Professional Documents
Culture Documents
Lag 2012 Dio4
Lag 2012 Dio4
Sadraj
ii 1 2 3
4 7 10 13 14 19
POGLAVLJE 1
Uvod
POGLAVLJE 2
Matrice i determinante
POGLAVLJE 3
Sistemi linearnih jednaina
POGLAVLJE 4
Linearni operatori
U uvodnom dijelu smo uveli pojam preslikavanja koje elementima jednog skupa pridruuje elemente drugog skupa. Ukoliko umjesto skupova posmatramo vektorske prostore i posmatramo preslikavanja koja uvaavaju njihovu linearnu strukturu govorimo o linearnim operatorima. Ovakva preslikavanja su osnovni predmet prouavanja linearne algebre i funkcionalne analize i javljaju se u mnogim oblastima primijenjene matematike.
4.1
Denicija 4.1. Neka su V i W vektorski prostori nad istim poljem F . Pres(x, y V, , F ) A(x + y) = A(x) + A(y)
(4.1)
Treba napomenuti da se za preslikavanje uvedeno prethodnom denicijom u nekoj literaturi koristi i pojam operator, to moe dovesti do zabune jer je mogue posmatrati i operatore koji nisu linearni, to jeste one koji ne zadovoljavaju uslov (4.1).
Analogno ranije posmatranoj situaciji datoj uslovom (??), uslov (4.1) se naziva uslovom linearnosti i ekvivalentan je uslovima aditivnosti i homogenosti datim sa (x, y V ) A(x + y) = A(x) + A(y), (4.2)
(x V, F ) A(x) = A(x).
(4.3)
Slika elementa x V pri djelovanju operatora A se esto skraeno pie sa Ax umjesto A(x). Takoe skup svih linearnih operatora koji slikaju elemente skupa V u elemente skupa W obiljeavamo sa L(V, W ). Na ovom skupu mogue je denirati operaciju sabiranja i operaciju mnoenja skalarom na sljedei nain.
Za A, B L(V, W ) operator A + B L(V, W ) deniramo sa (x V ) (A + B)x = Ax + Bx; Za A L(V, W ), F operator A L(V, W ) deniramo sa (x V ) (aA)(x) = a(A(x)); Nula operator O je operator za koji vrijedi (x V ) O(x) = 0W , gdje je 0W neutralni element u W . Za A L(V, W ), operator A se denira sa A = (1)A.
Jendostavno se pokazuje da skup L(V, W ) sa upravo deniranim operacijama uz uvedeni neutralni i suprotni element predstavlja vektorski prostor. Iz same denicije odmah slijede neke osobine linearnih operatora. (i) Linearan operator A : V W nulu vektorskog prostora V slika u nulu vektorskog prostora W. Dokaz slijedi stavljajui da je i , iz osobine linearnosti, jednako neutralnom elementu polja F . (ii) Linearan operator A : V W potuje linearnu kombinaciju, to jeste za proizvoljno n N vrijedi
( (i F, xi V ) A
n i=1
) i xi =
n i=1
i A(xi ).
(iii) Ako su x1 , . . . , xn linearno zavisni elementi prostora V i ako je A : V W linearan operator, onda su A(x1 ), . . . , A(xn ) linearno zavisni elementi prostora W. Dokaz slijedi iz denicije linearne zavisnosti i osobine (i). Dalje, treba napomenuti da denicija linearnog operatora doputa da prostori V i W budu jednaki i u tom sluaju govorimo o linearnim operatorima na prostoru V . Specijalno, operatore kod kojih je prostor W prostor skalara nazivamo linearnim funkcionalima ili linearnim formama. Najee je W u ovom sluaju, kao i polje F za linearne operatore, polje realnih ili kompleksnih brojeva.
V = R3 i W = R2 i neka je preslikavanje dato sa A : (x1 , x2 , x3 ) (x1 , x2 ). Pokaimo da je A linearan operator. Kao to smo ranije vidjeli Rn , n = 2, 3 su vektorski prostori nad poljem realnih brojeva.
Pokaimo da je zadovoljen uslov linearnosti. Koristimo deniciju operacija u Rn , n = 2, 3 i deniciju preslikavanja A. S jedne strane je
A((x1 , x2 , x3 ) + (y1 , y2 , y3 )) = A(x1 + y1 , x2 + y2 , x3 + y3 ) = (x1 + y1 , x2 + y2 ),
a s druge
A(x1 , x2 , x3 ) + B(y1 , y2 , y3 )) = (x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , x2 + y2 ),
mnoenje matrica. Imajui na umu osobine mnoenja matrica zakljuujemo da je ovako denisan operator linearan.
