Valores y vectores propios

NOTA Existen vectores especiales para los cuales la acci

on de la
transformacion es muy sencilla: el vector y su imagen tienen la misma
direcci
on

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

NOTA Existen vectores especiales para los cuales la acci
on de la
transformacion es muy sencilla: el vector y su imagen tienen la misma
direcci
on T(v) = v.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

NOTA Existen vectores especiales para los cuales la acci
on de la
transformacion es muy sencilla: el vector y su imagen tienen la misma
direcci
on T(v) = v.
2
2
EJEM:
 Sea T: R R , definida por T(x) = Ax, donde
3/2 3
A=
entonces
1
1

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

NOTA Existen vectores especiales para los cuales la acci
on de la
transformacion es muy sencilla: el vector y su imagen tienen la misma
direcci
on T(v) = v.
2
2
EJEM:
 Sea T: R R , definida por T(x) = Ax, donde
3/2 3
A=
entonces
1
1
 
 
 
 
1 3
2
3
2
T
(estira) T
(encoge y sentido)
=3
=
2 2
1
2
1

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

NOTA Existen vectores especiales para los cuales la acci
on de la
transformacion es muy sencilla: el vector y su imagen tienen la misma
direcci
on T(v) = v.
2
2
EJEM:
 Sea T: R R , definida por T(x) = Ax, donde
3/2 3
A=
entonces
1
1
 
 
 
 
1 3
2
3
2
T
(estira) T
(encoge y sentido)
=3
=
1
2
1
2 2

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

NOTA Existen vectores especiales para los cuales la acci
on de la
transformacion es muy sencilla: el vector y su imagen tienen la misma
direcci
on T(v) = v.
2
2
EJEM:
 Sea T: R R , definida por T(x) = Ax, donde
3/2 3
A=
entonces
1
1
 
 
 
 
1 3
2
3
2
T
(estira) T
(encoge y sentido)
=3
=
1
2
1
2 2

OBJETIVO: Estudiar los valores y vectores propios de T como una

propiedad de las matrices asociadas AT .
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

Note que si v = 0, entonces Av = v es valido para cualquier

n
umero real . As que por eso lo descartamos.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

Note que si v = 0, entonces Av = v es valido para cualquier

n
umero real . As que por eso lo descartamos.
Si v es un vector tal que T(v) = Av = v, decimos que v es un vector
invariante para T definida por la matriz A.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.
Note que si v = 0, entonces Av = v es valido para cualquier
n
umero real . As que por eso lo descartamos.
Si v es un vector tal que T(v) = Av = v, decimos que v es un vector
invariante para T definida por la matriz A.
Si v es un vector propio de A asociado a un valor propio entonces
cualquier vector paralelo u = v es tambien vector propio de A
asociado al mismo valor propio , pues
Au = A(v) = Av = v = v = u.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

1
0
3
EJEM: Consideremos A = 1 1 2 Verifiquemos que

1 1 2
3
1
u = 1 y v = 1 son vectores propios de A asociados a los
1
1
valores propios 1 = 0 y 2 = 2,

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

1
0
3
EJEM: Consideremos A = 1 1 2 Verifiquemos que

1 1 2
3
1
u = 1 y v = 1 son vectores propios de A asociados a los
1
1
valores propios 1 = 0 y 2 = 2,
SOL: Au = ou y Av = 2v.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

1
0
3
EJEM: Consideremos A = 1 1 2 Verifiquemos que

1 1 2
3
1
u = 1 y v = 1 son vectores propios de A asociados a los
1
1
valores propios 1 = 0 y 2 = 2,
SOL: Au = ou y Av = 2v.
OBS: Un vector propio asociado a es una solucion no nula de Ax = x
es decir, solucion de (A I )x = 0. Luego para garantizar soluciones
.
x 6= 0, el det (A I )
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios

DEF: Dada A una matriz n n, decimos que R es un valor propio de
A y que v Rn , v 6= 0, es un vector propio de A asociado a , si y solo si,
Av = v.

1
0
3
EJEM: Consideremos A = 1 1 2 Verifiquemos que

1 1 2
3
1
u = 1 y v = 1 son vectores propios de A asociados a los
1
1
valores propios 1 = 0 y 2 = 2,
SOL: Au = ou y Av = 2v.
OBS: Un vector propio asociado a es una solucion no nula de Ax = x
es decir, solucion de (A I )x = 0. Luego para garantizar soluciones
x 6= 0, el det (A I ) = 0.
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.
EJEM:
todos los valores y vectores propios de la matriz
Encontremos
1
0
3
A = 1 1 2
1 1 2

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.
EJEM:
todos los valores y vectores propios de la matriz
Encontremos
1
0
3
A = 1 1 2
1 1 2
SOL: Como el det (A I ) = 3 22

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.
EJEM:
todos los valores y vectores propios de la matriz
Encontremos
1
0
3
A = 1 1 2
1 1 2
SOL: Como el det (A I ) = 3 22 = 0, entonces los valores
propios de A son = 0 y = 2

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.
EJEM:
todos los valores y vectores propios de la matriz
Encontremos
1
0
3
A = 1 1 2
1 1 2
SOL: Como el det (A I ) = 3 22 = 0, entonces los valores
propios de A son = 0 y = 2
Hallemos los vectores propios, resolviendo (A 0I )x = Ax = 0 y
(A + 2I )x = 0,

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.
EJEM:
todos los valores y vectores propios de la matriz
Encontremos
1
0
3
A = 1 1 2
1 1 2
SOL: Como el det (A I ) = 3 22 = 0, entonces los valores
propios de A son = 0 y = 2
Hallemos los vectores propios, resolviendo (A 0I )x = Ax = 0 y
(A + 2I )x = 0, obtenemos

1
3

Sol=2 = 1 , R .
Sol=0 = 1 , R

1
1
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.

