Álgebra Lineal

Universidad Nacional de Ingenierı́a

Los Profesores

2021-0
Valores y vectores propios de una matriz

Definición
Sea A una matriz de orden n × n, diremos que un vector
v ∈ Rn − {0} es un vector propio de A si existe un λ ∈ R, tal que

Av = λv .

El escalar λ se denomina valor propio de A y que se dice que v es

un vector propio correspondiente a λ.

Ejemplo
   
1 3 0
El vector v = es un vector propio de A =
2 8 −1
correspondiente al valor propio λ = 3, debido a que
    
3 0 1 3
Av = = = 3v
8 −1 2 6
Valores y vectores propios

Para encontrar los valores propios de una matriz A de orden n,

resolveremos el siguiente sistema lineal homogéneo
(A − λI )v = 0 o (λI − A)x = 0.
Además como queremos que v 6= 0, entonces el sistema tendrá
solución si y solo
det(λI − A) = 0
es decir la matriz λI − A es singular. La ecuación anterior se le
conoce como ecuación caracterı́stica. Esta ecuación define el
polinomio caracterı́stico
p(λ) = det(λI − A) = λn + an−1 λn−1 + · · · + a1 λ + a0 .
Ejemplos
Ejemplo
 
a b
Sea A = , determine su polinomio caracterı́stico.
c d

De la definición
p(λ) = λ2 + a1 λ + a0  
λ−a b
= det(λI − A) = det
c λ−d
= (λ − a)(λ − d) − bc
= λ2 − (a + d)λ + ad − bc
Donde observamos que la suma de raı́ces del polinimio es dado por

λ1 + λ2 = −a1 = a + d = traz(A)

y el producto
λ1 λ2 = ad − bc = det(A).
ejemplo
En general tenemos
traz(A) = λ1 + λ2 + · · · + λn y det(A) = λ1 λ2 · · · λn
Donde λ1 , · · · , λn son las raı́ces del polinimio caracterı́stico p(λ)
de la matriz A.
Ejemplo
Halle los valores y vectores propios de la matriz
 
3 −2 0
A =  −2 3 0 
0 0 5

 
λ−3 2 0
det(λI − A) = det  2 λ−3 0  = λ3 − 7λ2 + 11λ − 5
0 0 λ−5
Encontrando λ3 − 7λ2 + 11λ − 5 = (λ − 1)(λ − 5)2 .
Ejemplo
Por lo tanto lo valores propios son λ1 = 4, λ2 = 5. Luego
escogiendo a λ =
Hallando el vector propio v para λ1 = 1
    
λ−3 2 0 x1 0
 2 λ−3 0   x2 = 0 
 
0 0 λ−5 x3 0
    
−2 2 0 x1 0
 2 −2 0   x2  =  0 
0 0 −4 x3 0
Obteniendo −2x1 + 2x2 = 0, 2x1 − 2x2 = 0 y −4x3 = 0. Se tiene
x1 = t, x2 = t, x3 = 0.
   
t 1
v1 =  t  = t  1 
0 0
 
1
. De modo que escogemos 1 .
Ejemplo

Hallando el vector propio v para λ2 = 5

    
2 2 0 x1 0
 2 2 0   x2  =  0 
0 0 0 x3 0

Obteniendo 2x1 + 2x2 = 0,. Se tiene x1 = −t, x2 = t, x3 = s.

     
−t −1 0
v=  t  =t  1 +s 0 
 
s 0 1
   
−1 0
. De modo que escogemos  1  y  0 .
0 1
Ejercicios

Ejemplo
 
x y 0
A =  −2y 5 0  es una matriz con determinante positivo, donde
−2y y z
y > 0, |adj(A)| = 81. Los valores propios de A satisfacen la ecuación
2λ3 − 14λ2 + a1 λ + a0 = 0 y 3 es un valor propio de A.
1 Encontrar los valores y vectores propios de A.
2 Si {x̄1 , x̄2 , x̄3 } son lo vectores propios de A asociados a λ1 , λ2 y λ3
respectivamente y P = {x̄1 , x̄2 , x̄3 } es una matriz cuadrada de orden
3, calcular P −1 A100 P.
Matriz diagonalización
Definición
Se dice que una matriz cuadrada A es diagonalizable si hay una
matriz inversible P tal que P −1 AP sea diagonal. Se dice que la
matriz P diagonaliza a A.

