Álgebra lineal-Valores y vectores propios

Patricia Gómez Palacio

Departamento de Ciencias Matemáticas

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Valores y vectores propios

Definición. Sea A una matriz n × n con componentes reales o

complejas. Un número λ (real o complejo) es un valor propio
de A si existe un vector no nulo v en Rn o Cn , tal que
Av = λv
El vector v 6= 0 se denomina vector propio de la matriz A
asociado al valor propio λ.
 
3
Ejemplo. λ = 3 es un valor propio y v =  1  es un vector
2
propio de la siguiente matriz A, ya que:
      
1 0 3 3 9 3
 0 1 1  1  =  3  = |{z}
3  1 
1 5 −1 2 6 λ 2
| {z }| {z } | {z }
A v v

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Teorema. Sean A ∈ Mn×n (K) y λ ∈ K. λ es un valor propio de
A si y sólo si det(A − λIn ) = 0.

En efecto,

λ es valor propio de A ⇔ ∃v ∈ Kn , v 6= 0, tal que Av = λv

⇔ ∃v ∈ Kn , v 6= 0, tal que (A − λIn )v = 0
⇔ (A − λIn )v = 0 tiene infinitas soluciones
⇔ A − λIn no es invertible
⇔ det(A − λIn ) = 0

La ecuación
det(A − λIn ) = 0
se denomina ecuación caracterı́stica de la matriz A.

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Dada una matriz A = (aij ) de n × n
 
a11 − λ a12 ··· a1n
 a21 a22 − λ · · · a2n 
det(A − λIn ) = det 
 
.. .. . .. .. 
 . . . 
an1 an2 · · · ann − λ

I det(A − λIn ) es un polinomio de grado n que se denomina

polinomio caracterı́stico de A y se denota por
P (λ) = det(A − λIn )
I Uno de los términos en el cálculo de det(A − λIn ) es
(a11 − λ)(a22 − λ) . . . (ann − λ) (1)
y es el único término en el cálculo de P (λ) que contiene el
producto de todos los términos de la forma (aii − λ). Y por
tanto, (−1)n λn es el término de P (λ) con mayor exponente
de λ.
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
  
1 0 3
Ejemplo. Si A =  0 1 1 
1 5 −1
 
1−λ 0 3
det(A−λI3 ) = det  0 1−λ 1  = −λ3 +λ2 +9λ−9
1 5 −1 − λ

El polinomio caracterı́stico de A es

P (λ) = −λ3 + λ2 + 9λ − 9

y la ecuación caracterı́stica de A es:

P (λ) = −λ3 + λ2 + 9λ − 9 = 0

o en forma equivalente

P (λ) = −(λ − 3)(λ + 3)(λ − 1) = 0

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 I Por el Teorema Fundamental del Álgebra
Existen números complejos λ1 , λ2 ,...,λn tales que

P (λ) = (λ1 − λ)(λ2 − λ)...(λn − λ) (2)

Los números λ1 , λ2 , ..., λn (las raı́ces en C de la ecuación

caracterı́stica P (λ) = 0) son los valores propios de A, algunos
de los cuales se pueden repetir.
Si λ es un valor propio de una matriz A, se denomina
multiplicidad algebraica (m.a.) de λ al número k de veces
que aparece λ como una raı́z de la ecuación (2).
 
1 0 3
Ejemplo. A =  0 1 1 , P (λ) = −(λ − 3)(λ + 3)(λ − 1) = 0
1 5 −1
entonces los valores propios de A son λ1 = 3, λ2 = −3 y λ3 = 1,
todos tres de multiplicidad algebraica 1.

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Teorema. Dos vectores propios v1 , v2 de una matriz A,
asociados a valores propios distintos λ1 , λ2 respectivamente,
son linealmente independientes.

