Gli autovalori sono un insieme speciale di scalari associati a un sistema di equazioni lineari (es.e., un’equazione matriciale) che a volte sono anche conosciuti come radici caratteristiche, valori caratteristici (Hoffman e Kunze 1971), valori propri, o radici latenti (Marcus e Minc 1988, p. 144).
La determinazione degli autovalori e degli autovettori di un sistema è estremamente importante in fisica e in ingegneria, dove è equivalente alla diagonalizzazione della matrice e si presenta in applicazioni comuni come l’analisi della stabilità, la fisica dei corpi rotanti, e le piccole oscillazioni dei sistemi vibranti, per nominarne solo alcune. Ogni autovalore è accoppiato con un corrispondente cosiddetto autovettore (o, in generale, un corrispondente autovettore destro e un corrispondente autovettore sinistro; non esiste un’analoga distinzione tra sinistra e destra per gli autovalori).
La decomposizione di una matrice quadrata in autovalori e autovettori è nota in questo lavoro come decomposizione degli autovalori, e il fatto che questa decomposizione sia sempre possibile finché la matrice costituita dagli autovettori di
è quadrata è noto come teorema della decomposizione degli autovalori.
L’algoritmo di Lanczos è un algoritmo per calcolare gli autovalori e gli autovettori per grandi matrici sparse simmetriche.
Sia una trasformazione lineare rappresentata da una matrice
. Se esiste un vettore
tale che
![]() |
(1)
|
per qualche scalare , allora
è detto autovalore di
con corrispondente autovettore (destro)
.
Posto che sia una matrice
quadrata
![]() |
(2)
|
con autovalore , allora i corrispondenti autovettori soddisfano
![]() |
(3)
|
che è equivalente al sistema omogeneo
![]() |
(4)
|
L’equazione (4) può essere scritta in modo compatto come
![]() |
(5)
|
dove è la matrice identità. Come mostrato nella regola di Cramer, un sistema lineare di equazioni ha soluzioni non banali se il determinante svanisce, quindi le soluzioni dell’equazione (5) sono date da
![]() |
(6)
|
Questa equazione è nota come equazione caratteristica di , e il lato sinistro è noto come polinomio caratteristico.
Per esempio, per una matrice , gli autovalori sono
![]() |
(7)
|
che nasce come soluzione della della domanda caratteristica
![]() |
(8)
|
Se tutti gli autovalori sono diversi, allora, inserendo questi ultimi, si ottengono
equazioni indipendenti per le
componenti di ogni autovettore corrispondente, e il sistema è detto nondegenerato. Se gli autovalori sono
degenerati, allora il sistema è detto degenerato e gli autovettori non sono linearmente indipendenti. In questi casi, il vincolo aggiuntivo che gli autovettori siano ortogonali,
![]() |
(9)
|
dove è il delta di Kronecker, può essere applicato per ottenere
vincoli aggiuntivi, permettendo così la soluzione degli autovettori.
Gli autovalori possono essere calcolati in Wolfram Language usando Eigenvalues. Gli autovettori e gli autovalori possono essere restituiti insieme usando il comando Eigensystem.
Assumiamo di conoscere l’autovalore per
![]() |
(10)
|
Aggiungendo una costante per la matrice identità a ,
![]() |
(11)
|
così i nuovi autovalori sono uguali ai vecchi più . Moltiplicando
per una costante
![]() |
(12)
|
così i nuovi autovalori sono i vecchi moltiplicati per . Sia
il determinante di
, allora
![]() |
![]() |
![]() |
(13)
|
![]() |
![]() |
![]() |
(14)
|
![]() |
![]() |
![]() |
(15)
|
per cui gli autovalori sono gli stessi di .