Conceptos teóricos mı́nimos para la guı́a práctica 7 - Álgebra lineal

Autovectores y autovalores

Definición 7.1. Sea A ∈ Rn×n una matriz cuadrada. Un vector v ∈ Rn , v 6= ~0, es un autovector de
A (o vector propio), si existe λ ∈ R tal que:

A · v = λ v.

En dicho caso, se dice que el número λ es un autovalor de A (o valor propio) y que el vector v es
un autovector de A asociado al autovalor λ.

Observar que se exige que v 6= ~0 porque A · ~0 = ~0 = λ ~0 para todo λ ∈ R, de donde resultarı́a (sin
dicha restricción) que todos los números λ serı́an autovalores de A.

Definición 7.2. Sea T : Rn −→ Rn una transformación lineal. Un vector v ∈ Rn , v 6= ~0, es un

autovector de T asociado al autovalor λ, si T (vv ) = λ v .

Observar que entonces todos los elementos no nulos de N (T ) son autovectores de T de autovalor
λ = 0 (aunque, en general, no son los únicos autovalores). Esto es porque si v ∈ N (T ), v 6= ~0 entonces
T (v) = ~0 = 0 v.
En general vale que si v es un autovector de A asociado a λ, entonces cualquier múltiplo (no nulo)
α v (α ∈ R6=0 ) también es un autovector asociado al mismo autovalor λ. También vale que si v y w son
ambos autovectores asociados al mismo autovalor λ, entonces cualquier combinación lineal α v + β w
(para α, β ∈ R) resulta ser un autovector asociado al mismo autovalor λ. Esto permite decir que los
autovectores de un mismo autovalor forman un subespacio (si agregamos el ~0).

Definición 7.3. Dada una matriz A ∈ Rn×n , el conjunto Sλ = {vv ∈ Rn /A · v = λvv } siempre es un
subespacio y se lo llama el autoespacio asociado al autovalor λ.

Proposición 7.4. Dada A ∈ Rn×n , entonces

λ es autovalor de A ⇐⇒ det (A − λ I ) = 0.

Esto es ası́ porque:

A · v = λ v para v 6= ~0, v ∈ Rn ⇔ A · v − λ v = ~0 para v 6= ~0 ⇔ (A − λ I) · v = ~0 para v 6= ~0 ⇔
x1 !
x2
existe v 6= ~0 tal que v ∈ N (A − λ I) ⇔ (A − λ I) .. = ~0 tiene infinitas soluciones ⇔ A − λ I no
.
xn
es inversible ⇔ det(A − λ I) = 0.

La equivalencia de la Proposición 7.4 permite calcular los autovalores de A sin necesidad de calcular
a los respectivos autovectores.

Definición 7.5. Dada A ∈ Rn×n , el polinomio PA (λ) =det(A − λ I ) es un polionomio de grado n y se

llama polinomio caracterı́stico de A. Sus raı́ces son los autovalores de A.

Proposición 7.6. Si B y B 0 son dos bases de Rn , y T : Rn −→ Rn es una transformación lineal,

entonces las matrices MBB (T ) y MB 0 B 0 (T ) tienen los mismos autovalores.

Esto vale porque se puede hacer el siguiente razonamiento:

λ es autovalor de MBB (T ) ⇔ det MBB (T ) − λI = 0 ⇔

1
    


⇔ det CB 0 B · MB 0 B 0 (T ) · CBB 0 −λ CB 0 B · CBB 0 = 0 ⇔ det CB 0 B · MB 0 B 0 (T )−λI ·CBB 0 = 0 ⇔
| {z } | {z }
MBB (T ) I


⇔ det (CB 0 B ) det MB 0 B 0 (T ) − λI det (CBB 0 ) = 0 ⇔
−1
CB 0 B =CBB 0
−1
0 )



⇔ 0 B 0 (T ) − λI

det (C det M det (C 0) = 0 ⇔ det M 0 B 0 (T ) − λI =0 ⇔
z}|{ 
   BB B   BB B

⇔ λ es autovalor de MB 0 B 0 (T )

La proposición anterior no tiene por qué valer si se consideran matrices MAB (T ) para A y B bases
distintas.

