Diagonalizacion

fcjs.urjc.es
Matematicas Empresariales

1.

Introducci
on

Vamos a introducir el concepto y trabajar con autovalores y autovectores, para luego llegar a la diagonalizaci
on
de matrices, tema que nos permitir
a plantear problemas de tipo economico y empresarial, como por ejemplo los
cambios que suceden en las cuotras de mercado entre competidores con el transcurso del tiempo.

2.

Autovalores y autovectores

Sea A Mn (R), una matriz cuadrada. Decimos que R es una autovalor o valor propio de A si existe
un vector columna v 6= 0 tal que A v = v. El vector v se llama autovector o vector propio1 asociado
al autovalor . El conjunto de todos los autovectores asociados a un mismo autovalor se llama autoespacio o
subespacio propio y se denota por V ().


2 1
Ejemplo 1. Con vectores de R2 = 1 es un autovalor de la matriz A =
, con autovector asociado
1 2


1
v=
. En efecto:
1


 

2 1
1
1
Av =
=
=v
1 2
1
1


t
Pero v no es el u
nico vector asociado a = 1. Si t R, el vector vt =
tambien es un vector asociado
t
al mismo autovalor:


 

2 1
t
t
A vt =
=
= vt
1 2
t
t
De echo, el autoespacio correspondiente a = 1 es
 


1
V (1) = t
,t R
1
Ejemplo 2. Con vectores de R3

0
x
0 . Calculemos los correspondientes autovectores. Si v = y ,
1
z

1
2
0
x
x
2
0 y = y = v
Av = 0
2 2 1
z
z

1
2
2
= 1 es autovalor de A = 0
2 2
debe verificarse que

1 Los conceptos de atovalor y autovector se introdujeron por primera vez en alem

an. En este idioma eigen significa propio, por
lo que tamben se denominan como eigenvalores y eigenvectores.

es decir

2x + 2y = 0
3y = 0

2x 2y = 0
resolviendo el sistema
se obtiene que x = y = 0, pero no hay ninguna condicion para z. Por tanto, los autovectores

0
son de la forma 0 . Es decir, el autoespacio correspondiente a = 1 es
z

V (1) = t 0 , t R

El conjunto de autovalores de la matriz A se llama espectro de A y se denota por (A).

2.1.

C
alculo de autovalores

Veamos el prodecimiento para averiguar si una matriz cuadrada posee autovalores, y cuantos, as como su
c
alculo.
El hecho de que una matriz cuadrada A Mn (R) posea autovalores y autovectores depende de la existencia de
soluciones para la igualdad A v = v siendo esta igualdad equivalente a (A I)v = 0, es decir

(A I)v =

(a11 )
a12

a21
(a22 )
..
..
..
.
.
.
an1
an2

a1n
a2n
..
.

(ann )

v1
v2
..
.
vn

0
0
..
.

Al tratarse de un sistema homogeneo para que tenga solucion distinta de la trivial (v 6= 0) es necesario y
suficiente que el determinante de la matriz del sistema sea cero2

 (a11 )
a12



a
(a

21
22

|A| = 
..
..
..

.
.
.


an1
an2






=0


(ann ) 
a1n
a2n
..
.

El desarrollo del determinante anterior genera un polinomio en de grado n, el cual se denota por p() =
|A I|, y se denomina polinomio caracterstico de la matriz A. Por tanto, una matriz cuadrada de orden
n tiene n autovalores que coinciden con los ceros de su polinomio caracterstico, siempre y cuando admitamos
que puedan ser complejos y los contemos teniendo en cuenta su multiplicidad3 .
2 La condici
on necesaria y suficiente para que un sistema homog
eneo tenga soluciones distintas de la trivial es que el rango de
la matriz de los coeficientes sea menor que el no de inc
ognitas, o dicho de otra forma, que el determinante de la matriz de los
coeficientes sea nulo. De este modo estamos en el caso del teorema de Rouche en el que r(A) = r(A0 ) < n y su valor es menor al
n
umero de inc
ognias, siendo as el sistema compatible indeterminado.
Ejemplo 1. Dado un sistema homog
eneo de tres ecuaciones con tres inc
ognitas si la matriz de los coeficientes tiene rango 3, entonces
estamos en el caso en que r(A) = r(A0 ) = 3 = n, por tanto el sistema es compatible determinado (S.C.D), la soluci
on es u
nica,
siendo la u
nica soluci
on la trivial.
Ejemplo 2. Dado un sistema homog
eneo de tres ecuaciones con tres inc
ognitas. Supongamos que el determinante de la matriz de
los coeficientes es igual a cero (|A| = 0), y que el determinante de un menor de orden 2 es distinto de cero, en este caso el rango es
2. Entonces estamos en el caso en que r(A) = r(A0 ) = 2 < n = 3, por tanto el sistema es compatible indeterminado (S.C.I), existen
infinitas soluciones.
Por tanto, para que existan soluciones distintas de la trivial en un sistema homog
eneo el determinante de A debe ser igual a cero.
3 La multiplicidad de las raices de un polinomio nos indica el n
umero de veces que se repite una raiz. Por ejemplo el polinomio

Ejemplo


2
1

Obtener los autovalores y autovectores de la matriz A =

1
2


.

