Álgebra

Espacios vectoriales

Mg. Sebastián Hernández

Noviembre 2020

Mg. Sebastián Hernández Álgebra

Autovalores

El multiplicar un vector x con una matriz A cuadrada, puede

transformar los vectores x de muy diversas maneras, generando
rotaciones, estiramientos y contracciones.
Pero para cada matriz existen algunos vectores especiales en los
que la acción de la transformación es particularmente simple: sólo
estiramiento o contracción, sin rotación (cambio de dirección),
eventualmente una inversión (cambio de sentido).

Mg. Sebastián Hernández Álgebra

Autovalores
Ejemplo
Sea la matriz  
3 −2
A=
1 0
y los vectores u = (−1, 1) y v = (2, 1). Al multiplicarlos con la
matriz A, se obtiene Au = (−5, −1) y Av = (4, 2) = 2v :

A diferencia de lo ocurrido con u, A dilata el vector v un factor 2.

Este ejemplo ilustra el concepto de autovector, también llamado
vector propio.
Mg. Sebastián Hernández Álgebra
Autovalores

Definición
Se dice que v es un vector propio (o autovector) de la matriz
cuadrada A si es un vector no nulo tal que:

Av = λv,

para algún escalar λ ∈ R. Dicho escalar se denomina valor propio

(o autovalor) de A.
El conjunto de valores propios de una matriz A recibe el nombre de
espectro de A y se representa por σ (A).

En otros términos, los valores propios de la matriz A son los

escalares para los que existe una solución no trivial v de Av = λv y
nos referiremos a v como el vector propio correspondiente (o
asociado) al valor propio λ.

Mg. Sebastián Hernández Álgebra

Autovalores

Definición
Se denomina ecuación caracterı́stica de A, donde A ∈ Rn×n a la
ecuación:
det (A − λIn ) = 0

Definición
Se denomina polinomio caracterı́stico de A al polinomio:

Pc (λ) = det (λIn − A)

Como es de esperar, las soluciones de la ecuación caracterı́stica (o

las raı́ces del polinomio caracterı́stico) son los valores propios de A
y su multiplicidad recibe el nombre de multiplicidad algebraica del
valor propio.

Mg. Sebastián Hernández Álgebra

Diagonalización

Ejemplo - Parte I
Sea nuevamente la matriz
 
3 −2
A=
1 0

Se sabe que un valor propio es λ1 = 2, con vector propio

v1 = (2, 1), y que λ2 = 1 es el otro valor propio, con vector propio
v2 = (1, 1). Es posible probar de manera sencilla que
t t

B = (2, 1) , (1, 1) es una base de R2 .
Entonces, cada vector u ∈ R2 puede ser escrito como combinación
lineal de v 1 y v 2 de la forma:
 
c1
c1 v1 + c2 v2 = (v1 , v2 ) =u
c2

Mg. Sebastián Hernández Álgebra

Diagonalización

Ejemplo - Parte II
Entonces:
Au = A (c1 v1 + c2 v2 )
= c1 Av1 + c2 Av2
= 2c1 v1 + c2 v2
 
2c1
= (v1 , v2 )
c2
  
2 0 c1
= (v1 , v2 )
0 1 c2

Lo anterior es cierto, puesto que, por definición de autovector:

Av1 = 2v1 y Av2 = 1v2 .

Mg. Sebastián Hernández Álgebra

Diagonalización

Ejemplo - Parte III

Esto implica que:
    
c1 2 0 c1
A (v1 , v2 ) = (v1 , v2 ) , ∀c1 , c2 ∈ R
c2 0 1 c2

O, en forma equivalente:
    
c1 2 0 c1
A (v1 , v2 ) − (v1 , v2 ) = 0, ∀c1 , c2 ∈ R
c2 0 1 c2
    
2 0 c1
A (v1 , v2 ) − (v1 , v2 ) = 0, ∀c1 , c2 ∈ R
0 1 c2

Por lo tanto:  
2 0
A (v1 , v2 ) = (v1 , v2 )
0 1

Mg. Sebastián Hernández Álgebra

Diagonalización

Ejemplo - Parte IV
Si se escribe P = (v1 , v2 ), puesto que v1 y v2 forman una base, las
columnas de P son linealmente independientes, P tiene rango 2 y
es invertible. Ası́, es posible escribir:
 
2 0
D= = P−1 AP
0 1

Es digno de observar que los elementos de la diagonal principal de

D son los valores propios de A y que las columnas de P son los
correspondientes vectores propios asociados.
El ejemplo desarrollado ilustra el teorema que se verá a
continuación.

Mg. Sebastián Hernández Álgebra

Diagonalización

Teorema
Si A es una matriz cuadrada de orden n, con valores propios
λ1 , λ2 , . . . , λn ∈ R, no necesariamente distintos (es decir
multiplicidad mayor a 1), y con vectores propios correspondientes
v1 , v2 , . . . , vn ∈ Rn linealmente independientes, entonces:

P−1 AP = D,

donde:
P = (v1 , v2 , . . . , vn )
y  
λ1 0 . . . 0
 0 λ2 . . . 0 
D=
 
.. .. . . .
. ..

 . . 
0 0 . . . λn

Mg. Sebastián Hernández Álgebra

Diagonalización

Definición
Una matriz A de dimensión n × n es diagonalizable si existe una
matriz invertible P tal que P−1 AP es una matriz diagonal.

Teorema
Si A de dimensión n × n es diagonalizable, entonces A tiene n
vectores propios linealmente independientes en Rn .

Teorema
Si A de dimensión n × n tiene valores propios distintos
λ1 , λ2 , . . . , λn ∈ R y vectores propios correspondientes
v1 , v2 , . . . , vn ∈ Rn , entonces v1 , v2 , . . . , vn son linealmente
independientes.

Mg. Sebastián Hernández Álgebra