LA2 Vjezbe v7 PDF

Linearna algebra 2
vjeºbe
ii
Sadrºaj
1 Linearni operatori 1
2 Linearni funkcionali. Dualni prostor. 15
3 Matri£ni prikaz (zapis) linearnog operatora 21
3.1 Promjena baze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4 Spektar 29
4.1 Sustavi linearnih rekurzija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5 Unitarni prostori 49
5.1 Denicije i osnovna svojstva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.2 Ortonormirani sustavi vektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.3 Ortogonalni komplement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.4 Operatori na unitarnim prostorima . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.5 Dijagonalizacija u ortonormiranoj bazi . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.6 Najbolja aproksimacija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.7 QR faktorizacija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.7.1 Veza s problemom najmanje udaljenosti/najbolje aproksimacije . . . . . . . . 69
5.8 Metoda najmanjih kvadrata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6 Kvadratne forme 73
6.1 Dijagonalizacija kvadratne forme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.2 Krivulje i plohe drugog reda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
iii
iv SADRAJ
Poglavlje 1
Linearni operatori
Definicija 1.1. Neka su U, V vektorski prostori nad V. Preslikavanje A:U →V zovemo linearni
operator ako vrijedi
A(αx + βy) = αA(x) + βA(y), ∀x, y ∈ U, α, β ∈ F. (svojstvo linearnosti)
Svojstvu linearnosti ekvivalentno je
A(x + y) = A(x) + A(y), ∀x, y ∈ U (aditivnost)
A(αx) = αA(x), ∀x ∈ U, α ∈ F (homogenost).
Primjer 1.2. Sjetimo se linearnih operatora na V 2 (O) i V 3 (O): zrcaljenje s obzirom na pravce,
ravnine, ortogonalne projekcije, rotacije, smicanje, . . .
Zadatak 1.1. Provjerite jesu li sljede¢a preslikavanja linearni operatori:
(a) 0 : V → W , 0(x) = 0, ∀x ∈ V (nul-operator),
(b) I : V → V , I(x) = x, ∀x ∈ V (identiteta),
(c) A : R3 → R2 , A(x1 , x2 , x3 ) = (x1 + x2 + x3 , 2x1 − x2 ) (tipi£an linearan operator s Rm u Rn ),
(d) A : R2 → R, A(x, y) = |x|,
(e) A : R2 → R, A(x, y) = x · y ,
(f ) A : C → C, A(z) = z ,
(g) A : R2 → R2 , A(x, y) = (x, y + 2).

Rje²enje
(a)-(c) direktna provjera
(d) traºimo protuprimjer:
1 + 1 = |1| + | − 1| = A(1, 0) + A(−1, 0) 6= A ((1, 0) + (−1, 0)) = A(0, 0) = |0| = 0.
(e) protuprimjer:
A(αx, αy) = αx · αy = α2 xy 6= αxy = αA(x, y),
za α 6= 0, 1, x, y 6= 0.
1
2 POGLAVLJE 1. LINEARNI OPERATORI
(f ) A je linearan operator na CR . Ako su α, β ∈ R, z1 , z2 ∈ C, onda je
A (αz1 + βz2 ) = αz1 + βz2 = αz1 + βz2 = αz1 + βz2 = αA(z1 ) + βA(z2 ).
S druge strane, na CC A nije linearan operator. Protuprimjer:
A(i · i) = A(−1) = −1 = −1 6= iA(i) = i · i = i(−i) = −i2 = 1.
(g) Primijetimo da A ne ²alje nul-vektor u nul-vektor, ²to je nuºan uvjet za svaki linearan operator.
Naime, A(0, 0) = (0, 2) 6= (0, 0).
Zadatak 1.2. Provjerite jesu li sljede¢a preslikavanja linearni operatori:
(a) S : RN → RN , S(x1 , x2 , x3 , . . .) = (0, x1 , x2 , x3 , . . .) (desni ²ift),
(b) T : RN → RN , S(x1 , x2 , x3 , . . .) = (x2 , x3 , . . .) (lijevi ²ift),
(c) A : RR → RR , Af (t) = f (t + 1), t ∈ R,
(d) B : RR → RR , Bf (t) = f (t) + 1, t ∈ R,
(e) C : RR → RR , Cf (t) = (f (t))2 , t ∈ R,
(f ) D : RR → RR , Df (t) = f 2 (t) = (f ◦ f )(t), t ∈ R.

Rje²enje
(a) DA
(b) DA
(c) Za sve f, g ∈ RR , α, β ∈ R, t ∈ R je
A (αf + βg) (t) = (αf + βg) (t+1) = αf (t+1)+βg(t+1) = αAf (t)+βAg(t) = (αAf + βAg) (t)
pa je
A (αf + βg) = αAf + βAg
pa je A linearan operator.
(d) Ako je f ≡ 0 nulfunkcija, onda je Bf = 1 pa B nije linearan operator jer ne preslikava nul-vektor
u nul-vektor.
(e) ne vrijedi aditivnost:
C(f +g)(t) = ((f + g)(t))2 = (f (t) + g(t))2 = f (t)2 +2f (t)g(t)+g(t)2 = Cf (t)+C2f (t)g(t)+Cg(t),
a to op¢enito nije jednako Cf (t) + Cg(t).
(f ) Op¢enito (f + g) ◦ (f + g) 6= f ◦ f + g ◦ g pa D nije linearan operator. Napi²ite eksplicitno primjer

funkcija f , g za koje ovo ne vrijedi.
Zadatak 1.3. Dokaºite:
(a) Kompozicija linearnih operatora je linearan operator,

3
(b) Inverz linearnog operatora (ako postoji) je linearan operator.
Rje²enje
(a) Neka su A:U →V, B :V →W dva linearna operatora. Tada je C := B ◦ A : U → V i vrijedi
C (αx + βy) = (B ◦ A) (αx + βy) = B (A (αx + βy)) = B (αAx + βAy)

= αB(Ax) + βB(Ay) = αC(x) + βC(y), x, y ∈ U, α, β ∈ F.
(b) Neka je A:U →V linearan operator. Da bi A−1 postojao, A mora biti bijekcija (kaºemo da je
A izomorzam). Treba dokazati da je
A−1 (αz + βw) = αA−1 (z) + βA−1 (w), z, w ∈ V, α, β ∈ F.
Fiksirajmo z, w ∈ V . Kako je A bijekcija, postoje jedinstveni x, y ∈ U takvi da je Ax = z ,

Ay = w. Tada je
A−1 (αz + βw) = A−1 (αAx + βAy) = A−1 (A(αx + βy)) = αx + βy = αA−1 (z) + βA−1 (w).

injenice 1.3. Neka je A:V →W linearan operator.
1. Im A = A(V ) = {Av : v ∈ V } ≤ W je slika operatora A.

2. Ker A = A−1 ({0}) = {x ∈ V : Ax = 0} ≤ V je jezgra operatora A.
3. Ako su V, W kona£nodimenzionalni, onda su i Im A, Ker A kona£nodimenzionalni i uvodimo
oznake
r(A) := dim Im A je rang operatora A,

d(A) := dim Ker A je defekt operatora A.
4. Vrijedi
A je injekcija ⇔ Ker A = {0},

A je surjekcija ⇔ Im A = W.
5. Linearan operator koji je injekcija zovemo monomorzam, linearan operator koji je surjekcija
zovemo epimorzam, a linearan operator koji je bijekcija zovemo izomorzam.
6. (zadavanje linearnog operatora na bazi i pro²irenje po linearnosti). Neka su V, W vektorski
prostori nad poljem F, dim V = n < ∞, {b1 , . . . , bn } baza za V , (w1 , . . . , wn ) bilo koja ureena
ntorka vektora iz W . Tada postoji jedinstveni linearni operator A : V → W takav da je
Abi = wi , i = 1, . . . , n.
n 1 2 o
xn−1
Primjer 1.4. Neka je Pn = {p : R → R polinom | st p ≤ n − 1}. B = 1, x1! , x2! , . . . , (n−1)! je jedna
0
baza za Pn . Preslikavanje D : Pn → Pn , D(p) = p je linearan operator (operator deriviranja!).
Zaista,
D(αp + βq) = (αp + βq)0 = αp0 + βq 0 = αD(p) + βD(q).
Dovoljno je zadati djelovanje od D na bazi

1 2
x1
n−1
x x x xn−2
D(1) = 0, D = 1, D = , ..., D = .
1! 2! 1! (n − 1)! (n − 2)!
Pro²irenjem po linearnosti znamo kako D djeluje na proizvoljan polinom
n−1
! n−1 n−1
xk xk xk−1
X X X
D αk = αk D = αk .
k=0
k! k=0
k! k=0
(k − 1)!
Naravno da smo to mogli napraviti i na standardnoj bazi {1, x, . . . , xn−1 }, ali ova baza iz primjera
je zgodna jer ¢emo imati zgodan matri£ni prikaz linearnog operatora D (kasnije).
Zadatak 1.4. Neka je A : R3 → R4 funkcija zadana formulom
A(x1 , x2 , x3 ) = (x1 − x2 + x3 , 2x1 − x3 , x1 − 4x2 + 2x3 , 3x1 − x2 ) .
Dokaºite da je A linearni operator, pronaite Ker A, Im A, d(A), r(A) te po jednu bazu za Ker A,
Im A.
Rje²enje DZ: A je linearni operator.
Primijetimo da je
Ker A = x ∈ R3 : Ax = 0

= (x1 , x2 , x3 ) ∈ R3 : x1 − x2 + x3 = 0, 2x1 − x3 = 0, x1 − 4x2 + 2x3 = 0, 3x1 − x2 = 0 .

Rje²avanjem prethodnog homogenog sustava dobivamo da je x1 = x2 = x3 = 0 jedino rje²enje.

Dakle, Ker A = {(0, 0, 0)} pa je d(A) = 0 (A je monomorzam).
Im A = Ax : x ∈ R3 = {(x1 − x2 + x3 , 2x1 − x3 , x1 − 4x2 + 2x3 , 3x1 − x2 ) : x1 , x2 , x3 ∈ R}

= {x1 (1, 2, 1, 3) + x2 (−1, 0, −4, −1) + x3 (1, −1, 2, 0) : x1 , x2 , x3 ∈ R}
pa vektori (1, 2, 1, 3), (−1, 0, −4, −1), (1, −1, 2, 0) generiraju Im A. Ispitajmo njihovu linearnu neza-
visnost i vidimo da su nezavisni pa £ine bazu za Im A. Dakle, r(A) = 3.
Uo£ite da u prethodnom zadatku vrijedi
r(A) + d(A) = 3 + 0 = 3 = dim R3 .
Ta tvrdnja vrijedi i op¢enito.
Teorem 1.5 (o rangu i defektu) . Neka je A : V → W linearni operator, dim V < ∞. Tada je
r(A) + d(A) = dim V.
Napomena 1.6. Vrijedi i sljede¢i korolar. Ako je A:V →W linearni operator i dim V = dim W <
∞, tada je ekvivalentno:
(1) A je monomorzam,
(2) A je epimorzam,
(3) A je izomorzam.
U prethodnom zadatku je dim R3 6= dim R4 pa smo imali da je A monomorzam, ali nije epimorzam.
5
DZ 1.1. Ispitajte je li f : Mn (F) → F linearni operator za
(a) f (A) = tr A,
(b) f (A) = det A.
DZ 1.2. Ispitajte je li T : Mn (F) → Mn (F) linearni operator za
(a) T (A) = AT ,
(b) T (A) = A∗ F = C Mn (C) moºemo shvatiti kao Mn (C)R i Mn (C)C ).
(za

1 2
DZ 1.3. Neka je B = ∈ M2 (R) i f : M2 (R) → M2 (R) preslikavanje dano s f (A) = AB −BA.
−1 0
Dokaºite da je f linearni operator, pronaite Ker f , Im f , d(f ), r(f ), te po jednu bazu za Ker f i
Im f .
Zadatak 1.5. Neka je P4 = {p : R → R polinom| st p ≤ 3} i Q : P4 → P3 , Qp = polinom stupnja 2
£iji graf prolazi to£kama (−1, p(−1)), (0, p(0)), (1, p(1)). Dokaºite da je Q linearni operator, odredite
baze za Ker Q, Im Q, te d(Q), r(Q).
Rje²enje Operator Q je tzv. operator interpolacije u £vorovima −1, 0, 1. Odredimo formulu za

Q. Neka je p ∈ P4 . Tada je (Qp)(x) = a0 + a1 x + a2 x2 . Mora biti
(Qp)(−1) = a0 − a1 + a2 = p(−1)
(Qp)(0) = a0 = p(0)
(Qp)(1) = a0 + a1 + a2 = p(1)
p(1)−p(−1) p(1)+p(−1)
Slijedi da je a0 = p(0), a1 = 2
, a2 = − p(0). Dakle,
2

p(1) − p(−1) p(1) + p(−1)
(Qp)(x) = p(0) + x+ − p(0) x2 .
2 2
DZ: Q je linearan.
Vrijedi da je p ∈ Ker Q akko je Qp = 0 akko je
a0 = p(0) = 0
p(1) − p(−1)
a1 = =0
2
p(1) + p(−1)
a2 = − p(0) = 0
2
akko je p(−1) = p(0) = p(1) = 0. Kako je to polinom 3. stupnja? Ako je p(x) = a + bx + cx2 + dx3 ,
onda mora biti
0=a
0=a−b+c−d
0=a+b+c+d
pa jea = c = 0 i b = −d pa je p ∈ Ker Q ako i samo ako je p(x) = bx − bx3 , b ∈ R.
3
Dakle, baza za Ker Q je {x − x } pa je d(Q) = 1. Po teoremu o rangu i defektu je
4 = dim P4 = 1 + r(Q)
pa je r(Q) = 3. No, Im Q ≤ P3 , dim P3 = 3 pa je Im Q = P3 . Dakle, Q je surjekcija.
Zadatak 1.6. Neka je V kona£nodimenzionalan vektorski prostor (KDVP) i M ≤ V , M 6= {0},

M 6= V . Postoji li linearan operator A:V →V takav da je
(a) Ker A = M ?
(b) Im A = M ?
(c) Ker A = Im A = M ?
Rje²enje Neka je dim V = n, dim M = k ∈ {1, . . . , n − 1} te neka je {a1 , . . . , ak } baza za M.
Nadopunimo je do baze za V : {a1 , . . . , ak , ak+1 , . . . , an }.
(a) Zadajmo A:V →V na bazi kao
A(a1 ) = . . . = A(ak ) = 0, A(ak+1 ) = ak+1 , . . . , A(an ) = an
i pro²irimo po linearnosti. Dokaºimo da je Ker A = M .

Pn
Neka je x ∈ Ker A. Tada je Ax = 0. No, x moºemo zapisati u bazi od V kao x= i=1 α i ai .
Tada je !
n
X n
X n
X
0 = Ax = A α i ai = αi A(ai ) = αi ai .
i=1 i=1 i=k+1
Pk
Slijedi da je αk+1 = . . . = αn = 0 jer je {ak+1 , . . . , an } linearno nezavisan. Dakle, x= i=1 α i ai ∈
M.
Pk
S druge strane, ako je x ∈ M, onda je x= i=1 α i ai pa je A(x) = 0.
[DZ*] Dokaºite da je Ker A = M ako i samo ako je Aa1 = . . . = Aak = 0 i {Aak+1 , . . . , Aan } je
linearno nezavisan skup.
(b) Zadajmo A:V →V na bazi kao
A(a1 ) = a1 , . . . , A(ak ) = ak , A(ak+1 ) = . . . = A(an ) = 0
i pro²irimo po linearnosti. Dokaºimo da je Im A = M .

Pn
Neka je y ∈ Im A. Tada postoji x ∈ V takav da je y = Ax. Moºemo pisati y = i=1 α i ai ,
x = ni=1 βi ai . Tada je
P
n n
! n k
X X X X
α i ai = A β i ai = βi A(ai ) = β i ai .
i=1 i=1 i=1 i=1
Zbog linearne nezavisnosti baze {a1 , . . . , an } slijedi da je
α1 = β1 , . . . , αk = βk , αk+1 = . . . = αn = 0.
Pk
Dakle, y= i=1 β i ai ∈ M .
Pk
S druge strane, ako je y ∈ M, onda je y= αi ai . Za x = y vrijedi A(x) = y .
i=1 Zaista,
k
! k
X X
A(x) = A αi ai = αi A(ai ) = y
i=1 i=1
pa je y ∈ Im A.
[DZ*] Dokaºite da je Im A = M ako i samo ako je {Aa1 , . . . , Aan } sustav izvodnica za M.
7
(c) Uo£imo najprije sljede¢e: ako je Ker A = Im A = M , onda je
dim V = dim Ker A + dim Im A = 2 dim M.
Dakle, dim V mora biti paran broj, i to dim V = 2 dim M . Neka je {a1 , . . . , ak } baza za M i
{b1 , . . . , bk } nadopuna do baze za V . Zadajmo A : V → V na bazi kao
A(a1 ) = . . . = A(ak ) = 0, A(b1 ) = a1 , . . . , A(bk ) = ak
i pro²irimo po linearnosti. Kao i prije vidimo da je Ker A = Im A = M (DZ).
[DZ*] Dokaºite da je Ker A = Im A = M ako i samo ako je dim V = 2 dim M , Aa1 = . . . =

Aak = 0 i {Aak+1 , . . . , Aan } je baza za M .

Vratimo se jo² malo na izomorzme. Kaºemo da su prostori V iW izomorfni ako postoji izomorzam
A : V → W. Oznaka: V ' W.
injenice 1.7.
1. Neka su V, W KDVP nad F. Tada su V i W izomorfni akko je dim V = dim W .
2. Neka je A : V → V , dim V < ∞ (ili A : V → W , dim V = dim W < ∞). Ekvivalentno je
(a) A je izomorzam,
(b) A je monomorzam,
(c) A je epimorzam.
3. ' je relacija ekvivalencije.
Posljedica £injenice 1. je da nijedan pravi potprostor KDVP ne moºe biti izomorfan svojem potpros-
toru. To ne vrijedi kod beskona£nodimenzionalnih prostora.
Primjer 1.8. Neka je L = {a = (a1 , a2 , a3 , . . .) ∈ RN : a1 = a2 }. Skup L je o£ito pravi potprostor od

RN . Deniramo preslikavanje A : L → RN s A(a1 , a2 , a3 , . . .) = (a1 , a3 , . . .) (izbacuje prvu koordinatu
lijevi ²ift). Lako se vidi da je A linearan. Pokaºimo da je bijekcija.
Za a, b ∈ L je A(a) = A(b) akko (a1 , a3 , . . .) = (b1 , b3 , . . .) akko a1 = b1 , a3 = b3 , . . . akko a = b.
Za bilo koji (a1 , a2 , a3 , . . .) ∈ R uzmimo (a1 , a1 , a2 , a3 , . . .) ∈ L. Tada je A(a1 , a1 , a2 , a3 , . . .) =
N
(a1 , a2 , a3 , . . .).
Dakle, L ' R , ali L R .
N N
Primjer 1.9. Ni £injenica 2. ne vrijedi u beskona£nodimenzionalnim prostorima. Pogledajmo ope-

rator T : R → R , T (a1 , a2 , a3 , . . .) = (a2 , a3 , . . .) (lijevi ²ift).
N N
Operator T je surjekcija: ako je b = (b1 , b2 , b3 , . . .) ∈ R proizvoljan, onda za a = (0, a1 , a2 , a3 , . . .)

N
vrijedi da je T (a) = b.
T nije injekcija: T (a1 , a2 , a3 , . . .) = (0, a2 , a3 , . . .), za bilo koji a1 ∈ R.
Sli£no za desni ²ift S vrijedi da je injekcija, ali nije surjekcija (DZ).
Zadatak 1.7. Neka je V kona£nodimenzionalni vektorski prostor , a S, T : V → V linearni operatori

takvi da vrijedi T ◦ S = I ili S ◦ T = I , pri £emu je T identi£ni operator. Dokaºite da je tada T
−1
izomorzam i da vrijedi T =S .
Rje²enje Pisat ¢emo T S umjesto T ◦ S . Neka je, dakle, T S = I . Dokazat ¢emo da je T surjekcija.
S obzirom da je T : V → V , a V je kona£nodimenzionalan, to ¢e povla£iti da je T izomorzam.
Neka je y ∈ V proizvoljan. Tada je (T S)(y) = I(y) = y , tj. T (S(y)) = y . Tada za x = S(y)
−1
vrijedi T (X) = y pa je T surjekcija. Nadalje, znamo da je T T = T T −1 = I i T S = T T −1 = I
pa je stoga T S − T T −1 = 0. Tvrdimo T −1 = S . Pretpostavimo suprotno, tj T −1 6= S . To zna£i da

−1
postoji x ∈ V takav da je T (x) 6= S(x). Kako je T injekcija, to povla£i T (T −1 (x)) 6= T (S(x)), tj.
(T S − T T )(x) 6= 0, ²to je u kontradikciji s T S − T T −1 = 0. Dakle, takav x ne postoji.
−1
Pogledajmo sada slu£aj ST = I i dokaºimo da je T injekcija. Odredimo Ker T . Neka je x ∈ Ker T

proizvoljan. Tada je T x = 0, a onda i S(T x) = 0. S druge strane, S(T x) = (ST )(x) = I(x) = x,
iz £ega slijedi x = 0. Dakle, Ker T = {0}, tj. T je monomorzam, a onda i izomorzam jer je
T : V → V , a V je kona£nodimenzionalan. Odredimo sada T −1 . Vrijedi ST = I = T −1 T. Tvrdimo
T −1 = S . Pretpostavimo suprotno, tj. da postoji x ∈ V takav da je T −1 (x) 6= S(x). No, kako
je T izomorzam, specijalno je surjekcija pa postoji y ∈ V takav da je x = T (y). Sada imamo
T −1 (T (y)) 6= S(T (y)), tj. (T −1 T )(y) 6= ST (y). Do²li smo do kontradikcije.
Napomena 1.10. Tvrdnja prethodnog zadatka ne vrijedi ukoliko je V beskona£nodimenzionalan
prostor. Neka su T, S : R → R
N N
operatori lijevog i desnog pomaka. Primjetimo da T nije injekcija,
a S nije surjekcija, iako vrijedi
T S(a1 , a2 , a3 , · · · ) = T (0, a1 , a2 , a3 , · · · ) = (a1 , a2 , a3 , · · · ),

tj. T S = I.
Napomena 1.11. Tvrdnja prethodnog zadatka ne vrijedi ni za funkcije. Zaista, za funkcije f, g :
N→N zadane sa f (n) = 2n i
(
k, n = 2k
g(n) =
k, n = 2k − 1
vrijedi (g ◦ f )(n) = g(2n) = n, tj. g ◦ f = id, iako g o£ito nije injekcija (g(4) = 2 = g(3)) pa nije niti
bijekcija.
Zadatak 1.8. Neka je V kona£nodimenzionalan vektorski prostor dimenzije n, A, B : V → V linearni

operatori takvi da je AB = 0.
(1) Dokaºite da je r(A) + r(B) ≤ n.
(2) Ako je A : V → V proizvoljan operator, dokaºite da postoji linearni operator B : V → V takav
da vrijedi AB = 0 i r(A) + r(B) = n.
Rje²enje
(1) Po teoremu o rangu i defektu imamo r(A) + d(A) = n. Dokaºimo da je Im B ⊆ Ker A. Zaista,
neka je y ∈ Im B . Tada postoji x ∈ V takav da je y = Bx. Tada je Ay = ABx = O(x) = 0
pa je y ∈ Ker A. Dakle, Im B ⊆ Ker A, a onda je r(B) ≤ d(A), tj. r(B) ≤ n − r(A), odnosno
r(A) + r(B) ≤ n.
(2) Ideja je prona¢i linearni operator B:V →V takav da je Im B = Ker A. Razlikujemo sljede¢e
slu£ajeve:
a) Ako je A je izomorzam, onda je Ker A = {0}. Za B=0 vrijedi Ker A = Im B .

b) Ako je A = 0, onda je Ker A = V , onda moºemo uzeti npr. B = I . Tada je Ker A = Im B .
c) Ako A nije izomorzam i A 6= 0,
d(A) = k ∈ {1, · · · , n − 1}. Neka je {a1 , · · · , ak }
onda je
baza za Ker A. Nadopunimo tu bazu do baze za V {a1 , · · · , ak , ak+1 , · · · , an }. Denirajmo
operator B na bazi sa (
B(ai ) = ai , i = 1, · · · , k
B(ai ) = 0, i = k + 1, · · · , n.
Tada je Im B = Ker A.
9
Zadatak 1.9. Neka je V kona£nodimenzionalni vektorski prostor, dim V = n i A : V → V linearni

n n−1
operator takav da je A = 0 i A 6= 0. Dokaºite da postoji vektor e ∈ V takav da je skup
2 n−1
B = {e, Ae, A e, · · · , A e} baza za V .
n−1
Rje²enje Kako je A 6= 0, postoji e ∈ V, e 6= 0 takav da je An−1 e 6= 0. Dokaºimo da je skup
2 n−1
{e, Ae, A e, · · · , A e} baza za V .
k k
Uo£imo najprije da je A e 6= 0 za k = 1, · · · , n − 2. Zaista, kad bi bilo A e = 0 za neki k ∈
{1, · · · , n − 2}, onda je
An−1 e = An−k−1 (Ak e) = An−k−1 (0) = 0,
²to je kontradikcija. Nadalje, imamo to£no n = dim V vektora u skupu {e, Ae, A2 e, · · · , An−1 e} pa
je dovoljno provjeriti njihovu linearnu nezavisnost:
α1 e + α2 Ae + · · · + αn An−1 e = 0 /An−1
n−1
An e + · · · + αn A
| {z e} +α2 |{z}
α1 A 2n−2
| {z e} = 0,
6=0 0 0
iz £ega proizlazi α1 = 0. Sada imamo
α2 Ae + · · · + αn An−1 e = 0 /An−2
n−1 2n−3
| {z e} + · · · + αn A
α2 A | {z e} = 0,
6=0 0
iz £ega proizlazi α2 = 0. Analogno dobijemo α3 = · · · = αn = 0. Dakle, za proizvoljni e ∈ V, e 6= 0,

n−1
za koji je A e 6= 0, skup {e, Ae, · · · , An−1 e} je baza prostora V .
DZ 1.4. Neka je V ndimenzionalan vektorski prostor nad F i neka je {a1 , · · · an } njegova baza.
Dokaºite da je A : V → Fn zadan sa
n
!
X
A(a) = A αi ai := (α1 , · · · , αn )
i=1
izomorzam.
DZ 1.5. Neka je V vektorski prostor, L, M ≤ V takvi da je L ∩ M = {0}. Dokaºite da je
LuM 'L×M
DZ 1.6. Neka je A:U →V linearni operator i neka je L ≤ U. Dokaºite da je
dim L − d(A) ≤ dim A(L) ≤ dim L.
DZ 1.7. Neka su A, B : V → V linearni operatori. Dokaºite
(a) A je surjekcija akko BA = 0 =⇒ B = 0.
(b) B je injekcija akko BA = 0 =⇒ A = 0.
Zadatak 1.10. Neka je V kona£nodimnezionalan vektorski prostor, P :V →V linearni operator

2
takav da je P =P (takav se linearan operator zove projektor). Dokaºite:
(a) a ∈ Im P ⇐⇒ P a = a.
(b) Ako je P 6= I , onda P nije izomorzam.
(c) V = Ker P u Im P .
Rje²enje
(a) (⇒) Ako je a ∈ Im P , onda postoji x∈V takav da je a = P x. Tada je
P a = P (P x) = P 2 x = P x = a.
(⇐) Ako je P a = a, onda je sigurno a ∈ Im P .
(b) Prvo uo£imo da vrijedi I 2 = I pa je I projektor. Neka je P 6= I . Dokaºimo da P nije surjekcija.

