Valores y vectores propios

Bracamonte P. Mireya R.

2020
 k Definición
Sea A una matriz cuadrada de orden n, con entradas en un campo K. λ ∈ K es
llamado valor propio (valor caracterı́stico o eigenvalue) de A si existe un vector
X ∈ Kn no nulo tal que AX = λX.

k Definición
 k Definición
Sea A una matriz cuadrada de orden n, con entradas en un campo K. λ ∈ K es
llamado valor propio (valor caracterı́stico o eigenvalue) de A si existe un vector
X ∈ Kn no nulo tal que AX = λX.

+ En tal caso, al vector X se le llama vector propio (vector caracterı́stico o

eigenvector) correspondiente (o asociado) al valor propio λ.

k Definición
 k Definición
Sea A una matriz cuadrada de orden n, con entradas en un campo K. λ ∈ K es
llamado valor propio (valor caracterı́stico o eigenvalue) de A si existe un vector
X ∈ Kn no nulo tal que AX = λX.

+ En tal caso, al vector X se le llama vector propio (vector caracterı́stico o

eigenvector) correspondiente (o asociado) al valor propio λ.

k Definición
Sea T : V → V un operador lineal en el K−espacio vectorial V de dimensión n. λ ∈ K
es llamado valor propio (valor caracterı́stico o eigenvalue) de T si existe un vector
v ∈ V no nulo, tal que T (v) = λv.
 k Definición
Sea A una matriz cuadrada de orden n, con entradas en un campo K. λ ∈ K es
llamado valor propio (valor caracterı́stico o eigenvalue) de A si existe un vector
X ∈ Kn no nulo tal que AX = λX.

+ En tal caso, al vector X se le llama vector propio (vector caracterı́stico o

eigenvector) correspondiente (o asociado) al valor propio λ.

k Definición
Sea T : V → V un operador lineal en el K−espacio vectorial V de dimensión n. λ ∈ K
es llamado valor propio (valor caracterı́stico o eigenvalue) de T si existe un vector
v ∈ V no nulo, tal que T (v) = λv.

+al vector v se le llama vector propio (vector caracterı́stico o eigenvector)

correspondiente (o asociado) al valor propio λ.
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T un operador lineal en V . Si
B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de T respecto de
la base B. λ es un valor propio de T si, y sólo si λ es un valor propio de [T ]B .

Demostración. supóngase que λ es un valor propio de T y que v ∈ V es un vector

propio asociado a λ.
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T un operador lineal en V . Si
B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de T respecto de
la base B. λ es un valor propio de T si, y sólo si λ es un valor propio de [T ]B .

Demostración. supóngase que λ es un valor propio de T y que v ∈ V es un vector

propio asociado a λ.
T (v) = λv
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T un operador lineal en V . Si
B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de T respecto de
la base B. λ es un valor propio de T si, y sólo si λ es un valor propio de [T ]B .

Demostración. supóngase que λ es un valor propio de T y que v ∈ V es un vector

propio asociado a λ.
T (v) = λv

[T (v)]B = [λv]B .
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T un operador lineal en V . Si
B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de T respecto de
la base B. λ es un valor propio de T si, y sólo si λ es un valor propio de [T ]B .

Demostración. supóngase que λ es un valor propio de T y que v ∈ V es un vector

propio asociado a λ.
T (v) = λv

[T (v)]B = [λv]B .

[T ]B [v]B = λ[v]B .
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T un operador lineal en V . Si
B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de T respecto de
la base B. λ es un valor propio de T si, y sólo si λ es un valor propio de [T ]B .

Demostración. supóngase que λ es un valor propio de T y que v ∈ V es un vector

propio asociado a λ.
T (v) = λv

[T (v)]B = [λv]B .

[T ]B [v]B = λ[v]B .

Por lo tanto, λ es un valor propio de [T ]B y [v]B es un vector propio asociado a λ.

 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T : V → V una transformación
lineal en V . Si B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de
T respecto de la base B. λ es un valor propio de T si, y sólo si λ es un valor propio
de [T ]B .

Demostración. Recı́procamente, supóngase que λ es un valor propio de la matriz

[T ]B ,
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T : V → V una transformación
lineal en V . Si B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de
T respecto de la base B. λ es un valor propio de T si, y sólo si λ es un valor propio
de [T ]B .

Demostración. Recı́procamente, supóngase que λ es un valor propio de la matriz

λ1
 
 λ2 
[T ]B , esto es, existe un vector no nulo X =  .  ∈ Kn tal que
 
 .. 
λn

[T ]B X = λX.
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T : V → V una transformación
lineal en V . Si B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de
T respecto de la base B. λ es un valor propio de T si, y sólo si λ es un valor propio
de [T ]B .

Demostración. Recı́procamente, supóngase que λ es un valor propio de la matriz

λ1
 
 λ2 
[T ]B , esto es, existe un vector no nulo X =  .  ∈ Kn tal que
 
 .. 
λn

[T ]B X = λX.

Se define v = λ1 v1 + λ2 v2 + · · · + λn vn ∈ V .
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T : V → V una transformación
lineal en V . Si B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de
T respecto de la base B. λ es un valor propio de T si, y sólo si λ es un valor propio
de [T ]B .

Demostración. Recı́procamente, supóngase que λ es un valor propio de la matriz

λ1
 
 λ2 
[T ]B , esto es, existe un vector no nulo X =  .  ∈ Kn tal que
 
 .. 
λn

[T ]B X = λX.

Se define v = λ1 v1 + λ2 v2 + · · · + λn vn ∈ V .

[T ]B [v]B = λ[v]B
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T : V → V una transformación
lineal en V . Si B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de
T respecto de la base B. λ es un valor propio de T si, y sólo si λ es un valor propio
de [T ]B .

Demostración. Recı́procamente, supóngase que λ es un valor propio de la matriz

λ1
 
 λ2 
[T ]B , esto es, existe un vector no nulo X =  .  ∈ Kn tal que
 
 .. 
λn

[T ]B X = λX.

Se define v = λ1 v1 + λ2 v2 + · · · + λn vn ∈ V .

[T ]B [v]B = λ[v]B
[T (v)]B = [λv]B .
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T : V → V una transformación
lineal en V . Si B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de
T respecto de la base B. λ es un valor propio de T si, y sólo si λ es un valor propio
de [T ]B .

Demostración. Recı́procamente, supóngase que λ es un valor propio de la matriz

λ1
 
 λ2 
[T ]B , esto es, existe un vector no nulo X =  .  ∈ Kn tal que
 
 .. 
λn

[T ]B X = λX.

Se define v = λ1 v1 + λ2 v2 + · · · + λn vn ∈ V .

[T ]B [v]B = λ[v]B
[T (v)]B = [λv]B .
T (v) = λv.
 k Teorema
Sea V un K−espacio vectorial de dimensión n y sea T : V → V una transformación
lineal en V . Si B = {v1 , v2 , . . . , vn } es una base de V , considérese la matriz [T ]B de
T respecto de la base B. λ es un valor propio de T si, y sólo si λ es un valor propio
de [T ]B .

Demostración. Recı́procamente, supóngase que λ es un valor propio de la matriz

λ1
 
 λ2 
[T ]B , esto es, existe un vector no nulo X =  .  ∈ Kn tal que
 
 .. 
λn

[T ]B X = λX.

Se define v = λ1 v1 + λ2 v2 + · · · + λn vn ∈ V .

[T ]B [v]B = λ[v]B
[T (v)]B = [λv]B .
T (v) = λv.

v 6= 0V , lo que muestra que λ es un valor propio de T y que v ∈ V es un vector

propio asociado a λ. o
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4

§ Solución.
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4
 
x
§ Solución. Determinar si existe un vector
y
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4
 
x
§ Solución. Determinar si existe un vector
y
 
2 1
3 4
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4
 
x
§ Solución. Determinar si existe un vector
y
  
2 1 x
3 4 y
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4
 
x
§ Solución. Determinar si existe un vector
y
    
2 1 x x
= 5
3 4 y y
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4
 
x
§ Solución. Determinar si existe un vector
y
    
2 1 x x
= 5
3 4 y y
   
2x + y x
= 5 .
3x + 4y y
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4
 
x
§ Solución. Determinar si existe un vector
y
    
2 1 x x
= 5
3 4 y y
   
2x + y x
= 5 .
3x + 4y y


2x + y = 5x
3x + 4y = 5y
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4
 
x
§ Solución. Determinar si existe un vector
y
    
2 1 x x
= 5
3 4 y y
   
2x + y x
= 5 .
3x + 4y y

 
2x + y = 5x −3x + y = 0
o de forma equivalente
3x + 4y = 5y 3x − y = 0
Ejemplo
λ = 5 es un valor propio de A la matriz
 
