Algebra

Lineal:
Valores y
Vectores
Propios

Departamento
de
Matemáticas

Intro Algebra Lineal:

Eigenvalues

Multiplicidades
Valores y Vectores Propios

Departamento de Matemáticas
 Algebra
Lineal:
Valores y
Vectores
Propios

Departamento
de
Matemáticas

Intro

Eigenvalues Introducción
Multiplicidades Los valores y vectores propios son muy importantes en el
análisis de sistemas lineales. En esta presentación veremos su
definición y cómo se calculan.
 Algebra
Lineal:
Valores y
Vectores
Propios

Departamento Valores y vectores propios

de
Matemáticas Sea A una matriz cuadrada, un número real λ se dice que es
un valor propio o un eigenvalor o un valor caracterı́stico de A si
Intro

Eigenvalues
existe un vector, diferente del vector cero, xo tal que:
Multiplicidades
Axo = λ xo

Es decir, es un vector que al transformarlo mediante la

multiplicación por A el vector resultante mantiene la dirección,
posiblemente sólo su longitud y/o sentido se modifique. El
vector xo se llama vector propio o eigenvector o vector
caracterı́stico asociado al valor propio λ.
 Algebra Para la matriz A  
Lineal:
1 2
Valores y A=
Vectores
Propios
2 1
Departamento Indique cuáles vectores son vectores propios:
de
Matemáticas        
1 2 −1 0
Intro v1 = , v2 = , v3 = , v4 =
1 3 1 2
Eigenvalues

Multiplicidades Solución:
Veamos si v1 es vector propio de A:
    
1 2 1 3
Av1 = =
2 1 1 3

Ahora veamos si Av1 es un múltiplo de v1 :

   
3 1
Av1 = =3 = 3 v1
3 1

Por tanto, v1 sı́ es vector propio de A y está asociado al valor

propio 3.
 Algebra Veamos si v2 es vector propio de A:
Lineal:
Valores y     
Vectores 1 2 2 8
Propios Av2 = =
2 1 3 7
Departamento
de
Matemáticas Ahora veamos si Av2 es un múltiplo de v2 :
   
Intro 8 2
Eigenvalues Av2 = 6= k
7 3
Multiplicidades

Por tanto, v2 no es vector propio de A.

El cálculo para v1 y para v2 se realizan en la calculadora como
se ilustra en la siguiente figura.
 Algebra Veamos si v3 es vector propio de A:
Lineal:
Valores y
    
Vectores 1 2 −1 1
Propios Av3 = =
2 1 1 −1
Departamento
de
Matemáticas Ahora veamos si Av3 es un múltiplo de v3 :
   
Intro 1 −1
Av3 = = −1
Eigenvalues −1 1
Multiplicidades
Por tanto, v3 sı́ es un vector propio de A y está asociado al
valor propio -1.
Veamos si v4 es vector propio de A:
    
1 2 0 4
Av4 = =
2 1 2 2
Ahora veamos si Av4 es un múltiplo de v4 :
   
4 0
Av4 = 6= k
2 2
por tanto, v4 no es vector propio de A 
 Algebra Indique cuáles de los siguientes valores
Lineal:
Valores y
Vectores λ1 = −1, λ2 = 1, λ3 = −2, λ4 = 2
Propios

Departamento
de
son valores propios de la matriz A:
Matemáticas  
5 −3
Intro A=
6 −4
Eigenvalues

Multiplicidades
Solución
λ1 es valor propio ssi existe un vector x diferente de cero tal
que:
A x = λ1 x
Es decir, ssi

(A − λ1 I) x = A x − λ1 I x = A x − λ1 x = 0

no tiene solución única:

   
5 − (−1) −3 0 1 −1/2 0
[A − λ1 I|0] = →
6 −4 − (−1) 0 0 0 0
 Algebra
Lineal: Como el sistema tiene una variable libre, el sistema tiene
Valores y
Vectores infinitas soluciones: por tanto además de la solución x = 0,
Propios
existen muchos vectores x diferentes del vector cero tales que
Departamento
de Ax = λ1 x. Por tanto, λ1 sı́ es valor propio de la matriz A. De
Matemáticas
hecho, podemos encontrar la solución general al sistema
Intro anterior:
Eigenvalues   
Multiplicidades 1 −1/2 0 x = 1/2 y
→ {x − 1/2y = 0 →
0 0 0 y = y

Por tanto, todos los vectores propios asociados a λ1 se

obtienen:  
1/2
x=y , con y 6= 0
1
Veamos si λ2 es valor propio de A:
   
