Vector propio y valor propio

Fig. 1. En esta transformacin de la Mona Lisa, la imagen se ha deformado de tal forma

que su eje vertical no ha cambiado. (nota: se han recortado las esquinas en la imagen de
la derecha). El vector azul, representado por la flecha azul que va desde el pecho hasta
el hombro, ha cambiado de direccin, mientras que el rojo, representado por la flecha
roja, no ha cambiado. El vector rojo es entonces un vector propio de la transformacin,
mientras que el azul no lo es. Dado que el vector rojo no ha cambiado de longitud, su
valor propio es 1. Todos los vectores de esta misma direccin son vectores propios,
con el mismo valor propio. Forman el espacio propio de este valor propio.
En lgebra lineal, los vectores propios, autovectores o eigenvectores de un operador
lineal son los vectores no nulos que, cuando son transformados por el operador, dan
lugar a un mltiplo escalar de s mismos, con lo que no cambian su direccin. Este
escalar recibe el nombre valor propio, autovalor, valor caracterstico o eigenvalor.
A menudo, una transformacin queda completamente determinada por sus vectores
propios y valores propios. Un espacio propio, autoespacio o eigenespacio es el
conjunto de vectores propios con un valor propio comn.
La palabra alemana eigen, que se traduce en espaol como propio se us por primera
vez en este contexto por David Hilbert en 1904 (aunque Helmholtz la us previamente
con un significado parecido). Eigen se ha traducido tambin como inherente,
caracterstico o el prefijo auto-, donde se aprecia el nfasis en la importancia de los
valores propios para definir la naturaleza nica de una determinada transformacin
lineal. Las denominaciones vector y valor caractersticos tambin se utilizan
habitualmente.
Contenido
[ocultar]
1 Definiciones
2 Ejemplos
3 Casos de inters especial
4 Ecuacin del valor propio o autovalor
5 Teorema espectral
6 Vectores propios y valores propios de matrices
o 6.1 Clculo de valores propios y vectores propios de matrices
6.1.1 Clculo simblico
6.1.2 Clculo numrico
o 6.2 Propiedades
6.2.1 Multiplicidad algebraica
6.2.2 Teoremas de descomposicin para matrices generales
6.2.3 Otras propiedades de los valores propios
o 6.3 Vector propio conjugado
o 6.4 Problema de valor propio generalizado
o 6.5 Entradas de un anillo
7 Espacios de dimensin infinita
8 Aplicaciones
9 Referencias
o 9.1 Notas
10 Vase tambin
11 Enlaces externos
[editar] Definiciones
Las transformaciones lineales del espacio como la rotacin, la reflexin, el
ensanchamiento, o cualquier combinacin de las anteriores; en esta lista podran
incluirse otras transformaciones pueden interpretarse mediante el efecto que producen
en los vectores. Los vectores pueden visualizarse como flechas de una cierta longitud
apuntando en una direccin y sentido determinados.
Los vectores propios de las transformaciones lineales son vectores que, o no se
ven afectados por la transformacin o se ven multiplicados por un escalar, y por
tanto no varan su direccin.
[1]

El valor propio de un vector propio es el factor de escala por el que ha sido
multiplicado.
Un espacio propio es un espacio formado por todos los vectores propios del
mismo valor propio, adems del vector nulo, que no es un vector propio.
La multiplicidad geomtrica de un valor propio es la dimensin del espacio
propio asociado.
El espectro de una transformacin en espacios vectoriales finitos es el conjunto
de todos sus valores propios.
Por ejemplo, un vector propio de una rotacin en tres dimensiones es un vector situado
en el eje de rotacin sobre el cual se realiza la rotacin. El valor propio correspondiente
es 1 y el espacio propio contiene a todos los vectores paralelos al eje. Como es un
espacio de una dimensin, su multiplicidad geomtrica es uno. Es el nico valor propio
del espectro (de esta rotacin) que es un nmero real.
Formalmente, se definen los vectores propios y valores propios de la siguiente manera:
Si A: V V es un operador lineal en un cierto espacio vectorial V, v es un vector
diferente de cero en V y c es un escalar tales que

