You are on page 1of 12

Valores propios y vectores propios

Definición: Si A es una matriz de n × n, entonces se dice que un vector v ≠ 0 en Rn es
un vector propio de A si Av es un múltiplo escalar de v, es decir:
Av =λv (1)
para algún escalar λ. El escalar λ se denomina valor propio de A y se dice que v es un
vector propio correspondiente a λ.

Para encontrar los eigenvalores de una matriz de n × n, se escribe la expresión
(1), como sigue:
Av = λ I n v
o equivalentemente:
( A − λ I n )v = 0 (2)
Esta ecuación matricial representa un sistema de ecuaciones homogéneas. Si este
sistema homogéneo tiene soluciones no triviales, entonces ocurre que:
det( A − λI n ) = 0 (3)
Esta ecuación se llama ECUACIÓN CARACTERÍSTICA de A y los escalares
que satisfacen esta ecuación son los eigenvalores de A. Para obtener estos eigenvalores:
i) Se desarrolla (3) y se obtiene un polinomio en λ conocido como
POLINOMIO CARACTERÍSTICO.
ii) Se encuentran las raíces del polinomio característico. Las raíces de este
polinomio son los eigenvalores buscados.
iii) Cuando estos eigenvalores se aplican a (2) y se resuelve el sistema para cada
uno de ellos, se obtienen los eigenvectores de A.

Por otro lado, si (3) no se cumple, es decir, det(A −λIn) ≠ 0, entonces la única
solución a (2) es v = 0 de manera que λ no es un eigenvalor de A.

En resumen, si A es una matriz de n × n, entonces λ es un eigenvalor de A si y
solo si
p (λ) = det( A − I n λ) = 0

donde p(λ) es el polinomio característico mencionado arriba.

Definición: Sea λ un eigenvalor de una matriz A de n × n. Existe un subespacio
vectorial E λ = {v Av = λv} ⊂ C . El subespacio Eλ se llama espacio propio de A
n

correspondiente al valor propio λ.

El polinomio característico, p(λ), obtenido a partir de la matriz A de n × n en es
un polinomio de grado n en λ. Según el teorema fundamental del álgebra, cualquier
polinomio de grado n con coeficientes reales o complejos tiene exactamente n raíces.
Estas raíces pueden ser reales o complejas y pueden ser diferentes o repetidas. De aquí
se deriva que toda matriz de n × n tiene exactamente n eigenvalores. Al hecho de que un
polinomio presente raíces repetidas se denomina multiplicidad algebraica de λ.

Definición: Sea λ un eigenvalor de la matriz A; entonces la multiplicidad geométrica de
λ es la dimensión del espacio propio correspondiente a λ. En otras palabras, el espacio
propio es la nulidad de la matriz (A − Inλ). Esto es:
Muliplicidad geométrica de λ = dim (Eλ)

