Valores y Vectores Propios

Departamento de Matemáticas, CSI/ITESM

1 de abril de 2009

Índice
9.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
9.2. Determinación de los valores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
9.3. El teorema del factor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
9.4. Multiplicidad algebraica de un valor propio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
9.5. Espacios Invariantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
9.6. Multiplicidad geométrica de un valor propio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

9.1. Definiciones
Definición
Sea A una matriz cuadrada, un número real λ se dice que es un valor propio o un eigenvalor o un valor
caracterı́stico de A si existe un vector, diferente del vector cero, x tal que:

Ax = λx

Es decir, es un vector que al transformarlo mediante la multiplicación por A el vector resultante mantiene
su dirección, posiblemente sólo su longitud y/o sentido se modifique. El vector x se llama vector propio o
eigenvector asociado al valor propio λ.
Ejemplo
Para la matriz A indique cuáles vectores son vectores propios.
 
1 2
A=
2 1
       
1 2 −1 0
v1 = , v2 = , v3 = , v4 =
1 3 1 2
Solución
Debemos multiplicar cada vector por la matriz A y ver si el vector resultante es un múltiplo escalar del vector.
      
1 2 1 3 1
Av1 = = =3
2 1 1 3 1
v1 sı́ es vector propio de A asociado al valor propio 3.
      
1 2 2 8 2
Av2 = = 6= k
2 1 3 7 3
v2 no es vector propio de A.
      
1 2 −1 1 −1
Av3 = = = −1
2 1 1 −1 1
v3 sı́ es vector propio de A asociado al valor propio -1.
      
1 2 0 4 0
Av4 = = 6= k
2 1 2 2 2

v4 no es vector propio de A.
Ejercicio 1

Cuáles son vectores propios a la matriz

− 33 51 27
 
2 2 2
 83 121 57

 −4
A= 
4 4 
57
4 − 75
4 − 27
4
           
−3 −1 4 6 1 0
 −3  ,  2  ,  2  ,  8  ,  −1  ,  1 
2 −5 2 −6 4 −1

Ejemplo
El vector  
2
v= 4 
−4
es un vector propio de la matriz  
5 0 3
A =  16
5 1 18
5

−2 0 −2
Determine el valor propio al cual está asociado.
Solución
Determinemos Av:       
5 0 3 2 −2 2
 16 1 18   4  =  −4  = −1  4 
5 5
−2 0 −2 −4 4 −4
Por tanto, v está asociado al valor propio λ = −1 de la matriz A.
Ejercicio 2

Los vectores        
−3 1 0 9
 −2  ,  2  ,  6  ,  6 
1 −2 0 −3
sı́ son vectores propios de la matriz
 
5 0 3
A =  16
5 1 18
5
.
−2 0 −2

Determine los valores propios a los cuales están asociados.

2
9.2. Determinación de los valores propios
Sea λo un valor propio de la matriz cuadrada A, ası́ existe un vector diferente cero de xo tal que:

Axo = λo xo = λo In xo
Por tanto:
Axo − λo In xo = (A − λo In ) xo = 0
Si B = A − λo In lo anterior significa que el sistema homogéneo n × n

Bx = 0

tiene además de la solución trivial otra solución (x = xo 6= 0). Por consiguiente, no tiene solución única. Y
por tanto, el determinante de la matriz B debe ser cero:

det(B) = det (A − λo In ) = 0.

Resumiendo:

Todo valor propio λo debe ser raı́z del polinomio caracterı́stico asociado a A:

pA (λ) = det (A − λIn ) (1)

y un vector propio asociado al valor propio λ debe ser solución al sistema homogéneo:

(A − λIn ) x = 0 (2)

Ejemplo
Determine los valores y los vectores propios correspondientes de las matrices:
     
1 2 1 1 1 2
A1 = , A2 = , A3 =
2 1 0 1 −1 2

Solución
Para A1 :    
1 2 1 0
pA (λ) = det (A − λI2 ) = det −λ
2 1 0 1
     
1 2 λ 0 1−λ 2
pA1 (λ) = det − = det
2 1 0 λ 2 1−λ
 
 1−λ 2 
pA1 (λ) =  = (1 − λ)2 − 4
2 1−λ 

pA1 (λ) = λ2 − 2λ − 3 = (λ − 3) (λ + 1)
Por tanto, los únicos valores propios de A1 son λ1 = 3 y λ2 = −1.
Vector propio para λ1 = 3
Debe ser solución al sistema homogéneo:
(A1 − λI2 ) x = 0
Es decir:    
1 2 1 0
− (3) x=0
2 1 0 1