Autovalores
Igualando a cero el polinomio caracterstico p() = |A I| = 0


 2
1 

= (2 )2 1 = 2 4 + 3 = 0
p() = 
1
2 
Los autovalores son las soluciones de 2 4 + 3 = 0, es decir = 1 y = 3. Esto supone que el espectro de A
es (A) = {1, 3}.

Autovectores
Ahora vamos a calcular los autovectores.
=1

Los autovectores de v =

x
y


son soluciones del sistema


2
1

1
2



x+y =0
x+y =0

x
y


=

x
y

o lo que es lo mismo


de donde obtenemos que y = x, y por lo tanto

V (1) =

 


1
t
,t R
1

=3

Los autovectores de v =

x
y


son soluciones del sistema


2
1

1
2



x + y = 0
xy =0

x
y


=3

x
y

o lo que es lo mismo


de donde obtenemos que y = x, y por lo tanto

V (3) =

 


1
t
,t R
1

p(x) = x3 + 2x2 7x + 4 tiene 1 y 4 como races, y puede escribirse como p(x) = (x + 4)(x 1)2 . Esto significa que 1 es una raz
de multiplicidad 2, y 4 es una raz simple (multiplicidad 1).

Ejemplo

1
Obtener los autovalores y autovectores de la matriz A = 0
2

2
2
2

0
0 .
1

Autovalores
Igualando a cero el polinomio caracterstico p() = |A I| = 0



 1
2
0


 = (2 )(1 )(1 ) = ( 2)( 1)( + 1) = 0
2
0
p() =  0

 2
2
1 
Esto supone que el espectro de A es (A) = {1, 1, 2}.

Autovectores
Ahora vamos a calcular los autovectores.
= 1
Ya vimos en los primeros ejemplos del tema que

V (1) = t 0 , t R

=1

x
Los autovectores de v = y son soluciones del sistema A v = v siendo esta igualdad equivalente a
z
(A I)v = 0, es decir

0
x
0
y = 0
0
z
0
1 1

11
2
21
(A I)v = 0
2
2
o lo que es lo mismo

2y = 0
y=0

2x 2y 2z = 0
las soluciones de este sistema son de la forma y = 0, z = x y por lo tanto

V (1) = t 0 , t R

=2

x
Los autovectores de v = y son soluciones del sistema A v = v siendo esta igualdad equivalente a
z
(A I)v = 0, es decir

0
x
0
y = 0
0
1 2
z
0

12
2

0
2

2
(A I)v =
2
2
o lo que es lo mismo

x + 2y = 0
0=0

2x 2y 3z = 0
las soluciones de este sistema son de la forma x = 2y, z = 2y y por lo tanto

V (2) = t 1 , t R

2.2.

Valores complejos

Una matriz cuadrada con elementos reales puede tener autovalores complejos ya que son las raices del polinomio
caracterstico. Nosotros no estudiaremos el caso de valores complejos.

A=

0
1

1
0



p() = 
1

3.

(A I) =


1 
= 2 + 1 = 0


= i

Diagonalizaci
on

En esta secci
on nos ocuparemos de buscar, cuando sea posible, para una matriz cuadrada A dada, otra matriz
diagonal 4 del mismo orden que comparta con la matriz de partida ciertas propiedades. Comenzemos definiendo
el concepto de matrices equivalentes. Dadas dos matrices cuadradas A, B Mn (R) se dice que son equivalentes
si existe una matriz cuadrada P Mn (R) con det(P ) 6= 0 y tal que
A = P B P 1
Notese que dos matrices equivalentes tienen el mismo determinante.
|A| = |P BP 1 | = |P ||B||P 1 | = |B|
Diremos que una matriz cuadrada A es diagonalizable, si es equivalente a una matriz diagonal. Es decir,
existen dos matrices una de ellas diagonal, y que denomatos por D, y otra con determinante distinto de cero,
y que denotamos por P , ambas de igual orden que A, verificandose que
A = P D P 1
La matriz P recibe el nombre de matriz de paso, y no es u
nica.
4 Una matriz diagonal D es aquella cuyos elementos son todos ceros menos los de la diagonal principal que pueden ser cero o
no. Nos interesan este tipo de matrices porque es sencillo elevarlas a un n
umero, por ejemplo D15 , o inlcuso D .

