Autovalori e autovettori

Equazione caratteristica
Molti problemi interessanti in un gran numero di discipline scientifiche si possono ricondurre alla
seguente relazione matriciale

Ax = x
dove A una matrice quadrata, x un vettore non nullo e uno scalare. in cui una trasformata lineare
del vettore x risuta uguale ad un semplice riscaldamento dello stesso vettore x. Di solito, la
moltiplicazione di una matrice per un vettore comporta modifiche importanti nello stesso vettore. Nel
caso per che i cambiamenti si limitino
ad un cambio di scala e/o di orientamento mantenendo inalterate
le componenti del vettore x si parla di x come di autovettore della matrice A e di come autovalore
della matrice A.

Sia x che sono soluzioni del sistema di equazioni lineari omogenee

Ax x = (A I ) x = 0
Se il determinante della matrice dei coefficienti

A I

nullo allora lunica soluzione possibile x=0, detta banale poich non richiede nessun particolare
sforzo per essere determinata. Se invece il determinante nullo si apre la via a diversi ragionamenti

interessanti.
Ad ogni matrice quadrata A di ordine m associata una funzione polinomiale ottenuta dal
determinante della matrice A a cui sottratta la matrice identit moltiplicata per uno scalare.

 a11
a
[A I ]= 21

a m1

a12
a 22

am2

a1m
a 2m

a mm 2

Lo sviluppo del determinante produce la cosiddetta equazione caratteristica:

A I = C 0 m + C1m 1 + + C m 1 + C m = 0
Se indichiamo con ti la traccia della potenza i-esima della matrice A e cio
i volte

t i = Tr( A i ) = Tr AAAA

Tr

(
A

)
=

Tr

i volte

A A A

I coefficienti dellequazione caratteristica sono calcolabili dalla relazione con a traccia delle potenze
della matrice.

1
C0 = 1
C3 = (C2 t1 + C1t 2 + t 3 )
3
C1 = t1

1
1
C2 = (C1t1 + t 2 )
Cm = (Cm1t1 + Cm2 t 2 + + C1t m1 + t m )
2
m
Esempio

1 2 0
5 6 4

A = 2 2 2;
A 2 = A A = 6 12 10;
0 2 3
4 10 13
17 30 24
t1 = 1+ 2 + 3 = 6

3
2
A = A A = 30 56 54;
t 2 = 5 + 12 + 13 = 30
24 54 59
t 3 = 17 + 56 + 59 = 132
1
1
C0 = 1; C1 = 6;
C2 = ((6) 6 + 30) = 3; C3 = [( 3) 6 + (6) 30 + 132] = 10
2
3
Ne consegue che lequazione caratteristica

3 6 2 + 3 + 10 = 0
Lequazione caratteristica, come ogni polinomio, pu essere scritta come un prodotto

A
I = ( 1)m ( 1 )( 2 ) ( m )

Le radici dellequazione caratteristica sono gli autovalori di A. Quindi esistono m soluzioni, non
necessariamente reali e/o distinte, rispetto al sistema di equazioni Ax=x.
Esempio
3 1
A =

2 2

3
1
A I =

2
2

A I = 0

(3 )(2 ) 2 = 0 2 5 + 4 = 0

Le radici 1 =4 e 2 =1 sono gli autovalori della matrice A.

La traccia di una matrice quadrata pari alla somma dei suoi autovalori.
Consideriamo la fattorizzazione dellequazione caratteristica
m m

f ( ) = (1) ( i )
i=1

Il coefficiente della potenza

m-1

espresso in termini della traccia

c1 = (1)

m1

m1

a = (1) (a
ii

11

+ a22 + ann ) = (1)

m1

tr( A)

i=1

che deve coincidere con lo sviluppo della fattorizzazione

(1) m1 Tr( A) = (1) m +1 i

i=1

quindi

c1 = (1)

m +1

m
i

e pertanto Tr( A) = i

i=1

i=1

Il determinante di una matrice quadrata coincide con il prodotto dei suoi autovalori
m

A = i
i=1

Esempio

13 4
A =

4 7

13 4
A
I =

7
4

A I = 0

(13 )( 7 ) 16 = 0 2 20 + 75 = 0

1 = 5, 2 = 15, 12 = 5 *15 = 75;

