Spektralna teorija matrica Ve zbe; skolska 2012/2013. god.

Sadr zaj
1 Karakteristi cni i minimalni polinom matrice, sopstvene vrednosti i sopstveni vektori 1 2 Sli cnost matrica 3 Dijagonalizacija matrica 4 Zordanov kanoni cni oblik 5 Specijalne matrice 13 15 19 34

Karakteristi cni i minimalni polinom matrice, sopstvene vrednosti i sopstveni vektori

Karakteristi cni polinom matrice A glasi p() = det(I A). Minimalni polinom m() matrice A jeste moni cni polinom najmanjeg stepena koji ima osobinu m(A) = O. Svaka kvadratna matrica ima samo jedan minimalni polinom. Svaka nula karakteristi cnog polinoma matrice A je i nula njenog minimalnog polinoma. Ako je A kompleksna kvadratna matrica reda n, tada svaki vektor x Cn koji je razli cit od nula vektora i zadovoljava uslov ( C)Ax = x, naziva se sopstveni vektor matrice A, a skalar sopstvena vrednost matrice A. Sopstvene vrednosti matrice A nalazimo re savanjem jedna cine det(I A) = 0 po . Sopstvene vektore xi odgovaraju cih sopstvenih vrednosti i nalazimo re savaju ci homogeni sistem jedna cina (i I A)x = O. Algebarska vi sestrukost sopstvene vrednosti i matrice A jeste red nule i polinoma det(I A), a geometrijska vi sestrukost sopstvene vrednosti i jeste dimenzija sopstvenog prostora od i : Ei = {x Cn |(i I A)x = O}. Kejli-Hamiltonova teorema: Svaka kompleksna kvadratna matrica poni stava svoj karakteristi cni polinom, tj. ako je p() karakteristi cni polinom kompleksne kvadratne matrice A, tada je p(A) = O.

1. Odrediti sopstvene vrednosti i sopstvene vektore slede cih matrica: 2 2 3 0 5 8 1 6 ; A= 2 B = 5 0 8 . 1 2 0 8 5 0 Re senje. Odredimo sopstvene vrednosti i sopstvene vektore matrice A. U tu svrhu odredimo prvo karakteristi cni polinom matrice A. |I A| = + 2 2 3 2 1 6 1 2 = 3 + 2 21 45 = ( + 3)2 ( 5).

Karakteristi cni polinom matrice A glasi p() = ( + 3)2 ( 5). Sopstvene vrednosti matrice A jesu nule njenog karakteristi cnog polinoma, pa imamo da su sopstvene vrednosti matrice A: 1 = 2 = 3, 3 = 5. Odredimo sada sopstvene vektore matrice A. 1 Za savamo homogeni sistem jedna cina koji je dat sa (3I A)x = O gde je 1 = 2 = 3 re x1 x = x2 i u re senjima ovog sistema nalazimo dva sopstvena vektora matrice A. x3 Sistem linearnih jedna cina (3I A)x = O je ekvivalentan sistemu: x1 2x2 + 3x3 = 0 2x1 4x2 + 6x3 = 0 . x1 + 2 x2 3x3 = 0 Ako pomno zimo prvu jedna cinu sa (-1), drugu podelimo sa (-2), i zatim od prve oduzmemo redom drugu i tre cu jedna cinu dolazimo do slede ceg ekvivalentnog sistema: x1 + 2 x2 3x3 = 0 0 = 0 . 0 = 0 Kako sistem ima beskona cno mnogo re senja, stavimo x3 = , x2 = , , R odakle je x1 = 2 +3. 2 + 3 3 2 = 0 + 1 , , R. Dobijamo dakle da je re senje polaznog sistema x = 1 0 Ako za (, ) uzmemo na primer jednom vrednost (1, 0) adrugi put (0, 1) dobijamo dva linearno 2 3 nezavisna sopstvena vektora matrice A: v1 = 1 , v2 = 0 . 0 1 Sopstvena vrednost 1 = 2 je algebarskog multipliciteta a1 = 2 i geometrijskog multipliciteta g1 = 2 jer je dim E1 = 2. x1 2 Za 3 = 5 re savamo homogeni sistem jedna cina koji je dat sa (5I A)x = O gde je x = x2 i x3

u re senjima ovog sistema nalazimo jedan sopstveni vektor matrice A. Sistem linearnih jedna cina (5I A)x = O je ekvivalentan sistemu: 7x1 2x2 + 3 x3 = 0 2x1 + 4x2 + 6x3 = 0 . x1 + 2 x2 + 5 x3 = 0 Potra zimo re senja poslednjeg sistema jedna cina primenom metoda Gaus-Zordanove eliminacije. 7 2 3 | 0 1 2 5 | 0 1 2 5 | 0 1 2 5 | 0 2 4 6 | 0 2 4 6 | 0 1 2 3 | 0 0 4 8 | 0 1 2 5 | 0 7 2 3 | 0 7 2 3 | 0 0 16 32 | 0 1 2 5 | 0 1 2 5 | 0 0 1 2 | 0 0 1 2 | 0 . Sada je polazni sistem ekvivalentan sistemu: 0 2 4 | 0 0 0 0 | 0 x1 + 2 x2 + 5 x3 = 0 x2 + 2 x3 = 0 . 0 = 0 Polazni sistem ima beskona cno senja. Neka je x3 = , R. Tada je x2 = 2, x1 = . mnogo re Dobijamo da je x = 2 , R. Uzimaju ci = 1 dolazimo do sopstvenog vektora matrice A: 1 v3 = 2 . 1 Sopstvena vrednost 3 = 5 ima algebarski multiplicitet a3 = 1 i geometrijski multiplicitet g3 = 1 jer je dim E3 = 1. Odredimo sada sopstvene vrednosti i sopstvene vektore matrice B . U tu svrhu odredimo prvo karakteristi cni polinom matrice B . |I B | = 5 8 5 8 8 5 = 3 129 520 = ( + 5)( + 8)( 13).

Karakteristi cni polinom matrice B glasi p() = ( + 5)( + 8)( 13). Sopstvene vrednosti matrice A jesu nule njenog karakteristi cnog polinoma, pa imamo da su sopstvene vrednosti matrice A: 1 = 5, 2 = 8, 3 = 13. Odredimo sada sopstvene vektore matrice B . x1 1 Za 1 = 5 re savamo homogeni sistem jedna cina koji je dat sa (5I B )x = O gde je x = x2 x3 i u re senjima ovog sistema nalazimo sopstveni vektor matrice B .

Sistem linearnih jedna cina (5I B )x = O je ekvivalentan sistemu: 5x1 5x2 8x3 = 0 5x1 5x2 8x3 = 0 . 8x1 5x2 5x3 = 0 Potra zimo re senja poslednjeg sistema jedna cina primenom metoda Gaus-Zordanove 5 5 8 | 0 5 5 8 | 0 5 5 8 | 0 5 5 8 5 5 8 | 0 8 5 5 | 0 5 8 5 | 0 0 3 3 8 5 5 | 0 0 0 0 | 0 0 0 0 | 0 0 0 0 polazni sistem ekvivalentan sistemu: 5x2 + 5x1 + 8x3 = 0 3x1 3x3 = 0 . 0 = 0 Poslednji sistem ima beskona cno mnogo re senja. Neka je x3 = , R. Tada je x1 = , x2 = 13 5 . odakle uzimaju ci za = 5 dobijamo da je sopstveni vektor v1 = Dobijamo da je x = 13 5 5 13 . Sopstvena vrednost 1 = 5 ima algebarski multiplicitet a1 = 1 i geometrijski multiplicitet 5 g1 = 1 jer je dim E1 = 1. x1 2 Za 2 = 8 re savamo homogeni sistem jedna cina koji je dat sa (8I B )x = O gde je x = x2 x3 i u re senjima ovog sistema nalazimo sopstveni vektor matrice B . Sistem linearnih jedna cina (8I B )x = O je ekvivalentan sistemu: 5x1 5x2 8x3 = 0 5x1 5x2 8x3 = 0 . 8x1 5x2 5x3 = 0 Potra zimo re senja poslednjeg sistema jedna cina primenom metoda Gaus-Zordanove eliminacije. 8 5 8 | 0 8 5 8 | 0 8 5 8 | 0 8 5 8 | 0 5 8 8 | 0 5 8 8 | 0 8 8 5 | 0 0 3 3 | 0 .Sada je 8 5 8 | 0 0 0 0 | 0 0 0 0 | 0 0 0 0 | 0 polazni sistem ekvivalentan sistemu: 8x3 + 5x2 + 8x1 = 0 3x2 3x1 = 0 . 0 = 0 eliminacije. | 0 | 0 . Sada je | 0

8 Poslednji sistem ima beskona cno mnogo re senja. Neka je x3 = , R. Tada je x1 = x2 = 13 . 13 5 odakle uzimaju Dobijamo da je x = 13 ci za = 13 dobijamo da je sopstveni vektor v2 = 5 8 8 . 13

Sopstvena vrednost 2 = 8 ima algebarski multiplicitet a2 = 1 i geometrijski multiplicitet g2 = 1 jer je dim E2 = 1. x1 3 Za 3 = 13 re savamo homogeni sistem jedna cina koji je dat sa (13I B )x = O gde je x = x2 x3 i u re senjima ovog sistema nalazimo sopstveni vektor matrice B . Sistem linearnih jedna cina (13I B )x = O je ekvivalentan sistemu: 13x1 5x2 8x3 = 0 5x1 + 13x2 8x3 = 0 . 8x1 5x2 + 13x3 = 0 Potra zimo re senja poslednjeg sistema jedna cina primenom metoda Gaus-Zordanove eliminacije. 13 5 8 | 0 13 5 8 | 0 13 5 8 | 0 1 2 1 | 0 5 13 8 | 0 5 13 8 | 0 5 13 8 | 0 5 13 8 | 0 8 5 13 | 0 5 10 5 | 0 1 2 1 | 0 13 5 8 | 0 1 2 1 | 0 1 2 1 | 0 0 3 3 | 0 0 1 1 | 0 . Sada je polazni sistem ekvivalentan sistemu: 0 21 21 | 0 0 0 0 | 0 x1 2x2 + x3 = 0 x2 x3 = 0 . 0 = 0 Poslednji sistem ima senja. Neka je x3 = , R. Tada je x1 = x beskona cno mnogo re 2 =. 1 Dobijamo da je x = odakle uzimaju ci za = 1 dobijamo da je sopstveni vektor v3 = 1 . 1 Sopstvena vrednost 3 = 13 ima algebarski multiplicitet a3 je dim E3 = 1. 2 1 2. Da li se mo ze odrediti m tako da matrica A = 0 3 0 4 Re senje. Odredimo karakteristi cni polinom date matrice. = 1 i geometrijski multiplicitet g3 = 1 jer 3 m ima sopstvenu vrednost jednaku 0? 1

|I A| =

2 1 3 0 3 m 0 4 + 1

= ( 2)(2 2 4m 3).

