Vector propio y valor propio

1 Introduccin
Las transformaciones lineales del espacio como la
rotacin, la reexin, el ensanchamiento, o cualquier
combinacin de las anteriores; en esta lista podran in-
cluirse otras transformaciones pueden interpretarse
mediante el efecto que producen en los vectores. Los
vectores pueden visualizarse como echas de una cierta
longitud apuntando en una direccin y sentido determi-
nados.

Los vectores propios de las transformaciones li-

Fig. 1. En esta transformacin de la Mona Lisa, la imagen se ha
deformado de tal forma que su eje vertical no ha cambiado. (no-
ta: se han recortado las esquinas en la imagen de la derecha). El
vector azul, representado por la echa azul que va desde el pe-
cho hasta el hombro, ha cambiado de direccin, mientras que el
rojo, representado por la echa 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 mis-
ma direccin son vectores propios, con el mismo valor propio.
Forman un subespacio del espacio propio de este valor propio.
neales son vectores que, o no son afectados por la
transformacin o slo resultan 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 vec-
toriales nitos es el conjunto de todos sus valores
propios.

En lgebra lineal, los vectores propios, autovectores o Por ejemplo, un vector propio de una rotacin en tres di-
eigenvectores de un operador lineal son los vectores no mensiones es un vector situado en el eje de rotacin sobre
nulos que, cuando son transformados por el operador, dan el cual se realiza la rotacin. El valor propio correspon-
lugar a un mltiplo escalar de s mismos, con lo que no diente es 1 y el espacio propio es el eje de giro. Como es
cambian su direccin. Este escalar recibe el nombre va- un espacio de una dimensin, su multiplicidad geomtri-
lor propio, autovalor, valor caracterstico o eigenva- ca es uno. Es el nico valor propio del espectro (de esta
lor. A menudo, una transformacin queda completamen- rotacin) que es un nmero real.
te determinada por sus vectores propios y valores pro-
pios. Un espacio propio, autoespacio, eigenespacio o
subespacio fundamental asociado al valor propio 1.1 Denicin
es el conjunto de vectores propios con un valor propio
comn. Formalmente, se denen los vectores propios y valores
propios de la siguiente manera: Sea A: V V un opera-
La palabra alemana eigen, que se traduce en espaol co-
dor lineal en un cierto K -espacio vectorial V y v un vector
mo propio, se us por primera vez en este contexto por
no nulo en V. Si existe un escalar c tal que
David Hilbert en 1904 (aunque Helmholtz la us previa-
mente con un signicado parecido). Eigen se ha traducido
tambin como inherente, caracterstico o el prejo auto-, Av = cv, v = 0, c K,
donde se aprecia el nfasis en la importancia de los valores
propios para denir la naturaleza nica de una determi- entonces decimos que v es un vector propio del operador
nada transformacin lineal. Las denominaciones vector y A, y su valor propio asociado es c. Observe que si v es
valor caractersticos tambin se utilizan habitualmente. un vector propio con el valor propio c entonces cualquier

1
2 4 ECUACIN DEL VALOR PROPIO O AUTOVALOR

mltiplo diferente de cero de v es tambin un vector pro-
pio con el valor propio c. De hecho, todos los vectores
propios con el valor propio asociado c junto con 0, for-
man 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.
asociado con la cuerda se multiplica por este factor de-
pendiente 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.

3 Casos de inters especial

2 Ejemplos
Intuitivamente, para las transformaciones lineales del es-
A medida que la Tierra rota, los vectores en el eje de ro- pacio de dos dimensiones R2 , los vectores propios son:
tacin permanecen invariantes. Si se considera la trans-
formacin lineal que sufre la Tierra tras una hora de ro- rotacin: ningn vector propio de valores reales
tacin, una echa que partiera del centro de la Tierra al (existen en cambio pares valor propio, vector pro-
polo Sur geogrco sera un vector propio de esta trans- pio complejos).
formacin, pero una echa que partiera del centro a un
punto del ecuador no sera un vector propio. Dado que reexin: los vectores propios son perpendiculares y
la echa que apunta al polo no cambia de longitud por la paralelos al eje de simetra, los valores propios son
rotacin, su valor propio es 1. 1 y 1, respectivamente.
Otro ejemplo sera una lmina de metal que se expandie-
ra uniformemente a partir de un punto de tal manera que escalado uniforme: todos los vectores son vectores
las distancias desde cualquier punto al punto jo se du- propios, y el valor propio es el factor de escala.
plicasen. Esta expansin es una transformacin con valor
propio 2. Cada vector desde el punto jo a cualquier otro proyeccin sobre una recta: los vectores propios con
es un vector propio, y el espacio propio es el conjunto de el valor propio 1 son paralelos a la lnea, vectores
todos esos vectores. propios con el valor propio 0 son perpendiculares a
la direccin de la proyeccin

