MOISES VILLENA MUÑOZ Cap.

5 Valores y Vectores Propios

5
5.1 Definición
5.2 Matrices semejantes
5.3 Diagonalización
5.4 Matrices Simétricas
5.5 Diagonalización Ortogonal
5.6 Descomposición Espectral

Objetivos.
Se persigue que el estudiante:
• Encuentre valores y vectores propios de matrices.
• Diagonalice matrices de ser posible.

63
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

5.1 Definición

Sea A una matriz de dimensión n × n . El número " λ "

se llama valor propio de A , si existe un vector
v (v ≠ 0) , tal que:
Av = λv
Donde a "v" se le llama vector propio correspondiente
al valor propio "λ" .
Esto puede ser considerado como un simple problema de
ecuaciones vectoriales.

Ejemplo 1
⎛ 4 2⎞
Sea A = ⎜⎜ ⎟⎟ . Hallar los valores y vectores propios.
⎝ 3 3⎠
SOLUCIÓN:
Debemos encontrar los números "λ" y los vectores de R 2 tales que Av = λv , es decir:
Valor Pr opio
⎛ 4 2⎞ ⎛x⎞ } ⎛x⎞
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = λ ⎜⎜ ⎟⎟
⎝ 3 3⎠ ⎝{
y⎠ ⎝{
y⎠
v v
Vector Pr opio

Despejando y haciendo los arreglos necesarios:

⎛4 2 ⎞⎛ x ⎞ ⎛ x ⎞ ⎛ 0 ⎞
⎜⎜ ⎟⎜ ⎟ − λ⎜ ⎟ = ⎜ ⎟
⎝3 3 ⎟⎠⎜⎝ y ⎟⎠ ⎜⎝ y ⎟⎠ ⎜⎝ 0 ⎟⎠
⎛4 2 ⎞⎛ x ⎞ ⎛1 0⎞ ⎛ x ⎞ ⎛0⎞
⎜⎜ ⎟⎜ ⎟ − λ ⎜⎜ ⎟ ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝3 3 ⎟⎠⎜⎝ y ⎟⎠ ⎝10 1 ⎟⎠ ⎝ y ⎠ ⎝0⎠
23
Matriz Identidad

⎡⎛ 4 2 ⎞ ⎛ 1 0 ⎞⎤⎛ x ⎞ ⎛ 0 ⎞
⎢⎜⎜ ⎟⎟ − λ⎜⎜ ⎟⎟⎥⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎢⎣⎝ 3 3 ⎠ ⎝ 0 1 ⎠⎥⎦⎝ y ⎠ ⎝ 0 ⎠
Observe que la última expresión es un sistema de ecuaciones homogéneas, cuya solución debe
⎛x⎞ ⎛0⎞
ser diferente de la trivial, ⎜⎜ ⎟⎟ ≠ ⎜⎜ ⎟⎟ , por tanto debe tener infinitas soluciones, y para que esto
⎝ y⎠ ⎝0⎠
ocurra el determinante de su matriz de coeficientes debe ser igual a cero; es decir:
⎡⎛ 4 2 ⎞ ⎛ 1 0 ⎞⎤
det ⎢⎜⎜ ⎟⎟ − λ⎜⎜ ⎟⎟⎥ = 0
⎢⎣⎝ 3 3 ⎠ ⎝ 0 1 ⎠⎥⎦
Este último planteamiento, nos sirve para encontrar los valores propios.

64
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

4−λ 2
det =0
3 3−λ
(4 − λ)(3 − λ) − 6 = 0
− 4λ − 3λ + 12 + λ2 − 6 = 0
λ2 − 7λ + 6 = 0
(λ − 6)(λ − 1) = 0
λ 1 = 6⎫
⎬Valores propios
λ 2 = 1⎭
Bien, ahora para encontrar los vectores propios correspondientes resolvemos los sistemas
⎛4 − λ 2 ⎞⎛ x ⎞ ⎛ 0 ⎞
homogéneos que se generan con los valores propios encontrados ⎜⎜ ⎟⎜ ⎟ = ⎜ ⎟ ,
⎝ 3 3 − λ ⎟⎠⎜⎝ y ⎟⎠ ⎜⎝ 0 ⎟⎠
el espacio solución contendrá los vectores propios buscados.

⎛4 − 6 2 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜⎜ ⎟⎜ ⎟ = ⎜ ⎟
⎝ 3 3 − 6 ⎟⎠⎜⎝ y ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎧− 2 x + 2 y = 0
Si λ 1 = 6 tenemos ⇒ ⎨
⎛ − 2 2 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ⎩ 3x − 3 y = 0
⎝ 3 − 3 ⎠⎝ y ⎠ ⎝ 0 ⎠
⎛ −2 2 0 ⎞ ⎛ −1 1 0 ⎞ ⎛ −1 1 0 ⎞
⎜⎜ ⎟⎟ ≈ ⎜⎜ ⎟⎟ ≈ ⎜⎜ ⎟⎟
⎝ 3 − 3 0⎠ ⎝ 1 −1 0⎠ ⎝ 0 0 0⎠
−x+ y =0
Denotando como E6 al espacio solución, tenemos:
⎧⎪⎛ x ⎞ ⎫⎪ ⎧⎪⎛ x ⎞ ⎫⎪ ⎧⎪ ⎛1⎞ ⎫⎪
E6 = ⎨⎜⎜ ⎟⎟ / x = y ⎬ = ⎨⎜⎜ ⎟⎟ / x ∈ R ⎬ = ⎨ x⎜⎜ ⎟⎟ / x ∈ R ⎬
⎪⎩⎝ y ⎠ ⎪⎭ ⎪⎩⎝ x ⎠ ⎪⎭ ⎪⎩ ⎝1⎠ ⎪⎭
⎛1⎞
Por tanto, para λ1 = 6 tomamos como vector característico a v1 = ⎜⎜ ⎟⎟
⎝1⎠
}v } v
λ
}
⎛ 4 2 ⎞⎛ ⎞1 ⎛ ⎞
1
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = 6⎜⎜ ⎟⎟
Prueba: ⎝ 3 3 ⎠⎝ ⎠
1 ⎝ 1⎠
⎛ 6⎞ ⎛6⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ 6⎠ ⎝6⎠
⎛ 4 − 1 2 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜⎜ ⎟⎜ ⎟ = ⎜ ⎟
⎝ 3 3 − 1⎟⎠⎜⎝ y ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎧3 x + 2 y = 0
Si λ 2 = 1 tenemos: ⇒ ⎨
⎛ 3 2 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ⎩3 x + 2 y = 0
⎝ 3 2 ⎠⎝ y ⎠ ⎝ 0 ⎠
Entonces:

( −1) ⎛ 3 2 0 ⎞ ⎛ 3 2 0 ⎞
⎜⎜ ⎟⎟ ≈ ⎜⎜ ⎟⎟
⎝3 2 0⎠ ⎝ 0 0 0⎠
3x + 2 y = 0
3
y=− x
2
Denotando como E1 al espacio solución, tenemos:
⎧⎪⎛ x ⎞ 3 ⎫⎪ ⎧⎪⎛ x ⎞ ⎫⎪ ⎧⎪ ⎛ 1 ⎞ ⎫⎪
E1 = ⎨⎜⎜ ⎟⎟ / y = − x ⎬ = ⎨⎜⎜ 3 ⎟⎟ / x ∈ IR ⎬ = ⎨ x⎜⎜ 3 ⎟⎟ / x ∈ IR ⎬
⎪⎩⎝ y ⎠ 2 ⎪⎭ ⎪⎩⎝ − 2 x ⎠ ⎪⎭ ⎪⎩ ⎝ − 2 ⎠ ⎪⎭

