores propios distintos, A es diagonalizable.
Insistimos en el hecho de que una matriz puede ser diagonalizable
aún si no todos sus valores propios son distintos. En el siguiente ejem-
plo diagonalizamos una matriz, A, esto es, determinamos matrices P,
invertible, y D, diagonal tal que A = PDP−1 .
Ejemplo  
1 3 3
Diagonalice la matriz: A = −3 −5 −3
3 3 1
Solución: Debemos encontrar una matriz invertible P y una matriz
diagonal D tal que A = PDP−1 .
1 Encontrar los valores propios de A. Vemos que la ecuación

caracterı́stica contiene un polinomio cúbico factorizable:
0 = det(A − λ I) = −λ 3 − 3λ 2 + 4 = −(λ − 1)(λ + 2)2
Luego, los valores propios son λ1 = 1 y λ2 = −2.

2 Encontrar vectores propios de A linealmente
independientes. Determinamos bases para los espacios
propios V1 y V−2
 
 1 
Base para V1 =: {v1 } = −1
1
 
   
 −1 −1 
Base para V−2 =: {v2 , v3 } =  1  ,  0  .
0 1
 
El conjunto {v1 , v2 , v3 } es linealmente independiente.

3 Estructurar P a partir de los vectores propios: El orden de los
vectores en la matriz no tiene importancia.
 
1 −1 −1
P = v1 v2 v3 = −1 1 0
1 0 1
4 Estructurar D a partir de los valores propios. El orden de los

valores debe corresponder al orden establecido en la matriz P.
Ası́:  
1 0 0
D = 0 −2 0 
0 0 −2
5 Verificar: Basta con comprobar que AP = PD, para evitar

calcular P−1 .
    
1 3 3 1 − − 1 −1 1 2 2
AP = −3 −5 −3 −1 1 0  = −1 −2 0 
3 3 1 1 0 1 1 0 −2
    
1 −1 −1 1 0 0 1 2 2
PD = −1 1 0  0 −2 0  = −1 −2 0 
1 0 1 0 0 −2 1 0 −2
Teorema
Sea A una matriz de n × n cuyos valores propios distintos son
λ1 , . . . , λ p .
a. Para 1 ≤ k ≤ p, la dimensión del espacio propio para λk es menor
o igual que la multiplicidad del valor propio.
b. La matriz A es diagonalizable si, y solo si, la suma de las
dimensiones de los distintos espacio propios es igual a n, y esto
sucede si, y solo si, la dimensión del espacio propio para cada
λk es igual a la multiplicidad de λk .
c. Si A es diagonalizable y Bk es una base para el espacio
correspondiente a λk para cada k, entonces la colección total de
vectores en los conjuntos B1 , . . . , B p forma una base de vectores
propios para Rn .
Ejemplo
Diagonalizar la siguiente matriz, si es posible:
 
5 0 0 0
0 5 0 0
A= 
1 4 −3 0 
−1 −2 0 −3
Solución: Al ser una matriz triangular los valores propios serán 5 y -3

ambos de multiplicidad algebraica 2.
Bases para los espacios propios, V5 y V−1 , son, respectivamente
       

 −8 −16   
 0 0 
   
4 4 0
 , {v3 , v4 } =   , 0 .
    
{v1 , v2 } =  ,


 1   0 
 

 1 0 


0 1 0 1
   
Note que dim(V5 ) = dim(V−1 ) = 2 y estas dimensiones coinciden con

las multiplicidades algebraicas de los valores propios correspondien-
tes luego, por el Teorema anterior, A es diagonalizable.
Definiendo
   
−8 −16 0 0 5 0 0 0
4 4 0 0 y D = 0 5 0 0

P= 1 0 0 −3 0 

0 1 0
0 1 0 1 0 0 0 −3
se tiene finalmente que A = PDP−1 .
Ejercicios
1 Encontrar la ecuación caracterı́stica, los valores propios y las
respectivas multiplicidades asociadas a las siguientes matrices:
 
  5 0 0 0
−1 0 1 8 −4 0 0
A = −3 4 1 B= 0 7 1 0

0 0 2
1 −5 2 1
2 Sea A = PDP−1 , calcular A5 si:

5 7 2 0
i. P = yD= .
2 3 0 1

2 −3 1 0
ii. P = yD= .
−3 5 0 1/2
3 Diagonalizar las siguientes matrices:
   
2 2 −1 −7 −16 4
A= 1 3 −1 B= 6 13 −2
−1 −2 2 12 16 1

Algebra Lineal (MAT061) : Clase 19

Cargado por

Copyright:

Formatos disponibles

Algebra Lineal (MAT061) : Clase 19

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Lineal (MAT061) : Clase 19

Cargado por

Copyright:

Formatos disponibles

DEPARTAMENTO

Algebra Lineal (MAT061)

En la clase anterior mostramos que λ ∈ R es un valor propio de A ∈

a esta ecuación le llamaremos ecuación caracterı́stica.

Luego la ecuación caracterı́stica de A está dada por:

λ 4 − 14λ 3 + 68λ 2 − 130λ + 75 = 0

λ 6 − 4λ 5 − 12λ 4 = λ 4 (λ 2 − 4λ − 12) = λ 4 (λ − 6)(λ + 2)

Luego los valores propios son:

En la práctica, los valores propios de cualquier matriz mayor de

B − λ I = P−1 AP − λ P−1 P = P−1 (A − λ I)P

Luego, pB (λ ) = det(P−1 (A − λ I)P)

luego, Avi = λi vi , i = 1, ..., n. Dado que cada vi es distinto al vector nulo

Solución: Dado que la matriz es triagular, sus valores propios son

1 Encontrar los valores propios de A. Vemos que la ecuación

0 = det(A − λ I) = −λ 3 − 3λ 2 + 4 = −(λ − 1)(λ + 2)2

Luego, los valores propios son λ1 = 1 y λ2 = −2.

El conjunto {v1 , v2 , v3 } es linealmente independiente.

4 Estructurar D a partir de los valores propios. El orden de los

5 Verificar: Basta con comprobar que AP = PD, para evitar

Solución: Al ser una matriz triangular los valores propios serán 5 y -3

Note que dim(V5 ) = dim(V−1 ) = 2 y estas dimensiones coinciden con

se tiene finalmente que A = PDP−1 .

2 Sea A = PDP−1 , calcular A5 si:

También podría gustarte