A = (13)(7) (4)(4) = 9116 = 75

Gli autovettori
Molte applicazioni statistiche coinvolgono un insieme di vettori non nulli associati ad una data matrice
ed in particolare ai suoi autovalori. La relazione che interessa la seguente

(A iI) x i = 0

ovvero Ax i = i x i

i = 1,2,,m

Dove m il numero di vettori linearmente indipendenti presenti nella matrice A; xi un autovettore

associato allautovalore i. Il sistema di equazioni omogenee

(A iI) x i = 0
ha almeno una soluzione non banale se i un autovalore di A. Si verifica subito che c un problema di
univocit. Se xi un autovettore associato a i lo sar anche kxi dove k uno scalare non nullo. Infatti

Ax i = i x i
A kx i = kx i
Ay i = i y i

con y i = kx i

Quindi, ad ogni autovalore sono associati infiniti autovettori che per differiscono tra di loro solo per un
fattore moltiplicativo.

Esempio
3 1
A =
1 = 4
e 2 = 1

2 2
x 0 1 1 x1 0
( A 4I) 1 =
= x1 x 2 = 0 x1 = x 2
x 2 0 2 2 x 2 0
2x1 2x 2 = 0
x1=1 e x2=1 produce (1,1) che un autovettore associato a 1 =4. Allo stesso modo, per 2 =1 si ha
3 1 1 00 2 1 x1 0 2 1 x1 0
1

=
= 2x1 = x1
2
2 2 0 10 2 1x 2 0 2 1 x 2 0

Ne consegue che

1 1

1 2

una matrice formata con degli autovettori associati agli autovalori della matrice A. Naturalmente,
anche la matrice

k
k
1
2
k1 e k 2 0
k 2k
2
2
una matrice di autovettori associati agli autovalori di A. Da notare che gli autovettori cos ottenuti
sono linearmente indipendenti. Infatti, la relazione:
1
1 0
k1 + k 2 =
1
2 0

 verificata se e solo se k1=k2=0 il che escluso dalla condizione posta sugli scalari k1 e k2.
Il calcolo degli autovalori e dei corrispondenti autovettori non pu essere basato sulla
determinazione delle radici dellequazione caratteristica che abbiamo utilizzato per matrici (2x2). Infatti,
supponiamo che lequazione caratteristica sia

3 + p2 + q + r = 0
che diventa

3 + a + b = 0

con il cambio di variabile =-p/3 cio se si pone

p2
3
2 p 3 9 pq + 27r
b=
27
a=q

si pu calcolare la quantit pseudo-discriminante d=b2/4 + a3/27 cosicch:

d>0
d=0
d<0

(1/3)
Una radice reale 1=(-b/2+d)
+ (-b/2-d) (1/3) e due immaginarie

Tre radici reali di cui almeno due uguali: 1=(-b/2) (1/3) , 2=(b/2) (1/3) , 3=(b/2) (1/3)
Tre radici reali e distinte: 1=2(a/3) 0.5 cos(/3) , 2=2(-a/3) 0.5 cos(/3+2/3) ,
3=2(-a/3)0.5 cos(/3+2/3) dove cos()=-2.59808b/(-a)1.5

Esempio

3 0 2

A = 0 2 0 1 = 5, 2 = 2, 3 = 1
4 4 1
E chiaro che non si pu procedere in questo modo artigianale. Per fortuna sono disponibili diversi
algoritmi di calcolo rapidi ed efficienti che risolvono brillantemente il problema della determinazione
ed autovettori.
industriale degli autovalori

Matrici ortogonali
Una matrice ortogonale se

a) A quadrata; b) A At = I ; c) At A = I

Il prodotto di matrici ortogonali ortogonale

Se AA t = A t A = I e BB t = B t B = I

( A B) B t A t = ABB t A t = AA t = I
B t A t AB = B t B = I

allora

Linversa della matrice ortogonale Q coincide con la sua trasposta

Q t = Q 1 Q t Q = I

Il determinante di A ortogonale 1 oppure 1 dato che

A At = I

A At = I = 1

Tuttavia
2

A A t = A A t = A A = 1 A = 1

Se A ortogonale e k un autovalore di A allora anche (k) -1 pure un autovalore di A. Infatti

A = 1 2 ,, m

Se m pari, ad ogni k corrisponde un (k) -1 . Se m dispari almeno un autovalore pari a 1.

