AUTOVALORES Y AUTOVECTORES

DEFINICION
Sea A una matriz cuadrada de orden m. Diremos que un escalar λ ∈ C es un
autovalor de A si existe un vector v ∈ C m, v 6= 0 tal que Av = λv, en cuyo
caso se dice que v es un autovector de A asociado al autovalor λ.
Obviamente, si tenemos un autovector v de A asociado a un autovalor λ,
cualquier múltiplo no nulo de v también es un autovector de A asociado al
mismo autovalor λ. Por otra parte, si tenemos dos autovectores v1 y v2
asociados a un mismo autovalor λ, cualquier combinación lineal no nula de
dichos autovectores también es un autovector de A asociado al mismo
autovalor λ.
Observaciones.
Al hacer transformaciones fila (o columna) sobre una matriz A, los
autovalores y los autovectores de la matriz que se obtiene NO guardan
relación (en general) con los autovalores y autovectores de la matriz original.
En general, tampoco es cierto que los autovalores de una matriz
suma/resta/producto de otras dos sean suma/resta/producto de los
autovalores de cada uno de los sumandos. Ejercicio. Busca ejemplos de todo
lo anterior.

El concepto de autovalor y autovector no es exclusivo de los espacios de

coordenadas, ni de los espacios vectoriales de dimensión finita. Por ejemplo,
siendo V el espacio vectorial de las funciones y: R → R indefinidamente
derivables y siendo T: V → V la aplicación lineal y −→ T(y) = y ′′, se tiene que
λ = 0 es un autovalor de T (y) todo polinomio de primer grado es un autovector
asociado. Por otra parte, λ = 1 también es autovalor y la función y(x) = 𝑒 𝑥 es un
autovector asociado.
La ecuación característica
Proposición. Dada una matriz cuadrada A y un número λ0 ∈ C, son
equivalentes:
(1) λ0 es un autovalor de A.
(2) El sistema homogéneo (A − λ0 I) x = 0 es un sistema compatible
indeterminado.
(3) dim [Nul (A − λ0 I)] ≥ 1.
(3’) El rango [A −λ0 I] no es máximo.
(4) La matriz (A − λ0 I) no tiene inversa.
(5) det [A − λ0 I] = 0.
Por tanto, los autovalores de A son las soluciones de la ecuación p(λ) = det [A
− λI] = 0. Esta ecuación se denomina ecuación característica de la matriz A y
p(λ) = det [A − λI] se denomina polinomio característico. Siendo A = [𝑎𝑖𝑗 ] una
matriz m × m,
𝑎11−λ ⋯ 𝑎1𝑚
p(λ) = det [A − λI] = [ ⋮ ⋱ ⋮ ] = (−1)𝑚 λ𝑚 + 𝑐𝑚 λ𝑚−1 + ⋯ 𝑐0
𝑎𝑚1 ⋯ 𝑎𝑚𝑚−1
es un polinomio de grado m y, por tanto, tiene m raíces (contando cada una
según su multiplicidad) que pueden ser reales o complejas no-reales (aun en
el caso en que la matriz A sea real).
El subespacio vectorial Nul [A − λ0 I] se denomina espacio propio asociado al
autovalor λ0 (notemos que en general estará compuesto por vectores
complejos, los autovectores de A asociados a λ0 y el vector nulo),
Nul [A −λ0 I] = {0} ∪ {autovectores asociados a λ0 }.

De manera habitual cuando hablemos de autovectores asociados a un

autovalor nos referiremos a una base del espacio propio asociado, es decir
autovectores linealmente independientes de forma que cualquier autovector
asociado al autovalor en cuestión sea combinación lineal de ellos.
Ejemplo
1 2
en el que la matriz A viene dada. Consideremos la matriz A =[ ]
2 1
Autovalores: Para cualquier escalar λ tenemos que
1−λ 2
A − λI =[ ] =⇒ det (A − λI) = (1 − λ)2 − 4 = λ2 − 2λ − 3 = (λ − 3) (λ +
2 1−λ
1).
Por tanto, det (A − λI) = 0 ⇐⇒ λ = −3 ´o λ = −1.
AUTOVECTORES
asociados a λ1 = 3: son los vectores no-nulos que están en el espacio nulo
de A − 3I,
Las propiedades referidas a autovalores las podemos agrupar dependiendo
de si pueden obtenerse directamente de la definición (con lo cual estarán
involucrados los autovectores) o si se obtienen a partir del polinomio
característico (algunas de ellas pueden obtenerse de las dos formas).
Proposición. Sea λ un autovalor de A y v un autovector asociado, entonces:
(1) αλ es un autovalor de αA y v es un autovector asociado.
(2) (λ − µ) es un autovalor de A − µI y v es un autovector asociado.
(3) λ k es un autovalor de A k y v es un autovector asociado.
(4) Si q (·) es un polinomio, entonces q(λ) es un autovalor de q(A) y v es un
autovector asociado. (Ejemplo: 3λ3 +5λ2 −7λ+2 es un autovalor de la matriz
3𝐴3 +5𝐴2 −7A+2I).
(5) Si A tiene inversa, entonces λ 6= 0, λ−1 es un autovalor de 𝐴−1 y v es un
autovector asociado.
(6) Sea A una matriz real, λ = a + bi ∈ C, (a, b ∈ R) un autovalor de A y v = u
+ iw ∈ C m un autovector de A asociado a λ. Entonces λ = a − bi ∈ C también
es autovalor de A y v = u − iw ∈ C m es un autovector de A asociado a λ.
Proposición. Sea A una matriz m × m. Se verifica:
(a) A tiene a lo sumo m autovalores distintos.
(b) A y 𝐴𝑇 tienen los mismos autovalores (aunque los autovectores
asociados pueden ser distintos).
Proposición. Sea A una matriz m × m y sea

p(λ) = det [A − λI] = (−1)𝑚 λ𝑚 + 𝐶𝑚−1 λ𝑚−1 + · · · + 𝐶1 λ + 𝐶0 = (−1)𝑚 (𝜆 − 𝜆1 )·

· ·(𝜆 − 𝜆𝑚 )
su polinomio característico (es decir λ1, · · · , λm son los autovalores de A,
iguales o distintos). Se verifica:
(a) El determinante de A es igual al producto de sus autovalores
(apareciendo cada uno, en dicho producto, tantas veces como indique
su multiplicidad como raíz del polinomio característico)
λ1 · · · λm = det (A) = p (0) = 𝐶0

(b) La traza de A (la suma de los elementos diagonales de A) es igual a la

suma de sus autovalores (apareciendo cada uno, en dicha suma, tantas
veces como indique su multiplicidad como raíz del polinomio
característico)
𝜆1 + 𝜆2 + · · · + 𝜆𝑚 =(−1)𝑚−1 𝑐𝑚−1 = traza(A) := 𝑎11 + 𝑎22 + ⋯ + 𝑎𝑚𝑚
Uno de los resultados más importantes referidos a autovalores y
autovectores es el siguiente.

Teorema. A autovalores distintos corresponden autovectores linealmente

independientes. Es decir, si λ1, . . . , λp son autovalores de A distintos dos
a dos y v1, . . . , vp son autovectores de A asociados respectivamente a
λ1, . . . , λp, entonces
{v1, . . . , vp} es linealmente independiente.