Apuntes del curso teórico de Álgebra Lineal (Mat 03)

Tema 8. Diagonalización

A lo largo del curso ha quedado clara la importancia central que poseen las matrices en
el ámbito del Álgebra lineal. Es claro que muy a menudo tendremos que manejar
matrices de mayor o menor complejidad. A este nivel puede surgir la inquietud de si
existe alguna forma de simplificar el contenido de una matriz (cuadrada en particular)
para realizar las manipulaciones necesarias de manera más fácil. Evidentemente que
dicha simplificación requeriría que la matriz resultado de la misma fuera equivalente a
todos los efectos prácticos a la matriz original.

Cuando hablamos de simplificar la matriz podemos preguntarnos cuáles sería el mejor

candidato en ese sentido, es decir, que forma óptima debería tener la matriz
simplificada. Basándonos en lo que hemos visto a lo largo del curso, el candidato ideal
sería una matriz diagonal. Indudablemente que una matriz de este tipo es mucho más
sencilla de escribir al tiempo que facilita sobremanera realizar las operaciones básicas
que la involucren. Pero además, es bastante directo ver que magnitudes asociadas a las
matrices tales como el determinante y el rango son mucho más sencillas de calcular
cuando se trata de una matriz diagonal. A su vez, cuando la matriz está representando
un sistema de ecuaciones lineales es evidente que la solución al mismo resulta mucho
más simple de obtener que en el caso de una matriz cualquiera. Por último, más adelante
veremos también que los valores propios de la matriz original (no diagonal) quedarán
explícitos en la formulación de la matriz diagonal con lo cual no será necesario
calcularlos.

Transformar una matriz a una forma diagonal, proceso conocido como diagonalización,
tiene numerosas aplicaciones prácticas en variados campos de las ciencias exactas
(Química y Física) y la Ingeniería, que no vamos a describir aquí pero que están
íntimamente relacionadas con las aplicaciones prácticas de los valores y vectores
propios. De hecho, como veremos a medida que avanzamos en el tema, la
diagonalización de matrices se logra conociendo previamente los valores y vectores
propios de la matriz. Si tenemos en cuenta que para cada matriz existe definida
implícitamente una transformación (operador) lineal de tipo matricial y, más importante,
que cualquier transformación lineal puede representarse matricialmente, tiene sentido
afirmar que además de diagonalizar matrices, podremos también diagonalizar
operadores lineales.

Una vez presentada la motivación básica, podemos dar la definición formal de la

diagonalización.

Definición: Dado V E.V. sobre K y T:V V un operador lineal, decimos que T es

diagonalizable si existe alguna base B del espacio V en la cual la matriz asociada a T
sea diagonal.

Otra vez aquí queda clara la equivalencia que existe entre una transformación
(operador) lineal y su representación matricial. En efecto, para saber si un operador es
diagonalizable o no, deben evaluarse sus matrices asociadas.

Desde el punto de vista práctico, la definición de operador diagonalizable no es de gran

ayuda dado que no aporta pautas para poder determinar si existe o no alguna matriz
asociada al operador que sea diagonal.

Dr. Federico Iribarne y Dr. Alvaro Mombrú 1

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

La definición de matriz diagonalizable que veremos ahora comienza a aportar más

elementos.

Definición: Dado A  Mnxn (K) decimos que A es diagonalizable si es semejante a una

matriz diagonal.

Si recordamos que todas las matrices asociadas a un mismo operador son semejantes, la
definición de matriz diagonalizable implica directamente que todas las matrices
asociadas a un operador lineal serán diagonalizables si por lo menos alguna de ellas
resulta ser diagonal.

Considerando ambas definiciones, una posible estrategia a seguir es partir en primer

término de alguna matriz asociada al operador, preferentemente de fácil obtención,
como es la matriz asociada en la base canónica del espacio considerado (E((T))E). Como
todas las matrices asociadas a un mismo operador lineal son semejantes, a partir de la
matriz asociada en la base canónica será posible obtener otra matriz asociada al
operador en una base B cualquiera (B((T))B) aplicando la fórmula vista en clases
anteriores:

B((T))B = P-1 E((T))E P

El problema ahora se circunscribe a encontrar la matriz P que satisfaga la igualdad

anterior cuando la matriz B((T))B es diagonal. La pregunta que surge a este nivel es qué
elementos poseemos para guiar la búsqueda de tal matriz P? Si recordamos lo visto
también en clases pasadas, existía una forma bastante sencilla de obtener una matriz
asociada a un operador cuando ya conocíamos otra. Lo que se hacía era utilizar las
matrices cambio de base entre las bases que correspondiera.
Siguiendo con el ejemplo planteado de las matrices asociadas en la base canónica E y en
la base B, podemos escribir:

B((T))B = B((Iv))E E((T))E E((Iv))B

en donde B((Iv))E es la matriz cambio de base de la base E a la base B y E((Iv))B es la

matriz cambio de base de la base B a la base E.

Al comparar las dos ecuaciones anteriores es inmediato que:

P = E((Iv))B y P-1 = B((Iv))E

Así que ahora hemos adelantado bastante en nuestra pretensión de saber si existe una
matriz diagonal asociada a un operador lineal en alguna base del espacio de trabajo.
Sabemos que para obtener dicha matriz basta con partir de cualquier matriz asociada al
operador lineal (por simplicidad, usualmente se construye la matriz asociada en la base
canónica) y luego aplicar la fórmula que expresa la semejanza entre matrices en la cual
las matrices auxiliares incógnitas, P y P-1, no son otra cosa que las matrices cambio de
base entre las bases involucradas.

El problema igualmente sigue planteándose en términos de ser capaces de determinar

para que base o bases del espacio la matriz asociada al operador lineal es diagonal. La
respuesta a esta interrogante la tendremos en el siguiente teorema.

Dr. Federico Iribarne y Dr. Alvaro Mombrú 2

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

Teorema del operador diagonalizable

Hipótesis:

Sea V E.V. sobre cuerpo K y T:V V un operador lineal

Tesis:

T es diagonalizable   B = {v1,v2,….,vn} V / vi es vector propio de T  i = 1:n

b

Así que el teorema dice que un operador lineal será diagonalizable si y sólo sí es posible
construir una base del espacio de trabajo formada por vectores propios del operador. En
caso que esto sea posible, la matriz asociada en la base de vectores propios será
diagonal.

Desde el punto de vista práctico, este teorema implica lo que ya se adelantó: para
determinar si un operador o matriz es diagonalizable se deberán calcular los vectores
propios, lo que a su vez implica calcular primero los valores propios. Por lo cual, la
diagonalización está íntimamente relacionada con el cálculo de valores y vectores
propios. Demostraremos ahora el teorema.

Demostración:

(  ) T es diagonalizable. Por definición  B = {v1,v2,….,vn} V / B((T))B es

diagonal. b

 1 0 . . 0
 
 0 2 . . 0
Sea B((T))B =  . . . . .  . Por definición de matriz asociada tenemos que:
 
. . . . .
0 0 . . n 


 1  0 0
     
0  2 0
coordBT(v1) =  .  , coord BT(v2) =  .  , ……… , coord BT(vn) =  . 
     
.  .   . 
0 0  n 
     

A partir de las coordenadas anteriores podemos escribir los vectores respectivos como:

T(v1) = 1v1 + 0v2 + ……. + 0vn = 1v1

T(v2) = v1 + 2v2 + ……. + 0vn = 2v2 a)

. . . . .
T(vn) = v1 + v2 + ……. + nvn = nvn

Dr. Federico Iribarne y Dr. Alvaro Mombrú 3

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

B V  vi ≠ v  i = 1:n b)
b

De a) y b) se sigue que B V está formada por vectores propios de T.

b

(  ) B = {v1,v2,….,vn} V / vi es vector propio de T  i = 1:n

b

 T(v1) = 1v1, T(v1) = 2v2, ……. , T(vn) = nvn

 1 0 0

     
0 2  0
 coord BT(v1) =  .  , coordBT(v2) =  .  , ……… , coordBT(vn) =  . 
     
 .  .   . 
0 0  n 
     

Por definición de matriz asociada:

 1 0 . . 0
 
 0 2 . . 0
B((T))B =
. . . . .
 
. . . . .
0 0 . . n 


Existe una matriz asociada al operador T que es diagonal. Luego T es diagonalizable.

Corolario: Si T es diagonalizable la matriz diagonal asociada a T:

 1 0 . . 0
 
 0 2 . . 0
B((T))B =
. . . . .  es única a menos del orden de los elementos de su
 
. . . . .
0 0 . . n 


diagonal principal.