TEO Una matriz A es invertible, si y s

olo si, = 0 no es un valor propio
de A.
DEM:...

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.

TEO Una matriz A es invertible, si y s

olo si, = 0 no es un valor propio
de A.
DEM:...
DEF: Dada una matriz A, decimos que p() = det (A I ) es el
polinomio caracterstico de A.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizacion de los vectores y valores propios

TEO Sea A una matriz cuadrada. Entonces
R es valor propio de A, si y s
olo si, det (A I ) = 0.
v es un vector propio de A asociado al valor propio , si y solo si, v
es una solucion no trivial de (A I )x = 0.

TEO Una matriz A es invertible, si y s

olo si, = 0 no es un valor propio
de A.
DEM:...
DEF: Dada una matriz A, decimos que p() = det (A I ) es el
polinomio caracterstico de A.
EJEM:
el polinomio caracterstico de la matriz
Calculemos


3 1 7
2 1

2
A= 0 5
y la matriz B =
5 2
0 0 1
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Espacio propio E Multi Algebraica y Geometrica

DEF: A la multiplicidad de una raz real del polinomio caracterstico
de la matriz A le llamamos multiplicidad algebraica del valor propio

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Espacio propio E Multi Algebraica y Geometrica

DEF: A la multiplicidad de una raz real del polinomio caracterstico
de la matriz A le llamamos multiplicidad algebraica del valor propio

4
6
6
3
2 despues de una serie de calculos,
EJEM: Si A = 1
1 5 2
tenemos que su polinomio caracterstico es
p() = det (A I ) = 3 + 52 8 + 4 = (1 )( 2)2 .
As, que = 1 es un valor propio de multiplicidad algebraica 1 y 2 = 2
es un valor propio de multiplicidad algebraica 2.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Espacio propio E Multi Algebraica y Geometrica

DEF: A la multiplicidad de una raz real del polinomio caracterstico
de la matriz A le llamamos multiplicidad algebraica del valor propio

4
6
6
3
2 despues de una serie de calculos,
EJEM: Si A = 1
1 5 2
tenemos que su polinomio caracterstico es
p() = det (A I ) = 3 + 52 8 + 4 = (1 )( 2)2 .
As, que = 1 es un valor propio de multiplicidad algebraica 1 y 2 = 2
es un valor propio de multiplicidad algebraica 2.
DEF: Dada A una matriz de tama
no n n y R un valor propio de
A, definimos E() , el espacio propio de A asociado a , como
E() = N(AI ) = {x Rn : (A I )x = 0}.
y definimos la multiplicidad geometrica del valor propio como
dim(E() ).
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Relacion entre multiplicidades de un valor propio

TEO: Si es un valor propio de una matriz A de tama
no n n, entonces
1 multiplicidad geometrica de multiplicidad algebraica de n.
OBS: Note que si la multiplicidad algebraica es 1, las dos multiplicidades
son iguales.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Espacio propio E() Multi

Algebraica
y Geometrica

4
2 3
1 2 determine las
EJEM: Dada la matriz A = 2
1 2 0
multiplicidades geometricas de sus valores propios; es decir, dim(E() ).

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Espacio propio E() Multi

Algebraica
y Geometrica

4
2 3
1 2 determine las
EJEM: Dada la matriz A = 2
1 2 0
multiplicidades geometricas de sus valores propios; es decir, dim(E() ).
SOL: No es difcil ver que el polinomio caracterstico de A,
p() = det (A I ) = 3 + 52 7 + 3 = ( 1)2 (3 ).
As que sus valores propios son 1 = 1 de multiplicidad algebraica 2 y
2 = 3 de multiplicidad algebraica 1.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Espacio propio E() Multi

Algebraica
y Geometrica

4
2 3
1 2 determine las
EJEM: Dada la matriz A = 2
1 2 0
multiplicidades geometricas de sus valores propios; es decir, dim(E() ).
SOL: No es difcil ver que el polinomio caracterstico de A,
p() = det (A I ) = 3 + 52 7 + 3 = ( 1)2 (3 ).
As que sus valores propios son 1 = 1 de multiplicidad algebraica 2 y
2 = 3 de multiplicidad algebraica 1.
Los espacios propios son:
E(1) = N(A1I ) =

E(3) = N(A3I )