4 Ecuacin del valor propio o auto-

valor
Matemticamente, v es un vector propio y el valor pro-
Una onda estacionaria en una cuerda ja en sus cabos o, ms
pio correspondiente de una transformacin T si verica
concretamente, una funcin propia de la transformacin corres-
la ecuacin:
pondiente al transcurso del tiempo. A medida que vara el tiem-
po, la onda estacionaria vara en amplitud, pero su perodo no se
modica. En este caso el valor propio es dependiente del tiempo. T (v ) = v

Sin embargo, el espacio geomtrico tridimensional no donde T(v) es el vector obtenido al aplicar la transfor-
es el nico espacio vectorial. Por ejemplo, considre- macin T a v.
se una cuerda sujeta por sus extremos, como la de un Supngase que T es una transformacin lineal (lo que sig-
instrumento de cuerda (mostrada a la derecha). La dis- nica que T (av + bw) = aT (v) + bT (w) para todos los
tancia de los tomos de la cuerda vibrante desde sus po- escalares a, b, y los vectores v, w). Considrese una base
siciones cuando sta est en reposo pueden interpretarse en ese espacio vectorial. Entonces, T y v pueden repre-
como componentes de un vector en el espacio con tantas sentarse en relacin a esa base mediante una matriz AT y
dimensiones como tomos tenga dicha cuerda. un vector columna vun vector vertical unidimensio-
Si se supone que la cuerda es un medio continuo y se con- nal. La ecuacin de valor propio en esta representacin
sidera la transformacin de la cuerda en el transcurso del matricial se representa de la siguiente forma:
tiempo, sus vectores propios o funciones propias son sus
ondas estacionariaslo que, mediante la intervencin del AT v = v
aire circundante, se puede interpretar como el resultado
de taer una guitarra. Las ondas estacionarias correspon- donde la yuxtaposicin es un producto de matrices. Dado
den a oscilaciones particulares de la cuerda tales que la que en esta circunstancia la transformacin T y su repre-
forma de la cuerda se escala por un factor (el valor pro- sentacin matricial AT son equivalentes, a menudo po-
pio) con el paso del tiempo. Cada componente del vector demos emplear slo T para la representacin matricial y
 3

la transformacin. Esto es equivalente a un conjunto de el teorema espectral establece que, bajo unas condicio-
n combinaciones lineales, donde n es el nmero de vec- nes determinadas, una transformacin lineal puede expre-
tores de la base. En esta ecuacin, tanto el autovalor y sarse como la combinacin lineal de los vectores propios
las n componentes de v son desconocidos. Sin embar- con coecientes de valor igual a los valores propios por el
go, a veces es poco natural o incluso imposible escribir la producto escalar de los vectores propios por el vector al
ecuacin de autovector en forma matricial. Esto ocurre, que se aplica la transformacin, lo que puede escribirse
por ejemplo, cuando el espacio vectorial es de dimensin como:
innita, como por ejemplo en el caso de la cuerda mos-
trada anteriormente. Dependiendo de la naturaleza de la
transformacin T y el espacio al que se aplica, puede ser T (v) = 1 (v1 v)v1 + 2 (v2 v)v2 + . . .
ventajoso representar la ecuacin de autovalor como un
conjunto de ecuaciones diferenciales, donde los autovec- donde v1 , v2 , . . . y 1 , 2 , . . . representan a los vectores
tores reciben a menudo el nombre de autofunciones del propios y valores propios de T . El caso ms simple en
operador diferencial que representa a T. Por ejemplo, la el que tiene validez el teorema es cuando la transforma-
derivacin misma es una transformacin lineal, ya que (si cin lineal viene dada por una matriz simtrica real o una
f(t) y g(t) son funciones derivables y a y b son constantes) matriz hermtica compleja.
Si se dene la ensima potencia de una transformacin
como el resultado de aplicarla n veces sucesivas, se pue-
d df dg
(af + bg) = a + b de denir tambin el polinomio de las transformaciones.
dt dt dt
Una versin ms general del teorema es que cualquier po-
Considrese la diferenciacin con respecto a t . Sus auto- linomio P de T es igual a:
funciones h(t) obedecen a la ecuacin de autovalor:

P (T )(v) = P (1 )(v1 v)v1 + P (2 )(v2 v)v2 + . . .

dh
= h
dt El teorema puede extenderse a otras funciones o transfor-
donde es el autovalor asociado con la funcin. Una fun- maciones tales como funciones analticas, siendo el caso
cin en el tiempo es constante si = 0 , crece proporcio- ms general las funciones de Borel.
nalmente a s misma si es positiva, y decrece propor-
cionalmente a s misma si es negativa. Por ejemplo, una
poblacin ideal de conejos engendra con ms frecuencia 6 Vectores propios y valores pro-
a medida que hay ms conejos, y por tanto satisface la
ecuacin para lambda positivo.
pios de matrices
La solucin a la ecuacin de valor propio es g(t) =
6.1 Clculo de valores propios y vectores
exp(t) , la funcin exponencial; pues esa funcin es una
funcin propia del operador diferencial d/dt con el valor propios de matrices
propio . Si es negativa, la evolucin de g se denomi-
na decaimiento exponencial; si es positiva se denomina Si se quiere calcular los valores propios de una matriz da-
crecimiento exponencial. El valor de puede ser cual- da y sta es pequea, se puede calcular simblicamente
quier nmero complejo. El espectro de d/dt es entonces usando el polinomio caracterstico. Sin embargo, a me-
el plano complejo en su totalidad. En este ejemplo el es- nudo resulta imposible para matrices extensas, caso en el
pacio vectorial en el que acta d/dt es el espacio de las que se debe usar un mtodo numrico.
funciones derivables de una variable. Este espacio tie-
ne una dimensin innita (pues no es posible expresar 6.1.1 Clculo simblico
cada funcin diferenciable como combinacin lineal de
un nmero nito de funciones base). No obstante, el es- Clculo de los valores propios
pacio propio asociado a un valor propio determinado
es unidimensional. Es el conjunto de todas las funciones Una herramienta importante para encontrar valores pro-
g(t) = A exp(t) , donde A es una constante arbitraria, pios de matrices cuadradas es el polinomio caracterstico:
la poblacin inicial en t=0. 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
5 Teorema espectral matriz identidad) tiene una solucin no nula v (un vector
propio), y de esta forma es equivalente al determinante:
El teorema espectral muestra la importancia de los valores
propios y vectores propios para caracterizar una transfor-
macin lineal de forma nica. En su versin ms simple, det(A I) = 0
4 6 VECTORES PROPIOS Y VALORES PROPIOS DE MATRICES

La funcin p() = det(A - I) es un polinomio de pues

los determinantes se denen como sumas de productos.
ste es el polinomio caracterstico de A: los valores pro- 0 1 1
A = 1 1 0
pios de una matriz son los ceros de su polinomio caracte-
rstico. 1 0 1

Todos los valores propios de una matriz A pueden calcu- que representa un operador lineal R R. Si se desea
larse resolviendo la ecuacin pA () = 0 . computar todos los valores propios de A, se podra em-
Si A es una matriz nn, entonces p tiene grado n y A pezar determinando el polinomio caracterstico:
A
tiene como mximo n valores propios.
 
El teorema fundamental del lgebra dice que esta ecua- x 1 1 

cin tiene exactamente n races (ceros), teniendo en cuen- p(x) = det(A xI) = det  1 1x
 0 
ta su multiplicidad. Todos los polinomios reales de grado  1 0 1x
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. = x3 + 2x2 + x 2

y porque p(x) = - (x - 2)(x - 1)(x + 1) se ve que los va-

Clculo de los vectores propios
lores propios de A son 2, 1 y 1. El teorema de Cayley-
Hamilton establece que cada matriz cuadrada satisface su
Una vez que se conocen los valores propios , los vec- propio polinomio caracterstico. Es decir
tores propios se pueden hallar resolviendo el sistema de
ecuaciones homogneo:
(A 2I)(A I)(A + I) = 0
(A I)v = 0 Efectivamente, para el caso del valor propio 2, se puede
comprobar que
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 ma-
1 1 1 1 1 1 1 1 1
triz cuadrada satisface su propio polinomio caractersti- (AI)(A+I) = 1 0 0 1 2 0= 1 1 1
co. As, si 1 , 2 , ..., n son los valores propios de A se 1 0 0 1 0 2 1 1 1
cumple que
de donde (1, 1, 1) es un vector propio asociado a 2.

(A 1 I)(A 2 I)...(A n I) = 0
1 2 1
por lo que los vectores columna de (A2 I)...(An I) A 1 = 2 = 2 1
son vectores propios de 1 . 1 2 1

Ejemplo de matriz sin valores propios reales

6.1.2 Clculo numrico
Un ejemplo de matriz sin valores propios reales es la ro- En la prctica, los valores propios de las matrices extensas
tacin de 90 grados en el sentido de las manecillas del no se calculan usando el polinomio caracterstico. Calcu-
reloj: lar 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-Runi im-
0 1 plica que las races de los polinomios de grado alto (5
1 0 o superior) no pueden expresarse usndose simplemente
races ensimas. Existen algoritmos ecientes para apro-
cuyo polinomio caracterstico es 2 1 y sus valores
ximar races de polinomios, pero pequeos errores en la
propios son el par de conjugados complejos i, -i. Los vec-
estimacin de los valores propios pueden dar lugar a erro-
tores propios asociados tampoco son reales.
res grandes en los vectores propios. En consecuencia, los
algoritmos generales para encontrar vectores propios y
Ejemplo valores propios son iterativos. La manera ms fcil es el
mtodo de las potencias: se escoge un vector aleatorio v
Considrese la matriz y se calcula una secuencia de vectores unitarios:
6.2 Propiedades 5

Av A2 v A3 v
Av , A2 v , A3 v ,... Slo tiene un valor propio = 1. El polinomio caracte-
rstico es ( 1)2 , as que este valor propio tiene mul-
Esta sucesin casi siempre converger a un vector propio tiplicidad algebraica 2. Sin embargo, el espacio propio
correspondiente al mayor valor propio. Este algoritmo es asociado es el eje, que normalmente [recibe
] el nombre de
sencillo, pero no demasiado til aisladamente. Sin embar- 1
eje x, generado por el vector unitario , as que la mul-
go, hay mtodos ms populares, como la descomposicin 0
QR, que se basan en l. tiplicidad geomtrica es 1.
Los vectores propios generalizados pueden usarse para
6.2 Propiedades calcular la forma normal de Jordan de una matriz (co-
mentado ms adelante). El hecho de que los bloques de
6.2.1 Multiplicidad algebraica Jordan en general no son diagonales sino nilpotentes est
directamente relacionado con la distincin entre vectores
La multiplicidad algebraica de un valor propio de A propios y vectores propios generalizados.
es el orden de como cero del polinomio caracterstico
de A; en otras palabras, si es una de las races del poli-
6.2.2 Teoremas de descomposicin para matrices
nomio, es el nmero de factores (t ) en el polinomio
generales
caracterstico tras la factorizacin. Una matriz nn, con
entradas complejas, tiene n valores propios, contados de
El teorema de descomposicin es una versin del teo-
acuerdo con su multiplicidad algebraica, ya que su poli-
rema espectral en una clase concreta de matrices. Este
nomio caracterstico tiene grado n.
teorema se explica normalmente en trminos de transfor-
Un valor propio de multiplicidad algebraica 1 recibe el macin coordinada. Si U es una matriz invertible, puede
nombre de valor propio simple. verse como una transformacin entre un sistema de coor-
Por ejemplo, se pueden encontrar exposiciones como la denadas a otro, donde las columnas de U son las compo-
siguiente en artculos de teora de matrices: nentes de la nueva base de vectores expresados en trmi-
nos de la base anterior. En este nuevo sistema las coor-
los valores propios de una matriz A son denadas del vector v se representan por v , que puede
4,4,3,3,3,2,2,1, obtenerse mediante la relacin v = U v y, por otra parte,
se tiene v = U 1 v . Aplicando sucesivamente v = U v
lo que signica que la multiplicidad algebraica de 4 es , w = U w y U 1 U = I , a la relacin Av = w propor-
dos, la de 3 es tres, la de 2 es dos y la de 1 es uno. Se ciona A v = w con A = U AU 1 , la representacin
emplea este estilo porque la multiplicidad algebraica es la de A en la nueva base. En esta situacin, se dice que las
clave de muchas demostraciones matemticas en teora matrices A y A son semejantes.
de matrices. El teorema de descomposicin declara que, si se eligen
Anteriormente se ha denido la multiplicidad geomtrica como columnas de U 1 n vectores propios linealmente
de un valor propio como la dimensin del espacio pro- independientes de A, la nueva matriz A = U AU 1 es
pio asociado, o el ncleo (espacio propio de los vectores diagonal y sus elementos en la diagonal son los valores
propios del valor propio nulo) de I - A. La multiplici- propios de A. Si esto es posible, entonces A es una matriz
dad algebraica tambin puede entenderse como una di- diagonalizable. Un ejemplo de una matriz no diagonali-
mensin: es la dimensin del espacio propio generalizado zable es la matriz A ya mostrada:
(1.er sentido) asociado, que es el ncleo de la matriz (I -
A)k para k sucientemente grande. Es decir, es el espacio [ ]
de los vectores propios generalizados (1.er sentido), don- 1 1
A= .
de un vector propio generalizado es cualquier vector que 0 1
toma valor 0 s I - A se aplica sucientes veces en suce-
sin. Cualquier vector propio es un vector propio gene- Hay muchas generalizaciones de esta descomposicin que
ralizado, as que cualquier espacio propio est contenido pueden tratar con el caso no diagonalizable, diseadas con
en el espacio propio generalizado asociado. Esto propor- diferentes propsitos:
ciona una demostracin simple de que la multiplicidad
geomtrica es siempre menor o igual a la algebraica. El la descomposicin de Schur declara que toda matriz
primer sentido no debe de confundirse con el problema es equivalente a una matriz triangular.
de valores propios generalizados tal y como se muestra
ms adelante. la descomposicin en valores singulares, A =
U V donde es diagonal con U y V matrices uni-
Por ejemplo:
tarias, los elementos de la diagonal de A = U V
no son negativos y reciben el nombre de valores sin-
[ ]
1 1 gulares de A. Esta descomposicin tambin puede
A= . hacerse en matrices no cuadradas.
0 1
6 6 VECTORES PROPIOS Y VALORES PROPIOS DE MATRICES

la forma normal de Jordan, donde A = XX 1 y Todos los valores propios de una matriz antiherm-
no es diagonal sino diagonal por bloques. El nme- tica (A = A* ) son imaginarios puros;
ro y tamao de los bloques de Jordan estn determi-
Todos los valores propios de una matriz unitaria
nados por las multiplicidades geomtrica y algebrai-
(A1 = A* ) tienen valor absoluto uno;
ca de los valores propios. La descomposicin de Jor-
dan es un resultado fundamental. A partir de ella se
Si A es una matriz mn con m n, y B es una matriz nm,
puede deducir inmediatamente que una matriz cua-
entonces BA tiene los mismos valores propios de AB ms
drada est descrita completamente por sus valores
n m valores propios nulos.
propios, incluyendo la multiplicidad. Esto muestra
matemticamente el importante papel que desem- A cada matriz se le puede asociar una norma vectorial,
pean los valores propios en el estudio de matrices. que depende de la norma de su dominio, el operador nor-
ma de una matriz cuadrada es una cota superior del mdu-
como consecuencia inmediata de la descomposicin lo de sus valores propios, y por tanto de su radio espectral.
de Jordan, cualquier matriz A puede escribirse de Esta norma est directamente relacionada con el mtodo
forma nica como A=S + N donde S es diagonaliza- de las potencias para calcular el valor propio de mayor
ble, N es nilpotente (por ejemplo, tal que Nq =0 para mdulo. Para matrices normales, el operador norma (la
un cierto q), y S cumple la propiedad conmutativa norma eucldea) es el mayor mdulo entre de sus valores
del producto (SN=NS). propios.

6.2.3 Otras propiedades de los valores propios 6.3 Vector propio conjugado

El espectro es invariante bajo transformaciones semejan- Un vector propio conjugado es un vector que tras la
tes: las matrices A y P 1 AP tienen los mismos valores transformacin pasa a ser un mltiple escalar de su con-
propios para cualquier matriz A y cualquier matriz inver- jugado, donde el escalar recibe el nombre de valor pro-
tible P. El espectro es tambin invariante a la trasposicin pio conjugado de la transformacin lineal. Los vectores
de las matrices: A y A T tienen los mismos valores pro- propios y valores propios conjugados representan esen-
pios. cialmente la misma informacin y signicado que los vec-
tores propios y valores propios, pero aparecen cuando se
Dado que una transformacin lineal en espacios de di-
utiliza un sistema de coordenadas alternativo. La ecua-
mensiones nitas es biyectiva si y slo si es inyectiva, una
cin correspondiente es:
matriz es invertible si y slo si cero no es un valor propio
de la matriz.
Otras consecuencias de la descomposicin de Jordan son: Av = v .

Por ejemplo, en teora de electromagnetismo disperso,

una matriz es matriz diagonalizable si y slo si las la transformacin lineal A representa la accin efectuada
multiplicidades geomtrica y algebraica coinciden por el objeto dispersor, y los vectores propios representan
para todos sus valores propios. En particular una los estados de polarizacin de la onda electromagntica.
matriz nn que tiene n valores propios diferentes es En ptica, el sistema coordenado se dene a partir del
siempre diagonalizable; punto de vista de la onda, y lleva a una ecuacin de valor
propio regular, mientras que en radar, el sistema coorde-
Dado que la traza, o la suma de elementos de la dia- nado se dene desde el punto de vista del radar, y da lugar
gonal principal de una matriz se preserva en la equi- a una ecuacin de valor propio conjugado.
valencia unitaria, la forma normal de Jordan consta-
ta que es igual a la suma de sus valores propios.
6.4 Problema de valor propio generalizado
De forma similar, dado que los valores propios de
una matriz triangular son las entradas de la diagonal Un problema de valor propio generalizado (2 sentido)
principal su determinante es igual al producto de los es de la forma
valores propios (contados de acuerdo con su multi-
plicidad algebraica).
Av = Bv
Algunos ejemplos de la localizacin del espectro de cier- donde A y B son matrices. Los valores propios gene-
tas subclases de matrices normales son: ralizados (2 sentido) pueden obtenerse resolviendo la
ecuacin
Todos los valores propios de una matriz hermtica (A
= A* ) son reales. Adems, todos los valores propios
de una matriz denida positiva son positivos; det(A B) = 0.
 7

El conjunto de matrices de la forma A B , donde propios. Por ejemplo, tmese un desplazamiento bilate-
es un nmero complejo, recibe el nombre de lpiz si B es ral en el espacio de Hilbert 2 (Z) ; ningn vector propio
invertible, entonces el problema original puede escribirse potencial puede ser cuadrado-sumable, as que no existe
en la forma 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 dene como
B 1 Av = v
(T ) = { C : (Id T ) no es invertible
que es un problema de valores propios estndar. Sin em- }.
bargo, en la mayora de situaciones es preferible no rea-
lizar la inversin, y resolver el problema de valor propio
Entonces (T) es un conjunto compacto de nmeros com-
generalizado con la conguracin original.
plejos, y es no vaco. Cuando T es un operador compac-
Si A y B son matrices simtricas con entradas reales, en- to (y en particular cuando T es un operador entre espa-
tonces los valores propios son reales. Esto se aprecia tan cios nito-dimensionales como arriba), el espectro de T
fcilmente a partir de la segunda formulacin equivalen- es igual que el conjunto de sus valores propios.
te, pues la matriz B 1 A no es necesariamente simtrica
En espacios de dimensin innita, el espectro de un
si A y B lo son.
operador acotado es siempre no vaco, lo que tambin se
La aplicacin de moleculares orbitales expuesta ms ade- cumple para operadores adjuntos propios no acotados. A
lante proporciona un ejemplo de este caso. travs de su medida espectral, el espectro de cualquier
operador adjunto propio, acotado o no, puede descom-
ponerse en sus partes absolutamente continua, discreta,
6.5 Entradas de un anillo y singular. El crecimiento exponencial proporciona un
ejemplo de un espectro continuo, como en el caso an-
En una matriz cuadrada A con entradas de un anillo, terior de la cuerda vibrante. El tomo de hidrgeno es
recibe el nombre de valor propio por la derecha si existe un ejemplo en el que aparecen ambos tipos de espectro.
un vector columna x tal que Ax=x, o un valor propio El estado ligado del tomo de hidrgeno corresponde a
por la izquierda si existe un vector la no nulo y tal que la parte discreta del espectro, mientras que el proceso de
yA=y. ionizacin queda descrito por la parte continua.
Si el anillo es conmutativo, los valores propios por la iz-
quierda son iguales a los valores propios por la derecha y
se les llama simplemente valores propios. 8 Aplicaciones
Ecuacin de Schrdinger
7 Espacios de dimensin innita
Un ejemplo de una ecuacin de valor propio donde la
transformacin T se representa en trminos de un ope-
rador diferencial es la ecuacin de Schrdinger indepen-
diente del tiempo de la mecnica cuntica:

Fig. 3. Espectro de absorcin de un tomo de calcio. 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 innita, la no-
cin de valores propios puede generalizarse al concepto
de espectro. El espectro es el conjunto de escalares pa-
1
ra el que (T Id) , no est denido, 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
HE = EE
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, in-
terpretado 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 denido, 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.
8 8 APLICACIONES

de valores propios implcitos. Tales ecuaciones se resuel-

ven normalmente mediante un proceso iterativo, llamado
mtodo de campo consistente propio. En qumica cun-
tica 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 tcni-
ca estadstica usada en ciencias sociales y mercadotecnia,
gestin de producto, investigacin operativa y otras cien-
cias 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 observa-
La funcin de onda asociada a los estados ligados de un electrn bles llamadas factores. Las variables aleatorias no obser-
en un tomo de hidrgeno puede verse como los vectores propios vables se modelan como combinaciones lineales de los
del tomo de hidrgeno hamiltoniano as como al operador mo-
factores ms trminos de errores.
mento angular. Est asociada a los valores propios interpretados
como sus energas (incrementndose segn n=1,2,3,...) y al mo-
mento angular (incrementndose segn s,p,d,...). Aqu se mues-
tra el cuadrado del valor absoluto de las funciones de onda. Las
reas ms iluminadas corresponden a densidades de probabili-
dad ms altas para una posicin. El centro de cada gura es el
ncleo atmico, un protn.

La notacin bra-ket, utilizada a menudo en este contexto,

pone nfasis en la diferencia entre el vector o estado |E
y su representacin, la funcin E . En este contexto se
escribe la ecuacin de Schrdinger

H|E = E|E

y se llama a |E un estado propio de H (que a veces se

representa como H en algunos libros de texto) que pue-
de interpretarse como una transformacin en lugar de una
representacin particular en trminos de operadores dife-
renciales. En la ecuacin expuesta, H|E se interpreta
como el vector obtenido por aplicacin de la transforma-
cin H a |E .
Caras propias, un ejemplo del uso de vectores propios.

Orbitales moleculares
Caras propias

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 denirse por
los vectores propios del operador de Fock. Los valores
propios correspondientes son interpretados como poten-
ciales de ionizacin a travs del teorema de Koopmans.
En este caso, el trmino vector propio se usa con un signi-
cado ms general, pues el operador de Fock es explcita-
mente dependiente de los orbitales y sus valores propios.
Si se quiere subrayar este aspecto se habla de ecuacin
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 conjun-
to 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 ca-
ras 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
denen los ejes principales de un cuerpo rgido. El ten-
sor de inercia es necesario para determinar la rotacin de
un cuerpo rgido alrededor de su centro de masa. Los va-
lores propios denen 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 vecto-
res propios forman una base.
Valores propios de un grafo
En teora espectral de grafos, un valor propio de un grafo
se dene como un valor propio de la matriz de adya-
cencia 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 subs-
tituye por 01/2 . El vector propio principal de un grafo
se usa para medir la centralidad de sus vrtices. Un ejem-
plo es el algoritmo PageRank de Google. El vector pro-
pio principal de una matriz de adyacencia modicada del
grafo de la web da el page rank en sus componentes.
9 Vase tambin
lgebra lineal
Aplicacin lineal
Matriz (matemtica)
Operador lineal
Teorema espectral
Vector
10 Referencias
[1] Dado que ninguna transformacin lineal tiene efecto sobre
el vector nulo, ste no se considera un vector propio.
[2] Gorczyca, TW: Auger Decay of the Photoexcited Inner
Shell Rydberg Series in Neon, Chlorine, and Argon. Abs-
tracts of the 18th International Conference on X-ray and
Inner-Shell Processes, Chicago, agosto 23-27 (1999).
9
11 Bibliografa
Cohen-Tannoudji, Claude. Quantum Mechanics,
Wiley (1977). ISBN 0-471-16432-1. Captulo II:
The mathematical tools of quantum mechanics.
De Burgos, Juan. lgebra lineal, Edit. MacGraW-
Hill (1993).
Fraleigh, John B. y Beauregard, Raymond A. Li-
near Algebra (3. edicin), Addison-Wesley Publis-
hing Company (1995). ISBN 0-201-83999-7 (edi-
cin internacional).
Horn, Roger A. y Johnson, Charles R. Matrix Analy-
sis, Cambridge University Press (1985). ISBN 0-
521-30586-1.
12 Enlaces externos
Calculador online de autovalores by
www.mathstools.com
Autovectores en un problema de Internet: Mar-
kov y Google, un artculo divulgativo: el secreto de
Google y el lgebra lineal
Un artculo de divulgacin sobre la Descomposicin
en Valores Singulares (SVD), en La Gaceta de la
RSME
En ingls
Weisstein, Eric W. Eigenvector. En Weisstein,
Eric W. MathWorld (en ingls). Wolfram Research.
Earliest Known Uses of Some of the Words of Mat-
hematics: E - ver eigenvector y trminos relaciona-
dos
Online Matrix Calculator: Calculadora en lnea de
valores propios, vectores propios y otras descompo-
siciones de matrices
10 13 ORIGEN DEL TEXTO Y LAS IMGENES, COLABORADORES Y LICENCIAS

