Professional Documents
Culture Documents
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.
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- asociado con la cuerda se multiplica por este factor de-
pio con el valor propio c. De hecho, todos los vectores pendiente del tiempo. Las amplitudes (valores propios)
propios con el valor propio asociado c junto con 0, for- de las ondas estacionarias decrecen con el tiempo si se
man un subespacio de V, el espacio propio para el valor considera la atenuacin. En este caso se puede asociar un
propio c. Observe adems que un espacio propio Z es un tiempo de vida al vector propio, y relacionar el concepto
subespacio invariante de A, es decir dado w un vector de vector propio con el concepto de resonancia.
en Z, el vector Aw tambin pertenece a Z.
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:
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
(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
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 .
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:
HE = EE
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 Donde H, el Hamiltoniano, es un operador diferencial de
al espectro continuo (ionizacin). Los resultados experimentales segundo orden y E la funcin de onda, es una de las
asociados se han obtenido midiendo la intensidad de los rayos X funciones propias correspondientes al valor propio E, in-
absorbidos por un gas de tomos como funcin de la energa de terpretado como la energa.
incidencia de los fotones en eV.[2]
Sin embargo, en caso de que slo se busquen soluciones
para los estados ligados de la ecuacin de Schrdinger,
Si el espacio vectorial es de dimensin innita, la no- como suele ser el caso en qumica cuntica, se buscar
cin de valores propios puede generalizarse al concepto E en el espacio de las funciones de cuadrado integrable.
de espectro. El espectro es el conjunto de escalares pa- Dado que este espacio es un espacio de Hilbert, con un
1
ra el que (T Id) , no est denido, esto es, tal que producto escalar bien denido, podemos introducir una
T Id no tiene inversa acotada. base en la que se puede representar E y H como un
Si es un valor propio de T, est en el espectro de T. En vector unidimensional y una matriz respectivamente. Esto
general, el recproco no es verdadero. Hay operadores en permite representar la ecuacin de Schrdinger en forma
los espacios de Hilbert o Banach que no tienen vectores matricial.
8 8 APLICACIONES
Anlisis factorial
H|E = E|E
Orbitales moleculares
Caras propias
En mecnica cuntica, y en particular en fsica atmica y En procesado de imagen, las imgenes procesadas de
molecular, y en el contexto de la teora de Hartree-Fock, caras pueden verse como vectores cuyas componentes
los orbitales atmicos y moleculares pueden denirse por son la luminancia de cada pxel. La dimensin de este
los vectores propios del operador de Fock. Los valores espacio vectorial es el nmero de pxeles. Los vectores
propios correspondientes son interpretados como poten- propios de la matriz de covarianza asociada a un conjun-
ciales de ionizacin a travs del teorema de Koopmans. to amplio de imgenes normalizadas de rostros se llaman
En este caso, el trmino vector propio se usa con un signi- caras propias. Son muy tiles para expresar una imagen
cado ms general, pues el operador de Fock es explcita- de un rostro como la combinacin lineal de otras. Las ca-
mente dependiente de los orbitales y sus valores propios. ras propias proporcionan un medio de aplicar compresin
Si se quiere subrayar este aspecto se habla de ecuacin de datos a los rostros, para propsitos de biometra.
9
En mecnica, los vectores propios del momento de inercia Cohen-Tannoudji, Claude. Quantum Mechanics,
denen los ejes principales de un cuerpo rgido. El ten- Wiley (1977). ISBN 0-471-16432-1. Captulo II:
sor de inercia es necesario para determinar la rotacin de The mathematical tools of quantum mechanics.
un cuerpo rgido alrededor de su centro de masa. Los va- De Burgos, Juan. lgebra lineal, Edit. MacGraW-
lores propios denen los momentos mximos y mnimos Hill (1993).
obtenidos mediante el crculo de Mohr.
Fraleigh, John B. y Beauregard, Raymond A. Li-
near Algebra (3. edicin), Addison-Wesley Publis-
Tensor de tensin
hing Company (1995). ISBN 0-201-83999-7 (edi-
cin internacional).
En mecnica de slidos deformables, el tensor de tensin
es simtrico, as que puede descomponerse en un tensor Horn, Roger A. y Johnson, Charles R. Matrix Analy-
diagonal cuyos valores propios en la diagonal y los vecto- sis, Cambridge University Press (1985). ISBN 0-
res propios forman una base. 521-30586-1.
Teorema espectral
Vector
10 Referencias
[1] Dado que ninguna transformacin lineal tiene efecto sobre
el vector nulo, ste no se considera un vector propio.
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: ?