65
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

⎛ 1 ⎞ ⎛ 2⎞
Por tanto, para λ2 = 1 tomamos como vector característico a v2 = ⎜⎜ 3 ⎟⎟ o v2 = ⎜⎜ ⎟⎟
−
⎝ 2⎠ ⎝ − 3⎠
Av = λv
⎛ 4 2 ⎞⎛ 2 ⎞ ⎛ 2 ⎞
Prueba: ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = (1)⎜⎜ ⎟⎟
⎝ 3 − 3 ⎠⎝ ⎠− 3 ⎝ − 3⎠
⎛ 2 ⎞ ⎛ 2 ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ − 3⎠ ⎝ − 3⎠

Por tanto, el planteamiento Av = λv es equivalente a

( A − λI )v = 0 (¿Porqué?). Es decir, para hallar los valores propios λ y
los vectores propios correspondientes v de una matriz An×n ,
trataremos el Sistema de Ecuaciones Lineales Homogéneo.

El Sistema Homogéneo debe tener infinitas soluciones, ya que

v ≠ 0 ; por tanto, A − λI = 0 ¿Porqué?. Esto nos permite obtener los
valores propios.

5.2 Definiciones

Sea An×n Una Matriz.

1. A p(λ) : det( A − λI ) se le llama Polinomio
Característico.
2. A det( A − λI ) = 0 se le llama Ecuación Característica.
3. Al espacio solución del sistema ( A − λI )v = 0 se lo
llama Espacio Característico correspondiente al valor
propio λ y se lo denota como Eλ . Los vectores propios
o característicos v correspondientes a los valores
propios λ están dados por los vectores del Espacio
Característico.

Ejemplo 2
⎛1 −1 4 ⎞
⎜ ⎟
Sea A = ⎜ 3 2 − 1⎟ . Hallar los valores y vectores propios.
⎜ 2 1 − 1⎟
⎝ ⎠
SOLUCIÓN:

PRIMERO, hallamos el polinomio característico:

66
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

1− λ −1 4
2−λ −1 −1 3 2−λ
= (1 − λ )
3
A − λI = 3 2−λ −1 − (−1) +4
1 −1− λ 2 −1− λ 2 1
2 1 −1− λ
= (1 − λ )[(2 − λ )(− 1 − λ ) + 1] + 3(− 1 − λ ) + 2 + 4[3 − 2(2 − λ )]
= (1 − λ )(2 − λ )(− 1 − λ ) + (1 − λ ) − 3 − 3λ + 2 + 12 − 16 + 8λ
= −(1 − λ )(2 − λ )(1 + λ ) − 4 + 4λ
( )
= − 1 − λ2 (2 − λ ) − 4 + 4λ
= −2 + λ + 2λ2 − λ3 − 4 + 4λ
p (λ ) = −λ3 + 2λ2 + 5λ − 6

SEGUNDO, encontramos las raíces de la ecuación característica

A − λI = 0
− λ3 + 2λ2 + 5λ − 6 = 0
λ3 − 2λ2 − 5λ + 6 = 0
λ3 − λ2 − λ2 − 5λ + 6 = 0
(
λ2 (λ − 1) − λ2 + 5λ − 6 = 0 )
λ (λ − 1) − (λ + 6)(λ − 1) = 0
2

(λ − 1)[λ2 − λ − 6] = 0
⎧λ1 = 1
(λ − 1)(λ − 3)(λ + 2) = 0 ⇒ ⎪⎨λ 2 = 3
⎪λ = −2
⎩ 3

TERCERO, encontramos los espacios soluciones del sistema:

( A − λI )v = 0
⎛1 − λ − 1 4 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 3 2−λ − 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ 2 − 1 − λ ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ 1
para cada valor propio.
⎛1 − 1 − 1 4 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎛ 0 − 1 4 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
Si λ1 = 1 entonces ⎜ 3 2 − 1 − 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟ ⇒ ⎜ 3 1 − 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ 2 − 1 − 1⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎜⎝ 2 1 − 2 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ 1

⎛0 −1 4 ⎞ ⎛2 1 − 2⎞ ⎛ 2 1 − 2 ⎞ (3)⎛ 2 1 − 2⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜3 1 −1⎟ ≈ ⎜3 1 − 1 ⎟ ≈ (− 2)⎜ 3 1 − 1 ⎟ ≈ ⎜ − 6 − 2 2 ⎟
⎜ 2 1 − 2⎟ ⎜ 0 −1 4 ⎟⎠ ⎜0 −1 4 ⎟ ⎜ 0 −1 4 ⎟⎠
⎝ ⎠ ⎝ ⎝ ⎠ ⎝
⎛ 2 1 − 2⎞ ⎛ 2 1 − 2⎞
⎜ ⎟ ⎜ ⎟ ⎧2 x + y − 2 z = 0 ⎧ y = 4z
≈ ⎜ 0 1 − 4⎟ ≈ ⎜ 0 1 − 4⎟ ⇒ ⎨ ⇒⎨
⎜0 −1 4 ⎟ ⎜0 0 ⎩ − = ⎩2 x + 4 z − 2 z =0
0 ⎟⎠
y 4 z 0
⎝ ⎠ ⎝
⎧⎛ x ⎞ ⎫ ⎧⎛ − z ⎞ ⎫ ⎧ ⎛ − 1⎞ ⎫
⎪⎜ ⎟ ⎪ ⎪⎜ ⎟ ⎪ ⎪ ⎜ ⎟ ⎪
E1 = ⎨⎜ y ⎟ / x = − z ∧ y = 4 z ∧ z ∈ R ⎬ = ⎨⎜ 4 z ⎟ / z ∈ R ⎬ = ⎨ z ⎜ 4 ⎟ / z ∈ R ⎬
⎪⎜ z ⎟ ⎪ ⎪⎜ z ⎟ ⎪ ⎪ ⎜ 1⎟ ⎪
⎩⎝ ⎠ ⎭ ⎩⎝ ⎠ ⎭ ⎩ ⎝ ⎠ ⎭
⎛ − 1⎞
⎜ ⎟
Por tanto el vector propio para λ1 = 1 es v1 = ⎜ 4 ⎟
⎜ 1⎟
⎝ ⎠
⎛1 − 3 − 1 4 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎛ − 2 − 1 4 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
Si λ 2 = 3 entonces ⎜ 3 2−3 − 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟ ⇒ ⎜ 3 − 1 − 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ 2 − 1 − 3 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎜⎝ 2 1 − 4 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ 1

67
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

⎛ − 2 − 1 4 ⎞ 3⎛ − 2 − 1 4 ⎞ ⎛− 2 −1 4 ⎞ ⎛ − 2 −1 4⎞
(2)⎜
⎜ ⎟ ⎜ ⎟
3 − 1 − 1 ⎟ ≈ ⎜ 6 − 2 − 2 ⎟ ≈ − 15 ( )⎜⎜ 0 ⎟ ⎜
− 5 − 10 ⎟ ≈ ⎜ 0 1 2⎟
⎟

