## [Descomposición Espectral](/es/node/63365) Definición Una descomposición de un operador en componentes asociadas a su espectro, típicamente expresada como suma de valores propios escalares multiplicando operadores de proyección sobre los correspondientes espacios propios; para operadores normales en espacios con producto interior estas proyecciones son ortogonales. ## Principio Principio Cuando un operador es diagonalizable, admite la representación A = Σ λ P_λ donde {P_λ} son proyecciones idempotentes mutuamente ortogonales que suman la identidad y λ recorre el espectro; en contextos infinitodimensionales o no normales el teorema espectral generaliza esto mediante medidas espectrales. ## Demostración Demostración Una matriz simétrica real A puede escribirse A = Σ_i λ_i u_i u_i^T donde los u_i forman una base ortonormal de autovectores y u_i u_i^T son proyecciones ortogonales de rango uno; esta descomposición proporciona fórmulas inmediatas para funciones de A como exp(A) o A^k. ## Aplicación incorrecta Aplicación incorrecta Aplicar la descomposición espectral con proyecciones ortogonales a matrices no normales sin diagonalizabilidad; tratar espacios propios generalizados no ortogonales como proyecciones espectrales conduce a cálculos funcionales y afirmaciones de estabilidad incorrectas. ## Consecuencia Consecuencia La descomposición espectral facilita el cálculo funcional (aplicar funciones escalares a los eigenvalores y recombinar mediante proyecciones), simplifica el análisis dinámico y sustenta muchos algoritmos en álgebra lineal numérica y teoría cuántica cuando se cumplen las hipótesis necesarias. ## Inversión Inversión La inversión es la perspectiva de Jordan: en lugar de proyecciones espectrales ortogonales se aceptan espacios propios generalizados y partes nilpotentes, expresando el operador como suma de bloques de Jordan en lugar de suma directa de proyecciones de espacios propios. ## Límite Límite La descomposición espectral completa con proyecciones ortogonales requiere diagonalizabilidad o normalidad en dimensiones finitas (o autoadjuntidad/normalidad en dimensiones infinitas); de lo contrario se debe usar la forma de Jordan, la descomposición de Schur o el marco de medidas espectrales continuas. ## Tensión semántica Tensión semántica Tensión entre descomposición espectral y descomposición en valores singulares (SVD): la descomposición espectral diagonaliza operadores normales respecto a autovectores, mientras que la SVD se aplica a matrices arbitrarias produciendo vectores singulares ortonormales y valores singulares no negativos que no coinciden en general con los autovalores. ## Síntesis Síntesis La descomposición espectral expresa un operador como recombinación de proyecciones espectrales ponderadas por valores propios, ofreciendo una representación funcional canónica cuando hay autovectores (o medidas espectrales) disponibles y separando la acción espectral pura de las distorsiones nilpotentes que tratan otras formas canónicas.