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Espacio propio E() Multi

Algebraica
y Geometrica

4
2 3
1 2 determine las
EJEM: Dada la matriz A = 2
1 2 0
multiplicidades geometricas de sus valores propios; es decir, dim(E() ).
SOL: No es difcil ver que el polinomio caracterstico de A,
p() = det (A I ) = 3 + 52 7 + 3 = ( 1)2 (3 ).
As que sus valores propios son 1 = 1 de multiplicidad algebraica 2 y
2 = 3 de multiplicidad algebraica 1.
Los espacios propios son:
E(1) = N(A1I )

E(3) = N(A3I )

1 o
= x R3 : (A 1I )x = 0} = gen 0
1

n
n 5 o
= x R3 : (A 3I )x = 0} = gen 2
3
n

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Espacio propio E() Multi

Algebraica
y Geometrica

4
2 3
1 2 determine las
EJEM: Dada la matriz A = 2
1 2 0
multiplicidades geometricas de sus valores propios; es decir, dim(E() ).
SOL: No es difcil ver que el polinomio caracterstico de A,
p() = det (A I ) = 3 + 52 7 + 3 = ( 1)2 (3 ).
As que sus valores propios son 1 = 1 de multiplicidad algebraica 2 y
2 = 3 de multiplicidad algebraica 1.
Los espacios propios son:
E(1) = N(A1I )

E(3) = N(A3I )

1 o
= x R3 : (A 1I )x = 0} = gen 0
1

n
n 5 o
= x R3 : (A 3I )x = 0} = gen 2
3
n

dim(E(1) ) = dim(E(3) ) = 1 es decir, tienen multiplicidades geometricas 1.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Calculo de Valores y Vectores Propios

Pasos a seguir
1

Calcular el polinomio caracterstico p() = det (A I ).

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Calculo de Valores y Vectores Propios

Pasos a seguir
1

Calcular el polinomio caracterstico p() = det (A I ).

Calcular las races reales de p()

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Calculo de Valores y Vectores Propios

Pasos a seguir
1

Calcular el polinomio caracterstico p() = det (A I ).

Calcular las races reales de p() (valores propios de A).

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Calculo de Valores y Vectores Propios

Pasos a seguir
1

Calcular el polinomio caracterstico p() = det (A I ).

Calcular las races reales de p() (valores propios de A).

Resolver el sistema homogeneo (A I )x = 0, para cada valor de .
(vectores propios de A asociados a )

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Calculo de Valores y Vectores Propios

Pasos a seguir
1

Calcular el polinomio caracterstico p() = det (A I ).

Calcular las races reales de p() (valores propios de A).

3
Resolver el sistema homogeneo (A I )x = 0, para cada valor de .
(vectores propios de A asociados a )


3 2
EJEM: Hallar los valores y vectores propios de A =
3 2
SOL:...profesor
2

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Calculo de Valores y Vectores Propios

Pasos a seguir
1

Calcular el polinomio caracterstico p() = det (A I ).

Calcular las races reales de p() (valores propios de A).

3
Resolver el sistema homogeneo (A I )x = 0, para cada valor de .
(vectores propios de A asociados a )


3 2
EJEM: Hallar los valores y vectores propios de A =
3 2
SOL:...profesor

0 1 0
EJEM: Halle los valores y vectores propios de A = 1 0 0
0 0 2
2

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Calculo de Valores y Vectores Propios

Pasos a seguir
1

Calcular el polinomio caracterstico p() = det (A I ).

Calcular las races reales de p() (valores propios de A).

3
Resolver el sistema homogeneo (A I )x = 0, para cada valor de .
(vectores propios de A asociados a )


3 2
EJEM: Hallar los valores y vectores propios de A =
3 2
SOL:...profesor

0 1 0
EJEM: Halle los valores y vectores propios de A = 1 0 0
0 0 2
2

SOL: No es difcil ver

p() = det (A I ) = (2 )(2 + 1)
Continuar...
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

TEO: Si 1 , 2 , . . . , k son valores propios distintos de una matriz A(n) ,
entonces
1

El conjunto de vectores propios {v1 , v2 , . . . , vk } de A asociados

1 , 2 , . . . , k es l.i.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

TEO: Si 1 , 2 , . . . , k son valores propios distintos de una matriz A(n) ,
entonces
1

El conjunto de vectores propios {v1 , v2 , . . . , vk } de A asociados

1 , 2 , . . . , k es l.i.
Si B1 , B2 , . . . , Bk son bases de los espacios propios E1 , E2 , . . . , Ek ,
entonces B = B1 B2 Bk es un conjunto l.i.. En el caso, de
que B tenga n elementos, entonces B es una base de Rn .

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM: Verifiquemos

1
0
de la matriz A =
0
0

la independencia
de los vectores propios distintos

1 1 1
2 0 0

0 1 0
3 3 1

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM: Verifiquemos

1
0
de la matriz A =
0
0

la independencia
de los vectores propios distintos

1 1 1
2 0 0

0 1 0
3 3 1

SOL: No es difcil ver que el polinomio caracterstico de A es :

p() = 4 53 + 92 7 + 2 = ( 2)( 1)3
y por lo tanto, sus valores propios son 1 = 2 de multiplicidad algebraica
1 y 2 = 1 de multiplicidad algebraica 3.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM: Verifiquemos

1
0
de la matriz A =
0
0

la independencia
de los vectores propios distintos

1 1 1
2 0 0

0 1 0
3 3 1

SOL: No es difcil ver que el polinomio caracterstico de A es :

p() = 4 53 + 92 7 + 2 = ( 2)( 1)3
y por lo tanto, sus valores propios son 1 = 2 de multiplicidad algebraica
1 y 2 = 1 de multiplicidad algebraica 3. Al resolver los sistemas
homogeneos (A 2I )x = 0 y (A I )x = 0 encontramos


4
1
n o
n o
1
0

E(2) = gen
E(1) = gen
0
0
3
0
As que la multiplicidad geometrica de 1 = 2, 2 = 1 es 1, y claramente
son l.i
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM:
que los vectores propios de la matriz
Verifiquemos

5 4 2
A = 4 5 2 forman una base de R3
2 2 2

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM:
que los vectores propios de la matriz
Verifiquemos

5 4 2
A = 4 5 2 forman una base de R3
2 2 2
SOL: No es dificil ver que el polinomio caracterstico de A es :
p() = 3 + 122 21 + 10 = ( 10)( 1)2
y por lo tanto, sus valores propios son 1 = 10 de multiplicidad
algebraica 1 y 2 = 1 de multiplicidad algebraica 2.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM:
que los vectores propios de la matriz
Verifiquemos

5 4 2
A = 4 5 2 forman una base de R3
2 2 2
SOL: No es dificil ver que el polinomio caracterstico de A es :
p() = 3 + 122 21 + 10 = ( 10)( 1)2
y por lo tanto, sus valores propios son 1 = 10 de multiplicidad
algebraica 1 y 2 = 1 de multiplicidad algebraica 2.
Al resolver los sistemas homogeneos (A 10I )x = 0 y (A I )x = 0
encontramos


1 o
n 2 o
n 1
E(10) = gen 2
E(1) = gen 1 , 0
1
0
2
As los valores propios 1 y 2 tienen multiplicidad geometrica 1 y 2, y
claramente son l.i y forman un base de R3 .
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM:
Verifiquemos
que los vectores propios de la matriz
1 0 0
A = 3 2 0 forman una base de R3
1 3 5

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM:
Verifiquemos
que los vectores propios de la matriz
1 0 0
A = 3 2 0 forman una base de R3
1 3 5
SOL: Claramente por ser triangular el polinomio caracterstico de A es :
p() = ( + 1)( 2)( 5)
y por lo tanto, sus valores propios son = 1, 2, 5 cada uno de
multiplicidad algebraica 1.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Independencia de los vectores propios

EJEM:
Verifiquemos
que los vectores propios de la matriz
1 0 0
A = 3 2 0 forman una base de R3
1 3 5
SOL: Claramente por ser triangular el polinomio caracterstico de A es :
p() = ( + 1)( 2)( 5)
y por lo tanto, sus valores propios son = 1, 2, 5 cada uno de
multiplicidad algebraica 1.
Al resolver los sistemas homogeneos (A + I )x = 0, (A 2I )x = 0 y
(A 5I )x = 0 encontramos



0
0
3
E(5) = gen{0}
E(2) = gen{ 1 }
E(1) = gen{ 3 }
1
1
1
As los valores propios = 1, 2, 5 tienen multiplicidad geometrica 1, y
claramente son l.i y forman un base de R3
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.
DEM: Si A = (aij ) es una matriz triangular, su polinomio caracterstico es
p() = det (A I ) = (a11 )(a22 ) (ann ).
As que los valores propios de A, que son las soluciones de p() = 0 son
a11 , a22 , . . . ann , los cuales son los elementos de la diagonal de A.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.

CORO: Si una matriz A de tama

no n n tiene n valores propios
distintos, existe una base de Rn formada por vectores propios de la
matriz A.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.

CORO: Si una matriz A de tama

no n n tiene n valores propios
distintos, existe una base de Rn formada por vectores propios de la
matriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tama
no n n y v un vector propio de A asociado al valor
propio . Entonces,
1

es un valor propio de AT .

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.

CORO: Si una matriz A de tama

no n n tiene n valores propios
distintos, existe una base de Rn formada por vectores propios de la
matriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tama
no n n y v un vector propio de A asociado al valor
propio . Entonces,
1
2

es un valor propio de AT .
Si A es invertible, entonces 6= 0 y v es un vector propio de A1
asociado al valor propio 1 .

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.
CORO: Si una matriz A de tama
no n n tiene n valores propios
distintos, existe una base de Rn formada por vectores propios de la
matriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tama
no n n y v un vector propio de A asociado al valor
propio . Entonces,
1
es un valor propio de AT .
2

Si A es invertible, entonces 6= 0 y v es un vector propio de A1

asociado al valor propio 1 .
DEM: Si A es invertible, 6= 0, Porque?

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.
CORO: Si una matriz A de tama
no n n tiene n valores propios
distintos, existe una base de Rn formada por vectores propios de la
matriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tama
no n n y v un vector propio de A asociado al valor
propio . Entonces,
1
es un valor propio de AT .
2

Si A es invertible, entonces 6= 0 y v es un vector propio de A1

asociado al valor propio 1 .
DEM: Si A es invertible, 6= 0, Porque? ahora sea v un vector
propio de A, asociado a , entonces Av = v luego 1 v = A1 v; es
decir, v es un vector propio de A1 asociado al valor propio 1 .
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.

CORO: Si una matriz A de tama

no n n tiene n valores propios
distintos, existe una base de Rn formada por vectores propios de la
matriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tama
no n n y v un vector propio de A asociado al valor
propio . Entonces,
1
2

es un valor propio de AT .
Si A es invertible, entonces 6= 0 y v es un vector propio de A1
asociado al valor propio 1 .

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos de
la diagonal de la matriz.

CORO: Si una matriz A de tama

no n n tiene n valores propios
distintos, existe una base de Rn formada por vectores propios de la
matriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tama
no n n y v un vector propio de A asociado al valor
propio . Entonces,
1
2

es un valor propio de AT .
Si A es invertible, entonces 6= 0 y v es un vector propio de A1
asociado al valor propio 1 .
v es un vector propio de Ak asociado al valor propio k .

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP. Para items 1-2 profesor...

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP. Para items 3-4 tenemos que
pA () = det (A I )

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP. Para items 3-4 tenemos que
pA () = det (A I ) = det (PBP 1 PP 1 )

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP. Para items 3-4 tenemos que
pA () = det (A I ) = det (PBP 1 PP 1 ) = det [P(B I )P 1 ]
= det Pdet (B I )det P 1 = det (B I )
= pB ()

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
2
3
4
5

det A = det B.
Si una de las matrices es invertible, la otra tambien lo es.
A y B tienen el mismo polinomio caracterstico.
A y B tienen los mismos valores propios.
Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.
A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP. Para items 3-4 tenemos que
pA () = det (A I ) = det (PBP 1 PP 1 ) = det [P(B I )P 1 ]
= det Pdet (B I )det P 1 = det (B I )
= pB ()
concluimos que los polinomios caractersticos de A y B son iguales. y por
ende los valores propios son los mismos
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP.
item 5 Sea v un vector propio de A asociado al valor propio , entonces
Av = v . Multiplicando por P, tenemos
PAv = (Pv ),

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP.
item 5 Sea v un vector propio de A asociado al valor propio , entonces
Av = v . Multiplicando por P, tenemos
BPv = PAv = (Pv ),

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP.
item 5 Sea v un vector propio de A asociado al valor propio , entonces
Av = v . Multiplicando por P, tenemos
BPv = PAv = (Pv ),

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
2
3
4
5

det A = det B.
Si una de las matrices es invertible, la otra tambien lo es.
A y B tienen el mismo polinomio caracterstico.
A y B tienen los mismos valores propios.
Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.
A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP.
item 5 Sea v un vector propio de A asociado al valor propio , entonces
Av = v . Multiplicando por P, tenemos
BPv = PAv = (Pv ),
Entonces Pv es un vector propio de B asociado al valor propio
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1
det A = det B.
2
3

Si una de las matrices es invertible, la otra tambien lo es.

A y B tienen el mismo polinomio caracterstico.

A y B tienen los mismos valores propios.

Existe P, una matriz invertible, tal que si v es un vector propio de A,
Pv es un vector propio de B.

A y B tienen el mismo rango.

DEM: Como A y B son semejantes, existe P, una matriz invertible, tal

que PA = BP.
item 6 Ejercicio 12

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
EJEM: Si T : P2 P2 tal que
T(a + bx + cx 2 ) = (a b) + bx + (a c)x 2 , entonces
T (2 + x 2 ) = 1(2 + x 2 ),
entonces 2 + x 2 es un vector propio de T asociado al valor propio = 1.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Sean un valor propio de T y v V un vector propio de T
asociado a . Luego, T(v) = v.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Sean un valor propio de T y v V un vector propio de T
asociado a . Luego, T(v) = v. Aplicando coordenadas,
[T(v)]B = [v]B = [v]B ,

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Sean un valor propio de T y v V un vector propio de T
asociado a . Luego, T(v) = v. Aplicando coordenadas,
AT [v]B = [T(v)]B = [v]B = [v]B ,

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Sean un valor propio de T y v V un vector propio de T
asociado a . Luego, T(v) = v. Aplicando coordenadas,
AT [v]B = [T(v)]B = [v]B = [v]B ,
Es decir, es valor propio de AT y [v]B es un vector propio de AT
asociado a .

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Si es valor propio de AT y x Rn es un vector propio de
AT asociado a , esto es, AT x = x

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Si es valor propio de AT y x Rn es un vector propio de
AT asociado a , esto es, AT x = x entonces existe un v V tal que
x = [v ]B . Asi que
AT x = x

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Si es valor propio de AT y x Rn es un vector propio de
AT asociado a , esto es, AT x = x entonces existe un v V tal que
x = [v ]B . Asi que
AT x = x = [v ]B

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Si es valor propio de AT y x Rn es un vector propio de
AT asociado a , esto es, AT x = x entonces existe un v V tal que
x = [v ]B . Asi que
[T (v )]B = AT [v ]B = AT x = x = [v ]B

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

DEF: Sean V un espacio vectorial, y T : V V , una transformacion
lineal. Diremos que el escalar es un valor propio de T y que v V ,
v 6= 0, es un vector propio de T asociado a , si y solo si, T(v) = v y
R.
TEO: Sea T : V V , una transformacion lineal, B una base de V . es
un valor propio de T y v V es un vector propio de T asociado a , si y
solo si, es un valor propio de AT y [v ]B es un vector propio de AT
asociado a .
DEM: () Si es valor propio de AT y x Rn es un vector propio de
AT asociado a , esto es, AT x = x entonces existe un v V tal que
x = [v ]B . Asi que
[T (v )]B = AT [v ]B = AT x = x = [v ]B
Esto equivale a
Tv = v
Entonces v es un vector propio de T asociado a .
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

EJEM: Sea T : P2 P2 tal que
T(a + bx + cx 2 ) = (a b) + bx + (a c)x 2 , entonces
T (2 + x 2 ) = 1(2 + x 2 ),

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

EJEM: Sea T : P2 P2 tal que
T(a + bx + cx 2 ) = (a b) + bx + (a c)x 2 , entonces
T (2 + x 2 ) = 1(2 + x 2 ),
Ahora, sean B la base canonica y B = {1, 1 + x, 1 + x + x 2 } de P2
entonces

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

EJEM: Sea T : P2 P2 tal que
T(a + bx + cx 2 ) = (a b) + bx + (a c)x 2 , entonces
T (2 + x 2 ) = 1(2 + x 2 ),
Ahora, sean B la base canonica y B = {1, 1 + x, 1 + x + x 2 } de P2
entonces usando solo la base B tenemos

2
2
1 1 0
0 0 = 10
AT [2 + x 2 ]B = 0 1
1
1
1 0 1
entonces [2 + x 2 ]B = (2 0 1)T es un vector propio de AT asociado a
=1

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Valores y vectores propios de T vrs AT

EJEM: Sea T : P2 P2 tal que
T(a + bx + cx 2 ) = (a b) + bx + (a c)x 2 , entonces
T (2 + x 2 ) = 1(2 + x 2 ),
Ahora, sean B la base canonica y B = {1, 1 + x, 1 + x + x 2 } de P2
entonces usando solo la base B tenemos

2
2
1 1 0
0 0 = 10
AT [2 + x 2 ]B = 0 1
1
1
1 0 1
entonces [2 + x 2 ]B = (2 0 1)T es un vector propio de AT asociado a
= 1 Usando solo la base B tenemos

1 1 1
2
2
1 1 = 11
AT [2 + x 2 ]B = 1 0
1
1
0
1
1
entonces [2 + x 2 ]B = (2 1 1)T es un vector propio de AT asociado a
= 1.
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe una
matriz diagonal D semejante a A; es decir, que existe una matriz
invertible P, tal que
AP = PD.
NOTA: Al procedimiento de encontrar la matriz diagonal D y la matriz
invertible P lo llamamos proceso de diagonalizaci
on y decimos que P y D
diagonalizan a A.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe una
matriz diagonal D semejante a A; es decir, que existe una matriz
invertible P, tal que
AP = PD.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe una
matriz diagonal D semejante a A; es decir, que existe una matriz
invertible P, tal que
AP = PD.
PREG: Cuales son las matrices que diagonalizan a A?

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe una
matriz diagonal D semejante a A; es decir, que existe una matriz
invertible P, tal que
AP = PD.
PREG: Cuales son las matrices que diagonalizan a A?
RESP: Si P y D son las matrices que diagonalizan a A, entonces
AP = PD
[Ap1 Ap2 Apn ] = [Pd1 Pd2 Pdn ]

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe una
matriz diagonal D semejante a A; es decir, que existe una matriz
invertible P, tal que
AP = PD.
PREG: Cuales son las matrices que diagonalizan a A?
RESP: Si P y D son las matrices que diagonalizan a A, entonces
AP = PD
[Ap1 Ap2 Apn ] = [Pd1 Pd2 Pdn ]
= [d11 p1 d22 p2 , . . . , dnn pn ].

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe una
matriz diagonal D semejante a A; es decir, que existe una matriz
invertible P, tal que
AP = PD.
PREG: Cuales son las matrices que diagonalizan a A?
RESP: Si P y D son las matrices que diagonalizan a A, entonces
AP = PD
[Ap1 Ap2 Apn ] = [Pd1 Pd2 Pdn ]
= [d11 p1 d22 p2 , . . . , dnn pn ].
entonces
Ap1 = d11 p1 ,

Ap2 = d22 p2

,...,

Apn = dnn pn .

es decir, p1 , p2 , . . . , pn son los vectores propios de A asociados a los

valores propios d11 , d22 , . . . , dnn .
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe una
matriz diagonal D semejante a A; es decir, que existe una matriz
invertible P, tal que
AP = PD.
PREG: Cuales son las matrices que diagonalizan a A?
RESP: Si {v1 , v2 , . . . , vn } son vectores propios l.i. de A asociados a los
valores propios 1 , 2 , . . . , n , entonces la matriz A se puede diagonalizar
con

1 0 0
0 2 0

P = [v1 v2 vn ]
D= .
.
..
..
..

.
.
0

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe una
matriz diagonal D semejante a A; es decir, que existe una matriz
invertible P, tal que
AP = PD.
PREG: Cuales son las matrices que diagonalizan a A?
RESP: Si {v1 , v2 , . . . , vn } son vectores propios l.i. de A asociados a los
valores propios 1 , 2 , . . . , n , entonces la matriz A se puede diagonalizar
con

1 0 0
0 2 0

P = [v1 v2 vn ]
D= .
.
..
..
..

.
.
0

En efecto,

AP = [Av1 Av2 . . . Avn ]

= [1 v1 2 v2 . . . n vn ] = PD,
de modo que A es diagonalizable y P y D diagonalizan a A.
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectores
propios que forman un conjunto l.i.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectores
propios que forman un conjunto l.i.

CORO: Sea A una matriz n n. Si A tiene n valores propios diferentes,

A es diagonalizable.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectores
propios que forman un conjunto l.i.

CORO: Sea A una matriz n n. Si A tiene n valores propios diferentes,

A es diagonalizable.

1
0 0
EJEM: Es A = 2 1 0 diagonalizable?
1 3 0

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectores
propios que forman un conjunto l.i.

CORO: Sea A una matriz n n. Si A tiene n valores propios diferentes,

A es diagonalizable.

1
0 0
EJEM: Es A = 2 1 0 diagonalizable? RESP: Dado que el
1 3 0
polinomio caracterstico, pA () = (1 )(1 + ) entonces los valores
propios de A son 1 = 1, 2 = 1 y 3 = 0.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectores
propios que forman un conjunto l.i.
CORO: Sea A una matriz n n. Si A tiene n valores propios diferentes,
A es diagonalizable.

1
0 0
EJEM: Es A = 2 1 0 diagonalizable? RESP: Dado que el
1 3 0
polinomio caracterstico, pA () = (1 )(1 + ) entonces los valores
propios de A son 1 = 1, 2 = 1 y 3 = 0. Los espacio propios son,



1
n 0 o
n 0 o
E(1) = gen{1},
E(1) = gen 1 , E(0) = gen 0
0
1
1

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectores
propios que forman un conjunto l.i.
CORO: Sea A una matriz n n. Si A tiene n valores propios diferentes,
A es diagonalizable.

1
0 0
EJEM: Es A = 2 1 0 diagonalizable? RESP: Dado que el
1 3 0
polinomio caracterstico, pA () = (1 )(1 + ) entonces los valores
propios de A son 1 = 1, 2 = 1 y 3 = 0. Los espacio propios son,



1
n 0 o
n 0 o
E(1) = gen{1},
E(1) = gen 1 , E(0) = gen 0
0
1
1

1 0 0
1 0 0
entonces A = 1 1 0 y D = 0 1 0. Existen otras
0 0 0
0 1 1
matrices P y D que diagonalicen a A?
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidades
algebraicas y multiplicades geometricas de los valores propios de A son
iguales y la suma de las multiplicidades algebraicas de los valores propios
es n.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidades
algebraicas y multiplicades geometricas de los valores propios de A son
iguales y la suma de las multiplicidades algebraicas de los valores propios
es n.

5 4 2
EJEM: la matriz A = 4 5 2 tiene pA () = ( 10)( 1)2 ,
2 2 2

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidades
algebraicas y multiplicades geometricas de los valores propios de A son
iguales y la suma de las multiplicidades algebraicas de los valores propios
es n.

5 4 2
EJEM: la matriz A = 4 5 2 tiene pA () = ( 10)( 1)2 , y
2 2 2


2
1
1
E(10) = gen{2}, E(1) = gen{ 1 , 0 }
1
0
2
Entonces mult.alg (10) = 1, mult.geom(10) = 1
mult.geom(1)
=2

2 1 1
10 0
0 y D =0 1
entonces P = 2 1
1 0
2
0 0
matriz A

H
ector Fabi
an Ramrez Ospina

y mult.alg (1) = 2,

0
0 diagonalizan la
1

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidades
algebraicas y multiplicades geometricas de los valores propios de A son
iguales y la suma de las multiplicidades algebraicas de los valores propios
es n.

5 4 2
EJEM: la matriz A = 4 5 2 tiene pA () = ( 10)( 1)2 , y
2 2 2


2
1
1
E(10) = gen{2}, E(1) = gen{ 1 , 0 }
1
0
2
Entonces mult.alg (10) = 1, mult.geom(10) = 1
mult.geom(1)
=2

2 1 1
10 0
0 y D =0 1
entonces P = 2 1
1 0
2
0 0
matriz A

H
ector Fabi
an Ramrez Ospina

y mult.alg (1) = 2,

0
0 diagonalizan la
1

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidades
algebraicas y multiplicades geometricas de los valores propios de A son
iguales y la suma de las multiplicidades algebraicas de los valores propios
es n.
TEO: Sean P, una matriz invertible, y D, una matriz diagonal, las
matrices que diagonalizan a A. Entonces
Ak = PD k P 1 .