entonces decimos que v es un vector propio del operador A, y su valor propio asociado
es c. Observe que si v es un vector propio con el valor propio c entonces cualquier
mltiplo diferente de cero de v es tambin un vector propio con el valor propio c. De
hecho, todos los vectores propios con el valor propio asociado c junto con 0, forman un
subespacio de V, el espacio propio para el valor propio c. Observe adems que un
espacio propio Z es un subespacio invariante de A, es decir dado w un vector en Z, el
vector Aw tambin pertenece a Z.
[editar] Ejemplos
A medida que la tierra rota, los vectores en el eje de rotacin permanecen invariantes. Si
se considera la transformacin lineal que sufre la tierra tras una hora de rotacin, una
flecha que partiera del centro de la tierra al Polo Sur geogrfico sera un vector propio
de esta transformacin, pero una flecha que partiera del centro a un punto del ecuador
no sera un vector propio. Dado que la flecha que apunta al polo no cambia de longitud
por la rotacin, su valor propio es 1.
Otro ejemplo sera una lmina de metal que se expandiera uniformemente a partir de un
punto de tal manera que las distancias desde cualquier punto al punto fijo se duplicasen.
Esta expansin es una transformacin con valor propio 2. Cada vector desde el punto
fijo a cualquier otro es un vector propio, y el espacio propio es el conjunto de todos esos
vectores.


Una onda estacionaria en una cuerda fija en sus cabos o, ms concretamente, una
funcin propia de la transformacin correspondiente al transcurso del tiempo. A medida
que vara el tiempo, la onda estacionaria vara en amplitud, pero su perodo no se
modifica. En este caso el valor propio es dependiente del tiempo.
Sin embargo, el espacio geomtrico tridimensional no es el nico espacio vectorial. Por
ejemplo, considrese una cuerda sujeta por sus extremos, como la de un instrumento de
cuerda (mostrada a la derecha). La distancia de los tomos de la cuerda vibrante desde
sus posiciones cuando sta est en reposo pueden interpretarse como componentes de
un vector en el espacio con tantas dimensiones como tomos tenga dicha cuerda.
Si se supone que la cuerda es un medio continuo y se considera la transformacin de la
cuerda en el transcurso del tiempo, sus vectores propios o funciones propias son sus
ondas estacionariaslo que, mediante la intervencin del aire circundante, se puede
interpretar como el resultado de taer una guitarra. Las ondas estacionarias
corresponden a oscilaciones particulares de la cuerda tales que la forma de la cuerda se
escala por un factor (el valor propio) con el paso del tiempo. Cada componente del
vector asociado con la cuerda se multiplica por este factor dependiente del tiempo. Las
amplitudes (valores propios) de las ondas estacionarias decrecen con el tiempo si se
considera la atenuacin. En este caso se puede asociar un tiempo de vida al vector
propio, y relacionar el concepto de vector propio con el concepto de resonancia.
[editar] Casos de inters especial
Intuitivamente, para las transformaciones lineales del espacio de dos dimensiones ,
los vectores propios son:
rotacin: ningn vector propio de valores reales (existen en cambio pares valor
propio, vector propio complejos).
reflexin: los vectores propios son perpendiculares y paralelos al eje de simetra,
los valores propios son -1 y 1, respectivamente.
escalado uniforme: todos los vectores son vectores propios, y el valor propio es
el factor de escala.
proyeccin sobre una recta: los vectores propios con el valor propio 1 son
paralelos a la lnea, vectores propios con el valor propio 0 son paralelos a la
direccin de la proyeccin
[editar] Ecuacin del valor propio o autovalor
Matemticamente, v

es un vector propio y el valor propio correspondiente de una

transformacin T si verifica la ecuacin:

donde T(v

) es el vector obtenido al aplicar la transformacin T a v

.
Supngase que T es una transformacin lineal (lo que significa que
para todos los escalares a, b, y los vectores v,
w). Considrese una base en ese espacio vectorial. Entonces, T y v

pueden
representarse en relacin a esa base mediante una matriz A
T
y un vector columna v

un
vector vertical unidimensional. La ecuacin de valor propio en esta representacin
matricial se representa de la siguiente forma:

