Diagonalización

Definición: Sean A y B matrices de n × n. Se dice que A es semenjante o

similar a B si existe una matriz no singular P tal que:
B = P −1 AP
   
−4 −10 1 −1
Ejemplo: Si A = y B= . Pruebe que B = P −1 AP,
3 7 0 2
 
2 −3
donde P =
−1 2

Solución: Calculando la inversa de P :

 
2 3
det(P ) = 4 − 3 = 1 =⇒ P −1 =
1 2
         
−1 2 3 −4 −10 2 −3 1 1 2 −3 1 −1
=⇒ P AP = = =
1 2 3 7 −1 2 2 4 −1 2 0 2
por tanto, P −1 AP .

Teorema: La matrices semejantes tienen los mismos valores propios (ei-

genvalores).
Demostración: Si A y B son semejantes, entonces existe una matriz no
singular P tal que:
B = P −1 AP
Luego, el polinomio característico de B es:
det(B − λI) = det(P −1 AP − λI)
La matriz P es no singular, entonces I = P −1 P , así:
det(P −1 AP − λP −1 P ) = det[P −1 (AP − λP )] = det[P −1 (A − λI)P ]
= det(P −1 ) det(P ) det(A − λI)
det(B − λI) = det(P −1 ) det(P ) det(A − λI)
| {z }
1

=⇒ det(B − λI) = det(A − λI)

1
Por tanto, A y B tienen los mismos polinomios característicos y por tanto,
los mismos eigenvalores.

Observación: Las matrices semejantes a las matrices diagonales se llaman

diagonalizables.

Definición: Una matriz de n × n es diagonalizable si A es semjante a una

matriz diagonal, es decir, A es diagonalizable si existe una matriz invertible
P tal que P −1 AP es una matriz diagonal. En este caso, decimos que A puede
ser diagonalizada y P diagonaliza a A.

Observaciones:
1. Las matrices diagonales quedan completamente determinada al dar sus
elementos de la diagonal principal, y esto nos permite especificar una
matriz diagonal D = [dij ] de n × n en la forma compacta:

D = diag(d1 , d2 , . . . , dn )

donde di , i = 1, 2, . . . , n denota los elementos de la diagonal principal.

2. Sean A y B matrices de 2 × 2, entonces
    
a11 a12 b11 b12 a11 b11 + a12 b21 a11 b12 + a12 b22
AB = =
a21 a22 b21 b22 a21 b11 + a22 b21 a21 b12 + a22 b22
   
b11 b
Si las columnas de B son los vectores X1 = ; X2 = 12
b21 b22

Note que:

Columna 1 de AB es: AX1

Columna 2 de AB es: AX2

=⇒ AB = [AX1 AX2 ]

2
 En general, si A y B son matrices de n × n, entonces:

AB = A[X1 X2 · · · Xn ] = [AX1 AX2 · · · AXn ]

donde X1 , X2 , . . . , Xn son las columnas de B.

Teorema: Una matriz A de n × n es diagonalizable, si y sólo si, tiene n

eigenvectores linealmente independientes. En este caso, la matriz diagonal D
similar a A está dada por
 
λ1 0 . . . 0
 0 λ ... 0 
2
D =  .. .. . .  = diag(λ1 , λ2 , . . . , λn )
 
.
. .. 
. .
0 0 . . . λn
donde λ1 , λ2 , . . . , λn son los eigenvalores de A. Si P es una matriz cuya co-
lumnas son eigenvectores linealmente independientes de A, entonces:
D = P −1 AP
Demostración: Primero asumiremos que A tiene n eigenvectores linealmente
independientes v1 , v2 , . . . , vn correspondientes a los eigenvalores λ1 , λ2 , . . . , λn
(no necesariamente distintos). Sean
     
p11 p12 p1n
p  p  p 
 21   22   2n 
v1 =  ..  , v2 =  ..  , . . . , vn =  .. 
 .   .   . 
pn1 pn2 pnn
y sea
 
p11 p12 . . . p1n
p p . . . p2n 
 21 22
P =  ..

.. . . . ... 
 . . 
pn1 pn2 . . . pnn
Luego, P es invertible, pues sus columnas son linealmente independientes.
Ahora,
AP = A[v1 v2 · · · vn ] = [Av1 Av2 · · · Avn ]

3
v1 , v2 , . . . , vn son los eigenvectores de A, entonces

Av1 = λ1 v1 ; Av2 = λ2 v2 ; . . . ; Av2 = λn vn

=⇒ AP = [Av1 Av2 · · · Avn ] = [λ1 v1 λ2 v2 · · · λn vn ]

Por otro lado:

  
p11 p12 . . . p1n λ1 0 . . . 0
p p . . . p2n   0 λ2 . . . 0 
 
 21 22
P D =  .. .. . . . ..   .. .. . . . .. 
 . . .  . . .
pn1 pn2 . . . pnn 0 0 . . . λn
 
λ1 p11 λ2 p12 . . . λn p1n
λ p λ p . . . λn p2n 
 1 21 2 22
=  .. ..  = [λ1 v1 λ2 v2 · · · λn vn ]

.. ...
 . . . 
λ1 pn1 λ2 pn2 . . . λn pnn

Así, AP = P D (∗)

Puesto que P es invertible, multiplicar ambos miembros por el lado izquierdo

de (∗) por P −1 para obtener:

D = P −1 AP

Hemos probado que si A tiene n eigenvectores linealmente independientes,

entonces A es diagonalizable.

Por el contrario, suponga que A es diagonalizable, esto es D = P −1 AP

para una matriz invertible P . Sean v1 , v2 , . . . , vn los vectores columnas de P .
Luego, AP = P D y reservando los argumentos anteriores, observamos que:

Avi = λi vi , para i = 1, 2, . . . , n

Así, v1 , v2 , . . . , vn son los eigenvectores de A y son linealmente independientes,

ya que, P es invertible.

4
Corolario: Si una matriz A de n×n tiene n eigenvectores distintos, entonces
A es diagonalizable.

 
4 2
Ejemplo 1: Si es posible, diagonalice A = .
3 3

Solución: Calculemos primeros los valores propios de A. Ecuación caracte-

rística:
 
λ − 4 −2 
P (λ) = det(λI − A) =   = (λ − 4)(λ − 3) − 6
−3 λ − 3
= λ2 − 7λ + 6 = (λ − 1)(λ − 6) = 0

Eigenvalores: λ1 = 1; λ2 = 6

Eigenvectores: Para λ1 = 1
    
3 2 x1 0
(A − λ1 I)v = (A − I)v = =
3 2 x2 0

Es claro que cualquier eigenvector correspondiente a λ1 = 1 satisface la ecua-

2
ción 3x1 + 2x2 = 0 =⇒ x1 = − x2 . Si x2 = −3 =⇒ x1 = 2, entonces el
3
eigenvector correspondientes a λ1 = 1 es:
   
x 2
v1 = 1 =
x2 −3

De manera similar, para λ2 = 6:

    
−2 2 x1 0
(A − λ2 I)v = (A − 6I)v = =
3 −3 x2 0

Entonces, −x1 + x2 = 0 =⇒ x1 = x2 . Si x2 = 1 =⇒ x1 = 1. Así,

   
x 1
v2 = 1 =
x2 1

5
Utilizando los eigenvectores como columnas, obetenemos la matriz no singular
P , que diagonaliza a A:
 
2 1
P = [v1 v2 ] =
−3 1
Calculando la inversa de P :
 
1 1 −1
det(P ) = 2 + 3 = 5 =⇒ P −1 =
5 3 2
Llevando a cabo la multiplicación P −1 AP , tenemos:
        
1 1 −1 4 2 2 1 1 1 −1 2 6 1 5 0
P −1 AP = = =
5 3 2 3 3 −3 1 5 3 2 −3 6 5 0 30
 
1 0
= = diag(1, 6) = diag(λ1 , λ2 )
0 6
Lo cual es la matriz cuya diagonal son los eigenvalores de A.

 
1 −1 4
Ejemplo 2: Si es posible diagonalice A = 3 2 −1
2 1 −1
Solución: Ecuación característica:

 
λ − 1 1 −4 
1  = λ3 − 2λ2 − 5λ + 6
 
p(λ) = det(λI − A) =  −3 λ − 2
 −2 −1 λ + 1
= (λ − 1)(λ + 2)(λ − 3) = 0

Luego, λ1 = 1, λ2 = −2 y λ3 = 3 son los eigenvalores de A. Calculando los

eigenvectores:
Para λ1 = 1, tenemos:
    
0 −1 4 x1 0
(A − λ1 I) = (A − I) = 3 1 −1 x2  = 0
2 1 −2 x3 0

6
Resolviendo este sistema de ecuaciones lineales por Gauss-Jordan:

   
0 −1 4 0 R1 ↔ R3 2 1 −2 0
3 1 −1 0  ∼ 3 1 −1
 0 −3R1 + 2R2 ∼
2 1 −2 0 0 −1 4 0
   
2 1 −2 0 R1 + R2 2 0 2 0 1/2R1
0 −1 4 0 ∼ 0 −1 4 0 −R2 ∼
0 −1 4 0 −R2 + R3 0 0 0 0
 
1 0 1 0
0 1 −4 0
0 0 0 0
=⇒ x1 = −x3 ; x2 = 4x3 . Si x3 = 1 =⇒ x1 = −1, x2 = 4, entonces:
   
x1 −1
v1 = x2  =  4
x3 1

Cualquier otro eigenvector de A correspondiente a λ1 = 1 es un múltiplo de

v1 .

Para λ2 = −2, tenemos:

    
3 −1 4 x1 0
(A − λ2 I) = (A + 2I) = 3 4 −1 x2 = 0
    
2 1 1 x3 0

Resolviendo este sistema de ecuaciones lineales:

   
3 −1 4 0 3 −1 4 0 5R1 + R2
3 4 −1 0 −R1 + R2 ∼ 0 5 −5 0
2 1 1 0 −2R1 + 3R3 0 5 −5 0 −R2 + R3

7
    
15 0 15 0 1/15R1 1 0 1 0
∼  0 5 −5 0 1/5R2 ∼ 0 1 −1 0
0 0 0 0 0 0 0 0

=⇒ x1 = −x3 ; x2 = x3 . Si x3 = −1 =⇒ x1 = 1, x2 = −1, entonces:

   
x1 1
v2 = x2  = −1
x3 −1

Para λ3 = 3, tenemos:
    
−2 −1 4 x1 0
(A − λ3 I) = (A − 3I) =  3 −1 −1 x2  = 0
2 1 −4 x3 0

Resolviendo este sistema de ecuaciones lineales:

   
−2 −1 4 0 −2 −1 4 0 −5R1 + R2
 3 −1 −1 0 3R1 + 2R2 ∼  0 −5 10 0
R1 + R3
2 1 −4 0 0 0 0 0

   
10 0 −10 0 1/10R1 1 0 −1 0
∼  0 −5 10 0 −1/5R2 ∼ 0 1 −2 0
0 0 0 0 0 0 0 0

=⇒ x1 = x3 ; x2 = 2x3 . Si x3 = 1 =⇒ x1 = 1, x2 = 2, entonces:
   
x1 1
v3 = x2  = 2
x3 1

Luego, la matriz que diagonaliza la matriz A es:

 
−1 1 1
P = [v1 v2 v3 ] =  4 −1 2
1 −1 1

8
Calculando P −1 para mostrar que P −1 AP = diag(λ1 , λ2 , λ3 ) = diag(1, −2, 3).
   
−1 1 1 1 0 0 −1 1 1 1 0 0 −3R1 + R2
 4 −1 2 0 1 0 4R1 + R2 ∼  0 3 6 4 1 0
1 −1 1 0 0 1 R1 + R3 0 0 2 1 0 1
   
3 0 3 1 1 0 −3R3 + 2R1 6 0 0 −1 2 −3
∼ 0 3 6 4 1 0 −3R3 + R2 ∼ 0 3 0 1 1 −3
0 0 2 1 0 1 0 0 2 1 0 1
 
1/6R1 1 0 0 −1/6 1/3 −1/2
1/3R2 ∼ 0 1 0 1/3 1/3 −1
1/2R3 0 0 1 1/2 0 1/2
 
−1/6 1/3 −1/2
P −1 =  1/3 1/3 −1
1/2 0 1/2

Luego,
   
−1/6 1/3 −1/2 1 −1 4 −1 1 1
−1
P AP =  1/3 1/3 −1 3 2 −1  4 −1 2
1/2 0 1/2 2 1 −1 1 −1 1
    
−1/6 1/3 −1/2 −1 −2 3 1 0 0
=  1/3 1/3 −1  4 2 6 = 0 −2 0
1/2 0 1/2 1 2 3 0 0 3

= diag(1, −2, 3)

 
4 1
Ejemplo 3: Si es posible, diagonalice A =
0 4

Solución: Ecuación característica:

 
λ − 4 −1  = (λ − 4)2 = 0

p(λ) = det(λI − A) = 
0 λ − 4

9
Luego, λ = 4 es el eigenvalor de multiplicidad 2, entonces:
    
0 1 x1 x
(A − λI)v = (A − 4I)v = = 2
0 0 x2 0

Luego, x2 = 0 y x1 es arbitraria. Si x1 = 1, entonces:

   
x 1
v= 1 =
x2 0
 
1
El único eigenvector linealmente independientes de A es v = , por tanto
0
A no es diagonalizable.

Nota: Hacer ejercicios sección 2.12, página 134: 1, 3, 5, 8, 9, 11, 13, 14, 15,
17, 18, 19

10