ING.

JOS PEDRO AGUSTN VALERA NEGRETE

C A P T U L O

5



VALORES Y VECTORES
CARACTERSTICOS



5.1 Valores caractersticos (propios o eigenvalores), ecuacin caracterstica y
vectores caractersticos (propios o eigenvectores)

En Ingeniera se presentan problemas que requieren del anlisis de los valores y vectores caractersticos en
el estudio de vibraciones de sistemas elsticos, deformacin de estructuras, mallas elctricas, etc.

Sea V un espacio vectorial sobre el campo y sea T: V V una transformacin lineal del espacio
V dentro de s mismo, a la que se le conoce con el nombre de operador lineal.

Para este tipo de transformaciones puede haber vectores que no se modifiquen al aplicar la
transformacin, o cuya modificacin consista nicamente en quedar multiplicados por un escalar, es decir,
pueden existir vectores tales que T(v) v = donde es un escalar.

Geomtricamente si V
n
= esto significa que dichos vectores no cambian de direccin al aplicar la
transformacin, sino que slo cambian de magnitud o tamao si 1 o de sentido si 1 < .

A estos vectores v se les llama vectores caractersticos del operador T, y a los escalares se les conoce
como valores caractersticos de dicho operador.

Si v es un vector caracterstico de T asociado al valor , cualquier mltiplo escalar v k de dicho vector
es tambin un vector caracterstico de T asociado al valor .

En efecto si v es un vector caracterstico de T asociado al valor : T(v) v =

Por otra parte, como T es una transformacin lineal:

T( v) T(v) k k =
T( v) ( v) k k =

Por la propiedad asociativa de los espacios vectoriales T( v) ( v) k k = lo cul muestra claramente que
el vector v k es tambin un vector caracterstico de T, asociado al valor .
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

514
x
8

7

6

5

4

3

2

1
1 2 3 4
Ejemplo 5.1 Sea V un espacio vectorial sobre de todas las funciones diferenciables y sea T la
transformacin definida por el operador
d
dx
. Entonces la funcin f definida como ( )
x
f x e

= es un
vector caracterstico de T asociado al valor caracterstico puesto que: ( )
u u
x x
d e e d u =


x
x
d f de
e
dx dx

= = y e
x
f

= , es decir, T( ) f f =

Los valores caractersticos tambin son llamados eigenvalores (del alemn eigen, propio) o valores
propios y los vectores caractersticos se denominan eigenvectores o vectores propios. En algunos libros de
lgebra Lineal se utiliza la nomenclatura de autovalor y autovector.

Para introducir los conceptos de valor y vector caractersticos analicemos el siguiente:

Ejemplo 5.2 Consideremos el operador
2 2
T: definido por T( , ) (2 , 6 ) x y x y x y = + + , si
aplicamos dicho operador al vector
1
v (1, 2) = encontramos que:


1 1
T( v ) T(1, 2) ( 2 2, 6 2) ( 4, 8) 4 (1, 2) 4 v = = + + = = =

Esto es, que la transformacin solamente lo multiplic por 4 . Geomtricamente podemos decir que no
cambi la direccin sino nicamente su magnitud o tamao, la cul aument 4 veces como se observa en
la siguiente figura.

















Decimos entonces que el nmero 4 es un valor caracterstico de este operador T y que el vector
1
v (1, 2) = es un vector caracterstico correspondiente al valor 4.

Si aplicamos ahora el operador T a los siguientes vectores:
2
v (3, 6) = y
3
v ( 2, 4) = , encontramos
que:
2
T( v ) T( 3, 6) ( 6 6, 18 6) (12, 24) 4 (3, 6) = = + + = =

3
T( v ) T( 2, 4) ( 4 4, 12 4) ( 8, 16) 4 ( 2, 4) = = = =

Por lo que
2
v y
3
v tambin son vectores caractersticos de T asociados al valor caracterstico 4 .
1 1
T( v ) 4 v =
1
v
y
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

515
Sin embargo, no todos los vectores caractersticos corresponden al mismo valor caracterstico, por
ejemplo, para los vectores
4
v (1, 3) = y
5
v ( 2, 6) = se tiene:


4 4
T( v ) T(1, 3) ( 2 3, 6 3) ( 1, 3) 1 (1, 3) ( 1) v = = = = =

5 5
T( v ) T( 2, 6) ( 4 6, 12 6) ( 2, 6) 1 ( 2, 6) ( 1) v = = + + = = =

Por lo que
4
v y
5
v son vectores caractersticos de T asociados al valor caracterstico 1 .

En la aplicacin de la definicin T(v) v = observamos que no todos los vectores del dominio son
vectores caractersticos del operador, ya que en general, este modifica tanto la magnitud como la direccin
de los vectores, por ejemplo, si
6
v (1, 3) = y
7
v ( 1, 5) = tenemos que:


6
T( v ) T(1, 3) ( 2 3, 6 3) (5, 9) = = + + =

7
T( v ) T( 1, 5) ( 2 5, 6 5) ( 3, 1) = = + + =

T modifica la magnitud y direccin de ambos.


Definicin: Sea V un espacio vectorial sobre el campo y sea T: V V un operador lineal.
Si existe un vector v V , siendo v 0 , tal que T(v) v = .
Para algn escalar , entonces decimos que es un valor caracterstico de T y que v es un vector
caracterstico de T correspondiente a .



La definicin anterior excluye al vector cero como vector caracterstico, esto se debe a la conveniencia de
que todo vector caracterstico corresponde a un solo valor caracterstico.

Ejemplo 5.3 Para la transformacin identidad se tiene I: V V en donde todos los vectores no nulos
de V son vectores caractersticos correspondientes al valor " 1 " puesto que:

I(v) v (1) v = = tal que v V

Ejemplo 5.4 Para la transformacin cero se tiene 0: V V en donde todos los vectores no nulos de
V son vectores caractersticos correspondientes al valor " 0 " puesto que:

0(v) 0 ( 0) v = = tal que v V

Si T es una transformacin de
n
dentro de si misma, es decir T:
n n
entonces dicha
transformacin puede representarse mediante una matriz cuadrada A de orden n cuyos elementos estn
en . Entonces, un valor caracterstico de la matriz A, ser un valor caracterstico de la transformacin
T:
n n
. Es decir, un valor caracterstico de la matriz A, es un escalar para el cual existe un
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

516
vector columna v
n
diferente del vector cero, tal que v v A = , y consecuentemente, el vector
v
n
es un vector caracterstico de A asociado al valor caracterstico .

Con objeto de realizar nuestras operaciones utilizando una notacin similar a la de los sistemas de
ecuaciones lineales, sustituyamos al vector v por la notacin del vector x , de tal forma que:

x x A =

Siendo x el vector columna que representa a las incgnitas.


5.2 Ecuacin o polinomio caracterstico de una matriz cuadrada

En la prctica, el problema de determinar los valores caractersticos de una matriz cuadrada A de orden
n no singular, consiste en determinar los valores de para los cuales se satisface el sistema de
ecuaciones cuando x 0 .

Estos valores de representan a los valores caractersticos de la matriz A y las correspondientes
soluciones del sistema sern los vectores caractersticos de la matriz A.

La forma de obtenerlos directamente es premultiplicando x en ambos miembros por la matriz identidad I
de orden n .

x x A =
I x I x A =

Como A e I son dos matrices del mismo orden y por la definicin de matriz identidad

x I x A =
x I x = 0 A

Aplicando la propiedad distributiva del producto con respecto a la suma de matrices

( I) x 0 A =

La expresin representa un sistema de ecuaciones lineales homogneo que tiene solucin distinta de la
trivial si:

I 0 A = 0

Teorema: Sea A una matriz cuadrada de orden n . Entonces es un valor caracterstico de A si y solo
si ( ) det ( I ) 0 P A = = .


Definicin: Si A es una matriz cuadrada, entonces ( ) det ( I ) 0 P A = = es la ecuacin
caracterstica de A; ( ) P se llama polinomio caracterstico de A.
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

517
Desarrollando el determinante e igualando a cero se obtiene una ecuacin algebraica o polinomio de grado
n en de la forma ( ) 0 P = llamado polinomio caracterstico de la matriz A, cuyas races son los
valores caractersticos de la matriz A. Sustituyendo cada uno de estos valores en el sistema de
ecuaciones, se obtiene en cada caso un sistema homogneo con soluciones distintas de la trivial. Cualquier
solucin particular de dichos sistemas ser un vector caractersticos de la matriz A asociado al valor
caracterstico correspondiente.


Teorema: Sea V un espacio vectorial sobre el campo y sea T: V V una transformacin lineal.
Sean
1 2
v , v , , v
n
vectores caractersticos de T asociados a los valores caractersticos
1 2
, , ,
n
.
Supngase que estos valores son diferentes, es decir,
i j
, i j entonces
1 2
v , v , , v
n
son
linealmente independientes, es decir, los vectores caractersticos correspondientes a valores caractersticos
diferentes son linealmente independientes.




5.3 Vectores caractersticos linealmente independientes y espacios caractersti-
cos

Si es un valor caracterstico o eigenvalor de A, entonces el espacio solucin del sistema de ecuaciones
lineales ( I) x 0 A = se denomina el espacio caracterstico de A correspondiente a , y los vectores
diferentes de cero en el espacio caracterstico se denominan vectores caractersticos o eigenvectores de
A correspondientes a .

Si
11 12 1
21 22 2
1 2
n
n
n n nn
a a a
a a a
A
a a a
(
(
(
=
(
(
(

entonces
11 12 1
21 22 2
1 2
( )
( )
( ) det ( I)
( )
n
n
n n nn
a a a
a a a
P A
a a a

(
(

(
= =
(
(

El polinomio ( ) P es de grado n y por el teorema fundamental del lgebra tiene n races, sin embargo
algunas de ellas pueden estar repetidas, cuando esto sucede se dice que las races (valores caractersticos)
tienen multiplicidad algebraica.

Si A es una matriz de orden n x n , entonces se tienen las siguientes afirmaciones:
a) es un valor caracterstico de A,
b) El sistema de ecuaciones ( I) x 0 A = tiene soluciones no triviales,
c) Existe un vector x en
n
diferente de cero, tal que x x A = .

El nmero de vectores caractersticos o eigenvectores linealmente independientes de una matriz A, no
necesariamente es igual a la multiplicidad algebraica del eigenvalor por lo que se tiene la siguiente
definicin.


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

518

Definicin: Sea un valor caracterstico o eigenvalor de la matriz A; entonces la multiplicidad
geomtrica de es la dimensin del espacio caracterstico correspondiente a (que es la nulidad de la
matriz A I . Es decir, multiplicidad geomtrica de dim ( ) x E A I

= = .

En general podemos decir que si la multiplicidad algebraica de es mayor que 1, entonces no se puede
predecir la multiplicidad geomtrica de sin informacin adicional.


5.4 Procedimiento para el clculo de valores y vectores caractersticos

Dada una matriz A de orden n x n se deben seguir los siguientes pasos para hallar los valores y vectores
caractersticos.

1. Calcular el polinomio caracterstico ( ) det ( I) P A = .
2. Hallar los valores caractersticos de A, determinando las races
1 2
, , ,
n
del polinomio
caracterstico ( ) 0 P = .
3. Para cada valor caracterstico
i
, resolver el sistema de ecuaciones lineales homogneo
( I) x = 0 A
i
. Las soluciones diferentes de la trivial corresponden a los vectores caractersticos
de A para cada
i
.
4. Escribir la solucin general de ( I) x = 0 A
i
en forma de combinacin lineal de vectores cuyos
coeficientes se denominan variables libres. Estos vectores forman una base para E
i

.

