MATRIZ ORTOGONAL

Una matriz ortogonal, (es una matriz cuadrada no singular

1
) es una
matriz A, que su inversa es igual a su transpuesta.
A
-1
= A
t
1
Una matriz cuadrada es regular o no singular si: Det (a
ij
) 0
Si A
-1
= A
t
A A
-1
= A A
t

A
-1
A = A
t
A
A A
t
= A
t
A = I
PROPIEDADES:
Si (AB)(AB)
t
ABB
t
A
t
A I A
t
A A
t
= I

Si (AB)
t
(AB) B
t
A
t
AB

B
t
I B

B
t
B = I

DETERMINANTE DE UNA MATRIZ
El determinante de una matriz es un escalar, obtenido a partir de los
elementos de una matriz por operaciones especificas y que es
caracterstico de la matriz.
Los determinantes estn definidos solamente para matrices
cuadradas.
1 3 4
2 1 3
0 1 4
A
(
(
=
(
(

Sea la matriz A:
Hallar la determinante de la Matriz A mediante los siguientes mtodos:
REGLA DE SARRUS:
1 3 2 3 2 1
( ) 1 3 4
1 4 0 4 0 1
Det A A

( ( (
= = +
( ( (

1 3 4
2 1 3
0 1 4
A
(
(
=
(
(

( ) 1(4 3) 3( 8 0) 4( 2 0) Det A A = = +
( ) 1(1) 3( 8) 4( 2) Det A A = = +
( ) 1 24 8 Det A A = = + ( ) 17 Det A A = =
Interpretacin Geomtrica de determinantes de orden 3:
(a
11
, a
12
, a
13
)

X
Z
Y
(a
21
, a
22
, a
23
)

(a
31
, a
32
, a
33
)

11 12 13
21 22 23
31 32 33
a a a
a a a
a a a
=
El volumen del
cubo esta
construido
sobre los tres
vectores.
REGLA DE CRAMER:
Sea el sistema de ecuaciones lineales:
11 1 12 2 1
21 1 22 2 2
a X a X b
a X a X b
+ =
+ =
su matriz de coeficientes es:
11 12
21 22
a a
A
a a
| |
=
|
\ .
resolviendo el sistema se tiene:
1 22 2 12
1
11 22 21 12
b a b a
X
a a a a

2 11 1 21
2
11 22 21 12
b a b a
X
a a a a

1 11 12 1
2 21 22 2
X a a b
X a a b
| || | | |
=
| | |
\ .\ . \ .
1
1 1 11 12
2 2 21 22
X b a a
X b a a

| | | || |
=
| | |
\ . \ .\ .
Ntese que el denominador de X
1
y X
2
son comunes, el cual viene hacer
el determinante de la matriz A.
11 22 21 12
( ) ( ) Det A D A A a a a a = = =
Ntese que si este determinante ( IAI= 0 ) es cero, las expresiones X
1
y
X
2
se quedan sin sentido (no tiene solucin o tiene soluciones infinitas).
Las matrices de orden 2 x 2, tendrn un determinante de orden 2.
Los numeradores de las expresiones X
1
y X
2
se pueden escribir tambin
como determinantes. En efecto si IAI 0, entonces:
1 22 2 12
1
11 22 21 12
b a b a
X
a a a a

1 12
2 22
1
b a
b a
X
A
| |
|
\ .
=
1 12
2 22
1
11 12
21 22
b a
b a
X
a a
a a
| |
|
\ .
=
| |
|
\ .
Este es un caso particular de un
resultado que se conoce como la
Regla de Cramer.
2 11 1 21
2
11 22 21 12
b a b a
X
a a a a

2 21
1 11
2
b a
b a
X
A
| |
|
\ .
=
2 21
1 11
2
11 12
21 22
b a
b a
X
a a
a a
| |
|
\ .
=
| |
|
\ .
Este es un caso particular de un
resultado que se conoce como la
Regla de Cramer.
Ejemplo: Hallar las soluciones del siguiente sistema de ecuaciones,
utilizando la regla de Cramer.
1 2
1 2
2 4 7
2 2 2
X X
X X
+ =
=
Solucin:
1
7 4
2 2 6 1
2 4
12 2
2 2
X
| |
|

\ .
= = =
| |
|

\ .
2
2 7
2 2 18 3
2 4
12 2
2 2
X
| |
|

\ .
= = =
| |
|

\ .
Comprobamos si la
solucin es correcta,
reemplazando X
1
y X
2

en el sistema de
ecuaciones.
Hallar Q
1
d
y Q
2
d
en funcin de los parmetros en el sistema
1 1 2 1
1 2 2 2
2( )
2( )
d d
d d
b B Q bQ a
bQ b B Q a
o
o
+ + =
+ + =
La matriz de coeficientes ser:
1
2
2( )
2( )
b B b
A
b b B
+
=
+
El determinante de la matriz A, ser:
1 2
2( )2( ) A b B b B bb = + +
2
1 2
4( )( ) A b B b B b = + +
Como IAI 0, las soluciones sern:
1
2 2
2 1 2
1
2( )
2( )( ) ( )
d
a b
a b B
b B a b a
Q
A A
o
o
o o

