UNIVERSIDAD DE LAS FUERZAS ARMADAS-ESPE

EXTENSIÓN SANTO DOMINGO

DEPARTAMENTO DE CIENCIAS DE LA
CARRERA DE INGENIERÍA EN BIOTECNOLOGÍA

Asignatura: Álgebra lineal.

NRC: 3802

TIPO DE TRABAJO: Autónomo #3.

Nombre: Farias Mykel

NIVEL: Segundo “A”

DOCENTE: Ing Alfredo Zapata.

FECHA: 01/04/2021

TAREA: Valores y vectores propios.

SANTO DOMINGO-ECUADOR
 Valores y vectores propios
1.- Teoría con fórmulas y ejemplos
El cálculo de los valores propios y de los vectores propios de una matriz simétrica tiene gran
importancia en las matemáticas y en la ingeniería, entre los que cabe destacar, el problema de
la diagonalización de una matriz, el cálculo de los momentos de inercia y de los ejes principales
de inercia de un sólido rígido, o de las frecuencias propias de oscilación de un sistema oscilante.
1.1.- Definición, valores propios y vectores propios
• El escalar 𝛽 es valor propio de A si existe 𝑣 ≠ 0 tal que 𝐴𝑣 = 𝛽𝑣
• El vector 𝑣 es vector propio de A asociado a 𝛽 si 𝐴𝑣 = 𝛽𝑣
Teorema (método para calcular valores y vectores propios para matrices concretas)
• El escalar 𝛽 es valor propio de A si y solo sí det(𝐴 − 𝛽𝐼) = 0
• El vector v es vector propio asociado a 𝐴 si (𝐴 − 𝛽𝐼)𝑣 = 0
Demostración de la parte dos:
𝐴𝑣 = 𝛽𝑣 ↔ 𝐴𝑣 − 𝛽𝑣 = 0 ↔ (𝐴 − 𝛽𝐼)𝑣 = 0
Es importante recordar que 𝐴𝑣 = 𝛽𝑣 ↔ 𝐴𝑣 − 𝛽𝑣 = 0 ↔ (𝐴 − 𝛽)𝑣 = 0 es totalmente
incorrecto. La razón es la siguiente:
Ejemplo: Calcular los valores y vectores propios para la matriz.
4 −5
𝐴=[ ]
2 −3
Primero vamos a calcular los valores propios:
4−𝛽 −5 𝛽 = −1
det(𝐴 − 𝛽𝐼) = | | = (4 − 𝛽)(−3 − 𝛽) + 10 = 𝛽 2 − 𝛽 − 2 → { }
2 −3 − 𝛽 𝛽=2
Con lo cual obtenemos dos valores propios: 𝛽1 = −1, 𝛽2 = 2
Buscamos ahora los correspondientes vectores propios:
• Para 𝛽1 = −1:
[𝐴 − (−1)𝐼]𝑣 = 0 → [ 5 −5 𝑥 0 1
] [𝑦] = [ ] → 𝑥 = 𝑦 → 𝑚ú𝑙𝑡𝑖𝑝𝑙𝑜𝑠 𝑑𝑒 [ ]
2 −2 0 1
El sistema obtenido tiene una infinidad de soluciones.
• Para 𝛽2 = 2. Debe salir múltiplos de[5,2]𝑡 Nuevamente el sistema obtenido tendrá
una infinidad de soluciones.
Observaciones
• Se puede demostrar que det(𝐴 − 𝛽𝐼) es un polinomio cuyo grado coincide con el
tamaño de la matriz A; sea n. Se llama polinomio característico. Como mucho tiene n
raíces distintas.
 • Como puede verse del ejemplo anterior, a un valor propio le corresponden una infinidad
de vectores propios, en otras palabras; si 𝛽 es valor propio, el sistema (𝐴 − 𝛽𝐼)𝑣 tiene
siempre infinitas soluciones.
1.2.- Polinomio característico
Dada una matriz cuadrada A de dimensión n, el polinomio característico de la matriz es:
𝑃(𝛽) = 𝛽 2 + 𝑝1 𝛽 𝑛−1 + 𝑝2 𝛽 𝑛−2 + ⋯ 𝑃𝑛−1 𝛽 + 𝑃𝑛
Los coeficientes se hallan a partir de las siguientes relaciones.
𝑃1=− 𝑠1
𝑃2 = −1/2(𝑠2 + 𝑝1 𝑠1 )
{
⋯⋯⋯⋯⋯⋯⋯⋯
𝑃𝑛 = −1/𝑛(𝑠𝑛 + 𝑝𝑛 𝑠𝑛−1 + ⋯ + 𝑝𝑛−1 𝑠1
Los valores 𝑠1 , 𝑠2 ⋯ 𝑠𝑛 son trazas de las potencias de la matriz cuadrada A.
𝑠1 = 𝑡𝑟𝑎𝑧𝑎 𝐴 𝑖≤𝑛
2
{ 𝑠2 = 𝑡𝑟𝑎𝑧𝑎 𝐴 = 𝑡𝑟𝑎𝑧𝑎 𝐴 = ∑ 𝑎𝑖𝑖
𝑠𝑛 = 𝑡𝑟𝑎𝑧𝑎 𝐴𝑛 𝑖=1