5 − (1) −3 0 1 0 0
[A − λ2 I|0] = →
6 −4 − (1) 0 0 1 0
 Algebra Como el sistema tiene solución única x = 0, por tanto no existe
Lineal:
Valores y un vector diferente de cero x que cumpla A x = λ2 x. Por
Vectores
Propios tanto, λ2 no es un vector propio de A.
Departamento La regla es :
de
Matemáticas λ es valor propio de A ssi al reducir [A − λ I|0] se
Intro tiene al menos una variable libre.
Eigenvalues
Veamos si λ3 es valor propio de A:
Multiplicidades
   
5 − (2) −3 0 1 −1 0
[A − λ3 I|0] = →
6 −4 − (2) 0 0 0 0

Una variable libre; por tanto, λ3 sı́ es valor propio de A.

Veamos si λ4 es valor propio de A:

   
5 − (−2) −3 0 1 0 0
[A − λ4 I|0] = →
6 −4 − (−2) 0 0 1 0

Ninguna variable libre; por tanto, λ4 no es valor propio de A 

 Algebra
Lineal:
Valores y
Vectores
Propios Cuando se tiene una calculadora que puede calcular valores y
Departamento vectores propios es más fácil. Basta comparar lo números
de
Matemáticas dados con los obtenidos por la calculadora.
Intro

Eigenvalues

Multiplicidades
 Algebra
Lineal:
Valores y
Vectores
Propios Determinación de Valores Propios
Departamento Sea λo un valor propio de la matriz cuadrada A, esto será
de
Matemáticas cierto si y sólo si existe un vector xo (xo 6= 0) tal que:
Intro
Axo = λo xo = λo In xo
Eigenvalues

Multiplicidades
Por tanto:

Axo − λo In xo = (A − λo In ) xo = 0

Si B = A − λo In , esto será cierto si y sólo si el sistema

homogéneo n × n
Bx = 0
tiene, además de la solución trivial, otra solución (x = xo 6= 0).
Es decir, si y sólo si no tiene solución única.
 Algebra
Lineal:
Valores y
Vectores
Propios
Y esto será cierto, si y sólo si el determinante de la matriz B es
Departamento
de cero:
Matemáticas
det(B) = det (A − λo In ) = 0
Intro
es decir, que todo escalar λo es valor propio de A si y sólo si es
Eigenvalues

Multiplicidades
raı́z del polinomio caracterı́stico asociado a A:

pA (λ) = det (A − λIn )

y un vector propio asociado a λo debe ser solución al sistema

homogéneo
(A − λo In ) x = 0
Note al ser pA (t) un polinomio de grado igual que n, habrá a lo
más n valores propios.
 Algebra Determine los valores y los vectores propios correspondientes a
Lineal:
Valores y la matriz:  
Vectores 1 2
Propios A=
Departamento
2 1
de
Matemáticas Solución en la TI
La TI tiene el comando eigVl para obtener los valores propios
Intro
de una matriz. Pero usando el comando kernelbasis de la TI
Eigenvalues

Multiplicidades
Nspire CAS se pueden obtener en forma directa los
generadores para los vectores propios de cada valor propio.
Esto se ilustra en la siguiente figura.
 Algebra
Lineal:
Valores y
Vectores
Propios

Departamento
Solución analı́tica
de
Matemáticas
Determinemos el polinomio caracterı́stico de A:
   
Intro 1 2 1 0
pA (λ) = det (A − λI2 ) = det −λ
Eigenvalues 2 1 0 1
Multiplicidades
     
1 2 λ 0 1−λ 2
pA (λ) = det − = det
2 1 0 λ 2 1−λ
 
 1−λ 2 
pA (λ) =  = (1 − λ)2 − 4
2 1−λ 
pA (λ) = λ2 − 2λ − 3 = (λ − 3) (λ + 1)
Por tanto, los únicos valores propios son λ1 = 3 y λ2 = −1.
 Algebra
Lineal:
Valores y
Vectores
Vector propio para λ1 = 3
Propios Debe ser solución al sistema homogéneo:
Departamento
de
Matemáticas (A − λI2 ) x = 0
Intro
Es decir:    
Eigenvalues
1 2 1 0
Multiplicidades − (3) x=0
2 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
     
1−3 2 −2 2 0 1 −1 0
x=0→ →
2 1−3 2 −2 0 0 0 0

Convirtiendo en ecuación y poniendo en la notación vectorial:

   
x 1
x −y =0→x =y → =y , y 6= 0
y 1
 Algebra
Lineal:
Valores y
Vectores
Propios
Lo anterior indica que cualquier vector de la forma:
Departamento
de  
Matemáticas
1
y , y 6= 0
Intro 1
Eigenvalues

Multiplicidades es un vector propio asociado a λ1 = 3. Es importante señalar

que la variable libre y no puede ser cero, pues de otra manera
el vector que obtendrı́amos serı́a el vector cero, el cual por
definición no puede ser vector propio. Nosotros nos
conformaremos con un vector propio: digamos el que se obtiene
para y = 1:  
1
1
 Algebra
Lineal:
Valores y
Vectores
Vector propio para λ2 = −1
Propios Debe ser solución al sistema homogéneo:
Departamento
de
Matemáticas (A − λI2 ) x = 0
Intro
Es decir:    
Eigenvalues
1 2 1 0
Multiplicidades − (−1) x=0
2 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
     
1+1 2 2 2 0 1 1 0
x=0→ →
2 1+1 2 2 0 0 0 0

Convirtiendo en ecuación y poniendo en la notación vectorial:

   
x −1
x + y = 0 → x = −y → =y , y 6= 0
y 1
 Algebra
Lineal:
Valores y
Vectores
Propios

Departamento
de
Matemáticas
Lo anterior indica que cualquier vector de la forma:
 
Intro −1
y , y 6= 0
Eigenvalues 1
Multiplicidades

es un vector propio asociado a λ2 = −1; nosotros nos

conformaremos con uno: digamos el que se obtiene para y = 1:
 
−1

1
 Algebra
Lineal:
Valores y
Vectores
Propios

Departamento
de Multiplicidad Algebraica
Matemáticas
Sea A una matriz cuadrada y λo un valor propio. Como hemos
Intro visto λ debe ser raı́z del polinomio caracterı́stico de A pA (λ)
Eigenvalues
ası́:
Multiplicidades
(λ − λo ) | pA (λ)
Al mayor exponente m que cumple

pA (λ) = (λ − λo )m q(λ)

le llamaremos la multiplicidad algebraica o dimensión algebraica

de λo .
 Algebra
Lineal:
Valores y
Vectores
Propios

Departamento
de
Matemáticas
Un resultado importante es que el conjunto de vectores
Intro invariantes asociados a un escalar es un espacio lineal:
Eigenvalues
Sea A una matriz cuadrada n × n y λ un escalar
Multiplicidades
cualquiera entonces

Eλ = {x ∈ Rn |Ax = λx}

es un espacio lineal de Rn .
 Algebra Demostración
Lineal:
Valores y • Eλ 6= ∅
Vectores
Propios Efectivamente, como A 0 = 0 = λ 0, entonces 0 ∈ Eλ .
Departamento • Eλ es cerrado bajo la suma
de
Matemáticas Sean x1 y x2 en Eλ . Por tanto, A x1 = λ x1 y A x2 = λ x2 .
Por consiguiente,
Intro

Eigenvalues A (x1 + x2 ) = A x1 + A x2
Multiplicidades = λ x1 + λ x2
= λ (x1 + x2 )
Por tanto, x1 + x2 ∈ Eλ .
• Eλ es cerrado bajo el producto
Sean x en Eλ y c ∈ R. Por tanto, A x = λ x. Por
consiguiente,
A (c x) = c · A x
= c · λx
= λ (c x)
Por tanto, c x ∈ Eλ .
Lo anterior prueba que Eλ es un espacio lineal 
 Algebra
Lineal:
Valores y
Vectores
Propios

Departamento
de
Matemáticas Multiplicidad Geométrica
Intro
Siendo λ un valor propio, el anterior conjunto que se llama el
Eigenvalues
espacio invariante o espacio propio o eigenespacio asociado a λ
Multiplicidades
y es un espacio lineal diferente de {0} ası́ tiene dimensión
mayor que cero: la dimensión del espacio anterior se llamará
multiplicidad geométrica o dimensión geométrica del valor
propio λ. Note que Eλ corresponde al espacio nulo de la matriz
A − λ I. Ası́ pues la dimensión geométrica de λ es el número de
columnas sin pivote en la matriz reducida que se obtiene de
A − λ I.
 Algebra
Lineal:
Valores y
Vectores
Propios Determine los valores propios y sus multiplicidades geométricas
Departamento para la matriz:
de
Matemáticas  
−1 1 −3 −7
Intro
 0 −3 4 4 
Eigenvalues A=  0 −2

Multiplicidades
3 2 
0 0 0 1

Solución
Primeramente determinemos el polinomio caracterı́stico:

pA (t) = det(A − t I)
= 1 − 2 t2 + t4
= (t − 1)2 (t − (−1))2
 Algebra
Lineal:
Valores y
Vectores
Propios
De lo anterior concluimos que los únicos valores propios son
Departamento
de t1 = −1 y t2 = 1 y que ambos tienen multiplicidad algebraica
Matemáticas
2. Determinemos ahora sus multiplicidades geométricas:
Intro Para t1 = −1
Eigenvalues Al resolver [A − t1 I|0] tenemos:
Multiplicidades
 
0 1 0 0 0
 0 0 1 0 0 
[A − t1 I|0] → 
 0 0 0 1 0 


0 0 0 0 0

Al haber una columna sin pivote hay una variable libre,

concluimos que la dimensión geométrica de t1 = −1 es 1.
 Algebra
Lineal:
Valores y
Vectores
Propios

Departamento
de
Matemáticas
Para t2 = 1
Al resolver [A − t2 I|0] tenemos:
Intro

Eigenvalues
 
1 0 1 3 0
Multiplicidades
 0 1 −1 −1 0 
[A − t2 I|0] →  0

0 0 0 0 
0 0 0 0 0

Al haber dos columnas sin pivote hay dos variables libres,

concluimos que la dimensión geométrica de t2 = 1 es 2 
 Algebra
Lineal:
Valores y
Determine la multiplicidad algebraica y geométrica de cada uno
Vectores
Propios
de los valores propios de la siguiente matriz
Departamento
3 −1
 
de 5 5 0 0
Matemáticas
 0
 4 −5 −5 0 0 

Intro  −1 −2 0 −4 0 0 
A= 
Eigenvalues  1
 2 −1 3 0 0 

Multiplicidades  2 4 −2 8 −1 0 
3 6 −3 12 0 −1

Solución
El polinomio caracterı́stico de A es:

pA (t) = det(A−t I) = −48−104 t−35 t 2 +40 t 3 +10 t 4 −8 t 5 +t 6

y sus raı́ces son

t1 = 3, t2 = 4, t3 = 4, t4 = −1, t5 = −1, t6 = −1
 Algebra
Lineal:
Valores y
Vectores
Propios
Análisis de t = 3
Como t = 3 aparece como raı́z una sola vez, entonces su
Departamento
de multiplicidad algebraica es 1. Para determinar su multiplicidad
Matemáticas
geométrica analicemos
Intro
 
Eigenvalues 1 0 0 0 0 1/3 0
Multiplicidades  0 1 0 0 0 0 0 
 
 0 0 1 0 0 1/3 0 
[A − (3) I|0] → 
 
 0 0 0 1 0 −1/3 0 

 0 0 0 0 1 −2/3 0 
0 0 0 0 0 0 0

de donde todos los vectores propios asociados a t = 3 son de la

forma:
c· < −1/3, 0, −1/3, 1/3, 2/3, 1 >0 , c 6= 0
Por tanto, la multiplicidad geométrica de t = 3 es 1.
 Algebra
Lineal:
Valores y
Vectores
Propios
Análisis de t = 4
Como t = 4 aparece como raı́z dos veces, entonces su
Departamento
de multiplicidad algebraica es 2. Para determinar su multiplicidad
Matemáticas
geométrica analicemos
Intro
 
Eigenvalues 1 0 0 0 0 0 0
Multiplicidades  0 1 0 0 0 0 0 
 
 0 0 1 0 0 1/3 0 
[A − (4) I|0] → 
 
 0 0 0 1 0 −1/3 0 

 0 0 0 0 1 −2/3 0 
0 0 0 0 0 0 0

de donde todos los vectores propios asociados a t = 4 son de la

forma:
c < 0, 0, −1/3, 1/3, 2/3, 1 >0 , c 6= 0
Por tanto, la multiplicidad geométrica de t = 4 es 1.
 Algebra
Lineal:
Valores y
Vectores
Análisis de t = −1
Propios Como t = −1 aparece como raı́z tres veces, entonces su
Departamento
de
multiplicidad algebraica es 3. Para determinar su multiplicidad
Matemáticas geométrica analicemos
Intro  
1 0 1 0 0 0 0
Eigenvalues
 0 1 −1 0 0 0 0 
Multiplicidades  
 0 0 0 1 0 0 0 
[A − (−1) I|0] →  
 0 0 0 0 0 0 0  
 0 0 0 0 0 0 0 
0 0 0 0 0 0 0

de donde todos los vectores propios asociados a t = −1 son de

la forma:

c1 < −1, 1, 1, 0, 0, 0 >0 +c2 < 0, 0, 0, 0, 1, 0 >0 +c3 < 0, 0, 0, 0, 0, 1

Por tanto, la multiplicidad geométrica de t = −1 es 3.