2 1
A= .
3 4
 
x
§ Solución. Determinar si existe un vector
y
    
2 1 x x
= 5
3 4 y y
   
2x + y x
= 5 .
3x + 4y y

 
2x + y = 5x −3x + y = 0
o de forma equivalente
3x + 4y = 5y 3x − y = 0
 
x
Eso implica que todo vector de la forma para x ∈ R corresponde a un vector
3x
propio asociado a λ = 5.
Ejemplo

λ = 5 es un valor propio de A la matriz

 
2 1
A= .
3 4

§ Solución.  
x
Eso implica que todo vector de la forma para x ∈ R corresponde a un vector
3x
propio asociado a λ = 5.
Ejemplo

λ = 5 es un valor propio de A la matriz

 
2 1
A= .
3 4

§ Solución.  
x
Eso implica que todo vector de la forma para x ∈ R corresponde a un vector
3x
propio asociado a λ = 5.
  
2 1 1
AX =
3 4 3
Ejemplo

λ = 5 es un valor propio de A la matriz

 
2 1
A= .
3 4

§ Solución.  
x
Eso implica que todo vector de la forma para x ∈ R corresponde a un vector
3x
propio asociado a λ = 5.
    
2 1 1 5
AX = =
3 4 3 15
Ejemplo

λ = 5 es un valor propio de A la matriz

 
2 1
A= .
3 4

§ Solución.  
x
Eso implica que todo vector de la forma para x ∈ R corresponde a un vector
3x
propio asociado a λ = 5.
      
2 1 1 5 1
AX = = =5
3 4 3 15 3
Ejemplo

λ = 5 es un valor propio de A la matriz

 
2 1
A= .
3 4

§ Solución.  
x
Eso implica que todo vector de la forma para x ∈ R corresponde a un vector
3x
propio asociado a λ = 5.
      
2 1 1 5 1
AX = = =5 = 5X.
3 4 3 15 3
 k Teorema
Sea A una matriz cuadrada, λ es un valor propio de A si, y sólo si det(A − λI) = 0.
 k Teorema
Sea A una matriz cuadrada, λ es un valor propio de A si, y sólo si det(A − λI) = 0.

Demostración. Equivalencias
 k Teorema
Sea A una matriz cuadrada, λ es un valor propio de A si, y sólo si det(A − λI) = 0.

Demostración. Equivalencias
l λ es un valor propio de A,
 k Teorema
Sea A una matriz cuadrada, λ es un valor propio de A si, y sólo si det(A − λI) = 0.

Demostración. Equivalencias
l λ es un valor propio de A,
l existe un vector no nulo X ∈ Kn que AX = λX.
 k Teorema
Sea A una matriz cuadrada, λ es un valor propio de A si, y sólo si det(A − λI) = 0.

Demostración. Equivalencias
l λ es un valor propio de A,
l existe un vector no nulo X ∈ Kn que AX = λX.
l (A − λI)X = 0Kn , ( sistema homogéneo de ecuaciones lineales )
 k Teorema
Sea A una matriz cuadrada, λ es un valor propio de A si, y sólo si det(A − λI) = 0.

Demostración. Equivalencias
l λ es un valor propio de A,
l existe un vector no nulo X ∈ Kn que AX = λX.
l (A − λI)X = 0Kn , ( sistema homogéneo de ecuaciones lineales )
l A − λI es no invertible
 k Teorema
Sea A una matriz cuadrada, λ es un valor propio de A si, y sólo si det(A − λI) = 0.