Proposición 7.7. Sea T : Rn −→ Rn una transformación lineal y B una base de Rn . Si v es un

autovector de T asociado al autovalor λ y A = MBB (T ) es la matriz asociada a T en la base B (como
base de salida y de llegada) , entonces [vv ]B es un autovector de la matriz A asociado al mismo autovalor
λ.

Esto es ası́ pues

A · [vv ]B = MBB (T ) · [vv ]B = [T (vv )]B = [λ v ]B = λ [vv ]B .

Notación: el conjunto de raı́ces (complejas, eventualmente repetidas según su multiplicidad) del poli-
nomio caracterı́stico de una matriz cuadrada A será denotado con λ(A), considerando las multiplicidades
de las raı́ces (escribiendo repetidas veces las raı́ces según su 
multiplicidad
 algebraica).
−1 0 0
Por ejemplo, si A = ( 10 21 ) entonces λ(A) = {1, 1}. Y si A0 = 0 −1 0 entonces λ (A0 ) = {−1, −1, 3+
0 0 3+i
i}
n n

similiar, para una transformación lineal T : R → R denotaremos a los autovalores de
De manera
λ MBB (T ) con λ(T ).

Proposición 7.8. Si λi 6= λj ∀i 6= j y v1 , v2 , · · · , vr son autovectores de A asociados a los autovalores

λ1 , λ2 , · · · , λr respectivamente, entonces el conjunto {vv1 , v2 , · · · , vr } es linealmente independiente.

Proposición 7.9. Si λ y µ son autovalores distintos de una misma matriz A ∈ Rn×n , entonces los
autoespacios Sλ y Sµ se intersecan únicamente en el vector nulo. Es decir, si λ 6= µ son autovalores,
entonces Sλ ∩ Sµ = {~0}.

Veamos ahora un ejemplo donde utilicemos la mayorı́a de los conceptos antes mencionados.

Ejemplo 7.10. Sea T : R3 → R3  la transformación

 lineal que se obtiene a partir de la multiplicación
1 3 0
por la matriz M (T ) = MEE (T ) =  1 −1 0 .
0 0 1

1. Calcular T (3, 1, 1) , T (2, −2, 0) y T (0, 0, −3) y decidir si alguno de los vectores dados es autovector
de T . En caso afirmativo determinar el autovalor asociado.

2. Calcular los autovalores de M (T ).

3. Determinar los autovectores asociados a cada autovalor de M (T ).

4. Informar los autoespacios de la transformación lineal T .

2
Resolución:
1. Comencemos calculando los transformados de los vectores pedidos. Como la transformación lineal
está dada en su matriz de base canónica a base canónica obtenmos los transformados multiplicando
la matriz por cada vector dado:
     
1 3 0 3 6
T (3, 1, 1) =  1 −1 0  ·  1  =  2  que no es múltiplo del vector de salida, por lo
0 0 1 1 1
tanto (3, 1, 1) no es autovector de la transformación T .
    
1 3 0 2 −4
T (2, −2, 0) =  1 −1 0 · −2  =  4  que es múltiplo del vector de salida, (−4, 4, 0) =
0 0 1 0 0
−2.(2, −2, 0) por lo tanto (2, −2, 2) es autovector de la transformación T y su autovalor asociado
es λ = −2.
    
1 3 0 0 0
T (0, 0, −3) =  1 −1 0 · 0  =  0  que es múltiplo del vector de salida, (0, 0, −3) =
0 0 1 −3 −3
1.(0, 0, −3) por lo tanto (0, 0, −3) es autovector de la transformación T y su autovalor asociado
es λ = 1.

2. Calculemos ahora el polinomio caracterı́stico para luego calcular los autovalores. Recordemos 7.4.
   
1 3 0 1 0 0
PA (λ) = det (A − λ I ) = det  1 −1 0  − λ  0 1 0  =
0 0 1 0 0 1
 
1−λ 3 0
= det  1 −1 − λ 0  = (1 − λ) · (λ2 − 4)
0 0 1−λ
Calculando las raı́ces del polinomio caracterśitico obtenemos los autovalores asociados a la trans-
formación lineal, en este caso obtuvimos que los autovalores de M (T ) son:
λ(T ) = {1, 2, −2} .

