TEMA 3

DIAGONALITZACIÓ DE MATRIUS

L’objectiu d’aquest tema és veure com a una matriu quadrada, si compleix certes condicions,
se li pot associar una altra de diagonal. Aquest és un fet de gran importància pràctica ja que
determinats estudis se simplifiquen enormement si es pot passar a la forma diagonal. En aquest
tema s’introduiran alguns conceptes algèbrics força rellevants, com poden ser els de valor propi
i vector propi. Malgrat tot, el més important és respondre dues preguntes clau:
1.− Quan una matriu es pot “diagonalitzar”?
2.− En cas en què es pugui diagonalitzar, com es construeix la matriu diagonal associada?

3.1 Matrius semblants. Diagonalització de matrius

Siguin M1 i M2 matrius quadrades del mateix ordre. Direm que són semblants si existeix una
matriu invertible P tal que P −1 M1 P = M2 .
Exemple. Sigui la matriu  
0 1 −1
A =  −5 6 −7  . (3.1)
−3 3 −4
 
1 1 0
Si es calcula P −1 AP , essent P =  1 3 1 , s’obté la matriu semblant
0 1 1
     
2 −1 1 0 1 −1 1 1 0 1 0 0
B = −1
 1 −1   −5 6 −7   1 3 1  =  0 2 0.
1 −1 2 −3 3 −4 0 1 1 0 0 −1

La semblança ha transformat la matriu A en una matriu diagonal.

Propietat. Dues matrius semblants tenen el mateix determinant.
Això es comprova fàcilment tenint en compte dues propietats ja estudiades dels determinants,
◦ el determinant d’un producte de matrius quadrades és igual al producte de determinants;

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

32 Diagonalització de matrius

◦ det P −1 = (det P )−1 .

Llavors, si A = P −1 BP , det A = det P −1 · det B · det P = (det P )−1 · det B · det P = det B.
Direm que una matriu quadrada A és diagonalitzable si existeix una matriu invertible P tal que
la matriu D = P −1 AP és una matriu diagonal.
Exemple. La matriu A definida a (3.1) és diagonalitzable.
Com veurem posteriorment, no totes les matrius són diagonalitzables. A partir d’ara es de-
fineixen els conceptes i es presenten els resultats que permeten estudiar la diagonalització d’una
matriu quadrada, construint la matriu invertible P , que anomenarem matriu de pas, tal que
P −1 AP és diagonal.

3.2 Valors i vectors propis d’una matriu

 
1 1
Començarem aquest apartat amb un exemple. Sigui A = . Calculem els productes
3 −1
A · v per alguns vectors v ∈ R2 .

         
1 1 −1 1 1 1 3 4
(1) = ; (2) = ;
3 −1 2 −5 3 −1 1 8
         
1 1 1 2 1 1 0 0
(3) = ; (4) = ;
3 −1 1 2 3 −1 0 0
         
1 1 2 3 1 1 −1 2
(5) = ; (6) = .
3 −1 1 5 3 −1 3 −6
Podem observar que els casos (3), (4) i (6) compleixen una relació que no compleix la resta de
productes. En efecte, en els tres tenim que A · v = λ · v per algun valor escalar λ,

(3) A · v = 2v; (4) A · v = λ · v per tot λ ∈ R; (6) A · v = −2v.

De fet, el cas (4) no és gens d’estrany, perquè es compleix sigui quina sigui la matriu quadrada
A; però els vectors (1, 1) i (−1, 3) sı́ que estan relacionats d’alguna manera amb la matriu A.
De fet, com veurem posteriorment, aquests vectors s’anomenen vectors propis de la matriu i els
coeficients, 2 i −2 reben el nom de valors propis. Veiem ara aquesta idea en general, comprovant
la seva relació amb el problema que ens ocupa: la diagonalització.
Sigui A una matriu quadrada. Suposem que és diagonalitzable; és a dir, suposem que existeix
una matriu invertible P tal que D = P −1 AP és una matriu diagonal. Siguin
λ1 0 . . . 0 p11 p12 . . . p1n
   