Upravo navedeni primjeri linearnih operatora su primjeri linearnih operatora deniranih na konanodimenzionalnim prostorima i mi emo u nastavku iskljuivo takve operatore i posmatrati. 6
4.2
Primjer 4.2 nam u sutini govori da svaka matrica predstavlja jedan linearan operator. Prirodno je postaviti pitanje, da li i svakom linearnom operatoru moemo pridruiti neku matricu. Odgovor je potvrdan, meutim, to pridruivanje nije obostrano jednoznano. Naime, da bi operatoru jednoznano pridruili matricu neophodno je odabrati baze prostora V i W . Vidjet emo da se promjenom baze u optem sluaju mijenja i matrica pridruena tom operatoru. Jedan od vanih zadataka linearne algebre je upravo odabir baza tako da matrica pridruena operatoru bude to jednostavnija. Pridruivanje matrice linearnom operatoru zasnovano je na injenici da je za poznavanje djelovanja operatora dovoljno poznavati njegovo djelovanje na elementima baze. Preciznije, neka je A : V W linearni operator, dimV = n < . Neka je {b1 , b2 , . . . , bn } baza prostora V . Proizvoljan elemenat x prostora V moe biti napisan na jedinstven nain kao linearna kombinacija elemenata n baze x = j bj . Koristei osobinu (ii) linearnih operatora slijedi da je
A(x) =
n j=1
linearan operator je u potpunosti odreen djelovanjem na bazu. Neka je A : V W , dimV = n < , dimW = m < , a BV = {b1 , b2 , . . . , bn } i BW = {w1 , w2 , . . . , wm } baze prostora V i W , respektivno. Operator A elemente baze BV slika u neke elemente A(bj ), j = 1, . . . , n prostora W , ti elementi mogu biti napisani u obliku linearne kombinacije elemenata baze BW prostora W , to jeste, postoje skalari aij , i = 1, . . . , m, j = 1, . . . , n takvi da je
A(bj ) = a1j w1 + a2j wa + . . . + amj wm
j=1
(4.4)
za sve j = 1, . . . , n. Koristei skalare aij formiramo eljenu matricu. Preciznije uvodimo sljedeu deniciju.
Denicija 4.2. Neka je A : V W , dimV = n < , dimW = m < , a BV = {b1 , b2 , . . . , bn } i BW = {w1 , w2 , . . . , wm } baze prostora V i W , respektivno. Matricu A = (aij )mn , pri emu su skalari aij dati relacijom (4.4), nazivamo matrica operatora A u odnosu na baze BV i BW .
Matrica iz prethodne denicije se esto oznaava sa ABV ,BW ili ABW , BV ukoliko elimo istaknuti u odnosu na koje baze prostora je data matrica A. 7
Djelovanje operatora A na element x prostora V koristei matricu operatora moe biti opisano mnoenjem matrice ABW operatora A sa x. Pri tome BV vektore x i y interpretiramo kao matrice fomrata n 1 i m 1, respektivno. n m Naime, jedinstvenost prikaza elemenata x = j bj i A(x) = y = i w i po datim bazama prostora i linearnost operatora A implicira da vrijedi
( A(x) = A
n j=1 n j=1 j=1 i=1
j bj
n j=1
j A(bj ) ) aij j wi ,
m i=1
aij wi =
( n m
i=1 j=1
pa mora biti i =
n j=1
matrica to implicira da je ABW x = y . BV Denicija matrice linearnog operatora i upravo navedena razmatranja pokazuju da vrijedi sljedei teorem.
A : V W , dimV = n < , dimW = m < , a BV = {b1 , b2 , . . . , bn } i BW = {w1 , w2 , . . . , wm } baze prostora V i W , respektivno. Operatoru A se moe pridruiti jedinstvena matrica A = (aij )mn ije su kolone koordinate vektora A(bj ) u bazi BW i pri tome je A(x) = Ax . Takoe, svakoj matrici Amn odgovara samo jedan operator A koji djeluje na elemente prostora V dimenzije n i slika ih u elemente prostora W dimenzije m tako da vrijedi (x V )(!y W )A(x) = Ax = y.
injenica da je za poznavanje operatora dovoljno poznavati samo njegovo djelovanje na elemente baze ima jo neke vane implikacije. Ukoliko se djelovanje dva linearna operatora A i B s prostora V na prostor W podudara na elementima baze prostora V onda su operatori A i B jednaki. Vrijedi i sljedei teorem.