Kako je P 6= I , postoji x ∈ V takav da je P x 6= Ix = x. Tada, obratom po kontrapoziciji tvrdnje
(a), vrijedi x ∈
/ Im P . Dakle, Im P 6= V pa P nije surjekcija.
(c) Pogledajmo sumu potprostora Ker P + Im P i dokaºimo da je ta suma direktna, tj. da je Ker P ∩
x∈Im P x∈Ker P
Im P = {0}. Neka je x ∈ Ker P ∩ Im P . Tada je x = P x = 0.
Nadalje, Ker P u Im P ≤ V , a za dimenzije vrijedi
dim (Ker P u Im P ) = dim Ker P + dim Im P = d(P ) + r(P ) = dim V.
Dakle, Ker P u Im P = V .
DZ 1.8. Vrijedi li za proizvoljan operator A:V →V da je V = Ker A u Im A?

Rje²enje Naravno da ne. Npr. A : R2 → R2 , Ae1 = 0, Ae2 = e1 . Tada je e1 ∈ Ker A i e1 ∈ Im A
pa suma potprostora nije direktna. Iz teorema o rangu i defektu slijedi da Ker A + Im A 6= V .
Napomena 1.12. (a) Primjer projektora je P : V 3 → V 3 , P (~a) = ortogonalna projekcija od ~a na

zadanu ravinu ili pravac. Vrijedi da je P linearan i P 2 = P .
(b) Neka je dim V = n, M ≤ V , M 6= {0}, V i neka je {a1 , . . . , ak } baza za M . Nadopunimo je do

baze za V , tj. neka je {a1 , . . . , ak , ak+1 , . . . , an } baza za V . Vektori ak+1 , . . . , an £ine bazu za
direktni komplement L od V .
Denirajmo preslikavanje P :V →V kao
P (ai ) = ai , i = 1, . . . , k
P (ai ) = 0, i = k + 1, . . . , n
te ga pro²irimo po linearnosti. O£ito je P 2 (ai ) = P (ai ), za sve i pa je P projektor. Kaºemo da

je P projektor prostora V na potprostor M u smjeru potprostora L.
(DZ) Dokaºite da je I −P projektor na L u smjeru M.
Zadatak 1.11. Neka je V KDVP i A:V →V linearni operator takav da je V = Ker A u Im A.
(a) Dokaºite da je tada V = Ker(A2 ) u Im(A2 ).
(b) tovi²e, dokaºite da je V = Ker(An ) u Im(An ), n ∈ N.

11
Rje²enje Najprije primijetimo da za sve operatore A vrijedi da je
Ker A ⊆ Ker A2 ⊆ Ker A3 ⊆ . . .

Naime, ako je Ax = 0, onda je A2 (x) = A(Ax) = A(0) = 0 i analogno za ostale inkluzije.
Isto tako za sve operatore A vrijedi da je
Im A ⊇ Im A2 ⊇ Im A3 ⊇ . . .
Naime, ako je y ∈ Im A2 , onda postoji x ∈ V takav da je y = A2 (x) = A(Ax) pa je y ∈ Im A.
Analogno se pokaºu ostale inkluzije.
(a) Dokazat ¢emo da je ovdje Im(A2 ) = Im A, Ker(A2 ) = Ker A.

Ker A2 ⊆ Ker A Neka je x ∈ Ker A2 ⊆ V = Ker A u Im A. Tada x ima jedinstveni zapis u
2 2
obliku x = a + b, a ∈ Ker A, b ∈ Im A. Vrijedi da je b = x − a ∈ Ker A pa je A b = 0. No,
A2 b = A(Ab) = 0 pa je Ab ∈ Ker A.
S druge strane, Ab ∈ Im A pa je Ab ∈ Ker A ∩ Im A = {0} pa je Ab = 0 pa je b ∈ Ker A.
Ponovo imamo b ∈ Ker A ∩ Im A = {0} pa je b=0 pa je x = a ∈ Ker A.
Im A2 = Im A Ovo moºemo dokazati direktno tako da pokaºemo preostalu inkluziju Im A ⊆
Im A2 , ali jednostavnije je iskoristiti teorem o rangu i defektu:
dim Im A2 = r(A2 ) = dim V − d(A2 ) = dim V − d(A) = r(A).
Kako je Im A2 ⊆ Im A, vrijedi jednakost.
(b) Tvrdnja slijedi indukcijom.
n=1 trivijalno.
n=2 dokazano u (a)
Pretpostavimo da tvrdnja vrijedi za neki n ∈ N. Dokaz da vrijedi za n+1 je posve analogan

dokazu tvrdnje (a), samo ²to dokazujemo da je
Ker An = Ker An+1 , Im An = Im An+1 .

Uvedimo oznaku
L(U, V ) = {A : U → V | A je linearan operator}.
Uz operacije
(A + B)x = Ax + Bx
(αA)x = αAx, α ∈ F
jeL(U, V ) vektorski prostor nad poljem F. Ako su U i V kona£nodimenzionalni vektorski prostori,
onda je dim L(U, V ) = dim U · dim V .
3 2
Zadatak 1.12. Neka su F, G, H ∈ L(R , R ) zadani formulama
F (x, y, z) = (2x + z, x + y)
G(x, y, z) = (2y, x)
H(x, y, z) = (x + y + z, x + y)
Dokaºite da su F, G, H linearno nezavisni operatori.
Rje²enje Neka je αF + βG + γH = 0. Sada imamo
(αF + βG + γH)(x, y, z) = 0(x, y, z) = 0, (x, y, z) ∈ R3 , (1.1)
tj.
(α(2x + z) + β(2y) + γ(x + y + z), α(x + y) + βx + γ(x + y)) = (0, 0),
odnosno
(2α + γ)x + (2β + γ)y + (α + γ)z = 0 i (α + β + γ)x + (α + γ)y = 0.
S obzirom da gornje jednakosti vrijede za sve (x, y, z) ∈ R3 pa specijalno i za kanonsku bazu od R3 ,
imamo
2α + γ = 2β + γ = α + γ = α + β + γ = 0,
odakle dobivamo α = β = γ = 0, tj. F, G, H su linearno nezavisni operatori.
Napomena 1.13. Ideja u prethodnom zadatku je bila da od homogenog sustava s beskona£no mnogo
jednadºbi (ali kona£no mnogo nepoznanica) dobijemo homogeni sustav od kona£no mnogo jednadºbi
koji ima isti skup rje²enja kao beskona£ni sustav. Taj sustav ima ili jedinstveno rje²enje (pa je skup
linearnih operatora nezavisan) ili ima beskona£no mnogo rje²enja (pa su operatori zavisni).
3
U prethodnom zadatku smo uvrstili samo vektore baze za R u (1.1). Pokaºimo da je to bilo dovoljno.
Pitamo se jesu li linearni operatori F1 , . . . , Fk ∈ L(U, V ) linearno nezavisni. Neka je {a1 , . . . , an }
baza za U i neka je
α1 F1 + . . . + αk Fk = 0.
Tada je
α1 F1 (x) + . . . + αk Fk (x) = 0, ∀x ∈ U. (1.2)
Posebno je
α1 F1 (a1 ) + . . . + αk Fk (a1 ) = 0
α1 F1 (a2 ) + . . . + αk Fk (a2 ) = 0
. (1.3)
.
.
α1 F1 (an ) + . . . + αk Fk (an ) = 0
Pn
Ako je x ∈ U proizvoljan, on se moºe zapisati kao x = i=1 βi ai .
Pomnoºimo li itu jednadºbu
u (1.3) s βi i onda zbrojimo sve jednadºbe, dobivamo upravo
n
! n
!
X X
α1 F 1 βi ai + . . . + αk Fk βi ai = 0,
i=1 i=1
tj. dobivamo (1.2).
DZ 1.9 (ili presko£iti). Neka je T ∈ L(U, V ), U, V vektorski prostori nad F, k ∈ F \ {0}. Dokaºite
da je
Ker T = Ker(kT ), Im T = Im(kT ).
injenice 1.14. 1. Ako je U =V, onda umjesto L(V, V ) pi²emo L(V ).
2. L(V ) je vektorski prostor. Ako je dim V < ∞, onda je dim L(V ) = (dim V )2 .
3. L(V ) ima i bogatiju strukturu: operatore iz L(V ) moºemo komponirati. Deniramo
A ◦ B = AB : V → V, (AB)(x) = A(B(x)).
Govorimo o mnoºenju operatora.
13
4. Mnoºenje operatora je
1) asocijativno: A(BC) = (AB)C ,

2) kvaziasocijativno: (λA)B = λ(AB) = A(λB),
3) distributivno prema zbrajanju: A(B + C) = AB + AC , (A + B)C = AC + BC ,
4) postoji neutralni element: IA = AI = A, gdje je I(x) = x jedini£ni operator,
pa kaºemo da je L(V ) asocijativna algebra s jedinicom. Nalgasimo da komutativnost

mnoºenja ne vrijedi.
GL(V ) = {A ∈ L(V ) :A je bijekcija} je skup

5. svih regularnih operatora (izomorzama) na V.
3
Zadatak 1.13. Neka je T ∈ L(R ) dan formulom
T (x, y, z) = (2x, 4x − y, 2x + 3y − z).

Dokaºite da je T regularan i naite T −1 .
Rje²enje Prisjetimo se da je T regularan na R3 (izormorram R3 → R3 ) akko je T injekcija akko
jeKer T = {0}.
Odredimo Ker T :
(x, y, z) ∈ Ker T ⇔ T (x, y, z) = (0, 0, 0) ⇔ 2x = 0, 4x − y = 0, 2x + 3y − z = 0 ⇔ x = y = z = 0.

Naimo sad T −1 : neka je (u, v, w) ∈ R3 proizvoljan. Odredimo T −1 (u, v, w) =: (x, y, z). Ako na
prethodnu jednakost primijenimo T , dobivamo
(u, v, w) = T T −1 (u, v, w) = T (x, y, z) = (2x, 4x − y, 2x + 3y − z).

Rje²enje ovog nehomogenog sustava s nepoznanicama x, y , z je
u
x= , y = 2u − v, z = 7u − 3v − w.
2
Dakle,
u
T −1 (u, v, w) = ( , 2u − v, 7u − 3v − w).
2

Zadatak 1.14. Neka su A, B ∈ L(V ). Dokaºite:
(a) r(A + B) ≤ r(A) + r(B),

(b) r(AB) ≤ min{r(A), r(B)},
(c) d(AB) ≤ d(A) + d(B),
(d) r(AB) ≥ r(A) + r(B) − dim V .
Rje²enje
(a) Dovoljno je pokazati da je Im(A + B) ⊆ Im A + Im B , gdje je
Im A + Im B = {y + z : y ∈ Im A, z ∈ Im B} = {Ax + Ax : x, x ∈ V } .
Neka je w ∈ Im(A + B). Tada je w = (A + B)x̃ = Ax̃ + B x̃, za x̃ ∈ V . O£ito je onda
w ∈ Im A + Im B . Stoga za dimenzije vrijedi
r(A + B) = dim Im(A + B) ≤ dim (Im A + Im B) = dim Im A + dim Im B − dim (Im A ∩ Im B)

≤ dim Im A + dim Im B = r(A) + r(B).
(b) Ova tvrdnja je ekvivalentna s r(AB) ≤ r(A) i r(AB) ≤ r(B). Za prvu tvrdnju je dovoljno
Im(AB) ⊆ Im A. Zaista,
dokazati da je neka je y ∈ Im(AB). Tada postoji x ∈ V takav da je
y = AB(x) = A(Bx) pa je i y ∈ Im A.
Dokaºimo sada r(AB) ≤ r(B). Prema teoremu o rangu i defektu je
r(AB) = dim V − d(AB), r(B) = dim V − d(B)
pa jer(AB) ≤ r(B) ako i samo ako je d(AB) ≥ d(B). Dokaºimo posljednje, tj. dokazat ¢emo
da Ker B ⊆ Ker(AB). Neka je x ∈ Ker B . Tada je Bx = 0 pa je i (AB)(x) = A(Bx) = 0 pa je
x ∈ Ker(AB).
(c) Pogledajmo u kakvom su odnosu Ker(AB) i Ker A:

Neka je x ∈ Ker(AB). 0 = (AB)x = A(Bx) pa je Bx ∈ Ker A. Dakle, B(Ker(AB)) ⊆
Tada je
Ker A. Zato je dobro denirano preslikavanjeC : Ker(AB) → Ker A, Cx = Bx, x ∈ Ker(AB)
(zapravo je C = B|Ker(AB) ). Vrijedi da je C linearni operator s vektorskog prostora Ker(AB) u
vektorski prostor Ker A. Stoga na C moºemo primijeniti teorem o rangu i defektu:
d(AB) = dim Ker(AB) = r(C) + d(C).
Odredimo r(C) i d(C). Tvrdimo da je
1. Im C ⊆ Ker A,
2. Ker C ⊆ Ker B .
Tvrdnja 1. slijedi trivijalno iz denicije operatora C.

Tvrdnja 2. se dobije na sljede¢i na£in. Neka je x ∈ Ker C . Tada je 0 = Cx = Bx pa je x ∈ Ker B .
Iz 1. odmah slijedi r(C) ≤ d(A), a iz 2. slijedi da je d(C) ≤ d(B). Stoga je
d(AB) ≤ d(A) + d(B).
(d) Ovo je direktna posljedica tvrdnje (c) i teorema o rangu i defektu.
r(AB) = dim V −d(AB) ≥ dim V −(d(A) + d(B)) = (dim V − d(A))−d(B) = r(A)+r(B)−dim V.

Poglavlje 2
Linearni funkcionali. Dualni prostor.
Neka je V vektorski prostor nad F. I F moºemo shvatiti kao vektorski prostor nad samim sobom,
dim F = 1. Linearni operator f : V → F naziva se linearni funkcional.
Za linearne funkcionale vrijedi da je r(f ) ∈ {0, 1} jer je Im f ⊆ F. Prema teoremu o rangu i defektu
je onda d(f ) ∈ {dim V, dim V − 1}. Preciznije:
1) r(f ) = 0 akko je f =0 nul-funkcional. Tada je d(f ) = dim V .
2) r(f ) = 1 akko je f surjekcija. Tada je d(f ) = dim V − 1.
Zadatak 2.1. Kada je linearni funkcional injekcija?
Rje²enje f je injekcija akko je Ker f = {0} akko je d(f ) = 0 pa imamo da je dim V = r(f ) ∈ {0, 1}.
(a) dim V = r(f ) = 0, tj. V = {0} i f = 0.
(b) dim V = r(f ) = 1 pa je V izomorfan s F.

Zadatak 2.2. Provjerite jesu li sljede¢a preslikavanja s prostora P svih polinoma nad R u R linearni
funkcionali:
(a) f : P → R, f (p) = p(0),

R1
(b) g : P → R, g(p) = 0 p(t)dt,
R1
(c) h : P → R, h(p) = 0 (p(t))2 dt,
R1
(d) k : P → R, k(p) = 0 p (t2 ) dt,
Rje²enje
(a) da
(b) da
(c) ne
(d) da

Napomena 2.1. Integrali se rade na kolegiju Matemati£ka analiza 2. Ukoliko ih niste prije susreli,
vratite se na ovaj primjer nakon ²to ih napravite na MA2.
15
16 POGLAVLJE 2. LINEARNI FUNKCIONALI. DUALNI PROSTOR.
DZ 2.1. Provjerite jesu li sljede¢a preslikavanja linearni funkcionali:
R1
(a) f : P → R, f (p) = 0
t2 p(t)dt,
R1
(b) g : P → R, g(p) = 0
r(t)p(t)dt, gdje je r∈P ksirani polinom,
Rb
(c) h : P → R, h(p) = a
p(t)dt,
R1
(d) k : P → R, k(p) = 0
p(t)dt + 1,
(e) tr : Mn (F) → F trag matrice,
(f ) det : Mn (F) → F determinanta matrice.
injenice 2.2. 1. V ∗ := L(V, F) dualni prostor of V.
2. Ako je dim V < ∞, onda je dim V ∗ = dim V pa su V i V∗ izomorfni.
3. Konstrukcija izomorzma izmeu V i V ∗:

Neka je B = {e1 , . . . , en } baza za V. Tada je baza za V∗ dana funkcionalima {e∗1 , . . . , e∗n }, gdje su
(
1, j = k
e∗j (ek ) = δjk = , j, k = 1, . . . , n.
6 k
0, j =
Tu bezu ozna£avamo s B∗ i zovemo dualna baza ∗

bazi B . Baza B je jednozna£no odreena
∗ ∗ ∗
bazom B i ovisi o njoj! Izomorzam izmeu V i V je sada dan s A : V → V , A(ei ) = ei ,
i = 1, . . . , n.
4. Ako je dim V < ∞, onda je dim V ∗∗ = dim V . Izomorzam izmeu V i V ∗∗ konstruiramo prirodno,
∗∗ ∗
bez poziva na bazu: Φ : V → V , Φ(x) = x̂, gdje je x̂ : V → F, x̂(f ) = f (x).
3
Zadatak 2.3. U R zadani su vektori a1 = (1, 0, 0), a2 = (1, 1, −1), a3 = (0, 1, 1). Dokaºite da ti
3
vektori £ine bazu za R i naite toj bazi dualnu bazu {f1 , f2 , f3 }. Odredite i fi (ej ), i, j = 1, 2, 3, gdje
3
su e1 , e2 , e3 vektori kanonske baze za R .
Rje²enje DZ: Provjeriti da su a1 , a2 , a3 linearno nezavisni.

P3 3
Baza {f1 , f2 , f3 } odreena je s fi (aj ) = δij , ∀i, j . Neka je x = i=1 αi ai ∈ R . Tada je
3
! 3
X X
f1 (x) = f1 α i ai = αi f (ai ) = α1 .
i=1 i=1
Analogno je f2 (x) = α2 , f3 (x) = α3 . P3

elimo znati kako f djeluje na x = (x1 , x2 , x3 ) = i=1 xi ei zapisan u kanonskoj bazi. Prikaºimo
x = (x1 , x2 , x3 ) u bazi {a1 , a2 , a3 }.
(x1 , x2 , x3 ) = α1 a1 +α2 a2 +α3 a3 = α1 (1, 0, 0)+α2 (1, 1, −1)+α3 (0, 1, 1) = (α1 +α2 , α2 +α3 , −α2 +α3 ).
Rje²avanjem sustava dobijemo

1 1 1 1 1 1
x = (x1 , x2 , x3 ) = x1 − x2 − x3 a1 + x 2 − x 3 a2 + x 2 + x 3 a3 .
2 2 2 2 2 2
17
Dakle,
1 1
f1 (x1 , x2 , x3 ) = x1 − x2 − x3
2 2
1 1
f2 (x1 , x2 , x3 ) = x2 − x3
2 2
1 1
f3 (x1 , x2 , x3 ) = x2 + x3
2 2
Posebno je
f1 (e1 ) = 1 f2 (e1 ) = 0 f3 (e1 ) = 0

1 1 1
f1 (e2 ) = − f2 (e1 ) = f3 (e1 ) =
2 2 2
1 1 1
f1 (e3 ) = f2 (e3 ) = − f3 (e3 ) =
2 2 2

DZ 2.2. U R3 zadani su vektori a1 = (1, −1, 3), a2 = (0, 1, −1), a3 = (0, 3, −2). Dokaºite da ti vektori
3
£ine bazu za R i naite toj bazi dualnu bazu {f1 , f2 , f3 }. Odredite i fi (ej ), i, j = 1, 2, 3, gdje su e1 ,
e2 , e3 vektori kanonske baze za R3 .
∗ ∗
Zadatak 2.4. Neka je P3 = {p : R → R|p polinom st p ≤ 2}. Neka je f : P3 → R, f (p) = p(0).
∗ ∗ 2 ∗
Dokaºite da je f ∈ P3 . Nadalje, neka je B = {1, 1 − t, 1 − t } baza za P3 . Prikaºite f u dualnoj
bazi od B .
∗
Rje²enje Dokaz da je f linearan:
f ∗ (αp + βq) = (αp + βq) (0) = αp(0) + βq(0) = αf ∗ (p) + βf ∗ (q).
Dualna baza od B : neka su njeni vektori ozna£eni s {f1∗ , f2∗ , f3∗ }. Vrijedi da je f1∗ (p1 ) = 1, f1∗ (p2 ) = 0,
f1∗ (p3 ) = 0. Analogno ostali.
Neka je p ∈ P3 dan u kanonskoj bazi s p(t) = a + bt + ct2 . Prikaºimo p u bazi B:
a + bt + ct2 = αp1 + βp2 + γp3 = α + β + γ − βt − γt2 .
Dakle,p(t) = (a + b + c)p1 − bp2 − cp3 .

∗ ∗ ∗ ∗
Traºimo f = Af1 + Bf2 + Cf3 . Evaluirajmo prethodnu jednakost u p:
a = f ∗ (p) = Af1∗ (p) + Bf2∗ (p) + Cf3∗ (p) = A(a + b + c) − Bb − Cc.
Dobivamo A = 1, B = 1, C = 1. Dakle,
f ∗ = f1∗ + f2∗ + f3∗ .

1 0 0 1 1 0 0 1
DZ 2.3. Neka je f ∗ : M2 (R) → R, f ∗ (A) = tr(A). Neka je , , ,
0 0 0 0 0 −1 −1 0
baza od M2 (R). Prikaºite f∗ u dualnoj bazi.
Rje²enje Ako je dana baza {f1 , f2 , f3 , f4 }, tada je f ∗ = f1∗ .