 0 λ2 . . . 0  p p22 . . . p2n 
D= . . . .  i P =  21 . .. .. .. 
 .. .. . . ..   .. . . . 
0 0 . . . λn pn1 pn2 . . . pnn

La igualtat D = P −1 AP es pot escriure també com AP = P D; és a dir,

p11 p12 . . . p1n λ1 0 . . . 0 λ1 p11 λ2 p12 ... λn p1n
    
 p21 p22 . . . p2n   0 λ2 . . . 0   λ1 p21 λ2 p22 ... λn p2n 
AP =  ... .. .. ..   . .. . . . = . .. .. ..  . (3.2)
. . .   .. . . ..   .. . . . 
pn1 pn2 . . . pnn 0 0 . . . λn λ1 pn1 λ2 pn2 ... λn pnn

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

3.2 Valors i vectors propis d’una matriu 33

Posem p1 , p2 , . . ., pn per a designar les columnes de la matriu P ,

p11 p12 p1n

    

 p21   p22   p2n 
 ...  ,
p1 =  
 ...  ,
p2 =   ...,  ...  .
pn =  

pn1 pn2 pnn

La igualtat (3.2) permet assegurar que

A · ( p1 p2 ... pn ) = ( λ 1 p1 λ2 p2 ... λn pn ) .

Dit d’una altra forma,

Apj = λj pj , per a j = 1, . . . , n. (3.3)

Aquesta igualtat motiva les definicions que segueixen.

Donada una matriu A, quadrada d’ordre n, es defineix

1.- Vector propi (vep) de la matriu A: és un vector u ∈ Rn no nul que verifica Au = λu, per
algun λ ∈ R.

2.- Valor propi (vap) de la matriu A: és el real λ que apareix en la definició de vector propi.

Es diu llavors que u és un vector propi de A associat al valor propi λ.

És important destacar que els vectors propis no poden ser nuls. En canvi, els valors propis sı́
que ho poden ser.
Exemple. Els vectors u1 = (1, 1, 0), u2 = (1, 3, 1) i u3 = (0, 1, 1) són vectors propis de la matriu
A de (3.1) ja que
    
0 1 −1 1 1
Au1 =  −5 6 −7   1  =  1  = 1 · u1 ,
−3 3 −4 0 0
    
0 1 −1 1 2
Au2 =  −5 6 −7   3  =  6  = 2 · u2 ,
−3 3 −4 1 2
    
0 1 −1 0 0
Au3 =  −5 6 −7   1  =  −1  = −1 · u3 .
−3 3 −4 1 −1

Els valors propis associats són 1, 2 i −1, respectivament.

El conjunt de tots els vectors propis associats a un mateix valor propi λj , unit al vector nul,
s’anomena subespai propi1 corresponent al valor propi λj . Aquest subespai s’acostuma a repre-
sentar per V(λj ) .
1
En general, un subconjunt S ⊂ Rn és un subespai si compleix dues condicions:
1. Per tot u, v ∈ S, cal que u + v ∈ S.
2. Per tot u ∈ S i α ∈ R, cal que αu ∈ S.

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

34 Diagonalització de matrius

3.3 Càlcul dels valors propis. Polinomi caracterı́stic

La igualtat (3.3) es pot escriure també com

(A − λj In )pj = 0 per a j = 1, . . . , n. (3.4)

Com que la matriu P ha de ser invertible, les seves columnes (els vectors pj ) han de ser no
nul·les2 . Si la matriu A − λj In fos invertible, la igualtat (3.4) ens asseguraria que

(A − λj In )−1 (A − λj In )pj = (A − λj In )−1 · 0 = 0,

és a dir, pj = 0, la qual cosa sabem que és impossible. En definitiva, si λj és un valor propi de la
matriu A, la matriu A − λj In no pot ser invertible i, per tant, det(A − λj In ) = 0. Aixı́, els valors
propis són les solucions de l’equació det(A − λIn ) = 0 o, equivalentment, det(λIn − A) = 0 .
Es defineix el polinomi caracterı́stic d’una matriu A com QA (λ) = det(λIn − A). Llavors, els
valors propis d’una matriu són els zeros del seu polinomi caracterı́stic.
 