Matrice di Householder

H = I 2 xx t

con

x0

e xt x = 1

H ortogonale

H H t = ( I 2xx t )( I 2xx t ) = ( I 2xx t )( I 2xx t )

= I 2xx t 2xx t + 4 xx t = I
Autovalori di una matrice diagonale

a1 0

0 a1
A = diag( a1,a2 ,,am ) =

0 0
( a1 )

0
A I =

(a2 )

0

(am )

( am )
0

Lequazione caratteristica

A I = ( ai ) = ( a1 )( a2 ) ( am )
i=1

Quindi gli autovalori della matrice diagonale coincidono con i valori sulla diagonale.

Autovettori di una matrice diagonale

Hanno tutti forma:
0

0
ei = 1 dove l imposizione i - esima.

Esempio

7 0 0
A = 0 6 0
0 0 3

1 = 6, 2 = 3, 3 = 7

Autovalori della matrice inversa.

Se un autovalore non nullo di A allora () -1 un autovalore di A-1 (se linversa esiste). Infatti

Au = u
A 1 Au = A1u
u = A1u

1
1
u = A 1u A 1 I u = 0

Si noti anche se un autovettore della matrice A associato a allora anche un autovettore della
matrice A-1 associato a () -1.

Autovalori della matrice (A+I) e dei suoi autovettori

Indichiamo con un autovalore di A e un autovettore ad esso associato

Au = u
I + Au = + Iu

(A + I)u = ( + )u
Quindi (+) un autovalore della matrice (A+I) e u che un autovettore di A anche autovettore di
(A+I).

Autovalori della potenza di una matrice.

Sia k un autovalore della matrice quadrata A di ordine m.

Au = u
Moltiplicando per A entrambi i termini otteniamo

A 2u = k Au A 2u = u = 2 u
Se un autovalore di A allora () p un autovalore di Ap ed A condivide gli autovettori con Ap .

Propriet dellequazione caratteristica

Poich lequazione caratteristica un determinante ad essa si applicano le propriet dei determinanti.
a) Gli autovalori di A e At sono uguali. Infatti
b)
(A I) t = A t I

b) |AB|=|A||B| se A e B sono quadrate e dello stesso ordine. Quindi

( A I )( B I ) =

A I B I

c) Il determinante di una matrice triangolare (inferiore o superiore) pari al prodotto degli elementi
sulla diagonale.

a11 a12 a1m

0 a22
a2m

A=
A = a11a22 amm

0 amm
0
d) Se P una matrice quadrata ed abbiano Q e W lo stesso ordine. Allora
e)

P 0
=PQ
W Q
Quindi

P I
0
= P I Q I

W
Q I
f) Se P e Q sono dello stesso ordine si ha
g)

0 P
=P
I Q

h) scambiando due righe o due colonne non cambia gli autovalori. Infatti il determinante cambia di
segno, ma lequazione caratteristica uguagliata a zero e ci non ha quindi effetto.

Teorema di Hamilton-Cayley
Ogni matrice quadrata soddisfa la sua equazione caratteristica

f ( ) = C0 m + C1m1 + + Cm1 + Cm = 0
Se al posto dello scalare si sostituisce la matrice A e si considerano le corrispondenti potenze di
matrici, si ottiene

f (A ) = C0A m + C1A m1 + + Cm1A + Cm I = 0

Se post-moltiplichiamo f(A) (che una matrice) per un lautovettore x associato allautovalore , allora

C0

C1

m 1

+ +

C m 1

Cm

m +1
m +1
m +1

m +1

f (A ) x = Ci1A i x = Ci1A i x = Ci1i x = Ci1i x

i=1

i=1

i=1
i=1

e poich un atovalore di A, verifica lequazione caratteristica per cui

m +1

i = 0

i1

i=1

e, pertanto, f(A)x=0.