Ejemplo 5.5 Hallar los valores caractersticos (eigenvalores), el polinomio caracterstico y los vectores
caractersticos (eigenvectores) de la siguiente matriz [ ]
0 0
0
0 0
(
=
(


Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i



0 0 0 (0 ) 0
( I )
0 0 0 0 (0 )
A

( ( (
= =
( ( (

2
0
I
0
A

= =

2
2
( ) P = es el polinomio caracterstico de A y sus races son los valores caractersticos o
eigenvalores, por lo tanto si
2
0 =
1
0 = y
2
0 = , como se tienen 2 races iguales se dice que son
de multiplicidad algebraica 2.
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

519
3 Para la matriz [ ] 0 A = el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = , y
a x se le denomina vector caracterstico o eigenvector de la matriz A correspondiente al eigenvalor
1
0 = , entonces sustituyendo valores:


1
2
0 0
0 0
x
x

( ( (
=
( ( (

Para el valor caracterstico
1
0 = se tiene el siguiente sistema de ecuaciones:


1
2
0 0 0
0 0 0
x
x
( ( (
=
( ( (



1 2
0 0 0 x x + =

y los valores de
1
x y
2
x pueden ser dos nmeros reales cualesquiera, as tenemos que
1 1
x k = y
2 2
x k =
1 2
, k k , entonces la solucin general es
1
2
x
k
k
(
=
(

que puede ser expresada de la siguiente
manera
1
0
2
k
E gen
k
(

=
`
(
)
.

Nota: En la notacin anterior la letra E nos indica la nomenclatura de eigenvector y el subndice 0 el
eigenvalor al cul se encuentra asociado, y la notacin gen indica conjunto generador.

Si hacemos que
1
1 k = y
2
0 k = se obtiene
1
1
x
0
(
=
(

, y para
1
0 k = y
2
1 k = ,
2
0
x
1
(
=
(

. Por lo tanto
0
1 0
,
0 1
E gen
( (
=
`
( (
)
dependiendo los valores asignados a
1 2
, k k existen otras elecciones para
los vectores caractersticos.

Recordemos que el vector x puede ser escrito de la siguiente forma:


1 1
1 2 1 2
2 2
0 1 0
x
0 0 1
k k
k k k i k j
k k
( ( ( ( (
= = + = + = +
( ( ( ( (



En donde los vectores
1
0
(
(

y
0
1
(
(

son linealmente independientes y forman una base para el espacio
caracterstico de multiplicidad algebraica 2 correspondiente a
1 2
0 = = . Es decir los vectores
1
x y
2
x forman una base para
0
E .

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

520
Ejemplo 5.6 Hallar los valores y vectores caractersticos de la siguiente matriz
1 0
I
0 1
(
=
(

.
Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


1 0 0 (1 ) 0
( I )
0 1 0 0 (1 )
A

( ( (
= =
( ( (

2 2
(1 ) 0
I 1 2 1
0 (1 )
A

= = + = +

2 Si
2
( ) 2 1 P = + hallar las races del polinomio caracterstico
2
2 1 0 + = :


2 4 4 (1) (1) 2
1
2 2

= = =
1 2
1 = = (de multiplicidad algebraica 2)

3 Para la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = :


1
2
(1 ) 0 0
0 (1 ) 0
x
x

( ( (
=
( ( (

Para el valor caracterstico
1
1 = se tiene el siguiente sistema de ecuaciones:


1
2
(1 1) 0 0
0 (1 1) 0
x
x
( ( (
=
( ( (

1
2
0 0 0
0 0 0
x
x
( ( (
=
( ( (



1 2
0 0 0 x x + =

Y los valores de
1
x y
2
x pueden ser dos nmeros reales cualesquiera, as tenemos que
1 1
x k = y
2 2
x k =
para
1 2
, k k , entonces la solucin general es
1
2
x
k
k
(
=
(

que puede ser expresada de la siguiente
manera:
1
1
2
k
E gen
k
(

=
`
(
)


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

521
Si hacemos que
1
1 k = y
2
0 k = se obtiene
1
1
x
0
(
=
(

, para
1
0 k = y
2
1 k = se obtiene
2
0
x
1
(
=
(

. Por lo
tanto
1
1 0
,
0 1
E gen
( (
=
`
( (
)
dependiendo los valores asignados a
1 2
, k k existen otras elec-

ciones para los vectores caractersticos.

Recordemos que el vector x puede ser escrito de la siguiente forma:


1 1
1 2 1 2
2 2
0 1 0
x
0 0 1
k k
k k k i k j
k k
( ( ( ( (
= = + = + = +
( ( ( ( (



En donde los vectores
1
0
(
(

y
0
1
(
(

son linealmente independientes y forman una base para el espacio
caracterstico de multiplicidad algebraica 2 correspondiente a
1 2
1 = = . Es decir los vectores
1
x y
2
x
forman una base para
1
E .

Ejemplo 5.7 Hallar los valores y vectores caractersticos de la siguiente matriz
3 0
8 1
A
(
=
(

.
Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


3 0 0 (3 ) 0
( I )
8 1 0 8 ( 1 )
A

( ( (
= =
( ( (





2 2
(3 ) 0
I 3 3 2 3
8 ( 1 )
A

= = + + =



2 Si
2
( ) 2 3 P = hallar las races del polinomio caracterstico
2
2 3 0 = :


2
2 ( 2) 4 (1) ( 3) 2 4 12 2 4
2 2 2

+
= = =


1
2 4
3
2

+
= =
2
2 4
1
2

= =


1
2
3
1

=
=


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

522
3 Dada la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = :


1
2
(3 ) 0 0
8 ( 1 ) 0
x
x

( ( (
=
( ( (




3.1 Para el primer valor caracterstico
1
3 = se tiene el siguiente sistema de ecuaciones:


1
2
(3 3) 0 0
8 ( 1 3) 0
x
x
( ( (
=
( ( (





1
2
0 0 0
8 4 0
x
x
( ( (
=
( ( (

1 2
8 4 0 x x =


1 2
4
8
x x = haciendo
2
x k = , para k
1
1
2
x k =

solucin general: solucin particular si 1 k = :


1
1 2
2
x k
x k
=
`
=
)

1
2
x
k
k
(
=
(


1
1 2
2
1
x
x
=
`
=
)

1
2
x
1
(
=
(



La notacin que a continuacin se presenta es de tipo matricial para indicar un vector caracterstico
(diferente del vector cero) asociado al valor caracterstico
1
3 = . Cualquier otro vector caracterstico
asociado a
1
3 = es un mltiplo de x (para una solucin particular diferente a la obtenida).


1
2
3
k
E gen
k
(
=
`
(
)
si 1 k =
1
2
3
1
E gen
(
=
`
(
)


3.2 Para el segundo valor caracterstico
1
1 = se tiene el siguiente sistema de ecuaciones:

1
2
(3 1) 0 0
8 ( 1 1) 0
x
x
+ ( ( (
=
( ( (
+



1
2
4 0 0
8 0 0
x
x
( ( (
=
( ( (



1 2
1 2
4 0 0
8 0 0
x x
x x
+ =
+ =

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

523
Para que el sistema tenga solucin diferente de la trivial, se requiere que
2
0 x por lo cual podemos
considerar que:


2
x k = , para k
Y como los coeficientes de
2
x son ceros, entonces:
1
1
4 0
8 0
x
x
=

Por lo que la nica solucin posible es
1
0 x = por tanto:

solucin general: solucin particular si 1 k = :


1
2
0 x
x k
=
`
=
)

2
0
x
k
(
=
(


1
2
0
1
x
x
=
`
=
)

2
0
x
1
(
=
(



Cualquier otro vector caracterstico asociado a
2
1 = es un mltiplo de x (para una solucin particular
diferente a la obtenida). Y mediante la notacin matricial tenemos:


1
0
E gen
k

(
=
`
(
)
si 1 k =
1
0
1
E gen

(
=
`
(
)


Observacin: Los vectores caractersticos obtenidos para cada uno de los valores caractersticos son
linealmente independientes.

4 Las soluciones obtenidas de los valores y vectores caractersticos pueden ser verificadas por sustitucin
en la expresin x x A = de la siguiente manera:

4.1 Para el primer valor caracterstico
1
3 = asociado al vector caracterstico
3
E .

3 3 1 1
2 2 2 2
x x
3 0
x 3
8 1 4 3
A
k k k k
A
k k k k k

( ( ( ( (
= = = =
( ( ( ( (





4.2 Para el segundo valor caracterstico
2
1 = asociado al vector caracterstico
1
E

.



x x
3 0 0 0 0
x 1
8 1
A
A
k k k

( ( ( (
= = =
( ( ( (

Ejemplo 5.8 Hallar los valores y vectores caractersticos de la siguiente matriz
2 2
5 1
A
(
=
(

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

524
Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


2 2 0 ( 2 ) 2
( I )
5 1 0 5 (1 )
A

( ( (
= =
( ( (





2 2
( 2 ) 2
I 2 2 10 12
5 (1 )
A

= = + + = +



2 Si
2
( ) 10 P = + hallar las races del polinomio caracterstico
2
10 0 + = :


1 1 4 (1) ( 12) 1 1 48 1 7
2 2 2

+
= = =


1
1 7
3
2

+
= =
2
1 7
4
2

= =


1
2
3
4

=
=


3 Para la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = :


1
2
( 2 ) 2 0
5 (1 ) 0
x
x

( ( (
=
( ( (




3.1 Para el primer valor caracterstico
1
3 = se tiene el siguiente sistema de ecuaciones:

1
2
( 2 ) 2 0
5 (1 ) 0
x
x

( ( (
=
( ( (





1
2
( 2 3) 2 0
5 (1 3) 0
x
x
( ( (
=
( ( (





1
2
5 2 0
5 2 0
x
x
( ( (
=
( ( (





1 2
1 2
5 2 0
5 2 0
x x
x x
=
=


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

525

1 2
2
5
x x = entonces si hacemos
2
x k = , k


1
2
5
x k =

solucin general: solucin particular si 1 k = :


2
1 5
2
x k
x k
=
`
=
)

2
5
x
k
k
(
=
(


2
1 5
2
1
x
x
=
`
=
)

2
5
x
1
(
=
(



Utilizando la notacin matricial tenemos
2
5
3
k
E gen
k
(
=
`
(
)
si 1 k =
2
5
3
1
E gen
(
=
`
(
)


3.2 Para el segundo valor caracterstico
2
4 = se tiene el siguiente sistema de ecuaciones:

1
2
( 2 4) 2 0
5 (1 4) 0
x
x
+ ( ( (
=
( ( (
+



1
2
2 2 0
5 5 0
x
x
( ( (
=
( ( (

1 2
1 2
2 2 0
5 5 0
x x
x x
=
+ =



1 2
x x = entonces si hacemos
2
x k = , k

solucin general: solucin particular si 1 k = :


1
2
x k
x k
=
`
=
)
x
k
k
(
=
(


1
2
1
1
x
x
=
`
=
)

1
x
1
(
=
(



Utilizando la notacin matricial tenemos
4
k
E gen
k

(
=
`
(
)
si 1 k =
4
1
1
E gen

(
=
`
(
)


Observacin: Los vectores caractersticos obtenidos para cada uno de los valores caractersticos son
linealmente independientes.

