1

Valores y Vectores Propios

Sea la matriz A siguiente:

0
2

A=

1
3

Sean los vectores x1 y x2 :

1
1

x1 =

1
2

; x2 =

Mapense estos dos vectores por la matriz A:

y1

y2

0
2

= Ax1 =
1
1

2
4

1
1

1
2

1
1

0
2

= Ax2 =
=

1
3

1
3
1
2

Obsrvese que la matriz A mapea a estos dos vectores en dos vectores, que
son los originales multiplicados por 1, en el caso de x1 , y por 2, en el caso
de x2 :
Tmense los vectores x1 y x2 siguientes, paralelos, esto es, colineales a x1 y
x2 :
a
a
x1 =
; x2 =
; s:t: a 2 R
a
2a
Estos vectores denen cada uno, un subespacio unidimensional de R2 :
Mapense estos vectores por la matriz A :

y1

y2

0
2

= Ax1 =
a
a

= Ax2 =
=

2a
4a

1
3

1
3
2

a
2a

a
a

0
2

a
a

a
2a

El resultado del mapeo de estos dos vectores por la matriz A; es el mismo

que para los vectores x1 y x2 : Esto es, cualquier vector que se encuentre en
el subespacio unidimensional denido por x1 es mapeado por A en un vector
que es el original multiplicado por 1 y cualquier vector que se encuentre en el
subespacio unidimensional denido por x2 es mapeado por A en un vector que
es el original multiplicado por 2:
Denicin 1 Subespacio A-invariante.
Sea A 2 Rn n la representacin matricial de un mapeo de Rn a Rn . Sea
Rs Rn tal que 8 x 2 Rs ; y = Ax 2 Rs . Entonces se dice que el subespacio
Rs es A-invariante.
Es claro que los subespacios unidimensionales denidos por x1 y x2 ; en el
ejemplo anterior, son subespacios A invariantes de una sola dimensin.
A continuacin se formalizarn estas ideas.
Sea A 2 Rn
esto es,

la representacin matricial de un mapeo lineal de Rn a Rn ,

A :
Rn ! Rn
y = Ax; x 2 Rn ; y 2 Rn

Denicin 2 Vector y Valor propio correspondiente de una matriz.

Sea A 2 Rn n : Sean x 2 Rn y 2 C tales que
Ax = x; x 6= 0 2 Rn

(1)

La x y la
satisfaciendo (1) se denominan vector propio y valor propio
correspondientes, de la matriz A:
La ecuacin (1) puede reescribirse de la siguiente forma:
Ax

x = (A

I)x = 0 2 Rn

(2)

Ax = ( I

A)x = 0 2 Rn

(3)

Observacin 3 Si B 2 Rm
N(B) = N( B):

es cualquier matriz de dimensiones m n; entonces

De las ecuaciones (2) y (3), es claro que si x 2 Rn es un vector propio de A

con valor propio correspondiente ,
entonces
x 2 N(A
I) = N( I A)
(4)
2

Denicin 4 Espacio Propio (E.P.)

El Espacio Propio correspondiente a un vector propio cualquiera, es el subespacio de Rn en el que "vive" el vector propio. Este subespacio es igual a
E:P: = Espacio Pr opio = N(A

I) = N( I

A)

y por consiguiente
dim(E:P:) = dim[N(A

I)] = dim[N( I

A)]

(5)

Resultado 5 El Espacio Propio es un subespacio de Rn tal que

dim(E:P:) = n

dim[Im(A

I)] = n

rank[A

I]

dim(E:P:) = n

dim[Im( I

A)] = n

rank[ I

A]

(6)

Este resultado es un caso particular del siguiente resultado del lgebra Lineal:
Resultado 6 Sea A 2 Rm
Rm :
Entonces

la representacin matricial de un mapeo Rn !

n = dim[N(A)] + dim[Im(A)] = dim[N(A)] + rank[A]

(7)

La demostracin de este resultado puede consultarse en cualquier texto de

lgebra Lineal.
Por otro lado, la matriz A
I (A
I) tiene como elementos a los mismos
elementos de la matriz A ( A), excepto los de su diagonal, que son monomios
en de la forma
aii
(
aii ); 8 i = 1; n
As que la matriz A
I ( I A) es una matriz polinomial de dimensiones
n n con indeterminado 2 C:
De la denicin de vector propio y valor propio resumida en las ecuaciones
(2) y (3), es claro que para que el vector propio x 2 Rn ; x 6= 0 exista, es
necesario que exista N(A
I) = N( I A) y esto implica que
det[A

I] = det[ I

A] = 0

(8)

Denicin 7 Polinomio Caracterstico de una matriz.

Sea A 2 Rn n : Sean A
I y I A; entonces ( ) denido como
( ) = det( I

A) = det(A

I)

se denomina Polinomio caracterstico de la matriz A:

(9)

El determinante de una matriz es un escalar. De la denicin de determinante de una matriz, debe ser claro que ( ) dado por (9) es un polinomio en
, de grado "n" y por el teorema fundamental del lgebra se tiene que:
n

( )

= det( I A) =
= (
1) (
( ) = det(A
I) =
=
(
1) (

En donde

1;

2 ; ::: 3

+ an 1
(
2)
n
an
(
2)

n 1

+ ::: + a1 + a0 =

n)
n 1

:::

a1

(10)
(11)

a0 =

n)

(12)

son las races o ceros del polinomio ( ) (- ( )), esto

es:
( i ) = 0; 8i = 1; n
Como puede verse de las lneas anteriores, el papel desempeado por las matrices A I y I A es el mismo, y las races de los polinomios ( ) y
( ) son
las mismas as que de aqu en adelante, solo se har referencia indistintamente,
a una cualquiera, de estas dos matrices.
Resumen 8 Como el polinomio caracterstico es de grado "n" y por lo tanto
tiene "n" races, ceros o soluciones, asociados a la matriz A 2 Rn n existen "n"
valores propios y "n" vectores propios correspondientes que pueden calcularse a
partir de las ecuaciones (1), o (2) o (3).