Ejemplo

La matriz A =

2
1

1
2


matriz de paso P =

es diagonalizable, ya que es equivalente a la matriz diagonal D =




1 1
1/2 1/2
1
. En efecto, P =
, y ademas
1 1
1/2 1/2

P DP


=

1
1

1
1



1
0

0
3



1/2
1/2

1/2
1/2


=

2
1

1
2

1
0

0
3


con


=A

Es conveniente tener una herramienta que nos permita averiguar si una matriz dada es o no diagonalizable, y
en caso afirmativo poder calcular las correspondientes matrices D y P .

3.1.

Proposici
on

Una matriz cuadrada, de orden n, A es diagonalizable si es posible encontrar n autovectores linealmente independientes asociados a A. Adem
as estos autovectores colocados por columnas constituyen la matriz de paso P ,
y la matriz diagonal D est
a compuesta por los autovalores de A. Este hecho esta garantizado cuando todos los
autovalores de A sean reales y distintos.

Ejemplo

0
0 vimos que
1

1 0
diagonalizable, con matriz diagonal D = 0 1
0 0

1 2 0
efecto, se tiene P 1 = 1 0 1 y ademas
0 1 0

1
2
2
Dada la matriz A = 0
2 2

P DP

1
= 0
1

1
0 2
0 1 0
1 2
0

0
1
0

el espectro de A es (A) = {1, 1, 2}, y por tanto A es

1
0
0 y con matriz de paso P = 0
1
2

0
1
0 1
0
2

2
0
1

0
1
1 = 0
2
0

2
2
2

0 2
0 1 . En
1 2

0
0 =A
1

Tambien podemos tomar como matriz diagonal D cualquiera de las siguientes que se obtienen permutando los
elementos de la diagonal principal

1 0 0
1 0 0
1 0 0
0 1 0 ,
0 2 0 ,
0 2 0 ,
etc.
0 0 2
0 0 1
0 0 1
pero en cada caso tendramos que variar las columnas de la matriz de paso P de forma que el orden en que
aparecen los autovalores de D coincida con el orden de los correspondientes autovectores de P . Las matrices de
paso P correspondientes a las anteriores seran

0 1
2
1
2 0
0 2
1
0 0
0
0 1
0 ,
1 ,
1 0 ,
etc.
1 1 2
1 2 1
1 2 1
Cuando la matriz A tenga autovalores con multiplicidad mayor que 1 tendremos que comprobar que cada
autovalor aporta igual n
umero de autovectores linealmente independientes como su multiplicidad.

Ejemplo

0 1 1
Sea la matriz cuadrada A = 1 0 1 .Es facil comprobar que el espectro de A es (A) = {1, 1, 2}. Es
1 1 1
decir = 1 es un autovalor de multiplicidad 2, con lo que A sera diagonalizable en caso
de que
este
autovalor

1
0
pueda aportar dos autovectores linealmente independientes. Si tenemos en cuenta que 0 y 1 son
1
1

1
autovectores linealmente independientes asociados a = 1, bastara con tomar el autovector 1 asociado
1

1
0 1
1 1 y tener como matriz diagonal equivalente con A,
a = 2 para formar la matriz de paso P = 0
1
1
1

1 0 0
la matriz D = 0 1 0 .
0
0 2



1 1
,
0 1
que tiene a = 1 como autovalor, de multiplicidad 2, el cual no puede aportar autovalores linealmente independientes.

Es muy importante hacer notar que no toda matriz es diagonalizable. Sirva como ejemplo la matriz

4.

Potencias de matrices

El c
alculo de potencias de una matriz cuadrada puede convertirse en algo pesado y largode efectuar.
Este no es
a 0 0
el caso cuando se trata de matrices diagonales. Si tomamos, por ejemplo, la matriz D = 0 b 0 tenemos
0 0 c
entonces que

a
0 0
a 0 0
a 0 0
(1)
D 2 = 0 b 0 0 b 0 = 0 b2 0
0 0 c2
0 0 c
0 0 c
al igual que
a2
3
2

0
D =D D=
0

0
b2
0

a 0
0
0 0 b
c2
0 0

y de echo se puede demostrar que en general, si n N:

n
a
Dn = 0
0

0
bn
0

3
0
a
0 = 0
c
0

0
0
cn

0
b3
0

0
0
c3

(2)

