You are on page 1of 20

Valores y vectores propios

Diagonalización

Prof. Isabel Arratia Z.


Clase 1 Valores y vectores propios
En esta unidad, V será un espacio vectorial real de dimensión
finita n , T: V V una transformación lineal y A  Mn ()
matriz de representación de T.

Un escalar    se llama valor propio de A (o


de T) si existe v en n , v ≠ 0 tal que Av  v.

Si    es un valor propio de A  Mn () , cualquier v en n


tal que Av =  v , se llama vector propio de A asociado al
valor propio  .

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 2
 27 10
Por ejemplo,   2 es un valor propio de la matriz A   
 75  28
 2   27  10  2   4  2
puesto que A          
 5   75  28  5   10   2   . En este caso,
       5
 2
v    es un vector propio de A, asociado al valor propio 2.
 5

Si  es un valor propio de A y denotamos por V al conjunto


de todos los vectores propio de A asociados al valor propio  ,
entonces es fácil mostrar que V resulta ser un subespacio
vectorial de V. El subespacio V se llama espacio propio de A
asociado al valor propio  .
V  { vn / Av  v}

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 3
¿Cómo determinamos los
valores propios de A?

 es un valor propio de A 
 v  V , v  0 tal que Av   v 
 v  V , v  0 tal que Av   v  0 
 v  V , v  0 tal que ( A   I n )(v)  0 
A  I n no invertible 
det ( A   I n )  0

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 4
Observe que p ( )  det ( A   I n ) es un polinomio en  de
grado n y los valores propios de A son las raíces (reales) de
dicho polinomio o de la ecuación característica p ( )  0 .
p ( )  0  det( A   I n )  0

Por otra parte, V  { v   n / Av   v }


 { v   n / Av  v  0}
 { v   n / ( A  I n )( v)  0}

Es decir, los vectores propios de A asociados al valor propio 


son las soluciones del sistema de ecuaciones lineales homogéneo
( A   I n )v  0 .

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 5
El polinomio p ( )  det ( A   I n ) se llama
polinomio característico de A.

Ejemplo: Sea T :  2   2 la transformación lineal


T(x, y)  (y, x)
 0 1
La matriz asociada a T es A   .
1 0
La “ecuación característica” de A es:
  1
p()  0  det(A I2)  0   0  2 1  0,
1 
que no tiene raíces reales; luego A no tiene valores propios
reales.

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 6
Ejercicio: Determine los valores propios de la transformación
lineal T : 3  3 ; T ( x , y, z )  (3x  y  z, 2 x  2 y  z, 2 x  2 y)
 3 1 1
 
Solución: La matriz asociada a T es A   2 2 1.
2 2 0 
 
El polinomio característico de T (o de A) es,
3 1 1
p ( )  det( A   I n )  2 2  1  (1   )( 2   ) 2 .
2 2 
Como los valores propios son las raíces de este polinomio,
concluimos que   1 y   2 son los valores propios de T .

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 7
Ejercicio: Encuentre los espacios propios asociados a cada valor
propio de la matriz A del ejercicio anterior.

Solución: Determinemos los vectores propios asociados a  = 1;


para ello resolvemos el sistema
2x + y - z = 0
(A - I 3 ) X = 0
2x + 2y - z = 0
obteniendo el subespacio V =1 =< { (1, 0, 2) } > .
x+y+z = 0
Resolviendo (A - 2 I 3 ) X = 0 2x - z = 0
2x + 2y - 2z = 0
obtenemos el espacio propio V   2   { (1, 1, 2) }  .

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 8
Clase 2 Diagonalización

Se dice que una matriz A  Mn () es semejante o similar a


una matriz B  Mn () si existe una matriz invertible P  Mn ()
tal que A = P -1 B P ; en este caso anotaremos A  B.

Observe que A≈ B B ≈ A ; en efecto,

A≈B A = P-1B P
PA = BP
P A P-1 = B
B≈ A

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 9
Se dice que una matriz A  Mn () es diagonalizable si existe
-1
una matriz invertible P  Mn () tal que P A P  D , con D
matriz diagonal. Es decir, A es diagonalizable si A es
semejante o similar a una matriz diagonal.
Se dice que la transformación lineal T es diagonalizable si y
sólo sí la matriz asociada a T lo es.

¿Cuándo A es
diagonalizable?

