Autovalori, autovettori e diagonalizzabilit` a
Sia V uno spazio vettoriale su un campo K.
Sia f : V → V un’applicazione lineare.
Un vettore v ∈ V − {0} si dice autovettore per f se viene mandato da f in un suo multiplo, cio`e se esiste λ ∈ K tale che f (v) = λv.
In tal caso si dice che λ `e un autovalore di f (l’autovalore di f relativo a v).
L’insieme degli autovalori di f si dice spettro di f .
Esempio 0.
v
f
f(v)=2v
Figure 1: v `e autovettore per f con autovalore 2, perch´e v 6= 0 e f manda v in 2v
Esempio 1. Siano K = R, V = R3 e f = fA : R3 → R3 dove A =
1 2 0 1 1 1 3 0 0
.
Il vettore
1 1 1
`e autovettore per f con autovalore 3, infatti `e non nullo e
f
1 1 1
= A
1 1 1
=
3 3 3
= 3
1 1 1
.
Esempio 2. Siano K = R, V = R2 e θ un angolo non multiplo di π. Sia f la rotazione di angolo θ in senso antiorario. Quindi f = fA con A =
cos θ −sen θ sen θ cos θ
.
L’applicazione f non ha autovettori perch´e ogni vettore v va nel suo ruotato dell’angolo θ in senso antiora- rio, che non `e un multiplo di v.
Esempio 3. Siano K = R, V = R3 e f = fA : R3 → R3 dove
A =
−1 0 0 0 0 0 0 0 12
. Ovviamente si ha:
e1 `e autovettore per f con autovalore −1, e2 `e autovettore per f con autovalore 0, e3 `e autovettore per f con autovalore 12.
Sia V uno spazio vettoriale di dimensione finita su un campo K.
Per calcolare gli autovalori di f : V → V lineare, occorre fissare una base B di V e calcolare il polinomio caratteristico di A := M
B,B(f ) (matrice associata a f nelle basi B, B):
p
f(t) = p
A(t) = det(A − tI).
Gli autovalori sono le radici del polinomio caratteristico.
Per qualsiasi λ autovalore di f , si definiscono l’autospazio di f relativo a λ, la molteplicit` a geometrica e la molteplicit` a algebrica nel modo seguente:
• l’autospazio di f relativo a λ `e il sottospazio Ker(f − λI); coincide con l’insieme degli autovettori di f con autovalore λ, unito al vettore zero;
• la dimensione di Ker(f − λI) si dice molteplicit` a geometrica di λ.
• la molteplicit`a di λ come radice del polinomio caratteristico di f (cio`e il
massimo s tale che (t − λ)
sdivide p
f) si dice molteplicit` a algebrica di λ.
Esempio. Sia f = fA: R4 → R4, dove
A =
1 −3 0 0
−1 3 1 1
0 0 2 2
0 0 2 2
.
Osserviamo che A = ME,E(f ), dove E `e la base canonica di R4. Quindi
pf(t) = pA(t) = det
1 − t −3 0 0
−1 3 − t 1 1
0 0 2 − t 2
0 0 2 2 − t
= t2(t − 4)2.
Quindi gli autovalori sono 0 e 4 e si ha:
ma(4) = 2, ma(0) = 2.
L’autospazio relativo a 4 `e
Ker(A − 4I) =
*
1
−1 0 0
+
e l’autospazio relativo a 0 `e
Ker(A − 0I) = Ker(A) =
*
3 1 0 0
,
0 0 1
−1
+
.
In particolare
mg(4) = 1 mg(0) = 2.
Definizione. • Sia V uno spazio vettoriale su un campo K. Sia f : V → V lineare. Si dice che f `e diagonalizzabile se e solo se esiste una base di V fatta da autovettori di f . Se V ha dimensione finita, questo equivale a dire che esiste una base B = {b
1, ..., b
n} di V tale che la matrice M
B,B(f ) `e diagonale; infatti dire che M
B,B(f ) `e diagonale equivale proprio a dire che f (b
j) `e un multiplo di b
jper qualsiasi j ∈ {1, .., n}.
• Una matrice quadrata A si dice diagonalizzabile se f
A`e diagonalizzabile.
Questo equivale a dire che A `e simile ad una matrice diagonale, cio`e esiste una matrice invertibile C tale che C
−1AC `e diagonale.
Criterio necessario e sufficiente di diagonalizzabilit` a.
Sia V uno spazio vettoriale su un campo K di dimensione finita.
Un’applicazione lineare f : V → V `e diagonalizzabile se e solo se valgono le seguenti condizioni (tutte e due):
1) il polinomio caratteristico di f si fattorizza completamente in fattori di grado 1 a coefficienti in K,
2) per ogni autovalore di f la molteplicit` a geometrica `e uguale alla molteplicit` a
algebrica.
FATTI IMPORTANTI
(1) Se A `e una matrice triangolare , allora gli autovalori di A sono gli elementi sulla diagonale di A.
(2) • Per qualsiasi autovalore, si ha:
molteplicit` a geometrica ≤ molteplicit` a algebrica.
• Autovettori relativi a autovalori distinti sono linearemente indipendenti.
• Autovettori relativi a autovalori distinti di una matrice simmetrica sono anche ortogo- nali.
(3) Se una matrice A ∈ M (n × n, K) ha n autovalori distinti in K, allora ` e diagonaliz- zabile (o, equivalentemente, se un’applicazione lineare f : V → V con dim(V ) = n ha n autovalori distinti in K, allora ` e diagonalizzabile).
(infatti: il polinomio caratteristico `e completamente fattorizzabile in fattori di grado 1 a coefficienti in K, visto che ha n radici in K; inoltre la molteplicit`a algebrica di ciascun autovalore `e 1 e di conseguenza anche quella geometrica `e 1).
(4) (i) Sia A una matrice a blocchi diagonali (n
1× n
1), ..., (n
k× n
k) a coefficienti in un campo K:
A =
A
10 . . . 0 0 0 A
2. . . 0 0
. . . . . . .
. . . . . . .
. . . . . . .
0 0 . . . A
k−10 0 0 . . . 0 A
k
.
Ovviamente
• p
A(t) = p
A1(t) · .... · p
Ak(t),
• lo spettro di A `e l’unione degli spettri delle matrici A
i• la molteplicit` a algebrica di un autovalore per A ` e la somma delle sue molteplicit` a algebriche per A
1, ..., A
k• la molteplicit` a geometrica di un autovalore per A ` e la somma delle sue molteplicit` a geometriche per A
1, ..., A
k.
Pertanto
A ` e diagonalizzabile ⇐⇒ A
i` e diagonalizzabile per qualsiasi i = 1, ..., k.
(ii) ATTENZIONE! Se avete una matrice del tipo A =
0 A
1A
20
,
NON E’ VERO CHE p
AE’ IL PRODOTTO DI p
A1e di p
A2, NE’ CHE LO SPETTRO DI A E’ L’UNIONE DELLO SPETTRO DI A
1E DELLO SPETTRO DI A
2.
(iii) Se per` o avete una matrice del tipo
A =
A
10 A
20 A
30 A
40 A
5
,
allora il suo polinomio caratteristico, il suo spettro e le sue molteplicit` a sono quelle della matrice
A
1A
20 A
4A
50 0 0 A
3
(infatti rappresentano la stessa applicazione nella stessa base ordinata in modo diverso) e a questa matrice potete applicare il punto (i).
(5) Se A ` e una qualasiasi matrice n × n, allora p
A(t) ha grado n e, ordinando i monomi con grado decrescente, si ha:
p
A(t) = (−1)
nt
n+ (−1)
n−1tr(A)t
n−1+ ... + det(A). (1) In particolare se p
A(t) = (λ
1− t) · .... · (λ
n− t), allora
det(A) = λ
1· .... · λ
n, tr(A) = λ
1+ .... + λ
n.
(l’ultima affermazione `e ovvia, infatti
(λ1− t) · .... · (λn− t) = (−1)ntn+ (−1)n−1(λ1 + .... + λn)tn−1+ ... + λ1· .... · λn, da cui, confrontando con (1), si ha la tesi.)
(6) Sia H una matrice quadrata a coefficienti in C. Ricordo che H
∗` e la matrice
tH e che
• H si dice hermitiana se e solo se H = H
∗,
• H si dice unitaria se e solo se HH
∗= I,
• H si dice normale se e solo se HH
∗= H
∗H.
Lemma. Le matrici simmetriche reali e, pi` u in generale, le matrici hermitiane hanno solo autovalori reali.
Teorema Spettrale • Ogni matrice simmetrica reale A `e diagonalizzabile
(precisamente ` e diagonalizzabile “per mezzo di” un matrice ortogonale, cio` e esiste C ortogonale tale che C
−1AC ` e diagonale).
• Ogni matrice normale A `e diagonalizzabile
(precisamente ` e diagonalizzabile “per mezzo di” un matrice unitaria, cio` e esiste C unitaria tale che C
−1AC ` e diagonale).
In particolare tutte le matrici unitarie e tutte le matrici hermitiane sono diagonalizzabili.
ESEMPIO 1. (IMPORTANTE, RICORDARSELO!!) Siano
A = 3 2 0 3
, B = 3 2 0 4
.
Vediamo se sono diagonalizzabili su R. Dato che sono due matrici triangolari, il polinomio caratteristico
`
e completamente fattorizzabile in fattori di grado 1 a coefficienti reali e gli autovalori sono gli elementi sulla diagonale; pertanto 3 `e l’unico autovalore di A ed ha molteplicit`a algebrica 2, mentre lo spettro di B `e {3, 4} e ciascuno dei due autovalori di B ha molteplicit`a algebrica (e quindi geometrica) uguale a 1. Quindi si pu`o concludere subito che B `e diagonalizzabile su R (in sintesi, B `e diagonalizzable per il punto (3) richiamato in precedenza). Per vedere se A `e diagonalizzabile occorre calcolare la molteplicit`a geometrica di 3, cio`e la dimensione di Ker(A − 3I); ovviamente
dim Ker(A − 3I) = dim Ker 0 2 0 0
= 1;
quindi la molteplicit`a algebrica e geometrica di 3 non coincidono per A e pertanto A non `e diagonalizzabile su R. Identico ragionamento vale anche su C.
Pi`u in generale si pu`o vedere facilmente che se
a c 0 b
`
e una matrice a coefficienti in un campo qualsiasi, essa `e diagonalizzabile solo nei seguenti due casi:
(i) se a 6= b (qualsiasi sia c), (ii) se a = b e c = 0.
Infatti, il polinomio caratteristico `e sempre fattorizzabile in fattori di grado 1 a coefficienti in K perch´e `e (a − t)(b − t); se a 6= b, la matrice ha come autovalori a e b entrambi con molteplicit`a algebrica 1 e quindi geometrica 1 e quindi la matrice `e diagonalizzabile (in sintesi, `e diagonalizzable per il punto (3) richiamato in precedenza); se a = b, la matrice ha come unico autovalore a con molteplicit`a algebrica 2, quindi `e diagonalizzabile se e solo se anche la molteplicit`a geometrica, cio`e la dimensione di Ker 0 c
0 0
, `e 2 e questo `e vero se e solo se c = 0.
ESEMPIO 2. Sia f = fA: R3 → R3 dove
A =
1 −2 0
2 1 1
0 0 −1
. Allora
pf(t) = pA(t) = det
1 − t −2 0
2 1 − t 1
0 0 −1 − t
= (−1 − t)(t2− 2t + 5).
Osserviamo che pf non si fattorizza completamente in fattori di grado 1 a coefficienti reali. Quindi f = fA : R3 → R3 non `e diagonalizzabile (A non `e diagonalizzabile su R).
ESEMPIO 3. Sia f = fB: R3 → R3 dove
B =
1 2 0 2 1 1 0 0 −1
. Allora
pf(t) = pB(t) = (−1 − t)(t2− 2t − 3) = −(t − 3)(t + 1)2.
Osserviamo che pf si fattorizza completamente in fattori di grado 1 a coefficienti reali. Gli autovalori sono 3 e −1. Ovviamente la molteplicit`a algebrica di 3 `e 1, quella di −1 `e 2; quindi la molteplicit`a geometrica di 3 `e necessariamente 1, inoltre si calcola facilmente che la molteplicit`a geometrica di −1 `e 1; quindi B non `e diagonalizzabile su R.
ESEMPIO 4. Sia f = fC : R3 → R3 dove
C =
3 1 1 2 4 2 3 3 5
. Allora
pf(t) = pC(t) = −t3+ 12t2− 36t + 32 = (2 − t)2(8 − t).
Osserviamo che pf si fattorizza completamente in fattori di grado 1 a coefficienti reali. Gli autovalori sono 2 e 8. Ovviamente la molteplicit`a algebrica di 2 `e 2, quella di 8 `e 1; quindi la molteplicit`a geometrica di 8 `e necessariamente 1; inoltre si calcola facilmente che la molteplicit`a geometrica di 2 `e 2; quindi C `e diagonalizzabile su R. L’autospazio di 2 `e
Ker(C − 2I) = Ker
1 1 1 2 2 2 3 3 3
=
*
−1 1 0
,
−1 0 1
+
.
L’autospazio di 8 `e
Ker(C − 8I) = Ker
−5 1 1
2 −4 2
3 3 −3
=
*
1 2 3
+
. Quindi
−1 1 0
,
−1 0 1
,
1 2 3
`e una base di R3 formata da autovettori per C. La matrice
H :=
−1 −1 1
1 0 2
0 1 3
`
e tale che H−1CH `e diagonale (sulla diagonale ci saranno 2, 2, 8).
ESEMPIO 5. Sia f = fA: C3 → C3 dove
A =
1 −2 0
2 1 1
0 0 −1
. Allora
pf(t) = pA(t) = det
1 − t −2 0
2 1 − t 1
0 0 −1 − t
= (−1 − t)[(1 − t)(1 − t) + 4] =
= (−1 − t)(t2− 2t + 5) = (−1 − t)(t − 1 − 2i)(t − 1 + 2i).
Osserviamo che pf si fattorizza completamente in fattori di grado 1 a coefficienti complessi. Gli autovalori sono −1, 1 − 2i, 1 + 2i, tutti e tre con molteplicit`a algebrica uguale a 1. Quindi anche le loro molteplicit`a geometriche sono uguali a 1. Quindi f = fA : C3 → C3 `e diagonalizzabile (A `e diagonalizzabile su C). In sintesi, f `e diagonalizzable per il punto (3) richiamato in precedenza.
ESERCIZIO 1. (IMPORTANTE, RICORDARSELO!!) Siano
σ1 = 0 1 1 0
, σ2 = 0 −i i 0
, σ3 = 1 0 0 −1
. Esse sono dette matrici di Pauli e sono utilizzate in meccanica quantistica.
(a) Calcolare traccia, determinante, autovalori e autospazi delle tre matrici.
(b) Sono diagonalizzabili? Sono hermitiane? Sono unitarie?
(c) Verificare che σ2i = I per i = 1, 2, 3
(d) Senza fare ulteriori conti, calcolare gli autovalori con le loro molteplicit`a e gli autovettori delle seguenti matrici:
A := σ1 0 0 σ2
, B :=
σ2 0 0 0 5 0 0 0 6
. SVOLGIMENTO (prima farlo da soli!)
(a) tr(σi) = 0 per i = 1, 2, 3, det(σi) = −1 per i = 1, 2, 3.
Quindi, per qualsiasi i = 1, 2, 3, se λ1 e λ2 sono gli autovalori complessi di σi, si deve avere λ1 + λ2 = 0, λ1λ2 = −1,
quindi
{λ1, λ2} = {1, −1}.
Quindi le tre matrici di Pauli hanno tutte e tre determinante −1, traccia 0 e spettro {1, −1}.
Calcoliamo gli autospazi di σ1: Ker(σ1− I) = Ker −1 1
1 −1
= h 1 1
i, Ker(σ1+ I) = Ker 1 1
1 1
= h
1
−1
i.
Calcoliamo gli autospazi di σ2: Ker(σ2− I) = Ker −1 −i i −1
= h
i
−1
i (ricordo che (a, b) −b a
= 0), Ker(σ2+ I) = Ker 1 −i
i 1
= h
i 1
i.
Calcoliamo gli autospazi di σ3: Ker(σ3− I) = Ker 0 0
0 −2
= he1i, Ker(σ3+ I) = Ker 2 0
0 0
= he2i.
(b) Le tre matrici di Pauli sono tutte e tre diagonalizzabili (su C e le due a coefficienti reali, cio`e σ1 e σ3 anche su R) per il punto (3) richiamato in precedenza (sono matrici 2 × 2 e hanno due autovalori distinti).
Altro modo per vedere che sono diagonalizzabili: esse sono tutte e tre hermitiane (infatti gli elementi simmetrici rispetto alla diagonale principale sono coniugati). Si vede facilmente che sono anche unitarie.
(c) Semplice conto che omettiamo.
(d) Per il punto (4) richiamato in precedenza
spettro(A) = spettro(σ1) ∪ spettro(σ2) = {1, −1};
la molteplicit`a algebrica di 1 per A `e la somma delle molteplicit`a algebriche di 1 per σ1 e di 1 per σ2, quindi la molteplicit`a algebrica di 1 per A `e 1 + 1 = 2; la la molteplicit`a geometrica di 1 per A `e la somma delle molteplicit`a geometrica di 1 per σ1 e di 1 per σ2, quindi la molteplicit`a geometrica di 1 per A `e 1 + 1 = 2.
Analogamente le molteplicit`a di −1.