4 Las soluciones obtenidas de los valores y vectores caractersticos pueden ser verificadas por sustitucin
en la expresin x x A = de la siguiente manera:

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

526
4.1Para el primer valor caracterstico
1
3 = asociado al vector caracterstico
3
E .

6 2 4 2
5 5 5 5
x x
2 2 2
x 3
5 1 2 3
A
k k k k k
A
k k k k k

( ( ( ( (
= = = =
( ( ( ( (
+




4.2 Para el segundo valor caracterstico
2
4 = asociado al vector caracterstico
4
E

.



x x
2 2 2 2 4
x 4
5 1 5 4
A
k k k k k
A
k k k k k

( ( ( ( (
= = = =
( ( ( ( (
+

Ejemplo 5.9 Hallar los valores y vectores caractersticos de la siguiente matriz
1 2 2
2 1 2
2 2 1
A
(
(
=
(
(


Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


1 2 2 0 0 ( 1 ) 2 2
( I ) 2 1 2 0 0 2 ( 1 ) 2
2 2 1 0 0 2 2 (1 )
A



( ( (
( ( (
= =
( ( (
( ( (



( 1 ) 2 2
I 2 ( 1 ) 2 ( 1 ) ( 1 ) (1 ) 8 8
2 2 (1 )
A

= = + +

3 2
I 13 21 A = + +

2 Si
3 2
( ) 13 21 P = + + hallar mediante el mtodo de divisin sinttica las races del
polinomio caracterstico
3 2
13 21 0 + + = .

2.1 Aplicando la regla de los signos de Descartes:


3 2
( ) 13 21 P = + + una raz real positiva

3 2
( ) 13 21 P = + dos races reales o complejas

Posibles races reales
: 1, 2, 3, 5, 7, ...
1, 2, 3, 5, 7, ...
: 1
D
D
r
C C

=
`
)


4 ( 1 ) 4 ( 1 ) 4 (1 )
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

527
1
3 =
Supongamos que la primera raz es
1
3 = , verifiquemos por divisin sinttica:


3
1 1 13 21
3 6 21
1 2 7 0

Hemos verificado que

Ahora tenemos un polinomio de segundo grado
2
( ) 11 10 P = + y sus races son:


2 4 4 ( 1) (7) 2 4 28 2 32 2 (2) (16) 2 4 2
2 2 2 2 2

+
= = = = =




2
2 4 2
1 2 2
2

+
= =

3
2 4 2
1 2 2
2

= = +

2
3
1 2 2
1 2 2

=
=
+


3 Dada la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = :


1
2
3
( 1 ) 2 2 0
2 ( 1 ) 2 0
2 2 (1 ) 0
x
x
x

( ( (
( ( (
=
( ( (
( ( (



3.1 Para el primer valor caracterstico
1
3 = se tiene el siguiente sistema de ecuaciones:


1
2
3
2 2 2 0
2 2 2 0
2 2 4 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1 2 3
1 2 3
1 2 3
2 2 2 0
2 2 2 0
2 2 4 0
x x x
x x x
x x x
+ + =
+ + =
+ + =


Observamos que aunque aparentemente se trata de un sistema de ecuaciones lineales homogneo de 3
ecuaciones con 3 incgnitas, la matriz del sistema tiene 2 rango = , por lo cual debemos eliminar una
ecuacin y hacer que un incgnita adquiera valores fijos. Al obtener el rango vemos que el segundo
rengln y la segunda columna se transformaron en ceros por lo tanto eliminemos la segunda ecuacin y
hagamos
2
x k = , as tenemos que
1
x k = y
3
0 x = .
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

528
solucin general: solucin particular si 1 k = :


1
2
3
0
x k
x k
x
=
=
=
es decir: x
0
k
k
(
(
=
(
(


1
2
3
1
1
0
x
x
x
=
=
=
es decir:
1
x 1
0
(
(
=
(
(



Utilizando la notacin matricial
3
0
k
E gen k

(

(
=
`
(

(
)
si 1 k =
3
1
1
0
E gen

(

(
=
`
(

(
)


3.2 Para el valor caracterstico
2
1 2 2 = se tiene el siguiente sistema de ecuaciones:

1
2
3
2
2 2 2 2 0
2 2 2 2 2 0
2 2 0
2 2
x
x
x
(
+ ( (
(
( (
+ =
(
( (
(
( (





2
1 3
1 2 3
1 2
3
2
( 2 2 2 ) 2 0
2 ( 2 2 2 ) 2 0
2 2 0
2 2
x
x x
x x x
x x
x
+ + + =
+ + + =
+ + =


Hallar el rango de la matriz de coeficientes:

12
31
12 12
31 31
2 4 2 2 2 2 2
(1 2) 2 2 2 2 0 *
( 1) 2 2 2 2 2 0 4 2 2 2 2 2 (1)
* 2 2 2 2
2 2 2 2
0 4 2 2 2 2 2 0 4 2 2 0
0 0 0 0 0 0 ( ) ( , 0 ) 2
2 0 0 2 0 0
A
R A R A
(
+ (
+
(
(
= + + (
(
(
(
(

( (
+
( (
= =
( (
( (

El sistema de ecuaciones lineales homogneo por tanto es compatible indeterminado ya que R n < y
entonces por el teorema de Kronecker-Capelli, como 1 3 1 2 R n = = = podemos resolverlo por
cualquier mtodo analizado en el curso, por ejemplo, eliminemos la segunda ecuacin y hagamos
3
x k = .
2
1
2
1
2
2
( 2 2 2)
2
2 2 2
k
x
x
x
x k
+ =
+
+ =




VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

529
Resolvamos por el mtodo de la regla de Cramer:


2
2 2 2
4 4 2 4 8 4 2
2
2
+
= = + = +


1
2
2
4 4 2 ( 4 4 2)
2
2 2
k
x k k k
k

= = + = +

2
2
2 2 2
4 2 4 2 2 4 (4 2 8 4 ) ( 4 4 2)
2 2 2
k
x k k k k k k k
k

+
= = + = + = +

1
4 4 2
8 4 2
x k
+
=
+

2
4 4 2
8 4 2
x k
+
=
+


solucin general:


1
2
3
4 4 2
8 4 2
4 4 2
8 4 2
x k
x k
x k
+
=
+
+
=
+
=
es decir:
4 4 2
8 4 2
4 4 2
x
8 4 2
k
k
k
(
+
(
+
(
(
+
(
=
( +
(
(
(


solucin particular si
1
2
k = :


1
2
3
4 4 2 1 4 4 2 1
2 8 4 2 2 8 8 2
4 4 2 1 4 4 2 1
2 8 4 2 2 8 8 2
1
2
x
x
x
+
= = =
+
+
= = =
+
=
es decir:
1
2
1
2
1
2
x
(
(
=
(
(

Utilizando la notacin matricial y considerando que k :

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

530

1 2 2
4 4 2
8 4 2
4 4 2
8 4 2
k
E gen k
k

(
+
(
+
(
(
+
(
=
`
( +

(

(

(

)
si
1
2
k =
1
2
1
2
1 2 2
1
2
E gen

(
(
=
`
(

(

)


3.3 Para el valor caracterstico
3
1 2 2 = + se tiene el siguiente sistema de ecuaciones:

1
2
3
2
2 2 2 2 0
2 2 2 2 2 0
2 2 0
2 2
x
x
x
(
( (
(
( (
=
(
( (
(
( (





2
1 3
1 2 3
1 2
3
2
( 2 2 2 ) 2 0
2 ( 2 2 2 ) 2 0
2 2 0
2 2
x
x x
x x x
x x
x
+ + =
+ + =
+ =


Hallar el rango de la matriz de coeficientes:


12
31
12 12
31 31
2 4 2 2 2 2 2
(1 2) 2 2 2 2 0 *
( 1) 2 2 2 2 2 0 4 2 2 2 2 2 (1)
* 2 2 2 2
2 2 2 2
0 4 2 2 2 2 2 0 4 2 2 0
0 0 0 0 0 0 ( ) ( , 0) 2
2 0 0 2 0 0
A
R A R A
(
+ (
+
(
(
= + (
(
(
(

(

( (
+ +
( (
= =
( (
( (

El sistema de ecuaciones lineales homogneo por tanto es compatible indeterminado ya que R n < y
entonces por el teorema de Kronecker-Capelli, como 1 3 1 2 R n = = = podemos resolverlo por
cualquier mtodo analizado en el curso, por ejemplo, eliminemos la segunda ecuacin y hagamos
3
x k = .

2
1
2
1
2
2
( 2 2 2)
2
2 2 2
k
x
x
x
x k
+ =

+ =



Resolvamos por el mtodo de la regla de Cramer:

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

531

2
2 2 2
4 4 2 4 8 4 2
2
2

= = =


1
2
2
4 4 2 ( 4 4 2)
2
2 2
k
x k k k
k

= = =

2
2
2 2 2
4 2 4 2 2 4 ( 4 2 8 4 ) ( 4 4 2)
2 2 2
k
x k k k k k k k
k

= = + = + =


1
4 4 2
8 4 2
x k

=


2
4 4 2
8 4 2
x k

=



solucin general:


1
2
3
4 4 2
8 4 2
4 4 2
8 4 2
x k
x k
x k

=


=

=
es decir:
4 4 2
8 4 2
4 4 2
x
8 4 2
k
k
k
(

(

(
(

(
=
(
(
(
(



solucin particular si
1
2
k = :


1
2
3
4 4 2 1 4 4 2 1
2 8 4 2 2 8 8 2
4 4 2 1 4 4 2 1
2 8 4 2 2 8 8 2
1
2
x
x
x

= = =


= = =

=
es decir:
1
2
1
2
1
2
x
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

532

1 2 2
4 4 2
8 4 2
4 4 2
8 4 2
k
E gen k
k
+
(

(

(
(

(
=
`
(

(

(

(

)
si
1
2
k =
1
2
1
2
1 2 2
1
2
E gen
+
(
(
=
`
(

(
)


Observacin: Los vectores caractersticos obtenidos para cada uno de los valores caractersticos son
linealmente independientes.

Ejemplo 5.10 Hallar los valores y vectores caractersticos de la siguiente matriz
5 4 2
4 5 2
2 2 2
A
(
(
=
(
(


Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i



5 4 2 0 0 (5 ) 4 2
( I ) 4 5 2 0 0 4 (5 ) 2
2 2 2 0 0 2 2 (2 )
A



( ( (
( ( (
= =
( ( (
( ( (



(5 ) 4 2
I 4 (5 ) 2 (5 ) (5 ) (2 ) 16 16
2 2 (2 )
A

= = + +

2
I (25 10 ) (2 ) 32 8 (5 ) 16 (2 ) A = + +


2 2 3
I 50 25 20 10 2 32 40 8 32 16 A = + + + + +


3 2
I 12 21 10 A = + +

2 Si
3 2
( ) 12 21 10 P = + + hallar mediante el mtodo de divisin sinttica las races del
polinomio caracterstico
3 2
12 21 10 0 + = .

