TEMA IV.

DIAGONALIZACIN DE MATRICES

Durante l9901 se plante la necesidad de parar la tala de arboles en una determinada

zona geogrfica dada que una especie (la lechuza moteada) estaba en peligro de extincin. Fue
necesario intensificar los esfuerzos por entender la dinamica poblacional de la lechuza de cara
a tomar decisiones. El ciclo de vida de una lechuza se divide en tres etapas: juvenil (hasta un
ao de edad), subadulta (de uno a dos aos) y adulta (ms de dos aos). La lechuza se aparea a
partir de la etapa subadulta, aunque slo empieza a reproducirse durante la etapa adulta.

Un primer paso para estudiar la dinmica de la poblacin es modelarla a intervalos

anuales, que denotaremos por k=0 (ao inicial), k=1(al cabo de un ao), k=2 (al cabo de dos
aos), En el crecimiento de la poblacin solo consideraremos la poblacin hembra. La
poblacin en el ao k se puede escribir mediante el vector
jk

X k sk
a
k

donde jk, sk y ak, son el nmero de hembras en las etapas juvenil, subadultas y adultas
respectivamente.

R. Lamberson utilizando datos de estudios demogrficos lleg a las siguientes

conclusiones. La tasa de natalidad se cifr en 033 veces el nmero de hembras adultas, que lo
podemos formalizar como jk+1=033 ak. La tasa de supervivencia de la poblacin juvenil era
del 18%, esto significa que sk+1= 018jk . Tambin se tena que la tasa de supervivencia en la
etapa subadulta y adulta era del 71% y el 94% respectivamente, nocin que se podra
formalizar a travs de la siguiente ecuacin ak+1=071sk+094ak.
Luego tenemos las siguientes expresiones algebraicas

jk 1 0' 33ak
0 0' 33 jk
jk 1 0

sk 1 0' 18 jk
sk 1 0' 18 0
0 sk

a 0
a 0'71s 0' 94a
0'71 0' 94 ak
k
k 1
k 1

1 Algebra lineal y sus aplicaciones David C. Lay.Ed. Addison Wesley Longman.

Mxico 1999. Pag.295

El modelo que hemos hallado es una ecuacin matricial del tipo

Xk+1= AXk
que nos indica la situacin de la poblacin en un ao k+1, a partir del ao anterior k. A estas
ecuaciones se les denomina sistemas dinmicos discreto. Si consideramos X0 el estado inicial
de la poblacin tenemos:
X1= AX0, X2= AX1= A(AX0)= A2X0, X3= AX2 = A(A2X0)= A3X0 , ... , Xk= Ak X0
Se observa que la secuencia reiterada de los Xi, que nos determinar el estado tendencia, se
reduce al clculo de la potencia k-sima de A, clculo que se realizara de manera mucho ms
fcil si A fuese una matriz diagonal o semejante a una diagonal.

Ante esta situacin, es lgico que nos preguntemos si la poblacin de lechuza moteada
ser capaz de sobrevivir o estaremos ante un fenmeno de extincin de una especie. La teora
sobre la diagonalizacin de matrices que estudiaremos a continuacin nos dar las claves para
contestar a la problemtica planteada.

A.

VALORES

Y VECTORES PROPIOS DE UNA MATRIZ

A lo largo de este tema trabajaremos siempre con matrices cuadradas a menos que se diga
lo contrario.

DEFINICIN 4.1 Sea A=(aij) una matriz de orden nxn, se dice que un vector no nulo v de
n

R es un vector propio de A si existe un cierto escalar tal que

Av= v
Al escalar se le denomina valor propio asociado a v.

EJEMPLO 4.1 Comprueba que el vector v = (11, 1, -14) es un vector propio de la siguiente

matriz
2 2 3

A 1 1 1
1 3 1

Calculemos Av

2 2

1 1
1

11 22
11

1 2 2 1
14
1 14 28

se dice que v=(11,1,-14) es un vector propio asociado al valor propio = -2.

NOTA 1: Si v es un vector propio de A, slo puede estar asociado a un nico valor propio, ya

que si Av = v y Av= v entonces v = v, es decir, v - v= 0, ( - ) v= 0, como

v no es el vector nulo se ha de cumplir necesariamente que - = 0, = .
NOTA 2: En cambio si v es un vector propio de A asociado a t tenemos que 0,

A(v)= (Av)= (tv)= t(v), es decir, v es tambin vector propio asociado a t.

