Determinaci´on Num´erica de Eigenvalores y Eigenvectores.

Jos´e Mar´ıa Rico Mart´ınez

Departamento de Ingenier´ıa Mec´anica.
Universidad de Guanajuato, F. I. M. E. E.
Calle Tampico No. 912, Col. Bellavista.
CP 36730, Salamanca, Gto., M´exico
Tel. +52-464-6480911, Fax: +52-464-6472400.
E-mail: jrico@salamanca.ugto.mx

1 Introducci´on
Estas notas tienen como objetivo presentar los conceptos fundamentales de la teor´ıa de Eigenvalores y Eigen-vectores,
tambi´en conocidos como valores y vectores carater´ısticos o como valores y vectores propios, de una matriz cuadrada,
as´ı como una revisi´on somera de los m´etodos num´ericos empleados para su determinaci´on.

2 Establecimiento del problema y definiciones.

n×n
Considere una matriz A ∈ dada por
a11 a12 a13 . . . a1n
a21 a22 a23 . . . a2n
a31 a32 a33 . . . a3n (1)
. . . .
A=

.
. . .. .. .. ..

an1 an2 an3 . . . ann

n que b = 0, se dice que es un eigenvector,

Definici´on: Eigenvalor y Eigenvector. Un vector b ∈ , tal 1

vector propio o vector caracter´ıstico, de la matriz A si y s´olo si

donde λ ∈ C. Ab = λb, (2)

Adem´as, se dice que el escalar λ es el eigenvalor, valor propio o valor characteristico de la matriz A
asociado al eigenvector b; de manera rec´ıproca, se dice que b es un eigenvector de A asociado al eigenvalor λ. Debe
notarse que, a´un cuando la matriz A es real, los eigenvalores asociados a la matriz pueden ser n´umeros complejos.
Teorema I. El conjunto de todos los eigenvectores b asociados al eigenvalor λ constituyen un subespacio
n
vectorial de , concido como el eigenespacio asociado al eigenvalor λ.
Prueba: Es suficiente mostrar que el conjunto de vectores
n

E = {b ∈ | Ab = λ b}
est´a cerrado respecto a la adici´on de vectores y la multiplicaci´on por escalar.
1
Debe notarse que la ecuaci´on (2) requiere necesariamente que la matriz deba ser cuadrada.

1
 1. Sean b1 , b2
∈ E, por lo tanto

Ab 1 = λ b1 y Ab 2 = λ b2
Puesto que la multiplicaci´on de matrices es una operaci´on lineal, se tiene que

A b1 + b2 = Ab1 + Ab2 = λb1 + λb2 = λ b1 + b2

por lo tanto, el conjunto est´a cerrado respecto de la adici´on.

2. Sea b1
∈ E y μ ∈ , por lo tanto

Ab 1 = λ b 1.
Puesto que la multiplicaci´on de matrices es una operaci´on lineal, se tiene que

A μ b1 = μAb1 = μλb1 = λμb1 = λ μb1 .

por lo tanto, el conjunto est´a cerrado respecto a la multiplicaci´on por escalar.

Estas dos pruebas parciales verifican que el conjunto de todos los eigenvectores asociados al eigenvalor
b λ

n
constituyen un subespacio vectorial de
Considere ahora la ecuaci´on (2), que puede reescribirse de la siguiente forma
(3)
Ab = λb, o Ab = Inλb, o [A − λIn] b =0
donde In es la matriz identidad de orden n. Puesto que, por definici´on, b = 0, la unica´ posibilidad para que

la ecuaci´on (3) se satisfaga es que, la matriz [A − In] sea singular y que sea un elemento del espacio nulo o
λ b