3. Conociendo los autovalores de la transformación lineal podemos ahora buscar los autovectores
asociados planteando para cada λ encontrado en el punto anterior el siguiente sistema:
[M (T ) − λ.I] · x = ~0.

λ1 = 1
     
0 3 0 x1 0
Resolvemos entonces ahora el siguiente sistema:  1 −2 0  ·  x2  =  0 . Su
0 0 0 x3 0
conjunto solución es x = (0, 0, x3 ), pero para que x sea autovector debe ser x3 ∈ R6=0
(recordemos que un autovector debe ser no nulo). De estos infinitos autovectores asociados
al autovalor λ1 = 1 solamente es posible conseguir uno linealmente independiente. Tomamos
entonces como autovector asociado al autovalor 1 al vector v1 = (0, 0, 1).
λ2 = 2
    
−1 3 0 x1 0
Resolvemos el siguiente sistema:  1 −3 0  ·  x2  =  0  de donde los autovec-
0 0 −1 x3 0
tores correspondientes son los = (3x2 , x2 , 0) con x2 ∈ R6=0 . De estos infinitos autovectores
x
asociados al autovalor λ2 = 2 solamente es posible conseguir uno linealmente independiente.
Tomamos entonces como autovector asociado al autovalor 2 al vector v2 = (3, 1, 0).

3
 λ3 = −2
    
3 3 0 x1 0
Resolvemos el siguiente sistema:  1 1 0 · x2
   =  0  de donde los autovectores
0 0 −1 x3 0
correspondientes son los x = (−x2 , x2 , 0) con x2 ∈ R6=0 . De estos infinitos autovectores
asociados al autovalor λ3 = −2 solamente es posible conseguir uno linealmente independiente.
Tomamos entonces como autovector asociado al autovalor −2 al vector v3 = (1, −1, 0).
Podemos entonces decir que el conjunto

{vλ1 , vλ2 , vλ3 } = {(0, 0, 1) , (3, 1, 0) , (1, −1, 0)}

es un conjunto de autovectores de T correspondientes a λ1 = 1, λ2 = 2, λ3 = −2.

4. Teniendo los autovectores asociados a la transformación lineal los autoespacios correspondientes

son los subespacios generados por dichos autovectores, en este caso tenemos:

Sλ1 = S1 = gen {(0, 0, 1)} , Sλ2 = S2 = gen {(3, 1, 0)} , Sλ3 = S−2 = gen {(1, −1, 0)} .

Observar que el conjunto de autovectores correspondientes a autovalores distintos es un conjunto

linealmente independiente, por lo tanto se verifica que:
n o
Sλ1 ∩ Sλ2 ∩ Sλ3 = S1 ∩ S2 ∩ S−2 = ~0

como expresa la propiedad 7.9

Proposición 7.11. Una matriz A ∈ Rn×n se dice diagonalizable si existe una matriz diagonal D ∈
Rn×n y una matriz inversible C ∈ Rn×n tales que A = CDC −1 .

Proposición 7.12. Una matriz A ∈ Rn×n es diagonalizable si y sólo si tiene n autovectores linealmente
independientes v1 , v2 , · · · , vn (eventualmente correspondientes a autovalores con multiplicidad mayor que
uno).
En este caso C es la matriz cuyas columnas son las coordenadas de v1 , v2 , · · · , vn en la base canónica:
 
  λ1 0 · · · 0
v1 v2 . . . vn  0 λ2 0 
C=   . . .  , y además D = 
 
     .. . . .. 
y y y  . . . 
| {z } 0 0 · · · λn
CBE

donde λi es el autovalor asociado a vi con i = 1, 2, · · · , n. Es decir, C es la matriz de cambio de

coordenadas de la base de autovectores B = {vv1 , v2 , · · · , vn } a la base canónica E de Rn , o sea C = CBE .