−10 24 −36
Exemple. Es considera la matriu A =  9 −19 33 . El seu polinomi caracterı́stic és
8 −18 30
 
 λ + 10 −24 36 
−33  = λ3 − λ2 − 14λ + 24.

QA (λ) = det(λI3 − A) =  −9 λ + 19
 −8 18 λ − 30 
Els valors propis de la matriu A són les solucions de l’equació λ3 − λ2 − 14λ + 24 = 0, és a dir,
λ = −4, λ = 3 i λ = 2.
 
−3 2 −4
Exercici. Trobeu el polinomi caracterı́stic de la matriu A =  4 −2 5 ; trobeu també
4 −4 7
els seus vap’s.
Solució: QA (λ) = (λ − 2)(λ + 1)(λ − 1) = 2 − λ − 2λ2 + λ3 . Els valors propis són λ1 = 2,
λ2 = −1 i λ3 = 1 .
Propietats.

◦ Si dues matrius quadrades A i B són semblants (o sigui, si podem escriure A = P −1 BP

amb P invertible), llavors QA (λ) = QB (λ).
◦ Si A té ordre n, el polinomi QA (λ) te grau n.
◦ El terme independent de QA (λ) és igual a (−1)n det A.
◦ El coeficient del terme de grau n val 1. O sigui, el polinomi QA (λ) és mònic3 .
◦ El coeficient del terme de grau n − 1 és igual a menys la traça de la matriu4 .

L’equació QA (λ) = 0 s’anomena equació caracterı́stica de la matriu A. Per això és possible que
us trobeu l’expressió “els valors propis són les solucions de l’equació caracterı́stica de
la matriu”.
2
Recordeu que el determinant d’una matriu amb una columna nul·la val zero. Per tant, una matriu amb una
columna nul·la no és invertible.
3
Un polinomi és mònic si la major potència que apareix de la variable (λ en aquest cas) té coeficient 1.
4
La traça d’una matriu quadrada és la suma dels elements de la diagonal de la matriu.

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

3.4 Càlcul dels subespais propis 35

3.4 Càlcul dels subespais propis

Donada una matriu quadrada A d’ordre n, sigui λ ∈ R un dels seus valors propis5 . Per a tot
v ∈ V(λ) , es compleix que (λIn − A)v = 0. Dit d’una altra manera, el vector v ha de ser solució
del sistema homogeni d’equacions lineals que té λIn − A com a matriu de coeficients. Per ser λ
un valor propi, sabem que rg(λIn − A) < n (ja que det(λIn − A) = 0). Aixı́, el sistema que estem
considerant és compatible indeterminat, amb n − rg(λIn − A) graus de llibertat. Les solucions
formen V(λ) ; anomenarem dimensió d’aquest subespai (denotada per dim V(λj ) ) el número de
graus de llibertat del sistema, és a dir, el número d’incògnites que passen a ser considerades com
a paràmetres en la solució. O sigui,

dim V(λ) = n − rg(λIn − A). (3.5)

 
−2 10 6
Exemple. Sigui A =  2 −3 −3 . Anem a trobar els seus valors i vectors propis.
−3 12 8
Comencem calculant el polinomi caracterı́stic.
 
 λ + 2 −10 −6 
3  = λ3 − 3λ2 + 4.

