Vous êtes sur la page 1sur 6

Algebra Lineal XXVIII: Eigenvalores y Eigenvectores.

Jose Mara Rico Martnez


Departamento de Ingeniera Mecanica
Facultad de Ingeniera Mecanica Electrica y Electronica
Universidad de Guanajuato
email: jrico@ugto.mx

En estas notas, se estudiaran los conceptos de eigenvalores y eigenvectores de una transformacion


lineal y de su matriz representativa. Estos conceptos son muy empleados en diferentes areas de las
matematicas aplicadas y de ingeniera. La raiz eigen proviene del aleman y significa propio, de hecho
los eigenvalores tambien reciben el nombre de valores propios o valores caractersticos, de una
transformacion lineal o de una matriz, y los eigenvectores reciben el nombre de vectores propios o
vectores caractersticos, de una transformacion lineal o de una matriz.

Iniciaremos estas notas definiendo el eigenvector de una transformacion lineal.

Definicion 1. Sea V un espacio vectorial sobre un campo K y sea T una transformacion lineal

T :VV

un vector v0 = 0 del espacio vectorial V se denomina un eigenvector de T si existe un escalar K


tal que
T (v0 ) = v0 ,
en este caso K se denomina el eigenvalor de la transformacion T asociado al eigenvector v0 .
Probaremos que el eigenvalor asociado al eigenvector v0 es realmente unico, por ello el uso del
artculo definido el empleado en la ultima oracion del parrafo anterior. Suponga, por contradiccion, que
existen dos diferentes eigenvalores 1 y 2 asociados al eigenvector v0 , entonces

T (v0 ) = 1 v0 = 2 v0 = T (v0 )

contradiciendo el hecho de que la imagen de v0 bajo la transformacion es unica.

De manera semejante podemos definir los eigenvectores y eigenvalores de una matriz M.

Definicion 1. Sea M Knn para algun numero natural n, un elemento X


Kn se denomina un
eigenvector de M si existe un escalar K tal que
= X,
MX

en este caso K se denomina el eigenvalor de la matriz M asociado al eigenvector X.


de la matriz M es realmente
Puede probarse faclmente que el eigenvalor asociado al eigenvector X
unico.

Ahora mostraremos la relacion que hay entre los eigenvectores y eigenvalores de una transformacion
lineal T y los eigenvectores y eigenvalores de una de sus matrices representativas, digamos M.

1
Teorema 3. Considere una transformacion lineal T : V V una base B del espacio vectorial V
y sea M la matriz representativa de T respecto a la base B. Entonces v0 V es un eigenvector de T
asociado al eigenvalor K si, y solo si, si el vector coordenado X, de v0 respecto a la base B, es un
eigenvector de M asociado al mismo eigenvalor .
Prueba: Suponga que B = {v1 , v2 , . . . , vn } es una base del espacio vectorial V, sea X
= (1 , 2 , . . . , n )T
el vector coordenado de v0 respecto a la base B, y sea B el mapeo coordenado de V respecto a la base
B, es decir
B : M Kn
entonces
v0 = 1 v1 + 2 v2 + + n vn = (1 , 2 , . . . , n )T
y B (v0 ) = X
Entonces, si v0 es un eigenvector de T asociado al eigenvalor , entonces T (v0 ) = v0 y

1
2
=
B [T (v0 )] = B ( v0 ) = B (v0 ) = X ..


.
n

Sin embargo, si M es la matriz representativa de T respecto a la base B, entonces


= B [T (v0 )] = B ( v0 ) = B (v0 ) = X.
MX

es un eigenvector de la matriz M asociado al eigenvalor .


Por lo tanto, X
Suponga ahora que X es un eigenvector de la matriz M asociado al eigenvalor , entonces

= X.
MX

Puesto que el mapeo coordenado B es un isomorfismo de espacios vectoriales, se tiene que su inversa
existe y es tambien un isomorfismo de manera tal qie
1 = 1 ( X)
= 1 (X)
= v0
T (v0 ) = B (MX) B B

y v0 es un eigenvector de la transformacion lineal T asociado al eigenvalor .

Ahora probaremos la relacion entre los eigenvalores y eigenvectores de matrices similares.

Teorema 4. Considere una transformacion lineal T : V V, dos bases B y B del espacio vectorial
V y sean M y N las matrices representativas de T respecto a las base B y B respectivamente.1 Mas
aun, suponga que P es la matriz de transicion de la base B a la base B . De manera mas precisa P es la
matriz representativa del mapeo identidad IV cuando la base del dominio es B y la base del codominio
es B .2 Entonces, si X
es un eigenvector de M asociado al eigenvalor K, entonces

= PX
Y

es un eigenvector de N asociado al mismo eigenvalor .


