Valores propios y vectores propios

Definición: Si A es una matriz de n × n, entonces se dice que un vector v ≠ 0 en Rn es

un vector propio de A si Av es un múltiplo escalar de v, es decir:
Av =λv (1)
para algún escalar λ. El escalar λ se denomina valor propio de A y se dice que v es un
vector propio correspondiente a λ.

Para encontrar los eigenvalores de una matriz de n × n, se escribe la expresión

(1), como sigue:
Av = λ I n v
o equivalentemente:
( A − λ I n )v = 0 (2)
Esta ecuación matricial representa un sistema de ecuaciones homogéneas. Si este
sistema homogéneo tiene soluciones no triviales, entonces ocurre que:
det( A − λI n ) = 0 (3)
Esta ecuación se llama ECUACIÓN CARACTERÍSTICA de A y los escalares
que satisfacen esta ecuación son los eigenvalores de A. Para obtener estos eigenvalores:
i) Se desarrolla (3) y se obtiene un polinomio en λ conocido como
POLINOMIO CARACTERÍSTICO.
ii) Se encuentran las raíces del polinomio característico. Las raíces de este
polinomio son los eigenvalores buscados.
iii) Cuando estos eigenvalores se aplican a (2) y se resuelve el sistema para cada
uno de ellos, se obtienen los eigenvectores de A.

Por otro lado, si (3) no se cumple, es decir, det(A −λIn) ≠ 0, entonces la única
solución a (2) es v = 0 de manera que λ no es un eigenvalor de A.

En resumen, si A es una matriz de n × n, entonces λ es un eigenvalor de A si y

solo si
p (λ) = det( A − I n λ) = 0

donde p(λ) es el polinomio característico mencionado arriba.

Definición: Sea λ un eigenvalor de una matriz A de n × n. Existe un subespacio

vectorial E λ = {v Av = λv} ⊂ C . El subespacio Eλ se llama espacio propio de A
n

correspondiente al valor propio λ.

El polinomio característico, p(λ), obtenido a partir de la matriz A de n × n en es

un polinomio de grado n en λ. Según el teorema fundamental del álgebra, cualquier
polinomio de grado n con coeficientes reales o complejos tiene exactamente n raíces.
Estas raíces pueden ser reales o complejas y pueden ser diferentes o repetidas. De aquí
se deriva que toda matriz de n × n tiene exactamente n eigenvalores. Al hecho de que un
polinomio presente raíces repetidas se denomina multiplicidad algebraica de λ.

Definición: Sea λ un eigenvalor de la matriz A; entonces la multiplicidad geométrica de

λ es la dimensión del espacio propio correspondiente a λ. En otras palabras, el espacio
propio es la nulidad de la matriz (A − Inλ). Esto es:
Muliplicidad geométrica de λ = dim (Eλ)
Ejercicios: Calcule los eigenvalores, eigenvectores y los espacios propios de la matriz
dada. Si la multiplicad algebraica de un eigenvalor es mayor que 1, calcule la
multiplicidad geométrica.

− 2 − 2 −12 7 2 1 − 3 0 − 3 2
1.  2.  3.  4.  5. 
− 5 1
  −7 2
 5 −2


 0 − 3

 0 − 3
6. 7. 8. 9. 10.
7 −2 − 4  1 −1 0  1 −1 2 5 4 2 −3 7 5
3 − 2 −1 −1  1 4 2  2 3
 0   2 −1 2   5   4 
6
 −2 
− 3  0
 −1 1
 0 1 
−1 2
 2 
2  1
 2 
2

Resolveremos solamente algunos de los ejercicios anteriores para mostrar la

metodología.