Ako je = 0 sopstvena vrednost matrice A, onda va zi 4m 3 = 0 odakle sledi da se m mo ze odrediti 3 i m = 4. 3. Odrediti karakteristi cni polinom matrice A= 0 0 . . . 1 0 0 1 0 0 0 0 .

0 0 0 0 1 an an1 an2 a2 a1

Re senje. 0 . . . 1 0 1 0 0 0 0

|I A| =

0 0 0 1 0 0 0 0 1 an an1 an2 a2 + a1

Razvimo poslednju determinantu po poslednjoj vrsti. 0 . . . 1 0 1 0 0 0 0 = (1)n+1 an 1 0 0 1 0 . . . 0 0 0 0 0 0 0 0

0 0 0 1 an an1 an2 a2 + a1 0 0 0 1 0 . . . 0 0 0 0 0 0 0 0

+ (1)n+2 an1

0 1 0 0 1

0 1 0 0 1 1 0 0 1 n + n 1 . + + (1) a2 . . 0 0 0 0 0 0 0 0

0 0

0 0

0 0 1

+( + a1 )(1)n+n

1 0 0 0 1 0 . . . 0 0 0 0 0 0

= (1)n+1 (1)n1 an + (1)n+2 an1 (1)n2 +

1 0

+a2 (1)n+n1 (1)n2 + a1 (1)n+n n1 + (1)n+n n = n + a1 n1 + a2 n2 + + an1 + an .

cni 4. Neka je data matrica A = a1 a2 a3 an , a1 a2 a3 an = 0. Odrediti karakteristi T polinom i sopstvene vrednosti matrice A A. a1 a1 a1 a2 a1 a3 a1 an a2 a1 a2 a2 a2 a3 a2 an Re senje. AT A = . . . an a1 an a2 an a3 an an a1 a1 a1 a2 a1 a3 a2 a1 a2 a2 a2 a3 . . . an a1 1
2 2 2 = a2 1 a2 a3 an a2 1

|AT A I | =

a1 an a2 an

an a2 1 1 1
a2 2

an a3 an an 1 1 1 1
a2 n 2 2 2 = a2 1 a2 a3 an

1
1 a2 1

a2 1

1
a 2 2

1 0

1 0

1 . . . 1 a2 3 0 0
n

. . .

1 1 a2 1 = n1

a2 1

0 a 2

a2 1 =

. . . 0 +

a2 2

a2 n 0

1 1 . . . 1 0

a2 2

a2 3 0 0

a2 n 0 =

a2 2 1 0 a2 3 0 0 a2 n 0

k=1

a2 k

= n1

0 . . . 0

= (1)n n1 (

n k=1

a2 k)

2 2 Sopstvene vrednosti matrice AT A su 1 = a2 1 + a2 + + an ; 2 = 3 = ... = n = 0.

5. Neka je data kvadratna matrica A reda n i neka je njena sopstvena vrednost. Dokazati da je k sopstvena vrednost matrice Ak , k N. Re senje. Neka je x = 0 sopstveni vektor matrice A za . 1) Za k = 1 imamo: Ax = x, pa tvrd enje va zi za k = 1. 2) Pretpostavimo da tvrd enje va zi za neko k N, tj. da va zi Ak x = k x. 3) Ak+1 x = Ak Ax = Ak (x) = Ak x = (k x) = (k )x = k+1 x. Na osnovu principa matemati cke indukcije iz 1), 2) i 3) sledi dokaz tvrd enja u zadatku. 6. Neka je data regularna kvadratna matrica A reda n i neka je njena sopstvena vrednost. Dokazati 1 da je sopstvena vrednost matrice A1 . Re senje. Neka je x = 0 sopstveni vektor matrice A za .
1 1 1 1 1 1 1 1 Iz A1 x = A1 (1 x) = A1 ( x) = A (x) = A (Ax) = (A1 A)x = Ix = x sledi da je

sopstvena vrednost matrice A1 .

7. Odrediti sopstvene vrednosti i sopstvene vektore matrica: (a) 1 2 ; 2 3 (b) 0 1 ; 2 0 (c) 1 1 . 4 4

Rezultat: (a) 1 = 2 = 1, v1 = [1, 1]T ; (b) 1 = 2, 2 = 2, v1 = [1, 2]T , v2 = [1, 2]T ; (c) 1 = 0, 2 = 5, v1 = [1, 1]T , v2 = [0, 1]T . 8. Odrediti sopstvene vrednosti i sopstvene vektore matrica: 1 0 0 1 1 1 1 1 1 1 1 ; (c) 1 1 1 . (a) 0 0 1 ; (b) 1 0 1 0 1 1 1 2 1 0 Rezultat: (a) 1 = 2 = 1, 3 = 1, v1 = [1, 0, 0]T , v2 = [0, 1, 1], v3 = [0, 1, 1]T (b) 1 = 0, 2 = 1, 3 = 2, v1 = [0, 1, 1]T , v2 = [1, 1, 1]T , v3 = [1, 0, 1]T ; (c) 1 = 1, 2 = 2, 3 = 1, v1 = [1, 1, 1]T , v2 = [1, 0, 1]T , v3 = [1, 3, 5]T . 9. Odrediti sopstvene vrednosti i 0 0 0 1 0 1 0 0 1 0 1 0 (a) 0 1 0 0 ; (b) 0 0 1 0 0 0 0 0 sopstvene vektore matrica: 0 0 1 1 1 1 0 0 1 1 1 ; (c) 1 . 0 1 1 1 1 1 1 0 1 1 1 1

Rezultat: (a) 1 = 2 = 1, 3 = 4 = 1, v1 = [1, 0, 0, 1]T , v2 = [0, 1, 1, 0]T , v3 = [0, 1, 1, 0]T , v4 = [1, 0, 0, 1]T ; (b) 1 = 2 = 1, 3 = 4 = 1, v1 = [1, 1, 0, 0]T , v2 = [0, 0, 1, 1]T , v3 = [1, 1, 0, 0]T , v4 = [0, 0, 1, 1]T ; (c) 1 = 2 = 3 = 0, 4 = 4, v1 = [1, 1, 0, 0, ]T , v2 = [0, 1, 1, 0]T , v3 = [0, 0, 1, 1]T , v4 = [1, 1, 1, 1]T . 1 2 1 1 1 0 2 1 . 10. Koriste ci Leveriev metod, odrediti karakteristi cni polinom matrice A = 2 1 1 3 4 5 0 4 Re senje. Prika zimo ukratko Leverijev metod nala zenja karakteristi cnog polinoma kvadratne matrice A reda n. Neka je (A) = {1 , 2 , ..., n } spektar matrice A. Ozna cimo sa sk trag matrice Ak , tj.
n

sk = Tr(Ak ) =
i=1

k i,

k = 1, 2, ..., n.

Neka je P () = |I A| = n + p1 n1 + + pn1 + pn karakteristi cni polinom matrice A. Za k n va ze Njutnove formule na osnovu kojih nalazimo koe-

cijente karakteristi cnog polinoma: 1 pk = (sk + p1 sk1 + + pk1 s1 ) k = 1, 2, ..., n. k Pred imo sada na primenu iznetog Leverijevog metoda. 1 8 4 0 17 6 13 19 125 48 16 104 42 28 8 23 122 23 22 46 9 1 1 9 , A4 = , A3 = A2 = 13 12 43 9 16 22 90 40 41 12 5 8 19 11 3 17 66 120 0 107 15 12 6 7

Imamo da je s1 = 4, s2 = 12, s3 = 44, s4 = 36. Sada dobijamo koecijente karakteristi cnog polinoma matrice A. p1 = s1 = 4;
1 1 p2 = 2 (s2 + p1 s1 ) = 2 (12 + (4)(4)) = 2; 1 1 p3 = 3 (s3 + p1 s2 + p2 s1 ) = 3 (44 + (4)12 + 2(4)) = 28; 1 p4 = 1 4 (s4 + p1 s3 + p2 s2 + p3 s1 ) = 4 (36 + (4)(44) + 2(12) + 28(4)) = 87.