Prueba: Por el Teorema 3, se mostro que si X es un eigenvector de M asociado al eigenvalor
K, existe un vector v0 V que es un eigenvector de T asociado al mismo eigenvalor . Por lo tanto,
de v0 V, respecto a la base B satisface
haciendo nueva referencia al Teorema 3, el vector coordenado Y
la ecuacion
NY = Y,
1 It also follows that the matrices M y N are related by the equation
M = P1 NP.

2 Esto significa que la j-esima columna de P es el vector coordenado de vj B, respecto a la base B .

2
es un eigenvector de la matriz N asociado al eigenvalor y, ademas, el vector Y
por lo que Y , esta dado
por
Y = P X.

Finalmente probaremos un teorema que provee de una manera sistematica para la determinacion de
los eigenvalores y eigenvectores de una matriz.

Teorema 5. Las siguientes afirmaciones son equivalentes

1. es un eigenvalor de la matriz M.
2. El espacio nulo o kernel de la matrix M I no es unicamente {0}.

3. | M I |= 0.

0 tal que
=
Prueba: Suponga que es un eigenvalor de la matriz M, entonces existe un X
= X
MX

Por lo tanto
[M I] X
= 0.
N (M I), y el espacio nulo de M I es diferente del vector 0. Por lo tanto 1
Por lo tanto X
implica 2. Ademas, si N (M I) = 0, entonces M I es una matriz singular y

| M I |= 0

Por lo tanto, 2 implica 3. Finalmente, si | M I |= 0, entonces la matriz M I es singular y existe


un vector X = 0 tal que
[M I] X
= 0

por lo tanto
= X.
MX

y es un eigenvalor de M. Por lo tanto 3 implica 1 y la prueba esta completa.

Definicion 6. El conjunto de todos los eigenvectores de la transformacion T : V V asociados con


el eigenvalor , junto con el vector 0, se llama el eigenespacio asociado con , y se denotara V .

Teorema 7. Un eigenespacio, V , de la transformacion T : V V es un subespacio de V.

Prueba: Suponga que v1 , v2 son dos eigenvectores asociados a . Entonces

T [v1 ] = v1 T [v2 ] = v2

Por lo tanto
T [v1 + v2 ] = T [v1 ] + T [v2 ] = v1 + v2 = (v1 + v2 )
y el conjunto esta cerrado respecto a la adicion. Sea ahora K, entonces

T [ v1 ] = T [v1 ] = ( v1 ) = ( v1 )

y el conjunto esta cerrado respecto a la multiplicacion por escalar. Por lo tanto es un subespacio de V.

Teorema 8. Eigenvectors asociados a distintos eigenvalores de una transformacion T : V V son


linealmente independientes.

3
Prueba: Suponga que v1 , v2 , . . . , vn eigenvectores asociados a distintos eigenvalores 1 , 2 , . . . , n .
Entonces, existe un conjunto de esos eigenvectores, {v1 , v2 , . . . , vj }, con j < n, tal que el conjunto es
linealmente independiente pero {v1 , v2 , . . . , vj , vj+1 } ya es linealmente dependiente; por lo tanto,

vj+1 = c1 v1 + c2 v2 + + cj vj

donde c1 , c2 , . . . , cj son elementos, no todos cero, de K. Pero

T [vj+1 ] = T [c1 v1 + c2 v2 + + cj vj ]
j+1 vj+1 = c1 1 v1 + c2 2 v2 + + cj j vj

Por otro lado

T [vj+1 ] = T [c1 v1 + c2 v2 + + cj vj ]
j+1 vj+1 = j+1 [c1 v1 + c2 v2 + + cj vj ]
= c1 j+1 v1 + c2 j+1 v2 + + cj j+1 vj

Restando estas dos ultimas ecuaciones, se tiene que


0 = (1 j+1 ) c1 v1 + (2 j+1 ) c2 v2 + + (j j+1 ) cj vj

Puesto que c1 , c2 , . . . , cj son elementos, no todos cero, de K y i = k , esto implica que {v1 , v2 , . . . , vj }
es linealmente dependiente, una contradiccion.