(3)

Vamos a aprovechar la sencillez en el c

alculo de potencias de matrices diagonales para simplificar el c
alculo de
potencias de matrices diagonalizables.
Sea A = P DP 1 . Entonces
A2 = (P DP 1 )(P DP 1 ) = P D2 P 1
A3 = A2 A = (P D2 P 1 )(P DP 1 ) = P D3 P 1

An = P Dn P 1

Ejemplo

Volvemos a la matriz A =
A = P DP

2
1


. Sabemos que

1
2

1
1

1
1





1
0

0
3

0
3n



1/2
1/2

1/2
1/2


=

2
1

1
2


=A

y por tanto

An = P Dn P 1 =

1
1

1
1



1
0

1/2
1/2

1/2
1/2

3n + 1
2

=
n
3 1
2

3n 1

3n + 1
2

Por ejemplo,

A4 =

4.1.

41
40

40
41

Para matrices A sim

etricas

En el caso de que la matriz A sea una matriz simetrica podemos evitar el calculo de la inversa de P y sustituirlo
por la transpuesta de P si previamente normalizamos P .
Normalizar P consiste en modificar los vectores columna que componen P de forma que sus componentes queden
divididos entre la norma o m
odulo del vector, que es la raiz cuadrada de sus componentes al cuadrado.

Ejemplo de matriz sim

etrica en R2
Continuando con el ejemplo anterior donde la matriz A es una matriz cuadrada lo que hacemos es calcular el
m
odulo de cada uno de los vectores columna componentes de la matriz P .

La matriz A es simetrica: A =

2
1

1
2



1 1
. El modulo del primer vector columna
La matriz P esta compuesta por dos vectores columna P =
1 1
p

es 12 + (1)2 = 2. En el caso del segundo vector columna su modulo es 12 + 12 = 2. Dividimos cada

una de las componentes de cada uno de los vectores por su modulo corresponente. Denotemos la matriz P una
vez normalizada como Q.
Veamos que se cumple

A = QDQT =

1/ 2
1/ 2


1/2
1
0
1/ 2

0
3



1/2
1/ 2

 
1/ 2
2
=
1
1/ 2

1
2

Y si calculamos una potencia de la matriz A podemos resolverlo as:

An = QDn QT =

1/ 2
1/ 2


1/2
1
0
1/ 2

0
3n



1/2
1/ 2

3n + 1


2
1/ 2
=
n
1/ 2
3 1
2

3n 1
2

3n + 1
2

Por ejemplo,

A4 =

41
40

40
41

Ejemplo de matriz sim

etrica en R3

3
Nos dan como dato la matriz simetrica A = 1
1

1
3
1

1
1 .
3

El polinomio caracterstico resulta ser ( 2)2 ( 5) = 0. Al calcular los autovalores obtenemos = 2 que
es doble, y = 5.
=2

1
(A I)v = 1
1

1
1
1

1
x
0
1 y = 0
1
z
0

o lo que es lo mismo


x+y+z =0

las soluciones de estesistema

valores, si t = 1 y h = 1

son de la forma x = t, y = h, z = t h. Dando

1
1
obtenemos el vector 1 . Si t = 1 y h = 1 obtenemos el vector 1 .
0
2
=5

2
(A I)v = 1
1

0
x
1
1 y = 0
0
z
2

1
2
1

o lo que es lo mismo

2x + y + z = 0
x 2y + z = 0

x + y 2z = 0

1
Obtenemos el vector 1 .
1
Construimos la matriz D y la matriz P . Luego calculamos el modulo de cada uno ve los vectores columnas de
P y as construimos la matriz Q normalizando la matriz P .

2 0 0
1
La matriz diagonal es D = 0 2 0 . La matriz de paso es P = 1
0 0 5
2

1/6
1/ 2 1/3
es Q = 1/ 6 1/ 2 1/3 .
2/ 6
0
1/ 3

1
1
0

1
1 . La matriz normalizada
1

Podemos comprobar que se cumple lo siguiente

1/6
1/ 2 1/3
2
A = QDQT = 1/ 6 1/ 2 1/3 0
0
2/ 6
0
1/ 3

5.

0
2
0

1/6
0
0 1/2
5
1/ 3

1/ 6
1/ 2
1/ 3

2/ 6
3
0 = 1
1
1/ 3

1
3
1

1
1
3

Ejercicios
Si A es diagonalizable dar A5

5.1.