(3)⎜⎝ 2 1 − 4 ⎟⎠ ⎜ 6
⎝ 3 − 12 ⎟⎠ ⎜ 0
⎝ 0 0 ⎟⎠ ⎜⎝ 0 0 0 ⎟⎠
⎧−2 x − y + 4 z = 0 ⎧ y = −2 z ⎧ y = −2 z
⎨ ⇒⎨ ⇒⎨
⎩ y + 2 z = 0 ⎩ − 2 x − (− 2 z ) + 4 z = 0 ⎩ x = 3z
⎧⎛ x ⎞ ⎫ ⎧⎛ 3z ⎞ ⎫ ⎧ ⎛ 3⎞ ⎫
⎪⎜ ⎟ ⎪ ⎪⎜ ⎟ ⎪ ⎪ ⎜ ⎟ ⎪
E3 = ⎨⎜ y ⎟ / x = 3 z ∧ y = −2 z ∧ z ∈ R ⎬ = ⎨⎜ − 2 z ⎟ / z ∈ R ⎬ = ⎨ z⎜ − 2 ⎟ / z ∈ R ⎬
⎪⎜ z ⎟ ⎪ ⎪⎜ z ⎟ ⎪ ⎪ ⎜ 1⎟ ⎪
⎩⎝ ⎠ ⎭ ⎩⎝ ⎠ ⎭ ⎩ ⎝ ⎠ ⎭
⎛ 3⎞
⎜ ⎟
λ
Por tanto el vector propio para 2 = 3 es v2 = ⎜ − 2 ⎟
⎜ 1⎟
⎝ ⎠
Si λ3 = −2 entonces
⎛1 − (− 2 ) −1 4 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎛ 3 − 1 4 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 3 2 − (− 2 ) − 1 ⎟⎜ y ⎟ = ⎜ 0 ⎟ ⇒ ⎜ 3 4 − 1⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ 2 − 1 − (− 2)⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎜⎝ 2 1 1 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ 1

⎛ 3 − 1 4 ⎞ (− 1)(− 2 )⎛ 3 − 1 4 ⎞ ⎛ 3 − 1 4 ⎞ ⎛ 3 − 1 4 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 3 4 − 1⎟ ≈ ⎜ 3 4 − 1⎟ ≈ ⎜ 0 5 − 5 ⎟ ≈ ⎜ 0 1 − 1⎟
(3)⎜⎝ 2 1 1 ⎟⎠ ⎜6 3
⎝ 3 ⎟⎠ ⎜⎝ 0 5 − 5 ⎟⎠ ⎜⎝ 0 0 0 ⎟⎠
⎧3x − y + 4 z = 0 ⎧y = z ⎧y = z
⎨ ⇒⎨ ⇒⎨
⎩ y − z = 0 ⎩3x − z + 4 z = 0 ⎩ x = − z
⎧⎛ x ⎞ ⎫ ⎧⎛ − z ⎞ ⎫ ⎧ ⎛ − 1⎞ ⎫
⎪⎜ ⎟ ⎪ ⎪⎜ ⎟ ⎪ ⎪ ⎜ ⎟ ⎪
E− 2 = ⎨⎜ y ⎟ / x = − z ∧ y = z ∧ z ∈ R ⎬ = ⎨⎜ z ⎟ / z ∈ R ⎬ = ⎨ z ⎜ 1 ⎟ / z ∈ R ⎬
⎪⎜ z ⎟ ⎪ ⎪⎜ z ⎟ ⎪ ⎪ ⎜ 1⎟ ⎪
⎩⎝ ⎠ ⎭ ⎩⎝ ⎠ ⎭ ⎩ ⎝ ⎠ ⎭
⎛ − 1⎞
⎜ ⎟
Por tanto el vector propio para λ3 = −2 es v3 = ⎜ 1 ⎟
⎜ 1⎟
⎝ ⎠

El teorema siguiente es muy importante.

Teorema
Vectores propios correspondientes a valores propios
distintos son linealmente independientes.
Demostración.
Suponga que v1 , v2 , v3 ,L, vk son vectores propios correspondientes a los diferentes valores

propios λ1 , λ 2 , λ 3 ,L, λ k de una matriz An×n . Demostraremos que S = {v1 , v2 , v3 ,L, vk } es un

conjunto linealmente independiente.
+ c2 v2 + c3 v3 + L + ck vk = 0 es equivalente a
La combinación lineal c1 v1

c1 Av1 + c2 Av2 + c3 A v3 + L + ck Avk = A0

68
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

Ejemplo
Del ejemplo anterior se puede demostrar que el conjunto de vectores propios
⎧⎛ − 1⎞ ⎛ 3 ⎞ ⎛ − 1⎞⎫
⎪⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎪
S = ⎨⎜ 4 ⎟, ⎜ − 2 ⎟, ⎜ 1 ⎟⎬
⎪⎜ 1 ⎟ ⎜ 1 ⎟ ⎜ 1 ⎟⎪
⎩⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎭
Es linealmente independiente.

Teorema

Los valores propios de una matriz triangular superior o

triangular inferior o diagonal, son los componentes de
la diagonal principal.

Ejemplo
⎛2 5 6⎞
⎜ ⎟
Sea A = ⎜ 0 − 3 2 ⎟ (Una Matriz Triangular Superior). Hallar los valores propios.
⎜0 5 ⎟⎠
⎝ 0
SOLUCIÓN:

A − λI = 0
2−λ 5 6
0 −3−λ 2 =0
0 0 5−λ
⎧λ1 = 2
⎪
(2 − λ )(−3 − λ)(5 − λ ) = 0 ⇒ ⎨λ 2 = −3
⎪λ = 5
⎩ 3

Los valores propios de una matriz no necesariamente son distintos, es

decir podemos tener valores propios repetidos.

5.1.1 Multiplicidad Algebraica

Sea An×n una matriz. Suponga que su polinomio

característico es:
p (λ) : (λ − λ 1 ) (λ − λ 2 ) (λ − λ 3 ) K
r1 r2 r3

a los números r1 , r2 , r3 ,K se les llama Multiplicidad

Algebraica de los respectivos valores propios
λ 1 , λ 2 , λ 3 ,K

69
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

5.1.2 Multiplicidad Geométrica

A la dimensión del Espacio Característico E λ se llama

Multiplicidad Geométrica. correspondiente al valor
propio λ .