calcule la multiplicidad geométrica.2) de donde obtenemos la siguiente expresión − 2 − 2 1 0 − 2 − λ − 2  A − λI n =   − λ = − 5 1 0 1  − 5 1 − λ  Entonces. Empezamos escribiendo la definición de un eigenvalor como sigue: Av = λv (1. 10. tenemos:  − 2 − 2 1 0  v x  0   − (−4)      =    −5  1 0 1  v y  0 Escalonamos la matriz de coeficientes para resolver el sistema homogéneo:  2 − 2 12 R1  1 − 1 5 R1 +R2 1 − 1 − 5 → → (1.  5. Estas raíces pueden ser reales o complejas. Para encontrar los eigenvectores. usamos los eigenvalores en (1. 9. tenemos de (1.3) obtenemos que v x = v y y por lo tanto un eigenvector de A puede ser el vector: v = (1. 1). el número de raíces del polinomio característico es 2. la ECUACIÓN CARACTERÍSTICA es: − 2 −λ −2 det ( A − λI n ) = −5 1 −λ det ( A − λI n ) = (−2 − λ )(1 − λ ) − ( −2)( −5) det ( A − λI n ) = λ 2 + λ − 12 y el POLINOMIO CARACTERÍSTICO es: p (λ) = λ2 + λ −12 = 0 Como el polinomio es de segundo grado en λ.1).1) o bien ( A − λI n ) v = 0 (1. Para encontrar las raíces del polinomio. Ejercicio 1.  4.  3. p (λ) = (λ + 4)( λ − 3) = 0 de aquí que los eigenvalores son λ1 = -4 y λ2 = 3. para λ1. Comprobando usando (1. 8.2) uno por uno. podemos utilizar la formula general o factorizar por inspección.  2.Ejercicios: Calcule los eigenvalores. eigenvectores y los espacios propios de la matriz dada. 7 −2 − 4  1 −1 0  1 −1 2 5 4 2 −3 7 5 3 − 2 −1 −1  1 4 2  2 3  0   2 −1 2   5   4  6  −2  − 3  0  −1 1  0 1  −1 2  2  2  1  2  2 Resolveremos solamente algunos de los ejercicios anteriores para mostrar la metodología. 7. − 2 − 2 −12 7 2 1 − 3 0 − 3 2 1. Por ejemplo. Si la multiplicad algebraica de un eigenvalor es mayor que 1. iguales o diferentes.3)  5  − 5 5 0 0 De (1.2): . tenemos: − 2 − 21 − 4 1 − 5    =   = −4    1 1 − 4 1 De la misma manera para λ2 = 3.  − 5 1   −7 2  5 −2    0 − 3   0 − 3 6.

el cual puede factorizarse como (λ −1) 2 (λ −10 ) = 0 De aquí que los eigenvalores de A son: λ1 = 1. λ2 = 1 y λ3 = 10.1). 2) el cual puede ponerse como combinación lineal de los vectores generadores:  2 −1 −1 / 2 − 3 = −3 1 + 2  0         2     0      1   . 5). 5 Comprobando con (1. la multiplicidad geométrica es: −1 −1 / 2   E λ1 = gen  1.  − 2 − 2 1 0  v x  0   − (3) 0 1  v  = 0  −5 1      y    cuya matriz de coeficientes y escalonamiento es: − 5 − 2 − 15 R1  1 2 / 5 5 R1 + R2 1 2 / 5 − 5 − 2  →  →0 0    − 5 − 2   2 de donde obtenemos que v x = − v y y un eigenvector puede ser v = (-2. tenemos: − 2 − 2− 2 − 6 − 2 − 5    =   = 3   1  5   15   5 La multiplicidad geométrica es: ´1 E λ1 = gen   1  − 2 E λ 2 = gen    5  Ejercicio 9: La ecuación característica es:  5 4 2 1 0 0    det( A − λI n ) = det  4 5 2 − λ 0 1 0    2 2 2    0 0 1   (5 − λ) 4 2 det( A − λI n ) = 4 (5 − λ) 2 = −λ3 +12 λ2 − 21λ +10 2 2 ( 2 − λ) El polinomio característico es. Los eigenvectores correspondientes a λ.  0   0   1      Un eigenvector correspondiente a λ1 = 1 puede ser v = (2. entonces λ3 − 12 λ2 + 21λ − 10 = 0 . -3. son: Para λ1 = λ2 = 1: 4 4 2 1 1 1 1 / 2 1 1 1 / 2 4 4 2 →4  4 R1 4  →0 −4 R1 +R2 2   0 0   2 2 1  2 2 1  0 0 0  Los eigenvectores pueden escribirse entonces como:  1   v x  − v y − 2 v z  − 1 − 1 / 2    v = v y  =  vy  = v y  1 + v z  0      v z   vz   0  1    Así.