kernel de la matriz. Una condici´on necesaria y suficiente para que la matriz [A − λIn] sea singular es que su
determinante sea cero; es decir
p(λ) =| A − λIn |= 0. (4)
Expandiendo el determinante de la ecuaci´on (4), se obtiene una ecuaci´on polinomial real de n-´esimo orden en λ. Esta
ecuaci´on se denomina la ecuaci´on caracter´ıstica de la matriz A. Las raices de la ecuaci´on caracter´ıstica son los
eigenvalores de la matriz y los vectores que satisfacen la ecuaci´on (3) son los eigenvectores asociados a los
eigenvalores respectivos.
Es importante se˜nalar que si la matriz A es real, la ecuaci´on caracter´ıstica de orden n es real. Del teorema
fundamental del algebra, se sabe que la ecuaci´on (4) tiene n raices cuando se analiza en el campo de los n´umeros
complejos, tomando en cuenta la multiplicidad de una raiz; es decir, cuantas veces aparece como repetida una raiz.
Adem´as, si la ecuaci´on (4) tiene una raiz compleja o imaginaria, el complejo conjugado de esa raiz, tambi´en es raiz
de la ecuaci´on. En otras palabras, las raices complejas o imaginarias de una ecuaci´on polinomial real siempre aparecen
como pares conjugados.

3 M´etodo directo de determinaci´on de los eigenvalores y eigenvec-tores de una

matriz.
Las observaciones indicadas al t´ermino de la secci´on 2, constituyen las bases de la determinaci´on de eigenvalores y
eigenvectores por el m´etodo directo. Los pasos necesarios para esta determinaci´on se indican a continuaci´on.
1. Determine la ecuaci´on caracter´ıstica de la matriz; es decir determine
p(λ) =| A − λIn |= 0.
2. Encuentre las n raices de la ecuaci´on caracter´ıstica. Estas raices son los eigenvalores de la matriz.

2
 3. Para cada uno de los eigenvalores determine el subespacio soluci´on de la ecuaci´on
−

λ
[A In] b = 0.

Estos subespacios soluci´on constituyen el eigenespacio asociado al eigenvalor λ.

Ejemplo 1.
Considere la matriz dada por
 8 2 4 1

A= 2 6 −2 1
4 3 −8 0
 −2 3 4 5
La ecuaci´on caracter´ıstica de la matriz A est´a dada por
2 3 4
0 =| A − λI4 |= p(λ) = −1636 + 756 λ − 49 λ − 11 λ + λ
La figura 1 muestra la gr´afica de la ecuaci´on caracter´ıstica, es evidente, de la figura que existen 4 raices reales Las
raices de la ecuaci´on caracter´ıstica y, por lo tanto, los eigenvalores de la matriz A est´an dadas por

2,000

1,000
lambda
−8 −6 −4 −2 0 2 4 6 8 10
0

−1,000

−2,000

−3,000

−4,000

Figure 1: Gr´afica de la Ecuaci´on Caracter´ıstica de la Matriz A.

λ1 = −8.382430513, λ2 = 3.094656787, λ3 = 6.339424118, λ4 = 9.948349608.

Para la determinaci´on de los eigenvectores asociados a λ1 = −8.382430513, se tienen que realizar los siguien-tes c
´alculos.

1. Determinar la matriz A − λ1 I4, dada por

16.38243051 2 4 1
2 14.38243051 2 1
A− λ 1 I4 = 4 3 − 0. 382430513
0
 2 3 4 13.38243051
−
3
 2. Obtener la forma escalonada reducida de la matriz A − λ1 I4, dada por

16.38243051 2.0 4.0 1.0

0 14.13826650 2.488328029 0.8779179928
−
0 0 5.059299318 13.30306562

0 0 0 0.0000000009

Este resultado parece contradictorio, si los c´alculos se hubieran realizado de manera exacta, la matriz A − λ1 I4 debe ser
singular, y el t´ermino (4, 4) de la forma escalonada reducida deber´ıa ser igual a 0. La diferencia es el resultado de no
realizar los c´alculos de manera exacta.