5 3
4
A = 8 3 8 . Primero calculamos el polinomio caracterstico, lo igualamos a cero y calculamos sus
4
3
7
raices que son: 1 = 1, 2 = 3, 3 = 3. Como son tres autovalores diferenetes sabemos que la matriz A es
diagonalizable. P () = 3 2 + 9 + 9 = ( + 1)( 3)( + 3) = 0
Ahora calculamos los autovectores que son las bases de los subespacios vectoriales asociados a cada autovalor.
Para 1 = 1 el autovector asociado es (1, 4, 2), para 2 = 3 el autovector asociado es (0, 4, 3) y para
3 = 3 el autovector asociado es (1, 2, 1). Con estos tres vectores poniendolos en ese orden construimos la
matriz de paso P que corresponde a la matriz diagonal D que lleva en ese mismo orden los autovalores en su
diagonal principal. Tambien calculamos P 1

1 3/2 2
1 0 1
1 0 0
1/2
1
P 1 = 0
P = 4 4 2
D= 0 3 0
2 3/2
2
2
3
1
0 0 3
Sabemos que A = P DP 1 y que para calcular A5 debemos hacer A5 = P D5 P 1 .

485
1 3/2 2
(1)5 0
0
1 0 1
0
1/2
1 = 968
0
35
0
A5 = 4 4 2
484
2 3/2
2
0
0 (3)5
2
3
1

5.2.

363
237
3

484
8
247

La matriz A es no diagonalizable

2 7 2
A = 5 6 6 . Primero calculamos el polinomio caracterstico, lo igualamos a cero y calculamos sus
8 0 9
raices que son: 1 = 3, 2 = 3, 3 = 3. Como dos de los tres autovalores coinciden, o dicho de otra forma,
como la multiplicidad de la raiz = 3 es dos, existen dudas sobre si la matriz A sera o no diagonalizable.
Para despejar esta duda tenemos que calcular los autovectores asociados al autovalor = 3. Si obtenemos dos
autovectores entonces la matriz A ser
a diagonalizable ya que dispondremos de tres vectores L.I. para formar la
matriz P . En caso de que u
nicamente la base del subespacio vectorial V=3 tenga un vector entonces podemos
afirmar que la matriz A es no diagonalizable.
Vamos a buscar el autovector asociado al autovalor que se repite.

=3

x
Los autovectores de v = y son soluciones del sistema A v = v siendo esta igualdad equivalente a
z
(A I)v = 0, es decir

2 3 7
63
(A I)v = 5
8
0

10

2
x
0
6 y = 0
9 3
z
0

Por Gauss, haciendo ceros obtenemos matrices equivalentes a la anterior.

1 7 2
1
7
2
1 7 2
5
3
6 0 32 16 0 1 1/2
8
0 12
0 56 28
0 0 0

1
0
0

0
1
0

3/2
1/2
0

o lo que es lo mismo


x 3/2z = 0
y + 1/2z = 0

las soluciones de este sistema son de la forma x = 3/2z, y = 1/2z y por lo tanto

3/2

V (3) = t 1/2 , t R

1
Tambien se puede escribir as:
V=3

= V3 = d t 1 , t R

Puesto que u
nicamente existe un vector que forme la base del subespacio vectorial, podemos afirmar que la
dimensi
on del subespacio asociado a = 3 es 1, y que al tratarse de una raiz doble (multiplicidad=2) se
hubieran necesitado dos vectores para que la matriz A fuera diagonalizable.
Ya no analizamos el autovector asociado al autovalor = 3 ya que hemos visto que A es una matriz no
diagonalizable.
Al ser la matriz A no diagonalizable no existe una matriz diagonal D ni existe una matriz de paso P .

5.3.

La matriz A si es diagonalizable

2
A= 0
1

2
3
2

5
0 .
2

Primero calculamos el polinomio caracterstico y lo igualamos a cero. P () = |A I| = 0


 2

 0

 1

2
3
2

5
0
2




 = ( 3)2 ( + 3) = 0



Calculamos sus raices que son: = 3 con multiplicidad 2 y = 3 con multiplicidad 1. Como tenemos una
raiz doble esta es la que nos puede dar problemas. Cuando la multiplicidad de un valor propio es 1 nunca nos
dar
a problemas este autovalor ya que la dimension del subespacio propio asociado siempre es 1. Cuando la
multiplicidad de un autovalor es mayor que 1 pueden presentarse problemas porque no estamos seguros de que
la dimensi
on coincida con la multiplicidad. Por tanto, primero analizamos el autovalor que puede dar problemas.
=3
Ahora calculamos los autovectores que son las bases de los subespacios vectoriales asociados a cada autovalor.

x
x

El subespacio asociado al autovalor = 3 es el siguiente. V3 = (x, y, z) R | A y = 3 y

z
z

23
2
5
x
0
y = 0
33
0
La ecuaci
on matricial anterior se puede escribir as 0
1
2 2 3
z
0
11

Por Gauss, haciendo ceros obtenemos matrices equivalentes a la anterior.