Teorem 4.2. Neka su V i W konanodimenzionalni vektorski prostori nad poljem F . Neka je dimV = n < , {b1 , b2 , . . . , bn } baza prostora V i
Kao
kolone. i ranije prilikom mnoenja matrica elemente
(w1 , w2 , . . . , wn ) ureena n-torka elemenata prostora W . Tada postoji jedinstveni linearni operator A : V W takav da je A(bi ) = wi , i = 1, . . . , n.
Dokaz. Prvo dokaimo egzistenciju linearnog operatora A. Neka je x pron n izvoljan element prostora V , x = i bi . Stavimo da je A(x) = i wi .
Pogodnim izborom skalara odmah zakljuujemo da je A(bi ) = wi . Dokaimo linearnost. Neka je x, y V , x =
n i=1 i=1
i bi , y =
i bi . Sada je
i=1
i=1
n x + y = (i + i )bi , i=1
i
A(x) =
n i=1
i wi , A(y) =
n i=1
i wi ,
pa je
A(x + y) = =
n i=1 n i=1
(i + i )wi = i wi +
n i=1
i wi =
i wi +
i w i
= A(x) + A(y).
Dakle, egzistencija linearnog operatora A je dokazana. Dokaimo i jedinstvenost. Pretpostavimo da postoji i linearan operator B : V W takav da je B(bi ) = wi , za sve i = 1, . . . , n. Sada je
( B(x) = B
n i=1
) i bi =
n i=1
i B(bi ) =
n i=1
i wi = A(x).
Dakle, A = B , pa je jedinstvenost operatora A dokazana. Znaaj upravo dokazanog teorema se ogleda u tome da za zadanu bazu prostora V postoji jedinstven linearan operator A : V W koji e elemente te baze preslikati u zadate, po volji odabrane vektore prostora W . 9
4.3
U prethodnom odjeljku smo vidjeli da matrica operatora direktno zavisi od izbora baza prostora na kojima operator djeluje. Pitanje koje se prirodno namee je kako uspostaviti vezu matrica nekog operatora pri razliitim izborima baza. Da bismo odgovorili na ovo pitanje prvo emo vidjeti kako uspostaviti vezu izmeu koordinata nekog vektora datih u dvije baze jednog prostora. Neka je V vektorski prostor diomenzije n < . Neka su BV = {b1 , b2 , . . . , bn } i BV = {b1 , b2 , . . . , bn } dvije baze tog prostora. Kaemo da je BV stara, a BV nova baza. Proizvoljan element x V ima reprezentaciju i u jednoj i u drugoj bazi, to jeste
x=
n j=1
j bj =
n j=1
j bj .
Da bi oderedili vezu izmeu komponenti vektora x u dvjema datim reprezenatcija prvo emo pronai vezu vektora jedne i druge baze. Naime, vektore BV moemo razloiti po vetorima baze BV i obratno. Neka je
b1 = p11 b1 + p21 b2 + . . . + pn1 bn b2 = p12 b1 + p22 b2 + . . . + pn2 bn
. . .
odnosno
b1 = q11 b1 + q21 b2 + . . . + qn1 bn b2 = q12 b1 + q22 b2 + . . . + qn2 bn
. . .
(4.5)
10
Matrica P se naziva matricom prelaza sa stare na novu bazu, matrica Q matricom prelaza sa nove na staru bazu. Vezu meu uvedenim matricama prelaza i koordinatama datog vektora u razliitim bazama iskazat emu u vidu sljedeih teorema.
V vektorski prostor diomenzije n < . Neka su BV = {b1 , b2 , . . . , bn } i BV = {b1 , b2 , . . . , bn } dvije baze tog prostora. Za matrice prelaza P i Q date sa (4.5) vrijedi PQ = QP = E.
Dokaz. Dokaz slijedi direktnom primjenom razlaganja vektora jedne baze preko druge baze, zamjenom redoslijeda sumiranja u konanim sumama i primjenom denicije mnoenja matrica, kao i injenice da su vektori baze linearno nezavisni. Linearna nezavisnost nam takoe govori da matrica sainjena od kolona iji su elementi komponente vektora baze je matrica punog ranga, pa je ona regularna. Proizilazi da su matrice P i Q meusobno inverzne.
