Valores y vectores propios: una introducción para principiantes

Los valores y vectores propios parecen misteriosos la primera vez que los ves, pero la idea de fondo es intuitiva: cuando una matriz transforma un vector, la mayoría de los vectores se rotan y se estiran. Los vectores propios son las direcciones especiales que solo se estiran, nunca se rotan. Ese factor de estiramiento es el valor propio.

La definición

Dada una matriz $A$ de $n \times n$, un vector no nulo $\mathbf{v}$ es un vector propio con valor propio $\lambda$ cuando:

$A \mathbf{v} = \lambda \mathbf{v}$

Geométricamente: $A$ actuando sobre $\mathbf{v}$ produce $\lambda$ veces $\mathbf{v}$ —misma dirección, solo escalado.

Cómo hallarlos: el polinomio característico

Reordenando se obtiene $(A - \lambda I)\mathbf{v} = \mathbf{0}$. Para que exista un $\mathbf{v}$ no trivial, la matriz $A - \lambda I$ debe ser singular, es decir:

$\det(A - \lambda I) = 0$

Esto se desarrolla en un polinomio en $\lambda$ llamado polinomio característico, de grado $n$. Sus raíces son los valores propios.

Ejemplo resuelto $2 \times 2$

$A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}$

1. $A - \lambda I = \begin{pmatrix} 4 - \lambda & 1 \\ 2 & 3 - \lambda \end{pmatrix}$.
2. $\det = (4-\lambda)(3-\lambda) - 2 = \lambda^2 - 7\lambda + 10$.
3. Resuelve $\lambda^2 - 7\lambda + 10 = 0$: $\lambda = 5$ o $\lambda = 2$.

Para $\lambda = 5$: resuelve $(A - 5I)\mathbf{v} = 0$, es decir, $\begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix}\mathbf{v} = 0$, dando el vector propio $\mathbf{v}_1 = (1, 1)$.

Para $\lambda = 2$: un proceso similar da $\mathbf{v}_2 = (1, -2)$.

Por qué importan los vectores propios

• Análisis de componentes principales (PCA): los vectores propios de la matriz de covarianza son las direcciones principales de variación de tus datos.
• PageRank de Google: el vector de rango es el vector propio dominante de la matriz de enlaces de la web.
• Mecánica cuántica: los observables son operadores; sus valores propios son los únicos resultados que puedes medir.
• Ecuaciones diferenciales: los valores propios de la matriz del sistema te dicen si las soluciones decaen o se disparan.

Resumen del significado geométrico

Para una matriz 2D, los vectores propios son ejes especiales. Si alineas el sistema de coordenadas con ellos, $A$ se vuelve diagonal —puro escalado a lo largo de cada eje sin rotación. Eso es la diagonalización, y es la base de decenas de algoritmos.

Errores comunes

• Olvidar que los vectores propios se definen salvo escala —cualquier múltiplo no nulo de un vector propio también es un vector propio.
• Saltarse la ecuación característica e intentar adivinar.
• Tratar $\det(A - \lambda I)$ como $\det(A) - \lambda$ —no lo es.

Pruébalo con el Solucionador de matrices con IA

Introduce tu matriz en la Calculadora de matrices y pide los valores propios —cada paso mostrado.

Referencias relacionadas:

• Calculadora de determinantes —necesaria para el polinomio característico
• Solucionador cuadrático —para el caso característico $2\times 2$
• Calculadora de vectores —los vectores propios son vectores en esencia