Las direcciones que una matriz no hace girar
Al multiplicar un vector por una matriz, cambian en general su longitud y su dirección. Pero en la mayoría de las matrices existen direcciones particulares en las que el vector solo se estira o se contrae: A × v = λ × v. El vector v es un vector propio y el factor λ su valor propio. Para una matriz 2×2, basta una ecuación de segundo grado para hallarlos.
El polinomio característico
Para una matriz de filas (a, b) y (c, d):
λ² − (a + d) × λ + (ad − bc) = 0
El coeficiente a + d es la traza y ad − bc el determinante. Por tanto:
- λ = (traza ± √(traza² − 4 × determinante)) ÷ 2.
- La suma de los valores propios es igual a la traza.
- Su producto es igual al determinante.
Ejemplo
Tomemos la matriz de filas (4, 1) y (2, 3):
- Traza: 4 + 3 = 7. Determinante: 4 × 3 − 1 × 2 = 10.
- Discriminante: 7² − 4 × 10 = 9, positivo: dos valores propios reales.
- λ₁ = (7 + 3) ÷ 2 = 5 y λ₂ = (7 − 3) ÷ 2 = 2.
Comprobación: 5 + 2 = 7 y 5 × 2 = 10.
Los vectores propios
Para cada valor propio, se resuelve (A − λI) × v = 0. Si b no es nulo, el vector (b, λ − a) sirve siempre:
- Para λ₁ = 5: (1, 5 − 4) = (1, 1). En efecto, A × (1, 1) = (5, 5) = 5 × (1, 1).
- Para λ₂ = 2: (1, 2 − 4) = (1, −2). En efecto, A × (1, −2) = (2, −4) = 2 × (1, −2).
Si b es nulo, la calculadora utiliza (λ − d, c), y en una matriz diagonal los vectores propios son simplemente los ejes. Cualquier múltiplo no nulo de un vector propio es también un vector propio: (2, 2) o (−1, −1) son tan válidos como (1, 1).
Tres casos
| Discriminante | Valores propios | Ejemplo |
|---|---|---|
| Positivo | Dos valores reales distintos | filas (4, 1), (2, 3): 5 y 2 |
| Nulo | Un valor real doble | filas (2, 1), (0, 2): 2 doble |
| Negativo | Un par complejo conjugado | filas (0, −1), (1, 0): ± i |
Un valor propio doble puede tener un único vector propio independiente, como en el segundo ejemplo: la matriz no es entonces diagonalizable. Un discriminante negativo señala un giro: el giro de un cuarto de vuelta tiene por valores propios 0 ± 1i, y ninguna dirección real queda fija.
¿Para qué sirve?
- Ecuaciones diferenciales: para x’ = A x, las soluciones crecen o decrecen como e^(λt); unas partes reales negativas significan un sistema estable.
- Cadenas de Markov: la distribución a largo plazo es el vector propio asociado al valor propio 1.
- Estadística: el análisis de componentes principales (ACP) busca los vectores propios de la matriz de covarianzas; los valores propios dan la varianza explicada por cada eje.
- Mecánica: las frecuencias propias de una estructura que vibra proceden de los valores propios.
La diagonalización de matrices es un clásico de las asignaturas de matemáticas de los primeros cursos universitarios. Para matrices más grandes, utiliza la calculadora de matrices o un programa de cálculo, porque el polinomio característico se vuelve pronto difícil de resolver a mano.