{b1 , b2 , . . . , bn }
Dokaz. Koristimo jedinstvenost prikaza elemenata vektorskog prostora u proizvoljno odabranoj bazi i reprezentaciju vektora nove baze pomou vektora stare baze. Zaista,
x=
n j=1 j bj = n j=1 j
( n
i=1
pij bi
( n n
i=1 j=1
j pij
bi .
i x =
n i=1
i bi implicira da je i =
n j=1
matrino zapisano = P , ili zbog regularnosti matrice prelaza u obliku = P1 , to je i trebalo dokazati. Preimo sada na osnovni zadatak ovog odjeljka, a to je razmatranje veze matrica pridruenih nekom operatoru pri izboru razliitih baza. 11
Neka je A : V W linearan operator, dimV = n < , dimW = m < . Neka su BV = {b1 , b2 , . . . , bn } i BV = {b1 , b2 , . . . , bn } baze prostora V i PV matrica prelaza sa baze BV na bazu BV , a BW = {w1 , w2 , . . . , wm } i BW = {w1 , w2 , . . . , wm } baze prostora W s matricom prelaza PW sa baze BW na bazu BW . Neka je A matrica operatora A u odnosu na baze BV i BW , a matrica A , matrica tog operatora u odnosu na baze BV i BW . Neka je y = A(x), x =
n
j bj =
j bj i y =
i w i =
i wi , i neka su kao i
ranije , , i matrice kolone sainjene od odgovarajuih koecijenata. Prema dosadanjim razmatranjima, koristei matrine zapise, zakljuujemo da vrijedi
= A, = P1 , V = A , = P1 , W
j=1
j=1
i=1
i=1
to implicira pa je dalje
(4.6)
odnosno
A = P1 APV . W
Napomenimo da smo ustanovili da su matrrice prelaza regularne, pa postoje njihove inverzne matrice. Dakle, dokazali smo teorem.
A : V W linearan operator, dimV = n < , dimW = m < . Neka su BV = {b1 , b2 , . . . , bn } i BV = {b1 , b2 , . . . , bn } baze prostora V i PV matrica prelaza sa baze BV na bazu BV , a BW = {w1 , w2 , . . . , wm } i BW = {w1 , w2 , . . . , wm } baze prostora W s matricom pre laza PW sa baze BW na bazu BW . Ako je matrica A matrica operatora A u odnosu na baze BV i BW , tada je matrica A operatora A, u odnosu na baze BV i BW , data sa A = P1 APV . W
12
Specijalno moemo posmatrati situaciju kada je V = W , pa je BV = BW , = BW i PV = PW . Neposredno iz prethodnog teorema slijedi da vrijedi posljedica.
BV
A : V V linearan operator, dimV = n < . Neka su BV = {b1 , b2 , . . . , bn } i BV = {b1 , b2 , . . . , bn } baze prostora V i PV matrica prelaza sa baze BV na bazu BV , a A matrica operatora A u odnosu na bazu BV . Tada je matrica A operatora A u odnosu na bazu BV data sa 1 A = PV APV
Piemo A B.
Neke od osobina relacije slinosti za matrice su sljedee.
Relacija slinosti za matrice je relacija ekvivalencije na skupu kvadratnih matrica reda n. Sline matrice imaju jednake determinante. Sline matrice imaju jednak rang.
4.4
Iz same denicije linearnog operatora A L(V, W ) slijedi da su V i W vektorski prostori. Neki njihovi potprostori su posebno znaajni. Uvedimo pojmove jezgra i slike linearnog operatora.
Svaki podprostor je u sutini vektorski prostor, pa moemo govoriti o njegovoj dimenziji. Uvodimo sljedee pojmove.
4.5
Vaan alat u postupku dijagonalizacije, o kojem emo govoriti u narednom odjeljku, su svojstvene vrijednosti i svojstveni vektori. Ovdje uvodimo te pojmove i njihove najznaajnije osobine. Posmatrat emo samo operatore koji djeluju na nekom konano-dimenzionalnom vektorskom prostoru i imaju vrijednosti u istom tom prostoru.
