Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Diagonalización
Una transformación lineal f : V → V definida en un espacio vectorial V de dimensión n, para
cada base B de V, tiene asociada una matriz MB ( f ) ∈ Rn×n que depende de la base.
En lo que sigue nos interesará buscar bases en las que la matriz sea lo más ”simple” posible.
Más precisamente, intentaremos, cuando sea posible, hallar una base B tal que MB ( f ) sea dia-
gonal, es decir, de la forma
 
λ1 0 . . . 0
.. 
 0 λ2 . . .

. 
MB ( f ) =  .
 .
 .. . . . . . . 0 


0 ... 0 λn

Autovalores y autovectores
Para darnos una idea de cómo deberı́a ser una base B tal que la matriz MB ( f ) sea diagonal,
pensemos el problema para una transformación lineal f : R2 → R2 . En este caso, buscamos
una base B de R2 tal que  
λ1 0
MB ( f ) = .
0 λ2
Si B = {v1 , v2 }, la primera columna de MB ( f ) contiene las coordenadas de f (v1 ) en la base B
y la segunda, las coordenadas de f (v2 ) en la base B, con lo cual, debe valer

( f (v1 )) B = (λ1 , 0) ⇐⇒ f (v1 ) = λ1 v1 + 0v2 = λ1 v1

( f (v2 )) B = (0, λ2 ) ⇐⇒ f (v2 ) = 0v1 + λ2 v2 = λ2 v2

Es decir, al aplicarle la transformación lineal a cada vector de la base B debe resultar un múltiplo
del mismo vector.

Autovector y autovalor de una transformación lineal

Si f : V → V es una transformación lineal, un vector v ∈ V, v 6= 0, es un autovector de f

asociado al autovalor λ ∈ R si vale f (v) = λv.

Una matriz A ∈ Rn×n define una transformación lineal f : Rn → Rn , f (x) = A · x. A los

autovalores y autovectores de esta transformación lineal se los llama autovalores y autovectores
de A, respectivamente.

Autovector y autovalor de una matriz

Si A ∈ Rn×n , un vector v ∈ Rn , v 6= 0, es un autovector de A asociado al autovalor λ ∈ R

si vale A v = λv.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

 
1 3
Ejemplo 1. Hallar todos los autovalores y autovectores de A = . Si
1 −1
f : R2 → R2 es la transformación lineal definida por f (x) = Ax, decidir si existe una
base B de R2 tal que MB ( f ) sea diagonal.

Solución. Buscamos v = ( x, y) ∈ R2 , v 6= 0, y λ ∈ R tales que Av = λv. Reescribimos:

Av = λv ⇐⇒ Av − λv = 0 ⇐⇒ ( A − λI )v = 0.

Tenemos un sistema homogéneo, cuya matriz es A − λI, con un parámetro λ y buscamos que
este sistema tenga una solución v 6= 0. En otras palabras, buscamos los valores de λ para que
el sistema sea compatible indeterminado. Esto ocurre cuando det( A − λI ) = 0. Escribimos la
matriz del sistema y calculamos su determinante:
     
1 3 1 0 1−λ 3
A − λI = −λ =
1 −1 0 1 1 −1 − λ
 
1−λ 3
det( A − λI ) = det = (1 − λ)(−1 − λ) − 3 = λ2 − 4
1 −1 − λ
Igualamos a 0 y resolvemos:

λ2 − 4 = 0 ⇐⇒ λ = 2 ó λ = −2

Concluimos entonces que los autovalores de A son λ = 2 y λ = −2 .

Para cada uno de los autovalores, busquemos los autovectores asociados. Estos son los vectores
v 6= 0 que cumplen Av = λv, es decir, las soluciones no triviales del sistema

( A − λI )v = 0

• Para λ = 2, el sistema queda

    
−1 3 x 0
=
1 −3 y 0

y es equivalente a la ecuación − x + 3y = 0. Entonces, las soluciones son v = y(3, 1), con

y ∈ R. Por lo tanto:
Los autovectores asociados a λ = 2 son los vectores v = y(3, 1), con y 6= 0.

• Para λ = −2, el sistema queda

    
3 3 x 0
=
1 1 y 0

y es equivalente a la ecuación x + y = 0. Entonces, las soluciones son v = y(−1, 1), con

y ∈ R. Por lo tanto:
Los autovectores asociados a λ = −2 son los vectores v = y(−1, 1), con y 6= 0.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Para f : R2 → R2 , f (x) = Ax, como vimos al comienzo de la sección, una base B = {v1 , v2 } de
R2 tal que MB ( f ) sea diagonal estará formada por autovectores de f , es decir, autovectores de
la matriz A.
Si v1 = (3, 1) (autovector asociado al autovalor λ = 2) y v2 = (−1, 1) (autovector asociado
al autovalor λ = −2), tenemos que B = {(3, 1), (−1, 1)} es una base de R2 , ya que los dos
vectores del conjunto no son uno múltiplo del otro. Además:

• f (3, 1) = 2 · (3, 1) = 2(3, 1) + 0(−1, 1) ⇒ ( f (3, 1)) B = (2, 0)

• f (−1, 1) = (−2)(−1, 1) = 0(3, 1) + (−2)(−1, 1) ⇒ ( f (−1, 1)) B = (0, −2)

y, por lo tanto,  
2 0
MB ( f ) = .
0 −2

B = {(3, 1), (−1, 1)} es una base de R2 tal que MB ( f ) es diagonal.