3
Desarrollando y finalmente aplicando Gauss-Jordan:
     
1−3 2 −2 2 0 1 −1 0
x=0→ →
2 1−3 2 −2 0 0 0 0

Convirtiendo en ecuación y poniendo en la notación vectorial:

   
x 1
x−y =0→x=y → =y
y 1

Lo anterior indica que cualquier vector de la forma:

 
1
y
1

es un vector propio asociado a λ1 = 3; nosotros nos conformaremos con uno: digamos el que se obtiene para
y = 1:  
1
1
Vector propio para λ2 = −1
Debe ser solución al sistema homogéneo:
(A1 − λI2 ) x = 0
Es decir:    
1 2 1 0
− (−1) x=0
2 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
     
1+1 2 2 2 0 1 1 0
x=0→ →
2 1+1 2 2 0 0 0 0

Convirtiendo en ecuación y poniendo en la notación vectorial:

   
x −1
x + y = 0 → x = −y → =y
y 1

Lo anterior indica que cualquier vector de la forma:

 
−1
y
1

es un vector propio asociado a λ2 = −1; nosotros nos conformaremos con uno: digamos el que se obtiene para
y = 1:  
−1
1
Para la matriz A2 :
     
1 1 λ 0 1−λ 1
pA2 (λ) = det − = det
0 1 0 λ 0 1−λ
 
 1−λ 1  = (1 − λ)2

pA2 (λ) = 
0 1−λ 

4
Por tanto, el único valor propio de A2 es λ1 = 1.
Vector propio para λ1 = 1
Debe ser solución al sistema homogéneo:
(A2 − λI2 ) x = 0
Es decir:    
1 1 1 0
− (1) x=0
0 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
     
1−1 1 0 1 0 0 1 0
x=0→ →
0 1−1 0 0 0 0 0 0

Convirtiendo en ecuación y poniendo en la notación vectorial:

   
x 1
y=0→ =x
y 0

Lo anterior indica que cualquier vector de la forma:

 
1
x
0

es un vector propio asociado a λ1 = 1; nosotros nos conformaremos con uno: digamos el que se obtiene para
y = 1:  
1
0
Para la matriz A3 :
     
1 2 λ 0 1−λ 2
pA3 (λ) = det − = det
−1 2 0 λ −1 2 − λ

El polinomio caracterı́stico queda:

pA3 (t) = t2 − 3 t + 4
Como este polinomio tiene raı́ces complejas, A3 no tiene valores ni vectores propios⋄

Ejercicio 3
Determine el polinomio caracterı́stico, los valores propios, y vectores propios asociados a la matriz:

− 12 7 9
 
4 −4
 5 11

A=  −4 8 − 85 

− 15
4 − 63
8
17
8

9.3. El teorema del factor

De los cursos básicos de ecuaciones algebraicas es importante recordar el teorema del factor:

Teorema 9.1
Sea p(x) un polinomio. Un número c es raı́z del polinomio p(x), es decir p(x = c) = 0 si y sólo si
x − c divide a p(x). Es decir, al hacer la división de p(x) entre x − c el residuo es cero.

5
 De hecho, p(c) es precisamente el residuo de la división de p(x) entre x − c. Y este residuo puede calcularse
por medio de un proceso elemental conocido como división sintética:

an an−1 ··· a1 a0 c
− c · an ··· · ·
an an−1 + c · an · · · p(c)

9.4. Multiplicidad algebraica de un valor propio

Definición
Sea A una matriz cuadrada y λo un valor propio. Como hemos visto λ debe ser raı́z del polinomio caracterı́stico
de A pA (λ) ası́:
(λ − λo ) | pA (λ)
Al mayor exponente m que cumple
pA (λ) = (λ − λo )m q(λ)
le llamaremos la multiplicidad algebraica de λo .
Ejercicio 4
Determine la multiplicidad algebraica de cada uno de los vectores propios de la matriz
 
5 −5 −2
A =  −3 −2 3 
7 −5 −4

9.5. Espacios Invariantes

Teorema 9.2
Sea A una matriz cuadrada y λ un escalar cualquiera entonces

{x ∈ Rn |Ax = λx}

es un subespacio lineal de Rn .

Demostración

1. No es vacı́o pues: A0 = 0 = λ0. Es decir, 0 es un elemento del conjunto.

2. Si Ax1 = λx1 y Ax2 = λx2 :

A (x1 + x2 ) = Ax1 + Ax2 = λx1 + λx2 = λ (x1 + x2 )

Es decir, que si x1 y x2 son elementos del conjunto, la suma de ellos también es un vector en el conjunto
al cumplir la propiedad que define al conjunto.

3. Si Ax1 = λx1 :
A (cx1 ) = cAx1 = cλx1 = λ (cx1 )
Es decir, que si un vector x1 pertence al conjunto y c es un escalar cualquiera, entonces, el vector cx1
también pertenece al conjunto al cumplir la propiedad.