13 Origen del texto y las imgenes, colaboradores y licencias

13.1 Texto
Vector propio y valor propio Fuente: https://es.wikipedia.org/wiki/Vector_propio_y_valor_propio?oldid=96376542 Colaboradores: Rob-
bot, Juan Manuel, Sanbec, DefLog, Ivn, Elwikipedista, Xenoforme, Troodon, Jecanre, JCCO, Loco085, FAR, Petronas, AlfonsoERo-
mero, Rembiapo pohyiete (bot), RobotQuistnix, Platonides, LuchoX, Yrbot, BOT-Superzerocool, YurikBot, GermanX, Sasquatch21,
CleverChemist, Wewe, KnightRider, Eskimbot, KocjoBot~eswiki, Paintman, Miguel303xm, Juan Marquez, Qwertyytrewqqwerty, CEM-
bot, Asterix200, Ignacio Icke, Karshan, Davius, NeoRichard, Thijs!bot, Jeanne, Koke0 0, JAnDbot, CommonsDelinker, Hidoy kukyo,
Gustronico, Ignacioerrico, Bot-Schafter, Rei-bot, Nioger, Idioma-bot, AlnoktaBOT, Dusan, Nicoguaro, Matdrodes, AlleborgoBot, Mu-
ro Bot, Huskytreiber, Loveless, Drinibot, Flackon~eswiki, DorganBot, Antn Francho, Chebi~eswiki, Juan Mayordomo, Fidelbotquegua,
Raulshc, He7d3r, Agualin, Armando-Martin, AVBOT, Ellinik, MastiBot, Geronime, FiriBot, Diegusjaimes, DumZiBoT, Arjuno3, Ami-
robot, MystBot, Nallimbot, Ptbotgourou, Iqgomez, Carlos.Gracia-Lzaro, Restu20, Xqbot, Jkbw, Guti che, Oxilium, Estebarb, Dinamik-
bot, TjBot, Jorge c2010, GrouchoBot, Riveravaldez, EmausBot, Entalpia2, Grillitus, WikitanvirBot, MerlIwBot, P~eswiki, Elvisor,
Justincheng12345-bot, Legobot, Ricardo.munoz.fernandez, Jdelatorr, Ineditable, Carlostp12, Davidcardonam, Eliasgv3 y Annimos: 54

13.2 Imgenes
Archivo:Calcium_spectrum.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/2/28/Calcium_spectrum.jpg Licencia: Pu-
blic domain Colaboradores: Cropped version of Image:Sodium and calcium spectra.jpg Artista original: Cropped by User:Itub, original
by NASA
Archivo:Cscr-featured.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/e/e7/Cscr-featured.svg Licencia: LGPL Colabo-
radores: Wikipedia until June, 2006 Artista original: Wikimedia users ClockworkSoul, CyberSkull, Optimager, White Cat, Erina, AzaToth,
Pbroks13.
Archivo:Eigenfaces.png Fuente: https://upload.wikimedia.org/wikipedia/commons/6/67/Eigenfaces.png Licencia: Attribution Colabora-
dores: ? Artista original: ?
Archivo:HAtomOrbitals.png Fuente: https://upload.wikimedia.org/wikipedia/commons/c/cf/HAtomOrbitals.png Licencia: CC-BY-SA-
3.0 Colaboradores: ? Artista original: ?
Archivo:Mona_Lisa_with_eigenvector.png Fuente: https://upload.wikimedia.org/wikipedia/commons/2/25/Mona_Lisa_with_
eigenvector.png Licencia: Public domain Colaboradores: The image of the Mona Lisa used in this image is Image:Mona_Lisa.jpeg.
Arrows created using w:Inkscape, transformations made using w:GIMP Artista original: J. Finkelstein
Archivo:Standing_wave.gif Fuente: https://upload.wikimedia.org/wikipedia/commons/8/8c/Standing_wave.gif Licencia: Public domain
Colaboradores: ? Artista original: ?

13.3 Licencia del contenido

Creative Commons Attribution-Share Alike 3.0