AUTOVALORI E AUTOVETTORI

Prima di affrontare in maniera formale lo studio degli autovalori e degli autovettori di una
matrice quadrata, consideriamo alcuni aspetti.

Considerando il prodotto riga per colonna sappiamo che è sempre vero quanto segue:

. ⋯ . ⋮ ⋮
( . ⋯ . ⋮ )( ) ( )
⋮ ⋱ ⋮ ⋮ = ⋮ ↔ A ⃗v =⃗
⋮
w

Moltiplicare una matrice per un vettore colonna genera un vettore colonna. Ovviamente in
generale ⃗v ≠ ⃗
w.

Consideriamo alcuni esempi nel caso di matrici 2x2. Sia ( xy ) il vettore colonna ⃗v e A( xy ) il vettore
colonna ⃗
w

(2 0 )
Sia A= 0 3 e ⃗v =
y (x)
w = A ⃗v =
→⃗
3y (2x )
Quindi al vettore ”generico” ( xy ) si associa tramite la matrice A il vettore generico(32 xy ). È chiaro
che i vettori ⃗v e ⃗
w non presentano proprietà in comune. Infatti:

x 3x
w|= √ 4 x 2+ 9 y 2 ; ϴ ⃗v = arctg
|⃗v| = √ x 2+ y 2 , |⃗ e ϴ⃗w = arctg
y 2y

w| e
|⃗v|≠|⃗ ϴ ⃗v ≠ϴ⃗w

Tuttavia se tra gli infiniti vettori del piano v⃗ consideriamo i vettori della forma ( x0) oppure ( 0y )
(vettori diretti lungo l’asse x o l’asse y) notiamo che i moduli di⃗ w sono ancora diversi da quelli di
⃗v ma le direzioni sono le stesse:

( x0 )→ (20 03)(0x)=( 20x)=2(0x)

( 0y )→ (20 03)( 0y ) = (30y ) = 3( 0y )
Possiamo quindi concludere che esistono due direzioni privilegiate per la matrice in questione.

Infatti applicando tale matrice al vettore ( x0) (oppure( 0y )) si ottiene ancora un vettore che ha la
x 0
stessa direzione di ( ) (oppure( )).
0 y

Graficamente possiamo riassumere l’azione della matrice A come segue:

 Consideriamo ora A= 0 (−2 23) quindi ⃗v =( xy ) → ⃗w = A ⃗v =(−20 23)( xy) ¿(−23x +2y y) Graficamente
abbiamo:

Possiamo, quindi, intendere l’applicazione della matrice nel vettore come una legge che associa
due vettori distinti del piano.

Ad esempio, vediamo come trasformazione la proiezione ortogonale sull’ asse x: 0 0 (1 0 )( x ) ( x )

y
= .
0
In questo caso i vettori che hanno la direzione dell’ asse y sono tutti trasformati nel vettore nullo,
mentre quelli che hanno la direzione dell’asse x sono trasformati in se stessi.

Ci chiediamo, quindi, se per ogni matrice quadrata, presa come una trasformazione di Rn in Rn, ci
sono delle direzioni privilegiate, cioè trasformazioni da un vettore avente una di queste direzioni,
s’abbia ancora un vettore con la stesa direzione o al massimo si ha il vettore nullo.
Ci si aspetta quindi che il vettore ottenuto sia proporzionato al vettore di partenza. In formula
Equazione agli autovalorie
possiamo scrivere: A ⃗v= λ ⃗v (autovettori per lamatrice A )

λ: è detto autovalore della matrice A connesso al corrispondente autovettore ⃗v.

⃗v : è detto autovettore della matrice A connesso al corrispondente autvoalore λ.

 In generale nel caso di n dimensioni l’equazione agli auto valori va intesa come segue:

a11 ⋯ a1 n v1 v1

( ⋮ ⋱ ⋮ ⋮
a1 n ⋯ ann v n )( ) ( )
= λ ⋮
vn

dove (v1,…, vn)= v⃗ T e A= {aij}ni,j=1 .Il tutto può essere riscritto come sistema lineare:

a11 v 1 +a 12 v 2 +… a 1n v n=λ v 1

{ ⋮
an 1 v 1 +an 2 v 2 +… ann v n =λ v n

Supponendo che l’equazione A ⃗v= λ ⃗v ammetta soluzione, deduciamo alcune proprietà generali del
problema agli auto valori.

PROPRIETÀ GENERALI

Calcolo degli autovalori λ: A ⃗v= λ ⃗v ⇒ A ⃗v −λ 1 ⃗v = 0 ⇒ (A- λ𝟙¿ ⃗v =0 dove 𝟙 è la matrice unità a n

dimensioni. Affinchè esista l’autovettore ⃗v(ovviamente escludendo il caso banale in cui ⃗vè
nullo) deve essere soddisfatta la condizione:

det (A- λ𝟙)=0

Gli autovalori della matrice A sono le radici dell’equazione algebrica ottenuta ponendo a zero il
determinante della matrice (A- λ𝟙).

a11 −λ ⋯ a1 n− λ
det (A- λ𝟙)=det ⋮
( ⋱ ⋮ =0
an 1−λ ⋯ ann−λ )
Analizziamo a cosa corrispondono gli auto valori. Nel caso di una matrice 1x1 l’autovalore
corrisponde alla matrice stessa. Infatti:

A= {a11} det (A- λ𝟙)= det (a11- λ𝟙)=0 ⇒ a11-λ=0 ⇒ λ= a11 (MATRICE 1X1)

Nel caso di matrici 2x2 abbiamo:

a11 a12 a11− λ a 12

A= ( )
a21 a22
→ det (a 21 a 22−λ
=0 ) ⇒(a¿ ¿11−λ)(a22−λ) ¿-a 12 a21=0

λ2 -(a 11 +a22)λ + ¿ ¿- a 12 a21)=0

Notiamo che il termine noto dell’equazione di secondo grado in λ è il determinante della matrice
A. Il coefficiente del termine contenente λ è detta traccia della matrice A. In generale è detta
traccia la somma degli elementi sulla diagona le:
n
trA≐ ∑ a ii (TRACCIA DI A)
i=1
 Gli auto valori della matrice A devono essere tali che la loro somma è la traccia di A ed il loro
prodotto deve essere il determinante di A: Siano λ1, λ2 gli auto valori

λ1+ λ2=trA λ1 λ2=detA

Risolvendo l’equazione abbiamo:

trA ± √ trA 2−4 detA

λ1,2= 2
MATRICE 2X2

Gli auto valori di una matrice (2x2) sono reali se e solo se accade: trA 2 −4 detA ≥0
Nel caso di matrici (3x3) abbiamo:

a11 a12 a 13 a11− λ a 12 a13

(
a31 a32 a 33 ) (
A= a21 a22 a 23 → det a 21 a 22−λ
a 31 a 32
a23
a33−λ
=0
)
¿ ¿ )[( a 22−λ ) ( a 33−λ ) −a23 a32]-a 12[a 21 a ¿ ¿)-a 31 a23]+a 13 [ a21 a32−a 31 ( a22− λ ) ] =0

Riscrivendo il tutto evidenziando i termini in λ3, λ2, λ e λ0 abbiamo:

λ3- ¿ ¿) λ2+[ A11+ A22+ A33] λ- detA=0

dove A11= (-1)1+1[a22 a33-a23 a32]

A22= (-1)2+2[a11 a33-a13 a31]

A33= (-1)3+3[a11 a22-a12 a21]

3
Quindi possiamo scrivere il tutto come λ3- trA λ2∑ A iiλ+(-1)3detA = 0
i=1

ottenendo, ora, un’equazione algebrica di terzo grado.

Possiamo ora generalizzare al caso di una matrice (4x4) introducendo in generale il cosiddetto
polinomio caratteristico Pn (λ) ottenuto richiedendo che il determinante di A- λ𝟙 sia pari a zero.

Per induzione si otterrà che il polinomio caratteristico una struttura seguente:

Pn (λ)= λn-trA λn-1+[…] λn-2+…+[…] λ+(-1)n detA

Le paretesi […] contengono i vari minori principali connessi alla matrice A. In questo caso
possiamo ancora affermare che nel caso delle radici del polinomio caratteristico devono essere
n n
sempre soddisfatte le condizioni: λ1,.., λn = ∏ λi= detA ; λ1+…+ λn = ∑ λi=trA ;
i=1 i=1
Se esistono n autovalori, il prodotto di tali autovalori deve esssere pari al determinante mentre la
loro somma deve essere pari alla traccia.

Chiaramente non è detto che Pn (λ)=0 presenti n radici distinti ma sicuramente la somma delle
molteplicità algebriche delle soluzioni è pari ad n. Se restringiamo la ricerca degli auto valori al
solo caso di radici reali è possibile che le radici (reali) sono in numero inferiore ad n.

Ricordiamo il concetto di molteplicità di una radice. In generale una radice x0 di un polinomio

f(x) ha una molteplicità m se f(x) =a(x-x0)mg(x) dove g(x) è un altro polinomio. Quindi m è il più
grande intero positivo tale che il polinomio (x-x0)m divide f(x). Infine, si dice che il polinomio di
grado n ha n radici (eventualmente anche coincidenti) se f(x) è esprimibile come segue:
n
f(x)=c(x-x1)… (x-xn)= c∏ (x−x i )
i=1

Supponiamo che una matrice ammetta n autovettori ⃗ v1 , … , ⃗

v n associati ad n autovalori distinti
v1 , … , ⃗
λ1,.., λn , il set di autovettori (⃗ v n) contiene tutti vettori linearmente dipendenti:

DIM.: Dimostriamo per induzione.

Verifichiamo per n=1. Banale! Un set di un solo vettore è un set di vettori linearmente
indipendenti.
v1 e ⃗
Verifichiamo per n=2. Dunque siano ⃗ v 2 gli autovettori con autovalori λ1, λ2 :

v1 =⃗
A⃗ v1 λ1 e A⃗
v 2=⃗
v 2λ2

Se {⃗v1 , v 2} sono linearmente indipendenti allora deve accadere che c 1 ⃗

⃗ v 1+ ¿ c 2 ⃗
v 2=0( • ) ⇒ c 1=
c 2=0

Moltiplichiamo a sinistra la relazione ( • ) per la matrice A