Calcoliamo adesso l’autospazio di 1:
Ker(A − I) = h
1 1 0 0
,
0 0 i
−1
i
(gli elementi della base si ottengono da quelli degli autospazi dei due blocchi “aggiungendo” 0 in cima e in fondo opportunamente).
Calcoliamo adesso l’autospazio di −1:
Ker(A + I) = h
1
−1 0 0
,
0 0 i 1
i.
Consideriamo adesso la matrice B. Per il punto (4) richiamato in precedenza
spettro(B) = spettro(σ2) ∪ spettro((5)) ∪ spettro((6)) = {1, −1, 5, 6}
e tutti gli autovalori hanno molteplicit`a algebrica e geometrica uguali a 1.
Calcoliamo adesso l’autospazio di 1:
Ker(B − I) = Ker
−1 −i 0 0 i −1 0 0
0 0 4 0
0 0 0 5
= h
i
−1 0 0
i.
Calcoliamo adesso l’autospazio di −1:
Ker(B + I) = Ker
1 −i 0 0 i 1 0 0
0 0 6 0
0 0 0 7
= h
i 1 0 0
i.
Calcoliamo adesso l’autospazio di 5:
Ker(B − 5I) = Ker
−5 −i 0 0 i −5 0 0
0 0 0 0
0 0 0 1
= he3i.
Calcoliamo adesso l’autospazio di 6:
Ker(B − 6I) = Ker
−6 −i 0 0
i −6 0 0
0 0 −1 0
0 0 0 0
= he4i.
ESERCIZIO 2.
Sia A =
0 0 0 1 0 0 1 0 0 −i 0 0 i 0 0 0
. Dire se `e diagonalizzabile.
SVOLGIMENTO Per il punto (4)(c)
pA(t) = (t2− i)(t2+ i) = (t − eiπ4)(t − ei54π)(t − ei34π)(t − ei74π), quindi, per il punto (3), la matrice A `e diagonalizzabile.
ESERCIZIO 3.
Sia R = 1 2 2 1
. Dire se `e diagonalizzabile su R e in caso positivo, trovare una matrice ortogonale Q tale che tQRQ sia diagonale.
SVOLGIMENTO
Per il teorema spettrale R `e diagonalizzabile su R e Q esiste. La traccia di R `e 2 e il determinante `e −3, quindi gli autovalori sono 3 e −1. Per trovare Q, trovo una base ortonormale per ciascun autospazio e affianco le basi trovate:
Ker(R + I) = Ker 1 1 1 1
= h
1
−1
i,
quindi una base ortonormale dell’autospazio di −1 `e √1
2
1
−1
; Ker(R − 3I) = Ker −2 2
2 −2
= h 1 1
i,
quindi una base ortonormale dell’autospazio di 3 `e √12 1 1
; quindi posso prendere Q =
√1 2
√1 2
−√1
2
√1 2
! .
ESERCIZIO 4.
Sia f : M (2 × 2, R) → M(2 × 2, R) l’applicazione lineare tale che f a b
c d
= a + b a + b c + d c − d
per qualsiasi a, b, c, d ∈ R. Dire se f `e diagonalizzabile su R.
SVOLGIMENTO
Per vedere se un’applicazione lineare f da V in V , dove V `e uno spazio vettoriale su un campo K di dimensione finita n diverso da Kn, `e diagonalizzabile, bisogna fissare una base di V e calcolare la matrice associata a f in questa base e fare i conti su tale matrice. In altre parole bisogna “interpretare” V come Kn.
Nel nostro caso consideriamo la base ordinata E = {E1,1, E1,2, E2,1, E2,2}; si calcola facilmente che
ME,E(f ) =
1 1 0 0 1 1 0 0 0 0 1 1 0 0 1 −1
.
(Infatti se “interpretiamo” M (2×2, R) come R4attraverso l’isomorfismo a b c d
7→
a b c d
, l’applicazione
f diventa
a b c d
7→
a + b a + b c + d c − d
che `e l’applicazione lineare associata alla matrice
1 1 0 0 1 1 0 0 0 0 1 1 0 0 1 −1
.)
Dato che ME,E(f ) `e simmetrica, possiamo concludere subito che f `e diagonalizzabile.
Autovalori di polinomi di matrici
Osservazione. Sia K un campo e siano n, s due numeri naturali non nulli. Sia A ∈ M (n × n, K). Se λ ` e un autovalore di A, allora λ
s` e un autovalore di A
s.
infatti: se v `e un autovettore per A di autovalore λ, allora
Asv = As−1Av = As−1(λv) = λAs−1v = λAs−2Av = λAs−2(λv) = λ2As−2v = ... = λsv.