Valores y Vectores Propios

Departamento de Matematicas, CSI/ITESM

1 de abril de 2009

Indice
9.1. Deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
9.2. Determinaci on de los valores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
9.3. El teorema del factor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
9.4. Multiplicidad algebraica de un valor propio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
9.5. Espacios Invariantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
9.6. Multiplicidad geometrica de un valor propio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
9.1. Deniciones
Denici on
Sea A una matriz cuadrada, un n umero real se dice que es un valor propio o un eigenvalor o un valor
caracterstico de A si existe un vector, diferente del vector cero, x tal que:
Ax = x
Es decir, es un vector que al transformarlo mediante la multiplicaci on por A el vector resultante mantiene
su direccion, posiblemente solo su longitud y/o sentido se modique. El vector x se llama vector propio o
eigenvector asociado al valor propio .
Ejemplo
Para la matriz A indique cu ales vectores son vectores propios.
A =
_
1 2
2 1
_
v
1
=
_
1
1
_
, v
2
=
_
2
3
_
, v
3
=
_
1
1
_
, v
4
=
_
0
2
_
Soluci on
Debemos multiplicar cada vector por la matriz A y ver si el vector resultante es un m ultiplo escalar del vector.
Av
1
=
_
1 2
2 1
_ _
1
1
_
=
_
3
3
_
= 3
_
1
1
_
v
1
s es vector propio de A asociado al valor propio 3.
Av
2
=
_
1 2
2 1
_ _
2
3
_
=
_
8
7
_
= k
_
2
3
_
v
2
no es vector propio de A.
Av
3
=
_
1 2
2 1
_ _
1
1
_
=
_
1
1
_
= 1
_
1
1
_
v
3
s es vector propio de A asociado al valor propio -1.
Av
4
=
_
1 2
2 1
_ _
0
2
_
=
_
4
2
_
= k
_
0
2
_
v
4
no es vector propio de A.
Ejercicio 1
Cuales son vectores propios a la matriz
A =
_

33
2
51
2
27
2

83
4
121
4
57
4
57
4

75
4

27
4
_

_
_
_
3
3
2
_
_
,
_
_
1
2
5
_
_
,
_
_
4
2
2
_
_
,
_
_
6
8
6
_
_
,
_
_
1
1
4
_
_
,
_
_
0
1
1
_
_
Ejemplo
El vector
v =
_
_
2
4
4
_
_
es un vector propio de la matriz
A =
_
_
5 0 3
16
5
1
18
5
2 0 2
_
_
Determine el valor propio al cual esta asociado.
Soluci on
Determinemos Av:
_
_
5 0 3
16
5
1
18
5
2 0 2
_
_
_
_
2
4
4
_
_
=
_
_
2
4
4
_
_
= 1
_
_
2
4
4
_
_
Por tanto, v esta asociado al valor propio = 1 de la matriz A.
Ejercicio 2
Los vectores
_
_
3
2
1
_
_
,
_
_
1
2
2
_
_
,
_
_
0
6
0
_
_
,
_
_
9
6
3
_
_
s son vectores propios de la matriz
A =
_
_
5 0 3
16
5
1
18
5
2 0 2
_
_
.
Determine los valores propios a los cuales estan asociados.
2
9.2. Determinacion de los valores propios
Sea
o
un valor propio de la matriz cuadrada A, as existe un vector diferente cero de x
o
tal que:
Ax
o
=
o
x
o
=
o
I
n
x
o
Por tanto:
Ax
o

o
I
n
x
o
= (A
o
I
n
) x
o
= 0
Si B = A
o
I
n
lo anterior signica que el sistema homogeneo n n
Bx = 0
tiene ademas de la solucion trivial otra soluci on (x = x
o
= 0). Por consiguiente, no tiene soluci on unica. Y
por tanto, el determinante de la matriz B debe ser cero:
det(B) = det (A
o
I
n
) = 0.
Resumiendo:
Todo valor propio
o
debe ser raz del polinomio caracterstico asociado a A:
p
A
() = det (AI
n
) (1)
y un vector propio asociado al valor propio debe ser soluci on al sistema homogeneo:
(AI
n
) x = 0 (2)
Ejemplo
Determine los valores y los vectores propios correspondientes de las matrices:
A
1
=
_
1 2
2 1
_
, A
2
=
_
1 1
0 1
_
, A
3
=
_
1 2
1 2
_
Soluci on
Para A
1
:
p
A
() = det (AI
2
) = det
__
1 2
2 1
_

_
1 0
0 1
__
p
A
1
() = det
__
1 2
2 1
_

_
0
0
__
= det
__
1 2
2 1
__
p
A
1
() =

1 2
2 1

= (1 )
2
4
p
A
1
() =
2
2 3 = ( 3) ( + 1)
Por tanto, los unicos valores propios de A
1
son
1
= 3 y
2
= 1.
Vector propio para
1
= 3
Debe ser solucion al sistema homogeneo:
(A
1
I
2
) x = 0
Es decir:
__
1 2
2 1
_
(3)
_
1 0
0 1
__
x = 0
3
Desarrollando y nalmente aplicando Gauss-Jordan:
_
1 3 2
2 1 3
_
x = 0
_
2 2 0
2 2 0
_

_
1 1 0
0 0 0
_
Convirtiendo en ecuacion y poniendo en la notaci on vectorial:
x y = 0 x = y
_
x
y
_
= y
_
1
1
_
Lo anterior indica que cualquier vector de la forma:
y
_
1
1
_
es un vector propio asociado a
1
= 3; nosotros nos conformaremos con uno: digamos el que se obtiene para
y = 1:
_
1
1
_
Vector propio para
2
= 1
Debe ser solucion al sistema homogeneo:
(A
1
I
2
) x = 0
Es decir:
__
1 2
2 1
_
(1)
_
1 0
0 1
__
x = 0
Desarrollando y nalmente aplicando Gauss-Jordan:
_
1 + 1 2
2 1 + 1
_
x = 0
_
2 2 0
2 2 0
_

_
1 1 0
0 0 0
_
Convirtiendo en ecuacion y poniendo en la notaci on vectorial:
x + y = 0 x = y
_
x
y
_
= y
_
1
1
_
Lo anterior indica que cualquier vector de la forma:
y
_
1
1
_
es un vector propio asociado a
2
= 1; nosotros nos conformaremos con uno: digamos el que se obtiene para
y = 1:
_
1
1
_
Para la matriz A
2
:
p
A
2
() = det
__
1 1
0 1
_

_
0
0
__
= det
__
1 1
0 1
__
p
A
2
() =

1 1
0 1

= (1 )
2
4
Por tanto, el unico valor propio de A
2
es
1
= 1.
Vector propio para
1
= 1
Debe ser solucion al sistema homogeneo:
(A
2
I
2
) x = 0
Es decir:
__
1 1
0 1
_
(1)
_
1 0
0 1
__
x = 0
Desarrollando y nalmente aplicando Gauss-Jordan:
_
1 1 1
0 1 1
_
x = 0
_
0 1 0
0 0 0
_

_
0 1 0
0 0 0
_
Convirtiendo en ecuacion y poniendo en la notaci on vectorial:
y = 0
_
x
y
_
= x
_
1
0
_
Lo anterior indica que cualquier vector de la forma:
x
_
1
0
_
es un vector propio asociado a
1
= 1; nosotros nos conformaremos con uno: digamos el que se obtiene para
y = 1:
_
1
0
_
Para la matriz A
3
:
p
A
3
() = det
__
1 2
1 2
_

_
0
0
__
= det
__
1 2
1 2
__
El polinomio caracterstico queda:
p
A
3
(t) = t
2
3 t + 4
Como este polinomio tiene races complejas, A
3
no tiene valores ni vectores propios

Ejercicio 3
Determine el polinomio caracterstico, los valores propios, y vectores propios asociados a la matriz:
A =
_

1
2
7
4

9
4

5
4
11
8

5
8

15
4

63
8
17
8
_

_
9.3. El teorema del factor
De los cursos basicos de ecuaciones algebraicas es importante recordar el teorema del factor:
Teorema 9.1
Sea p(x) un polinomio. Un n umero c es raz del polinomio p(x), es decir p(x = c) = 0 si y solo si
x c divide a p(x). Es decir, al hacer la divisi on de p(x) entre x c el residuo es cero.
5
De hecho, p(c) es precisamente el residuo de la divisi on de p(x) entre xc. Y este residuo puede calcularse
por medio de un proceso elemental conocido como divisi on sintetica:
a
n
a
n1
a
1
a
0
c
c a
n

a
n
a
n1
+ c a
n
p(c)
9.4. Multiplicidad algebraica de un valor propio
Denici on
Sea A una matriz cuadrada y
o
un valor propio. Como hemos visto debe ser raz del polinomio caracterstico
de A p
A
() as:
(
o
) | p
A
()
Al mayor exponente m que cumple
p
A
() = (
o
)
m
q()
le llamaremos la multiplicidad algebraica de
o
.
Ejercicio 4
Determine la multiplicidad algebraica de cada uno de los vectores propios de la matriz
A =
_
_
5 5 2
3 2 3
7 5 4
_
_
9.5. Espacios Invariantes
Teorema 9.2
Sea A una matriz cuadrada y un escalar cualquiera entonces
{x R
n
|Ax = x}
es un subespacio lineal de R
n
.
Demostraci on
1. No es vaco pues: A0 = 0 = 0. Es decir, 0 es un elemento del conjunto.
2. Si Ax
1
= x
1
y Ax
2
= x
2
:
A(x
1
+x
2
) = Ax
1
+Ax
2
= x
1
+ x
2
= (x
1
+x
2
)
Es decir, que si x
1
y x
2
son elementos del conjunto, la suma de ellos tambien es un vector en el conjunto
al cumplir la propiedad que dene al conjunto.
3. Si Ax
1
= x
1
:
A(cx
1
) = cAx
1
= cx
1
= (cx
1
)
Es decir, que si un vector x
1
pertence al conjunto y c es un escalar cualquiera, entonces, el vector cx
1
tambien pertenece al conjunto al cumplir la propiedad.
6
Por tanto, el conjunto dado es un espacio lineal

Observe que en la armaci on del teorema anterior no se requiere que el escalar sea un valor propio. Sin
embargo, el conjunto anterior es diferente de {0} solo cuando el valor es efectivamente un valor propio.
Ejercicio 5
Demuestre que si V es un espacio lineal y posee al menos un vector diferente del vector cero,
entonces la dimensi on es mayor que 1.
Sugerencia. Tome el vector que no es cero, y forme un conjunto solo con el: muestre que el conjunto
es linealmente independiente.
9.6. Multiplicidad geometrica de un valor propio
Denici on
Por el resultado anterior: Siendo
o
un valor propio el anterior conjunto es un espacio lineal diferente de {0}
as tiene dimensi on mayor que cero: la dimensi on del espacio anterior se llamar a multiplicidad geometrica del
valor propio
o
.
Teorema 9.3
La dimensi on geometrica de un valor propio es menor o igual que la dimensi on algebraica.
Ejemplo
Determine la dimensi on y una base para el espacio propio asociado a = 3 para la matriz:
A =
_

1
2
7
4

9
4

5
4
11
8

5
8

15
4

63
8
17
8
_

_
Soluci on
El espacio propio de un valor es el conjunto de soluciones al sistema homogeneo:
(AI) x = 0
En este caso queda:
[A(3)I|0] =
_
_
5/2 7/4 9/4 0
5/4 35/8 5/8 0
15/4 63/8 41/8 0
_
_
Despues de eliminacion gaussiana obtenemos:
_
_
1 0 2/3 0
0 1 1/3 0
0 0 0 0
_
_
Como solo hay una variable libre, entonces la dimensi on geometrica del espacio propio de = 3 es 1. Y una
base es:
_
_
_
_
_
2/3
1/3
1
_
_
_
_
_
7
Como se trabaja en R
3
, el espacio propio es una lnea que pasa por el origen y que tiene direccion <
2/3, 1/3, 1 >

por consiguiente tiene ecuaciones simetricas:

x 0
2/3
=
y 0
1/3
=
z 0
1

Ejercicio 6
Determine la dimensi on y una base para el espacio propio asociado a = 2 para la matriz:
A =
_
_
5 5 2
3 2 3
7 5 4
_
_
En este ejemplo debido a estar en
3
los espacios deberan ser {0}, lneas, planos o todo
3
: Cu al
caso aplica? En caso de ser posible, encuentre la(s) ecuaciones correspondientes.
Teorema 9.4
Si los vectores v
1
, v
2
, . . . , v
k
son vectores propios asociados a valores propios diferentes entonces el
conjunto formado por ellos es linealmente independiente.
Demostraci on
Llamemos
i
al valor propio al cual esta asociado el vector v
i
. Supongamos que el conjunto de vectores
es linealmente dependiente. Puesto que ning un vector propio puede ser el vector cero , de esta suposici on
deducimos entonces que un vector v
i
debe ser combinaci on lineal de los anteriores. Escojamos aquel que tiene
el menor ndice posible, digamos j , as: v
j
es combinaci on lineal de los vectores v
1
,. . . ,v
j1
y ning un vector
v
i
es combinacion lineal de los anteriores para i = 2, 3, . . . , j 1. Tenemos
v
j
= c
1
v
1
+ c
2
v
2
+ + c
j1
v
j1
Multiplicando por A, y utilizando que cada v es vector propio, obtenemos

j
v
j
= c
1

1
v
1
+ + c
j1

j1
v
j1
Si multiplicamos la primera de estas ecuaciones por
j
y se la restamos a la segunda obtenemos:
0 = c
1
(
1

j
) v
1
+ + c
j1
(
j1

j
) v
j1
Como el conjunto formado por los vectores v
1
,. . . ,v
j1
es linealmente independiente , al no ser un vector
combinacion de los restantes , se deduce que todos los coecientes de esta ultima ecuacion deben ser cero:
c
i
(
i

j
) = 0 para i = 1, . . . , j 1
Como los valores propios son diferentes entre si:
i

j
= 0. As son los c
i
= 0 para i = 1, . . . , j 1. As la
formula inincial de este teorema queda:
v
j
= 0v
1
+ + 0v
j1
= 0
Pero esto es imposible pues ning un vector propio es el vector cero. Esta contradicci on arma que el conjunto
formado por los vectores es linealmente independiente

Ejercicio 7
Investigue como se obtienen los valores y vectores propios en una calculadora avanzada. Documente-
se de cu al es el formato en el cual se presentan los resultados.
8