Zadatak 2.5. Neka je V KDVP, dim V = n, V ∗ je dualni prostor od V. Neka je ∅=

6 S⊆V podskup
(ne nuºno potprostor) od V. Skup
S 0 := {f ∈ V ∗ : f (x) = 0, ∀x ∈ S}
zovemo anihilator skupa S .

Dokaºite:
(a) S0 je potprostor od V ∗,
(b) S 0 = [S]0 ,
(c) Ako je S potprostor od V , dim S = k , onda je dim S 0 = n − k .
Rje²enje
(a) O£ito je S 0 6= ∅ jer za nul-funkcional vrijedi 0(x) = 0, ∀x ∈ S . Dakle, 0 ∈ S 0.

Neka su f, g ∈ S 0 , α, β ∈ F. Tada za svaki x∈S imamo:
(αf + βg) (x) = αf (x) + βg(x) = α · 0 + β · 0 = 0
pa je αf + βg ∈ S 0 .
(b) Za S vrijedi da je [S] skup svih linearnih kombinacija vektora iz S. Dokaºimo dvije inkluzije.
S 0 ⊆ [S]0
Pk
: Neka je f ∈ S 0 (f (x) = 0, ∀x ∈ S ) i neka je y ∈ [S] proizvoljan. Tada je y= i=1 α i ai ,
za neki k ∈ N i a1 , . . . , ak ∈ S pa je
k
! k
X X
f (y) = f α i ai = αi f (ai ) = 0.
i=1 i=1
| {z }
=0
[S]0 ⊆ S 0 : Neka je f ∈ [S]0 . Tada je f (x) = 0, ∀x ∈ [S]0 pa je i f (x) = 0, ∀x ∈ S (jer je S ⊆ [S]).

Dakle, f ∈ S 0.
(c) Neka je S ≤ V , dim S = k . Pogledajmo slu£ajeve:
1. dim S = 0, tj. S = 0. Tada je S 0 = {f ∈ V ∗ : f (0) = 0} = V ∗ pa je dim S 0 = dim V ∗ = n =

n − 0.
2. dim S = n, tj. S = V. Tada je S 0 = {f ∈ V ∗ : f (x) = 0, ∀x ∈ V } = {0} pa je dim S 0 = 0 =
n − n.
3. dim S = k , 1 ≤ k ≤ n−1. Neka je {a1 , . . . , ak } baza za S , a B = {a1 , . . . , ak , ak+1 , . . . , an } baza
za V . Neka je {f1 , . . . , fk , fk+1 , . . . , fn } dualna baza bazi B . Vrijedi fi (aj ) = δij , i, j = 1, . . . , n.
0
Tvrdimo da funkcionali fk+1 , . . . , fn £ine bazu za S .
0
Dokaºimo najprije da su fk+1 , . . . , fn ∈ S . Zaista, za x ∈ S proizvoljan vrijedi da je x =
P k
i=1 αi ai pa je
k
! k
X X
fj (x) = fj αi ai = αi fj (ai ), j = k + 1, . . . , n.
i=1 i=1
19
Nadalje, o£ito su fk+1 , . . . , fn linearno nezavisni jer su dio baze. Dokaºimo jo² da £ine skup
0 0 ∗ ∗ ∗
izvodnica za S : neka je f ∈ S proizvoljan. Kako je f ∈ V , a B je baza od V , moºemo
pisati
n
X
f= λi fi .
i=1
Tada za aj , j = 1, . . . , k vrijedi
n
X
f (aj ) = λi fi (aj ) = λj .
i=1
No, jer je f ∈ S 0, a aj ∈ S , j = 1, . . . , k , onda je f (aj ) = 0. Dakle, λj = 0, j = 1, . . . , k pa je
n
X
f= λi f i .
i=k+1

Zadatak 2.6. U R4 S = {(1, 2, −3, 4), (0, 1, 4, −1)}. Odredite bazu za S 0 .
zadan je skup
0 0
Rje²enje Znamo da je S = [S] pa treba odrediti [S]. Vrijedi da je [S] = [{(1, 2, −3, 4), (0, 1, 4, −1)}]
i vektori a1 = (1, 2, −3, 4), a2 = (0, 1, 4, −1) su linearno nezavisni pa je dim[S] = 2. Slijedi da je
dim S 0 = 4 − 2 = 2. Bazu za S 0 konstruiramo kao u prethodnom zadatku. Nadopunimo bazu za S
4
do baze za R s npr. e1 , e2 . Provjerimo linearnu nezavisnost skupa {a1 , a2 , e1 , e2 } i uvjerimo se da je
baza.
Znamo da u dualnoj bazi {f1 , f2 , f3 , f4 } funkcionali {f3 , f4 } £ine bazu za S 0 . Odredimo dualnu bazu:
fi (aj ) = δij . Imamo
x = (x1 , x2 , x3 , x4 ) = α1 a1 + α2 a2 + α3 e1 + α4 e2
£ije rje²enje je
1 4
α1 = x 3 + x4
13 13
4 3
α 2 = x 3 + x4
13 13
1 4
α 3 = x 1 − x3 − x4
13 13
6 11
α 4 = x 2 − x3 − x4
13 13
pa je
1 4
f3 (x1 , x2 , x3 , x4 ) = α3 = x1 − x3 − x4 ,
13 13
6 11
f4 (x1 , x2 , x3 , x4 ) = α4 = x2 − x3 − x4 .
13 13

DZ 2.4. U prostoru P4 polinoma stupnja ≤ 3 zadan je potprostor M generiran polinomima p1 (x) =

1 + x, p2 (x) = x + x2 . Odredite bazu za anihilator M 0 od M .
∗ 2 3 ∗ 2 3
Rje²enje npr. p3 (a + bx + cx + dx ) = a − b + c, p4 (a + bx + cx + dx ) = d.
Napomena 2.3. Neka je V = Rn , F = R, i neka je {e1 , . . . , en } kanonska baza za Rn . Traºimo op¢i

n n ∗
oblik linearnog funkcionala na R . Neka je f ∈ (R ) . Tada je
n
! n n
X X X
f (x1 , . . . , xn ) = f xi e i = xi f (ei ) = λi xi ,
i=1 i=1 i=1
za neke λ1 , . . . , λn ∈ R. Prema tome, linearni funkcionali na Rn su polinomi prvog stupnja u n

varijabli bez slobodnog £lana.
Poglavlje 3
Matri£ni prikaz (zapis) linearnog operatora
Neka su V , W vektorski prostori nad F, dim V = n, dim W = m. Neka su (e) = {e1 , . . . , en },

(f ) = {f1 , . . . , fm } baze za V odnosno W .
Pn
(1) Svaki vektor v ∈ V ima jedinstveni prikaz oblika v = i=1 αi ei koji zapisujemo u jednostup£anoj
matrici  
α1
 α2 
v(e) =  ..  .
 
 . 
αn
Ovaj zapis zovemo matri£ni prikaz vektora v u bazi (e), i on ovisi o bazi.
Preslikavanje ϕ : V → Fn , ϕ(v) = v(e) je izomorzam.
(2) Neka je A ∈ L(V, W ). Operator A je potpuno odreen svojim djelovanjem na bazi. Vektori
Ae1 , . . . , Aen su u W pa ih moºemo prikazati u bazi (f ) kao
m
X
Aej = αij fi , j = 1, . . . , n.
i=1
Tako dobivene koecijente pi²emo u matricu

 
α11 α12 . . . α1n
 α21 α22 . . . α2n 
A(f, e) =  .. .  ∈ Mmn (F).
 
.
 . . .
. . 
αm1 αm2 . . . αmn
Ovaj zapis zovemo matri£ni zapis operatora A u paru baza (e), (f ). Po stupcima imamo
matri£ne zapise vektora Aej , j = 1, . . . , n.
Preslikavanje Ψ : L(V, W ) → Mmn (F), Ψ(A) = A(f, e) je izomorzam.
Zadatak 3.1. Odredite matricu nul-operatora 0 : V → W , 0(v) = 0 ∈ W .

Pm
Rje²enje Neka su dane baze (e), (f ) za V odnosno W . Vrijedi 0(ej ) = 0 = i=1 0 · fi , j = 1, . . . , n.
Zato je matrica od nul-operatora u proizvoljnom paru baza nul-matrica 0 ∈ Mmn (F).
Zadatak 3.2. Odredite matricu jedini£nog operatora I : V → V , I(v) = v , u bazi (e) = {e1 , . . . , en }
domene i kodomene.
21
22 POGLAVLJE 3. MATRINI PRIKAZ (ZAPIS) LINEARNOG OPERATORA
Rje²enje Primijetimo da je I(ej ) = ej , j = 1, . . . , n pa je
 
1 0 0 ... 0
0 1 0 ... 0
 
I(e) = 0 0 1 ... 0


 .. .. .. .. .
.
. . . . .
0 0 0 . . . 1.
Dakle, I ima kao prikaz jedini£nu matricu.
Napomena 3.1. Matrica I(e, f ) nije jedini£na za (e) 6= (f )!

Zadatak 3.3. Odredite matricu operatora T : R2 → R3 , T (x, y) = (x + y, x − y, x), u kanonskom
paru baza.
Rje²enje Neka je s (e) = {e1 , e2 } ozna£ena kanonska baza za R2 , a s (f ) = {f1 , f2 , f3 } kanonska

3
baza za R . Vrijedi da je
T (e1 ) = (1, 1, 1) = f1 + f2 + f3 , T (e2 ) = (1, −1, 0) = f1 − f2 .
Stoga je
 
1 1
T (f, e) = 1 −1 .
1 0
Zadatak 3.4. Odredite matricu operatora S : R3 → M2 (R) zadanog sa

x−y y−z
S(x, y, z) =
z−x x+y+z
u kanonskom paru baza.
Rje²enje Ozna£imo kanonsku bazu za R3 s (e) = {e1 , e2 , e3 }, a za M2 (R) s (E) = {E11 , E12 , E21 , E22 }.
Tada je

1 0
S(e1 ) = = E11 − E21 + E22
−1 1

−1 1
S(e2 ) = = −E11 + E12 + E22
0 1

0 −1
S(e3 ) = = −E12 + E21 + E22
1 1
pa je
 
1 −1 0
0 1 −1
S(E, e) = 
−1 0
.
1
1 1 1
DZ 3.1. Neka je A : P4 → R2 (u P4 su polinomi stupnja ≤ 3) zadan s A(p) = (p(0), p(1)). Dokaºite

da je A linearni operator, naite mu matricu u kanonskom paru baza i odredite Ker A, Im A, r(A),
d(A).
3.1. PROMJENA BAZE 23
T : M2 (R) → M2 (R) zadan s T (A) = 12 A + AT . Dokaºite da je A linearni operator

DZ 3.2. Neka je
i naite mu matricu u kanonskom paru baza. Je li T izomorzam?
injenice 3.2. 1. Neka su (e) = {e1 , . . . , en }, (f ) = {f1 , . . . , fm } baze za V , W , x ∈ V , A ∈

L(V, W ). Tada je
Ax(f ) = A(f, e)x(e). (3.1)
2. Neka su (e), (f ), (g) baze za V , W , X i neka su A ∈ L(V, W ), B ∈ L(W, X). Tada je BA ∈ L(V, X)
i
BA(g, e) = B(g, f )A(f, e). (3.2)
Zadatak 3.5. Naite djelovanje linearnog operatora T : R2 → R3 , T (x, y) = (x + 2y, x + y, x) na

vektoru v = (1, 9).
Rje²enje
a) Direktno: T (v) = T (1, 9) = (19, 10, 1).

 
1 2
b) Matri£no: matrica od T u paru kanonskih baza je 1 1 pa je
1 0
   
1 2 19
1
T v(f ) = T (f, e)v(e) = 1 1 = 10 .
9
1 0 1

Zadatak 3.6. Zadani su A : R2 → R2 , A(x, y) = (x−y, x+y), B : R2 → R3 , B(x, y) = (x+y, x, −y),
2 3
Odredite BA : R → R .
Rje²enje
a) Direktno: BA(x, y) = B(x − y, x + y) = (2x, x − y, −x − y).
b) Matri£no:
   
1 1 2 0
1 −1
A= , B = 1 0  , BA =  1 −1 .
1 1
0 −1 −1 −1

3.1 Promjena baze

Sada ºelimo istraºiti ²to se dogaa ako mijenjamo baze za prostore V , odnosno W .
0 0 0
injenice 3.3. Neka je A ∈ L(V, W ), (e) = {e1 , . . . , en }, (e ) = {e1 , . . . , en } dvije baze za V, a
(f ) = {f1 , . . . , fm }, (f 0 ) = {f10 , . . . , fm
0
} dvije baze za W .
1. Operator A i matri£ni prikaz operatora A(f, e) u bilo kojem paru baza (e), (f ) imaju isti rang, tj.
r(A) = r(A(f, e)). (3.3)
Posebno je A regularan operator ako i samo ako je matrica A(e) regularna.

2. Vrijedi
−1
A (f 0 , e0 ) = IW (f 0 , f ) A(f, e)IV (e, e0 ) = IW (f, f 0 ) A(f, e)IV (e, e0 ) (3.4)
Matricu IV (e, e0 ) zovemo matrica prijelaza iz baze (e) u bazu (e0 ).

Napomena 3.4. Matricu prijelaza I(e, e0 ) moºemo zapisati i kao S(e), gdje je S ∈ L(V ) operator
zadan na bazi s Sei = e0i , i = 1, . . . , n.
3. Specijalno ako je V = W, imamo
−1
A (e0 ) = IV (e, e0 ) A(e)IV (e, e0 ) . (3.5)
Definicija 3.5. Neka su A, B ∈ Mn (F). Kaºemo da je matrica B sli£na matrici A ako postoji
−1
regularna matrica S ∈ GL(n, F) takva da je B = S AS .
Dakle, formula (3.5) kaºe da su matri£ni prikazi operatora A ∈ L(V ) u razli£itim bazama sli£ne
matrice.
4. Vrijedi i da je za x∈V
−1
x (e0 ) = IV (e0 , e) x(e) = IV (e, e0 ) x(e). (3.6)
5. Ako su (e), (e0 ) i (e00 ) tri baze za V, imamo sljede¢u vezu izmeu njih:
−1
IV (e0 , e00 ) = IV (e0 , e, ) IV (e, e00 ) = IV (e, e0 ) IV (e, e00 ) . (3.7)
Zadatak 3.7. Odredite matricu prijelaza iz baze (e) = {1, t, t2 } u bazu (e0 ) = {1 − t, 1 + t2 , t2 }
vektorskog prostora P2 (i obratno).
Rje²enje  
1 1 0
IP2 (e, e0 ) = −1 0 0 .
0 1 1
Obratno je
 
0 −1 0
IP2 (e0 , e) = IP2 (e, e0 )−1 = 1 1 0 .
−1 −1 1
Zadatak 3.8. Odredite matricu prijelaza iz baze (e0 ) = {(1, 2), (2, 3)} u bazu (e00 ) = {(1, 1), (1, −1)}
za R2 (nijedna nije kanonska).
Rje²enje Vrijedi da je
−1
IR2 (e0 , e00 ) = IR2 (e0 , e) IR2 (e, e00 ) = IR2 (e, e0 ) IR2 (e, e00 )
−1
1 2 1 1 −1 −5
= = .
2 3 1 −1 1 3
Zadatak 3.9. U R3 s (e) ozna£imo kanonsku bazu. Zadana je i baza (e0 ) = {e01 , e02 , e03 }, gdje su
e1 = e1 + e2 + e3 , e02 = e1 + e2 , e03 = e1 . Odredite matricu linearnog operatora A : R3 → R3 zadanog
0
0 0
s Aei = ei , i = 1, 2, 3, u bazi (e ).
Rje²enje Imamo
 
1 1 1
A(e) = IR3 (e, e0 ) = 1 1 0
1 0 0
pa je
A(e0 ) = IR3 (e, e0 )−1 A(e)IR3 (e, e0 ) = A(e)−1 A(e)A(e) = A(e).
Zadatak 3.10. Neka je (e) kanonska baza za R3 i (e0 ) = {(1, 1, 2), (2, 0, 0), (0, 1, 1)} jo² jedna baza
3
za R . Odredite
(a) (e1 + e3 )(e),
(b) (e01 − e02 )(e),
(c) (e1 − e2 )(e0 ),
(d) (e01 − e03 )(e0 ).
Rje²enje
 
1
(a) (e1 + e3 )(e) = 0

1

−1
(b) (e01 − e02 )(e) =  1 
2
 −1       
1 2 0 1 0 −1 1 1 1
0 0 −1 1 1 1 
(c) (e1 − e2 )(e ) = I(e, e ) (e1 − e2 )(e) = 1 0 1
  −1 = 2 2 − 2
  −1 = 0 
 
2 0 1 0 0 2 −1 0 −2
 
1
(d) (e01 − e03 )(e0 ) =  0 
−1

 
1 1 1
0 −1 2
Zadatak 3.11. Zadana je matrica 
1 1 1 operatora
 A : R3 → M2 (R) u paru baza (e0 ) =
1 1 0
0 1 0 1 0 0 1 0 0
{(1, 0, 1), (1, 0, −1), (0, 1, 1)} i (f ) = , , , . Odredite A(x1 , x2 , x3 ) za
1 0 0 0 0 1 0 1
3
proizvoljan (x1 , x2 , x3 ) ∈ R .
Rje²enje Neka su (e) i (f ) kanonske baze za R3 i M2 (R). Tada je
(Ax)(f ) = A(f, e)x(e) = IM2 (R) (f, f 0 )A(f 0 , e0 )IR3 (e, e0 )−1 x(e)
  
1 1 0 0 1 1 1  −1  
0 0 1 0 0 −1 2 1 1 0 x1
=     0 0 1  x2 
1 0 0 0 1 1 1
1 −1 1 x3
0 0 1 1 1 1 0
  
1 1 0 0 1 1 1 1 1 1
 
0 0 1 0 0 −1 2 12 1 2 2 1 − x1
= 
1 0 0 0 1 1 1 2 2
 − 2
 x2 
0 1 0 x3
0 0 1 1 1 1 0
pa je
1
x + 5 x + 1 x x1 + x2

Ax = 2 1 2 2 2 3
x1 + x2 2x1 + x2
 
1 1 1
Zadatak 3.12. Zadan je operator A : R
3
→ R3 matricom A(e0 ) = 1 0 1  u bazi (e0 ) =
1 1 −1
1 0 1
{(1, 0, 0), (0, 1, 0), (0, 1, 1)} te operator B : R3 → P2 matricom B(f 0 , e) = 1 0 0 u paru kanonske
0 1 0
3 0 2
baze za R i baze (f ) = {1, 1 − t, 1 + t } za P2 . Odredite matricu operatora BA u paru kanonskih
baza.
Rje²enje Neka je (e) kanonska baza za R3 , a (f ) kanonska baza za P2 . Tada je
BA(f, e) = B(f, e)A(e) = IP2 (f, f 0 )B(f 0 , e)IR3 (e, e0 )A(e0 )IR3 (e, e0 )−1
     
1 1 1 1 0 1 1 0 0 1 1 1 1 0 0
= 0 −1 0 1 0 0 0 1 1 1 0 1  0 1 −1
0 0 1 0 1 0 0 0 1 1 1 −1 0 0 1
 
5 4 −3
= −1 −1 0  .
2 1 −1
DZ 3.3. Naite matricu operatora A ∈ L(R2 ), A(x, y) = (x − y, x + y) u bazi {(1, 2), (2, 1)}.
Rje²enje
0 1 −7 −5
A(e ) = − .
3 5 1
DZ 3.4. Naite matricu operatora A ∈ L(R3 , P1 ), A(x, y, z) = x+y+z+xt u paru baze {(1, 1, 0), (1, 0, 1),
(0, 0, 1)} i {1 + t, 1 − 2t}.
Rje²enje
0 0 1 5 5 2
A(f , e ) = .
3 1 1 1
 
1 1 1
0 3
DZ 3.5. Zadana je matrica A(f, e ) = 1 0 1 operatora A : R → P2 u paru baza {(1, −1, 0), (1, 1, 0),
1 1 0
2
(1, 0, 1)} i {1, t, t }. Odredite Ax.
Rje²enje
1 1 1
A(x1 , x2 , x3 ) = x1 + x1 − x2 + x3 t + (x1 − x3 )t2 .
2 2 2

 
1 2 0 1
4 4
3 0 −1 2
DZ 3.6. Neka je A : R → R linearni operator dan svojom matricom A(e) = 
2 5 3 1 u

1 2 1 3
0 0 0 0 0 4 0 0 0
kanonskoj bazi. Neka je (e ) = {e1 , e2 , e3 , e4 } baza za R zadana s e1 = e1 , e2 = e1 +e2 , e3 = e1 +e2 +e3 ,
e04 = e1 + e2 + e3 + e4 , a (e00 ) jo² jedna baza za R4 zadana s e001 = e1 , e002 = e2 , e003 = e4 , e004 = e3 .
(a) Za x = (1, −1, 2, 1) odredite (Ax)(e), (Ax)(e0 ).

 
−1
0
 −3
Neka je y(e ) = 
(b)
 6 . Odredite (Ay)(e).

−8
(c) Odredite matricu prijelaza iz baze (e) u (e00 i A(e00 ).
(d) Odredite rang operatora A.
Rje²enje
   
0 −3
, (Ax)(e0 ) = −1.
3  
(a) (Ax)(e) =  4 0
4 4
 
−24
−32
(b) (Ay)(e) =  −51.

−42
 
1 2 1 0
3 0 2 −1
(c) A(e00 ) = 
1 2 3 1 .

2 5 1 3
(d) r(A) = 4

Poglavlje 4
Spektar
Definicija 4.1. Neka je A ∈ Mn (F). Polinom kA (λ) = det(A − λI) naziva se svojstveni (karakteris-
ti£ni) polinom matrice A.
Definicija 4.2. Neka je A ∈ L(V ), pri £emu je V kona£nodimenzionalni vektorski prostor. Svoj-
stveni (karkteristi£ni) polinom operatora A je polinom kA (λ) = kA(e) (λ), gdje je matri£ni prikaz
operatora A u bazi (e).
0
Napomena 4.3. Gornja denicija ima smisla jer su za svake dvije baze (e) i (e ) vektorskog prostora
V matrice A(e) i A(e0 ) sli£ne.
Definicija 4.4. Neka je V K.D.V.P i A ∈ L(V ). Trag linearnog operatora A je deniran sa

tr(A) = tr A(e), a determinanta linearnog operatora A sa det(A(e)), pri £emu je (e) proizvoljna
baza vektorskog prostora V.
Napomena 4.5. Gornja denicija je dobra jer sli£ne matrice imaju isti trag i determinantu.
Zadatak 4.1. Odredite svojstveni polinom proizvoljne matrice
a) A ∈ M2 (F),
b) A ∈ M3 (F).
Rje²enje

a b
a) Neka je A= . Tada je
c d

a − λ b
kA (λ) = det(A − λI) =
= (a − λ)(d − λ) − bc
c d − λ
= λ2 − (a + d)λ + (ad − bc)
= λ2 − (tr A)λ + det A.
b) (DZ) kA (λ) = −λ3 + (tr A)λ2 − k1 λ + det A, gdje je k1 = 21 [(tr A)2 − tr(A2 )].

Napomena 4.6. Svojstveni polinom matrice A ∈ Mn (F) je oblika
kA (λ) = kn λn + kn−1 λn−1 + · · · + k1 λ + k0 , ki ∈ F.