Observación: Los valores propios de T serán los elementos de la diagonal de B((T))B

La importancia de este teorema es fundamental. Además de decirnos en qué base del

espacio la matriz asociada a un operador lineal es diagonal, nos dice de qué forma
construir esa matriz diagonal. Sencillamente, se ubican en la diagonal principal de la
matriz los valores propios del operador, los cuales se debieron calcular previamente
para conocer los vectores propios y formar con estos una base de vectores propios. Así

Dr. Federico Iribarne y Dr. Alvaro Mombrú 4

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

que para poder determinar la matriz diagonal, no será necesario aplicar la ecuación, que
vimos más arriba, que relaciona matrices semejantes entre sí (B = P-1AP).

Lo que no establece este teorema son los casos en los que efectivamente puede
construirse una base de vectores propios del espacio vectorial correspondiente. Desde el
punto de vista práctico (ahorro de trabajo), sería bueno que antes de obtener los vectores
propios del operador, sepamos si el mismo es diagonalizable o no. Afortunadamente,
esta interrogante tiene respuesta y la veremos un poco más adelante.
Veamos ahora un ejemplo para aplicar los conceptos adquiridos.

Ejemplo 1: Dado T:R3 R3, E = {(1,0,0), (0,1,0), (0,0,1)} R3

b
3 0 0
 
y E((T))E =  0 4 0
 1  2 2
 

Determinar si T es diagonalizable y en ese caso obtener una matriz diagonal asociada a

T.

De acuerdo a la teoría que vimos, el primer paso para resolver el ejercicio es calcular los
valores propios del operador. Notar que no conocemos la expresión del operador pero
tenemos información equivalente en la forma de la matriz asociada al operador en la
base canónica del espacio. Por lo tanto, podemos obtener los valores propios de E((T))E
que serán los mismos que los de T.

Aplicamos entonces el procedimiento visto en clases anteriores:

3   0 0 
 
det(E((T))E – I) = det  0 4 0  = (3 – )(4 – )(2 – ) = 0
 1 2 2   


Tenemos el polinomio característico ya factorizado por lo cual es inmediato que las

soluciones de la ecuación característica son:  = 2,  = 3,  = 4.

Para cada valor propio obtenido, hallamos los vectores propios asociados.

1 0 0
 
 = 2  E((T))E – I =  0 2 0
 1  2 0
 

Planteamos el sistema de ecuaciones lineal homogéneo de matriz E((T))E – I:

1 0 0 0
 
0 2 0 0
1  2 0 0
 

Dr. Federico Iribarne y Dr. Alvaro Mombrú 5

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

A simple vista (el lector puede verificarlo aplicando escalerización por ejemplo) es claro
que se trata de un sistema efectivamente compatible indeterminado. De la primera fila
de la matriz concluimos que x = 0 y de la segunda que y = 0, resultados que verifican la
tercera ecuación (tercera fila de la matriz) del sistema.

 S2 = {(x,y,z)  R3 / x = y = 0}

Una base posible de S2 es: B2 = {(0,0,1)}

0 0 0
 
 = 3  E((T))E – I =  0 1 0
  1  2  1
 

Planteamos el sistema de ecuaciones lineal homogéneo de matriz E((T))E – I:

0 0 0 0
 
0 1 0 0
 1  2 1 0
 

Ya desde su planteo, el sistema resulta ser compatible indeterminado. De la segunda fila

de la matriz se deduce que y = 0 y sustituyendo en la tercera tenemos que x = -z.

 S3 = {(x,y,z)  R3 / x = -z, y = 0}

Una base posible de S3 es: B2 = {(1,0,-1)}

1 0 0 
 
 = 4  E((T))E – I =  0 0 0 
 1  2  2
 

Planteamos el sistema de ecuaciones lineal homogéneo de matriz E((T))E – I:

1 0 0 0
 
0 0 0 0
 1  2  2 0
 

Desde su planteo, el sistema resulta ser compatible indeterminado. De la primera fila de

la matriz se deduce que x = 0 y sustituyendo en la tercera tenemos que y = -z.

