UNIDAD

NOMBRE

TEMAS

FUNDAMENTOS
MATEMATICOS

1.3 CALCULO DE VALORES Y VECTORES PROPIOS

Mtodos para el clculo de valores y vectores propios.

Los vectores propios, autovectores o eigenvectores 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

recibe
el
nombre valor
propio, autovalor, valor
caracterstico o eigenvalor. A menudo, una transformacin queda completamente
determinada por sus vectores propios y valores propios. Un espacio
propio, autoespacio o eigenespacio es el conjunto de vectores propios con un
valor propio comn.
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

espacio propio asociado.

El espectro de una transformacin en espacios vectoriales finitos es el

conjunto de todos sus valores propios.

la dimensin del

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 contiene a todos los
vectores paralelos al eje. 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
A v=c v

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 subespacio de V, el espacio propio para el valor propio c.
Observe adems que un 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. espacio
propio Z es un subespacio invariante de A, es decir dado w un vector en Z, el
vector Aw tambin pertenece a Z.
Casos de interes especial. Intuitivamente, para las transformaciones lineales del
espacio de dos dimensiones

, los vectores propios son:

Rotacin: ningn vector propio de valores reales (existen en cambio pares

valor propio, vector propio complejos).

Reflexin: los vectores propios son perpendiculares y paralelos al eje de

simetra, los valores propios son -1 y 1, respectivamente.

Escalado uniforme: todos los vectores son vectores propios, y el valor

propio es el factor de escala.

Proyeccin sobre una recta: los vectores propios con el valor propio 1 son
paralelos a la lnea, vectores propios con el valor propio 0 son paralelos a la
direccin de la proyeccin.

EN RESUMEN

Sea A una matriz n x n.

i) Un escalar se dice autovalor de T si existe un vector columna no nulo u nx1
tal que Au = u.
ii) ii) Dado un autovalor de una matriz Anxn. Un vector columna u nx1, nulo o no,
se dice autovector de A asociado al autovalor de A, si Au = u.

Notas:
i)
ii)

Sinnimos de autovalor son las palabras valor propio y eigenvalor y

sinnimos de autovector son vector propio y eigenvector.
En la definicin de autovalor se debe notar que se necesita que exista
un autovector no nulo asociado, pero luego que se establece que un escalar
es un autovalor, se admite al vector nulo como autovector asociado a tal
autovalor. La razn de esto es la siguiente: si en la definicin de autovalor se
prescinde de requerir que el vector u sea no nulo, entonces todo escalar
sera autovalor de A, cuestin que se quiere evitar, pues de ser as, para
todo escalar la condicin Au = u, es satisfecha al menos por el vector
nulo: T(0U) = 0U = 0U.

Ejemplos:
i)
ii)

iii)

De

Para la matriz nula Onxn el nico autovalor es = 0, pues para todo

vector columna no nulo unx1, vale Ou = 0nx1 = 0u y todo vector u en U es
un autovector de la matriz O asociado al autovalor 0.
Para la matriz Inxn el nico autovalor es = 1, pues para todo vector
columna no nulo unx1 vale Iu = u = 1u y todo vector u en U es un
autovector de I asociado al valor propio 1.

Sea A =
2 2 8

6 4 2
4 2 2

2 2 8

6 4 2
4 2 2

4
1

=2

.
1

4
1

, se sigue que 2 es autovalor de A y

4
1

autovector de A asociado al autovalor 2.

2 2 8

6 4 2
4 2 2

1
1

4
4

1
1

=
= (-4)
-4 es autovalor de A y
autovector de A asociado al autovalor -4.

2 2 8 1

6 4 2 2
4 2 2 1

12

1

2

=6

1
1

1

2

6 es autovalor de A y

autovector de A

asociado al autovalor 6.
Dejemos de lado por un momento los ejemplos para explicar cmo determinar los
autovalores de una matriz Anxn. Segn la definicin un escalar es un autovalor
de A, si existe un vector columna no nulo u nx1 tal que Au = u, esto equivale a
Au = Iu y lo ltimo a (A - I)u = 0nx1, es decir; es un autovalor de A, si y slo
si el sistema homogneo (A - I)X = 0 tiene soluciones diferentes a la trivial, lo
cual, segn el teorema creciente, equivale a | A - I | = 0, as que los autovalores
de A son las races del polinomio en x que se denota con p A(x) = | A - xI | y que
se denomina polinomio caracterstico de la matriz A.

Ejemplo:
i)

Para la matriz nula Onxn el polinomio caracterstico es

0x

pO(x) = | 0 xI | =

0x

= (-x)n = (-1)n xn =

x n , si n es par

n
x , si n es impar

y en ambos casos la nica raz de este polinomio

es
= 0, es decir, el nico valor propio de la matriz nula es = 0.

ii)

El polinomio caracterstico de la matriz identidad I nxn =

1 x

1 0

0 1

1 x

= (1 - x)n, cuya nica raz, y por lo tanto; el

pI(x) = | I xI | =

nico valor propio de I, es = 1.

iii)

El polinomio caracterstico de la matriz A3x3 =

2x

4x

2x

pA(x) =

2 2 8

6 4 2
4 2 2

4x
2
2
2x

(2 - x)

es

6
2
4 2x

- (-2)

6 4x
4
2

+8

es

(2 - x)[(4 - x)(-2 - x) + 4] + 2[6(-2-x) + 8] + 8[12 4(4 - x)] =

(2 - x)(x2 2x 4) + 2(-4 6x) + 8(4x - 4) =
(2x2 4x 8 x3 + 2x2 + 4x) + (-8 12x) + (32x - 32) =
(-x3 + 4x2 - 8) + (-40 + 20x) = -x3 + 4x2 + 20x 48, evaluando este polinomio en
x = 2 se tiene pA(2) = -23 + 422 + 202 48 = 0, de donde = 2 es una raz de
pA(x) y, por lo tanto, un valor propio de A. Se sigue entonces que el monomio
(x - 2) divide al polinomio caracterstico de A, tambin p A(-4) = 0 y pA(6) = 0. En
conclusin pA(x) = -(x - 2)(x + 4)(x - 6), de donde las races de p A(x), y por lo tanto
los valores propios de A, son 1 = 2, 2 = -2 y 3 = 4.

6 4 8

4 0 4

iv)

El polinomio caracterstico de la matriz A =

6x

6x

pA(x) =

es

x
4
4 6x

(6 - x)

8 4 6

4 x
8 4

4
4
8 6x

- 4

+8

(6 - x) [(-x)(6 - x) - 16] 4[4(6 - x) - 32] + 8[16 + 8x] =

(6 - x)(x2 6x - 16) 4(-4x - 8) + (64x + 128) = -(x3 12x2 48x + 192) =
-(x + 2)2(x - 16).
Valores propios de A: 1 = -2 y 2 = 16