2.1 Aplicando la regla de los signos de Descartes:


3 2
( ) 12 21 10 P = + tres posibles races positivas

3 2
( ) 12 21 10 P = cero races negativas

4 (5 ) 4 (5 ) 16 (2 )
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

533
Posibles races reales
: 1, 2, 3, 5, 7, 10
1, 2, 3, 5, 7, 10
: 1
D
D
r
C C

=
`
)


Supongamos que la primera raz es
1
1 = , verifiquemos por divisin sinttica:


1
1 12 21 10
1 11 10
1 11 10 0

hemos verificado que

Ahora tenemos un polinomio de segundo grado
2
( ) 11 10 P = + y sus races son:


11 121 4 (1) (10) 11 121 40 11 81 11 9
2 2 2 2

= = = =


2
11 9
10
2

+
= =
3
11 9
1
2

= =


2
3
10
1

=
=


Existe multiplicidad algebraica 2 para la raz
1 3
1 = = .

3 Dada la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A =


2
3
(5 ) 4 2 0
4 (5 ) 2 0
2 2 (2 ) 0
x
x
x

( ( (
( ( (
=
( ( (
( ( (



3.1 Para el primer valor caracterstico
1
1 = se tiene el siguiente sistema de ecuaciones:


2
3
(5 1) 4 2 0
4 (5 1) 2 0
2 2 (2 1) 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1
2
3
4 4 2 0
4 4 2 0
2 2 1 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (



1
1 =
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

534

1 2 3
1 2 3
1 2 3
4 4 2 0
4 4 2 0
2 2 0
x x x
x x x
x x x
+ + =
+ + =
+ + =


Observamos que aunque aparentemente se trata de un sistema de ecuaciones lineales homogneo de 3
ecuaciones con 3 incgnitas, pero por ser proporcionales entre si, el sistema se puede reducir a una sola
ecuacin con 3 incgnitas la cul sabemos que tiene una matriz de 1 rango = , y por lo tanto la solucin
consiste en suponer valores fijos a dos de las incgnitas, por ejemplo
2 2
x k = y
3 3
x k = , para
2 3
, k k ,
entonces de la ecuacin
1 2 3
4 4 2 0 x x x + + = obtenemos
1
x :


1 2 3
4 4 2 x x x =

2 3 1
1 2 3 2
4 2
4
x x
x x x

= =

solucin general: solucin particular si
2
1 k = y
3
1 k = :


1
1 2 3 2
2 2
3 3
x k k
x k
x k
=
=
=
es decir:
1
2 3 2
2
3
x
k k
k
k
(
(
=
(
(


3
1 2
2
3
1
1
x
x
x
=
=
=
es decir:
3
2
x 1
1
(
(
=
(
(



Utilizando la notacin matricial
1
2 3 2
1 2
3
k k
E gen k
k
(

(
=
`
(

(
)
si
2
1 k = y
3
1 k =
3
2
1
1
1
E gen
(

(
=
`
(

(
)


Nota: Debido a que el tercer valor caracterstico es
3
1 = , podemos decir que existe multiplicidad
algebraica 2, ya que
1 3
1 = = y otro vector caracterstico
1
E se obtiene asignando nuevos valores a
2
k
y
3
k , por ejemplo
2
1 k = y
3
0 k = entonces
1
x 1
0
(
(
=
(
(

, ahora si
2
0 k = y
3
1 k = entonces
2
3
x 0
1
(
(
=
(
(

, por lo tanto
2
3
1
1
1 , 0
0 1
E gen
( (

( (
=
`
( (

( (
)
que forma una base.

As podemos tener para cada par de valores
2
k y
3
k un vector caracterstico diferente.





VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

535
3.2 Para el valor caracterstico
2
10 = se tiene el siguiente sistema de ecuaciones:

1
2
3
(5 10) 4 2 0
4 (5 10) 2 0
2 2 (2 10) 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1
2
3
5 4 2 0
4 5 2 0
2 2 8 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1 2 3
1 2 3
1 2 3
5 4 2 0
4 5 2 0
2 2 8 0
x x x
x x x
x x x
+ + =
+ =
+ =


Hallar el rango de la matriz de coeficientes:


13 13 13
21 21
5 4 2 * 5 4 2 0 0 2
4 5 2 ( 1) 9 9 0 * 9 9 0
2 2 8 (4) 18 18 0 (2) 0 0 0
2 0 0
0 9 0 ( ) ( , 0) 2
0 0 0
A
R A R A
( ( (
( ( (
=
( ( (
( ( (

(
(
= =
(
(

El sistema de ecuaciones lineales homogneo por tanto es compatible indeterminado ya que R n < y
entonces por el teorema de Kronecker-Capelli, como 1 3 1 2 R n = = = podemos resolverlo por
cualquier mtodo analizado en el curso, por ejemplo hallemos los cofactores de los elementos del primer
rengln.


1 1
1 11 11
5 2
( 1) 40 4 36
2 8
x C M
+

= = = = =

1 2
2 12 12
4 2
( 1) ( 1) ( 1) ( 32 4) ( 1) ( 36) 36
2 8
x C M
+
= = = = = =

1 3
3 13 13
4 5
( 1) 8 10 18
2 2
x C M
+

= = = = + =



VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

536
solucin general: solucin particular si
1
18
k = :


1
2
3
36
36
18
x k
x k
x k
=
=
=
es decir:
36
x 36
18
k
k
k
(
(
=
(
(


1
2
3
2
2
1
x
x
x
=
=
=
es decir:
2
x 2
1
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :


10
2
2
k
E gen k
k
(

(
=
`
(

(
)
si 1 k =
10
2
2
1
E gen
(

(
=
`
(

(
)


Observacin: Los vectores caractersticos obtenidos para cada uno de los valores caractersticos son
linealmente independientes.

4 Las soluciones obtenidas de los valores y vectores caractersticos pueden ser verificadas por sustitucin
en la expresin x x A = de la siguiente manera:

4.1 Para los valores caractersticos de multiplicidad algebraica 2,
1 3
1 = = asociados a los vectores
caractersticos
1
E se tiene:

5 1 1 1
2 3 2 3 2 3 2 3 2 3 2 2 2 2
2 2 3 2 3 2 2
3 2 3 2 3 3 3
x x
5 4 2 5 4 2
x 4 5 2 4 2 5 2 (1)
2 2 2 2 2 2
A
k k k k k k k k k k
A k k k k k k k
k k k k k k k

+ + ( ( ( ( (
( ( ( ( (
= = + + = =
( ( ( ( (
( ( ( ( ( + +




4.2 Para el valor caracterstico
2
10 = asociado al vector caracterstico
10
E se tiene:



x x
5 4 2 2 10 8 2 20 2
x 4 5 2 2 8 10 2 20 10 2
2 2 2 4 4 2 10
A
k k k k k k
A k k k k k k
k k k k k k

+ + ( ( ( ( (
( ( ( ( (
= = + + = =
( ( ( ( (
( ( ( ( ( + +

5.5 Diagonalizacin de una matriz (matriz espectral)

Si una matriz A cuadrada de orden n es semejante a una matriz diagonal D se llama diagonalizable.
Tambin se dice que A se puede diagonalizar. Esto significa que existe una matriz C de orden n tal
que
1
C AC

es una matriz diagonal D tambin llamada matriz espectral.

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

537
1
2
0 0
0 0
D
0 0
n

(
(
(
=
(
(
(

El proceso para determinar matrices C y D se llama diagonalizacin y se dice que C y D
diagonalizan a A.

No todas las matrices cuadradas pueden ser diagonalizables. Los criterios para diagonalizar una matriz
cuadrada A (cuando esto es posible) y hallar las matrices C y D que la diagonalizan, se basan en
observar que si D es una matriz diagonal con elementos diagonales
1 2
, , ,
n
para 1, 2, , i n =
entonces D
i i i
e e = .

Dichos criterios pueden ser enunciados de la siguiente manera:

1) A es diagonalizable si y slo si tiene n eigenvectores linealmente independientes.
2) Si A es diagonalizable con
1
C AC D

= , entonces las columnas de C son eigenvectores de A y los

elementos diagonales de D son los eigenvalores correspondientes.
3) Si { }
1 2
v , v ,, v
n
son eigenvectores linealmente independientes de A con los eigenvalores
correspondientes
1 2
, , ,
n
, entonces A se puede diagonalizar con:

[ ]
1 2
C v v v
n
= y
1
0
D
0
n

(
(
=
(
(

Teorema: Una matriz A cuadrada de orden n es diagonalizable si y slo si
n
tiene una base de
eigenvectores de A.


Demostracin: Si suponemos que una matriz A cuadrada de orden n es diagonalizable, entonces existe
una matriz invertible. Sea C la matriz formada por los eigenvalores de A, tal que
1
C AC

es diagonal,
siendo
1
D C AC

=

Si
11 12 1
21 22 2
1 2
n
n
n n nn
a a a
a a a
A
a a a
(
(
(
=
(
(
(

;
11 12 1
21 22 2
1 2
n
n
n n nn
c c c
c c c
C
c c c
(
(
(
=
(
(
(

y
1
2
0 0
0 0
0 0
n
D

(
(
(
=
(
(
(

La columna i sima de AC es igual al producto de A por la columna i sima de C , lo cual es
i
Ac . Puesto que
i
c es un vector caracterstico de A, entonces
i i i
Ac c = .

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

538

11 12 1 11 12 1 1 11 12 11 1 12 2 1
21 22 2 21 22 2 2 21 22 21 1 22 2 2
1 2 1 2 1 2 1 1 2 2
( )
( )
(
n i n i i n ni
n i n i i n ni
n n nn n n ni nn n n n i n
a a a c c c c c c a c a c a c
a a a c c c c c c a c a c a c
AC
a a a c c c c c c a c a c
+ + + ( (
( (
+ + +
( (
= =
( (
( (
+
( (





1
2
)
n
n
i nn ni nn
c
c
a c c
(
(
(
(
(
+ +
(

As AC es la matriz cuya columna i es
11 1 12 2 1
21 1 22 2 2
1 1 2 2
i i n ni
i i n ni
i i
n i n i nn ni
a c a c a c
a c a c a c
c
a c a c a c

+ + + (
(
+ + +
(
=
(
(
+ + +
(

con lo cual observamos

que se verifica
i i i
Ac c = y podemos considerar que si
1 2
, , ,
n
c c c son los vectores columna de C
(eigenventores de A), entonces
1 1 1
Ac c = ,
2 1 2
Ac c = , ,
1 n n
Ac c = , as tendremos:


1 11 2 12 1
1 21 2 22 2
1 1 2 2
n n
n n
n n n nn
c c c
c c c
AC
c c c



(
(
(
=
(
(
(

Es fcil ver que la columna i sima de CD es tambin igual a
i
por la columna i sima de C , o
sea
i i
c .

11 12 1 1 11 2 12 1 1 1
21 22 2 1 21 2 22 2 2 2
1 2 1 1 2 2
0 0
0 0
0 0
n i i n n
n i i n n
n n nn n n n i ni n nn
c c c c c c c
c c c c c c c
CD
c c c c c c c



( ( (
( ( (
( ( (
= =
( ( (
( ( (
( ( (







Dado que la columna i sima de AC es igual a la columna i sima de CD, se tiene que
AC CD = .

Como C es invertible, se pueden multiplicar ambos miembros de la expresin por la izquierda por la
inversa
1
C

para obtener:
1
C AC D

=


Con lo anterior se ha probado que si A tiene n vectores caractersticos o eigenvectores linealmente
independientes , entonces A es diagonalizable.