3. Despreciando el error indicado en el punto anterior, el eigenvector asociado al eigenvalor λ1 est´a dado por la
soluci´on del sistema

16.38243051 2.0 4.0 1.0 x1 0

0 14.13826650 2.488328029 0.8779179928 x2 = 0
− 0
x

0 0 5.059299318 13.30306562 x4
La soluci´on est´a dada por

T bλ1 = −0.2453188593 0.1996149746 1 −0.3803107842 .

λ b
Es importante se˜nalar que cualquier m´ultiplo escalar de es igualmente un eigenvector de la matriz A 1

asociado al eigenvalor λ1.

Procediendo de manera semejante con los restantes eigenvalores, se tiene que

1. Para λ2 = 3.094656787, se tiene que

bλ2 = 0.06478833904 −0.4579574956 −0.1004735120 1 T.

2. Para λ3 = 6.339424118, se tiene que

bλ3 = −0.5802494150 0.2153771052 −0.1168015068 1T .

3. Para λ4 = 9.948349608, se tiene que

bλ4 = 1 0.3756429166 0.2856490351 0.05446763308 T .

4 Determinaci´on de Eigenvalores y Eigenvectores de Matrices Si-m´etricas.

Esta secci´on inicia definiendo de manera formal una matriz sim´etrica.

n×n
Definici´on. Una matriz A ∈ se dice que es sim´etrica, si y s´olo si, su transpuesta es igual a la matriz
original, es decir:
T
A = A.

Si la matriz cuyos eigenvalores y eigenvectores se desea determinar es sim´etrica, entonces es posible encontrar
interesantes resultados te´oricos que simplifican esa determinaci´on. Por ejemplo, en la secci´on 2, se coment´ que

4
 los eigenvalores de una matriz real pueden ser reales o complejos, sin embargo, si la matriz es sim´etrica, puede
probarse que todos sus eigenvalores son reales. Sin embargo, para probar estos resultados, es necesario emplear algunos
resultados acerca de matrices definidas sobre el campo de los n´umeros complejos y de espacios vectoriales complejos.
n
Definici´on. Considere el espacio vectorial C , definido sobre el campo de los n´umeros complejos, C, es posible
definir la siguiente forma cuadr´atica
n
q : C → q(v) = v∗v,

donde la barra indica la transpuesta conjugado del vector.

Es necesario probar que la imagen de este mapeo es efectivamente un n´umero real
n n n
T 2 2
q(v) = v v = v j vj = (aj + i bj )(aj + i bj ) = (aj + bj ) ∈
j=1 j=1 j=1

Teorema II. La forma cuadr´atica definida en la definici´on anterior es positiva definida.

Prueba: Es evidente que
n
q(v) ≥ 0 ∀v ∈ C .
En particular, si q(v) = 0, entonces
n
(a j2 + bj2) = 0
aj = bj = 0j = 1, 2, . . . , n.
⇔ ∀
j=1

Por lo tanto, qv ⇔v .

()=0 =0
Ahora se analizar´an algunas propiedades de matrices complejas.
n n
Definici´on. Considere el ´algebra de matrices cuadradas, C × , definidas sobre el campo de los n´umeros
n n
complejos. Una matriz A ∈ C × se denomina hermitiana si
A∗ = A.
Donde, A∗ representa la transpuesta conjugada de la matrix A. Es decir, una matriz es hermitiana, si la matriz es igual a
su transpuesta conjugada.
Puesto que el campo de los n´umeros reales es un subcampo de los n´umeros complejos, < C, entonces si a ∈ ,
entonces a = a, y se tiene el siguiente resultado.
Teorema III. Una matriz sim´etrica, real, es una matriz hermitiana.
n×n n×n T
Prueba: Suponga que A ∈ <C es sim´etrica, entonces A∗ = A , y se tiene que
T
A∗ = A = A.

por lo tanto es hermitiana.