Definición 7.13. La transformación lineal T : Rn −→ Rn se dice diagonalizable si existe una base

B de Rn tal que MBB (T ) es diagonal.

Observar que entonces, si B = {vv1 , v2 , · · · , vn } es una base de autovectores de T , entonces

 
  λ1 0 ··· 0  −1
[v
1 ]E [v
2 ]E . . . [v
n ]E  0 λ2 0  [v1
 ]E [v2
 ] E . . . [vn ] E
MEE (T ) =     ·  .. .. ..  ·     

y

y . . . 
y  . . .  
y

y ... 
y
| {z } 0 0 · · · λn | {z }
CBE −1
CBE =CEB

para E la base canónica de Rn .

4
  
λ1 0 · · · 0
 0 λ2 0 
Por otro lado, usando la base B: MBB (T ) =  , que permite una manera muy
 
.. .. ..
 . . . 
0 0 · · · λn
sencilla de operar con T (en coordenadas de la base B).
Esta última igualdad vale porque
   
[T v1 ]B [T v2 ]B . . . [T vn ]B [λ1v1 ]B [λ1
v2 ]B . . . [λ1
vn ]B
MBB (T ) =     =    

y

y ... 
y

y

y ... 
y
0
 λ1   
0 λ2
0 0
y como [λ1 v1 ]B = λ1 [v1 ]B =  . , [λ2 v2 ]B = λ2 [v2 ]B = .. , . . . porque {v1 , v2 , · · · , vn } forman la

.. .
0 0
base B y [v1 ]B = (1, 0, 0, . . . , 0), [v2 ]B = (0, 1, 0, . . . , 0), . . . resulta que
 
λ1 0 · · · 0
 0 λ2 0 
MBB (T ) ==  ..
 
. . .. 
 . . . 
0 0 · · · λn

Teorema 7.14. Sea T : Rn −→ Rn una transformación lineal. Entonces, son equivalentes las dos
siguientes condiciones:
existe B una base de Rn formada por autovectores de T ,

MBB (T ) es una matriz diagonal.

T es diagonalizable.
Proposición 7.15. Si T : Rn −→ Rn es una transformación lineal que tiene n autovalores distintos,
entonces T es diagonalizable.
Observación: En el ejemplo 7.10 hemos encontrado que M (T ) ∈ R3x3 tiene tres autovalores reales y
distintos, λ1 = 1, λ2 = 2, λ3 = −2, por lo tanto por 7.12 la matriz es diagonalizable.
Esto es ası́, ya que fue posible encontrar una base del espacio vectorial de salida, en este caso R3 ,
formado por autovectores de T :

{vλ1 , vλ2 , vλ3 } = {v1 , v2 , v−2 } = {(0, 0, 1) , (3, 1, 0) , (1, −1, 0)} ,
 
0 3 1
por lo tanto existen las matrices C = CBE =  0 1 −1  (cuyas columnas son los autovectores
1 0 0 
1 0 0
v1 , v2 , v3 , en coordenadas de la base canónica) y D =  0 2 0  (matriz diagonal formada por los
0 0 −2
autovalores correspondientes a los autovectores de la base). Observar que se verifica que:

M (T ) = C · D · C −1
       
1 3 0 0 3 1 1 0 0 0 0 1
y en nuestro caso:  1 −1 0  =  0 1 −1  ·  0 2 0  ·  14 1
4
0 
1 3
0 0 1 1 0 0 0 0 −2 4
−4 0
 
−3 0 0
Ejemplo 7.16. Decidir si la matriz A =  1 −5 3  es diagonalizable.
0 0 −3

5
 Resolución:
Para determinar si es diagonalizable, tenemos que ver si es posible formar una base del espacio vectorial
3
R con autovectores de la matriz A. Comencemos buscando los autovalores.
   