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

539
Inversamente, supongamos que A es diagonalizable, es decir, supongamos que
1
D C AC

= se cumple
para alguna matriz invertible C . Siendo
1 2
, , ,
n
c c c las columnas de C , entonces AC CD = , e
invirtiendo los argumentos anteriores, se observa de inmediato que
i i i
Ac c = para 1, 2, , i n = .
Entonces
1 2
, , ,
n
c c c son los eigenvectores de A y son linealmente independientes porque C es
invertible.


5.5.1 Matrices semejantes

Se dice que dos matrices A y B cuadradas de orden n son semejantes, si existe una matriz invertible C
cuadrada de orden n , tal que
1
B C AC

=

Teorema: Si A y B son matrices semejantes cuadradas de orden n , entonces A y B tienen el mismo
polinomio caracterstico y, por lo tanto, tienen los mismos valores caractersticos o eigenvalores.


Lo anterior significa que A y B tienen la misma ecuacin caracterstica, y como los valores
caractersticos o eigenvalores son races de la ecuacin caracterstica, tienen los mismos valores
caractersticos.

Ejemplo 5.11 Analizar si la siguiente matriz de segundo orden A puede ser diagonalizable.

2 5
5 2
A
(
=
(

Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


2 5 0 ( 2 ) 5
( I )
5 2 0 5 ( 2 )
A

( ( (
= =
( ( (





2
( 2 ) 5
I ( 2 ) ( 2 ) 25 4 21
5 ( 2 )
A

= = = +



2 Si
2
( ) 4 21 P = + hallar las races del polinomio caracterstico
2
4 21 0 + = :


4 16 4 (1) ( 21) 4 16 84 4 10
2 2 2

+
= = =


1
4 10
3
2

+
= =
2
4 10
7
2

= =

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

540

1
2
3
7

=
=


3 Para la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A =


1
2
( 2 ) 5 0
5 ( 2 ) 0
x
x

( ( (
=
( ( (




3.1 Para el primer valor caracterstico
1
3 = se tiene el siguiente sistema de ecuaciones:


1
2
5 5 0
5 5 0
x
x
( ( (
=
( ( (

1 2
1 2
5 5 0
5 5 0
x x
x x
+ =
=



1 2
x x = entonces, si hacemos
2
x k = , para k
1
x k =

solucin general: solucin particular si 1 k = :


1
2
x k
x k
=
`
=
)
x
k
k
(
=
(


1
2
1
1
x
x
=
`
=
)

1
x
1
(
=
(



Utilizando la notacin matricial tenemos
3
k
E gen
k
(
=
`
(
)
si 1 k =
3
1
1
E gen
(
=
`
(
)


3.2 Para el segundo valor caracterstico
2
7 = se tiene el siguiente sistema de ecuaciones:

1
2
( 2 ) 5 0
5 ( 2 ) 0
x
x

( ( (
=
( ( (




1
2
5 5 0
5 5 0
x
x
( ( (
=
( ( (




1 2
1 2
5 5 0
5 5 0
x x
x x
+ =
+ =



1 2
x x = entonces, si hacemos
2
x k = , k
1
x k =


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

541
solucin general: solucin particular si 1 k = :


1
2
x k
x k
=
`
=
)
x
k
k
(
=
(


1
2
1
1
x
x
=
`
=
)

1
x
1
(
=
(



Utilizando la notacin matricial tenemos
7
k
E gen
k

(
=
`
(
)
si 1 k =
7
1
1
E gen

(
=
`
(
)


4 la matriz formada por los vectores caractersticos o eigenvectores de A es
1 1
Q
1 1
(
=
(


5 La inversa de Q es
1
1 1
1
Q
1 1 2

(
=
(

1
1 1 2 5 1 1 6 0
1 1
Q AQ =
1 1 5 2 1 1 0 14 2 2
D

( ( ( (
= =
( ( ( (




3 0
D =
0 7
(
(

Por lo tanto se verifica que la matriz diagonal D tiene en su diagonal principal a los eigenvalores de la
matriz A.

Ejemplo 5.12: Analizar si la siguiente matriz de tercer orden A puede ser diagonalizable.

1 0 2
0 2 5
0 5 2
A
(
(
=
(
(


Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


1 0 2 0 0 (1 ) 0 2
( I ) 0 2 5 0 0 0 ( 2 ) 5
0 5 2 0 0 0 5 ( 2 )
A



( ( (
( ( (
= =
( ( (
( ( (



(1 ) 0 2
I 0 ( 2 ) 5 (1 ) ( 2 ) ( 2 ) 25(1 )
0 5 ( 2 )
A

= =




3 2
I 3 25 21 A = +
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

542
2 Si
3 2
( ) 3 25 21 P = + hallar mediante el mtodo de divisin sinttica las races del
polinomio caracterstico
3 2
3 25 21 0 + = :

2.1 Aplicando la regla de los signos de Descartes


3 2
( ) 3 25 21 P = + dos posibles races positivas

3 2
( ) 3 25 21 P = una posible raz negativa

Posibles races reales
: 1, 2, 3, 5, 6, 7,
; (1, 2, 3, 5, 6, 7, )
: 1
D
D
r
C C

=
`
)

Supongamos que la primera raz es
1
1 = , verifiquemos por divisin sinttica:


1
1 3 25 21
1 4 21
1 4 21 0



Hemos verificado que

Ahora tenemos un polinomio de segundo grado
2
( ) 4 21 P = + y sus races son:


4 16 4 ( 1) (21) 4 16 84 4 100 4 10
2 2 2 2

+
= = = =



2
4 10
7
2

+
= =

3
4 10
3
2

= =

2
3
7
3

=
=


3 Dada la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = :


1
2
3
(1 ) 0 2 0
0 ( 2 ) 5 0
0 5 ( 2 ) 0
x
x
x

( ( (
( ( (
=
( ( (
( ( (



3.1 Para el primer valor caracterstico
1
1 = se tiene el siguiente sistema de ecuaciones:


1
2
3
0 0 2 0
0 3 5 0
0 5 3 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (



1
1 =
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

543

3
2 3
2 3
2 0
3 5 0
5 3 0
x
x x
x x
=
+ =
=


Si hacemos que
3
0 x = , hallamos que
1
x k = y
2
0 x =

solucin general: solucin particular si 1 k = :


1
2
3
0
0
x k
x
x
=
=
=
es decir: x 0
0
k (
(
=
(
(


1
2
3
1
0
0
x
x
x
=
=
=
es decir:
1
x 0
0
(
(
=
(
(



Utilizando la notacin matricial
1
0
0
k
E gen
(

(
=
`
(

(
)
si 1 k = ,
1
1
0
0
E gen
(

(
=
`
(

(
)


3.2 Para el valor caracterstico
2
7 = se tiene el siguiente sistema de ecuaciones:


1
2
3
8 0 2 0
0 5 5 0
0 5 5 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1 3
2 3
2 3
8 2 0
5 5 0
5 5 0
x x
x x
x x
+ =
+ =
+ =


Haciendo
3
x k = , encontramos que
1
1 4
x k = y
2
x k =

solucin general: solucin particular si 4 k = :


1
1 4
2
3
x k
x k
x k
=
=
=
es decir:
1
4
x
k
k
k
(
(
=
(
(


1
2
3
1
4
4
x
x
x
=
=
=
es decir:
1
x 4
4
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :


1
4
7
k
E gen k
k

(

(
=
`
(

(
)
si 1 k =
7
1
4
4
E gen

(

(
=
`
(

(
)

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

544
3.3 Para el valor caracterstico
2
2 = se tiene el siguiente sistema de ecuaciones:


1
2
3
2 0 2 0
0 5 5 0
0 5 5 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1 3
2 3
2 3
2 2 0
5 5 0
5 5 0
x x
x x
x x
+ =
+ =
=


Haciendo
3
x k = , encontramos que
1
x k = y
2
x k =

solucin general: solucin particular si 1 k = :


1
2
3
x k
x k
x k
=
=
=
es decir: x
k
k
k
(
(
=
(
(


1
2
3
1
1
1
x
x
x
=
=
=
es decir:
1
x 1
1
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :


3
k
E gen k
k
(

(
=
`
(

(
)
si 1 k =
3
1
1
1
E gen
(

(
=
`
(

(
)


4 la matriz formada por los vectores caractersticos o eigenvectores de A es
1 1 1
Q 0 4 1
0 4 1
(
(
=
(
(


5 La inversa de Q es
1
8 5 3
1
0 1 1
8
0 4 1
Q

(
(
=
(
(



1
8 5 3 1 0 2 1 1 1 8 0 0
1 1
Q AQ = 0 1 1 0 2 5 0 4 1 0 56 0
8 8
0 4 1 0 5 2 0 4 1 0 0 24
D

( ( ( (
( ( ( (
= =
( ( ( (
( ( ( (



1 0 0
D = 0 7 0
0 0 3
(
(

(
(


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

545
Por lo tanto se verifica que la matriz diagonal D tiene en su diagonal principal a los eigenvalores de la
matriz A.

Ejemplo 5.13 Analizar si la siguiente matriz de tercer orden A puede ser diagonalizable.

2 4 1
0 3 2
0 0 1
A
(
(
=
(
(


Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


2 4 1 0 0 (2 ) 4 1
( I ) 0 3 2 0 0 0 (3 ) 2
0 0 1 0 0 0 0 ( 1 )
A



( ( (
( ( (
= =
( ( (
( ( (



(2 ) 4 1
I 0 (3 ) 2 (2 ) (3 ) ( 1 )
0 0 ( 1 )
A

= =




3 2
I 4 6 A = +

2 Si
3 2
( ) 4 6 P = + hallar mediante el mtodo de divisin sinttica las races del polinomio
caracterstico
3 2
4 6 0 + + = :

Aplicando la regla de los signos de Descartes:


3 2
( ) 4 6 P = + + dos posibles races positivas

3 2
( ) 4 6 P = + una posible raz negativa

Posibles races reales
: 1, 2, 3, 5, 6
; (1, 2, 3, 5, 6)
: 1
D
D
r
C C

=
`
)


Supongamos que la primera raz es
1
1 = , verifiquemos por divisin sinttica:


1
1 4 1 6
1 5 6
1 5 6 0

Hemos verificado que

1
1 =
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

546
Ahora tenemos un polinomio de segundo grado
2
( ) 5 6 P = + y sus races son:


5 25 4 (1) (6) 5 25 24 5 1 5 1
2 2 2 2

= = = =

2
5 1
3
2

+
= =
3
5 1
2
2

= =


2
3
3
2

=
=


3 Dada la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = :


1
2
3
(2 ) 4 1 0
0 (3 ) 2 0
0 0 ( 1 ) 0
x
x
x

( ( (
( ( (
=
( ( (
( ( (



3.1 Para el primer valor caracterstico
1
1 = se tiene el siguiente sistema de ecuaciones:


1
2
3
3 4 1 0
0 4 2 0
0 0 0 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




3 2 1
3 2
4 3 0
2 4 0
x x x
x x
+ =
+ =


Si hacemos que
3
x k = hallamos que
1
2 2
x k = y
1
x k =

solucin general: solucin particular si 2 k = :


1
1
2 2
3
x k
x k
x k
=
=
=
es decir:
1
2
x
k
k
k
(
(
=
(
(


1
2
3
2
1
2
x
x
x
=
=
=
es decir:
2
x 1
2
(
(
=
(
(



Utilizando la notacin matricial
1
1 2
k
E gen k
k

(

(
=
`
(

(
)
si 2 k = ,
1
2
1
2
E gen

(

(
=
`
(

(
)