Demostración. Equivalencias
l λ es un valor propio de A,
l existe un vector no nulo X ∈ Kn que AX = λX.
l (A − λI)X = 0Kn , ( sistema homogéneo de ecuaciones lineales )
l A − λI es no invertible
l det(A − λI) = 0. o
Ejemplo

 
3 2 8
Sea B =  0 5 7 . Determinar los valores propios de B.
0 0 7
§ Solución.
Ejemplo

 
3 2 8
Sea B =  0 5 7 . Determinar los valores propios de B.
0 0 7
§ Solución.

det(B − λI) = 0
Ejemplo

 
3 2 8
Sea B =  0 5 7 . Determinar los valores propios de B.
0 0 7
§ Solución.

det(B − λI) = 0
 
3−λ 2 8
det  0 5−λ 7  = 0
0 0 7−λ
Ejemplo

 
3 2 8
Sea B =  0 5 7 . Determinar los valores propios de B.
0 0 7
§ Solución.

det(B − λI) = 0
 
3−λ 2 8
det  0 5−λ 7  = 0
0 0 7−λ
(3 − λ)(5 − λ)(7 − λ) = 0.
Ejemplo

 
3 2 8
Sea B =  0 5 7 . Determinar los valores propios de B.
0 0 7
§ Solución.

det(B − λI) = 0
 
3−λ 2 8
det  0 5−λ 7  = 0
0 0 7−λ
(3 − λ)(5 − λ)(7 − λ) = 0.

Por lo tanto los valores propios de la matriz B son 3, 5 y 7.

 k Definición
Sea A una matriz cuadrada de orden n, al polinomio (de grado n en variable λ)

p(λ) = det(A − λI)

se le llama polinomio caracterı́stico de A.

Ejemplo

 
5 9
Determine los valores propios de la matriz A = .
2 2
§ Solución. Note que
Ejemplo

 
5 9
Determine los valores propios de la matriz A = .
2 2
§ Solución. Note que

p(λ) = det(A − λI)

Ejemplo

 
5 9
Determine los valores propios de la matriz A = .
2 2
§ Solución. Note que
 
5−λ 9
p(λ) = det(A − λI) = det
2 2−λ
Ejemplo

 
5 9
Determine los valores propios de la matriz A = .
2 2
§ Solución. Note que
 
5−λ 9
p(λ) = det(A − λI) = det = (5 − λ)(2 − λ) − 18
2 2−λ
Ejemplo

 
5 9
Determine los valores propios de la matriz A = .
2 2
§ Solución. Note que
 
5−λ 9
p(λ) = det(A − λI) = det = (5 − λ)(2 − λ) − 18
2 2−λ
= λ2 − 7λ − 8 = (λ − 8)(λ + 1).
Ejemplo

 
5 9
Determine los valores propios de la matriz A = .
2 2
§ Solución. Note que
 
5−λ 9
p(λ) = det(A − λI) = det = (5 − λ)(2 − λ) − 18
2 2−λ
= λ2 − 7λ − 8 = (λ − 8)(λ + 1).

λ1 = 8 y λ2 = −1 y éstos son los valores propios de A.

Ejemplo

 
1 0
Determinar los valores propios de la matriz B = .
8 1
§ Solución.
Ejemplo

 
1 0
Determinar los valores propios de la matriz B = .
8 1
§ Solución.

p(λ) = det(B − λI)

Ejemplo

 
1 0
Determinar los valores propios de la matriz B = .
8 1
§ Solución.
 
1−λ 0
p(λ) = det(B − λI) = det
8 1−λ
Ejemplo

 
1 0
Determinar los valores propios de la matriz B = .
8 1
§ Solución.
 
1−λ 0
p(λ) = det(B − λI) = det = (1 − λ)2 .
8 1−λ
Ejemplo

 
1 0
Determinar los valores propios de la matriz B = .
8 1
§ Solución.
 
1−λ 0
p(λ) = det(B − λI) = det = (1 − λ)2 .
8 1−λ

λ = 1.
Dos matrices cuadradas ambas de orden n, A y B, se dicen semejantes
Dos matrices cuadradas ambas de orden n, A y B, se dicen semejantes

B = P −1 AP o de forma equivalente A = P BP −1 .
Sean A y B dos matrices semejantes.
Sean A y B dos matrices semejantes.

B = P −1 AP
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
= P −1 (A − λI)P.
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
= P −1 (A − λI)P.

det(B − λI)
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
= P −1 (A − λI)P.

det(B − λI) = det(P −1 (A − λI)P )

Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
= P −1 (A − λI)P.

det(B − λI) = det(P −1 (A − λI)P )

= det(P −1 ) det(A − λI) det(P )
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
= P −1 (A − λI)P.

det(B − λI) = det(P −1 (A − λI)P )

= det(P −1 ) det(A − λI) det(P )
= det(P )−1 det(A − λI) det(P )
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
= P −1 (A − λI)P.

det(B − λI) = det(P −1 (A − λI)P )

= det(P −1 ) det(A − λI) det(P )
= det(P )−1 det(A − λI) det(P )
= det(A − λI).
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
= P −1 (A − λI)P.

det(B − λI) = det(P −1 (A − λI)P )

= det(P −1 ) det(A − λI) det(P )
= det(P )−1 det(A − λI) det(P )
= det(A − λI).