 S4 = {(x,y,z)  R3 / y = -z, x = 0}

Una base posible de S3 es: B2 = {(0,1,-1)}

Ahora bien, el teorema del operador diagonalizable indica que si encontramos una base
de vectores propios del espacio vectorial de trabajo el operador será diagonalizable, es

Dr. Federico Iribarne y Dr. Alvaro Mombrú 6

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

decir, la matriz asociada al operador en esa base de vectores propios será diagonal. La
pregunta que surge ahora es cómo obtener, si existe, la base de vectores propios que
necesitamos.

Analicemos la situación. Para el caso que nos ocupa, V = R3, necesitamos 3 vectores
propios L.I. para formar una base del espacio. Los subespacios propios previamente
determinados para el operador tienen dimensión 1 (son rectas en el espacio) por lo que,
como también nos indican las bases respectivas, dos vectores cualesquiera de un mismo
subespacio propio serán necesariamente L.D. Esto reduce mucho las posibilidades que
existen para intentar formar una base de vectores propios. En realidad, la única
alternativa que resta es seleccionar un y sólo un vector de cada uno de los subespacios
encontrados. Si el conjunto resultante es efectivamente L.I., entonces tendremos la base
que estamos buscando.

Por comodidad, y dado que ya las hemos definido, consideraremos la unión de las bases
de cada subespacio propio para formar el conjunto B = {(0,0,1), (1,0,-1), (0,1,-1)}.

Veamos ahora si el conjunto B es L.I. aplicando la definición que ya conocemos:

(0,0,1) + (1,0,-1) + (0,1,-1) = (0,0,0)

Operando e igualando términos llegamos al siguiente S.E.L.:

=0
=0
––=0

Es evidente que la única solución posible es la trivial lo que significa que B es L.I. y por
lo tanto B R3. Luego T es diagonalizable.
b

La matriz diagonal asociada a T, en la base B, la podríamos plantear directamente

recordando que es la matriz diagonal cuyos elementos de la diagonal principal serán los
valores propios previamente calculados. En vez de hacer esto (lo cual es lo que se hará
en la práctica a la hora de resolver problemas) vamos a calcular la matriz asociada en la
base de vectores propios B (B((T))B) para confirmar que efectivamente será la matriz
diagonal que anticipamos.

En vez de calcular B((T))B a partir de B, aplicaremos lo que se trató al inicio de este

tema: partiremos de E((T))E, la matriz asociada a T en la base canónica E y calcularemos
las matrices cambio de base respectivas, entre E y B. Aplicando la relación de
semejanza entre ambas matrices obtendremos B((T))B.

Calculamos primero la matriz cambio de base de B a E, E((I))B:

I(0,0,1) = (0,0,1) = coord E(0,0,1)

I(1,0,-1) = (1,0,-1) = coord E(1,0,-1)

I(0,1,-1) = (0,1,-1) = coord E(0,1,-1)

Dr. Federico Iribarne y Dr. Alvaro Mombrú 7

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

0 1 0
 
 E((I))B =  0 0 1
 1  1  1
 

Ahora calculamos la matriz cambio de base de E a B, B((I))E:

I(1,0,0) = (1,0,0)

I(0,1,0) = (0,1,0)

I(0,0,1) = (0,0,1)

En este caso el paso de obtención de las coordenadas en la base de llegada de las

imágenes de la base de salida requiere el cálculo explícito puesto que la base de llegada
no es la base canónica.

coord B(1,0.0)

(0,0,1) + (1,0,-1) + (0,1,-1) = (1,0,0)

1 = 1
1 = 0
1 -   

 coordBT(1,0,0) = (1,1,0)

coord B(0,1.0)

(0,0,1) + (1,0,-1) + (0,1,-1) = (0,1,0)

2 = 0
2 = 1
2 -   

 coordBT(0,1,0) = (1,0,1)

coord B(0,0.1)

(0,0,1) + (1,0,-1) + (0,1,-1) = (0,0,1)

3 = 0
3 = 0
3 -   

 coordBT(0,0,1) = (1,0,0)

Dr. Federico Iribarne y Dr. Alvaro Mombrú 8

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

1 1 1
 
 B((I))E =  1 0 0 
 0 1 0
 

Tenemos entonces todos los elementos para calcular B((T))B como:

B((T))B = B((I))E E((T))E E((I))B

Sustituyendo y haciendo cuentas:

1 1 1  3 0 0  0 1 0   2 0 0
     
B((T))B =  1 0 0   0 4 0  0 0 1  =  0 3 0
 0 1 0    1  2 2   1  1  1  0 0 4 
     

Arribamos así al resultado esperado, es decir, que la matriz asociada al operador T en la

base de vectores propios B es una matriz diagonal cuyos elementos diagonales
coinciden con los valores propios de T.

Una observación importante que puede hacerse a este nivel es que la matriz cambio de
base de la base de vectores propios a la base canónica (E((I))B) se construye
simplemente “colgando” los vectores de la base de vectores propios como columnas en
la matriz (respetando como siempre el orden de los vectores de la base).
Por ende, siempre en este tipo de ejercicios, una vez que obtenemos los valores y
vectores propios, y es posible construir una base del espacio formada por vectores
propios, tendremos automáticamente la matriz diagonal asociada en la base de vectores
propios (B((T))B) y también la matriz cambio de base en la base de vectores propios
(E((I))B).

Recordar que de acuerdo a la nomenclatura utilizada en la definición de matrices

semejantes tenemos que B((I))E = P-1 y E((I))B = P.
Qué habría ocurrido con la matriz diagonal asociada al operador si la base B se hubiera
planteado con un orden distinto de los vectores?

En el ejercicio que se acaba de resolver se logró construir una base del espacio formada
por vectores propios tomando un vector de cada uno de los subespacios propios
existentes. Vimos que como resultado se obtenía un conjunto L.I. Surge la pregunta de
si este resultado fue casual para el caso de estudio o en realidad es un resultado general.
Vamos a ver a continuación un par de teoremas que nos aseguran la validez de este
resultado y que al mismo tiempo implicarán que podremos saber si un operador es
diagonalizable sin calcular siquiera sus vectores propios.

Teorema

Hipótesis:

Sea V E.V. sobre K, T:V V un operador lineal, 1, 2, ….., n valores propios
distintos de T y v1, v2, …., vn vectores propios de T asociados a cada valor propio,
respectivamente.

Dr. Federico Iribarne y Dr. Alvaro Mombrú 9

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

Tesis:

{v1, v2, ….., vn} es L.I.

Como recién se adelantó, este teorema asegura que vectores propios de distintos
subespacios propios serán siempre L.I. O, equivalentemente, la intersección entre
subespacios propios de un operador es el vector . El lector atento deducirá rápidamente
que un espacio vectorial será suma directa de los subespacios propios de un operador
diagonalizable definido en ese espacio. Por qué?

Vamos a demostrar ahora el teorema.

Demostración:

Se realizará la demostración por inducción en el número de valores propios de T.

1) h = 1

Sea 1 valor propio de T y v1 vector propio de T asociado al valor propio 1. Por
definición v1 ≠   {v1} es L.I.

2) h = h + 1

Sean 1, 2, ….., h, h+1 valores propios distintos y A = {v1, v2, …..., vh, vh+1} con vi ≠
v y vi  Si  i = 1:h+1

Considerar la C.L. de vectores de A que rinde el vector nulo:

1 v1 + 2v2 + …… + hvh + h+1 vh+1 = v (1)

Aplicando el operador T a ambos miembros de la igualdad tenemos que:

T(1v1 + 2v2 + …… + hvh + h+1vh+1) = T(v) = v

Como T es T.L. y vi es vector propio de T  i = 1:h+1 la igualdad se transforma en:

11v1 + 22v2 + …… + hhvh + h+1h+1 vh+1 = v (2)

Multiplicando la ecuación (1) por –h+1 y sumando el resultado a la ecuación (2):

h 1v1 – h+1 2 v2 - …… - h+1 hvh – h+1 h+1 vh+1 + 11v1 + 22v2 + …… +
hhvh + h+1h+1vh+1 = v

Cancelando y agrupando términos:

1(1 – h+1)v1 + 2(2 – h+1)v2 + …… + h(h – h+1)vh = v

Por hipótesis de inducción se sabe que {v1, v2, …..., vh} es L.I.

Dr. Federico Iribarne y Dr. Alvaro Mombrú 10

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

 i(i – h+1) = 0  i = 1:h

Por otro lado, por hipótesis sabemos que i ≠ h+1  i = 1:h

 i = 0  i = 1:h

Sustituyendo en la ecuación (1) llegamos a:

h+1 vh+1 = v

Como vh+1 es vector propio de T  vh+1 ≠   h+1 = 0

Luego {v1, v2, …..., vh, vh+1} es L.I.

A partir de este teorema, se deriva una proposición que en la práctica es aún más
importante en cuanto a la determinación del carácter de diagonalizabilidad de un
operador lineal.

Proposición: Sea V E.V. sobre K / dim V = n y T:V V un operador lineal

Si T posee n valores propios distintos  T es diagonalizable

Demostración:

Sean 1, 2, ….., n valores propios distintos de T y v1, v2, …..., vn vectores propios
asociados a cada valor propio, respectivamente.

Por el teorema recién demostrado sabemos que {v1, v2, …..., vn} es L.I.

Tenemos que card{v1, v2, …..., vn} = n = dimV  {v1, v2, …..., vn} V
b
Llegamos a que existe una base de vectores propios. Luego T es diagonalizable.

Así que, como ya adelantáramos más arriba, en algunos casos es posible saber si un
operador (o matriz) es diagonalizable incluso antes de calcular los vectores propios para
intentar formar una base del espacio. En efecto, en el caso que los valores propios del
operador sean todos distintos el mismo resultará ser diagonalizable.

Si volvemos al ejemplo que se resolvió en páginas anteriores, se obtenían tres valores

propios en el espacio R3 con lo cual, ya en ese momento, se podría haber afirmado que
el operador era diagonalizable. El hecho de que en estos casos a partir de los valores
propios se pueda afirmar que el operador (o la matriz) es diagonalizable, habilita a
escribir la matriz diagonal en la base de vectores propios sin que se conozca dicha base.

Vamos a ver ahora si se cumple el recíproco de la proposición anterior, es decir si un

operador diagonalizable debe poseer necesariamente valores propios distintos entre sí.
Para esto estudiaremos un ejemplo.

Dr. Federico Iribarne y Dr. Alvaro Mombrú 11

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

2  5 0
 
Ejemplo 2: Dada A =  0 7 0 
 0  5 2
 

Determinar si A es diagonalizable

Seguimos el procedimiento ya visto antes:

1) Cálculo de valores propios

2   5 0 
 
det(A – I) = det  0 7 0  = (2 – )(7 – )(2 – ) = 0
 0 5 2   


 1,2 = 2, 3 = 7

En este caso los valores propios de la matriz no son todos distintos entre sí dado que
tenemos una raíz (2) con multiplicidad doble en la ecuación característica. Si se
cumpliera el recíproco de la última proposición vista, la matriz no debería ser
diagonalizable. Para determinarlo fehacientemente debemos calcular los vectores
propios de A e intentar obtener una base del espacio de trabajo (R3) formada por
vectores propios.

2) Cálculo de vectores propios

=2

El sistema a resolver posee la siguiente matriz ampliada:

0  5 0 0
 
0 5 0 0
0  5 0 0
 

Tenemos un sistema compatible indeterminado del cuyas tres ecuaciones se concluye lo

mismo: y = 0.

 S2 = {(x,y,z)  R3 / y = 0}

Como dim(S2) = 2 entonces una base de S2 poseerá dos vectores, por ejemplo:

B2 = {(1,0,0), (0,0,1)}

=7

El sistema a resolver posee la siguiente matriz ampliada:

Dr. Federico Iribarne y Dr. Alvaro Mombrú 12

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

 5  5 0 0
 
 0 0 0 0
 0  5  5 0
 

Tenemos un sistema compatible indeterminado en el cual la primera ecuación indica

que x = -y la tercera ecuación determina que y = -z.

 S7 = {(x,y,z)  R3 / x= z = -y}

Como dim(S7) = 1 entonces una base de S7 poseerá un solo vector, por ejemplo:

B7 = {(1,-1,1)}

La pregunta ahora es si podemos formar una base del espacio de referencia con las
bases de los subespacios propios hallados. Qué ocurre si, como hicimos en el ejemplo
anterior, unimos los vectores de las bases de los subespacios propios? Es inmediato ver
que dicha unión resultará en un conjunto de tres vectores por lo que si esos vectores son
L.I. el conjunto resultará ser base del espacio R3 y por ende será una base de vectores
propios.

Estudiamos entonces la independencia lineal del conjunto:

B = {(1,0,0), (0,0,1), (1,-1,1)}

Aplicando la definición:

(1,0,0) + (0,0,1) + (1,-1,1) = (0,0,0)

Operando e igualando términos llegamos al siguiente S.E.L.:

 = 0
- = 0
+=0

Es evidente que la única solución posible es la trivial lo que significa que B es L.I. y por
lo tanto B R3. Luego T es diagonalizable y la matriz diagonal asociada a T en la
b
 2 0 0
 
base B es: B((T))B =  0 2 0 
0 0 7
 

En consecuencia, este ejemplo demuestra que el recíproco de la proposición no se

cumple, es decir, pueden existir operadores o matrices diagonalizables que no posean
todos sus valores distintos entre sí. En esos casos, habrá que calcular los vectores
propios para poder determinar si es posible la diagonalización o no.

Dr. Federico Iribarne y Dr. Alvaro Mombrú 13

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

Notar que en este ejemplo, fue posible seleccionar dos vectores del mismo subespacio
propio (de hecho los vectores de una de sus bases) que no fueran L.D. entre sí. Sigue
cumpliéndose que vectores de distintos subespacios propios son L.I. por lo que al
plantear la unión para formar el conjunto B la independencia lineal se preservó.

En la clase pasada habíamos visto un ejemplo en donde algunos de los valores propios
obtenidos no formaban parte del cuerpo escalar de referencia. Evidentemente que en
esos casos será imposible obtener una base de vectores propios del espacio considerado.
Pero a la luz de los ejemplos vistos en esta clase, puede surgir la duda de si un operador
(o matriz) será siempre diagonalizable conforme sus valores propios pertenezcan al
cuerpo escalar de trabajo. Para aclarar este punto, veamos otro ejemplo.

Ejemplo 3:

2  4 1
 
Dada A =  0 7 0 
 0  5 2
 

Determinar si A es diagonalizable

1) Cálculo de valores propios

2   4 1 
 
det(A – I) = det  0 7 0  = (2 – )(7 – )(2 – ) = 0
 0 5 2   


 1,2 = 2, 3 = 7

La matriz posee exactamente los mismos valores propios de la matriz del ejemplo
anterior en donde habíamos visto que era necesario calcular los vectores propios para
saber si la matriz era diagonalizable o no.

2) Cálculo de vectores propios

=2

El sistema a resolver posee la siguiente matriz ampliada:

0  4 1 0
 
0 5 0 0
0  5 0 0
 

Tenemos un sistema compatible indeterminado de cuyas primera y segunda ecuación se

puede concluir que z = y = 0.

 S2 = {(x,y,z)  R3 / y = z = 0}

Dr. Federico Iribarne y Dr. Alvaro Mombrú 14

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

Como dim(S2) = 1 entonces una base de S2 poseerá un solo vector, por ejemplo:

B2 = {(1,0,0)}

=7

El sistema a resolver posee la siguiente matriz ampliada:

  5  4 1 0
 
 0 0 0 0
 0  5  5 0
 

Tenemos un sistema compatible indeterminado en el cual la tercera ecuación indica que

y = -z. Utilizando esta relación en la primera ecuación llegamos a que x = -y.

 S7 = {(x,y,z)  R3 / x= z = -y}

Como dim(S7) = 1 entonces una base de S7 poseerá un vector, por ejemplo:

B7 = {(1,-1,1)}

Vemos que tenemos una diferencia fundamental en los resultados de esta matriz con los
de la matriz anterior y es que el subespacio asociado al valor propio 2 que en el caso
anterior tenía dimensión dos, ahora tiene dimensión uno. Entonces no va a ser posible
formar una base de vectores propios del espacio R3 puesto que solamente se podrán
obtener simultáneamente dos vectores L.I., lo cual ya sabemos que no alcanza para
generar todo el espacio R3. En conclusión, la matriz A no es diagonalizable.

Notar que cuando decimos que una matriz no es diagonalizable, esto no impide que con
sus valores propios pueda construirse una matriz diagonal. Pero el punto es que esa
matriz diagonal no guardará relación alguna con la matriz original, específicamente, no
será una matriz semejante a la matriz original y por lo tanto su construcción no tendrá
ningún sentido.

De los dos últimos ejemplos puede también deducirse que no es suficiente que dos
matrices tengan los mismos valores propios (mismo polinomio característico) para que
las mismas sean semejantes. De lo contrario, la matriz del ejemplo 3 también debería
haber sido diagonalizable dado que sería semejante a una matriz (la del ejemplo 2) que a
su vez es semejante a una matriz diagonal. Así que de la misma forma que sabíamos que
dos matrices con igual traza, rango y determinante no eran necesariamente semejantes,
tampoco se cumplirá la propiedad cuando la igualdad se verifica a nivel de los valores
propios, algo que ya habíamos observado la clase anterior.

Para terminar con este tema veremos una definición fundamental que resume de forma
adecuada los distintos aspectos y elementos que hemos visto para determinar si un
operador o una matriz son diagonalizables.

Definición: Dado V E.V. sobre cuerpo K / dimV = n, T:V V un operador lineal y

  K valor propio de T, se define:

Dr. Federico Iribarne y Dr. Alvaro Mombrú 15

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

a) Multiplicidad algebraica de  como el número de veces que  es solución de la

ecuación característica de T. Notación: ma()

b) Multiplicidad geométrica de  como la dimensión del subespacio propio

asociado a . Notación: mg()

Puede probarse que siempre se van a cumplir las siguientes desigualdades:

1 ≤ mg() ≤ ma() ≤ n

Esto nos indica que tanto la multiplicidad algebraica como la multiplicidad geométrica
adoptarán valores mayores a cero y menores o iguales a la dimensión del espacio
vectorial involucrado y que siempre la multiplicidad algebraica será mayor o igual que
la geométrica.

Combinando las nociones introducidas por la definición y todo lo que vimos

anteriormente se puede afirmar que un operador será diagonalizable si para todos sus
valores propios se cumple la igualdad entre la multiplicad algebraica y la multiplicidad
geométrica. En otras palabras, basta con que exista un valor propio para el cual se
cumpla la desigualdad (mg() < ma()) para que el operador no sea diagonalizable.

Este resultado es concordante con la proposición que vimos en páginas anteriores y que
decía que si todos los valores propios de un operador eran distintos entonces el operador
era diagonalizable. En efecto, si todos los valores propios son distintos entonces las
respectivas multiplicidades algebraicas serán necesariamente iguales a uno y como uno
es también el valor mínimo para la multiplicidad geométrica, la cual no puede ser nunca
mayor que la algebraica, ambas magnitudes coincidirán. En otras palabras, la
multiplicidad algebraica y geométrica de un valor propio podrán ser distintas solamente
si la primera es mayor a uno.

Repasemos los tres ejemplos vistos a lo largo del documento, ahora considerando las
multiplicidades de los valores propios.
En el primer ejemplo el operador poseía tres valores propios distintos lo que equivalía a
una multiplicidad algebraica igual a uno al tiempo que los subespacios propios
asociados a cada uno de los valores propios tenían dimensión igual a uno, es decir que
la multiplicidad geométrica de cada valor propio también era uno. Ambas magnitudes
eran entonces iguales para todos los valores propios y por lo tanto el operador resultó
ser diagonalizable. En tanto, en el segundo ejemplo existía un valor propio con
multiplicidad algebraica igual a dos (era raíz doble de la ecuación característica) pero
para el cual la multiplicidad geométrica también valía dos y por lo tanto la matriz
resultó ser también diagonalizable. En contraposición, en el tercer ejemplo también
existía un valor propio con multiplicidad algebraica dos al tiempo que la dimensión del
subespacio propio asociado (i.e. la multiplicidad geométrica) era uno; de ahí que se
cumpliera la desigualdad entre ambas magnitudes y por lo tanto la matriz no resultó ser
diagonalizable.

Con el objetivo de aplicar los conocimientos adquiridos se deja al lector la resolución

del siguiente ejercicio:

Dr. Federico Iribarne y Dr. Alvaro Mombrú 16

 Apuntes del curso teórico de Álgebra Lineal (Mat 03)

 4 1 i
Dada A =  
1  i 5 

Determinar si A es diagonalizable y en caso afirmativo encontrar una matriz semejante

diagonal y la matriz P cambio de base en la base de vectores propios.

 3 0 i 1 1 
Respuesta: AD =   , P =  
0 6  1 1 i

Dr. Federico Iribarne y Dr. Alvaro Mombrú 17