1 Problemas Propuestos.
En este primer problema, se muestra que es posible determinar los eigenvalores y eigenvectores de una
transformacion lineal, pues de aqu en adelante, la gran mayora de los libros de texto se concentran en
calcular los eigenvalores y eigenvectores de matrices.
Problema 1. Encuentre los eigenvalores de la transformacion lineal

T : P2 P2 T (a0 + a1 x + a2 x2 ) = (a0 a2 ) + (a1 + a2 )x a1 x2

donde se supone que el espacio vectorial P2 esta definido sobre el campo de los numeros reales.
Solucion. Por definicion un p(x) P2 es un eigenvector de T si, y solo si,

T [p(x)] = p(x), donde R.

Por lo tanto, por la definicion de la transformacion lineal,

T [p(x)] = T (a0 + a1 x + a2 x2 ) = (a0 a2 ) + (a1 + a2 )x a1 x2

y, por el otro lado, si p(x) es un eigenvalor de T , se tiene que

T [p(x)] = T (a0 + a1 x + a2 x2 ) = (a0 + a1 x + a2 x2 ) = ( a0 ) + ( a1 )x + ( a2 )x2

para algun R. Igualando ambas ecuaciones, se tiene que

(a0 a2 ) + (a1 + a2 )x a1 x2 = ( a0 ) + ( a1 )x + ( a2 )x2 .

Esta ecuacion vectorial conduce al siguiente sistema de ecuaciones

(1 ) a0 + 0 a1 a2 = 0
0 a0 + (1 ) a1 + a2 = 0
0 a0 a1 a2 = 0

4
La matriz de coeficientes del sistema esta dada por

1 0 1

A= 0 1 1

0 1

y la matriz sera singular si y solo si


( )
0 =| A |= (1 ) + 2 + 1

y las raices de esta ecuacion son



1+i 3 1i 3
1 = 1, 2 = , 3 =
2 2
De manera que el unico eigenvalor de la transformacion lineal T es = 1, pues = 1 es el unico valor
real que hace que el sistema de ecuaciones tenga una solucion distinta de la trivial. Este es un caso
muy importante donde la seleccion del campo sobre el cual se define el espacio vectorial es
muy importante.
Como se indico en la teora, si se sustituye = 1 en el sistema lineal, la matriz correspondiente es
singular y el sistema de ecuaciones tiene soluciones multiples, que estan dadas por
{ }
Cs = p(x) P2 | p(x) = a0 + 0 x + 0 x2 = {p(x) = a0 | a0 R}

de manera que cualquier polinomio de la forma p(x) = a0 donde a0 R es un eigenvector de T asociado


al eigenvalor = 1.

Problema 2. Determine los eigenvalores y eigenvectores de la matriz3



2 2 3

A= 1 2 1 .

2 2 1

Solucion. Para determinar los eigenvalores de la matriz A, determine primeramente la matriz



2 2 3

B = A I = 1 2 1
2 2 1

El determinante de la matriz B, esta dada por

| B |=| A I |= 8 2 + 5 2 3 .

Las raices de esta ecuacion, que son los eigenvalores de la matriz, A, estan dadas por

1 = 1, 2 = 2, 3 = 4.

A continuacion determinaremos los eigenvectores asociados a los eigenvalores.


3 Este problema esta tomado de Lineare Algebra Eine Einfuhrung fur Studienanfanger, Fischer, G., 16 Auflage 2008,

Wiesbaden: Vieweg und Teubner.

5
1. Para 1 = 1, debe resolverse el sistema lineal

3 2 3
x1 0
[A 1 I] X = 0
3 1 x2 = 0
1
x3 0
2 2 2

La solucion a este sistema de ecuaciones esta dado por


{ }
Cs1 = X 1 = (x, 0, x) | x R

de manera que los eigenvalores asociados a 1 estan dados por



1
X1 = 0 donde R.
1

2. Para 2 = 2, debe resolverse el sistema lineal



0 2 3
x1 0
[A 2 I] X
= 0 1 0 1
x2 = 0
x3 0
2 2 1

La solucion a este sistema de ecuaciones esta dado por


{ }
Cs2 = X 1 = (x, 3 x, x) | x R
2

de manera que los eigenvalores asociados a 2 estan dados por



1
2 = 3
X donde R.
2
1

3. Para 3 = 4, debe resolverse el sistema lineal



2 2 3
x1 0
[A 2 I] X
= 0 1 2 1
x2 = 0
x3 0
2 2 3

La solucion a este sistema de ecuaciones esta dado por


{ }
Cs3 = X 1 = (4 x, 5 x, x) | x R
2

de manera que los eigenvalores asociados a 3 estan dados por



4
3 = 5
X donde R.
2
1