VECTOR PROPIO Y VALOR PROPIO

DEFINICIONES
Las transformaciones lineales del espacio como la rotacin, la reflexin, el
ensanchamiento, o cualquier combinacin de las anteriores; en esta lista
podran incluirse otras transformaciones pueden interpretarse mediante el
efecto que producen en los vectores. Los vectores pueden visualizarse como
flechas de una cierta longitud apuntando en una direccin y sentido
determinados.
Los vectores propios de las transformaciones lineales son vectores que, o no
se ven afectados por la transformacin o se ven multiplicados por un escalar, y
por tanto no varan su direccin.
El valor propio de un vector propio es el factor de escala por el que ha sido
multiplicado.
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.
La multiplicidad geomtrica de un valor propio es la dimensin del espacio
propio asociado.
El espectro de una transformacin en espacios vectoriales finitos es el conjunto
de todos sus valores propios.
Por ejemplo, un vector propio de una rotacin en tres dimensiones es un vector
situado en el eje de rotacin sobre el cual se realiza la rotacin. El valor propio
correspondiente es 1 y el espacio propio es el eje de giro. Como es un espacio
de una dimensin, su multiplicidad geomtrica es uno. Es el nico valor propio
del espectro (de esta rotacin) que es un nmero real.
Formalmente, se definen los vectores propios y valores propios de la siguiente
manera: Si A: V V es un operador lineal en un cierto espacio vectorial V, v es
un vector diferente de cero en V y c es un escalar tales que

Entonces decimos que v es un vector propio del operador A, y su valor propio

asociado es c. Observe que si v es un vector propio con el valor propio c
entonces cualquier mltiplo diferente de cero de v es tambin un vector propio
con el valor propio c. De hecho, todos los vectores propios con el valor propio
asociado c junto con 0, forman un subespecio de V, el espacio propio para el
valor propio c. Observe adems que un espacio propio Z es un subespacio
invariante de A, es decir dado w un vector en Z, el vector Aw tambin pertenece
a Z.
En lgebra lineal, los vectores propios, auto-vectores o de un operador lineal
son los vectores no nulos que, cuando son transformados por el operador, dan
lugar a un mltiplo escalar de s mismos, con lo que no cambian su direccin.
Este escalar \lambda recibe el nombre valor propio, auto valor, valor
caracterstico

eigenvalor.

menudo,

una

transformacin

queda

completamente determinada por sus vectores propios y valores propios. Un

espacio propio, auto-espacio, eigenespacio o sub-espacio fundamental
asociado al valor propio \lambda es el conjunto de vectores propios con un
valor propio comn.
La palabra alemana elige, que se traduce en espaol como propio, se us por
primera vez en este contexto por David Hilbert en 1904 (aunque Helmont la us
previamente con un significado parecido). Eigen se ha traducido tambin como
inherente, caracterstico o el prefijo auto-, donde se aprecia el nfasis en la
importancia de los valores propios para definir la naturaleza nica de una
determinada transformacin lineal. Las denominaciones vector y valor
caractersticos tambin se utilizan habitualmente.
Ejemplos
A medida que la Tierra rota, los vectores en el eje de rotacin permanecen
invariantes. Si se considera la transformacin lineal que sufre la Tierra tras una
hora de rotacin, una flecha que partiera del centro de la Tierra al polo Sur
geogrfico sera un vector propio de esta transformacin, pero una flecha que
partiera del centro a un punto del ecuador no sera un vector propio. Dado que
la flecha que apunta al polo no cambia de longitud por la rotacin, su valor
propio es 1.

Otro ejemplo sera una lmina de metal que se expandiera uniformemente a

partir de un punto de tal manera que las distancias desde cualquier punto al
punto fijo se duplicasen. Esta expansin es una transformacin con valor propio
2. Cada vector desde el punto fijo a cualquier otro es un vector propio, y el
espacio propio es el conjunto de todos esos vectores.
Una onda estacionaria en una cuerda fija en sus cabos o, ms concretamente,
una funcin propia de la transformacin correspondiente al transcurso del
tiempo. A medida que vara el tiempo, la onda estacionaria vara en amplitud,
pero su perodo no se modifica. En este caso el valor propio es dependiente del
tiempo.
Sin embargo, el espacio geomtrico tridimensional no es el nico espacio
vectorial. Por ejemplo, considrese una cuerda sujeta por sus extremos, como
la de un instrumento de cuerda (mostrada a la derecha). La distancia de los
tomos de la cuerda vibrante desde sus posiciones cuando sta est en reposo
pueden interpretarse como componentes de un vector en el espacio con tantas
dimensiones como tomos tenga dicha cuerda.
Si se supone que la cuerda es un medio continuo y se considera la
transformacin de la cuerda en el transcurso del tiempo, sus vectores propios o
funciones propias son sus ondas estacionariaslo que, mediante la
intervencin del aire circundante, se puede interpretar como el resultado de
taer una guitarra. Las ondas estacionarias corresponden a oscilaciones
particulares de la cuerda tales que la forma de la cuerda se escala por un factor
(el valor propio) con el paso del tiempo. Cada componente del vector asociado
con la cuerda se multiplica por este factor dependiente del tiempo. Las
amplitudes (valores propios) de las ondas estacionarias decrecen con el tiempo
si se considera la atenuacin. En este caso se puede asociar un tiempo de vida
al vector propio, y relacionar el concepto de vector propio con el concepto de
resonancia.
Vectores propios y valores propios de matrices
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

decir

que

el sistema

de

ecuaciones

lineales A v = v A v - v = 0 ( factorizado 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

propios de

son vectores

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.

DIAGONALIZACIN DE MATRICES
DEFINICIN.
Sea

una matriz cuadrada con valores en un cuerpo

, se

dice que la matriz

es diagonalizable si, y slo si, A se puede descomponer

de la forma:

Donde:

es una matriz diagonal cuya diagonal principal est formada por los
elementos de

, apareciendo cada uno tantas veces como indique

su multiplicidad algebraica, siendo

conjunto de auto valores de la matriz

el espectro de
:

, es decir, el

es la matriz cuyas columnas son los vectores que constituyen una

base del su espacio propio asociado a cada

siguiendo el orden

establecido en D, esto es, los vectores que forman el ncleo de la

matriz

ENDOMORFISMO DIAGONALIZABLE
Un endomorfismo de espacio vectorial (aplicacin lineal de un espacio vectorial
en

mismo)

se

dice diagonalizable

por

similaridad

(o

simplemente diagonalizable) si existe una base en la que su matriz asociada

sea una matriz diagonal. Sin embargo la diagonalizacin no est asegurada, es
decir no es posible decir que todo endomorfismo sea diagonalizable. La
importancia de la diagonalizacin nos motiva a obtener una base en la que la
matriz asociada a un endomorfismo no diagonalizable sea ms simple aunque
no diagonal. Para ello se seguirn las mismas tcnicas que para
diagonalizacin, usando la teora sobre auto valores y auto vectores (tambin
llamados valores y vectores propios o en ingls eigenvalues y eigenvectors).
Recordemos que dado un operador lineal
espacio de V es T-invariante si

se dice que W su

se tiene que

Aplicaciones
Diagonalizar una matriz es muy importante en el lgebra Lineal, pues se
cumple lo siguiente:

Facilitando mucho el clculo de las potencias de

, dado que siendo

matriz diagonal, el clculo de su p-sima potencia es muy sencillo:

una

DIAGONALIZACIN DE UNA MATRIZ

Una matriz es diagonalizable si es cuadrada y el nmero de valores propios es
igual al de filas o columnas de la matriz. "Diagonalizar una matriz" se reduce a
encontrar sus vectores y valores propios. Tomemos la matriz:

Se aplica el teorema de Cayley-Hamilton:

Por ejemplo, vamos a calcular

para ver si se cumple:

y veamos que es diagonalizable:

Esta matriz tiene los valores propios:

As

es una matriz 2 por 2 con 2 valores propios diferentes, entonces

se dice que es diagonizable.Si queremos diagonalizar

necesitamos

calcular los correspondientes vectores propios. Ellos son:

Uno podra verificar fcilmente esto mediante:

Ahora,

es la matriz invertible con los vectores propios de

como

columnas:

Con inversa

Hallemos ahora la matriz diagonal, usando esta matriz

Realizamos el clculo introduciendo los datos:

Luego resulta que existen matrices

Cumpliendo

tanto la matriz

como sigue:

tales que

los requisitos pedidos al principio, y por

es diagonalizable.