Esto es, A y B tienen el mismo polinómio caracterÃstico, en consecuencia los mismos

valores propios.
Sean A y B dos matrices semejantes.

B = P −1 AP
B − λI = P −1 AP − λI
= P −1 AP − λP −1 P
= (P −1 A − λP −1 )P
= P −1 (A − λI)P.

det(B − λI) = det(P −1 (A − λI)P )

= det(P −1 ) det(A − λI) det(P )
= det(P )−1 det(A − λI) det(P )
= det(A − λI).

Esto es, A y B tienen el mismo polinómio caracterÃstico, en consecuencia los mismos

valores propios.

k Teorema
Matrices semejantes tienen los mismos valores propios.
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración.
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
α1 (Av1 ) + α2 (Av2 ) + · · · + αk (Avk ) + αk+1 (Avk+1 ) = A0Kn
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
α1 (Av1 ) + α2 (Av2 ) + · · · + αk (Avk ) + αk+1 (Avk+1 ) = A0Kn
α1 λ1 v1 + α2 λ2 v2 + · · · + λk αk vk + λk+1 αk+1 vk+1 = 0Kn
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .∗λk+1
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
α1 (Av1 ) + α2 (Av2 ) + · · · + αk (Avk ) + αk+1 (Avk+1 ) = A0Kn
α1 λ1 v1 + α2 λ2 v2 + · · · + λk αk vk + λk+1 αk+1 vk+1 = 0Kn
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .∗λk+1
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
α1 (Av1 ) + α2 (Av2 ) + · · · + αk (Avk ) + αk+1 (Avk+1 ) = A0Kn
α1 λ1 v1 + α2 λ2 v2 + · · · + λk αk vk + λk+1 αk+1 vk+1 = 0Kn

α1 (λ1 − λk+1 )v1 + α2 (λ2 − λk+1 )v2 + · · · + αk (λk − λk+1 )vk = 0Kn .
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .∗λk+1
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
α1 (Av1 ) + α2 (Av2 ) + · · · + αk (Avk ) + αk+1 (Avk+1 ) = A0Kn
α1 λ1 v1 + α2 λ2 v2 + · · · + λk αk vk + λk+1 αk+1 vk+1 = 0Kn

α1 (λ1 − λk+1 )v1 + α2 (λ2 − λk+1 )v2 + · · · + αk (λk − λk+1 )vk = 0Kn .

αi (λi − λk+1 ) = 0 i = 1, 2, . . . , k.
 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .∗λk+1
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
α1 (Av1 ) + α2 (Av2 ) + · · · + αk (Avk ) + αk+1 (Avk+1 ) = A0Kn
α1 λ1 v1 + α2 λ2 v2 + · · · + λk αk vk + λk+1 αk+1 vk+1 = 0Kn

α1 (λ1 − λk+1 )v1 + α2 (λ2 − λk+1 )v2 + · · · + αk (λk − λk+1 )vk = 0Kn .

αi (λi − λk+1 ) = 0 i = 1, 2, . . . , k.

λi − λk+1 6= 0 para todo i = 1, 2, . . . , k

 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .∗λk+1
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
α1 (Av1 ) + α2 (Av2 ) + · · · + αk (Avk ) + αk+1 (Avk+1 ) = A0Kn
α1 λ1 v1 + α2 λ2 v2 + · · · + λk αk vk + λk+1 αk+1 vk+1 = 0Kn

α1 (λ1 − λk+1 )v1 + α2 (λ2 − λk+1 )v2 + · · · + αk (λk − λk+1 )vk = 0Kn .

αi (λi − λk+1 ) = 0 i = 1, 2, . . . , k.

λi − λk+1 6= 0 para todo i = 1, 2, . . . , k

αk+1 vk+1 = 0Kn .

 k Teorema
Sea A una matriz cuadrada de orden n y sea λ1 , λ2 , ..., λm valores caracterı́sticos
distintos de A con vectores caracterÃsticos correspondientes v1 , v2 , ..., vm . Entonces
{v1 , v2 , ..., vm } es un conjunto linealmente independiente.