 
0 −1 2
Ejemplo 2. Sea A =  k 1 1 . Hallar k ∈ R para que λ = 2 sea autovalor de A.
3 0 1
Para el valor de k hallado, calcular todos los autovectores de A asociados al autovalor
λ = 2.

Solución. Sabemos que λ = 2 es autovalor de A si tiene un autovector asociado, es decir, si

existe un vector v 6= 0 tal que Av = 2v. Reescribiendo esta igualdad, esto es lo mismo que
decir que el sistema homogéneo ( A − 2I )v = 0 es compatible indeterminado. Como A − 2I es
una matriz cuadrada, esto ocurre cuando

det( A − 2I ) = 0.

Calculamos el determinante de la matriz

     
0 −1 2 2 0 0 −2 −1 2
det( A − 2I ) = det  k 1 1  −  0 2 0  = det  k −1 1  = 1 − k,
3 0 1 0 0 2 3 0 −1

igualamos a 0 y despejamos: k = 1 .

Para k = 1, buscamos los autovectores de A asociados al autovalor λ = 2 resolviendo el sistema

( A − 2I )v = 0.
   
−2 −1 2 0 1 −1 1 0
( A − 2I | 0) =  1 −1 1 0  →  −2 −1 2 0 
3 0 −1 0 3 0 −1 0
   
1 −1 1 0 1 −1 1 0
→  0 −3 4 0  →  0 −3 4 0 
0 3 −4 0 0 0 0 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Las soluciones no triviales de este sistema son de la forma α(1, 4, 3), con α ∈ R, α 6= 0. Estos
son los autovectores asociados al autovalor λ = 2.

Respuesta: El único valor de k ∈ R para el cual λ = 2 es autovalor de A es k = 1 y, para este

valor, los autovectores asociados a λ = 2 son los vectores v = α(1, 4, 3), con α 6= 0.

Verificación: Con k = 1,
        
1 0 −1 2 1 2 1
A  4  =  1 1 1   4  =  8  =2 4 

3 3 0 1 3 6 3
y, en consecuencia, lo mismo vale para todo v = α(1, 4, 3), con α ∈ R.

Polinomio caracterı́stico
De la misma manera que en los ejemplos anteriores, vemos que los autovalores de una matriz
A ∈ Rn×n son los λ ∈ R tales que el sistema ( A − λI )v = 0 tiene solución no trivial, es decir,
los λ ∈ R tales que det( A − λI ) = 0.

Polinomio caracterı́stico de una matriz

Si A ∈ Rn×n , se llama polinomio caracterı́stico de A a

P(λ) = det( A − λI ),

que es un polinomio en la variable λ con coeficientes en R.

Propiedad del polinomio caracterı́stico

Los autovalores de A son las raı́ces en R del polinomio caracterı́stico de A.

 
0 −1
Ejemplo 3. Hallar todos los autovalores de A = .
1 0

Solución. Para hallar los autovalores de A calculamos su polinomio caracterı́stico:

     
0 −1 λ 0 − λ −1
P(λ) = det( A − λI ) = det − = det = λ2 + 1
1 0 0 λ 1 −λ

El polinomio P(λ) = λ2 + 1 no tiene raı́ces reales. Por lo tanto, A no tiene autovalores .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Diagonalización y subespacios asociados a autovalores

La matriz A ∈ R2×2 del ejemplo anterior no tiene autovalores y, en consecuencia, tampoco
tiene autovectores. Esto nos dice que para la transformación lineal f : R2 → R2 , f (x) = Ax
definida con esa matriz no existe una base B de R2 tal que MB ( f ) sea diagonal, ya que dicha
base deberı́a estar formada por autovectores de A. Vemos entonces que el problema planteado
al comienzo no siempre tiene solución.

Transformación lineal diagonalizable

Una transformación lineal f : V → V se dice diagonalizable si existe una base B de V tal

que MB ( f ) es diagonal.

De manera similar a lo que hicimos al comienzo para una transformación lineal f : R2 → R2 ,

se puede ver que vale lo siguiente:

Propiedad

Una transformación lineal f : V → V es diagonalizable si y sólo si existe una base B de

V formada por autovectores de f .

En lo que sigue nos concentraremos en hallar autovalores y autovectores de matrices y trans-

formaciones lineales.

Si λ es un autovalor de la matriz A ∈ Rn×n , los autovectores asociados a λ son las soluciones

no triviales del sistema homogéneo ( A − λI )v = 0; entonces, junto con el vector nulo, estos
autovectores forman un subespacio de Rn . Algo similar sucede para una transformación lineal
f : V → V.

Subespacio asociado a un autovalor

Si A ∈ Rn×n y λ es un autovalor de A, el conjunto

Sλ = {v ∈ Rn / Av = λv}

es el subespacio asociado al autovalor λ.

Similarmente, si f : V → V es una transformación lineal y λ es un autovalor de f ,

Sλ = {v ∈ V/ f (v) = λv}

es el subespacio asociado al autovalor λ.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Ejemplo 1. En cada caso, calcular todos los autovalores de la matriz A y, para cada uno
de ellos, hallar el subespacio asociado. Si f : R3 → R3 es la transformación lineal tal que
M( f ) = A, decidir si f es diagonalizable y, en caso afirmativo, exhibir una base B de R3
tal que MB ( f ) sea diagonal.
     