Autovettori riga e autovettori colonna

Sebbene luso comune veda autovettori colonna cio soluzioni che verificano

C 0 m

C1m 1

A =
+ +

C m 1

Cm

esistono anche gli autovettori riga e cio soluzioni del sistema

t A = t
che in genere sono diversi (a meno che A non sia una matrice simmetrica).
Spettro della matrice A
Linsieme degli autovalori della matrice A anche noto come spettro di A e di solito gli autovalori sono
posti in ordine decrescente di grandezza

1 2 m
In particolare, lautovalore di modulo massimo noto come raggio spettrale di A.

raggio spettrale = ( A) = max{ i autovalore di A}

1i m

Determinante ed autovalori
Se unautovalore zero allora il determinante della matrice nullo. Infatti
m

A = i = 1 2 m
i=1

e basta che uno solo degli autovalori sia nullo perch si abbia |A|=0. Inoltre, a causa del prodotto, il
determinante risulta molto sensibile ai valori piccoli (cio quelli che in valore assoluto sono inferiori

allunit).

Rango di una matrice

Edato dal numero di vettori linearmente indipendenti in essa contenuti. Se A di ordine (nxm) allora

r(A ) min{n,m}
cio A non pu contenere vettori LIN pi di quanto non sia il pi piccolo tra numero di righe n e
numero di colonne m.

a) Se A quadrata di ordine m il rango di A verifica la relazione

r (A) m z (A)
Dove z(A) il numero di autovalori non nulli nella equazione caratteristica della matrice
b) Se A una matrice diagonale allora il suo rango uguale al numero di colonne o righe non nulle.
A = diag( a11,a22 ,,amm ) ; r( A) = m

se

aii 0

i = 1,2,,m

c) Rango di un prodotto. Se C=AB allora

r (C ) min{r (A), r (B )}

perch se una matrice moltiplicata per una matrice non singolare allora il suo rango rimane invariato.

C = Q A
Tuttavia

dove Q-1 esiste r(C ) r( A)

A = Q1 C

r(A ) r(C) e quindi r(A) = r(C)

d) Il rango di una matrice pari al numero di autovalori diversi da zero associati alla matrice.

2 1
A =

1 2

2
1
A I =

2
1

A I = 0 2 4 + 3 = 0 1 = 3, 2 = 1

In questo caso il rango pari a 2.

matrice triangolare (inferiore o superiore)
Autovalori di una
Se A una matrice triangolare, gli autovalori coincidono con gli elementi sulla diagonale. Infatti

( a11 )

0
A I = 0

a12
(a22 )
0

a1m

a2m
che ancora triangolare
0

(amm )

Poich il determinante della matrice triangolare dato dal prodotto degli elementi sulla diagonale,
avremo
m

A = I = ( aii ) =( a11 )( a22 ) ( amm ) = 0

i=1

Con evidenti radici

i = aii

i = 1,2,,m.

Calcolo degli autovettori

quadrate di ordine m
Consideriamo matrici
Esempio:
2 2 0
A = 2 1 1 con autovalori 1 = 3, 2 = 1, 3 = 4
7 2 3

si deve determinare un vettore u tale che

Au = k u ( A k I ) = 0

con u 0

per k=1,2,3. Tale sistema ha un numero di soluzioni linearmente indipendenti (LIN) pari a

m r (A k I )

Le soluzioni si ottengono da

uk = [G ( A k I ) I ] z
Dove G- la cosiddetta inversa generalizzata di (A-kI) e z un vettore arbitrario. In breve, G- soddisfa la
condizione GG-G=G (1 condizione di Moore-Penrose). Possiamo scriverne linversa generalizzata
come

B
C
(A kI) = k k
E
D
Dove Bk non singolare (cio esiste la sua inversa ordinaria) ed ha lo stesso rango di (A-kI).
Effettuiamo adesso la partizione del vettore arbitrario z

z t = [z1 z 2 ]

Dove z1 ha un numero di elementi pari al rango di (A-kI).

Bk1 0

(A kI) =
con matrice nulle di dimensioni opportune
0 0

Ecco quindi il calcolo dellautovettore

B1 0B
k
uk = k

0 0 D

Ck It

E 0

0 z1
con t = ran(A k I)
Imt z 2

che implica

I
uk = t
0

0 z1

Imt z 2

I
B1
k Ck k

0 0

0 B1C z1 +B k Ck z 2
k k
=
=

z2
0

I z 2
Esempio

2 2 0

A = 2 1 1
7 2 3

1 = 3, 2 = 1,

3 = 4

Per 1 =3 si ha

1 2 0
1 2
0

A 1I = 2 2 1 con B1 =
; C1 =
2 2
1
7 2 6

1 1
B11 =
;

