Valores y Vectores Propios

En todo lo que sigue A es una matriz cuadrada.

1. Propiedades basicas.

Definicion:
El escalar es valor propio de A si existe v 6= 0 tal que Av = v . El

vector v es vector propio de A asociado a si Av = v .

Teorema: (metodo para calcular valores y vectores propios para matrices concretas)

El escalar es valor propio de A si y solo si det(A I) = 0 .

El vector v es vector propio de A asociado a si (A I)v = 0 .

Demostracion (solo la parte 2):

Av = v () Av v = 0 () (A I)v = 0:

Observese que Av = v () Av v = 0 () (A )v = 0 es incorrecto. >Por que?

Ejemplo: Calcular los valores y vectores propios para la matriz

4 5
A= :
2 3
Solucion: Primero se calculan los valores propios:
2 3 ) = 2:
2
det(A I) = 4 5 = (4 )( 3 ) + 10 = 2 = 1;

Con lo cual obtenemos dos valores propios: 1 = 1, 2 = 2.

Buscamos ahora los correspondientes vectores propios:
Para = 1:
! y 0 ! ! 1
22
[A ( 1)I)]v = 0 5 5 x = 0 x=y multiplos de 1 :

El sistema obtenido tiene una in nidad de soluciones.

t
Para = 2 (Ejercicio). Debe salir multiplos de [5; 2] . Nuevamente el sistema obtenido
tiene una in nidad de soluciones.

Observaciones:

Se puede demostrar que det(A I) es un polinomio cuyo grado coincide con el

tama~no de la matriz A; sea n. Se llama polinomio caracter stico. Como mucho tiene
n ra ces distintas.

1
 Como puede verse del ejemplo anterior, a un valor propio le corresponden una in
nidad de vectores propios. En otras palabras: si es valor propio, el sistema (A I)v = 0
tiene siempre in nitas soluciones.

En Matlab:

A=[4 -5;2 -3];

eig(A)
[V, D]=eig(A);
1 1
.
Ejercicio: Puede haber valores y vectores propios complejos: 1 1
2 3
1 1 0
Ejercicio: Puede haber menos valores propios \de lo normal": 4 1 1 0 5.
0 0 0
Ejercicio: >Como \calcular" los valores propios de una matriz triangular?

Ejercicio:
Relacion entre los valores propios de A y A para un escalar no nulo.
2
Relacion entre los valores propios de A y A .
2
Si A = 0, hallense los posibles valores propios de A.
2
Si A = A, hallense los posibles valores propios de A.
Observacion: Supongamos que A es una matriz real. Si A tiene un valor propio
complejo , entonces existe v 6= 0 tal que Av = v. De aqu se deduce que Av = v, o de forma
equivalente Av = v y como A es real, entonces Av = v.
>Que importancia practica tiene esta ultima igualdad? (No olvidemos que si A es real,
su polinomio caracter stico es real, y por tanto sus ra ces complejas estan \emparejadas":
si es una ra z compleja, entonces es otra ra z.

2. Diagonalizacion.

Definicion: Una matriz A de orden n es diagonalizable si existen v1; : : : ; vn vectores

propios linealmente independientes.
Factorizacion espectral: Supongamos que A es diagonalizable y sean v 1; : : : ; vn
vectores propios linealmente independientes asociados a 1; : : : ; n respectivamente
(observe que Avi = ivi). Formamos
S= 2 j j 3 matriz n n; D= 2 1 0 3 (diagonal)
v 1 : : : vn ... . . . ...
j j 6 0 7
4 5 n

4 5

2
 Ahora se tiene (matrices por bloques)

AS = A v1 : : : vn = Av1 ::: Avn = 1v1 : : : nvn

y
2 1
.. .. ..
0 3
SD = v1 : : : vn 6
0. . . n 7= 1v1 ::: nvn :
4 5

Luego AS = SD. Se puede probar que S es siempre invertible, luego

1
A = SDS
2 1 1 0 3
Ejemplo: A = 1 1 0 .
0 0 0
A es diagonalizable, entonces det(A) = producto de los valores propios.

Ejercicio: Si 4 5
Desgraciadamente, no todas las matrices son diagonalizables: Ejemplo, A = 2 1
.
0 2
Multiplicidad algebraica y geometrica. Ejemplos.

Teoremas:
Una matriz A es diagonalizable si y solo si m:a:( ) = m:g:( ) para todo valor propio .

m:g:( ) m:a:( ) para todo valor propio .

Ejercicio:
Si m:a:( ) = 1, entonces m:g:( ) = 1.

Si todos los valores propios de A tienen multiplicidad algebraica simple, entonces A

es diagonalizable.
Ejemplo: >Para que valores de a y b la matriz A = es diagonalizable?

3. Diagonalizacion de matrices simetricas.

Una matriz simetrica de orden n tiene valores propios reales y n vectores propios
ortog-onales que siempre se pueden convertir en ortonormales (se pueden demostrar
estas a rma-ciones).
1 t
Se puede probar que si las columnas de S son ortonormales, entonces S = S (una
matriz que cumple esta propiedad se llama matriz ortogonal). Por tanto:

t
A = SDS
Ejemplos: A = 2 1, B = 2 1 1 0 3.
1 2 1 1 0
0 0 0

4 5