5.1.

AUTOVALORES Y AUTOVECTORES DE UNA MATRIZ Y DE

UNA APLICACIN LINEAL.
Subespacios invariantes por una aplicacin lineal
Autovalores y autovectores de una aplicacin.
Relacin entre autovalores y autovectores de una aplicacion lineal y
una matriz asociada
Autovalores de una matriz
Clculo de autovalores y autovectores de una matriz
Subespacios invariantes por una aplicacin lineal
Consideremos la aplicacin lineal
h(x,y)=(3x,3y)
Cul es su matriz asociada?
Es evidente que la matriz asociada es la matriz

Una pregunta que nos podramos hacer ante esta aplicacin lineal es cules
son los subespacios vectoriales que quedan invariantes por f?
Intentemos estudiar esto.
Como se trata de una aplicacin lineal de R 2R2 los subespacios que tomamos
de R2 se convertirn en subespacios de R2
Veamos en qu se convierte por ejemplo el subespacio

Se trata de una recta generada por el vector (1,1)

Dibujemos esa recta en DERIVE

Veamos en qu se convierten los vectores de este subespacio por la aplicacin

h.
Definimos en DERIVE la aplicacin lineal

Calculamos las imgenes de algunos vectores de W1 y obtendremos

El primer vector imagen lo podremos dibujar editando la expresin

y dibujando con el comando PLOT (recurdese que debemos indicar a

DERIVE que dibuje en MODE-CONNECTED), de tal forma que tras dibujar
resulta:

As podemos ir haciendo con el resto de vectores y resulta

Como puede verse h(W1)=W1. Tenemos por tanto un subespacio invariante.

De la misma forma se podra comprobar que el subespacio

vuelve a ser un subespacio invariante por h. Efectivamente, si calculamos la

imagen por h de cualquier vector de W2 ahora de manera analtica tendremos
que
Por lo que la imagen vuelve a ser un vector del subespacio W 2.
En realidad la aplicacin lineal h, es una HOMOTECIA de razn 3. Y todas
las homotecias del plano dejan invariantes a los subespacios vectoriales que
son rectas que pasan por el origen.
Sin embargo, en casos ms complejos no resulta tan sencillo comprobar
grficamente qu subespacios vectoriales permanecern invariantes por una
aplicacin lineal. Este mismo problema surge si aumentamos la dimensin y
consideramos aplicaciones lineales de R3 en R3 entonces la visualizacin
resulta ms compleja.

Se hace por tanto necesario disponer de los CONCEPTOS y MTODOS

ANALTICOS que nos permitan determinar cundo un subespacio vectorial
de un espacio vectorial V permanece invariante por una aplicacin lineal de V
en s mismo. Esto justifica el estudio de los AUTOVALORES y
AUTOVECTORES de una aplicacin lineal, que como veremos en la
definicin son los elementos imprescindibles para obtener los subespacios
invariantes de una aplicacin lineal.
Comenzamos por tanto definiendo estos dos conceptos.
DEFINICION DE AUTOVALOR Y AUTOVECTOR DE UNA
APLICACIN LINEAL.
Sea V un espacio vectorial de dimensin finita sobre un cuerpo K (en
general suele ser R, el cuerpo de los nmeros reales) y sea f;V V una
apliccin lineal.
Diremos que el escalar K (o a R) es un AUTOVALOR O VALOR
PROPIO de f si existe un cierto vector v V (siendo v un vector no nulo
de V) tal que
f(v) = v
Al vector v se le denomina AUTOVECTOR O VECTOR PROPIO de f
asociado al autovalor .
EJEMPLO
Sea la aplicacin lineal

cules son sus autovalores y autovectores?

Consideremos un vector genrico de R2

Qu deber verificar el valor a, y el vector v para que a sea el autovalor y v el

autovector de esta aplicacin lineal?
Por definicin tendr que cumplirse que

expresin que una vez simplificada nos da

En estas circunstancias si consideramos por ejemplo a=1, tendremos

Esto quiere decir que un autovalor sera a=1 y los autovectores seran de la
forma (x,x)
Y si a=-1, tendremos que

En cuyo caso un autovalor sera a=-1 y los autovectores seran de la forma (x,x).
En el ejemplo que acabamos de estudiar, se obtienen de forma relativamente
sencilla los autovalores y autovectores de la aplicacin lineal, pero esto NO
ES FRECUENTE; por lo que precisamos de un mtodo ms operativo que nos
permita calcular dichos autovalores y autovectores.
Para conseguir obtener un mtodo operativo con el que obtengamos estos
resultados, vamos a observar la relacin que guardan las aplicaciones lineales
con sus matrices asociadas, es decir, vamos a intentar obtener las relaciones
operativas en las que se traducen en matrices los autovalores y autovectores de
una matriz.
Vamos a estudiar a continuacin la relacin que guardan los autovalores de
una aplicacin lineal respecto a las matrices asociadas, qu tipo de traduccin
podemos establecer en este tema entre aplicaciones lineales y matrices.
EJEMPLO
Para ello consideremos la siguiente aplicacin lineal:

Consideremos una base de R3 formada por los vectores B={w1, w2, w3} tales
que

Cul ser la matriz asociada a f respecto de esta base B en el espacio inicial y

final ?
Para obtener esta matriz asociada deberemos obtener las coordenadas de los
vectores f(w1), f(w2), f(w3) en la base B, es decir tendremos que
1. Calcular las coordenadas de f(w1) en la base B

2. Calcular las coordenadas de f(w2) en la base B

3. y las coordenadas de f(w3) en la base B

Lo cual quiere decir que la matriz asociada a f respecto de dicha base B ser la
matriz

Qu relacin guardan los AUTOVALORES y AUTOVECTORES de f

respecto a dicha matriz MF?
Veamos un caso concreto.
La aplicacin lineal f tiene un autovalor a=1, con autovector asociado.

Esto se puede comprobar de forma muy sencilla pues

es decir que f(r1)=1*r1.
Qu operacin tendramos que realizar con la matriz MF?
Calculemos las coordenadas de este autovector r1 en la base B

Es decir, que las coordenadas de r1, en B vienen dadas por el vector (1,-1,-1).
qu sucede si multiplicamos la matriz MF por dicho vector?

es decir que la operacin que realizamos con la aplicacin lineal f(r1)=1*r1

se traduce en otra operacin con matrices MF . x1 = 1*x1

siendo x1 las coordenadas de r1 en la base B.Consideremos otro autovector asociado a f respecto del autovalor 1, por
ejemplo el vector

es claro que es autovector asociado al autovalor 1, ya que

es decir f(r2) = 1*r2.
Veamos que se cumple la misma relacin que antes.
Calculamos las coordenadas del vector (-2,0,2) en la base B mediante

por tanto sus coordenadas son (2,-2,-2).

Obsrvese que se vuelve a cumplir la relacin anterior:

Este hecho nos hace plantearnos la siguiente relacin:

Si es un autovalor de f con autovector asociado v , es decir f(v)=v,
entonces parece existir una relacin con las matrices de tal forma que si x son
las coordenadas de v respecto de la base B y A es la matriz asociada a f
respecto de dicha base entonces se cumple que Ax = x
Vamos a volverlo a comprobar con otro autovalor de f y otro autovector.
Otro de los autovalores de esta aplicacin lineal f es =3, siendo uno de sus
autovectores el vector (1,-2,1), hecho que se comprueba fcilmente pues

(es decir f(1,-2,1)=3*(1,-2,1)

Por otro lado las coordenadas de (1,-2,1) en la base B={w1,w2,w3} se obtiene
efectuando

Obsrvese que ahora se verifica que

Con estos ejemplos podemos llegar a demostrar la siguiente proposicin:

PROPOSICION.
Sea f:RnRn una aplicacin lineal con matriz asociada A de orden n
respecto de la base B={u1,u2,...,un}. Entonces se verifica:
es autovalor de f con autovector v RnAx= x, siendo x las
coordenadas de v respecto de la base B.
Demostracin formal.
) Si es autovalor de f con autovector v entonces por definicin se verifica
que
f(v)=v
Si A es la matriz asociada a f respecto de la base B y x son las coordenadas
de v en la base B, se cumple que las coordenadas de f(v) en la base B son
Ax
Luego como f(v)=v, entonces las coordenadas de f(v) son las coordenadas
de v por , es decir
Ax= x
que es lo que quera demostrar.
) Supongamos ahora que para cierto * existe un cierto vector x*Rn tal que
Ax* = *x*
Si x* son las coordenadas de cierto vector v* en la base inicial entonces
v*=x1*v1 + x2*v2+...+xn*vn

luego cunto valdr f(v*)?

f(v*)= x1*f(v1) + ... + xn*f(vn) =
= x1*Av1 +... + xn*Avn =
= x1* *v1+...+xn* *vn =
= *(x1*v1 +...+ xn*vn) = *v #
Como podemos observar los AUTOVALORES de una aplicacin lineal
verifican ciertas propiedades respecto de la matriz asociada a dicha aplicacin
lineal. Esta propiedad es la que nos sirve para definir el concepto de
AUTOVALOR DE UNA MATRIZ.

DEFINICIN (AUTOVALOR DE UNA MATRIZ)

Sea A una matriz de orden n, diremos que R es un AUTOVALOR DE
LA MATRIZ A si existe cierto vector
tal que
llamaremos AUTOVECTOR asociado al autovalor .