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 10
Teorema: La matriz A  Mn () es diagonalizable si y sólo si
A tiene n vectores propios l.i.
En efecto, si v 1 , . . . . , v n son los n vectores propios l.i. de A,
sean  1 , . . . . ,  n valores propios de A (no necesariamente
distintos) tales que A v i   i v i y sea P = [ v 1 , . . . . , v n ] la
matriz cuyas columnas son los vectores v 1 , . . . . , v n . Entonces,
A P  [Av1, . . . . , Av n ]
 [1v1, . . . . ,  n v n ]
 1 0 ... 0 
 
 0  2 ... 0 
 [ v1, . . . . , v n ] 
... ... ... 0 
 
 0 0 ...  
 n

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 11
 1 0 ... 0   1 0 ... 0 
   
 0  2 ... 0  -1  0  2 ... 0 
AP  P  P A P 
... ... ... 0   ... ... ... 0 
   
 0 0 ...    0 0 ...  
 n  n
Al ser v 1 , . . . . , v n vectores l.i., la matriz P así construida es
invertible, A es similar a una matriz diagonal, lo que equivale a que
A es diagonalizable.
De la demostración del teorema precedente se concluye que si A es
diagonalizable, la matriz P, cuyas columnas son los n vectores
propios l.i. de A, es la matriz que “diagonaliza” a A, esto es,
P-1A P = D , con D matriz diagonal. Además, los elementos de la
diagonal de D son los valores propios de A.

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 12
 7 10
Ejercicio: Considere la matriz A   
 3 4 

a) Determine el polinomio característico de A.


Concluya que  = 1 y  = 2 son los valores propios de A.
a) Encuentre los espacios propios correspondientes a cada valor
propio.
 2 5
b) Verifique que P    es tal que P-1A P = D , con D matriz
 1 3
diagonal.

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 13
 9 8 4 
 
Ejercicio propuesto: Considere la matriz A   8 7  4 .
 8 8 3 
 
a) Muestre que 3 y -1 son valores propios de A.
b) Encuentre una base para cada espacio propio de A.
c) ¿Es A una matriz diagonalizable?
d) Si lo es, cuál es la matriz P que diagonaliza a A?
Respuestas al ejercicio propuesto:
2
a) El polinomio característico de A es p(  )  (  3)(   1) ;
luego 3 y -1 son los valores propios de A.
b) Los espacios propios de A son:
V=3 = < { (1, -1,1) } > y V-1   { (1, 0, 2), (0,1, 2) }  .
B = {(1, -1, 1)} es una base para V  3
__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 14
y C = {(1, 0, 2), (0, 1, 2)} es una base para V  -1
c) Como (1, -1, 1), (1, 0, 2), (0, 1, 2) son 3 vectores propios
de A, que son linealmente independientes, entonces la
matriz A es diagonalizable.
1 1 0
 
d) La matriz P que diagonaliza a A es P   1 0 1 .
1 2 2

 9 8 4
 
En este caso, la matriz A 8 7  4 es semejante a
 8 8 3 

3 0 0 
 
la matriz diagonal D  P1A P   0 1 0 .
 0 0 1
 
__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 15
Clase 3 Diagonalización

No todas las matrices cuadradas son


diagonalizables.

  3 1 1
 
Por ejemplo, la matriz A    7 5 1 tiene dos valores
  6 6  2
 
propios: 4 y -2. Los espacios propios asociados son,
V = 4 = < { (0, 1, 1) } > y V = -2 = < { (1, 1, 0) } >

Sin embargo, A no es diagonalizable. ¿Por qué?

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 16
Otros criterios de diagonalización
Nos interesa establecer otros criterios que nos ayuden a decidir
si una matriz es diagonalizable o no.

Teorema: A es diagonalizable si y sólo si el polinomio


característico de A tiene la forma
p(  )  (  1 ) d1 (   2 ) d 2  . . . . . .  (   k ) d k

donde d i  dim V i y V i es el espacio propio de A


asociado al valor propio  i . Es decir, A es diagonalizable
si la multiplicidad algebraica y la multiplicidad geométrica
de  i coinciden.

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 17
Teorema: A diagonalizable si y sólo si
dim V1 + dim V 2 + ...... + dim V k = n
donde 1 , ..... ,  k son los valores propios de A
y V es el espacio propio de A asociado al valor
i
propio  i .
 9 8 4 
 
Por ejemplo, en el caso de la matriz A   8 7  4
 8 8 3 
 
del ejercicio de la página 14, se tiene que,
dim V  3  dim V  -1  1  2  dim  3

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 18
Ejercicio: Demuestre que los valores propios de una matriz
triangular A(ai j) son los elementos a i i de la diagonal.

Observación: Si A  Mn () es diagonalizable, entonces existe


P , matriz invertible de orden n tal que P-1A P = D
Pero, P1A P  AP  PD
 A  P D P-1
 Ak  (P D P-1)k
 Ak  P Dk P-1
k
lo que es una eficiente manera de obtener A .

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 19
Diagonalización de matrices simétricas

Para una matriz A  Mn () , A simétrica, se tiene que,


1) Los valores propios de A son todos reales.
2) A tiene n vectores propios l.i.; en consecuencia, A es
diagonalizable.
3) Si el valor propio  tiene multiplicidad p , dim V  p.

__________________________________________________________________
Algebra Lineal - Isabel Arratia Zárate 20