−3 0 0 1 0 0
PA (λ) = det (A − λ I ) = det  1 −5 3  − λ  0 1 0  =
0 0 −3 0 0 1
 
−3 − λ 0 0
= det   1 −5 − λ 3  = (−3 − λ)2 · (−5 − λ),
0 0 −3 − λ
por lo tanto, las raı́ces de PA (λ) son {λ1 = −3, λ2 = −5}, con −3 raı́z de multipilicidad 2.
Sabemos que a los autovalores −3 y −5 le corresponden autovectores linealmente independientes por
ser autovalores reales y distintos. Podemos entonces encontrar como mı́nimo una base de dimensión
2 formada por autovectores de A. Tendremos que analizar si es posible encontrar dos autovectores
linealmente independientes para el autovalor λ1 = −3.
Busquemos entonces los autovectores asociados al autovalor λ1 = −3 resolviendo el siguiente sistema:
     
0 0 0 x1 0
 1 8 3  ·  x2  =  0 
0 0 0 x3 0
cuyo conjunto solución es x = (−8x2 − 3x3 , x2 , x3 ). Recordar que para que x sea autovector deben ser
x3 6= 0 o x2 6= 0. De estos infinitos autovectores asociados al autovalor λ1 = −3 podemos conseguir como
máximo dos vectores que sean linealmente independiente entre si. Tomamos entonces como autovectores
asociados al autovalor −3 los vectores v1 = (−8, 1, 0) y v2 = (−3, 0, 1) .
Como fue posible encontrar dos autovectores linealmente independientes para el autovalor que es raı́z
doble del polinomio caracterı́stico, y como el otro autovalor real −5 (distinto a -3) tiene un autovector
que será linealmente independiente a los autovectores del autovalor −3, podemos asegurar entonces que
es posible encontrar tres autovectores de A que sean linealmente independientes. Por lo tanto podemos
encontrar una base de R3 formada por autovectores de A, por lo tanto la matriz A es diagonalizable
(Proposición 7.12).

Observación: No toda matrı́z es diagonalizable, esto ocurre cuando existe un autovalor real que es raı́z
con multiplicidad mayor que 1 del polinomio y no es posible encontrar una base del espacio vectorial
formada por autovectores de dicha matriz.  Para que veaun ejemplo se propone que encuentre los
1 3 0
autovalores y autovectores de la matriz A =  1 −1 0 .
0 0 2

Proposición 7.17. Sea T : Rn → Rn una transformación lineal cualquiera, sean λ 6= µ dos autovalores
distintos y sean Sλ = N (T − λI) y Sµ = N (T − µI) los autoespacios respectivos, entonces Sλ ∩ Sµ = {0}.

Proposición 7.18. Sea T : Rn → Rn una transformación lineal, sean B, B 0 bases de Rn y sean MBB (T )
y MB 0 B 0 (T ) las representaciones matriciales respectivas, entonces:

(a) det (MBB (T )) = det (MB 0 B 0 (T ))

(b) det (MBB (T ) − x I) = det (MB 0 B 0 (T ) − x I) .

De la proposición anterior podemos concluir que tanto el determinante como el polinomio caracterı́stico
son independientes de la base elegida para representar la transformación lineal (siempre y cuando se
elija la misma en el dominio y en el codominio). Esto nos permite definir tales conceptos para una
transformación lineal T : Rn → Rn , donde B es una base cualquiera de Rn :



det(T ) := det MBB (T ) y PT (x) := PMBB (T ) (x) = det MBB (T ) − x I .

6
 3 3 3
Ejemplo 7.19. Sea B = {(1, −1,  2, 0)} base de R y sea T : R → R la transfor-
0) ; (0, 0, 1) ; (−3,
−3 2 9
mación lineal tal que MBE (T ) =  4 4 −9 . Decidir si T es diagonalizable y en caso afirmativo
2 0 −6
0
encontrar una base B tal que MB 0 B 0 (T ) sea diagonal.

Resolución:
Para calcular los autovalores primero tenemos que encontrar la matriz de la transformación T en un
par de bases iguales, en este caso buscaremos M (T ) = MEE (T ). Para ello tenemos que encontrar la
−1
matriz de cambio de base CEB que la obtenemos
 calculando CBE .
1 0 −3
Sabemos que CBE =  −1 0 2  (los vectores de la base B puestos como columnas), por lo
0 1 0  
−2 −3 0
−1
tanto calculando su inversa tendremos que CEB = CBE = 0 0 1 .
−1 −1 0
Utilizando el cambio de base obtenemos que MEE (T ) = MBE (T ) · CEB , es decir:
     
−3 2 9 −2 −3 0 −3 0 2
MEE (T ) =  4 4 −9  ·  0 0 1  =  1 −3 4 
2 0 −6 −1 −1 0 2 0 0

A partir de ahora operamos como en los ejemplos anteriores buscando los autovalores y luego los
autovectores correspondientes. Se obtiene que los autovalores son λ(T ) = {1 , −3 , −4}, y por lo
tanto, resulta que T es diagonalizable (por la Proposición 7.14).
Buscamos un autovector asociado a cada autovalor para definir ası́ la base B 0 . Haciendo los cálculos
correspondientes se obtiene que B 0 = {(4, 9, 8) , (0, 1, 0) , (2, 2, −1)} pues
 son autovectores
 asociados
1 0 0
a los autovalores 1 , −3 , −4 respectivamente. Por lo tanto MB B (T ) =
0 0  0 −3 0 .
0 0 −4
Proposición 7.20. Sea T : Rn → Rn una transformación lineal y sea λ(T ) = {λ1 , . . . , λm } el conjunto
de sus autovalores (complejos, eventualmente repetidos), entonces:

(a) det(T ) = λ1 · λ2 · · · λm .

(b) el término independiente del polinomio caracterı́stico PT (λ) = am λm + am−1 λm−1 + · · · + a1 λ + a0

es a0 = det(T ) y el coeficiente principal es am = (−1)m .

Proposición 7.21. A ∈ Rn×n es una matriz inversible si y sólo si 0 ∈

/ λ(T ).

Proposición 7.22. Si A ∈ Rn×n es una matriz triangular entonces λ(A) = {A1,1 , . . . , An,n }.

Teorema de Hamilton-Cayley: Sea A ∈ Rn×n y sea PA (x) su polinomio caracterı́stico. Entonces

vale que PA (A) = 0 (donde acá 0 denota la matriz nula de n × n).
De manera similar, si T : Rn → Rn una transformación lineal arbitraria y si PT (x) es su polinomio
caracterı́stico (como se definió en 7.18 ). Entonces vale que PT (T ) = 0 (donde acá 0 denota la trans-
formación lineal nula).

Observemos que el enunciado del teorema de Hamilton-Cayley no requiere que A (ni T ) sea diagona-
lizable; vale para cualquier A cuadrada.
Una de las aplicaciones más importantes de este resultado es que permite escribir cualquier potencia
de A como combinación lineal de las potencias {I, A, A2 , . . . , An−1 }.
Si A fuera inversible este teorema también permite escribir a A−1 en términos de I, A, A2 , . . . , An−1 .
Similares resultados se pueden obtener para el caso de una transformación lineal T : Rn → Rn para
la composición y su transformación lineal inversa.

7
  
1 2
Ejemplo 7.23. Dada la matriz A = calcular PA (A) y utilizar esta igualdad para calcular
2 3
A−1

Resolución
Caculemos primero el polinomio caracterı́stico PA (λ) = det [A − λ.I]:
 
1−λ 2
PA (λ) = det = λ2 − 4λ − 1, y entonces PA (A) = A2 − 4A − I
2 3−λ
o sea:          
1 2 1 2 1 2 1 0 0 0
· −4· − = .
2 3 2 3 2 3 0 1 0 0
Dicho resultado era esperable por el teorema de Hamilton Cayley.
Como el det (A) = −1 6= 0 entonces A es inversible. Ya que A2 − 4A − I = 0 entonces A2 − 4A = I y si
multiplicamos miembro a miembro esta última ecuación por A−1 se obtiene A−1 .A2 − 4.A−1 .A = A−1 .I,
−1
o lo que es lo mismo
 A− 4I =A .   
−1 1 2 1 0 −3 2
Luego A = −4 = .
2 3 0 1 2 −1