Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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 ).
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
( 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).
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
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
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
11 1
V λ=1={(x 1 , x 2 , x 3 )∈ R 3 /(− x ,− x , x )}
6 3 3 3 3
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
x 1=0
{ x2 + x 3=0 → x 2=−x 3
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:
1
V λ=5={(x 1 , x 2 , x 3 )∈ R 3 /( x , x 2 , 0) }
2 2
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
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
Cuando λ = 5:
x
( A−λI ) x=( A−5 I ) x= −2 −2 1 = 0
[ ][ ] [ ]
−3 −3 x 2 0
3 1 −1
Ejemplo 6. Dada la matriz A=
[ ]
2 2 −1 , encontremos los valores y vectores propios de A
2 2 0
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 )= 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.
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:
1 1
V λ=5={(x 1 , x 2 , x 3 )∈ R 3 /( x , x 2 , x 3)}
2 3 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:
1
V λ=5={( x 1 , x 2 , x 3 )∈ R 3 /( x 3 , 0 , x 3) }
2