Teorema
Si A es una matriz de orden n, entonces las proposiciones que
siguen son equivalentes:
1 A es diagonalizable.
2 A tiene n vectores propios linealmente independientes.

Dado que A es diagonalizable, existe una matriz inversible

 
p11 p12 · · · p1n
 p21 p22 · · · p2n 
P= .
 
.. .. 
 .. . . 
pn1 pn2 · · · pnn
Diaginalización
 
λ1 0 · · · 0
 0 λ2 · · · 0 
P −1 AP = 
 
.. .. .. 
 . . . 
0 0 ··· λn
Luego
  
p11 p12 · · · p1n λ1 0 · · · 0
 p21 p22 · · · p2n  0 λ2 · · · 0 
AP = PD = 
  
.. .. ..  .. .. .. 
 . . .  . . . 
pn1 pn2 · · · pnn 0 0 ··· λn
 
λ1 p11 λ2 p12 · · · λn p1n
 λ1 p21 λ2 p22 · · · λn p2n 
= 
 
.. .. .. 
 . . . 
λ1 pn1 λ2 pn2 · · · λn pnn
Diagonalización
p1i
 
 p2i 
Denotando ahora por pi =  .  para i = 1, 2, · · · , n.
 
 .. 
pni
Obteniendo Ap1 = λ1 p1 , Ap2 = λ2 p2 , · · · , Apn = λn pn y desde que P es una matriz
inversible tenemos p1 , p2 , · · · , pn son los vectores propios de A. Supongamos ahora
que A tiene n vectores propios lienalemente independientes, p1 , p2 , · · · , pn , con sus
vectores propios correspondientes λ1 , λ2 , · · · , λn , es decir,
Ap1 = λ1 p1 , Ap2 = λ2 p2 , · · · , Apn = λn pn
Formando AP = PD, lo que implica P −1 AP = D, y donde
P = [p1 , p2 , · · · , pn ] y D = diag (λ1 , λ2 , · · · , λn ).

Ejemplo
 
2 a b
Dada la matriz A =  3 7 3b , donde a y b son números enteros. Si se sabe
1 a −4
que son numéricamente iguales el |A|, un valor propio de A y el orden de A.
1 Encontrar los valores y vectores propios de A.
2 Diagonalizar A si es posible.
Propiedades
Teorema
Si v1 , v2 , · · · , vn son vectores propios de A correspondientes a los
valores propios distintos, λ1 , λ2 , · · · , λk , entonces {v1 , v2 , · · · , vk }
es un conjunto linealmente independiente.

Teorema
Si una matriz A de orden n tiene n vectores propios distintos,
entonces A es diagonalizable.

Teorema
Sea V un espacio vectorial de dimensión m de Rn . Entoces V tiene
una base ortogonal.

Sea S = {v1 , v2 , · · · , vm } una base de V . Procedemos obtener la

ortogonalización
1 Elegimos el primer vector de la base

u1 = v1
Diagonalización ortogonal
2 Elegimos un segundo vector u2 que sea ortogonal a u1

v2 · u1
tememos del gráfico u2 = v2 − u1 .
ku1 k2
3 Ası́ haciendo el proceso para los demás vectores tenemos
i−1
X vi · uk
ui = vi − uk , para i = 2, · · · , m.
kuk k2
k=1

Si además de eso queremos tener una base ortogonal entonces

normalizamos los vectores es decir lo dividimos entre su norma.
ejemplo
Ejemplo
Construya una base ortonormal en R3 de la base
{v1 , v2 , v3 } = {(1, 1, 0); (0, 1, 1), (1, 0, 1)}

Escojamos u1 = v1 = (1, 1, 0), luego hallemos u2 ,

(0, 1, 1) · (1, 1, 0) 1 1
u2 = (0, 1, 1) − (1, 1, 0) = (− , , 1)
k(1, 1, 0)k2 2 2

finalmente u3 ,

(1, 0, 1) · (1, 1, 0) (1, 0, 1) · (− 12 , 21 , 1) 1 1

u3 = (1, 0, 1) − (1, 1, 0) − ( 2 , 2 , 1)
k(1, 1, 0)k2 k( 12 , 12 , 1)k2 .
= ( 32 , − 23 , 23 )

Finalmente una base ortonormal seı́a

1 1 √ √ √ √ √ √
{( √ , √ , 0), (− 6, 6, 2 6), ( 3, − 3, 3)}
2 2
Ortogonalización
Definición
Se dice que una matriz cuadrada A es ortogonalmente diagonalizable si
existe una matriz ortogonal P tal que P −1 AP sea diagonal, se dice que la
matriz P diagonaliza ortogonalmente a A.

