520142:

ALGEBRA y ALGEBRA LINEAL

Segundo Semestre 2009, Universidad de Concepcin

CAPITULO 13.
VALORES Y VECTORES PROPIOS
DEPARTAMENTO DE INGENIERIA MATEMATICA
Facultad de Ciencias Fsicas y Matemticas

Valores y vectores propios

Convencin:

Por V se denota un espacio vectorial sobre el cuerpo K,

donde K = R o bien K = C, y por T : V V un operador lineal.

Definicin: Valor propio.
existe v V , v 6= , tal que:

Un escalar K es un valor propio de T si

T v = v.

Si es un valor propio de T , a cada v V , v 6= , que satisface la

igualdad anterior se llama un vector propio de T asociado a .
Observacin:
Los valores propios tambin se llaman valores caractersticos o
valores espectrales de T .

Valores y vectores propios

Definicin: Espectro.

El conjunto formado por todos los valores

propios de T se llama espectro de T :

(T ) := { K : es valor propio de T }.

Definicin: Subespacio propio.

Si es un valor propio de T , se define

el subespacio propio asociado a por

S := {v V : T v = v}.
Observaciones:
S = Ker(T I), donde I : V V es la transformacin identidad.
no es un vector propio de T .

Valores y vectores propios

Propiedades

Si es valor propio de T y k N, entonces:

k es valor propio de T k , donde T k denota a T compuesto k veces

consigo mismo.
Si T es invertible, entonces 6= 0 y

Teorema

es valor propio de T 1 .

Si V tiene dimensin finita y B es una base para V ,

entonces
(T ) Det([T I]B ) = 0.

Valores y vectores propios

Definicin: Valor propio de una matriz.

Sea A Mn (C). Un escalar

C es un valor propio de A si existe x Cn , x 6= , tal que:

Ax = x.

Cada x Cn , x 6= , que satisface la igualdad anterior se llama un vector

propio de A asociado a .
Definiciones
(A) := { C : es valor propio de A}

( espectro de A )

S := {x Cn : Ax = x}.
La expresin Det(A I) es un polinomio de grado n en la variable
, se llama polinomio caracterstico de A y Det(A I) = 0 es la
ecuacin caracterstica de A.
Observacin:

Cada matriz A Mn (C) tiene n valores propios en C

(contando su multiplicidad).
5

Valores y vectores propios

Definicin

Sea A Mn (C) y sean 1 , . . . , k sus valores propios

diferentes tales que

Det(A I) = (1 )r1 (k )rk
donde r1 + + rk = n.
Para cada i = 1, . . . , k se definen la
multiplicidad algebraica de i por ri y la multiplicidad geomtrica de i
por gi := dim(Si ).
Propiedades

Sea A Mn (C), entonces:

para cada i (A), gi ri ,

Det(A) = r11 rkk ,
(At ) = (A),
A es invertible 0 6 (A),

Valores y vectores propios

Si A, B Mn (C) son semejantes, entonces:

Teorema

Det(A I) = Det(B I).

(A) = (B).
Det(A) = Det(B).
tr(A) = tr(B).
Observacin

Si V tiene dimensin finita y B es cualquier base de V ,

entonces
(T ) ( [T ]B ) K.
v V : T v = v [T ]B [v]B = [v]B .
7

Valores y vectores propios

Ejemplo

El operador T : K2 K2 definido por

x
y

y
x

tiene como matriz asociada (respecto a la base cannica de K2 ) a

0 1

.
A=
1 0
La ecuacin caracterstica de A es p() := Det(A I) = 2 + 1 = 0 y
tiene raices 1 = i y 2 = i, luego (A) = {i, i}.
Si K = C, entonces 1 y 2 son tambin los valores propios T .
Sin embargo, si K = R entonces, T no tiene valores propios.
8

Valores y vectores propios

Teorema

Si 1 , . . . , k son valores propios de T distintos entre s y

v1 , . . . , vk son los vectores propios asociados, entonces {v1 , . . . , vk } es

l.i..

Corolario

Si 1 , . . . , k son valores propios de T distintos entre s y

Bi es una base para el espacio propio Si . Entonces B = B1 Bk

es una base para S := S1 Sk .

Definicin

Sea V un espacio de dimensin finita. Un operador lineal

T : V V se dice diagonalizable si existe una base B de V tal que

[T ]B es diagonal.

Valores y vectores propios

Teorema

Sea V un espacio de dimensin finita y T : V V un

operador lineal. Sean 1 , . . . , k los valores propios diferentes de T y B

una base cualquiera de V . Entonces son equivalentes:
T es diagonalizable.
Cada valor propio de [T ]B est en K y su multiplicidad algebraica y
geomtrica son iguales.
dim(V ) = dim(S1 ) + + dim(Sk ).
V tiene una base formada por vectores propios de T .

Corolario

Si T tiene dim(V ) valores propios diferentes, T es

diagonalizable.

10

Valores y vectores propios

Observacin

Sea V un espacio de dimensin finita.

Si B es

una base de V formada por vectores propios de T , entonces

[T ]B = diag(1 , . . . , n ) donde 1 , . . . , n son los valores propios de T .

Definicin

Dos matrices A y B Mnn (C) se dicen semejantes si

existe una matriz invertible P Mnn (C) tal que A = P BP 1 .

Definicin

Una matriz A de orden n se dice diagonalizable si es

semejante a una matriz diagonal.

Teorema

Si A = P DP 1 con D matriz diagonal, entonces

D = diag(1 , ..., n ) donde i es el valor propio de A asociado al i-simo

vector columna de P .
11

Valores y vectores propios

Teorema

Sea A Mn (R) simtrica. Entonces:

los valores propios de A son reales,

vectores propios asociados a valores propios diferentes son
ortogonales,
existe una base ortogonal de Rn formada por vectores propios de A.
Observaciones:
En el caso de A Mn (C), el teorema anterior vale tambin si A es
una matriz hermitiana, es decir, A = At .
Toda matriz simtrica (o hermitiana) A se puede escribir como
t ).
QDQt , donde Q1 = Qt (o Q1 = Q
12

Valores y vectores propios

Teorema

Si A = P DP 1 , con D = diag(1 , ..., n ), entonces:

m
Am = P D m P 1 , donde D m = diag(m
1 , ..., n ).

Si A es invertible, entonces A1
1
D 1 = diag(1
,
...,

n ).
1
Teorema de Cayley-Hamilton

P D 1 P 1 ,

donde

Sea T L(V ) donde V es un K-

espacio vectorial de dimensin n. Si p es el polinomio caracterstico de

T , entonces p(T ) = L(V ) y p([T ]B ) = Mn (K), cualquiera sea la
matriz asociada [T ]B .

13

Valores y vectores propios

Aplicacin: Ecuaciones en diferencias

La serie de Fibonacci, definida por:
f1 = f2 = 1

fn+1 = fn + fn1 ,

cuando n 2.

Se puede calcular con la ayuda de una matriz de la siguiente manera:

As:

fn+1
fn

fn+1

fn

1 1

1 0

n
1
1 1
.

=
1
1 0

fn
fn1

14

Valores y vectores propios

Diagonalizando la matriz y usando el teorema anterior se obtiene:

1 1
1 0

= 1/ 5
1

2
1

n+1

n+1

1
= 1/ 5 2
n2 n1

De donde:

fn =

n2

n1

(1 +

n1
0

0
n2

n1
n1
2
1

5) (1

n
2 5

5)n

2
1

n2 n1

15

Valores y vectores propios

Aplicacin: Cadenas de Markov
Dadas dos ciudades vecinas (1) y (2) se considera:
pij = porcentaje de personas que cada ao se mudan de (i) a (j),
pii = porcentaje de personas que cada ao se quedan en la ciudad (i).
As, si incialmente en la ciudad (1) hay x0 personas, y en la (2) hay y0 ,
las poblacines en el n-simo ao, xn e yn , estn dadas por:

xn
yn

0, 8 0, 3
0, 2 0, 7

x0
y0

16

Valores y vectores propios

Diagonalizando y aplicando el teorema anterior se obtiene:

= 1
5
2
0, 2 0, 7
0, 8 0, 3

1
1

1n
0

0
0, 5n

2 3

Entonces cuando n crece, las poblaciones convergen a:

x
y

= (x0 + y0 )

0, 6
0, 4

17

Valores y vectores propios

Aplicacin: Cnicas

Considere la siguiente ecuacin:

5x2 + 5y 2 6xy = 1,

se puede escribir en forma matricial como:



5
3

3
5

x
y

= 1,

diagonalizando la matriz, se obtiene:

x y

1
2
1
2

12
1
2

2 0
0 8

1
2
12

1
2
1
2

x
y

= 1,

18

Valores y vectores propios

Definiendo

x
y

x y

12

1
2
1
2

que representan las

1
2

coordenadas de (x, y) con respecto a la base: {( 12 , 12 ), ( 12 , 12 )}, se

x
2
y2

transforma en la ecuacin:
+
= 1, que corresponde
2
2
(1/ 2) (1/(2 2))
a una elipse de radios: 1/ 2 y 1/(2 2).
y
y

x
0,5
0,25

0,25

0,5

19