álgebra Lineal

S08: Valores y vectores propios

Xyoby Chávez Pacheco

(xchavez@[Link] )
Edith Anco Blas
(eanco@[Link])
Rolando Seclén Campos
(rseclen@[Link])
Rósulo Pérez Cupe
(rperezc@[Link])
César Barraza Bernaola
(jbarraza@[Link])
Brígida Molina Carabaño
(bmolina@[Link])
Asistente: Anthony López
(jlopezg@[Link])

Profesores: Utec-Ciencias
 Contenido
1 Vectores y valores propios
2 Multiplicidades de un valor
propio
3 Cálculo de la multiplicidad ge-
ométrica
 de una matriz y aplicarlos en la
resolución de problemas en
1 Calcular valores y vectores propios situaciones reales.
1. VECTORES Y
VALORES
PROPIOS
-
 Motivación

Reacciones Químicas r0.3

dx
dx1 = Ax
= x1 + 3x2 dt
dt Donde:
dx2
= −2x1 + 6x2    
dt x1 1 3
x= y A=
x2 −2 6
x1 y x2 representan las concentraciones de
los reactivos A y B, respectivamente.
dx1
dt
y dxdt2 representan las tasas de cambio de
estas concentraciones en el tiempo.
Los coeficientes 1, 3, -2 y 6 están
relacionados con la cinética de la reacción y
la estequiometría de la misma.

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 4 / 33

 Motivación

Reacciones Químicas r0.3

dx
dx1 = Ax
= x1 + 3x2 dt
dt Donde:
dx2
= −2x1 + 6x2    
dt x1 1 3
x= y A=
x2 −2 6
x1 y x2 representan las concentraciones de
los reactivos A y B, respectivamente.
dx1
dt
y dxdt2 representan las tasas de cambio de
estas concentraciones en el tiempo.
Los coeficientes 1, 3, -2 y 6 están
relacionados con la cinética de la reacción y Si existiera una manera de simplificar el sistema
la estequiometría de la misma. de ecuaciones encontrando un x tal que

Ax = λx
Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 4 / 33
 Motivación
Eigenvectores y Sistemas Dinámicos Discretos

xk +1 = Axk para k = 0, 1, 2, . . . (1)

l0.3 Si
 
Ok
xk =
Rk

Ok es el número de búhos y Rk es el número de

ratas (

Ok +1 = 0.5Ok + 0.4Rk
Rk +1 = −pOk + 1.1Rk
    
Ok +1 0.5 0.4 Ok
=
Rk +1 −p 1.1 Rk
Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 5 / 33
 Motivación
Eigenvectores y Sistemas Dinámicos Discretos Eigenvectores y Sistema de masa resorte

xk +1 = Axk para k = 0, 1, 2, . . . (1)

l0.3 Si ′′
m1 x1 = −k1 x1 + k2 (x2 − x1 )

Ok
 ′′ (1)
xk = m2 x2 = −k1 (x2 − x1 ) − k3 x2
Rk
o
Ok es el número de búhos y Rk es el número de Mx ′′ = Kx
 
ratas ( x1
x= ;
x
 2
Ok +1 = 0.5Ok + 0.4Rk

m1 0
M=
Rk +1 = −pOk + 1.1Rk 0 m2
     K : Matriz de rigidez.
Ok +1 0.5 0.4 Ok
=
Rk +1 −p 1.1 Rk
Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 5 / 33
 Definición (Vector y valor propio de una matriz)
Sea A ∈ Mn×n , diremos que el vector x ∈ Rn , x ̸= 0, es un vector
propio de A si

Ax = λx

para algún λ ∈ R. Además, el número real λ es llamado valor propio

de A asociado a x.

Al conjunto de todos los valores propios de una matriz A, se le

denomina espectro de A y se denota con σ(A)

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 6 / 33

 Definición (Vector y valor propio de una matriz)
Sea A ∈ Mn×n , diremos que el vector x ∈ Rn , x ̸= 0, es un vector
propio de A si

Ax = λx

para algún λ ∈ R. Además, el número real λ es llamado valor propio

de A asociado a x.

Al conjunto de todos los valores propios de una matriz A, se le

denomina espectro de A y se denota con σ(A)

Ejemplo
   
1 1 3
Verifique que el vector x = es un vector propio de A = .
1 −2 6
¿Cuál es el valor propio asociado?

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 6 / 33

Solución:
Calculemos el producto Ax:
    
1 3 1 4
=
−2 6 1 4
 
1
=4
1

Así, hemos verificado que x es un vector propio de

A y λ = 4 es el valor propio asociado a x. Nos
queda una interrogante: ¿Existen más valores
propios?

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 7 / 33

Solución: Observa primero que la ecuación
Calculemos el producto Ax:
     Ax = λx = λIx,
1 3 1 4
= o equivalentemente como
−2 6 1 4
 
1 (λI − A)x = 0
=4
1
.
Así, hemos verificado que x es un vector propio de
A y λ = 4 es el valor propio asociado a x. Nos
queda una interrogante: ¿Existen más valores
propios?

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 7 / 33

Solución: Observa primero que la ecuación
Calculemos el producto Ax:
     Ax = λx = λIx,
1 3 1 4
= o equivalentemente como
−2 6 1 4
 
1 (λI − A)x = 0
=4
1
. Para que λ sea un valor propio de A, esta
Así, hemos verificado que x es un vector propio de ecuación debe tener una solución no nula para x.
A y λ = 4 es el valor propio asociado a x. Nos Esto es cierto si y solo si la matriz de coeficientes
queda una interrogante: ¿Existen más valores (λI − A) tiene un determinante igual a cero.
propios?

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 7 / 33

 Definición (Polinomio característico)
Dada la matriz A ∈ Mn×n , el polinomio característico de A, pA (λ), se define a
continuación:

pA (λ) = det(A − λIn )

Observación: El polinomio característico de una matriz de orden n, tiene grado

igual a n.

Ejemplo
 
5 2 1
Calcule el polinomio característico de A = 0 4 −1.
0 0 1

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 8 / 33

Solución: Calculemos det(A − λI3 ),
   
5 2 1 1 0 0
pB (λ) = det 0 4 −1 − λ 0 1 0
0 0 1 0 0 1
 
5−λ 2 1
= det  0 4 − λ −1 
0 0 1−λ
= (5 − λ)(4 − λ)(1 − λ)
= −λ3 + 10λ2 − 45λ + 36

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 9 / 33

 Propiedad
Para toda matriz cuadrada A de orden n, se cumple:

λ0 es un valor propio de A ←→ pA (λ0 ) = 0

Esta última propiedad nos permite encontrar los valores propios de una matriz, para
ello basta encontrar las soluciones de la siguiente ecuación:

pA (λ) = 0 ← Ecuación característica

Ejemplo
 
1 3
Determine los valores propios de la matriz A = .
−2 6

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 10 / 33

Solución: Primero, calculemos pA (λ),

pA (λ) = det(A − λI2 )

 
1−λ 3
= det
−2 6 − λ
= (1 − λ)(6 − λ) − (−6)
= λ2 − 7λ + 12

Ahora, resolvemos la ecuación característica:

pA (λ) = 0
2
λ − 7λ + 12 = 0
(λ − 3)(λ − 4) = 0

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 11 / 33

Solución: Primero, calculemos pA (λ),

pA (λ) = det(A − λI2 )

 
1−λ 3
= det
−2 6 − λ
= (1 − λ)(6 − λ) − (−6)
= λ2 − 7λ + 12

Ahora, resolvemos la ecuación característica:

pA (λ) = 0
2
λ − 7λ + 12 = 0
(λ − 3)(λ − 4) = 0

De donde se obtiene que los valores propios de A son λ1 = 3 y λ2 = 4 (compare

esta respuesta con el primer ejemplo que resolvimos)
Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 11 / 33
 Ejemplo


1 3
Determine los vectores propios de la matriz A = .
−2 6

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 12 / 33

 Ejemplo
 
1 3
Determine los vectores propios de la matriz A = .
−2 6

Solución: Los valores propios de A son λ1 = 3 y λ2 = 4

Valor propio 3:
El vector propio correspondiente a λ = 3 se Valor propio 4:
obtiene resolviendo el sistema (A − 3I)x = 0, De manera similar, el vector propio
donde A es la matriz dada y x es el vector propio correspondiente a λ = 4 se obtiene resolviendo el
que estamos buscando: sistema (A − 4I)x = 0:
         
−2 3 x 0 −3 3 x 0
= =
−2 3 y 0 −2 2 y 0
Resolviendo este sistema de ecuaciones, Resolviendo este sistema, obtenemos el vector
obtenemos un vector propio asociado a λ = 3: propio asociado a λ = 4:
   
3 1
x1 = x2 =
2 1
Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 12 / 33
2. MULTIPLICI-
DADES -
 Multiplicidad algebraica de un valor propio
Dada la matriz A ∈ Mn×n , supongamos que su polinomio característico está
descompuesto en factores primos, es decir:

pA (λ) = (λ − λ1 )m1 (λ − λ2 )m2 . . . (λ − λr )mr , conλi ̸= λj

Entonces, para cada i ∈ {1, 2 . . . , r }, la multiplicidad algebraica del valor propio

λi es el exponente que acompaña al factor (λ − λi ) en pA . Es decir
m.a(λi ) = mi
 
1 3
En el ejemplo anterior, cuando A = , las multiplicidades algebraicas de
−2 6
λ1 = 3 y λ2 = 4 son ambas iguales a 1.

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 14 / 33

 Ejemplo
Calcule los 
valores propios
 y sus respectivas multiplicidades algebraicas de la
2 2 2
matriz M = 0 5 3.
0 3 5

Solución:
Tenemos que
pM (λ) = det(M − λI3 )
 
2−λ 2 2
= det  0 5−λ 3 
0 3 5−λ
= (2 − λ)(2 − λ)(8 − λ)
= −(λ − 2)2 (λ − 8)
De esta manera concluimos que M tiene 2 valores propios: λ1 = 2 de multiplicidad algebraica igual a
2 y λ2 = 8 con multiplicidad algebraica igual a 1.
Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 15 / 33
Sean A ∈ Mn×n , supongamos que v0 ̸= 0 ∈ Rn es un vector propio de A asociado
al valor propio λ, es decir

Av0 = λv0
Av0 − λv0 = 0
(A − λIn )v0 = 0

Como podemos observar, v0 es una solución del SEL:

(A − λIn )x = 0 (1)

En realidad, el conjunto de vectores que son soluciones de (1) forma un subespacio

vectorial (de hecho, es el espacio nulo de (A − λIn )), el cual llamaremos espacio
propio asociado a λ, denotado por Eλ :

Eλ = {x ∈ Rn : (A − λIn )x = 0}
= nul(A − λIn )

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 16 / 33

 Multiplicidad geométrica de un valor propio
Sean A ∈ Mn×n y λ ∈ σ(A), definimos la multiplicidad geométrica de λ como la
dimensión del subespacio Eλ , es decir:

m.g(λ) = dim Eλ

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 17 / 33

3. CÁLCULO DE
LA MULT.
GEOMÉTRICA
-
Usando el Teorema de rango-nulidad
Por definición, sabemos que dada una matriz A ∈ Mn×n y λ un valor propio de A, la
multiplicidad geométrica de λ es igual a la dimensión de Nu(A − λIn ), del Teorema
de rango-nulidad se tiene:

# de columnas de (A − λIn ) = dim[Nu(A − λIn )] + rango(A − λIn )

n = m.g(λ) + rango(A − λIn )

Por lo tanto,

m.g(λ) = n − rango(A − λIn )

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 19 / 33

 Ejemplo
 
1 −2 2
Se sabe que la matriz −2 1 −2 tiene 2 valores propios λ1 = −1 (m.a=2) y
2 −2 1
λ2 = 5 (m.a=1). Determine la multiplicidad geométrica de cada valor propio.
Solución: Para cada valor propio λi , debemos calcular el rango de (A − λI3 ).
Para λ1 = −1:
 
  1 − (−1) −2 2
A − λ1 I 3 =  −2 1 − (−1) −2 
2 −2 1 − (−1)
   
2 −2 2 2 −2 2
f2 ←f2 +f1
= −2 2 −2 −−−−−→= 0 0 0
f3 ←f3 −f1
2 −2 2 0 0 0

Por lo tanto rango(A − λI3 ) = 1 y así m.g(λ1 ) = 3 − 1 = 2

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 20 / 33

Para λ2 = 5:
 
1 − 5 −2 2
A − λ2 In =  −2 1 − 5 −2 
2 −2 1 − 5
   
−4 −2 2 f2 ←f2 −( 12 )f1 , f3 ←f3 +( 12 )f1
−4 −2 2
= −2 −4 −2  −−−−−−−−−−−−−−−−→  0 −3 −3
f3 ←f3 −f2
2 −2 −4 0 0 0

De donde, tenemos rango(A − λ2 I3 ) = 2 y por lo tanto m.g(λ2 ) = 3 − 2 = 1.

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 21 / 33

Calculando la base de Eλ
Sean A ∈ Mn×n y λ ∈ σ(A). Otra manera de calcular la multiplicidad geométrica de
λ, es encontrando una base explícita de Eλ = nul(A − λIn ), para ello se siguen los
siguientes pasos:

1 Construir la matriz aumentada asociada al SEL: (A − λIn )x = 0, es decir:

 
(A − λIn ) 0 ∈ Mn×(n+1)
2 Llevar la matriz aumentada a su forma escalonada, mediante operaciones
elementales.
3 Reescribir el sistema en forma algebraica y expresar la solución general como
combinación lineal de vectores, estos serán los elementos de la base de Eλ

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 22 / 33

 Ejemplo
 
1 −2 2
Se sabe que la matriz −2 1 −2 tiene 2 valores propios λ1 = −1 (m.a=2) y
2 −2 1
λ2 = 5 (m.a=1). Determine los vectores propios asociados a cada valor propio.
Solución:
Para λ1 = −1: La matriz aumentada es:
 
  1 − (−1) −2 2 0
(A − λ1 In ) 0 =  −2 1 − (−1) −2 0
2 −2 1 − (−1) 0
   
2 −2 2 0 2 −2 2 0
f2 ←f2 +f1
= −2 2 −2 0 −−−−−→= 0 0 0 0
f ←f −f
2 −2 2 0 3 3 1 0 0 0 0

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 23 / 33

De la matriz aumentada, el sistema en su representación algebraica es:
n
2x − 2y + 2z = 0

Note que las dos filas nulas no aportan ninguna ecuación. Despejando,tenemos:

x =y −z
         
x y −z 1 −1 1
Luego y  =  y  = y 1 + z  0 , de esta manera obtenemos v1 = 1 y
z z 0 1 0
 
−1
v2 =  0  los cuales serán los vectores propios asociados a λ1 . Notemos que la
1
base tendrá 2 elementos(v1 y v2 ), de ahí que la multiplicidad geométrica de λ1 es 2.

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 24 / 33

Para λ2 = 5: Tenemos la matriz aumentada:
 
1 − 5 −2 2 0
A − λ2 In =  −2 1 − 5 −2 0
2 −2 1−5 0
   
−4 −2 2 0 f ←f −( 1 )f , f ←f +( 1 )f −4 −2 2 0
2 2 2 1 3 3 2 1 
= −2 −4 −2 0 −−−−−−− −−−−−−−− −→ 0 −3 −3 0
f3 ←f3 −f2
2 −2 −4 0 0 0 0 0

Algebraicamente, se tiene el siguiente sistema de ecuaciones:

( (
−4x − 2y + 2z = 0 z = 2x + y
→
−3y − 3z = 0 y = −z
(
x =z
Reemplazando la segunda ecuación en la primera →
y = −z

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 25 / 33

        
x z 1 1
Así, tenemos y  = −z  = z −1. De esta manera v3 = −1 es un vector
z z 1 1
propio asociado a λ2 . Además la base tendrá solo un elemento (v3 ), por lo tanto la
multiplicidad geométrica de λ2 es 1.

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 26 / 33

Continuación...
Propiedades de valores y vectores propios
El producto de los valores propios de A es igual al determinante de A.
La suma de los valores propios de una matriz A es igual a la traza de la matriz
A.
Una matriz es singular si y solo uno de sus valores propios es igual a cero.
Los valores propios de una matriz triangular superior (o inferior) son los
elementos de la diagonal principal de la matriz.
Si λ es el valor propio de A y A es invertible, entonces 1λ es un valor propio de
la matriz A−1 .

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 27 / 33

Ejemplo: Sistema Masa Resorte

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 28 / 33

Continuación...
Aplicando la ley de Newton F = ma, a las dos masas, obtenemos el siguiente
modelo ′′
m1 x1 = −k1 x1 + k2 (x2 − x1 )
′′ (1)
m2 x2 = −k1 (x2 − x1 ) − k3 x2
FORMA MATRICIAL:
Mx ′′ = Kx (2)
 
x1
Vector de desplazamiento:x = ;
x
 2
m1 0
Matriz de masas: M =
0 m2
K : Matriz de rigidez

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 29 / 33

Continuación...
De la teoría de vibraciones, se conoce que las soluciones de la ecuación (1)
pueden
 tomar
 la forma 
x1 A1 sin(ωt)
x= = (3)
x2 A2 sin(ωt)
Donde Ai = la amplitud de la vibración de la masa i; ω =frecuencia de la vibración
que es igual a: ω = 2Tπp ; Tp : es el periodo
Forma Matricial " #
2k k
−m 1 m1

A1
 
A1

k 2k
m2 −m 2 A2 −ω2 A2
| {z } | {z } | {z } | {z }
A v = λ v

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 30 / 33

Problemas a mano
1 Encuentra
 la ecuación
 característica, y los autovectores de la siguiente matriz:
9 −8 6 3
0 −1 0 0
 
0 0 3 0
0 0 0 7
2 Encuentra det(A) dado que A tiene p(λ) como su polinomio característico.
p(λ) = (λ − 1)(λ + 5)(λ − 5)

Universidad de Ingeniería y Tecnología álgebra Lineal May 20, 2024 31 / 33