6
Por tanto, el conjunto dado es un espacio lineal⋄

Observe que en la afirmación del teorema anterior no se requiere que el escalar λ sea un valor propio. Sin
embargo, el conjunto anterior es diferente de {0} sólo cuando el valor λ es efectivamente un valor propio.
Ejercicio 5

Demuestre que si V es un espacio lineal y posee al menos un vector diferente del vector cero,
entonces la dimensión es mayor que 1.
Sugerencia. Tome el vector que no es cero, y forme un conjunto sólo con él: muestre que el conjunto
es linealmente independiente.

9.6. Multiplicidad geométrica de un valor propio

Definición
Por el resultado anterior: Siendo λo un valor propio el anterior conjunto es un espacio lineal diferente de {0}
ası́ tiene dimensión mayor que cero: la dimensión del espacio anterior se llamará multiplicidad geométrica del
valor propio λo .

Teorema 9.3

La dimensión geométrica de un valor propio es menor o igual que la dimensión algebraica.

Ejemplo
Determine la dimensión y una base para el espacio propio asociado a λ = −3 para la matriz:

− 21 7 9 

4 −4
 5 11

A=  −4 8 − 85 

− 15
4 − 63
8
17
8

Solución
El espacio propio de un valor λ es el conjunto de soluciones al sistema homogéneo:

(A − λI) x = 0

En este caso queda:  

5/2 7/4 −9/4 0
[A − (−3)I|0] =  −5/4 35/8 −5/8 0 
−15/4 −63/8 41/8 0
Después de eliminación gaussiana obtenemos:
 
1 0 −2/3 0
 0 1 −1/3 0 
0 0 0 0

Como sólo hay una variable libre, entonces la dimensión geométrica del espacio propio de λ = −3 es 1. Y una
base es:  
 2/3 
 1/3 
1
 

7
Como se trabaja en R3 , el espacio propio es una lı́nea que pasa por el origen y que tiene dirección <
2/3, 1/3, 1 >′ por consiguiente tiene ecuaciones simétricas:
x−0 y−0 z−0
= = ⋄
2/3 1/3 1

Ejercicio 6
Determine la dimensión y una base para el espacio propio asociado a λ = −2 para la matriz:
 
5 −5 −2
A =  −3 −2 3 
7 −5 −4
En este ejemplo debido a estar en ℜ3 los espacios deberı́an ser {0}, lı́neas, planos o todo ℜ3 : ¿Cuál
caso aplica? En caso de ser posible, encuentre la(s) ecuaciones correspondientes.

Teorema 9.4
Si los vectores v1 , v2 , . . . , vk son vectores propios asociados a valores propios diferentes entonces el
conjunto formado por ellos es linealmente independiente.

Demostración
Llamemos λi al valor propio al cual está asociado el vector vi . Supongamos que el conjunto de vectores
es linealmente dependiente. Puesto que ningún vector propio puede ser el vector cero , de esta suposición
deducimos entonces que un vector vi debe ser combinación lineal de los anteriores. Escojamos aquél que tiene
el menor ı́ndice posible, digamos j , ası́: vj es combinación lineal de los vectores v1 ,. . . ,vj−1 y ningún vector
vi es combinación lineal de los anteriores para i = 2, 3, . . . , j − 1. Tenemos
vj = c1 v1 + c2 v2 + · · · + cj−1 vj−1
Multiplicando por A, y utilizando que cada v es vector propio, obtenemos
λj vj = c1 λ1 v1 + · · · + cj−1 λj−1 vj−1
Si multiplicamos la primera de estas ecuaciones por λj y se la restamos a la segunda obtenemos:
0 = c1 (λ1 − λj ) v1 + · · · + cj−1 (λj−1 − λj ) vj−1
Como el conjunto formado por los vectores v1 ,. . . ,vj−1 es linealmente independiente , al no ser un vector
combinación de los restantes , se deduce que todos los coeficientes de esta última ecuación deben ser cero:
ci (λi − λj ) = 0 para i = 1, . . . , j − 1
Como los valores propios son diferentes entre si: λi − λj 6= 0. Ası́ son los ci = 0 para i = 1, . . . , j − 1. Ası́ la
fórmula inincial de este teorema queda:
vj = 0v1 + · · · + 0vj−1 = 0
Pero esto es imposible pues ningún vector propio es el vector cero. Esta contradicción afirma que el conjunto
formado por los vectores es linealmente independiente⋄

Ejercicio 7
Investigue cómo se obtienen los valores y vectores propios en una calculadora avanzada. Documénte-
se de cuál es el formato en el cual se presentan los resultados.