En efecto, considerar la combinación lineal

βv1 + γv2 = 0 (3)
Al multiplicar en ambos lados por A, se tiene que:
0 = A(βv1 + γv2 ) = βAv1 + γAv2
pero sabemos que Av1 = λ1 v1 y Av2 = λ2 v2 , entonces
βλ1 v1 + γλ2 v2 = 0 (4)
Ahora, al multiplicar (3) por λ1 , y restar (4) se tiene
(βλ1 v1 + γλ1 v2 ) − (βλ1 v1 + γλ2 v2 ) = 0

o en forma equivalente γ(λ1 − λ2 )v2 = 0, de donde γ = 0, ya

que λ1 6= λ2 y v2 6= 0. Al sustituir γ = 0 en (3), y dado que
v1 6= 0, se sigue que β = 0, lo que concluye la prueba.
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Teorema. Los vectores propios v1 , v2 , . . . , v2 de una matriz A,
asociados a valores propios diferentes λ1 , λ2 , . . . , λk
respectivamente, son linealmente independientes.
Consecuencia del teorema.
Si una matriz A de orden n × n tiene n valores propios distintos
λ1 , ..., λn , entonces los correspondientes vectores propios
v1 , ..., vn forman una base de Kn , y la matriz P = [v1 ... vn ],
de columnas los vectores v1 , ..., vn , es invertible.
     
3 −3 −5
Ejemplo. v1 =  1  v2 =  −1  v3 =  1  son vectores
2 4 0
propios asociadosa los valorespropios λ1 = 3, λ2 = −3 y λ3 = 1
1 0 3
de la matriz A =  0 1 1 .
1 5 −1
 
3 −3 −5
En consecuencia, la matriz P =  1 −1 1  es invertible
2 4 0
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Espacio caracterı́stico (o propio) de una matriz

Sean A una matriz n × n, y λ un valor propio de A, el conjunto

de vectores propios correspondientes a λ, es un subespacio de
Kn , denominado espacio caracterı́stico (o propio) de A
correspondiente al valor propio λ y se denota
Eλ = {v ∈ Kn / Av = λv}
Observar que si v, v1 y v2 pertenecen a Eλ , entonces βv (β un
escalar) y v1 + v2 también pertenecen a Eλ , ya que
A(v1 + v2 ) = Av1 + Av2 = λv1 + λv2 = λ(v1 + λv2 )
A(βv) = βAv = βλv = λ(βv)

dim Eλ = máximo número de vectores propios linealmente

independientes correspondientes a λ.

dim Eλ : se denomina multiplicidad geométrica (m.g.) de λ.

dim Eλ ≤ a la multiplicidad algebraica (m.a.) de λ.

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Algoritmo para calcular los valores y vectores propios
de una matriz A, y los espacios caracterı́sticos Eλ

I Calcular el polinomio caracterı́stico de A

P (λ) = det(A − λIn )

I Resolver para λ la ecuación caracterı́stica de A

P (λ) = det(A − λIn ) = 0

I Resolver el sistema homogéneo

(A − λIn )v = 0

para cada valor propio λ de A, solución de P (λ) = 0

I Una base para el espacio caracterı́stico Eλ se construye con
los vectores linealmente independientes obtenidos en el
paso anterior.
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Ejemplo. Determinar los valores y vectores propios de la matriz
 
1 0 3
A= 0 1 1 
1 5 −1

Cálculo del polinomio caracterı́stico

I
 
1−λ 0 3
det(A−λI3 ) = det  0 1−λ 1  = −λ3 +λ2 +9λ−9
1 5 −1 − λ

I Solución de la ecuación caracterı́stica

P (λ) = −(λ − 3)(λ + 3)(λ − 1) = 0
de donde los valores propios de A son λ1 = 3, λ2 = −3 y λ3 = 1

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 I Resolviendo el sistema homogéneo (A − λI3 )v = 0

Para λ1 = 3,

   
−2 0 3 x 0
(A − 3I3 )v = 0 ⇔  0 −2 1  y  =  0 
1 5 −4 z 0
Forma escalonada reducida de la matriz de coeficientes:
x − 23 z = 0
   