Karakteristi cni polinom matrice A glasi: P () = 4 43 + 22 + 28 87. 1 2 1 1 1 0 2 1 . 11. Koriste ci Fadejev metod, odrediti karakteristi cni polinom matrice A = 2 1 1 3 4 5 0 4 Re senje. Prika zimo ukratko kako izgleda Fadejev metod nala zenja karakteristi cnog polinoma neke kvadratne matrice. Neka je data kvadratna matrica A reda n i deni simo slede ce matrice i veli cine: A1 = A, q1 = Tr(A1 ), 1 q2 = Tr(A2 ), 2 . . . . . . . . . B1 = A1 + q1 I

A2 = AB1 ,

B2 = A2 + q2 I

An = ABn1 ,

1 qn = Tr(An ), n

Bn = An + qn I.

Karakteristi cni polinom matrice A tada glasi: P () = |I A| = n + q1 n1 + + qn1 + qn .

Pred imo sada na primenu iznetog Fadejevog metoda. 1 2 1 1 1 0 2 1 A= 2 1 1 3 4 5 0 4 Za k = 1, 2, 3, 4 ra cunamo Ak = ABk1 1 qk = Tr(Ak ), k Bk = Ak + qk I.

1 2 1 1 1 0 2 1 , A1 = 2 1 1 3 4 5 0 4 3 0 0 4 5 1 9 5 , A2 = 5 16 9 4 1 8 6 9 15 22 1 17 8 24 16 11 , A3 = 5 41 38 4 33 27 21 37 87 0 0 0 0 87 0 0 A4 = 0 0 87 0 , 0 0 0 87 Karakteristi cni polinom matrice A glasi:

q1 = 4,

3 2 1 1 1 4 2 1 ; B1 = 2 1 5 3 4 5 0 0 1 0 0 4 5 1 9 5 B2 = 5 16 11 4 ; 1 8 6 7 43 22 1 17 8 4 16 11 ; B3 = 5 41 10 4 33 27 21 9 0 0 B4 = 0 0 0 0 0 0 0 0 0 0 0 0 . 0 0

q2 = 2,

q3 = 28,

q4 = 87,

P () = 4 43 + 22 + 28 87. 1 2 3 2 . za matricu A = 1 2 3 1 1

12. Koriste ci Kejli-Hamiltonovu teoremu izra cunati A3 i A1 Re senje. Odredimo karakteristi cni polinom matrice A. 1 2 3 1 2 2 3 1 + 2

P () = |I A| =

= 3 2 13 + 19.

10

Na osnovu Kejli-Hamiltonove teoreme va zi P (A) = O, je 8 9 1 1 2 A3 = A2 + 13A 19I = 3 4 3 + 13 0 1 4 6 15 0 0

tj. A3 A2 13A + 19I = O. Odavde sledi da 3 1 0 0 2 35 40 0 19 0 1 0 = 10 11 23 . 1 0 0 1 35 19 30

Da bi dobili A1 pomno zimo jednakost A3 A2 13A + 19I = O sa A1 . 8 9 1 1 1 3 4 3 (A2 A 13I ) = 19 ( Imamo A2 A 13I + 19A1 = O odnosno A1 = 19 4 6 15 6 7 2 1 2 3 1 0 0 1 1 2 4 11 5 . 2 13 0 1 0 ) = 19 7 5 4 3 1 1 0 0 1 13. Na ci matricu A = I drugog reda, sa realnim koecijentima, koja zadovoljava jedna cinu A3 = I . Re senje. Polinom 3 1 = ( 1)(2 + + 1) poni stava matricu A. Karakteristi cni polinom matrice A je realan polinom drugog stepena. Kako je A = I , sledi da je P () = 2 + + 1 karakteristi cni a b polinom matrice A. Prema Kejli-Hamiltonovoj teoremi va zi A2 + A + I = O. Odave za A = c d imamo: a2 + bc ad + bd ca + cd bc + d2 a b c d 1 0 0 1 0 0 0 0

Izjedna cavanjem odgovaraju cih elemenata dobijamo: a(a + 1) + bc + 1 = 0 b(a + d + 1) = 0 c(a + d + 1) = 0 cb + d(d + 1) + 1 = 0 Za b = c = 0 sledi a2 + a + 1 = 0 pa a / R. Zato mora biti a + d + 1 = 0, tj. d = 1 a. Iz cetvrte jedna cine sledi bc + (a 1)(a) + 1 = 0 sto predstavlja jedna cinu identi cnu prvoj jedna cini. To zna ci 2 da jedan broj, recimo b, mo zemo odabrati po volji, a za drugi tada va zi c = a +ba+1 . Prema tome, a b op sti oblik matrice A glasi A = , a, b R, b = 0. a2 +a+1 b a 1 3 1 1 0 5 8 0 ; B = 5 0 8 . 14. Na ci minimalni polinom za slede ce matrice: A = 0 2 1 1 1 8 5 0 Re senje Kako je |A I | = 3 1 1 0 2 0 1 1 1 = ( 2)3

11

sledi da je karakteristi cni polinom posmatrane matrice A polinom ( 2)3 = (3 62 + 12 8) Minimalni polinom matrice A bi mogao biti neki od polinoma 2, ( 2)2 ili ( 2)3 . Kako je A 2I = 0, polinom 2 nije tra zeni minimalni polinom. Kako je (A 2I )2 = A2 4A + I = 0, polinom ( 2)2 = 2 4 + 1 jeste minimalni polinom matrice A. Kako je |B I | = 5 8 5 8 8 5 = ( + 5)( + 8)( 13)

karakteristi cni polinom matrice B je polinom ( + 5)( + 8)( 13) = (3 129 + 520) Kako su sve nule karakteristi cnog polinoma matrice B med u sobom razli cite sledi da je karakteristi cni polinom matrice B ujedno i njen minimalni polinom. 15. Odrediti karakteristi cni i minimalni polinom za slede ce matrice: 4 1 1 1 1 0 0 0 1 2 1 1 ; (b) B = 0 2 0 0 ; (a) A = 6 0 0 2 1 1 1 1 6 1 4 2 0 0 0 2 Rezultat: (a) p() = ( 3)3 ( + 2); () = ( 3)( + 2) (b) p() = ( 1)( 2)3 ; () = ( 1)( 2)2 16. Na ci An , n N ako je A = 3 4 . 1 2

1 n n n n Rezultat: An = 1 3 (2 (1) )A + 3 (2 + 2 (1) ) I, n N.

12

Sli cnost matrica

Matrica A je sli cna sa matricom B akko postoji regularna matrica P tako da je A = P BP 1 . Relacija sli cnosti matrica jeste relacija ekvivalencije. Osobine traga matrice: 1. Tr(AB ) = Tr(BA), 2. Tr(A + B ) = Tr(A) + Tr(B ). Ko si Bineova teorema: det(A B ) = det(A) det(B ).

17. Dokazati da sli cne matrice imaju isti trag, determinantu i karakteristi cni polinom. Re senje. Neka su A i B sli cne matrice. Tada postoji regularna matrica S takva da je B = S 1 AS. Doka zimo da matrice A i B imaju isti trag koriste ci svojstvo Tr(AB ) = Tr(BA). Imamo: Tr(B ) = Tr(S 1 AS ) = Tr(S 1 (AS )) = Tr((AS )S 1 ) = Tr(A(SS 1 ) = Tr(A). Poka zimo da sli cne matrice imaju istu determinantu koriste ci Ko si-Bineovu teoremu: det(B ) = det(S 1 AS ) = det(S 1 ) det(A) det(S ) = det(A)(det(S 1 ) det(S )) = det(A) det(S 1 S ) = det(A) det(I ) = det(A). Poka zimo jo s i da sli cne matrice imaju isti karakteristi cni polinom. det(I S 1 AS ) = det(S 1 IS S 1 AS ) = det(S 1 (I A)S ) = det(S 1 ) det(I A) det(S ) = det(I A)(det(S 1 ) det(S )) = det(I A) det(S 1 S ) = det(I A) det(I ) = det(I A). 18. Ako su A i B sli cne matrice, i q bilo koji polinom, onda su i matrice q (A) i q (B ) sli cne. Re senje. Neka su A i B sli cne matrice. Tada postoji regularna matrica P takva da je B = P 1 AP. Pretpostavimo da je q (t) = c0 + c1 t + c2 t2 + + ck tk . Tada je p(A) = c0 I + c1 A + c2 A2 + + ck Ak odakle sledi P 1 q (A)P = P 1 (c0 + c1 A + c2 A2 + + ck Ak )P = c0 P 1 P + c1 P 1 AP + c2 P 1 A2 P + + ck P 1 Ak P = c0 I + c1 B + c2 B 2 + + ck B k = q (B ). 19. Ako su A i B sli cne matrice, onda su i matrice AT i B T sli cne. Re senje. Neka su A i B sli cne matrice. Tada postoji regularna matrica P takva da je B = P 1 AP. Sada imamo B T = (P 1 AP )T = P T AT (P 1 )T = [(P 1 )T ]1 AT [(P 1 )T ]. Za Q = [(P 1 )T ], dobijamo da je B T = Q1 AT Q odakle sledi da su matrice AT i B T sli cne. 1 1 1 1 0 0 20. Ispitati da li su sli cne matrice B = 0 2 1 i C = 0 2 0 . 0 0 3 0 0 3

13

Re senje. |I B | = ( 1)( 2)( 3) 1 = 1, 2 1 P = 0 0 = 2, 3 = 3, v1 = [1 0 0]T , v2 = [1 1 0]T , v3 = [1 1 1]T . 1 1 1 1 0 1 1 , P 1 = 0 1 1 . 0 1 0 0 1

Sada je B = P CP 1 odakle sledi da su matrice B i C sli cne. Napomena. Matrica A je sli cna sa matricom B ako postoji regularna matrica S tako da je A = S 1 BS . Primetimo da za dato S mo zemo denisati R = S 1 i onda imamo A = RBR1 odakle sledi da mo zemo 1 re ci da su matrice A i B sli cne ako je A = RBR . 21. Dokazati: (a) Ako su A i B sli cne matrice, onda su i matrice A1 i B 1 sli cne. (b) Ako su A i B sli cne matrice, onda su i matrice Ak i B k sli cne za bilo koje k = 1, 2, ...

