Professional Documents
Culture Documents
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)
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, . . .
(e) A : R2 → R, A(x, y) = x · y ,
(f ) A : C → C, A(z) = z ,
(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
A (αz1 + βz2 ) = αz1 + βz2 = αz1 + βz2 = αz1 + βz2 = αA(z1 ) + βA(z2 ).
(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).
(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.
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),
Rje²enje
(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) = 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.
4. Vrijedi
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).
4 POGLAVLJE 1. LINEARNI OPERATORI
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).
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
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
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
(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).
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.
6 POGLAVLJE 1. LINEARNI OPERATORI
(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
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
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
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) A je izomorzam,
(b) A je monomorzam,
(c) A je epimorzam.
Posljedica £injenice 1. je da nijedan pravi potprostor KDVP ne moºe biti izomorfan svojem potpros-
toru. To ne vrijedi kod beskona£nodimenzionalnih prostora.
(a1 , a2 , a3 , . . .).
Dakle, L ' R , ali L R .
N 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).
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:
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
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
izomorzam.
LuM 'L×M
(a) a ∈ Im P ⇐⇒ P a = a.
10 POGLAVLJE 1. LINEARNI OPERATORI
(c) V = Ker P u Im P .
Rje²enje
P a = P (P x) = P 2 x = P x = a.
(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
Dakle, Ker P u Im P = V .
P (ai ) = ai , i = 1, . . . , k
P (ai ) = 0, i = k + 1, . . . , n
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.
n=1 trivijalno.
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.
12 POGLAVLJE 1. LINEARNI OPERATORI
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
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
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:
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
(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
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).
1. Im C ⊆ Ker A,
2. Ker C ⊆ Ker B .
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:
Rje²enje f je injekcija akko je Ker f = {0} akko je d(f ) = 0 pa imamo da je dim V = r(f ) ∈ {0, 1}.
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.
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,
(
1, j = k
e∗j (ek ) = δjk = , j, k = 1, . . . , n.
6 k
0, j =
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 .
3
! 3
X X
f1 (x) = f1 α i ai = αi f (ai ) = α1 .
i=1 i=1
(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 ).
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
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:
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:
Dobivamo A = 1, B = 1, C = 1. Dakle,
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.
S 0 := {f ∈ V ∗ : f (x) = 0, ∀x ∈ S}
(a) S0 je potprostor od V ∗,
(b) S 0 = [S]0 ,
Rje²enje
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
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
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
n
! n n
X X X
f (x1 , . . . , xn ) = f xi e i = xi f (ei ) = λi xi ,
i=1 i=1 i=1
(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
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.
21
22 POGLAVLJE 3. MATRINI PRIKAZ (ZAPIS) LINEARNOG OPERATORA
1 0 0 ... 0
0 1 0 ... 0
I(e) = 0 0 1 ... 0
.. .. .. .. .
.
. . . . .
0 0 0 . . . 1.
Stoga je
1 1
T (f, e) = 1 −1 .
1 0
x−y y−z
S(x, y, z) =
z−x x+y+z
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
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)
Rje²enje
b) Matri£no:
1 1 2 0
1 −1
A= , B = 1 0 , BA = 1 −1 .
1 1
0 −1 −1 −1
1. Operator A i matri£ni prikaz operatora A(f, e) u bilo kojem paru baza (e), (f ) imaju isti rang, tj.
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)
−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 ).
3.1. PROMJENA BAZE 25
Rje²enje Imamo
1 1 1
A(e) = IR3 (e, e0 ) = 1 1 0
1 0 0
pa je
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
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 .
26 POGLAVLJE 3. MATRINI PRIKAZ (ZAPIS) LINEARNOG OPERATORA
(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.
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
3.1. PROMJENA BAZE 27
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 .
−8
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
28 POGLAVLJE 3. MATRINI PRIKAZ (ZAPIS) LINEARNOG OPERATORA
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.
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
kn = (−1)n ,
kn−1 = (−1)n−1 tr A,
k0 = det A.
29
30 POGLAVLJE 4. SPEKTAR
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
m
2 m
X m k
A − I = (A − I)(A + I) i (A + I) = A .
k=0
k
A2 − B 2 6= (A − B)(A + B).
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
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
32 POGLAVLJE 4. SPEKTAR
4 1 1
A = 2 4 1 .
0 1 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.
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.
injenice 4.12.
1.
VA (λ) = {x ∈ V : Ax = λx} ,
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.
4 −4 2
A = 2 −2 1 .
−4 4 −2
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
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).
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:
34 POGLAVLJE 4. SPEKTAR
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.
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
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
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
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
−1 −1 −1
1 0 0
x = x2 0 + x3 1 + · · · + x n 0 .
.. .. ..
. . .
0 0 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
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
⊇ 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).
Rje²enje
pa je σ(λ0 I) = {λ0 }.
Zadatak 4.13. Neka je A ∈ L(V ) regularan operator. Dokaºite
Rje²enje
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.
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
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
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 Shvatimo A kao matricu iz M2n (C) te faktoriziramo njen karakteristi£ni polinom:
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:
Ovo je nemogu¢e jer bi ostalih 2n − 1 svojstvenih vrijednosti trebale do¢i u kompleksno konjugi-
ranim parovima, a ima ih neparan broj.
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.
3.
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.
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:
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 .
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}.
A1 A2
0 A3
pa je Bx ∈ M .
4.1. SUSTAVI LINEARNIH REKURZIJA 43
Rje²enje Ozna£imo sa zn broj ze£eva nakon n godina, a sa ln broj lasica nakon n godina. Iz uvjeta
zadatka imamo
xn+1 = Axn
100
x0 = .
10
5an + 2
an+1 = ,
2an + 8
ako je a1 = 3.
xn
Rje²enje Zapi²imo an u obliku
yn
. Tada je
1
6 · (−7)n−1 − 6n
xn =
13
1
9 · (−7)n−1 + 4 · 6n−1
yn = −
13
1
xn = (1 − (2t − 1)n )
2
1
yn = (1 + (2t − 1)n )
2
4.1. SUSTAVI LINEARNIH REKURZIJA 45
F0 = 0, F1 = 1, Fn = Fn−1 + Fn−2 .
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
kA (λ) = λ2 − λ − 1
n √ o
1± 5
pa je σ(A) = {λ1,2 } = 2
. Svojstveni potprostori su
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
46 POGLAVLJE 4. SPEKTAR
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
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
4.1. SUSTAVI LINEARNIH REKURZIJA 47
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
48 POGLAVLJE 4. SPEKTAR
Poglavlje 5
Unitarni prostori
(3') ha, ai ≥ 0, ∀a ∈ U ,
n
X
hx, yi := xi yi , x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) ∈ Fn .
i=1
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
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.
Dakle, h·, ·i je skalarno mnoºenje i (Mn (C), h·, ·i) je unitarni prostor.
Definicija 5.7. Neka je V vektorski prostor nad poljem F ∈ {R, C} i k·k : V −→ R preslikavanje
sa svojstvima:
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
hx, yi
cos ∠(x, y) = .
kxkkyk
Zadatak 5.1. Dokaºite da u svakom unitarnom prostoru U vrijedi relacija paralelograma, tj. da je
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:
Rje²enje
(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.
(1) d(x, y) ≥ 0,
(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.
d(x, y) = kx − yk, x, y ∈ X
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:
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 ,
2. ortonormiran sustav vektora ako je S ortogonalan sustav vektora i vrijedi kai k = 1 za sve
i = 1, · · · , m.
54 POGLAVLJE 5. UNITARNI PROSTORI
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.
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
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 .
56 POGLAVLJE 5. UNITARNI PROSTORI
⇐ 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
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
m
X
1 = hek , ek i = hek , ei ihei , ek i = 0,
i=1
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
injenice 5.26.
2. U ⊥ = {0}.
3. {0}⊥ = U .
4. S⊥ ≤ U , za svaki S ⊆ U.
5. S ⊥ = [S]⊥ .
⊥
M⊥ = M.
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
⊥ ⊥
Slijedi da je a=0 pa je x=b∈ M .
58 POGLAVLJE 5. UNITARNI PROSTORI
Zadatak 5.10. Neka su L, M potprostori od U. Dokaºite da je:
(a) (L + M )⊥ = L⊥ ∩ M ⊥ ,
(b) (L ∩ M )⊥ = L⊥ + M ⊥ .
Rje²enje
x ∈ L ∩ M ⊥.
⊥
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.
⊥⊥
(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
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
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
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.
Napomena 5.31. Matrica operatora A∗ u ONB (e) je hermitski adjungirana matrici A(e), tj.
A∗ (e) = A(e)∗ .
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.
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).
(fx,y ◦ fy,z ) (w) = fx,y (hw, ziy) = hw, zifx,y (y) = hw, zihy, yix = kyk2 hw, zix = kyk2 fx,z (w).
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.
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 .
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.
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
Stavimo S := I(e, f ) pa je
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:
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
64 POGLAVLJE 5. UNITARNI PROSTORI
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.
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
1
v3 1
vˆ3 = = 2 .
kv3 k 3
−2
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, λ2 = 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 ∗ .
66 POGLAVLJE 5. UNITARNI PROSTORI
kx − ak ≤ kx − yk, ∀y ∈ M.
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 ⊥
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.
A = Q1 R1 , (reducirani oblik)
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
68 POGLAVLJE 5. UNITARNI PROSTORI
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
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
T 8
Rx = Q b = .
1
(
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
(b) ra£unanje ranga: r(A) = r(Q), a taj rang dobijemo nakon GramSchmidtovog algoritma to je
upravo broj stupaca od Q,
−1 −1 1
1 1 0 1 3 3
A = 1 0 1 , B=
−1 −1 5 .
0 1 1
1 3 7
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
70 POGLAVLJE 5. UNITARNI PROSTORI
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
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
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.
72 POGLAVLJE 5. UNITARNI PROSTORI
Poglavlje 6
Kvadratne forme
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
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
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
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
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.
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).
hAx, xi + hb, xi + c = 0,
gdje je
41 12 24
A= , b= , c = −36.
12 9 18
76 POGLAVLJE 6. KVADRATNE FORME
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
0
x T x
0 =Q ,
y y
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
1 3
x00 = x0 + √ , y 00 = y 0 + √
10 10
pa se jednadºba svodi na
2 2
45x00 + 5y 00 = 45,
6.2. KRIVULJE I PLOHE DRUGOG REDA 77
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
Zadatak 6.5. Odredite krivulju zadanu jednadºbom
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
!
√1 (x0 − y 0 )
0
x x 2
=Q 0 =
y y √1
2
(x0 + y 0 )
2 2 16 12
8x0 − 2y 0 − √ x0 − √ y 0 − 13 = 0
2 2
78 POGLAVLJE 6. KVADRATNE FORME
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
6.2. KRIVULJE I PLOHE DRUGOG REDA 79
√ √
9x2 + 20y 2 + 20z 2 − 40yz − 36x − 4 2y + 4 2z + 4 = 0.
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
80 POGLAVLJE 6. KVADRATNE FORME
(c) x2 − 4xy + 4y 2 − 4x − 3y − 7 = 0.