1.3. MÉTODOS PARA EL CÁLCULO DE VALORES Y VECTORES PROPIOS.
Definición
Sea A una matriz cuadrada, un número real λ se dice que es un valor propio o un
eigenvalor o un valor característico de A si existe un vector, diferente del vector
cero, x tal que:
𝐀𝐱 = 𝛌𝐱
Es decir, es un vector que al transformarlo mediante la multiplicación por A el
vector resultante mantiene su dirección, posiblemente sólo su longitud y/o sentido
se modifique. El vector x se llama vector propio o eigenvector asociado al valor
propio λ.
Ejemplo
Para la matriz A indique cuales vectores son vectores propios.
1 2
𝑨=[ ]
2 1
1 2 −1 0
𝑉1 = ( ), 𝑉2 = ( ), 𝑉3 = ( ), 𝑉4 = ( )
1 3 1 2
Solución
Debemos multiplicar cada vector por la matriz A y ver si el vector resultante es un
múltiplo escalar del vector.
1 2 1 3 1
𝑨𝒗𝟏 = [ ]( ) = ( ) = 3 = ( )
2 1 1 3 1
𝑽𝟏 sí es vector propio de A asociado al valor propio 3.
1 2 3 8 2
𝑨𝒗𝟐 = [ ]( ) = ( ) ≠ 𝐤( )
2 1 2 7 3
𝑽𝟐 no es vector propio de A.
1 2 −1 1 −1
𝐴𝒗𝟑 = [ ] ( ) = ( ) = −1 ( )
2 1 1 −1 1
𝑽𝟑 sí es vector propio de A asociado al valor propio -1.
1 2 0 4 0
𝑨𝒗𝟒 = [ ]( ) = ( ) ≠ 𝐤( )
2 1 2 2 2
𝑽𝟒 no es vector propio de A.
Ejercicio 1
Cuáles son vectores propios a la matriz
33 51 27
−
2 2 2
83 121 57
𝑨= −
4 4 4
57 75 27
[ 4 − − ]
4 4
−3 −1 4 6 1 0
[−3] , [ 2 ] , [2] , [ 8 ] , [−1] , [ 1 ]
1 −5 2 −6 4 −1
Ejemplo
El vector
2
𝒗 = [ 4]
−4
es un vector propio de la matriz
5 0 3
16 18
𝑨=[ 1 ]
5 5
−2 0 −2
Determine el valor propio al cual está asociado.
Solución
Determinemos Av:
5 0 3
16 18 2 −2 2
[ 1 ] [ 4 ] = [ −4 ] = −1 [ 4 ]
5 5 −4 4 −4
−2 0 −2
Por tanto, v está asociado al valor propio λ = −1 de la matriz A.
Determinación de los valores propios
Sea λ0 un valor propio de la matriz cuadrada A, así existe un vector diferente cero
de x0 tal que:
𝑨𝐱 𝟎 = λ0 𝐱 𝟎 = λ0 𝐈𝒏 𝐱 𝟎
Por tanto:
𝐀𝐱 0 − λ0 𝐈𝑛 𝐱 0 = (𝑨 − λ0 𝐈𝑛 )𝐱 0 = 𝟎
Si 𝐁 = 𝐀 − λ0 𝐈n lo anterior significa que el sistema homogéneo 𝑛 𝑥 𝑛
𝐁𝒙 = 𝟎
tiene además de la solución trivial otra solución 𝐱 = 𝐱 𝟎 ≠ 𝟎.Por consiguiente, no
tiene solución única. Y por tanto, el determinante de la matriz B debe ser cero:
det(𝐁) = det (𝐀 − λ0 𝐈𝑛 ) = 𝟎
Resumiendo:
Todo valor propio λ0 debe ser raíz del polinomio característico asociado a A:
p𝐴 (λ) = det(𝐀 − λ𝐈𝑛 ) (1)
y un vector propio asociado al valor propio λ debe ser solución al sistema
homogéneo:
(𝐀 − λ𝐈𝑛 )𝒙 = 𝟎 (2)
Ejemplo
Determine los valores y los vectores propios correspondientes de las matrices:
1 2 1 1 1 2
𝑨𝟏 = [ ] , 𝑨𝟐 = [ ] , 𝑨𝟑 = [ ]
2 1 0 1 −1 2
Solución
Para 𝑨𝟏 :
1 2 1 0
pA(λ) = det (A − λ𝐈2 ) = det ([ ] −λ[ ])
2 1 0 1
1 2 λ 0 1−λ 2
p𝐀 𝟏 (λ) = det ([ ]−[ ]) = 𝑑𝑒𝑡 ([ ])
2 1 0 λ 2 1−λ
1−λ 2
p𝐀 𝟏 (λ) = | | = (1 − λ)2 − 4
2 1−λ
p𝐀 𝟏 (λ) = λ2 − 2λ − 3 = (λ − 3) (λ + 1)
Por tanto, los ´únicos valores propios de 𝑨𝟏 son λ 𝟏 = 3 y λ 𝟐 = −1.
Vector propio para λ 𝟏 = 3
Debe ser solución al sistema homogéneo:
(𝐀 𝟏 − λI2 )𝑥 = 0
Es decir:
1 2 1 0
([ ] − (3) [ ]) 𝑥 = 0
2 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
1−3 2 −2 2 0 1 −1 0
[ ]𝒙 = 𝟎 → [ |0 ] → [ | ]
2 1−3 2 −2 0 0 0
Convirtiendo en ecuación y poniendo en la notación vectorial:
𝑥 1
x − y = 0 → x = y → (𝑦) = 𝑦 ( )
1
Lo anterior indica que cualquier vector de la forma:
1
𝑦( )
1
es un vector propio asociado a λ 𝟏 = 3; nosotros nos conformaremos con uno:
digamos el que se obtiene para y = 1:
1
( )
1
Vector propio para λ 𝟐 = −1
Debe ser solución al sistema homogéneo:
(𝐀 𝟏 − λ𝐈2 )𝑥 = 0
Es decir:
1 2 1 0
([ ] − (−1) [ ]) 𝑥 = 0
2 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
1−1 2 2 20 1 10
[ ]𝑥 = 0 → [ |0 ] → [ | ]
2 1−1 2 2 0 00
Convirtiendo en ecuación y poniendo en la notación vectorial:
𝑥 −1
x + y = 0 → x = − y → (𝑦) = 𝑦 ( )
1
Lo anterior indica que cualquier vector de la forma:
−1
𝑦( )
1
es un vector propio asociado a λ 𝟐 = −1; nosotros nos conformaremos con uno:
digamos el que se obtiene para y=1:
−1
( )
1
Para la matriz 𝑨𝟐
1 1 λ 1 1−λ 1
p𝐀 𝟐 (λ) = det ([ ]−[ ]) = 𝑑𝑒𝑡 ([ ])
0 1 1 λ 0 1−λ
1−λ 1
p𝐀 𝟐 (λ) = | | = (1 − λ)2
0 1−λ
Por tanto, el ´único valor propio de 𝑨𝟐 es λ 𝟏 = 1.
Vector propio para λ 𝟏 = 1
Debe ser solución al sistema homogéneo:
(𝐀 𝟐 − λ𝐈2 )𝑥 = 0
Es decir:
1 1 1 0
([ ] − (−1) [ ]) 𝑥 = 0
0 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
1−1 1 0 10 0 10
[ ]𝑥 = 0 → [ |0 ] → [ | ]
0 1−1 0 0 0 00
Convirtiendo en ecuación y poniendo en la notación vectorial:
𝑥 1
y = 0 → (𝑦) = 𝑥 ( )
0
Lo anterior indica que cualquier vector de la forma:
1
𝑥( )
0
es un vector propio asociado a λ 𝟏 = 1 ; nosotros nos conformaremos con uno:
digamos el que se obtiene para y = 1:
1
( )
0
Para la matriz 𝑨3 :
1 2 λ 0 1−λ 2
p𝑨3 (λ) = det ([ ]−[ ]) = 𝑑𝑒𝑡 ([ ])
−1 2 0 λ 1 2−λ
El polinomio característico queda:
p𝑨3 (t) = 𝑡 2 − 3 t + 4
Como este polinomio tiene raíces complejas, 𝑨3 no tiene valores ni vectores
propios.