14

Dijagonalizacija matrica
Kvadratna matrica A reda n sli cna je dijagonalnoj matrici D akko postoji n linearno nezavisnih sopstvenih vektora matrice A. Pored toga, sopstvene vrednosti matrice A nalaze se na glavnoj dijagonali matrice D. Za matricu A ka zemo da se mo ze dijagonalizirati akko je sli cna dijagonalnoj matrici. Svaki izraz oblika A = P DP 1 naziva se dijagonalizacija matrice A.

22. Ispitati da li je mogu ce dijagonalizirati slede ce matrice, i u slu caju da jeste, dijagonaliriati ih. 1 1 ; 2 1 1 0 ; 2 2 3 . 2

(a) A =

1 0 (b) A = 0 1 0 0 1 1 (c) A = 0 1 0 0

Re senje. (a) Kako je |I A| = 1 1 2 + 1 = 2 + 1 ,

zaklju cujemo da su 1 = i i 2 = i sopstvene vrednosti matrice A. Sopstvena vrednost 1 = i ima sopstveni vektor x1 = [1 1 i]T , a sopstvena vrednost 2 = i ima sopstveni vektor x2 = [1 1 + i]T . Sopstvene vrednosti su razli cite, pa su x1 i x2 linearno nezavisni vektori i i 0 1 1 P = P 1 AP = . 0 i 1i 1+i (b) U ovom slu caju je 1 0 1 0 1 0 0 0 2 = ( 1)2 ( 2),

|I A| =

pa matrica A ima dve razli cite sopstvene vrednosti: 1 = 1 algebarske vi sestrukosti 2 i 2 = 2 algebarske vi sestrukosti 1. Sopstvena vrednost 1 = 1 ima dva sopstvena vektora: x1 = [1 0 0]T i x2 = [0 1 0]T , a sopstvena vrednost 2 = 2 jedan sopstveni vektor x3 = [1 0 1]T . Primetimo da su algebarski i geometrijski

15

multiplicitet sopstvene vrednosti 1 jednaki i iznose 2. Zbog toga x1 , x2 vektora i imamo 1 0 1 1 0 1 P = 0 1 0 P AP = 0 1 0 0 1 0 0

i x3 obrazuju bazu sopstvenih 0 0 . 2

(c) I u ovom slu caju je |I A| = ( 1)2 ( 2), pa matrica A ima dve razli cite sopstvene vrednosti: 1 = 1 algebarske vi sestrukosti 2 i 2 = 2 algebarske vi sestrukosti 1. Kako je dimenzija sopstvenog prostora E1 = 1, zaklju cujemo da je geometrijski multiplicitet sopstvene vrednosti 1 jednak 1 i razli cit je od algebarskog multipliciteta ove sopstvene vrednosti. Zbog toga ne postoji baza sopstvenih vektora i matrica A se ne mo ze dijagonalizirati transfrmacijom sli cnosti. 23. Dijagonalizirati slede ce matrice: 0 5 8 4 1 1 (a) A = 5 0 8 ; (b) B = 2 5 2 . 8 5 0 4 4 1
3 Re senje. (a) p() 2 = 129520; 1 = 8, 8 5 1 8 13 1 ; P 1 = [1, 1, 1]T ; P = 13 5 1 D = diag(8, 5, 13) T T = 5, 3 = 13, v1 = [8, 8, 13] , v2 = [5, 13, 5] , v3 = 0.0476 0 0.0476 0.0556 0.0556 0 ; A = P DP 1 , gde je 0.3413 0.2778 0.3810

(b) p () = 3 1 1 1 P = 2 4 0

T T T 8 + 21 3 = 3; v1 = [1, 2, 4] , v2 = [1, 1, 0] , v3 = [1, 0, 1] ; 18; 1 = 2, 2 = 1 1 1 1 1 2 3 2 ; B = P DP 1 , gde je D = diag(2, 3, 3). 0 ;P = 4 4 3 1

24. Dijagonalizirati slede ce matrice: 4 2 6 2 4 3 1 3 ; 4 3 ; (b) 2 (a) 2 6 3 9 2 4 3

4 1 1 (c) 2 5 2 ; 4 4 1

Rezultat: (a) v1 = [1, 1, 1]T , v2 = [2, 1, 0]T , v3 = [3, 0, 2]T , D = diag(1, 0, 0); (b) v1 = [2, 1, 3]T , v2 = [1, 2, 0]T , v3 = [6, 3, 5]T , D = diag(14, 0, 0); (c) v1 = [1, 1, 0]T , v2 = [1, 0, 1]T , v3 = [1, 2, 4]T , D = diag(3, 3, 2) 7 4 0 0 12 7 0 0 25. Neka je data matrica A = 20 11 6 12 . 12 6 6 11 1. Utvrditi da je matrica A nesingularna matrica. 2. Odrediti sopstvene vrednosti 1 , 2 , 3 , 4 matrice A. 3. Odrediti sopstvene vektore matrice A.

16

4. Dijagonalizirati datu matricu. 5. Odrediti kvadratne matrice M1 , M2 , M3 , M4 reda cetiri, tako da je A = 1 M1 + 2 M2 + 3 M3 + 4 M4 . 6. Ako je M = {M1 , M2 , M3 , M4 }, ispitati da li je mno zenje matrica Mi unutra snja operacija u skupu M. 7. Odrediti matricu An (n N). 8. Odrediti matricu A1 . Re senje. 1. Kako je det A = 6 sledi da je matrica A regularna matrica. 2. Iz det(A I ) = ( + 1)( 1)( 2)( 3) dobijamo da su sopstvene vrednosti matrice A 1 = 1, 2 = 1, 3 = 2, 4 = 3. 3. Sopstveni vektori dobijaju se kao re senja sistema jedna cina (i I A)x = O, i = 1, 2, 3, 4 x1 = [1 2 2 1]T , x2 = [2 3 1 0]T , x3 = [0 0 3 2]T , x4 = [0 0 4 3]T 4. 1 2 0 0 2 3 0 0 ; P = [x1 x2 x3 x4 ] = 2 1 3 4 1 0 2 3 1 0 0 2 D= 0 0 0 0 5. Kako je 1 0 0 0 0 0 0 0 0 0 0 2 D = 0 0 0 0 + 0 0 0 0 0 0 0 0 = 1 D1 + 2 D2 + 3 D3 + 4 D4 0 0 0 0 0 0 0 0 + 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 + 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 A = P DP 1 0 0 0 0 = 3 0 0 4 3 2 0 0 2 1 0 0 = 0 1 3 4 1 0 2 3 0 0 2 0 0 0 . 0 3

P 1

1 0 0 0

0 1 0 0

gde su Dk (k = 1, 2, 3, 4) odgovaraju ce dijagonalne matrice, sledi A = P DP 1 = P (1 D1 + 2 D2 + 3 D3 + 4 D4 )P 1 = 1 P D1 P 1 + 2 P D2 P 1 + 3 P D3 P 1 + 4 P D4 P 1 tj. matrica A ima reprezentaciju A = 1 M1 + 2 M2 + 3 M3 + 4 M4 ,

17

gde smo stavili Mk = P Dk P 1 (k = 1, 2, 3, 4). 6. Operacija mno zenja matrica nije unutra snja operacija u skupu M, jer je M i Mj = Mi2 , (j = i) 0 (j = i)

7. Poka zimo prvo da va zi jednakost An = P Dn P 1 . 1) n = 1 : A = P DP 1 i to je ta cno. 2) Pretpostavimo da je An = P Dn P 1 za neko n N. 3) An+1 = AAn = A(P Dn P 1 ) = (P DP 1 )(P Dn P 1 ) = P DDn P 1 = P Dn+1 P 1 . Na osnovu princpia n 1 0 Dn = 0 0 matemati cke indukcije iz 1), 2) i 3) sledi da je An = P Dn P 1 za svako n N. 0 0 0 (1)n 0 0 0 n 0 0 1 0 0 n n n 2 = 0 = n 1 D1 + 2 D2 + 3 D3 + 4 D4 . n 0 3 0 0 0 2n 0 0 0 n 0 0 0 3n 4

Prema tome, matrica An ima oblik

n n n 1 An = P DP 1 = P (n 1 D1 + 2 D2 + 3 D3 + 4 D4 )P 1 1 1 1 = n + n + n + n 1 P D1 P 2 P D2 P 3 P D3 P 4 P D4 P n n n = n 1 M 1 + 2 M2 + 3 M3 + 4 M4

8. U okviru ovog zadatka pod 1. pokazali smo da je matrica A regularna a to zna ci da matrica A ima svoju inverznu matricu. Kako je det D = (1) 1 1 2 3 = 0 sledi da i matrica D ima svoju inverznu matricu. 1 1 0 = (1) 1 1 2 3 0 0 0 0 1 0 1 0 2 0 0 0 0 0
1 3

D 1

Iz A = P DP 1 sledi A1 = (P DP 1 )1 = P D1 P 1 odnosno A 1 1 0 1 P = (1) 1 1 2 3 0 0 0 0 1 0 1 0 2 0 0 0 0 P 1 0

1 3

18

Zordanov kanoni cni oblik

Teorema 1.14. Neka je J Jordanova matrica koja du z glavne dijagonale sadr zi p Jordanovih blokova. Pretpostavimo da razli citi dijagonalni elementi matrice J su 1 , 2 , . . . , k i da se i pojavljuje sa multiplicitetom ai . Pretpostavimo, takod e, da je broj Jordanovih blokova ciji dijagonalni elementi su i jednak gi i da je red najve ceg Jordanovog bloka ciji su dijagonalni elementi i jednak mi (i = 1, 2, . . . k ). Tada je 10 20 30 P () = ( 1 )a1 ( 2 )a2 ( k )ak m() = ( 1 )m1 ( 2 )m2 ( k )mk dim Ei = gi (i = 1, 2, . . . , k )

Pomo cu navedene teoreme, na osnovu karakteristi cnog i minimalnog polinoma, algebarskih i geometrijskih multipliciteta mo zemo odrediti Zordanove oblike nekih matrica. Takod e, kada pomo cu Teoreme 1.14. odredimo Zordanovu kanoni cnu formu date matrice A, 1 mo zemo na osnovu jednakosti A = P JP , tj. AP = P J odrediti i matricu transformacije sli cnosti P . Kada na osnovu Teoreme 1.14. ne mo zemo odrediti Zordanov kanoni cni oblik matrice A ( sto se npr. de sava kod nekih matrica reda 7), onda pristupamo nala zenju generalisanih sopstve nih vektora, pomo cu kojih formiramo matricu transformacije sli cnosti P , a onda do Zordanove 1 1 kanoni cne forme matrice A dolazimo na osnovu jednakosti A = P JP , tj. J = P AP. Algoritam dobijanja n generalisanih sopstvenih vektora matrice A koja je reda n, glasi: 1. Izra cunati sopstvene vrednosti i obi cne sopstvene vektore kvadratne martice A reda n. Odrediti algebarske i geometrijske multiplicitete sopstvenih vrednosti. Razli cite sopstvene vrednosti su 1 , 2 , . . . , k . Za 1 i k sopstvena vrednost i ima algebarski multiplicitet ai i geometrijski multiplicitet gi . 2. U g1 razli citih lanaca izra cunati ukupno a1 linearno nezavisnih generalisanih sopstvenih vektora za 1 . Ozna cimo sa E1 kolekciju linearno nezavisnih lanaca. Po cinjemo sa kolekcijom E1 koja se sastoji od obi cnih sopstvenih vektora koji odgovaraju sopstvenoj vrednosti 1 i koji su odred eni u prethodnom koraku. Podsetimo se da je svaki takav vektor lanac du zine 1. Sada postupamo na slede ci na cin. 2.1 Odrediti bazu B = {v1 , v2 , . . . , vp } nula prostora nul (A 1 I )a1 g1 +1 . 2.2 Ra cunati (A 1 I )j vi (i = 1, 2, . . . , p) sve dok ne nad emo vektor vi , koji je nezavisan od vektora sadr zanih u (lancima od) E1 , i najve ce j , koje cemo ozna citi sa r, takvo da je (A 1 I )r vi = O i (A 1 I )r1 vi = O.

Takav vektor vi je generalisani sopstveni vektor reda r. 2.3 Konstruisati lanac

19

xr = vi xr1 = (A 1 I )vi xr2 = (A 1 I )2 vi . . . x1 = (A 1 I )r1 vi . 2.4 Ako postoji podskup lanaca u E1 koji nisu linearno nezavisni sa lancem {x1 , x2 , . . . , xr } (koristiti lemu 1.6 da se to proveri) tada ukloniti med u ovim lancima onaj sa najmanjom du zinom. Zatim dodati kolekciji E1 lanac {x1 , x2 , . . . , xr }. Korake 2.2-2.4 ponavljati sve dok se ne dobije a1 vektora u kolekciji E1 . 3. Ponoviti drugi korak za preostale sopstvene vrednosti 2 , . . . , k . Na ovaj na cin dobijena je kolekcija E = E1 E 2 . . . E k koja sadr zi ta cno n generalisanih sopstvenih vektora. Pomo cu ove kolekcije formira se matrica P koja matricu A transformacijom sli cnosti prevodi u njen Jordanov kanoni cki oblik J 26. Neka je data matrica 0 1 0 A = 4 4 0 . 2 1 2 Odrediti Zordanovu kanoni cnu formu matrice A i odrediti bazu u kojoj matrica A ima Zordanovu formu (tj. odrediti matricu transformacije sli cnosti P ). Re senje. Za datu matricu A imamo: p() = ( 2)3 , m() = ( 2)2 . Sopstvene vrednosti matrice A su 1 = 2 = 3 = 2. Primenimo Teoremu 1.14. da bi odredili Zordanov kanoni cni oblik.: Za 1 = 2 imamo: a1 = 3, g1 = 2, m1 = 2. a1 = 3 u Zordanovoj kanoni cnoj formi matrice A, broj 2 se na glavnoj dijagonali pojavljuje 3 puta, g1 = 2 broj Zordanovih blokova za sopstvenu vrednost 2 iznosi 2, m1 = 2 Zordanova kanoni cna forma matrice A ima za sopstvenu vrednost 2 bar jedan Zordanov blok reda 2. Sada je 2 1 0 J = 0 2 0 . 0 0 2 Odredimo matricu transformacije sli cnosti P za koju podsetimo se va zi AP = P J . Ako su v1 , v2 , v3 kolone tra zene matrice P , onda zbog AP = P J va zi

20

 2 1 0 A [v1 v2 v3 ] = [v1 v2 v3 ] 0 2 0 . 0 0 2 Odavde dobijamo [Av1 Av2 Av3 ] = [2v1 v2 + 2v2 2v3 ], odakle formiramo sisteme jedna cina: Av1 = 2v1 Av2 = v1 + 2v2 Av3 = 2v3 odakle se najpre dobije v1 = v2 = (, 2, ) = (1, 2, 0) + (0, 0, 1), tj. v1 = (1, 2, 1) za = 1, = 1, odnosno v3 = (0, 0, 1) za = 0, = 1 i to su sopstveni vektori koji odgovaraju vrednosti = 2. Vektor v2 se odred uje zamenjivanjem v1 svojom vredno s cu i re savanjem odgovaraju ceg sistema koji se dobija iz druge jedna cine. Tako se nalazi da je v2 = (0, 1, 0). Dakle, 1 0 0 P = 2 1 0 . 1 0 1 27. Neka je data matrica 4 1 1 1 1 2 1 1 . A= 6 1 1 1 6 1 4 2 Odrediti Zordanovu kanoni cnu formu matrice A i odrediti bazu u kojoj matrica A ima Zordanovu formu (tj. odrediti matricu transformacije sli cnosti P ). Re senje. Za datu matricu A imamo: p() = ( 3)3 ( + 2), m() = ( 3)2 ( + 2). Sopstvene vrednosti matrice A su 1 = 2 = 3 = 3, 4 = 2. Za 1 = 3 imamo: a1 = 3, g1 = 2, m2 = 2. a1 = 3 broj 3 se u Zordanovoj kanoni cnoj formi matrice A pojavljuje 3 puta, g1 = 2 broj Zordanovih blokova za sopstvenu vrednost 3 iznosi 2, m1 = 2 Zordanova kanoni cna forma matrice A ima za sopstvenu vrednost 3 bar jedan Zordanov blok reda 2. Za 4 = 2 imamo: a4 = 1, g4 = 1, m4 = 1. a4 = 1 broj -2 se u Zordanovoj kanoni cnoj formi matrice A pojavljuje 1 put, g4 = 1 broj Zordanovih blokova za sopstvenu vrednost -2 iznosi 1, m4 = 1 Zordanova kanoni cna forma matrice A ima za sopstvenu vrednost 1, jedan Zordanov blok reda 1.

21

Sada je 2 0 J = 0 0 0 3 0 0 0 1 3 0 0 0 . 0 3 (1)

Napomena 1. Zordanov kanoni cni oblik matrice A je jedinstven do na permutaciju Zordanovih blokova, sto zna ci da mo zemo po glavnoj dijagonali permutovati Zordanove blokove. Zordanova ka noni cna forma (1) je prikazana uz pomo c Matlab-a. Dakle, ne mora se koristiti permutacija Zordanovih blokova kao u (1), ve c mo ze po izboru i neka druga permutacija Zordanovih blokova da se prika ze. Odredimo matricu transformacije sli cnosti P za koju podsetimo se va zi AP = P J . Ako su v1 , v2 , v3 , v4 kolone tra zene matrice P , onda zbog AP = P J va zi 2 0 A [v1 v2 v3 v4 ] = [v1 v2 v3 v4 ] 0 0 0 3 0 0 0 1 3 0 0 0 . 0 3

Odavde dobijamo [Av1 Av2 Av3 Av4 ] = [2v1 3v2 v2 + 3v3 3v4 ] odakle formiramo sisteme jedna cina: Av1 Av2 Av3 Av4 = 2v1 = 3v2 = v2 + 3 v3 = 3v4 .

Re savanjem navedenih sistema jedna cina dolazimo do matrice 0 1 1 1.2 0 1 0 0.2 P = 1 1 1 1.2 1 1 1 2.2

Prika zimo sada kako bi izgledao kod u Matlab-u za nala zenje Zordanove kanoni cne forme i odgovaraju ce matrice transformacije sli cnosti P : >> A=[4 1 1 1; -1 2 -1 -1; 6 1 -1 1; -6 -1 4 2] A = 4 -1 6 -6 1 2 1 -1 1 -1 -1 4 1 -1 1 2

22

>> [P,J]=jordan(A) P = 0 0 -1.0000 1.0000 1.0000 -1.0000 1.0000 -1.0000 1.0000 0 1.0000 -1.0000 -1.2000 0.2000 -1.2000 2.2000

J = -2 0 0 0 0 3 0 0 0 1 3 0 0 0 0 3

28. Neka je data matrica 1 1 2 2 1 0 A= 1 0 1 0 1 2 0 2 . 1 1

Odrediti Zordanovu kanoni cnu formu matrice A i odrediti bazu u kojoj matrica A ima Zordanovu formu (tj. odrediti matricu transformacije sli cnosti P ). Re senje. Za datu matricu A imamo: p() = ( 1)4 , m() = ( 1)2 . Sopstvene vrednosti matrice A su 1 = 2 = 3 = 4 = 1. Za sopstvenu vrednost 1 = 1 imamo: a1 = 4, g1 = 2, m1 = 2. a1 = 4 sopstvena vrednost 1 se pojavljuje cetiri puta na glavnoj dijagonali Zordanove kanoni cne forme matrice A, g1 = 2 broj Zordanovih blokova za sopstvenu vrednost 2 iznosi 2, m1 = 2 Zordanova kanoni cna forma matrice A ima za sopstvenu vrednost 2 bar jedan Zordanov blok reda 2 Sada je 1 0 J = 0 0 1 1 0 0 0 0 1 0 0 0 . 1 1

Odredimo matricu transformacije sli cnosti P za koju podsetimo se va zi AP = P J . Ako su v1 , v2 , v3 , v4 kolone tra zene matrice P , onda zbog AP = P J va zi

23

1 0 A [v1 v2 v3 v4 ] = [v1 v2 v3 v4 ] 0 0 Odavde dobijamo [Av1 Av2 Av3 Av4 ] = [v1 v1 + v2 v3 v3 + v4 ] odakle formiramo sisteme jedna cina: Av1 Av2 Av3 Av4 = v1 = v1 + v2 = v3 = v3 + v4 .

1 1 0 0

0 0 1 0

0 0 . 1 1

Re savanjem navedenih sistema jedna cina dolazimo do matrice 0 1 2 0 2 0 0 0 . P = 1 0 0 1 0 0 2 0 29. Neka je data matrica A= 1 0 0 1 1 0 1 2 3 3 0 0 1 2 2 . 1 1 1 0 1 1 1 1 1 2

Odrediti Zordanovu kanoni cnu formu matrice A i odrediti bazu u kojoj matrica A ima Zordanovu formu (tj. odrediti matricu transformacije sli cnosti P ). Re senje. Za datu matricu A imamo: p() = ( 1)4 ( + 1), m() = ( 1)2 ( + 1). Sopstvene vrednosti matrice A su 1 = 2 = 3 = 4 = 1, 5 = 1. Za 1 = 1 imamo: a1 = 4, g1 = 2, m1 = 2. a1 = 4 broj 1 se pojavljuje cetiri puta na glavnoj dijagonali Zordanove kanoni cne forme matrice A, g1 = 2 broj Zordanovih blokova za sopstvenu vrednost 1 iznosi 2, m1 = 2 Zordanova kanoni cna forma matrice A ima za sopstvenu vrednost 1 bar jedan Zordanov blok reda 2. Za 4 = 1 imamo: a4 = 1, g4 = 1, m4 = 1. a4 = 1 broj -1 se u Zordanovoj kanoni cnoj formi matrice A pojavljuje 1 put, g4 = 1 broj Zordanovih blokova za sopstvenu vrednost -1 iznosi 1, m4 = 1 Zordanova kanoni cna forma matrice A ima za sopstvenu vrednost -1, jedan Zordanov blok reda 1.

24

Sada je J = 1 0 0 0 0 0 1 1 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 1 .

Na sli can na cin kao u prethodnim zadacima nalazimo da je P = 0 0 0 1 1 1 0 1 0.5 0 0.5 1 0.5 0 0.5 0 1 . 0 0 0 0 0 0 0 1

30. Neka je data matrica 1 0 A= 0 0 2 1 0 0 3 2 1 0 4 3 . 2 1

Odrediti Zordanovu kanoni cnu formu matrice A i odrediti bazu u kojoj matrica A ima Zordanovu formu (tj. odrediti matricu transformacije sli cnosti P ). Re senje. Za datu matricu A imamo: p() = ( 1)4 , m() = ( 1)4 . Sopstvene vrednosti matrice A su: 1 = 2 = 3 = 4 = 1. Za 1 = 1 imamo: a1 = 4, g1 = 1, m1 = 4. a1 = 4 broj 1 se na glavnoj dijagonali Zordanove kanoni cne forme matrice A pojavljuje 4 puta, g1 = 1 broj Zordanovih blokova za sopstvenu vrednost 1 iznosi 1, m1 = 4 Zordanova kanoni cna forma matrice A ima za sopstvenu vrednost 1, jedan Zordanov blok reda 4. Sada je: 1 0 J = 0 0 1 1 0 0 0 1 1 0 0 0 . 1 1

Na sli can na cin kao u prethodnim zadacima se dobija da je 8 0 P = 0 0 0 0 0 4 3 2.5 . 0 2 3 0 0 1

25

31. Neka je data matrica A= 0 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 .

Odrediti Zordanovu kanoni cnu formu matrice A. Re senje. Za datu matricu A imamo: p() = 5 1 = ( 1)( )( 2 )( 3 )( 4 ), gde je 2i = e 5 ; m() = p(). S obzirom da su sve sopstvene vrednosti date matrice med usobno razli cite, to 2 3 4 imamo da je Zordanov kanoni cni oblik matrice A dijagonalna matrica J = diag(, , , , 1). 0 1 0 0 0 0 0 1 0 0 . 32. Na ci Zordanovu formu matrice A = . . . 0 0 0 0 1 1 0 0 0 0 Re senje. Karakteristi cni polinom date matrice glasi p() = n 1. Po sto su sve nule polinoma p() proste, to je on jednak minimalnom polinomu, tako da Zordanova forma date matrice A je dijagonalna 2ik matrica sa vrednostima 0 , 1 , ..., n1 na glavnoj dijagonali, gde je k = e n , k = 0, 1, 2, ..., n 1. To je zato jer su sopstvene vrednosti brojevi n 1 C. 33. Koriste ci generalisane sopstvene vektore na ci Zordanovu formu matrice A= 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 .

Re senje. Karakteristi cni polinom date matrice glasi p() = 5 . Za sopstvenu vrednost = 0 imamo slede ce: a1 = 5, g1 = 2, sto zna ci da treba u 2 lanca na ci 5 linearno nezavisnih generalisanih sopstvenih vektora. Po cinjemo od ,,obi cnih sopstvenih vektora x1 = (1, 0, 0, 0, 0)T = e1 , x2 = (0, 1, 0, 0, 0)T = e2 . Dakle, E1 = {{e1 }, {e2 }}. Kako je a1 g1 + 2 = 4 nad imo bazu prostora nul(A 0I )4 . Jednostavno se dobija da je nul(A 4 0I ) = L{e1 , e2 , e3 , e4 , e5 }, gde je e1 = (1, 0, 0, 0, 0)T , e2 = (0, 1, 0, 0, 0)T , e3 = (0, 0, 1, 0, 0)T , e4 = (0, 0, 0, 1, 0)T , e5 = (0, 0, 0, 0, 1)T . Pred imo na tra zenje generalisanih sopstvenih vektora. Kako je (A 0I )e1 = O, (A 0I )e2 = O, (A 0I )e3 = e1 , (A 0I )2 e3 = 0 zaklju cujemo da je e3 generalisani sopstveni vektor reda 2. Formirajmo lanac

26

x1 2 = e3 x1 1 = (A 0I )e3 = e1 . Kako je E1 = {{e1 }, {e2 }} i lanac {e1 } nije linearno nezavisan sa lancem {e1 , e3 } dobijamo da je sada E1 = {{e1 , e3 }, {e2 }}. Sada nam nedostaju jo s dva linearano nezavisna generalisana sopstvena vektora. Kako je (A 0I )e4 = e2 , (A 0I )2 e4 = O zaklju cujemo da je e4 generalisani sopstveni vektor reda 2. Formirajmo lanac x2 2 = e4 x2 1 = (A 0I )e4 = e2 . Kako je E1 = {{e1 , e3 }, {e2 }} i lanac {e2 } nije linearno nezavisan sa lancem {e2 , e4 } dobijamo da je sada E1 = {{e1 , e3 }, {e2 , e4 }}. Sada nam nedostaje jo s jedan gerelasiani sopstveni vektor. Kako je (A 0I )e5 = e3 , (A 0I )2 e5 = e1 , (A 0I )3 e5 = O zaklju cujemo da je e5 generalisani sopstveni vektor reda 3. Formirajmo lanac x3 3 = e5 x3 2 = (A 0I )e5 = e3
2 x3 1 = (A 0I ) e5 = e1

Kako je E1 = {{e1 , e3 }, {e2 , e4 }} i lanac {e1 , e3 } nije linearno nezavisan sa lancem {e1 , e2 , e5 } dobijamo da je sada E1 = {{e1 , e3 , e5 }, {e2 , e4 }}. Kako data matrica nema vi se sopstvenih vrednosti zaklju cujemo da je E = E1 = {{e1 , e3 , e5 }, {e2 , e4 }}. Sada na osnovu kolekcije E dobijamo matricu transformacije sli cnosti P koja glasi: P = 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 1 0 .

27

Njoj inverzna matrica glasi: P

1

1 0 0 0 0

0 0 0 1 0

0 1 0 0 0

0 0 0 0 1

0 0 1 0 0

Zordanov oblik matrice A sada glasi J =P

1

AP =

0 0 0 0 0

1 0 0 0 0

0 1 0 0 0

0 0 0 0 0

0 0 0 1 0

34. Neka je data matrica A= 2 0 0 0 0 0 0 1 2 0 0 0 0 0 3 2 2 0 0 0 0 0 0 0 2 0 0 0 0 0 0 1 2 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 2 .

Odrediti Zordanovu kanoni cnu formu matrice A i odrediti bazu u kojoj matrica A ima Zordanovu formu (tj. odrediti matricu transformacije sli cnosti P ). Re senje. Za datu matricu A imamo: p() = ( 2)7 , m() = ( 2)3 . Sopstvene vrednosti matrice A su: 1 = 2 = 3 = 4 = 5 = 6 = 7 = 2. Za 1 = 2 imamo: a1 = 7, g1 = 3, m1 = 3. a1 = 7 broj 2 se na glavnoj dijagonali Zordanove kanoni cne forme matrice A pojavljuje 7 puta, g1 = 3 broj Zordanovih blokova za sopstvenu vrednost 2 iznosi 3, m1 = 3 Zordanova kanoni cna forma matrice A ima za sopstvenu vrednost 2 bar jedan Zordanov blok reda 3. Sada ne mo zemo na osnovu Teoreme 1.14. dati odgovor kako izgleda Zordanov kanoni cni oblik matrice A, jer iz datih podataka mo zemo dobiti dve su stinski razli cite Zordanove kanoni cne forme date matrice A (ne radi se o razlici u smislu permutacije blokova - to smo ve c rekli da nije razlika med u Zordanovim kanoni cnim formama zato sto je Zordanov kanoni cni oblik odred en jednozna cno do na permutaciju). Zapravo, iz datih podataka dobijamo slede ce dve forme: J3 (2)+ J1 (2) J = J3 (2)+ i J2 (2)+ J2 (2). J = J3 (2)+

28

 J =

1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1

J =

1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1

S obzirom da ne mo zemo utvrditi koja od navedene dve forme jeste Zordanova kanoni cna forma date matrice A, pristupamo nala zenju generalisanih sopstvenih vektora matrice A. U tu svrhu primeni cemo algoritam koji je naveden u teorijskom izlaganju. Ve c smo odredili da je za 1 = 2: a1 = 7, g1 = 3. Sada treba u 3 lanca odrediti ukupno 7 linearno nezavisnih generalisanih sopstvenih vektora. Po cinjemo od ,,obi cnih sopstvenih vektora. Za 1 = 2 sopstveni vektori su: e1 = (1, 0, 0, 0, 0, 0, 0)T , e4 = T (0, 0, 0, 1, 0, 0, 0) , e7 = (0, 0, 0, 0, 0, 0, 1)T . Dakle, po cetna kolekcija glasi: E1 = {{e1 }, {e4 }, {e7 }}. Odredimo bazu nula prostora nul(A 2I )a1 g1 +1 . Kako je a1 g1 + 1 = 5 i kako je (A 2I )5 = O zaklju cujemo da je nul(A 2I ) = L{e1 , e2 , e3 , e4 , e5 , e6 , e7 }, gde su e1 = (1, 0, 0, 0, 0, 0, 0)T , e2 = (0, 1, 0, 0, 0, 0, 0)T , e3 = (0, 0, 1, 0, 0, 0, 0)T , e4 = (0, 0, 0, 1, 0, 0, 0)T , e5 = (0, 0, 0, 0, 1, 0, 0)T , e6 = (0, 0, 0, 0, 0, 1, 0)T , e7 = (0, 0, 0, 0, 0, 0, 1)T . Kako je (A 2I )e1 = O, (A 2I )e2 = e1 = O, (A 2I )2 e2 = O, zaklju cujemo da je e2 generalisani sopstveni vektor reda 2. Formirajmo lanac: x1 2 = e2 x1 1 = (A 2I )e2 = e1 Kako {e1 } nije linearno nezavisan sa {e1 , e2 } to iz E1 uklanjamo {e1 } a dodajemo {e1 , e2 } i sada dobijamo da je E1 = {{e1 , e2 }, {e4 }, {e7 }}. U kolekciji E1 imamo 4 linearno nezavisna generalisana sopstvena vektora raspodeljena u tri lanca, a podsetimo se nama treba ukupno sedam linearno nezavisnih vektora raspodeljenih u tri lanca. Zato idemo dalje u tra zenje novih generalisanih sopstvenih vektora koji su linearno nezavisni sa vektorima koji se trenutno nalaze u E1 . Kako je (A 2I )e3 = (3, 2, 0, 0, 0, 0, 0)T = f3,2 = O, (A 2I )2 e3 = 2e2 = O, (A 2I )3 e3 = O, zaklju cujemo da je e3 generalisani sopstveni vektor reda 3. Formirajmo lanac: x2 3 = e3 x2 2 = (A 2I )e3 = f3,2

29

2 x2 1 = (A 2I ) e3 = 2e1

Kako {e1 , e2 } nije linearno nezavisan sa {2e1 , f2,3 , e3 }, lanac {e1 , e2 } uklanjamo i dodajemo lanac {2e1 , f3,2 , e3 }. Sada kolekcija E1 glasi: E1 = {{2e1 , f2,3 , e3 }, {e4 }, {e7 }}. Jo s uvek nemamo 7 linearno nezavisnih generalisanih sopstvenih vektora raspodeljenih u 3 lanca, pa zato idemo dalje u tra zenje novih generalisanih sopstvenih vektora. Kako je (A 2I )e4 = O, (A 2I )e5 = e4 = O, (A 2I )2 e5 = O zaklju cujemo da je e5 generalisani sopstveni vektor reda 2. Formirajmo lanac: x3 2 = e5 x3 1 = (A 2I )e5 = e4 Kako {e4 } nije linearno nezavisan sa {e4 , e5 }, lanac {e4 } uklanjamo i dodajemo lanac {e4 , e5 }. Sada kolekcija E1 glasi: E1 = {{2e1 , f2,3 , e3 }, {e4 , e5 }, {e7 }}. Sada nam fali jo s samo jedan generalisani sopstveni vektor. Zato idemo dalje. Kako je (A 2I )e6 = e5 = O, (A 2I )2 e6 = e4 = O, (A 2I )3 e6 = O zaklju cujemo da je e6 generalisani sopstveni vektor reda 3. Formirajmo lanac: x4 3 = e6 x4 2 = (A 2I )e6 = e5
2 x4 1 = (A 2I ) e6 = e4

Kako {e4 , e5 } nije linearno nezavisan sa {e4 , e5 , e6 }, uklanjamo lanac {e4 , e5 } i dodajemo lanac {e4 , e5 , e6 }. Sada kolekcija E1 glasi: E = E1 = {{2e1 , f2,3 , e3 }, {e4 , e5 , e6 }, {e7 }}. Sada u kolekciji imamo 7 generalisanih sopstvenih vektora koji su linearno nezavisni i koji su raspored eni u 3 lanca, pa mo zemo formiratu matricu transformacije sli cnosti P : P = 2 0 0 0 0 0 0 3 2 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 .

30

Inverzna matrica matrice P glasi: = 0.5 0.75 0 0 0 0 0 0.5 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 .

P 1

Kona cno, na osnovu matrica P i P 1 dobijamo Zordanovu kanoni cnu formu matrice A: 1 J = P AP = 2 0 0 0 0 0 0 1 2 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 2 0 0 0 0 0 0 1 2 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 2 .

35. Neka je data matrica: A= 4 5 5 7 6 9 0 0 0 0 0 0 2 0 3 0 4 0 0 0 0 4 0 2 0 0 0 1 4 1 0 0 0 0 0 0 .

Odrediti Zordanovu kanoni cnu formu matrice A i odrediti bazu u kojoj matrica A ima Zordanovu formu (tj. odrediti matricu transformacije sli cnosti P ). 0 1 0 0 0 0 1 2 3 0 0 0 0 0 0 0 0 0 2 3 3 0 0 0 0 0 1 0 0 0 3 3 3 0 0 0 . Rezultat. J = ; P = 0 0 0 0 2 1 0 0 0 0 0 0 0 0 0 0 2 1 0 0 0 0 4 0 0 0 0 1 0 1 0 0 0 0 0 2 4 2 10 4 3 7 , a zatim odrediti bazu u kojoj A ima 36. Na ci Zordanovu formu matrice A = 3 1 7 Zordanovu formu, tj. matricu P takvu da je AP = P J

31

 2 1 0 2 2 1 Rezultat: J = 0 2 1 ; P = 1 2 2 . 0 0 2 1 1 0 37. Ako postoji prirodan broj n tako da je An = I , dokazati da je matrica A sli cna sa dijagonalnom matricom. 5 4 2 1 0 1 1 1 . 38. Odrediti Zordanovu formu matrice A = 0 0 1 0 0 0 0 2 1 1 0 0 0 1 0 0 Rezultat: J = 0 0 2 0 . 0 0 0 5 2 2 1 1 0 0 0 2 1 1 0 0 0 0 2 0 1 1 . 39. Odrediti Zordanovu formu matrice A = 0 0 0 1 1 1 0 0 0 0 2 3 0 0 0 0 0 1 1 1 0 0 0 0 0 1 0 0 0 0 0 0 2 1 0 0 . Rezultat: J = 0 0 0 2 1 0 0 0 0 0 2 1 0 0 0 0 0 2 1 3 1 2 0 a zatim na ci A100 . 40. Odrediti Zordanovu formu matrice A = 1 0 1 2 Re senje. Znaju ci Zordanovu formu mo zemo denisati matri cnu funkciju na slede ci na cin. Ako je 1 A = P JP veza matrice i njene Zordanove forme, = {1 , ..., k } spektar matrice A i f : R R funkcija denisana u ta ckama spektra, tada se f (A) deni se formulama f (A) = P f (J )P 1 . Tu je f (J ) dijagonalna blok-matrica gde se blok f (J1 ) deni se na slede ci na cin: f (J1 ) = f () f () 0 f () 0 0 . . . 0 0
1 2! f

() f () f () 0

1 3! f 1 2! f

() () f () 0

1 (n1) () (n1)! f 1 (n2) () (n2)! f 1 (n3) () (n3)! f

f ()

32

Specijalno, za matricu reda 3 va zi f () f () 0 f () f (J1 ) = 0 0

1 2f

() f () . f ()

Pred imo sada na re savanje zadatka primenjuju ci pomenutu matri cnu funkciju. Odredimo prvo Zordanovu kanoni cnu formu matrice A, a zatim i matrice P i P 1 . Za datu matricu A imamo: p() = ( 1)3 , m() = ( 1)3 . Sopstvene vrednosti matrice A su 1 = 2 = 3 = 1. Za 1 = 1 imamo: a1 = 3, g1 = 1, m1 = 3 odakle dobijamo da je 1 1 0 J = 0 1 1 0 0 1 Iz jednakosti AP = P J dolazimo do 1 2 1 P = 1 1 0 . 1 0 0 Njena inverzna matrica je 0 0 1 = 0 1 1 . 1 2 1

P 1

Prikaz matrice A pomo cu Zordanove forme glasi: 0 0 1 1 1 0 1 2 1 = 1 1 0 0 1 1 0 1 1 . 0 0 1 1 2 1 1 0 0

A = P JP 1

Sada imamo f (1) f (1) f (1) =P 0 0 0

1 2f

f (A) = P f (J )P 1

(1) f (1) P 1 . f (1)

U zadatku je f () = 100 , f () = 10099 , f () = 990098 . Kona cno dobijamo 1 2 1 1 100 4950 0 0 1 4751 9600 4850 100 0 1 1 = 4850 9799 4950 . = 1 1 0 0 1 1 0 0 0 0 1 1 2 1 4950 10000 5051

A100

33

Specijalne matrice
Kvadratna matrica A je simetri cna ako i samo ako je AT = A. Kvadratna matrica A je koso-simetri cna ako i samo ako je T A = A. AH = AT = (A)T Kvadratna matrica A je hermitska ako i samo ako je AH = A. Kvadratna matrica A je koso-hermitska ako i samo ako je AH = A. Kvadratna matrica A je ortogonalna ako i samo ako je AT A = I . Kvadratna matrica A je unitarna ako i samo ako je AAH = I . Kvadratna matrica A je normalna ako i samo ako je AAH = AH A. Kvadratna matrica A je nilpotentna ako i samo ako Ak = O za neki prirodan broj k . Kvadratna matrica A je idempotentna ako i samo ako je A2 = A. Kvadratna matrica A je involutivna ako i samo ako je A2 = I . Kvadratna matrica A je cirkularna ako i samo ako je AA = I .

41. Neka je A kvadratna matrica. Proveriti tvrd enja: 1. A + AT je simetri cna matrica. 2. A AT je koso-simetri cna matrica. 3. A + AH je hermitska matrica. 4. A AH je koso-hermitska matrica. 5. AAT je simetri cna matrica. 6. AAH je hermitska matrica. Re senje. 1. Kako je (A + AT )T = AT + (AT )T = AT + A = A + AT sledi da je A + AT simetri cna matrica. 2. Kako je (A AT )T = (A + (AT ))T = AT + (AT )T = AT (AT )T = AT A = (A AT ) sledi da je A AT koso-simetri cna matrica. 3. Kako je (A + AH ) = AH + (AH )H = AH + A = A + AH sledi da je A + AH hermitska matrica. 4. Kako je (A AH )H = (A + (AH ))H = AH + (AH )H = AH (AH )H = AH A = (A AH ) sledi da je A AT koso-hermitska matrica.

34

5. Kako je (AAT )T = AAT sledi da je AAT simetri cna matrica. Ina ce, za proizvoljne dve kvadratne T T T matrice va zi: (AB ) = B A . 6. Kako je (AAH )H = AAH sledi da je AAH hermitska matrica. Ina ce, za proizvoljne dve kvadratne matrice va zi: (AB )H = B H AH . 42. Dokazati tvrd enja: 1. Proizvod dve ortogonalne matrice je ortogonalna matrica. 2. Proizvod dve unitarne matrice je unitarna matrica. Re senje. 1. Neka su A i B ortogonalne matrice. Tada za njih va zi AT A = I, B T B = I . Poka zimo da je AB ortogonalna matrica. Zaista, (AB )T AB = B T AT AB = B T IB = B T B = I. 2. Neka su A i B unitarne matrice. Tada za njih va zi AAH = I, BB H = I. Poka zimo da je AB unitarna matrica. Zaista, AB (AB )H = ABB H AH = AIAH = AAH = I. 43. Proveriti tvrd enje: Ako je A ortogonalna matrica, tada det(A) ima vrednost +1 ili -1. Re senje. A je ortogonalna, pa va zi da je AT A = I . Pred imo na determinante u poslednjoj jednakosti. Dobijamo: det(AT A) = det(I ) det(A) det(AT ) = 1 . 2 det(A) = 1 det(A) = 1. 44. Dokazati tvrd enja: 1. Proizvod simetri cnih matrica A i B je simetri cna matrica ako i samo ako je AB = BA. 2. Ako je A simetri cna matrica, tada je i An , n N takod e simetri cna matrica. Re senje. Neka je AB simetri cna matrica. Tada je AB = (AB )T = B T AT = BA. Obrnuto, neka va zi AB = BA. Tada je (AB )T = B T AT = BA = AB. 2. (An )T = (A A A)T = AT AT AT = A A A = An . 45. Dokazati da se svaka kvadratna matrica reda n mo ze na jedinstven na cin predstaviti kao zbir jedne simetri cne i jedne kososimetri cne matrice, obe reda n. Re senje. Neka je X kvadratna matrica reda n i neka je A simetri cna i B koso-simetri cna matrica, tj. T T A = A, B = B . Odredimo prvo oblik matrice X . Imamo X =A+B

35

X T = (A + B )T = AT + B T = A B
1 T T Sada je X + X T = 2A i X X T = 2B odakle sledi da je A = 1 zeno 2 (X + X ) i B = 2 (X X ). Tra predstavljanje matrice X sada glasi:

1 1 X = (X + X T ) + (X X T ) 2 2
T T gde je 1 cna i 1 cna matrica (na osnovu zadataka 1.). 2 (X + X ) simetri 2 (X X ) koso-simetri

Doka zimo da je ovakvo predstavljanje matrice X jedinstveno. Neka je X = A1 + B1 , gde je A1 simetri cna i B1 koso-simetri cna matrica. Pretpostavimo sada da postoji simetri cna matrica A2 i kososimetri cna matrica B2 tako da je X = A2 + B2 . Imamo da je A1 + B1 = A2 + B2 = X odakle je A1 A2 = B2 B1 = X odakle sledi da je X = X T i X = X T . Sada je X = O odakle sledi da je A1 = A2 i B 1 = B 2 . AH . 46. Dokazati tvrd enje: Ako je A unitarna matrica, unitarne su i matrice AT , A, Re senje. Neka je A unitarna matrica. Tada je AAH = I. Odavde takod e va zi i da je AH = A1 . AT je unitarna: AT (AT )H = AT (AT )T = AT (AH )T = AT (A1 )T = AT (AT )1 = I A je unitarna: A (A)H = A (A ) = A AH = A A1 = (A A1 ) = I. AH je unitarna: AH (AH )H = AH A = A1 A = I. 47. Ako je matrica A normalna i trougaona, dokazati da je tada ona dijagonalna. Re senje. Neka je A = (aij ), na primer, gornja trougaona matrica reda n, tj. aij = 0 (i > j ). Pretpostavimo da je ona takod e normalna, tj. AAH = AH A. i-ti dijagonalni element matrice AAH je
n n T

(2)

aij aij =
j =1 j =1

|aij |2 .

i-ti dijagonalni element matrice AH A je

n n

= aji aji =
j =1 j =1

|aji |2 .

Na osnovu (2) mo zemo izjedna citi ove zbirove

36

|aij |2 =
j =1 j =1

|aji |2

(i = 1, 2, ..., n)

(3)

Odavde za i = 1 dobijamo
n

|a1j |2 = |a11 |2 ,
j =1

odakle sledi a12 = a13 = = a1n = 0. Na osnovu toga, iz (3) za i = 2 dobijamo

n 2 |a2 2j | = |a22 | , j =1

odakle sledi a23 = a24 = = a2n = 0. Nastavljaju ci ovaj postupak, zaklju cujemo da su svi elementi iznad glavne dijagonale matrice A jednaki nuli, sto zna ci da je A dijagonalna matrica. 48. Dokazati tvrd enja: 1. Proizvod hermitskih matrica A i B je hermitska matrica ako i samo ako je AB = BA. 2. Ako je A koso-simetri cna matrica, tada je An simetri cna matrica, ako je n paran broj, i kososimetri cna matrica, ako je n neparan broj. 49. Dokazati da zbir i razlika dve simetri cne matrice je simetri cna matrica, a zbir i razlika dve koso-simetri cne matrice je koso-simetri cna matrica. 50. Dokazati da se svaka kvadratna matrica reda n mo ze na jedinstven na cin predstaviti kao zbir jedne hermitske i jedne koso-hermitske matrice.

37