Ejemplo 2
⎛ 5 4 2⎞
⎜ ⎟
Sea A = ⎜ 4 5 2 ⎟ . Hallar los valores y vectores propios.
⎜ 2 2 2⎟
⎝ ⎠
SOLUCIÓN:
PRIMERO, el polinomio característico es:

5−λ 4 2
5−λ 4 5−λ
2 = (5 − λ )
2 4 2
A − λI = 4 5−λ − (4) +2
2 2−λ 2 2−λ 2 2
2 2 2−λ
= (5 − λ )[(5 − λ )(2 − λ ) − 4] − 4[4(2 − λ ) − 4] + 2[8 − 2(5 − λ )]
= (5 − λ )(5 − λ )(2 − λ ) − 4(5 − λ ) − 16(2 − λ ) + 16 + 16 − 4(5 − λ )
( )
= 25 − 10λ + λ2 (2 − λ ) − 40 + 8λ − 32 + 16λ + 32
= 50 − 20λ + 2λ2 − 25λ + 10λ2 − λ3 + 24λ − 40
p (λ ) = −λ3 + 12λ2 − 21λ + 10

SEGUNDO, las raíces de la ecuación característica son:

A − λI = 0
− λ3 + 12λ2 − 21λ + 10 = 0
λ3 − 12λ2 + 21λ − 10 = 0
λ3 − λ2 − 11λ2 + 21λ − 10 = 0
(
λ2 (λ − 1) − 11λ2 − 21λ + 10 = 0 )
λ (λ − 1) − (11λ − 10 )(λ − 1) = 0
2

(λ − 1)(λ2 − 11λ + 10) = 0

(λ − 1)(λ − 1)(λ − 10) = 0
⎧λ1 = 1 → M . A. = 2
(λ − 1)2 (λ − 10) = 0 ⇒ ⎨
⎩λ 2 = 10 → M . A. = 1

TERCERO, los espacios soluciones del sistema:

( A − λI )v = 0
⎛5 − λ 4 2 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 4 5−λ 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ 2 2 − λ ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ 2
para cada valor propio, son:

70
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

⎛5 −1 4 2 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎛ 4 4 2 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
Si λ1 = 1 entonces ⎜ 4 5 −1 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟ ⇒ ⎜ 4 4 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ 2 2 − 1⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎜⎝ 2 2 1 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ 2

⎛ 4 4 2 ⎞ (− 2)⎛ 2 2 1 ⎞ ⎛ 2 2 1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 4 4 2⎟ ≈ ⎜ 4 4 2 ⎟ ≈ ⎜ 0 0 0 ⎟ ⇒ {2 x + 2 y + z = 0
⎜2 2 1⎟ ⎜ 4 4 2⎟ ⎜ 0 0 0⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠

⎧⎛ x ⎞ ⎫ ⎧⎛ x ⎞ ⎫ ⎧ ⎛ 1 ⎞ ⎛ 0⎞ ⎫
⎪⎜ ⎟ ⎪ ⎪⎜ ⎟ ⎪ ⎪ ⎜ ⎟ ⎜ ⎟ ⎪
E1 = ⎨⎜ y ⎟ / z = −2 x − 2 y ⎬ = ⎨⎜ y ⎟ / x ∈ R ∧ y ∈ R ⎬ = ⎨ x⎜ 0 ⎟ + y⎜ 1 ⎟ / x ∈ R ∧ y ∈ R ⎬
⎪⎜ z ⎟ ⎪ ⎪⎜ − 2 x − 2 y ⎟ ⎪ ⎪ ⎜ − 2⎟ ⎜ − 2⎟ ⎪
⎩⎝ ⎠ ⎭ ⎩⎝ ⎠ ⎭ ⎩ ⎝ ⎠ ⎝ ⎠ ⎭
⎛ 1⎞ ⎛ 0⎞
⎜ ⎟ ⎜ ⎟
Entonces los vectores propios para λ = 1 son v1 = ⎜ 0 ⎟ y v2 = ⎜ 1 ⎟ y por tanto su
⎜ − 2⎟ ⎜− 2⎟
⎝ ⎠ ⎝ ⎠
multiplicidad Geométrica es 2.

⎛ 5 − 10 4 2 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎛ − 5 4 2 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
Si λ 2 = 10 entonces ⎜ 4 5 − 10 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟ ⇒ ⎜ 4 − 5 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ 2 2 − 10 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎜⎝ 2 2 − 8 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ 2

⎛− 5 4 2 ⎞ ⎛− 5 4 2 ⎞ (− 4 )(5)⎛ 1 1 − 4⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 4 − 5 2 ≈
⎟ ⎜ 4 − 5 2 ⎟ ≈ ⎜ 4 − 5 2 ⎟≈
(12 )
⎜ 2
⎝ 2 − 8 ⎟⎠ ⎜⎝ 1 1 − 4 ⎟⎠ ⎜− 5 4
⎝ 2 ⎟⎠
⎛1 1 −4 ⎞ 1 − 4⎞ ⎛1 1 − 4⎞
⎛1
⎜ ⎟
≈ ⎜ 0 − 9 18 ⎟ ≈ − 19 ( )⎜⎜ 0 ⎟ ⎜ ⎟
− 9 18 ⎟ ≈ ⎜ 0 1 − 2 ⎟
⎜ 0 9 − 18 ⎟ ⎜0 0 0 ⎟⎠ ⎜⎝ 0 0 0 ⎟⎠
⎝ ⎠ ⎝
⎧x + y − 4z = 0 ⎧ y = 2z
⇒⎨ ⇒⎨
⎩ y − 2z = 0 ⎩x + 2z − 4z = 0 → x = 2z

⎧⎛ x ⎞ ⎫ ⎧⎛ 2 z ⎞ ⎫ ⎧ ⎛ 2⎞ ⎫
⎪⎜ ⎟ ⎪ ⎪⎜ ⎟ ⎪ ⎪ ⎜ ⎟ ⎪
E10 = ⎨⎜ y ⎟ / x = 2 z ∧ y = 2 z ∧ z ∈ R ⎬ = ⎨⎜ 2 z ⎟ / z ∈ R ⎬ = ⎨ z ⎜ 2 ⎟ / z ∈ R ⎬
⎪⎜ z ⎟ ⎪ ⎪⎜ z ⎟ ⎪ ⎪ ⎜1 ⎟ ⎪
⎩⎝ ⎠ ⎭ ⎩⎝ ⎠ ⎭ ⎩ ⎝ ⎠ ⎭
⎛ 2⎞
⎜ ⎟
Entonces el vector propio para λ = 10 es v 3 = ⎜ 2 ⎟ y por tanto su multiplicidad Geométrica es 1
⎜1 ⎟
⎝ ⎠

No siempre la multiplicidad geométrica es igual a la

multiplicidad algebraica de los valores propios.

Ejemplo
⎛ 4 6 6⎞
⎜ ⎟
Sea A = ⎜ 1 3 2 ⎟ . Hallar los valores y vectores propios.
⎜ −1 − 5 − 2⎟
⎝ ⎠
SOLUCIÓN:
PRIMERO, el polinomio característico es:

71
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

4−λ 6 6
3−λ 1 3−λ
= (4 − λ )
2 1 2
A − λI = 1 3−λ 2 − (6) +6
−5 −2−λ −1 − 2 − λ −1 − 5
−1 −5 −2−λ
= (4 − λ )[(3 − λ )(− 2 − λ ) + 10] − 6[1(− 2 − λ ) + 2] + 6[− 5 + 1(3 − λ )]
= (4 − λ )(3 − λ )(− 2 − λ ) + 10(4 − λ ) + 6(2 + λ ) − 12 − 30 + 6(3 − λ )
( )
= − 12 − 7λ + λ2 (2 + λ ) + 40 − 10λ + 12 + 6λ − 42 + 18 − 6λ
= −24 + 14λ − 2λ2 − 12λ + 7λ2 − λ3 + 28 − 10λ
p(λ ) = −λ3 + 5λ2 − 8λ + 4

SEGUNDO, las raíces de la ecuación característica son:

A − λI = 0
− λ3 + 5λ2 − 8λ + 4 = 0
λ3 − 5λ2 + 8λ − 4 = 0
λ3 − λ2 − 4λ2 + 8λ − 4 = 0
(
λ2 (λ − 1) − 4 λ2 − 2λ + 1 = 0 )
λ (λ − 1) − 4(λ − 1) = 0
2 2

