14

Valores propios y vectores propios

14.1 Definiciones. Cálculo de valores y vectores propios

Los conceptos de valor propio y vector propio para una transformación lineal del espacio
y para una matriz 3 × 3 se definen exactamente como para una transformación lineal del
plano y para una matriz 2 × 2.
Sea T : R3 −→ R3 una transformación lineal y sea λ un escalar. Se dice que λ es un
valor propio de T si existe un vector X de R3 , X = O, tal que

T (X) = λX

Si λ es un valor propio de T , cada vector no nulo X de R3 tal que T (X) = λX se dice

un vector propio de T correspondiente a λ.
Si A es una matriz 3 × 3, se llama valores propios de A y vectores propios de A a los
valores propios y vectores propios de la transformación lineal del espacio cuya matriz es A.
Al igual que en el caso del plano, un vector no nulo X de R3 es un vector propio de
una transformación lineal T del espacio (de una matriz A de orden 3) si y sólo si X y
T (X) ( o X y AX) están en una misma recta que pasa por el origen.

Ejemplo 14.1
Sea P un plano que pasa por el origen y sea S la reflexión respecto al plano P.
Es claro que si X es un vector de P entonces S (X) = X; por otra parte, si Y es
un vector de la recta L que pasa por el origen y es perpendicular al plano P entonces
S (Y ) = −Y (figura 14.1).

Figura 14.1.

453
454 14. Valores propios y vectores propios

Luego, λ = 1 es un valor propio de S y todo vector no nulo X en el plano P es un

vector propio de S correspondiente a λ = 1, ya que para cada uno de dichos vectores X se
tiene que S (X) = X = 1X. Similarmente, λ = −1 es otro valor propio de S y todo vector
no nulo Y sobre la recta L es un vector propio de S correspondiente a λ = −1, pues para
tales vectores Y, se tiene S (Y ) = −Y = −1Y.

Ejemplo 14.2
Consideremos la transformación lineal Dr : R3 −→ R3 . Puesto que para todo X de R3 ,
Dr (X) = rX, se tiene que r es un valor propio de Dr y todo vector no nulo de R3 es un
vector propio de Dr correspondiente a r. Es más, r es el único valor propio de Dr (¿por
qué?).
Lo afirmado para Dr , respecto a valores y vectores propios, es igualmente válido para
la matriz de Dr , la cual es ⎛ ⎞
r 0 0
⎝0 r 0⎠

0 0 r

Ejemplo 14.3
Sea T una transformación lineal con matriz diagonal
⎛ ⎞
λ1 0 0
D = ⎝ 0 λ2 0 ⎠
0 0 λ3
⎛ ⎞
x
Así, para cualquier ⎝ y ⎠ en R3 ,
z
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x x λ1 x
T ⎝ y ⎠ = D ⎝ y ⎠ = ⎝ λ2 y ⎠
z z λ3 z
En particular,
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
λ1 0 0
T (E1 ) = ⎝ 0 ⎠ = λ1 E1 , T (E2 ) = ⎝ λ2 ⎠ = λ2 E2 , T (E3 ) = ⎝ 0 ⎠ = λ3 E3
0 0 λ3

Luego λ1 , λ2 , λ3 son valores propios de T (de D) y E1 , E2 , E3 son vectores propios

de T (de D) correspondientes a λ1 , λ2 , λ3 respectivamente. Veamos que T no tiene otros
valores propios. ⎛ ⎞
x
Supongamos que λ es un valor propio de T y sea ⎝ y ⎠ un vector propio de T corres-
z
pondiente a λ. Entonces
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x λ1 x x x λx
T ⎝ y ⎠ = ⎝ λ2 y ⎠ y T ⎝ y ⎠ = λ ⎝ y ⎠ = ⎝ λy ⎠
z λ3 z z z λz
por tanto,
λx = λ1 x, λy = λ2 y λz = λ3 z
14.1. Definiciones. Cálculo de valores y vectores propios 455
⎞ ⎛
x
Ahora, como x = 0 o y =  0 (pues ⎝ y ⎠ = O) entonces
 0oz=
z
λ = λ1 o λ = λ2 o λ = λ3
Así que λ1 , λ2 , λ3 son los únicos valores propios de T (de D).

Sea T : R3 −→ R3 una transformación lineal con matriz
⎛ ⎞
a1 a2 a3
A = ⎝ b1 b2 b3 ⎠
c1 c2 c3
y sea λ un escalar. De igual forma que para una transformación lineal del plano, se tiene
que las siguientes afirmaciones son equivalentes:
• λ es un valor propio de T (de A)
• Existe X ∈ R3 , X = O, tal que AX = λX
• El sistema (A − λI3 ) X = O tiene solución no trivial.
• La matriz A − λI3 no es invertible
• det (A − λI3 ) = 0.
La ecuación det (A − λI3 ) = 0, es decir,
 
a1 − λ a2 a3 

 b1 b2 − λ b3  = 0

 c1 c2 c3 − λ
en la cual λ se considera una incógnita, se llama ecuación característica de T (de A).
Desarrollando el determinante, dicha ecuación adquiere la forma
−λ3 + dλ2 + eλ + f = 0 (14.1)
donde d, e y f son ciertas constantes. Las raíces reales de esta ecuación son entonces los
valores propios de T (de A). Como el lado izquierdo de (14.1) es un polinomio de grado 3
en λ entonces dicha ecuación tiene exactamente 3 raíces en los complejos, pudiendo ocurrir
que esas tres raíces sean iguales, que sólo dos de ellas sean iguales o que las tres sean
distintas. Ahora como el grado del mencionado polinomio es 3, podemos asegurar que al
menos una de dichas raíces es real. Esto puede probarse así: Sea p (λ) = −λ3 +dλ2 +eλ+f;
es fácil ver que
lim p (λ) = ∞ y lim p (λ) = −∞
λ→−∞ λ−→∞
Además, por ser p una función polinómica, p es continua en todo el intervalo (−∞, ∞)
y por tanto la gráfica de p corta al eje λ por lo menos una vez, es decir, existe λ0 ∈ R tal
que p (λ0 ) = 0, o sea, existe λ0 ∈ R tal que λ0 es una raíz de la ecuación (14.1).
Si ya sabemos que λ es un valor propio de T (de A), los vectores propios de T (de A)
correspondientes a λ son las soluciones no triviales del sistema homogéneo
(A − λI3 ) X = O
es decir, del sistema
⎛ ⎞⎛ ⎞ ⎛ ⎞
a1 − λ a2 a3 x 0
⎝ b1 b2 − λ b3 ⎠ ⎝ y ⎠ = ⎝ 0 ⎠ (14.2)
c1 c2 c3 − λ z 0
456 14. Valores propios y vectores propios

Al conjunto solución de este sistema lo llamaremos espacio propio de T (de A)

correspondiente a λ y lo denotaremos por Eλ . Ahora, como la matriz de coeficientes del
sistema (14.2) no es invertible (pues λ es valor propio de T (de A)) entonces, como ya
sabemos, el conjunto solución Eλ de (14.2) es una recta que pasa por el origen, o es un
plano que pasa por el origen o es todo R3 .
Como resumen de lo anterior tenemos:

Sea T : R3 −→ R3 una transformación lineal con matriz

⎛ ⎞
a1 a2 a3
A = ⎝ b1 b2 b3 ⎠
c1 c2 c3

• Un número real λ es un valor propio de T (de A) si y sólo si λ es una raíz

de la ecuación característica de T (de A)
 
a1 − λ a2 a3 

 b1 b2 − λ b3  = 0

 c1 c2 c3 − λ

• La transformación T (la matriz A) tiene por lo menos un valor propio y tiene

a lo más tres valores propios distintos.
• Si λ es un valor propio de T (de A), los vectores propios de T (de A)
correspondientes a λ son las soluciones no triviales del sistema homogéneo
⎛ ⎞⎛ ⎞ ⎛ ⎞
a1 − λ a2 a3 x 0
⎝ b1 b2 − λ b3 ⎠ ⎝ y ⎠ = ⎝ 0 ⎠
c1 c2 c3 − λ z 0

• Si λ es un valor propio de T (de A), el espacio propio Eλ es una recta que

pasa por el origen o es un plano que pasa por el origen o es todo R3 .

Ejemplo 14.4
Sea T la transformación lineal del espacio cuya matriz es
⎛ ⎞
1 1 −1
A=⎝ 0 2 0⎠
−1 1 1
Hallar los valores propios de T (de A) y los correspondientes espacios propios.
Solución:
La ecuación característica de T (de A) es
 
1 − λ 1 −1 

 0 2−λ 0  = 0

 −1 1 1 − λ
Calculando el determinante se encuentra que esta ecuación es
 
(2 − λ) λ2 − 2λ = 0
14.1. Definiciones. Cálculo de valores y vectores propios 457

la cual es equivalente a la ecuación

λ (λ − 2)2 = 0

cuyas raíces son los números λ1 = 0 y λ2 = 2, los cuales son los valores propios de T (de
A).
El espacio propio de T (de A) correspondiente a λ1 = 0 es, como sabemos, el conjunto
solución del sistema
⎛ ⎞⎛ ⎞ ⎛ ⎞
1−0 1 −1 x 0
⎝ 0 2−0 0 ⎠⎝ y ⎠ = ⎝ 0 ⎠
−1 1 1−0 z 0

es decir, del sistema ⎛ ⎞⎛ ⎞ ⎛ ⎞

1 1 −1 x 0
⎝ 0 2 0⎠ ⎝ y ⎠ = ⎝ 0 ⎠
−1 1 1 z 0
Resolviendo este sistema se obtiene que dicho espacio propio es
⎧⎛ ⎞  ⎛ x ⎞ ⎛ z ⎞⎫
⎨ x ⎬
E0 = ⎝ y ⎠ ∈ R3 ⎝ y ⎠=⎝ 0 ⎠
⎩ ⎭
z z z
⎧⎛ ⎞  ⎛ x ⎞ ⎛ ⎞⎫
⎨ x 1 ⎬
= ⎝ y ⎠ ∈ R3 ⎝ y ⎠ = z⎝ 0 ⎠
⎩ ⎭
z z 1

⎛ Observe
⎞ que E0 es una recta que pasa por el origen, la recta generada por el vector
1
⎝ 0 ⎠.
1
Por último, el espacio propio de T (de A) correspondiente al valor propio λ2 = 2 es el
conjunto solución del sistema
⎛ ⎞⎛ ⎞ ⎛ ⎞
1−2 1 −1 x 0
⎝ 0 2−2 0 ⎠ ⎝ y ⎠ = ⎝ 0 ⎠
−1 1 1−2 z 0

es decir, del sistema ⎛ ⎞⎛ ⎞ ⎛ ⎞

−1 1 −1 x 0
⎝ 0 0 0 ⎠ ⎝ y ⎠ = ⎝ 0 ⎠
−1 1 −1 z 0
Resolviendo este sistema se encuentra que
⎧⎛ ⎞  ⎛ x ⎞ ⎛⎞⎫
⎨ x y−z ⎬
E2 = ⎝ y ⎠ ∈ R3 ⎝ y ⎠=⎝ y ⎠
⎩ ⎭
z z z
⎧⎛ ⎞  ⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎫
⎨ x x 1 −1 ⎬
= ⎝ y ⎠ ∈R 3 ⎝ y ⎠ = y⎝ 1 ⎠+z⎝ 0 ⎠
⎩ ⎭
z z 0 1
458 14. Valores propios y vectores propios

⎛ Observe
⎞ ⎛ que E⎞2 es un plano que pasa por el origen, el plano generado por los vectores
1 −1
⎝ 1 ⎠y⎝ 0 ⎠.
0 1
La situación relativa entre los espacios propios E0 y E2 es como se ilustra en la figura
14.2

Figura 14.2.

Ejemplo 14.5
Sea θ tal que 0 ≤ θ < 2π. Consideremos la transformación lineal Rzθ , la cual rota cada
vector de R3 un ángulo de θ radianes alrededor del eje z. Como ya se sabe,
⎛ ⎞
cos θ −senθ 0
m (Rθz ) = ⎝ senθ cos θ 0⎠
0 0 1

Hallemos los valores propios y los espacios propios de esta transformación.

La ecuación característica de Rzθ es
 
cos θ − λ −senθ 0 

 senθ cos θ − λ 0  = 0

 0 0 1 − λ

Calculando el determinante encontramos que esta ecuación es

 
(1 − λ) (cos θ − λ)2 + sen2 θ = 0

la cual es equivalente a la ecuación

 
(1 − λ) λ2 − 2 (cos θ) λ + 1 = 0 (14.3)

cuyas raíces son los números

λ=1 y λ = cos θ ± isenθ

Ahora, λ = cos θ ± isenθ es real si y sólo si senθ = 0, es decir, si y sólo si θ = 0 o θ = π.

Se presentan entonces los siguientes casos:
Caso 1. θ = 0 y θ = π
En este caso la ecuación (14.3) tiene una raíz real, la cual es λ = 1, y dos raíces no
reales, las cuales son λ = cos θ ± isenθ. Por tanto, λ = 1 es el único valor propio de Rθz .
14.1. Definiciones. Cálculo de valores y vectores propios 459

El espacio propio E1 de Rθz correspondiente a λ = 1 está conformado por los vectores

X de R3 tales que
Rzθ (X) = 1X
es decir, por los vectores de R3 que Rθz deja fijos.
Evidentemente esos vectores son los que están sobre el eje z y por lo tanto el espacio
propio E1 es el eje z.
Caso 2. θ = 0
Es claro que en este caso Rθz es la transformación identidad I, y como

I (X) = X = 1X

para todo X de R3 entonces λ = 1 es el único valor propio y el espacio propio E1 es todo

R3 .
Nótese que en este caso λ = 1 es la única raíz de la ecuación (14.3); ella se repite tres
veces.
Caso 3. θ = π
En este caso la ecuación (14.3) tiene dos raíces reales distintas; una es λ = 1, la cual
aparece sólo una vez, y la otra es λ = −1, la cual aparece dos veces. Así que los valores
propios de Rπz son λ = 1 y λ = −1.
El espacio propio E1 de Rπz correspondiente a λ = 1 es, como en el caso 1, el eje z, pues
los vectores del eje z son los únicos vectores de R3 que permanecen fijos bajo Rzπ .
¿Y cuál es el espacio propio E−1 de Rπz correspondiente a λ = −1?
Veamos: Como ⎛ ⎞
−1 0 0
m (Rπz ) = ⎝ 0 −1 0⎠
0 0 1
se tiene que E−1 es el conjunto solución del sistema
⎛ ⎞⎛ ⎞ ⎛ ⎞
−1 − (−1) 0 0 x 0
⎝ 0 −1 − (−1) 0 ⎠⎝ y ⎠ = ⎝ 0 ⎠
0 0 1 − (−1) z 0

es decir, el conjunto solución del sistema

⎛ ⎞⎛ ⎞ ⎛ ⎞
0 0 0 x 0
⎝0 0 0⎠ ⎝ y ⎠ = ⎝ 0 ⎠
0 0 2 z 0

el cual es el plano con ecuación z = 0, es decir, el plano xy.

Así que el espacio propio E−1 de Rπz es el plano xy, como era de esperarse, pues los
vectores X de dicho plano son los únicos vectores de R3 tales que

Rπz (X) = (−1) X

Resumiendo, tenemos que:

• Si θ = 0 y θ = π, el único valor propio de Rθz es λ = 1 y E1 es el eje z.
• Si θ = 0 entonces Rθz = I y así el único valor propio de Rzθ es λ = 1 y E1 es todo R3
• Si θ = π, los valores propios de Rθz son λ = 1 yλ = −1; E1 es el eje z y E−1 es el plano
xy.

460 14. Valores propios y vectores propios

Recordemos que para una matriz A de orden 2 se tiene que si X1 , X2 son dos vectores
propios de A, linealmente independientes, correspondientes a los valores propios λ1 , λ2
respectivamente, entonces
A = P DP −1
donde    
X1 X2 λ1 0
P = y D=
| | 0 λ2
Pues bien, para matrices de orden 3 se tiene un resultado completamente análogo:

Sea A una matriz de orden 3. Si X1 , X2 , X3 son vectores propios de A, linealmente indepen-

dientes, correspondientes respectivamente a los valores propios λ1 , λ2 , λ3
(los cuales no tienen que ser distintos dos a dos) entonces
A = P DP −1
donde ⎛ ⎞
  λ1 0 0
X1 X2 X3
P = y D = ⎝ 0 λ2 0 ⎠
| | |
0 0 λ3

Prueba.
Si X1 , X2 , X3 son vectores propios de A correspondientes a los valores propios λ1 , λ2 ,
λ3 respectivamente entonces

AX1 = λ1 X1 , AX2 = λ2 X2 , AX3 = λ3 X3 (14.4)

Luego,    
AX1 AX2 AX3 λ1 X1 λ2 X2 λ3 X3
=
| | | | | |
Y como    
AX1 AX2 AX3 X1 X2 X3
=A
| | | | | |
y ⎛ ⎞
    λ1 0 0
λ1 X1 λ2 X2 λ3 X3 X1 X2 X3 ⎝
= 0 λ2 0 ⎠
| | | | | |
0 0 λ3
entonces ⎛ ⎞
    λ1 0 0
X1 X2 X3 X1 X2 X3 ⎝
A = 0 λ2 0 ⎠
| | | | | |
0 0 λ3
es decir,
AP = P D (14.5)
donde ⎛ ⎞
  λ1 0 0
X1 X2 X3
P = y D = ⎝ 0 λ2 0 ⎠ (14.6)
| | |
0 0 λ3
14.1. Definiciones. Cálculo de valores y vectores propios 461

Ahora, si además los vectores X1 , X2 , X3 son L.I. entonces la matriz P es invertible.

En tal caso, multiplicando a la derecha por P −1 en ambos lados de (14.5) se obtiene

A = P DP −1 (14.7)

como se quería probar. 

El lector puede probar, reversando los pasos que condujeron de (14.4) a (14.7), que si
una matriz A de orden 3 admite una factorización del tipo (14.7), con P y D matrices como
en (14.6), entonces las columnas X1 , X2 , X3 de la matriz P son vectores propios de A,
linealmente independientes, correspondientes, a los valores propios λ1 , λ2 , λ3 respectiva-
mente. Así que:

Una matriz de orden 3 es factrorizable en la forma

A = P DP −1
con P matriz de orden 3 invertible y D matriz de orden 3 diagonal
si y sólo si A posee tres vectores propios linealmente independientes.

Ejemplo 14.6
Consideremos la matriz
⎛ ⎞
1 1 −1
A=⎝ 0 2 0⎠
−1 1 1
del ejemplo 14.4. Para esta matriz se encontró que sus valores
⎛ propios
⎞ son λ1 = 0 y λ2 = 2,
1
que el espacio propio E0 es la recta generada por el vector ⎝ 0 ⎠ y que el espacio propio
1
⎛ ⎞ ⎛ ⎞
1 −1
E2 es el plano generado por los vectores ⎝ 1 ⎠ y ⎝ 0 ⎠ .
0 1
Los siguientes vectores propios de A
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 −1
X1 = ⎝ 0 ⎠ , X2 = ⎝ 1 ⎠ , X3 = ⎝ 0 ⎠
1 0 1

son linealmente independientes, ya que

 
X1 X2 X3
det = 0
| | |
pues  
  1 1 −1
X1 X2 X3  
det = 0 1 0  = 2
| | | 1 0 1
La situación relativa de los vectores X1 , X2 , X3 se ilustra en la figura 14.3.
462 14. Valores propios y vectores propios

Figura 14.3.