Ejemplo 9 Considrese nuevamente a la matriz

0
2

A=

1
3

Calcular los valores y los vectores propios correspondientes.

Solucin 10 Calclese cualquiera de las matrices (A
0
2

1
3

0
0

I) o ( I
1

Calclese el determinante de esta matriz:

( ) = det(A
=

( 3

I) = det
)

( 2)(1) =

+3+2=0

Las races de ( ) o valores propios de A son:

1

A):

Se pueden usar indistintamente las igualdades (1), (2) o (3), para realizar el
clculo de los vectores propios correspondientes, las tres son la misma relacin
entre x y ;as que a lo largo de los ejemplos usaremos cualquiera de las tres
igualdades para calcular los vectores propios.
Clculo del vector propio x1 correspondiente a 1 = 1 :
Para 1 = 1; empleando (1), se tiene:
0
2

1
3

x1
x2

= ( 1)

x1
x2

Expandiendo esta ltima expresin, se obtienen las siguientes ecuaciones:

0 x1 + x2
2x1 3x2

=
=

x1
x2

(13)

Obsrvese que estas dos expresiones son la misma, es decir, solamente se

tiene una ecuacin y dos incgnitas. Esto es as porque para los valores propios
I] = det[ I A] = 0 ,lo que implica que del sistema de n
1 y
2 ; det[A
ecuaciones (en este caso n = 2) denido por (13) una es redundante y entonces
se tiene un sistema de n 1 ecuaciones con n incgnitas. En el caso que nos
ocupa, se tiene una sola ecuacin que es
x2 =

x1

El sistema de ecuaciones resultante, que en este caso consta de una sola

ecuacin, tiene en consecuencia, un nmero innito de soluciones, una de ellas
se obtiene proponiendo un valor cualquiera para una de las incgnitas, digamos
para x1 y se usa la ecuacin existente para calcular x2 :
Sea x1 = 1; entonces x2 = 1; por lo que el vector propio correspondiente al
valor propio 1 = 1 es:
1
x1 =
1
Obsrvese que cualquier otra solucin del sistema de ecuaciones (13), resulta
ser un vector en la misma direccin que el vector x1 , por esta razn, se habla
de un solo vector propio para cada valor propio. Por ejemplo, el vector
p
1= p2
e1 =
x
1= 2

tambin satisface al sistema (13) y resulta ser el mismo vector x1 normalizado.

Clculo del vector propio x2 correspondiente a 2 = 1 :
De manera anloga se calcula el vector x2 ; correspondiente al valor propio
pero
en este caso se se usar la expresin (3) para ilustrar el hecho de que
2
es indistinto usar cualquiera de las ecuaciones (1), (2) o (3) para calcular los
vectores propios :
2

0
2

0
2

1
3
5

x1
x2

0
0

Substituyendo a

2
0

2, se tiene:
0
2

0
2
2
2

1
3

1
1

x1
x2

x1
x2

0
0

0
0

Expandiendo esta ltima expresin se obtiene el siguiente sistema de ecuaciones:

2x1 x2
2x1 + x2

= 0
= 0

Como en el caso de 1 , de este sistema de ecuaciones solo una es til. Las

razones de este hecho, son las mismas que se esgrimieron en el caso anterior.
Se propone que x1 = 1; por lo que x2 = 2 y el vector propio x2 est dado por:
1
2

x2 =
que tambin puede normalizarse:
e2 =
x

p
1= p5
1= 5

Ejercicio 11 1.- Sean las matrices siguientes:

1 0
1 0
a 0
; c) C =
; a; b 2 R
a) A =
; b) B =
0 2
0
2
0 b
3
3
2
3
2
2
1 5 4
1 0 0
1 5 4
2 6 5
d) D = 4 0 2 6 5 ; e) E = 4 5 2 0 5 ;f ) F = 4 0
0 0 3
4 6 3
0 0 3
Calcule los valores propios y los vectores propios correspondientes para cada
una de estas matrices. Qu concluye de stos ejercicios?
2.De lo anteriormente expuesto, queda claro que si se tiene una matriz A 2
Rn n , su polinomio caracterstico es un polinomio de grado n, por lo tanto tiene
n valores propios con n vectores propios correspondientes asociados a ella. A
continuacin se ver una propiedad importante de los vectores propios de una
matriz y se distinguirn dos casos posibles.
Teorema 12 Un conjunto de k vectores propios correspondientes a cualesquiera
k valores propios diferentes, es un conjunto linealmente independiente.

Prueba. La demostracin se hace por induccin.