1 3 0 1 3 0 1 3 0
a) A =  1 −1 0  b) A =  1 −1 0  c) A =  1 −1 0 
1 −2 1 −1 3 2 −1 1 2

Solución.

a) Para hallar los autovalores de A, buscamos las raı́ces de su polinomio caracterı́stico:

P(λ) = det( A − λI ).

Calculamos:
     
1 3 0 λ 0 0 1−λ 3 0
A − λI =  1 −1 0  −  0 λ 0  =  1 −1 − λ 0 
1 −2 1 0 0 λ 1 −2 1−λ
 
1−λ 3 0  
1 − λ 3
P(λ) = det  1 −1 − λ 0  = (1 − λ) det
1 −1 − λ
1 −2 1−λ
= (1 − λ)(λ2 − 4)

y buscamos las raı́ces de P(λ), que son λ = 1, λ = 2 y λ = −2. Entonces:

Los autovalores de A son λ = 1, λ = 2 y λ = −2
Ahora, para cada uno de los autovalores hallados, calculamos el subespacio asociado Sλ
resolviendo el sistema
( A − λI )v = 0

Para λ = 1:    
0 3 0 0 1 −2 0 0
( A − I | 0 ) =  1 −2 0 0  →  0 3 0 0 
1 −2 0 0 0 0 0 0
Las soluciones son v = z(0, 0, 1), con z ∈ R. Entonces:
El subespacio asociado al autovalor λ = 1 es S1 = h(0, 0, 1)i.

Para λ = 2:
   
−1 3 0 0 −1 3 0 0
( A − 2I | 0) =  1 −3 0 0  →  0 1 −1 0 
1 −2 −1 0 0 0 0 0

Las soluciones son v = z(3, 1, 1), con z ∈ R. Entonces:

El subespacio asociado al autovalor λ = 2 es S2 = h(3, 1, 1)i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Para λ = −2:
   
3 3 0 0 1 1 0 0
( A − (−2) I | 0) =  1 1 0 0  →  0 −3 3 0 
1 −2 3 0 0 0 0 0
Las soluciones son v = z(−1, 1, 1), con z ∈ R. Entonces:
El subespacio asociado al autovalor λ = −2 es S−2 = h(−1, 1, 1)i.

La transformación lineal f : R3 → R3 tal que M ( f ) = A, es decir f (x) = Ax, es diago-

nalizable si y sólo si existe una base B = {v1 , v2 , v3 } de R3 formada por autovectores
de A. Como la dimensión del subespacio Sλ asociado a cada autovalor es 1, para que el
conjunto B sea linealmente independiente, elegimos un autovector asociado a cada uno
de los autovalores, por ejemplo:

B = {(0, 0, 1), (3, 1, 1), (−1, 1, 1)}

Queda como ejercicio verificar que este conjunto es linealmente independiente y, por lo
tanto, es una base de R3 formada por autovectores de f . Entonces f es diagonalizable .
Para esta base B, tenemos que:
 
1 0 0
MB ( f ) =  0 2 0 
0 0 −2

Verificación:
    
1 3 0 0 0
f (0, 0, 1) =  1 −1 0  0 =  0  ⇒ ( f (0, 0, 1)) B = (1, 0, 0)
1 −2 1 1 1
      
1 3 0 3 6 3
f (3, 1, 1) =  1 −1 0  1 =  2  = 2 1 
1 −2 1 1 2 1
⇒ ( f (3, 1, 1)) B = (0, 2, 0)
      
1 3 0 −1 2 −1
f (−1, 1, 1) =  1 −1 0   1  = −2  = (−2)  1 
1 −2 1 1 −2 1
⇒ ( f (−1, 1, 1)) B = (0, 0, −2)

b) Como en el caso anterior, para hallar los autovalores de A, calculamos su polinomio ca-
racterı́stico:
   
1 3 0 λ 0 0
P(λ) = det( A − λI ) = det  1 −1 0  −  0 λ 0 
−1 3 2 0 0 λ
 
1−λ 3 0  
1−λ 3
= det  1 −1 − λ 0  = (2 − λ) det
1 −1 − λ
−1 3 2−λ
= (2 − λ)(λ2 − 4)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

y le buscamos las raı́ces que, en este caso, son λ = 2 (doble) y λ = −2. Entonces:
Los autovalores de A son λ = 2 y λ = −2
Ahora, para cada uno de los autovalores, calculamos el subespacio asociado Sλ resolviendo
el sistema
( A − λI )v = 0
Para λ = 2:
   
−1 3 0 0 −1 3 0 0
( A − 2I | 0) =  1 −3 0 0  →  0 0 0 0 
−1 3 0 0 0 0 0 0
Las soluciones son v = y(3, 1, 0) + z(0, 0, 1), con y, z ∈ R. Entonces:
El subespacio asociado al autovalor λ = 2 es S2 = h(3, 1, 0), (0, 0, 1)i.

Para λ = −2:
   
3 3 0 0 1 1 0 0
( A − (−2) I | 0) =  1 1 0 0  →  0 4 4 0 
−1 3 4 0 0 0 0 0
Las soluciones son v = z(1, −1, 1), con z ∈ R. Entonces:
El subespacio asociado al autovalor λ = −2 es S−2 = h(1, −1, 1)i.