donde la yuxtaposicin es un producto de matrices. Dado que en esta circunstancia la
transformacin T y su representacin matricial A
T
son equivalentes, a menudo podemos
emplear slo T para la representacin matricial y la transformacin. Esto es equivalente
a un conjunto de n combinaciones lineales, donde n es el nmero de vectores de la base.
En esta ecuacin, tanto el autovalor y las n componentes de v

son desconocidos. Sin

embargo, a veces es poco natural o incluso imposible escribir la ecuacin de autovector
en forma matricial. Esto ocurre, por ejemplo, cuando el espacio vectorial es de
dimensin infinita, como por ejemplo en el caso de la cuerda mostrada anteriormente.
Dependiendo de la naturaleza de la transformacin T y el espacio al que se aplica, puede
ser ventajoso representar la ecuacin de autovalor como un conjunto de ecuaciones
diferenciales, donde los autovectores reciben a menudo el nombre de autofunciones del
operador diferencial que representa a T. Por ejemplo, la derivacin misma es una
transformacin lineal, ya que (si f(t) y g(t) son funciones derivables y a y b son
constantes)

Considrese la diferenciacin con respecto a t. Sus autofunciones h(t) obedecen a la
ecuacin de autovalor:
,
donde es el autovalor asociado con la funcin. Una funcin en el tiempo es constante
si = 0, crece proporcionalmente a s misma si es negativa. Por ejemplo, una
poblacin ideal de conejos engendra con ms frecuencia a medida que hay ms conejos,
y por tanto satisface la ecuacin para lambda positivo.
La solucin a la ecuacin de valor propio es g(t) = exp(t), la funcin exponencial; pues
esa funcin es una funcin propia del operador diferencial d/dt con el valor propio . Si
es negativa, la evolucin de g se denomina decaimiento exponencial; si es positiva se
denomina crecimiento exponencial. El valor de puede ser cualquier nmero complejo.
El espectro de d/dt es entonces el plano complejo en su totalidad. En este ejemplo el
espacio vectorial en el que acta d/dt es el espacio de las funciones derivables de una
variable. Este espacio tiene una dimensin infinita (pues no es posible expresar cada
funcin diferenciable como combinacin lineal de un nmero finito de funciones base).
No obstante, el espacio propio asociado a un valor propio determinado es
unidimensional. Es el conjunto de todas las funciones g(t) = Aexp(t), donde A es una
constante arbitraria, la poblacin inicial en t=0.
[editar] Teorema espectral
Artculo principal: teorema espectral
El teorema espectral muestra la importancia de los valores propios y vectores propios
para caracterizar una transformacin lineal de forma nica. En su versin ms simple, el
teorema espectral establece que, bajo unas condiciones determinadas, una
transformacin lineal de un vector puede expresarse como la combinacin lineal de los
vectores propios con coeficientes de valor igual a los valores propios por el producto
escalar de los vectores propios por el vector al que se aplica la transformacin, lo que
puede escribirse como:

donde y representan a los vectores propios y valores propios
de . El caso ms simple en el que tiene validez el teorema es cuando la
transformacin lineal viene dada por una matriz simtrica real o una matriz hermtica
compleja.
Si se define la ensima potencia de una transformacin como el resultado de aplicarla n
veces sucesivas, se puede definir tambin el polinomio de las transformaciones. Una
versin ms general del teorema es que cualquier polinomio P de es igual a:

El teorema puede extenderse a otras funciones o transformaciones tales como funciones
analticas, siendo el caso ms general las funciones de Borel.
[editar] Vectores propios y valores propios de matrices
[editar] Clculo de valores propios y vectores propios de matrices
Si se quiere calcular los valores propios de una matriz dada y sta es pequea, se puede
calcular simblicamente usando el polinomio caracterstico. Sin embargo, a menudo
resulta imposible para matrices extensas, caso en el que se debe usar un mtodo
numrico.
[editar] Clculo simblico
Encontrando valores propios
Una herramienta importante para encontrar valores propios de matrices cuadradas es el
polinomio caracterstico: decir que es un valor propio de A es equivalente a decir que
el sistema de ecuaciones lineales A v = v --> A v - v = 0 (Factorizando por v queda)
(A - I) v = 0 (donde I es la matriz identidad) tiene una solucin no nula v (un vector
propio), y de esta forma es equivalente al determinante:


La funcin p() = det(A - I) es un polinomio de pues los determinante se definen
como sumas de productos. ste es el polinomio caracterstico de A: los valores propios
de una matriz son los ceros de su polinomio caracterstico.
Todos los valores propios de una matriz A pueden calcularse resolviendo la ecuacin
p
A
() = 0.
Si A es una matriz nn, entonces p
A
tiene grado n y A tiene como mximo n valores
propios.
El teorema fundamental del lgebra dice que esta ecuacin tiene exactamente n races
(ceros), teniendo en cuenta su multiplicidad. Todos los polinomios reales de grado
impar tienen un nmero real como raz, as que para n impar toda matriz real tiene al
menos valor propio real. En el caso de las matrices reales, para n par e impar, los
valores propios no reales son pares conjugados.
Encontrando vectores propios
Una vez que se conocen los valores propios , los vectores propios se pueden hallar
resolviendo el sistema de ecuaciones homogneo:

Una forma ms sencilla de obtener vectores propios sin resolver un sistema de
ecuaciones lineales se basa en el teorema de Cayley-Hamilton que establece que cada
matriz cuadrada satisface su propio polinomio caracterstico. As, si
1
,
2
,...,
n
son los
valores propios de A se cumple que

por lo que los vectores columna de (A
2
I)...(A
n
I) son vectores propios de
1
.
Ejemplo de matriz sin valores propios reales
Un ejemplo de matriz sin valores propios reales es la rotacin de 90 grados en el sentido
de las manecillas del reloj:

cuyo polinomio caracterstico es
2
1 y sus valores propios son el par de conjugados
complejos i, -i. Los vectores propios asociados tampoco son reales.
Ejemplo
Considrese la matriz

que representa un operador lineal R R. Si se desea computar todos los valores
propios de A, se podra empezar determinando el polinomio caracterstico:


y porque p(x) = - (x - 2)(x - 1)(x + 1) se ve que los valores propios de A son 2, 1 y -1. El
teorema de Cayley-Hamilton establece que cada matriz cuadrada satisface su propio
polinomio caracterstico. Es decir

Efectivamente, para el caso del valor propio 2, se puede comprobar que

de donde (1, 1, -1) es un vector propio asociado a 2.

[editar] Clculo numrico
En la prctica, los valores propios de las matrices extensas no se calculan usando el
polinomio caracterstico. Calcular el polinomio resulta muy costoso, y extraer las races
exactas de un polinomio de grado alto puede ser difcil de calcular y expresar: el
teorema de Abel-Ruffini implica que las races de los polinomios de grado alto (5 o
superior) no pueden expresarse usndose simplemente races ensimas. Existen
algoritmos eficientes para aproximar races de polinomios, pero pequeos errores en la
estimacin de los valores propios pueden dar lugar a errores grandes en los vectores
propios. En consecuencia, los algoritmos generales para encontrar vectores propios y
valores propios son iterativos. La manera ms fcil es el mtodo de las potencias: se
escoge un vector aleatorio v y se calcula una secuencia de vectores unitarios:
, , , ...
Esta sucesin casi siempre converger a un vector propio correspondiente al mayor
valor propio. Este algoritmo es sencillo, pero no demasiado til aisladamente. Sin
embargo, hay mtodos ms populares, como la descomposicin QR, que se basan en l.
[editar] Propiedades
[editar] Multiplicidad algebraica
La multiplicidad algebraica de un valor propio de A es el orden de como cero del
polinomio caracterstico de A; en otras, palabras, si es una de las races del polinomio,
es el nmero de factores (t ) en el polinomio caracterstico tras la factorizacin. Una
matriz nn tiene n valores propios, contados de acuerdo con su multiplicidad algebraica,
ya que su polinomio caracterstico tiene grado n.
Un valor propio de multiplicidad algebraica 1 recibe el nombre de "valor propio
simple".
Por ejemplo, se pueden encontrar exposiciones como la siguiente en artculos de teora
de matrices:
"los valores propios de una matriz A son 4,4,3,3,3,2,2,1,"
lo que significa que la multiplicidad algebraica de 4 es dos, la de 3 es tres, la de 2 es dos
y la de 1 es uno. Se emplea este estilo porque la multiplicidad algebraica es la clave de
muchas demostraciones matemticas en teora de matrices.
Anteriormente se ha definido la multiplicidad geomtrica de un vector propio como la
dimensin del espacio propio asociado, o el ncleo (espacio propio de los vectores
propios del valor propio nulo) de I - A. La multiplicidad algebraica tambin puede
entenderse como una dimensin: es la dimensin del espacio propio generalizado (1er
sentido) asociado, que es el ncleo de la matriz (I - A)
k
para k suficientemente grande.
Es decir, es el espacio de los vectores propios generalizados (1er sentido), donde un
vector propio generalizado es cualquier vector que toma valor 0 s I - A se aplica
suficientes veces en sucesin. Cualquier vector propio es un vector propio generalizado,
as que cualquier espacio propio est contenido en el espacio propio generalizado
asociado. Esto proporciona una demostracin simple de que la multiplicidad geomtrica
es siempre menor o igual a la algebraica. El primer sentido no debe de confundirse con
el problema de valores propios generalizados tal y como se muestra ms adelante.
Por ejemplo:

Slo tiene un valor propio = 1. El polinomio caracterstico es ( 1)
2
, as que este
valor propio tiene multiplicidad algebraica 2. Sin embargo, el espacio propio asociado
es el eje, que normalmente recibe el nombre de eje x, generado por el vector unitario
, as que la multiplicidad geomtrica es 1.
Los vectores propios generalizados pueden usarse para calcular la forma normal de
Jordan de una matriz (comentado ms adelante). El hecho de que los bloques de Jordan
en general no son diagonales sino nilpotentes est directamente relacionado con la
distincin entre vectores propios y vectores propios generalizados.
[editar] Teoremas de descomposicin para matrices generales
El teorema de descomposicin es una versin del teorema espectral en una clase
concreta de matrices. Este teorema se explica normalmente en trminos de
transformacin coordinada. Si U es una matriz invertible, puede verse como una
transformacin entre un sistema de coordenadas a otro, donde las columnas de U son las
componentes de la nueva base de vectores expresados en trminos de la base anterior.
En este nuevo sistema las coordenadas del vector v se representan por v', que puede
obtenerse mediante la relacin v' = Uv y, por otra parte, se tiene v = U
1
v'. Aplicando
sucesivamente v' = Uv, w' = Uw y U
1
U = I, a la relacin Av = w proporciona A'v' = w'
con A' = UAU
1
, la representacin de A en la nueva base. En esta situacin, se dice que
las matrices A y A' son semejantes.
El teorema de descomposicin declara que, si se eligen como columnas de U
1
n
vectores propios linealmente independientes de A, la nueva matriz A' = UAU
1
es
diagonal y sus elementos en la diagonal son los valores propios de A. Si esto es posible,
entonces A es una matriz diagonalizable. Un ejemplo de una matriz no diagonalizable
es la matriz A ya mostrada:

Hay muchas generalizaciones de esta descomposicin que pueden tratar con el caso no
diagonalizable, diseadas con diferentes propsitos:
la descomposicin de Schur declara que toda matriz es equivalente a una matriz
triangular.
la descomposicin en valores singulares, A = UV
*
donde es diagonal con U
y V matrices unitarias, los elementos de la diagonal de A = UV
*
no son
negativos y reciben el nombre de valores singulares de A. Esta descomposicin
tambin puede hacerse en matrices no cuadradas.
la forma normal de Jordan, donde A = XX
1
y no es diagonal sino diagonal
por bloques. El nmero y tamao de los bloques de Jordan estn determinados
por las multiplicidades geomtrica y algebraica de los valores propios. La
descomposicin de Jordan es un resultado fundamental. A partir de ella se puede
deducir inmediatamente que una matriz cuadrada est descrita completamente
por sus valores propios, incluyendo la multiplicidad. Esto muestra
matemticamente el importante papel que desempean los valores propios en el
estudio de matrices.
como consecuencia inmediata de la descomposicin de Jordan, cualquier matriz
A puede escribirse de forma nica como A=S + N donde S es diagonalizable, N
es nilpotente (por ejemplo, tal que N
q
=0 para un cierto q), y S cumple la
propiedad conmutativa del producto (SN=NS).
[editar] Otras propiedades de los valores propios
El espectro es invariante bajo transformaciones semejantes: las matrices A y P
-1
AP
tienen los mismos valores propios para cualquier matriz A y cualquier matriz invertible
P. El espectro es tambin invariante a la trasposicin de las matrices: A y A
T
tienen los
mismos valores propios.
Dado que una transformacin lineal en espacios de dimensiones finitas es biyectiva si y
slo si es inyectiva, una matriz es invertible si y slo si cero no es un valor propio de la
matriz.
Otras consecuencias de la descomposicin de Jordan son:
una matriz es matriz diagonalizable si y slo si las multiplicidades geomtrica y
algebraica coinciden para todos sus valores propios. En particular una matriz
nn que tiene n valores propios diferentes es siempre diagonalizable;
Dado que la traza, o la suma de elementos de la diagonal principal de una matriz
se preserva en la equivalencia unitaria, la forma normal de Jordan constata que
es igual a la suma de sus valores propios.
De forma similar, dado que los valores propios de una matriz triangular son las
entradas de la diagonal principal su determinante es igual al producto de los
valores propios (contados de acuerdo con su multiplicidad algebraica).
Algunos ejemplos de la localizacin del espectro de ciertas subclases de matrices
normales son:
Todos los valores propios de una matriz hermtica (A = A
*
) son reales. Adems,
todos los valores propios de una matriz definida positiva son positivos;
Todos los valores propios de una matriz antihermtica (A = A
*
) son imaginarios
puros;
Todos los valores propios de una matriz unitaria (A
-1
= A
*
) tienen valor absoluto
uno;
Si A es una matriz mn con m n, y B es una matriz nm, entonces BA tiene los
mismos valores propios de AB ms n m valores propios nulos.
A cada matriz se le puede asociar una norma vectorial, que depende de la norma de su
dominio, el operador norma de una matriz cuadrada es una cota superior del mdulo de
sus valores propios, y por tanto de su radio espectral. Esta norma est directamente
relacionada con el mtodo de las potencias para calcular el valor propio de mayor
mdulo. Para matrices normales, el operador norma (la norma eucldea) es el mayor
mdulo entre de sus valores propios.
[editar] Vector propio conjugado
Un vector propio conjugado es un vector que tras la transformacin pasa a ser un
mltiple escalar de su conjugado, donde el escalar recibe el nombre de valor propio
conjugado de la transformacin lineal. Los vectores propios y valores propios
conjugados representan esencialmente la misma informacin y significado que los
vectores propios y valores propios, pero aparecen cuando se utiliza un sistema de
coordenadas alternativo. La ecuacin correspondiente es:

Por ejemplo, en teora de electromagnetismo disperso, la transformacin lineal A
representa la accin efectuada por el objeto dispersor, y los vectores propios representan
los estados de polarizacin de la onda electromagntica. En ptica, el sistema
coordenado se define a partir del punto de vista de la onda, y lleva a una ecuacin de
valor propio regular, mientras que en radar, el sistema coordenado se define desde el
punto de vista del radar, y da lugar a una ecuacin de valor propio conjugado.
[editar] Problema de valor propio generalizado
Un problema de valor propio generalizado (2 sentido) es de la forma

donde A y B son matrices. Los valores propios generalizados (2 sentido) pueden
obtenerse resolviendo la ecuacin

El conjunto de matrices de la forma A B, donde es un nmero complejo, recibe el
nombre de lpiz si B es invertible, entonces el problema original puede escribirse en la
forma

que es un problema de valores propios estndar. Sin embargo, en la mayora de
situaciones es preferible no realizar la inversin, y resolver el problema de valor propio
generalizado con la configuracin original.
Si A y B son matrices simtricas con entradas reales, entonces los valores propios son
reales. Esto se aprecia tan fcilmente a partir de la segunda formulacin equivalente,
pues la matriz B
1
A no es necesariamente simtrica si A y B lo son.
La aplicacin de moleculares orbitales expuesta ms adelante proporciona un ejemplo
de este caso.
[editar] Entradas de un anillo
En una matriz cuadrada A con entradas de un anillo, recibe el nombre de valor propio
por la derecha si existe un vector columna x tal que Ax=x, o un valor propio por la
izquierda si existe un vector fila no nulo y tal que yA=y.
Si el anillo es conmutativo, los valores propios por la izquierda son iguales a los valores
propios por la derecha y se les llama simplemente valores propios.
[editar] Espacios de dimensin infinita


Fig. 3. Espectro de absorcin de un tomo de cloro. Los picos corresponden, en teora,
al espectro discreto (series de Rydberg) del hamiltoniano; la amplia estructura de la
derecha se asocia al espectro continuo (ionizacin). Los resultados experimentales
asociados se han obtenido midiendo la intensidad de los rayos X absorbidos por un gas
de tomos como funcin de la energa de incidencia de los fotones en eV.
[2]

Si el espacio vectorial es de dimensin infinita, la nocin de valores propios puede
generalizarse al concepto de espectro. El espectro es el conjunto de escalares para el
que , no est definido, esto es, tal que T Id no tiene inversa acotada.
Si es un valor propio de T, est en el espectro de T. En general, el recproco no es
verdadero. Hay operadores en los espacios de Hilbert o Banach que no tienen vectores
propios. Por ejemplo, tmese un desplazamiento bilateral en el espacio de Hilbert
; ningn vector propio potencial puede ser cuadrado-sumable, as que no existe
ninguno. Sin embargo, cualquier operador lineal acotado en un espacio de Banach V
tiene espectro no vaco. El espectro (T) del operador T V V se define como
no es invertible
Entonces (T) es un conjunto compacto de nmeros complejos, y es no vaco. Cuando T
es un operador compacto (y en particular cuando T es un operador entre espacios finito-
dimensionales como arriba), el espectro de T es igual que el conjunto de sus valores
propios.
En espacios de dimensin infinita, el espectro de un operador acotado es siempre no
vaco, lo que tambin se cumple para operadores adjuntos propios no acotados. A travs
de su medida espectral, el espectro de cualquier operador adjunto propio, acotado o no,
puede descomponerse en sus partes absolutamente continua, discreta, y singular. El
crecimiento exponencial proporciona un ejemplo de un espectro continuo, como en el
caso anterior de la cuerda vibrante. El tomo de hidrgeno es un ejemplo en el que
aparecen ambos tipos de espectro. El estado ligado del tomo de hidrgeno corresponde
a la parte discreta del espectro, mientras que el proceso de ionizacin queda descrito por
la parte continua.
[editar] Aplicaciones
Ecuacin de Schrdinger


La funcin de onda asociada a los estados ligados de un electrn en un tomo de
hidrgeno puede verse como los vectores propios del tomo de hidrgeno hamiltoniano
as como al operador momento angular. Est asociada a los valores propios
interpretados como sus energas (incrementndose segn n=1,2,3,...) y al momento
angular (incrementndose segn s,p,d,...). Aqu se muestra el cuadrado del valor
absoluto de las funciones de onda. Las reas ms iluminadas corresponden a densidades
de probabilidad ms altas para una posicin. El centro de cada figura es el ncleo
atmico, un protn.
Un ejemplo de una ecuacin de valor propio donde la transformacin se representa
en trminos de un operador diferencial es la ecuacin de Schrdinger independiente del
tiempo de la mecnica cuntica:

Donde H, el Hamiltoniano, es un operador diferencial de segundo orden y
E
la funcin
de onda, es una de las funciones propias correspondientes al valor propio E, interpretado
como la energa.
Sin embargo, en caso de que slo se busquen soluciones para los estados ligados de la
ecuacin de Schrdinger, como suele ser el caso en qumica cuntica, se buscar
E
en
el espacio de las funciones de cuadrado integrable. Dado que este espacio es un espacio
de Hilbert, con un producto escalar bien definido, podemos introducir una base en la
que se puede representar
E
y H como un vector unidimensional y una matriz
respectivamente. Esto permite representar la ecuacin de Schrdinger en forma
matricial.
La notacin bra-ket, utilizada a menudo en este contexto, pone nfasis en la diferencia
entre el vector o estado y su representacin, la funcin
E
. En este contexto se
escribe la ecuacin de Schrdinger

y se llama a un estado propio de H (que a veces se representa como en algunos
libros de texto) que puede interpretarse como una transformacin en lugar de una
representacin particular en trminos de operadores diferenciales. En la ecuacin
expuesta, se interpreta como el vector obtenido por aplicacin de la
transformacin H a .
Orbitales moleculares
En mecnica cuntica, y en particular en fsica atmica y molecular, y en el contexto de
la teora de Hartree-Fock, los orbitales atmicos y moleculares pueden definirse por los
vectores propios del operador de Fock. Los valores propios correspondientes son
interpretados como potenciales de ionizacin a travs del teorema de Koopmans. En
este caso, el trmino vector propio se usa con un significado ms general, pues el
operador de Fock es explcitamente dependiente de los orbitales y sus valores propios.
Si se quiere subrayar este aspecto se habla de ecuacin de valores propios implcitos.
Tales ecuaciones se resuelven normalmente mediante un proceso iterativo, llamado
mtodo de campo consistente propio. En qumica cuntica a menudo se representa la
ecuacin de Hartree-Fock en una base no ortogonal. Esta representacin particular es un
problema de valor propio generalizado que tiene el nombre de ecuaciones de Roothaan.
Anlisis factorial
En anlisis factorial, los valores propios de la matriz de covarianza corresponden a los
factores, y los valores propios a las cargas. El anlisis factorial es una tcnica estadstica
usada en ciencias sociales y mercadotecnia, gestin de producto, investigacin operativa
y otras ciencias aplicadas que tratan con grandes cantidades de datos. El objetivo es
explicar la mayor parte de la variabilidad entre varias variables aleatorias observables en
trminos de un nmero menor de variables aleatorias no observables llamadas factores.
Las variables aleatorias no observables se modelan como combinaciones lineales de los
factores ms trminos de errores.


Caras propias, un ejemplo del uso de vectores propios.
Caras propias
En procesado de imagen, las imgenes procesadas de caras pueden verse como vectores
cuyas componentes son la luminancia de cada pxel. La dimensin de este espacio
vectorial es el nmero de pxeles. Los vectores propios de la matriz de covarianza
asociada a un conjunto amplio de imgenes normalizadas de rostros se llaman caras
propias. Son muy tiles para expresar una imagen de un rostro como la combinacin
lineal de otras. Las caras propias proporcionan un medio de aplicar compresin de datos
a los rostros, para propsitos de biometra.
Tensor de inercia
En mecnica, los vectores propios del momento de inercia definen los ejes principales
de un cuerpo rgido. El tensor de inercia es necesario para determinar la rotacin de un
cuerpo rgido alrededor de su centro de masa. Los valores propios definen los
momentos mximos y mnimos obtenidos mediante el crculo de Mohr.
Tensor de tensin
En mecnica de slidos deformables, el tensor de tensin es simtrico, as que puede
descomponerse en un tensor diagonal cuyos valores propios en la diagonal y los
vectores propios forman una base.
Valores propios de un grafo
En teora espectral de grafos, un valor propio de un grafo se define como un valor
propio de la matriz de adyacencia del grafo A, o de la matriz Laplaciana del grafo I T

1 / 2
AT
1 / 2
, donde T es una matriz diagonal que contiene el grado de cada vrtice, y en T
1 / 2
, 0 se substituye por 0
1 / 2
. El vector propio principal de un grafo se usa para medir
la centralidad de sus vrtices. Un ejemplo es el algoritmo PageRank de Google. El
vector propio principal de una matriz de adyacencia modificada del grafo de la web da
el page rank en sus componentes.