Si v es un vector propio de A asociado a , se cumple: Av= v, Av- v=0, (A- I)v = 0,

es decir, v sera una solucin no trivial del sistema homogneo
( a11 ) x1 + a12 x 2 + ...+ a1n x n = 0

a 21 x1 + (a 22 ) x 2 + ...+ a 2n x n = 0

........................................................
a n1 x1 + a n2 x 2 + ...+ ( a nn ) x n = 0

Este sistema homogneo de ecuaciones tiene soluciones no nulas si, y slo si, la matriz de
coeficientes (A- I) es no invertible, es decir, se cumplir que |A- I| = 0. Este resultado nos
lleva la siguiente teorema.
TEOREMA 4.1 Sea A una matriz cuadrada de orden n.
1. Un escalar es un valor propio de A si y slo si, |A- I| = 0.
2.Los vectores propios de A asociados a son las soluciones no nulas del sistema
(A- I) = 0

DEFINICIN 4.2 Llamamos polinomio caracterstico de una matriz A de orden nxn a la

expresin polinmica

PA()= |A- I|= an n + an-1 n-1+ ... + a1 + a0

Los valores propios de A son las races del polinomio PA() . Recordemos que un polinomio de
grado n tiene a los sumo n races reales, adems las races se pueden repetir. Llamaremos orden
de multiplicidad de un valor propio a las veces que se repite como raz. Esto da pie a otra
definicin.
DEFINICIN 4.3 Sea un valor propio de la matriz A se define subespacio propio asociado a

H() = { v de R n: Av= v}
teniendo en cuenta las notas anteriores, H() es un subespacio vectorial (s.e.v.) que contiene
a los vectores propios de y al vector nulo, evidentemente.

EJEMPLO 4.2 Calcula los valores propios y los subespacios asociados de la matriz
1 1 1

0 2 0
0 0 2

Hallemos el polinomio caracterstico

1
1
1
1 1 1
1 0 0

det( A I ) det( 0 2 1 0 1 0 ) 0
2
1 (1 )(2 ) 2
0 0 2
0 0 1
0
0
2

Luego los valores propios sern = 1 y = 2, ste ltimo de multiplicidad 2.

Para = 1 se ha de cumplir que Av= v por tanto (A-I) v = 0

0 1 1

0 1 0
0 0 1

x 0
yz 0

y 0 y 0 y 0, z 0
z 0
1z 0

luego H(1)={(x,0,0) / x R}= <(1,0,0)>

Para = 2, se ha de cumplir que Av= 2v, por tanto (A-2I)v=0
1 1 1

0 0 0
0 0 0

0
x yz 0

y 0
00
x yz
z 0

00

luego H(2)={(y+z,y,z)}= <(1,1,0),(1,0,1)>

PROPOSICIN 4.0:

La dimensin del subespacio propio es igual a n menos el rango de

(A I).
Los valores propios de una matriz diagonal coinciden con los valores
de su diagonal principal.
PROPOSICIN 4. 1:

PROPOSICIN 4. 2: Una matriz A es invertible, si y solo si el cero no es un valor propio de A.

DEMOSTRACIN

Dado que los valores propios t verifican que |A- I|=0, si = 0 fuese valor propio tendramos |
A-0I|=0, |A|= 0, luego A no es invertible.
PROPOSICIN 4.3: Las matrices A y At tienen los mismos valores propios con la misma

multiplicidad.
DEMOSTRACIN

Basta comprobar que tienen el mismo polinomio caracterstico.

PA ( ) A t I A t I t ( A I ) t A I PA ( )
t

TEOREMA 4.2 Sea S= {u1, u2, ... , us} un conjunto de vectores propios asociados a valores

propios diferentes entonces S es un sistema libre.

COROLARIO 4.1: Dados n vectores propios asociados a valores propios diferentes, entonces

forman una base de Rn.

Comprobar que los vectores propios {(1,0,0), (1,1,0)} que corresponden a
valores propios distintos del ejemplo 4.2 forman un sistema LI.
EJEMPLO 4. 3

Basta ver que el rango es 2

1 0 0
1 0 0

Rank 2

1 1 0 F2 F1 0 1 0

B.