(λ − 1)(λ2 − 4(λ − 1)) = 0

(λ − 1)(λ − 4λ + 4) = 0
⎧λ 1 = 1 → M . A. = 1
(λ − 1)(λ − 2)2 = 0 ⇒ ⎨
⎩λ 2 = 2 → M . A. = 2

TERCERO, los espacios soluciones del sistema:

( A − λI )v = 0
⎛ 4−λ 6 6 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 1 3−λ 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ −1 −5 − 2 − λ ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝
para cada valor propio, son:
⎛ 4 −1 6 6 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎛ 3 6 6 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
Si λ1 = 1 entonces ⎜ 1 3 −1 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟ ⇒ ⎜ 1 2 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ −1 − 5 − 2 − 1⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎜⎝ − 1 − 5 − 3 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝

(13 )⎛⎜
3 6 6 ⎞ (− 1)⎛ 1
⎟ ⎜
2 2⎞ ⎛1
⎟ ⎜
2 2⎞
⎟
⎜ 1 2 2 ⎟ ≈ ⎜ 1 2 2 ≈
⎟ ⎜ 0 0 0 ⎟
⎜ − 1 − 5 − 3⎟ ⎜ − 1 − 5 − 3⎟ ⎜ 0 − 3 − 1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎧x + 2 y + 2z = 0 ⎧ z = −3 y
⇒⎨ ⇒⎨
⎩− 3 y − z = 0 ⎩ x + 2 y + 2(− 3 y ) = 0 → x = 4 y

⎧⎛ x ⎞ ⎫ ⎧⎛ 4 y ⎞ ⎫ ⎧ ⎛ 4⎞ ⎫
⎪⎜ ⎟ ⎪ ⎪⎜ ⎟ ⎪ ⎪ ⎜ ⎟ ⎪
E1 = ⎨⎜ y ⎟ / x = 4 y ∧ z = −3 y ∧ y ∈ R ⎬ = ⎨⎜ y ⎟ / y ∈ R ⎬ = ⎨ y⎜ 1 ⎟ / y ∈ R ⎬
⎪⎜ z ⎟ ⎪ ⎪⎜ − 3x ⎟ ⎪ ⎪ ⎜ − 3⎟ ⎪
⎩⎝ ⎠ ⎭ ⎩⎝ ⎠ ⎭ ⎩ ⎝ ⎠ ⎭
⎛ 4⎞
⎜ ⎟
λ
Entonces el vector propio para 1 = 1 es v1 = ⎜ 1⎟ y su multiplicidad Geométrica es 1.
⎜− 3 ⎟
⎝ ⎠

72
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

⎛ 4−2 6 6 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎛ 2 6 6 ⎞⎛ x ⎞ ⎛ 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
Si λ 2 = 2 entonces ⎜ 1 3− 2 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟ ⇒ ⎜ 1 1 2 ⎟⎜ y ⎟ = ⎜ 0 ⎟
⎜ −1 −5 − 2 − 2 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠ ⎜⎝ − 1 − 5 − 4 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝

(12 )⎛⎜
2 6 6 ⎞ (− 1)⎛ 1
⎟ ⎜
3 3⎞ ⎛ 1
⎟ ⎜
3 3⎞
⎟
⎜ 1 1 2 ⎟ ≈ ⎜ 1 1 2 ≈
⎟ ⎜ 0 − 2 − 1⎟
⎜ −1 − 5 − 4⎟ ⎜ − 1 − 5 − 4 ⎟ ⎜ 0 − 2 − 1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛ 1 3 3⎞
⎜ ⎟ ⎧ x + 3 y + 3z = 0 ⎧ z = −2 y
≈ ⎜ 0 − 2 − 1⎟ ⇒ ⎨ ⇒⎨
⎜ 0 0 ⎟⎠ ⎩− 2 y − z = 0 ⎩ x + 3 y + 3(− 2 y ) = 0 → x = 3 y
⎝ 0

⎧⎛ x ⎞ ⎫ ⎧⎛ 3 y ⎞ ⎫
⎪⎜ ⎟ ⎪ ⎪⎜ ⎟ ⎪
E2 = ⎨⎜ y ⎟ / x = 3 y ∧ z = −2 y ∧ y ∈ R ⎬ = ⎨⎜ y ⎟ / y ∈ R⎬
⎪⎜ z ⎟ ⎪ ⎪⎜ − 2 y ⎟ ⎪
⎩⎝ ⎠ ⎭ ⎩⎝ ⎠ ⎭
⎛ 3⎞
⎜ ⎟
Entonces el vector propio para λ 2 = 2 es v 2 = ⎜ 1 ⎟ , su multiplicidad Geométrica es 1.
⎜− 2 ⎟
⎝ ⎠

Teorema

La Multiplicidad Geométrica es menor o igual a la

Multiplicidad Algebraica de los valores propios.

5.2 MATRICES SEMEJANTES

Se dice que dos matrices A y B son semejantes si

existe una matriz C invertible, tal que: B = C −1 AC
Esto lo podemos ver como una transformación que mediante
una matriz invertible C convertimos a la matriz A en la matriz B .
T : M n×n a M n×n
A a B = C −1 AC

73
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

Teorema

Las Matrices Semejantes tienen los mismos Valores

Propios.

Teorema

Sea An×n una matriz. Si un valor propio de A es cero

entonces A es singular (no tiene inversa)

Demostración:
Suponga que un valor propio de una matriz An×n es λ = 0.
En la ecuación característica, tenemos:
A − λI = 0
A − (0) I = 0
A =0
Por tanto, A es una matriz singular.

Teorema

Sea An×n una matriz. Suponga que A es no singular

(tiene inversa) y suponga también que los valores
propios de A son λ1 , λ 2 ,L, λ k . Entonces, los valores
1 1 1
propios de A−1 son , ,L ,
λ1 λ 2 λk

Un trabajo interesante es hallar matrices semejantes

diagonales. Es decir, diagonalizar una matriz.

74
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

5.3 DIAGONALIZACIÓN.

Teorema

Una matriz An×n es diagonalizable si y sólo si la

multiplicidad algebraica de sus valores propios es
igual a la multiplicidad geométrica

Con este teorema, ya sabemos cuando una matriz es

diagonalizable, ahora debemos definir la matriz C tal que C AC = D .
−1

Para convertir una matriz A en una matriz diagonal mediante la

transformación de semejanza, las columnas de la matriz C deben
ser los vectores propios de la matriz A , en tal caso la matriz diagonal
D tiene como elementos en su diagonal a los valores propios de la
matriz A . Es decir:
⎛ λ1 0 0⎞
⎜ ⎟
C −1 AC = D = ⎜ 0 λ2 0⎟
⎜0 O⎟⎠
⎝ 0
⎛ ⎞
⎜ ⎟
donde C = ⎜ v1 v2 L vn ⎟
⎜ ⎟
⎝ ⎠

Ejemplo 1
⎛1 −1 4 ⎞
⎜ ⎟
La Matriz A = ⎜ 3 2 − 1⎟ tiene como valores propios a λ1 = 1 , λ 2 = 3 , λ3 = −2 y
⎜ 2 1 − 1⎟
⎝ ⎠
⎛ − 1⎞ ⎛ 3⎞ ⎛ − 1⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
los vectores propios respectivamente son: v1 = ⎜ 4 ⎟ , v 2 = ⎜ − 2 ⎟ y v3 = ⎜ 1 ⎟ , por
⎜ 1⎟ ⎜ 1⎟ ⎜ 1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
tanto esta matriz si es diagonalizable.