Para decidir si f : R3 → R3 , f (x) = Ax es diagonalizable, buscamos una base B de R3

formada por autovectores de A. En este caso tenemos que dim(S2 ) = 2 y dim(S−2 ) = 1.
Consideramos una base de S2 , por ejemplo BS2 = {(3, 1, 0), (0, 0, 1)}, y una base de S−2 ,
por ejemplo BS−2 = {(1, −1, 1)}. Al unirlas obtenemos

B = {(3, 1, 0), (0, 0, 1), (1, −1, 1)}

que resulta ser linealmente independiente. Por lo tanto, B es una base de R3 formada por
autovectores de f . Concluimos que f es diagonalizable .
Como los dos primeros vectores de la base B son autovectores asociados al autovalor 2 y
el tercero es un autovector asociado al autovalor −2, tenemos que
 
2 0 0
MB ( f ) =  0 2 0 
0 0 −2

c) Nuevamente, para hallar los autovalores de A, calculamos las raı́ces de su polinomio

caracterı́stico:
   
1 3 0 λ 0 0
P(λ) = det( A − λI ) = det  1 −1 0  −  0 λ 0 
−1 1 2 0 0 λ
 
1−λ 3 0  
1−λ 3
= det  1 −1 − λ 0  = (2 − λ) det
1 −1 − λ
−1 1 2−λ
= (2 − λ)(λ2 − 4)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Las raı́ces de este polinomio son λ = 2 (doble) y λ = −2. Entonces:

Los autovalores de A son λ = 2 y λ = −2.
Ahora, para cada uno de los autovalores, calculamos el subespacio asociado Sλ resolviendo
el sistema
( A − λI )v = 0

Para λ = 2:
   
−1 3 0 0 −1 3 0 0
( A − 2I | 0) =  1 −3 0 0  →  0 −2 0 0 
−1 1 0 0 0 0 0 0

Las soluciones son v = z(0, 0, 1), con z ∈ R. Entonces:

El subespacio asociado al autovalor λ = 2 es S2 = h(0, 0, 1)i.

Para λ = −2:
   
3 3 0 0 1 1 0 0
( A − (−2) I | 0) =  1 1 0 0  →  0 2 4 0 
−1 1 4 0 0 0 0 0

Las soluciones son v = z(2, −2, 1), con z ∈ R. Entonces:

El subespacio asociado al autovalor λ = −2 es S−2 = h(2, −2, 1)i.

Veamos que en este caso no existe una base de R3 formada por autovectores de A. Vi-
mos que A tiene dos autovalores, λ = 2 y λ = −2. Si tomamos tres autovectores
de A para intentar formar una base de R3 , necesariamente dos de ellos pertenecerán
a S2 o dos de ellos a S−2 . Pero cada uno de estos subespacios tiene dimensión 1, con
lo cual no puede contener dos vectores linealmente independientes. Concluimos que
f : R3 → R3 , f (x) = Ax, no es diagonalizable .

Observaciones:
El polinomio caracterı́stico de una matriz A ∈ Rn×n tiene grado n y, como consecuencia, tiene
n raı́ces en C (contadas con multiplicidad). Los autovalores de A son las raı́ces reales de este
polinomio. Entonces:

Una matriz A ∈ Rn×n puede tener como máximo n autovalores.

En el ejemplo anterior, por ejemplo, la matriz A ∈ R3×3 del inciso a) tiene 3 autovalores; sin
embargo, en los incisos b) y c), tenemos matrices en R3×3 que tienen sólo dos autovalores.
En el caso a), al considerar un autovector asociado a cada uno de los 3 autovalores (es decir,
una base del subespacio asociado a cada autovalor, ya que cada uno tiene dimensión 1) obtu-
vimos un conjunto linealmente independiente, es decir, una base de R3 . De la misma manera,
en el inciso b), al unir bases de los subespacios asociados a cada autovalor (un subespacio
de dimensión 2 y otro de dimensión 1), conseguimos un conjunto de 3 vectores linealmente

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

independiente, o sea una base de R3 . En el caso c), no fue posible obtener una base de R3 for-
mada por autovectores de A, ya que la matriz tiene dos autovalores y para cada uno de ellos
el subespacio asociado es de dimensión 1. Si bien al unir bases de estos subespacios resulta un
conjunto linealmente independiente, éste tiene sólo 2 vectores y, entonces, no es una base de
R3 .

Las observaciones anteriores valen en general: si λ1 , . . . , λr son autovalores de una matriz A ∈

Rn×n y B1 , . . . , Br son bases de los subespacios asociados Sλ1 , . . . , Sλr respectivamente, el con-
junto B1 ∪ · · · ∪ Br es linealmente independiente. En particular, si dim(Sλ1 ) + · · · + dim(Sλr ) =
n, entonces B = B1 ∪ · · · ∪ Br es una base de Rn formada por autovectores de A.
De esta propiedade se deduce que:

Si A ∈ Rn×n tiene n autovalores distintos, entonces f (x) = Ax es diagonalizable.

Esto se debe a que, si λ1 , . . . , λn son los n autovalores distintos de A y v1 , . . . , vn son autovec-

tores asociados a cada uno de ellos, entonces B = {v1 , . . . , vn } es una base de Rn tal que MB ( f )
es diagonal.

Más generalmente, vale el siguiente criterio:

Si f : Rn → Rn es la transformación lineal tal que M ( f ) = A ∈ Rn×n y λ1 , . . . , λr son

todos sus autovalores, entonces

f es diagonalizable si y sólo si dim(Sλ1 ) + · · · + dim(Sλr ) = n.

Matrices diagonalizables
Dada una matriz A ∈ Rn×n , si la transformación lineal f : Rn → Rn definida por f (x) = Ax
es diagonalizable, existe una base B de Rn , formada por autovectores de A, tal que MB ( f ) es
diagonal. Vı́a matrices de cambio de base, tenemos la siguiente relación:

A = M ( f ) = CBE MB ( f ) CEB = C D C −1

donde C = CBE es una matriz inversible y D = MB ( f ) es una matriz diagonal.

 
1 3
Por ejemplo, en el Ejemplo 1 de la sección anterior, para la matriz A = hallamos
1 −1
 
2 0
B = {(3, 1), (−1, 1)}, base de R2 tal que MB ( f ) = . Entonces, si
0 −2
   
3 −1 2 0
C = CBE = y D = MB ( f ) =
1 1 0 −2
se tiene que
      −1
1 3 3 −1 2 0 3 −1
A= = = C D C −1
1 −1 1 1 0 −2 1 1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Matriz diagonalizable

Una matriz A ∈ Rn×n se dice diagonalizable si existen una matriz diagonal D ∈ Rn×n y
una matriz inversible C ∈ Rn×n tales que A = C D C −1 .

Como en el ejemplo anterior, una matriz A ∈ Rn×n es diagonalizable cuando es diagonalizable

la transformación lineal f : Rn → Rn definida por f (x) = Ax. Entonces:

A ∈ Rn×n es diagonalizable si y sólo si existe una base B = {v1 , . . . , vn } de Rn formada

por autovectores de A.
En tal caso, si v1 es un autovector asociado al autovalor λ1 , v2 un autovector asociado a
λ2 , . . . , vn un autovector asociado a λn (con λ1 , λ2 , . . . , λn no necesariamente distintos),
 
λ1 0 . . . 0
.. 
 0 λ2 . . .

t t t

. 
C = ( v1 ) ( v2 ) · · · ( v n ) y D= .  
 .. . . . . . . 0 


0 ... 0 λn

cumplen que
A = C D C −1 .

Ejemplo 2. Para cada una de las matrices del Ejemplo 1, decidir si A es diagonalizable
y, en caso afirmativo, hallar una matriz inversible C y una matriz diagonal D tales que
A = C D C −1 .

Solución. Utilizaremos los resultados de los cálculos que hicimos en el Ejemplo 1.

 
1 3 0
a) A =  1 −1 0 
1 −2 1
Vimos que B = {(0, 0, 1), (3, 1, 1), (−1, 1, 1)} es una base de R3 formada por autovectores
de A y, por lo tanto, A es diagonalizable . Además:

• (0, 0, 1) es un autovector de A asociado al autovalor 1,

• (3, 1, 1) es un autovector de A asociado al autovalor 2,
• (−1, 1, 1) es un autovector de A asociado al autovalor −2.

Entonces A = C D C −1 para las matrices

   
0 3 −1 1 0 0
C= 0 1 1  y D= 0 2 0 
1 1 1 0 0 −2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Verificación: calculamos C −1 y efectuamos los productos

0 −1 1
     
0 3 −1 1 0 0 1 3 0
C D C −1 =  0 1 1  0 2 0   41 1
4 0
 =  1 −1 0  = A
0 0 −2 1 3 1 −2 1
1 1 1 −4 4 0
 
1 3 0
b) A =  1 −1 0 
−1 3 2
Vimos que B = {(3, 1, 0), (0, 0, 1), (1, −1, 1)} es una base de R3 formada por autovectores
de A y, por lo tanto, A es diagonalizable . Además:

• (3, 1, 0) y (0, 0, 1) son autovectores de A asociados al autovalor 2,

• (1, −1, 1) es un autovector de A asociado al autovalor −2.

Entonces A = C D C −1 para las matrices

   
3 0 1 2 0 0
C =  1 0 −1  y D= 0 2 0 
0 1 1 0 0 −2

Verificación: calculamos C −1 y efectuamos los productos

   1 1   
3 0 1 2 0 0 4 4 0 1 3 0
C D C −1 =  1 0 − 1   0 2 0   − 14 3
4 1
 =  1 −1 0  = A
0 0 −2 1 3 −1
4 −4 0
0 1 1 3 2
 
1 3 0
c) A =  1 −1 0 
−1 1 2
Para esta matriz vimos que no existe una base de R3 formada por autovectores de A y,
por lo tanto, A no es diagonalizable .

 
1 0 0
Ejemplo 3. Sea A =  6 k −3 . Hallar k ∈ R para que v = (0, 1, −1) sea un au-
−6 6 4
tovector de A. Para el valor hallado, decidir si A es diagonalizable y, en caso afirmativo,
hallar una matriz inversible C y una matriz diagonal D tales que A = C D C −1 .

Solución. El vector v es un autovector de A si existe λ ∈ R tal que Av = λv, o sea,

        
1 0 0 0 0 0 0 
 6 k −3   1  = λ  1  ⇐⇒  k + 3  =  λ  ⇐⇒ k+3 = λ
2 = −λ
−6 6 4 −1 −1 2 −λ

Deducimos que λ = −2 y k = −5. Entonces, para k = −5 , el vector v = (0, 1, −1) es un

autovector de A asociado al autovalor −2.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Veamos si, para el valor de k hallado, la matriz es diagonalizable. Al reemplazar k = −5, queda:
 
1 0 0
A =  6 −5 −3  .
−6 6 4

Buscamos los autovalores de A, que son las raı́ces de su polinomio caracterı́stico:

 
1−λ 0 0
P(λ) = det( A − λI ) = det  6 −5 − λ −3  = (1 − λ)2 (−2 − λ)
−6 6 4−λ

Las raı́ces de P(λ) son λ = 1 (doble) y λ = −2. Ası́, los autovalores de A son λ = 1 y λ = −2.
Para decidir si A es diagonalizable, buscamos los autovectores asociados a cada autovalor, es
decir las soluciones no triviales de ( A − λI )v = 0, y vemos si es posible construir una base de
R3 formada por autovectores de A.
Para λ = 1:    
0 0 0 0 6 −6 −3 0
( A − I | 0 ) =  6 −6 −3 0  →  0 0 0 0 
−6 6 3 0 0 0 0 0
Las soluciones son los vectores v = ( x, y, 2x − 2y) = x (1, 0, 2) + y(0, 1, −2), con x, y ∈ R.
Entonces, el subespacio asociado al autovalor λ = 1 es S1 = h(1, 0, 2), (0, 1, −2)i.
Para λ = −2, ya conocemos el autovector v = (0, 1, −1), por lo que vimos al comienzo del
ejemplo. También podemos resolver el sistema ( A − (−2) I )v = 0 y obtener que el subespacio
asociado a este autovalor es S−2 = h(0, 1, −1)i.
A partir de estos cálculos, tenemos que B = {(1, 0, 2), (0, 1, −2), (0, 1, −1)} es una base de R3
formada por autovectores de A. En consecuencia, A es diagonalizable.
Como los dos primeros vectores de la base B son autovectores asociados al autovalor 1 y el
tercero es un autovector asociado al autovalor −2, entonces A = C D C −1 para las matrices
   
1 0 0 1 0 0
C= 0 1 1  y D= 0 1 0 
2 −2 −1 0 0 −2

Verificación: calculamos C −1 y efectuamos los productos

     
1 0 0 1 0 0 1 0 0 1 0 0
C D C −1 =  0 1 1  0 1 0   2 −1 −1  =  6 −5 −3  = A
2 −2 −1 0 0 −2 −2 2 1 −6 6 4

Respuesta: el valor de k para el cual v = (0, 1, −1) es

 un autovectorde A es k= −5 y, para
este
1 0 0 1 0 0
valor, A es diagonalizable: A = C D C −1 con C =  0 1 1 yD= 0 1 0 .
2 −2 −1 0 0 −2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 13

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Más ejemplos de diagonalización

Hasta el momento vimos ejemplos donde analizamos si es diagonalizable una transformación
lineal f : Rn → Rn dada por f (x) = Ax con A ∈ Rn×n , es decir, dada por su matriz A = M( f )
en la base canónica.
Consideremos ahora ejemplos en los que aparecen otras bases.

Ejemplo 4. En cada caso, decidir si f es diagonalizable y, en caso afirmativo, hallar una

base B0 de R3 tal que MB0 ( f ) sea diagonal.
 
−2 4 0
a) f : R3 → R3 la transformación lineal tal que MEB ( f ) =  3 −5 −6 ,
0 0 2
con B = {(1, 0, 0), (2, 1, 0), (0, 0, 1)} base de R3 .
 
1 −1 1
b) f : R3 → R3 la transformación lineal tal que MBE ( f ) =  1 2 −2 ,
2 0 0
con B = {(1, 0, −1), (1, −1, 0), (0, 1, 0)} base de R3 .

Solución. En ambos casos, vamos a calcular la matriz de f en la base canónica efectuando

un cambio de base conveniente y luego analizaremos si f es diagonalizable como hicimos en
ejemplos anteriores.

a) Aplicando la fórmula de cambio de base para la matriz de una transformación lineal

tenemos que
    
1 2 0 −2 4 0 4 −6 −12
A = MEE ( f ) = CBE MEB ( f ) =  0 1 0   3 −5 −6  =  3 −5 −6 
0 0 1 0 0 2 0 0 2

(Recordar que la matriz de cambio de base CBE tiene como columnas a los vectores de B.)
La matriz A hallada cumple que f (x) = Ax para todo x ∈ R3 .
Calculamos los autovalores de f buscando las raı́ces del polinomio caracterı́stico de A:
 
4−λ −6 −12
P(λ) = det( A − λI ) = det  3 −5 − λ −6  = (2 − λ)(λ2 + λ − 2)
0 0 2−λ
= (2 − λ)(λ − 1)(λ + 2)

Entonces los autovalores de f son 2, 1 y −2.

Como f está definida en R3 y tiene 3 autovalores distintos, entonces f es diagonalizable .
Una base B0 de R3 tal que MB0 ( f ) es diagonal debe estar formada por autovectores de
f . Para hallarlos, resolvemos los sistemas homogéneos ( A − λI )v = 0 para cada uno
de los autovalores λ encontrados. Queda como ejercicio hacer estos cálculos. Se obtiene
S2 = h(−12, −6, 1)i, S1 = h(2, 1, 0)i y S−2 = h(1, 1, 0)i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 14

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Armamos la base B0 considerando un autovector asociado a cada autovalor:

 
2 0 0
B0 = {(−12, −6, 1), (2, 1, 0), (1, 1, 0)} y M B0 ( f ) =  0 1 0 
0 0 −2

Respuesta: f es diagonalizable y B0 = {(−12, −6, 1), (2, 1, 0), (1, 1, 0)} es una base de R3
tal que MB0 ( f ) es diagonal.

b) Nuevamente comenzamos aplicando la fórmula de cambio de base para calcular la matriz

de f en la base canónica:
    
1 −1 1 0 0 −1 0 1 −1
A = MEE ( f ) = MBE ( f )CEB =  1 2 −2   1 0 1  =  0 −2 −1 
2 0 0 1 1 1 0 0 −2

(Recordar que la matriz de cambio de base CEB se puede hallar, o bien directamente a
partir de la definición, o bien como la inversa de CBE , que es fácil de construir.)
Calculamos los autovalores de f buscando las raı́ces del polinomio caracterı́stico de A:
 
−λ 1 −1
P(λ) = det( A − λI ) = det  0 −2 − λ −1  = −λ(−2 − λ)2
0 0 −2 − λ

Las raı́ces de este polinomio son λ = 0 y λ = −2 (doble). Entonces f tiene dos auto-
valores, 0 y −2. Sólo con esta información no podemos determinar si es diagonalizable.
Debemos buscar autovectores.
Para λ = 0, los autovectores son las soluciones no triviales de ( A − 0I )v = 0, es decir, de
Av = 0. El conjunto de soluciones de este sistema es S0 = h(1, 0, 0)i.
Para λ = −2:  
2 1 −1 0
( A − (−2) I | 0) =  0 0 −1 0 
0 0 0 0
que tiene como cojunto solución a S−2 = h(1, −2, 0)i.
Como f : R3 → R3 y dim(S0 ) + dim(S−2 ) = 2 < 3, no hay suficientes autovectores
linealmente independientes para formar una base de R3 . Por lo tanto:

Respuesta: f no es diagonalizable.

Diagonalización de transformaciones lineales f : V → V

Para hallar autovalores y autovectores de una transformación lineal f : V → V definida en
un espacio vectorial tal que dim(V) = n, vamos a usar que mediante bases y coordenadas
podemos asociarle a f matrices en Rn×n .

Dada f : V → V, buscamos λ ∈ R y v ∈ V, v 6= 0, tales que f (v) = λv.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 15

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Si B = {v1 , . . . , vn } es una base de V, el vector v ∈ V es de la forma v = a1 v1 + · · · + an vn con

a1 , . . . , an ∈ R. Entonces la condición f (v) = λv se escribe como

f (v) = λ( a1 v1 + · · · + an vn ) = λa1 v1 + · · · + λan vn .

Si miramos coordenadas en la base B, lo anterior nos dice que si v ∈ V es un autovector de f

asociado al autovalor λ y sus coordenadas en la base B son (v) B = ( a1 , · · · , an ), entonces

( f (v)) B = (λa1 , · · · , λan ) = λ( a1 , · · · , an ) = λ · (v) B .

Recordemos que ( f (v)) B se puede calcular a partir de (v) B usando la matriz de f en la base B:

( f (v)) B = MB ( f ) · (v) B

Juntando estas dos últimas igualdades, deducimos que

MB ( f ) · (v) B = λ · (v) B

es decir, que λ es un autovalor de la matriz MB ( f ) ∈ Rn×n y el vector (v) B de las coordenadas

de v en la base B es un autovector asociado a λ.
Recı́procamente, si ( a1 , . . . , an ) ∈ Rn es un autovector de MB ( f ) asociado al autovalor λ, en-
tonces v = a1 v1 + · · · + an vn ∈ V (el vector cuyas coordenadas en la base B son ( a1 , . . . , an )) es
un autovector de f asociado al mismo autovalor.

Si f : V → V es una transformación lineal en un espacio vectorial V de dimensión n y B

es una base de V, entonces:

• λ es autovalor de f ⇐⇒ λ es autovalor de MB ( f ) ∈ Rn×n

• v ∈ V es autovector de f asociado al autovalor λ ⇐⇒ (v) B ∈ Rn es autovector de

MB ( f ) asociado al autovalor λ

Ejemplo 1. Sea B = {v1 , v2 } una base de un espacio vectorial V y sea f : V → V la

transformación lineal definida por

f (v1 ) = −2v1 − v2
f (v2 ) = 3v1 + 2v2

Hallar los autovalores y los autovectores de f . Decidir si f es diagonalizable y, en caso

afirmativo, dar una base B0 de V tal que MB0 ( f ) sea diagonal.

Solución. Como f está definida en la base B, podemos constuir fácilmente MB ( f ) ∈ R2×2 .

Sabemos que los autovalores de f son los autovalores de esta matriz.
 
f (v1 ) = −2v1 − v2 ⇒ ( f (v1 )) B = (−2, −1) −2 3
−→ MB ( f ) =
f (v2 ) = 3v1 + 2v2 ⇒ ( f (v2 )) B = (3, 2) −1 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 16

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Buscamos los autovalores de MB ( f ). Para esto, calculamos su polinomio caracterı́stico:

 
−2 − λ 3
P(λ) = det( MB ( f ) − λI ) = det = (−2 − λ)(2 − λ) + 3 = λ2 − 1
−1 2−λ
Las raı́ces de este polinomio son λ = 1 y λ = −1. Por lo tanto:
Los autovalores de f son λ = 1 y λ = −1 .
Ahora buscamos los autovectores de MB ( f ) asociados a cada autovalor, que son las coorde-
nadas ( a1 , a2 ) de los autovectores de f en la base B.
Para λ = 1:    
−3 3 0 −1 1 0
( MB ( f ) − I | 0) = →
−1 1 0 0 0 0
Las soluciones del sistema son ( a1 , a2 ) = ( a1 , a1 ) con a1 ∈ R. Los vectores v ∈ V que tienen
estas coordenadas en la base B son v = a1 v1 + a1 v2 = a1 (v1 + v2 ), con a1 ∈ R.
El subespacio de autovectores de f asociado al autovalor λ = 1 es S1 = hv1 + v2 i.
Para λ = −1:    
−1 3 0 −1 3 0
( MB ( f ) − (−1) I | 0) = →
−1 3 0 0 0 0
Las soluciones del sistema son ( a1 , a2 ) = (3a2 , a2 ), con a2 ∈ R. Los vectores v ∈ V que tienen
estas coordenadas en la base B son v = 3a2 v1 + a2 v2 = a2 (3v1 + v2 ), con a2 ∈ R.
El subespacio de autovectores de f asociado al autovalor λ = −1 es S−1 = h3v1 + v2 i.

Con los autovectores hallados, armamos la base B0 = {v1 + v2 , 3v1 + v2 } de V. Por lo tanto,
 
1 0
f es diagonalizable y MB0 ( f ) = .
0 −1

Ejemplo 2. Sean B = {v1 , v2 , v3 } y B0 = {v1 − v2 , v2 , −v1 + v3 } bases

 de un espacio

2 −2 4
vectorial V y sea f : V → V la transformación lineal tal que MBB0 ( f ) =  2 1 4 .
2 4 1
00
Decidir si f es diagonalizable y, en caso afirmativo, hallar una base B de V tal que
MB00 ( f ) sea diagonal.

Solución. Vimos que para hallar los autovalores y los autovectores de f podemos trabajar con
la matriz de f en cualquier base de V. En este caso, tenemos como dato la matriz MBB0 ( f ), que
está armada con dos bases distintas, B y B0 , ası́ que no podemos usar directamente esta matriz.
Comenzaremos haciendo un cambio de base para hallar MB ( f ):
MB ( f ) = CB0 B MBB0 ( f )
Como (v1 − v2 ) B = (1, −1, 0), (v2 ) B = (0, 1, 0) y (−v1 + v3 ) = (−1, 0, 1), nos queda:
    
1 0 −1 2 −2 4 0 −6 3
M B ( f ) =  −1 1 0  2 1 4 = 0 3 0 
0 0 1 2 4 1 2 4 1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 17

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Ahora, como en el ejemplo anterior, buscamos los autovalores de f y las coordenadas en la base
B de los autovectores asociados usando la matriz MB ( f ). El polinomio caracterı́stico es
 
− λ −6 3
P(λ) = det( MB ( f ) − λI ) = det  0 3 − λ 0  = −(λ − 3)2 (λ + 2),
2 4 1−λ

con lo cual los autovalores de f son λ = 3 y λ = −2.

Como f tiene 2 autovalores y está definida en un espacio vectorial de dimensión 3, sólo con
esta información no podemos decidir si f es diagonalizable o no. Para hacerlo, buscamos los
autovectores.
Para cada autovalor, buscamos los autovectores de MB ( f ) asociados, que son las coordenadas
en la base B de los autovectores de f .
Para λ = 3:
   
−3 −6 3 0 1 2 −1 0
( MB ( f ) − 3I | 0) =  0 0 0 0 → 0 0 0 0 
2 4 −2 0 0 0 0 0

Las soluciones del sistema son ( a1 , a2 , a3 ) = ( a1 , a2 , a1 + 2a2 ), con a1 , a2 ∈ R. Los vectores v ∈ V

que tienen estas coordenadas en la base B son v = a1 v1 + a2 v2 + ( a1 + 2a2 )v3 = a1 (v1 + v3 ) +
a2 (v2 + 2v3 ), con a1 , a2 ∈ R.
Entonces, el subespacio de autovectores de f asociado al autovalor 3 es S3 = hv1 + v3 , v2 + 2v3 i.
Para λ = −2:
   
2 −6 3 0 2 0 3 0
( MB ( f ) − (−2) I | 0) =  0 5 0 0 → 0 1 0 0 
2 4 3 0 0 0 0 0

3
Las soluciones del sistema son de la forma ( a1 , a2 , a3 ) = (− a3 , 0, a3 ), con a3 ∈ R.
2
3
Los vectores v ∈ V que tienen estas coordenadas en la base B son v = − a3 v1 + a3 v3 =
2
3
a3 (− v1 + v3 ), con a3 ∈ R.
2
3
Entonces, el subespacio de autovectores de f asociado al autovalor −2 es S−2 = h− v1 + v3 i.
2
3
Uniendo una base de S3 y una base de S−2 obtenemos B00 = {v1 + v3 , v2 + 2v3 , − v1 + v3 },
2
que es una base de V formada por autovectores de f . Por lo tanto,
 
3 0 0
f es diagonalizable y MB00 ( f ) =  0 3 0 .
0 0 −2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 18