Demostración. {v1 } es un conjunto linealmente independiente.

Supóngase ahora que para todo k = 1, ..., r con r < m se tiene que {v1 , v2 , ..., vk } es
linealmente independiente.
α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 = 0Kn .∗λk+1
A(α1 v1 + α2 v2 + · · · + αk vk + αk+1 vk+1 ) = A0Kn
α1 (Av1 ) + α2 (Av2 ) + · · · + αk (Avk ) + αk+1 (Avk+1 ) = A0Kn
α1 λ1 v1 + α2 λ2 v2 + · · · + λk αk vk + λk+1 αk+1 vk+1 = 0Kn

α1 (λ1 − λk+1 )v1 + α2 (λ2 − λk+1 )v2 + · · · + αk (λk − λk+1 )vk = 0Kn .

αi (λi − λk+1 ) = 0 i = 1, 2, . . . , k.

λi − λk+1 6= 0 para todo i = 1, 2, . . . , k

αk+1 vk+1 = 0Kn .

{v1 , v2 , ..., vk , vk+1 } es un conjunto linealmente independiente. o

Espacios propios

k Definición
Sea A una matriz cuadrada de orden n y sea λ un valor propio de A. Se define el
espacio propio (espacio caracterı́stico o eigenspace) de la matriz A correspondiente al
valor propio λ, por

Eλ = {x ∈ Kn : Ax = λx}.
Espacios propios

k Definición
Sea A una matriz cuadrada de orden n y sea λ un valor propio de A. Se define el
espacio propio (espacio caracterı́stico o eigenspace) de la matriz A correspondiente al
valor propio λ, por

Eλ = {x ∈ Kn : Ax = λx}.

k Teorema
Eλ es un subespacio de Kn .
Espacios propios

k Definición
Sea A una matriz cuadrada de orden n y sea λ un valor propio de A. Se define el
espacio propio (espacio caracterı́stico o eigenspace) de la matriz A correspondiente al
valor propio λ, por

Eλ = {x ∈ Kn : Ax = λx}.

k Teorema
Eλ es un subespacio de Kn .
 k Teorema
Sean λ1 , λ2 dos valores propios diferentes de una matriz cuadrada A. Entonces
Eλ1 ∩ Eλ2 = {0Kn }.

Demostración.
 k Teorema
Sean λ1 , λ2 dos valores propios diferentes de una matriz cuadrada A. Entonces
Eλ1 ∩ Eλ2 = {0Kn }.

Demostración. Suponga que x ∈ Eλ1 ∩ Eλ2 ,

 k Teorema
Sean λ1 , λ2 dos valores propios diferentes de una matriz cuadrada A. Entonces
Eλ1 ∩ Eλ2 = {0Kn }.

Demostración. Suponga que x ∈ Eλ1 ∩ Eλ2 ,

Ax = λ1 x y Ax = λ2 x.
 k Teorema
Sean λ1 , λ2 dos valores propios diferentes de una matriz cuadrada A. Entonces
Eλ1 ∩ Eλ2 = {0Kn }.

Demostración. Suponga que x ∈ Eλ1 ∩ Eλ2 ,

Ax = λ1 x y Ax = λ2 x.

λ1 x = λ2 x
 k Teorema
Sean λ1 , λ2 dos valores propios diferentes de una matriz cuadrada A. Entonces
Eλ1 ∩ Eλ2 = {0Kn }.

Demostración. Suponga que x ∈ Eλ1 ∩ Eλ2 ,

Ax = λ1 x y Ax = λ2 x.

λ1 x = λ2 x
λ1 x − λ2 x = 0Kn
 k Teorema
Sean λ1 , λ2 dos valores propios diferentes de una matriz cuadrada A. Entonces
Eλ1 ∩ Eλ2 = {0Kn }.

Demostración. Suponga que x ∈ Eλ1 ∩ Eλ2 ,

Ax = λ1 x y Ax = λ2 x.

λ1 x = λ2 x
λ1 x − λ2 x = 0Kn
(λ1 − λ2 )x = 0Kn .
 k Teorema
Sean λ1 , λ2 dos valores propios diferentes de una matriz cuadrada A. Entonces
Eλ1 ∩ Eλ2 = {0Kn }.

Demostración. Suponga que x ∈ Eλ1 ∩ Eλ2 ,

Ax = λ1 x y Ax = λ2 x.

λ1 x = λ2 x
λ1 x − λ2 x = 0Kn
(λ1 − λ2 )x = 0Kn .

Eλ1 ∩ Eλ2 = {0Kn }. o

 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.

p(λ) = det(A − λI) =

 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.
 
1−λ 3 0
p(λ) = det(A − λI) = det  0 −2 − λ 0 
0 6 1−λ
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.
 
1−λ 3 0
p(λ) = det(A − λI) = det  0 −2 − λ 0 
0 6 1−λ
p(λ) = (1 − λ)(−2 − λ)(1 − λ).
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.
 
1−λ 3 0
p(λ) = det(A − λI) = det  0 −2 − λ 0 
0 6 1−λ
p(λ) = (1 − λ)(−2 − λ)(1 − λ).

Las raı́ces (diferentes) del polinomio caracterı́stico A son λ1 = 1 y λ2 = −2.

 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.

    
1−λ 3 0 x1 0
 0 −2 − λ 0   x2  =  0 .
0 6 1−λ x3 0
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

      
1−λ 3 0 0 3 0 x1 0
 0 −2 − λ 0 =  0 −3 0   x2  =  0 .
0 6 1−λ 0 6 0 x3 0
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

    
0 3 0 x1 0
 0 −3 0   x2  =  0 .
0 6 0 x3 0

 
0 3 0 0
 0 −3 0 0 
0 6 0 0
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

    
0 3 0 x1 0
 0 −3 0   x2  =  0 .
0 6 0 x3 0

   
0 3 0 0 0 1 0 0
 0 −3 0 0  ∼ 0 0 0 0 .
0 6 0 0 0 0 0 0
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

    
0 3 0 x1 0
 0 −3 0   x2  =  0 .
0 6 0 x3 0

   
0 3 0 0 0 1 0 0
 0 −3 0 0  ∼ 0 0 0 0 .
0 6 0 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1
x3
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

    
0 3 0 x1 0
 0 −3 0   x2  =  0 .
0 6 0 x3 0

   
0 3 0 0 0 1 0 0
 0 −3 0 0  ∼ 0 0 0 0 .
0 6 0 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1 si y sólo si x2 = 0,
x3
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

    
0 3 0 x1 0
 0 −3 0   x2  =  0 .
0 6 0 x3 0

   
0 3 0 0 0 1 0 0
 0 −3 0 0  ∼ 0 0 0 0 .
0 6 0 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1 si y sólo si x2 = 0,
x3
 
x1
 0 
x3
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

    
0 3 0 x1 0
 0 −3 0   x2  =  0 .
0 6 0 x3 0

   
0 3 0 0 0 1 0 0
 0 −3 0 0  ∼ 0 0 0 0 .
0 6 0 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1 si y sólo si x2 = 0,
x3
   
x1 1
 0  = x1  0 
x3 0
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

    
0 3 0 x1 0
 0 −3 0   x2  =  0 .
0 6 0 x3 0

   
0 3 0 0 0 1 0 0
 0 −3 0 0  ∼ 0 0 0 0 .
0 6 0 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1 si y sólo si x2 = 0,
x3
     
x1 1 0
 0  = x1  0  + x3  0  .
x3 0 1
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l En el caso en que λ1 = 1

    
0 3 0 x1 0
 0 −3 0   x2  =  0 .
0 6 0 x3 0

   
0 3 0 0 0 1 0 0
 0 −3 0 0  ∼ 0 0 0 0 .
0 6 0 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1 si y sólo si x2 = 0,
x3
     
x1 1 0
 0  = x1  0  + x3  0  .
x3 0 1

   
 1 0 
Eλ=1 = gen  0  ,  0  .
0 1
 
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución.
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l Para λ2 = −2 se tiene el sistema

      
1−λ 3 0 3 3 0 x1 0
 0 −2 − λ 0  =  0 0 0   x2  =  0 .
0 6 1−λ 0 6 3 x3 0
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l Para λ2 = −2 se tiene el sistema

    
3 3 0 x1 0
 0 0 0   x2  =  0 .
0 6 3 x3 0
 
3 3 0 0
 0 0 0 0 
0 6 3 0
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l Para λ2 = −2 se tiene el sistema

    
3 3 0 x1 0
 0 0 0   x2  =  0 .
0 6 3 x3 0
   
3 3 0 0 2 0 −1 0
 0 0 0 0  ∼ 0 2 1 0 .
0 6 3 0 0 0 0 0
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l Para λ2 = −2 se tiene el sistema

    
3 3 0 x1 0
 0 0 0   x2  =  0 .
0 6 3 x3 0
   
3 3 0 0 2 0 −1 0
 0 0 0 0  ∼ 0 2 1 0 .
0 6 3 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1 si y sólo si x1 = x3 y x2 = x3 ,
x3 2 2
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l Para λ2 = −2 se tiene el sistema

    
3 3 0 x1 0
 0 0 0   x2  =  0 .
0 6 3 x3 0
   
3 3 0 0 2 0 −1 0
 0 0 0 0  ∼ 0 2 1 0 .
0 6 3 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1 si y sólo si x1 = x3 y x2 = x3 ,
x3 2 2
 x   1 
3

x23 2
1
 = x3  .
   

2 2
x3 1
 k Ejemplo
 
1 3 0
Determinar los espacios propios de la matriz  0 −2 0 .
0 6 1

§ Solución. l Para λ2 = −2 se tiene el sistema

    
3 3 0 x1 0
 0 0 0   x2  =  0 .
0 6 3 x3 0
   
3 3 0 0 2 0 −1 0
 0 0 0 0  ∼ 0 2 1 0 .
0 6 3 0 0 0 0 0
 
x1
 x2  ∈ Eλ=1 si y sólo si x1 = x3 y x2 = x3 ,
x3 2 2
 x   1 
3

x23 2
1
 = x3  .
   

2 2
x3 1

 
 1   
1
 
2

   
Eλ=−2 = gen 
 1  = gen
  1  .
2 2

   
 
1
 
 k Ejemplo
 
0 0 3
Determinar los espacios propios de la matriz A =  1 0 −1 .
0 1 3

§ Solución.
 k Ejemplo
 
0 0 3
Determinar los espacios propios de la matriz A =  1 0 −1 .
0 1 3

§ Solución.

p(λ) = det(A − λI3 ) = −λ3 + 3λ2 − λ + 3 = (3 − λ)(λ2 + 1).

 k Ejemplo
 
0 0 3
Determinar los espacios propios de la matriz A =  1 0 −1 .
0 1 3

§ Solución.

p(λ) = det(A − λI3 ) = −λ3 + 3λ2 − λ + 3 = (3 − λ)(λ2 + 1).

Entonces los valores propios de A son λ1 = 3, λ2 = i y λ3 = −i.

 k Ejemplo
 
0 0 3
Determinar los espacios propios de la matriz A =  1 0 −1 .
0 1 3

§ Solución.

p(λ) = det(A − λI3 ) = −λ3 + 3λ2 − λ + 3 = (3 − λ)(λ2 + 1).

Entonces los valores propios de A son λ1 = 3, λ2 = i y λ3 = −i.

 
 1 
Eλ1 =3 = gen  0 
1
 
 k Ejemplo
 
0 0 3
Determinar los espacios propios de la matriz A =  1 0 −1 .
0 1 3

§ Solución.

p(λ) = det(A − λI3 ) = −λ3 + 3λ2 − λ + 3 = (3 − λ)(λ2 + 1).

Entonces los valores propios de A son λ1 = 3, λ2 = i y λ3 = −i.

 
 1 
Eλ1 =3 = gen  0 
1
 
 
 3i 
Eλ2 =i = gen  3−i 
1
 
 k Ejemplo
 
0 0 3
Determinar los espacios propios de la matriz A =  1 0 −1 .
0 1 3

§ Solución.

p(λ) = det(A − λI3 ) = −λ3 + 3λ2 − λ + 3 = (3 − λ)(λ2 + 1).

Entonces los valores propios de A son λ1 = 3, λ2 = i y λ3 = −i.

 
 1 
Eλ1 =3 = gen  0 
1
 
 
 3i 
Eλ2 =i = gen  3−i 
1
 
 
 3i 
Eλ3 =−i = gen  −3 − i  .
1
 