1 2
5
1 2 5
0
0
0 0 0
0
1 2 5
0 0
0
Nos ha quedado unicamente una ecuaci
on


x 2y + 5z = 0

por lo que el subespacio asociado al autovalor = 3 es

V3 = {(x, y, z) R | x 2y + 5z = 0}
Tenemos una u
nica ecuaci
on que restringe el subespacio y tenemos 3 incognitas, por tanto, han de existir 2
ametros son y = y z = .
par
ametros: 3-1=2 . Los par
Si (x, y, z) V3 (x, y, z) = (2 5, , ) = (2, 1, 0) + (5, 0, 1).
Como existen dos vectores L.I. que forman la base del subespacio vectorial V3 su dimension es 2 que coincide
con la multiplicidad de autovalor = 3.
= 3
Veamos ahora V3

2+3
0
1

x
0
2
5
y = 0
3+3
0
z
0
2 2 + 3

Por Gauss, haciendo ceros obtenemos matrices equivalentes a la anterior.

5 2 5
1 2 1
1
0 6 0 0 6 0 0
1 2 1
0 12 0
0

2
6
0

1
0
0

lo que equivale al sistema



x 2y + z = 0
6y = 0

Tenemos 3 inc
ognitas y 2 ecuaciones, por tanto la solucion depende de 1 parametro. Hacemos z = . Al ser
y = 0, resulta x = .Por lo tanto

V3 = 0 , R

1
V3 viene generado por el vector (1, 0, 1) y como es distino del vector (0, 0, 0) podemos decir que es Base de
V3 .
Base de V3 = {(1, 0, 1)}. Dim V3 = 1 = multiplicador de = 3 Esta igualdad siempre se cumple para
valores propios de multiplicidad 1.
Como el polinomio caracterstico se puede expresar como producto de polinomios de grado 1, entonces decimos
que A es diagonalizable.
La matriz D es la matriz diagonal semejante y la
P 1

3 0 0
2
D= 0 3 0
P = 1
0 0 3
0

matriz P es la matriz de paso asociada.

0 6
5 1
1
1 2
0 0
P 1 =
6
1 2
1 1

Tambien calculamos

0
1
5

Sabemos que A = P DP 1 y que para calcular A5 debemos hacer A5 = P D5 P 1 .

2 5 1
3
0
0
1
1
0
162 162
1/6 1/3 1/6 = 0
0
143
A5 = 1 0 0 0 3 5
0 1 1
0 0 (3)5
1/6 1/3 5/6
81 162
12

405
0
162

6.

Aplicaciones de la diagonalizaci
on

Los autovalores, autovectores y diagonalizacion se emplean en campos tales como la fsica, la ingeniera y la
economa entre otros. Sus primeros pasos comenzaron con Euler y Lagrange que lo aplicaron al estudio del
movimiento de los planetas que por aquella epoca a
un no estaba perfectamente establecido.

6.1.
6.1.1.

Aplicaci
on econ
omica
En R3

Una gran compa

na aerea ha realizado un estudio sobre un millon de pasajeros que viajan todas las semanas
entre tres ciudades (A, B y C). Los viajeros cada semana tienen como destino una de las tres ciudades seg
un
los porcentajes siguientes. Los pasajeros que salen de A regresan a la misma ciudad en el 70 % de los casos, y el
10 % va a B y el 20 % restante va a la ciudad C. Los pasajeros que salen de B regresan a la misma ciudad en el
30 % de los casos, el 30 % va a la ciudad A y el 40 % restante van a C. Los pasajeros que salen de C regresan a
la misma ciudad en el 70 % de los casos, y el 20 % va a la ciudad A y el 10 % restante van a B. Inicialmente los
viajeros estaba compuesta por 350.000 personas de la ciudad A, 200.000 personas procedan de la ciudad B y
450.000 personas tenan como origen la ciudad C. Determinar el n
umero de personas que recalan en cada una
de las tres ciudades transcurridas 2 semanas, y a largo plazo.
Soluci
on
Los porcentajes se pueden expresar en la siguiente tabla.
A
B
C

A
70 %
10 %
20 %

B
30 %
30 %
40 %

C
20 %
10 %
70 %

Para trabajar m
omodamente
con matrices tomamos los tantos por uno multiplicados por 10 y as creamos

as c
7 3 2
1
la matriz A = 1 3 1 . No olvidemos que al final tenemos que multiplicar por
al aplicar la matriz A
10
2 4 7
1
en los c
alculos, y cuando sea A2 tendremos que multiplicar por 2 .
10
Vamos a construir el polinomio caracterstico y a calcular los autovalores.