Ahora como X1 corresponde al valor propio λ1 = 0 y X2 , X3 corresponden al valor

propio λ2 = 2 entonces A es factorizable como
A = P DP −1
donde
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
  1 1 −1 λ1 0 0 0 0 0
X1 X2 X3
P = = ⎝0 1 0 ⎠ y D = ⎝ 0 λ2 0 ⎠ = ⎝0 2 0⎠

| | |
1 0 1 0 0 λ2 0 0 2

Ejemplo 14.7
Consideremos la matriz
⎛ ⎞
4 6 6
A=⎝ 1 3 2⎠
−1 −5 −2
Veamos si esta matriz es o no es factorizable en la forma A = P DP −1 con P matriz
invertible y D matriz diagonal. Como sabemos A es factorizable en dicha forma si y sólo si
A tiene tres vectores propios linealmente independientes. Pasemos entonces a determinar
los valores y vectores propios de A.
La ecuación característica de A es
 
4 − λ 6 6 
 
 1 3−λ 2  = 0

 −1 −5 −2 − λ
Calculando el determinante y simplificando se obtiene la ecuación
−λ3 + 5λ2 − 8λ + 4 = 0 (14.8)
de la cual nos interesan las raíces reales.
Sea p (λ) = −λ3 + 5λ2 − 8λ + 4. Como el lector debe saber, las raíces enteras de la
ecuación (14.8), si las hay, se encuentran entre los divisores del término constante 4, es
decir, entre los números ±1, ±2 y ±4 . Ahora, como p (1) = −1 + 5 − 8 + 4 = 0, entonces
λ = 1 es una raíz de p (λ) y por tanto λ − 1 es un factor de p (λ) ; haciendo la división p (λ)
entre λ − 1 se encuentra que
 
p (λ) = (λ − 1) −λ2 + 4λ − 4
 
= − (λ − 1) λ2 − 4λ + 4
= − (λ − 1) (λ − 2)2
14.1. Definiciones. Cálculo de valores y vectores propios 463

Luego, la ecuación (14.8) es

− (λ − 1) (λ − 2)2 = 0

ecuación cuyas raíces son los números λ = 1 y λ = 2, los cuales son los valores propios de
A.
El espacio propio E1 de A correspondiente a λ = 1 es el conjunto solución del sistema
homogéneo
⎛ ⎞⎛ ⎞ ⎛ ⎞
4−1 6 6 x 0
⎝ 1 3−1 2 ⎠⎝ y ⎠ = ⎝ 0 ⎠
−1 −5 −2 − 1 z 0
es decir, del sistema
⎛ ⎞⎛ ⎞ ⎛ ⎞
3 6 6 x 0
⎝ 1 2 2 ⎠ ⎝ y ⎠ = ⎝ 0 ⎠
−1 −5 −3 z 0
Resolviendo este sistema encontramos que
⎧⎛ ⎞  ⎛ x ⎞ ⎛ ⎞⎫
⎨ x −4/3 ⎬
E1 = ⎝ y ⎠ ∈ R3 ⎝ y ⎠ = z ⎝ −1/3 ⎠
⎩ ⎭
z z 1
⎛ ⎞
−4/3
es decir, E1 es la recta generada por el vector ⎝ −1/3 ⎠ o equivalentemente, E1 es la recta
1
⎛ ⎞
4
generada por el vector ⎝ 1 ⎠ .
−3
De manera similar se encuentra que el espacio ⎞ E2 de A correspondiente al valor
⎛ propio
3
propio λ = 2 es la recta generada por el vector ⎝ 1 ⎠ .
−2
Nótese que en este caso sólo hay dos espacios propios distintos y cada uno de ellos es
una línea recta, como se ilustra en la figura 14.4.

Figura 14.4.

Es claro entonces que A no tiene tres vectores propios linealmente independientes, ya

que dados tres vectores propios cualesquiera de A, por lo menos dos de ellos deben estar
en la recta E1 o en la recta E2 , y por tanto esos tres vectores propios son linealmente
dependientes. Luego la matriz A no es factorizable en la forma A = P DP −1 con P matriz
invertible y D matriz diagonal.

464 14. Valores propios y vectores propios

14.2 Matrices simétricas

Una matriz A de orden 3 se dice simétrica si ella es de la forma
⎛ ⎞
a b c
A = ⎝b d e ⎠
c e f

o equivalentemente, si A tiene la propiedad

AT = A
⎛ ⎞ ⎛ ⎞
Ejemplo 14.8 1 0 4 1 4 0
La matriz A = ⎝0 2 −1⎠ es simétrica, pero la matriz B = ⎝4 2 −8⎠ no lo es.
4 −1 3 3 1 3

Vimos en el capítulo 7 que las matrices simétricas de orden 2 tienen propiedades espe-
ciales en cuanto a valores y vectores propios se refiere. Pues bien, las matrices simétricas
de orden 3 tienen propiedades completamente análogas. En efecto, se tiene que:

Si A es una matriz 3 × 3 simétrica entonces,

1. Las raíces de la ecuación característica de A son todas reales.

2. Vectores propios de A, correspondientes a valores propios distintos, son or-
togonales.
3. A posee tres vectores propios mutuamente ortogonales y unitarios.
4. Si X1 , X2 , X3 son tres vectores propios de A mutuamente ortogonales y
unitarios, correspondientes respectivamente a los valores propios λ1 , λ2 , λ3 (los
cuales no tienen que ser distintos dos a dos) entonces la matriz
 
X1 X2 X3
Q=
| | |

la cual es invertible y con la propiedad Q−1 = QT , es tal que

⎛ ⎞
λ1 0 0
Q−1 AQ = ⎝ 0 λ2 0 ⎠
0 0 λ3

o equivalentemente ⎛ ⎞
λ1 0 0
QT AQ = ⎝ 0 λ2 0 ⎠
0 0 λ3

La prueba de 1. no se dará, pues ella requiere de conceptos y argumentos que están

fuera de los propósitos de este texto.
En las pruebas de 2. y 3. usaremos el siguiente resultado:
14.2. Matrices simétricas 465

Si A es una matriz simétrica de orden 3 entonces para todo par de vectores X,

Y de R3 se tiene que
(AX) .Y = X. (AY ) (14.9)

La prueba de este resultado es inmediata ya que, como sabemos, para toda matriz A
de orden 3, podemos escribir

(AX) .Y = (AX)T Y y (AX)T = X T AT

cualesquiera sean los vectores X y Y de R3 . Por tanto, si A es simétrica, es decir, si AT = A,
se tiene que
(AX) .Y = (AX)T Y = X T AT Y = X T AY = X T (AY ) = X.(AY )
para todo par de vectores X, Y de R3

Prueba de 2.
Sean X1 , X2 dos vectores propios de A, correspondientes a los valores propios λ1 , λ2
respectivamente. Supongamos que λ1 = λ2 y probemos que X1 y X2 son ortogonales, es
decir, X1 .X2 = 0.
Por una parte tenemos que
(AX1 ).X2 = (λ1 X1 ) .X2 = λ1 (X1 .X2 )
y por otra,
X1 .(AX2 ) = X1 . (λ2 X2 ) = λ2 (X1 .X2 )
Ahora, como (AX1 ).X2 = X1 .(AX2 ), según (14.9), entonces
λ1 (X1 .X2 ) = λ2 (X1 .X2 )
es decir,
(λ1 − λ2 ) (X1 .X2 ) = 0
y puesto que λ1 − λ2 = 0 (pues estamos suponiendo que λ1 = λ2 ) entonces X1 .X2 = 0,
como se quería probar. 

Se advierte al lector que la prueba de 3. presenta un grado de dificultad que supera el

nivel de este texto; si el lector lo desea, puede omitir su lectura.

Prueba de 3.
Ya se sabe que A tiene por lo menos un valor propio λ1 . Sea X1 un vector propio de
A, con X1  = 1, correspondiente al valor propio λ1 y consideremos el plano P que pasa
por el origen y que tiene a X1 como un vector normal (vea figura 14.5).