+
+
= =
1 1
2
1 2 1
2
2( )
2( )( ) ( )
d
b B a
b a
b B a b a
Q
A A
o
o
o o
+

+
= =
Cuando se trata o trabaja con varias variables, es conveniente utilizar la
regla de Cramer.
Interpretacin Geomtrica de determinantes de orden 2:
Las determinantes de orden 2 tienen una interpretacin geomtrica
curiosa, como se puede ver en las siguientes figuras:
T
T
2
T
1
T
3
T
1
T
2
T
3
Donde:
T
1
= a
12
a
21
T
2
= 1/2(a
21
a
22
)
T
3
= 1/2(a
11
a
12
) T

= a
11
a
22
a
21
a
12
2T
1
+ 2T
2
+ 2T
3
+ T

= (a
11
+

a
21
)(a
12
+ a
22
)
a
11
+ a
21
a
12
+ a
22
a
22
a
12
a
21
a
11
a
11
, a
12
T
a
21
, a
22
11 12
21 22
a a
Area T
a a
= =
R = Resultante
a
11
, a
12
T
a
21
, a
22
11 12
21 22
a a
Area T
a a
= =
3 0
18
2 6
Area T = = =
(a
11
, a
12
)

(a
21
, a
22
)

(2,6)
(3,0)
(5,6)
6
5
0
6
5
0
3
rea Total = T
2
+ T
2
+ T
rea Total = 6 + 6 + 18
rea Total = 30
TALLER 4:
Dado los siguientes modelos, ligado a dos pases (i =1, 2) que
comercializan entre s:
1 1 1 1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2 2 2
; ;
; ;
Y C A X M C c Y M mY
Y C A X M C c Y M m Y
= + + = =
= + + = =
Donde:
Y
i
= Renta. C
i
= Consumo. A
i
= Gasto Autnomo (exgeno)
X
i
= Exportaciones. M
i
= Importaciones.
(a) Interpretar las dos ecuaciones X
1
= M
2
y X
2
= M
1

(b) Dadas las ecuaciones de la parte (a), calcular los valores de equilibrio
de Y
1
y Y
2
como funciones de las variables exgenas.
(c) Como afecta a Y
2
un aumento de A
1
?. Interpretar su resultado.
Dado la matriz A:

Calcular el determinante de A y hallar los valores de t para los cuales
IAI = 0.
2
2 1
2 2
t t
A
t
| |
=
|
\ .
REGLA DE CHIO:
1 3 4
2 1 3
0 1 4
A
(
(
=
(
(

1 3 4
0 7 11
0 1 4
A
(
(
=
(
(

F
1
F
2
F
3
L
1
L
2
= F
2
+2F
1
L
3
=F
3
( ) 1(28 11) Det A A = =
( ) 1(17) Det A A = =
( ) 17 Det A A = =
7 11
( ) 1
1 4
Det A A
(
= =
(

Pivote
REGLA DE LOS COFACTORES:
1 3 4
2 1 3
0 1 4
A
(
(
=
(
(

1
1
3 4
3
2
4
2 1 3
0 1
1 3
4

1
1
3 4
3
2
4
2 1 3
0 1
1 3
4

-
-
-
+
+
+
1 3 4
2 1 3
1 3
2 1
0 1 0 1 4

1 3 4
2 1 3
1 3
2 1
0 1 0 1 4

- - -
+ + +
| |
(1 1 4) ( 2 1 4) (0 3 3) A x x x x x x = + +
| |
(4 1 0) (3 1 1) (4 3 2) x x x x x x + +
| | | |
(4) ( 8) (0) (0) (3) ( 24) A = + + + +
| | | |
( 4) ( 21) A =
| |
( 4) 21 A = +
| |
17 A =
TALLER 4:
Hallar la determinante de la matriz A, por el mtodo de Chio:
2 0 1 2
3 2 2 3
0 2 2 2
2 3 0 1
A