 7

 1

 2

3
2
3
1
4
7




 = 3 + 172 80 + 100 = 0



Aplicando la regla de Ruffini obtenemos la raiz = 2, luego aplicamos la expresion que nos permite obtener las
raices de un polinomio de grado dos y obtenemos = 5 y = 10. Esto nos permite factorizar el polinomio y
afirmar que los valores propios son 2,5 y 10.

P p() = ( 2)( 5)( 10) = 0

Como todos los autovalores son distintos podemos afirmar que la matriz A es diagonalizable. Vamos ahora a
estudiar los autoverctores asociados a cada autovalor.
=2
(A I)v = 0, es decir

13

5
1
2

3
1
4

x 2z = 0

2
x
0
1 y = 0
5
z
0

x=

1
z
2

y = 3 z
2

y + 3z = 0
2

1/2
1
Luego podemos tomar como autovector 3/2 o mejor este otro que es un m
ultiplo y no tiene fracciones: 3 .
1
2
=5
(A I)v = 0, es decir

2
x
0
1 y = 0
2
z
0

1
Luego podemos tomar como autovector 0 .
1
2
1
2

3
2
4

xz =0
y=0

= 10
(A I)v = 0, es decir

3
1
2

3
7
4

x
0
2
1 y = 0
z
0
3

18x + 17z = 0
18y + 5z = 0

17

x = 18 z

y= 5z
18

17
17/18
ultiplo y no tiene fracciones: 5 .
Luego podemos tomar como autovector 5/18 o mejor este otro que es un m
18
1

Como la matriz A sabemos que es diagonalizable vamos a encontrar la matri diagonal D , la matriz
y su inversa P 1 . Tambien conocemos la situacion de partida dada por el vector x0 .

1 1 17
2 0 0
5
35 5
1
5
64 16 56
P = 3 0
P 1 =
D= 0 5 0
x0 =
120
0 0 10
2
1 18
3
3
3

de paso P

350000
200000
450000

Sabemos que A = P DP 1 y que para calcular A2 debemos hacer A2 = P D2 P 1 .

Estamos en un proceso secuencial lineal en el que los diferentes estados que se alcanzan vienen dados por la
siguiente ecuaci
on xt+1 = Axt . De esta forma:

x1

Ax0

x2

Ax1 = A2 x0

x3

= Ax2 = A3 x0

= A x 0

Vamos a calcular A2 apicando el factor de escala que se comento anteriormente

14

1
.
102


1
1
A2 = 2 3
10
2

1
0
1

2
17
2
5 0
18
0

5
0
1
64
0
120
3
102

0
52
0

35
16
3

5
56
1
56 = 2 12
10
3
32

38
16
46

31
12
57

Puede comprobar el resultado obtenido multiplicando la matriz A por si misma y as obtendra A2 .

Calculemos el vector de la situaci
on al finalizar la segunda semana x2 .

56
1
12
x2 = A2 x0 =
102
32

38
16
46

31
350000
411500
12 200000 = 128000
57
450000
460500

Tambien podramos haber llegado a estos resultados operando periodo a periodo, y en cada periodo multiplicando por A el resultado anterior. Esto se puede ver en las siguientes expresiones.

x1

x2

x3

1
= Ax0 =
10

1
= Ax1 =
10

1
= Ax2 =
10

7
1
2

3
3
4

7
1
2

3
3
4

7
1
2

3
3
4

2
1
7

2
1
7

2
1
7

350000
200000 =
450000

395000
140000 =
465000

411500
128000 =
460500

395000
140000
465000

411500
128000
460500

418550
125600
455850

Ahora abordaremos la segunda pregunta de este ejercicio. Que sucede a largo plazo. Para responder a esta
cuesti
on hemos de realizar el lmite cuando el n
umero de periodos tienede a infinito. lm xn = lm An x0 .
Para calcular A usamos la expresi
on An = P Dn P 1 . Por tanto, se calcula as:

lm xn = lm An x0 = lm PDn P1 x0 =
n
n

1 1 17
2
0
0
5
35 5
350000
1
1
0
3 0
5 0 5n
64 16 56 200000 =
= lm
n 10n
120
n
0
0 10
450000
2
1 18
3
3
3

n
1 1 17
(2/10)
0
0
5
35 5
350000
1 64 16 56 200000 =
5
0
(5/10)n
0
= lm 3 0
n
120
n
2
1 18
0
0
(10/10)
3
3
3
450000
n

1
= 3
2

1
0
1

17
0
5 0
18
0

0
0
0

5
0
1
64
0
120
3
1

35
16
3

5
350000
425000
56 200000 = 125000
3
450000
450000

As pues, a largo plazo los pasajeros se estabilizaran en 425.000 para la ciudad A, 125.000 para la ciudad B y
450.000 para la ciudad C.

6.1.2.

En R2

En el mercado de autom
oviles de alto lujo u
nicamente se disputan la clientela dos marcas (A y B). Las ventas
son M =100.000 autom
oviles anuales, no variando esta cifra con el transcurso de los a
nos. La marca A es lider
15

de mercado en este momento con el 75 % de las ventas. Sus directivos desean consolidar su liderazgo e incluso
aumentarlo, para lo cual todos los a
nos efect
uan una fuerte campa
na publicitaria con la que consiguen cada a
no
un 40 % de los que fueron clientes de su competidora, aunque la empresa A pierde un 20 % de sus clientes que
se van a la competencia. C
ual es la situacion a los 3 a
nos? Y al cabo de mucho tiempo?.

Llamemos xn , yn al n
umero de unidades vendidas por las empresas A y B, respectivamente, en el a
no n, de
forma que la suma de ambos vol
umenes de ventas xn + yn ha de ser igual al n
umero total de unidades vendidas
en el mercado durante ese a
no. Entonces


xn+1 = 0,8xn + 0,4yn
yn+1 = 0,2xn + 0,6yn
siendo x1 = 0,75M , y1 = 0,25M , y M es la totalidad del Mercado (100.000 unidades al a
no). Usando notaci
on
matricial, podemos escribir

 





xn+1
0,8 0,4
xn
4 2
xn
=
= 0,2
yn+1
0,2 0,6
yn
1 3
yn

Si denotamos vn =

xn
yn

4
1

,A=

2
3

podemos escribir que vn+1 = (0,2)n An v1

Por tanto,necesitamos conocer las potencias de A, y para ello vamos a diagonalizar.


 4
p() = |A I| = 
1


2 
= 2 7 + 10 = 0
3 

=2
=5

luego el espectro de A es (A) = {2, 5}.

=2
(A I)v = 0, es decir


2
1

2
1



x
y

0
0


Luego podemos tomar como autovector

1
1

2x + 2y = 0
x+y =0

y = x


.

=5


1
1

2
2



x
y

0
0


Luego podemos tomar como autovector


Es decir D =

2
0

0
5


yP =

An = P Dn P 1 =

1
1

1
1

2
1

2
1



2
1

x + 2y = 0
x 2y = 0


.



1/3
. Teniendo en cuenta que P 1 =
1/3

2n
0

x = 2y

0
5n



1/3
1/3

Por tanto

16

2/3
1/3

2n + 2,5n

3
=

n
5 2n
3

2/3
1/3


, tendremos

2,5n 2,2n
3

n
n
5 + 2,2
3

Figura 1: Evoluci
on de las cuotas de mercado de las empresas A y B a lo largo de los a
nos

xn+1
yn+1

2n + 2,5n

3
= (0,2)n

n
5 2n
3

 2n
2,5n 2,2n
2 
0,25 + 5n M


3
0,75M
3
3

= (0,2)n
0,25M

n
n
1 n 0,25 n 
5 + 2,2
5
2 M
3
3
3

Es decir

Dado que 0,2 =

 2n

2 
0,25 + 5n M
3
3
1
0,25 n 
= (0,2)n 5n
2 M
3
3

xn+1 = (0,2)n
yn+1

1
5

h 2 n 0,25

2i
M
5
3
3
h 1 0,25  2 n i

yn+1 =
M
3
3 5
Al sustituir n = 2 en las u
ltimas igualdades, se obtiene que a los tres a
nos la cuota de mercado de la empresa B
es y3 = 0,32M , es decir, un 32 %. Mientras que para saber la situacion dentro de 10 a
nos, bastara con sustituir
n = 9, obteniendose y10 = 0,3333M , es decir un 33,33 %. Si queremos conjeturar que sucedera a largo plazo,
debemos hacer tender n , con lo que
xn+1 =

2
1
M
;
lm yn+1 = M
n
3
3
Luego, concluimos que con el paso del tiempo como mucho la empresa A, pese a sus esfuerzos, podr
a llegar a
obtener u
nicamente las dos terceras partes del mercado.
lm xn+1 =

17