Caracas, 30 de junio de 2025
Universidad Central de Venezuela
Facultad de Ciencias Económicas y Sociales – Escuela de Economía
Matemática IV – Profesora: Máryori González
Estudiante: Jesús Santiago Pérez Hernández – CI: 30.729.357
Entrega de direcciones #6: Autovalores y autovectores.
1. Definición de Autovalores y Autovectores
Los autovalores y autovectores son conceptos fundamentales en álgebra lineal con amplias
aplicaciones en física, ingeniería y ciencias computacionales. Este ensayo explora su definición,
métodos de cálculo, diagonalización de matrices y espacios propios, basándose en referencias
académicas confiables.
1. DEFINICIÓN DE AUTOVALORES Y AUTOVECTORES
Un autovalor (o valor propio) de una matriz cuadrada A es un escalar λ que satisface la ecuación:
A·v = λ·v
donde v es un vector no nulo llamado autovector. Esto significa que la transformación lineal
representada por A escala al vector v sin cambiar su dirección.
Referencia: Lay, D. (2016). "Álgebra Lineal y sus Aplicaciones". Disponible en:
[Link]
2. CÁLCULO DE AUTOVALORES
Para encontrar los autovalores de una matriz A, se resuelve la ecuación característica:
det(A - λI) = 0
donde I es la matriz identidad. Las soluciones de este polinomio son los autovalores de A.
Referencia: Strang, G. (2020). "Introduction to Linear Algebra". Disponible en:
[Link]
3. CÁLCULO DE AUTOVECTORES
Para cada autovalor λ, los autovectores correspondientes se obtienen resolviendo el sistema
homogéneo:
(A - λI)v = 0
El conjunto solución forma el espacio propio asociado a λ.
Referencia: Anton, H. (2014). "Álgebra Lineal". Disponible en: [Link]
4. DIAGONALIZACIÓN DE MATRICES
Una matriz A es diagonalizable si existe una matriz invertible P y una matriz diagonal D tal que:
A = PDP⁻¹
Esto es posible cuando A tiene n autovectores linealmente independientes.
Referencia: Hoffman, K. (2021). "Linear Algebra". Disponible en: [Link]
5. ESPACIOS PROPIOS
El espacio propio Eλ es el conjunto de todos los autovectores asociados a un autovalor λ, incluyendo
el vector cero. Su dimensión se llama multiplicidad geométrica.
Referencia: Poole, D. (2018). "Linear Algebra: A Modern Introduction". Disponible en:
[Link]
6. APLICACIONES PRÁCTICAS
Los autovalores y autovectores tienen aplicaciones en:
• Análisis de sistemas dinámicos
• Compresión de datos (PCA)
• Mecánica cuántica
Referencia: Trefethen, L. (2022). "Numerical Linear Algebra". Disponible en: [Link]
7. EJEMPLO DE CÁLCULO
Para la matriz:
A = [2 1; 1 2]
Los autovalores son λ₁=3 y λ₂=1, con autovectores v₁=[1;1] y v₂=[-1;1], permitiendo su
diagonalización.
Referencia: Meyer, C. (2023). "Matrix Analysis". Disponible en: [Link]
8. LIMITACIONES
No todas las matrices son diagonalizables. Las matrices defectuosas requieren formas canónicas más
complejas como la forma de Jordan.
Referencia: Axler, S. (2017). "Linear Algebra Done Right". Disponible en: [Link]
CONCLUSIÓN
Los autovalores y autovectores son herramientas esenciales en álgebra lineal, permitiendo
simplificar problemas complejos mediante diagonalización. Su comprensión es fundamental para
aplicaciones avanzadas en ciencia e ingeniería.
GLOSARIO
• AUTOVALOR (λ): Escalar que escala un autovector
• AUTOVECTOR (v): Vector no nulo que mantiene dirección bajo transformación
• ECUACIÓN CARACTERÍSTICA: det(A - λI) = 0
• DIAGONALIZACIÓN: Expresión A = PDP⁻¹
• ESPACIO PROPIO: Subespacio de autovectores asociados a un λ