(
(

(
=
(
(

Respuesta tentativa: Det(A) = -32
2 0 0 5
1 1 0 0
2 1 3 4
6 5 2 1
A
(
(

(
=
(
(

Hallar la determinante de la matriz A, por el mtodo de Sarrus:
Reglas Bsicas para los Determinantes:
Si todos los elementos de una o ms filas o columnas de A
son 0, entonces IAI = 0.
El determinante de la transpuesta de A coincide con el de A:
IAI = IA
t
I.
Si B es la matriz que se obtiene multiplicando todos los
elementos de una fila (o columna) de A por el nmero ,
entonces IBI = IAI.
Si se intercambian dos filas (o columnas) de A, el
determinante cambia de signo, pero conserva su valor
absoluto.
Si A tiene dos filas (o columnas) iguales, entonces IAI = 0.
Si A tiene dos filas (o columnas) proporcionales, entonces IAI
= 0.
Reglas Bsicas para los Determinantes:
Si se sustituye una fila (o columna) por ella ms un mltiplo escalar de
otra fila (o columna) distinta, el determinante no vara.
El determinante del producto de las dos matrices A y B de orden n x n
es igual al producto de los determinantes de los factores:
IABI = IAI . IBI
Si A es una matriz n x n y es un nmero real, es:
IAI =
n
IAI
El determinante de una suma no es igual a la suma de los
determinantes:
IA + BI IAI + IBI
TALLER 4:
Demostrar con ejemplos, cada una de las 10 reglas
bsicas para los determinantes.
REGLA DE LAPLACE: expansin de Laplace del
Determinante de n-simo orden
La extensin de Laplace utiliza el concepto de la matriz menor del
cofactor. Se puede expresar como:
La extensin de Laplace de un
determinante de n-simo orden
reducir el problema a uno en el que
se evalan n cofactores.
Ejemplo:
5 6 1
2 3 0
7 3 0
A
(
(
=
(
(

Dado la matriz A, hallar su
determinante
Primero se desarrollaran las filas y despus las
columnas, tomando en cuenta la matriz de signos:
+ +
(
(
+
(
( + +

6 1 5 1 5 6
2 3 0 6 21 0 27
3 0 7 0 7 3
A
( ( (
= + = + =
( ( (


El desarrollo de la segunda fila produce el resultado:
6 1 5 1 5 6
7 ( 3) 0 21 6 0 27
3 0 2 0 2 3
A
( ( (
= + = + =
( ( (

El desarrollo de la tercera fila produce el resultado:
3 0 2 0 2 3
5 6 1 0 0 27 27
3 0 7 0 7 3
A
( ( (
= + = =
( ( (


El desarrollo de la primera fila produce el resultado:
5 6 1
2 3 0
7 3 0
A
(
(
=
(
(

+ +
(
(
+
(
( + +

2 0 5 1 5 1
6 3 ( 3) 0 21 6 27
7 0 7 0 2 0
A
( ( (
= + = =
( ( (

El desarrollo de la segunda columna produce el resultado:
2 3 5 6 5 6
1 0 0 27 0 0 27
7 3 7 3 2 3
A
( ( (
= + = + + =
( ( (


El desarrollo de la tercera columna produce el resultado:
3 0 6 1 6 1
5 2 7 0 6 21 27
3 0 3 0 3 0
A
( ( (
= + = =
( ( (


El desarrollo de la primera columna produce el resultado:
5 6 1
2 3 0
7 3 0
A
(
(
=
(
(

+ +
(
(
+
(
( + +

2 3
1 1( 6 21) 27
7 3
A
(
= + = =
(

El desarrollo de la tercera columna produce el mismo resultado y con
ella simplificamos las operaciones.
5 6 1
2 3 0
7 3 0
A
(
(
=
(
(

+ +
(
(
+
(
( + +

Trabajando las filas y las columna obtenemos el mismo resultado. Lo que
buscamos es simplificar todas estas operaciones y buscamos la fila o
columna que tiene los mayores elementos nulos (0) o tendientes a cero, o
con elementos unitarios.
En resumen, el valor de un determinante IAI de orden n se determina
mediante la expansin de Laplace de cualquier fila o columna.
1
( )
n
i j ij
j
Det A a C
=
=

1
( )
n
i j ij
i
Det A a C
=
=

expansin mediante el i-sima fila

expansin mediante el j-sima columna
INVERSA DE UNA MATRIZ
Dada una matriz A cuadrada, diremos que la matriz A
-1
es la matriz
inversa de A si:

AA
-1
= A
-1
A = I

No toda matriz cuadrada tiene inversa.
La condicin necesaria y suficiente para que una matriz cuadrada
admita inversa, es que su determinante sea distinto de cero.

PROPIEDADES:
La inversa de una matriz cuadrada es nica.
(A
-1
)
-1
= A
(AB)
-1
= B
-1
A
-1
(A
-1
)
t
= (At)
-1
MTODO DE LA ADJUNTA:
1 2 1
1 2 0
1 2 3
A
(
(
=
(
(

1
1
( ) A Adj A
A

=
Primer Paso:
Hallar la determinante de la matriz A:
| | | |
( ) 6 2 0 2 0 6 Det A = + + + +
| | | |
( ) 4 4 Det A =
( ) 8 Det A =
Segundo Paso:
Hallar la matriz menor de A:
2 0 1 0 1 2
2 3 1 3 1 2
2 1 1 1 1 2
( )
2 3 1 3 1 2
2 1 1 1 1 2
2 0 1 0 1 2
M A
(
( ( (
(
( ( (

(
(
( ( (
( =
( ( (
(

(
( ( (
(
( ( (
(



6 3 4
( ) 4 2 0
2 1 4
M A

(
(
=
(
(

Tercer Paso:
Hallar la matriz de cofactores de A:
6 3 4
( ( )) 4 2 0 *
2 1 4
M Cof A
+ +
( (
( (
= +
( (
( ( + +

