Vectores y valores característicos.

Una matriz n X m se puede considerar como una función que usa la multiplicación de matrices
para llevar vectores m-dimensionales en vectores n-dimensionales en sí mismo.
En este caso, ciertas vectores no nulos x son paralelos a Ax, lo que significa que existe una
constante λ tal que Ax = λx. Para estos vectores, tenemos (A – λI)x = 0. Existe una relación
muy estrecha entre estos números λ y la posibilidad de que un método iterativo converja.
Si A es una matriz cuadrada, el polinomio definido por

p(λ) = det(A – λI)

recibe el nombre de polinomio característico de A.

No es difícil demostrar que p es un polinomio de grado n y en consecuencia, que tiene como

máximo n ceros distintos, algunos de los cuales pueden ser complejos. Si λ es un cero de p,
entonces como det(A – λI) = 0 implica que el sistema lineal definido por (A – λI)x = 0 tiene
otra solución que no es x ≠ 0. Deseamos estudiar los ceros de p y las soluciones distintas de
cero correspondientes a estos sistemas.

Definición 1.

Si p es el polinomio característico de la matriz A, los ceros de p se llaman valores

característicos o propios de esa matriz. Si λ es un valor característico de A y si x ≠ 0 tiene la
propiedad de que (A – λI)x = 0 entonces a x se le llama vector característico o propio de la
matriz. A correspondiente al valor característico λ.

Si x es un vector característico asociado al valor característico λ, entonces Ax = λx, por lo cual

la matriz A transforma al vector x en un múltiplo escalar de si misma. Si λ es real y λ > 1,
entonces A tiene el efecto de extender a x en un factor de λ como se observa en la figura 1(a).
Si 0 < λ < 1, entonces A reduce a x en un factor de λ [véase la figura 1(b)]. Cuando λ < 0, los
efectos son semejantes [véase la figura 1(c) y (d)], aunque se invierte la dirección de Ax.
Figura 1.

Definición 2.
El radio espectral p(A) de una matriz A esta definido por
p(A) = máx |λ|, donde λ es un valor característico de A.
½
(Recuérdese que, para λ = α + βi complejo, tenemos |λ| = (α ² + β²) .)

Teorema.
Si A es una matriz de n X n, entonces
½
(i) ||A||2 = [p(At A)] ,

(ii) P(A) ≤ ||A||, para cualquier norma natural || ||. .

Demostración.
La demostración de la parte (i) requiere mayor información sobre los valores característicos
que la que tenemos en el momento actual.
Para probar la parte (ii), supongamos que λ es un valor característico de A con el vector
característico x donde ||x|| = 1. Dado que Ax = λx, para cualquier norma natural

.
|λ| = |λ| ||x|| = || λ x || = || A x || ≤ ||A|| ||x|| = ||A||.

Por tanto,
p(A) = máx |λ| ≤ ||A||.
La parte (i) del teorema anterior implica que si A es simétrica, entonces ||A||2 = p(A).
Un resultado interesante y útil, que se parece a la parte (ii) del teorema, es que para cualquier

.
matriz A y para todo ε > 0 existe una norma natural || || con la propiedad de que
p(A) < ||A|| < p(A) + ε. En consecuencia, p(A) es la cota máxima inferior de las normas
naturales de A.
Propiedades elementales de los valores característicos.
A continuación se presentan algunas de las propiedades más útiles de los valores característicos
y de los vectores característicos asociados a transformaciones lineales de espacios de
dimensión finita.

Proposición 1. Todo subespacio invariante contiene, por lo menos, un vector propio de la

matriz de transformación.

Proposición 2. Si {f1, f2, …, fn} son vectores propios que corresponden respectivamente a
valores propios distintos { λ1, λ2, …, λn}, entonces {f1, f2, …, fn} son linealmente
independientes.
Para demostrar la independencia lineal de f1 y f2 supongamos lo contrario:
α1 f1 + α2 f2 = 0.
Entonces
T(α1 f1 + α2 f2) = α1T f1 + α2T f2
= α1 λ1 f1 + α2 λ2 f2 = 0,
o
α1 λ1 f1 – α1 λ2 f1 = 0,
α1(λ1 – λ2) f1 = 0,
lo cual es una contradicción.

Proposición 3. Si el polinomio característico de un operador lineal T en un espacio vectorial

de dimensión finita tiene n raíces distintas, entonces se puede convertir T en una matriz
diagonal por medio de una transformación C, de tal manera que CTC-1 sea una matriz diagonal
semejante a T. (Se trata aquí de una condición suficiente, pero no necesaria para que una
matriz sea semejante a una matriz diagonal.)

Proposición 4. Si el polinomio característico de un operador lineal tiene una raíz de

multiplicidad m, entonces el número máximo de vectores propios linealmente independientes
que corresponden a esta raíz es m. Dicho de otro modo, la dimensión del subespacio
engendrado por los vectores propios correspondientes a una raíz múltiple no puede ser superior
a la multiplicidad de esta raíz.

Proposición 5. Toda matriz satisface a su propia ecuación característica. (Teorema de Cayley-

Hamilton.)

Proposición 6. Los valores característicos de toda matriz simétrica real o, con mayor
generalidad, de toda matriz hermitiana, son reales.

Proposición 7. Si { λ1, λ2, …, λn} son valores característicos de una matriz T,

n X n,
|λI – T | = (λ – λ1)(λ – λ2)… (λ – λn),
tenemos entonces, para λ1 ≠ 0,
det T = |T | = λ1λ2…λn .

Proposición 8. Si T es una transformación lineal invertible, los valores característicos de T y

de T-1 son entonces recíprocos uno de otro:
Tx = λx ,
T-1 Tx = T-1 λx ,
pero
T-1 Tx = x ,
de donde
T-1 x = λ-1 x .
Proposición 9. Si λ es un valor característico de una matriz [T], entonces λk es un valor

característico de la matriz [T k]. En efecto,

Tkx = Tk -1 Tx = Tk -1 λx = … = λkx .

Proposición 10. Sea λ un valor característico de la matriz T; entonces

a0 + a1 λ + a2 λ2 + … + an λn
es un valor característico de
a0I + a1 T + a2 T2 + … + an T n .

Proposición 11. El polinomio característico de una matriz T n X n puede escribirse de la

forma
|T –λI| = (–1)n [ λn – p1 λn-1 – p2 λn-2 – … – pn ] .
Según las conocidas relaciones entre las raíces de una ecuación polinómica y sus coeficientes,
tenemos
λ1 + λ2 + … + λn = p1 = suma de los términos diagonales de T,

λ1λ2…λn = (–1)n-1 pn = |T |.

La cantidad p1 = t11 + t22 + … + tnn recibe el nombre de traza de T.

 Bibliografía consultada.

BURDEN Richard L, Faires J. Douglas. Análisis numérico. Séptima edición.

México: Thomson Learning, 2002, 823 p.

REZA Fazlollah. Los espacios lineales en la ingeniería.

España: Editorial Reverté, 1977, 445 p.
Instituto Tecnológico de Piedras Negras.

Matemáticas IV

Jesús Alfonso Mireles Morales.

Investigación:
Vectores y valores característicos.
Piedras Negras Coah; a martes 1 de Junio de 2010.