3.2 Para el valor caracterstico
2
3 = se tiene el siguiente sistema de ecuaciones:

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

547

1
2
3
1 4 1 0
0 0 2 0
0 0 4 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1 2 3
3
3
4 0
2 0
4 0
x x x
x
x
+ =
=
=


Observamos que
3
0 x = y haciendo
2
x k = encontramos que
1
4 x k = .

solucin general: solucin particular si 1 k = :


1
2
3
4
0
x k
x k
x
=
=
=
es decir:
4
x
0
k
k
(
(
=
(
(


1
2
3
4
1
0
x
x
x
=
=
=
es decir:
4
x 1
0
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :


3
4
0
k
E gen k
(

(
=
`
(

(
)
si 1 k =
3
4
1
0
E gen
(

(
=
`
(

(
)


3.3 Para el valor caracterstico
2
2 = se tiene el siguiente sistema de ecuaciones:


1
2
3
0 4 1 0
0 1 2 0
0 0 3 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




2 3
2 3
3
4 0
2 0
3 0
x x
x x
x
+ =
+ =
=


Observamos que
3
0 x = y haciendo
2
0 x = y
1
x k = .

solucin general: solucin particular si 1 k = :


1
2
3
0
0
x k
x
x
=
=
=
es decir: x 0
0
k (
(
=
(
(


1
2
3
1
0
0
x
x
x
=
=
=
es decir:
1
x 0
0
(
(
=
(
(


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

548
Utilizando la notacin matricial y considerando que k :


2
0
0
k
E gen
(

(
=
`
(

(
)
si 1 k =
2
1
0
0
E gen
(

(
=
`
(

(
)

4 la matriz formada por los vectores caractersticos o eigenvectores de A es
2 4 1
Q 1 1 0
2 0 0
(
(
=
(
(


5 La inversa de Q es
1
0 0 1
1
0 2 1
2
2 8 6
Q

(
(
=
(
(



1
0 0 1 2 4 1 2 4 1 2 0 0
1 1
Q AQ = 0 2 1 0 3 2 1 1 0 0 6 0
2 2
2 8 6 0 0 1 2 0 0 0 0 4
D

( ( ( (
( ( ( (
= =
( ( ( (
( ( ( (



1 0 0
D = 0 3 0
0 0 2
(
(
(
(



Por lo tanto se verifica que la matriz diagonal D tiene en su diagonal principal a los eigenvalores de la
matriz A.

Problema 5.14 Analizar si la siguiente matriz de tercer orden A puede ser diagonalizable.

1 1 0
2 4 0
2 1 1
A
(
(
=
(
(


Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


1 1 0 0 0 (1 ) 1 0
( I ) 2 4 0 0 0 2 (4 ) 0
2 1 1 0 0 2 1 (1 )
A



( ( (
( ( (
= =
( ( (
( ( (



VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

549
(1 ) 1 0
I 2 (4 ) 0 (1 ) (4 ) (1 ) 2(1 )
2 1 (1 )
A

= = +




3 2
I 6 11 6 A = + +

2 Si
3 2
( ) 6 11 6 P = + + hallar mediante el mtodo de divisin sinttica las races del
polinomio caracterstico
3 2
6 11 6 0 + = :

2.1 Aplicando la regla de los signos de Descartes:


3 2
( ) 6 11 6 P = + tres posibles races positivas

3 2
( ) 6 11 6 P = cero races negativas

Posibles races reales
: 1, 2, 3, 5, 6
; (1, 2, 3, 5, 6)
: 1
D
D
r
C C

=
`
)


Supongamos que la primera raz es
1
1 = , apliquemos divisin sinttica:


1
1 6 11 6
1 5 6
1 5 6 0

Hemos verificado que

Ahora tenemos un polinomio de segundo grado
2
( ) 5 6 P = + y sus races son:


5 25 4 (1) (6) 5 25 24 5 1 5 1
2 2 2 2

= = = =

2
5 1
3
2

+
= =
3
5 1
2
2

= =


2
3
3
2

=
=


3 Dada la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = :


1
2
3
(1 ) 1 0 0
2 (4 ) 0 0
2 1 (1 ) 0
x
x
x

( ( (
( ( (
=
( ( (
( ( (



1
1 =
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

550
3.1 Para el primer valor caracterstico
1
1 = se tiene el siguiente sistema de ecuaciones:


1
2
3
0 1 0 0
2 3 0 0
2 1 0 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (



2
1 2
1 2
0
2 3 0
2 0
x
x x
x x
=
+ =
=


Entonces
3
x k = ,
2
0 x = y
1
0 x =

solucin general: solucin particular si 1 k = :


1
2
3
0
0
x
x
x k
=
=
=
es decir:
0
x 0
k
(
(
=
(
(


1
2
3
0
0
1
x
x
x
=
=
=
es decir:
0
x 0
1
(
(
=
(
(



Utilizando la notacin matricial
1
0
0 E gen
k
(

(
=
`
(

(
)
si 1 k = ,
1
0
0
1
E gen
(

(
=
`
(

(
)


3.2 Para el valor caracterstico
2
3 = se tiene el siguiente sistema de ecuaciones:


1
2
3
2 1 0 0
2 1 0 0
2 1 2 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1 2
1 2
1 2 3
2 0
2 0
2 2 0
x x
x x
x x x
=
+ =
=


El rango de la matriz del sistema es 2 R = lo que implica que tiene solucin diferente de la trivial y slo
se resuelve si
3
0 x = , teniendo entonces
2
x k = y
1
1 2
x k = .






VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

551
solucin general: solucin particular si 2 k = :


1
1 2
2
3
0
x k
x k
x
=
=
=
es decir:
1
2
x
0
k
k
(
(
=
(
(


1
2
3
1
2
0
x
x
x
=
=
=
es decir:
1
x 2
0
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :


1
2
3
0
k
E gen k
(

(
=
`
(

(
)
si 2 k =
3
1
2
0
E gen
(

(
=
`
(

(
)


3.3 Para el valor caracterstico
2
2 = se tiene el siguiente sistema de ecuaciones:


1
2
3
1 1 0 0
2 2 0 0
2 1 1 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1 2
1 2
1 2 3
0
2 2 0
2 0
x x
x x
x x x
=
+ =
=


El rango de la matriz del sistema es 2 R = lo que implica que tiene solucin diferente de la trivial y slo
se resuelve si
3
x k = , teniendo entonces
2
x k = y
1
x k = .

solucin general: solucin particular si 1 k = :


1
2
3
x k
x k
x k
=
=
=
es decir: x
k
k
k
(
(
=
(
(


1
2
3
1
1
1
x
x
x
=
=
=
es decir:
1
x 1
1
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :


2
k
E gen k
k
(

(
=
`
(

(
)
si 1 k =
2
1
1
1
E gen
(

(
=
`
(

(
)


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

552
4 la matriz formada por los vectores caractersticos o eigenvectores de A es
0 1 1
C 0 2 1
1 0 1
(
(
=
(
(


5 La inversa de C es
1
2 1 1
1 1 0
2 1 0
C

(
(
=
(
(



1
2 1 1 1 1 0 0 1 1 1 0 0
A = 1 1 0 2 4 0 0 2 1 0 3 0
2 1 0 2 1 1 1 0 1 0 0 2
D C C

( ( ( (
( ( ( (
= =
( ( ( (
( ( ( (



1 0 0
D = 0 3 0
0 0 2
(
(
(
(



Por lo tanto se verifica que la matriz diagonal D tiene en su diagonal principal a los eigenvalores de la
matriz A.

Ejemplo 5.15 Analizar si la matriz A del ejemplo 5.9 puede ser diagonalizable:

1 2 2
2 1 2
2 2 1
A
(
(
=
(
(

;
3
1
1
0
E gen

(

(
=
`
(

(
)
;
1
2
1
2
1 2 2
1
2
E gen

(
(
=
`
(

(

)
;
1
2
1
2
1 2 2
1
2
E gen
+
(
(
=
`
(

(
)


Solucin:
Sea la matriz
1 1
2 2
1 1
2 2
1 1
2 2
1
1
0
C
(

(
=
(
(

1 1
2 2
1 2 1 1
2 2 2
1 1
2
2 2
2
0
C

(
=
(
(



1 1 1 1
2 2 2 2
1 2 1 1 1 1
2 2 2 2 2
1 1 1 1
2
2 2
2 2 2
3 3 3 3 3 3
2 2 4 4 4 4
2 2 2 2 1 1 1 1 2 1 1 1 2 1
2 2 4 2 4 2 2 4 2 4 2 2
2 2
1 1
2 2 2 2 1 1 2 1 1 1 2 1
2 2
4 2 4 2 2 4 2 4 2 2
2 2
0
1 2 2 1
A = 2 1 2 1
2 2 1 0
2 2
2 2
D C C

( (
(
( (
(
=
( (
(
( (
(


(

(
(
= + + + + + +

+ +
+ + + + + + + +

(
(


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

553
1
0
3 0
A = 0 1 2 2 0
0 0
1 2 2
D C C

(
=
(
(
+



Por lo tanto se verifica que la matriz diagonal D tiene en su diagonal principal a los eigenvalores de la
matriz A.

Ejemplo 5.16 Analizar si la siguiente matriz de tercer orden A puede ser diagonalizable.

4 0 0
0 2 1
2 1 0
A
(
(
=
(
(


Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


4 0 0 0 0 (4 ) 0 0
( I ) 0 2 1 0 0 0 (2 ) 1
2 1 0 0 0 2 1 (0 )
A



( ( (
( ( (
= =
( ( (
( ( (



3 2
(4 ) 0 0
I 0 (2 ) 1 (4 ) (2 ) ( ) (4 ) 6 9 4
2 1 (0 )
A

= = + = + +



3 2
I 6 9 4 A = + +

2 Si
3 2
( ) 6 9 4 P = + + hallar mediante el mtodo de divisin sinttica las races del polinomio
caracterstico
3 2
6 9 4 0 + + = :

2.1 Aplicando la regla de los signos de Descartes:


3 2
( ) 6 9 4 P = + + tres posibles races positivas

3 2
( ) 6 9 4 P = + + dos races negativas o complejas

Posibles races reales
: 1, 2, 3, 4
; (1, 2, 3, 4)
: 1
D
D
r
C C

=
`
)


Supongamos que la primera raz es
1
1 = , apliquemos divisin sinttica:

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

554

1
1 6 9 4
1 5 4
1 5 4 0



Hemos verificado que
Ahora tenemos un polinomio de segundo grado
2
( ) 5 4 P = + y sus races son:


1 1 4 ( 1) ( 4) 1 15 5 15
2 2 2
i

= = =

Los valores caractersticos
2
5 15
2
i

+
= y
3
5 15
2
i

= son nmeros complejos y por lo tanto
no se encuentran en el campo de los nmeros reales, y la matriz A no puede ser diagonalizada para .


5.6 Diagonalizacin Ortogonal

5.6.1 Matriz ortogonal

Una matriz Q cuadrada de orden n se llama ortogonal si Q es invertible y
1 T
Q Q

= . Podemos
observar que si
1 T
Q Q

= , entonces
T
Q Q I =

Teorema: La matriz Q cuadrada de orden n es ortogonal si y slo si las columnas de Q forman una
base ortonormal para
n
.


