Asignatura.

ALGEBRA LINEAL

Fernando A. Benavides

Departamento de Matemáticas y Estadı́stica

Universidad de Nariño

Periodo académico B-2018

Aplicaciones Semana 7 2018 1 / 13

Contenido

1 Dia 1. Valores y Vectores Propios

Capitulo 3. Valores y Vectores Propios.

2 Dia 2. Diagonalización de una Matriz.

Aplicaciones Semana 7 2018 2 / 13

Valores y Vectores Propios.

Definición.
Sea A una matriz cuadrada de orden n ≥ 2. Un escalar λ se denomina
un valor propio de A si existe un n-vector no nulo v para el cual se
cumple Av = λv. A todo vector que satisfaga con la anterio ecuaación
se le denomina un vector propio asociado al valor propio λ.
   
1 1 1
Considerar la matriz A = . Verificar que v = es un
−2 4 1
vector propio asociado al valor propio λ = 2 de A.
      
1 1 1 2 1
Av = = =2 = λv
−2 4 1 2 1

t
Note que cada vector de la forma v = con t 6= 0 es un vector
t
propio asociado a λ = 2.
¿Cómo determinar todos los valores y vectores propios de la matriz A?
Aplicaciones Semana 7 2018 3 / 13
Valores y Vectores Propios.

Definición.
Sea A una matriz cuadrada de orden n ≥ 2. Un escalar λ se denomina
un valor propio de A si existe un n-vector no nulo v para el cual se
cumple Av = λv. A todo vector que satisfaga con la anterio ecuaación
se le denomina un vector propio asociado al valor propio λ.
   
1 1 1
Considerar la matriz A = . Verificar que v = es un
−2 4 1
vector propio asociado al valor propio λ = 2 de A.
      
1 1 1 2 1
Av = = =2 = λv
−2 4 1 2 1

t
Note que cada vector de la forma v = con t 6= 0 es un vector
t
propio asociado a λ = 2.
¿Cómo determinar todos los valores y vectores propios de la matriz A?
Aplicaciones Semana 7 2018 3 / 13
Valores y Vectores Propios.

Definición.
Sea A una matriz cuadrada de orden n ≥ 2. Un escalar λ se denomina
un valor propio de A si existe un n-vector no nulo v para el cual se
cumple Av = λv. A todo vector que satisfaga con la anterio ecuaación
se le denomina un vector propio asociado al valor propio λ.
   
1 1 1
Considerar la matriz A = . Verificar que v = es un
−2 4 1
vector propio asociado al valor propio λ = 2 de A.
      
1 1 1 2 1
Av = = =2 = λv
−2 4 1 2 1

t
Note que cada vector de la forma v = con t 6= 0 es un vector
t
propio asociado a λ = 2.
¿Cómo determinar todos los valores y vectores propios de la matriz A?
Aplicaciones Semana 7 2018 3 / 13
Valores y Vectores Propios.

Definición.
Sea A una matriz cuadrada de orden n ≥ 2. Un escalar λ se denomina
un valor propio de A si existe un n-vector no nulo v para el cual se
cumple Av = λv. A todo vector que satisfaga con la anterio ecuaación
se le denomina un vector propio asociado al valor propio λ.
   
1 1 1
Considerar la matriz A = . Verificar que v = es un
−2 4 1
vector propio asociado al valor propio λ = 2 de A.
      
1 1 1 2 1
Av = = =2 = λv
−2 4 1 2 1

t
Note que cada vector de la forma v = con t 6= 0 es un vector
t
propio asociado a λ = 2.
¿Cómo determinar todos los valores y vectores propios de la matriz A?
Aplicaciones Semana 7 2018 3 / 13
Valores y Vectores Propios.

Definición.
Sea A una matriz cuadrada de orden n ≥ 2. Un escalar λ se denomina
un valor propio de A si existe un n-vector no nulo v para el cual se
cumple Av = λv. A todo vector que satisfaga con la anterio ecuaación
se le denomina un vector propio asociado al valor propio λ.
   
1 1 1
Considerar la matriz A = . Verificar que v = es un
−2 4 1
vector propio asociado al valor propio λ = 2 de A.
      
1 1 1 2 1
Av = = =2 = λv
−2 4 1 2 1

t
Note que cada vector de la forma v = con t 6= 0 es un vector
t
propio asociado a λ = 2.
¿Cómo determinar todos los valores y vectores propios de la matriz A?
Aplicaciones Semana 7 2018 3 / 13
Valores y Vectores Propios.

Definición.
Sea A una matriz cuadrada de orden n ≥ 2. Un escalar λ se denomina
un valor propio de A si existe un n-vector no nulo v para el cual se
cumple Av = λv. A todo vector que satisfaga con la anterio ecuaación
se le denomina un vector propio asociado al valor propio λ.
   
1 1 1
Considerar la matriz A = . Verificar que v = es un
−2 4 1
vector propio asociado al valor propio λ = 2 de A.
      
