FACULTAD DE CIENCIAS E INGENIERÍA

CARRERA:
SOFTWARE

MODALIDAD: PRESENCIAL

ASIGNATURA:
ÁLGEBRA LINEAL

DOCENTE:
ING. BYRONE ALMEIDA SALAZAR

INTEGRANTES:
Randy Joel Medina Narváez
Marco David Arteaga Zambrano

TEMA:
Ensayo: Valores Propios y Vectores Propios

CURSO:
C2

PERIODO LECTIVO
2022-2023
ÍNDICE. -

Introducción ........................................................................................................................................ 3
Definición formal de valores propios y vectores propios ................................................................... 4
Definición del polinomio característico. ............................................................................................. 5
Ejemplo 1: ........................................................................................................................................... 6
Ejemplo 2: ........................................................................................................................................... 7
Bibliografía: ....................................................................................................................................... 11
Introducción
El álgebra lineal es una rama muy importante de las matemáticas que se encarga del estudio de
los espacios vectoriales y las transformaciones lineales. Entre los conceptos más relevantes en
este campo se encuentran los valores y vectores propios.

En este ensayo veremos unos breves conceptos de los valores y vectores propios.
Comprender estos conceptos nos permitirá desvelar la estructura interna de matrices y
transformaciones lineales, revelando información valiosa sobre la geometría y el comportamiento
de los sistemas lineales en estudio.

Así mismo también exploraremos sobre la definición del polinomio característico, y resolveremos
paso a paso, dos ejemplos para poner en práctica lo estudiado.

El valor propio, también conocido como autovalor, es un número escalar asociado a una matriz
cuadrada. Los valores propios representan las soluciones posibles de un problema fundamental en
álgebra lineal: determinar aquellos escalares para los cuales una transformación lineal no altera la
dirección de un vector, sino que simplemente lo escala por un factor constante. Por otro lado, los
vectores propios son los vectores no nulos que, bajo la acción de la transformación lineal, solo se
modifican por un factor escalar.

La importancia de los valores propios y vectores propios radica en su capacidad para

descomponer y analizar matrices y transformaciones lineales de manera más sencilla. Estos
conceptos nos permiten entender cómo una transformación afecta la orientación y magnitud de
un vector, brindando información clave sobre el comportamiento del sistema en cuestión.
Definición formal de valores propios y vectores propios
Sea A una matriz de tamaño n x n. Un escalar λ es llamado un valor propio de A si existe un vector
x distinto de 0, tal que 𝑨𝒙 = 𝛌 𝒙 . Un vector x de esta naturaleza se lo conoce como vector propio
de A correspondiente al valor propio de λ.
Ejemplo: Sean

𝟑 𝟐 𝟒 𝟐 𝟏
𝑨 = [𝟐 𝟎 𝟐], 𝒙𝟏 = [𝟏] y 𝒙𝟐 = [𝟏]
𝟒 𝟐 𝟑 𝟐 𝟏

Determine si 𝒙𝟏 y 𝒙𝟐 son vectores propios de A. En caso afirmativo, diga a que valor corresponde.
Solucionando:

𝟑 𝟐 𝟒 𝟐 𝟏𝟔 𝟑 𝟐 𝟒 𝟏 𝟗 𝟏
𝑨𝒙𝟏 = [𝟐 𝟎 𝟐] [𝟏] = [ 𝟖 ] = 𝟖𝒙𝟏 y 𝑨𝒙𝟐 = [𝟐 𝟎 𝟐] [𝟏] = [𝟒] ≠ 𝝀 [𝟏]
𝟒 𝟐 𝟑 𝟐 𝟏𝟔 𝟒 𝟐 𝟑 𝟏 𝟗 𝟏

Así, 𝒙𝟏 es un vector propio de A asociado al valor propio λ=8. Por otro lado, 𝒙𝟐 no es un vector
propio de A

Observación: De la definición se sigue para todo 𝒙 ≠ 𝟎 que es vector propio de A asociado al valor
λ de se tiene 𝑨𝒙 = 𝛌𝐱 y por lo tanto 𝑨𝒙 − 𝛌𝐱 = 𝟎, es decir, 𝑨𝒙 − 𝛌𝑰𝒏 𝒙 = 𝟎. Factorizando
obtenemos (𝑨 − 𝛌𝑰𝒏 )𝒙 = 𝟎, es decir 𝒙 ∈ 𝑵𝒖𝒍(𝑨 − 𝛌𝑰𝒏 ).
Definición: El espacio propio del valor propio λ de A se define por:

𝑬𝛌 = 𝑵𝒖𝒍(𝑨 − 𝛌𝑰𝒏 )

Ahora, notemos que λ es valor propio de A, entonces 𝑨 − 𝛌𝑰𝒏 = 𝟎 no tiene solución única, es
decir 𝑨 − 𝛌𝐈𝒏 no es invertible y por lo tanto 𝒅𝒆𝒕(𝑨 − 𝛌𝐈𝒏 ) = 𝟎.
De este modo, para calcular los valores propios de A basta solucionar la ecuación
𝒅𝒆𝒕(𝑨 − 𝝀𝑰𝒏 )=0.

¿Cómo hallar los valores y vectores propios de A?

1. Calcule el polinomio característico 𝒑𝑨(𝛌) = 𝒅𝒆𝒕(𝑨 − 𝛌𝑰𝒏 ) de A
2. Factorice 𝒑𝑨(𝛌) y solucione la ecuación característica de 𝑨: 𝒑𝑨(𝛌) = 𝟎
3. Las raíces halladas son los valores propios de A (no importa que se repitan).
4. Para cada valor propio λ de A: halle una base para 𝑬𝛌 = 𝑵𝒖𝒍(𝑨 − 𝛌𝐈𝒏 ).
Observación: Por el teorema fundamental del álgebra, siempre es posible factorizar el polinomio
característico de A del siguiente modo:

𝒑𝑨(𝛌) = (−𝟏)𝒏 (𝛌 − 𝛌𝟏 )𝒓𝟏 (𝛌 − 𝛌𝟐 )𝒓𝟐 ∙∙∙∙∙∙ (𝛌 − 𝛌𝒎 )𝒓𝒎 , donde 𝒎 ≤ 𝒏.

Las raíces 𝛌𝟏 , 𝛌𝟐 , … , 𝛌𝒎 de 𝒑𝑨(𝛌) son los valores propios de A.

Definición del polinomio característico.
El polinomio característico es una herramienta utilizada en el ámbito del álgebra lineal y la teoría
de matrices. Es un polinomio que se asocia a cada matriz cuadrada y que contiene información
sobre sus propiedades, como sus valores propios, su determinante y su traza.

Definido formalmente, si A es una matriz cuadrada de dimensión n x n el polinomio característico

de A denotado como 𝑝(𝜆) , se define como:

𝑝(𝜆) = det(𝐴 − 𝜆𝐼)

donde I denota la matriz identidad n x n.

Como será evidente en los ejemplos, 𝑝(𝜆) es un polinomio de grado n en 𝜆. Por ejemplo, si

𝑎 𝑏 𝑎 𝑏 𝜆 0 𝑎− 𝜆 𝑏
𝐴= ( ), entonces 𝐴 − 𝜆𝐼 = ( )− ( )= ( ) y
𝑐 𝑑 𝑐 𝑑 0 𝜆 𝑐 𝑑− 𝜆
𝑝(𝜆) = det(𝐴 − 𝜆𝐼) = (𝑎 − 𝜆)(𝑑 − 𝜆) − 𝑏𝑐 = 𝑎𝑑 − 𝑎𝜆 − 𝜆𝑑 + 𝜆2 − 𝑏𝑐 =

𝜆2 − (𝑎 + 𝑑)𝜆 + (𝑎𝑑 − 𝑏𝑐)

De acuerdo con el teorema fundamental del álgebra, cualquier polinomio de grado n con
coeficientes reales o complejos tiene exactamente n raíces (contando multiplicidades). Esto
significa, por ejemplo, que el polinomio (𝜆 − 1) 5 tiene cinco raíces, todas iguales al número 1.
Como cualquier valor característico de A es una raíz de la ecuación característica de A, se concluye
que:
Contando multiplicidades, toda matriz de n x n tiene exactamente n valores característicos
(Stanley Grossman).
Ejemplo 1:
−1 1 1
Sea 𝐴 = [ 0 −2 0 ]
1 1 −1

Encontraremos el polinomio característico de A y los valores propios de A. Además,

caracterizaremos los espacios propios de A y calcularemos una base para cada uno de ellos. Por
último, compararemos las multiplicidades algebraicas y geométricas de cada valor propio de A.
El polinomio característico de A está dado por 𝑝𝐴 = det (A − λ𝐼3 ):

−1 − λ 1 1
−1 − λ 1
𝑝𝐴(λ) = | 0 −2 − λ 0 | = (−2 − λ) × | |
1 −1 − λ
1 1 −1 − λ
= −(λ + 2) × [(−1 − λ)2 − 1] = −(λ + 2) × [1 + 2λ + λ2 − 1]
= −(λ + 2) × (λ2 + 2λ) = −(λ + 2) × λ × (λ + 2) = −λ × (λ + 2)2

Al tomar 𝑝𝐴(λ) = 0, tenemos que los valores propios de A son λ1 = −2 y λ2 = 0.

Hallemos los espacios propios de A. Para λ1 = −2: 𝐸−2 = 𝑁𝑢𝑙(𝐴 − (−2)𝐼3
Luego,

1 1 1 1 1 1 𝑥 −𝑦 − 𝑧 −1 −1
𝐴 + 2𝐼3 = [0 0 0] → [ 0 0 0] → [𝑦] = [ 𝑦 ] = 𝑦 [ 1 ] + 𝑧 [ 0 ]
1 1 1 0 0 0 𝑧 𝑧 0 1

Por tanto,
𝑥 −1 −1
𝐸−2 = {[𝑦] 𝑥 + 𝑦 + 𝑧 = 0} = 𝑔𝑒𝑛 ([ 1 ] , [ 0 ])
𝑧 0 1
Para λ2 = 0: 𝐸0 = 𝑁𝑢𝑙(𝐴 + 0𝐼3 ). Luego,

−1 1 1 −1 1 1 1 0 −1 𝑥 𝑧 1
𝐴=[ 0 2 0 ] → [ 0 1 0] → [ 0 1 0
0 ] → [𝑦] = [ ] = 𝑧 [0]
1 1 −1 0 2 0 0 0 0 𝑧 𝑧 1
Por tanto,
𝑥 1
𝐸0 = {[0] 𝑥 − 𝑧 = 0} = 𝑔𝑒𝑛 ([0])
𝑧 1
Las bases para cada uno de los espacios propios son:

−1 −1 1
𝐵1 = {[ 1 ] , [ 0 ]} y 𝐵2 = {[0]}
0 1 1

De lo anterior, tenemos que las multiplicidades algebraicas y geométricas son:

𝑚. 𝑎. (−2) = 2 = 𝑚. 𝑔. (−2) y 𝑚. 𝑎. (0) = 1 = 𝑚. 𝑔. (0)

Ejemplo 2:
1 2 −1
𝐴 = (1 0 1)
4 −4 5

1- Primero hallamos el polinomio característico:

𝑝(𝜆) = det(𝐴 − 𝜆𝐼)

1 2 −1 𝜆 0 0 1− 𝜆 2 −1
(𝐴 − 𝜆𝐼) = (1 0 1 ) − (0 𝜆 0) = ( 1 0 − 𝜆 1 )
4 −4 5 0 0 𝜆 4 −4 5− 𝜆

calculamos el determinante por el método de Sarrus:

1− 𝜆 2 −1 1 − 𝜆 2
det [ 1 −𝜆 1 ] 1 −𝜆
4 −4 5− 𝜆 4 −4
= (1 − 𝜆)(−𝜆)(5 − 𝜆) + 8 + 4 − (4𝜆) − (−4)(1 − 𝜆) − (2)(5 − 𝜆)

= (−𝜆 + 𝜆2 )(5 − 𝜆) + 12 − 4𝜆 − (−4 + 4𝜆) − (10 − 2𝜆)

= −5𝜆 + 𝜆2 + 5𝜆2 − 𝜆3 + 12 − 4𝜆 + 4 − 4𝜆 − 10 + 2𝜆

= −𝜆3 + 6𝜆2 − 11𝜆 + 6

2- Hallamos los valores propios:

𝑝(𝜆) = −𝜆3 + 6𝜆2 − 11𝜆 + 6 = 0

Multiplicamos el polinomio por (-1):

𝜆3 − 6𝜆2 + 11𝜆 − 6 = 0

Solución del polinomio - División sintética:

1 − 6 11 − 6 1
1 −5 6
1 −5 6 0

La división es exacta, eso quiere decir que (1) es una solución del polinomio

Factorizamos el nuevo polinomio:

(𝜆2 − 5𝜆 + 6)(𝜆 − 1) = 0
 Buscamos 2 números que multiplicados nos den (6) y sumados nos den (-5):

(𝜆 − 3)(𝜆 − 2)(𝜆 − 1) = 0

𝜆 − 3 = 0 => 𝜆1 = 3

𝜆 − 2 = 0 => 𝜆2 = 2

𝜆 − 1 = 0 => 𝜆3 = 1

3- Ahora hallamos los vectores propios:

1) 𝜆1 = 3

1 2 −1 3 0 0
𝐴 − 3𝐼3 = (1 0 1 ) − (0 3 0)
4 −4 5 0 0 3
−2 2 −1
= ( 1 −3 1 )
4 −4 2

Formamos el sistema

⃗⃗
(𝐴 − 3𝐼3 )𝑥⃗ = 0

−2 2 −1 𝑥 0
( 1 −3 1 ) (𝑦) = (0)
4 −4 2 𝑧 0
−2𝑥 2𝑦 −1𝑧 = 0
{ 1𝑥 −3𝑦 1𝑧 = 0
4𝑥 −4𝑦 2𝑧 = 0

Solución del sistema:

*Podemos solucionar el sistema por cualquier método.

1
𝑥 = − 𝑧
4
1
𝑦 = 𝑧
4
(𝑧 = 𝑧 )

Sea z = 4

−1
Entonces 𝑉𝜆1 = ( 1 ) VECTOR PROPIO
4
 Repetimos lo mismo con los otros.

2) 𝜆2 = 2

1 2 −1 2 0 0
𝐴 − 2𝐼2 = (1 0 1 ) − (0 2 0)
4 −4 5 0 0 2
−1 2 −1
= ( 1 −2 1 )
4 −4 3

Formamos el sistema

(𝐴 − 2𝐼2 )𝑥⃗ = ⃗0⃗

−1 2 −1 𝑥 0
( 1 −2 1 ) (𝑦) = (0)
4 −4 3 𝑧 0
−𝑥 2𝑦 −1𝑧 = 0
{ 1𝑥 −2𝑦 1𝑧 = 0
4𝑥 −4𝑦 3𝑧 = 0

Solución del sistema:

1
𝑥 = − 𝑧
2
1
𝑦 = 𝑧
4
(𝑧 = 𝑧 )

Sea z = 4

−2
Entonces 𝑉𝜆2 = ( 1 ) VECTOR PROPIO
4

3) 𝜆3 = 1

1 2 −1 1 0 0
𝐴 − 1𝐼1 = (1 0 1 ) − (0 1 0)
4 −4 5 0 0 1
0 2 −1
= (1 −1 1 )
4 −4 4
Formamos el sistema
⃗⃗
(𝐴 − 1𝐼1 )𝑥⃗ = 0

0 2 −1 𝑥 0
(1 −1 1 ) (𝑦) = (0)
4 −4 4 𝑧 0
0𝑥 2𝑦 −1𝑧 = 0
{1𝑥 −𝑦 1𝑧 = 0
4𝑥 −4𝑦 4𝑧 = 0

Solución del sistema:

*Podemos solucionar el sistema por cualquier método.

1
𝑥 = − 𝑧
2
1
𝑦 = 𝑧
2
(𝑧 = 𝑧 )

Sea z = 2

−1
Entonces 𝑉𝜆3 = ( 1 ) VECTOR PROPIO
2
Bibliografía:
• José Manuel Gómez, (J. Gómez). Universidad Nacional de Colombia: Clase 21.

Parte 1. Valores y vectores propios.

https://ciencias.medellin.unal.edu.co/cursos/algebra-lineal/clases/8-clases/121-

clase-21-parte1.html

• Lay, D. C. (2013). Álgebra lineal para cursos con enfoque por competencias.

Capítulo 7.

• Stanley Grossman, J. F. (s.f.). Álgebra lineal. (7, Ed.)