Algebra d e matrices

[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

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]Propiedad

es
[editar]Multiplicida

d algebraica
La multiplicidad alge
braica 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 valo
res 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
muchasdemostra

ciones
matemticas en
teora de
matrices.
Anteriormente se
ha definido la
multiplicidad geo
mtrica de un
valor 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 (1e
r 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
,
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
generalizado
s 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 nilpotent
es est
directamente
relacionado
con la
distincin
entre
vectores
propios y
vectores
propios
generalizado
s.

[editar]Teor

emas de
descompo

sicin para
matrices
generales
El teorema
de
descomposi
cin es una
versin del
teorema
espectral en
una clase
concreta de
matrices.
Este teorema
se explica
normalmente
en trminos
de
transformaci
n coordinada.
Si Ues
una matriz
invertible,
puede verse
como una
transformaci
n 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
se
representan
por

, que

puede
obtenerse
mediante la
relacin
y
, por otra
parte, se
tiene

. Aplicando
sucesivamen
te
,

, a la
relacin
p
roporciona

con

, la

representaci
n de A en la
nueva base.
En esta
situacin, se
dice que las
matrices A y
son sem
ejantes.
El teorema
de
descomposici
n declara
que, si se
eligen como
columnas
de

n ve

ctores
propios
linealmente
independient
es de A, la
nueva
matriz

es diagonal y
sus
elementos en
la diagonal
son los
valores
propios de A.
Si esto es
posible,
entonces A e

s una matriz
diagonalizabl
e. Un
ejemplo de
una matriz no
diagonalizabl
e es la
matriz A ya
mostrada:

Hay
muchas
generaliz
aciones
de esta
descomp
osicin
que
pueden
tratar
con el
caso no
diagonali
zable,
diseada
s con
diferente
s
propsit
os:

la d
esc
omp
osici

n
de
Sch
ur d
ecla
ra
que
toda
matr
iz
es
equi
vale
nte
a
una
matr
iz
trian
gula
r.

la d
esc
omp
osici
n
en
valo
res
sing
ular
es,

don
de

e
s
diag
onal
con
Uy
Vm
atric
es
unit
aria
s,
los
ele
men
tos
de
la
diag
onal
de

no
son
neg
ativ
os y
reci
ben
el
nom
bre
de
valo
res
sing

ular
es
de
A.
Esta
des
com
posi
cin
tam
bin
pue
de
hac
erse
en
matr
ices
no
cua
drad
as.

la fo
rma
nor
mal
de
Jord
an,
don
de

y
no
es

diag
onal
sino
diag
onal
por
bloq
ues.
El
nm
ero
y
tam
ao
de
los
bloq
ues
de
Jord
an
est
n
dete
rmin
ado
s
por
las
mult
iplici
dad
es
geo
mtr
ica

y
alge
brai
ca
de
los
valo
res
prop
ios.
La
des
com
posi
cin
de
Jord
an
es
un
resu
ltad
o
fund
ame
ntal.
A
parti
r de
ella
se
pue
de
ded
ucir
inm

edia
tam
ente
que
una
matr
iz
cua
drad
a
est
des
crita
com
plet
ame
nte
por
sus
valo
res
prop
ios,
incl
uye
ndo
la
mult
iplici
dad.
Esto
mue
stra
mat
em
tica

men
te el
imp
orta
nte
pap
el
que
des
emp
ea
n
los
valo
res
prop
ios
en
el
estu
dio
de
matr
ices
.

com
o
con
sec
uen
cia
inm
edia
ta
de

la
des
com
posi
cin
de
Jord
an,
cual
quie
r
matr
iz A
pue
de
escr
ibirs
e de
for
ma
nic
a co
mo
A=S
+N
don
de
S es
diag
onal
izab
le,
Ne
s
nilp
oten

te
(por
eje
mpl
o,
tal
que
Nq=
0
para
un
ciert
o q),
yS
cum
ple
la
prop
ieda
d
con
mut
ativ
a
del
prod
ucto
(SN
=N
S).

[editar]

Otras
propied
ades
de los

valores
propios
El
espectro
es
invariant
e bajo
transfor
macione
s
semejant
es: las
matrices
A y P1

AP tien

en los
mismos
valores
propios
para
cualquier
matriz A
y
cualquier
matriz
invertible
P. El
espectro
es
tambin
invariant
ea
la traspo
sicin de
las

matrices:
A y A T ti
enen los
mismos
valores
propios.
Dado
que una
transfor
macin
lineal en
espacios
de
dimensio
nes
finitas
es biyect
iva si y
slo si
es inyect
iva, una
matriz es
invertible
si y slo
si cero
no es un
valor
propio
de la
matriz.
Otras
consecu
encias
de la
descomp

osicin
de
Jordan
son:

una
matr
iz
es
matr
iz
diag
onal
izab
le si
y
slo
si
las
mult
iplici
dad
es
geo
mtr
ica
y
alge
brai
ca
coin
cide
n
para
todo
s

sus
valo
res
prop
ios.
En
parti
cula
r
una
matr
iz n
n q
ue
tien
en
valo
res
prop
ios
difer
ente
s es
sie
mpr
e
diag
onal
izab
le;

Dad
o
que
la tr
aza,

o la
sum
a de
ele
men
tos
de
la
diag
onal
prin
cipa
l de
una
matr
iz
se
pres
erva
en
la
equi
vale
ncia
unit
aria,
la
form
a
nor
mal
de
Jord
an
con
stat

a
que
es
igua
la
la
sum
a de
sus
valo
res
prop
ios.

