p(λ) = det(λI − A)Polinomio característico
Resuelve det(λI−A)=0 y comprueba los coeficientes con la traza y el determinante.
Obtén explicaciones de IA del polinomio característico, vectores propios, raíces repetidas y complejas. Comprueba Av=λv.
eigenvalue calculator
Polinomio característico
Vectores y espacios propios
Valores propios repetidos
Obtén explicaciones de IA del polinomio característico, vectores propios, raíces repetidas y complejas. Comprueba Av=λv. Conserva fracciones y evita redondear pronto. La IA puede equivocarse; verifica los cálculos importantes.
eigenvalue calculator
Obtén explicaciones de IA del polinomio característico, vectores propios, raíces repetidas y complejas. Comprueba Av=λv.
p(λ) = det(λI − A)Resuelve det(λI−A)=0 y comprueba los coeficientes con la traza y el determinante.
(A − λI)v = 0Resuelve (A−λI)v=0 y elige vectores no nulos.
1 ≤ dim Eλ ≤ mλLa multiplicidad algebraica puede superar la dimensión del espacio propio.
A = PDP⁻¹Una matriz real puede tener raíces complejas; se necesita una base de vectores propios para diagonalizar.
Método
Conserva fracciones y evita redondear pronto. La IA puede equivocarse; verifica los cálculos importantes.
A ∈ ℝⁿˣⁿCada corchete interior es una fila. Conserva signos y fracciones e incluye b si resuelves Ax=b.
det(A − λI) = 0Pide un método concreto y especifica si trabajas sobre los reales o los complejos.
v ∈ ker(A − λI), v ≠ 0Comprueba cada operación de fila y las variables libres con la matriz original.
Av − λv = 0Sustituye en la ecuación original o comprueba el producto y cada par propio.
Conserva fracciones y evita redondear pronto. La IA puede equivocarse; verifica los cálculos importantes.
Referencia
Conserva fracciones y evita redondear pronto. La IA puede equivocarse; verifica los cálculos importantes.
Par propio
Av = λv, v ≠ 0Resuelve (A−λI)v=0 y elige vectores no nulos.
Polinomio 2×2
p(λ) = λ² − tr(A)λ + det(A)Resuelve det(λI−A)=0 y comprueba los coeficientes con la traza y el determinante.
Suma y producto
Σλᵢ = tr(A); ∏λᵢ = det(A)λ₁, …, λₙ; La multiplicidad algebraica puede superar la dimensión del espacio propio.
Diagonalización
AP = PDUna matriz real puede tener raíces complejas; se necesita una base de vectores propios para diagonalizar.
Ejemplo
Conserva fracciones y evita redondear pronto. La IA puede equivocarse; verifica los cálculos importantes.
Ejemplo 1
Av = λv; A = [[3,1],[0,2]]Dos valores propios distintos y verificación de cada par.
Resultado: λ = 3: E₃ = span{[1,0]}; λ = 2: E₂ = span{[−1,1]}
Comprobación: A[1,0] = 3[1,0]; A[−1,1] = 2[−1,1]
Ejemplo 2
Av = λv; A = [[2,1],[0,2]]Raíz doble con un solo vector propio independiente: no diagonalizable.
Resultado: λ = 2; dim E₂ = 1; A ≠ PDP⁻¹
Comprobación: A[1,0] = 2[1,0]; 2+2 = 4; 2·2 = 4
Ejemplo 3
Av = λv; A = [[0,−1],[1,0]]La rotación tiene dos raíces complejas y ninguna real.
Resultado: ℂ: λ = ±i; Eᵢ = span{[1,−i]}, E₋ᵢ = span{[1,i]}
Comprobación: A[1,−i] = [i,1] = i[1,−i]; i+(−i) = 0; i(−i) = 1
Conserva fracciones y evita redondear pronto. La IA puede equivocarse; verifica los cálculos importantes.
Determinantes y valores propios requieren matrices cuadradas; revisa las dimensiones del producto.
Registra intercambios, escalados y signos de cofactores.
Sustituye el resultado; un vector propio nunca es el vector cero.
Disfruta de un escaneo y resolución 5 veces más rápidos

Disfruta de un escaneo y resolución 5 veces más rápidos