1 1 2

1 1 0

G = 1 1 2 0;
0 0 0

Z t = [Z1 ] con scalare

1 1 0

u1 = 1 1 21 = 2

Poich arbitrario possiamo scegliere =2 per ottenere

2

u1 = 1
2
con tutti valori interi.

multipli
Calcolo degli autovettori per autovalori
Se lautovalore k ha molteplicit mk il rango di (A-kI) deve essere stabilito di volta in volta
Esempio

1 2 2

A = 1 2 1 ; Equaz.Caratt.: ( 1) 2 1 e con 1 = 1 (2 volte) e 2 = 1

1 1 0

Allautovalore 1 corrisponde

2 2 2

A 1I = 1 1 1 che ha rango 1 quindi vi sono ( 3 -1) = 2 vettori LIN associati a 1 = 1

1 1 1
Poniamo
1
B1 = ; C1 = [2 2]; Z t = [ Z1 1 2 ]
2
Per cui

2
u1 =

Per 2 =-1 otteniamo

(2

2) 1 (1 + 2 )

2
=
1

2
2

0 2 2

A 2I = 1 3 1 che ha rango 2.
1 1 1

Posto

si ottiene

0 2
2 t
B2 =
; C2 = ; Z = [Z1 ]
1 3
1

1 3 2 2 2

u2 = 2 1 0 1 =

Dando i valori

(1 = 1, 2 = 0); (1 = 0, 2 = 1), = 1
avremo

1 1 2
U = 1
0 1 che ha U 0 e quindi i tre autovettori sono LIN
0 1 1
Altro esempio
0 1 2
A = 2 3 0
0 4 5

con E.C. : ( 1)2 ( 6 ) e con 2 = 1 (2 volte) e 1 = 6.

1 1 2

( A 2 I) = 2 2 0
0 4 4
Il rango di questa matrice 2: infatti la 3a riga si ottiene sommando alla 2a la 1a moltiplicata per due.

Se il rango 2, allora esistono 3-ran(A-2 I)=3-2=1 vettori LIN associati a 2 =1. Se definiamo

1 1
2
t
B2 =
; C2 = ; Z = [ Z1 ]
2 2
0
Otteniamo

1 2 12
+

u2 = 4 2 10 =

Per 1 =6 si ha

2
6 1

A 1 I = 2 3 0
0
4 1

che ha pure rango 2 dato che la 3a ottenuta sommando la 2a per (-2) e sommando due.
Definiamo ora:

6 1
2
B1 =
; C1 = ;
2 3
0

3 8

Z = [ Z1 ] otteniamo u1 = 2 8

t

quindi le radici della equazione caratteristica sono tre, ma i vettori LIN ottenibili sono due. Ne consegue
che, se gli autovalori non sono distinti non necessariamente possibile ottenere m autovettori

linearmente
indipendenti.

Autovalori distinti e indipendenza lineare degli autovettori

Sia A quadrata di ordine m ed ipotizziamo che gli autovalori siano tutti distinti. Ipotizziamo inoltre
che gli autovettori associati agli autovettori siano LID cio linearmente dipendenti. La dipendenza
lineare implica che esistano degli scalari

1, 2 ,, m
Non tutti nulli tali che

i ui = 0 cio 1u1 + 2u2 + + mum = 0 per almeno un i 0

m

i=1

Moltiplichiamo ora ogni termine per il prodotto

(A 2I)(A 3I) (A mI)

Ottenendo

1u1 [(A 2I)(A 3I) (A mI)] + 2u2 [(A 2I)(A 3I) (A mI)] + +
mum [(A 2I)(A 3I) (A mI)] = 0
Per k 1 gli addendi sono tutti nulli dato che uno dei fattori

k uk (A k I)

zero poich k un autovalore e uk un autovettore. Quindi

1 [(A 2I)(A 3I) (A mI)]u1 = 0

che equivale a

= 1 [( A 2 I )( A 3 I ) ( A m1I )]( A m I ) u1 = 0
= 1 [( A 2 I )( A 3 I ) ( A m1I )]( Au1 m u1 ) = 0
= 1 [( A 2 I )( A 3 I ) ( A m1I )]( 1u1 m u1 ) = 0
= 1 [( A 2 I )( A 3 I ) ( A m1I )]1 ( 1 m ) = 0

e che si riduce a

1 ( 1 2 )( 1 3 ) ( 1 m )u1 = 0

Poich gli autovalori sono distinti ci implica che 1=0. Lo stesso si pu dire per gli altri coefficienti i

e questo contraddice lipotesi

di dipendenza lineare in cui almeno uno dei i diverso da zero. Quindi
gli autovettori associati ad autovalori distinti sono LIN.

