PONTIFICIA UNIVERSIDAD CATOLICA

DE CHILE

FACULTAD DE MATEMATICAS

DEPARTAMENTO DE MATEMATICA
PRIMER SEMESTRE 2015

VALORES Y VECTORES PROPIOS

MAT 1203

Definici
on 1 Sea Ann una matriz. Sea v Rn un vector no cero. Diremos que v es un
vector propio (o autovector) de A (o de la transformaci
on lineal asociada) si
A v = v,
Diremos que el valor es un valor
propio asociado al valor propio .
( )
1
Ejemplo 1 El vector v =
es un
2
al valor propio = 3 ya que
(
)(
3 0
8 1

para algun

R.

propio (o un autovalor) de A y que v es un vector

(
vector propio de la matriz A =

1
2

(
=

3
6

(
=3

1
2

3 0
8 1

)
asociado

Nuestro objetivo inmediato es como calcular los valores propios, en caso que estos existan,
de una matriz A dada. Para ello notemos que la ecuacion
Av = v
puede ser reescrita como
Av = I v
donde I es la matriz identidad de n n, o equivalentemente
(I A)v = 0.
Para que se un valor propio de A la ecuacion anterior debe tener una solucion v no cero,
es decir la matriz I A debe ser no invertible y por lo tanto su determinante debe ser cero.
Luego se puede concluir lo siguiente:

Proposici
on 2 Si A es una matriz de n n entonces es un valor propio de A si y solo
si satisface la ecuacion
det(A I) = 0.
A esta u
ltima ecuacion la llamaremos la Ecuacion caracterstica de A.
Ejemplo 2 Para el caso de la matriz del ejemplo anterior, determinemos sus valores propios.
))
(
)
) (
((
0
3
0
3 0

= det
= ( 3)( + 1) = 0.
det(A I) = det
0
8 + 1
8 1
Al desarrollar el det(A I) aparece un polinomio p() de grado n. Al cual llamaremos
el polinomio caracteristico de A. En el ejemplo anterior, la matriz A posee por polinomio
caracteristico a
p() = ( 3)( + 1) = 2 2 3.
En general, el polinomio caracteristico de una matriz de n n es de la forma
p() = n + c1 n1 + . . . + cn ,
el cual, posee a lo mas, n races reales distintas. Por lo tanto una matriz Ann admite a lo
mas n valores propios distintos.
Ejemplo 3 Determine los valores propios de la matriz

0 1 0
A = 0 0 1 .
4 17 8
El polinomio caracterstico respectivo resulta ser,
p() = det(A I) = 3 82 + 17 4.
El cual admite por factorizacion
p() = ( 4)(2 4 + 1).
Por lo tanto los valores propios de A son
4,

2+

3,
2

3.

La siguiente proposicion resume los hechos presentados hasta el momento.

Proposici
on 3 Si Ann es una matriz, las siguientes afirmaciones son equivalentes.
1. es un valor propio de A.
2. El sistema (A I)v = 0 admite soluciones no triviales.
3. Existe un vector no cero tal que Av = v.
4. es una solucion de la ecuacion caracterstica det(A I) = 0.
Ahora que ya sabemos calcular valores propios, abordaremos el problema de calcular
los vectores propios asociados. Como los vectores propios asociados al valor propio son los
vectores no cero que satisfacen (A I)v = 0, estos vectores corresponden al Kernel de la
matriz A I. A este espacio lo llamaremos el espacio propio asociado al valor propio . Lo
anterior tambien puede parafrasearse como:
El espacio propio de A asocidado al valor propio es el espacio solucion del
sistema homogeneo (A I)v = 0.
Ejemplo 4 Determine bases para los espacios propios de la matriz
)
(
3 0
.
A=
8 1
Sabemos que los valores propios de esta matriz son: = 3, = 1. Para determinar los
vectores propios asociados a = 3 debemos resolver
(
)( ) ( )
3
0
x
0
=
.
8 + 1
y
0
Pero con = 3, el sistema anterior se convierte en:
(
)( ) ( )
0 0
x
0
=
.
8 4
y
0
Cuya solucion general es

x
y

(
=

y/2
y

(
=y

1/2
1

)
.

Analogamente para = 1 encontramos que los vectores propios asociados son el conjunto
( )
( )
x
0
=y
y
1
3

Ejemplo 5 Detrmine bases para los espacios

1
A=
1

propios de la matriz

0 2
2 1
0 3

La ecuaci
on caracteristica es 3 52 + 8 4 = 0 la cual posee dos soluciones distintas
= 1, = 2. Para determinar los valores propios asociados a = 2 debemos resolver

2 0 2
x
0
1 0 1 y = 0 .
1 0 1
z
0
Sistema que tiene por solucion a

x
1
0
y = x 0 + y 1
z
1
0
Observaci
on 4 Una vez determinados los valores propios y vectores propios de una matriz,
no es dificil determinar los respectivos de la potencia de la matriz en cuestion, ya que, por
ejemplo, si v es vector propio de A entonces
A2 v = A(Av) = A(v) = Av = 2 v.
Y en general, si n es un entero positivo y es un valor propio de A con v un vector propio
asociado entonces n es un valor propio de An con vector propio asociado v.
Ejemplo 6 Determine los valores propios de

1
A=
1

la matriz A7 donde

0 2
2 1 .
0 3

El siguiente resultado establece una relacion entre los valores propios de una matriz y su
invertibilidad.
Proposici
on 5 Una matriz A es invertible si y solo si = 0 no es un valor propio de A.

Supongamos que A es una matriz con = 0 un valor propio. Esto significa que = 0 es
solucion de la ecuacion caracteristica
n + c1 n1 + . . . + cn = 0
Esto sucede si y sol si
det(A) = cn = 0.
A continuacion procederemos a resolver el problema de encontrar una base de Rn consistente de vectores propios de A. Esta base nos permitira estudiar propiedades geometricas
de la transformacion asociada y simplificar una gran variedad de calculos n
umericos. Determinar este tipo de bases tiene muchas aplicaciones en ambitos como la fotografa, la fsica,
la resistencia de materiales, etc. (temas que no veremos en este curso!!jeje).
Definici
on 6 Sean A, B dos matrices. Diremos que estas matrices son semejantes si existe
una matriz invertible P tal que
B = P 1 AP.
Notemos que si A, B son matrices semejantes entonces det(B) = det(P 1 AP ) = det(A),
en consecuencia, si A es invertible entonces B tambien y viceversa. Por otro lado, dos matrices
semejantes poseen el mismo polinomio caracteristico y por lo tanto poseen los mismos valores
propios.
Sera interesante tener matrices que sean semejantes a matrices diagonales, ya que estas
u
ltimas son mas faciles de estudiar. Como este es un concepto que sera importante de ahora
en adelante lo bautizaremos como sigue:
Definici
on 7 Una matriz Ann se dira diagonalizable si es semajante a una matriz D que
sea del tipo diagonal.
La siguiente proposicion nos entregara una manera para determinar cuando una matriz
es o no diagonalizable.
Proposici
on 8 Sea Ann una matriz, las siguientes son equivalentes.
1. A es diagonalizable.
2. A posee n vectores propios linealmente independientes.

Realizaremos la demostracion de 1) 2). Si A es diagonalizable, existe una matriz P

invertible tal que P 1 AP = D o equivalentemente AP = P D. Sean p1 , p2 , ..., pn las columnas
de la matriz P y sean i para i = 1, 2, ..., n las entradas de la diagonal de D. Se tiene en este
caso que
AP = [Ap1 Ap2 . . . Apn ].
Por otro lado
P D = [1 p1

2 p2 . . . n pn ],

de donde,
[Ap1

Ap2

. . . Apn ] = [1 p1

2 p2 . . . n pn ]

implica que
Ap1 = 1 p1 ,

Ap2 = 2 p2 ,

Apn = n pn .

Y como P es invertible el conjunto {p1 , p2 , . . . , pn } es un conjunto de n vectores propios

linealmente independientes, como se esperaba.
La pregunta natural a continuacion es Como diagonalizar una matriz A?. Para ello
sugeriremos los siguientes pasos.
Paso 1 Confirmar que la matriz es en efecto diagonalizable, encontrando una base de n vectores
propios L.I. Una manera de realizar esto es encontrando las bases de los respectivos
espacios propios.
Paso 2 Formar la matriz P = [p1
en la parte anterior.

p2

. . . pn ] donde pk son los vectores propios encontrados

Paso 3 Calcular P 1 AP la cual resultara ser la matriz D, la cual posee en su diagonal a los
valores propios de la matriz.
Ejemplo 7 Considere la matriz

0 0 2
A = 1 2 1 .
1 0 3
Determine la matriz P que diagonaliza a A.
De un ejemplo anterior sabemos que

1
0

0
E2 = Gen
, 1 ,
1
0
6

2
E1 = Gen 1 .
1

Con lo cual la matriz pedida es

1 0 2
P = 0 1 1 .
1 0 1
No es difcil verificar

1
1

1
P AP =
1

que

0 2
0 0 2
1 0 2
2 0 0
1 1 1 2 1 0 1 1 = 0 2 0
0 1
1 0 3
1 0 1
0 0 1

Ejemplo 8 El siguiente ejemplo, muestra una

1
A=
3

matriz no diagonalizable.

0 0
2 0
5 2

Los valores propio de esta matriz resultan ser = 1, = 2. Y sus respectivos espacio
propios son:

1
0
E1 = Gen 1 .
E2 = Gen 0 .
8
1
Y como no obtenemos una base de R3 la matriz no es diagonalizable.
Los siguientes resultados nos permitiran generar una manera mas directa para decidir
cuando una matriz es o no diagonalizable.
Proposici
on 9 Si v1 , v2 , . . . , vk son vectores propios correspondientes a distintos valores
propios entonces el conjunto {v1 , v2 , . . . , vk } es L.I.
Y como consecuencia se obtiene el siguiente criterio
Proposici
on 10 Si una matriz Ann posee n valores propios distintos entonces A es una
matriz diagonalizable.
El problema de el resultado anterior es que no asegura que sucede cuando una matriz tiene
menos de n valores propios distintos. Los siguientes ejemplos muestran que puede suceder
cualquier cosa.
7

Ejemplo 9 Considere las matrices

1 0 0
I = 0 1 0 ,
0 0 1

1 1 0
J = 0 1 1 .
0 0 1

Ambas matrices tienen solo un valor propio = 1 sin embargo la primera, claramente
tiene una base de vectores propios que generan R3 . Sin embargo
lasegunda matriz solo tiene
1
por vector propio al sub-espacio generado por el vector v1 = 0 .
0
A continuacion introduciremos dos terminos que nos permitiran explicar porque sucede
lo del ejemplo anterior.
Definici
on 11 Sea 0 un valor propio de A. La dimension del espacio propio E0 la llamaremos la dimension geometrica de 0 . El n
umero de veces que aparezca el factor 0 en el
polinomio caracteristico p() lo llamaremos la dimension algebraica de 0 .
El siguiente resultado entrega un una condicion necesaria y suficiente para determinar
cuando una matriz es o no diagonalizable.
Teorema 1 Sea A una matriz cuadrada.
1. Para cada valor propio, la multiplicidad geometrica es menor o igual que la multiplicidad algebraica.
2. A es diagonalizable si y solo si la dimension algebraica de cada valor propio coincide
con la dimension geometrica respectiva.