1) 0 1/2

𝑆𝑒𝑎 𝐴 =
1/2 0
1 1
𝑆𝑒 𝑑𝑎 𝑝𝑜𝑟 𝑑𝑎𝑡𝑜 𝑞𝑢𝑒 𝜆 = 𝑒𝑠 𝑢𝑛 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑦
2 1
𝑒𝑠 𝑢𝑛𝑜 𝑑𝑒 𝑠𝑢𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠

1
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑟 𝑞𝑢𝑒 𝑡𝑜𝑑𝑜 𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑡 , 𝑡𝜖𝑅
1
1
𝑒𝑠 𝑢𝑛 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝜆 =
2
2) 𝑆𝑒𝑎 𝐴 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎, 𝜆 𝑢𝑛 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝐴,
𝑐𝑜𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑥. 𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑟 𝑞𝑢𝑒 𝑡𝑜𝑑𝑜 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑜
𝑎𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑥 𝑒𝑠 𝑡𝑎𝑚𝑏𝑖é𝑛 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝜆
3) 𝑆𝑒𝑎 𝐴 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎, 𝜆 𝑢𝑛 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝐴,
𝑐𝑜𝑛 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 𝑥 𝑒 𝑦. 𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑟 𝑞𝑢𝑒 𝑡𝑜𝑑𝑎 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛
𝑙𝑖𝑛𝑒𝑎𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑥 𝑒 𝑦 𝑒𝑠 𝑡𝑎𝑚𝑏𝑖é𝑛 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝜆
𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑
𝑆𝑒𝑎 𝐴 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎, 𝜆 es 𝑢𝑛 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝐴,
𝑠𝑖 𝑦 𝑠ó𝑙𝑜 𝑠𝑖 𝜆 es raíz del polinomio P 𝜆 = 𝐴 − 𝜆𝐼
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛
𝑃𝑜𝑟 𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑦 𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝐴
𝜆 es valor propio de A si existe 𝑥 ≠ 0 𝑡𝑎𝑙𝑞𝑢𝑒 𝐴𝑥= 𝜆𝑥
𝑦 𝑎𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑥 𝑠𝑒 𝑙𝑒 𝑙𝑙𝑎𝑚𝑎𝑟á 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝐴 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑜
𝑎𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝜆
𝐴𝑥 = 𝜆𝑥 , 𝑥 ≠ 0
𝐴𝑥 − 𝜆𝑥 = 0, 𝑥 ≠ 0
𝐴𝑥 − 𝜆𝐼 𝑥 = 0, 𝑥 ≠ 0
𝐴 − 𝜆𝐼 𝑥 = 0, 𝑥 ≠ 0

𝐸𝑛 𝑡𝑜𝑑𝑜 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 ℎ𝑜𝑚𝑜𝑔é𝑛𝑒𝑜 𝑙𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑠 ú𝑛𝑖𝑐𝑎

𝑜 𝑡𝑖𝑒𝑛𝑒 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠
𝐸𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝐴 − 𝜆𝐼 𝑥 = 0, 𝑥 ≠ 0
𝑡𝑖𝑒𝑛𝑒 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑟𝑎𝑛𝑔𝑜 𝑑𝑒 𝐴 − 𝜆𝐼 𝑛𝑜 𝑒𝑠 𝑛, 𝑝𝑜𝑟 𝑞𝑢𝑒 𝑠𝑖 𝑓𝑢𝑒𝑟𝑎 𝑛,
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠, 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑡𝑒𝑛𝑑𝑟í𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 ú𝑛𝑖𝑐𝑎
𝐶𝑜𝑚𝑜 𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝐴 − 𝜆𝐼 𝑒𝑠 𝑚𝑒𝑛𝑜𝑟 𝑞𝑢𝑒 𝑛,
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑢 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝑒𝑠 𝐶𝐸𝑅𝑂
𝑇𝑒𝑛𝑒𝑚𝑜𝑠 𝑙𝑜 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒:
𝐴𝑥= 𝜆𝑥 , 𝑥 ≠ 0 ⇒ P 𝜆 = 𝐴 − 𝜆𝐼 = 0

𝑇𝑅𝐴𝐵𝐴𝐽𝑂
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑟 𝑙𝑜 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒:
𝑆𝑒𝑎 𝐴 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 𝑦 𝜆𝜖ℂ 𝑞𝑢𝑒 P 𝜆 = 𝐴 − 𝜆𝐼 = 0
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑥𝑖𝑠𝑡𝑒 𝑥 ≠ 0 𝑡𝑎𝑙𝑞𝑢𝑒 𝐴𝑥= 𝜆𝑥
𝐴𝑙 polinomio P 𝜆 = 𝐴 − 𝜆𝐼 𝑠𝑒 𝑙𝑒 𝑙𝑙𝑎𝑚𝑎 𝑝𝑜𝑙𝑖𝑛𝑜𝑙𝑖𝑜 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑜
 𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧

𝑆𝑒𝑎 𝐴 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑛𝑥𝑛, 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑖𝑧𝑎𝑟

𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎 ℎ𝑎𝑙𝑙𝑎𝑟 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑛𝑜 − 𝑠𝑖𝑛𝑔𝑢𝑙𝑎𝑟 𝑃
det 𝑃 ≠ 0, ∃𝑃−1 𝑡𝑎𝑙𝑞𝑢𝑒 𝑃−1 𝐴𝑃 = 𝐷 , 𝑑𝑜𝑛𝑑𝑒 𝐷 𝑒𝑠 𝑢𝑛𝑎
𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙

𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑
𝑆𝑒𝑎 𝐴 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑖𝑧𝑎𝑏𝑙𝑒, 𝑒𝑠𝑡𝑜 𝑒𝑠 𝑒𝑥𝑖𝑠𝑡𝑒 𝑢𝑛𝑎
𝑚𝑎𝑡𝑟𝑖𝑧 𝑛𝑜 − 𝑠𝑖𝑛𝑔𝑢𝑙𝑎𝑟 𝑃, 𝑡𝑎𝑙𝑞𝑢𝑒 𝑃−1 𝐴𝑃 = 𝐷, 𝑑𝑜𝑛𝑑𝑒 𝐷
𝑒𝑠 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠, 𝑙𝑜𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎
𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝐷 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 𝑑𝑒 𝐴 𝑦 𝑙𝑜𝑠
𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑃 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 𝑑𝑒 𝐴
𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑜𝑠 𝑎 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠,
𝑑𝑒 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑓𝑜𝑟𝑚𝑎
𝑃 = 𝑃1 , 𝑃2 , … 𝑃𝑛

𝜆1 0 … 0
0 𝜆2 … 0
𝐷=
0 0 … 0
0 0 0 𝜆𝑛

𝐴𝑃𝑖 = 𝜆𝑖 𝑃𝑖 , 𝑖 = 1,2,3, … , 𝑛

𝑆𝑒𝑎 𝜎𝜆 = 𝑥 𝑡𝑎𝑙𝑞𝑢𝑒 𝐴𝑥= 𝜆𝑥

𝐿𝐿𝑎𝑚𝑎𝑑𝑜 𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝜆
𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑟 𝑞𝑢𝑒 𝜎𝜆 𝑒𝑠 𝑢𝑛 𝑠𝑢𝑏 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑒𝑙 𝑐𝑢𝑎𝑙 𝑡𝑖𝑒𝑛𝑒 𝑢𝑛𝑎 𝑏𝑎𝑠𝑒
𝑆𝑒𝑎 𝑚𝜆 = dim 𝜎𝜆 𝑙𝑎 𝑑𝑖𝑚𝑒𝑛𝑠𝑖ó𝑛 𝑑𝑒𝑙 𝑠𝑢𝑏 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑝𝑟𝑜𝑝𝑖𝑜 𝜎𝜆
𝐴 𝑒𝑠𝑡𝑒 𝑛ú𝑚𝑒𝑟𝑜 𝑠𝑒 𝑙𝑒 𝑙𝑙𝑎𝑚𝑎 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑖𝑑𝑎𝑑 𝑔𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑎
𝑆𝑒𝑎 𝑛𝜆 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝜆 𝑠𝑒 𝑟𝑒𝑝𝑖𝑡𝑒 𝑐𝑜𝑚𝑜 𝑟𝑎í𝑧
𝑒𝑛 𝑒𝑙 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑜, 𝑎 𝑒𝑠𝑡𝑒 𝑛ú𝑚𝑒𝑟𝑜 𝑠𝑒 𝑙𝑒 𝑙𝑙𝑎𝑚𝑎
𝑙𝑎 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑖𝑑𝑎𝑑 𝑎𝑙𝑔𝑒𝑏𝑟𝑎𝑖𝑐𝑎

𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑
𝑈𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 𝐴 𝑒𝑠 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑖𝑧𝑎𝑏𝑙𝑒, 𝑠𝑖 𝑦 𝑠ó𝑙𝑜 𝑠𝑖
𝑛𝜆 = 𝑚𝜆 ∀ 𝜆 valor propio de A

Teorema
Si todas las raíces del polinomio característico de una matriz A de n × n son distintas (es
decir, si todas son diferentes entre sí), A es diagonalizable.
 Diagonalización de matrices simétricas por una matriz ortogonal
Matriz ortogonal.
Una matriz cuadrada A es ortogonal si At A =I en forma equivalente si At =A-1
Observación:
Una matriz cuadrada A es ortogonal si sus columnas son ortogonales y unitarias (de
módulo 1)
Teorema
La matriz A de nxn es ortogonal si y sólo si las columnas de A forman una base
ortonormal de vectores de Rn.
En forma análoga para las filas
La matriz A de nxn es ortogonal si y sólo si las filas de A forman una base ortonormal
de vectores de Rn.
Teorema Si A es una matriz simétrica entonces existe una matriz ortogonal que la
diagonaliza.
Teorema Una matriz A de n × n es ortogonalmente diagonalizable si y sólo si A es
simétrica