Figura 14.5.
466 14. Valores propios y vectores propios

Pues bien, probaremos que en el plano P hay dos vectores propios X2 y X3 de A

ortogonales y unitarios. Esto se probará considerando la transformación lineal T del espacio
cuya matriz es A y procediendo como se indica a continuación:

i) En primer lugar se prueba que

Si X ∈ P entonces T (X) ∈ P (14.10)

ii) Probado lo anterior, se considera la restricción T ∗ de T al plano P, es decir, la
transformación
T ∗ : P −→ P
X −→ T ∗ (X) = T (X)
iii) Se identifica el plano P con R2
iv) Identificado el plano P con R2 , la transformación T ∗ da lugar (en virtud de dicha
identificación) a una transformación lineal

T : R2 −→ R2

v) Se prueba que la matriz de T es simétrica.  

 u1
vi) Probado lo anterior ya se puede afirmar que T posee dos vectores propios ,
  u2
v1
ortogonales, pues esto es válido para toda transformación lineal del plano con matriz
v2
simétrica.    
u1 v1
vii) Se prueba que los vectores U, V de P que se identifican con y son
u2 v2
vectores propios de T ortogonales
viii) Finalmente, los vectores
1 1
X2 = U y X3 = V
U  V 
son dos vectores propios de T , es decir de A, ortogonales y unitarios en el plano P.
Daremos ahora los detalles del plan anterior.
i) Empezaremos por probar (14.10).
Sea X ∈ P. Entonces

T (X) · X1 = AX · X1
= X · AX1 (por (14.9))
= X · (λ1 X1 )
= λ1 (X · X1 )
= 0 (pues X · X1 = 0 ya que X ∈ P)

luego T (X) ∈ P
ii) Consideremos la transformación T ∗ . Es claro que para todo par de vectores X, Y
de P
T ∗ (X) · Y = X · T ∗ (Y ) (14.11)
ya que

T ∗ (X) · Y = T (X) · Y = AX · Y = X · AY = X · T (Y ) = X · T ∗ (Y )
14.2. Matrices simétricas 467

iii) Pasamos ahora a identificar el plano P con R2 .

Sean F1 , F2 dos vectores de P unitarios y ortogonales. Cada vector X de P puede ser
expresado de manera única como

X = x1 F1 + x2 F2

siendo
x1 = X · F1 y x2 = X · F2 (14.12)

Consideremos
  la función φ : P −→R2 la cual asigna al vector X = x1 F1 + x2 F2 de P,
x1
el par de R2 . Es claro que esta función es uno a uno y sobre, es decir, φ es biyectiva.
x2
Emplearemos
 la aplicación φ para identificar cada vector X = x1 F1 + x2 F2 del plano
x1
P con el par de R2 y con ello identificaremos el plano P con R2 .
x2  
1
Nótese que F1 se identifica con E1 = pues F1 = 1F1 + 0F2 ; similarmente F2 se
  0
0
identifica con E2 = .
1
iv) Una vez identificado el plano P con R2 , la transformación T ∗ : P −→ P da lugar a
una transformación
  T : R2 −→ R2 como  se explica
 a continuación:
x1 x1
Sea en R2 . Como ya sabemos, se identifica con el vector X = x1 F1 + x2 F2
x2 x2
de P; por otra parte, como T ∗ (X) es un vector de P, existen escalares x 1 , x
2 tales que

T ∗ (X) = x
1 F1 + x
2 F2
 
1
x
y así T ∗ (X) se identifica con el par de R2 . Pues bien, la transformación T envía
    
x2
x1 1
x
en .
x2 2
x
Resumiendo, la transformación T ∗ : P −→ P definida por

T ∗ (x1 F1 + x2 F2 ) = x
1 F1 + x
2 F2

da lugar a la transformación

T : R2 −→ R2   
x1 x1 1
x
−→ T =
x2 x2 2
x

Téngase presente que

   
x1 1
x
T ∗ (x1 F1 + x2 F2 ) = x
1 F1 + x
2 F2 ⇔ T = (14.13)
x2 2
x

En la figura 14.6 se ilustra la identificación entre P y R2 y la relación entre las trans-

formaciones T ∗ y T.
468 14. Valores propios y vectores propios

Figura 14.6.

Se deja al lector
 comprobar
 que T es una transformación lineal.
a c
v) Sea ahora la matriz de T. Veamos que esta matriz es simétrica:
b d
Puesto que    
 a  c
T (E1 ) = y T (E2 ) =
b d
entonces (vea (14.13)),

T ∗ (F1 ) = aF1 + bF2 y T ∗ (F2 ) = cF1 + dF2

y como sabemos (vea (14.12))

a = T ∗ (F1 ) · F1 , b = T ∗ (F1 ) · F2
c = T ∗ (F2 ) · F1 , d = T ∗ (F2 ) · F2

Ahora, usando (14.11), tenemos que

b = T ∗ (F1 ) · F2 = F1 · T ∗ (F2 ) = T ∗ (F2 ) · F1 = c

luego la matriz de T es simétrica.

 
 vi) Como
  la matriz de T es simétrica, podemos afirmar que T posee dos vectores propios
u1 v1
, ortogonales.
u2 v2  
u1
vii) Sea U = u1 F1 + u2 F2 el vector de P que se identifica con el par . Veamos que
u2
U es vector propio de A :
Para cierto valor propio λ de T se tiene
     
u1 u1 λu1
T =λ =
u2 u2 λu2
y por tanto (vea (14.13)),

T ∗ (u1 F1 + u2 F2 ) = (λu1 ) F1 + (λu2 ) F2 = λ (u1 F1 + u2 F2 )

es decir, el vector U = u1 F1 + u2 F2 del plano P, es tal que

T ∗ (U ) = λU
14.2. Matrices simétricas 469

o equivalentemente,
T (U ) = λU
lo cual prueba que el vector U del plano P es un vector propio de T, y por tanto, de la
matriz A. De manera similar se prueba que el vector V = v1 F1 + v2 F2 es un vector propio
de A en el plano P.
Finalmente, los vectores U y V son ortogonales, pues

U ·V = (u1 F1 + u2 F2 ) · (v1 F1 + v2 F2 )
= u1 v1 + u2 v2
   
u1 v1
= ·
u2 v2
   
u1 v1
= 0 (ya que y son ortogonales)
u2 v2

viii) Por último, los vectores

1 1
X2 = U y X3 = V
U  V 

son dos vectores propios de A ortogonales y unitarios en el plano P. Así, los vectores X1 ,
X2 , X3 son tres vectores propios de A ortogonales y unitarios. 

