En primer lugar, ayuda a restringir la explicación a un caso muy básico: una matriz de 2 × 2 (llamémosla A ) que se multiplica a la derecha por un vector de columna 2 × 1 distinto de cero (llamémoslo v ). Por lo tanto, podemos pensar en v como una flecha que apunta desde el origen en R2 hacia R2, es decir, v especifica una ubicación en el plano. Cuando multiplicas A por v , obtienes otro vector en R2, otra ubicación. Entonces, la multiplicación por una matriz de 2 × 2, en otras palabras, hace que los puntos en el plano cambien sus ubicaciones de cierta manera. Técnicamente, llamamos a esto una transformación lineal, pero esa palabrería no es importante para la explicación.
Cuando tenemos tal cambio generalizado en R2, es útil saber no solo cómo cambian los vectores, sino qué vectores esencialmente no cambian con respecto a sus ubicaciones. Al igual que en la vida, cuando experimentas un cambio, es útil tener puntos de referencia fijos para guiarte. Entonces podemos preguntar, ¿qué vectores en R2 permanecen “esencialmente sin cambios” en sus ubicaciones cuando los multiplicamos por A ?
Esos vectores, una vez que definamos “esencialmente sin cambios”, serán lo que llamaremos vectores propios. Puede ser suficiente saber esto, intuitivamente. Pero sigue leyendo para obtener una descripción más precisa.
- ¿Cómo es trabajar en el arte de resolver problemas?
- ¿Cuáles son los problemas más interesantes en la teoría de juegos?
- ¿Qué es 3 x 4?
- ¿Cuál es el significado del lema de normalización de Noether?
- ¿Cuál es el significado de esta línea? - "Y he tratado de aprehender el poder pitagórico por el cual el número prevalece sobre el flujo".
No siempre podemos dejar los vectores en R2 totalmente fijos, pero a menudo tenemos situaciones en las que el vector inicial v y el vector transformado A v terminan apuntando en la misma dirección o exactamente en la dirección opuesta, es decir, v y A v se encuentran en la misma línea . Esto es lo que queremos decir con “esencialmente sin cambios con respecto a la ubicación”: que vy el vector transformado A v se encuentran en la misma línea en R2. Se dice que cualquier vector que satisfaga esta descripción es un vector propio para A.
En otras palabras: una forma intuitiva de describir vectores propios es que son vectores que permanecen apuntando a lo largo de la misma línea que señalaron originalmente después de ser transformados por la matriz A. Esta noción puede generalizarse para espacios de dimensiones superiores si reemplaza “línea” por “subespacio”. (Por ejemplo, algunos vectores propios para matrices 3 × 3 podrían moverse con mayor libertad pero nunca abandonar el plano en el que se sentaron originalmente).
Ahora, un poco más de juego revelará que, una vez que un vector se establece como un vector propio para A , puede no estar totalmente fijo (es decir, A v = v ), pero lo más que le puede pasar es la multiplicación por un escalar, es decir [math] A \ mathbf {v} = \ lambda \ mathbf {v} [/ math] para algunos escalares [math] \ lambda [/ math]. Esa [matemática] \ lambda [/ matemática] se llama un valor propio para A. Con un poco más de juego, descubres que si v es un vector propio para A con valor propio [math] \ lambda [/ math], entonces cualquier múltiplo escalar de v también es un vector propio para A con el mismo valor propio, [math] \ lambda [/ math]. Hay algunos enfoques intuitivos para explicar esto, pero el álgebra simple funciona mejor.
Para resumir una historia larga: la forma más intuitiva de explicar cosas propias es usar geometría simple. Use muchas imágenes y mantenga la notación al mínimo.