Ejercicio 1. Empezamos escribiendo la definición de un eigenvalor como sigue:

Av = λv (1.1)
o bien
( A − λI n ) v = 0 (1.2)
de donde obtenemos la siguiente expresión
− 2 − 2 1 0 − 2 − λ − 2 
A − λI n =   − λ =
− 5 1 0 1  − 5 1 − λ 
Entonces, la ECUACIÓN CARACTERÍSTICA es:
− 2 −λ −2
det ( A − λI n ) =
−5 1 −λ
det ( A − λI n ) = (−2 − λ )(1 − λ ) − ( −2)( −5)
det ( A − λI n ) = λ 2 + λ − 12
y el POLINOMIO CARACTERÍSTICO es:
p (λ) = λ2 + λ −12 = 0
Como el polinomio es de segundo grado en λ, el número de raíces del polinomio
característico es 2. Estas raíces pueden ser reales o complejas, iguales o diferentes. Para
encontrar las raíces del polinomio, podemos utilizar la formula general o factorizar por
inspección.
p (λ) = (λ + 4)( λ − 3) = 0
de aquí que los eigenvalores son λ1 = -4 y λ2 = 3.
Para encontrar los eigenvectores, usamos los eigenvalores en (1.2) uno por uno.
Por ejemplo, para λ1, tenemos:
 − 2 − 2 1 0  v x  0
  − (−4)      =  
 −5
 1 0 1  v y  0
Escalonamos la matriz de coeficientes para resolver el sistema homogéneo:
 2 − 2 12 R1  1 − 1 5 R1 +R2 1 − 1
− 5 → → (1.3)
 5  − 5 5 0 0
De (1.3) obtenemos que v x = v y y por lo tanto un eigenvector de A puede ser el
vector: v = (1, 1). Comprobando usando (1.1), tenemos:
− 2 − 21 − 4 1
− 5    =   = −4  
 1 1 − 4 1
De la misma manera para λ2 = 3, tenemos de (1.2):
  − 2 − 2 1 0  v x  0
  − (3) 0 1  v  = 0
 −5 1
     y   
cuya matriz de coeficientes y escalonamiento es:
− 5 − 2 − 15 R1  1 2 / 5 5 R1 + R2 1 2 / 5
− 5 − 2  →  →0 0 
  − 5 − 2  
2
de donde obtenemos que v x = − v y y un eigenvector puede ser v = (-2, 5).
5
Comprobando con (1.1), tenemos:
− 2 − 2− 2 − 6 − 2
− 5    =   = 3 
 1  5   15   5
La multiplicidad geométrica es:
´1
E λ1 = gen  
1 
− 2
E λ 2 = gen  
 5 
Ejercicio 9: La ecuación característica es:
 5 4 2 1 0 0 
 
det( A − λI n ) = det  4 5 2 − λ 0 1 0 

 2 2 2 
  0 0 1  
(5 − λ) 4 2
det( A − λI n ) = 4 (5 − λ) 2 = −λ3 +12 λ2 − 21λ +10
2 2 ( 2 − λ)
El polinomio característico es, entonces λ3 − 12 λ2 + 21λ − 10 = 0 , el cual puede
factorizarse como (λ −1) 2 (λ −10 ) = 0
De aquí que los eigenvalores de A son: λ1 = 1, λ2 = 1 y λ3 = 10. Los
eigenvectores correspondientes a λ, son:
Para λ1 = λ2 = 1:
4 4 2 1 1 1 1 / 2 1 1 1 / 2
4 4 2 →4
 4
R1
4  →0
−4 R1 +R2
2   0 0 

2 2 1  2 2 1  0 0 0 
Los eigenvectores pueden escribirse entonces como:
 1 
 v x  − v y − 2 v z  − 1 − 1 / 2 
 
v = v y  =  vy  = v y  1 + v z  0 
 
 
v z   vz   0  1 
 
Así, la multiplicidad geométrica es:
−1 −1 / 2
 
E λ1 = gen  1,  0 
 0   1 
   
Un eigenvector correspondiente a λ1 = 1 puede ser v = (2, -3, 2) el cual puede
ponerse como combinación lineal de los vectores generadores:
 2 −1 −1 / 2
− 3 = −3 1 + 2  0 
     
 2
    0
   
 1 

y para probar que es un eigenvector, hacemos:
Av = λv
5 4 2 2   2 
4 2   
 5 − 3 = − 3