QA (λ) = det(λI3 − A) =  −2 λ+3
 3 −12 λ − 8 

Les solucions de l’equació λ3 − 3λ2 + 4 = 0 són λ1 = −1 i λ2 = 2 (solució que surt dues vegades).
Aquests són els valors propis de la matriu A. Aixı́, A té dos subespais propis.
Per a determinar V(−1) , cal resoldre el sistema homogeni (−I3 − A)v = 0; o sigui,
    
1 −10 −6 x 0
 −2 2 3y  = 0. (3.6)
3 −12 −9 z 0

Com que      
1 −10 −6 1 −10 −6 1 −10 −6
 −2 2 3  ∼  0 −18 −9  ∼  0 2 1, (3.7)
3 −12 −9 0 18 9 0 0 0
el sistema (3.6) és equivalent a 
x − 10y − 6z = 0
2y + z = 0
que té per solucions z = −2y, x = −2y. Per tant, V(−1) = {(−2y, y, −2y) tal que y ∈ R}. Es
pot observar, de (3.7), que rg(−I3 − A) = 2 i dim V(−1) = 1, d’acord amb la fórmula (3.5).
Queda per trobar V(2) . Tenim
         
4 −10 −6 x 0 1 2 0 x 0
(2I3 − A)v = 0 =⇒  −2 5 3   y  =  0  =⇒  0 3 1   y  =  0  .
3 −12 −6 z 0 0 0 0 z 0

La solució és, per exemple, x = −2y i z = −3y. Per tant, V(2) = {(−2y, y, −3y) tal que y ∈ R}.
Torna a complir-se, evidentment, que dim V(2) = 3 − rg(2I3 − A).
5
És possible que la matriu A no tingui valors propis; aquı́ suposarem que en té perquè si no en tingués el càlcul
dels subespais propis no té sentit.

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

36 Diagonalització de matrius

3.5 Diagonalització de matrius

Una matriu A quadrada d’ordre n és semblant a una matriu diagonal (o sigui, A és diagona-
litzable) si i sol si es pot trobar un conjunt format per n vectors propis de manera que la matriu
formada per ells, col·locant-los en columna, és invertible. Aquesta matriu s’anomena matriu de
pas i se sol representar per P .
 
7 3 9
Exemple. Sigui A =  −4 −1 −6 . El seu polinomi caracterı́stic és
−2 −1 −2

QA (λ) = λ3 − 4λ2 + 5λ − 2 = (λ − 1)2 (λ − 2).

Busquem, doncs, els subespais propis V(1) i V(2) . Tenim

    
−6 −3 −9 x 0
(x, y, z) ∈ V(1) ⇐⇒  4 2 6   y = 0  ⇐⇒ 2x + y + 3z = 0 ⇐⇒ y = −2x − 3z;
 
2 1 3 z 0

per tant, V(1) = {(x, −2x − 3z, z)}. Paral·lelament,

    
−5 −3 −9 x 0 −5x − 3y − 9z = 0 )
(x, y, z) ∈ V(2) ⇐⇒  4 3 6   y  =  0  ⇐⇒ 4x + 3y + 6z = 0 .
2 1 4 z 0 2x + y + 4z = 0

La solució d’aquest sistema ens proporciona V(2) = {(−3z, 2z, z)}.

El conjunt {(1, −2, 0), (0, −3, 1), (−3, 2, 1)} dóna lloc a la matriu
 
1 0 −3
P =  −2 −3 2  amb det P = 1 6= 0 .
0 1 1
Llavors podem assegurar que la matriu A és diagonalitzable. A més a més,
 −1     
1 0 −3 7 3 9 1 0 −3 1 0 0
P −1 AP =  −2 −3 2   −4 −1 −6   −2 −3 2 = 0 1 0.
0 1 1 −2 −1 −2 0 1 1 0 0 2
Nota: l’ordre escollit per a formar la matriu P determina completament l’ordre en què els valors
propis queden situats en la matriu diagonal.
Cal esbrinar, doncs, quan és possible construir la matriu P .
Sigui λj un valor propi d’una matriu. Es defineix la seva multiplicitat aritmètica, mj , com el
nombre de vegades que apareix com a zero del polinomi caracterı́stic.
Exemple. Una matriu A té per polinomi caracterı́stic QA (λ) = λ5 −8λ4 +25λ3 −38λ2 +28λ−8.
Quan es fa la descomposició factorial s’obté Qa (λ) = (λ − 2)3 (λ − 1)2 . Per tant, λ1 = 2 és un
valor propi triple, m1 = 3, i λ2 = 1 n’és un de doble, m2 = 2.
És evident que el nombre de valors propis ha de ser suficient com per omplir la diagonal de la
matriu. Per tant, si el polinomi caracterı́stic és de grau n, ha de tenir n zeros, tenint en compte
les multiplicitats aritmètiques mj ; és a dir, si la matriu té p valors propis diferents, cal que

m1 + m2 + · · · + mp = n.

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

3.5 Diagonalització de matrius 37

Quan passa això es diu que el polinomi descomposa totalment (en factors de primer grau).
Exemple. El polinomi QA (λ) de l’exemple anterior és de grau 5 i proporciona 5 zeros. Per
tant, QA (λ) descomposa totalment. A falta de més informació, no es pot dir res sobre aquesta
matriu: pot diagonalitzar o no.
Per contra, si el polinomi caracterı́stic d’una matriu B és QB (λ) = λ3 − λ2 + λ − 1, la seva
descomposició és QB (λ) = (λ − 1)(λ2 + 1), que només proporciona un valor propi real (λ = 1), és
a dir, QB (λ) no descomposa totalment. Per això es pot afirmar que la matriu B no diagonalitza.

A més a més de disposar d’un nombre de valors propis suficients, cal que cada valor proporcioni
un nombre suficient de vectors propis. Això passa quan, per cada valor propi λ, la seva multi-
plicitat aritmètica coincideix amb la dimensió del subespai propi corresponent; aquesta dimensió
s’anomena multiplicitat geomètrica del valor propi, denotada per gj .
Resumint,
Teorema fonamental de la diagonalització
Una matriu diagonalitza si i sol si

(1) el seu polinomi caracterı́stic descomposa totalment (en factors de primer grau) i
(2) per cada valor propi λj , mj = gj .

A la pràctica, cal distingir entre dos tipus d’activitats. La primera consisteix en esbrinar si la
matriu diagonalitza. La segona correspon al càlcul de la base de vectors propis i de la matriu
diagonal.
Per estudiar la diagonalització només cal comprovar que es donen les dues condicions anteriors.
En particular, per comprovar la verificació de la segona, val la pena tenir en compte dues
propietats.
Propietats.

• 1 ≤ dim Vj ≤ mλ . Això significa que quan mj = 1 la segona condició es verifica au-

tomàticament. Com a conseqüència, la diagonalització està garantida quan el polinomi
descomposa totalment i tots els valors propis són simples.
 
2 2 −3
Exemple. Sigui la matriu A =  0 1 0 . En primer lloc es calcula el seu polinomi
 0 2 −1 
λ − 2 −2 3 

caracterı́stic, QA (λ) =  0
 λ−1 0  = (λ − 2)(λ − 1)(λ + 1). Donat que el poli-
 0 −2 λ + 1
nomi descomposa totalment i tots els valors propis són simples, la matriu A diagonalitza.

• dim Vλ = n − rg(λIn − A); això ja ho hem vist abans, a (3.5).

 
−1 −2 2
Exemple. Donada la matriu A =  −2 −1 2 , el seu polinomi caracterı́stic és
−2 −2 3
 
λ + 1 2 −2 
−2  = λ3 − λ2 − λ + 1 = (λ + 1)(λ − 1)2 .
 
QA (λ) =  2
 λ+1
 2 2 λ − 3

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

38 Diagonalització de matrius

El valor propi λ1 = −1 és simple i no cal estudiar V(−1) . El valor propi λ2 = 1 és doble;
per tant, cal veure si dim V(1) = 2. Tal com s’ha dit, donat que n = 3, dim V(1) =
 
2 2 −2
3 − rg(1 · I3 − A) = 3 − rg  2 2 −2  = 3 − 1 = 2. Per tant, la matriu A diagonalitza.
2 2 −2

De tot això se’n dedueix que, a l’hora d’estudiar la diagonalització, no cal trobar els subespais
propis sinó només la seva dimensió.
Un cop se sap que la diagonalització és factible, per construir la base de vectors propis cal
construir tots els subespais propis. La base buscada és la reunió de les bases dels
subespais.
 