DIAGONALIZACIN

DE MATRICES

A la hora de buscar las claves que permitan alcanzar una solucin del problema
introductorio, se coment que la potenciacin de matrices iba a jugar un papel importante. Si
una matriz es diagonal su potencias sucesivas son fciles de calcular
d1 n

d1 0 ... 0

0 d 2 ... 0

... ... ... ...

0
A
...
0

0 ... d n

...

...

...

...

...

0
d2
0

... d n
n

En este apartado vamos a estudiar como podemos relacionar una matriz que no sea
diagonal con otra que sea diagonal. Consecuentemente se encontrar un mtodo que facilite el
clculo de sus potencias sucesivas.

DEFINICIN 4. 4 Una matriz A de orden nxn es diagonalizable si existe una matriz P

invertible tal que

A = PDP-1 AP = PD
PROPOSICIN 4.4: Una matriz es diagonalizable si y solo si existe una base de R n formada por

vectores propios.
Se puede justificar que si existe una base {u1, u2 ,..., un} de Rn de vectores propios, entonces P
es la matriz cuyas columnas son los vectores propios, y D una matriz cuya diagonal son los
valores propios asociados a los vectores propios.

PROPOSICIN 4.5: Si A es una matriz de orden nxn y un valor propio de A de multiplicidad

m entonces dimH() m

Consecuentemente el subespacio asociado a una valor propio de multiplicidad uno tendr

tambin uno de dimensin.

TEOREMA 4.3 Una matriz A de orden nxn es diagonalizable en R si

a) el polinomio caracterstico de A tiene n races reales no necesariamente distintas.

b) el orden de multiplicidad de los valores propios coincide con dimH())
EJEMPLO 4. 4

Estudia si la siguiente matriz es diagonalizable

1 1 1

0 2 0
0 0 2

En el ejemplo 4.2 se ha visto que

= 1 es un valor propio con multiplicidad 1 y dim H(1) = 1

= 2 era un valor propio de multiplicidad 2, siendo dim H(2)= 2

Por tanto A es diagonalizable.

Adems la base de vectores propios ser
B= {(1,0,0), (1,1,0), (1,0,1)}
y se cumplir
1 1 1

0 1 0
0 0 1

EJEMPLO 4. 5

1 1 1

0 2 0
0 0 2

1 1 1

0 1 0
0 0 1

1 0 0

0 2 0
0 0 2

Analiza si la siguiente matriz es diagonalizable

4
3
2

3
3
1

Hallemos el polinomio caracterstico

4
3
2
1

det( A I ) det( 4 6 3 0
3
0
3 1

Luego los valores propios sern = 1

0 0
2
4
3

1 0 ) 4 6 3 3 3 2 4 (1 )(2 ) 2
0 1
3
3
1
y = -2, ste ltimo de multiplicidad 2.

Calculemos el subespacio asociado para = -2 , ha de cumplir que (A+2I) v = 0

4
3 x 0
4
4 x 4 y 3z 0

4 4 3 y 0 4 x 4 y 3 z 0 x , y , z 0
3
3x 3 y 3z 0
3
3 z 0

Luego H(2) ={(x,-x,0 / x R)}= <(1,-1,0)>

Tenemos que dimH(2) = 1 que no coincide con el grado de multiplicidad, por tanto A no es
diagonalizable.
PROPOSICIN 4.6: Sea A una matriz diagonalizable entonces existen matrices P (invertible) y

D (diagonal) tal que

An = P Dn P-1
DEMOSTRACIN

Si A es diagonalizable existe una matriz P invertible tal que AP= PD; es decir,
(AP)P-1 = PDP-1 , por tanto A= PD P-1
Hallemos An
An = AA... n- veces ... A= (PDP-1)( PD P-1)... n-veces... (PD P-1) =
P(D(P-1P) D(P-1P)...n-1- veces...D(P-1P))DP-1= P(DIDI...n-1-veces...DI)DP-1 =PDnP-1

EJEMPLO 4. 5 Dada la matriz

1 2

0 2

hallar An

Calculemos su polinomio caracterstico y sus valores propios:

1 2
1 0 1 2


0 A I
(1 )(2 )
0 2
0 2
0 1
hay dos valores propios ( = 1 y =2) distintos en R2,, luego A es diagonalizable.

La matriz diagonal ser

1 0

0 2

por tanto

1 0
n
0 2

D n

Calculemos ahora la base de vectores propios:

Para = 1 se ha de cumplir que Av= 1v por tanto (A-I)v= 0, es decir,
0 2 x 0
2y 0

y0
0 1 y 0
y0
luego H(1) = {(x,0) / x R}= <(1,0)>

Para = 2 se ha de cumplir que Av= 2v, por tanto (A-2I)v= 0, es decir,

1 2 x 0
x 2y 0

x 2y
00
0 0 y 0

luego H(2) = {(2y, y) / y R }= <(2,1)>.

La base de vectores propios es B={(1,0), (2,1)}, por tanto

1 2

0 1
An= P Dn P-1=

1 0

n
0 2

1 2

0 1

1 2

0 1

1 2n 1 1 2 1 2n 1 2

0 2 n 0 1 0
2 n

C.

SISTEMAS

DINMICOS DISCRETOS

Los valores y los vectores propios proporcionan la clave para entender el comportamiento a
largo plazo, o evolucin, de un sistema dinmico discreto.
Recordando la nocin de sistema dinmico, una ecuacin donde interviene una cantidad
vectorial dependiente del tiempo, x(t), este concepto ya fue introducido en el tema I . En un
sistema dinmico discreto la variable tiempo es un nmero entero, y x(t) se suele representar
con xk. Un sistema dinmico homogneo y discreto es una ecuacin vectorial con la siguiente
forma:
xk = Axk-1 (ecuaciones en diferencias)
Los vectores xk dan informacin sobre el sistema con el paso del tiempo. La matriz A (llamada
de transicin) es una matriz cuadrada, que recoge la informacin sobre el funcionamiento del
sistema. Recordemos que xk puede calcularse por medio de aplicaciones repetidas de esa
ecuacin,
x k Ax k 1 A 2 x k 1 A k x 0
es decir,
xk A k x0
que nos da la situacin del sistema en el instante k dependiendo slo de la situacin inicial, es
decir, x0. El clculo de xk en la ecuacin anterior tiene la dificultad: obtener el valor de Ak puede
ser laborioso. Generalmente, con frecuencia nos interesa el comportamiento a largo plazo del
lim x k lim A k x 0
k
sistema. Es decir, deseamos conocer el valor del vector k
, si es que existe. Pero
k
el clculo de A x 0 cuando k es muy grande es una labor muy seria y laboriosa. Veamos la
siguiente estrategia para facilitar su clculo.
Supongamos que nos interese calcular Akv para un vector x0 de Rn y una matriz cuadrada A de
orden n. Consideremos una base de vectores propios
B={ v1, v2 , ... ,vn } : Avi= i vi i=1,2,.n
entonces tendramos que v se podra expresar como combinacin lineal de B
x0 1 v1 n v n

y por tanto se tiene que

Ax 0 A( 1 v1 n v n ) 1 Av1 n Av n 1 1 v1 n n v n
A 2 x 0 A 2 ( 1 v1 n v n ) 1 A 2 v1 n A 2 v n 1 12 v1 n 2n v n

..................................................................................................................
A k x 0 A k ( 1 v1 n v n ) 1 A k v1 n A k v n 1 1k v1 n kn v n
Con lo que la solucin del sistema puede simplificarse a
x k A k x 0 1 1k v1 n kn v n

Por tanto la solucin de la tendencia del sistema a largo plazo vendra dada por
lim x k lim ( 1 1k v1 n kn v n )
k

clculo que se reducira al clculo de los limites de los n que cumple:

0
si 1 1
si 1

lim n
n

EJEMPLO 4.6. En un movimiento migratorio, una poblacin de aves se encuentra repartida en

dos humedales A y B. Se conoce que al cabo de un ao, el 70% de las aves en A se desplazan a
B; en cambio el 50% de B se desplaza a A.
a) Calcula matriz de transicin
Si llamamos xn= aves en zona A e yn= poblacin en zona B, se tiene que
x n 0.3x n 1 0.5 y n 1
x 0.3 0.5 x n 1
z n Az n 1

n
y n 0.7 x n 1 0.5 y n 1 y n 0.7 0.5 y n 1
b) Si inicialmente haba el mismo nmero de aves en cada humedal Cul ser el porcentaje
en cada uno de ellos al cabo de tres aos?
0.3 0.5

z 3 A z 0
0.7 0.5
3

0.5 41.6

0.5 58.4

c) Qu evolucin seguir el sistema a largo plazo ?

