Diferencia entre revisiones de «Vector propio»

(Ejemplo)
(Ejemplo)
Línea 41: Línea 41:
 
'''3ro'''. Se calculan los subespacios vectoriales de cada valor propio, sustituyéndolos por ''k'' en el sistema:
 
'''3ro'''. Se calculan los subespacios vectoriales de cada valor propio, sustituyéndolos por ''k'' en el sistema:
  
[[Archivo:ValorPropioEjemploSELP.png|middle]]
+
* [[Archivo:ValorPropioEjemploSELP.png|middle]]
 +
 
 +
Luego se determina un vector no nulo cualquiera por cada subespacio vectorial que serán vectores propios del correspondiente valor propio.
  
 
==Importancia==
 
==Importancia==

Revisión del 17:02 30 ene 2018

Vector propio
Información sobre la plantilla
MatrizCuadradaOrdenN.gif
Concepto:Vector V que satisface T(V)=kV donde k es un valor propio de la transformación lineal T.

Vector propio. (Del alemán eigenvert traducido como autovector) Dícese del vector V que en una aplicación lineal T multiplica al valor propio no nulo k en la forma T(V)=kV.

El termino eigenvert se atribuye al matemático David Hilbert en 1904.

Vectores y valores propios juegan un rol medular en la simplifación operatoria (solo un producto por fila) dentro de las transformaciones lineales, al permitir hallar a la matriz diagonal semejante a la matriz cuadrada asociada a T.

Definición

Sea T una aplicación o transformación lineal endomórfica de orden N, se dice que el vector V no nulo es un vector propio si y sólo se transforma de la manera:

  • T(V)=kV

donde k es un valor propio.

Ejemplo

Sea la matriz A:

  • ValorPropioEjemplo.png

asociada a la aplicación lineal T:R3->R3; obtener los valores propios de A.

1ro. Se plantea |A-kI|=0 para obtener el polinomio característico:

  • ValorPropioEjemplo1.png
  • ValorPropioEjemplo2.png
  • ValorPropioEjemplo3.png

que es reducido a:

  • -k3+6k2+2k-12=0 (Polinomio característico de A)

2do. Se determinan las raíces del polinomio:

  • -k3+2k+6k2-12=0
  • =-k(k2-2)+6(k2-2)
  • (6-k)(k2-2)=0

siendo 6 y Masmenosraiz2.png que son valores propios de A por ser reales.

3ro. Se calculan los subespacios vectoriales de cada valor propio, sustituyéndolos por k en el sistema:

  • ValorPropioEjemploSELP.png

Luego se determina un vector no nulo cualquiera por cada subespacio vectorial que serán vectores propios del correspondiente valor propio.

Importancia

Los valores y vectores propios son clave para la diagonalización de matrices cuadradas, proceso que se hace mediante la resolución del polinomio característico de la matriz cuadrada asociada a la transformación lineal en cuestión, usando por lo general el teorema de Cayley-Hamilton. Una vez encontrada la matriz diagonal semejante, los cálculos de la aplicación lineal se simplifican notablemente a meros productos. Para matrices superiores al orden 3, se obtendrán polinomios que no tendrán un método general de factorización.

Véase también

Fuentes