Professional Documents
Culture Documents
Tema 3
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?
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
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,
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
A · ( p1 p2 ... pn ) = ( λ 1 p1 λ2 p2 ... λn pn ) .
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.
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
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.
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.
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,
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 3y = 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.
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
m1 + m2 + · · · + mp = n.
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.
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
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