Denicija 4.7. Neka je V konano-dimenzionalan vektorski prostor nad poljem F , dimV = n < i A : V V linearan operator. Skalar F naziva se svojstvenom vrijednou operatora A ako postoji nenulti vektor x V takav da je A(x) = x. (4.7) Nenulti vektor koji zadovoljava (4.7) naziva se svojstvenim vektorom koji odgovara svojstvenoj vrijednosti . Skup svih svojstvenih vrijednosti operatora A naziva se spektar operatora.
14
Umjesto pojma svojstveni iz prethodne denicije koriste se i pojmovi sopstveni, karakteristini i vlastiti. Treba napomenudi da se prethodnom denicijom deniraju svojstveni vektori i svojstvene vrijednosti operatora. Imajui na umu korespondenciju linearnih operatora i matrica, analogno uvedenoj deniciji uvode se i pojmovi svojstvenih vrijednosti i vektora kvadratne matrice. Odreivanje svojstvenih vrijednosti i svojstvenih vektora za dati operator esto se naziva i rjeavanjem problema svojstvenih vrijednosti datog operatora. Iz denicije 4.7 moemo zakljuiti da su zadovoljene sljedee osobine. (i) Ukoliko je nenulti vektor x svojstveni vektor operatora A sa svojstvenom vrijednou , onda je i x ( F ) svojstveni vektor sa istom tom svojstvenom vrijednou. Zaista, A(x) = A(x) = (x) = (x). (ii) Ukoliko su nenulti vektori x i y svojstveni vektori operatora A sa svojstvenom vrijednou , onda je i x + y (, F ) svojstveni vektor sa istom tom svojstvenom vrijednou ukoliko je on razliit od nula vektora. Zaista, A(x + y) = A(x) + A(y) = (x) + (y) =
(x + y).
Obzirom da se prema deniciji zahtjeva da svojstveni vektor bude nenulti vektor, isljuenje tog vektora u osobini (ii) uzrokuje da skup svih svojstvenih vektora koji odgovaraju istoj svojstvenoj vrijednosti ne obrazuje vektorski prostor. No, ako tom skupu dodamo nula vektor, tada e on postati vektorski podprostor prostora V . Ovaj podprostor se naziva svojstvenim podprostorom operatora A koji odgovara svojstvenoj vrijednosti i oznaava se sa E . Ovaj podprostor se moe dobiti i neto drugaije. Naime, relacija (4.7) se moe napisati i neto drugaije
(A E)x = 0,
(4.8)
pri emu smo sa E oznaili identini operator, to jeste operator koji svaki element prostora V slika u samog sebe. Sada proizilazi da je E = Ker(A E). Kako smo ve napomenuli skup svih linearnih operatora je vektorski prostor, pa je linearna kombinacija linearnih operatora linearan operator, pa ima smisla posmatrati jezgro tog operatora. Posljednja razmatranja nam daju i nain na koji moemo rjeavati problem svojstvenih vrijednosti. Naime, svojstveni vektor x je nenulti vektor 15
koji zadovoljava homogeni sistem jednaina odreen sa (4.8), ukoliko iskoristimo jednoznanu korespondenciju matrica i operatora u sluaju kada je izabrana baza posmatranog prostora. Neka operatoru A odgovara matrica A = (aij )nn u nekoj proizvoljno odabranoj, ali ksiranoj bazi. Identinom operatoru odgovara jedinina matrica, pa operatoru AE odgovara matrica A En . Kao i ranije, u matrinom zapisu emo vektor x pisati kao vektor kolonu. Da bi sistem (A En )x = 0 imao netrivijalno rjeenje potrebno je da je determinanta sistema bude jednaka nula, to jeste
a11 a12 a21 a22 a1n a2n ann
. . .
. . .
an1
an2
. . .
= 0.
(4.9)
Ukoliko determinantu iz (4.9) razvijemo dobijamo polinom n-tog stepena po . Vodei koecijent tog polinoma je (1)n . Determinanta iz (4.9) se naziva karakteristinim polinomom matrice A, a odgovarajua jednaina karakteristinom jednainom. Razmotrimo sada kako se mijenja jednaina (4.9) kada se mijenja matrica posmatranog operatora, odnosno baza prostora na kojem on djeluje. Neka su matrice A i B matrice datog opereatora u dvije baze prostora na kojem djeluje dati operator. To su sline matrice, pa postoji regularna matrica P takva da je B = P1 AP. Sada koristei osobine matrica i determinanti slijedi da je
det(B En ) = = = = = det(P1 AP En ) det(P1 AP P1 En P) det(P1 (A En )P) det(P1 )det(A En )det(P) det(A En ).