Es claro que para k = 1, el teorema es cierto. Supngase ahora que cualquier
conjunto de (p 1) vectores propios correspondientes a (p 1) valores propios
distintos de la matriz A, es un conjunto linealmente independiente de vectores.
Entonces, se debe demostrar que cualquier conjunto de p vectores propios de
A digamos x1 ; x2 ; :::; xp con valores propios correspondientes 1 ; 2 ; :::; p tales
que i 6= j para i 6= j son vectores propios linealmente independientes. Se
demostrar esto por contradiccin.
Supngase que estos p vectores son linealmente dependientes, entonces existen constantes c1 ; c2 ; :::; cp , no todas iguales a cero tales que
c1 x1 + c2 x2 + ::: + cp xp = 0
Premultiplquese esta igualdad por (A
c2 (

1 ) x2

+ c3 (

1 ) x3

1 I)

(14)

+ ::: + cp (

1 ) xp

=0

(15)

por la hiptesis inductiva, los (p 1) vectores propios x2 ; x3 ; :::; xp son

linealmente independientes. Esto implica que en la expresin anterior
ci (

1)

= 0; 8i = 2; p

y esto a su vez implica que ci = 0; 8i = 2; p porque los valores propios son

diferentes, as que (14) se reduce a
c1 x1 = 0
con c1 6= 0 por hiptesis, lo que implica que x1 = 0 lo cual es una contradiccin y entonces esto muestra que los p vectores x1 ; x2 ; :::; xp son linealmente
independientes, lo que prueba el teorema por induccin.
Corolario 13 Sea A 2 Rn con polinomio caracterstico ( ) = n +an 1 n 1 +
::: + a1 + a0 = (
n) tal que todos sus valores propios,
1 )(
2 ):::(
esto es, todas las races de su polinomio caracterstico, son diferentes. Entonces
los n vectores propios correspondientes forman una base para el espacio Rn y
adems
rank[(A
A)] = n 1; 8i = 1; n
i I)] = rank[( i I
lo que implica que el E.P. correspondiente a cada vector propio, es un subespacio invariante unidimensional.
Prueba. La demostracin de estas aseveraciones es consecuencia directa del
teorema anterior, en donde si se hace p = n, se ve claramente que los vectores propios de A forman una base de Rn por ser un conjunto de n vectores
linealmente independientes.
Por otro lado si hay n vectores propios diferentes, que son linealmente independientes y cada vector propio pertenece a su espacio propio, esto es, es elemento de: E:P: del vector xi = Espacio Pr opio del vector xi = N(A
i I) =
7

N( i I A) 8i = 1; n;el espacio propio de cada uno de estos vectores es un espacio unidimensional, por lo tanto, haciendo uso de la igualdad (7), se tiene el
resultado, esto es:
rank[(A

i I)]

= rank[( i I

A)] = n

1; 8i = 1; n

Resumen 14 Para el caso de una matriz con valores propios diferentes, se

puede seguir el siguiente procedimiento para el clculo de los vectores propios
correspondientes:
Sea A 2 Rn n
i) Calclese el determinante de la matriz (A
I) y obtenga el polinomio
caracterstico dado por (10).
ii) Obtenga las n races del polinomio caracterstico,stas son los n valores
propios de la matriz A:
iii) Para cada uno de los valores propios, calclense los vectores propios
correspondientes, hgase uso de la denicin de vector propio dada por (1) (o por
(2) o por (3)), que resulta en un sistemas de n 1 ecuaciones con n incgnitas,
para cada uno de los n valores propios. Esto es, resulvanse los siguientes n
sistemas de ecuaciones para v1 ; v2 ; :::; vn :
Av1
Av2
:::
Avn 1
Avn

=
=

1 v1

(16)

2 v2

:::
=
=

n 1 vn 1
n vn

Los vectores v1 ; v2 ; :::; vn as obtenidos, son los vectores propios de A correspondientes a los valores propios 1 ; 2 ; :::; 2 , son un conjunto de n vectores
linealmente independientes y por lo tanto, forman una base para el espacio Rn .

Valores Propios Repetidos y Vectores Propios

Generalizados

Considrese ahora el caso en el que el polinomio caracterstico de la matriz tiene

valores propios repetidos.*******
Sea A 2 Rn n y sea
( )

n
=
+ an 1 n
= (
1 ):::(

+ ::: + a1 + a0 =
n)
i ) :::(

(17)

su polinomio caraterstico. Sin prdida de generalidad, se supondr que solo

el valor propio i-simo est repetido veces. Si existen ms valores propios
repetidos, se aplica el mismo razonamiento que el que se va a exponer.
Resultado 15 Vectores propios asociados al valor propio repetido i :
El nmero de vectores propios asociados al valor propio i repetido veces,
es igual a la dimensin del espacio propio asociado al valor propio i y es igual
a:
dim(E:P:de i ) =
=n
=n

dim[Im(A
dim[Im( i I

i I)]

=n

A)] = n

rank[A
rank[ i I

i I]

(18)

A]

La dimensin del espacio propio correspondiente al valor propio repetido

depende de cmo es el rango de la matriz A
i I:

i,

Si el rango de esta matriz disminuye en unidades, entonces de acuerdo a

(18), la dimensin del espacio propio correspondiente ser : Esto es, si ste es
el caso, correspondientes al valor propio i , se tendrn vectores propios.
Estos vectores propios se pueden calcular a partir de la denicin de vector
propio dada por (1) o (2) o (3). Tmese por ejemplo la siguiente expresin para
calcular los vectores propios correspondientes a i
( iI

A)x = 0 2 Rn

(19)

. Esta expresin (19) dene un sistema de n ecuaciones, en donde las incgnitas son los componentes del vector x . Como rank[ i I A] = n
; de
estas ecuaciones son redundantes, por lo que solo se tienen n
ecuaciones
tiles. Esto es, se tiene la posibilidad de calcular vectores propios linealmente
independientes correspondientes al valor propio i .
Considrese el siguiente ejemplo ilustrativo de este caso:
Ejemplo 16 Sea la matriz
2

2
6 0
A=6
4 0
0

0:5
1:5
0:5
0:5

0
0
2
0

3
0:5
0:5 7
7
0:5 5
1:5

Obtenga el polinomio caracterstico de la matriz, obtenga los valores propios

de la matriz y los vectores propios correspondientes.

Solucin 17 Calclese la matriz I A :

2
+2
0:5
6 0
+
1:5
I A=6
4 0
0:5
0
0:5

0
0
+2
0

3
0:5
0:5 7
7
0:5 5
+ 1:5

Calclese el polinomio caracterstico de esta matriz:

( )

= det( I A) =
4
=
+ 7 3 + 18 2 + 20 + 8 =
= ( + 1)( + 2)3

los valores propios de la matriz son 1; 2;

Para el valor propio 1, que no est repetido
2
1
0:5
6 0 0:5
( I A)j = 1 = 6
4 0
0:5
0
0:5

2; 2:
se tiene que
3
0
0:5
0
0:5 7
7
1
0:5 5
0 0:5

Puede vericarse que rank ( I A)j = 1 = 3;(la la dos de la matriz es

igual a la la tres multiplicada por -1)y por lo tanto dim(E:P:de = 1) =
n rank ( I A)j = 1 = 4 3 = 1; resultado que est de acuerdo con el
corolario anterior [13] para el caso de valores propios diferentes. A continuacin
se calcular el vector propio correspondiente. De la denicin de vector propio
se tiene: que ( I A)j = 1 x = 0; as que
32
2
3 2 3
x1
1
0:5 0
0:5
0
7 6 x2 7 6 0 7
6 0 0:5 0
0:5
76
6
7=6 7
4 0
0:5 1
0:5 5 4 x3 5 4 0 5
0
0:5 0 0:5
0
x4

expandiendo esta igualdad matricial, se observa que las tres ecuaciones tiles
son, porque la segunda ecuacin y la primera solo dieren en el signo:
x1

0:5x2 0:5x4 = 0
0:5x2 0:5x4 = 0
0:5x2 + x3 0:5x4 = 0

Si se propone x1 = 1 y se resuelve el sistema de ecuaciones para x2 ; x3 y x4 ,

se obtiene: x2 = 1; x3 = 1; x4 = 1: Por lo que el vector propio v1 correspondiente al valor propio = 1 es:
2 3
1
6 1 7
7
v1 = 6
4 1 5
1
10

Para el valor propio

( I

2 que est repetido tres veces, se tiene que:

2
3
0
0:5 0
0:5
6 0
0:5 0
0:5 7
7
A)j = 2 = 6
4 0
0:5 0
0:5 5
0
0:5 0
0:5

Puede vericarse que rank ( I A)j = 2 = 1, pues todas las las de la matriz son iguales. Por lo tanto dim(E:P:de = 2) = n rank ( I A)j = 1 =
4 1 = 3, lo que indica que correspondientes al valor propio
= 2, existen tres vectores propios. De la denicin de vector propio se tiene: que
( I A)j = 2 x = 0; as que
2

0
6 0
6
4 0
0

0:5 0
0:5 0
0:5 0
0:5 0

32
x1
0:5
6
0:5 7
7 6 x2
0:5 5 4 x3
0:5
x4

3
0
7 6 0 7
7=6 7
5 4 0 5
0
3

expandiendo esta igualdad matricial, solo queda una ecuacin til, con cuatro incgnitas. Esto da tres grados de libertad, necesarios para calcular tres
soluciones linealmente independientes:
La nica ecuacin til es:
0:5x2

0:5x4 = 0

(20)

Si se proponen x1 = 1; x2 = 1; x3 = 1 y se resuelve para x4 ; se obtiene

x4 = 1; por lo que el primer vector propio correspondiente a = 2 es:
3
2
1
6 1 7
7
v2 = 6
4 1 5
1

Procediendo de manera anloga, se proponen los otros dos vectores propios

faltantes, teniendo el cuidado de escoger valores tales que los vectores resultantes
sean linealmente independientes. Esto es factible de hacerse porque se tienen
sucientes grados de libertad para lograrlo. Por ejemplo, para el vector v3 se
puede resolver (20) de la siguiente forma: se proponen x1 = 1; x2 = 1; x3 = 1
lo que resulta en x4 = 1; esto es:
2
3
1
6 1 7
7
v3 = 6
4 1 5
1
en donde se tuvo el cuidado de escoger valores tales que el vector resultante
v3 fuera linealmente independiente del vector v2 : Procediendo de manera anloga
para el clculo del tercer vector propio correspondiente a = 2 se propone
11

que x1 = 1; x2 = 1; x3 = 1, lo que resulta en x4 =

vector propio correspondiente a = 2 es:
2
3
1
6 1 7
7
v4 = 6
4 1 5
1

1: Por lo que el tercer

Obsrvese que el conjunto de vectores propios fv2 ; v3 ; v4 g correspondientes

a = 2, es un conjunto linealmente independiente y en este caso, los vectores
fv1 ; v2 ; v3 ; v4 g forman una base para el espacio lineal R4 :

Existen otras situaciones que se pueden dar en el caso en que se tengan

valores propios repetidos. Especcamente el caso en el que la matriz A
iI
no disminuye
unidades, sino un nmero diferente. Como caso ilustrativo,
considrese el siguiente ejemplo.
Ejemplo 18 Sea la matriz
2

1
6 1
A=6
4 0
1

0
1
1
0

0:5
0:5
2:5
0:5

3
0:5
1:5 7
7
0:5 5
2:5

Obtenga el polinomio caracterstico de la matriz, obtenga los valores propios

de la matriz y los vectores propios correspondientes.