Teniendo en cuenta hay que calcular
lim z n lim ( 1 1n z1 2 n2 v 2 )
n

Empezaremos calculando los valores propios de A.

0.3
0.5
1
0 1 ; 2 1
0.7
0.5
5

Por tanto la expresin (1) nos quedara

n

1
lim z n lim ( 1 z1 2 1n v 2 ) 0 2 v 2
n
n
5
A continuacin estudiemos solo el vector asociado a = 1.
0'7 0'5

0'7 0'5

A 1I V 0

x

y

0.7 x 0.5 y 0
5 / 7
x 5/ 7y v
y
0'7 x 0'5 y 0
1

Esto significa que a largo plazo tendramos una relacin de 5 a 7, es decir, en la zona A
el nmero de aves tiende a estabilizarse en el 5/12 (aproximadamente un 41666%) y en la
zona B el 7/12 (aproximadamente un 5833%). En definitiva la poblacin tendera a
estabilizarse rpidamente.
El ejemplo anterior es una muestra de lo que se denomina cadenas de Markov, en los
que la matriz de transicin A es una matriz con todas las entradas no negativas y en las cuales
cada columna suma 1. En estos casos se puede demostrar que = 1 s un valor propio de A y los
dems cumplen ||<1, por tanto
lim z n v
n

siendo v un vector propio de A asociado al valor propio = 1

EJEMPLO 4. 7 La lechuza moteada es el principal depredador de la rata de bosque. La relacin

mensual entre ambas poblaciones viene expresado con el siguiente sistema:

a n 1 0' 5a n 0' 4bn

bn 1 pa n 1' 1bn

an= poblacin de lechuzas en el mes n

bn= poblacin en miles de ratas en el mes n
1000p= nmero medio de ratas que consumen mensualmente la lechuza.

Determinar la evolucin del sistema cuando por termino medio las lechuzas consumen 104
ratas / mes.
Las ecuaciones que definen las relaciones del sistema se pueden establecer matricialmente:
0' 5 0' 4 an
an 1

b
n 1 0' 104 1' 1 bn

Ahora disponemos de una matriz de transicin que no responde al modelo de Markov

0' 5 0' 4

0' 104

1' 1

El polinomio caracterstico de T y por tanto sus valores propios vienen dado por:

0'5
0'4
0 1'02; 0'58
0'104 1'1
El subespacio asociado para = 102:
0' 52 0' 4

0' 104 0' 08

x

y

0
0.52 x 0.4 y 0

y 52 x / 40
0
0' 104 x 0' 08 y 0

H(102) ={(1,52/40)}= <(40,52)>=<(10,13)>.

El subespacio asociado para = 058:

 0' 08 0' 4

0' 104 0' 52

x

y

0.08 x 0.4 y 0
x 5y
0' 104 x 0' 52 y 0

H(058) = {(5y, y)}= <(5,1)>

Por tanto tenemos que B={(10,13), (5,1)} es una base de vectores propios de R2.
Llamemos u y v a los siguientes vectores
10

, v
13

y X0 la poblacin inicial del sistema, dado que B es base se tiene que X0 ser combinacin
lineal de u y de v : X0= (au+ bv)
Consecuentemente tendremos que:
X1= TX0,= T(au+ bv)= aTu+ bTv= a102u+ b058v;
X2 = TX1 = T(a102u+ b058v)= a102Tu+ b058Tv= a1022 u+ b0582v;
...........................

Xn= TXn-1= a(102)nu+ b(058)n v

Luego para n suficientemente grande se tiene (058)n ser un valor prximo a cero, por tanto
podemos concluir que:
a) Xn= a(102) nu , es decir, la poblacin del sistema tiende a ser un mltiplo de u, por tanto,
por cada 10 lechuzas habr 13.000 ratas.
b) Xn+1= a(102) n+1u= 102 a (102) n u= 102 Xn, , es decir, la poblacin de lechuzas y ratas
tienden a aumentar un 2% mensualmente.