Ejemplo 5.17 Dada la siguiente matriz simtrica A hallar la matriz ortogonal Q:

1 2
2 1
A
(
=
(

Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
:


1 2 0 ( 1 ) 2
( I )
2 1 0 2 ( 1 )
A

( ( (
= =
( ( (





2
( 1 ) 2
I ( 1 ) ( 1 ) 4 2 3
2 ( 1 )
A

= = = +



2 Si
2
( ) 2 3 P = + hallar las races del polinomio caracterstico
2
2 3 0 + = :
1
1 =
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

555

2 4 4 (1) ( 3) 2 4 12 2 4
2 2 2

+
= = =


1
2 4
1
2

+
= =
2
2 4
3
2

= =


1
2
1
3

=
=


3 Para la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A = :


1
2
( 1 ) 2 0
2 ( 1 ) 0
x
x

( ( (
=
( ( (




3.1 Para el primer valor caracterstico
1
1 = se tiene el siguiente sistema de ecuaciones:


1
2
2 2 0
2 2 0
x
x
( ( (
=
( ( (

1 2
1 2
2 2 0
2 2 0
x x
x x
+ =
=



1 2
x x = entonces si hacemos
2
x k = , k
1
x k =

solucin general: solucin particular si 1 k = :


1
2
x k
x k
=
`
=
)
x
k
k
(
=
(


1
2
1
1
x
x
=
`
=
)

1
1
x
1
(
=
(



Utilizando la notacin matricial tenemos
1
k
E gen
k
(
=
`
(
)
si 1 k =
1
1
1
E gen
(
=
`
(
)


3.2 Para el segundo valor caracterstico
2
3 = se tiene el siguiente sistema de ecuaciones:

1
2
2 2 0
2 2 0
x
x
( ( (
=
( ( (




1 2
1 2
2 2 0
2 2 0
x x
x x
+ =
+ =


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

556

1 2
x x = entonces, si hacemos
2
x k = , para k
1
x k =

solucin general: solucin particular si 1 k = :


1
2
x k
x k
=
`
=
)
x
k
k
(
=
(


1
2
1
1
x
x
=
`
=
)

3
1
x
1

(
=
(



Utilizando la notacin matricial tenemos
3
k
E gen
k

(
=
`
(
)
si 1 k =
3
1
1
E gen

(
=
`
(
)


4 La matriz formada por los vectores caractersticos o eigenvectores de A es
1 1
C
1 1
(
=
(

segn la
nomenclatura dada para una matriz diagonalizable.

5 Investiguemos si los eigenvectores
1
1
1
E gen
(
=
`
(
)
y
3
1
1
E gen

(
=
`
(
)
son ortogonales, es
decir, si su producto escalar vale cero, entonces como
1 3
v v (1,1) ( 1,1) 1 1 0

= = + = podemos
decir que se trata de una base ortogonal. Transformemos ahora a los eigenvectores de la base en
eigenvectores unitarios, para que Q sea una matriz ortogonal.

Como se trata de una matriz simtrica, y los eigenvectores son ortogonales (perpendiculares entre si)
podemos transformar la base ortogonal en otra base ortonormal (eigenvectores perpendiculares de mdulo
uno) y utilizar la notacin de Q, en donde Q se llama matriz ortogonal.

Observacin: En caso de que los eigenvectores de la base no fueran orotogonales, ser necesario aplicar
el mtodo de Gram-Schmidt para encontrar una base ortonormal.

Sea para el eigenvector
1
x :
1
x 1 1 2 = + = y
( )
1 1 1
1
2 2
1
x 1
u (1, 1) ,
x 2
= = =
Sea para el eigenvector
3
x

:
2 2
3
x ( 1) 1 2

= + = y
( )
3 1 1
3
2 2
3
x 1
u ( 1, 1) ,
x 2

= = =
Entonces:
1 1
2 2
1 1
2 2
Q
(
( =
(

;
1 1
2 2
T
1 1
2 2
Q
(
( =

(

;
1 1
2 2
1
1 1
2 2
Q

(
( =

(



Por lo tanto hemos demostrado que
1 T
Q Q

= .






VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

557
Ejemplo 5.18 Dada la siguiente matriz simtrica A hallar la matriz ortogonal Q:

1 0 0
0 2 2
0 2 2
A
(
(
=
(
(


Solucin:

1 Sea la expresin ( I) x 0 A = y la ecuacin caracterstica I 0 A = para que 0
i
se
requiere que:


1 0 0 0 0 (1 ) 0 0
( I ) 0 2 2 0 0 0 (2 ) 2
0 2 2 0 0 0 2 (2 )
A



( ( (
( ( (
= =
( ( (
( ( (



(1 ) 0 0
I 0 (2 ) 2 (1 ) (2 ) (2 ) 4(1 )
0 2 (2 )
A

= =




3 2
I 5 4 A = +

2 Si
3 2
( ) 5 4 P = + hallar mediante el mtodo de divisin sinttica las races del polinomio
caracterstico
3 2
5 4 0 + = :

Aplicando la regla de los signos de Descartes:


3 2
( ) 5 4 P = + dos posibles races positivas y una de valor cero

3 2
( ) 5 4 P = + + cero races negativas

La primera raz es cero por no existir trmino independiente
1
0 = , quedando el polinomio
2
5 4 0 + = cuyas races son:


5 25 4 ( 1) ( 4) 5 25 16 5 9 5 3
2 2 2 2

= = = =



2
5 3
1
2

+
= =

3
5 3
4
2

= =

2
3
1
4

=
=


3 Dada la matriz A el sistema de ecuaciones lineales homogneo est dado por ( I) x 0 A =
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

558

1
2
3
(1 ) 0 0 0
0 (2 ) 2 0
0 2 (2 ) 0
x
x
x

( ( (
( ( (
=
( ( (
( ( (



3.1 Para el primer valor caracterstico
1
0 = se tiene el siguiente sistema de ecuaciones:


1
2
3
1 0 0 0
0 2 2 0
0 2 2 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (



1
2 3
2 3
0
2 2 0
2 2 0
x
x x
x x
=
=
+ =


Entonces
1
0 x = , si
3
x k = ,
2
x k =

solucin general: solucin particular si 1 k = :


1
2
3
0 x
x k
x k
=
=
=
es decir:
0
x k
k
(
(
=
(
(


1
2
3
0
1
1
x
x
x
=
=
=
es decir:
0
x 1
1
(
(
=
(
(



Utilizando la notacin matricial
0
0
E gen k
k
(

(
=
`
(

(
)
si 1 k = ,
0
0
1
1
E gen
(

(
=
`
(

(
)


3.2 Para el valor caracterstico
2
1 = se tiene el siguiente sistema de ecuaciones:


1
2
3
0 0 0 0
0 1 2 0
0 2 1 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




3 2
3 2
2 0
2 0
x x
x x
=
+ =


Entonces:
1
x k = ,
2
0 x = y
3
0 x =



VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

559
solucin general: solucin particular si 1 k = :


1
2
3
0
0
x k
x
x
=
=
=
es decir: x 0
0
k (
(
=
(
(


1
2
3
1
0
0
x
x
x
=
=
=
es decir:
1
x 0
0
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :


1
0
0
k
E gen
(

(
=
`
(

(
)
si 1 k =
1
1
0
0
E gen
(

(
=
`
(

(
)


3.3 Para el valor caracterstico
3
4 = se tiene el siguiente sistema de ecuaciones:


1
2
3
3 0 0 0
0 2 2 0
0 2 2 0
x
x
x
( ( (
( ( (
=
( ( (
( ( (




1
2 3
2 3
3 0
2 2 0
2 2 0
x
x x
x x
=
=
=


Entonces:
1
0 x = ,
2
x k = y
3
x k =

solucin general: solucin particular si 1 k = :


1
2
3
0 x
x k
x k
=
=
=
es decir:
0
x k
k
(
(
=
(
(


1
2
3
0
1
1
x
x
x
=
=
=
es decir:
0
x 1
1
(
(
=
(
(



Utilizando la notacin matricial y considerando que k :


4
0
E gen k
k
(

(
=
`
(

(
)
si 1 k =
4
0
1
1
E gen
(

(
=
`
(

(
)

4 la matriz formada por los vectores caractersticos o eigenvectores de A es
0 1 0
C 0 0 1
1 0 1
(
(
=
(
(


VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

560
5 Investiguemos si los eigenvectores
0
0
1
1
E gen
(

(
=
`
(

(
)
,
1
1
0
0
E gen
(

(
=
`
(

(
)
y
4
0
1
1
E gen
(

(
=
`
(

(
)
son
ortogonales, es decir, si su producto escalar vale cero, entonces (0,1,1) (1, 0, 0) 0 = ,
(0,1,1) (0, 1,1) 1 1 0 = + = y (1, 0, 0) (0, 1,1) 0 = podemos decir que se trata de una base
ortogonal de dimensin 3. Transformemos ahora a los eigenvectores de la base en eigenvectores
unitarios, para que Q sea una matriz ortogonal.

Como se trata de una matriz simtrica, y los eigenvectores son ortogonales (perpendiculares entre si)
podemos transformar la base ortogonal en otra base ortonormal (eigenvectores perpendiculares de mdulo
uno) y utilizar la notacin de Q, en donde Q se llama matriz ortogonal.

Observacin: En caso de que los eigenvectores de la base no fueran orotogonales, ser necesario aplicar el
mtodo de Gram-Schmidt para encontrar una base ortonormal.

Sea para el eigenvector
0
x :
0
x 1 1 2 = + = y
( )
0 1 1
0
2 2
0
x 1
u (0, 1, 1) 0, ,
x 2
= = =
Sea para el eigenvector
1
x :
1
x 1 1 = = y
1
1
1
x
u (1, 0, 0)
x
= =
Sea para el eigenvector
4
x :
2 2
4
x ( 1) 1 2 = + = y
( )
4 1 1
4
2 2
4
x 1
u (0, 1, 1) 0, ,
x 2
= = =
Entonces:
1 1
2 2
1 1
2 2
0 1 0
Q 0
0
(
(
(
=
(
(

;
1 1
2 2
1 1
2 2
0
Q 1 0 0
0
T
(
(
=
(
(

(

;
1 1
2 2
1
1 1
2 2
0
Q 1 0 0
0

(
(
=
(
(

(



Por lo tanto hemos demostrado que
1 T
Q Q

= .


5.6.2 Matriz diagonalizable ortogonalmente

Se dice que una matriz A cuadrada de orden n es diagonalizable ortogonalmente si existe una matriz
ortogonal Q tal que
T
Q AQ D = , en donde
1 2
( , , , )
n
D diag = y
1 2
, , ,
n
son valores
propios de A.

Teorema: Sea A una matriz real cuadrada de orden n . Entonces A es diagonalizable ortogonalmente si
y slo si A es simtrica.

Recordemos que una matriz es simtrica si y slo si
T
A A = .

Teorema: Sea A una matriz real cuadrada de orden n . Entonces A tiene n vectores caractersticos
reales ortonormales.
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

561
Observacin: Del teorema se desprende que la multiplicidad geomtrica de cada valor caracterstico de
A es igual a su multiplicidad algebraica.