Potencias de una matriz diagonalizable

Podemos calcular, por ejemplo, la sptima potencia de la matriz anterior:

Para todo

se cumple:

Por tanto, para el ejemplo anterior:

Funcin de una matriz diagonalizable

No slo pueden calcularse, potencias de una matriz, sino cualquier funcin que
est definida sobre el espectro de la matriz. Por ejemplo puede calcularse la
exponencial
como:

de

la

matriz

anterior

Matrices no diagonalizable
No

todas

las

matrices

cuadradas

son

diagonalizable,

procedimientos similares para hallar matrices

pero

existen

invertibles y matrices

diagonales a bloques de tal modo que

Ofreciendo tambin soluciones o atajos para resolver los problemas que

requieren de la diagonalizacin de una matriz.

TEOREMAS SOBRE MATRICES DIAGONALIZABLE

Toda matriz simtrica de coeficientes reales es diagonalizable y

sus valores propios son reales.

Dadas dos matrices diagonalizable A y B, son conmutables (AB = BA) si

y solo si son simultneamente diagonalizable (comparten la misma base
orto normal).

1. Comprobar que la matriz

es diagonalizable, utilizando como la matriz de paso

SOLUCIN
Definiendo en DERIVE dichas matrices

Como A=P.D.P-1 , siendo D la matriz diagonal, entonces despejando

matricialmente se obtiene que D=P -1.A.P, de tal forma que efectuando esta
operacin en DERIVE resulta

Donde obtenemos la matriz diagonal.

Ejemplo 2.

POLINOMIO CARACTERSTICO
Sea K un cuerpo (podemos imaginar K como el cuerpo de los reales o de
los complejos) y una matriz cuadrada A n-dimensional sobre K. El polinomio
caracterstico de A, denotado por pA(t), es el polinomio definido por:

Donde I denota la matriz identidad n-por-n. Algunos autores definen el

polinomio caracterstico como det(t I-A); la diferencia es inmaterial puesto
que los dos polinomios nicamente se diferencian por su signo.

Propiedades
El polinomio pA(t) es de grado n y su coeficiente principal es

. El hecho

ms importante sobre el polinomio caracterstico ya fue mencionado en el

prrafo de motivacin: los valores propios de A son precisamente las races
de pA(t). El coeficiente constante pA(0) es igual a (1)n veces el determinante
de A, y el coeficiente de t n

es igual a -tr(A), la traza de A. Para una

matriz A de 22, el polinomio caracterstico se puede expresar como: t 2

tr(A)t + det(A).
Todos los polinomios reales de grado impar tienen al menos un nmero real
como raz, as que para todo n impar, toda matriz real tiene al menos un valor
propio real. La mayora de los polinomios reales de grado par no tienen races
reales, pero el teorema fundamental del lgebra dice que todo polinomio de
grado n tiene n races complejas, contadas con sus multiplicidades. Las races
no reales de polinomios reales, por tanto valores propios no reales, aparecen
en pares conjugados.
El teorema de Cayley-Hamilton dice que si reemplazamos t por A en la
expresin de pA(t) obtenemos la matriz nula: pA(A) = 0. Es decir, toda matriz
satisface su propio polinomio caracterstico. Como consecuencia de este

hecho, se puede demostrar que el polinomio mnimo de A divide el polinomio

caracterstico de A.
Dos matrices semejantes tienen el mismo polinomio caracterstico. El recproco
no es cierto en general: dos matrices con el mismo polinomio caracterstico no
tienen por qu ser semejantes.
La matriz A y su transpuesta tienen el mismo polinomio caracterstico. A es
semejante a una matriz triangular si y solo si su polinomio caracterstico puede
ser completamente factorizado en factores lineales sobre K. De hecho, A es
incluso semejante a una matriz en forma cannica de Jordan.

Ejemplo.
Supongamos que queremos encontrar el polinomio caracterstico de la matriz

Debemos calcular el determinante de

dicho determinante es

Finalmente hemos obtenido el polinomio caracterstico de A.