−2 0 3 1 0 −3/2
 0 −2 1  → ··· →  0 1 −1/2 
1 5 −4 0 0 0 y − 12 z = 0

 3 
 2z    
x   3  3 
 1 
 z
v= y =
  z
2  =  1  E3 = gen  1 
 2 2

z 2
  
z

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Para λ2 = −3,

   
4 0 3 x 0
(A − (−3)I3 )v = 0 ⇔  0 4 1   y  =  0 
1 5 2 z 0

Forma escalonada reducida de la matriz de coeficientes:

x + 43 z = 0
   
4 0 3 1 0 3/4
 0 4 1  → ··· →  0 1 1/4 
1 5 2 0 0 0 y + 14 z = 0

− 34 z
 
     
x  z −3  −3 
 
 1
 −4z
v= y =
   =  −1  E−3 = gen  −1 
 4
z 4 4
   
z

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Para λ3 = 1,
    
0 0 3 x 0
(A − 1I3 )v = 0 ⇔ 0 0
 1   y = 0 
 
1 5 −2 z 0

Forma escalonada reducida de la matriz de coeficientes:

   
0 0 3 1 5 0
x + 5y = 0
 0 0 1  → ··· →  0 0 1 
z=0
1 5 −2 0 0 0


      
x −5y −5  −5 
v= y = y  = y 1  E1 = gen  1 
z 0 0 0
 

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Diagonalización

Definición. Dos matrices A y B de n × n son semejantes o

equivalentes si existe una matriz invertible P de orden n × n tal
que
B = P −1 AP

Teorema. Si A y B son matrices semejantes de n × n, entonces

A y B tienen el mismo polinomio caracterı́stico y por tanto los
mismos valores propios.

En efecto, si B = P −1 AP entonces
det(B − λIn ) = det(P −1 AP − λIn )
= det(P −1 AP − P −1 λIn P )
= det(P −1 (A − λIn )P )
= det(P −1 ) det(A − λIn ) det P
= det(A − λIn )

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Ejemplo. Las siguientes matrices A y B son semejantes
   
1 0 3 3 0 0
A= 0 1 1  B= 0 −3 0 
1 5 −1 0 0 1

Considerar la matriz P , cuyas columnas son los vectores propios

de A (ver ejemplo anterior). P es invertible y además se puede
verificar que B = P −1 AP , es decir
   
3 −3 −5 2 10 4
1 
P = 1 −1 1  P −1 = −1 −5 4 
24
2 4 0 −3 9 0

     
3 0 0 2 10 4 1 0 3 3 −3 −5
 0 −3 0  = 1  −1 −5 4   0 1 1  1 −1 1 
24
0 0 1 −3 9 0 1 5 −1 2 4 0

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Definición. Una matriz A ∈ Mn×n es diagonalizable si es
semejante a una matriz diagonal, es decir, si existe una matriz
invertible P ∈ Mn×n tal que D = P −1 AP donde D es una
matriz diagonal. Más aún, las componentes de la diagonal de la
matriz D son los valores propios de la matriz A y la matriz P
tiene como columnas los vectores propios A, correspondiente a
cada valor propio.
 
1 0 3
Ejemplo. La matriz A =  0 1 1  es diagonalizable, ya
1 5 −1 
3 0 0
que es semejante a la matriz B =  0 −3 0 
0 0 1

Teorema. Una matriz A de n × n es diagonalizable si y sólo si

tiene n vectores propios linealmente independientes.

Corolario. Si la matriz A de orden n × n tiene n valores

propios distintos, entonces A es diagonalizable.
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Ejemplo. En cada caso determinar si la matriz A es o no
diagonalizable. Si la matriz es diagonalizable hallar una matriz
P tal que D = P −1 AP , con D diagonal.
 
1 2 0
I A= 2
P (λ) = −λ3 + 3λ2 + λ − 3
1 0 
= (1 − λ)(λ − 3)(λ + 1)
0 0 1

Los valores propios de A son: λ1 = 1, λ2 = 3 y λ3 = −1. La

matriz A es diagonalizable, por tener 3 valores propios distintos,
y además
     
 0   1   −1 
E1 = gen  0  E3 = gen  1  E−1 = gen  1 
1 0 0
     
 
0 1 −1
P = 0 1 1 
1 0 0

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

  
0 2 2
I A= 2 0 2  P (λ) = −λ3 + 12λ + 16 = −(λ + 2)2 (λ − 4)
2 2 0

Los valores propios de A son: λ1 = λ2 = −2 y λ3 = 4. La matriz

A es diagonalizable por tener 3 vectores linealmente
independientes, ya que
     
 −1 −1   1 
E−2 = gen  1  ,  0  E4 = gen  1 
0 1 1
   

 
−1 −1 1
P = 1 0 1 
0 1 1

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

  
5 6 2
P (λ) = −λ3 + 2λ2 + 15λ − 36
I A= 0 −1 −8 
= (λ − 3)2 (λ + 4)
1 0 −2

Los valores propios de A son: λ1 = λ2 = 3 y λ3 = −4. La matriz

A no es diagonalizable ya que es una matriz 3 × 3 y solo
tiene 2 vectores propios linealmente independientes, es decir
   