el espacio de los vectores es: 2   Eλ3 = gen 2 1    Un eigenvector puede ser v = (6.y para probar que es un eigenvector. 3) obtenido al hacer vz = 3: Av = λv 5 4 26 60  6 4 5 26 = 60  =10        6  2 2 2  3   30    3  . hacemos: Av = λv 5 4 2 2   2  4 2     5 − 3 = − 3  2 2 2   2   2 Para λ3 = 10:  4 2  4 2  4 2  1 − −   1 − −  − 5 4 2 1 1 − 5 − 5   5 5   5 5   4 − 5 2  − R1 4 − 5  −4 R1 + R2 9 18 9 18  5 → 2   → 0 −  − 2 R1 + R2   → 0 −       5 5  5 5  2 2 − 8 2 2 − 8 2 2 − 8   0 18 − 36       5 5   4 2    1 − −  1 0 − 2  18  1 0 − 2 5 5 5 4  1 − 2   →  0 1 − 2    →  0 1 − 2 − R2 R2 + R1 − R2 + R3  → 0 9   5 5    18 36   0 18 − 36  0 −   0 0 0   5 5  5 5  Los eigenvectores pueden escribirse como: v x   2 v = v y  = v z  2    v z  1  Así. 6.

1). Dicha matriz semejante más fácil de trabajar es la matriz diagonal. Por ejemplo. el producto de las componentes en la diagonal. En este caso la diagonal de D es semejante a A y sus componentes son. 1). Estos vectores vi son linealmente independientes. Esto lo sabemos. considere la matriz: 1 −1 4 A = 3 2 −1   2 1 −1  El polinomio característico es: p (λ) = λ3 − 2λ2 − 5λ + 6 = 0 Los eigenvalores de A son: λ1 = 1. es:  2 2 − 6 1 C −1 =−  1 −2 3 6  − 3 0 − 3  De (4). como tal. λ2 = -2. obtenemos:  2 2 − 61 −1 4−1 −1 1 1 D =C −1 AC = −  1 −2 3  3 2 −1  1 4 2  6  − 3 0 − 3  2 1 −1   1 1 1  . comparten el mismo polinomio característico y los mismos eigenvalores además de que resulta más fácil de manejar. precisamente. Se dice que una matriz A de n × n es diagonizable si existe una matriz diagonal D tal que A es semejante a D. porque si escribimos una matriz cuyas columnas sean estos vectores como sigue: −1 −1 1 C =  1 4 2    1 1 1  y obtenemos su determinante. v2 = (-1. los eigenvalores de A. tenemos: CB = CC −1 AC o bien.Matrices Semejantes y Diagonalización Definición: Se dice que dos matrices A y B de n × n son semejantes si existe una matriz invertible C de n × n tal que: B = C −1 AC (4) Si multiplicamos por la izquierda por C a ambos lados de la igualdad. entonces: CB = AC La ventaja de usar matrices semejantes es que. 1. λ3 = 3 y los eigenvectores correspondientes a estos eigenvalores son: v1 = (-1. La matriz diagonal es aquélla que tiene ceros todos sus componentes excepto los que están en la diagonal principal. 1) y v3 = (1. C. 2. dado que CC-1 = In. 4. precisamente. La ventaja que ofrece es que su determinante es. La matriz A es diagonizable si y sólo si tiene n eigenvectores linealmente independientes. éste es diferente de cero: det( C ) = ( −1)( 4)(1) +( −1)( 2)(1) +(1)(1)(1) −(1)( 4)(1) −( −1)( 2)(1) −( −1)(1)(1) = −6 ≠ 0 La inversa de esta matriz.