Dakle, zakljuujemo da jednaina (4.9) ostaje nepromijenjena pri promjeni baze prostora V . Obzirom na navedeno, determinanta iz (4.9) se naziva i karakteristinim polinomom operatora A, dok se odgovarajua jednaina naziva karakteristinom jednainom. 16
Dakle, da bi odredili svojstvene vrijednosti operatora A potrebno je i dovoljno da rijeimo karakteristinu jednainu. Da bismo to uradili potrebno je izraunati determinatnu n-tog reda i odrediti nule polinoma n-tog stepena. Oba ova problema s praktinog aspekta su zahtjevna za vee vrijednosti n. Treba napomenuti da posmatrana determinanta sadri pored numerikih vrijednosti i varijablu , to oteava raun. Koristimo li razvoj determinante potrebno je raunati veliki broj poddeterminanti. Takoe, za traenje nula polinoma n-tog stepena ne postoje esplicitne formule za n > 4. Dodatno, napomenimo da, u optem sluaju, karakteritina jednaina sa koecijentima iz polja F , ne mora uvijek imati rjeenje u tom polju. U specijalnom, najee koritenom, sluaju poljem realnih brojeva, karakteristina jednaina ne mora imati rjeenja koja su realni brojevi. Obzirom da nam osnovni stav algebre garantuje da polinom n-tog stepena ima tano n nula u skupu kompleksnih brojeva, uzimajui u obzir njihovu viestrukost, pri rjeavanju problema svojstvenih vrijednosti koristi se polje kompleksnih brojeva. Slijedi da, u sluaju F = C, karakteristina jednaina ima oblik
(1)n ( 1 )n1 ( 2 )n2 . . . ( r )nr = 0,
gdje su 1 , . . . , r razliite svojstvene vrijednosti, a n1 , . . . , nr njihove viestrukosti, respektivno, n1 + . . . + nr = n. Ovaj prelaz na skup kompleksnih brojeva garantuje da svaki linearan operator A ima barem jednu svojstvenu vrijednost, to ne mora biti sluaj ako se ograniimo na skup realnih brojeva. Bez obzira na navedenu prednost vektorskih prostora nad poljem kompleksnih brojeva u nekim primjenama neophodno je posmatrati vetorske prostore nad poljem realnih brojeva. U tom sluaju moemo se susresti sa situacijom u kojoj linearnan operator nema svojstvenih vrijednosti. Za odreivanje svojstvenih vektora datog operatora za datu svojstvenu vrijednost = 0 treba uvrstiti datu vrijednost u homogeni sistem (4.8). Obzirom na izbor vrijednosti sistem ima netrivijalna rjeenja, ima ih beskonano mnogo, to je u skladu sa osobinom (ii) svojstvenih vektora. Treba jo napomenuti, da u sluaju kada odaberemo F = C, svojstvene vrijednosti mogu biti kompleksni brojevi, pa to mogu biti i komponenete svojstvenih vektora. Jedna vana osobina karakteristinog polonima operatora data je CayleyHamiltonovim teoremom. Navest emo ga bez dokaza.
17
Obzirom na ranija razmatranja moe se zakljuiti da prethodni teorem moe biti formuliran i dokazan i za matrice. Dakle, matrica A zadovoljava svoj karakteristini polinom. Na kraju ovog odjeljka dokazat emo jednu vanu osobinu svojstvenih vektora.
= n i A : V V linearan operator. Neka su 1 , . . . , r razliite svojstvene vrijednosti operatora A, a x1 , . . . , xr njima pridrueni svojstveni vektori, respektivno. Skup {x1 , . . . , xr }
Dokaz. Dokaz emo izvesti koristei princip matematike indukcije po broju r razliitih svojstvenih vrijednosti. U sluaju r = 1 tvrdnja je oigledno tana, jer posmatramo jednoelementan skup i po deniciji svojstveni vektor je nenulti vektor. Pretpostavimo sada da tvrdnja vrijedi za r 1 i dokaimo da vrijedi za r. r i xi = 0. Treba pokazati da je i = 0 za sve i = 1, . . . , r. Posmatrajmo
Djelovanjem operatora A na sumu iz prethodne jednakosti dobijamo
A ( r
i=1 i=1
i xi
r i=1
i A(xi ) =
r i=1
i i xi ,
pa je
r i=1
i (i r )xi = 0.
