VALORES Y VECTORES PROPIOS

DEFENICION
Sea A una matriz cuadrada, un nmero real se dice que es un valor propio o un valor
caracterstico de A si existe un vector, diferente del vector cero, x tal que:
Ax =

Es decir, es un vector que al transformarlo mediante la multiplicacin por A el vector resultante

mantiene su direccin, posiblemente solo su longitud y/o sentido se modifique. El vector x se
llama vector propio o eigenvector asociado al valor propio .
Se dice que el nmero , real o complejo, es un valor propio A si existe un vector no nulo u, real
o complejo tal que
Au =

u, es decir (A

I )u = 0

El vector u se denomina vector propio de A asociado al valor propio

Polinomio caracterstico

En general, el polinomio que resulta de desarrollar |A I |, cuyos ceros son precisamente los
valores propios de A, se denomina polinomio caracterstico.

PROPIEDADES

Valores propios de una matriz cualquiera

Si

es complejo, entonces u es complejo.

Los valores propios de B = C1AC son los mismos de A. Si x es el vector propio asociado a ,
entonces Cx es un vector propio de B asociado a .

Valores propios de matrices simtricas

Si D es la matriz diagonal cuyos elementos diagonales son los valores propios de A, entonces
existe una matriz ortogonal Q tal que D = Q^1AQ = Q ^t AQ.
Asimismo, existen n vectores propios de A que forman un conjunto ortonormal, y coinciden con
las columnas de la matriz ortogonal Q.
Todos los valores propios de A son reales.

DETERMINACIN DE LOS VALORES PROPIOS

TEOREMAS

Teorema de Cayley-Hamilton

Sea A una matriz cuyo polinomio caracterstico es,

entonces la matriz A verifica,

Teorema de Schur

Sea A una matriz n n cualquiera. Entonces existe una matriz U ortogonal tal que siendo T una
matriz triangular superior cuyos elementos diagonales son los valores propios de A.

CLCULO DE VALORES PROPIOS Y VECTORES PROPIOS DE MATRICES

Si se quiere calcular los valores propios de una matriz dada y sta es pequea, se puede calcular
simblicamente usando el polinomio caracterstico. Sin embargo, a menudo resulta imposible
para matrices extensas, caso en el que se debe usar un mtodo numrico.

Clculo simblico

Clculo de los valores propios

Una herramienta importante para encontrar valores propios de matrices cuadradas es el
polinomio caracterstico: decir que es un valor propio de A es equivalente a decir que el
sistema de ecuaciones lineales A v = v --> A v - v = 0 (factorizando por v queda) (A - I) v =
0 (donde I es la matriz identidad) tiene una solucin no nula v (un vector propio), y de esta
forma es equivalente al determinante:

La funcin p() = det(A - I) es un polinomio de pues los determinantes se definen como

sumas de productos. ste es el polinomio caracterstico de A: los valores propios de una matriz
son los ceros de su polinomio caracterstico.

Todos los valores propios de una matriz A pueden calcularse resolviendo la ecuacin
.
Si A es una matriz nn, entonces

tiene grado n y A tiene como mximo n valores propios.

El teorema fundamental del lgebra dice que esta ecuacin tiene exactamente n races (ceros),
teniendo en cuenta su multiplicidad. Todos los polinomios reales de grado impar tienen un
nmero real como raz, as que para n impar toda matriz real tiene al menos valor propio real.
En el caso de las matrices reales, para n par e impar, los valores propios no reales son pares
conjugados.
Clculo de los vectores propios
Una vez que se conocen los valores propios , los vectores propios se pueden hallar resolviendo
el sistema de ecuaciones homogneo:

Una forma ms sencilla de obtener vectores propios sin resolver un sistema de ecuaciones
lineales se basa en el teorema de Cayley-Hamilton que establece que cada matriz cuadrada
satisface su propio polinomio caracterstico. As, si
son los valores propios de
A se cumple que

por lo que los vectores columna de

Clculo de los vectores propios

son vectores propios de

Una vez que se conocen los valores propios , los vectores propios se pueden hallar resolviendo
el sistema de ecuaciones homogneo:

Una forma ms sencilla de obtener vectores propios sin resolver un sistema de ecuaciones
lineales se basa en el teorema de Cayley-Hamilton que establece que cada matriz cuadrada
satisface su propio polinomio caracterstico. As, si
son los valores propios de
A se cumple que

por lo que los vectores columna de

son vectores propios de

Ejemplo de matriz sin valores propios reales

Un ejemplo de matriz sin valores propios reales es la rotacin de 90 grados en el sentido de las
manecillas del reloj:

cuyo polinomio caracterstico es

y sus valores propios son el par de conjugados
complejos i, -i. Los vectores propios asociados tampoco son reales.
Ejemplo
Considrese la matriz

que representa un operador lineal R R. Si se desea computar todos los valores propios de
A, se podra empezar determinando el polinomio caracterstico:

y porque p(x) = - (x - 2)(x - 1)(x + 1) se ve que los valores propios de A son 2, 1 y -1. El teorema
de Cayley-Hamilton establece que cada matriz cuadrada satisface su propio polinomio
caracterstico. Es decir

Efectivamente, para el caso del valor propio 2, se puede comprobar que

de donde (1, 1, -1) es un vector propio asociado a 2.

Clculo numrico

En la prctica, los valores propios de las matrices extensas no se calculan usando el polinomio
caracterstico. Calcular el polinomio resulta muy costoso, y extraer las races exactas de un
polinomio de grado alto puede ser difcil de calcular y expresar: el teorema de Abel-Ruffini
implica que las races de los polinomios de grado alto (5 o superior) no pueden expresarse
usndose simplemente races ensimas. Existen algoritmos eficientes para aproximar races de
polinomios, pero pequeos errores en la estimacin de los valores propios pueden dar lugar a
errores grandes en los vectores propios. En consecuencia, los algoritmos generales para
encontrar vectores propios y valores propios son iterativos. La manera ms fcil es el mtodo de
las potencias: se escoge un vector aleatorio y se calcula una secuencia de vectores unitarios:

, ...

Esta sucesin casi siempre converger a un vector propio correspondiente al mayor valor
propio. Este algoritmo es sencillo, pero no demasiado til aisladamente. Sin embargo, hay
mtodos ms populares, como la descomposicin QR, que se basan en l.
Otras propiedades de los valores propios
El espectro es invariante bajo transformaciones semejantes: las matrices A y P-1AP tienen los
mismos valores propios para cualquier matriz A y cualquier matriz invertible P. El espectro es
tambin invariante a la trasposicin de las matrices: A y A T tienen los mismos valores propios.
Dado que una transformacin lineal en espacios de dimensiones finitas es biyectiva si y slo si
es inyectiva, una matriz es invertible si y slo si cero no es un valor propio de la matriz.
Otras consecuencias de la descomposicin de Jordan son:

una matriz es matriz diagonalizable si y slo si las multiplicidades geomtrica y

algebraica coinciden para todos sus valores propios. En particular una matriz nn que
tiene n valores propios diferentes es siempre diagonalizable;

Dado que la traza, o la suma de elementos de la diagonal principal de una matriz se

preserva en la equivalencia unitaria, la forma normal de Jordan constata que es igual a
la suma de sus valores propios.

De forma similar, dado que los valores propios de una matriz triangular son las entradas
de la diagonal principal su determinante es igual al producto de los valores propios
(contados de acuerdo con su multiplicidad algebraica).

Algunos ejemplos de la localizacin del espectro de ciertas subclases de matrices normales son:

Todos los valores propios de una matriz hermtica (A = A*) son reales. Adems, todos
los valores propios de una matriz definida positiva son positivos;

Todos los valores propios de una matriz antihermtica (A = A*) son imaginarios puros;

Todos los valores propios de una matriz unitaria (A-1 = A*) tienen valor absoluto uno;

Si A es una matriz mn con m n, y B es una matriz nm, entonces BA tiene los mismos valores
propios de AB ms n m valores propios nulos.
A cada matriz se le puede asociar una norma vectorial, que depende de la norma de su dominio,
el operador norma de una matriz cuadrada es una cota superior del mdulo de sus valores
propios, y por tanto de su radio espectral. Esta norma est directamente relacionada con el
mtodo de las potencias para calcular el valor propio de mayor mdulo. Para matrices normales,
el operador norma (la norma eucldea) es el mayor mdulo entre de sus valores propios.