2 2 2

 2   2
Para λ3 = 10:
 4 2  4 2
 4 2  1 − −   1 − − 
− 5 4 2 1 1 − 5 − 5  
5 5
 
5 5

 4 − 5 2  − R1
4 − 5  −4 R1 + R2 9 18 9 18

5
→ 2   → 0 −  −
2 R1 + R2
  → 0 − 
     5 5  5 5
 2 2 − 8 2 2 − 8 2 2 − 8   0 18 − 36 
     5 5 
 4 2  
 1 − −  1 0 − 2  18  1 0 − 2
5 5 5 4 
1 − 2   →  0 1 − 2    →  0 1 − 2
− R2 R2 + R1 − R2 + R3
 → 0
9   5 5
   18 36 
 0 18 − 36  0 −   0 0 0 
 5 5  5 5 
Los eigenvectores pueden escribirse como:
v x   2
v = v y  = v z  2
 
 v z  1 
Así, el espacio de los vectores es:
2
 
Eλ3 = gen 2
1 
 
Un eigenvector puede ser v = (6, 6, 3) obtenido al hacer vz = 3:
Av = λv
5 4 26 60  6
4 5 26 = 60  =10 
    
 6

2 2 2

3
  30 
 
3

Matrices Semejantes y Diagonalización
Definición: Se dice que dos matrices A y B de n × n son semejantes si existe una matriz
invertible C de n × n tal que:
B = C −1 AC (4)

Si multiplicamos por la izquierda por C a ambos lados de la igualdad, tenemos:

CB = CC −1 AC
o bien, dado que CC-1 = In, entonces:
CB = AC

La ventaja de usar matrices semejantes es que, como tal, comparten el mismo

polinomio característico y los mismos eigenvalores además de que resulta más fácil
de manejar.

Dicha matriz semejante más fácil de trabajar es la matriz diagonal. La matriz

diagonal es aquélla que tiene ceros todos sus componentes excepto los que están en la
diagonal principal. La ventaja que ofrece es que su determinante es, precisamente, el
producto de las componentes en la diagonal.

Se dice que una matriz A de n × n es diagonizable si existe una matriz diagonal

D tal que A es semejante a D. La matriz A es diagonizable si y sólo si tiene n
eigenvectores linealmente independientes. En este caso la diagonal de D es semejante a
A y sus componentes son, precisamente, los eigenvalores de A.

Por ejemplo, considere la matriz:

1 −1 4
A =
3 2 −1


2 1 −1

El polinomio característico es:
p (λ) = λ3 − 2λ2 − 5λ + 6 = 0
Los eigenvalores de A son: λ1 = 1, λ2 = -2, λ3 = 3 y los eigenvectores
correspondientes a estos eigenvalores son: v1 = (-1, 4, 1), v2 = (-1, 1, 1) y v3 = (1, 2, 1).
Estos vectores vi son linealmente independientes. Esto lo sabemos, porque si
escribimos una matriz cuyas columnas sean estos vectores como sigue:
−1 −1 1
C =
 1 4 2


 1 1 1

y obtenemos su determinante, éste es diferente de cero:
det( C ) = ( −1)( 4)(1) +( −1)( 2)(1) +(1)(1)(1) −(1)( 4)(1) −( −1)( 2)(1) −( −1)(1)(1) = −6 ≠ 0
La inversa de esta matriz, C, es:
 2 2 − 6
1
C −1
=−  1 −2 3
6

− 3 0 − 3

De (4), obtenemos:
 2 2 − 61 −1 4−1 −1 1
1
D =C −1
AC = −  1 −2 3 
3 2 −1
 1 4 2

6

− 3 0 − 3

2 1 −1

 1 1 1

  2 2 − 6 2 −1 3 12 0 0  − 2 0 0
1 1
D =−  1 −2 3 
− 2 4 
6 = −  0 −6 0 
= 0 1 0

6 6

− 3 0 − 3

− 2 1 3
 
0 0 −18 
 
 0 0 3

Note que las componentes de la diagonal son los eigenvalores en el orden en que
los eigenvectores correspondientes fueron puestos para formar la matriz C.

Sistemas de Ecuaciones Diferenciales:

En problemas que involucran sistemas de ecuaciones diferenciales, es posible
introducir la notación matricial. Los eigenvalores y eigenvectores son útiles para
resolver dicho sistema.

Un ejemplo clásico de ecuación diferencial es la que tiene la forma:

y '−ay = 0
La solución de esta ecuación diferencial es:
y = y 0 e at
donde se ha supuesto que y = f(t) y y0 son los valores iniciales de y para t = 0.

Un sistema de ecuaciones diferenciales también clásico es el siguiente:

a11 y1 + a12 y 2 = y '1
a 21 y1 + a 22 y 2 = y ' 2
En forma matricial es:
 a11 a12   y1   y '1 
a =
 21 a 22   y 2   y ' 2 
o bien:
AY = Y '
La solución de este sistema de ecuaciones tendrá la forma:
Y = e At Y0 (5)
donde Y0 es el vector de valores iniciales de y para t = 0. Note que en este caso el vector
Y0 queda a la derecha del término eAt, por tratarse de producto de matrices.

La dificultad que presenta esta solución es que la potencia de la función

exponencial no es un número real sino una matriz A. Sin embargo, este problema se
salva al expresar la función exponencial como una serie de potencias:
t2 t3
et = 1 + t + + +
2! 3!
Para nuestro caso, la función eAt queda expresada de la siguiente forma:
At A 2 t 2 A 3 t 3
e At = I + + + + (6)
1! 2! 3!
donde I es la matriz identidad.
El problema es ahora elevar la matriz A a una potencia. Una de las propiedades
de las matrices diagonales es la siguiente:
 a 0
D=
0 b 
a 0 a 0 a 2 0 
D2 =   = 
0 b  0 b   0 b 2 
a 2 0  a 0 a 3 0 
D3 =   = 
0 b 2  0 b   0 b 3 
a n 0
Dn =  
0 bn 
Así, si A fuera una matriz diagonal, entonces nuestro problema estaría resuelto.
Pero sabemos que podemos encontrar una matriz diagonal semejante a A siempre y
cuando A sea una matriz diagonizable. También sabemos que dicha matriz diagonal, D,
tendrá en su diagonal principal los eigenvalores de la matriz A, por ejemplo:

λ1 0  0 
0 λ  0 
D= 2 
  
 
 0 0  λn 

Además, por ser A y D matrices equivalentes, existe una matriz C tal que:
D = C −1 AC (7)
donde las columnas de esta matriz C son los eigenvectores de A.

Para despejar A en la Ec. (7), tenemos que multiplicar por la izquierda por C y
por la derecha por C-1 a ambos lados de la igualdad:
−1
CDC = CC −1 ACC −1

A = CDC −1
De esta expresión podemos obtener la siguiente forma para calcular An:
−1 −1 −1 −1 −1
A n = (CDC ) n = (CDC )( CDC )( CDC )  (CDC )
por la propiedad asociativa del producto de matrices
A n = CD (C −1C ) D (C −1C ) D (C −1  C ) DC −1

A n = CD (C −1C ) D (C −1C ) D (C −1  C ) DC −1

A n = CD n C −1
o para nuestro problema:
( At ) n = C ( Dt ) n C −1
Entonces, podemos expresar la Ec. (6) como:
C ( Dt )C −1 C ( Dt ) 2 C −1 C ( Dt ) 3 C −1
e At = CIC −1 + + + +
1! 2! 3!
Podemos simplificar la expresión anterior utilizando la propiedad distributiva
para matrices de la siguiente forma:
 Dt ( Dt ) 2 ( Dt ) 3 
e At = C  I + + + + C −1
 1! 2! 3! 
El término entre paréntesis es, de nuevo, la exponencial eDt:
e At == Ce Dt C −1
El término eDt es más fácil de calcular con la matriz diagonal:
 Dt ( Dt ) 2 ( Dt ) 3
e Dt = I + + + +
1! 2! 3!
1 0  0 λ1t 0 0 
 λ12 t 2 0  0 
 
0 1  0  0 λ2 t  0  1  0 λ22 t 2  0  +
e Dt = + +
        2!     
     
0 0  1  0 0  λn t   0 0  λn t n 
 λ 12 t 2 
1 + λ 1t + + 0  0 
 2! 
 λ 2 2
t 
e Dt =  0 1 + λ 2t + 2
+  0
2! 
    
 λ 2n t 2 
 0 0  1 + λ nt + + 
 2! 
e λ1t 0  0 
 
 0 e λ2 t  0 
e =
Dt
(8)
   
 
 0 0  e λnt 
Entonces la Ec (5), solución del sistema de ecuaciones, puede escribirse como:
Y = e At Y0
Y = Ce Dt C −1Y0 (9)
donde e viene dada por la Ec. (8).
Dt
Ejemplo 1: En una planta desalinizadora hay dos tanques de agua. Suponga que el
tanque 1 contiene 1000 l de salmuera que tiene disueltos 1000 kg de sal y el tanque dos
contiene 1000 l de agua pura. Suponga que se alimenta agua al tanque I a una tasa de 20
LPM y la mezcla pasa del tanque I al tanque II a una tasa de 30 LPM. Del tanque II se
bombean 10 LPM de regreso al tanque I, mientras que 20 LPM continúan en el proceso.
Encuentre la cantidad de sal en ambos tanques en el tiempo t.

20 LPM 10 LPM

30 LPM

t=0
y1 = 1 kg/l II
y2 = 0
20 LPM

Las ecuaciones se plantean mediante un balance de sal en cada tanque:

dy
− 30 y1 + 10 y 2 = 1000 1
dt
dy 2
30 y1 − 30 y 2 = 1000
dt
Este sistema se expresa en forma matricial como sigue:
 30 10   dy1 
−
 1000 1000  y1   dt 
 30 =  dy 
30   y 2 
 −   2
 1000 1000  dt 
o bien:
AY=Y’
La solución de este sistema es de la forma:
Y = eAtY0
donde Y0 son las condiciones iniciales dadas por:
1
Y0 =  
0

Entonces la solución al sistema de ecuaciones diferenciales es:

Y = eAtY0 = CeDtC-1Y0

donde C es la matriz para diagonalizar A cuyas columnas son los eigenvectores de A y

C-1 es su inversa.
 Para el problema, la matriz A es:
− 3 / 100 1 / 100 
A=
 3 / 100 − 3 / 100 

La ecuación característica es:
3 1
− −λ
det ( A − λI n ) = 100 100
3 3
− −λ
100 100
El polinomio característico es:
2
 3  3   1  3   3  3
p (λ ) =  − − λ  − − λ −   = − − λ − =0
 100  100   100  100   100  10000
cuyos eigenvalores son:
−3 − 3 −3 + 3
λ1 = y λ2 =
100 100

Los eigenvectores correspondientes son

 − 1 1
v1 =   y v2 =  
 3  3

Así, C puede escribirse como:

 −1 1 
C =
 3 3 
y su inversa es:
 1 1 
 −
2 2 3
C −1 =  
 1 1 
 2 2 3 
La solución del sistema de ecuaciones es:
 1 1 
−
−1  − 1 1  e 0  2
λ1t
2 3  1
Y = Ce C Y0 = 
Dt
 
 3 3   0 e λ2t   1 1  0
 2 2 3 
 1 λ1t λ2 t 
 2 (e + e ) 
Y = 
1
 (e λ1t − e λ2t 
2 
donde λ1 y λ2 son los eigenvalores determinados arriba.
Ejemplo 2: Crecimiento de Población. En el modelo sencillo de crecimiento de
población, se supone que cierta especie crece a una tasa constante siendo la población
en un período de tiempo determinado proporcional a la población en el período
inmediato anterior. Si Pn denota la población en el tiempo n, entonces:
Pn = rPn −1 (10)
Así, empezando con una población P0 en el período n = 0, tenemos:
P1 = rP0
P2 = rP1 = r 2 P0
P3 = rP2 = r 3 P0
de manera que: Pn = r P0
n

(11)
Podemos ver de la Ec. (11), que la población se incrementará sin cota si r > 1 y
que decrecerá a cero si r < 1. Si r = 1, la población permanecerá sin cambios.

Este modelo trabaja relativamente bien para organismos sencillos, como

bacterias, en donde la reproducción consiste en la división de un organismo en dos
organismos independientes. Para organismos más complejos, este modelo debe ser
modificado para incluir otros aspectos, por ejemplo edad, tasas de fertilidad,
supervivencia, etc.

Sin embargo, conforme se introducen más y más variables, el modelo se

complica. Así, por ejemplo, para obtener un modelo de crecimiento de la población para
una especie de pájaros, es necesario hacer algunas suposiciones:
1. El número de pájaros hembras y el de machos es el mismo.
2. Cierta proporción de jóvenes mueren durante el año y otra proporción, α, llegan
a adultos al siguiente año.
3. Cada hembra que sobrevive produce huevos que engendran, en promedio, κ
hembras jóvenes.
4. Los adultos que sobreviven al siguiente año están en una proporción β. Estas
tasas de supervivencia, α y β son independientes de la edad.
5. La edad de la madre no influye en el número de críos.

Si se denota por Pj,n y por Pa,n la población de pájaros jóvenes y adultos,

respectivamente, en el tiempo n, entonces:
Pj , n =kP a , n −1
Pa , n =αPj , n −1 +βPa , n −1
En forma matricial, tenemos:
Pj ,n   0 κ Pj ,n −1 
P  =    (12)
 a ,n  α β Pa ,n −1 
Pn = AP n −1 (13)
Esta expresión se parece mucho a la Ec. (10) y como se hizo anteriormente,
podemos escribir:
Pn = A n P0 (14)
la cual tiene la misma forma de la Ec. (11) pero donde una matriz ha remplazado al
número real.
Como se vio anteriormente, An puede expresarse como sigue:
A n = CD n C −1
 El polinomio característico de A, es:
p (λ ) = λ2 − β λ− κ α= 0
de donde los eigenvalores de A son:
β + β 2 + 4κ α β − β 2 + 4κ α
λ1 = y λ2 =
2 2

Si consideramos el caso en que α = 0.3, β = 0.5 y κ = 2 e inicialmente hay 10

hembras y 10 machos adultos y no hay jóvenes. El valor de κ = 2 significa que cada
hembra adulta produce dos críos hembras (y dos machos), entonces la matriz A es:
0 2 
A =
0.3 0.5

Los eigenvalores y eigenvectores correspondientes, son:
λ1 = 1.064 y λ2 = −0.564
1.88  − 3.546 
v1 =   y v2 =  
 1   1 
La matriz C y su inversa C-1, son:
1.88 − 3.546   0.184 0.652 
C =  y C −1 = 
 1 1  − 0.184 0.346 

y la matriz diagonal D semejante a A, es:
1.064 0 
D =
 0 − 0.546 

Así, An es:
1.88 − 3.546 λ1n 0   0.184 0.652
A = n
 
 1 1   0 
λ n2   − 0.184 0.346
y la solución se escribe como:
1.88 − 3.546 λ1n 0   0.184 0.652  0 
Pn = A P0 = 
n
 
 1 1   0 λ n2   − 0.184 0.346 10
 12.2λ1n − 12.3λ n2 
Pn =  n
6.52λ1 + 3.46λ 2 
n

donde λ1 y λ2 son los eigenvalores de A obtenidos anteriormente.

La tabla siguiente muestra la forma en que varía la población de pájaros hembras
así como las razones de población de hembras jóvenes a adultos y la población total
de años sucesivos:
Año # Jóvenes # Adultos Total hembras
Pj,n//Pa,n Tn/Tn-1
n Pj,n Pa,n Tn
0 0 10 10 0 -
1 20 5 25 4.00 2.50
2 10 8 18 1.18 0.74
3 17 7 24 2.34 1.31
4 14 8 22 1.66 0.96
5 17 8 25 2.00 1.13
10 22 12 34 1.87 1.06
12 25 13 38 1.88 1.06
20 42 22 64 1.88 1.06