En tal caso:
⎛−1 3 − 1⎞⎛ 1 − 1 4 ⎞ ⎛1 0 0⎞
−1 ⎜ ⎟⎜ ⎟ −1 ⎜ ⎟
CAC = ⎜ 4 − 2 1 ⎟⎜ 3 2 − 1⎟C = ⎜ 0 3 0⎟
⎜1 1 1 ⎟⎠⎜⎝ 2 1 − 1⎟⎠ ⎜ 0 0 − 2⎟
⎝ ⎝ ⎠
Encuentre C −1 y verifique el resultado de la multiplicación.

PREGUNTA: ¿Qué ocurre si tomamos en otro orden a los

vectores propios para construir a la matriz C ?.

75
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

Ejemplo 2
⎛ 5 4 2⎞
⎜ ⎟
La matriz A = ⎜ 4 5 2 ⎟ también es diagonalizable ¿Por qué?.
⎜ 2 2 2⎟
⎝ ⎠
Verifíquelo.

Ejemplo 3
⎛ 4 6 6⎞
⎜ ⎟
La Matriz A = ⎜ 1 3 2 ⎟ no es diagonalizable. ¿Por qué?.
⎜ −1 − 5 − 2⎟
⎝ ⎠

5.4 Matrices Simétricas

Las matrices simétricas tienen propiedades interesantes

5.4.1 Propiedades

Sea An×n una matriz simétrica, entonces:

1. Sus valores propios son reales.
2. Tiene n vectores propios linealmente
independientes. Por tanto será diagonalizable.
3. Los vectores propios correspondientes a valores
propios diferentes son ortogonales.

Ejemplo
⎛3 4 ⎞
Sea A = ⎜⎜ ⎟⎟ (Una Matriz Simétrica). Hallar los valores y vectores propios.
⎝ 4 − 3⎠
SOLUCIÓN:
PRIMERO, hallamos los valores propios
A − λI = 0
3−λ 4
=0
4 −3−λ
(3 − λ )(−3 − λ ) − 16 = 0
λ2 − 25 = 0
⎧λ = 5
λ2 = 25 ⇒ ⎨ 1
⎩λ 2 = −5
SEGUNDO, hallamos los vectores propios

76
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

(2)⎛⎜ −2 4 0 ⎞ ⎛ −2 4 0 ⎞
Si λ1 = 5 entonces ⎜ 4 − 8 0 ⎟⎟ ≈ ⎜⎜ 0 0 0 ⎟⎟ ⇒ −2 x + 4 y = 0 ⇒ x = 2 y
⎝ ⎠ ⎝ ⎠
⎧⎪⎛ x ⎞ ⎫⎪ ⎧⎪⎛ 2 y ⎞ ⎫⎪ ⎧⎪ ⎛ 2 ⎞ ⎫⎪
E5 = ⎨⎜⎜ ⎟⎟ / x = 2 y ⎬ = ⎨⎜⎜ ⎟⎟ / y ∈ IR ⎬ = ⎨ y ⎜⎜ ⎟⎟ / y ∈ IR ⎬
⎪⎩⎝ y ⎠ ⎪⎭ ⎪⎩⎝ y ⎠ ⎪⎭ ⎪⎩ ⎝ 1 ⎠ ⎪⎭
⎛ 2⎞
Por tanto para λ1 = 5 el vector propio es v1 = ⎜⎜ ⎟⎟
⎝1 ⎠
Si λ 2 = −5 entonces:
⎛ 8 4 0⎞ ⎛ 4 2 0⎞
⎜ ⎟≈⎜ ⎟ ⇒ 4 x + 2 y = 0 ⇒ y = −2 x
(− 2)⎜⎝ 4 2 0 ⎟⎠ ⎜⎝ 0 0 0 ⎟⎠
⎪⎧⎛ x ⎞ ⎫⎪ ⎧⎪⎛ x ⎞ ⎫⎪ ⎧⎪ ⎛ 1⎞ ⎫⎪
E− 5 = ⎨⎜⎜ ⎟⎟ / y = −2 x ⎬ = ⎨⎜⎜ ⎟ / x ∈ R ⎬ = ⎨ x⎜⎜ ⎟ / x ∈ R⎬
⎪⎩⎝ y ⎠ ⎪⎭ ⎪⎩⎝ − 2 x ⎟⎠ ⎪⎭ ⎪⎩ ⎝ − 2 ⎟⎠ ⎪⎭
⎛ 1⎞
Por tanto para λ 2 = −5 el vector propio es v2 = ⎜⎜ ⎟⎟
⎝ − 2⎠
Comprobando que v1 y v2 son ortogonales
⎛ 2 ⎞ ⎛ 1⎞
v1 • v2 = ⎜⎜ ⎟⎟ • ⎜⎜ ⎟⎟ = 2 − 2 = 0
⎝1 ⎠ ⎝ − 2 ⎠

5.5 Diagonalización Ortogonal

Ya se ha mencionado que toda matriz simétrica es
diagonalizable, por tanto aquí va a ser de mayor utilidad definir una
matriz diagonalizante especial.

5.5.1 Matriz Ortogonal

Propiedades

Sea Qn×n una Matriz Ortogonal. Entonces:

1. Sus columnas constituyen una base ortonormal
para R
n

2. det Q = ±1
3. Q −1 = Q t

Ejemplo
⎛ 2⎞ ⎛ 1⎞
Los vectores ortogonales v1 = ⎜⎜ ⎟⎟ y v2 = ⎜⎜ ⎟⎟ del ejemplo anterior, normalizándolos
⎝1 ⎠ ⎝ − 2⎠
y ubicándolos como columnas de una matriz, construimos una matriz ortogonal
⎛ 2 1 ⎞
Q=⎜ 5 5⎟
⎜ 1 − 2 ⎟
⎝ 5 5⎠

77
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

Note que:
1. Sus columnas constituyen una base ortonormal para R 2
2. Q = ⎛− ⎞− ⎛ ⎞ = − 4 − 1 = − 5 = −1
2
⎜ 2
⎟ 1
⎜ 1
⎟
5 ⎝ 5 ⎠ 5 ⎝ 5 ⎠ 5 5 5

⎛ 2 1 ⎞
3. Qt = ⎜ 5 5 ⎟ = Q −1 . Compruébelo.
⎜ 1 − 2 ⎟
⎝ 5 5⎠

Para Matrices Simétricas es mejor definir su matriz

diagonalizante como una Matríz Ortogonal; es decir:
Q t AQ = D
Donde, las columnas de Q , serán los vectores propios
ortonormalizados de la matriz simétrica A , es decir:
⎛ ⎞
⎜ ⎟
Q = ⎜ u1 u 2 L u n ⎟
⎜ ⎟
⎝ ⎠

Ejemplo
⎧ ⎛ 2⎞
⎪λ1 = 5 → v1 = ⎜⎜ ⎟⎟
⎛3 4 ⎞
La matriz A = ⎜⎜ ⎟⎟ tiene como valores y vectores propios a ⎪⎨ ⎝1 ⎠
⎝ 4 − 3⎠ ⎪ ⎛ 1⎞
⎪λ 2 = −5 → v2 = ⎜⎜ − 2 ⎟⎟
⎩ ⎝ ⎠
Por tanto la matriz que la diagonaliza ortogonalemte es:
⎛2 1 ⎞
Q=⎜ 1 5 5 ⎟
⎜ − 2 ⎟
⎝ 5 5⎠

⎛ 2 1 ⎞⎛ 3 4 ⎞⎛ 2 1 ⎞ ⎛5 0 ⎞
Entonces: Q −t AQ = ⎜ 5 5 ⎟⎜ ⎟⎜ 5 5⎟=⎜ ⎟
⎜ 1 − 2 ⎟⎜ 4 − 3 ⎟⎠⎜ 1 − 2 ⎟ ⎜ 0 − 5 ⎟⎠
⎝ 5 5 ⎠⎝ ⎝ 5 5⎠ ⎝

5.6 Descomposición Espectral

Sea An×n una matriz simétrica, entonces la

descomposición espectral de A se define como:

A = λ 1 (u1 )(u1 ) + λ 2 (u 2 )(u 2 ) + L + λ n (u n )(u n )

t t t

Donde λ1, λ 2 ,L, λ n son los valores propios de A y

u1, u2 ,L, un son los respectivos vectores propios ortonormalizados.

78
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

Ejemplo
⎛3 4 ⎞
Para la matriz A = ⎜⎜ ⎟⎟ como sus valores y vectores propios son:
⎝ 4 − 3⎠
⎧ ⎛2 ⎞
⎪λ = 5 → v = ⎛⎜ 2 ⎞⎟ → u = ⎜ 5 ⎟
⎪ 1 1 ⎜ ⎟ 1 ⎜ 1 ⎟
⎝1 ⎠ ⎜ ⎟
⎪ ⎝ 5⎠
⎨
⎪ ⎛ 1⎞ ⎛1 ⎞
⎪λ 2 = −5 → v2 = ⎜⎜ ⎟⎟ → u2 = ⎜⎜ ⎟
5
⎟⎟
⎪ ⎝ − 2⎠ ⎜− 2
⎝ 5⎠
⎩
Entonces su descomposición espectral sería:
A = λ1 (u1 )(u1 )t + λ 2 (u2 )(u2 )t
⎡ 2 ⎤ ⎡ 1 ⎤
⎛3 4 ⎞ ⎡ 2 1 ⎤
⎜⎜ ⎟⎟ = 5⎢ 5⎥
+ (−5) ⎢ 52 ⎥ ⎡ 1 − 2 ⎤
⎢ 1 ⎥ ⎢⎣ 5 5 ⎥⎦1×2 ⎢− ⎥ ⎢⎣ 5 ⎥⎦1×2
⎝ 4 − 3⎠ 5
⎣ 5 ⎦ 2×1 ⎣ 5 ⎦ 2×1
Comprobando:
⎡ 2 ⎤ ⎡ 1 ⎤
⎛3 4 ⎞ ⎡ 2 1 ⎤
⎜⎜ ⎟⎟ = 5⎢ 5⎥
+ (−5) ⎢ 52 ⎥ ⎡ 1 − 2 ⎤
⎢ 1 ⎥ ⎢⎣ 5 5 ⎥⎦1×2 ⎢− ⎥ ⎢⎣ 5 ⎥⎦1×2
⎝ 4 − 3⎠ 5
⎣ 5 ⎦ 2×1 ⎣ 5 ⎦ 2×1
⎛3 4 ⎞ ⎛4 2⎞ ⎛ 1 − 52/ ⎞⎟
⎜⎜ ⎟⎟ = 5/ ⎜ 52/ 5/ ⎟ + (−5/ )⎜ 5/ 2
⎝ 4 − 3⎠ ⎜ 1⎟ ⎜− 4 ⎟
⎝ 5/ 5/ ⎠ 2×2 ⎝ 5/ 5/ ⎠

⎛ 3 4 ⎞ ⎛ 4 2⎞ ⎛ −1 2 ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟
⎝ 4 − 3⎠ ⎝ 2 1 ⎠ ⎝ 2 − 4 ⎠
⎛3 4 ⎞ ⎛3 4 ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ 4 − 3⎠ ⎝ 4 − 3⎠

Ejemplo 2
⎛ 5 4 2⎞
⎜ ⎟
La Matriz Simétrica A = ⎜ 4 5 2⎟ tiene como valores y vectores propios a:
⎜ 2 2 2⎟
⎝ ⎠
⎧ ⎧ ⎛ 1⎞
⎪ ⎪ ⎜ ⎟
⎪ ⎪ v1 = ⎜ 0⎟
⎪ ⎪ ⎜ − 2⎟
⎪λ = 1 → ⎪ ⎝ ⎠
⎪ 1 ⎨
⎪ ⎛ 0⎞
⎪⎪ ⎪v = ⎜⎜ 1 ⎟⎟
⎨ ⎪ 2
⎪ ⎜ − 2⎟
⎪ ⎩⎪ ⎝ ⎠
⎪ ⎛ 2⎞
⎪ ⎜ ⎟
⎪λ 2 = 10 → v 3 = ⎜ 2 ⎟
⎪ ⎜1 ⎟
⎩⎪ ⎝ ⎠
Note que v1 y v 3 son ortogonales, que v2 y v 3 también los son , pero v1 y v2 no
lo son, porque pertenecen al mismo valor propio.
Como la Matriz Q debe tener vectores ortonormales como columnas, entonces
aplicamos el proceso de Gram-Schmidt para v1 y v2 ; para v 3 bastará con hacerlo
unitario.

79
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

⎧ ⎫ ⎛ 1 ⎞
⎜ 5 ⎟
⎪⎛ 1 ⎞ ⎛ 0 ⎞⎪ (1,0,−2 ) ⎜ ⎟
Sea ⎪⎪⎜ ⎟ ⎜ ⎟⎪⎪ entonces u1 = ⇒ u1 = ⎜ 0 ⎟
S = ⎨⎜ 0 ⎟, ⎜ 1 ⎟⎬ 5 ⎜⎜ − 2 ⎟⎟
⎪⎜ − 2 ⎟ ⎜ − 2 ⎟⎪ ⎝ 5⎠
⎪⎝123⎠ ⎝123⎠⎪
⎪⎩ V1 V2 ⎪⎭
Luego:
⎡ ⎛ 1 ⎞⎤⎛ 1 ⎞ ⎛ 1 ⎞
⎛ 0 ⎞ ⎢⎛ 0 ⎞ ⎜ 5 ⎟⎥⎜ 5 ⎟ ⎛ 0 ⎞ ⎜ 5 ⎟ ⎛ 0 ⎞ ⎛⎜ 4 ⎞⎟
⎜ ⎟ ⎢⎜ ⎟ ⎜ ⎟⎥⎜ ⎟ ⎜ ⎟ ⎡ 4 ⎤ ⎜ ⎟ ⎜ ⎟ ⎜ 5 ⎟
v2´= ⎜ 1 ⎟ − ⎜ 1 ⎟ ⋅ ⎜ 0 ⎟⎥⎜ 0 ⎟ = ⎜ 1 ⎟ − ⎢ 5 ⎥⎜ 0 ⎟ = ⎜ 1 ⎟ − ⎜ 0 ⎟
⎜ − 2 ⎟ ⎢⎢⎜ − 2 ⎟ ⎜ − 2 ⎟⎟⎥⎜⎜ − 2 ⎟⎟ ⎜⎝ − 2 ⎟⎠ ⎣ ⎦⎜ − 2 ⎟ ⎜ − 2 ⎟ ⎜ − 8 ⎟
⎝ ⎠ ⎝ ⎠ ⎜ ⎜ ⎟ ⎝ ⎠ ⎝ 5⎠
⎢⎣ ⎝ 5 ⎠⎥⎦⎝ 5 ⎠ ⎝ 5⎠

⎛ ⎞
⎜− 4 ⎟
⎛− 4 ⎞
⎜ 5⎟ v ´ −
v2 ´ = ⎜ 1 ⎟ ⇒ u 2 = 2 = 5
4 ,1,− 2 ( ⎜ 3 5⎟
5 ⇒u =⎜ 5 ⎟
)
2
⎜ 2⎟ v2 3 5 ⎜ 3 5 ⎟
⎜− ⎟ ⎜− 2 ⎟
⎝ 5 ⎠ 5 ⎜ 3 5⎟
⎝ ⎠
⎛2 ⎞
⎜ 3⎟
⎜ ⎟
v3
Y u3 = =⎜2 ⎟
v3 ⎜ 3 ⎟
⎜1 ⎟
⎝ 3⎠
⎛ 1 2⎞ ⎛
⎜ − 4 ⎟ ⎜
1 0 − 2 ⎞⎟
⎜ 5 3 5 3⎟ 5 5
⎜ ⎟
Por tanto Q=⎜ 0 5 2⎟ Y Q −1 = ⎜ − 4 5 − 2 ⎟
⎜ 3 5 3⎟
⎜ 3 5 3 5 3 5⎟
⎜− 2 − 2 1⎟ ⎜ 2 2 1 ⎟
⎜ 3 ⎟⎠ ⎝ 3 ⎠
⎝ 5 3 5 3 3

Se puede verificar que:

Q −1 AQ = D
⎛ ⎛ 1 2⎞
⎜
1 0 − 2 ⎞⎟ ⎜ − 4 ⎟
5 5 ⎛ 5 4 2 ⎞⎜ 5 3 5 3 ⎟ ⎛1 0 0⎞
⎜ ⎟⎜ ⎟ 2 ⎟ = ⎜0 ⎟
⎜− − ⎟⎜ 4 5 2 ⎟⎜ 0
4 5 2 5
⎜ 1 0⎟
⎜ 3 5 3 5 3 5 ⎟⎜ ⎟⎜ 3 5 3⎟
⎜ 0 10 ⎟⎠
⎜ 2 2 1 ⎟⎝ 2 2 2 ⎠⎜ − 2 − 2 1 ⎟ ⎝0
⎝ 3 ⎠ ⎜ 3 ⎟⎠
3 3 ⎝ 5 3 5
Verifique también que:

A = λ1(u1 )(u1 )t + λ 2 (u 2 )(u 2 )t + λ 3 (u3 )(u3 )t

⎛ ⎞
⎛ 1 ⎞ ⎜− 4 ⎟ ⎛2 ⎞
⎛ 5 4 2⎞ ⎜ ⎟ ⎜ 3 5 ⎟ ⎜ 3⎟
⎜ ⎟ ⎜ ⎟⎛ 1 ⎞ ⎜ ⎟⎛ ⎞
( )
5 ⎜ ⎟
⎜ 4 5 2 ⎟ = 1⎜ 0 ⎟⎜⎜ 0 − 2 ⎟ + 1⎜ 5 ⎟⎜⎜ −
4 5 − 2 ⎟ + 10⎜ 2 ⎟ 2 2 1
⎜ 2 2 2⎟ ⎜ − 2 ⎟⎝ 5 5 ⎟⎠ ⎜ 3 5 ⎟⎝ 3 5 3 5 3 5 ⎟⎠ ⎜ ⎟
3 3 3 3
⎝ ⎠ ⎜ ⎟ ⎜− 2 ⎟ ⎜1 ⎟
⎝ 5 ⎠ ⎜ ⎟ ⎝ 3⎠
⎝ 3 5 ⎠

Ejercicios Propuestos
1. Encuentre los valores y vectores propios. Determine si la matriz A es diagonalizable o no.
Si es diagonalizable, encuentre una matriz C , tal que C −1 AC = D , verifique AC = CD .
⎛ 1 1 − 2⎞
⎛ 4 2⎞ ⎜ ⎟
a) A = ⎜⎜ ⎟⎟ b) A = ⎜ − 1 2 1⎟
⎝ 3 3⎠ ⎜ 0 1 −1 ⎟
⎝ ⎠

80
MOISES VILLENA MUÑOZ Cap. 5 Valores y Vectores Propios

2. Hallar los valores y vectores propios. Hallar la matriz Q que diagonaliza ortogonalmente a la
−1
Matriz A . Hallar Q . Comprobar que Q −1 AQ = D . Muestre y compruebe la
descomposición espectral.
⎡3 2 4⎤ ⎛ 3 2 2⎞
⎡1 3⎤ ⎜ ⎟
a) A = ⎢ ⎥ b) A = ⎢⎢2 0 2⎥
⎥ c) A = ⎜ 2 2 0 ⎟
⎣3 5⎦ ⎢⎣4 2 3⎥⎦ ⎜ 2 0 4⎟
⎝ ⎠

Misceláneos
1. Diga ¿cuál de las siguientes proposiciones es verdadera y cuál es falsa? Justifique.

⎛ 2 −1⎞
a) La matriz A = ⎜⎜ ⎟⎟ tiene como valores propios 0 y 4.
⎝− 4 2 ⎠

⎛1 2 5⎞
⎜ ⎟
b) Si A es una matriz semejante a la matriz B = ⎜ 0 3 8 ⎟ entonces sus valores propios
⎜0 0 7⎟
⎝ ⎠
son 1,3,7 y tiene 3 vectores propios linealmente independiente.

⎛1 2 5⎞
⎜ ⎟
c) Los valores propios de la matriz A = ⎜ 0 2 4 ⎟ son 1, 2, 3 .
⎜ 0 0 3⎟
⎝ ⎠

⎡1 − 1 4⎤
3. Encuentre los valores y vectores propios para A = ⎢⎢3 ⎥
2 − 1⎥ . Determine si la matriz
⎢⎣2 1 − 1⎥⎦
A es diagonalizable o no. Si es diagonalizable, encuentre una matriz C , tal que
C −1 AC = D , verifique AC = CD .

4. Hallar los valores y vectores propios. Hallar la matriz Q que diagonaliza ortogonalmente a la
−1 −1
Matriz A . Hallar Q . Comprobar que Q AQ = D. Muestre y compruebe su
descomposición espectral.
⎡ 1 −1 0⎤ ⎛ 1 −1 0 ⎞ ⎡ − 1 2 2⎤
⎜ ⎟ ⎢ ⎥
a) A = ⎢⎢ − 1 2 − 1⎥
⎥ b) A = ⎜ − 1 2 − 1⎟ c) A = ⎢ 2 − 1 2⎥
⎢⎣ 0 − 1 1 ⎥⎦ ⎜ 0 −1 1 ⎟ ⎢⎣ 2 2 1⎥⎦
⎝ ⎠

81