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Caracterizar las Matrices Diagonalizables

TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidades
algebraicas y multiplicades geometricas de los valores propios de A son
iguales y la suma de las multiplicidades algebraicas de los valores propios
es n.
TEO: Sean P, una matriz invertible, y D, una matriz diagonal, las
matrices que diagonalizan a A. Entonces
Ak = PD k P 1 .
DEM: Induccion sobre k

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.
2

Las multiplicidades algebraica y geometrica de cada uno de los

valores propios de A son iguales.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.
2

Las multiplicidades algebraica y geometrica de cada uno de los

valores propios de A son iguales.

Los vectores propios de A asociados a valores propios diferentes son

ortogonales.

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.
2

Las multiplicidades algebraica y geometrica de cada uno de los

valores propios de A son iguales.

Los vectores propios de A asociados a valores propios diferentes son

ortogonales.

DEM: Sean v y u vectores propios de A asociados a los valores propios

y , con 6= . Entonces,
Av = v
Au = u

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.
2

Las multiplicidades algebraica y geometrica de cada uno de los

valores propios de A son iguales.

Los vectores propios de A asociados a valores propios diferentes son

ortogonales.

DEM: Sean v y u vectores propios de A asociados a los valores propios

y , con 6= . Entonces,
Av = v

uT Av = uT v

Au = u

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.
2

Las multiplicidades algebraica y geometrica de cada uno de los

valores propios de A son iguales.

Los vectores propios de A asociados a valores propios diferentes son

ortogonales.

DEM: Sean v y u vectores propios de A asociados a los valores propios

y , con 6= . Entonces,
Av = v

uT Av = uT v

Au = u vT Au = vT u

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.
2

Las multiplicidades algebraica y geometrica de cada uno de los

valores propios de A son iguales.

Los vectores propios de A asociados a valores propios diferentes son

ortogonales.

DEM: Sean v y u vectores propios de A asociados a los valores propios

y , con 6= . Entonces,
Av = v

uT Av = uT v

Au = u vT Au = vT u (vT Au)T = (vT u)T

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.
2

Las multiplicidades algebraica y geometrica de cada uno de los

valores propios de A son iguales.

Los vectores propios de A asociados a valores propios diferentes son

ortogonales.

DEM: Sean v y u vectores propios de A asociados a los valores propios

y , con 6= . Entonces,
Av = v

uT Av = uT v

Au = u vT Au = vT u (vT Au)T = (vT u)T uT Av = uT v

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

Sea A un matriz simetrica de tama
no n n entonces
1
A tiene n valores propios, contando multiplicidades.
2

Las multiplicidades algebraica y geometrica de cada uno de los

valores propios de A son iguales.

Los vectores propios de A asociados a valores propios diferentes son

ortogonales.

DEM: Sean v y u vectores propios de A asociados a los valores propios

y , con 6= . Entonces,
Av = v

uT Av = uT v

Au = u vT Au = vT u (vT Au)T = (vT u)T uT Av = uT v

entonces igualando tenemos ( )vT u = 0. por tanto, vT u = 0 = v u

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

TEO: Una matriz A es ortogonalmente diagonalizable, si y solo si, existe
una matriz diagonal D tal que
AQ = QD,
donde Q es una matriz ortogonal.(QQ T = I )

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

TEO: Una matriz A es ortogonalmente diagonalizable, si y solo si, existe
una matriz diagonal D tal que
AQ = QD,
donde Q es una matriz ortogonal.(QQ T = I )
Caracterizaci
on de una matriz simetrica
TEO La matriz A es simetrica, si y s
olo si, es ortogonalmente
diagonalizable. donde Q es una matriz ortogonal. (QQ T = I )

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

TEO: Una matriz A es ortogonalmente diagonalizable, si y solo si, existe
una matriz diagonal D tal que
AQ = QD,
donde Q es una matriz ortogonal.(QQ T = I )
Caracterizaci
on de una matriz simetrica
TEO La matriz A es simetrica, si y s
olo si, es ortogonalmente
diagonalizable. donde Q es una matriz ortogonal. (QQ T = I )
DEM: (): OK...

H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica

Matrices Simetricas y Diagonalizacion

TEO: Una matriz A es ortogonalmente diagonalizable, si y solo si, existe
una matriz diagonal D tal que
AQ = QD,
donde Q es una matriz ortogonal.(QQ T = I )
Caracterizaci
on de una matriz simetrica
TEO La matriz A es simetrica, si y s
olo si, es ortogonalmente
diagonalizable. donde Q es una matriz ortogonal. (QQ T = I )
DEM: (): OK...
() Si A sea ortogonalmente diagonalizable significa que
A = QDQ T
donde Q es una matriz ortogonal. Por lo tanto,
AT = (QDQ T )T = (Q T )T D T Q T = QDQ T = A
H
ector Fabi
an Ramrez Ospina

Algebra lineal B
asica