 5   −6 
E3 = gen  −2  E−4 = gen  8 
1 3
   

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Ejemplo. Demostrar que si D = P −1 AP (o A = P DP −1 )
entonces Am = P Dm P −1 , para todo entero positivo m.

Basta observar que:

Am = (P DP −1 )(P DP −1 )(P DP −1 ) · · · (P DP −1 )
| {z }
m−veces
−1 −1 −1
= P D(P P )D(P P )DP · · · P DP −1
−1
{z· · · D} P
= P |DDD
m−veces
m −1
= PD P

donde se ha tenido en cuenta que P −1 P = I y DI = D

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

  
51 −50
Ejemplo. Calcular A100 si A =
52 −51

Solución: P (λ) = λ2 − 1 = (λ − 1)(λ + 1), luego A es

diagonalizable, con los valores propios λ1 = 1 y λ2 = −1, y
vectores propios
   
1 25
v1 = y v2 =
1 26
y además
     
1 25 −1 26 −25 1 0
P = P = D=
1 26 −1 1 0 −1
Entonces, A = P DP −1 y A100 = P D100 P −1 , es decir
   100  
100 1 25 1 0 26 −25
A =
1 26 0 (−1)100 −1 1

    
1 25 26 −25 1 0
= =
1 26 −1 1 0 1
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Diagonalización de matrices simétricas

Recordar que una matriz cuadrada A es simétrica si A = At

Teorema. Los valores propios de una matriz simétrica son

números reales.

Teorema. Los vectores propios de una matriz simétrica,

correspondientes a valores propios diferentes, son ortogonales.
 
1 2 0
Ejemplo. A =  2 1 0  es simétrica y sus valores propios
0 0 1
son: λ1 = 1, λ2 = 3 y λ3 = −1 y los vectores propios asociados
respectivamente son:
     
0 1 −1
v1 =  0  v2 =  1  v3 =  1 
1 0 0
los cuales son ortogonales dos a dos.
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Definición. Una matriz cuadrada Q es ortogonal si y solo si
Q−1 = Qt .

Algunas propiedades de las matrices ortogonales

Si Q es una matriz ortogonal entonces:
I det Q = ±1
I Las columnas de Q son vectores ortonormales (ortogonales
y de norma 1).
I Si A es simétrica entonces Q−1 AQ es simétrica

Teorema. Para toda matriz simétrica real A, existe una matriz

ortogonal Q, tal que la matriz D = Q−1 AQ, semejante a la
matriz A es una matriz diagonal.

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Ejemplo. A una matriz simétrica, v1 , v2 y v3 vectores propios
ortogonales:
     
1 2 0 0 1 −1
A= 2 1 0  v1 =  0  v2 =  1  v3 =  1 
0 0 1 1 0 0
se normalizan los vectores v2 y v3 , para construir la siguiente
matriz ortogonal
√1 √1 0 −
 
2 2
 
 
√1 √1
 0
Q= 
2 2 
 
1 0 0
y se puede verificar que Qt AQ es una matriz diagonal, es decir
0 0 1 0 √1 − √12
     
1 0 0 1 2 0 2
     
  1
√1
   
 0 3 0   √ 0  2 1 0  √1 √1
=  0
 
 2 2  2 2 
     
0 0 −1 − √12 √1
2
0 0 0 1 1 0 0

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 Comentarios sobre el polinomio caracterı́stico

Sea A una matriz cuadrada, con polinomio caracterı́stico:

P (λ) = (λ1 − λ)(λ2 − λ)...(λn − λ) (5)
I Uno de los términos en el cálculo de P (λ) es
(a11 − λ)(a22 − λ)...(ann − λ) (6)
El coeficiente de λn−1 se obtiene de (6), ya que cualquier otro
término de P (λ) tiene como potencia de λ a λn−2 o una
potencia menor. Esta afirmación se sustenta al tener en cuenta
que el término en el cálculo de P (λ) que contiene a aik no
contiene a (aii − λ), por estar en la misma fila, y no contiene a
(akk − λ), por estar en la misma columna.
Se puede concluir que el coeficiente de λn−1 es igual a
(−1)n−1 (a11 + a22 + · · · + ann ) = (−1)n−1 T r(A)
donde T r(A) representa la traza de la matriz A, es decir la
suma de los elementos de la diagonal de A.
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 De (5) se obtiene que el coeficiente de λn−1 es la suma de los
valores propios de A, es decir
(−1)n−1 (λ1 + λ2 + ... + λn )
y en consecuencia, T r(A) = λ1 + λ2 + ... + λn
I Es claro que

P (λ) = det(A − λIn ) = (−1)n λn + cn−1 λn−1 + cn−2 λn−2 + ... + c0

y al evaluar en λ = 0, se tiene que P (0) = det(A) = c0 , es decir
que el término independiente del polinomio caracterı́stico es
igual al determinante de la matriz, y por tanto:
P (λ) = (−1)n λn + (−1)n−1 T r(A)λn−1 + cn−2 λn−2 + ... + det(A)
Pero, de (5), el término independiente de P (λ) es:
λ1 λ2 ...λn
y por tanto
det(A) = λ1 λ2 ...λn
Recordar que los λi en el producto, valores propios de A, no son
necesariamente distintos.
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 I A es invertible si y solo si sus valores propios son todos
distintos de cero.

[⇒] Si A es invertible, entonces det(A) 6= 0 y por

consiguiente λ1 λ2 ...λn 6= 0, de donde se sigue que λi 6= 0
para todo i = 1, ..., n

[⇐] Si λi 6= 0 para todo i = 1, ..., n entonces

det(A) = λ1 λ2 ...λn 6= 0

y por tanto A es invertible.

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT

 I Los valores propios de una matriz diagonal, y en general de
una matriz triangular (superior o inferior), son sus
elementos en la diagonal principal, siendo la multiplicidad
algebraica de cada uno de ellos el número de veces que
aparezca en esa diagonal.

Ejemplo. 
12 10 2 2
 0 −1 3 0 
A=  0

0 2 3 
0 0 0 6
Los valores propios de la matriz A son: 12, −1, 2, 6, y se puede
concluir que la matriz es diagonalizable, por tener 4 valores
propios distintos.

I Matrices semejantes tienen el mismo polinomio

caracterı́stico, y por tanto los mismos valores propios, con
la misma multiplicidad algebraica, la misma traza y el
mismo determinante.
Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Ejemplo. Las matrices
   
12 10 2 0
A= y B=
−15 −13 0 −3

son semejantes ya que B = P −1 AP con

   
1 2 −1 3 2
P = y P =
−1 −3 −1 −1
es decir
     
2 0 3 2 12 10 1 2
=
0 −3 −1 −1 −15 −13 −1 −3
T r(A) = T r(B) = −1 y los valores propios de A son 2 y −3

det(A) = (12)(−13) − (−15)(10) = −156 + 150 = −6 = det(B)

det(A − λI) = (12 − λ)(−13 − λ) + 150 = λ2 + λ − 6

det(B − λI) = (λ − 2)(λ + 3) = λ2 + λ − 6

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT
 Bibliografı́a

[1] Garcı́a, O., Villegas, J.A. y Castaño, J.I. (2012) Álgebra

lineal. Fondo Editorial Universidad EAFIT. Medellı́n.
[2] Grossman, S. (1996). Álgebra Lineal con Aplicaciones. 5ta.
Ed. McGraw-Hill. México.
[3] Hill, R. (1996). Álgebra Lineal Elemental con Aplicaciones.
Prentice Hall. México.
[4] Kolman, B. (1999). Álgebra Lineal con Aplicaciones y
Matlab. 6ta. Ed. Prentice Hall. México.
[5] Lay, D. (1999). Álgebra Lineal y sus Aplicaciones. 2a. Ed.
Prentice Hall, México.

Patricia Gómez Palacio | Valores y vectores propios Universidad EAFIT