Álgebra Lineal – Com. 3.

4
Material de apoyo al aprendizaje

Álgebra Lineal. Programa Sintético

Unidad 1. Espacios vectoriales
Unidad 2. Producto Interno
Unidad 3. Autovectores y Autovalores.
Unidad 4. Aplicaciones Lineales.
Unidad 5. Formas bilineales y cuadráticas.

Nota: El contenido brindado en este documento, no reemplaza de ninguna manera al material

de la asignatura, el que por sí solo, y junto con la bibliografía, es más que suficiente para el
estudio.
El presente material es un complemento, al estilo “apuntes de clase”, orientado a resaltar los
conceptos principales y la resolución de ejercicios, y explicando los razonamientos utilizados.

Temas de la 8va semana: Determinantes. Valores Propios de una Matriz.

Determinantes: Definición 3.1.1. Proposición 3.1.1 (sólo enunciado). Propiedades (sólo

enunciado): det(A)=det(AT) y det(A.B)=det(A).det(B).
Cofactores: Definición [Link]. Teorema [Link] (enunciado de desarrollo por cofactores, y
saberlo usar). Proposición [Link] (sólo enunciado).
Aplicaciones algebraicas: Criterio de inversibilidad de una matriz. Inversa de una matriz saber:
Definición 3.2.2 (adjunta) y fórmula que expresa la inversa en términos de la adjunta y el
determinante. Regla de Cramer (solo un ejemplo).
Valores y Vectores propios: Definición 3.3.2 (valores y vectores propios de una matriz). Teorema
[Link]: caracterización de valores propio (Enunciado y Demostración). Definición [Link]
(polinomio y ecuación característica). Teorema [Link] (Solo enunciado). Definición [Link]
(subespacio propio). Teorema [Link]. Solo enunciado.

Contenidos de este documento

1 - Determinante .................................................................................................................................2
1.1 - Definición: Determinante............................................................................................................2
1.2 - Propiedades: Corolarios de la definición.....................................................................................3
1.3 - Otras propiedades de la Función Determinante: Determinante de la transpuesta y
Determinante del producto de matrices.............................................................................................4
1.4 - Cálculo de Determinantes: Desarrollo de Cofactores .................................................................4

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 1

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

1.5 - Aplicaciones algebraicas del Determinante ................................................................................6

2 - Valores y Vectores Propios de una Matriz .....................................................................................7
2.1 - Definición: Valor Propio y Vector Propio.....................................................................................7
2.2 - Determinación de los Valores Propios de la Matriz A .................................................................8
2.3 - Definiciones: Polinomio y Ecuación Característica. Subespacios Propios. ................................14
2.4 – Teorema: Independencia lineal de vectores propios asociados a valores propios distintos....21

Temas que entran en el 2do parcial 2024

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 2

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

1 - Determinante
1.1 - Definición: Determinante

Observación respecto al tipo de definición: La definición dada de determinante, es una definición

axiomática. Esto significa que no se explícitamente lo que es el determinante, sino que se dan
axiomas (propiedades) que la función debe cumplir.
Observación respecto a la Notación:
det:Kn × n⟶K
A⟼det A
Esta notación significa que: La función determinante, denotada “det”, va desde el conjunto (de
partida) de las matrices cuadradas n × n con elementos en el cuerpo K, hacia el conjunto (de
llegada) cuerpo K, de forma talque a una matriz A le asigna un escalar (del cuerpo), denotado
det A .
Ejemplo: Determinante para matrices en ℝ2 × 2

det:ℝ2 × 2⟶ℝ

A = a b ⟼det A = det a b = ad − bc
c d c d

Ejemplos:
2 −3 2 −3
A= ∈ ℝ2 × 2⟹det =2 −1 − −3 1= −2+3=1
1 −1 1 −1
1 3 1 3
B= ∈ ℝ2 × 2⟹det =1 −3 −3 −1 = −3+3=0
−1 −3 −1 −3
Otra forma de resolver este determinante:

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 3

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

1 3 1 3.1 1 1
det = det = 3det =0
−1 −3 −1 3.( − 1) −1 −1

I = 1 0 ∈ ℝ2 × 2⟹det 1 0 = 1.1 − 0.0 = 1

0 1 0 1

C = 2 1 ∈ ℝ2 × 2⟹det 2 1 = 2.1 − 1.2 = 2 − 2 = 0

2 1 2 1
Otra forma de resolver este determinante:
2.1 1
det 2 1 = det = 2det
1 1
=0
2 1 2.1 1 1 1

D= 1 1
∈ ℝ2 × 2⟹det
1 1
= 1.10 − 1.10 = 10 − 10 = 0
10 10 10 10

D = 2 6 ∈ ℝ2 × 2⟹det 2 6 = 3det 2 2 = 0
3 9 3 9 3 3
Observación: Observar que las matrices no invertibles tienen determinante igual a cero.

1.2 - Propiedades: Corolarios de la definición

1.3 - Otras propiedades de la Función Determinante: Determinante de la

transpuesta y Determinante del producto de matrices
1.2.1 - Determinante de la Transpuesta.
Concepto: Transpuesta de una matriz. La matriz que se obtiene escribiendo como filas las
columnas de A, en su orden, se llama matriz transpuesta de A y se denota: AT.
Propiedad:

det A
= det AT

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 4

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

1.2.2 - Determinante de un Producto.

Propiedad:

det A.B
= det A .det B

1.4 - Cálculo de Determinantes: Desarrollo de Cofactores

Ejemplo: Cálculo de Determinante para matrices en ℝ3 × 3 por el método de los cofactores

det:ℝ3 × 3⟶ℝ
a11 a12 a13 a11 a12 a13
A = a21 a22 a23 ⟼det A = det a21 a22 a23
a31 a32 a33 a31 a32 a33

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 5

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

Ejemplo: Calcular el determinante de la siguiente matriz

1 2 −1
A= 0 1 1 ∈ ℝ3 × 3
1 −1 −1
Solución: Métodos de los Cofactores
1 2 −1
det 0 1 1 = a11.C11 + a12.C12 + a13.C13 = 1.C11 + 2.C12 + − 1 .C13
1 −1 −1
CA: Cálculo de los Cofactores

1 + 1det 1 1
C11 = − 1 A11 = [Link] = 1. 1 − 1 − 1 − 1 = 1.0 = 0
−1 −1

1 + 2det 0 1
C12 = − 1 A12 = − 1 .det = − 1 . 0. − 1 − 1.1 = − 1 . − 1 = 1
1 −1

1 + 3det 0 1
C13 = − 1 A13 = [Link] = 1. 0. − 1 − 1.1 = 1. − 1 = − 1
1 −1
Luego (Fin CA):
1 2 −1
det 0 1 1 = 1.1.0 + 2. − 1 . − 1 − 1.1 − 1 = 0 + 2 + 1 = 3
1 −1 −1
Ejemplo: Calcular el determinante de la siguiente matriz
−1 0 1
B= 2 1 1 ∈ ℝ3 × 3
1 −2 1
Solución:
−1 0 1
det 2 1 1 = a11.C11 + a12C12 + a13C13
1 −2 1
−1 0 1
det 2 1 1 = a11. − 1 1 + 1detB + a12 − 1 1 + 2detB + a13 − 1 1 + 3detB
11 12 13
1 −2 1
−1 0 1
1 + 1det 1 1 1 + 2det 2 1
det 2 1 1 = −1 . −1 + 0. − 1
−2 1 1 1
1 −2 1
2 1
+1 − 1 1 + 3det
1 −2

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 6

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

−1 0 1
det 2 1 1 = − 1 .1.3 + 1.1. − 5 = − 3 − 5 = − 8
1 −2 1

1.5 - Aplicaciones algebraicas del Determinante

1.4.1 – Criterio de Inversibilidad

1.4.2 – Matriz Adjunta a una matriz y Cálculo de la inversa

Matriz Adjunta:

Por lo tanto, para obtener la matriz adjunta debemos construir la matriz de los cofactores de la
matriz A y transponerla.
Inversa de una matriz:

1.4.3 – Regla de Cramer

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 7

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

2 - Valores y Vectores Propios de una Matriz

2.1 - Definición: Valor Propio y Vector Propio

Nota: Los vectores propios también se llaman vectores característicos o eigenvectores de la

matriz A. De la misma forma, a los valores propios también se los designa como valores
característicos o eigenvalores de la matriz A.
Ejemplo: Sea
3 0 1
A= ∈ ℝ2 × 2, X = ∈ ℝ2 × 1
8 −1 2
Es X un vector propio de A?
Solución:
X un vector propio de A ⟺ ∃ λ ∈ ℝ: AX = λX
CA1:
3 0 1 3
AX = = ⟹
8 −1 2 6

λX = λ 1 = 3 ⟺ λ = 3
2 6
CA2 (otra forma):
3 0 1 1 3 1λ 3 = 1λ λ=3
AX = λX⟺ =λ ⟺ = ⟺ ⟺ ⟺λ = 3
8 −1 2 2 6 2λ 6 = 2λ λ=3

Luego (Fin CA’s):

3 0 1 1 1 3 0
∃ λ = 3 ∈ ℝ: = λ ⟺X = un vector propio de A =
8 −1 2 2 2 8 −1
Ejemplo: Sea
6 0 1
A= −1 ∈ ℝ2 × 2, X= 2 ∈ ℝ2 × 1
4
2 1

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 8

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

Es X un vector propio de A?
Solución:
X un vector propio de A ⟺ ∃ λ ∈ ℝ: AX = λX
CA:
6 0 1 3
AX = −1 2 = 3
4
2 1 2
1 3
λX = λ 2 = 3 ? ⟹No existe 흀
1 2
CA2 (otra forma):
1
6 0 1 1 3 1 3= λ λ=6
−1
λ 2
AX = λX⟺ 2 =λ 2 ⟺ 3 = 2 ⟺ ⟺ 3 ⟹No existe 흀
4 3 λ=
2 1 1 2 1λ = 1λ 2
2
Luego (Fin CA): X NO es un vector propio de A

2.2 - Determinación de los Valores Propios de la Matriz A

Teorema: Criterio de Existencia

Demostración: Por definición:

λ ∈ ℝ es valor propio de A ⟺
∃ X ≠ 0̅ : AX = λX ⟺
∃ X ≠ 0̅ : AX = λIX ⟺
∃ X ≠ 0̅ : λIX − AX = 0̅ ⟺
∃ X ≠ 0̅ : λI − A X = 0̅
Observación (Razonamiento auxiliar):
 λI − A X = 0̅ es un Sistema de Ecuaciones Lineales Homogéneo de igual número de
incógnitas que de ecuaciones (expresado en forma matricial).

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 9

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

 Para que existan soluciones X distintas de la trivial (X ≠ 0̅ ) es necesario que se anule por lo
menos una fila de la matriz de coeficientes al reducirla.
 Es decir, para que existan soluciones X distintas de la trivial (X ≠ 0̅ ) es necesario que la
matriz de los coeficientes λI − A sea no invertible.
 Sabiendo que el determinante de una matriz invertible es distinto de cero, decir que una
matriz es no invertible equivale a decir que su determinante debe ser igual a cero.
Luego:
∃ X ≠ 0̅ : λI − A X = 0̅ ⟺
det λI − A = 0
(Fin demostración)
Ejemplos:

Solución:
a) Polinomio Característico y Ecuación Característica
1 0
A=
6 −1
Polinomio Característico:
p λ = det λI − A ≡ Polinomio Característico⟹
1 0 λ−1 0
p λ = det λ 1 0 − = det = λ−1 λ+1
0 1 6 −1 −6 λ+1

p λ
= λ−1 λ+1

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 10

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

Ecuación Característica:
p λ = 0 ≡ Ecuación Característica: det λI − A = 0⟺

λ−1 λ+1
=0

Valores Propios: Solución de la Ecuación Característica (Condición de Existencia del Teorema)

λ − 1 λ + 1 = 0⟺

λ = λ1 = 1
Valores Propios
λ = λ2 = − 1

Subespacios Propios de la Matriz A

Subespacio propio asociado al Valor Propio 흀1 = 1 (Solución general del SELH AX = λ1X)
Wλ =1
: AX = λ1X ⟺
1

Wλ =1
: λ1I − A X = 0̅ ⟺
1

1 0
Wλ : 11 0 − X = 0̅ ⟺
1
=1 0 1 6 −1
0 0 x 0
Wλ : = ⟺
1
=1 −6 2 y 0
Wλ =1
: − 6x + 2y = 0
1

Luego: Sistema Resolvente (variable principal: x)

1
Wλ =1
: 1x − y = 0
1 3
Luego: Solución General
1
x= y
3
y = 1y
Luego (parametrizando y = s los 2dos miembros):
1
x,y = s ,1
3
Luego: Subespacio propio asociado al Valor Propio λ1 = 1
1
Wλ = 1: x = s 3
1 y
1

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 11

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

1
Wλ =1
=〈 3 〉
1
1

Prueba: Si hicimos bien los cálculos, entonces el valor propio λ1 = 1 con uno cualquiera de los
vectores del subespacio Wλ = 1, tienen que cumplir la ecuación de la definición de valor y vector
1
propio:
AX = λ1X
Reemplazando (tomando un vector cualquiera de Wλ =1
):
1

1 0 1 1
=1
6 −1 3 3
1 1
=
3 3
¡Se cumple!
Observación: Algunos Vectores Propios de A asociados al valor propio λ1 = 1 (Sol. Particulares)
1
s = 1⟹X1 = 3 es vector propio de A asociados al valor propio λ1 = 1. En efecto:
1
AX1 = λ1X1
1 1 1
1 0
3 =1 3 = 3
6 −1
1 1 1

s = 3⟹X2 = 1 es vector propio de A asociados al valor propio λ1 = 1. En efecto:

3
AX2 = λ1X2
1 0 1 1 1
=1 =
6 −1 3 3 3

Subespacio propio asociado al Valor Propio 흀2 = − 1 (Solución general del SELH AX = λ2X)
Wλ = −1
: AX = λ2X ⟺ Wλ = −1
: λ2I − A X = 0̅ ⟺
2 2

1 0 −2 0 x
Wλ : −1 1 0 − X = 0̅ ⟺ Wλ = : =
0
⟺
2
= −1 0 1 6 −1 2
−1 −6 0 y 0
CA: Reducción de la Matriz de Coeficientes del Sistema

−2 0 −2 0 1 1 0
↓e21 − 3 ↓e1 −
−6 0 0 0 2 0 0

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 12

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

Luego (Fin CA)

Wλ = −1
: 1 0 x = 0
2 0 0 y 0
Luego: Forma Resolvente
Wλ = −1
: 1x + 0y = 0
2

Luego: Solución General

x = 0y
y = 1y
Luego (parametrizando y = t en los 2dos miembros):
x,y = t 0,1
Luego: Subespacio propio asociado al Valor Propio λ2 = − 1

Wλ = −1
: x =t 0
2 y 1

0
Wλ = −1
=〈 〉
2 1

Observación: Algunos Vectores Propios de A asociados al valor propio λ2 = − 1 (Sol.

Particulares)

t = 1⟹X1 = 0 es Vector propio de A asociados al valor propio λ2 = − 1. En efecto:

1
AX1 = λ2X1
1 0 0 0 0
= −1 = −1
6 −1 1 1

t = 2⟹X2 = 0 es Vector propio de A asociados al valor propio λ2 = − 1. En efecto:

2
AX1 = λ2X1
1 0 0 0 0
= −1 = −2
6 −1 2 2
Ej 11) b)
3 −1
A=
1 5
b) Polinomio Característico, Ecuación Característica y Valores Propios
Polinomio Característico:

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 13

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

3 −1 λ−3 1
p λ = det λI − A = det λ 1 0 − = det = λ−3 λ−5 +1
0 1 1 5 −1 λ−5
p λ = λ − 3 λ − 5 + 1 = λ2 − 5λ − 3λ + 15 + 1

p λ
= λ2
− 8λ
+ 16

Ecuación Característica:
p λ = det λI − A = 0⟺

λ2 − 8λ + 16 = 0

Valores Propios: Solución de la Ecuación Característica (Condición de Existencia del Teorema)

8 ± 64 − 4.1.16 λ = λ1 = 4
λ2 − 8λ + 16 = 0⟺λ = =
2 λ = λ2 = 4
Las dos raíces son iguales. Se dice que la multiplicidad de la raíz es 2. Luego:

λ = λ1 = 4
Valores Propios
λ = λ2 = 4

Subespacios Propios de la Matriz A

Subespacio propio asociado al Valor Propio 흀 = 흀1 = 흀2 = 4 (Solución general del SELH AX = 흀X)
W흀: AX = 흀X ⟺ W흀: 흀I − A X = 0̅ ⟺
3 −1 1 1 x
W흀: 4 1 0 − X = 0̅ ⟺ W흀: 0
= ⟺
0 1 1 5 − 1 −1 y 0

W흀: 1 1 x = 0
0 0 y 0
Luego: Sistema Resolvente (variable principal: x)
W흀: 1x + 1y = 0
Luego: Solución General
x = − 1y
y = 1y
Luego (parametrizando y = s los 2dos miembros):
x,y = s − 1,1
Luego: Subespacio propio asociado al Valor Propio 흀 = 흀1 = 흀2 = 4

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 14

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

−1
W흀: x = s
y 1

W흀 = 〈 − 1 〉
1

2.3 - Definiciones: Polinomio y Ecuación Característica. Subespacios Propios.

Definición: Polinomio Característico y Ecuación Característica

Observación: Si la matriz es n × n el polinomio característico es de grado n.

Definición: Subespacio Propio

Teorema: Resumen de Propiedades

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 15

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

Ej 11) d) (Continuación)
d) Polinomio Característico, Ecuación Característica y Valores Propios
−1 4 −2
A= −3 4 0 ∈ ℝ3 × 3
−3 1 3
Polinomio Característico:

p λ = det λI − A

1 0 0 −1 4 −2
p λ = det λ 0 1 0 − −3 4 0
0 0 1 −3 1 3
λ+1 −4 2
p λ = det 3 λ−4 0
3 −1 λ−3
p λ = a13C13 + a23C23 + a33C33 = 2.C13 + 0.C23 + λ − 3 .C33 = 2.C13 + λ − 3 .C33

1 + 3det 3 λ−4 3 + 3det λ+1 −4

p λ = 2. − 1 + λ−3 . −1
3 −1 3 λ−4
p λ = 2. − 3 − 3 λ − 4 + λ − 3 . λ + 1 λ − 4 + 12
p λ = − 6 − 2 3λ − 12 + λ − 3 λ + 1 λ − 4 + 12 λ − 3
p λ = − 6 + − 6λ + 24 + λ2 + λ − 3λ − 3 λ − 4 + 12λ − 36
p λ = − 6 − 6λ + 24 + λ3 − 4λ2 + λ2 − 4λ − 3λ2 + 12λ − 3λ + 12 + 12λ − 36

p λ = λ3 − 6λ2 + 11λ − 6

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 16

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

Ecuación Característica:

p λ = det λI − A = 0

λ3 − 6λ2 + 11λ − 6 = 0

Valores Propios: Solución de la Ecuación Característica

λ3 − 6λ2 + 11λ − 6 = 0
CA: Factorización del Polinomio p
흀 = 1 es raíz de la ecuación característica (por inspección o tanteo) ⟹ p λ es divisible por
λ−1
흀3 − 6흀2 + 11흀 − 6 흀−1
− λ3 − λ2 흀2
− 5흀
+6
− 5λ2 + 11λ − 6
− − 5λ2 + 5λ
6λ − 6
− 6λ − 6
\0
Luego:

p λ = λ3 − 6λ2 + 11λ
−6
= λ2 − 5λ + 6 λ − 1

Observación: Factorización
7: 3 = 2 , r = 1 ⟺7 = 2. 3 + 1
p : λ − 1 = q , r = 0 ⟺ p = q. (λ − 1)
Luego (Fin CA):

λ2 − 5λ + 6 λ − 1
=0

CA: λ2 − 5λ + 6 = 0⟺

5 ± 25 − 24 5±1 λ2 = 3
λ= = =
2 2 λ3 = 2
Luego (Fin CA):
MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 17
 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

p λ = λ3 − 6λ2 + 11λ
−6
= λ2 − 5λ + 6 λ − 1
= λ−1 λ−3 λ−2
=0

Luego: Valores Propios

λ = λ1 = 1
p λ = λ − 1 λ − 3 λ − 2 = 0⟺ λ = λ2 = 3 Valores Propios
λ = λ3 = 2

Subespacios Propios:
Subespacio propio asociado al Valor Propio λ1 = 1 (Solución general del SELH AX = λ1X)
Wλ =1
: AX = λ1X ⟺ Wλ =1
: λ1I − A X = 0̅ ⟺
1 1

1 0 0 −1 4 −2 x 0
Wλ = 1: 1 0 1 0 − −3 4 0 y = 0⟺
1
0 0 1 −3 1 3 z 0
2 −4 2 x 0
Wλ = 1: 3 −3 0 y = 0
1
3 −1 −2 z 0
CA:

2 −4 2 1 1 0 −1
1 1 −2 1 ↓e2 0 1 −1
3 −3 0 ↓e1 3 0 0 0
3 −1 −2 2 0 3 −3
1
0 5 −5 ↓e3
1 −2 1 ↓e12 − 3 5
3 −3 0
↓e13 − 3 1 −2 1 ↓e12 2
3 −1 −2 0 1 −1
↓e32 − 1
0 1 −1

Luego (Fin CA): Sistema Resolvente

1 0 −1 x 0
Wλ = 1: 0 1 −1 y = 0 ⟺
1
0 0 0 z 0
x−z=0
Wλ =1
:
1 y−z=0
Luego: Solución General (FOC)

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 18

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

x = 1z
y = 1z
z = 1z
Luego (Parametrizando en los 2dos miembros z = s):
x,y,z = s 1,1,1
Luego: Subespacio propio asociado al Valor Propio λ1 = 1

1
Wλ = 1 = 〈 1 〉
1
1

Observación: Algunos Vectores Propios de A asociados al valor propio λ1 = 1 (Sol. Particulares)

1
s = 1⟹X1 = 1 es valor propio de A asociados al valor propio λ1 = 1. En efecto:
1
AX1 = λ1X1
−1 4 −2 1 1 1
−3 4 0 1 =1 1 = 1
−3 1 3 1 1 1

Subespacio propio asociado al Valor Propio λ2 = 3 (Solución general del SELH AX = λ2X)
Wλ =3
: AX = λ2X⟺
2

Wλ =3
: λ2I − A X = 0̅ ⟺
2

1 0 0 −1 4 −2 x 0
Wλ = 3: 3 0 1 0 − −3 4 0 y = 0⟺
2
0 0 1 −3 1 3 z 0
4 −4 2 x 0 4 −4 2 x 0
Wλ = 3: 3 −1 0 y = 0 ⟺ Wλ :
=3 3 −1 0 y = 0
2 2
3 −1 0 z 0 0 0 0 z 0
CA:

4 −4 2 4 −4 2 1 1
3 −1 0 ↓e2 4 0 8 −6 ↓e2 4 0 −1 ↓e1
2 4
0 0 0 0 0 0 0 4 −3
1
0 0 0 ↓e2
4 −4 2 4 −4 2 4
12 −4 0 ↓e21 − 3 0 4 −3 ↓e12 1
0 0 0 0 0 0

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 19

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

1
1 0 −
4
3
0 1 −
4
0 0 0

Luego: Sistema resolvente

1 1
1 0 − x=z
4 x 0 4
Wλ =3
: 3 y = 0⟹ 3
2 0 1 − y= z
4 z 0 4
0 0 0 z = 1z
Luego (parametrizando): Solución General
13
x,y,z = s , ,1
44
Luego: Subespacio propio asociado al Valor Propio λ2 = 3

1
4 1
Wλ =3
=〈 3 〉 = 〈 3 〉
2
4 4
1

Subespacio propio asociado al Valor Propio λ3 = 2 (Solución general del SELH AX = λ3X)
Wλ =2
: AX = λ3X⟺
3

Wλ =2
: λ3I − A X = 0̅ ⟺
3

1 0 0 −1 4 −2 x 0
Wλ = 2: 2 0 1 0 − −3 4 0 y = 0⟺
3
0 0 1 −3 1 3 z 0
3 −4 2 x 0
Wλ = 2: 3 −2 0 y = 0
3
3 −1 −1 z 0
CA:

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 20

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

3 −4 2 ↓e21 − 1 3 −4 2 ↓e12 4 2
1 0 −
3 −2 0 0 1 −1 3 1
↓e31 − 1 ↓e32 − 1 ↓e1
3 −1 −1 0 1 −1 0 1 −1 3
1 3 0 −2 0 0 0
3 −4 2 ↓e2 1
2 0 1 −1 ↓e1
0 2 −2 0 0 0 3
1
0 3 −3 ↓e3
3

Luego: Sistema resolvente

2 2
1 0 − x 0 x= z
3 3
Wλ : y = 0⟹
3
=2 0 1 −1 y=z
z 0
0 0 0 z = 1z
Luego (parametrizando): Solución General
2
x,y,z = t ,1,1
3
Luego: Subespacio propio asociado al Valor Propio λ3 = 2

2
2
Wλ = 2 = 〈 3 〉 = 〈 3 〉
3 1 3
1

Ejercicio 11 – e)

I) Polinomio Característico, Ecuación Característica y Valores Propios

Polinomio Característico:

1 0 0 4 0 0 λ−4 0 0
p λ = det λI − A = det λ 0 1 0 − 1 4 0 = det −1 λ−4 0
0 0 1 0 0 5 0 0 λ−5
p λ = λ − 4 C11 + 0C12 + 0C13

1 + 1det λ−4 0
p λ = λ−4 −1
0 λ−5
p λ = λ−4 λ−4 λ−5

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 21

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

Ecuación Característica:
p λ = λ−4 λ−4 λ−5 =0
Valores Propios: Soluciones de la Ecuación Característica
λ1 = 4
λ2 = 4
λ3 = 5
II) Subespacios Propios
Subespacio Propio asociado al valor propio (de multiplicidad 2) 흀 = 흀1 = 흀2 = 4:
W흀: λI − A X = 0
1 0 0 4 0 0 x 0
W흀: 4 0 1 0 − 1 4 0 y = 0
0 0 1 0 0 5 z 0
0 0 0 x 0 0 0 0 x 0
W흀: 1
− 0 0 y = 0 ⟺ W :1
흀 0 0 y = 0
0 0 −1 z 0 0 0 1 z 0
Luego: Sistema Resolvente (variables independientes: x,z)
x = 0y
x=0
⟺ y = 1y
z=0
z = 0y
Luego:
0
W흀 = 〈 1 〉 dim W흀 = 1
0
Subespacio Propio asociado al valor propio (de multiplicidad 1) 흀3 = 5:
W흀 : λ3I − A X = 0
3

1 0 0 4 0 0 x 0
W흀 : 5 0 1 0 − 1 4 0 y = 0
3
0 0 1 0 0 5 z 0
1 0 0 x 0 1 0 0 x 0
W흀 : − 1 1 0 y = 0 ⟺ W흀 : 0 1 0 y = 0
3 3
0 0 0 z 0 0 0 0 z 0
Luego: Sistema Resolvente (variables independientes: x,y)
x = 0z
x=0
⟺ y = 0z
y=0
z = 1z

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 22

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

Luego:
0
W흀 = 〈 0 〉 dim W흀 = 1
3 3
1

2.4 – Teorema: Independencia lineal de vectores propios asociados a valores

propios distintos

Dicho de otra forma: Vectores propios asociados a valores propios distintos, forman un conjunto
LI.
Ejemplo: Verificación del teorema aplicado a un ejercicio anterior (punto d)
Usando como parámetros para obtener un vector propio a partir de cada subespacio propio, los
escalares 1, 4 y 3 respectivamente, obtenemos los siguientes vectores propios:
1 1
Wλ =1
= 〈 1 〉 ⟹X1 = 1
1 1 1
1
4 1 1
Wλ = 3 = 〈 3 〉 = 〈 3 〉⟹X2 = 3
2 4 4 4
1
2 2 2
Wλ = 2 = 〈 31 〉=〈 3 〉⟹X3 = 3
3
3 3
1
Luego, según el teorema, el siguiente conjunto es LI:
1 1 2
1 ,3,3
1 4 3
En efecto: Aplicando la prueba de independencia lineal

1 1 2 0 1a + 1b + 2c = 0
a 1 +b 3 +c 3 = 0 ⟺ 1a + 3b + 3c = 0 ⟹
1 4 3 0 1a + 4b + 3c = 0

1 1 2 ↓e21 − 1 2 2 4 ↓e12 − 1 ⋮
1 3 3 0 2 1
↓e31 − 1 ↓e32 − 3
1 4 3 0 6 2

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 23

 Álgebra Lineal – Com. 3.4
Material de apoyo al aprendizaje

1 1 2 ↓e1 2 2 0 3 1 0 0
0 2 1 0 2 1 0 1 0
↓e3 2
0 3 1 0 0 −1 0 0 1

Luego: a=b=c=0
Luego, efectivamente, el conjunto es LI.

MSc. Esp. Prof. Ing. Facundo Oliva Cúneo 24