Un sistema de ecuaciones diferenciales también clásico es el siguiente: a11 y1 + a12 y 2 = y '1 a 21 y1 + a 22 y 2 = y ' 2 En forma matricial es:  a11 a12   y1   y '1  a =  21 a 22   y 2   y ' 2  o bien: AY = Y ' La solución de este sistema de ecuaciones tendrá la forma: Y = e At Y0 (5) donde Y0 es el vector de valores iniciales de y para t = 0.  2 2 − 6 2 −1 3 12 0 0  − 2 0 0 1 1 D =−  1 −2 3  − 2 4  6 = −  0 −6 0  = 0 1 0  6 6  − 3 0 − 3  − 2 1 3   0 0 −18     0 0 3  Note que las componentes de la diagonal son los eigenvalores en el orden en que los eigenvectores correspondientes fueron puestos para formar la matriz C. Los eigenvalores y eigenvectores son útiles para resolver dicho sistema. este problema se salva al expresar la función exponencial como una serie de potencias: t2 t3 et = 1 + t + + + 2! 3! Para nuestro caso. Una de las propiedades de las matrices diagonales es la siguiente: . Sistemas de Ecuaciones Diferenciales: En problemas que involucran sistemas de ecuaciones diferenciales. es posible introducir la notación matricial. Note que en este caso el vector Y0 queda a la derecha del término eAt. por tratarse de producto de matrices. la función eAt queda expresada de la siguiente forma: At A 2 t 2 A 3 t 3 e At = I + + + + (6) 1! 2! 3! donde I es la matriz identidad. Un ejemplo clásico de ecuación diferencial es la que tiene la forma: y '−ay = 0 La solución de esta ecuación diferencial es: y = y 0 e at donde se ha supuesto que y = f(t) y y0 son los valores iniciales de y para t = 0. La dificultad que presenta esta solución es que la potencia de la función exponencial no es un número real sino una matriz A. El problema es ahora elevar la matriz A a una potencia. Sin embargo.

la exponencial eDt: e At == Ce Dt C −1 El término eDt es más fácil de calcular con la matriz diagonal: . podemos expresar la Ec. (6) como: C ( Dt )C −1 C ( Dt ) 2 C −1 C ( Dt ) 3 C −1 e At = CIC −1 + + + + 1! 2! 3! Podemos simplificar la expresión anterior utilizando la propiedad distributiva para matrices de la siguiente forma:  Dt ( Dt ) 2 ( Dt ) 3  e At = C  I + + + + C −1  1! 2! 3!  El término entre paréntesis es. por ser A y D matrices equivalentes. a 0 D= 0 b  a 0 a 0 a 2 0  D2 =   =  0 b  0 b   0 b 2  a 2 0  a 0 a 3 0  D3 =   =  0 b 2  0 b   0 b 3  a n 0 Dn =   0 bn  Así. Pero sabemos que podemos encontrar una matriz diagonal semejante a A siempre y cuando A sea una matriz diagonizable. tendrá en su diagonal principal los eigenvalores de la matriz A. si A fuera una matriz diagonal. (7). Para despejar A en la Ec. por ejemplo: λ1 0  0  0 λ  0  D= 2        0 0  λn  Además. También sabemos que dicha matriz diagonal. D. entonces nuestro problema estaría resuelto. tenemos que multiplicar por la izquierda por C y por la derecha por C-1 a ambos lados de la igualdad: −1 CDC = CC −1 ACC −1 A = CDC −1 De esta expresión podemos obtener la siguiente forma para calcular An: −1 −1 −1 −1 −1 A n = (CDC ) n = (CDC )( CDC )( CDC )  (CDC ) por la propiedad asociativa del producto de matrices A n = CD (C −1C ) D (C −1C ) D (C −1  C ) DC −1 A n = CD (C −1C ) D (C −1C ) D (C −1  C ) DC −1 A n = CD n C −1 o para nuestro problema: ( At ) n = C ( Dt ) n C −1 Entonces. de nuevo. existe una matriz C tal que: D = C −1 AC (7) donde las columnas de esta matriz C son los eigenvectores de A.

