Unidad 3: Calcular valores y vectores caracter�sticos

    Sea A una matriz de n x n. El n�mero λ se llama eigenvalor de A si existe un vector diferente de cero v en Cn tal que

Av = λv

    El vector v distinto de cero se llama eigenvector de A correspondiente al eigenvalor λ.

    Esta unidad se enfoca a encontrar estos eigenvectores y eigenvalores a trav�s de diversos m�todos.

Cosas a recordar:

1) Sea {v(1), v(2),...,v(k)} un conjunto de vectores. El conjunto es L.I., en tanto

α1 v(1) + α2 v(2) + ... + αk v(k) = 0

entonces α1 = α2 = ... = αk = 0. De lo contrario, el conjunto de vectores es linealmente dependiente.

2) Si  {v(1), v(2),...,v(n)} es un conjunto de vectores L.I. de Rn, entonces cualquier vector x Є Rn puede escribirse de manera �nica como

β1 v(1) + β2 v(2) + ... + βn v(n) = x

para alg�n conjunto �nico de constantes β1, β2, ..., βn.

3) Todo conjunto de n vectores linealmente independientemente en Rn recibe el nombre de base de Rn.

4) Si A es una matriz y λ1, ..., λk son valores caracte�sticos de A con los vectores caracter�sticos asociados x(1), x(2), ... , x(k) entonces {x(1), x(2), ... , x(k)} es L.I.

5) Se dice que un conjunto de vectores {v(1), v(2),...,v(k)} es ortogonal si (v(i))t v(j) = 0 para toda i distinta de j. Adem�s, si (v(i))t v(i) = 1 para toda i = 1, 2, ..., n, entonces se dice que el conjunto es ortonormal.

6) Un conjunto ortogonal de vectores distintos de cero es L.I.

7) Se dice que una matriz Q es ortogonal si Q-1 = Qt.

8) Se dice que 2 matrices A y B son similares si existe una matriz S no singular con A = S-1 B S

9) Supongamos que A y B son matrices similares con A = S-1 B S y que λ es un valor caracter�stico de A con el vector caracter�stico asociado x. Entonces, λ es un valor caracter�stico de B con Sx como vector caracter�stico asociado.

10) (Teorema de Schur) Sea A una matriz arbitraria. Existe una matriz no singular U con la propiedad de que T = U-1AU, donde T es una matriz triangular superior cuyos elementos diagonales constan de los valores caracter�sticos de A.

11) Si A es una matriz sim�trica y D es una matriz ortogonal cuyos elementos diagonales son los valores caracter�sticos de A, entonces existe una matriz ortogonal Q tal que D = Q-1AQ = QtAQ

12) Si A es una matriz sim�trica de n x n, entonces los valores caracter�sticos de A son n�meros reales, y existen n vectores caracter�sticos de A que forman un conjunto ortonormal.

13) Una matriz sim�trica A es definida positiva si y solo si todos los valores caracter�sticos de A son positivos.