−1 −2 2
Exemple. Abans s’ha comprovat que la matriu A =  −2 −1 2  diagonalitza. A més a
−2 −2 3
més, se sap que els seus valors propis són λ1 = −1, simple, i λ2 = 1, doble.
El subespai corresponent a λ1 = −1 s’obté de (−I3 − A)u = 0, és a dir,
    
0 2 −2 x 0
2 0 −2   y = 0.
 
2 2 −4 z 0

La solució és y = x, z = x i, d’aquı́, de V(−1) en podem agafar el vector propi v1 = (1, 1, 1).
Per trobar V(1) cal fer (I3 − A)u = 0, que equival a resoldre el sistema
    
2 2 −2 x 0
2 2 −2   y  =  0  .
2 2 −2 z 0
La solució és, per exemple, z = x + y. Fent x = 1 i y = 0 s’obté el vector (1, 0, 1) i fent x = 0 i
y = 1 el (0, 1, 1). Llavors, de V(1) escollim v2 = (1, 0, 1) i v3 = (0, 1, 1).
Per tant, la matriu de pas és  
1 1 0
P = 1 0 1 .
1 1 1
Llavors podem assegurar que
 −1     
1 1 0 −1 −2 2 1 1 0 −1 0 0
 1 0 1   −2 −1 2   1 0 1 =  0 1 0.
1 1 1 −2 −2 3 1 1 1 0 0 1

3.6 Potències d’una matriu diagonalitzable

En alguns problemes en el quals cal modelitzar l’evolució d’algun sistema es fa imprescindible

el càlcul de les potències successives d’una matriu A. Si aquesta matriu A és una matriu
diagonalitzable, sabem que existeix una matriu invertible P tal que P −1 AP = D, on D és una
matriu diagonal. D’aquı́,
A = P DP −1 =⇒ A2 = A · A = (P DP −1 )(P DP −1 ) = P D(P −1 P )DP −1 = P D2 P −1

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

3.6 Potències d’una matriu diagonalitzable 39

i, en general, Ak = P Dk P −1 . La “gràcia” està en què les potències d’una matriu diagonal es

poden calcular de forma ràpida i senzilla ja que
k
a1 (a1 )k
  
 a2   (a2 )k 
 ..  = .. .
 .   . 
an (an )k
 
−14 11 26
Exemple. Sigui A =  −2 3 4 . Es tracta de buscar una expressió per a les matrius
−7 5 13
Ak . Comencem estudiant si la matriu donada diagonalitza. Tenim
 
 λ + 14 −11 −26 

QA (λ) =  2 λ−3 −4  = (λ + 1)(λ − 1)(λ − 2),
 7 −5 λ − 13 

V(−1) proporciona el vector (2, 0, 1), V(1) el (1, −1, 1) i V(2) el (3, 2, 1). Llavors,
   −1
2 1 3 −1 0 0 2 1 3
A =  0 −1 2   0 1 0   0 −1 2  .
1 1 1 0 0 2 1 1 1

Això ens indica que

  k  −1
2 1 3 −1 0 0 2 1 3
k
A = 0 −1 2
   0 1 0   0 −1 2 
1 1 1 0 0 2 1 1 1
−1
(−1)k
  
2 1 3 0 0 2 1 3
=  0 −1 2   0 1 0   0 −1 2 
1 1 1 0 0 2k 1 1 1
−2 + 6(−1) − 3 · 2k
k 1 − 4(−1) + 3 · 2k 4 − 10(−1)k + 3 · 2k+1
k
 

= 2 − 2k+1 2k+1 − 1 2k+2 − 4 .

−2 + 3(−1)k − 2k k
1 − 2(−1) + 2 k 4 − 5(−1)k + 2k+1

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins

40 Diagonalització de matrius

E. Bailo / J. Cecı́lia / J. Gelonch / J. Molins