VALORES Y VECTORES PROPIOS

Las matrices que hemos estudiado en los temas anteriores, tiene una relación muy fuerte con las
transformaciones lineales. De modo que en este tema, estudiaremos los valores y vectores propios
de una transformación como una propiedad de las matrices asociadas. Así por ejemplo, si v es un
vector tal que v = Av, decimos que v es un vector invariante o estacionario para la trasformación
definida por la matriz A. Si el vector u tiene la propiedad de ser paralelo a su imagen mediante la
transformación definida por la matriz A; digamos que u = 2Au, decimos que u es un vector propio
de la matriz A o equivalentemente, de la transformación definida por A.

Definición 1: Vector y Valor Propio de una Matriz. Dada una matriz A de n × n, decimos que λ∈ R
es un valor propio de A y que v∈ Rn, v ≠ 0, es un vector propio de A asociado a λ, si y solo si, Av =
λv. Observemos que la exclusión del vector cero, como vector propio es natural, ya que si, en la
ecuación vectorial Av = λv, v = 0, entonces λ puede ser cualquier real.

Ejemplo 1: Considere la matriz cuadrada A= [−33 17] [ 13]

, verifique que los vectores v1 = y

v 2= 1 son vectores propios de A, y diga cuales son los valores propios correspondientes a cada
[]
1
vector propio dado.

2
Por definición, v1 ϵ R , v 1 ≠ 0 ,es un vector propio de A de 2 x 2, asociado al valor propio λ1, si se
cumple que A . v 1=λ 1 . v 1, es decir:

A . v 1= 3 1 1 = 6 =6. 1 =λ 1 . v 1 ,
[
−3 7 3 ][ ] [ ] [ ]
18 3
1
[]
con lo que se verifica que v1 = , es un vector propio de A y además λ 1=6 es un valor propio de
3
v
A (correspondiente a 1 ).

Asimismo, A . v 2= [−33 17 ][ 11]=[ 44 ]=4.[11]=λ . v ,

2 2

lo que verifica que v =[ 1 ]

2 , es también vector propio de A y además λ 2=4 es el otro valor propio
1
de A (correspondiente a v 2).

Decimos en este caso, que ambos valores propios tienen multiplicidad algebraica igual a 1.

1 0 3 −3 −1
Ejemplo 2. Consideremos la matriz A= 1
[ ] [] []
−1 2 , verifique que v1 = −1 y v 2= −1 son
−1 1 −2 1 1
vectores propios de A, y diga cuales son los valores propios correspondientes a cada vector propio
dado.
Qué puede decir sobre la multiplicidad algebraica de los valores propios de esta matriz A?
CALCULO DE LOS VALORES Y VECTORES PROPIOS

De acuerdo a la definición 1, afirmamos que un vector propio asociado a λ es una solución no

trivial de Ax = λx o lo que es equivalente, un vector propio, asociado a λ, es una solución no trivial
del sistema de ecuaciones lineales
Ax−λ x=0
( A−λ I ) x=0
Asimismo, se sabe que un sistema homogéneo tiene soluciones diferentes a la trivial, si y solo si,
det ( A−λ I )=0
De modo que, los valores propios de A son los valores reales de λ que hacen que

det ( A−λ I )=0

y los vectores propios asociados a λ son las soluciones no nulas de

( A−λ I ) x=0
Este razonamiento nos conduce a la demostración del siguiente teorema, el cual permite
caracterizar separadamente los valores propios (parte no lineal) y los vectores propios asociados a
un valor propio (parte lineal).

Teorema 1. Sea A una matriz cuadrada. Entonces:

1. Un escalar λ es valor propio de A, si y solo si,
det ( A−λ I )=0 , donde λ ∈ R.
2. Un vector v es un vector propio de A asociado al valor propio λ, si y solo si, v es una solución no
trivial de
( A−λ I ) x=0 .
Teorema 2. Una matriz A es invertible, si y solo si, 0 no es un valor propio de A.

Definición 2: Polinomio Característico. Dada una matriz A, decimos que

p(λ)=det ( A−λ I )
Es el polinomio característico de A.

Procedimiento para encontrar valores y vectores propios de una matriz A.

1. Se encuentra el polinomio característico p(λ) = det(A−λI).

2. Se encuentran las raíces reales de p(λ) = 0, que son precisamente los valores propios de A.
3. Se resuelve el sistema homogéneo (A−λI)x = 0, para cada valor de λ , con lo que encontramos
los vectores propios de A asociados a λ.

3 −1 7
Ejemplo 3: Considere la matriz triangular A= 0
[ 5 2
0 0 −1 ]
1. Inicialmente obtenemos el polinomio característico de la matriz A.
 3 −1 7 1 0 0

[
p ( λ )=det ( A−λ I ) =det 0 5
][ ]
2
0 0 −1
−λ 0 1 0
0 0 1

3 −1 7 λ 0 0 3−λ −1 7

[
p ( λ )=det 0 5 2
0 0 −1
− 0 λ 0
0 0 λ ][ ] [
=det 0
0
5− λ
0
2
−1−λ ]
p ( λ )=(3−λ)(5− λ)(−1−λ)=−λ3 +7 λ2 −7 λ−15
2. Para obtener los valores propios de la matriz A, se calcula las raíces reales del polinomio
característico p ( λ ) , haciendo p ( λ )=det ( A−λ I ) =0, es decir:

p ( λ )=−λ3 +7 λ2 −7 λ−15=(3−λ)(5−λ)(−1−λ)=0
De donde:

i) - 1- λ = 0, implica λ1 = -1
ii) 3- λ = 0, implica λ2 = 3
iii) 5- λ = 0, implica λ3 = 5

Luego, de acuerdo al teorema 1, los valores propios de la matriz A, son: λ1 = -1, λ2 = 3 y λ3 = 5,

que como observamos, cada uno de ellos tiene multiplicidad algebraica igual a 1.

Nota 1: Si la matriz A es triangular, los elementos de su diagonal son las raíces de p ( λ ) , y por tanto
sus valores propios.

3. Se obtiene los vectores propios de la matriz A, asociados a cada uno de los valores propios de
A, a partir de la expresión:
( A−λ I ) x=0 .
Cuando λ = -1:
4 −1 7 x 1 0
[
( A−λ I ) x=( A−(−1)I ) x=( A+ I ) x = 0 6 2 x 2 = 0
0 0 0 x3 0 ][ ] [ ]
Ya tenemos una línea de ceros, pero a fin de simplificar el sistema, reducimos la matriz
buscando hacer más “ceros” en la misma.
4 −1 7 0 24 0 44 0

[ |] [
0 6 2 0 F1 ←6 F 1+ F 2 0 6 2 0
0 0 00 0 0 0 0 |]
24 0 44 x 1 0
[
De donde: 0 6 2 x 2 = 0
0 0 0 x3 0 ][ ] [ ]
El sistema de ecuaciones lineales que se forma es:
Luego:
 11

{ 24 x 1+ 44 x 3=0 → 6 x1 +11 x 3=0 → 6 x1 =−11 x3 → x 1=−

1
6 x 2+2 x 3=0 → 3 x 2 + x 3=0 → 3 x 2=− x3 → x 2=− x
3 3
x
6 3

De modo que, el vector propio asociado a λ = -1 es de la forma:

11 1
V λ=1={(x 1 , x 2 , x 3 )∈ R 3 /(− x ,− x , x )}
6 3 3 3 3

Luego, escogiendo convenientemente x 3=6 , V λ=1=(−11,−2, 6)

Cuando λ = 3:
0 −1 7 x 1 0
[
( A−λ I ) x=( A−(3) I ) x= 0 2 2 x2
0 0 −4 x 3][ ] [ ]
= 0
0

Para simplificar el sistema, reducimos la matriz buscando hacer más “ceros” en la misma.
0 −1 7 0 0 0 16 0 0 0 16 0

[ 0 2
|] [ |]
2 0 F1 ←2 F1 + F 2 0 2 2 0 F 3 ← 4 F 3+ F1 0 2 2 0
0 0 −4 0 0 0 −4 0 0 0 0 0 [ |]
1
F1← F
16 1 0 0 1 0
[ |]
1
0 1 10
F2← F 0 0 0 0
2 2

0 0 1 x1 0
[ ][ ] [ ]
De donde: 0 1 1 x2 = 0
0 0 0 x3 0

El sistema de ecuaciones lineales que se forma es:

x 1=0
{ x2 + x 3=0 → x 2=−x 3

De modo que, el vector propio asociado a λ = 3 es de la forma:

V λ=3={(x 1 , x 2 , x 3 )∈ R 3 /(0 ,−x3 , x 3) }

Luego, escogiendo x 3=1, V λ=1=(0 ,−1 , 1)

Cuando λ = 5:
 −2 −1 7 x 1 0
( A−λ I ) x=( A−(5) I ) x= 0
0 [
0 2 x2
0 −6 x 3
= 0
0 ][ ] [ ]
Para simplificar el sistema, reducimos la matriz buscando hacer más “ceros” en la misma.

−2 −1 7 0 2 −1 7 0 2 −1 0 0

[ 0
0
0
0 −6 0 |] 0 0 00 [ |]
2 0 F 3 ← F 3 +3 F2 0 0 2 0 F 1 ← 2 F1−7 F 2 0 0 2 0
0 0 00 [ |]
2 −1 0 x 1 0
[
De donde: 0 0 2 x 2
0 0 0 x3
= 0
0 ][ ] [ ]
El sistema de ecuaciones lineales que se forma es:

{ 2 x 1−x 2=0 → 2 x 1=x 2 → x 1= x 2

2 x 3=0→ x 3=0
2

De modo que, el vector propio asociado a λ = 5 es de la forma:

1
V λ=5={(x 1 , x 2 , x 3 )∈ R 3 /( x , x 2 , 0) }
2 2

Luego, escogiendo x 2=2, V λ=1=(1 ,2 , 0)

Ejemplo 4: La matriz A= [ 25 −1
−2 ]
, no tiene valores propios, ya que su polinomio característico,
p(λ) = λ2 + 1, no tiene raíces reales.
Ejemplo 5. Dada la matriz A=[ 3 −2 ] , hallar los valores y vectores propios de A
−3 2

- Determinamos el polinomio característico de A

p ( λ )=det ( A−λ I ) = 3− λ −2 =( 3− λ ) ( 2−λ )−(−3) .(−2)

| |
−3 2−λ

p ( λ )= λ2−5 λ=λ( λ−5)

- Calculamos las raíces reales del polinomio p ( λ )=0 ,

p ( λ )= λ2−5 λ=λ ( λ−5 )=0

que en este caso son λ = 0 y λ = 5, luego, los valores propios de A son:

 λ1 = 0 y λ2 = 5

- Calculamos los vectores propios dando solución al sistema (A−λI)x = 0,

Cuando λ = 0:
x
( A−λI ) x=( A−0 ) x= Ax= 3 −2 1 = 0
[ ][ ] [ ]
−3 2 x 2 0

2
El sistema se reduce a la ecuación: 3 x 1−2 x 2=0→ x 1= x 2
3
De modo que, el vector propio asociado a λ = 0 es de la forma:

2
V λ=0 ={( x 1 , x 2 )∈ R 2 /( x , x 2)}
3 2

Luego, escogiendo x 2=3, V λ=0 =(2 , 3)

Cuando λ = 5:
x
( A−λI ) x=( A−5 I ) x= −2 −2 1 = 0
[ ][ ] [ ]
−3 −3 x 2 0

El sistema se reduce a la ecuación: −2 x1 −2 x 2=0 → x 1+ x 2=0 → x 1=−x 2

De modo que, el vector propio asociado a λ = 5 es de la forma:

V λ=5={( x 1 , x 2 )∈ R 2 /(−x 2 , x 2)}

Luego, escogiendo x 2=1, V λ=5=(−1 , 1)

3 1 −1
Ejemplo 6. Dada la matriz A=
[ ]
2 2 −1 , encontremos los valores y vectores propios de A
2 2 0

- Determinamos el polinomio característico de A

3− λ 1 1
p ( λ )=det ( A−λ I ) = 2
0| 2−λ −1
0 −λ |
p ( λ )=det ( A−λ I ) =( 3−λ )( 2−λ ) (−λ ) −2−4−¿−¿

p ( λ )=det ( A−λ I ) =λ3−5 λ 2−8 λ+ 4

- Calculamos las raíces reales del polinomio p ( λ )=0 ,

p ( λ )= λ3−5 λ 2−8 λ+ 4,
 que luego de ser factorizado utilizando el método de RUFFINI

p ( λ )=(λ−1)( λ−2)2=0
en este caso las raíces de p(λ) son λ = 1 y λ = 2, luego concluimos que la matriz A, tiene dos
valores propios que son λ1 = 2 y y λ2 = 2
Asimismo, decimos que la multiplicidad algebraica de los valores propios λ1 y λ2 son
respectivamente 1 y 2.

- Buscamos la solución del sistema (A−λI)x = 0,

Cuando λ = 2:
1 1 −1 x 1 0
[
( A−λI ) x=( A−2 I ) x= 2 0 −1 x 2 = 0
2 2 −2 x 3 0 ][ ] [ ]
El sistema puede resolverse reduciendo la matriz de la siguiente manera:

1 1 −1 0 F ← F −2 F 1 1 −1 0 2 0 −1 0

[ |]2 0 −1 0 2 2 1

[ |]
0 −2 1 0 F 1 ←2 F1 + F2 0 −2 1 0
2 2 −2 0 F3 ← F 3 −2 F 1 0 0 0 0 0 0 0 0 [ |]
2 0 −1 x 1 0
[
De donde: 0 −2 1 x 2 = 0
0 0 0 x3 0 ][ ] [ ]
El sistema de ecuaciones lineales que se forma es:

{2 x 1−x 3=0 → 2 x 1=x 3 → x 1= x 3

1
−2 x 2 + x3 =0 → x 2= x 3
2
2

De modo que, el vector propio asociado a λ = 2 es de la forma:

1 1
V λ=5={(x 1 , x 2 , x 3 )∈ R 3 /( x , x 2 , x 3)}
2 3 2

Luego, escogiendo x 3=2, V λ=1=(1 ,1 , 2)

Cuando λ = 1:
2 1 −1 x 1 0
[
( A−λI ) x=( A−1 I ) x= 2 1 −1 x 2 = 0
2 2 −1 x 3 0 ][ ] [ ]
El sistema puede resolverse reduciendo la matriz de la siguiente manera:
 2 1 −1 0 F ← F −F 2 1 −1 0 2 0 −1 0

[ |]2 1 −1 0 2 2 1
F
0 0 0 0 1
2 2 −1 0 F 3 ← F 3−F 1 0 1 0 0 [ |]
← F 1 −F 3 0 0 0 0
0 1 0 0 [ |]
2 0 −1 x 1 0
[
De donde: 0 0 0 x 2
0 1 0 x3
= 0
0 ][ ] [ ]
El sistema de ecuaciones lineales se redujo a:

{2 x 1−x 3=0 → 2 x 1=x 3 → x 1= x 3

x 2=0
2

De modo que, el vector propio asociado a λ = 1 es de la forma:

1
V λ=5={( x 1 , x 2 , x 3 )∈ R 3 /( x 3 , 0 , x 3) }
2

Luego, escogiendo x 3=2, V λ=1=(1 ,0 ,2)