Obzirom da su prema induktivnoj pretpostavci vektori {x1 , . . . , xr1 } linearno nezavisni, to slijedi da je i (i r ) = 0 za sve i = 1, . . . , r 1. Po pretpostavci su svojstvene vrijednosti meusobno razliite, pa je i = r za i = 1, . . . , r 1. Slijedi da mora biti i = 0 za sve i = 1, . . . , r 1. No, sada se poetna suma reducira na r xr = 0, a poto su svojstveni vektori nenulti vektori, slijedi da mora biti r = 0. Dakle, prema principu matematike indukcije tvrdanja teorema vrijedi. 18
4.6.Dijagonalizacija
4.6
Dijagonalizacija
Kako smo ve napomenuli matrica nekog operatora zavisi od izbora baza prostora na kojim operator djeluje. Jedan od vanih zadataka je odreivanje pogodne baze tako da matrica operatora bude to jednostavnija. Odgovor na pitanje koliko jednostavnu matricu je mogue dobiti za dati operator nije jednostavno unaprijed dati. No, imajui na umu da je raun sa dijagonalnim matricama znatno jednostavniji od onog sa proizvoljnim matricama, moemo zakljuiti da bi bilo znaajno odrediti bazu prostora za koju je matrica operatora dijagonalna, ukoliko takva postoji. Postupak kojim se datom operatoru pridruuje dijagonalna matrica se naziva postupkom dijagonalizacije operatora. Za operator kojem se moe pridruiti dijagonalna matrica kae se da se moe dijagonalizirati. Razmotrimo jednu direktnu posljedicu teorema 4.10. Posmatrajmo linearan operator A : V V , koji djeluje na konano-dimenzionalnom prostoru V , dimV = n. Ukoliko operator A ima n razliitih svojstvenih vrijednosti, tada je skup od n njima odgovarajuih svojstvenih vektora nezavisan, pa u prostoru dimenzije n ini bazu. Slijedi, koristei deniciju svojstvenih vektora, da je matrica operatora A, u toj bazi sastavljenoj od svojstvenih vektora dijagonalna. Dodatno, elementi na dijagonali su svojstvene vrijednosti operatora. Odavde slijedi da se operator koji ima n nezavisnih svojstvenih vektora moe dijagonalizirati. Pokazuje se da vrijedi i obrnuta tvrdnja. Preciznije, vrijedi sljedei teorem, kojeg navodimo bez dokaza.
4.6.Dijagonalizacija
svojstvene vrijednosti operatora A (odnosno matrice A). Matrica prelaza P na bazu sainjenu od svojstvenih vektora je matrica ije su kolone formirane od komponenti svojstvenih vektora.
Navedena razmatranja nam daju i postupak kojim se vri dijagonalizacija operatora A kojem je pridruena matrica operatora A. Dakle, prvo odredimo svojstvene vrijednosti operatora rjeavajui karakteristinu jednainu, zatim za svaku od svojstvenih vrijednosti rjeavanjem odgovarajueg homogenog sistema jednaina odredimo pridruene svojstvene vektore. Ukoliko postoji n linearno nezavisnih svojstvenih vektora operator se moe dijagonalizirati. Matricu prelaska P s date baze na bazu sainjenu od svojstvenih vektora formiramo tako to komponente svojstvenih vektora piemo kao kolone matrice prelaza. Matrica A operatora A u novoj bazi je dijagonalna matrica iji su elementi na dijagonali svojstvene vrijednosti, to jeste
1 0 . . . 0 0 2 0 A = P1 AP = . ... . . . . . 0 0 . . . n .
Treba napomenuti da se pojam dijagonalazicije nekada uvodi samo za matrice bez referiranja na odreeni operator. No rezultati su potpuno analogni, a formalni prelazak se izvodi koristei operator odreen matricom kao u primjeru 4.2. Jedna od primjena dijagonalizacije matrice je primjena na raunanje stepena matrice. Naime, kako smo vidjeli, postupak mnoenja matrica, pa i stepenovanja, zahtijeva izvrenje velikog broja raunskih operacija. No, u sluaju dijagonalnih matrica postupak je vrlo jednostavan.
20