Autovalori ripetuti e indipendenza lineare

A quadrata di ordine m. Supponiamo che lautovalore k abbia molteplicit mk e che esistano
p autovalori distinti

1, 2 ,, p
tali che
p

mi = m
i=1

La matrice A avr associati m autovettori LIN se e solo se si verifica la seguente condizione

r(A k I) = m mk per k = 1,2,, p

Sufficienza. Se

r(A
k I) = n m k (A k I)u k ha m ( m m k ) = m k soluzioni LIN.
Per dimostrare che autovettori in gruppi diversi siano LIN supponiamo che non lo siano. In particolare
supponiamo che uk associato a k sia una combinazione lineare degli autovettori z1,z2,,zp associati a

h h=1,2,,p
con hk. In breve si ipotizza che
p

uk = i zi con i 0 per almeno un i

i=1

Allora

mk

mk

mk

Auk = i Azi h uk = i k zi = k i zi
i=1

i=1

i=1

Si dovrebbe perci avere: k uk= h uk che impossibile dato che si posto k h

Necessit. Ci equivale
a dimostrare che se U-1 AU=D esiste, allora si ha ran(A-k I)=m-r . Sia D la
matrice diagonale formata con gli m autovalori della matrice A. Ne consegue che (D-k I) ha
esattamente mk zeri sulla diagonale e cio tanti quanto la molteplicit di k . Quindi ran(D-k I)=m- mk
Poich esiste U-1 AU=D ne consegue che A=UD-1U e quindi

(A k I) = (UDU1 k I) = U [D k I]U1
e poich ran(D-k I)=m- mk, lo stesso sar per A-kI perch il rango rimane invariato se la matrice
moltiplicata per matrici non singolari.

In generale quindi, se ci sono autovalori ripetuti diversi da zero, siamo sicuri che il rango della matrice
originaria non compromesso, ma il rango della matrice formata con gli autovettori sar pieno solo se
gli autovalori sono distinti oppure, se ripetuti, si verifica la condizione posta allinizio del paragrafo.

Matrici in forma canonica simile

Se A quadrata di ordine m, ad ogni autovalore k di A pu essere associato un autovettore tale che
Auk = k uk

per k = 1,2,,m

Aggreghiamo le m relazioni nella notazione compatta

1 0 0

0 2 0

A [u1u2 um ]
ovvero AU = UD

0 0 m

Dove U formata dagli autovettori e D una matrice diagonale

D = diag( 1, 2 ,, m )

D la forma canonica simile di A.

Esempio

1 2 2

A = 1 2 1 E.C.
1 1 0

( 1)( 2 1) = 0

Con

1 1 2

1 = 1, 2 = 1, 3 = 1, e, ad esempio, U = 1 0 1
0 1 1
1 2 2 1 1 2 1 1 2

AU = 1 2 1 1 0 1 = 1 0 1
1 1 0 0 1 1 0 1 1
1 1 2 1 0 0 1 1 2

UD = 1 0 1 0 1 0 = 1 0 1
0 1 1 0 0 1 0 1 1

Se U non singolare allora U-1 AU=U-1 UD=D.

Diagonalizzazione di una matrice

Data la matrice quadrata A di ordine m possibile impostare la relazione AU=UD dove D una matrice
diagonale i cui elementi sono gli autovalori di A ed U una matrice formata con gli autovettori ad essi
associati. La matrice U non singolare se

r(A k I) = m mk per k = 1,2,,P

con mk molteplicit di k e p numero di autovalori distinti. In questo caso si pu porre la relazione

U1 AU = D
Se la relazione sul rango non verificata per qualche k allora A deficitaria e U -1 non esiste. Ci
pu succedere per solo in caso di autovalori ripetuti.

a) Il determinante di A uguale al determinante di D.

U 1 AU = D U 1 A U dato che A B = A B
poich U 1 = 1 U U 1 AU = U 1 A U = A e quindi A = D

b) A e D hanno la stessa equazione caratteristica e quindi gli stessi autovalori. Il converso per non
vero: P e Q possono avere gli stessi autovalori (e quindi lo stesso determinante) ma non necessariamente
risulteranno simili nel senso prima descritto. Le due matrici

1 0
1 2
P =
; Q =

0 1
0 1
hanno gli stessi autovalori 1=1 e 2=1, ma per ogni qualunque matrice non singolare C si ha C-1 PC=I.
dato che P=I e quindi non esiste una matrice U tale che U-1 PU=Q

c) La relazione U-1 AU=D implica che A=UDU-1 e quindi

d)

A 2 = A A = UDU1 A 2 = UD2U1 A p = UD pU1

e questo vero per ogni intero p (inclusi i negativi).

Matrici simmetriche
Le matrici simmetriche hanno alcune propriet interessanti rispetto ad autovalori e autovettori che
conviene studiarle separatamente. Una matrice quadrata A simmetrica quando identica alla sua
trasposta

A = At

aij = a ji

i = 1,2,,m;

j = 1,2,,m

a) Se gli elementi di A sono reali ed A simmetrica allora le radici dellequazione caratteristica sono
pure reali.

b) Tutte le matrici simmetriche sono diagonalizzabili e cio esiste U-1 tale che

A = UDU 1

D = diag( 1, 2 ,, m )

c) Gli autovettori di una matrice simmetrica sono ortogonali a due a due

Caso 1. Autovalori distinti

Siano 1 2 e u1, u2 gli autovettori associati

Au1 = 1u1 uT2 Au1 = 1uT2 u1

Poich autovettori riga e colonna coincidono si ha

2 uT2 u1 = 1uT2 u1
e dato che 1 2 lidentit possibile solo se

uT2 u1 = 0 sono vettori ortogonali

Questo vale per ogni coppia di autovalori e di autovettori.
Caso 2. Autovalori
ripetuti. La dimostrazione pi complessa, ma accertato che se A simmetrica e
k un suo autovalore con molteplicit mk allora ran(A-k I)=n- mk e (A-k I)u=0 ha mk soluzioni LIN e
ortogonali.
d) Il rango di una matrice simmetrica coincide con il numero di autovalori diversi da zero. Infatti, poich
A=UDUt ran(A) e ran(D) coincidono ed essendo D diagonale il suo rango dato dal numero di
autovalori non nulli.
e) Quoziente di Rayleigh. Se A una matrice simmetrica di ordine (mxm) con autolavori

1 2 m

allora

x t Ax
1 t m
xx

i) Matrici in forma canonica simile ortogonali.

Sappiamo che A=At allora A diagonalizzabile
che, data la simmetria, possibile trovare vettori

linearpende indipendenti ortogonali associati agli autovalori di A, singoli o mltipli che siano. Daltra
parte, se u1 e u2 sono autovettori associati a 1 e 2 e cio

u1t u2 = ut2u1 = 0
Possiamo trasformare i due vettori in modo che la loro norma euclidea sia unitaria

1
u+1 = t u1;
u1 u1

1
1
1
t
u+2 = t u2 ; (u+i ) u+i = t uti ui t = 1
u2u2
ui ui
ui ui

A questo punto possiamo diagonalizzare loriginaria matrice A con lo schema

A = QDQ t con
Esempio

Q t Q = QQ t = I

1 2 2

A = 2 1 2; 1 = 5, 2 = 1, 3 = 1
2 2 1
(1 + 2 )

2 2 2

u
2 2 e quindi u2 = 1
1 = ; A 2I = 2
= u3
2

2 2 2

Se si pone =1, 1= 2=1, e poi 1=-1, 2=1 si perviene a

2 2
1 2 0
0

U = 1 1 1 Q =
2 1 3
6
1 1 1
3
2 1

E facile verificare che Q ortogonale e che QtAQ=D=diag(5,-1,-1).

h) Scomposizione in valori singolari (Scomposizione spettrale).

Per la particolare matrice AtA si pu mostrare la nota propriet
A tA =

a j a tj
j=1

cio la somma dei prodotti esterni delle colonne di A. Come noto il prodotto esterno o prodotto
vettoriale di due vettori conformabili determina una matrice.

Se u, v sono due vettori colonna

(m x 1) allora uvt sar una matrice quadrata di ordine (m x m).

2
2
2
4 0 6

t
u = 4 ; v = 0 uv = 4 [2 0 3] = 8 0 12
1
3
1
2 0 3
Il prodotto di due matrici pu essere realizzato utilizzando il prodotto esterno dei loro vettori
r1

r2
AB = [c1 c1 c m ] = c1 r1t + c 2r2t + c m rmt

rm
Sia ora U la matrice ortogonale usata nella diagonalizzazione di A con UtU=I. Quindi
m

I = u j utj

j=1

Premoltiplicando per A si arriva a

m

Au j uTj
j=1

=A

j u j utj = A
j=1

Che nota come la scomposizione spettrale di A. Tale formula si applica anche alle potenze di A.

A P = Pj u j uTj
f) Gli autovalori di una matrice simmetrica sono tutti non-negativi se e solo se la matrice non negativa
definita cio x t Ax 0 per ogni x e questo si dimostra con la similitudine a D.

Matrici simmetriche non negative definite

Le
forme quadratiche xtAx sono nulle se x composto esclusivamente da zeri.

x = 0 x T Ax = 0.
Alcune di esse sono per nulle solo se x=0.
Esempio
2 2 1

A = 2 5 1 ; x T Ax = [ x1
1 1 2

x2

2 2 1 x1

x 3 ] 2 5 1 x 2
1 1 2 x 3
2

x t Ax = 2x12 + 5x 22 + 2x 32 + 4 x1 x 2 + 2x1 x 3 + 2x 2 x 3 = ( x1 2x 2 ) + ( x1 + x 3 ) + ( x 2 + x 3 )

che maggiore di zero a meno che x1=x2=x3=0. Altre forme quadratiche sono nulle anche per x0.
Esempio

37 2 24

A = 2 13 3 ; x t Ax = [ x1
24 3 17

x2

37 2 24 x1

x 3 ] 2 13 3 x 2
24 3 17 x 3
2

x t Ax = 37x12 + 13x 22 + 17x 32 4 x1 x 2 48x1 x 3 6x 2 x 3 = ( x1 2x 2 ) + (6x1 4 x 3 ) + ( 3x 2 x 3 )

Che risulta
nulla per x=[2 1 3].
Le forme quadratiche si dicono:

positive defnite se

x T Ax > 0

x 0

positive semidefinite

x T Ax 0

x 0 e x T Ax = 0

per qualche x 0

Le ultime due categorie sono indicate congiuntamente con il termine di forme quadratiche non negative
definite.

Propriet delle matrici non negative definite

a) Se A positiva definita allora a1i>0 e |A|>0, Se A positiva semidefinita allora a1i0 e |A|=0
b) Se A positiva (semi)definita lo sar pure QAQt per ogni matrice non singolare Q. Infatti, posto

y = (Qt )1 x
allora

y T Ay 0 yQ T y 0

c) Le matrici non negative definite ammettono la scomposizione: A=QQt con Q reale e rango pieno di
colonna inoltre, se A positiva definita Q non singolare. Unimportante conseguenza che
m

x T Ax = x i x j uij
i=1 j=1
m

= y i2

per y = Qt x

i=1

d) Se X una matrice con elementi reali allora (XtX) simmetrica e non negativa definita. Inoltre se X
ha rango pieno allora (XtX) positiva definita.

e) Autovalori di matrici simmetriche non negative definite. Se la matrice A simmetrica ed ha

autovalori non negativi allora non negativa definita ed positiva definita se gli autovalori sono positivi
Esempio

37 2 24

A = 2 13 3 ; E.C. = ( 14 )( 53) = 0; 1 = 53, 2 = 14, 3 = 0

24 3 17
Se A non negativa definita abbiamo UtAU=D. Sia ora D 0.5 la matrice diagonale D0.5 = diag
cioformata dalle radici quadrate degli autovalori di A. Si avr perci

( i )

A = UDU T = (UD1 2U T )(UD1 2U T ) = H 2 con H = UD1 2U T

Ne consegue che gli autovettori danno la direzione dei semiassi della ellissoide attraverso il coseno e gli
autovalori ne danno la lunghezza. La massima eccentricit data dal coefficiente di condizionamento: