Diagonalización

Matías Battocchio

FCE-UBA

MATEMÁTICA PARA ECONOMISTAS

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 1 / 26

Valores y vectores propios
Sean (V , +, K , ·) un EV y f : V → V una TL con matriz asociada A

Definición
El escalar λ es un valor propio de A ∈ K n×n sii existe un vector no nulo x ∈ K n×1 tal que

Ax = λ · x (1)

Al vector x lo llamamos vector propio asociado a λ.

Al valor propio también se lo suele llamar autovalor, valor característico o eigenvalor.

Mientras que al vector propio, autovector, vector característico o eigenvector.
Despejando (1):
(A − λ · I) x = 0
que representa un sistema lineal homogé[Link] x 6= 0, entonces

|A − λ · I| = 0

para que el sistema tenga solución no trivial.

El desarrollo de |A − λ · I| es un polinomio de grado n en (−λ) que se llama
polinomio característico de A y ecuación característica de A cuando se lo iguala a 0.

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 2 / 26

Valores y vectores propios

Las raíces de |A − λ · I| = 0 son los valores propios de A

Las soluciones no triviales de (A − λ · I) x = 0 cuando λ es un valor propio de A, son los
vectores propios asociados a ese valor propio.

Ejempo 1: Determinemos los autovalores y autovectores de

 
3 −2
A=
−1 2

 
 3 − λ −2 
|A − λ · I| =  =0
−1 2−λ 

(3 − λ)(2 − λ) − 2 = 0
λ2 − 5λ + 4 = 0
Los valores propios son:
λ1 = 1
λ2 = 4

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 3 / 26

Valores y vectores propios

Ahora busquemos los autovectores asociados a cada autovalor

Para λ1 = 1
    
3−1 −2 x1 0
=
−1 2−1 x2 0

    
2 −2 x1 0
=
−1 1 x2 0

x1 − x2 = 0
x1 = x2

Entonces el vector propio es  

1
x1 =
1

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 4 / 26

Valores y vectores propios

Para λ2 = 4
    
−1 −2 x1 0
=
−1 −2 x2 0

−x1 − 2x2 = 0
x1 = −2x2

Entonces el vector propio es

 
2 −2
x =
1

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 5 / 26

Valores y vectores propios
Del ejemplo anterior vemos que los dos vectores propios son LI. Esto no es casualidad:

Teorema
Los vectores propios asociados a valores propios distintos son LI.

Demostración: Lo vamos a demostrar por inducción completa.

Sea xi el vector propio asociado al valor propio λi de la matriz A.
Veamos que se cumple para n = 1. En este caso tenemos un solo vector propio. Por lo
tanto, se cumple trivialmente.
Ahora veamos que si se cumple para n = k − 1 (hipótesis de inducción), entonces se
cumple para n = k.
Consideremos la ecuación
k
X
ci x i = 0 (2)
i=1

Premultiplicando por A:
k k k
X X X
A ci x i = 0 ⇒ ci (A xi ) = 0 ⇒ ci (λi · xi ) = 0 (3)
i=1 i=1 i=1

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 6 / 26

Valores y vectores propios
Por otro lado, premultiplicando (2) por λk :
k
X k
X
λk ci xi = 0 ⇒ ci (λk · xi ) = 0 (4)
i=1 i=1

Restando (3) y (4) miembro a miembro:

k−1
X
ci (λi − λk )xi = 0
i=1

Como los xi para i = 1, · · · , k − 1 son LI por hipótesis de inducción:

ci (λi − λk ) = 0 ∀i = 1, · · · , k − 1 (5)
Además tenemos que λi 6= λk para i = 1, · · · , k − 1. Entonces:
ci = 0 ∀i = 1, · · · , k − 1 (6)

De (6) y (2) tenemos que

ck · x k = 0
Pero como el vector propio no puede ser nulo
ck = 0
Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 7 / 26
Polinomio característico
Sea P(−λ) = |A − λ · I| el polinomio característico de la matriz A:

P(−λ) = (−λ)n + α1 (−λ)n−1 + α2 (−λ)n−2 + · · · + αn−1 (−λ) + αn

Teorema
Los coeficientes αi para todo i = 1, · · · , n son iguales a:
La suma de todos los menores de orden i de A que contienen en su diagonal
principal elementos de la diagonal principal de A.
La suma de todos los productos posibles de los valores propios λi de A tomados
de i en i.

Esto hace que como caso particular α1 sea igual a:

tr (A)
Pn
i=1
λi
y αn sea igual a:
|A|
Qn
i=1
λi

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 8 / 26

Polinomio característico

Ejemplo 1 (cont.):  
3 −2
A=
−1 2
y los autovalores eran 1 y 4.
tr (A) = 5
2
X
λi = 5
i=1

|A| = 4
Y2

λi = 4
i=1

Entonces podemos reconstruir el polinomio característico:

P(−λ) = λ2 − 5λ + 4

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 9 / 26

Acotación de los valores propios

Teorema
Pn
Sea λi un valor propio de A = [aij ]n×n , F = máx Fi con Fi = j=1
|aij |, y C = máx Cj con
i j
Pn
Cj = i=1 |aij |.
Entonces |λi | ≤ mı́n{C , F }

Demostración: Sea λ un valor propio cualquiera de A. Entonces existe un vector propio x

tal que λ · x = A x. Escribiendo el sistema de ecuaciones:

λ x1 = a11 x1 + a12 x2 + · · · + a1n xn

λ x2 = a21 x1 + a22 x2 + · · · + a2n xn
···
λ xn = an1 x1 + an2 x2 + · · · + ann xn

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 10 / 26

Acotación de los valores propios

Aplicando módulo miembro a miembro y usando la propiedad de desigualdad triangular:

|λ| |x1 | ≤ |a11 | |x1 | + |a12 | |x2 | + · · · + |a1n | |xn |

|λ| |x2 | ≤ |a21 | |x1 | + |a22 | |x2 | + · · · + |a2n | |xn |
···
|λ| |xn | ≤ |an1 | |x1 | + |an2 | |x2 | + · · · + |ann | |xn |

Sumando miembro a miembro las n ecuaciones:

n
X n
X n
X
|λ| (|x1 | + |x2 | + · · · + |xn |) ≤ |ai1 | |x1 | + |ai2 | |x2 | + · · · + |ain | |xn |
i=1 i=1 i=1

≤ C1 |x1 | + C2 |x2 | + · · · + Cn |xn |

≤ C |x1 | + C |x2 | + · · · + C |xn |
≤ C (|x1 | + |x2 | + · · · + |xn |)

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 11 / 26

Acotación de los valores propios

Y como el vector x es no nulo se concluye que

|λ| ≤ C

Repitiendo la demostración para λ · x = AT x (recordar que los valores propios de la

traspuesta son los mismos) se demuestra también que |λ| ≤ F .
Como ambas cosas deben ocurrir al mismo tiempo, entonces

|λ| ≤ mı́n(C , F )

y esto es cierto para todos los valores propios de A ya que λ era un autovalor cualquiera

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 12 / 26

Matrices semejantes

Definición
Dos matrices cuadradas A y B son semejantes, o A ∼ B, sii existe una matriz no
singular P tal que se verifica
B = P−1 A P

Observación
Las definiciones de matrices semejantes y equivalentes son parecidas. Sin embargo, la
semejanza se define para matrices cuadradas y es un concepto más restrictivo. Toda
matriz semejante es equivalente, pero la recíproca no es cierta.

Las matrices semejantes tienen las siguientes propiedades:

Son transitivas, es decir si A ∼ B y B ∼ C entonces A ∼ C.
Sus potencias también son semejantes, es decir si A ∼ B entonces An ∼ Bn
Tienen el mismo polinomio característico.
Tienen los mismos autovalores y autovectores.
Tienen la misma traza, rango y determinante.
Además como la semejanza de matrices es un caso especial de la equivalencia de
matrices, las matrices semejantes representan la misma transformación lineal.
Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 13 / 26
Diagonalización de matrices
Definición
Una matriz cuadrada A[n×n] es diagonalizable sii es semejante a una matriz diagonal Λ
que tiene en la diagonal principal los valores propios de A. Es decir, sii existe una matriz
no singular P tal que
Λ = P−1 A P
A la matriz P se la llama matriz de paso o modal.

Teorema
Una matriz A[n×n] es diagonalizable sii admite n vectores propios linealmente
independientes.

La matriz P se conforma con los n vectores propios LI, ordenados como vectores
columna de acuerdo a los valores propios en Λ.

Observación
Diagonalizar una matriz es cambiar la base de la TL a una que está conformada por los
vectores propios de la matriz. Para que los vectores propios conformen una base se
necesita que sean n y sean LI, que es la condición necesaria y suficiente para que una
matriz sea diagonalizable.

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 14 / 26

Diagonalización de matrices

Para que una matriz sea diagonalizable, cada autovalor con orden de multiplicidad m
debe tener m autovectores LI asociados.
El siguiente teorema nos da una condición para determinar si esto es posible.

Teorema
A[n×n] es diagonalizable sii a cada valor propio λi con orden de multiplicidad m le
corresponde un sistema A − λi · I cuyo rango es igual a n − m.

Demostración: El producto (A − λi · I) x es una TL de Rn a Rn . Los vectores propios

asociados a λi son parte del núcleo de esta TL.
Por el teorema rango-nulidad:

n = dim N(A − λi · I) + dim I(A − λi · I)

Entonces como queremos que dim N(A − λi · I) = m, el rango de la matriz A − λi · I

debe ser igual a n − m

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 15 / 26

Diagonalización de matrices

Ejemplo 1 (cont.): La matriz  

3 −2
A=
−1 2
es diagonalizable porque admite 2 vectores LI. Los vectores propios asociados a los
autovalores 1 y 4 eran:    
1 1 2 −2
x = x =
1 1
respectivamente.
Entonces    
1 0 1 −2
Λ= P=
0 4 1 1

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 16 / 26

Diagonalización de matrices
Ejemplo 2: Vamos a determinar si la siguiente matriz es diagonalizable
"
1 1 0
#
B= 0 1 1
0 0 1

 1−λ
 
1 0 
3
|B − λ · I| =  0 1−λ 1  = (1 − λ) = 0
 
 0 0 1−λ 

⇒ λ1 = λ2 = λ3 = 1

"
0 1 0
#"
x1
# "
0
#
0 0 1 x2 = 0
0 0 0 x3 0

El rango de la matriz es 2 pero debería ser n − m = 3 − 3 = 0. El único vector LI de la

matriz es " #
1
0
0
Por lo tanto, la matriz no es diagonalizable.
Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 17 / 26
Diagonalización de matrices
Ejemplo 3:
−3 −4
"
0
#
C= 4 1 4
2 0 3
 −3 − λ −4
 
0 
 −3 − λ

−4 

|C − λ · I| =  4 1−λ 4  = (1 − λ) =0
  
 2 3−λ 
 2 0 3−λ 

(1 − λ)(λ2 − 1) = 0

⇒ λ1 = λ2 = 1, λ3 = −1

Veamos si podemos extraer dos vectores LI de 1:

−4 −4
"
0
#"
x1
# "
0
#
4 0 4 x2 = 0
2 0 2 x3 0

La matriz tiene rango 1, que es igual a n − m = 3 − 2 = 1. Por lo tanto, se pueden extraer

dos vectores LI, que son:
Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 18 / 26
Diagonalización de matrices

−4x1 − 4x3 = 0 ⇒ x1 = −x3

Si x2 = 0 y x3 = −1 entonces
"
1
#
1
x = 0
−1
Si x2 = 1 y x3 = 0 entonces
"
0
#
2
x = 1
0

El vector propio correspondiente al autovalor −1 es LI respecto a estos dos porque está

asociado a un autovalor distinto. "
2
#
3
x = −2
−1

Por lo tanto, la matriz C es diagonalizable, y su forma diagonal es

"
1 0 0
# "
1 0 2
#
Λ= 0 1 0 P= 0 1 −2
0 0 −1 −1 0 −1

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 19 / 26

Diagonalización de matrices simétricas
Las matrices simétricas presentan algunas propiedades interesantes en lo que respecta
a su diagonalización.

Proposición
Los valores propios de una matriz simétrica real son todos reales.

Proposición
Los vectores propios asociados a diferentes valores propios de una matriz simétrica son
ortogonales.