Prueba de 4.
Sean X1 , X2 , X3 vectores propios de A ortogonales y unitarios, correspondientes a los
valores propios λ1 , λ2 , λ3 , y sea
 
X1 X2 X3
Q=
| | |

Como X1 , X2 , X3 son vectores propios de A linealmente independientes (pues son

vectores de propios de A ortogonales y no nulos) entonces la matriz Q es invertible y tal
que ⎛ ⎞
λ1 0 0
A = Q ⎝ 0 λ2 0 ⎠ Q−1
0 0 λ3
o, equivalentemente, ⎛ ⎞
λ1 0 0
Q−1 AQ = ⎝ 0 λ2 0 ⎠ (14.14)
0 0 λ3
Veamos ahora que la matriz Q tiene la propiedad QT = Q−1 .
Para ello basta probar que
QT Q = I3
Digamos que
⎛⎞ ⎛ ⎞ ⎛⎞
x1 x2 x3
X1 = ⎝ y1 ⎠ , X2 = ⎝ y2 ⎠ y X3 = ⎝ y3 ⎠
z1 z2 z3
470 14. Valores propios y vectores propios

Entonces
⎛ ⎞⎛ ⎞
x1 y1 z1 x1 x2 x3
QT Q = ⎝x2 y2 z2 ⎠ ⎝y1 y2 y3 ⎠
x3 y3 z3 z1 z2 z3
⎛ ⎞
X1 · X1 X1 · X2 X1 · X3
= ⎝X2 · X1 X2 · X2 X2 · X3 ⎠
X3 · X1 X3 · X2 X3 · X3
Ahora, como X1 , X2 , X3 son ortogonales
X1 · X2 = X1 · X3 = X2 · X3 = 0
y como X1 , X2 , X3 son unitarios
X1 · X1 = X2 · X2 = X3 · X3 = 1
Luego, ⎛ ⎞
1 0 0
QT Q = ⎝0 1 0⎠ = I3
0 0 1
como se quería probar.
Es claro entonces que la igualdad (14.14) es equivalente a la igualdad
⎛ ⎞
λ1 0 0
T
Q AQ = 0 ⎝ λ2 0 ⎠ 
0 0 λ3

Una matriz Q invertible y con la propiedad QT = Q−1 es llamada una matriz ortogo-
nal. Observe que en la prueba anterior (prueba de 4.) se ha probado que si las columnas de
una matriz Q son vectores ortogonales y unitarios entonces Q es una matriz ortogonal; el
lector puede probar fácilmente que, recíprocamente, si Q es una matriz de orden 3 ortogonal
entonces sus columnas son vectores unitarios mutuamente ortogonales.
Observe que de los resultados en el último recuadro se obtiene el siguiente corolario:

Si A es una matriz simétrica 3 × 3 entonces existen matrices Q y D, de orden 3,

con Q ortogonal y D diagonal, tales que
QT AQ = D

Este resultado se usará en el capítulo siguiente, para probar (empleando matrices y

vectores) que toda ecuación de segundo grado
ax2 + by 2 + cz 2 + dxy + exz + fyz + gx + hy + iz + j = 0
con d = 0 o e = 0 o f = 0, siempre se puede transformar mediante una rotación del sistema
xyz, en una ecuación de segundo grado de la forma
 2  2  2
a x + b y  + c z  + g x + h y + i z  + j  = 0
(que carece de términos cruzados x y  , x z  y y  z  ).
14.2. Matrices simétricas 471

Ejemplo 14.9
Considere la matriz simétrica
⎛ ⎞
3 −1 0
A = ⎝−1 2 −1⎠
0 −1 3
a) Halle los valores propios de A y sus correspondientes espacios propios.
b) Halle matrices Q ortogonal y D diagonal tales que QT AQ = D.
Solución:
a) La ecuación característica de A es
 
3 − λ −1 0 
 
 −1 2 − λ −1  = 0
 
 0 −1 3 − λ
El lector puede comprobar fácilmente que esta ecuación es

(1 − λ) (3 − λ) (4 − λ) = 0

Las raíces de esta ecuación son los números λ1 = 1, λ2 = 3 y λ3 = 4, los cuales son los
valores propios de A.
Los espacios propios E1 , E3 y E4 son, respectivamente, los conjuntos solución de los
sistemas
(A − I3 ) X = O, (A − 3I3 ) X = O y (A − 4I3 ) X = O
Resolviendo estos sistemas se encuentra que
⎛ ⎞
1
E1 es la recta generada por el vector Y1 = ⎝ 2 ⎠ ,
1
⎛ ⎞
1
E3 es la recta generada por el vector Y2 = ⎝ 0 ⎠ ,
−1
⎛ ⎞
1
E4 es la recta generada por el vector Y3 = ⎝ −1 ⎠ .
1
Observe que los vectores Y1 , Y2 , Y3 son ortogonales dos a dos y por tanto las rectas E1 ,
E3 , E4 son mutuamente perpendiculares, como lo son los ejes coordenados.

b) Considere los vectores Y1 , Y2 , Y3 indicados en a), los cuales son vectores propios de
A ortogonales. Normalizándolos obtenemos los vectores unitarios
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 1
1 1 ⎝ ⎠ 1 1 ⎝ 1 1
X1 = Y1 = √ 2 , X2 = Y2 = √ 0 ⎠ , X3 = Y3 = √ ⎝ −1 ⎠
Y1  6 Y2  2 Y3  3
1 −1 1
los cuales siguen siendo vectores propios de A ortogonales dos a dos, correspondientes a
los valores propios 1, 3, 4 respectivamente, ya que X1 ∈ E1 , X2 ∈ E2 y X3 ∈ E4 .
Por tanto, la matriz
⎛ √ √ √ ⎞
  1/√6 1/ 2 1/ √3
X1 X2 X3
Q= = ⎝2/√6 0√ −1/√ 3⎠
| | |
1/ 6 −1/ 2 1/ 3
472 14. Valores propios y vectores propios

es una matriz ortogonal tal que

QT AQ = D
donde ⎛ ⎞
1 0 0
D = ⎝0 3 0⎠

0 0 4
Ejemplo 14.10
Considere la matriz simétrica
⎛ ⎞
5 4 2
A = ⎝4 5 2⎠
2 2 2
a) Halle los valores propios de A y los correspondientes espacios propios.
b) Halle matrices Q ortogonal y D diagonal tales que QT AQ = D.
Solución:
a) El lector puede comprobar que
det (A − λI3 ) = (1 − λ)2 (10 − λ)
y por tanto la ecuación característica de A es
(1 − λ)2 (10 − λ) = 0
Las raíces de esta ecuación son los números λ1 = 1 (esta raíz se repite, apareciendo dos
veces) y λ2 = 10 (raíz que no se repite). Por tanto, los dos valores propios de A son λ1 = 1
(que aparece dos veces) y λ2 = 10 (que aparece una sola vez).
Los espacios propios E1 y E10 son, respectivamente, los conjuntos solución de los sistemas
(A − I3 ) X = O y (A − 10I3 ) X = O
Resolviendo
⎛ ⎞ estos sistemas
⎛ ⎞se encuentra que E1 es el plano generado por los ⎛ vectores
⎞
−1 −1 2
Y1 = ⎝ 1 ⎠ y Y2 = ⎝ 0 ⎠ , y E10 es la recta generada por el vector Y3 = ⎝ 2 ⎠ .
0 2 1
Observe que el vector Y3 es ortogonal tanto a Y1 como a Y2 , de manera que la recta E10
es perpendicular al plano E1 ; nótese además, que Y1 y Y2 no son ortogonales. La situación
de los espacios propios y de los vectores Y1 , Y2 , Y3 se ilustra en la figura 14.7.

Figura 14.7.
14.2. Matrices simétricas 473

Todos los vectores no nulos en el plano E1 son vectores propios de A correspondientes al

valor propio λ1 = 1; es claro entonces que en E1 hay dos vectores propios de A ortogonales
y unitarios. Una manera de hallarlos es la siguiente: ⎛ ⎞
x
Fijemos (por ejemplo) el vector Y1 y hallemos en el plano E1 un vector ⎝ y ⎠ ortogonal
z
a Y1 .
Puesto que una ecuación para el plano E1 es

2x + 2y + z = 0
⎛ ⎞ ⎛ ⎞
2 x
(pues Y3 = ⎝ 2 ⎠ es un vector normal al plano E1 ) entonces el vector ⎝ y ⎠ debe
1 z
satisfacer esta ecuación y además ser ortogonal a Y1 , es decir, debe satisfacer también la
ecuación
−x + y = 0
Resolviendo el sistema
2x + 2y + z = 0
−x + y = 0
⎛ ⎞
x
encontramos que sus soluciones son los vectores ⎝ y ⎠ de la forma
z
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x −z/4 −1/4
⎝ y ⎠ = ⎝ −z/4 ⎠ = z ⎝ −1/4 ⎠
z z 1

Luego,
⎛ un⎞ vector del plano E1 ortogonal al vector Y1 es, por ejemplo, el vector
1
Y2∗ = ⎝ 1 ⎠ el cual se obtiene haciendo z = −4 en la igualdad anterior.
−4
Por tanto, los vectores Y1 y Y2∗ son dos vectores propios de A, ortogonales, correspon-
dientes al valor propio 1.
Tenemos así que los vectores
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
−1 1 2
Y1 = ⎝ 1 ⎠ , Y2∗ = ⎝ 1 ⎠ , Y3 = ⎝ 2 ⎠
0 −4 1

son vectores propios de A ortogonales dos a dos. Normalizándolos obtenemos los vectores
unitarios
⎛ ⎞ ⎛ ⎞
−1 1
1 1 1 1
X1 = Y1 = √ ⎝ 1 ⎠ , X2 = ∗ Y2∗ = √ ⎝ 1 ⎠ ,
Y1  2 Y2  3 2
0 −4
⎛ ⎞
2
1 1⎝ ⎠
X3 = Y3 = 2
Y3  3
1
474 14. Valores propios y vectores propios

los cuales siguen siendo vectores propios de A ortogonales, con X1 , X2 correspondiendo al

valor propio λ1 = 1 y X3 correspondiendo al valor propio λ2 = 10.
Por tanto, la matriz
⎛ √ √ ⎞
  −1/√ 2 1/3√2 2/3
X1 X2 X3
Q= = ⎝ 1/ 2 1/3 √2 2/3⎠
| | |
0 −4/3 2 1/3

es una matriz ortogonal tal que

QT AQ = D
donde ⎛ ⎞
1 0 0
D = ⎝0 1 0 ⎠

0 0 10

14.3 Ejercicios

Sección 14.1

1. Sea A una matriz de orden 3 tal que su ecuación característica es

det (A − λI) = −λ3 + 5λ2 − 3λ − 9 = 0

a) Hallar los valores propios de A.

b) Para cada una de las siguientes matrices determinar si ella es invertible: A + I,
A + 3I, A − 3I.
c) Hallar el determinante de A.

2. a) Sea T la transformación lineal del espacio definida por

⎛ ⎞ ⎛ ⎞
x 3x + 7y + 9z
T ⎝ y ⎠ = ⎝ −4x − 5y + z ⎠
z 2x + 4y + 4z
⎛ ⎞ ⎛ ⎞
4 2
Determinar si X = ⎝ −3 ⎠ y Y = ⎝ −1 ⎠ son vectores propios de T y si alguno
1 3
de ellos lo es, decir a cuál valor propio corresponde.
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 1 1 1 1
b) Sea A = ⎝a b c ⎠ . Sabiendo que X = ⎝ 1 ⎠ , Y = ⎝ 0 ⎠ y Z = ⎝ −1 ⎠
d e f 1 −1 0
son vectores propios de A, hallar los escalares a, b, c, d, e y f.

3. a) Probar que si A es una matriz triangular superior o inferior de orden 3 entonces

los valores propios de A son las componentes de su diagonal principal.
b) Para la matriz A dada en cada numeral, hallar los valores propios de A y los
correspondientes espacios propios.
14.3. Ejercicios 475
⎛ ⎞ ⎛ ⎞
2 1 0 −2 0 0
i) A = ⎝0 2 1⎠ ii) A = ⎝ 0 3 0 ⎠
0 0 2 0 0 −2

4. Para la matriz A dada en cada numeral:

a) Hallar los valores propios de A.
b) Hallar los espacios propios de A e interpretarlos geométricamente.
c) ¿Posee A tres vectores propios linealmente independientes? En caso afirmativo,
hallarlos.
⎛ ⎞ ⎛ ⎞
1 3 3 4 0 0
i) A = ⎝−3 −5 −3⎠ ii) A = ⎝1 4 0⎠
3 3 1 0 0 5
⎛ ⎞ ⎛ ⎞
1 1 −1/2 −2 −4 −3
iii) A = ⎝ 1/2 3/2 −1/2⎠ iv) A = ⎝ 4 6 3⎠
−1/2 −1 1 −3 −3 −1

5. Para la transformación lineal T dada en cada numeral:

a) Hallar los valores propios de T.
b) Hallar los espacios propios de T e interpretarlos geométricamente.
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
2 1 3 x z
⎝
i) T es tal que m (T ) = 1 2 3 ⎠ ii) T ⎝ y ⎠ = ⎝ 0 ⎠
3 3 10 z 0
iii) T es la transformación nula de R3 .
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
0 1 0
iv) T es tal que T (E1 ) = ⎝ ⎠
0 , T (E2 ) = ⎝ 0 ⎠ y T (E3 ) = ⎝ 1 ⎠
1 −3 3
v) T es la transformación identidad de R3 .
vi) T = Rxθ con 0 ≤ θ ≤ 2π
⎞⎛ ⎛ ⎞
1 −3
6. Hallar una matriz A de orden 3 tal que los vectores X1 = ⎝ 1 ⎠, X2 = ⎝ 0 ⎠
1 1
⎛ ⎞
−2
y X3 = ⎝ 1 ⎠ son vectores propios de A correspondientes respectivamente a los
0
valores propios λ1 = 6, λ2 = 0 y λ3 = 0.

