Informe Técnico

Jovanny ZambranoCI:30.103.669

Instituto Universitario de Tecnología

Antonio José de Sucre

7821833: Algebra Lineal

Prof. Naudy Albornoz

Agosto; 2023

Vectores y Valores Propios

 Vectores y Valores Propios

Los vectores propios o auto vectores son los vectores no nulos de una

aplicación lineal que, cuando son transformados por ella, dan lugar a un

múltiplo escalar de ellos (no cambian de dirección). Este escalar es el valor

propio o autovalor. En otras palabras, si tenemos una matriz A que representa

una transformación lineal, un vector v es un vector propio de A si existe un

escalar λ tal que Av = λv. El escalar λ se llama valor propio de A.

La teoría espectral se refiere al estudio de los valores propios y vectores

propios de una matriz y es de fundamental importancia en muchas áreas. Los

valores propios y vectores propios tienen aplicaciones en una amplia variedad

de campos, incluyendo la física, la ingeniería, la economía y las ciencias

sociales.

Los valores propios y vectores propios también tienen una significación

geométrica. Cuando se tiene un vector distinto de cero que, cuando se

multiplica por una matriz da como resultado otro vector que es paralelo al

primero o igual a 0, este vector se denomina vector propio de la matriz. Este es

el significado cuando los vectores están en Rn.

 Características

Los vectores propios y valores propios tienen varias características y

propiedades interesantes. Algunas de ellas son:

 Los valores propios de una matriz triangular son simplemente las

entradas en la diagonal.

 Los valores propios y vectores propios de una matriz están relacionados

con otras propiedades de esa matriz, como su rastro y determinante.

 Los vectores propios con valores propios distintos son linealmente

independientes.

 Los valores propios y vectores propios son solo para matrices cuadradas.

 Los vectores propios son, por definición, diferentes de cero. Los valores

propios pueden ser iguales a cero.

Condiciones

Para encontrar vectores y valores propios de una matriz, se debe

cumplir:

 Matriz Z cuadrada: el número de filas (m) es el mismo que el número de

 columnas (n).

 Matriz Z real. La mayoría de las matrices utilizadas en finanzas tienen

raíces reales. ¿Qué ventaja existe en la utilización de raíces reales? Que

los valores propios de la matriz nunca van a ser números complejos.

 Matriz (Z– hI) no invertible: determinante = 0. Esta condición nos ayuda a

encontrar siempre vectores propios distintos de cero. Si encontrásemos

vectores propios iguales a 0, entonces la multiplicación entre valores y

vectores propios sería nula.

Ejemplo Practico

Suponemos que queremos encontrar los vectores y valores propios de

una Z matriz de dimensión 2×2:

1. Sustituimos la matriz Z y I en la ecuación característica:

2. Arreglamos los factores:

3. Multiplicamos los elementos como si buscásemos el determinante de

la matriz.

4. La solución de esta ecuación cuadrática es h=2 y h=5. Dos valores

propios porque el número de filas o columnas de la matriz Z es 2.

Entonces, hemos encontrado los valores propios de la matriz Z que a

la vez hacen que el determinante sea 0.

5. Para encontrar los vectores propios tendremos que resolver:

 6. Por ejemplo, (v1,v2)=(1,1) para h=2 y (v1,v2)=(-1,2) para h=5:

Polinomio Característico

El polinomio característico es un polinomio invariante por similitud

matricial que tiene como raíces los valores propios de una matriz cuadrada.

Tiene el determinante y la traza de la matriz entre sus coeficientes. El polinomio

característico de un endomorfismo de un espacio vectorial de dimensión finita

es el polinomio característico de la matriz de ese endomorfismo sobre cualquier

base (es decir, el polinomio característico no depende de la elección de una

base).

Su ecuación característica, también conocida como ecuación

determinante, es la ecuación que se obtiene igualando a cero el polinomio

característico. En la teoría espectral de grafos, el polinomio característico de un

grafo es el polinomio característico de su matriz de adyacencia.

El polinomio característico tiene varias propiedades interesantes. Por

ejemplo, si A es una matriz triangular superior en M n ( F), entonces su

polinomio característico es χ A ( λ) = ∏ i = 1 n ( λ − a i i). Además, las raíces del

polinomio característico son los valores propios de la matriz.

Características

El polinomio característico tiene varias características y propiedades

interesantes. Algunas de ellas son:

 El polinomio característico es un polinomio invariante por similitud

matricial que tiene como raíces los valores propios de una matriz

cuadrada.

 Tiene el determinante y la traza de la matriz entre sus coeficientes.

 El polinomio característico de un endomorfismo de un espacio vectorial

de dimensión finita es el polinomio característico de la matriz de ese

endomorfismo sobre cualquier base (es decir, el polinomio característico

no depende de la elección de una base).

 Su ecuación característica, también conocida como ecuación

 determinante, es la ecuación que se obtiene igualando a cero el polinomio

característico.

 En la teoría espectral de grafos, el polinomio característico de un grafo es

el polinomio característico de su matriz de adyacencia.

Ejemplo

Tenemos la matriz:

Para encontrar su polinomio característico hacemos lo siguiente:

Cálculo Del Vector Propio Asociado Al Valor Propio Correspondiente

Una vez que se han calculado los valores propios de una matriz, se

pueden calcular los vectores propios asociados a cada valor propio. Un vector
propio de una matriz A es un vector no nulo v tal que Av = λv, donde λ es un

valor propio de A. Para calcular el vector propio asociado a un valor propio

dado, se debe resolver el sistema de ecuaciones (A - λI)v = 0, donde I es la

matriz identidad y λ es el valor propio dado.

Por ejemplo, si tenemos una matriz A y hemos calculado que uno de sus

valores propios es λ = 3, podemos calcular el vector propio asociado a este

valor propio restando 3 veces la matriz identidad a la matriz A y resolviendo el

sistema resultante para encontrar el vector v. Este vector v será un vector

propio de A asociado al valor propio λ = 3.

Características

 Los vectores propios son vectores multiplicados por un valor propio en

las transformaciones lineales de una matriz.

 Los valores propios son constantes que multiplican los vectores propios

en las transformaciones lineales de una matriz.

 Un ejemplo de un vector propio es un vector situado en el eje de rotación

sobre el cual se realiza una rotación en tres dimensiones. El valor propio

correspondiente es 1 y el espacio propio es el eje de giro.

 Ejemplos

 Ejemplo 1: Supongamos que tenemos una matriz A y hemos calculado

que uno de sus valores propios es λ = 3. Para calcular el vector propio

asociado a este valor propio, debemos resolver el sistema de ecuaciones

(A - 3I)v = 0. Una vez que hayamos resuelto este sistema, el vector v

resultante será un vector propio de A asociado al valor propio λ = 3.

 Ejemplo 2: Otro ejemplo es una rotación en tres dimensiones. Un vector

situado en el eje de rotación sobre el cual se realiza la rotación es un

vector propio. El valor propio correspondiente es 1 y el espacio propio es

el eje de giro.

Vector Propio Correspondiente

Un vector propio o auto vector es un vector no nulo de una aplicación

lineal que, cuando es transformado por ella, da lugar a un múltiplo escalar

de sí mismo (no cambia de dirección). Este escalar es el valor propio o

autovalor. En otras palabras, si tenemos una matriz A que representa una

transformación lineal, un vector v es un vector propio de A si existe un

escalar λ tal que Av = λv. El escalar λ se llama valor propio de A.

Una vez que se han calculado los valores propios de una matriz, se

pueden calcular los vectores propios asociados a cada valor propio. Para
 calcular el vector propio asociado a un valor propio dado, se debe

resolver el sistema de ecuaciones (A - λI)v = 0, donde I es la matriz

identidad y λ es el valor propio dado.

Por ejemplo, si tenemos una matriz A y hemos calculado que uno de sus

valores propios es λ = 3, podemos calcular el vector propio asociado a

este valor propio restando 3 veces la matriz identidad a la matriz A y

resolviendo el sistema resultante para encontrar el vector v. Este vector v

será un vector propio de A asociado al valor propio λ = 3.

Características

 Los vectores propios son vectores multiplicados por un valor propio en

las transformaciones lineales de una matriz.

 Los valores propios son constantes que multiplican los vectores propios

en las transformaciones lineales de una matriz.

Vectores Propios De Una Matriz Simétrica

Los vectores propios de una matriz simétrica tienen algunas propiedades

interesantes. Una de ellas es que los vectores propios asociados a valores

propios distintos son ortogonales entre sí. Esto significa que si tenemos una
matriz simétrica de orden n, es posible construir una base ortonormal de R^n

compuesta por vectores propios de la matriz.

Además, si se usan los vectores de la base ortonormal para construir la matriz P

que diagonaliza a A, esta matriz resulta ser ortogonal, es decir que su inversa es

la traspuesta de P.

Diagonal de una Matriz

La diagonal de una matriz se refiere a la diagonal principal de una matriz

cuadrada, que es una línea recta imaginaria con pendiente negativa que empieza

por el extremo superior izquierdo y acaba en el extremo inferior derecho de la

matriz. Los elementos en la diagonal principal son aquellos cuyos índices de fila

y columna son iguales.

Por ejemplo, en una matriz cuadrada de orden 3x3, los elementos en la diagonal

principal serían aquellos en las posiciones (1,1), (2,2) y (3,3).

Características

 La diagonal principal de una matriz cuadrada es una línea recta imaginaria

 con pendiente negativa que empieza por el extremo superior izquierdo y

acaba en el extremo inferior derecho de la matriz.

 Los elementos en la diagonal principal son aquellos cuyos índices de fila

y columna son iguales.

 REFERENCIAS

Matrices y Determinantes. (s.f.). Calcular valores propios (autovalores) y

vectores propios (autovectores) de una matriz. Recuperado de
https://www.matricesydeterminantes.com/matrices/calcular-valores-propios-
autovalores-y-vectores-propios-autovectores-de-una-matriz/

Khan Academy. (s.f.). Introducción a los valores propios y vectores propios.

Recuperado de https://es.khanacademy.org/math/linear-algebra/alternate-
bases/eigen-everything/v/linear-algebra-introduction-to-eigenvalues-and-
eigenvectors

Economipedia. (s.f.). Vectores y valores propios. Recuperado de

https://economipedia.com/definiciones/vectores-y-valores-propios.html

Corporativo Riba. (s.f.). Vectores y valores propios. Recuperado de

https://corporativoriba.com/vectores-y-valores-propios/

Disfruta las Matemáticas. (s.f.). Valor propio (eigenvalor). Recuperado de

https://disfrutalasmatematicas.com/algebra//valor-propio-eigenvalor.html

Nekomath. (s.f.). Álgebra lineal I: Polinomio característico. Recuperado de

https://blog.nekomath.com/algebra-lineal-i-polinomio-caracteristico/

EcuRed. (s.f.). Polinomio característico. Recuperado de

https://www.ecured.cu/Polinomio_caracter%C3%ADstico

Universidad Nacional de Colombia, Sede Medellín. (s.f.). Clase 21 - Parte 1.

Recuperado de https://ciencias.medellin.unal.edu.co/cursos/algebra-
lineal/clases/8-clases/121-clase-21-parte1.html

Economipedia. (s.f.). Vectores y valores propios. Recuperado de

https://economipedia.com/definiciones/vectores-y-valores-propios.html

Matrices y Determinantes. (s.f.). Calcular valores propios (autovalores) y

vectores propios (autovectores) de una matriz. Recuperado de
https://www.matricesydeterminantes.com/matrices/calcular-valores-propios-
autovalores-y-vectores-propios-autovectores-de-una-matriz/

Estudyando. (s.f.). Vectores propios: Propiedades, aplicación y ejemplo.

Recuperado de https://estudyando.com/vectores-propios-propiedades-
aplicacion-y-ejemplo/

EcuRed. (s.f.). Vector propio. Recuperado de

https://www.ecured.cu/Vector_propio

I-Ciencias. (s.f.). Los vectores propios de las matrices simétricas reales son
ortogonales? Recuperado de https://www.i-ciencias.com/pregunta/1387/los-
vectores-propios-de-las-matrices-simetricas-reales-son-ortogonales

GeoGebra. (s.f.). Diagonalización de matrices simétricas reales. Recuperado

de https://www.geogebra.org/m/kmZZcTEt

Economipedia. (s.f.). Diagonal principal. Recuperado de

https://economipedia.com/definiciones/diagonal-principal.html