Algebra Lineal

VALORES PROPIOS Y VECTORES PROPIOS

Sea T : V, V un operador lineal sobre un espacio vectorial V sobre un cuerpo K.

Un escalar λ Є K se llama un valor propio de T si existe un vector diferente de cero v Є V

tal que:

T (v)= λ (v)

Todo vector que satisface esta relación se llama un vector propio de T perteneciente al
valor propio λ . Observe que cada múltiplo escalar kv es también un vector propio:

T (kv) = Kt(v) = k( λ v) = λ (kv)

El conjunto de todos estos vectores forma un subespacio de V llamado el espacio propio

de λ .

Los términos valor característico y vector característico se usan frecuentemente en lugar

de valor propio y vector propio.

Ejemplo Sea I: V V la aplicación idéntica. Entonces para cada v Є V, I (v) = v =

1v. Luego 1 es un valor propio de I, y todo el vector en V es un vector
propio perteneciente a 1.

Si A es una n-ésima matriz cuadrada sobre k, entonces por un valor propio de A se

entiende un valor propio de A considerada como un operador sobre K n. Esto es, λ Є K es
un valor propio de A si, para algún vector distinto de cero (columna) v Є K n.

Av= λ v

En este caso v es un vector propio de A perteneciente a λ .

El siguiente teorema da una importante caracterización de los valores, la cual se usa

frecuentemente como definición.

Teorema: Sea T: V V, V es un operador lineal sobre un espacio vectorial sobre K.

Entonces λ Є K es un valor propio de T si y solo si el operador λI - T es singular. El
espacio propio de λ es entonces el núcleo de λI -T.

Teorema: Vectores propios diferentes de cero pertenecientes a valores propios

diferentes son linealmente independientes.

Valores y Vectores Propios Pá gina 1

Algebra Lineal

 Diagonalizacion y vectores propios

Sea T: V V un operador lineal sobre un espacio vectorial V con dimensión finita n.

T puede representarse por una matriz diagonal

k1 0 ⋯ 0

( 0 k2 ⋯ 0 ¿
0⃛ ⃛0 k⃛2 )
Si y solo si existe una base {V 1,……….., V n} de V tal que

T(V 1)= K 1 V 1

T(V 2)=………. K 2 V 2

……………………..

T(V n)=…………………. K n V n

Esto es tal que los valores V 1,……….., V n son vectores propios de T pertenecientes,
respectivamente a los valores propios K 1 ,… … …… .. K n En otras palabras:

Teorema: Un operador lineal T: V V puede representarse por una matriz diagonal B

si y solo si V tiene una base formada por vectores propios de T. En este
caso los elementos de la diagonal de B son los valores propios
correspondientes.

Tenemos la siguiente proposición equivalente.

Forma equivalente del teorema:
Una n-ésima matriz cuadrada A es similar a una
matriz diagonal B si y solo si A tiene n vectores
propios linealmente independientes. En este caso los
elementos de la diagonal de B son los valores propios
correspondientes.

En el teorema anterior, si hacemos P la matriz cuyas columnas son los n vectores propios
independientes de A, entonces B = P−1 AP

Ejemplo:

Valores y Vectores Propios Pá gina 2

Algebra Lineal

Consideramos la matriz A= (13 22). A tiene dos vectores propios Independientes (23 ) y
1 1
1
( )
−1
. Sea P=
2 1
3 −1 ( )
y por tanto P−1=
5
3
5
( ) 5
−2
5

Entonces A es similar a la diagonal:

1 1
B= P−1AP =
5
3
5
( )( 5 1 2 2 1
)(
−2 3 2 3 −1
5
=
4 0
0 −1)( )
Como se esperaba los elementos de la diagonal 4 y -1 de la matriz diagonal B son los
valores propios correspondientes a los vectores propios dados.

 POLINOMIO CARACTERÍSTICO, TEOREMA DE CAYLEY- HAMILTON

Consideremos una n-ésima matriz cuadrada A sobre un cuerpo K:

a11 a12 ⋯ a1 n

(
A= a21 a22 ⋯ a2 n ¿
a⃛n 1 a⃛n 2 a⃛nn )
La matriz t I n- A, donde I nes la matriz cuadrada identidad de orden n y I es una
indeterminada, se llama la matriz característica de A:

Su determinante:

Que es un polinomio en t, se
denomina el
polinomio
característico
de A. Llamamos también a

Valores y Vectores Propios Pá gina 3

Algebra Lineal

La ecuación característica de A

Cada término en el determinante contiene una y solo una componente de cada fila y de
cada columna; luego el polinomio característico es de la forma:

+ Términos con máximo n - 2 factores de forma T a ii

En consecuencia:

Recordamos que la traza de A es la suma de los elementos de su diagonal. Luego el

polinomio característico ∆ A (t)= det ( t I n - A) de A es un polinomio mónico de grado n y
el coeficiente de t n−1 es el negativo de la traza de A.( Un polinomio es monico si su
coeficiente principal es 1.)

Además si hacemos t= 0 en ∆ A (t), obtenemos

Pero ∆ A(0) es el término constante del polinomio ∆ A(t). Luego el término constante del
polinomio característico de la matriz A es (−1n ) |A| donde n es el orden de A.

Ejemplo: El polinomio característico de la matriz

Como se
esperaba ∆(t) es un polinomio mónico de tercer grado.

Enunciaremos ahora uno de los teoremas más importantes en algebra lineal.

Teorema (Cayley – Hamilton): Toda matriz es un cero de su polinomio característico.

Valores y Vectores Propios Pá gina 4

Algebra Lineal

El teorema siguiente muestra la intima relación que existe entre el polinomio

característico y los valores propios.

Teorema: Sea A una n-esima matriz cuadrada sobre un cuerpo k. Un escalar λ Є k es un

valor propio de A si y solo si λ es una raíz del polinomio característico ∆(t) de A.

Corolario 9.7: Si e polinomio característico ∆(t) de una n-ésima matriz cuadrada A es un

producto de factores lineales distinto.

(∆t)=(t-a 1) (t-a 2)…… (t-a n)

esto es si a 1……,a n son raíces diferentes de ∆(t), entonces A es similar a una matriz
diagonal cuyos elementos de la diagonal son los a i.

Corolario 9.8: Sea A una n-ésima matriz cuadrada sobre el cuerpo complejo C. Entonces
A tiene al menos un valor propio.

Teorema 9.9: Matrices similares tienen el mismo polinomio característico.

 POLINOMIO MINIMO:

Sea A una n-ésima raíz cuadrada sobre un cuerpo K. Obsérvese que existen polinomios
diferentes de cero f(t) tales que f(A)=0; por ejemplo el polinomio característico de A. Entre
estos polinomios consideramos los de grado mínimo y de ellos seleccionamos uno cuyo
coeficiente principal sea 1, esto es que sea monico. Este polinomio m(t) existe y es
único(problema 9.25) lo llamaremos el polinomio mínimo (o polinomio minimal) de A.

Teorema 9.10: El polinomio mínimo m(t) de A divide cualquier polinomio que tiene a A
como un cero. En particular, m(t) divide el polinomio característico ∆(t) de A.

Existe una relación más fuerte entre m(t) y ∆(t).

Valores y Vectores Propios Pá gina 5

Algebra Lineal

Teorema 9.11: Los polinomios característicos y mínimo de una matriz A tienen los
mismos factores irreducibles.

Este teorema no dice que m(t) =∆(t); únicamente afirma que cualquier factor irreducible de
uno d ellos debe dividir al otro. En particular como un factor lineal es irreducible, m(t) y ∆(t)
tienen los mismos factores lineales; luego tienen las mismas raíces. Por tanto del teorema
9.6 obtenemos el

Teorema 9.12: Un escalar λ es un valor propio para una matriz A si y solo si λ es una raíz
del polinomio mínimo de A.

 POLINOMIO CARACTERISTICO Y MINIMO DE OPERADORES LINEALES:

Supongamos que T: V V es un operador lineal sobre un espacio vectorial V con

dimensión finita. Definimos el polinomio característico ∆(t) de T como el polinomio
característico de cualquier representación matricial de T. Por el teorema 9.9 ∆(t) es
independiente de la base particular en la cual se calcula la representación matricial.
Obsérvese que el grado de ∆(t) es igual a la dimensión de V. Enunciamos teoremas para
T que son similares a los enunciados para matrices:

Teorema 9.5´: T es un cero de su polinomio característico.

Teorema 9.6´: El escalar λ Є K es un valor propio de T si y solo si λ es una raíz polinomio

característico de t.

La multiplicidad algebraica de un valor propio λ Є K de T se define como la multiplicidad

de λ considerada como una raíz del polinomio característico de T. La multiplicidad
geométrica del valor propio λse define como l dimensión de su espacio propio.

Teorema 9.13: La multiplicidad geométrica de un valor propio λ no excede su

multiplicidad algebraica.

De otra parte el polinomio mínimo m(t) del operador T se define independientemente de la

teoría de matrices, como el polinomio de menos grados y coeficiente principal I que tiene
a T como un cero. Sin embargo para todo polinomio f(t)

f(t)=0 si y solo si f(A)=0

donde A es cualquier representación matricial de T. En consecuencia, T y A tienen el

mismo polinomio mínimo. Hacemos notar que todos los teoremas en este capítulo sobre
polinomio mínimo de una matriz se cumplen también para el polinomio mínimo de un
operador T.

Valores y Vectores Propios Pá gina 6

Algebra Lineal

Bibliografía:

- Teoría y Problema de Algebra Lineal, Seymour Lipschutz, Ph D.

Valores y Vectores Propios Pá gina 7