Solucin 19 Calclese la matriz I A :

2
+1
0
6 1
+
1
I A=6
4 0
1
1
0

0:5
0:5
+ 2:5
0:5

3
0:5
1:5 7
7
0:5 5
+ 2:5

Calclese el polinomio caracterstico de esta matriz:

( )

= det( I A) =
4
=
+ 7 3 + 18 2 + 20 + 8 =
= ( + 1)( + 2)3

los valores propios de la matriz son 1; 2; 2; 2: Obsrvese que esta

matriz y la del ejemplo anterior tienen el mismo polinomio caracterstico y por
lo tanto los mismos valores propios.

12

Para el valor propio

( I

1, que no est repetido se tiene que

2
3
0
0
0:5 0:5
6 1
0
0:5
1:5 7
7
A)j = 1 = 6
4 0
1 1:5
0:5 5
1 0
0:5 1:5

Puede vericarse que rank ( I A)j = 1 = 3;(la la dos de la matriz es

igual a la la tres multiplicada por -1)y por lo tanto dim(E:P:de = 1) =
n rank ( I A)j = 1 = 4 3 = 1; resultado que est de acuerdo con el
corolario anterior [13] para el caso de valores propios diferentes. A continuacin
se calcular el vector propio correspondiente. De la denicin de vector propio
se tiene: que ( I A)j = 1 x = 0; as que
2
32
3 2 3
0
0
0:5 0:5
x1
0
6 1
7 6 x2 7 6 0 7
0
0:5
1:5
6
76
7=6 7
4 0
1 1:5
0:5 5 4 x3 5 4 0 5
1 0
0:5 1:5
0
x4
expandiendo esta igualdad matricial, se observa que la segunda ecuacin es
igual a la cuarta multiplicada por 1, por lo que solo son tres las ecuaciones
tiles:
x1 0:5x2 0:5x4 = 0
0:5x2 0:5x4 = 0
0:5x2 + x3 0:5x4 = 0

Si se propone x1 = 1 y se resuelve el sistema de ecuaciones para x2 ; x3 y x4 ,

se obtiene: x2 = 1; x3 = 1; x4 = 1: Por lo que el vector propio v1 correspondiente al valor propio = 1 es:
2 3
1
6 1 7
7
v1 = 6
4 1 5
1
Para el valor propio

( I

2 que est repetido tres veces, se tiene que:

2
3
1 0
0:5 0:5
6 1
1 0:5
1:5 7
7
A)j = 2 = 6
4 0
1 0:5
0:5 5
1 0
0:5 0:5

Puede vericarse que rank ( I A)j = 2 = 3: Por lo tanto dim(E:P:de =

2) = n rank ( I A)j = 1 = 4 3 = 1, lo que indica que correspondientes
al valor propio = 2, existe solo un vector propio. De la denicin de vector
propio se tiene que ( I A)j = 2 x = 0; as que:
2
32
3 2 3
1 0
0:5 0:5
x1
0
6 1
7 6 x2 7 6 0 7
1
0:5
1:5
6
76
7=6 7
4 0
1 0:5
0:5 5 4 x3 5 4 0 5
1 0
0:5 0:5
x4
0
13

La primera y la cuarta ecuacin son la misma, as que solo hay tres ecuaciones tiles y cuatro incgnitas:
x1

x1 0:5x3 + 0:5x4 =
x2 + 0:5x3 1:5x4 =
x2 + 0:5x3 0:5x4 =

0
0
0

En este caso, solo se puede calcular un vector propio, pues solo se tiene un
grado de libertad. Si se propone x1 = 1 y se resuelve el sistema resultante se
obtiene: x2 = 1; x3 = 1 y x4 = 1:As que el vector propio asociado al valor
propio repetido = 2 es:
3
2
1
6 1 7
7
v2 = 6
4 1 5
1
En este caso no se pueden calcular ms vectores propios, la cuestin es qu
hacer para calcular los dos vectores faltantes asociados al valor propio = 2?
Razonando de manera anloga a la que se razon en el caso de los valores
propios calculados previamente, se tiene ahora lo siguiente:
3
2
0
0:5 0
0:5
6 0
0:5 0
0:5 7
3
7=1
rank [(A
I)] = 2 = rank 6
4 0
0:5 0
0:5 5
0
0:5 0
0:5
Esto signica que:

h
dim N [(A

I)]

= 2

= n

rank ( I

A)j

= 1

4 1 = 3; asociados al espacio nulo de [(A

I)] = 2 se pueden calcular tres
vectores linealmente independientes que vivan en ese espacio. Supngase que al
menos un vector v 6= 0 existe, tal que
[(A

I)]

= 2

v = 0; 8i = 3

(21)

y que adems los vectores

[(A

I)]

= 2

v 6= 0; 8i < 3

entonces se puede constatar que los vectores v, [(A

I)] = 2 v y
2
3
[(A
I)] = 2 v pertenecen todos al espacio nulo de la matriz [(A
I)] = 2
y son los vectores que faltan para completar los vectores asociados al valor propio
2 repetido tres veces. Son estos vectores linealmente dependientes o independientes? Estos vectores son linealmente independientes.
Para probarlo, suponga que no lo son, entonces cualquiera de ellos puede
representarse como la combinacin lineal de los otros dos y por lo tanto existen
constantes c1 ; c2 ; c2; no todas cero tales que
c1 [(A

I)]

= 2

v+c2 [(A

I)]

14

= 2

v+c3 [(A

I)]

= 2

v=0

supngase sin prdida de generalidad que c2 6= 0; entonces

1

c2 [(A

I)]
1

[(A

I)]

[(A

I)]

v=

= 2

I)]

c3
[(A
c2

I)]

v + c02 [(A

I)]

= 2

v = c1 [(A

= 2

I)]

= 2

I)]

v = c01 [(A

= 2

I)]

= 2

I)]

= 2

= 2

multiplicando esta ltima expresin por [(A

[(A

v c3 [(A

= 2

I)]

I)]

c1
[(A
c2

v=

= 2

c1 [(A

= 2

se tiene

= 2

v + c02 [(A

I)]

= 2

el primer miembro y el segundo sumando del segundo miembro de esta igual2

dad, son iguales a cero por (21), lo que implica que [(A
I)] = 2 v = 0 pero
esto es una contradiccin como lo indica la satisfaccin de (21). Se pudo proceder de manera anloga con cualquiera de los otros dos vectores y la contradiccin hubiera sido la misma, por lo tanto la suposicin de que estos vectores son
linealmente dependientes es falsa y se concluye que son linealmente independientes.
Por otro lado obsrvese que
A[(A

I)]

= 2

v = [A
3

= [(A

I)]

= 2

I + I] [(A

v+

[(A
2

[(A

I)]

= 2

I)]
2

I)]

= 2

v=

v=

= 2

Esto es, el vector [(A

I)] = 2 v es un vector propio de A con valor propio correspondiente
= 2 , pero ya hemos calculado al nico vector propio correspondiente al valor propio
= 2 y este vector es el vector v2 =
2
[(A
I)] = 2 v
2
3
1
6 1 7
7
v2 = 6
4 1 5
1
Se requiere entonces calcular a los vectores v3 , [(A
I)] = 2 v y v4 ,
0
[(A
I)] = 2 v = v . Estos vectores pueden calcularse a partir de la siguiente
expresin:
1

A[(A

I)]

= [(A

= 2

v= [A
k+1
= 2

I)]

I + I][(A
v+

8k < 3
15

[(A

I)]
k

I)]

= 2

= 2

v=
(22)

para k = 2; 1; 0 en la expresin anterior, se tiene

Av2
Av3
Av4

=
=
=

v2
v3 + v2
v4 + v3

Los vectores que se estn buscando son v3 y v4 porque el vector v2 ya se

calcul previamente. Haciendo = 2 y calculando a v3 y a v4 se tiene
2
3
1 0
0:5
0:5
6 1
1
0:5 1:5 7
6
7 v = 2v3 + v2
4 0
1
2:5 0:5 5 3
1
0
0:5
2:5
3
2
1 0
0:5
0:5
6 1
1
0:5 1:5 7
7 v = 2v4 + v3
6
4 0
1
2:5 0:5 5 4
1
0
0:5
2:5

Resolviendo estas dos ecuaciones para v3 y v4 , resultan dos sistemas de

ecuaciones cuyas incgnitas son las componentes de estos dos vectores. Estos dos
sistemas de ecuaciones solo tienen tres ecuaciones tiles , porque rank [(A 2I)] =
3: El resultado es:
3
2
1
6 1 7
7
v3 = 6
4 1 5
1
y
3
2
1
6 1 7
7
v4 = 6
4 1 5
1
Los vectores v1 ; v2 ; v3 ; v4 son vectores linealmente inndependientes y por lo
tanto forman una base para R4 .

Estos ejemplos sugieren el siguiente procedimiento general para tratar el caso

de valores propios repetidos.
Como se asent en el Resultado 14, el nmero de vectores propios asociados
al valor propio i repetido veces est dado por (18). Supngase ahora que
rank (A
p, es decir, supngase que el valor propio i que est
i I) = n
repetido veces, hace caer el rango de la matriz A
i I en p unidades, en
donde 1
p
: De acuerdo a (18), asociados al valor propio i , se tendrn
p vectores propios. La cuestin es que faltan q =
p vectores asociados al
valor propio i (Ntese que si p = , entonces q = 0, es decir, no faltan vectores
propios asociados al valor propio i y hay entonces vectores propios asociados
16

al valor propio i repetido

siguiente denicin:

veces). Para tratar este caso se requiere de la

Denicin 20 Vectores Propios Generalizados

Sea A 2 Rn n : Si para algn valor 2 C y algn entero q
vector v 2 Rn ; v 6= 0 ; tal que
q

(A

q 1

I) v = 0 pero (A

I)

1 existe un

v 6= 0

(23)

entonces se dice que v es un vector propio generalizado con ndice q correspondiente al valor propio generalizado de la matriz A:

Ntese que cuando q = 1, es un valor propio y v 6= 0 es el vector propio

correspondiente.
Ntese tambin que por denicin, los vectores propios generalizados, se
q
encuentran en el nulo de la matriz (A
I) y que
(A

I) v 6= 0 8k < q y (A

I) v = 0 8k

(24)

As que los vectores

=

v1

I)

q 2

v 6= 0

(25)

(A
I)
v 6= 0
:::::::::::
= (A
I) v 6= 0

v2
vq

q 1

(A

vq

(A

I) v 6= 0

se encuentran en el nulo de la matriz (A

I) ; y son por tanto vectores
q 1
generalizados y adems el vector v1 = (A
I)
v=
6 0 es vector propio de A:
Que los vectores v1 ; v2 ; ::; vp se encuentran en el nulo de la matriz (A
y son por lo tanto vectores propios generalizados se puede ver fcilmente:
(A

I) vk = (A

ya que de acuerdo a (24) (A

Por otro lado,
A(A

q 1
v
i I)

=
=
=

I) (A

I) v; 8k =0; q

q:

I) v = 0 8k
(A
(A
i (A

iI

+ i I)(A
q
i I) v + i (A
q 1
v
i I)

17

I)

q 1
v=
i I)
q 1
v=
i I)

(26)

q 1
lo que demuestra que el vector v1 = (A
v es vector propio de A,
i I)
con valor propio correspondiente i . En la expresin anterior se hizo uso de
(24). Este resultado implica que los vectores propios correspondientes al valor
propio i , son tambin vectores propios generalizados y que por lo tanto el
espacio propio correspondiente al valor propio i , est contenido en el espacio
que contiene a los vectores propios generalizados de i .

Lema 21 Los vectores propios generalizados denidos en (25) son un conjunto

de q vectores linealmente independientes
Prueba. Se demostrar el lema por contradiccin:
Supngase que los vectores
n
0
(A
I) v; (A

I) v; ::: (A

k 1

I)

son linealmente dependientes, entonces cualquiera de los vectores, digamos

k
el vector (A
I) v para algn k (0 k < q 1) se puede expresar como una
combinacin lineal del resto de los vectores:
(A

k
i I)

v=

pP1

cj (A

j
i) v

j=k+1
k
Puesto que (A
q; premultiplicando ambos miembros
i I) v = 0 para k
q 1 k
q 1
de esta ecuacin por (A
I)
da
como
resultado que (A
v = 0,
i
i I)
pero esto es una contradiccin, lo que prueba que los vectores en cuestin, son
linealmente independientes.

Por los resultados presentados, para calcular los q vectores propios generalizados se procede de la siguiente manera:
q 1

El primer vector generalizado es el vector v1 = (A

I)
v , que como
muestra (26), es uno de los vectores propios de la matriz A. De hecho, se puede
tomar cualquiera de los vectores propios de la matriz. El resto de los vectores
se calculan de acuerdo a la siguiente iteracin:
A(A

k
i I) v

= (A

k+1
v
i I)

8k = 0; q

i (A

k
i I) v

(27)

que se obtiene de manera anloga a (26), o sustituyendo en sta a q

k y haciendo uso de (24).

1 por

Empleando en (27) la denicin de los vectores v1 , v2 , :::; vq dada por (25),

se tiene que (27) se reduce a:
18

Av1
Av2
Avq 1
Avq

=
=

(28)

i v1

i v2 + v1
:::::::
=
i vq 1 + vq
=
i vq + vq 1

y es a partir de este sistema de ecuaciones que se calculan los q vectores propios generalizados, que eran los vectores que faltaban para completar el conjunto
de vectores asociados al valor propio i que est repetido veces.
Resumen 22 Para el caso de una matriz con valores propios repetidos, se puede
entonces seguir el siguiente procedimiento para el clculo de los vectores propios
y vectores propios generalizados correspondientes:
Sea A 2 Rn n con polinomio caracterstico dado por (17), en donde sin
prdida de generalidad, se considera que solamente el valor propio i esimo
est repetido veces.
i) Para cada uno de los valores propios diferentes, calclense los vectores
propios correspondientes de acuerdo al procedimiento descrito lneas arriba: para
cada valor propio diferentte, hgase uso de la denicin de vector propio dada
por (1) (o por (2) o por (3)), que resulta en un sistemas de n 1 ecuaciones con
n incgnitas ya que cada valor propio diferente hace caer el rango de la matriz
(A
I) en una unidad.
ii) Para el valor propio repetido:
a)Sea rank [(A
p; 1 p
lo que implica que asociados
i I)] = n
al valor propio i se pueden calcular p vectores propios.
b) Calclense los p vectores propios asociados al valor propio i , de
acuerdo al procedimiento referido en i).
c) Asociados al valor propio i ,se tienen q =
p vectores propios
generalizados, el primero de los cuales es cualquiera de los vectores propios
correspondientes a i . Ntese que si p = , entonces se tienen vectores propios
asociados al valor propio i ,que se calculan de acuerdo al procedimiento i).
Los q vectores propios generalizados asociados al valor propio
acuerdo a (28), esto es:
Av1
Av2
Avq 1
Avq

=
=

19

se calculan de

(29)

i v1

i v2 + v1
:::::::
=
i vq 1 + vq
=
i vq + vq 1

en donde puede observarse que v1 es vector propio (cualquiera previamente

calculado) correspondiente a i : El conjunto de vectores propios generalizados
fv1 ; v2 ; :::; vq g es un conjunto linealmente independiente de vectores y por lo
tanto forman una base para el subespacio Rq Rn :
Fin de procedimiento.
Ejemplo 23 Sea la matriz
2

1:5
6 0:5
A=6
4 0:5
0:5

0:5
1:5
0:5
0:5

0
0
2
0

3
0
1 7
7
0 5
2

Obtenga el polinomio caracterstico de la matriz, obtenga los valores propios

de la matriz y los vectores propios y propios generalizados correspondientes.

Solucin 24 Obtenga la matriz ( I

2
+ 1:5
6 0:5
( I A) = 6
4
0:5
0:5

A) :
0:5
+ 1:5
0:5
0:5

0
0
+2
0

Su polinomio caracterstico est dado por:

( )

= det( I A) =
4
=
+ 7 3 + 18 2 + 20 + 8 =
= ( + 1)( + 2)3

Los valores propios son: 1 =

repetido tres veces.
Para = 1 :
Clculo del vector propio v1 :

( I

3
0
1 7
7
0 5
+2

A)j

= 1

1;

0:5
6 0:5
=6
4 0:5
0:5

2; con el valor propio

0:5
0:5
0:5
0:5

Utilizando la denicin de vector propio dada

2
0:5
0:5 0
6 0:5
0:5
0
( I A)j = 1 v1 = 6
4 0:5
0:5 1
0:5
0:5 0
20

0
0
1
0

3
0
1 7
7
0 5
1

por (2),
32
0
6
1 7
76
0 54
1

se tiene
3
v1
v2 7
7=0
v3 5
v4

Lo que resulta en un sistema de 4 ecuaciones, una de las cuales es redundante, con cuatro incgnitas. Resolviendo para v1 , se obtiene:
2 3
1
6 1 7
7
v1 = 6
4 1 5
1
Para = 2 :
Clculo de los vectores propios y propios generalizados:
3
2
0:5
0:5 0 0
6 0:5
0:5 0
1 7
7
( I A)j = 2 = 6
4 0:5
0:5 0 0 5
0:5
0:5 0 0
El clculo del rango de esta matriz da
rank ( I

A)j

= 2

=2

en donde puede observarse que la primera, tercera y cuarta las, son iguales.
Esto implica que dim N( ( I A)j = 2 ) = 4 2 = 2; as que existen 2 vectores
propios asociados al valor propio
= 2. En este ejemplo, de acuerdo al
procedimiento que se suministr lneas arriba, se tiene que n = 4; = 3; p = 2 y
q = 2: Lo que quiere decir que correspondientes al valor propio = 2; se tienen
dos vectores propios generalizados, uno de los cuales es tambin vector propio
de la matriz A correspondiente al valor propio = 2: As que la situacin es
que se tienen que calcular los vectores v2 ; v3 ; v4 que satisfagan las siguientes
ecuaciones:
Av2
Av3
Av4

=
=
=

2 v2
2 v3
2 v4

+ v3

Resolviendo estas tres ecuaciones para v2 ; v3 ; v4 , se obtiene (los detalles del

clculo se dejan al lector):
2
3
2
3
2
3
1
1
1
6 1 7
6 1 7
6 1 7
7
6
7
6
7
v2 = 6
4 1 5 v3 = 4 1 5 v4 = 4 1 5
1
1
1

Forma cannica de Jordan de una matriz

Toda matriz A 2 Rn n es algebraicamente equivalente o similar a una matriz

2 Rn que es diagonal o diagonal por bloques y que en su diagonal pincipal
21

despliega a los valores propios de la matriz A 2 Rn n :Esto es, existe T 2 Rn

, det(T ) 6= 0; tal que
= T 1 AT

La matriz de tranformacin T 2 Rn n que genera la forma cannica de

Jordan de la matriz A; es la matriz T cuyas columnas son los vectores propios
y los vectores propios generalizados de la matriz A correspondientes a sus valores
propios y a sus valores propios generalizados.
Como se anot en la seccin anterior cuando se trataron los conceptos de
valor y vector propio de una matriz y su extensin a los consceptos de valor
y vector propio generalizados, se presentan dos casos: el caso en que todos
los valores propios son diferentes y el caso en el que se tienen valores propios
repetidos. A continuacin se tratarn estos dos casos.

3.1

Valores propios diferentes

Sea A 2 Rn n , sea ( ) = det [A

I] = n + an 1 n 1 + ::: + a1 + a0 ; su
polinomio caracterstico y sean todos sus valores propios diferentes, esto es:
( )=(

1 )(

2 ):::(

n)

Correspondientes a estos n valores propios diferentes, existen n vectores

propios que son linealmente independientes, y que por lo tanto forman una
base de Rn . La matriz A expresada en esta base es precisamente la forma
cannica de Jordan de la matriz en cuestin:
Tmese la expresin
Av1
Av2

=
=

Avn 1
Avn

=
=

1 v1

(30)

2 v2
:::::::
n 1 vn 1
n vn

Este sistema de ecuaciones puede expresarse en forma compacta de la siguiente manera:

2
3
0 0 0 0 0
1
6 0
0 0 0 0 7
2
7
6
6 0
0
0 0 0 7
6
7
A [v1 v2 ::: vn ] = [v1 v2 ::: vn ] 6
0 0
0 0 7
6 0
7
4 0
0 0 0
0 5
0
0 0 0 0
n
22

o de la siguiente manera:
AT = T
en donde
T = [v1 v2 ::: vn ]
y

6 0
6
6
=6
6
6
4
0

7
7
7
7
7
7
0 5
n

es la forma cannica de la matriz A y T es la matriz de transformacin

o cambio de coordenadas, cuyas columnas son los vectores propios de la matriz
A.

3.2

Valores propios repetidos

Sea A 2 Rn n , sea ( ) = det [A

I] = n + an 1 n 1 + ::: + a1 + a0 ; su
polinomio caracterstico en el que, sin prdida de generalidad, se considera que
solo el valor propio i se encuentra repetido veces, esto es:
( )=(

1 ):::(

i)

:::(

n)

Correspondientes a los n
valores propios diferentes, existen n
vectores
propios correspondientes, que son linealmente independientes, y que se calculan
como ya se indic en el caso de valores propios diferentes, por lo tanto forman
una base para el subespacio Rn
Rn :

Av1
Av2

=
=

1 v1
2 v2

..
.
Avi 1
Avi+1

=
=

i 1 vi 1
i+1 vi+1

..
.
Avn
Avn

=
=

(31)
(32)
(33)
(34)

n
n

1 vn

vn

Los vectores faltantes, asociados al valor propio i ; se calculan de acuerdo

al procedimiento descrito lneas arriba correspondiente al caso de valores propios
repetidos:
23

Sea
rank [A

i I]

=n

entonces, correspondientes al valor propio i repetido veces, se tienen p

vectores propios y q =
p vectores propios generalizados, uno de los cuales es
uno de los vectores propios correspondientes a i :
Av1i
Av2i

=
=

vi 1
vi 1
vpi

..
.
Avpi

i
Avp+1

i
i vp+1

+ vpi

i
Avp+2

i
i vp+2

i
+ vp+1

vqi

+ vqi

..
.
Avqi

1
Avqi

i
i vq

24

vqi 1