Vrijedi
kn = (−1)n ,
kn−1 = (−1)n−1 tr A,
k0 = det A.
29
30 POGLAVLJE 4. SPEKTAR
Zadatak 4.2. Odredite karakteristi£ni polinom matrice

 
0 1 0 0
3 0 −2 0 
A=
0 −2 0 3 

0 0 1 0.
Rje²enje

−λ 1 0 0

3 −λ −2 0
kA (λ) =
= drugi stupac pomnoºimo s λ i dodamo prvom stupcu
0 −2 −λ 3

0 0 1 −λ

0 1 0 0

3 − λ2 −λ −2 0
= = razvoj po prvom retku
−2λ −2 −λ 3

0 0 1 −λ
3 − λ2 −2 0

3 − λ2 0 −2λ

= (−1) · −2λ −λ 3 = − −2λ 0 3 − λ2 = razvoj po drugom stupcu
0 1 −λ 0 1 −λ

3 − λ2 −2λ
= (−1)2 = (λ − 1)(λ + 3)(λ + 1)(λ − 3).
−2λ 3 − λ2
Definicija 4.7. Neka je p(λ) = am λm +am−1 λm−1 +· · ·+a1 λ+a0 proizvoljni polinom u jednoj varijabli
λ s koecijentima iz F i neka je A ∈ Mn (F). Tada pod matri£nim polinomom podrazumijevamo
p(A) = am Am + am−1 Am−1 + · · · + a1 A + a0 I.
Napomena 4.8. Uo£imo da potencije kvadrata meusobno komutiraju pa s matri£nim polinomima

moºemo postupati kao s polinomima u varijabli koja je element polja F. Npr. vrijedi
m
2 m
X m k
A − I = (A − I)(A + I) i (A + I) = A .
k=0
k
Naravno, ovo ne vrijedi za matri£ne polinome u vi²e varijabli, npr.
A2 − B 2 6= (A − B)(A + B).
Zadatak 4.3. Neka je matrica A ∈ Mn (F) takva da je Ak = 0 i Ak−1 6= 0 za neki k ∈ N. Dokaºite

−1
da je matrica I − A regularna i naite (I − A) .
2 k−1 l
Rje²enje Pogledajmo polinom p(A) = I + A + A + · · · + A . Tada vrijedi A 6= 0 za l =
1, 2, · · · , k − 1 jer kad bi bilo Al = 0, onda je Ak−1 = Al · Ak−l−1 = 0, ²to je suprotno pretpostavci
zadatka. Sada je
(I − A)p(A) = (I − A)(I + A + A2 + · · · + Ak−1 )

= I + A + A2 + · · · + Ak−1 − A − A2 − · · · − Ak
= I − Ak = I.
Prema tome, I −A je regularna matrica i (I − A)−1 = I + A + A2 + · · · + Ak−1 .

31
Zadatak 4.4. Neka je A ∈ Mn (F) zadana matrica. Tada postoji matri£ni polinom p razli£it od nul
polinoma takav da je p(A) = 0.
2 2 n2 2
Rje²enje Kako je dim Mn (F) = n , to je skup {I, A, A , · · · , A } koji ima n +1 elemenata linearno
zavisan skup. Dakle, postoje skalari α0 , α1 , · · · , αn2 od kojih je barem jedan razli£it od 0 takvi da
vrijedi
2
α0 I + α1 A + α2 A2 + · · · + αn2 An = 0.
| {z }
p(A)

Teorem 4.9. (Hamilton-Cayley) Svaka kvadratna matrica poni²tava svoj svojstveni polinom, tj. vri-
jedi kA (A) = 0.
Napomena 4.10. Kako je kA (0) = det A, to je A je regularna matrica ako i samo ako je kA (0) 6= 0.
Napomena 4.11. Koriste¢i prethodnu napomenu i Hamilton-Cayleyev teorem, dobivamo jo² jednu
metodu invertiranja regularnih matrica. Neka je A ∈ Mn (F) regularna matrica, kA (λ) = kn λn + · · · +
k1 λ + k0 njen karakteristi£ni polinom. Prema Hamilton-Cayleyevom teoremu je kA (A) = 0, tj.
kn An + kn−1 An−1 + · · · + k1 A + k0 I = 0
i kako je A regularna matrica, vrijedi k0 6= 0. Stoga je
k0 I = −kn An − kn−1 An−1 − · · · − k1 A

kn kn−1 n−1 k1
I = − An − A − · · · − A /A−1
k0 k0 k0
kn kn−1 n−2 k1
A−1 = − An−1 − A − · · · − I.
k0 k0 k0
Inverz od A smo prikazali kao matri£ni polinom u A.
Zadatak 4.5. Koriste¢i Hamilton-Cayleyev teorem odredite inverz matrice
 
1 1 −1
−1 3 −1 .
−1 2 0
Rje²enje

1 − λ 1 -1 1−λ 1 −1

kA (λ) = −1 3 − λ −1 = λ − 2
2 − λ 0
2
−1 2 −λ λ − λ − 1 2 − λ 0
= −λ3 + 4λ2 − 5λ + 2.
Kako je kA (A) = 0, imamo −A3 + 4A2 − 5A + 2I = 0, odakle slijedi
1 2
A−1 =

A − 4A + 5I .
2
 
1 2 −2
Kako je A2 = −3 6 −2, dobivamo
−3 5 −1
 
2 −2 2
1
A−1 = 1 −1 2 .
2
1 −3 4

DZ 4.1. Odredite karakteristi£ni polinom matrice
 
4 1 1
A = 2 4 1 .
0 1 4
(rj. kA (λ) = (3 − λ)(6 − λ2 )).

DZ 4.2. Koriste¢i Hamilton-Cayleyev teorem odredite A−1 za
 
1 0 −1 1 0
−4 1 −3 2 1
 
−2 −1 0 1
A= 1
.
−3 −1 −3 4 1
−8 −2 −7 5 4
(rj. A−1 = 1
32
(A4 − 10A3 + 40A2 − 80A + 80I))
Zadatak 4.6. Neka je A ∈ M2 (F), A 6= αI , za neki α 6= 0. Dokaºite da je A singularna ako i samo
ako je A proporcionalna svom kvadratu.
Rje²enje Za karakteristi£ni polinom od A imamo
kA (λ) = λ2 − (tr A) A + det A.
Po Hamilton-Cayleyjevom teoremu je kA (A) = A2 − (tr A) A + (det A) I = 0. Matrica A je singularna

ako i samo ako je det A = 0.
2
Pretpostavimo najprije da je det A = 0. Tada je kA (A) = A − (tr A)A = 0, tj. A2 = (tr A)A.
2
S druge strane, ako je A proporcionalna A , onda postoji β ∈ F takav da je A2 = βA. Nadalje,
kA (A) = 0, tj.
A2 − (tr A) A + (det A) I = 0
|{z}
=βA
pa je (β − tr A) A + (det A) I = 0. Imamo dva slu£aja:
det A
(a) tr A 6= β . Tada je A=
tr A−β
I ²to je u kontradikciji s pretpostavkom da je A 6= αI , α 6= 0, pa je
to mogu¢e samo ako je det A = 0, tj. A = 0 ²to je o£ito singularna matrica.
(b) tr A = β . Imamo da je (det A)I = 0 odakle slijedi da je det A = 0 pa je A singularna.
injenice 4.12.
1.
Definicija 4.13. Neka je V vektorski prostor nad F, A ∈ L(V ). Za skalar λ0 ∈ F kaeºmo da

je svojstvena vrijednost operatora A ako postoji vektor x ∈ V , x 6= 0, takav da je Ax = λx.
Skup svih svojstvenih vrijednosti operatora A naziva se spektar od A, oznaka je σ(A). Vektor x
se naziva svojstveni vektor pridruºen svojstvenoj vrijednosti λ.
2. Svojstveni vektor nije jedinstven. Ako za svojstvenu vrijednost λ deniramo skup
VA (λ) = {x ∈ V : Ax = λx} ,
tada jeVA (λ) potprostor od V. Zovemo ga svojstveni potprostor. (Vrijedi da je VA (λ) =

Ker(A − λI))
33
3. Vrijedi da je A regularna ako i samo ako 0∈

/ σ(A).
4. Broj g(λ) := dim VA (λ) zovemo geometrijska kratnost svojstvene vrijednosti λ. Vrijedi da je
g(λ) ≥ 1, ∀λ ∈ σ(A).
5.
Teorem 4.14. Neka je V KDVP nad F. Skalar λ0 ∈ F je svojstvena vrijednost od A ako i samo
ako je kA (λ0 ) = 0.
6. Ako je dim V = n, onda A ima najvi²e n svojstvenih vrijednosti.
7. Jako se razlikuju slu£ajevi VR i VC ! Npr. u R2 operator rotacije nema (realnih) svojstvenih

vrijednosti. Ako je dim VR = 3, onda uvijek postoji barem jedna svojstvena vrijednost.
3 3
Zadatak 4.7. Neka je A : R → R linearni operator dan svojom matricom u paru kanonskih baza
 
4 −4 2
A =  2 −2 1  .
−4 4 −2
Odredite svojstvene vrijednosti od A i pripadne svojstvene potprostore.
Rje²enje Traºimo nulto£ke karakteristi£nog polinoma kA (λ) = −λ3 pa je σ(A) = {0}.

Odredit ¢emo VA (0) Ax = 0. Rje²enje je
tako da rje²imo sustav
   
1 0
x = t 0 + s 1 , t, s ∈ R.
  
−2 2
   
 1 0 
Dakle, VA (0) =   0 , 1 . Imamo g(0) = 2.
 
−2 2
 
U prethodnom zadatku smo i bez ra£una znali da je 0 ∈ σ(A) jer je A singularna.
Definicija 4.15. Kratnost svojstvene vrijednosti λ kao nulto£ke karakteristi£nog polinoma naziva
se algebarska kratnost svojstvene vrijednosti i ozna£ava s a(λ).
Teorem 4.16. Geometrijska kratnost svojstvene vrijednosti je uvijek manja ili jednaka od njene
algebarske kratnosti, tj.
g(λ) ≤ a(λ), ∀λ ∈ σ(A).
Zadatak 4.8. Linearni operator A ∈ L(V ) zadan je svojom matricom
 
1 1 −1
A = −1 3 −1 .
−1 2 0
Odredite svojstvene vrijednosti i pripadne svojstvene vektore ovog operatora, te algebarske i geome-
trijske kratnosti svojstvenih vrijednosti.
Rje²enje
kA (λ) = (2 − λ)(λ − 1)2
pa je σ(A) = {1, 2}, algebarske kratnosti su a(1) = 2, a(2) = 1. Odredimo svojstvene potprostore:
 
 1 
VA (1) Rje²avamo (A − I)x = 0 i dobivamo x1 = x3 , x2 = x3 pa je 1 baza za VA (1). Dakle,
1
 
g(1) = 1.
  
 0 
VA (2) Rje²avamo (A − 2I)x = 0 i dobivamo x1 = 0, x2 = x3 pa je 1 baza za VA (2). Dakle,
1
 
g(2) = 1.
DZ 4.3. Odredite algebarske i geometrijske kratnosti svojstvene vrijednosti λ = 0 u zadatku 4.7.

Odredite algebarske i geometrijske kratnosti svojstvenih vrijednosti za
       
4 0 0 4 0 0 4 1 0 4 1 0
A = −2 1 0 , B = 0 4 0 , C = 0 4 0 , D = 0 4 1 .
5 3 4 0 0 4 0 0 4 0 0 4
Rje²enje
(a) σ(A) = {1, 4}, a(1) = g(1) = 1, a(4) = 2, g(4) = 1,
(b) σ(B) = {4}, a(4) = g(4) = 3,
(c) σ(C) = {4}, a(4) = 3, g(4) = 2,
(d) σ(D) = {4}, a(4) = 3, g(4) = 1.
DZ 4.4. Odredite algebarske i geometrijske kratnosti svojstvenih vrijednosti za
 
    0 1 0 0
−1 2 2 2 −5 −3 3 0 2 0
A= 2 2 2 , B = −1 −2 −3 , C=
0
.
2 0 3
−3 −6 −6 3 15 12
0 0 1 0
Rje²enje
(a) σ(A) = {0, −2, −3},
(b) σ(B) = {3, 5}, a(3) = 2,
(c) σ(C) = {−3, −1, 1, 3}.
Zadatak 4.9. Odredite svojstvene vrijednosti, njihove algebarske i geometrijske kratnosti te pripadne
svojstvene vektore linearnog operatora A ∈ L(Fn ) zadanog matricom u kanonskoj bazi
 
1 1 1 ··· 1
1 1
 1 ··· 1
A = 1 1
 1 ··· 1
 .. .. .
. .. .
.
. . . . .
1 1 1 ··· 1
35
Rje²enje Najprije ra£unamo karakteristi£ni polinom od A:

1 − λ 1 1 ··· 1

1
1−λ 1 ··· 1

1
kA (λ) = 1 1 − λ ··· 1 = prvi

redak pomnoºimo s −1 i dodamo svim ostalim retcima
.. .
.
.
. .. .
.

. . . . .

1 1 1 ··· 1 − λ

1 − λ 1 1 ··· 1

λ
−λ 0 · · · 0
=
λ 0 −λ · · · 0 = prvom stupcu dodamo ostale stupce
.. .
.
.
. .. .
.
. . . . .

λ 0 0 ··· λ

1 − λ + (n − 1) 1 1 ··· 1

0 −λ 0 ··· 0

=
0 0 −λ · · · 0 = (n − λ)(−1)n−1 λn−1 .

. . . .. .
. . . .

. . . . .

0 0 0 ··· −λ
Stoga je σ(A) = {0, n} i a(0) = n − 1, a(n) = 1. Odredimo svojstvene potprostore:
VA (0) Rje²avamo sustav Ax = 0 i dobivamo x1 + x2 + · · · + xn = 0. Dakle, x ∈ VA (0) ako i samo ako
    
−1 −1 −1
1 0 0
     
x = x2  0  + x3  1  + · · · + x n  0  .
     
 ..   ..   .. 
 .   .   . 
0 0 1
Uz oznake fi = ei − e1 , i = 2, · · · , n, gdje su e1 , · · · , en vektori kanonske baze za Fn , vrijedi

VA (0) = [{f2 , · · · , fn }]. Dakle, g(0) = dimVA (0) = n − 1.
VA (n) Rje²avamo sustav (A − nI)x = 0.

 
1−n 1 1 ··· 1
 1
 1−n 1 ··· 1 

 1
 1 1 − n ··· 1  ∼ prvi

redak pomnoºimo s −1 i dodamo svim ostalim retcima
 .. .
.
.
. .. .
.

 . . . . . 
1 1 1 ··· 1−n
 
1−n 1 1 ··· 1
 n
 −n 0 ··· 0  
∼
 n 0 −n · · · 0   ∼ sve stupce, osim prvog, podijelimo s n
 .. .
.
.
. .. . 
.
 . . . . . 
n 0 0 · · · −n
 
1−n 1 1 ··· 1
 1
 −1 0 ··· 0  
∼
 1 0 −1 · · · 0   ∼ prvom retku dodamo sumu preostalih redaka
 .. .
.
.
. .. . 
.
 . . . . . 
1 0 0 · · · −1
 
0 0 0 ··· 0
1 −1 0 ··· 0 
 
∼ 1 0 −1 ··· 0 


 .. .. .
. .. . 
. 
. . . . .
1 0 0 · · · −1
   
 1
 

 .. 
Dakle, x ∈ VA (n) ⇐⇒ x1 = x2 = · · · = xn , tj. VA (n) = t  .  : t ∈ R . Stoga je

 1 

g(n) = dim VA (n) = 1.
Napomena 4.17. Uo£imo da je u prethodnom primjeru g(0) = a(0) i g(n) = a(n), tj. algebarska
i geometrijska kratnost se za svaku svojstvenu vrijednost podudaraju. Stoga se operator A moºe
dijagonalizirati. Uz oznaku f = e1 + e2 + · · · + en vidimo da je matri£ni prikaz operatora A u bazi
{f2 , · · · , fn , f } dijagonalna matrica
 
0 0 ··· 0
0 0 · · · 0 
A(f2 , · · · , fn , f ) =  .. .. . . ..
 
. . . .
.
0 0 ··· n
Zadatak 4.10. Neka je A ∈ L(V ), α ∈ F \ {0} proizvoljan skalar. Dokaºite
σ(αA) = ασ(A). (4.1)
Rje²enje
⊆ Neka je λ ∈ σ(αA). To zna£i da postoji vektor x ∈ V, x 6= 0 takav da je (αA)x = λx. No, tada
je Ax = αλ x, odnosno, αλ ∈ σ(A). Stoga je λ ∈ ασ(A).

37
⊇ Neka jeλ ∈ σ(A). Tada postoji vektor x ∈ V, x 6= 0 takav da je Ax = λx. Sada je (αA)x =
(αλ)x. Dakle, αλ ∈ σ(αA).
Zadatak 4.11. Neka je A ∈ L(V ), α ∈ F proizvoljan skalar. Dokaºite
σ(A − αI) = {λ − α : λ ∈ σ(A)} = σ(A) − α. (4.2)
Rje²enje
⊆ Neka je λ ∈ σ(A − αI). Tada ∃x ∈ V , x 6= 0, takav da je (A − αI)x = λx, tj. Ax = (λ + α)x.

Slijedi da je λ+α ∈ σ(A), tj. λ+α = λ0 , za neki λ0 ∈ σ(A) pa je λ = λ0 −α, gdje je λ0 ∈ σ(A).
⊇ Neka jeµ = λ − α, za neki λ ∈ σ(A). Tada je λ = µ + α i ∃x ∈ V , x 6= 0, takav da je

Ax = λx = (µ + α)x, tj. (A − αI)x = µx. Stoga je µ ∈ σ(A − αI).

Zadatak 4.12. Neka je λ0 ∈ F proizvoljan skalar. Dokaºite
σ(λ0 I) = {λ0 }. (4.3)
Rje²enje Pogledajmo karakteristi£ni polinom:
kλ0 I (λ) = det ((λ0 − λ)I) = (λ0 − λ)n
pa je σ(λ0 I) = {λ0 }.
Zadatak 4.13. Neka je A ∈ L(V ) regularan operator. Dokaºite
σ A−1 = λ−1 : λ ∈ σ(A) = σ(A)−1 .

(4.4)
Rje²enje
⊆ Neka jeµ ∈ σ(A−1 ). Tada postoji y ∈ V , y =

6 0, takav da je A−1 y = µy . Slijedi da jey = µAy ,
tj. Ay =
1
µ
y . Kako je y 6= 0, to je µ−1 ∈ σ(A) pa je µ−1 = λ, za neki λ ∈ σ(A) pa je
µ = λ−1 ∈ σ(A)−1 .
⊇ Neka je λ0 ∈ σ(A). Tada je Ax = λ0 x, za x 6= 0. Slijedi da je A−1 (Ax) = λ0 A−1 x, tj.
A−1 x = λ10 x. Prema tome je λ10 ∈ σ(A−1 ).

Primijetimo da smo ovu inkluziju mogli dobiti iz prethodne tako da umjesto operatora A
−1
gledamo A .

Napomena 4.18. Primijetimo da se u prethodnim zadacima svojstveni vektor nije mijenjao kod
prelaska na drugi operator.

Zadatak 4.14. Ako je λ ∈ σ(A), onda je λk ∈ σ Ak , k ∈ N.
Rje²enje Neka je λ ∈ σ(A). Tada postoji x 6= 0 takav da je Ax = λx. Slijedi da je A(Ax) =
2
A(λx) = λAx = λ x. Indukcijom se lako pokaºe traºeni rezultat za op¢i k ∈ N.
Napomena 4.19. Vrijedi li obrat? Da nad C (funkcije operatora ne¢emo raditi na ovom kolegiju),
ne nad R (primjer: rotacija u R2 za 90◦ )
Zadatak 4.15. Neka su A, B ∈ L(V ), dim V < ∞. Dokaºite:
σ(AB) = σ(BA). (4.5)

Rje²enje Dokaºimo da su karakteristi£ni polinomi od AB i BA jednaki pa iz toga odmah slijedi

rezultat. Razlikujemo dva slu£aja:
1.) Barem jedan od operatora A, B je regularan. BSO neka je to A.

Ozna£imo s A(e) i B(e) matri£ne prikaze od A, B u nekoj bazi (e). Vrijedi
BA(e) = B(e)A(e) = A−1 (e)A(e) B(e)A(e) = A−1 (e) (A(e)B(e)) A(e) = A−1 (e) (AB(e)) A(e),

tj. matrice AB(e) i BA(e) su sli£ne pa imaju jednake karakteristi£ne polinome, a to su upravo
karakteristi£ni polinomi operatora AB i BA.
2.) Oba operatora A, B su singularna.
Neka je α ∈ C \ σ(A). Tada je operator A − αI regularan pa ako gledamo operatore A − αI i B ,

nalazimo se u uvjetima prvog slu£aja. Dakle,
k(A−αI)B (λ) = kB(A−αI) (λ), ∀λ ∈ F.

Fiksirajmo sada λ ∈ F i promatrajmo k(A−αI)B (λ) i kB(A−αI) (λ) kao polinome stupnja n u varijabli
α. Kako se oni podudaraju u vi²e od n to£aka, oni su jednaki u svim to£kama, tj. vrijedi
k(A−αI)B (λ) = kB(A−αI) (λ), ∀α ∈ C, λ ksan.
Specijalno za α=0 imamo

kAB (λ) = kBA (λ).
Postupak primijenimo na svaki λ∈F pa je kAB = kBA .
Napomena 4.20. Prethodni zadatak moºemo u ne²to izmijenjenom obliku koristiti i za pravokutne
matrice...
DODATI!
Napomena 4.21. Svojstvene vrijednosti moºemo denirati i za kvadratne matrice. Naime, matricu
A ∈ Mn (F) moºemo shvatiti kao linearni operator A : Fn → Fn ,
n n
!
X X
A(x) = A(x1 , . . . , xn ) = a1j xj , . . . , anj xj .
j=1 j=1
Matrica tog operatora u paru kanonskih baza je upravo A.

Zadatak 4.16. Neka je A ∈ Mn (C) proizvoljna matrica. Dokaºite da je det A jednaka produktu, a
tr A sumi svojstvenih vrijednosti od A (uklju£uju¢i njihove kratnosti).
Rje²enje Kako je A ∈ Mn (C), njen karakteristi£ni polinom se moºe faktorizirati kao
kA (λ) = (λ1 − λ)(λ2 − λ) · · · (λn − λ),

gdje je σ(A) = {λ1 , λ2 , . . . , λn }. Tada je
det A = kA (0) = λ1 λ2 · · · λn .
Znamo da je (−1)n−1 tr A koecijent uz λn−1 u karakteristi£nom polinomu pa je
(−1)n−1 tr A = (−1)n−1 (λ1 + . . . + λn ) ,

tj.
tr A = λ1 + . . . + λn .
39
Zadatak 4.17. Neka je A ∈ Mn (R) simetri£na matrica. Dokaºite da su sve njene svojstvene vrijed-
nosti realne, tj. σ(A) ⊆ R.
Rje²enje Matricu A ∈ Mn (R) moºemo shvatiti kao kompleksnu matricu koja ima n kompleksnih
svojstvenih vrijednosti kojima pripadaju kompleksni
  svojstveni vektori.
z1
 .. 
Neka je λ ∈ σ(A). Tada postoji vektor z =  .  ∈ Mn1 (C), z 6= 0, takav da je Az = λz . Za
zn
z ∈ Mn1 (C) je z = z = z1 . . . zn ∈ M1n (C). Stoga je z ∗ z ∈ M11 (C):
∗ T

 
z
∗
 .1  X n Xn
.
z z = z1 . . . zn  .  = zi zi = |zi |2 ∈ R+ .
zn i=1 i=1
Prema tome je
z ∗ Az = (z ∗ Az)∗ = z ∗ Az
odakle slijedi da je z ∗ Az ∈ R. S druge strane je
z ∗ Az = z ∗ λz = λz ∗ z
z ∗ Az
pa je λ= z∗ z
∈ R.
DZ 4.5. Neka je A ∈ Mn (C) takva da je −2 ∈ σ(A2 + 2A). Dokaºite da je tada −4 ∈ σ(A4 ). Vrijedi
li obrat?
Rje²enje Ako je −2 ∈ σ(A2 + 2A), onda je det(A2 + 2A + 2I) = 0. Kako je A4 + 4I = (A2 + 2A +

2I)(A2 − 2A + 2I), onda je
det(A4 + 4I) = det(A2 + 2A + 2I) det(A2 − 2A + 2I) = 0.
Obrat ne vrijedi: Neka je A = (1 + i) ∈ M1 (C). Za nju je A2 = 2i, A4 + 4I = (2i)2 + 4 = 0 pa

4
je det(A + 4I) = 0, tj. −4 ∈ σ(A4 ). No, det(A2 + 2A + 2) = 2i + 2(i + 1) + 2 = 4i + 4 6= 0, tj.
−2 ∈/ σ(A2 + 2A).
DZ 4.6. Neka je A ∈ M2n (R) takva da je det A < 0. Dokaºite da A ima barem dvije realne svojstvene
vrijednosti.
Rje²enje Shvatimo A kao matricu iz M2n (C) te faktoriziramo njen karakteristi£ni polinom:
kA (λ) = (λ1 − λ)(λ2 − λ) · · · (λ2n − λ), λi ∈ C.
Kako kA ima realne koecijente, jer je A realna matrica, sve kompleksne svojstvene vrijednosti dolaze
u konjugiranim parovima, tj. za λ0 ∈ σ(A) je i λ0 ∈ σ(A). Jo² vrijedi
det A = λ1 λ2 · · · λ2n .
Razlikujemo slu£ajeve:
1. A nema realnih svojstvenih vrijednosti.
To zna£i da imamo n parova kompleksno konjugiranih svojstvenih vriednosti pa je
det A = λ1 λ1 λ2 λ2 · · · λn λn = |λ1 |2 |λ2 |2 · · · |λn |2 ≥ 0
²to je u kontradikciji s pretpostavkom da je det A < 0.