6 3 4
( ( )) 4 2 0
2 1 4
M Cof A

(
(
=
(
(

Cuarto Paso:
Hallar la matriz adjunta de A:
(Que viene hacer la transpuesta de la M(Cof(A))
| |
6 3 4
( ( )) 4 2 0 ( ( )
2 1 4
t
t
M Cof A M Adj A

(
(
= =
(
(

6 4 2
( ( )) 3 2 1
4 0 4
M Adj A

(
(
=
(
(

Quinto Paso:
Aplicar en la frmula en los
resultados obtenidos:
1
1
( ( )) A M Adj A
A

=
1
6 4 2
1
3 2 1
8
4 0 4
A

(
(
=
(

(

1
6/ 8 4/ 8 2/ 8
3/ 8 2/ 8 1/ 8
4/ 8 0/ 8 4/ 8
A

(
(
=
(
(

1
3/ 4 1/ 2 1/ 4
3/ 8 1/ 4 1/ 8
1/ 2 0 1/ 2
A

(
(
=
(
(

MTODO DE GAUSS:
Este mtodo consiste en convertir la matriz A
en una matriz identidad

1 2 1 1 0 0
1 2 0 0 1 0
1 2 3 0 0 1
( (
( (

( (
( (

1 2 1
1 2 0
1 2 3
A
(
(
=
(
(

L
1
L
2
L
3
A
I
1 2 1 1 0 0
0 4 1 1 1 0
0 0 2 1 0 1
( (
( (

( (
( (

M
1
= L
1
M
2
= L
2
M
1
M
3
= L
3
M
1
Pivote
1 2 1 1 0 0
0 4 1 1 1 0
0 0 2 1 0 1
( (
( (

( (
( (

M
1
= L
1
M
2
= L
2
M
1
M
3
= L
3
M
1
1 0 1/ 2 1/ 2 1/ 2 0
0 1 1/ 4 1/ 4 1/ 4 0
0 0 2 1 0 1
( (
( (

( (
( (

N
1
= M
1
-2N
2
N
2
= M
2
(-1/4)
N
3
= M
3
1 0 0 3/ 4 1/ 2 1/ 4
0 1 0 3/ 8 1/ 4 1/ 8
0 0 1 1/ 2 0 1/ 2

( (
( (

( (
( (

O
1
= N
1
- (1/2)O
3
O
2
= N
2
- (1/4)O
3
O
3
= N
3
(1/2)

A
-1
I

Verificando que: A.A
-1
= I

1 2 1 3/ 4 1/ 2 1/ 4 1 0 0
1 2 0 * 3/ 8 1/ 4 1/ 8 0 1 0
1 2 3 1/ 2 0 1/ 2 0 0 1

( ( (
( ( (
=
( ( (
( ( (

A
-1
A

I

Por lo tanto, se verifica que: A.A
-1
= I

TALLER 4:
Hallar la inversa de la matriz A, utilizando el teorema de Hamilton - Cayley
Dada la matriz:
3 2
1 2
A

(
=
(

TALLER 4:
Leer y practicar del libro Mtodos Fundamentales de
Economa Matemtica. Alpha C. Chiang:
Las aplicaciones y ejercicios de
estos temas (determinantes e
inversas de matrices) aplicados a
modelos de mercado y en el
ingreso nacional, se encuentran en
las paginas 107 al 112.
Tenemos
que
estudiar...
RANGO DE UNA MATRIZ
Dado una matriz A, se denomina rango de una matriz A, R(A), al orden
de la mayor sub-matriz cuadrada contenida en la matriz A, que posea
determinante diferente de cero (no nulo).
PROPIEDADES:
R(A) es un nmero natural, incluyendo el cero.
R(I
n
) = n
La matriz nula de cualquier orden tiene un rango igual a cero:
R() = 0

Si A es una matriz de orden: (mxn), entonces:
R(A) mn(m,n)
R(A) = R(A
t
)
Si en una matriz A intercambiamos entre s dos o ms lneas
paralelas, la matriz resultante (A
.
). Se verifica que:
R(A
.
) = R(A)
Dada la siguiente matriz:
3 1 2
6 2 4
A
(
=
(

Hallar el rango
de la matriz A
3 1 2
6 2 4
A
(
=
(

(2 x 3)
m x n
3 1 2
6 2 4
A
(
=
(

D(A
11
) = 3 0
D(A
12
) = 1 0
D(A
13
) = 2 0
D(A
21
) = 6 0
D(A
22
) = 2 0
D(A
23
) = 4 0
1
3 1
( ) 0
6 2
D A
(
= =
(

2
3 2
( ) 0
6 4
D A
(
= =
(

3
1 2
( ) 0
2 4
D A
(
= =
(

Sub matrices de orden
(1x1)
Sub matrices de orden
(2x2)
Por lo tanto, R(A) = 1 pues el orden de mayor determinante no nulo
que posee la matriz A es uno
Determinar el rango de la siguiente matriz:
1 1 0
1 2 3
0 1 2
A

(
(
=
(
(

(3 x 3)
m x n
D(A
11
) = 1 0 D(A
11
) = 1
1
1 1
( ) 1 0
1 2
D A

(
= = =
(

R(A
1
) = 2
1 1 0
( ) 1 2 3 1 0
0 1 2
D A

(
(
= = =
(
(

R(A) = 3
Por lo tanto el R(A) = 3
Determinar el rango de la matriz:
0 1 5
2 3 1
2 4 4
2 2 6
A
(
(

(
=
(
(

(4 x 3)
m x n
D(A
11
) = 0 = 0 D(A
11
) = 0
Entonces intercambiamos entre s las
columnas 1 y 2:
1 0 5
3 2 1
4 2 4
2 2 6
A
(
(

(
=
(
(

D(A
11
) = 1 0 D(A
11
) = 1
1
1 0
( ) 2 0
3 2
D A
(
= = =
(

R(A
1
) = 2
2
3 2 1
( ) 4 2 4 0 0
2 2 6
D A

(
(
= = =
(
(

R(A
2
) = E
Como cualquier combinacin de las matrices de 3x3 sus
determinantes es igual a cero y el orden del mayor determinante de
A distinto de cero (0) es 2
Por lo tanto, el R(A) = 2
TALLER 4:
Calcular el rango de la matriz:
0 1 1 2 2
2 3 5 8 3
0 2 2 4 5
0 0 1 1 9
A
(
(
(
=
(
(

Calcular la inversa de las siguientes matrices:
4 1 3
2 1 4
0 1 2
A
(
(
=
(
(

1 2 3
0 1 1
1 3 0
B
(
(
=
(
(

MATRICES SEMEJANTES
Dos matrices cuadradas A y B de orden n son semejantes, si y solo si,
existe una matriz no singular P (con determinante no nulo) tal que se
verifica que::
B = P
-1
AP

La transformacin de A en B (o de B en A) se llama transformacin de
semejanza.
Esta relacin de semejanza en el conjunto de las matrices cuadradas es
una relacin de equivalencia.
Por tanto, todas las matrices semejantes a una matriz dada de orden n
constituyen una clase de equivalencia en el conjunto de las matrices de
dicho orden.
bien
A = P
-1
BP

Obsrvese que P es la matriz de cambio de base de las bases cannicas
a la nueva base y contiene los vectores de la base respecto de la cual
tiene por matriz asociada la matriz diagonal
TEOREMA 1:
Dos matrices semejantes tienen la misma ecuacin caracterstica y, por
tanto, los mismos valores propios con el mismo orden de multiplicidad.
Si A es semejante a B entonces existe una matriz invertible P, tal que:
B = P
-1
AP
De lo que se deduce que:
Det (B - I) = Det (P
-1
AP - P
-1
P)
= Det (P
-1
(A I)P)
= Det (P
-1
) Det(A I) Det(P)
= Det(A I)
Det (B - I) = Det (A - I)
La relacin que existe entre los valores propios de dos matrices
semejanza, se demuestra con los dos siguientes teoremas:
TEOREMA 2:
Si B = P
-1
AP y w representa los vectores propios de B,
correspondientes al valor propio , entonces, los vectores propios, de la
matriz A, asociados a son de la forma Pw.
Sabemos que Bw = w.
Entonces multiplicando por P: PBw = Pw
Ahora bien, como PB = AP, queda:

APw = Pw

por tanto, Pw es vector propio de A, asociado a
Bw = w
PBw = Pw
APw = Pw
DIAGONIZALIZACIN DE MATRICES
Dada una matriz cuadrada A de orden n, diremos que es diagonalizable,
si y solo si, existe una matriz P, tal que, A y D sean semejantes.
1
2
0 0
0 0
0 0
n
d
d
D
d
(
(
(
=
(
(

Entonces:
Det(D - I) = (d
1
- )(d
2
- ) ... (d
n
- )
= Valores propios
Diagonal principal
Por lo que sus ceros (0) son:

1
=d
1
;
2
= d
2
;
3
= d
3
; ... ;
n
= d
n
D = P
-1
AP
Siendo D una matriz diagonal Semejante a A, es decir:
A = PDP
-1

No toda matriz cuadrada es diagonalizable
Si A es una matriz de orden n diagonalizable, entonces su matriz
diagonal ser:
1
2
0 0
0 0
0 0
n
D

(
(
(
=
(
(

Donde
1
,
2
, ...,
n
son los
valores propios de la
matriz
Por tanto, la condicin necesaria y suficiente para que una matriz
cuadrada sea diagonalizable es que exista una base del espacio
vectorial formada por vectores propios del endomorfismo asociado a la
matriz dada.
Como para determinar los valores propios de la matriz A se calcula las
races de la ecuacin:
Det(D - I) = 0
Entonces distinguimos dos casos:
CASO 1: Valores propios con orden de multiplicidad
Se da cuando los valores propios son distintos:

1

2
,...,
n

Si las races caractersticas de una matriz A son todas distintas, existe
una matriz regular P, tal que:
P
-1
AP es una matriz diagonal D formada por los valores propios de A:

D = P
-1
AP
CASO 2: Valores propios con orden de multiplicidad
mayor que 1:

1
con orden de multiplicidad r
1

2
con orden de multiplicidad r
2
. .
. .
. .

n
con orden de multiplicidad r
p
1
p
i
i
r n
=
=

Las dimensiones de los subespacios asociados a cada valor propio

i
(que denominamos d
i
) se encuentran dentro del intervalo:
1 d
i
r
i

La condicin necesaria y suficiente para que exista una base formada
por vectores propios, es que la dimensin del subespacio coincida con
el orden de multiplicidad del valor propio:
d
i
= r
i
; i = 1,2,,p
Los vectores propios asociados a los valores propios A son los que
verifican el sistema:
(A - I)V = 0
Para que la dimensin del subespacio asociado de vectores propios
sea r
i
, han de existir r
i
parmetros en el sistema:
Rango(A - I) = n - r
i

En Conclusin:
La condicin necesaria y suficiente para que una matriz A sea
diagonalizable, es que para cada valor propio
i
de orden de
multiplicidad r
i
se verifique que:
Rango(A - I) = n - r
i
; i=1,2,,p
Siendo:
Sea la matriz: determinar si es diagonalizable. 0 1 1
2 1 1
2 2 2
A

(
(
=
(
(

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

( (
( (
=
( (
( (

1 1
( ) 2 1 1
2 2 2
A I

(
(
=
(
(

Solucin:
| |
( ) ( )(1 )(2 ) ( 2)(2)( 1) ( 2)( 1)( 1) D A I = + +
| |
( 1)(1 )( 2) ( 1)(2)( ) (2 )( 1)( 2) + +
3 2
( ) ( 3 4) 0 D A I
(
= + =

3 2
( ) 3 4 0 p = + =
Por lo tanto:
Para encontrar los valores propios, se utilizara el mtodo de
simplificacin de RUFFINI:
2 1 3 0 4
2 2 4
1 1 1 2 0
1 2
2 1 2 0
2
1 0

1
1 =
2 3
2 = =
Entonces el orden de multiplicidad ser:
1 1
: 1 Para sera r =
2 2
: 2 Para sera r =
Para
1
=-1:
Rango(A - I) = n - r
i

Rango(A (-1)I)
Rango(A + I)
1 1 1
( ) 2 1 1 1
2 2 2 1
Rango A I

(
(
+ = +
(
( +

1 1 1
( ) 2 2 1
2 2 3
Rango A I

(
(
+ =
(
(

Hallando la determinante de:
1 1 1
( ) 2 2 1 0
2 2 3
D A I

(
(
+ = =
(
(

1 1
( ) 3
2 1
D A I

(
+ = =
(

Por tanto el R(A+I) =2
Entonces:
R(A+I) = 2
n r
1
= 3 -1= 2
3 n =
2 = 2
Para
2
= 2:
Rango(A - I) = n - r
i

Rango(A 2I)
2 1 1
( 2 ) 2 1 2 1
2 2 2 2
Rango A I

(
(
=
(
(

2 1 1
( 2 ) 2 1 1
2 2 0
Rango A I

(
(
=
(
(

Hallando la determinante de:
2 1 1
( 2 ) 2 1 1 0
2 2 0
D A I

(
(
= =
(
(

1 1
( 2 ) 2
2 0
D A I

(
= =
(

Por tanto el R(A - 2I) = 2
Entonces:
R(A - 2I) = 2
n r
2
= 3 -2 = 1
3 n =
2 > 1
De donde podemos concluir que la matriz A no es diagonalizable
TALLER 4:
Compruebe que la matriz A s es
diagonalizable:
1 1 1
1 1 0
1 0 1
A

(
(
=
(
(

Estdiese para qu valores de y es diagonalizable la matriz:
5 0 0
0 1
3 0
A |
o
(
(
=
(
(

DIAGONIZALIZACIN DE UNA MATRIZ
CUADRADA
| |
1 2 3
, , P V V V =
Si: ; y 1
1
1
0
V

(
(
=
(
(

2
1
1
0
V
(
(
=
(
(

3
1
1
1
V
(
(
=
(
(

Se puede encontrar una matriz P de tal forma que:
Con los tres vectores V
1
, V
2
, V
3
caractersticos de A construimos la
matriz P de tal forma que:
1
2 1
n
P AP D

(
(
(
= =
(
(

Donde:
D es una matriz diagonal que tiene las n
races caractersticas en su diagonal.
A y D son matrices semejantes.
P es la matriz modal de A.
Determinando la matriz modal de A:
Entonces:
| |
1 2 3
1 1 1
, , 1 1 1
1 0 1
P V V V

(
(
= =
(
(

Siendo cada
columna un vector
caracterstico de A
P es la matriz modal de A y ser la matriz que precisamente transforme
a la matriz A en la matriz diagonal D que buscamos.
Diagonalizando la matriz cuadrada:
Con la matriz modal P =[ V
1
, V
2
, V
3
] y sabiendo tambin que:
(A -
i
I)V
i
= 0
Donde:

i
= Son las races caractersticas
V
i
= Los vectores caractersticos
Del cual deducimos que:
AV
i
=
i
V
i
Para: V
1
y
1
AV
1
=
1
V
1
Para: V
2
y
2
AV
2
=
2
V
2
Para: V
3
y
3
AV
3
=
3
V
3
AP = PD
De esta forma, sumando estas tres
ecuaciones resulta:
Siendo:
1
2
3
D

(
(
=
(
(

Como losvectores V
i
no son nulos, premultiplicando por P
-1
, tenemos:
De esta forma, la matriz modal P transforma a la matriz A en una
matriz diagonal cuyas races caractersticas estn en la diagonal.
P
-1
AP = D
Sean las matrices A y P:
2 0 1
1 1 1
1 1 3
A
(
(
=
(
(

1 1 1
1 1 1
1 0 1
P

(
(
=
(
(

Ejemplo:
1/ 2 1/ 2 0 2 0 1 1 1 1
0 1 1 * 1 1 1 * 1 1 1
1/ 2 1/ 2 1 1 1 3 1 0 1
D

( ( (
( ( (
=
( ( (
( ( (

P
-1

A P
1/ 2 1/ 2 0 1 1 1
0 2 2 * 1 1 1
3/ 2 3/ 2 3 1 0 1
D

( (
( (
=
( (
( (

1
2
3
1 0 0 0 0
0 2 0 0 0
0 0 3 0 0
D

( (
( (
= =
( (
( (

Cabe recalcar, que partimos de la hiptesis de una matriz cuadrada con
n races caractersticas distintas:

1

2

3
Ntese que D y A son
matrices semejantes.
P = (P
-1
)
-1
TALLER 4:
Dada la matriz:
0 1 1
1 0 1
1 1 1
A

(
(
=
(
(

Hallar la matriz modal P.
Determinar P
-1
Hallar D = P
-1
AP
Nota: para
hallar la matriz
modal P, hay
que determinar
primero el
vector
caracterstico
de A.
El vector caracterstico (propio) de A se encuentra
mediante los siguientes pasos:

2 0 1
1 1 1
1 1 3
A
(
(
=
(
(

2 0 1 1 0 0
( ) 1 1 1 0 1 0
1 1 3 0 0 1
A I
( (
( (
=
( (
( (

2 0 1 0 0
( ) 1 1 1 0 0
1 1 3 0 0
A I

( (
( (
=
( (
( (

2 0 1
( ) 1 1 1
1 1 3
A I

(
(
=
(
(

P1
P2
P4
P3
| | | |
| |
( ) (2 )(1 )(3 ) (1)( 1)(1)
(1)(1 )(1) (1)( 1)(2 )
Det A I

= +
+
| | | |
( ) (2 )(1 )(3 ) Det A I =
3 2
( ) 6 11 6 0 P = + =
P7
P6
P5
Polinomio caracterstico y ecuacin caracterstica:
3 2 1
3; 2; 1 = = =
Valores Propios:
Con =1 los vectores propios sern los que
verifiquen (A - I) V = 0, es decir:
1
2
3
1 0 1 0
( ) 1 0 1 * 0
1 1 2 0
V
A I V
V
( ( (
( ( (
= =
( ( (
( ( (

Determino el Rango de A:
3 3
( ) 0
x
Det A I =
P8
2 2
( ) 0
x
Det A I =
Por tanto, el Rango de A = 2
El sistema se reducir a dos
ecuaciones, pudiendo eliminar
la primera o segunda
ecuacin:
1 2 3
1 2 3
0 0
2 0
V V V
V V V
+ + =
+ =
P9
P10
1 2 3 2 2 3
( , , ) ( 1 ,1 ,1 ) ( 1,1,1) V V V V V V V V = =
Por lo tanto, el vector propio ser:
Con lo cual resulta que:
3 1 1 3
V V V V = =
1 2 3
2 V V V =
2 1 3
2 V V V = +
Reemplazando V
3
en V
1
:
2 1 1
2( ) V V V = +
2 1 1
2 V V V =
2 1 1 2
V V V V = =
2 3
V V =
De la misma forma se procede con =2, obtenindose los siguientes resultados:
1 2 3
1 2 3
0 0 0
0
V V V
V V V
+ + =
+ =
1 2
V V =
3
0 V =
1 2 3
V V V =
1 2
(0) V V =
1 2 3 2 2 3
( , , ) (1 ,1 , 0 ) (1,1, 0) V V V V V V V V = = Por lo tanto, el vector propio ser:

Reemplazando V
2
en V
1
:
De la misma forma se procede con =3, obtenindose los siguientes resultados:
1 2 3
1 2 3
2 0
0 0
V V V
V V V
+ =
+ =
3 1
V V =
2 1
V V =
1 2 3
2 V V V =
1 1 3
2( ) V V V =
1 2 3 2 2 3
( , , ) (1 ,1 ,1 ) (1,1,1) V V V V V V V V = =
Por lo tanto, el vector propio ser:
2 3 1
V V V = =
En definitiva tendremos, la matriz modal P:
1 1 1
1 1 1
1 0 1
P

(
(
=
(
(
TALLER 4:
Dada las sgtes matrices:
0 3 0
3 0 4
0 4 0
A
(
(
=
(
(

Hallar la matriz modal P.
Determinar P
-1
Hallar D = P
-1
AP
2 2 1
1 3 1
1 2 2
A
(
(
=
(
(

ECUACIN CARACTERSTICA DE UNA MATRIZ
CUADRADA
Sea la siguiente matriz cuadrada no singular:

2 3
3 2
A
(
=
(

Si construimos una matriz

| |
A I
Siendo una variable escalar e I la matriz unitaria, entonces
tendremos:

| |
A I
2 3 1 0
3 2 0 1

( (
=
( (

2 3
3 2

(
=
(

2 3 0
3 2 0

( (
=
( (

| |
A I
| |
A I
Se llama matriz caracterstica de A

Se determinante se llama determinante caracterstico de A

| |
A I
Desarrollando el determinante:

| |
(2 )(2 ) (3)(3) A I =
| |
2
( 4 4) (9) A I = +
| |
2
( 4 5) A I =
Entonces, el polinomio escalar (polinomio caracterstico) de la matriz A
ser:

| |
2
( ) ( ) 4 5 f P A I = = =
Tenemos un polinomio de segundo grado en la variable escalar :

Si tuviramos una matriz A de orden n, la funcin sera de orden n.

Si a continuacin hacemos:

2
( ) ( ) 4 5 0 f P = = =
Obtendremos la ecuacin caracterstica de la matriz A, ecuacin que
resuelta nos da:

( ) ( ) ( 1)( 5) 0 f P = = + =
Entonces:
1
= -1 y
2
= 5, que satisfacen la ecuacin
caracterstica, siendo dichas races, las races caractersticas de la
matriz A.
El teorema de HamiltonCayley dice que cada matriz satisface su
ecuacin caracterstica.

En nuestro ejemplo, esto significa que:

( ) ( ) ( 1 )( 5 ) 0 f A P A A I A I = = + =
Comprobando:

2 3 1 0 2 3 1 0
( ) ( ) * 5
3 2 0 1 3 2 0 1
f A P A
| | | |
( ( ( (
= = +
| |
( ( ( (

\ . \ .
3 3 2 3 5 0
( ) ( ) *
3 3 3 2 0 5
f A P A
| | | |
( ( (
= =
| |
( ( (

\ . \ .
3 3 3 3
( ) ( ) *
3 3 3 3
f A P A

( (
= =
( (

0 0
( ) ( )
0 0
f A P A
(
= =
(

El orden de las matrices factores es indiferente. Es decir:

( ) ( ) ( 1 ) *( 5 ) 0 f A P A A I A I = = + =
( ) ( ) ( 5 ) *( 1 ) 0 f A P A A I A I = = + =
Podemos tambin expresar la ecuacin en la formar:

( ) ( ) 0 f A P A = =
2
( ) ( ) 5 4 0 f A P A I A A = = + =
Comprobando:

1 0 2 3 2 3 2 3
( ) ( ) 5 4 * 0
0 1 3 2 3 2 3 2
f A P A
( ( ( (
= = + =
( ( ( (

5 0 8 12 13 12
( ) ( ) 0
0 5 12 8 12 13
f A P A

( ( (
= = + =
( ( (

5 8 0 12 13 12
( ) ( ) 0
0 12 5 8 12 13
f A P A

( (
= = + =
( (


13 12 13 12
( ) ( ) 0
12 13 12 13
f A P A

( (
= = + =
( (


13 13 12 12
( ) ( ) 0
12 12 13 13
f A P A
+ +
(
= = =
(
+ +

0 0
( ) ( )
0 0
f A P A
(
= =
(

En general, dada una matriz cuadrada A:

2
0 1 2
( ) ( ) ... 0
n n
f P A I a a a a = = + = + + + + =
Es su ecuacin caracterstica y se satisface mediante A, esto es,

( ) f
( ) 0 f A =
, siendo sta una ecuacin matricial.

TALLER 4:
Hallar las races caractersticas de las siguientes matrices:
1 4
1 1
A
(
=
(

2 1
1 2
A
(
=
(

3 0 4
1 1 2
1 2 2
A
(
(
=
(
(

Sustituir la matriz A en la ecuacin caracterstica y comprobar que f(A)
= 0 en cada una de las matrices A.