Demostración: Sea A una matriz simétrica real, λ1 6= λ2 autovalores de A, y x1 y x2 los

vectores propios asociados respectivamente.
Entonces
A x 1 = λ1 · x 1
A x 2 = λ2 · x 2

Por definición de producto interior:

hA x1 , x2 i = (A x1 )T x2 = (x1 )T AT x2 = (x1 )T A x2 = hx1 , A x2 i

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 20 / 26

Diagonalización de matrices simétricas

Por lo tanto,

hA x1 , x2 i = hx1 , A x2 i
hλ1 · x1 , x2 i = hx1 , λ2 · x2 i
λ1 hx1 , x2 i = λ2 hx1 , x2 i
(λ1 − λ2 ) hx1 , x2 i = 0

Pero como λ1 6= λ2 , entonces

hx1 , x2 i = 0

Proposición
Toda matriz simétrica real es diagonalizable sobre el campo de los reales con una
matriz de paso ortogonal.

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 21 / 26

Diagonalización de matrices simétricas

Proposición
Si una matriz real tiene una matriz de paso ortogonal que la diagonaliza, entonces es
simétrica.

Demostración: Por un lado tenemos que

A = P Λ P−1

Por el otro:

AT = (P Λ P−1 )T = (P−1 )T ΛT PT = (PT )T Λ P−1 = P Λ P−1 = A

Por las dos proposiciones anteriores:

Una matriz real es diagonalizable por una matriz de paso ortogonal sii es simétrica

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 22 / 26

Diagonalización de matrices simétricas
Ejemplo 4: Diagonalicemos la siguiente matriz:
 
2 −1
A=
−1 2
 
2−λ −1
A − λI =
−1 2−λ
|A − λI| = (2 − λ)(2 − λ) − 1 = 4 − 4λ + λ2 − 1 = λ2 − 4λ + 3 = 0
√ 
4± 16 − 4 × 3 4±2 λ1 = 3
λ1,2 = = ⇒
2 2 λ2 = 1
    
−1 −1 x1 0
=
−1 −1 x2 0
 
−1
⇒ x1 =
1
    
1 −1 x1 0
=
−1 1 x2 0
 
1
⇒ x2 =
1
Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 23 / 26
Diagonalización de matrices simétricas

Estos vectores propios son ortogonales. Para armar la matriz de paso ortogonal
necesitamos que sean ortonormales. Por ello se normalizan:
p √ p √
kx1 k = (−1)2 + 12 = 2 kx2 k = 12 + 12 = 2

 √   √ 
− 1/ 2 1/ 2
x̄1 = √
1/ 2
x̄2 = √
1/ 2

 √ √   
− 1/ 2 1/ 2 3 0
P= √
1/ 2
√
1/ 2
Λ=
0 1

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 24 / 26

Apéndice: cálculo de vectores propios por adjuntos
Antes vamos a enunciar una propiedad que nos resultará útil:

Propiedad del rango del producto de matrices

Sean las matrices X[m×p] e Y[p×n] tales que verifican X[m×p] Y[p×n] = 0[m×n] . Entonces
r (Y) ≤ p − r (X)

Ahora sí vamos a demostrar la siguiente proposición

Proposición
Cuando λi es raíz simple de la ecuación característica de A, entonces la adjunta de la
matriz (A − λi · I) tiene rango 1.

Demostración: Por definición de matriz adjunta

(A − λi · I) [adj(A − λi · I)] = |A − λi · I| I[n×n]

Como λi es valor propio de A, el determinante es cero:

|A − λi · I| I[n×n] = 0[n×n]

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 25 / 26

Apéndice: cálculo de vectores propios por adjuntos

Si λi tiene orden de multiplicidad 1 entonces:

r (A − λi · I) = n − 1

porque la cantidad de columnas de A es n y la dimensión del núcleo de A − λi · I es 1.

Por la propiedad del rango del producto de matrices:

r [adj(A − λi · I)] ≤ n − (n − 1) = 1

Como el rango de adj(A − λi · I) no puede ser cero, se concluye que su rango es 1

Entonces, como (A − λi · I) [adj(A − λi · I)] = 0[n×n] , cualquier columna de

adj(A − λi · I) es vector propio de A asociado a λi .

Esta propiedad nos da una forma más rápida de calcular los vectores propios cuando el
valor propio es raíz simple.

Matías Battocchio (FCE-UBA) Diagonalización MATEMÁTICA PARA ECONOMISTAS 26 / 26

Bibliografía

Bernardello, A., Bianco, M. J., Casparri, M. T., García Fronti, J. & Olivera de Marzana, S.
(2004). Matemática para Economistas con Excel y Matlab [Cap. 1.2]. Omicron
System.
Rojo, A. (1995). Algebra II [Cap. 8]. El Ateneo.