(8). Dt ( Dt ) 2 ( Dt ) 3 e Dt = I + + + + 1! 2! 3! 1 0  0 λ1t 0 0   λ12 t 2 0  0    0 1  0  0 λ2 t  0  1  0 λ22 t 2  0  + e Dt = + +         2!            0 0  1  0 0  λn t   0 0  λn t n   λ 12 t 2  1 + λ 1t + + 0  0   2!   λ 2 2 t  e Dt =  0 1 + λ 2t + 2 +  0 2!        λ 2n t 2   0 0  1 + λ nt + +   2!  e λ1t 0  0     0 e λ2 t  0  e = Dt (8)        0 0  e λnt  Entonces la Ec (5). solución del sistema de ecuaciones. Dt . puede escribirse como: Y = e At Y0 Y = Ce Dt C −1Y0 (9) donde e viene dada por la Ec.

20 LPM 10 LPM I 30 LPM t=0 y1 = 1 kg/l II y2 = 0 20 LPM Las ecuaciones se plantean mediante un balance de sal en cada tanque: dy − 30 y1 + 10 y 2 = 1000 1 dt dy 2 30 y1 − 30 y 2 = 1000 dt Este sistema se expresa en forma matricial como sigue:  30 10   dy1  −  1000 1000  y1   dt   30 =  dy  30   y 2   −   2  1000 1000  dt  o bien: AY=Y’ La solución de este sistema es de la forma: Y = eAtY0 donde Y0 son las condiciones iniciales dadas por: 1 Y0 =   0 Entonces la solución al sistema de ecuaciones diferenciales es: Y = eAtY0 = CeDtC-1Y0 donde C es la matriz para diagonalizar A cuyas columnas son los eigenvectores de A y C-1 es su inversa.Ejemplo 1: En una planta desalinizadora hay dos tanques de agua. Suponga que el tanque 1 contiene 1000 l de salmuera que tiene disueltos 1000 kg de sal y el tanque dos contiene 1000 l de agua pura. Del tanque II se bombean 10 LPM de regreso al tanque I. Encuentre la cantidad de sal en ambos tanques en el tiempo t. . Suponga que se alimenta agua al tanque I a una tasa de 20 LPM y la mezcla pasa del tanque I al tanque II a una tasa de 30 LPM. mientras que 20 LPM continúan en el proceso.

. Para el problema. C puede escribirse como:  −1 1  C =  3 3  y su inversa es:  1 1   − 2 2 3 C −1 =    1 1   2 2 3  La solución del sistema de ecuaciones es:  1 1  − −1  − 1 1  e 0  2 λ1t 2 3  1 Y = Ce C Y0 =  Dt    3 3   0 e λ2t   1 1  0  2 2 3   1 λ1t λ2 t   2 (e + e )  Y =  1  (e λ1t − e λ2t  2  donde λ1 y λ2 son los eigenvalores determinados arriba. la matriz A es: − 3 / 100 1 / 100  A=  3 / 100 − 3 / 100   La ecuación característica es: 3 1 − −λ det ( A − λI n ) = 100 100 3 3 − −λ 100 100 El polinomio característico es: 2  3  3   1  3   3  3 p (λ ) =  − − λ  − − λ −   = − − λ − =0  100  100   100  100   100  10000 cuyos eigenvalores son: −3 − 3 −3 + 3 λ1 = y λ2 = 100 100 Los eigenvectores correspondientes son  − 1 1 v1 =   y v2 =    3  3 Así.

5. El número de pájaros hembras y el de machos es el mismo. podemos escribir: Pn = A n P0 (14) la cual tiene la misma forma de la Ec. la población permanecerá sin cambios. Los adultos que sobreviven al siguiente año están en una proporción β. Si se denota por Pj. Si Pn denota la población en el tiempo n. empezando con una población P0 en el período n = 0. por ejemplo edad. 2.n la población de pájaros jóvenes y adultos. Sin embargo.n y por Pa. κ hembras jóvenes. entonces: Pn = rPn −1 (10) Así. el modelo se complica.n −1  P  =    (12)  a . (11) pero donde una matriz ha remplazado al número real. tenemos: P1 = rP0 P2 = rP1 = r 2 P0 P3 = rP2 = r 3 P0 de manera que: Pn = r P0 n (11) Podemos ver de la Ec. Para organismos más complejos.n −1  Pn = AP n −1 (13) Esta expresión se parece mucho a la Ec. tasas de fertilidad. n −1 Pa . etc. α y β son independientes de la edad. Cierta proporción de jóvenes mueren durante el año y otra proporción. en promedio. 3. En el modelo sencillo de crecimiento de población. n −1 En forma matricial. n −1 +βPa . para obtener un modelo de crecimiento de la población para una especie de pájaros. Estas tasas de supervivencia. Este modelo trabaja relativamente bien para organismos sencillos.Ejemplo 2: Crecimiento de Población. este modelo debe ser modificado para incluir otros aspectos. respectivamente. se supone que cierta especie crece a una tasa constante siendo la población en un período de tiempo determinado proporcional a la población en el período inmediato anterior. La edad de la madre no influye en el número de críos. supervivencia. como bacterias. Cada hembra que sobrevive produce huevos que engendran. An puede expresarse como sigue: A n = CD n C −1 . (10) y como se hizo anteriormente. Así. Como se vio anteriormente. llegan a adultos al siguiente año. 4. n =kP a . (11). es necesario hacer algunas suposiciones: 1. tenemos: Pj . conforme se introducen más y más variables.n   0 κ Pj . entonces: Pj . α. en donde la reproducción consiste en la división de un organismo en dos organismos independientes. n =αPj . Si r = 1. en el tiempo n.n  α β Pa . que la población se incrementará sin cota si r > 1 y que decrecerá a cero si r < 1. por ejemplo.

652  0  Pn = A P0 =  n    1 1   0 λ n2   − 0.5 y κ = 2 e inicialmente hay 10 hembras y 10 machos adultos y no hay jóvenes. entonces la matriz A es: 0 2  A = 0.88 − 3.06 20 42 22 64 1.346   y la matriz diagonal D semejante a A. es: p (λ ) = λ2 − β λ− κ α= 0 de donde los eigenvalores de A son: β + β 2 + 4κ α β − β 2 + 4κ α λ1 = y λ2 = 2 2 Si consideramos el caso en que α = 0.564 1.184 0.n Tn 0 0 10 10 0 - 1 20 5 25 4. β = 0.88 1.46λ 2  n donde λ1 y λ2 son los eigenvalores de A obtenidos anteriormente.184 0. son: 1. An es: 1.00 2. El valor de κ = 2 significa que cada hembra adulta produce dos críos hembras (y dos machos).96 5 17 8 25 2.52λ1 + 3.n//Pa. es: 1.184 0.31 4 14 8 22 1.064 0  D =  0 − 0.064 y λ2 = −0.546   0.5  Los eigenvalores y eigenvectores correspondientes.546 λ1n 0   0.346 10  12.3λ n2  Pn =  n 6.88 − 3.3. son: λ1 = 1.n Pa.546   Así.88  − 3.34 1.74 3 17 7 24 2.184 0.346 y la solución se escribe como: 1.87 1.66 0.2λ1n − 12.3 0.n Tn/Tn-1 n Pj.50 2 10 8 18 1.06 .546  v1 =   y v2 =    1   1  La matriz C y su inversa C-1.88 1.652 A = n    1 1   0  λ n2   − 0.652  C =  y C −1 =   1 1  − 0.18 0.184 0.00 1.13 10 22 12 34 1.06 12 25 13 38 1. La tabla siguiente muestra la forma en que varía la población de pájaros hembras así como las razones de población de hembras jóvenes a adultos y la población total de años sucesivos: Año # Jóvenes # Adultos Total hembras Pj.184 0.546 λ1n 0   0.88 − 3. El polinomio característico de A.