EIGEN VECTORES, EIGEN VALORES Y

POLINOMIO CARACTERISTICO DE UNA MATRIZ

EIGENVALUES, EIGENVECTORS AND CHARACTERISTIC POLYNOMIAL OF A MATRIX.

OMAR ARGUELLO
24 de junio de 2013

Resumen
El artculo que se presenta a continuacion es un estudio comprensivo del concepto y aplicabi-
lidad de los Eigen vectores, Eigen valores y de los Polinomios caractersticos de una matriz.
Se realiza una consulta masiva de conceptos basandose esencialmente en el libro Linear Al-
gebra and its applications para obtener un proceso ordenado de explicacion e introduccion
al tema. Los resultados obtenidos seran reflejados en el aprendizaje de los conceptos basicos
de dichos temas para desarrollar dentro de los temas antes vistos.
Palabras clave: Aplicabilidad, Eigen vectores, Eigen valores, Polinomios caractersticos de
una matriz.
Abstract
The following article shows a deep study of the Eigen values, Eigen vectors and Characte-
ristic polynomial of a matrixs concept and applicability. We developed a massive research
about concepts based essentially on the Linear Algebra and its applications in order to
obtain an ordered process of explanation and introduction to the main topic. The results
obtained will be reflected in the basic concepts learning of each topic in order to develop it
within the already looked at topics.
Key words: Applicability, Eigen values, Eigen vectors, Characteristic Polynomial of a matrix.

INTRODUCCION
En este documento se presentara la correcta manera de encontrar los Eigen vectores, Eigen
Valores y el Polinomio Caracterstico de una matriz. Son conocimientos secuenciales lo cual
nos indica que para entender uno de los conceptos dependemos del total comprendimiento
del otro. Se estudia dichos conceptos para la b
usqueda de aplicaciones en las que se puedan
implementar estos conocimientos y de esta manera agilizar el trabajo y optimizar recursos.
Se realiza un estudio minuicioso a cada ecuacion para determinar los teoremas y concluir
con una definicion mas amigable para el estudiante.

1
 METODOLOGIA
EIGEN VALORES Y EIGEN VECTORES

Para entender el concepto de los Eigen valores se debe entender primero el concepto de los
Eigen vectores, casi todos los vectores cuando son multiplicados por A cambian de direccion,
excepto en ciertos casos donde el vector X esta en la misma direccion que AX, a estos vectores
se los denomina Eigen Vectores, esto quiere decir que si multiplicamos un Eigen vector X
por una matriz A, el valor de AX sera entonces veces el vector X teniendo as:

AX =X

Dicha ecuacion determina que el valor de cambia su longitud mas no su direccion, dicho
valor entonces es llamado Eigen Valor. Este valor indica si el vector X esta siendo alargado
o reducido cuando es multiplicado por la matriz A, pudiendo as encontrar valores para
como = 1 o = 2 o = 21 . El Eigen valor puede ser 0, lo que significa que el Eigen vector
se encuentra en el espacio nulo.

Si la matriz A es una matriz identidad, cada vector tiene A X = X, lo que quiere de-
cir que todos los vectores de I son Eigen Vectores, y todos los Eigen Valores son iguales a 1.

Demostracion:
Siendo:  
0,8 0,3
A=
0,2 0,7

Sustraemos x en ambos lados:

AX X =X X
AX X =0

Si multiplicamos una matriz Identidad por no cambia el sentido de la ecuacion, teniendo as:

AX I X =0

Sacamos factor com

un X:

(A I) X = 0

Para que la ecuacion no tenga soluciones triviales el determinante de A I tiene que ser
0 para que se cumpla la ecuacion.

2
Resolvemos el para (A I):

 
0,8 0,3

0,2 0,7

3 1
= 2 +
2 2

Factorizando obtenemos:

( 1) y ( 21 )

Se obtienen dos Eigen valores: = 1 y = 12 . Para dichos valores la ecuacion A I = 0

Primer paso:
Reemplazamos el valor de en la ecuacion

AI =0

B=0
Igualamos A I = B

Obtenemos:
   
0,8 0,3 1 0
B=
0,2 0,7 0 1

Para el valor de = 1 calculamos los Eigen Vectores:

 
0,8 1 0,3
B=
0,2 0,7 1
Entonces:
   
0,2 0,3 0
=
0,2 0,3 0
Resolvemos por Gauss Jordan:

1. F2 F1
   
0,2 0,3 0
=
0 0 0

3
 2. 5 F1    
1 1,5 0
=
0 0 0

Obtenemos:
3X2
X1 =0
2
3
X 1 = X2
2
 3 
X 2
X= 2
X2
X2 =
 3 
X = 2
1
Debido a que puede ser cualquier n umero perteneciente a los R excepto el 0, asignamos
un valor cualquiera, en este caso asignaremos el valor de 2, entonces:
     
3 3 0,8 0,3
=
2 2 0,2 0,7
   
3 2,4 + 0,6
=
2 0,6 + 1,4
   
3 3
=
2 2
Por lo tanto los Eigen Vectores para la Matriz A son:
 3 
X = 2 | 6= 0
1
1
Para el valor de = 2
calculamos los Eigen Vectores:

0,8 12
 
0,3
B= 1
0,2 0,7 2
Entonces:
   
0,3 0,3 0
=
0,2 0,2 0
Resolvemos por Gauss Jordan:

4
 1. 0,3 F2 0,2 F1
   
0,3 0,3 0
=
0 0 0

Obtenemos:

0,3 X1 + 0,3 X2 = 0
0,3 X1 = 0,3 X2
X1 = X2
 
X2
X=
X2
X2 =
 
1
X=
1
Debido a que puede ser cualquier n umero perteneciente a los R excepto el 0, asignamos
un valor cualquiera, en este caso asignaremos el valor de 1, entonces:
     
1 1 0,8 0,3
=
1 1 0,2 0,7
 1   
2 0,8 + 0,3
1 =
2
0,2 + 0,7
 1   1 
2 2
1 = 1
2 2

Por lo tanto los Eigen Vectores para la Matriz A son:

 
1
X= | 6= 0
1

POLINOMIO CARACTERISTICO DE UNA MATRIZ

En algebra lineal, se asocia un polinomio a cada matriz cuadrada llamado polinomio carac-
terstico. Dicho polinomio contiene una gran cantidad de informacion sobre la matriz, los
mas significativos son los valores propios, su determinante y su traza.
Siendo:  
a b
A=
c d

5
De la deduccion vista en Eigen Vectores y Eigen Valores acerca del determinante de A I
igualandolo a 0 podemos decir entonces que:
   
a b 1 0
AI =
c d 0 1
   
a b 0
AI =
c d 0
 
a b
AI =
c d
AI =0
 
a b
0=
c d
El polinomio caracterstico de tiene que ser igualado a 0, teniendo as:

P() = (A I)
 
a b
P() =
c d
P() = (a ) (d ) b c
P() = a d a d + 2 b c
Ordenando:
P() = 2 (a + d) b c + a d
Si observamos (a d b c) es el (A).
Teniendo en cuenta que la traza de la matriz A [Tr(A)] esta presente en la ecuacion del
polinomio caracterstico deducimos que el coeficiente de la variable en dicha ecuacion es
la traza de la matriz A [Tr(A)].
Deducimos as que el polinomio caracterstico de la matriz esta dado de la siguiente manera:

P() = 2 T r(A) + (A)

CONCLUSIONES
Los Eigen Valores no cambian la direccion del vector, pero pueden cambiar de distintas
maneras la longitud del mismo.
Para calcular los Eigen Vectores a partir de una matriz dada se debe despejar el polinomio
caracterstico de la matriz y de esta concluir mediante procesos matematicos los valores que
puede tomar para cumplir los requisitos de una matriz para tener Eigen Valores en un no
espacio nulo.
Los Eigen vectores de una matriz pueden ser varios, siempre y cuando el coeficiente no
sea igual a 0.

6
 BIBLIOGRAFIA
Strang,G. (2009). Introduction to Linear Algebra, 4th Edition.Massachusetts Institute
of Technology. Chapter 6:Eigenvalues.
Butcher, D. (18 de Enero del 2013). Finding all Eigenvectors (Nonzero Eigenspace) for
an Eigenvalue. http://www.youtube.com/watch?v=5CQ8QB6zrfg.
Butcher, D. (18 de Enero del 2013). How to Find an Eigenvalue and all its Eigenvectors.
http://www.youtube.com/watch?v=UIW2tePm2hw.
Butcher, D. (18 de Enero del 2013). The Characteristic Polynomial for a 2x2 Matrix.
http://www.youtube.com/watch?v=qvy1FF2k66Y
Lay, D. Linear Algebra and its applications. Chapter 5: Eigen values and Eigen vectors.