1 1 1 2 1
Av = = =2 = λv
−2 4 1 2 1

t
Note que cada vector de la forma v = con t 6= 0 es un vector
t
propio asociado a λ = 2.
¿Cómo determinar todos los valores y vectores propios de la matriz A?
Aplicaciones Semana 7 2018 3 / 13
Valores y Vectores Propios.

Determinar todos los valores propios de la matriz

 
1 1
A=
−2 4
 
x
Sea λ un escalar y v = un 2-vector, tales que Av = λv. Entonces,
y
    
1 1 x x
=λ
−2 4 y y

De donde se obtiene el sistema,

( (
x + y = λx (1 − λ)x + y = 0
−2x + 4y = λy −2x + (4 − λ)y = 0

Aplicaciones Semana 7 2018 4 / 13

Valores y Vectores Propios.

De donde se sigue,  
 1−λ 1 
 =0
 −2 4 − λ 

Luego,

(1 − λ)(4 − λ) + 2 = 4 − λ − 4λ + λ2 + 2
= λ2 − 5λ + 6
= (λ − 2)(λ − 3) = 0

Por tanto, los valores propios son λ = 2 y λ = 3.

Aplicaciones Semana 7 2018 5 / 13

Valores y Vectores Propios.

Definición (Polinomio Caracterı́stico).

Sea A una matriz cuadrada de orden n ≥ 2. Entonces al polinomio
 
 a11 − λ a12 ··· a1n 

 a21 a22 − λ · · · a2n 
p(λ) = det(A − λIn ) = 

.. .. .. .. 

 . . . . 

 an1 an2 · · · ann − λ 

se denomina el polinomio caracterı́stico de A. A la ecuación

|A − λIn | = 0 se denomina la ecuación caracterı́stica de la matriz A.

Aplicaciones Semana 7 2018 6 / 13

Valores y Vectores Propios.

Determinar el polinomio caracterı́stico de la matriz

 
1 2 −1
A = 1 0 1
4 −4 5

Teorema 1.
Sea A una matriz cuadrada de orden n ≥ 2. Los valores propios de A
son las soluciones de la ecuación caracterı́stica asociada a A. Además,
los vectores propios para cada valor propio son las soluciones no nulas
del sistema de ecuaciones (A − λIn )X = 0.

Al conjunto Eλ = {v ∈ Rn : Av = λv} se denomina el espacio propio

asociado a λ, donde Rn denota el conjunto de todos los n-vectores
columna. Observe que el vector nulo 0 ∈ Eλ .

Aplicaciones Semana 7 2018 7 / 13

Ejercicios.

1. Determinar todos los valores y sus respectivos espacios propios de

la matriz  
1 1 2
A = 0 1 0
0 1 3

Aplicaciones Semana 7 2018 8 / 13

Contenido

1 Dia 1. Valores y Vectores Propios

Capitulo 3. Valores y Vectores Propios.

2 Dia 2. Diagonalización de una Matriz.

Aplicaciones Semana 7 2018 9 / 13

Diagonalización

Recordemos que Rn denota el conjunto de los n-vectores columna sobre

R.
Definición (Vectores Linealmente Independientes).
Sean S = {v1 , v2 , . . . , vk } ⊆ Rn . Entonces se dice que S es un conjunto
de vectores linealmente dependientes (L.D) si existen escalares
c1 , c2 , . . . , ck no todos cero tales que

c1 v1 + c2 v2 + · · · + ck vk = 0

En caso contrario se dice que el conjunto es linealmente independiente

(L.I).

Aplicaciones Semana 7 2018 10 / 13

Diagonalización

1. Determinar cuales de los siguientes conjuntos de vectores son L.I.

   
1 0
1.1 v1 = , v2 =
0
  1
   
1 2 0
1.2 v1 = −2 , v2 = −2 , v3 = 1
 3  3 7
1 0
1.3 v1 = 0 , v2 =  1 
1 −1
2. Determinar todos los valores de a para los cuales el siguiente
conjunto de vectores es L.I.
 2    
a 0 1
v 1 = 0 , v2 = a , v3 = 0 
    
2 2 1

Aplicaciones Semana 7 2018 11 / 13

Diagonalización

Definición.
Sea A una matriz cuadrada de orden n ≥ 2. Entonces se dice que A es
una matriz diagonalizable si existe una matriz invertible P y una
matriz diagonal D para las cuales A = P DP −1 .

   
1 3 1 3
Verificar que A = es una matriz diagonal con P = y
2 2 1 −2
 
4 0
D= .
0 −1
 
4 0
Calcular D100 para la matriz D = .
0 −1

Aplicaciones Semana 7 2018 12 / 13

Diagonalización

Teorema 2.
Sea A una matriz cuadrada de orden n ≥ 2. A es una matriz
diagonalizable si y solo si A tiene n vectores propios linealmente
independientes.

Determinar cual de las siguientes matrices es diagonalizable,

 
−1 0 1
1. A =  3 0 −3
1 0 −1
 
0 1 0
2. A = 0 0 1
2 −5 4

Aplicaciones Semana 7 2018 13 / 13