La aplicación de este método no reviste dificultad, se calculan:

• Las potencias de la matriz A y la traza de cada una de ellas,
• Los coeficientes pi del polinomio característico
• Los valores propios o las raíces del polinomio mediante el comando roots
• Conocidos los valores propios se calculan los vectores propios
Conocidos los coeficientes del polinomio característico, se determinan las raíces por algún
procedimiento numérico, el mejor procedimiento es utilizar la función de softwares como
MATLAB roots.
1.3.-Criterios de diagonalización.
Una matriz diagonal es una matriz cuadrada que tiene todas sus entradas nulas, salvo
eventualmente las de la diagonal. Una matriz cuadrada A es diagonalizable si existen una
matriz diagonal D y una matriz regular P tales que 𝐴 = 𝑃𝐷𝑃−1 . La diagonalización de
matrices es útil para el cálculo de potencias grandes de una matriz, ya que:
⃛ = 𝑃𝐷𝑟 𝑃 −1
𝐴𝑟 = (𝑃𝐷𝑃−1 ) = 𝑃𝐷𝑃−1 𝑃𝐷𝑃−1 𝑟 = 1 𝑃𝐷𝑃−1
Propiedades
1. Si A es una matriz triangular, entonces sus valores propios son valores de la diagonal.
2. Los valores propios de 𝐴 𝑦 𝐴𝑡 coinciden.
3. [𝐴] = 0 solo y sí 0 es un valor propio de A.
4. Si A es regular y 𝛽 es un valor propio de A, es entonces 𝛽 −1 lo es de 𝐴−1
Una matriz simétrica de orden n tiene valores propios reales y n vectores propios ortogonales
que siempre se pueden convertir en ortonormales (se pueden demostrar estas afirmaciones).
 −1
Se puede probar que, si las columnas de S son ortonormales, entonces S = S t (una matriz
que cumple esta propiedad se llama matriz ortogonal). Por tanto:
𝐴 = 𝑆𝐷𝑆 𝑡
1.4.- Polinomio mínimo. Teorema de Cayley-Hamilton
Podemos evaluar un polinomio en una matriz cuadrada de acuerdo a la siguiente definición: Si A es
una matriz nxn con entradas reales y p(x) es un polinomio en 𝑅[𝑥] de la forma

𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝑥 𝑛
Definimos a la matriz p(x) como la matriz.

𝑎0 𝐼0 + 𝑎1 𝐴 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝐴𝑛
De manera análoga se puede dar una definición cuando las entradas de la matriz o los coeficientes del
polinomio son, números complejos.

Cuando una matriz está digitalizada, digamos 𝐴 = 𝑃−1 𝐷𝑃 𝑐𝑜𝑛 𝑃 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒𝑦 𝐷 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙, entonces
evaluar polinomios en A es sencillo. Se tiene que 𝐴 = 𝑃−1 𝑝(𝐷)𝑃,y si las entradas en la diagonal
principal de D son 𝑑1 ⋯ 𝑑𝑛 entonces p(D) es diagonal con entradas en la diagonal principal iguales a
𝑝(𝑑1 ) ⋯ 𝑝(𝑛).
Dado una matriz A, habrá algunos polinomios p(x) en 𝑅[𝑥] para los cuales p(A)=0, si p(x) en uno de
estos, entonces cualquier eigenvalor de A tiene que ser raíz de p(x).
1.4.1.- El teorema de Cayley-Hamilton
Si A es una matriz nxn con entradas en C y 𝑋𝐴 (x) es su polinomio característico, entonces:
𝑋𝐴 (𝐴) = 𝑂𝑛
En realidad, el teorema de Cayley-Hamilton es válido para matrices más generales. Daremos un esbozo
de demostración sólo para matrices con entradas complejas pues eso nos permite introducir una técnica
de perturbaciones.
Si A es una matriz diagonal, las entradas de su diagonal son sus eigenvalores 𝛽1 ⋯ 𝛽𝑛 por la discusión
al inicio de esta entrada 𝑋𝐴 (𝐴) es diagonal con entradas 𝑋𝐴 (𝛽1 ) ⋯ 𝑋𝐴 (𝛽𝑛 ) y con los eigenvalores son
raíces del polinomio característico, entonces todos estos valores son 0 y, por tanto 𝑋𝐴 (𝐴) = 0.
Ejemplo: Muestra que para cualesquiera matrices X, Y, Z de 2x2 con entradas reales se cumple que:
𝑍𝑋𝑌𝑋𝑌 + 𝑍𝑌𝑋𝑌𝑋 + 𝑋𝑌𝑌𝑋𝑍 + 𝑌𝑋𝑋𝑌𝑍 = 𝑋𝑌𝑋𝑌𝑍 + 𝑌𝑋𝑌𝑋𝑍 + 𝑍𝑋𝑌𝑌𝑋 + 𝑍𝑌𝑋𝑋𝑌
Recordemos que si A es una matriz 2x2 con traza cero su polinomio característico es:

𝑋𝐴 (𝑥) = 𝑥 2 − 𝑡𝑟(𝐴)𝑥 + det(𝐴)

= 𝑥 2 + det (𝐴)
Por el teorema de Cayley-Hamilton, se satisface entonces que 𝐴2 = − det(𝐴) 𝐼2 , así que 𝐴2 es múltiplo
de la identidad y por tanto con cualquier matriz 2x2, la identidad que queremos mostrar se puede
reescribir como:

𝑍(𝑋𝑌 − 𝑌𝑋)2 = (𝑋𝑌 − 𝑌𝑋)2 𝑍 ).

La traza de XY es igual a la traza de YX y como la traza es una transformación lineal, tenemos que
 𝑡𝑟(𝑋𝑌 − 𝑌𝑋) = 𝑡𝑟(𝑋𝑌) − 𝑡𝑟(𝑌𝑋) = 0
Por tanto, el problema concluiría aplicando la discusión de arriba a la matriz.
𝐴 = 𝑋𝑌 − 𝑌𝑋

Bibliografía
• Benitez. (s.f.). Valores y Vectores Propios. Obtenido de
http://personales.upv.es/jbenitez/cajon_sastre/val_prop.pdf

• Cayley-Hamilton, S. d. (s.f.). Leonardo Martínez. Obtenido de

https://blog.nekomath.com/seminario-de-resolucion-de-problemas-polinomios-
asociados-a-matrices-y-el-teorema-de-cayley-hamilton/

• Dogmar, M. (s.f.). Diagonalización de matrices. Obtenido de

http://www.ugr.es/~vblanco/Docs/TEMA7.pdf

• MATHLAB. (s.f.). Valores y vectores propios. Obtenido de

http://www.sc.ehu.es/sbweb/fisica3/numerico/propios/propios.html