De
form
a
simil
ar,
dad
o
que
los
valo
res
prop
ios
de
una
matr
iz
trian
gula
r so
n
las

entr
ada
s de
la di
ago
nal
prin
cipa
l su
dete
rmin
ante
es
igua
l al
prod
ucto
de
los
valo
res
prop
ios
(con
tado
s de
acu
erdo
con
su
mult
iplici
dad
alge
brai
ca).

Algunos
ejemplos
de la
localizaci
n del
espectro
de
ciertas
subclase
s de
matrices
normale
s son:

Tod
os
los
valo
res
prop
ios
de
una
matr
iz
her
mti
ca (
A=
A*)
son
real
es.
Ade
ms
,

todo
s
los
valo
res
prop
ios
de
una
matr
iz
defi
nida
posi
tiva
son
posi
tivo
s;

Tod
os
los
valo
res
prop
ios
de
una
matr
iz
anti
her
mti
ca (
A=

A*)
son
ima
gina
rios
puro
s;

Tod
os
los
valo
res
prop
ios
de
una
matr
iz
unit
aria
(A-1
= A*
)
tien
en
valo
r
abs
olut
o
uno;

Si A es
una
matriz m
n con

m n,
y B es
una
matriz n
m,
entonces
BA tiene
los
mismos
valores
propios
de AB m
s n m
valores
propios
nulos.
A cada
matriz se
le puede
asociar
una nor
ma
vectorial,
que
depende
de la
norma
de su
dominio,
el
operador
norma
de una
matriz
cuadrad

a es una
cota
superior
del
mdulo
de sus
valores
propios,
y por
tanto de
su radio
espectral
. Esta
norma
est
directam
ente
relaciona
da con el
mtodo
de las
potencia
s para
calcular
el valor
propio
de
mayor
mdulo.
Para
matrices
normale
s, el
operador
norma
(la norm

a
eucldea
) es el
mayor
mdulo
entre de
sus
valores
propios.

[editar]

Vecto
r
propi
o
conju
gado
Un vect
or
propio
conjuga
do es un
vector
que tras
la
transfor
macin
pasa a
ser un
mltiple
escalar
de su
conjugad
o, donde
el
escalar

recibe el
nombre
de valor
propio
conjuga
do de la
transfor
macin
lineal.
Los
vectores
propios y
valores
propios
conjugad
os
represen
tan
esencial
mente la
misma
informaci
n y
significa
do que
los
vectores
propios y
valores
propios,
pero
aparece
n
cuando
se utiliza
un

sistema
de
coorden
adas
alternativ
o. La
ecuacin
correspo
ndiente
es:

Por
eje
mpl
o,
en
teor
a de
elec
trom
agn
etis
mo
disp
erso
, la
tran
sfor
mac
in
line
al A
repr
ese
nta

la
acci
n
efec
tuad
a
por
el
obje
to
disp
erso
r, y
los
vect
ores
prop
ios
repr
ese
ntan
los
esta
dos
de
pola
riza
cin
de
la o
nda
elec
trom
agn
tic
a.

En
pti
ca,
el
sist
ema
coor
den
ado
se
defi
ne a
parti
r del
punt
o de
vist
a de
la
ond
a, y
llev
aa
una
ecu
aci
n de
valo
r
prop
io
regu
lar,
mie
ntra
s

que
en r
adar
, el
sist
ema
coor
den
ado
se
defi
ne
des
de
el
punt
o de
vist
a
del
rada
r, y
da
luga
ra
una
ecu
aci
n de
valo
r
prop
io
conj
uga
do.

[edit
ar]

Pr
obl
em
a
de
val
or
pr
opi
o
ge
ne
ral
iza
do
Un
pro
ble
ma
de
valo
r
pro
pio
gen
eral
izad
o (2

sent
ido)
es
de

la
form
a

d
o
n
d
e

s
o
n

m
a
t
r
i
c
e
s
.

L
o
s

a
l
o
r
e
s

p
r
o
p
i
o
s

g
e
n
e
r
a
l
i
z
a
d
o
s

(
2

s
e
n

t
i
d
o
)

p
u
e
d
e
n

o
b
t
e
n
e
r
s
e

r
e
s
o
l
v
i
e
n
d
o

l
a

e
c
u
a
c
i

El
conj
unto
de
matri
ces
de la
form
a

,
dond
e
es
un
nm
ero
com
plejo
,
recib
e el

nom
bre
de l
piz
si B
es
inver
tible,
ento
nces
el
probl
ema
origi
nal
pued
e
escri
birse
en la
form
a

que es
un
problema
de
valores
propios
estndar.
Sin
embargo,
en la
mayora
de

situacion
es es
preferible
no
realizar
la
inversin
,y
resolver
el
problema
de valor
propio
generaliz
ado con
la
configura
cin
original.
Si A y B
son
matrices
simtrica
s con
entradas
reales,
entonces
los
valores
propios
son
reales.
Esto se
aprecia
tan

fcilment
e a partir
de la
segunda
formulaci
n
equivale
nte, pues
la
matriz

no es
necesari
amente
simtrica
si A y B l
o son.
La
aplicaci
n de
molecula
res
orbitales
expuesta
ms
adelante
proporcio
na un
ejemplo
de este
caso.

[editar]E

ntrada
s 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
izquierd
a si
existe un
vector
fila no
nulo y tal
que yA=
y.
Si el
anillo

es conm
utativo,
los
valores
propios
por la
izquierda
son
iguales a
los
valores
propios
por la
derecha
y se les
llama
simplem
ente
valores
propios.

[editar]E

spaci
os de
dimen
sin
infinit
a

Fig.
3. Espectr
o de
absorcin

de un
tomo
decloro.
Los picos
correspon
den, en
teora,
alespectro
discreto (s
eries de
Rydberg)
delhamilto
niano; la
amplia
estructura
de la
derecha
se asocia
al espectr
o
continuo (i
onizacin)
. Los
resultados
experimen
tales
asociados
se han
obtenido
midiendo
la
intensidad
de
los rayos
Xabsorbid
os por un
gas de
tomos

como
funcin de
la energa
de inciden
cia de
los fotone
s en eV.2

Si el
espacio
vectorial
es de
dimensi
n infinita,
la nocin
de
valores
propios
puede
generaliz
arse al
concepto
de espec
tro. El
espectro
es el
conjunto
de
escalare
s para
el
que

, no est
definido,
esto es,
tal

que

no tiene
inversa
acotada.
Si es
un valor
propio
de T, e
st en el
espectro
de T. En
general,
el
recproco
no es
verdader
o. Hay
operador
es en los
espacios
de Hilber
t oBanac
h que no
tienen
vectores
propios.
Por
ejemplo,
tmese
un
desplaza
miento
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
Vtiene
espectro
no
vaco. El
espectro
d
el
operador
TVV

se define
como
no es invertible
Entonces
(T) es
un conjunto c
ompacto de
nmeros
complejos, y
es no vaco.
Cuando T es
un operador
compacto (y
en particular
cuando T es
un operador
entre
espacios
finitodimensionale
s 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
descomponer
se en sus
partes absolu
tamente
continua, disc
reta,
ysingular. 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]Apli

caciones
Ecuacin de
Schrdinger

La funcin de
onda asociada
a los estados
ligados de un
electrn en un
tomo
de hidrgeno p
uede 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
(incrementndo
se

segnn=1,2,3,..
.) y al momento
angular
(incrementndo
se
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
probabilidadm
s 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
transformaci
n

se

representa en
trminos de
un operador
diferencial es

la ecuacin
de
Schrdinger i
ndependiente
del tiempo de
la mecnica
cuntica:

Donde H,
el Hamiltonia
no, es
un operador
diferencial de
segundo
orden y
la funcin de
onda, es una
de las
funciones
propias
correspondie
ntes 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
enqumica
cuntica, se
buscar
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
y H com
o un vector
unidimension
al y una
matriz
respectivame
nte. 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
representaci
n, la
funcin

En este
contexto se
escribe la
ecuacin de
Schrdinger

y se llama
a

un estad

o 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 molecul
ar, y en el
contexto de la
teora de HartreeFock, los orbitales
atmicos ymolecul
ares 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 deecuacin
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 corres
ponden a los
factores, y los
valores propios a
las cargas. El
anlisis factorial
es una
tcnica estadstica
usada enciencias
sociales y mercad
otecnia, gestin
de
producto, investig
acin 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 observa
bles 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 compresi
n 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

, donde T es una
matriz diagonal
que contiene el
grado de cada
vrtice, y
en

, 0 se

substituye
por

. El

vector propio
principal de un
grafo se usa para
medir la
centralidad de sus
vrtices. Un
ejemplo es el
algoritmo PageRa
nk de Google. El
vector propio
principal de una
matriz de

adyacencia
modificada del
grafo de la web da
el page rank en
sus componentes.