2. A ima to£no jednu realnu svojstvenu vrijednost.
Ovo je nemogu¢e jer bi ostalih 2n − 1 svojstvenih vrijednosti trebale do¢i u kompleksno konjugi-
ranim parovima, a ima ih neparan broj.
Dakle, A ima barem dvije realne svojstvene vrijednost.
DZ 4.7. Neka je A ∈ Mn (F). Dokaºite da je σ(AT ) = σ(A).

Rje²enje Gledamo karakteristi£an polinom
kAT (λ) = det AT − λI = det (A − λI)T = det (A − λI) = kA (λ).

injenice 4.22.
1.
Neka je A ∈ L(V ), dim V < ∞, σ(A) = {λ1 , . . . , λk } te neka je e(i) baza za

Teorem 4.23.
svojstveni potprostor VA (λi ), i = 1, . . . , k . Tada je unija svih skupova e(i) , i = 1, . . . , k , linearno

nezavisan skup.
2. Posebno: razli£itim svojstvenim vrijednostima pripadaju linearno nezavisni svojstveni vektori.
3.
Teorem 4.24. Neka je V kompleksan kona£nodimenzionalan vektorski prostor, A ∈ L(V ), σ(A) =

{λ1 , . . . , λk }. Operator A se moºe dijagonalizirati (tj. postoji baza od V u kojoj je matri£ni prokaz
za A dijagonalna matrica) ako i samo ako su za svaku svojstvenu vrijednost od A njene algebarske
i geometrijske kratnosti jednake.
4. Jednostavna posljedica: ako A ∈ L(V ), dim V = n, ima n razli£itih svojstvenih vrijednosti, tada
se on moºe dijagonalizirati.
5. Vrijedi napomenuti da se ne mogu svi operatori dijagonalizirati (£ak ni na kompleksnim prosto-

rima). Najop¢enitiji oblik je tzv. Jordanova forma (na VC ):
 
    λi 1 0 ... 0 0
J1 0 . . . 0 B1 0 . . . 0  0 λi 1
 ... 0 0 
 0 J2 . . . 0   0 B2 . . . 0   0 0 λi ... 0 0
J =  .. .. . . . , Jk =  .. . , Bi =  .. .. .. . .
     
. .. .. .
. . . . . . . . . . 
.   . . .  . . . . .
 
0 0 . . . Jr 0 0 . . . Bl 0 0 0 . . . λi 1
0 0 0 ... 0 λi
Ovdje je J blok-dijagonalna matrica, svaki blok Jk zove se Jordanova klijetka, pripada razli£itoj
svojstvenoj vrijednosti od A, i sam je blok-dijagonalna matrica koja se sastoji od osnovnih Jorda-
novih blokova ili elementarnih Jordanovih klijetki Bi . O Jordanovoj formi ¢e biti puno rije£i na
kolegiju Vektorski prostori.
Primjer 4.25. Matrica  

5 4 2 1
0 1 −1 −1
A=
−1 −1 3

0
1 1 −1 2
41
ima spektar σ(A) = {1, 2, 4} i a(1) = a(2) = 1, a(4) = 2 6= 1 = g(4) pa A nije dijagonalizabilna.
−1
No, postoji invertibilna matrica P takva da je P AP = J , gdje je
 
1 0 0 0
0 2 0 0
J =0 0 4 1

0 0 0 4
Zadatak 4.18. Moºe li se dijagonalizirati operator A ∈ L(R3 ) zadan svojom matricom u kanonskoj
bazi  
3 2 −5
A = 2 6 −10?
1 2 −3
Rje²enje Odredimo najprije karakteristi£ni polinom od A:
kA (λ) = −(λ − 2)3 .
Dakle, σ(A) = {2}, a(2) = 3. Odredimo geometrijsku kratnost svojstvene vrijednosti 2.

   
 −2 5 
VA (2) = . . . =   1  , 0 
0 1
 
pa je g(2) = 2 6= 3 = a(2) pa se A ne moºe dijagonalizirati.

Prisjetimo se operatora A iz zadatka 4.9. Tamo smo imali a(n) = g(n) = 1 i a(0) = g(0) = n − 1
pa se taj operator mogao dijagonalizirati. U bazi koja je sastavljena od svojstvenih vektora, njegova
matrica ima prikaz
A (e0 ) = diag(0, . . . , 0, n).
Zadatak 4.19. Neka je A ∈ L(V ), a1 , a2 ∈ V svojstveni vektori pridruºeni razli£itim svojstvenim
vrijednostima λ1 , λ2 ∈ F. Dokaºite da a1 + a2 nije svojstveni vektor od A.
Rje²enje Vrijedi da je Aa1 = λ1 a1 i Aa2 = λ2 a2 , λ1 6= λ2 . Kako su a1 , a2 pridruºeni razli£itim

svojstvenim vrijednostima, skup {a1 , a2 } je linearno nezavisan. Pretpostavimo da postoji svojstvena
vrijednost λ £iji je svojstveni vektor a1 + a2 . Rada je
λ1 a1 + λ2 a2 = Aa1 + Aa2 = A(a1 + a2 ) = λ(a1 + a2 ) = λa1 + λa2
pa je(λ1 − λ)a1 + (λ2 − λ)a2 = 0. Zbog nezavisnosti skupa {a1 , a2 } je λ1 − λ = λ2 − λ = 0 pa je

λ1 = λ2 ²to je u kontradikciji s pretpostavkom.
Zadatak 4.20. Neka su A, B ∈ L(V ), λ1 ∈ σ(A), λ2 ∈ σ(B). Dokaºite da op¢enito λ1 + λ2 6∈
σ(A + B).
Rje²enje Moºe se provjeriti da sljede¢i operatori daju kontraprimjer.

3 0 0 1
A(e) = B(e) = , .
0 4 4 0
n √ o
7± 17
Vrijedi da je σ(A) = {3, 4} i σ(B) = {−2, 2}. No, σ(A + B) = pa ni za koje λ1 ∈ σ(A) i
2
λ2 ∈ σ(B) ne moºe biti λ1 + λ2 ∈ σ(A + B).
Zadatak 4.21. Neka je A ∈ L(Rn ) i neka su 1, 2, . . . , k svojstvene vrijednosti operatora A s geome-

trijskim kratnostima 1, 2, . . . , k , redom, i neka je n = 1 + 2 + . . . + k . Ispitajte je li A regularan te,
−1 −1
ako je, odredite σ(A ), tr(A ).
Rje²enje Suma geometrijskih kratnosti svih svojstvenih vrijednosti je jednaka n = dim Rn . No, i
suma algebarskih kratnosti je jednaka n. Slijedi da je svaka geometrijska kratnost jednaka pripadnoj
algebarskoj kratnosti i σ(A) = {1, 2, . . . , k}, tj. imamo sve svojstvene vrijednosti od A. Kako
0∈
/ σ(A), to je A regularan. Nadalje, imamo

−1
−1
1 1 1
σ(A ) = λ : λ ∈ σ(A) = 1, , , . . . , .
2 3 k
Dakle,

−1 1 1 1 1 1 1 1
A ∼ diag(1, 2, 2, 3, 3, 3, . . . , k, . . . , k), A ∼ diag 1, , , , , , . . . , , . . . , .
2 2 3 3 3 k k
Stoga je tr(A−1 ) = k .
Definicija 4.26. Neka je A ∈ L(V ), M ≤ V . Kaºemo da je M invarijantan potprostor za A ako

je A(M ) ⊆ M , tj. Ax ∈ M , ∀x ∈ M .
injenice 4.27.
1. Svaki operator ima invarijatne potprostore {0} i V . Singularan operator A ima i prave invarijantne
potprostore Im A 6= V , Ker A 6= {0}.
2. Ako je M = [{e1 , . . . , ek }] ≤ V pravi invarijatni potprostor za A, {e1 , . . . , ek , ek+1 , . . . , en } baza za

V, tada je matri£ni prikaz od A u toj bazi

A1 A2
0 A3
blok-gornjetrokutasta matrica, gdje je A1 ∈ Mk (F).
3. Primijetimo da ako je uz oznake kao u prethodnoj to£ki,
kA (λ) = kA1 (λ)kA3 (λ).
4. Svaki svojstveni potprostor je invarijantan za A. Obrat ne vrijedi.
DZ 4.8. Neka su A, B ∈ L(V ), AB = BA, te neka je M ≤V svojstveni potprostor za A. Dokaºite

da je M invarijantan potprostor za B .
Rje²enje Pretpostavka je da je Ax = λx, ∀x ∈ M . Ako je x ∈ M, onda je
A(Bx) = B(Ax) = B(λx) = λBx
pa je Bx ∈ M .
4.1. SUSTAVI LINEARNIH REKURZIJA 43
4.1 Sustavi linearnih rekurzija

Zadatak 4.22. Promatramo populaciju ze£eva i lasica. Uo£eno je da je svake godine broj ze£eva
uvijek jednak £etverostrukom broju ze£eva pro²le godine umanjenom za dvostruki broj lasica pro²le
godine. Nadalje, broj lasica je jednak zbroju lanjskog broja ze£eva i lanjskog broja lasica. Na po¢etku
je bilo 100 ze£eva i 10 lasica. Naite broj ze£eva i broj lasica nakon n godina.
Rje²enje Ozna£imo sa zn broj ze£eva nakon n godina, a sa ln broj lasica nakon n godina. Iz uvjeta
zadatka imamo
zn+1 = 4zn − 2ln

ln+1 = zn + ln ,
z0 = 100,
l0 = 10.

zn 4 −2
Uvedimo oznake xn = i A = . Goranji sustav rekurzija prelazi u matri£nu jednadºbu
ln 1 1
xn+1 = Axn

100
x0 = .
10
Sada je xn = An x0 . Vrijedi kA (λ) = (4 − λ)(1 − λ) + 2 = (λ − 2)(λ − 3) pa je σ(A) = {2, 3},

a(2) = g(2) = 1 i a(3) = g(3) = 1. Dakle, A se moºe dijagonalizirati. Direktnim
ra£unom se
1 2
lako vidi da je VA (2) = Ker(A − 2I) = i VA (3) = Ker(A − 3I) = . Stoga je
1 1
2 0 −1 1 2
A=P P , gdje je P = . Iz toga slijedi
0 3 1 1

2n 0
n
A =P P −1 .
0 3n
Iz po£etnih uvjeta moºemo izra£unati xn

1 2 2n 0 −1 2 100 180 · 3n − 80 · 2n
xn = = .
1 1 0 3n 1 −1 10 90 · 3n − 80 · 2n

Zadatak 4.23. Odredite op¢i £lan niza zadanog rekurzivno sa
5an + 2
an+1 = ,
2an + 8
ako je a1 = 3.
xn
Rje²enje Zapi²imo an u obliku
yn
. Tada je
xn+1 5xn + 2yn

= .
yn+1 2xn + 8yn
Nizove (xn ) i (yn ) deniramo tako da vrijedi
xn+1 = 5xn + 2yn

yn+1 = 2xn + 8yn ,
x1 =3
y1 = 1.

xn 5 2 xn−1
Tada je zn = = = Azn−1 . Stoga je zn = An−1 z1 . Provjerimo moºe li se operator
yn 2 8 yn−1
A dijagonalizirati. Vrijedi kA (λ) = λ2 − 13λ + 36, dakle, σ(A) = {4, 9} pa je a(4) = g(4) = 1
2
i a(9) = g(9) = 1, tj. A se moºe dijagonalizirati. Imamo VA (4) = Ker(A − 4I) = i
−1
1 −1 2 1 4 0
VA (9) = Ker(A − 9I) = . Stoga je A = P DP , gdje je P = , D = . Iz toga
2 −1 2 0 9
slijedi
n 2 1 4n 0 1 2 −1
A = .
−1 2 0 9n 5 1 2
Iz po£etnih uvjeta moºemo izra£unati zn = An−1 z1 , odakle je

2 · 4n−1 + 9n−1
zn = .
−4n−1 + 2 · 9n−1
2 · 4n−1 + 9n−1
Napokon imamo an = .
−4n−1 + 2 · 9n−1
DZ 4.9. Rije²ite sustav linearnih rekurzija
xn+1 = 2xn + 6yn

yn+1 = 6xn − 3yn
x1 = 0, y1 = −1
Rje²enje
1
6 · (−7)n−1 − 6n

xn =
13
1
9 · (−7)n−1 + 4 · 6n−1

yn = −
13
DZ 4.10. Rije²ite sustav linearnih rekurzija
xn+1 = txn + (1 − t)yn

yn+1 = (1 − t)xn + tyn
x1 = 0, y1 = 1
Rje²enje
1
xn = (1 − (2t − 1)n )
2
1
yn = (1 + (2t − 1)n )
2
Zadatak 4.24. Fibonaccijev niz (Fn ) zadan je rekurzivno kao
F0 = 0, F1 = 1, Fn = Fn−1 + Fn−2 .
Odredite op¢i £lan niza.
Rje²enje Uvedimo novi niz Gn = Fn−1 i dobivamo sustav rekurzivnih relacija
Fn = Fn−1 + Gn−1
Gn = Fn−1

Fn 1 1
Ozna£imo xn = , A= pa na² sustav postaje
Gn 1 0

n−1 1
xn = Axn−1 = . . . = A x1 , x1 = .
0
Karakteristi£ni polinom matrice sustava je
kA (λ) = λ2 − λ − 1
n √ o
1± 5
pa je σ(A) = {λ1,2 } = 2
. Svojstveni potprostori su

λ1 λ2
VA (λ1 ) = , VA (λ2 ) = .
1 1
Sada imamo
λ1 λ2 −1 1 1 −λ2 λ1 0
P = , P = , D=
1 1 λ1 − λ2 −1 λ1 0 λ2
pa je
n−1 n
n−1 −1 1 1 −λ2 λ1 0 1 −λ2 1 λ1 − λn2
xn = P D P x1 = = n−1 .
λ1 − λ2 −1 λ1 0 λn−1
2 −1 λ1 n−1
λ1 − λ2 λ1 − λ2
Dakle,
√ !n √ !n !
1 1+ 5 1− 5
Fn = √ − , n ∈ N0 .
5 2 2

DZ 4.11. Odredite det An , gdje je
 
1 −4 0 . . . 0 0
5 1 −4 . . . 0 0

 
0 5 1 ... 0 0

An =  .. .. . .
 
. .. .
. . . . . . 
. . .
 
0 0 0 ... 1 −4
0 0 0 ... 5 1
Rje²enje
1 n+1
− (−4)n+1 ,

det An = 5 n ∈ N.
9

Primijetite da za razliku od metode rekurzivnih relacija za ra£unanje determinanti koju smo obradili
u kolegiju Linearna algebra 1, sad imamo na£in ra£unanja rekurzivnih relacija koje imaju dubinu
ve¢u od 2. Na primjer, ºelimo li rije²iti sustav rekurzivnih relacija
xn = xn−1 + yn−1 + zn−1

yn = xn−1
zn = yn−1
moºemo to napraviti kao i prije tako da dijagonaliziramo matricu sustava
 
1 1 1
1 0 0 . (4.6)
0 1 0
Primijetimo takoer da je rje²enje ovog sustava zapravo rje²enje rekurzivne relacije
Fn = Fn−1 + Fn−2 + Fn−3 .

Karakteristi£na jednadºba ove rekurzivne relacije je zapravo karakteristi£ni polinom matrice (4.6).
Brojevi (Fn ) zovu se tribonaccijevi brojevi.
Zadatak 4.25. Za q1 ∈ Q+ deniramo qn+1 = 2+q 1+q
n
(nije linearna rekurzija). Odredite op¢i £lan
√n
danog niza ako je q1 = 1 i dokaºite da je lim qn = 2.
a
Rje²enje Svi brojevi qn su racionalni pa je qn = n , za an , bn ∈ N, za svaki n ∈ N. Odabir
bn
brojeva an i bn naravno nije jedinstven, ali nas zanima samo qn pa je svejedno koje an , bn uzmemo.
Primijetimo da je
an
an+1 2+ bn an + 2bn
qn+1 = = an = .
bn+1 1+ bn
an + b n
Stavimo
an+1 = an + 2bn
bn+1 = an + bn

an 1 2
i rije²imo ovaj sustav na standardni na£in. Stavimo zn = i A = pa je
bn 1 1
zn+1 = Azn = . . . = An z1 .
Imamo
kA (λ) = λ2 − 2λ − 1
√
pa je σ(A) = {1 ± 2}. Takoer je
√ √
√ √
2 2
VA (1 + 2) = , VA (1 − 2) = .
1 −1
Slijedi da je
√
√ √ √
n n −12 2 (1 + 2)n 0√ 1 −1 −√ 2 1
zn+1 = A z1 = P D P = √
1 −1 0 (1 − 2)n −2 2 −1 2 1
√
1+ 2
√ n √ √ n !
1 + 2 + 1−2 2 1 − 2

2
=
1 1
√ n −1
√ n .
√ + 1 + 2 + √ + 1 1 − 2
2 2 2 2 2 2
Sada vidimo da je
√ √ n √ √ n
an 1+ 2
2
1+ 2 + 1− 2
2
1− 2 √
lim = lim √ √ n √ √ n = . . . = 2.
n→∞ bn n→∞ 1+√ 2
1+ 2 + 2−1
√ 1− 2
2 2 2 2

Poglavlje 5
Unitarni prostori
5.1 Denicije i osnovna svojstva

Definicija 5.1. Neka je U (kona£nodimenzionalan) vektorski prostor nad poljem F ∈ {R, C}. Neka
je s:U ×U →F preslikavanje sa svojstvima:
(1) s(b, a) = s(a, b) (hermitska komutativnost),
(2) s(αa, b) = αs(a, b) (kvaziasocojativnost),
(3) s(a + b, c) = s(a, c) + s(b, c) (distributivnost),
(4) a 6= 0 povla£i da je s(a, a) > 0 (pozitivna denitnost),
za sve a, b, c ∈ U , α ∈ F. Preslikavanje s zovemo skalarno mnoºenje na prostoru U , a skalar s(a, b)

skalarni produkt vektora a i b. Ureeni par (U, s) zovemo unitarni prostor nad poljem F.
Napomena 5.2. Dimenzija unitarnog prostora (U, s) po deniciji je dimenzija vektorskog prostora
U.
Skalarni produkt se umjesto s(a, b) pi²e i kao s(a, b) = (a, b) = (a|b) = ha, bi.
Direktno iz denicije unitarnog prostora slijede ova njegova svojstva:
(1') ha, βbi = βha, bi,
(2') ha, b + ci = ha, bi + ha, ci,
(3') ha, ai ≥ 0, ∀a ∈ U ,
(4') ha, ai = 0 ako i samo ako je a = 0,
za sve a, b, c ∈ U , β ∈ F. Takoer vrijedi
(5') ha, 0i = h0, ai = 0, za sve a ∈ U.
Primjer 5.3. 1. Na prostoru Fn deniramo preslikavanje h·, ·i : Fn × Fn → F s
n
X
hx, yi := xi yi , x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) ∈ Fn .
i=1
Ovo je skalarni produkt na Fn . Provjerimo mu svojstva:
49
50 POGLAVLJE 5. UNITARNI PROSTORI
Pn Pn
(1) hy, xi = i=1 yi xi = i=1 xi yi = hx, yi,
Pn Pn
(2) hαx, yi = i=1 (αxi ) yi = α i=1 xi yi = αhx, yi,
= i=1 (xi + yi ) zi = ni=1 xi zi + ni=1
Pn P P
(3) hx + y, zi yi zi = hx, zi + hy, zi,
(4) Neka je x 6= 0. Tada je xi 6= 0, za bar jedan i pa je
n
X n
X n
X
hx, xi = xj xj = |xj |2 = |xi |2 + |xj |2 > 0.
j=1 j=1 j6=i
Zato je (Fn , h·, ·i) unitarni prostor.
2. Neka su a, b ∈ R, a < b. Znamo da je C [a, b] (beskona£nodimenzionalni) vektorski prostor nad

poljem R uz operacije:
zbrajanje: (f + g)(t) := f (t) + g(t),

mnoºenje skalarom: (αf )(t) := αf (t).
Denirajmo preslikavanje h·, ·i : C([a, b]) × C([a, b]) −→ R sa:
Z b
hf, gi = f (t)g(t)dt, f, g ∈ C([a, b]).
a
Ovo je dobro denirano preslikavanje i zadovoljava svojstva skalarnog produkta. Svojstva (1)-(3)
proizlaze direktno iz svojstava Riemannovog integrala. Nadalje,
Z b Z b
hf, f i = f (t)f (t)dt ≥ monotonost integrala ≥ 0dt = 0.
a a
Ako je hf, f i = 0, onda je f ≡0 na [a, b]. Zaista, ako je f (t0 ) 6= 0 za neko t0 ∈ [a, b], onda zbog
neprekidnosti funkcije f postoji neka okolina o(to ) to£ke
R t0 takva da je f (t) 6= 0 za sve t ∈ o(t0 ).
No, tada je
o(t0 )
f (t)2 dt > 0 pa je i hf, f i > 0.
3. Ne prostoru Mn (C) deniramo preslikavanje h·, ·i : Mn (C) × Mn (C) −→ C sa hA, Bi = tr(AB ∗ ).

Ovo je skalarni produkt na Mn (C). Provjerimo mu svojstva:
(1) Za A, B ∈ Mn (C) je tr(BA∗ ) = tr((AB ∗ )∗ ) = tr(AB ∗ ) pa je hB, Ai = hA, Bi.

(2) Za α ∈ C i A, B ∈ Mn (C) je: hαA, Bi = tr((αA)B ) = α tr(AB ∗ ) = αhA, Bi.
∗
(3) Za A, B, C ∈ Mn (C) je: hA + B, Ci = tr((A+B)C ∗ ) = tr(AC ∗ +BC ∗ ) = tr(AC ∗ )+tr(BC ∗ ) =

hA, Ci + hB, Ci.
(4) Neka je A = (aij ) ∈ Mn (C) \ {0}. Stoga postoje i, j ∈ {1, · · · , n} takvi da je aij 6= 0. Sada
imamo:
n
X n X
X n n X
X n
∗ ∗
hA, Ai = tr(AA ) = (AA )kk = akl akl = |akl |2 > 0.
k=1 k=1 l=1 k=1 l=1
Dakle, h·, ·i je skalarno mnoºenje i (Mn (C), h·, ·i) je unitarni prostor.
Napomena 5.4. Po uzoru na V3 i u proizvoljnom unitarnom prostoru U moºemo denirati kut

vektora x i y, uz x, y 6= 0 sa
hx, yi
cos ∠(x, y) = p p .
hx, xi hy, yi
5.1. DEFINICIJE I OSNOVNA SVOJSTVA 51
Na unitarnom prostoru U vrijedi nejednakost Schwartz-Cauchy-Bunjakovskog:

Teorem 5.5. Neka je U unitarni prostor i a, b ∈ U bilo koji njegovi vektori. Tada vrijedi:
|ha, bi|2 ≤ ha, ai · hb, bi.
Znak jednakosti vrijedi ako i samo ako su vektori a i b linearno zavisni.

Napomena 5.6. Na spomenutim unitarnim prostorima S−C −B nejednakost izgleda ovako:
Pn
Fn xi yi |2 ≤ ( ni=1 |xi |2 ) · ( ni=1 |yi |2 ), uz xi , yi ∈ F, i = 1, · · · , n.
P P
(1) Na je | i=1
Rb Rb Rb
(2) Na C([a, b]) je ( a f (t)g(t)dt)2 ≤ ( a (f (t)2 )dt)( a (g(t))2 dt).
(3) Na Mn (C) je | tr(AB ∗ )|2 ≤ tr(AA∗ ) tr(BB ∗ ).
Definicija 5.7. Neka je V vektorski prostor nad poljem F ∈ {R, C} i k·k : V −→ R preslikavanje
sa svojstvima:
(1) kxk ≥ 0, za svako x∈V,
(2) kxk = 0 ako i samo ako je x = 0,
(3) kαxk = |α|kxk za svako x∈V,
(4) kx + yk ≤ kxk + kyk, za svako x, y ∈ V .
Tada kaºemo da je k·k norma na V , a ureeni par (V, k·k) zovemo normirani prostor.
Napomena 5.8. (1) Neka je (U, h·, ·i) neki unitarni prostor. Tada je sa
p
kxk = hx, xi, x ∈ U
denirano preslikavanje k·k : U −→ R koje je norma na U pa je (U, k·k) normirani prostor.

Prema tome, svaki unitarni prostor je ujedno i normirani prostor. No, obrat ne vrijedi. Klasa
unitarnih prostora je ²ira od klase unitarnih prostora.
(2) U terminima norme inducirane skalarnim produktom na unitarnom prostoru U, nejednakost

S−C −B poprima oblik
ha, bi ≤ kakkbk,
za svaki izbor a, b ∈ U . Jednakost vrijedi ako i samo ako su vektori aib linearno zavisni. Kut
izmeu vektora moºemo zapisati ovako:
hx, yi
cos ∠(x, y) = .
kxkkyk
Uo£imo da je gornja denicija dobra upravo zbog S − C − B.

Definicija 5.9. Neka je U unitarni prostor. Za vektor a ∈ U kaºemo da je jedini£ni ili normiran
ako je kak = 1.
a
Napomena 5.10. Svaki vektor a ∈ U, a 6= 0 moºemo normirati, tj. pridruºiti mu vektor a0 = kak
.
Zadatak 5.1. Dokaºite da u svakom unitarnom prostoru U vrijedi relacija paralelograma, tj. da je
kx + yk2 + kx − yk2 = 2kxk2 + 2kyk2 ,

Rje²enje
kx + yk2 + kx − yk2 = hx + y, x + yi + hx − y, x − yi
= hx, xi + hx, yi + hy, xi + hy, yi + hx, xi − hx, yi − hy, xi + hy, yi
= 2hx, xi + 2hy, yi = 2kxk2 + 2kyk2 .

Zadatak 5.2. Neka je U realan unitaran prostor i neka su x, y ∈ U . Dokaºite da vrijede slijede¢e
tvrdnje:
(1) kxk = kyk ako i samo ako je hx + y, x − yi = 0.
(2) kx + yk2 = kxk2 + kyk2 ako i samo ako je hx, yi = 0.
Rje²enje
(1) hx + y, x − yi = 0 ⇐⇒ hx, xi − hx, yi + hy, xi − hy, yi = 0. Kako je U realan unitaran prostor,

2 2
to je hx, yi = hy, xi pa je hx + y, x − yi = 0 ⇐⇒ kxk = kyk ⇐⇒ kxk = kyk.
(2) kx + yk2 = hx + y, x + yi = hx, xi + hx, yi + hy, xi + hy, yi = kxk2 + 2hx, yi + kyk2 . Stoga je
kx + yk2 = kxk2 + kyk2 ako i samo ako je hx, yi = 0.
Napomena 5.11. Prva tvrdnja u zadatku je zapravo generalizacija £injenice da je paralelogram romb
ako i samo ako su mu dijagonale okomite, dok je jedan smjer druge tvrdnje generalizacija Pitagorinog
pou£ka.
Definicija 5.12. Neka je X 6= ∅ bilo koji skup. Preslikavanje α : X × X −→ R sa svojstvima:
(1) d(x, y) ≥ 0,
(2) d(x, y) = 0 ako i samo ako je x = y,
(3) d(x, y) = d(y, x),
(4) d(x, y) ≤ d(x, z)+d(z, y), za sve x, y, z ∈ X zove se metrika (udaljenost) na skupu X i ureeni
par (X, d) je metri£ki prostor.
Definicija 5.13. Neka je (X, k·k) normirani prostor. Preslikavanje d : X × X −→ R denirano sa
d(x, y) = kx − yk, x, y ∈ X
je jedna metrika na X inducirana normom k·k.

Zaista, svojstva (1), (2) i (3) su direktna posljedica svojstava (1), (2) i (3) iz denicije norme. Doka-
ºimo i da svojstvo (4) slijedi iz svojstva (4) norme: za x, y, z ∈ X je
d(x, y) = kx − yk = k(x − z) + (z − y)k ≤ kx − zkkz − yk = d(x, z) + d(z, y).
Dakle, d je metrika. Stoga je svaki normirani prostor ujedno i metri£ki prostor. Obrat ne vrijedi.
Klasa metri£kih prostora je puno ²ira od klase normiranih prostora pa stoga i unitarnih prostora.
U unitarnim prostorima na jednostavan na£in moºemo do¢i do kriterija za utvrivanje linearne
(ne)zavisnosti vektora.
5.2. ORTONORMIRANI SUSTAVI VEKTORA 53
Neka je U unitarni prostor i {a1 , · · · , am } proizvoljan skup vektora iz U. Taj skup ¢e biti linearno
zavisan ili nezavisan ovisno o tome je li relacija
λ1 a1 + λ2 a2 + · · · + λm am = 0
ispunjena za netrivijalne ili samo za trivijalne λ1 , λ2 , · · · , λm . Pomnoºimo ovu relaciju skalarno redom
s a1 , · · · , am . Dobijemo:
λha1 , a1 i + λ2 ha2 , a1 i + · · · + λm ham , a1 i = 0

λha1 , a2 i + λ2 ha2 , a2 i + · · · + λm ham , a2 i = 0
.
.
.
λha1 , am i + λ2 ha2 , am i + · · · + λm ham , am i = 0.
Dobili smo homogen sustav s m linearnih jednadºbi s m nepoznanica i to homogen. Matrica sustava
je:  
ha1 , a1 i ha2 , a1 i · · · ham , a1 i
 ha1 , a2 i ha2 , a2 i · · · ham , a2 i 
G(a1 , · · · , am ) = 
 
. . .. .
. . .

 . . . . 
ha1 , am i ha2 , am i · · · ham , am i
i to je Gramova matrica skupa vektora {a1 , · · · , am }. Gornji sustav ¢e imati i netrivijalnih rje²enja,
tj.a1 , · · · , am ¢e biti linearno zavisni vektori ako i samo ako je determinanta sustava Γ(a1 , · · · , am ) =
det G(a1 , · · · , am ) = 0.
3
Zadatak 5.3. Provjerite jesu li vektori a = (3, 5, 8) i b = (4, 0, 9) ∈ R linearno nezavisni.
Rje²enje
ha, ai hb, ai 98 84
Γ(a, b) =
= =6 0.
ha, bi hb, bi 84 97
Prema tome, vektori aib su linearno nezavisni.
Napomena 5.14. Geometrijska interpretacija Grammove determinante u ravnini je sljede¢a:
Γ(a, b) = |a|2 |b|2 − |a|2 |b|2 (cos ∠(a, b))2 = |a|2 |b|2 (sin ∠(a, b))2 = |a × b|2 = P 2 ,
pri £emu je P povr²ina paralelograma razapetog vektorima a i b.
5.2 Ortonormirani sustavi vektora

Definicija 5.15. Neka je U a, b ∈ U . Kaºemo da je vektor a
unitarni prostor i ortogonalan
(okomit) na vektor b i pi²emo a ⊥ b ako je ha, bi = 0.
Napomena 5.16. (1) Ako je vektor a okomit na vektor b, onda je i b okomit na a.
(2) Nul-vektor je okomit na sve vektore i to je jedini vektor s tim svojstvom.
Definicija 5.17. Neka je S = {a1 , · · · , am } skup vektora iz unitarnog prostora U sa svojstvom da

je ai 6= 0 za i = 1, · · · , m. Kaºemo da je skup S
1. ortogonalan sustav vektora ako je ai ⊥ ak za sve i, k ∈ {1, · · · , m}, i 6= k .
2. ortonormiran sustav vektora ako je S ortogonalan sustav vektora i vrijedi kai k = 1 za sve
i = 1, · · · , m.
Specijalno, ako je S ortonormiran skup i baza, kaºemo da je S ortonormirana baza za U .

Napomena 5.18. Svaki ortogonalni skup vektora {a1 , · · · , am } takvih da je ai 6= 0 za sve i ∈
{1, · · · , m} je linearno nezavisan. Zaista,
ka1 k2

0 0 ··· 0

2
0
ka2 k 0 ··· 0

0
Γ(a1 , · · · , am ) = 0 ka3 k2 ··· 0 2 2
= ka1 k · · · kam k 6= 0.

.. .
.
.
. .. .
.

. . . . .
2

0 0 0 ··· kam k
Nadalje, ako je dimenzija unitarnog prostora U jednaka n i {a1 , · · · , am } ortogonalni sustav u prostoru
U pri £emu su svi ai 6= 0, onda je m ≤ n.
Neka je sada {a1 , · · · , am } proizvoljni linearno nezavisni skup vektora unitarnog prostora U . e-
limo prona¢i ortonormirani sustav vektora {e1 , · · · , em } iz U takav da vrijedi [{a1 , · · · , am }] =
[{e1 , · · · , em }], tj. ºelimo konstruirati ortonormiranu bazu za [{a1 , · · · , am }].
Teorem 5.19. (Gram- Schmidt) Neka je S = {a1 , · · · , am } linearno nezavisan sustav vektora iz
unitarnog prostora U . Tada postoji sustav vektora T = {e1 , · · · , em } u U sa svojstvima:
(1) T je ortonormirani sustav
(2) [{a1 , · · · , ak }] = [{e1 , · · · , ek }] za sve k = 1, · · · , m.
Napomena 5.20. (1) Vektore
{e1 , · · · , em }
deniramo induktivno s:
k−1
a1 X bk
e1 = , bk = ak − hak , ei iei , ek = , k = 2, · · · , m.
ka1 k i=1
kbk k
(2) Iz gornjeg teorema slijedi da svaki kona£nodimenzionalni unitarni prostor ima ortonormiranu
bazu.
(3) Svaki ortogonalni sustav u kona£nodimenzionalnom unitarnom prostoru moºe se nadopuniti do

ortogonalne baze tog prostora.
Zadatak 5.4. U unitarnom prostoru R3 sa standardnim skalarnim produktom dani su vektori a1 =

(1, 2, 2), a2 = (1, −2, 0) i a3 = (−1, 0, 1). Dokaºite da su ti vektori linearno nezavisni i ortonormirajte
ih.
a1 b2
Rje²enje Imamo e1 = ka1 k
= 31 (1, 2, 2). Nadalje, b2 = a2 − ha2 , e1 ie1 = 13 (4, −4, 2) pa je e2 = kb2 k
=
1
3
(2, −2, 1). Kona£no,
1
b3 = a3 − ha3 , e1 ie1 − ha3 , e2 ie2 = (−8, −4, 8)
9
pa je e3 = kbb33 k = 13 (−2, −1, 2). Po²to je dim[{a1 , a2 , a3 }] = dim[{e1 , e2 , e3 }] = 3, to su vektori
a1 , a2 , a3 linearno nezavisni.
Napomena 5.21. Op¢enito, vektori {a1 , · · · , am } su linearno zavisni ako i samo ako se postupak
ortogonalizacije ne moºe provesti.
5.2. ORTONORMIRANI SUSTAVI VEKTORA 55
DZ 5.1. U unitarnom prostoru P4 , skupa polinoma s realnim koecijentima stupnja manjeg ili jed-
nakog tri, sa standardnim skalarnim produktom
Z 1
hp, qi = p(t)q(t)dt, p, q ∈ P4
−1
ortonormirajte standardnu bazu {1, t, t2 , t3 }.

DZ 5.2. U unitarnom prostoru M2 (C) sa standardnim skalarnim produktom
hA, Bi = tr(AB ∗ ), A, B ∈ M2 (C)
ortonormirajte standardnu bazu {Ei,j , ij = 1, 2}.

3
DZ 5.3. U kompleksnom unitarnom prostoru C sa standardnim skalarnim produktom odredite or-
tonormiranu bazu prostora razapetog vektorima
a = (1 + i, 1 − i, 1), b = (1 − i, i, 2 + i) i c = (i, 3 − 2i, 4).
Zadatak 5.5. Neka je {e1 , · · · , em } ortonormirani sustav u kona£nodimenzionalnom prostoru U,

a∈U proizvoljni vektor. Vrijedi Besselova nejednakost:
ha, ai ≥ |ha, e1 i|2 + |ha, e2 i|2 + · · · + |ha, em i|2 .
Rje²enje Kako je {e1 , · · · , em } ortonormirani sustav vektora, taj skup je linearno nezavisan pa
ga moºem dopuniti do ortonormirane baze
Pn {e1 , · · · , em , em+1 , · · · , en } za U. Za proizvoljni a∈U je
a= i=1 αi ei . Stoga je * n +
X
ha, ej i = αi ei , ej = αj .
i=1
Sada je
* n n
+ n X
n n m m
X X X X X X
2 2
ha, ai = αi ei , αj e j = αi αj hei , ej i = |αi | ≥ |αi | = |ha, ei i|2 .
i=1 j=1 i=1 j=1 i=1 i=1 i=1

Napomena 5.22. Koecijenti αi = ha, ei i iz prethodnog zadatka se zovu Fourierovi koecijenti
kecijenta a.
Zadatak 5.6. Dokaºite da je ortonormirani sustav {e1 , · · · , em } u U baza za kona£nodimenzionalni
unitarni prostor U ako i samo za svaki a∈U vrijedi Parsevalova jednakost:
ha, ai = |ha, ei i|2 + |ha, e2 i|2 + · · · + |ha, em i|2 .
Rje²enje
⇒ Neka je {e1 , · · · ,P
em } ortonormirana baza. Za proizvoljni a ∈ U postoje skalari αi , i ∈ {1, 2, · · · , m}
m
takvi da je a = i=1 αi ei pa je:
* m m
+ m X
m m
X X X X
ha, ai = αi e i , αi e i = αi αj hei , ei i = |αi |2 .
i=1 i=1 i=1 j=1 i=1
Nadalje, uo£imo da je ha, ei i = αi pa je ha, ai = |ha, ei i|2 + |ha, e2 i|2 + · · · + |ha, em i|2 .
⇐ Kako je {e1 , · · · , em } ortonormirani sustav vektora, taj skup je linearno nezavisan pa ga moºemo
nadopuniti do ortonormirane baze {e1 , · · · , em , em+1 , · · · , en } za U . Za proizvoljni vektor a ∈ U
Pn
ja tada a = i=1 αi ei , gdje je αi = ha, ei i. Po pretpostavci zadatka je
m
X
ha, ai = |αi |2 .
i=1
Pn 2
Pm 2
Pn 2
S druge strane je ha, ai = i=1 |a i | = i=1 |α i | + i=m+1 |αi | iz £ega slijedi da je αm+1 =
Pm
· · · = αn = 0. Stoga je a = i=1 αi ei . Kako je a ∈ U bio proizvoljan vektor, zaklju£ujemo da
je {e1 , · · · , em } sustav izvodnica za U . Kako je ujedno i linearno nezavisan, taj skup je baza
za U i to ortonormirana.
Zadatak 5.7. Dokaºite da je ortonormirani sustav {e1 , · · · , em } ortonormirana baza unitarnog pros-
tora U ako i samo ako za sve a, b ∈ U vrijedi
m
X
ha, bi = ha, ei ihei , bi.
i=1
Rje²enje
⇒ Neka je {e1 , · · · , em } ortonormirana baza. Tada je za a, b ∈ U

m
X m
X
a= ha, ei iei i b= hb, ei iei
i=1 i=1
pa je
* m m
+ m X
m m
X X X X
ha, bi = ha, ei iei , hb, ej iej = ha, ei ihb, ej ihei , ej i = ha, ei ihej , bi,
i=1 j=1 i=1 j=1 i=1
²to dokazuje tvrdnju.

Pm
⇐ Pretpostavimo sada da je i=1 ha, ei ihei , bi za sve a, b ∈ U . Tvrdimo da je tada
ha, bi =
{e1 , · · · , em } baza za U . Pretpostavimo suprotno, tj. da to nije baza. Kako je to ortonormirani
sustav, moºemo ga nadopuniti do ortonormirane baze {e1 , · · · , em , em+1 , · · · , en }. Tada za
a = b = ek , pri £emu je k ∈ {m + 1, · · · , n} imamo
m
X
1 = hek , ek i = hek , ei ihei , ek i = 0,
i=1
²to je kontradikcija. Dakle, m = n, tj. {e1 , · · · , em } je ortonormirana baza za U.
Zadatak 5.8. Neka je {a1 , a2 , · · · , am } ortogonalni sustav vektora u U . Dokaºite Pitagorin teorem:
ka1 + · · · + am k2 = ka1 k2 + · · · + kam k2 .
Rje²enje Po pretpostavci je hai , aj i = 0 za i 6= j . Stoga je
m X
X m m
X
2
ka1 + · · · + am k = ha1 + · · · + am , a1 + · · · + am i = hai , aj i = kai k2 .
i=1 j=1 i=1
5.3. ORTOGONALNI KOMPLEMENT 57
5.3 Ortogonalni komplement

Definicija 5.23. Neka je U
kona£nodimenzionalan unitaran prostor i M, N neki njegovi podskupovi.
Kaºemo da su skupovi N ortogonalni, i pi²emo M ⊥ N , ako je ha, bi = 0, za sve a ∈ N , b ∈ N .
M i
Definicija 5.24. Neka su L i M potprostori unitarnog prostora U . Suma potprostora L i M , L+M ,

je ortogonalna ako je L ⊥ M . Pi²emo L ⊕ M .
6 S ⊆ U . Ortogonalni komplement skupa S je

Definicija 5.25. Neka je U unitaran prostor i ∅ =
skup
S ⊥ = {x ∈ U : hx, yi = 0, za svako y ∈ S} .
injenice 5.26.
1. Sigurno je h0, xi = 0, za sve x ∈ S, pa je 0 ∈ S ⊥. Specijalno je S ⊥ 6= ∅.
2. U ⊥ = {0}.
3. {0}⊥ = U .
4. S⊥ ≤ U , za svaki S ⊆ U.
5. S ⊥ = [S]⊥ .
6. dim S ⊥ = dim U − dim[S].
7. Neka je L bilo koji potprostor kona£nodimenzionalnog unitarnog prostora U. Tada je U =

⊥
LuL , tj. U se moºe prikazati kao direktna suma potprostora L i njegovog ortogonalnog
komplementa.
8. Za razliku od direktnog komplementa, ortogonalni komplement je jedinstven.
9. Za svaki x ∈ U postoje jedinstveni a ∈ L i b ∈ L⊥ takvi da je x = a+b (jo² vrijedi da je

ha, bi = 0).
Zadatak 5.9. Neka je M potprostor kona£nodimenzionalnog unitarnog prostora U. Dokaºite da je
⊥
M⊥ = M.
Rje²enje Dokazujemo dvije inkluzije.

⊥
⊆ Neka je x ∈ M⊥ ⊆ U. Kako je U = M ⊕ M ⊥, postoje jedinstveni a ∈ M, b ∈ M⊥ takvi da
je x = a + b. Tada je
0 = hx, bi = ha + b, bi = ha, bi +hb, bi = hb, bi.

| {z }
=0
Slijedi da je b=0 pa je x = a ∈ M.
⊥ ⊥
⊇ Neka je x ∈ M ⊆ U. Kako je U = M⊥ ⊕ M⊥ , postoje jedinstveni a ∈ M ⊥, b ∈ M ⊥
takvi da je x = a + b. Tada je
0 = hx, ai = ha + b, ai = ha, ai + hb, ai = ha, ai.

| {z }
=0
⊥ ⊥

Slijedi da je a=0 pa je x=b∈ M .

Zadatak 5.10. Neka su L, M potprostori od U. Dokaºite da je:
(a) (L + M )⊥ = L⊥ ∩ M ⊥ ,
(b) (L ∩ M )⊥ = L⊥ + M ⊥ .
Rje²enje
(a) Dokazujemo dvije inkluzije.
⊆ Neka jex ∈ (L + M )⊥ . Tada je x ⊥ L + M ⊇ L, M pa je i x ∈ L⊥ i x ∈ M ⊥. Dakle,
x ∈ L ∩ M ⊥.
⊥
⊇ Ako je x ∈ L⊥ ∩ M ⊥ , onda je x ⊥ L i x ⊥ M. Za proizvoljan y =a+b∈L+M je
hx, yi = hx, a + bi = hx, ai + hx, bi = 0 + 0 = 0.
Dakle, x ∈ (L + M )⊥
⊥ ⊥
L⊥ L i M⊥

(b) Znamo da je V = V , za V ≤ U . Stavimo u (a) umjesto umjesto M. Imamo:
⊥ ⊥ ⊥
L⊥ + M ⊥ = L⊥ ∩ M⊥ = L ∩ M.
Uzimanjem ortogonalnog komplementa lijeve i desne strane, dobivamo
⊥⊥
(L ∩ M )⊥ = L⊥ + M ⊥ = L⊥ + M ⊥ .
Zadatak 5.11. U prostoru R5 potprostor M razapet je vektorima a = (1, 2, 3, −1, 2) i b = (2, 4, 7, 2, −1).
⊥
Odredite M .
Rje²enje Skup {a, b} je sustav izvodnica za M . Zato je M = [{a, b}]. Slijedi da je x ∈ M ⊥ ako i
samo ako je hx, ai = 0 i hx, bi = 0. Dakle, x = (x1 , x2 , x3 , x4 , x5 ) ∈ M ⊥ ako i samo ako je
(
x1 + 2x2 + 3x3 − x4 + 2x5 = 0
.
2x1 + 4x2 + 7x3 + 2x4 − x5 = 0
Ovo je homogen sustav i skup svih njegovih rje²enja je M ⊥. Rje²enja su
(x1 , x2 , x3 , x4 , x5 ) = r (−2, 1, 0, 0, 0) +s (13, 0, −4, 1, 0) +t (−17, 0, 5, 0, 1), r, s, t ∈ R.

| {z } | {z } | {z }
=:u =:v =:w
Prema tome je M ⊥ = [{u, v, w}] i baza za M⊥ je {u, v, w}.
Zadatak 5.12. U unitarnom prostoru R4 (sa standardnim skalarnim produktom) zadan je vektorx =
(1, 1, 2, 2) i potprostor M svojom bazom a = (1, 1, 1, 0) i b = (1, 0, 1, 1). Prikaºite vektor x u obliku
x = y + z , gdje je y ∈ M i z ∈ M ⊥ .
Rje²enje Naivno rje²enje bi bilo da odredimo bazu {u, v} za M⊥ pa x prikaºemo kao x = αa +
βb + γu + δv . Koecijenti u tom prikazu su jedinstveni, a vektori koji nama trebaju su y = αa + βb
i z = γu + δv .
5.4. OPERATORI NA UNITARNIM PROSTORIMA 59
No, postoji puno jednostavniji i brºi na£in. Ako ortonomiramo {a, b}, dobit ¢emo {e1 , e2 }. Nadopu-
4
nimo ga do ONB {e1 , e2 , e3 , e4 } za R . Tada se x moºe prikazati kao
x = hx, e1 ie1 + hx, e2 ie2 + hx, e3 ie3 + hx, e4 ie4 .

| {z } | {z }
=y =z
Da bismo odredili y i z, dovoljno je odrediti samo y (jer je z = x − y) pa nam ne trebaju vektori

e3 , e4 , ve¢ samo e1 , e2 .
Ortonormirajmo {a, b}.
a 1
e1 = = √ (1, 1, 1, 0)
kak 3

2 1 1 2 1
b2 = b − hb, e1 ie1 = (1, 0, 1, 1) − √ √ (1, 1, 1, 0) = ,− , ,1
3 3 3 3 3

b2 3 1 2 1 1
e2 = =√ , − , , 1 = √ (1, −2, 1, 3).
kb2 k 15 3 3 3 15
Sada je
4 1 7 1 1
y = hx, e1 ie1 + hx, e2 ie2 = √ · √ (1, 1, 1, 0) + √ · √ (1, −2, 1, 3) = (9, 2, 9, 7)
3 3 15 15 5
pa je
1
z =x−y = (−4, 3, 1, 3) .
5

DZ 5.4. Naite ortogonalni komplement u R3 od potprostora [{(1, 0, 1), (1, 2, −2)}].