Al vector

le

Segn esta definicin, y partiendo de la PROPOSICIN anterior, es fcil

observar que los AUTOVALORES DE UNA APLICACIN LINEAL
coinciden con los AUTOVALORES DE SU MATRIZ ASOCIADA. Una cosa
diferente, sucede con los AUTOVECTORES. Como se observa en la
proposicin si es un autovector de la aplicacin lineal f, entonces el
vector (coordenadas del vector la base B) ser autovector de la matriz
asociada A respecto de la base B.
Segn esta observacin anterior es evidente que si A es la matriz asociada a
una aplicacin lineal f respecto de las bases cannicas podemos afirmas que
los AUTOVALORES y los AUTOVECTORES de la matriz y la aplicacin
lineal coinciden. Por consiguiente, si deseamos obtener los autovalores y
autovectores de una aplicacin lineal, ser suficiente construir la matriz
asociada de f respecto de las bases cannicas y obtener autovalores y
autovectores de dicha matriz. Es decir:
LOS AUTOVALORES Y AUTOVECTORES de una aplicacin lineal y su
matriz asociada respecto de las bases cannicas COINCIDEN.

Cmo podramos obtener un mtodo de clculo de autovectores y

autovalores de una matriz?
Para obtener el mtodo de clculo, consideremos la siguiente proposicin:
PROPOSICION.
Si A es una matriz de orden n. Son equivalentes:
1. R es autovalor de A
2. |A- In|=0
3.
es un sistema homogneo compatible indeterminado.
Demostracin.
(1) (3).
es un autovalor de la matriz A existe cierto vector
y por tanto autovector de A) tal que

(vector no nulo,

. Si pasamos al primer miembro,

el trmino
obtenemos que

. Esta ecuacin
muestra un sistema homogneo que ha de tener soluciones distintas de la
trivial, lo cual quiere decir que se trata de un sistema compatible
indeterminado.
(3) (2)
El sistema homogneo
de la matriz

es compatible indeterminado el rango

no es completo

Por tanto tenemos un mtodo para obtener los autovalores y autovectores de

una matriz. En particular, los autovalores resultan de resolver la ecuacin

Esta ecuacin se denomina ECUACIN CARACTERSTICA de A.

Y al primer miembro de la ecuacin, es decir

se le denomina POLINOMIO CARACTERSTICO de A. En consecuencia

encontrar los autovalores de una matriz no es ms que encontrar las races del
polinomio caracterstico de dicha matriz.
Veamos como realizar este proceso con DERIVE:

EJEMPLO
Sea la matriz

Calcular sus autovalores y autovectores.

a. Para calcular sus autovalores, construimos su polinomio caracterstico,
es decir:
Editamos

De donde el polinomio caracterstico sera

Por tanto los autovalores se obtienen resolviendo la ecuacin
caracterstica

y obtenemos

luego los autovalores son: 0,1,3.

b. Para calcular los AUTOVECTORES; debemos ir considerando cada

uno de los autovalores.

Para el autovalor b=0, los autovectores se obtienen como solucin el sistema

homogne que al simplificar nos da el sistema de ecuaciones:

cuyas soluciones son:

por tanto los autovectores asociados al autovalor b=0, son de la forma (a,a,a),
es decir estn generados por el vector (1,1,1).
o Para el autovalor b=1, los autovectores asociados se obtendrn
planteando el sistema

que al simplificar nos da el sistema homogneo

cuyas soluciones se obtienen con el comando soLve, resultando

es decir que los autovectores son de la forma (a,0,-a), generados por tanto por
el vector (1,0,-1).
o Por ltimo para el autovalor b=3, los autovectores se obtendrn
de forma idntica, planteando el sistema

es decir, el sistema homogneo

que al resolver nos da las soluciones
es decir generadas por el vector (1,-2,1).

EJERCICIO V-1
Calcular los autovalores y autovectores de la matriz.

SOLUCIN AL EJERCICIO.
Los autovalores se obtienen resolviendo la ecuacin

por tanto la ecuacin caracterstica viene dada por

cuyas soluciones nos dan los autovalores de la matriz que son:

b=2 (doble) y b=-2.
Resolviendo esta ecuacin se tendra.

Los autovectores asociados al autovalor b=2 se obtiene efectuando

que al simplificar nos da el sistema homogneo
cuyas soluciones son
es decir estn generadas por los vectores {(1,0,1),(0,1,0)}
Los autovectores asociados al autovalor b=-2 se obtienen de igual forma
efectuando

por tanto los autovectores estn generados por (1,0,-1).

Ejercicio V-2
Calcular los autovalores y autovectores de las siguientes matrices:

SOLUCION AL EJERCICIO.
A4:Autovalores de la matriz a4:

Autovectores asociados a b=1

Autovectores asociados a b=2

A5: Autovalores de la matriz a5

Autovectores asociados al autovalores b=1

Autovectores asociados al autovalor b=6

A6:Autovalores

Autovectores asociados al autovalor b=1

Autovectores asociados al autovalores b=-1

Autovectores asociados al autovalor b=2

A7: Autovalores

Autovectores asociados al autovalor b=1

Autovectores asociados al autovalor b=2

A8: Autovalores :

Autovectores asociados al autovalor b=0

Autovectores asociados al autovalor b=1

Autovectores asociados al autovalor b=2