7. Para la matriz A, dada en cada literal, encontrar al menos un valor de c para el cual
A tenga tres vectores propios linealmente independientes, en R3 .
⎛ ⎞ ⎛ ⎞
1 0 0 1 0 0
a) A = ⎝0 0 1⎠ b) A = ⎝0 2 1⎠
0 c 0 c 0 0

8. Para la matriz A, dada en cada literal, determinar si existen matrices P invertible y

D diagonal tales que A = P DP −1 y en caso afirmativo, hallar tales matrices.
476 14. Valores propios y vectores propios

⎛ ⎞ ⎛ ⎞
4 0 1 3 0 0
a) A = ⎝2 3 2⎠ b) A = ⎝0 2 0⎠
1 0 4 0 1 2
⎛ ⎞ ⎛ ⎞
1 0 0 −3 −7 −5
c) A = ⎝0 1 1⎠ d) A = ⎝ 2 4 3⎠
0 1 1 1 2 2

9. Sea T una transformación lineal del espacio.

a) Demostrar que todo vector propio de T corresponde a un único valor propio de T ,
es decir, un vector propio de T no puede pertenecer a dos espacios propios diferentes.
b) Demostrar que si X es un vector propio de T correspondiente a un valor propio
λ entonces para todo c ∈ R, c = 0, el vector cX también es un vector propio de T
correspondiente a λ.
c) Demostrar que si X y Y son vectores propios de T correspondientes a un valor
propio λ entonces X + Y también es un vector propio de T correspondiente a λ,
siempre que X + Y = O.
d) Demostrar que si U es un vector propio de T correspondiente a un valor propio λ
y LU es la recta generada por el vector U entonces la imagen bajo T de cada vector
de LU es también un vector de LU .

Sección 14.2

10. Para la matriz dada, en cada literal, hallar los valores de a, b y c de tal forma que la
matriz sea simétrica.
⎛ ⎞ ⎛ ⎞
1 2 1 1 a 3
a) ⎝a 2 1⎠ b) ⎝b 2 4⎠
b c 3 3 c 0
⎛ ⎞ ⎛ ⎞
a −2 1 2 a − 2b + 2c 2a + b + c
c) ⎝−2 3 b⎠ d) ⎝3 5 a+c ⎠
c 0 1 0 −2 7

11. Para la matriz A, dada en cada literal, determinar si A es ortogonal y, en caso

afirmativo, hallar su inversa.
⎛ √ √ √ ⎞ ⎛ ⎞
−1/ 2 1/ √6 1/√3 cos θ senθ 0
a) A = ⎝ 0√ −2/√ 6 1/√3⎠ b) A = ⎝−senθ cos θ 0⎠
1/ 2 1/ 6 1/ 3 0 0 1
⎛ √ ⎞ ⎛ ⎞
0 1 1/ 2 1/2 −1/3 0
c) A = ⎝1 0 0√ ⎠ d) A = ⎝1/3 1/2 0⎠
0 0 1/ 2 0 0 1

12. a) Mostrar que la matriz de la rotación Rxθ por el ángulo θ, alrededor del eje x, es
una matriz ortogonal, cualquiera sea el ángulo θ.
b) Mostrar que la matriz de la reflexión respecto al plano x + y + z = 0 es una matriz
ortogonal .
14.3. Ejercicios 477
⎛ √ √ ⎞
a 1/√2 −1/√ 2
13. a) Hallar escalares a, b, c tales que la matriz ⎝ b 1/√6 1/√6 ⎠ sea una matriz
c 1/ 3 1/ 3
ortogonal.
b) Demostrar que si la matriz de coeficientes del sistema

a1 x + a2 y + a3 z = d1
b1 x + b2 y + b3 z = d2
c1 x + c2 y + c3 z = d3

es
⎛ una⎞ matriz ortogonal entonces el sistema posee como única solución el vector
x
⎝ y ⎠ para el cual
z
x = a1 d1 + b1 d2 + c1 d3
y = a2 d1 + b2 d2 + c2 d3
z = a3 d1 + b3 d2 + c3 d3
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
5 −4 −2 −2 1
14. Sean A = ⎝−4 5 2 ⎠ , X = ⎝ 2 ⎠ y Y = ⎝ 1 ⎠ . Sin calcular los espacios
−2 2 2 1 0
propios de A :
a) Verificar que X y Y son vectores propios de A.
b) Hallar matrices Q ortogonal y D diagonal tales que D = QT AQ.
⎛ ⎞ ⎛ ⎞
3 1 1 −1
15. Sean A = ⎝1 3 1⎠ y X = ⎝ 1 ⎠. Sin calcular la ecuación característica de A :
1 1 3 0
a) Mostrar que 5 es un valor propio de A y encontrar el espacio propio de A corres-
pondiente a dicho valor propio.
b) Mostrar que X es vector propio de A y determinar su valor propio correspondiente.
c) ¿Posee A factorización D = QT AQ con Q matriz ortogonal y D matriz diagonal?
En caso afirmativo, encontrar matrices Q y D con las propiedades anteriores.

16. Para la matriz A dada en cada numeral:

a) Hallar los valores propios y su respectivos espacios propios. Interpretar geométri-
camente cada espacio propio.
b) Verificar que vectores propios de A correspondientes a valores propios diferentes
son mutuamente ortogonales.
c) ¿Posee A tres vectores propios unitarios y ortogonales? En caso afirmativo, ha-
llarlos.
d) Hallar matrices Q ortogonal y D diagonal tales que D = QT AQ.
⎛ ⎞ ⎛ ⎞
−4 0 0 0 1 1
i) A = ⎝ 0 2 3⎠ ii) A = ⎝1 0 1⎠
0 3 2 1 1 0
478 14. Valores propios y vectores propios

⎛ ⎞ ⎛ ⎞
1 −1 1 1 3 4
iii) A = ⎝−1 1 −1⎠ iv) A = ⎝3 1 0⎠
1 −1 1 4 0 1
17. Sea A una matriz de orden 3 tal que⎛sus valores ⎞ son λ1 = −5 y λ2 = 3;
⎞ ⎛ propios
−1 0
además E−5 es el plano generado por ⎝ 1 ⎠ , ⎝ 1 ⎠ y E3 es la recta generada
0 −1
⎛ ⎞
1
por ⎝ 1 ⎠ .
1
a) ¿Es la matriz A factorizable en la forma A = P DP −1 con P matriz invertible
y D matriz diagonal? En caso afirmativo, hallar matriz P y D con las propiedades
anteriores.
b) ¿Es la matriz A factorizable en la forma A = QDQT con Q matriz ortogonal y D
matriz diagonal? En caso afirmativo, hallar Q y D con la propiedades anteriores.
c) Hallar la matriz A.

18. Si A es matriz simétrica de orden 3 tal que sus únicos valores propios
⎛ ⎞ λ1 = 2 y
son
1
λ2 = −3 y el espacio propio E2 es la recta generada por el vector ⎝ −1 ⎠ :
−1
a) Hallar el espacio propio E−3 .
b) Hallar matrices Q ortogonal y D diagonal tales que D = QT AQ.
c) Hallar la matriz A.