Teorema: Dos eigenvectores cualesquiera de una matriz simtrica A que correspondan a dos
eigenvalores distintos son ortogonales.
Procedimiento para encontrar una matriz diagonalizante Q

1. Encontrar una base para cada espacio propio de A.
2. Encontrar una base orotonormal para cada espacio propio de A usando el proceso de Gram-
Schmidt.
3. Escribir Q como la matriz cuyas columnas son los vectores caractersticos ortonormales
obtenidos en el paso anterior.

Teorema espectral: Una matriz cuadrada es simtrica real si y slo si es ortogonalmente diagonalizable.

Ejemplo 5.19 Con los datos del problema 5.17 demostrar que Q es una matriz diagonalizable
ortogonalmente.

Existe una matriz ortogonal
1 1
2 2
1 1
2 2
Q
(
( =
(

tal que
T
D Q AQ =
Solucin:

Sustituyendo valores tenemos:

1 1 1 1
2 2 2 2
1 1 1 1
2 2 2 2
1 2 1 1 1 2 1 1
1 1
2 1 1 1 2 1 1 1
2 2
T
Q AQ
( (
( ( ( (
( ( = =
( ( ( (

( (




2 0 1 0
1
0 6 0 3 2
T
Q AQ
( (
= =
( (




Ejemplo 20 Con los datos del problema 5.18 demostrar que Q es una matriz diagonalizable
ortogonalmente.
Existe una matriz ortogonal
1 1
2 2
1 1
2 2
0 1 0
Q 0
0
(
(
(
=
(
(

tal que
T
Q AQ D =








VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

562
Solucin:

Sustituyendo valores tenemos:

1 1
2 2
1 1
2 2
1 1
1 1
2 2
2 2
0 1 0 0 0 1 0
1 0 0 0 2 2 0
0 0 2 2 0
0
1 1 1 0 0 0 2 0
1 1
2 0 0 0 2 2 1 0 1
2 2
0 1 1 0 2 2 1 0 1
T
Q AQ
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(


( (
(
( (
(
=
( (
(
( (
(




0 0 0 0 0 0
1
0 2 0 0 1 0
2
0 0 8 0 0 4
T
Q AQ
( (
( (
= =
( (
( (



Ejemplo 5.21 Con los datos del problema 5.15 demostrar que Q es una matriz diagonalizable
ortogonalmente.

Solucin:
Existe una matriz
1 1
2 2
1 1
2 2
1 1
2 2
1
1
0
C
(

(
=
(
(

formada por eigenvectores, verifiquemos que son
ortogonales:

1 1 1 1 1
2 2 2 2
2
( 1,1, 0) ( , , ) 0 = + =
1 1 1 1 1
2 2 2 2
2
( 1,1, 0) ( , , ) 0 = + =
1 1 1 1 1 1 1 1 1
2 2 2 2 4 4 2
2 2
( , , ) ( , , ) 0 = + =

Ahora transformemos a cada uno de los eigenvectores del espacio caractersitico en vectores unitarios:

Sea para
3
x

:
2
3
x ( 1) 1 2

= + = y
( )
3 1 1
3
2 2
3
x 1
u ( 1, 1, 0) , , 0
x 2

= = =
Sea para
1 2 2
x

:
1 1 1
4 4 2
1 2 2
x 1

= + + = y
1 2 2 1 1 1
2 2
1 2 2 2
1 2 2
x
u ( , , )
x

= =

Sea para
1 2 2
x
+
:
1 1 1
4 4 2
1 2 2
x 1
+
= + + = y
1 2 2 1 1 1
2 2
1 2 2 2
1 2 2
x
u ( , , )
x
+
+
+
= =

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

563
Entonces:
1
1 1
2
2 2
1 1 1
2 2
2
1 1
2 2
Q
0
(
(
=
(
(

;
1 1
2 2
T
1 1 1
2 2
2
1 1
1
2 2
2
0
Q
(

(
=
(
(
(


1 1
2 2
1
1 1 1
2 2
2
1 1
1
2 2
2
0
Q

(
=
(
(
(



Por lo tanto hemos demostrado que
1 T
Q Q

= . Hallemos
T
Q AQ D =

1 1 1
1 1
2 2 2
2 2
1 1 1 1 1 1
2 2 2 2
2 2
1 1 1 1
1
2 2
2 2
2
0
0 1 2 2 3 0
2 1 2 0 1 2 2 0
2 2 1 0 0
0 1 2 2
T
Q AQ
(
( (
(
(
( (
(
= =
(
( (
(
(
( (
(
+
(



0
3 0
0 1 2 2 0
0 0
1 2 2
D
(

(
=
(
(
+




5.7 Teorema de Cayley-Hamilton

Toda matriz A cuadrada de orden n , satisface su propia ecuacin caracterstica. Si ( ) 0 P = es el
polinomio caracterstico de A, entonces ( ) 0 P A = .

Demostracin:

Para calcular potencias e inversas de matrices puede utilizarse el teorema de Carley-Hamilton, en donde
suponemos una matriz A cuadrada de orden n , cuyo polinomio caracterstico es
1 2
1 2 1 0
( )
n n
n
P a a a a

= + + + + + , entonces
1
1 2 1 0
( ) 0
n n
n
P A A a A a A a A a I

= + + + + + = ,
de manera que el procedimiento nos permite expresar cualquier potencia positiva de A como una
combinacin lineal de I y A.

Podemos aplicar el teorema de Carley-Hamilton para calcular la inversa de una matriz
1
A

cuando existe
y
1
1 1 0
( )
n n
n
P a a a

= + + + + y
1
1 2 1 0
( ) 0
n n
n
P A A a A a A a A a I

= + + + + + = , entonces,
1
( ) 0 A P A

= .


1
1 2 1 0
( ) 0
n n
n
p A A a A a A a A a I

= + + + + + = expresin (1)

1 1 2 1
1 2 1 0
( ) 0
n n
n
A p A A a A a A a I a A

= + + + + + = expresin (2)

De la expresin (1)


1
1 2 1 0
n n
n
A a A a A a A a I

+ + + + =
1 2
1 2 1 0
( )
n n
n
A A a A a A a I a I

+ + + + =
VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

564
Como
1
AA I

=

Tenemos que
1
1 2
1 2 1
0
n n
n
A
A a A a A a I
A I
a

( + + + +
=
(

Es decir tenemos que:
1 1 2
1 2 1
0
1
( )
n n
n
A A a A a A a I
a

=

En donde
0
0 a y a partir del concepto de matriz inversa
1 *
1
A A
A

= observamos que
0
a A = ya
que supusimos que la matriz es invertible.

Ejemplo 5.22 Dada la matriz
2 1
1 4
A
(
=
(

cuadrada de orden 2 , hallar la matriz
2
A y la matriz
inversa
1
A

por el mtodo de la matriz adjunta y posteriormente comprobar los resultados aplicando el

teorema de Cayley-Hamilton.

Solucin:

1 Hallemos
2
A AA = ,
2
2 1 2 1 4 1 2 4 3 6
1 4 1 4 2 4 1 16 6 15
A
( ( ( (
= = =
( ( ( (
+ +



Por el mtodo de la matriz adjunta se tiene
2 1
8 1 9
1 4
A

= = + = ,
2 1
1 4
T
A
(
=
(

,
*
4 1
1 2
A
(
=
(

,
4 1
9 9 1
1 2
9 9
4 1
1
1 2 9
A

( (
= =
( (




2 Aplicando el teorema de Cayley-Hamilton tenemos que para el polinomio caracterstico
2
1 0
( ) P a a = + + y las potencias de A definidas por
2
1 0
( ) 0 P A A a A a I = + + = , obtenemos
1 0
( ) A A a I a I + = de tal forma que
2
1 0
A a A a I = y
1 1
0 0
1 a
A A I
a a

= siempre que
0
0 a .

Entonces sustituyendo valores tenemos:

Dado el polinomio caracterstico
2
( ) 6 9 P = + se tiene
2
1 0
A a A a I =

2
2 1 1 0 12 6 9 0 3 6
( 6) (9)
1 4 0 1 6 24 0 9 6 15
A
( ( ( ( (
= = + =
( ( ( ( (

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

565
Dado el polinomio caracterstico
2
( ) 6 9 P = + se tiene
1 1
0 0
1 a
A A I
a a

=

2 1 4 1 6
9 9 9 9 9 1
6 1 4 1 2
9 9 9 9 9
0 2 1 1 0
1 6
1 4 0 1 0 9 9
A

( ( ( ( (
= + = + =
( ( ( ( (




Con lo cul hemos demostrado la veracidad del teorema de Cayley-Hamilton.

Ejemplo 5.23 Dada la matriz
2 1
1 4
A
(
=
(

cuadrada de orden 2 , hallar la matriz
3
A y
4
A efectuando
normalmente las operaciones de multiplicacin de matrices y comprobar los resultados mediante la
aplicacin del teorema de Cayley-Hamilton.

Solucin:

1 Hallemos
2
A AA = ,
2
2 1 2 1 4 1 2 4 3 6
1 4 1 4 2 4 1 16 6 15
A
( ( ( (
= = =
( ( ( (
+ +



3 2
2 1 3 6 6 6 12 15 0 27
1 4 6 15 3 24 6 60 27 54
A AA
( ( ( (
= = = =
( ( ( (
+ +



4 2 2
3 6 3 6 9 36 18 90 27 108
6 15 6 15 18 90 36 225 108 189
A A A
( ( ( (
= = = =
( ( ( (
+ +



2 Aplicando el teorema de Cayley-Hamilton tenemos que para el polinomio caracterstico
2
1 0
( ) P a a = + + y las potencias de A definidas por
2
1 0
( ) 0 P A A a A a I = + + = , obtenemos
1 0
( ) A A a I a I + = de tal forma que
2
1 0
A a A a I = y
1 1
0 0
1 a
A A I
a a

= siempre que
0
0 a .

Entonces observamos que dado el polinomio caracterstico
2
( ) 6 9 P = + se tiene
2
1 0
A a A a I = y mediante un procedimiento algebraico.

3 2
1 0
( ) A AA A a A a I = =
2
3 2
1 0
1 1 0 0
2
1 1 0 0
2
1 0 1 0
( )
( )
A
A a A a A
a a A a I a A
a A a a I a A
a a A a a I
=
=
= +
= +

VALORES Y VECTORES CARACTERSTICOS
ING. JOS PEDRO AGUSTN VALERA NEGRETE

566
Tambin tenemos que:

4 2 2
1 0 1 0
2 2 2 2
1 1 0 1 0 0
2 2 2 2
1 1 0 0
2
1 0
( ) ( )
2
( )
A A A a A a I a A a I
a A a a AI a a AI a I
a A a a AI a I
a A a I
= =
= + + +
= + +
= +


Sustituyendo valores:

[ ] [ ] [ ]
3 2
2 1 1 0 2 1 1 0
( 6) 9 ( 6)(9) 27 54
1 4 0 1 1 4 0 1
54 27 54 0 0 27
27 108 0 54 27 54
A
( ( ( (
( = + = +
( ( ( (

( ( (
= + =
( ( (

2 2 2
4
2 1 1 0 12 6 9 0 3 6
6 9
1 4 0 1 6 24 0 9 6 15
3 6 3 6 9 36 18 90 27 108
6 15 6 15 18 90 36 225 108 189
A
( ( ( ( ( ( (
= + = + =
( ( ( ( ( ( (


( ( ( (
= = =
( ( ( (
+ +



Con lo cul hemos demostrado la veracidad del teorema de Cayley-Hamilton.