n n
Teorema IV. Sea A ∈ C × una matriz hermitiana. Entonces
1. x∗ A x es un n´umero real para todo x ∈ Cn , y
2. Todos los eigenvalores de A son reales.
Prueba: Para la primera parte, considere el n´umero complejo

x∗ A x ∗ = x∗ A∗ x∗∗ = x∗ A x

5
puesto que el n´umero complejo satisface la propiedad de que su conjugado es igual al n´umero, entonces el n´umero
“complejo” es, en realidad, un n´umero real.
Para la segunda parte considere, un eigenvalor λ de la matriz A hermitiana y sea x un eigenvector de A asociado a λ y
con la propiedad que su forma cuadr´atica q(x) = x∗ x = 1, entonces
Ax = λ x

Adem´as
λ
 Debe notarse que por el primer
resultado de este teorema λ es
un n´umero real.
Debe recordarse que 8 2 4 1
como indica el Teorema 1 1 0 5
III, todas las matrices sim La ecuaci´on caracter´ıstica
´etricas son hermitianas, de la matriz A est´a dada por
de manera que todos los
resultados del Teorema IV 0 =|
son aplicables a todas las A−
matrices sim´etricas. λI4 |
Puede, adem´as, =
mostrarse que si la matriz
p(λ)
es sim´etrica los
=
eigenvectores son
−24
ortogonales, sin embargo, 44 +
la prueba de este resultado 946
requiere de conceptos
bastante mas complicados. λ−
60
2
4.1 Ejemplo 2. λ −
3
Considere la matriz dada 11 λ
4
por +λ
La figura 2 muestra la gr´afica
de la ecuaci´on caracter´ıstica,
es evidente, de la figura que
4 existen 4 raices reales Las raices
de la ecuaci´on caracter´ıstica y,
por lo tanto, los eigenvalores de
la matriz A est´an dadas por

−10 −8 −6

Figure
2: Gr
´afica
de la
Ecuaci
´on
Caract
er
´ıstica
de la
 Matriz A.
6
 λ1 = −9.325502313, λ2 = 4.446795311, λ3 = 5.915205526, λ4 = 9.963501476.
Para la determinaci´on de los eigenvectores asociados a λ1 = −9.325502313, se tienen que realizar los siguien-tes c
´alculos.

1. Determinar la matriz A − λ1 I4, dada por

17.32550231 2 4 1
2 15.32550231 2 1
A − λ 1 I4 = 4 2 − 1 . 325502313
0
−
1 1 0 14.32550231

2. Obtener la forma escalonada reducida de la matriz A − λ1 I4, dada por

17.32550231 2.0 4 .0 1 .0
0 15.09462877 2.461747074 0.8845632315
−
0 0 0.0866122253 14.21594747
−
0 0 0 0.00000000332
−
Este resultado parece contradictorio, si los c´alculos se hubieran realizado de manera exacta, la matriz A − λ1 I4 debe ser
singular, y el t´ermino (4, 4) de la forma escalonada reducida deber´ıa ser igual a 0. La diferencia es el resultado de no
realizar los c´alculos de manera exacta.
3. Despreciando el error indicado en el punto anterior, el eigenvector asociado al eigenvalor λ1 est´a dado por la
soluci´on del sistema
17.32550231 2.0 4.0 1.0 x1 0
0 15.09462877 2.461747074 0.8845632315 x2 = 0
− 0
x

3
0 0 0.0866122253 14.21594747 x4
−
La soluci´on est´a dada por

T bλ1 = −0.2500102856 0.1627305853 1 0.006092610111 .

λ b
Es importante se˜nalar que cualquier m´ultiplo escalar de es igualmente un eigenvector de la matriz A 1

asociado al eigenvalor λ1.

Procediendo de manera semejante con los restantes eigenvalores, se tiene que

1. Para λ2 = 4.446795311, se tiene que

bλ2 = −0.07156723992 −0.4816374493 0.05439198782 1 T.

2. Para λ3 = 5.915205526, se tiene que

bλ3 = −0.5818315235 1 −0.3109782378 0.4569120971T .

3. Para λ4 = 9.963501476, se tiene que

bλ4 = 1 0.4961701156 0.1674317099 0.3014344054 T .