VALORES Y VECTORES PROPIOS

En los diversos campos de la ingeniera y las matemticas surge el problema

de calcular los valores escalares y los vectores x 0 tales que para la
A

matriz cuadrada

AX =X (1)

se cumple

Algunos campos de aplicacin son:

Las Ecuaciones diferenciales, Estabilidad de sistemas lineales, Sistemas
elctricos, Polos y ceros de transferencia, diagonalizacion de matrices, etc.
Podemos averiguar si el problema planteado en (1) tiene solucin si tenemos
( A I ) X =0 (2) , el problema se transforma en un sistema lineal
BX =0

homogneo
det ( B ) 0

X =0

, el cual tiene solucin para

, cuando

, es justamente lo que no nos interesa .El numero

que es el valor propio de la matriz cuadrada

si y solo si

(3) esta es la ecuacin caracterstica de la matriz

det ( AI )=0

.El polinomio que

surge de la ecuacin (3) resulta un polinomio en ponencias de

expresin
A

a ( ) =det ( AI )

, la

se le llama polinomio caracterstico de la matriz

.El polinomio caracterstico de una matriz de dimensin

grado

se dice

, por lo que se tiene

valores propios

nxn

es de

que satisfacen la

ecuacin (3) .

VALOR PROPIO
Sea

T :V V

sobre un cuerpo

un operador lineal sobre un espacio vectorial

K.

Un escalar

se llama valor propio de T

si existe un vector diferente de cero, v V tal que T ( v ) =v .

Todo vector que satisface esta relacin se llama vector propio de T
perteneciente al valor propio .

Observacin: Las transformaciones lineales del espacio como la

rotacin, la reflexin, el ensanchamiento o cualquier combinacin de
las anteriores pueden interpretarse mediante el efecto que producen
en los vectores .De forma geomtrica los vectores se visualizan como
flechas de cierta longitud apuntado en una direccin y sentido
determinado. Los vectores propios de las transformaciones lineales
son vectores que no se ven afectados por la transformacin.
un valor propio de un operador

T :V V . Sea

el conjunto de todos los vectores propios de T

pertenecientes

Ejemplo: Sea
V

al valor propio
V

(llamado el espacio propio de

) Demostrar que

es un subespacio de V .

Demostracin
v , w V

Sean
escalar
av +bw

; es decir

T ( v )=v ,T ( w )= w . Entonces para todo

a , b K , T ( av +bw )=aT ( v ) +bT ( w )=a ( v ) +b ( w )= (av +bw)

es un vector propio perteneciente a

es decir

, luego
V

es un

subespacio de V .

TEOREMA
Sea

T :V V

entonces

un operador lineal sobre un espacio vectorial

es un valor propio de

singular, el espacio propio de

si y solo si

V ,

es

es entonces el ncleo de T .

TEOREMA
Vectores propios diferentes de cero pertenecientes a valores propios
diferentes son linealmente independientes.

POLINOMIO CARACTERISTICO
Sea una matriz cuadrada A sobre un cuerpo K
a11 a12
a
a22
A= 21

a n1 an 2
La

a1 n
a2 n

a nn

matriz

t n A

det ( t n A ) =0

)
se llama

matriz caracterstica,

el determinante

se llama ecuacin caracterstica, el polinomio caracterstico

es de la forma:
( t )=( ta11 ) ( ta 22) ( t a nn ) ,n trminos con mximo n2 factores de la forma tan

Ejemplo

( )

1 4
Sea la matriz A= 2 3

i) Hallar los valores propios de A y los correspondientes vectores

propios
1
2i) Hallar una matriz inversible P tal que P AP sea diagonal

Solucin:

Ejemplo:

El polinomio caracterstico de la matriz A es:

1 3 0
A= 2 2 1
4 0 2

t1 3
0
3
2
( t ) = ( t A )= 2
t2 1 =t t +2t +4
4
0
t+ 2

Es un polinomio caracterstico, polinomio Mnico de tercer grado.

El polinomio caracterstico de una matriz de dimensin

nxn

es de

grado n , por lo cual tendr n posibles valores propios.

Si

es un valor propio de

AX =X X

y si X es el vector no nulo tal que

se dice vector propio de

correspondiente al valor

propio de .

OBSERVACION:

tambin llamado autovalor, valor caracterstico o

eigen valor.

Ejemplo
Dada la matriz

3 1 1
A= 2 2 1
2 2 0

determine el polinomio caracterstico y

los valores propios de A

Solucin

|( ) ( )| |

3 1 1
1 0 0
3
1
1
P ( )=det 2 2 1 0 1 0 = 2
2 1 =( 2 )( 2 ) ( 1 ) =0 Enton
2 2 0
0 0 1
2
2

ces los valores propios son =2 , =2 , =1

POLINOMIO DE MATRICES Y OPERADORES LINEALES

n

f ( t )=a n t +an1 t

Sea un polinomio

n 1

++ a1 t +a 0

, si A es una matriz

cuadrada, entonces definimos:

n

f ( A ) =an A +a n1 A

n1

++ a1 A+ a0

Se dice que A es una raz o un cero del polinomio si

f ( A ) =0.

TEOREMA
Sean f y g dos polinomios sobre un cuerpo k ,

y sea A una matriz

cuadrada de orden n , sobre k , entonces:

i)

(f + g)( A) =f ( A)+ g( A)

ii)

(f . g)( A )=f ( A ) . g( A)

iii)

(kf )(A )=kf ( A )

OBSERVACION
1. Los vectores propios de las transformaciones lineales son
vectores que no se ven afectados por la transformacin.
2. El valor propio de un vector propio es el factor de escala por el
que ha sido multiplicado.
3. Un espacio propio es un espacio formado por todos los vectores
propios del mismo valor propio, adems del vector nulo que no
es un vector propio.
4. La multiplicidad geomtrica de un valor propio es la dimensin
del espacio propio asociado.

Ejemplo: Hallar los vectores propios de la matriz

SOLUCION:
AX =X

( A ) X=0

(13

2 X=0
2

Hallando los valores propios:

1
2 =0
3
2

23 4=0
1=1 , 2=4

Para 1=1

| || |

2 2 x 1 =0
3 3 x2

2 x 1 +2 x2 =0
3 x1 +3 x 2=0

x 1 + x 2=0
x1 =x 2

Vector propio:
Para 2=4

( ) ( )

x1
=x 1
vector propio 1
1
x2
1

( )

( )

A= 1 2
3 2

||

3 2 x 1 =0
3 2 x 2

3 x 1 +2 x 2=0
3 x1 2 x 2=0

3 x 1=2 x 2
x1
=t 2
vector propio 2
x2
3
3

( ) ()

()

TEOREMA DE CAYLEY-HAMILTON
Toda matriz es un cero de su polinomio caracterstico.

( )

A= 1 2
3 2

Ejemplo:

P ( )= 23 4
2

( ) ( ) ( )(

)( )( )( )

P ( A )= 1 2 3 1 2 4 1 0 = 7 6 3 2 4 0 = 0 0
3 2
3 2
0 1
9 10
9 6
0 4
0 0

TEOREMA
Si A es una matriz cuadrada de orden n y

A
es una raz del polinomio caracterstico.

es un valor propio de

MULTIPLICIDAD ALGEBRAICA
La multiplicidad algebraica de un valor propio

como cero del

polinomio caracterstico.
Ejemplo: Si los valores propios de una matriz A son 4, 4, 3, 3,3, 2,2, 1
significan que la multiplicidad algebraica del valor propio4 es 2, la de 3
es 3, la de 2 es 2, la de 1 es 1.
(4)2 (3)3 (2)2( 1)=0

DIAGONALIZACION
V un operador lineal sobre un espacio vectorial V
Sea T :V

dimensin finita entonces T es un operador lineal que se puede

representar por una matriz diagonal.

k2

k1

kn

T =

Si y solo si existe una base { v1 , v 2 , , v n } de V tal que:

T ( v 1) =k 1 v 1
T ( v 2 )=k 2 v2

T ( v n )=k n v n

con

Es decir los vectores { v1 , v 2 , , v n } son vectores propios de T

perteneciente a los valores propios k 1 , k 2 , , k n .

OBSERVACION
Qu es diagonalizar?
Es determinar un sistema de referencia conveniente donde se tenga
una simplicidad para los clculos.
Para estudiar una matriz, suele ser conveniente expresarla de la forma
ms sencilla posible. Para estudiar una matriz suele ser conveniente
A es

expresarla lo ms sencilla posible , diagonalizar una matriz

precisamente escribirla de manera simple encontrando una matriz

invertible P y una diagonal D
la matriz

1
( si es posible) tal que A=PD P
,

se denomina matriz de paso .

MATRIZ DIAGONALIZABLE
Una matriz n x n es diagonalizable si existe una matriz diagonal

tal que A es semejante a D . Si D es una matriz diagonal entonces los

valores propios son sus componentes en la diagonal .Si
D

semejante a
entonces si

es

entonces tienen los mismos valores propios ,

es diagonalizable ,

diagonal.
:

FORMAS CUADRATICAS O CUADRICAS

es semejante a una matriz

Se llama forma cuadrtica a un polinomio homogneo de grado 2. Una

forma cuadrtica P tiene la siguiente expresin matricial:
n

P ( X )=X AX= aij x j1 x i1

t

i=1 j=1

Donde X es una matriz columna de orden nx 1 , A es una matriz

cuadrada de orden nxn

OBSERVACION
Dadas las matrices A y X se presenta una forma cuadrtica
t

P ( )= X AX

2
2
Ejemplo: P ( X )=2 x +6 xy + y

P ( X )= ( x

( )( )

y ) 1 x2 2 3 x
3 1 y

=( 2 x+3 y 3 x + y )1 x2 x
y
2x 1

()

2
2
2
Ejemplo: P ( X )=x + y + 2 xy + z 5 xz +6 yz

( )( )
1

P ( X )= ( x

z) 1
9
2

9
2
1 2
1

x
y
z

2
2
2
2
2
Ejemplo: P ( X )=3 x y +t + w 5 z + xt+ wz+ xy

2x 1

=2 x 2+6 xy + y 2

1
2

P ( X ) =( x

y t w

1
2

1
2

( )
3

1
1
2
z) 1 0
2
0

1
5
2

x
y
t
w
z

()

DIAGONALIZACION DE FORMAS CUADRTICAS

Una forma cuadrtica P se dice que se encuentra en su forma diagonal
si en ella no aparece ningn trmino mixto:
x i1 x j 1 coni j
2

P=a 11 x 1 +a22 x2 ++ ann x nn =X AX

Donde A es la matriz diagonal:

a11 0
0
0 a22 0
0 0

A=( a nn )

t
DEFINICION.- Se dice que una forma cuadrtica q ( X )=X AX es

diagonalizable si existe una matriz no singular B, tal que al hacer la

transformacin X =BY , resulta:

q ( Y )= ( BY ) A ( BY ) =Y B ABY =Y D Y , donde D es una matriz diagonal tal que

q ( Y )=d 11 y12 +d 22 y 22 ++ d nn y nn2

Es una forma diagonal en las nuevas variables

y 1 , y 2 , y3 , , y n

. Se

dice que B diagonaliza a la matriz A, esta matriz B siempre existe, para

ello A es una matriz simtrica, B es una matriz no singular.
En muchos casos los elementos de la matriz diagonal en la diagonal
principal son los valores propios de A.

Ejemplo:

Diagonalizar la forma cuadrtica, considere

q ( X )=x + 4 xy +5 y 2

( )

A= 1 2
2 5

1 2
, considere B= 0 1

Solucin:

( )( )

y) 1 2 x
2 5 y

q ( X )= ( x

( )

A= 1 2
2 5

Sea X=BY

( xy )=( 10

)( )

2 y 1
1 y2

q ( y )= ( BY )t A ( BY )= ( y 1

)( )

y
y 2 ) 1 0 1 2 1 2 1
2 1 2 5 0 1 y2

)( )(

 ( y1

)( )

y
y 2 ) 1 2 1 2 1
0 1 0 1 y2

( )(

q ( y )=( y 1

( ) ( yy )=( y

y 2 )1 x 2 1 0
0 1

2x2

y 2 )1 x2

y1
y2

()

= y 12 + y 22

2x 1

OBS:

( )

A= 1 2
2 5

2 =0 26 +1=0
det ( A )=det 1
2
5

NOTA.- En el ejemplo la forma cuadrtica diagonalizable es:

2

q ( y )= y1 + y 2

Hemos hablado de la transformacin X =BY

, la cual se interpreta

como una rotacin de coordenadas.

DIAGONALIZACION ORTOGONAL DE FORMAS CUADRTRICAS

Dada una forma cuadrtica
P ortogonal

( P1=Pt )

P ( X )=X t AX , es posible hallar una matriz

que diagonalice ortogonalmente a la matriz A,

para ello se debe tener en cuenta que:

1. Hallar los valores propios y vectores propios de la matriz A
linealmente independientes.
2. Los vectores v 1 , v 2 , , v n forman una base ortonormal para lo
cual se utiliza el proceso de GRAM-SCHMIDT, es decir, hacer:
a.

v 1=

u1
u 1

v k +1=uk +1[ uk +1 , v 1 v 1 + uk+1 , v 2 v 2+ + uk+ 1 , v k v k ]

b.

Calculamos los vectores

'

v k +1

que son ortogonales entre si, y

son ortogonales a los vectores { v1 , v 2 , , v k } , formamos la matriz

P de modo que cada uno de los vectores

v1 , v2 , , vn

son

vectores columna de la matriz P.

3. Se tiene la forma diagonalizable:
P ( X )=X t AX P (Y )=Y t ( Pt AP ) Y =Y t DY
Donde D es una matriz diagonal formada por valores propios de
A.

Ejemplo:

Diagonalizar ortogonalmente la forma cuadrtica

P=3 w 2+ 3 x 2 +9 y 2 +6 z 2+ 2wx4 yz

Solucin:

3
1
A=
0
0

1 0
0
3 0
0
0 9 2
0 2 6

3
1
0
0
0
| A |= 1 3 0
=0
0
0
9 2
0
0
2 6

||

3
0
0
1
0
0
( 3 ) 0
9 2 0 9 2
0
2 6 0 2 6

( 3 )( 3 )( 5 ) ( 10 )( 5 ) ( 10 )=0
( 5 )( 10 ) ( 4 )( 2 ) =0

Los valores propios son:

1=2, 2=4 , 3=5 , 4 =10

Para 1=2:

1
1
0
0

|| |

1 0
0
1 1
1 0
0
0 0

0 7 2
0 0
0 2 4
0 0

0
1
0
0

0
0
1
0

x 1+ x 2=0
x 3=0

( x1

x 4=0

Para 2=4 :

||

1 1
0
0
1 1 0
0
0
0
5 2
0
0 2 2

( x1

1 1 0 0
0 0 0 0
0 0 1 0
0 0 0 1

x 2 x 3 x 4 ) =s ( 1 1 0 0 )

x 2 x 3 x 4 ) =t ( 1 1 0 0 )

Para 3 =5: ( 0 0 1 2 )
Para 4=10 : ( 0 0 2 1 )
v 1=

u1
1
1
=( 1,1, 0, 0 )=
, , 0,0
u 1
2 2

v '2=u 2 u1 , v 1 v 1= (1, 1, 0, 0 ) ( 1,1, 0, 0 ) ,

v 2=

v 2'
'

v 2

( 12 , 12 , 0, 0) ( 12 , 12 , 0, 0)=( 1, 1,0, 0 )

( 12 , 12 , 0,0)

'

v 3=u3[ u3 , v 1 v 1+ u3 , v 2 v 2 ]=( 0, 0, 1,2 ) ( 0, 0,1, 2 ) ,

v 3=

v 3'
'

= 0, 0,

v 3

1 2
,
5 5

1
1
, , 0,0
2 2

) (

1
1
1 1
, , 0, 0 + ( 0, 0, 1,2 ) ,
,
2 2
2 2

v '4=u 4[ u4 , v1 v 1 + u4 , v 2 v 2 + u 4 , v 3 v 3 ]

v '4=( 0, 0,2, 1 ) ( 0, 0,2,1 ) ,

v 4=

v 4'
'

= 0, 0,

v 4

2 1
,
5 5

[ ]

1
2
1
P= 2
0
0

Luego:

1
2
1
2
0
0

1
5
2
5

2
5
1
5

1 1
1 1
1 1
, 0, 0
,
,0, 0 + ( 0, 0,2, 1 ) ,
,
, 0,0
( 12 , 1
)
(
)
(
)
(
2 2
2 , 2 , 0, 0)+
2
2 2

1
2
1
D=Pt AP= 2
0

1
2
1
2

1
2
1
2

( ) ( )
0

1
2
1
2
0
0

0
0

1
5
2
5

3
1
2 0
5 0
1
5
0

P ( X )=X t AX P ( Y )=Y t DY =( y 1

Forma diagonalizada

1 0
0
3 0
0
0 9 2
0 2 6

y2

y3

y4 )

2
0
0
0

0
4
0
0

0
0

1
5
2
5

2
=0
2
0
5 0
1
5
0

0
4
0
0

0 0
0 0
5 0
0 10

0 0 y1
0 0 y 2 =2 y 2+ 4 y 2 +5 y 2+ 10 y 2
1
2
3
4
5 0 y3
0 10 y
4

)( )