Mario Alexander Vargas Celis
Los autovalores y autovectores son conceptos fundamentales en álgebra lineal, especialmente útiles en el análisis de transformaciones lineales. Aquí te explico de forma clara qué son, para qué sirven y cómo se usan en transformaciones lineales, incluyendo ejemplos en Python.
🔷 ¿Qué son?
✅ Autovector (Eigenvector)
Es un vector que no cambia de dirección cuando se le aplica una transformación lineal, solo puede ser escalado (alargado o acortado).
✅ Autovalor (Eigenvalue)
Es el escalar que indica cuánto se escala el autovector después de aplicar la transformación.
🔹 Definición matemática
Si AA es una matriz cuadrada, un autovector v⃗≠0\vec{v} \neq 0 y su correspondiente autovalor λ\lambda satisfacen:
Av⃗=λv⃗A \vec{v} = \lambda \vec{v}
🔸 Interpretación en transformaciones lineales
Cuando aplicamos una transformación lineal representada por una matriz AA, los autovectores son direcciones que no rotan. Solo se escalan por su autovalor correspondiente.
Ejemplo: Si una matriz representa una rotación o estiramiento, los autovectores indican las direcciones "invariantes", y los autovalores cuánto se alargan o acortan esas direcciones.
📌 Aplicaciones
- Compresión de datos (PCA)
- Dinámica de sistemas
- Computación gráfica
- Análisis de redes
- Machine Learning
🐍 Ejemplo en Python con NumPy
import numpy as np
# Matriz de transformación A = np.array([[2, 1], [1, 2]])
# Autovalores y autovectores autovalores, autovectores = np.linalg.eig(A)
print("Autovalores:") print(autovalores)
print("\nAutovectores (columnas):") print(autovectores)
📈 Visualización (opcional con matplotlib)
Si quieres visualizar cómo actúan los autovectores en una transformación, puedo ayudarte a generar un gráfico de vectores antes y después de aplicar la matriz AA.