Teorema
Sea H un subespacio de Rn con base ortonormall {u1 , u2 , · · · , um }. Si
v ∈ Rn , entonces la proyección ortogonal de v sobre H, denotada por
proyH v , está dada por

proyH v = (v · u1 )u1 + (v · u2 )u2 + · · · + (v · um )um

Ejemplo
Encuentre proyH v , donde π = {(x, y , z) | 2x − y + 3z = 0} y v es el
vector (3, −2, 4)

Encontrando una base ortonormal para π. Sea (x, y , z) ∈ π,

y = −2x − 3z, tenemos (x, y , z) = x(1, −2, 0) + z(0, −3, 1). Tenemos la
base {(1, −2, 0), (0, −3, 1)} para π y ortonormalizando.
Ortogonalización

Proceso de Gram-Schmith; u1 = (1, −2, 0)

((0, −3, 1)(1, −2, 0)) 6 3

u2 = (0, −3, 1) − 2
(1, −2, 0) = (− , − , 1).
k(1, −2, 0)k 5 5

Finalmente tenemos la base ortogonal

( r )
1 5 6 3
√ (1, −2, 0), (− , − , 1)
5 14 5 5

proyH v = ((3, −2, 4) √15 (1, −2, 0)) √15 (1, −2, 0)
q q
5
+ ((3, −2, 4) 14 (− 65 , − 53 , 1)) 14
5
(− 65 , − 35 , 1)
4
= (5, −22, 35 )
Ortogonalización
Teorema
Si A es una matriz de orden n, entonces las proposiciones que
siguen son equivalentes:
1 A es ortogonalmente diagonalizable
2 A tiene un conjunto ortonormal de n vectores propios.

Teorema
Si A es una matriz de orden n, entonces las proposiciones
siguientes son equivalentes:
1 A es ortogonalmente diagonalizable
2 A es simétrica.

Teorema
Si A es una matriz simétrica, entonces los vectores propios de
valores propios diferentes son ortogonales.
Diagonalización
Teorema
1 La ecuación caracterı́tica de una matriz simétrica A solo tiene ráices
reales.
2 Si un valor propio λ de una matriz simétrica A se repite k veces,
como una raı́z de la ecuación caracterı́stica, entonces el
dim(Eλ ) = k, donde Eλ = {v | Av = λv }.

Teorema
Sea λ un valor propio de A. Entonces la multiplicidad geométrica de λ ≤
multiplicidad algebraica de A.

Ejemplo
Halle los valores y vectores propios de
 
10 −9 0 0
 4 −2 0 0 
 
 0 0 −2 −7 
0 0 1 2
Resultados importante
Ejemplo
Sea A una matriz que tiene λ1 , λ2 , · · · , λm valores propios.
1 Demuestre que los valores propios de AT son λ1 , · · · , λm .
2 Demuestre que los valores propios de αA son αλ1 , · · · , αm λm .
3 Si existe A−1 , demuestre que los valores propios de A−1 son
1 1
λ1 , · · · , λm .
4 Demuestre que los valore propios de An son λn1 , · · · , λnm .
5 Sea λ un valor propio de A con v como el vector propio
correspondiente. Sea p(λ) = a0 + a1 λ + a2 λ2 + · · · + an λn . Defina la
matriz p(A) por p(A) = a0 I + a1 A + a2 A2 + · · · + an An . Demuestre
que p(A)v = p(λ)v .
Ejericio
Ejemplo
 
a b c
Sea la matriz cuadrada A =  0 a 0 , donde {a, b, c} ⊂ Z. Los
b a b
valores  de A satisfacen la ecuación λ3 − 4λ2 − λ + 4 = 0. Si
propios 
−3
X = m  0 , m 6= 0 es un vector propio de A correspondiente a
2
λ < 0.
1 Encontrar los valores y vectores propios de f (A) = A4 − 8A2 + 4I .
2 Diagonalizar A si es posible.