Valores y Vectores Propios

Departamento de Matematicas, CSI/ITESM

1 de abril de 2009

Indice
9.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
9.2. Determinacion 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. Definiciones
Definici 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 multiplicacion por A el vector resultante mantiene
su direccion, posiblemente solo su longitud y/o sentido se modifique. 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.
 
1 2
A=
2 1
       
1 2 1 0
v1 = , v2 = , v3 = , v4 =
1 3 1 2
Soluci
on
Debemos multiplicar cada vector por la matriz A y ver si el vector resultante es un m
ultiplo escalar del vector.
      
1 2 1 3 1
Av1 = = =3
2 1 1 3 1
v1 s es vector propio de A asociado al valor propio 3.
      
1 2 2 8 2
Av2 = = 6= k
2 1 3 7 3
v2 no es vector propio de A.
      
1 2 1 1 1
Av3 = = = 1
2 1 1 1 1
v3 s es vector propio de A asociado al valor propio -1.
      
1 2 0 4 0
Av4 = = 6= k
2 1 2 2 2

v4 no es vector propio de A.
Ejercicio 1

Cuales son vectores propios a la matriz

33 51 27

2 2 2
83 121 57

4
A=
4 4
57
4 75
4 27
4

3 1 4 6 1 0
3 , 2 , 2 , 8 , 1 , 1
2 5 2 6 4 1

Ejemplo
El vector
2
v= 4
4
es un vector propio de la matriz
5 0 3
A = 16
5 1 18
5

2 0 2
Determine el valor propio al cual esta asociado.
Soluci
on
Determinemos Av:
5 0 3 2 2 2
16 1 18 4 = 4 = 1 4
5 5
2 0 2 4 4 4
Por tanto, v esta asociado al valor propio = 1 de la matriz A.
Ejercicio 2

Los vectores
3 1 0 9
2 , 2 , 6 , 6
1 2 0 3
s son vectores propios de la matriz

5 0 3
A = 16
5 1 18
5
.
2 0 2

Determine los valores propios a los cuales estan asociados.

2
9.2. Determinaci
on de los valores propios
Sea o un valor propio de la matriz cuadrada A, as existe un vector diferente cero de xo tal que:

Axo = o xo = o In xo
Por tanto:
Axo o In xo = (A o In ) xo = 0
Si B = A o In lo anterior significa que el sistema homogeneo n n

Bx = 0

tiene ademas de la soluci

on trivial otra soluci
on (x = xo 6= 0). Por consiguiente, no tiene soluci
on u
nica. Y
por tanto, el determinante de la matriz B debe ser cero:

det(B) = det (A o In ) = 0.

Resumiendo:

Todo valor propio o debe ser raz del polinomio caracterstico asociado a A:

pA () = det (A In ) (1)

y un vector propio asociado al valor propio debe ser soluci

on al sistema homogeneo:

(A In ) x = 0 (2)

Ejemplo
Determine los valores y los vectores propios correspondientes de las matrices:
     
1 2 1 1 1 2
A1 = , A2 = , A3 =
2 1 0 1 1 2

Soluci
on
Para A1 :    
1 2 1 0
pA () = det (A I2 ) = det
2 1 0 1
     
1 2 0 1 2
pA1 () = det = det
2 1 0 2 1
 
 1 2 
pA1 () =  = (1 )2 4
2 1 

pA1 () = 2 2 3 = ( 3) ( + 1)
Por tanto, los u
nicos valores propios de A1 son 1 = 3 y 2 = 1.
Vector propio para 1 = 3
Debe ser soluci
on al sistema homogeneo:
(A1 I2 ) x = 0
Es decir:    
1 2 1 0
(3) x=0
2 1 0 1

3
Desarrollando y finalmente aplicando Gauss-Jordan:
     
13 2 2 2 0 1 1 0
x=0
2 13 2 2 0 0 0 0

Convirtiendo en ecuacion y poniendo en la notaci

on vectorial:
   
x 1
xy =0x=y =y
y 1

Lo anterior indica que cualquier vector de la forma:

 
1
y
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 soluci
on al sistema homogeneo:
(A1 I2 ) x = 0
Es decir:    
1 2 1 0
(1) x=0
2 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
     
1+1 2 2 2 0 1 1 0
x=0
2 1+1 2 2 0 0 0 0

Convirtiendo en ecuacion y poniendo en la notaci

on vectorial:
   
x 1
x + y = 0 x = y =y
y 1

Lo anterior indica que cualquier vector de la forma:

 
1
y
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 A2 :
     
1 1 0 1 1
pA2 () = det = det
0 1 0 0 1
 
 1 1  = (1 )2

pA2 () = 
0 1 

4
Por tanto, el u
nico valor propio de A2 es 1 = 1.
Vector propio para 1 = 1
Debe ser soluci
on al sistema homogeneo:
(A2 I2 ) x = 0
Es decir:    
1 1 1 0
(1) x=0
0 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
     
11 1 0 1 0 0 1 0
x=0
0 11 0 0 0 0 0 0

Convirtiendo en ecuacion y poniendo en la notaci

on vectorial:
   
x 1
y=0 =x
y 0

Lo anterior indica que cualquier vector de la forma:

 
1
x
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 A3 :
     
1 2 0 1 2
pA3 () = det = det
1 2 0 1 2

El polinomio caracterstico queda:

pA3 (t) = t2 3 t + 4
Como este polinomio tiene races complejas, A3 no tiene valores ni vectores propios

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

12 7 9

4 4
5 11

A= 4 8 85

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 x c. Y este residuo puede calcularse
por medio de un proceso elemental conocido como divisi on sintetica:

an an1 a1 a0 c
c an
an an1 + c an p(c)

9.4. Multiplicidad algebraica de un valor propio

Definici
on
Sea A una matriz cuadrada y o un valor propio. Como hemos visto debe ser raz del polinomio caracterstico
de A pA () as:
( o ) | pA ()
Al mayor exponente m que cumple
pA () = ( 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

5 5 2
A = 3 2 3
7 5 4

9.5. Espacios Invariantes

Teorema 9.2
Sea A una matriz cuadrada y un escalar cualquiera entonces

{x Rn |Ax = x}

es un subespacio lineal de Rn .

Demostraci
on

1. No es vaco pues: A0 = 0 = 0. Es decir, 0 es un elemento del conjunto.

2. Si Ax1 = x1 y Ax2 = x2 :

A (x1 + x2 ) = Ax1 + Ax2 = x1 + x2 = (x1 + x2 )

Es decir, que si x1 y x2 son elementos del conjunto, la suma de ellos tambien es un vector en el conjunto
al cumplir la propiedad que define al conjunto.

3. Si Ax1 = x1 :
A (cx1 ) = cAx1 = cx1 = (cx1 )
Es decir, que si un vector x1 pertence al conjunto y c es un escalar cualquiera, entonces, el vector cx1
tambien pertenece al conjunto al cumplir la propiedad.

6
Por tanto, el conjunto dado es un espacio lineal

Observe que en la afirmacion 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 geom

etrica de un valor propio
Definicion
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 dimension 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:

21 7 9

4 4
5 11

A= 4 8 85

15
4 63
8
17
8

Solucion
El espacio propio de un valor es el conjunto de soluciones al sistema homogeneo:

(A I) x = 0

En este caso queda:

5/2 7/4 9/4 0
[A (3)I|0] = 5/4 35/8 5/8 0
15/4 63/8 41/8 0
Despues de eliminaci
on 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 R3 , 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:
x0 y0 z0
= =
2/3 1/3 1

Ejercicio 6
Determine la dimensi
on y una base para el espacio propio asociado a = 2 para la matriz:

5 5 2
A = 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 v1 , v2 , . . . , vk 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 vi . 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 vi debe ser combinaci on lineal de los anteriores. Escojamos aquel que tiene
el menor ndice posible, digamos j , as: vj es combinaci on lineal de los vectores v1 ,. . . ,vj1 y ning
un vector
vi es combinacion lineal de los anteriores para i = 2, 3, . . . , j 1. Tenemos
vj = c1 v1 + c2 v2 + + cj1 vj1
Multiplicando por A, y utilizando que cada v es vector propio, obtenemos
j vj = c1 1 v1 + + cj1 j1 vj1
Si multiplicamos la primera de estas ecuaciones por j y se la restamos a la segunda obtenemos:
0 = c1 (1 j ) v1 + + cj1 (j1 j ) vj1
Como el conjunto formado por los vectores v1 ,. . . ,vj1 es linealmente independiente , al no ser un vector
combinaci
on de los restantes , se deduce que todos los coeficientes de esta u
ltima ecuacion deben ser cero:
ci (i j ) = 0 para i = 1, . . . , j 1
Como los valores propios son diferentes entre si: i j 6= 0. As son los ci = 0 para i = 1, . . . , j 1. As la
f
ormula inincial de este teorema queda:
vj = 0v1 + + 0vj1 = 0
Pero esto es imposible pues ning
un vector propio es el vector cero. Esta contradicci
on afirma 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.