Rje²enje Ovaj zadatak moºemo rije²iti na dva na£ina. Prvi je kao u prethodna dva zadatka. Drugi
je preko Gram-Schmidtovog postupka. Nadopunimo dana dva vektora do baze {a, b, c} za R3 pa
⊥
ortonormiranjem dobijemo {e1 , e2 , e3 }. Tada je M = [{e1 , e2 }], a M = [{e3 }].
5.4 Operatori na unitarnim prostorima

Neka je U kona£nodimenzionalan unitaran prostor. Primijetimo na po£etku da je za svaki a ∈ U ,
fa : U → F deniran s fa (x) = hx, ai, linearni funkcional na U . Zapravo su to svi linearni funkcionali
na U .
Teorem 5.27 (Rieszov teorem o reprezentaciji funkcionala). Neka je U kona£nodimenzionalan uni-

taran prostor i f linearan funkcional na U . Tada postoji jedinstven vektor a ∈ U takav da je
f (x) = hx, ai, x ∈ U.
Zadatak 5.13. Zadan je unitaran prostor R3 sa skalarnim produktom
h(x1 , x2 , x3 ), (y1 , y2 , y3 )i = 2x1 y1 + 3x2 y2 + x3 y3 .
Za funkcional f (x, y, z) = x − 2y + 4z odredite a ∈ R3 takav da je f (x) = hx, ai, za sve x ∈ R3 .

Rje²enje Neka je a = (a1 , a2 , a3 ) i neka je {e1 , e2 , e3 } kanonska baza za R3 . Imamo
1 = f (e1 ) = he1 , ai = 2a1

−2 = f (e2 ) = he2 , ai = 3a2
4 = f (e3 ) = he3 , ai = a3
1
, − 32 , 4 .

pa je a= 2

Zadatak 5.14. U unitarnom prostoru P2 sa skalarnim produktom
Z 1
hp, qi = p(t)q(t)dt
−1
p(0) + p0 (0)
zadan je funkcional f (p) = . Odredite r ∈ P2 takav da je f (p) = hp, ri, za sve p ∈ P2 .
2
Rje²enje Neka je r(t) = a0 + a1 t + a2 t2 i uzmimo p0 (t) = 1, p1 (t) = t, p2 (t) = t2 , kanonsku bazu
za P2 . Imamo
1 3
= f (p0 ) = hp0 , ri = 2a0 + a2
2 2
1 2
= f (p1 ) = hp1 , ri = a1
2 3
2 2
0 = f (p2 ) = hp2 , ri = a0 + a2
3 5
9 3 15
pa je r(t) = + t − t2 .
16 4 16
Definicija 5.28. Neka je U unitaran prostor. Za A ∈ L(U ) kaºemo da je unitaran operator ako
vrijedi
hAx, Ayi = hx, yi, ∀x, y ∈ U.
Napomena 5.29. Matrica unitarnog operatora A u ONB je unitarna matrica. Vrijedi i obrat: ako
je A unitarna matrica i A : U → U , Ax = A · x, linearni operator, onda je A unitaran operator.
Teorem 5.30. Neka je U kona£nodimenzionalan unitaran prostor i A ∈ L(U ). Postoji jedinstven

operator A∗ ∈ L(U ) takav da je
hAx, yi = hx, A∗ yi, ∀x, y ∈ U.
Kaºemo da je operator A∗ hermitski adjungiran operatoru A.
Napomena 5.31. Matrica operatora A∗ u ONB (e) je hermitski adjungirana matrici A(e), tj.
A∗ (e) = A(e)∗ .
Zadatak 5.15. Zadan je linearni operator A ∈ L(R3 ) s
A(x, y, z) = (x + y, y, x + y + z).
Odredite A∗ .
5.4. OPERATORI NA UNITARNIM PROSTORIMA 61
Rje²enje Vrijedi da je hAv, wi = hv, A∗ wi, za sve v = (x, y, z), w = (a, b, c) ∈ R3 . Tada je
hA(x, y, z), (a, b, c)i = h(x + y, y, x + y + z), (a, b, c)i = a(x + y) + by + c(x + y + z)
= x(a + c) + y(a + b + c) + zc = h(x, y, z), (a + c, a + b + c, c)i
pa je A∗ (a, b, c) = (a + c, a + b + c, c).
Rje²enje (drugi na£in) Prikaºimo operator A matri£no u kanonskoj bazi (e) za R3 :
 
1 1 0
A(e) = 0 1 0 .
1 1 1
Slijedi da je
 
1 0 1
A∗ (e) = A(e)∗ = 1 1 1 .
0 0 1
Za v = (x, y, z) ∈ R3 je
 
x+z
(A∗ v)(e) = A∗ (e)v(e) = x + y + z 
z
pa je A∗ (x, y, z) = (x + z, x + y + z, z).
Zadatak 5.16. Neka je U unitaran prostor. Zadano je preslikavanje fx,y : U → U s fx,y (z) = hz, yix.
(a) Dokaºite da je fx,y linearan operator.
(b) Dokaºite da je fx,y ◦ fy,z = kyk2 fx,z .
(c) Odredite (fx,y )∗ .
Rje²enje
(a) Za α, β ∈ F i z, w ∈ U vrijedi
fx,y (αz + βw) = hαz + βw, yix = αhz, yix + βhw, yix = αfx,y (z) + βfx,y (w).
(b) Za svaki w∈U vrijedi
(fx,y ◦ fy,z ) (w) = fx,y (hw, ziy) = hw, zifx,y (y) = hw, zihy, yix = kyk2 hw, zix = kyk2 fx,z (w).
(c) Za svaki z, w ∈ U imamo
D E
hfx,y (z), wi = hhz, yix, wi = hz, yihx, wi = z, hx, wiy = hz, hw, xiyi = hx, fy,x (w)i.
∗
Dobili smo da je fx,y = fy,x .

Primjer 5.32. Neka je Rϕ ∈ L2 (R) operator rotacije za kut ϕ u pozitivnom smjeru. Vrijedi da je
Rϕ unitaran operator. Obrazloºenje: iz denicije (ali prvo napisati formulu), geometrijski, matri£no.
Definicija 5.33. Operator A ∈ L(U ) je hermitski (antihermitski) ako je A∗ = A (A∗ = −A).

DZ 5.5. Neka je A antihermitski operator na realnom unitarnom prostoru U . Dokaºite da je za svako

x ∈ U , hAx, xi = 0.
Rje²enje Kako je A antihermitski, onda za svaki x, y ∈ U imamo
hAx, yi = hx, A∗ yi = −hx, Ayi
pa je posebno
hAx, xi = −hx, Axi = −hAx, xi
jer smo na realnom prostoru. Dakle, hAx, xi = 0, za svaki x ∈ U.
DZ 5.6. Neka je A antihermitski operator na kona£nodimenzionalnom unitarnom prostoru U. Do-
kaºite da je I + A regularan.
Rje²enje Primijetimo da je
k(I + A)xk2 = h(I + A)x, (I + A)xi = hx, xi + hAx, xi + hx, Axi + hAx, Axi
= kxk2 + hAx, xi − hAx, xi + kAxk2 ≥ kxk2 .
Slijedi da je I +A injekcija (jer (I + A)x = 0 povla£i da je x = 0) pa je I +A regularan jer je U

kona£nodimenzionalan.
Napomena 5.34. Kako za antihermitski operator A vrijedi σ(A) ⊆ iR, prethodni zadatak vrijedi i
ako umjesto operatora I + A gledamo operator A ± εI za bilo koji ε > 0. Naime, u tom slu£aju
±ε ∈
/ σ(A). Da je A ± εI regularan moºe se vidjeti i na slu£an na£in kao u rje²enju prethodnog
zadatka, bez pozivanja na spektar.
k(A ± εI)xk2 = h(A ± εI)x, (A ± εI)xi = kAxk2 +

εhx, Axi
+ εhAx, 2 2 2 2
xi + ε kxk ≥ ε kxk .

DZ 5.7. Neka je A ∈ L(U ) hermitski operator. Dokaºite da je hAx, xi ∈ R, ∀x ∈ U .

Rje²enje Kako je A hermitski, onda za svaki x, y ∈ U imamo
hAx, yi = hx, A∗ yi = hx, Ayi
pa je posebno
hAx, xi = hx, Axi = hAx, xi.
Dakle, hAx, xi ∈ R, za svaki x ∈ U.
Zadatak 5.17. Matrica prijelaza iz jedne ONB u drugu ONB je unitarna.
Rje²enje Neka su (e) i (f ) dvije ONB unitarnog prostora U . Tada je I(e, f ) matrica operatora S,
Sei = fi , i = 1, . . . , n, u bazi (e). Tvrdnja zadatka vrijedi jer je S unitaran operator.
Zadatak 5.18. Ako je A(e) unitarna matrica u jednoj ONB (e), onda je A(f ) unitarna matrica u
svakoj ONB (f ).
Rje²enje Vrijedi da je
A(f ) = I(f, e)A(e)I(e, f ) = I(e, f )−1 A(e)I(e, f ) = I(e, f )∗ A(e)I(e, f ).
Stavimo S := I(e, f ) pa je
A(f )∗ A(f ) = S ∗ A(e)∗ SS ∗ A(e)S = S ∗ A(e)∗ A(e)S = S ∗ S = I.

5.5. DIJAGONALIZACIJA U ORTONORMIRANOJ BAZI 63
5.5 Dijagonalizacija u ortonormiranoj bazi

Prisjetimo se rezultata vezanih za dijagonalizaciju matrica/operatora . . .
Teorem 5.35. Postoji ONB (e) takva da operator A ∈ L(U ) u njoj ima dijagonalan matri£ni prikaz
A(e) ako i samo ako je operator A normalan.
Za matrice prethodni rezultat glasi ovako:
Teorem 5.36. Za matricu A ∈ Mn (F) postoji unitarna matrica U takva da je U ∗ AU dijagonalna

matrica ako i samo ako je A normalna matrica.
 
8 −3 −1
Zadatak 5.19. Neka je A =  12 −4 −2. Moºe li se A dijagonalizirati u ONB?
−6 3 3
Rje²enje Dovoljno je provjeriti je li A normalna matrica. Najprije,
 
8 12 −6
A∗ = AT = −3 −4 3 
−1 −2 3
pa je
   
74 ∗ ∗ 244 ∗ ∗
AA∗ =  ∗ ∗ ∗ 6=  ∗ ∗ ∗ = A∗ A.
∗ ∗ ∗ ∗ ∗ ∗
Dakle, A nije normalna pa se ne moºe dijagonalizirati u ONB.
3 4

−5
Zadatak 5.20. Odredite ONB u kojoj se matrica A= 5
4 3 ∈ M2 (C) dijagonalizira.
5 5
Rje²enje Lako se vidi da je A, ²tovi²e, unitarna matrica, pa ¢e traºena ONB doista postojati.
Odredimo svojstvene vrijednosti matrice A.
3 2 2
−λ − 45 3 4 6
0 = kA (λ) = det(A − λI) = 5 4 3 = λ− + = λ2 − λ + 1.
5 5
−λ 5 5 5
3
Dakle, λ1,2 = 5
± i 45 .
3
+ i 45 :

Odredimo sad VA (λ1 ) = VA 5
4
− 5 i − 45

i 1 1 −i
4 ∼ ∼ .
5
− 45 i 1 −i 0 0

i
Dakle, x = t = tv1 , t ∈ R.
1
3 4

Odredimo VA (λ2 ) = VA
5
− i 5
:
4
i − 45

i −1 1 i
5
4 4 ∼ ∼ .
5 5
i 1 i 0 0

−i
Dakle, x=t = tv2 , t ∈ R.
1
λ1 0
U bazi B = {v1 , v2 } A se dijagonalizira, tj. pridruºeni linearni operator ima zapis D= .
0 λ2
Baza B je ortogonalna, naime, hv1 , v2 i = i · −i + 1 · 1 = 0, ali nije ortonormirana jer
kv1 k2 = hv1 , v1 i = i · i + 1 · 1 = 2, kv2 k2 = hv2 , v2 i = −i · −i + 1 · 1 = 2.

v1 1 i v 1 −i
Stavimo vˆ1 = = √2 , vˆ2 = 2
= √2 pa je B̂ = {vˆ1 , vˆ2 } ONB. S obzirom na nju se A
kv1 k 1 kv2 k 1
∗

dijagonalizira, tj. ako stavimo U = vˆ1 vˆ2 , onda je A = U DU .
Baza u kojoj se A dijagonalizira nije slu£ajno ispala ortogonalna. Op¢enito vrijedi sljede¢i rezultat.
Propozicija 5.37. Neka je A ∈ L(U ) normalan operator i neka su x ∈ VA (λ), y ∈ VA (µ) nenul
svojstveni vektori pridruºeni razli£itim svojstvenim vrijednostima λ, µ od A. Tada je x ⊥ y .
Dokaz. Koristit ¢emo nekoliko tvrdnji £iji dokaz ostavljamo za DZ.
DZ 5.8. Ako je A normalan, onda je kAxk = kA∗ xk za sve x ∈ U .

DZ 5.9. Ako je A normalan, onda je A − cI normalan za svaki c ∈ C. Posebno, operatori A − λI i
A − µI su normalni.
DZ 5.10. Ako je Ax = λx, onda je A∗ x = λx. Analogno za µ i y.

Sada imamo
λhx, yi = hλx, yi = hAx, yi = hx, A∗ yi = hx, µyi = µhx, yi
pa je (λ − µ)hx, yi = 0. Kako je λ 6= µ, mora biti hx, yi = 0.
 
2 2 −2
Zadatak 5.21. Odredite ONB u kojoj se simetri£na matrica A= 2 5 −4 ∈ M3 (R) dijago-
−2 −4 5
nalizira.
Rje²enje Primijetimo da je A∗ = AT = A pa se A moºe dijagonalizirati u ONB. Odredimo najprije

svojstvene vrijednosti od A:

2 − λ 2 −2

0 = kA (λ) = 2 5 − λ −4 = −(λ − 1)2 (λ − 10)
−2 −4 5 − λ
pa je λ1 = 1, λ2 = 10.    
1 2 −2 1 2 −2
VA (λ1 ) . . .  2 4 −4 ∼ 0 0 0  .
−2 −4 4 0 0 0
   
−2 2
Dakle, VA (λ1 ) = [{v1 , v2 }], gdje su v1 =  1 , v2 = 0.
0 1
         
−8 2 −2 2 4 5 2 4 5 2 4 5 2 0 1
VA (λ2 ) . . .  2 −5 −4 ∼  2 −5 −4 ∼ 0 −9 −9 ∼ 0 1 1 ∼ 0 1 1 .
−2 −4 −5 −4 1 −1 0 9 9 0 0 0 0 0 0
 
1
Dakle, VA (λ2 ) = [{v3 }], gdje je v3 =  2 .
−2
5.5. DIJAGONALIZACIJA U ORTONORMIRANOJ BAZI 65
Matrica A se dijagonalizira u bazi B = {v1 , v2 , v3 }, ali to nije ONB. Uo£imo da je hv1 , v3 i = 0,

hv2 , v3 i = 0, ali hv1 , v2 i =6 0. Stoga moramo GramSchmidtovim postupkom ortonormirati skup B :
 
−2
v1 1  
vˆ1 = =√ 1 ,
kv1 k 5 0
     
2 −2 2
1 1 
b2 = v2 − hv2 , vˆ1 ivˆ1 = 0 − (−4) 1
    = 4 ,
5 5
1 0 5
 
2
b2 1  
vˆ2 = = √ 4 .
kb2 k 3 5 5
Ostaje jo² samo normirati v3 jer je okomit na vˆ1 i vˆ2 pa je
 
1
v3 1
vˆ3 = =  2 .
kv3 k 3
−2
Dakle, A se dijagonalizira u ONB B̂ = {vˆ1 , vˆ2 , vˆ3 }, tj. za matrice

 
1 0 0
D = 0 1 0  , U = vˆ1 vˆ2 vˆ3
0 0 10
vrijedi A = U DU ∗ .
DZ 5.11. Odredite ONB u kojima se dijagonaliziraju sljede¢e matrice
 
−1 + i 1 + 5i 2 − 2i
0 i 1
a) A = , b) B = 1 + 5i −1 + i −2 + 2i .
i 0 6
2 − 2i −2 + 2i −4 − 2i
Rje²enje
a) A∗ = −A pa je A antihermitska (posebno,
! normalna) pa postoji ONB u kojoj se dijagonalizira.
1 1
− √2 √2

i 0
Vrijedi: D = , U = .
0 i √1 √1
2 2
b) A   λ1 = 
je unitarna, svojstvene vrijednosti su joj
  −1, λ2 = i, λ3 = −i, a njima pridruºeni
1 1 1
svojstveni vektori v1 = −1, v2 = 1, v3 = −1. Oni su okomiti pa ih samo treba
−2 0 1
normirati pa za
 
−1 0 0
D =  0 i 0  , U = vˆ1 vˆ2 vˆ3
0 0 −i
vrijedi A = U DU ∗ .

5.6 Najbolja aproksimacija

Primjer 5.38. Na¢i udaljenost to£ke T od ravnine π.
SLIKA!
Znamo da se najmanja udaljenost postiºe za to£ku T0 koja je ortogonalna projekcija to£ke T na
ravninu π.
Ovaj motiviraju¢i primjer nas vodi na op¢enitiji problem: neka je U kona£nodimenzionalan unitaran
prostor, M ≤U i x ∈ U. Trebamo prona¢i vektor a∈M takav da je
kx − ak ≤ kx − yk, ∀y ∈ M.
Broj miny∈M kx − yk zovemo udaljenost vektora x od potprostora M , a vektor a zovemo naj-

bolja aproksimacija vektora x vektorima iz M .
Rje²enje problema: vektor a a = PM x, gdje je PM ortogonalni projektor na
moºemo dobiti kao
⊥
potprostor M, tj. moºemo pisati x = a + b, za a ∈ M , b ∈ M , i a je traºena najbolja aproksimacija
vektora x.
Kako prona¢i a? Naemo ONB {e1 , . . . , ek } za M. Tada je
k
X
a= hx, ei iei . (5.1)
i=1
Naime, ako tu ONB pro²irimo do ONB {e1 , . . . , ek , ek+1 , . . . , en } za cijeli prostor U, onda x moºemo
zapisati kao
n
X k
X n
X
x= hx, ei iei = hx, ei iei + hx, ei iei = a + b.
i=1 i=1 i=k+1
| {z } | {z }
∈M ∈M ⊥
Zbog jedinstvenosti prikaza x=a+b slijedi formula (5.1) za a.

Zadatak 5.22. Neka je M = [{(1, 1, 0, 0), (0, 1, 1, 0)}] potprostor unitarnog prostora R4 sa standard-
nim skalarnim produktom. Odredite najbolju aproksimaciju vektora x = (2, 0, 0, 7) vektorima iz M .
Kolika je udaljenost vektora x od potprostora M ?
Rje²enje Stavimo a1 = (1, 1, 0, 0), a2 = (0, 1, 1, 0) i ortonormirajmo skup {a1 , a2 }. Dobivamo

vektore
1 1
u1 = √ (1, 1, 0, 0), u2 = √ (−1, 1, 2, 0).
2 6
Odredimo a, gdje je x = a + b, a ∈ M , b ∈ M ⊥ :

4 2 2
a = hx, u1 iu1 + hx, u2 iu2 = , ,− ,0 .
3 3 3
Takoer je
s 2 2 2 √
4 2 2 2 2 2 453
kx − ak = kbk =
(2, 0, 0, 7) − 3 , 3 , − 3 , 0 =
+ − + + 72 = .
3 3 3 3
5.7. QR FAKTORIZACIJA 67
5.7 QR faktorizacija
Prisjetimo se LU faktorizacije kvadratne matrice A: A = LU , gdje je L donjetrokutasta, a U
gornjetrokutasta. Ideja je bila da je lak²e rje²avati dva trokutasta sustava U x = y , Ly = b nego
Ax = b.
Ovdje je ideja da A napi²emo u obliku A = QR, gdje je Q ortogonalna, a R gornjetrokutasta. Matrica
Q nam je prakti£na jer se izrazito lako invertira (Q−1 = QT ).
Napomena 5.39. Ako je A regularna, onda imamo jedinstvenu QR faktorizaciju ako zahtijevamo da
je Rii > 0, za sve i.
Ako je A pravokutna matrica, sli£no se dobije
A = Q1 R1 , (reducirani oblik)
gdje Q1 ima okomite i jedini£ne stupce, a R1 je gornjetrokutasta, ili

R1
A = Q1 Q2 , (puni oblik)
0

gdje je Q1 Q2 ortogonalna matrica i R1 gornjetrokutasta.
Reducirani oblik je ekonomi£niji. Puni oblik se svodi na reducirani jer je

R1
A = Q1 Q2 = Q1 R1 .
0

Algoritam (za reducirani QR). Neka je A = a1 . . . an . Pomo¢u GramSchmidtovog postupka
ortonormiramo stupce {a1 , . . . , an } i dobijemo skup {u1 , . . . , ur }, gdje je r = r(A). Pritom smo
izbacili one stupce ai za koje u GS-u dobijemo nulvektor. Stavimo
 
ha1 , u1 i ha2 , u1 i ha3 , u1 i . . . han , u1 i
 0
 ha2 , u2 i ha3 , u2 i . . . han , u2 i
 0 0 ha3 , u3 i . . . han , u3 i

Q := u1 . . . ur , R :=  ,
 .. .
.
.
. .. .
.

 . . . . . 
0 0 0 . . . han , ur i
gdje su {a1 , . . . , ar } stupci od A koje nismo izbacili (uz odgovaraju¢u prenumeraciju).

Primijetimo da je hai , ui i > 0, za sve i jer je
ũi X
ui = , ũi = ai − hai , uk iuk
kũi k k<i
pa je * +
X ũi
hai , ui i = ũi + hai , uk iuk , ui = ũi , = kũi k > 0.
k<i
kũi k
Dokaz. Pogledajmo najprije slu£aj kad je A kvadratna matrica punog ranga. Tada od stupaca
{a1 , . . . , an }
primjenom GramSchmidtovog postupka dobijemo stupce {u1 , . . . , un } i od njih napra-
(k)
vimo kvadratne matrice Q i R kako je opisano u algoritmu. S ai ¢emo ozna£iti itu koordinatu
stupca ak , analogno za stupce uk . Provjerimo da je A = QR:
n j j−1
X X (k)
X (k) (j)
(QR)ij = Qik Rkj = ui haj , uk i = ui haj , uk i + ui haj , uj i,
k=1 k=1 k=1
²to je ita koordinata vektora
j−1
X
haj , uk iuk + haj , uj iuj = aj − ũj + kũj kuj = aj .
k=1
(j)
Pokazali smo da je (QR)ij = ai , tj. stupci matrice QR su {a1 , . . . , an } pa je QR = A.
Na isti na£in se pokaºe da je A = QR za matricu A koja nema puni rang.
 
2 1 3
Primjer 5.40 (A ima puni rang). Naite QR dekompoziciju matrice A = −1 0 7 .
0 −1 −1
Rje²enje GramSchmidt za stupce a1 , a2 , a3 daje
 2   1  1
√ √ √
5 30 6
u1 = − √15  , u2 =  √30  , u3 =  √26  .
2
   
0 − √530 √1
6
Stoga je

√2 √1 √1
  √ √2

5 − √15

ha1 , u1 i ha2 , u1 i ha3 , u1 i
− √51 30
√2
6
√2  , √6
5
√22
Q = u1 u2 u3 = R= 0 ha2 , u2 i ha3 , u2 i =  0 .
  
 5 30 6 30 30
0 − √530 √1
6
0 0 ha3 , u3 i 0 0 16
√
6
DZ 5.12. Provjeriti da je doista A = QR.

 
1 −1 0
Primjer 5.41 ( A nema puni rang). Zadana je matrica A = 2 −2 1.
2 −2 2
(a) Naite QR dekompoziciju matrice A.
 
2
(b) Rije²ite sustav Ax = b, gdje je b = 5.

6
Rje²enje
(a) GramSchmidt daje

 
1
a1 1 
u1 = = 2 ,
ka1 k 3
2
 
0
u˜2 = a2 − ha2 , u1 iu1 = 0
 (izbacujemo a2 )
0
 
2
1
u˜2 = a3 − ha3 , u1 iu1 = −  1  ,
3
−2
u˜2
u2 = = u˜2 .
ku˜2 k
5.7. QR FAKTORIZACIJA 69
Dakle,
1
− 23


3
2 ha1 , u1 i ha2 , u1 i ha3 , u1 i 3 −3 2
Q= − 13  , R= = .
3
2 2 0 ha2 , u2 i ha3 , u2 i 0 0 1
3 3
(b) Sustav Ax = b moºemo zapisati kao QRx = b pa je

T 8
Rx = Q b = .
1
Dobivamo gornjetrokutasti sustav
(
3x1 − 3x2 + 2x3 = 8
x3 = 1
   
1 2
£ije rje²enje je x = t  1 + 0, t ∈ R. To je ujedno i rje²enje po£etnog
  sustava Ax = b.
0 1
DZ 5.13. Direktno rije²ite sustav Ax = b i provjerite da je to rje²enje.

