Professional Documents
Culture Documents
( )
l
operatora A definiramo sa: A0 = I , A1 = A, A2 = A A, A3 = A2 A, te vrijedi Ak Al = Ak +l i Ak = Akl ,
k , l 0 .
( X = I , A, A , ) . Dakle, X je skup svih linearnih kombinacija potencija operatora A , odnosno skup
2
Am = m−1Am−1 + + 1A + 0 I .
onda vrijedi da je A ( A) = 0 .
A ( ) = m − m−1 m−1 − − 1 − 0 njegov minimalni polinom. Operator A je invertibilan ako i samo
ako je 0 0 .
Dokaz:
Am − m−1Am−1 − − 1A = 0 .
(Napomena: Uz neku pretpostavku, došli smo do kontradikcije s nekom poznatom činjenicom, što
daje zaključak da pretpostavka nije bila dobra, odnosno da je vrijedi negacija te pretpostavka.)
Primijetimo da je A−1 I , A, A2 ,
, Am−1 = X .
Zadatak 1. Dokažite da minimalni polinom linearnog operatora ne ovisi o izboru baze, tj. dokažite da slične
matrice imaju isti minimalni polinom.
Rješenje:
Neka su A i B slične matrice. Tada postoji regularna matrica T takva da vrijedi B = T −1AT , odnosno
TB = AT . Iz toga slijedi:
Bm = T −1Am T .
dakle, vrijedi:
Bm − m−1Bm−1 − − 1B − 0I = 0 , tj.
A ( B ) = 0 .
1I + 2 A + + m Am−1 = 0
Kako je skup I , A, A2 , , Am−1 linearno nezavisan, m-torka skalara u toj linearnoj kombinaciji je
jedinstvena trivijalna, tj. (1 , ,m ) = ( 0, , 0) je jedinstveno rješenje.
deg A ( ) dimV .
3 1 −1
A = 0 2 0 .
1 1 1
2 2 −5
A = 3 7 −15 .
1 2 −4
III. 2. Svojstvene vrijednosti i svojstveni vektori linearnog operatora
Definicija 3.2.1. Neka je V vektorski prostor nad poljem F . Za skalar F kažemo da je svojstvena
vrijednost (vlastita vrijednost, karakteristična vrijednost, eigenvalue) linearnog operatora A L (V ) ako
postoji vektor x V \ 0V takav da vrijedi A ( x ) = x . Takav vektor x naziva se svojstveni vektor za
svojstvenu vrijednost .
Definicija 3.2.2. Skup svih svojstvenih vrijednosti naziva se spektar linearnog operatora A i označava
( A) .
Dokaz:
A ( y ) = A ( x ) = A ( x ) = ( x ) = ( ) x = ( ) x = ( x ) = y
Definicija 3.2.5. Neka je A L (V ) . Determinanta (trag) linearnog operatora definira se kao determinanta
(trag) tom operatoru pridružene matrice det A = det A ( e ) ( trA = trA ( e ) ) .
Dokaz:
Matrice pridružene linearnom operatoru u različitim bazama su slične matrice, a slične matrice
imaju jednaku determinantu
(det B = det (T −1
AT ) = det T −1 det A det T = det A det T −1 det T = det A 1 = det A )
iz čega zaključujemo da vrijedi tvrdnja propozicije.
kA ( A ) = 0
Teorem 3.2.9. Neka je V konačnodimenzionalni vektorski prostor nad poljem F i A L (V ) . Tada vrijedi:
(1) kA ( A) = 0
(2) kA ( ) je djeljiv s A ( )
(3) ( A) = F : kA ( ) = 0
Dokaz (1): Prema definicija karakterističnog polinoma linearnog operatora, definiciji determinante
linearnog operatora i Hamilton-Cayleyevom teoremu.
Dokaz (3):
( A )
x V \ 0 : A ( x ) = x
x − A ( x ) = 0V
I ( x ) − A ( x ) = 0V
( I − A )( x ) = 0V
x J ( I − A )
1 8 −7
A = 2 7 −5 .
−4 4 −8
Rješenje:
2 = −9, x2 = ( 2,1, 4 )
3 = 9, x3 = (1,1, 0 )
J ( I − A) = x V : A ( x ) = x .
Skup linearno nezavisnih svojstvenih vektora neke svojstvene vrijednosti je baza vektorskog prostora
V ( A ) .
Napomena: Geometrijska višestrukost svojstvene vrijednosti je manja ili jednaka njenoj algebarskoj
višestrukosti.
Napomena: Ako je V konačnodimenzionalni vektorski prostor nad poljem F i dimV = n , onda operator
A L (V ) ima najviše n različitih svojstvenih vrijednosti u polju F .
Definicija 3.2.12. Kažemo da se operator A L (V ) može dijagonalizirati ako postoji baza vektorskog
prostora V čiji su elementi svojstveni vektori operatora A .
Teorem 3.2.13. Neka je V konačnodimenzionalni vektorski prostor nad poljem F i dimV = n , te neka je
A L (V ) . Linearni operator A se može dijagonalizirati ako i samo ako vrijedi
A(v ) = T −1 A(e) T ,
Zadatak 5. Neka je A L (V ) za koji vrijedi A ( e1 ) = e2 , A ( e2 ) = −e1 , pri čemu je e1 , e2 baza vektorskog
prostora V . Odredite mu svojstvene vrijednosti i svojstvene vektore, te spektar i svojstvene potprostore
ako je:
Rješenje a):
0 −1 1
Ae1 ,e2 = , det ( I − A ) = = 2 + 1 = 0 1 = −i , 2 = i
1 0 −1
1 , 2 operator A nema svojstvene vrijednosti u polju ( A) = .
Operator se ne može dijagonalizirati.
Rješenje b):
( A) = −i , i
Neka je x = ( a1 , a2 ) V \ ( 0, 0) takav da vrijedi A ( x ) = x , tj. ( I − A )( x ) = 0V .
1 a1 0 a1 + a2 = 0
−1 a = 0 −a + a = 0
2 1 2
−ia1 + a2 = 0
Za 1 = −i slijedi: a2 = a1i ( a1 , a2 ) = ( t , ti ) , t \ 0 . Dakle, skup svih
−a1 − ia2 = 0
svojstvenih vektora za svojstvenu vrijednost 1 = −i je (t ,ti ) , t \ 0 . Najveći njegov
podskup koji je linearno nezavisan je skup u kojem se nalazi samo jedan vektor, npr. x1 = (1, i ) .
ia1 + a2 = 0
Za 2 = i slijedi: a1 = a2 i ( a1 , a2 ) = ( ti , t ) , t \ 0 . Dakle, skup svih
−a1 + ia2 = 0
svojstvenih vektora za svojstvenu vrijednost 2 = i je (ti ,t ) , t \ 0 . Najveći njegov
podskup koji je linearno nezavisan je skup u kojem se nalazi samo jedan vektor, npr. x2 = ( i ,1) .