Napomena 5.42. QR faktorizacija se (meu ostalim) moºe koristiti za
(a) ra£unanje inverza: A−1 = (QR)−1 = R−1 QT ,
(b) ra£unanje ranga: r(A) = r(Q), a taj rang dobijemo nakon GramSchmidtovog algoritma to je
upravo broj stupaca od Q,
|det A| = |det Q| · |det R| = | ni=1 Rii |,

Q
(c) ra£unanje (modula) determinante:
(d) rje²avanje sustava
(e) u metodi najmanjih kvadrata
DZ 5.14. Naite QR faktorizaciju matrica
 
 −1 −1 1
1 1 0 1 3 3
A = 1 0 1 , B=
−1 −1 5 .

0 1 1
1 3 7
5.7.1 Veza s problemom najmanje udaljenosti/najbolje aproksimacije
esto se u praksi javlja potreba nalaºenja najbolje aproksimacije vektora b vektorima iz potprostora
R(A), tj. moramo minimizirati kAx − bk. Ako znamo QR dekompoziciju od A, moºemo se njome
posluºiti da odredimo najbolji x u danom problemu. Neka je

R1
A = QR = Q1 Q2
0
puni oblik QR dekompozicije od A. Kako QT £uva normu (rotacija!), onda je

T 2
2 2
T 2 T 2
R1 x Q1
kAx − bk = kQRx − bk = Q (QRx − b) = Rx − Q b =
− b
0 QT2
R1 x − QT1 b 2

= R1 x − QT1 b 2 + QT2 b 2 ≥ QT2 b 2

= T
−Q2 b
uz jednakost ako i samo ako jeR1 x = QT1 b.

T
Stoga, da bismo minimizirali kAx − bk, dovoljno je rije²iti sustav R1 x = Q1 b, gdje je A = Q1 R1
reducirani oblik QR dekompozicije matrice A. Ako je R1 gornjetrokutasta kvadratna matrica s nenul
elementima na glavnoj dijagonali, sustav ¢e imati jedinstveno rje²enje.
5.8 Metoda najmanjih kvadrata

Dobiveno je n mjerenja i njima odgovara n to£aka (x1 , y1 ), ..., (xn , yn ) u ravnini. Ideja: prona¢i
pravac koji najbolje aproksimira ta mjerenja, tj. za koji ¢e zbroj kvadrata udaljenosti to£aka od
pravca biti minimalan. Neka taj pravac ima jednadºbu y = kx + l.
Imamo sustav
kx1 + l = y1
kx2 + l = y2
.
.
.
kxn + l = yn
koji je najvjerojatnije nekonzistentan. No, mi svejedno ºelimo odrediti k i l koji su optimalni u
smislu najmanjih kvadrata.
Zadatak 5.23. Metodom najmanjih kvadrata odredite pravac koji najbolje aproksimira to£ke (−6, −1),
(−2, 2), (1, 1), (7, 6).
Rje²enje Pravac koji traºimo ima oblik y = kx + l pa dobivamo sustav
−6k + l = −1
−2k + l = 2
k+l =1
7k + l = 6
koji moºemo matri£no zapisati kao Ax = b, gdje je
  
−6 1 −1
−2 1 k 2
A=
  , x= , b=
 1 .

1 1  l
7 1 6
Sustav nema rje²enje pa minimiziramo kAx − bk, a rekli smo da je za to dovoljno rije²iti sustav
Rx = QT b, gdje je A = QR QR faktorizacija od A. Imamo
2 1
 
− √10 2
− √2 1 √
 3 10 2 90 0
Q= √ 1 , R=
 3 110 2 0 2
√7 1
3 10 2
5.8. METODA NAJMANJIH KVADRATA 71
pa je sustav Rx = QT b dan kao
 
1 −1
√ 1 1 1  45
√
90 0 k 2 2 2 2 2 3 10
= = .
− √10 − 3√210
2 1 7
 
0 2 l √ √ 1 4
3 10 3 10
6
1
Rje²enje tog sustava je k= 2
, l=2 pa je traºeni pravac y = 12 x + 2.
-6 -4 -2 2 4 6 8
-1

Ovakve zadatke moºemo rje²avati i na drugi na£in. Sustav Ax = b moºemo rije²iti tako da pomnoºimo
T T T
obje strane jednakosti s matricom A . Tada sustav prelazi u A Ax = A b, ²to je 2 × 2 Cramerov
sustav. Naime, matrica sustava je regularna jer je
 
x1 1
xn  x2 1
  P 2 P
T x1 · · · x xi
A A= = P i .
1 ··· 1  ... ...  xi n

xn 1
Nadalje,
X X 2
det AT A = n x2i −

xi ,
P 2
xi ) = n x2i , a to vrijedi
P
²to je jednako nuli ako i samo ako je ( ako i samo ako je
hx, 1i2 = k1k2 kxk2 ,
²to je istina ako i samo ako je x = α1 za neki α ∈ R. Ovdje koristimo oznake x = (x1 , . . . , xn ),
1 = (1, . . . , 1). Ovo nije mogu¢e jer bi onda sve to£ke imale istu x koordinatu.
−1
Kako je AT A regularna, onda rje²enje sustava moºemo dobiti kao x= A A T
AT b. Provjerite da
se uz podatke iz prethodnog zadatka dobije isti rezultat.
Napomena 5.43. Usporediti s predavanjima, pogotovo s drugim izdanjem knjige gdje je dodana ova
metoda.
Poglavlje 6
Kvadratne forme
6.1 Dijagonalizacija kvadratne forme

Definicija 6.1. Simetri£na kvadratna forma je funkcija f : Rn → R zadana sa
f (x) = hAx, xi,
gdje je A simetri£na realna matrica.
Definicija 6.2. Kaºemo da je kvadratna forma
• pozitivno denitna ako je hAx, xi > 0 za x 6= 0;

• pozitivno semidenitna ako je hAx, xi ≥ 0 za x ∈ Rn ;
• negativno denitna ako je hAx, xi < 0 za x 6= 0;
• negativno semidenitna ako je hAx, xi ≤ 0 za x ∈ Rn ;
indenitne.
Za sve ostale forme kaºemo da su
Definicija 6.3. Kvadratna forma je kanonska ako je odgovaraju¢a matrica dijagonalna.
Simetri£nu matricu A moºemo zapisati u obliku A = QDQT , pri £emu je Q ortogonalna, a D

dijagonalna matrica. Tada je
hAx, xi = QDQT x, x = DQT x, QT x .

Uvedemo li supstituciju QT x = y , dobivamo
n
X
hAx, xi = hDy, yi = λi yi2 ,
i=1
pri £emu je D = diag(λ1 , · · · , λn ). Prema tome, svaka se kvadratna forma moºe svesti na kanonsku
supstitucijom y = QT x.
Zadatak 6.1. Svedi na kanonski oblik kvadratnu formu
f (x1 , x2 , x3 ) = 6x21 + 5x22 + 7x23 − 4x1 x2 + 4x1 x3 .
73
74 POGLAVLJE 6. KVADRATNE FORME
Rje²enje f (x) = hAx, xi = 6x21 + 5x22 + 7x23 − 4x1 x2 + 4x1 x3 ., odakle dobijemo da gornja forma
odgovara simetri£noj matrici
 
6 −2 2
A = −2 5 0 .
2 0 7
 
2
Njene svojstvene vrijednosti su λ1 = 3, λ2 = 6, λ3 = 9. Pripadne svojstvene vektore v1 =  2  , v2 =
    −1
−1 2
 2  , v3 = −1 normiramo i od njih formiramo stupce ortogonalne matrice Q. Dakle,
−2 2
 
2 −1 2
1
Q=  2 2 −1 .
3
−1 2 2
Uvoenjem supstitucije y = QT x, tj. x = Qy i uvr²tavanjem u po£etni oblik, dobijemo
f (x1 , x2 , x3 ) = 3y12 + 6y22 + 9y32
Zadatak 6.2. Svedi na kanonski oblik kvadratnu formu
f (x1 , x2 , x3 ) = 3x21 + 3x22 − 2x1 x2 + 4x1 x3 + 4x2 x3 .
Rje²enje f (x) = hAx, xi = 6x21 + 5x22 + 7x23 − 4x1 x2 + 4x1 x3 , odakle dobijemo da gornja forma
odgovara simetri£noj matrici
 
3 −1 2
A = −1 3 2 .
2 2 0
Njene svojstvene vrijednosti su λ1 = −2, λ2 = λ3 = 4. Ortonormiranjem pripadnih svojstvenih
vektora dobijemo matricu  1 
−√ √1 √1
 √1 2 √1
3 6
√1  .
Q= 2

3 6
0 √1 − √26
3
Uvoenjem supstitucije y = QT x, tj. x = Qy i uvr²tavanjem u po£etni oblik, dobijemo
f (x1 , x2 , x3 ) = −2y12 + 4y22 + 4y32
Teorem 6.4. Kvadratna forma je

• pozitivno denitna ako i samo ako je λi > 0 za sve i ∈ {1, 2, · · · , n};
• pozitivno semidenitna ako i samo ako je λi ≥ 0 za sve i ∈ {1, 2, · · · , n};
• negativno denitna ako i samo ako je λi < 0 za sve i ∈ {1, 2, · · · , n};
• negativno semidenitna ako i samo akoje λi ≤ 0 za sve i ∈ {1, 2, · · · , n}.

6.2. KRIVULJE I PLOHE DRUGOG REDA 75
• indenitna ako postoje λi i λj takvi da je λi > 0 i λj < 0.

Tip kvadratne forme moºemo provjeriti
i bez
da dijagonaliziramo matricu A Sylvesterov
koriste¢i
a a
kriterij: Brojeve D1 = |a11 |, D2 = 11 12 , · · · , Dn = det A
a21 a22
zovemo glavne minore matrice A.
Teorem 6.5 (Sylvesterov kriterij). Kvadratna forma q je pozitivno denitna ako i samo ako je Di > 0
za sve i = 1, · · · , n, a negativno denitna ako i samo ako je D1 < 0, D2 > 0, D3 < 0, D4 > 0 · · · .
Zadatak 6.3. Odredite sve λ∈R za koje je forma
f (x1 , x2 , x3 ) = λx21 + λ2 x22 + (λ − 3)x23 + 2x1 x2 + 2λx1 x3 + 2x2 x3
negativno denitna.
Rje²enje f (x) = hAx, xi = λx21 + λ2 x22 + (λ − 3)x23 + 2x1 x2 + 2λx1 x3 + 2x2 x3 , odakle dobijemo da
gornja forma odgovara simetri£noj matrici
 
λ 1 λ
A = 1 λ 1 .
λ 1 λ−3
Prema Sylvesterovom kriteriju, f je negativno denitna ako i samo ako je

λ 1
D1 = λ < 0, D2 = > 0, D3 = det A < 0,
1 λ
tj. λ < 0, λ2 − 1 > 0 i 3(1 − λ2 ) < 0, tj. ako i samo ako je λ < −1.
6.2 Krivulje i plohe drugog reda

Polinom drugog stupnja je funkcija oblika
p(x) = hAx, xi + hb, xi + c,
gdje je A simetri£na kvadratna matrica, b je stupac, a c je realni broj.

Krivulja (ploha) drugog reda je skup
K = {x ∈ R2 (R3 ) : f (x) = 0}.
Gledamo nedegenerirani slu£aj, tj. slu£aj kad je A 6= 0. Vrstu krivulje (plohe) odreujemo dijago-
nalizacijom kvadratne forme. Pri tom dijagonaliziramo pomo¢u ortogonalnih matrica kako bi i novi
sustav bio kartezijev (imao okomite osi).
Zadatak 6.4. Odredite krivulju zadanu jednadºbom
41x2 + 24xy + 9y 2 + 24x + 18y − 36 = 0. (6.1)
Rje²enje Danu jednadºbu moºemo napisati u obliku
hAx, xi + hb, xi + c = 0,
gdje je
41 12 24
A= , b= , c = −36.
12 9 18
Matrica A ima svojstvene vrijednosti σ(A) = {45, 5}, a odgovaraju¢i normirani svojstveni vektori su

1 3 1 −1
v1 = √ , v2 = √ .
10 1 10 3
Od njih formiramo matricu Q kao
!
√3 − √110

10 cos ϕ − sin ϕ
Q= √1 √3
= .
10 10
sin ϕ cos ϕ
Nove varijable se mogu izraziti preko starih kao
0
x T x
0 =Q ,
y y
a stare preko novih kao

!
√1 (3x0 − y 0 )
0
x x 10
=Q 0 =
y y √1
10
(x0 + 3y 0 )
Uvrstimo u (6.1) i dobivamo jednadºbu
2 2 90 30
45x0 + 5y 0 + √ x0 + √ y 0 − 36 = 0
10 10
odnosno
02 2 0 1 45 02 6 0 9 45
45 x + √ x + − +5 y + √ y + − − 36 = 0.
10 10 10 10 10 10
Slika 6.2: Krivulja u sustavima

Slika 6.1: Krivulja u xy sustavu Slika 6.3: Krivulja u x0 y 0 sustavu
xy i x0 y 0
Uvedimo nove varijable translacijom sustava
1 3
x00 = x0 + √ , y 00 = y 0 + √
10 10
pa se jednadºba svodi na
2 2
45x00 + 5y 00 = 45,
tj.
x00 2 y 00 2
+ =1
1 9
00 00
²to je jednadºba elipse centralne u sustavu {x , y }. Taj sustav je dobiven od po£etnog {x, y}

√1
−1
rotacijom za kut ϕ, a potom translacijom (u zarotiranom sustavu) za vektor .
10 −3
Slika 6.5: Krivulja u sustavima Slika 6.6: Krivulja u x00 y 00 sus-

Slika 6.4: Krivulja u x0 y 0 sustavu
x0 y 0 i x00 y 00 tavu

Zadatak 6.5. Odredite krivulju zadanu jednadºbom
3x2 + 10xy + 3y 2 − 2x − 14y − 13 = 0.
Rje²enje Danu jednadºbu moºemo napisati u obliku
hAx, xi + hb, xi + c = 0,
gdje je

3 5 −2
A= , b= , c = −13.
5 3 −14
Matrica A ima svojstvene vrijednosti σ(A) = {8, −2}, a odgovaraju¢i normirani svojstveni vektori
daju matricu Q: !
√1 − √12

2 cos ϕ − sin ϕ
Q= √1 √1
= .
2 2
sin ϕ cos ϕ
Stare varijable se mogu izraziti preko novih kao
!
√1 (x0 − y 0 )
0
x x 2
=Q 0 =
y y √1
2
(x0 + y 0 )
Uvrstimo u (6.1) i dobivamo jednadºbu
2 2 16 12
8x0 − 2y 0 − √ x0 − √ y 0 − 13 = 0
2 2
Slika 6.8: Krivulja u sustavima

Slika 6.7: Krivulja u xy sustavu Slika 6.9: Krivulja u x0 y 0 sustavu
xy i x0 y 0
odnosno
02 2 0 1 02 6 0 9
8 x −√ x + −4−2 y + √ y + + 9 − 13 = 0.
2 2 2 2
Uvedimo nove varijable translacijom sustava
1 3
x00 = x0 − √ , y 00 = y 0 + √
2 2
pa se jednadºba svodi na
2 2
8x00 − 2y 00 = 8,
tj.
x00 2 y 00 2
− =1
1 4
00 00
²to je jednadºba hiperbole centralne u sustavu {x , y }. Taj sustav je dobiven od po£etnog {x, y}

π 1 1
rotacijom za kut ϕ= , a potom translacijom (u zarotiranom sustavu) za vektor √ .
4 2 −3
Slika 6.10: Krivulja u x0 y 0 sus- Slika 6.11: Krivulja u sustavima Slika 6.12: Krivulja u x00 y 00 sus-
tavu x0 y 0 i x00 y 00 tavu
Zadatak 6.6. Odredite plohu zadanu jednadºbom
√ √
9x2 + 20y 2 + 20z 2 − 40yz − 36x − 4 2y + 4 2z + 4 = 0.
Rje²enje Matrica ove kvadratne forme je

 
9 0 0
A = 0 20 −20 .
0 −20 20
Njene svojstvene vrijednosti su σ(A) = {9, 40, 0} i odgovaraju¢i svojstveni vektori daju matricu
1 0 0
 
1 1
Q = 0 √ 2 √ 2 
0 − √12 √12
i uz supstituciju
   0
x x
y  = Q y 0 
z z0
dobivamo jednadºbu
2 2
9x0 + 40y 0 − 36x0 − 8y 0 + 4 = 0,
tj.

02
1 1 02
9 x − 4x + 4 + 40 y − y 0 +
0
= 32.4.
5 100
Nakon supstitucije
1
x00 = x0 − 2, y 00 = y 0 − ,
10
dobivamo jednadºbu cilindra
x00 2 y 00 2
+ = 1.
3.6 0.81
9x2 + √
Slika 6.13: Ploha 20y 2 +
02 02 x00 2 y 00 2
2 Slika 6.14: Ploha 9x + 40y −
√ − 40yz − 36x − 4 2y +
20z Slika 6.15: Ploha
3.6
+ 0.81
=1
4 2z + 4 = 0 36x0 − 8y 0 + 4 = 0

DZ 6.1. Odredite krivulje zadane jednadºbama

√
(a) 17x2 + 12xy + 8y 2 + 20 5x + 20 = 0,
(b) x2 − 2xy + y 2 − 10x − 6y + 25 = 0,
(c) x2 − 4xy + 4y 2 − 4x − 3y − 7 = 0.
DZ 6.2. Odredite plohe zadane jednadºbama
(a) 4x2 + 4y 2 − 8z 2 − 10xy + 4yz + 4xz − 16x − 16y − 8z + 72 = 0,
(b) x2 − 2y 2 + z 2 + 4xy + 4yz − 10xz + 2x + 4y − 10z − 1 = 0.

LA2 Vjezbe v7 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

LA2 Vjezbe v7 PDF

Uploaded by

Copyright:

Available Formats

Linearna algebra 2

Svojstvu linearnosti ekvivalentno je

A(x + y) = A(x) + A(y), ∀x, y ∈ U (aditivnost)

A(αx) = αA(x), ∀x ∈ U, α ∈ F (homogenost).

Zadatak 1.1. Provjerite jesu li sljede¢a preslikavanja linearni operatori:

(a) 0 : V → W , 0(x) = 0, ∀x ∈ V (nul-operator),

(b) I : V → V , I(x) = x, ∀x ∈ V (identiteta),

(c) A : R3 → R2 , A(x1 , x2 , x3 ) = (x1 + x2 + x3 , 2x1 − x2 ) (tipi£an linearan operator s Rm u Rn ),

(d) A : R2 → R, A(x, y) = |x|,

(g) A : R2 → R2 , A(x, y) = (x, y + 2).

(a)-(c) direktna provjera

(d) traºimo protuprimjer:

1 + 1 = |1| + | − 1| = A(1, 0) + A(−1, 0) 6= A ((1, 0) + (−1, 0)) = A(0, 0) = |0| = 0.

(f ) A je linearan operator na CR . Ako su α, β ∈ R, z1 , z2 ∈ C, onda je

S druge strane, na CC A nije linearan operator. Protuprimjer:

A(i · i) = A(−1) = −1 = −1 6= iA(i) = i · i = i(−i) = −i2 = 1.

Zadatak 1.2. Provjerite jesu li sljede¢a preslikavanja linearni operatori:

(a) S : RN → RN , S(x1 , x2 , x3 , . . .) = (0, x1 , x2 , x3 , . . .) (desni ²ift),

(b) T : RN → RN , S(x1 , x2 , x3 , . . .) = (x2 , x3 , . . .) (lijevi ²ift),

(c) A : RR → RR , Af (t) = f (t + 1), t ∈ R,

(d) B : RR → RR , Bf (t) = f (t) + 1, t ∈ R,

(e) C : RR → RR , Cf (t) = (f (t))2 , t ∈ R,

(f ) D : RR → RR , Df (t) = f 2 (t) = (f ◦ f )(t), t ∈ R.

(e) ne vrijedi aditivnost:

a to op¢enito nije jednako Cf (t) + Cg(t).

(f ) Op¢enito (f + g) ◦ (f + g) 6= f ◦ f + g ◦ g pa D nije linearan operator. Napi²ite eksplicitno primjer

Zadatak 1.3. Dokaºite:

(a) Kompozicija linearnih operatora je linearan operator,

(b) Inverz linearnog operatora (ako postoji) je linearan operator.

(a) Neka su A:U →V, B :V →W dva linearna operatora. Tada je C := B ◦ A : U → V i vrijedi

C (αx + βy) = (B ◦ A) (αx + βy) = B (A (αx + βy)) = B (αAx + βAy)

A−1 (αz + βw) = αA−1 (z) + βA−1 (w), z, w ∈ V, α, β ∈ F.

Fiksirajmo z, w ∈ V . Kako je A bijekcija, postoje jedinstveni x, y ∈ U takvi da je Ax = z ,

1. Im A = A(V ) = {Av : v ∈ V } ≤ W je slika operatora A.

r(A) := dim Im A je rang operatora A,

A je injekcija ⇔ Ker A = {0},

Dovoljno je zadati djelovanje od D na bazi

Zadatak 1.4. Neka je A : R3 → R4 funkcija zadana formulom

A(x1 , x2 , x3 ) = (x1 − x2 + x3 , 2x1 − x3 , x1 − 4x2 + 2x3 , 3x1 − x2 ) .

= (x1 , x2 , x3 ) ∈ R3 : x1 − x2 + x3 = 0, 2x1 − x3 = 0, x1 − 4x2 + 2x3 = 0, 3x1 − x2 = 0 .

Rje²avanjem prethodnog homogenog sustava dobivamo da je x1 = x2 = x3 = 0 jedino rje²enje.

Im A = Ax : x ∈ R3 = {(x1 − x2 + x3 , 2x1 − x3 , x1 − 4x2 + 2x3 , 3x1 − x2 ) : x1 , x2 , x3 ∈ R}

= {x1 (1, 2, 1, 3) + x2 (−1, 0, −4, −1) + x3 (1, −1, 2, 0) : x1 , x2 , x3 ∈ R}

r(A) + d(A) = 3 + 0 = 3 = dim R3 .

Ta tvrdnja vrijedi i op¢enito.

DZ 1.1. Ispitajte je li f : Mn (F) → F linearni operator za

Rje²enje Operator Q je tzv. operator interpolacije u £vorovima −1, 0, 1. Odredimo formulu za

Zadatak 1.6. Neka je V kona£nodimenzionalan vektorski prostor (KDVP) i M ≤ V , M 6= {0},

A(a1 ) = . . . = A(ak ) = 0, A(ak+1 ) = ak+1 , . . . , A(an ) = an

i pro²irimo po linearnosti. Dokaºimo da je Ker A = M .

(b) Zadajmo A:V →V na bazi kao

A(a1 ) = a1 , . . . , A(ak ) = ak , A(ak+1 ) = . . . = A(an ) = 0

i pro²irimo po linearnosti. Dokaºimo da je Im A = M .

Zbog linearne nezavisnosti baze {a1 , . . . , an } slijedi da je

(c) Uo£imo najprije sljede¢e: ako je Ker A = Im A = M , onda je

dim V = dim Ker A + dim Im A = 2 dim M.

A(a1 ) = . . . = A(ak ) = 0, A(b1 ) = a1 , . . . , A(bk ) = ak

i pro²irimo po linearnosti. Kao i prije vidimo da je Ker A = Im A = M (DZ).

[DZ*] Dokaºite da je Ker A = Im A = M ako i samo ako je dim V = 2 dim M , Aa1 = . . . =

1. Neka su V, W KDVP nad F. Tada su V i W izomorfni akko je dim V = dim W .

2. Neka je A : V → V , dim V < ∞ (ili A : V → W , dim V = dim W < ∞). Ekvivalentno je

3. ' je relacija ekvivalencije.

Primjer 1.8. Neka je L = {a = (a1 , a2 , a3 , . . .) ∈ RN : a1 = a2 }. Skup L je o£ito pravi potprostor od

a) Ako je A je izomorzam, onda je Ker A = {0}. Za B=0 vrijedi Ker A = Im B .

(b) Ako je P 6= I , onda P nije izomorzam.

Denirajmo preslikavanje P :V →V kao

(b) tovi²e, dokaºite da je V = Ker(An ) u Im(An ), n ∈ N.

Tvrdnja 1. slijedi trivijalno iz denicije operatora C.

injenice 2.2. 1. V ∗ := L(V, F) dualni prostor of V.

3. Konstrukcija izomorzma izmeu V i V ∗: