linearna algebranapomena 4.2.1 sistem (s) je saglasan ako i samo ako je =0. ako je sistem (s)...
TRANSCRIPT
-
LINEARNA ALGEBRA
2. Sistemi linearnih jednačina
2.1. Definicija sistema linearnih jednačinaNeka je dato polje F = (F,+, ·). Sistem linearnih jednačina, nad poljem F, za n-torku nepoznatih(x1, . . . , xn) nad poljem i konstante aij, bi ∈ F
(i ∈ {1, 2, . . . ,m} i j ∈ {1, 2, . . . , n}
), jeste konjukcija
jednačina
(S)
a11x1 + a12x2 + . . .+ a1nxn = b1
a21x1 + a22x2 + . . .+ a2nxn = b2
...
am1x1 + am2x2 + . . .+ amnxn = bm
.
Ako je b1 = b2 = . . . = bm = 0, tada sistem linearnih jednačina (S) se naziva homogeni sistem. Usuprotom ako postoji bi ̸= 0, sistem linearnih jednačina (S) se naziva nehomogeni sistem. Skalareb1, b2, . . . , bm ∈ F nazivamo slobodnim članovima sistema.Sistem linearnih jednačina (S) se može napisati u matričnom obliku:
(S) Ax = b ⇐⇒
a11 a12 . . . a1n
a21 a22 . . . a2n
...... · · · ...
am1 am2 . . . amn
x1
x2
...
xn
=
b1
b2
...
bm
pri čemu je A = [aij] ∈ F n×n – matrica koeficijenata, x = [xi] – matrica kolona nepoznatih nadF n×1 i b = [bi] ∈ Fm×1 – matrica kolona slobodnih članova. Sistem lineanih jednačina (S) naziva sesaglasan sistem (neprotivurečan, moguć) ako postoji matrica kolona α = [αi] ∈ F n×1 takva da zax1 = α1, . . . , xn = αn konjukcija jednačina iz (S) jeste tačna. Matrica kolona α se naziva rešenjesistema linearnih jednačina (S). U suprotnom ako za sistem (S) ne postoji rešenje, tada sistemlinearnih jednačina (S) se naziva nesaglasan sistem (protivurečan, nemoguć).
3. Rang matrice
3.1. Definicija ranga matriceU cilju diskusije saglasnosti – nesaglasnosti sistema linearnih jednačina (S) razmatra se pojam ranga.Definicija 3.1.1 Neka je data matrica A formata m×n nad poljem F, tj. A ∈ Fm×n. Rang matriceA jeste broj r, u oznaci rang(A) = r, takav da u matrici A postoji kvadratna regularna submatricaM reda r tako da su sve kvadratne submatrice većeg reda od r singularne. Matricu M nazivamoglavnom submatricom.
Napomena 3.1.1 Ako matrica A= 0= [ 0 ]∈Fm×n jeste nula matrica, tada smatramo da je r=0.U suprotnom, ako matrica A=[aij]∈Fm×n nije nula matrica, tada 1≤r≤min{m,n}. Sveukupno zaproizvoljnu matricu A∈Fm×n važi
0 ≤ rang(A) ≤min{m,n}.
1
-
Primer 3.1.1 Dokazati:
(i)
Za matricu A =
[1 0 10 1 0
]važi rang(A) = 2.
(ii)
Za matricu B =
1 2 34 5 67 8 9
važi rang(B) = 2.Rešenje. (i) Matrica A =
[1 0 10 1 0
]nije nula matrica odatle je 1 ≤ rang(A) ≤ 2. Uočimo da postoji
glavna submatrica
M =
[1 00 1
]reda 2, samim tim rang(A) = 2.
(ii) Matrica B =
1 2 34 5 67 8 9
nije nula matrica odatle je 1 ≤ rang(B) ≤ 3. Dalje, jednostavno seproverava
Det
1 2 34 5 67 8 9
= 0,tj. kvadratna matrica B nije glavna submatrica. Samim tim 1 ≤ rang(B) ≤ 2. Posle prethodnekratke analize o rangu matrice B jednostavno se nalazi primer glavne submatrice
M =
[1 24 5
]reda 2, samim tim rang(B) = 2. 2
Teorema 3.1.1 Za matricu A ∈ Fm×n važi rang(AT) = rang(A).
Definicija 3.3.2 Za matricu A ∈ Fm×n elementarne transformacije matrice A su sledeće transfo-rmacije:
(i) Zamena mesta dve vrste (ili kolone).
(ii) Množenje jedne vrste (ili kolone) skalarom α ̸= 0.
(iii) Dodavanje elemenata jedne vrste (kolone), prethodno pomnoženih nekim skalarom α odgo-varajućim elementima druge vrste (ili kolone).
Definicija 3.3.3 Matrice A,B ∈ Fm×n su ekvivaletne matrice, što označavamo A ∼= B, ako se mogudobiti jedna iz druge pomoću konačnog broja elementarnih transformacija.
Teorema 3.3.2 Neka je data matrica A ∈ Fm×n i neka je matrica A′ ∈ Fm×n nastala zamenom i-tei j-te vrste (kolone). Tada važi:
rang(A′) = rang(A).
Teorema 3.3.3 Neka je data matrica A ∈ Fm×n i neka je α ∈ F\{0} proizvoljan ne-nula skalar.Tada:
rang(αA) = rang(A).
2
-
Teorema 3.3.4 Neka je data matrica A ∈ Fm×n i neka su izdvojeni vektori vrste vi=[ai1 ... ain
]∈ F 1×n
(i= 1, ... ,m
). Ako je rang(A) = r, tada med-u vektor vrstama vi postoji tačno r linearno
nezavisnih vektora tako da preostlih m− r vektora su linearne kombinacije ovih r vektora.Posledica 3.3.1 Važi rang(A) = dim(Vv), gde Vv = L
({v1, . . . , vm}
)odred-uje vektorski prostor vrsta
Vv.
Teorema 3.3.4’ Neka je data matrica A∈Fm×n i neka su izdvojeni vektori kolone wj=[a1j ... amj
]T∈Fm×1
(j=1, ... , n
). Ako je rang(A) = r, tada med-u vektor kolonama wj postoji tačno r linearno
nezavisnih vektora tako da preostlih n− r vektora su linearne kombinacije ovih r vektora.Posledica 3.3.1’ Važi rang(A) = dim(Vk), gde Vk = L
({w1, . . . , wn}
)odred-uje vektorski prostor
kolona Vk.
Teorema 3.3.5 Neka je data matrica A ∈ Fm×n i neka je matrica B ∈ Fm×n dobijena od matriceA tako što su elementima jedne vrste (kolone) matrice A dodati elementi neke druge vrste (kolone)pomnoženi skalarom α ∈ F . Tada važi:
rang(B) = rang(A).
Teorema 3.3.6 Elementarne transformacije ne menjaju rang matrice.
4. Sistemi linearnih jednačina i rang matrice
4.1. Kroneker-Kapelijeva teorema
Definicija 4.1.1 Neka je dat sistem linearnih jednačina (S). Elementarne transformacije sistema(S) su odred-ene kao sledeće transformacije:(i) Zamena mesta dve jednačine.
(ii) Množenje jedne jednačine skalarom α ̸= 0.(iii) Dodavanje jedne jednačine, prethodno pomnožene nekim skalarom α odgovarajućoj drugojjednačini.
Napomena 4.1.1 Za elementarnu transformaciju sistema linearnih jednačina (S) možemo uzeti izamenu dva sabiraka u jednoj jednačini samo ako se odgovarajuće zamene izvrše u svim jednačinamasistema tako da se iste nepoznate pǐsu jedne ispod drugih. Ovom transformacijom se vrši zamenaredosleda u nizu nepoznatih!
Teorema 4.1.1 Elementarnim transformacijama skup rešenja sistema (S) se ne menja.Za sistem linearnih jednačina
(S) Ax = b ⇐⇒
a11 a12 . . . a1n
a21 a22 . . . a2n...
... · · · ...am1 am2 . . . amn
x1
x2...
xn
=
b1
b2...
bm
matrice
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
... · · · ...am1 am2 . . . amn
∈ Fm×n i Ab =
a11 a12 . . . a1n b1
a21 a22 . . . a2n b2...
... · · · ... ...am1 am2 . . . amn bm
∈ Fm×(n+1)
nazivaju se matrica sistema i proširena matrica sistema respektivno. Tada važi sledeće tvrd-enje
3
-
Teorema 4.1.2 (Kroneker – Kapeli) Sistem linearnih jednačina (S) Ax = b jeste saglasan ako isamo ako važi
rang(A) = rang(Ab).
Primer 4.1.1 Kroneker–Kapelijevom teoremom ispitati saglasnost realnog sistema u zavisnosti odparametara α, β, γ ∈ R :
(∗)
x1 + 2x2 + 3x3=α,4x1 + 5x2 + 6x3= β,7x1 + 8x2 + 9x3= γ.
U slučaju saglasnog sistema naći rešenje.
Rešenje. Polazeći od proširene matrice Ab zaključujemo da primenom elementarnih transformacijavaži† :
Ab =
1 2 3 α4 5 6 β7 8 9 γ
(I2 := (−4)·I1 + I2, I3 := (−7)·I1 + I3)
∼=
1 2 3 α0 −3 −6 β−4α0 −6 −12 γ−7α
(I3 := (−2)·I2 + I3)∼=
1 2 3 α0 −3 −6 β−4α0 0 0 γ−2β+α
.Dakle, saglasno Kroneker–Kapelijevoj teoremi, posmatrani sistem je saglasan ako i samo ako je
γ=2β − α.
Za tako odred-enu vrednost parametra γ rešenje ekvivalentnog sistema
(∗∗){
x1 + 2x2 + 3x3 = α,
−3x2 − 6x3= β − 4α
}je dato u obliku
(x1, x2, x3) =(−5
3α +
2
3β + x3,
4
3α− 1
3β − 2x3, x3
),
za x3∈R. 2
4.2. Gausov algoritam
Teorema 4.2.1 Svaki sistem linearnih jednačina:
(S)
a11x1 + a12x2 + . . .+ a1nxn = b1
a21x1 + a22x2 + . . .+ a2nxn = b2
...
am1x1 + am2x2 + . . .+ amnxn = bm
,
†pri čemu ovde sa Ip i Jq označavamo redom p-tu vrstu i q-tu kolonu razmatrane matrice
4
-
za aij, bi ∈ F (i = 1, ... ,m ∧ j = 1, ... , n), može se elementarnim transformacijama dovesti doekvivaletnog trougaonog sistema
(ST )
p11y1 + p12y2 + . . .+ p1ryr = q1 − p1(r+1)yr+1 − . . .− p1nynp22y2 + . . .+ p2ryr = q2 − p2(r+1)yr+1 − . . .− p2nyn
...
prryr = qr − pr(r+1)yr+1 − . . .− prnyn0 = µ
za pij, qi ∈ F (i = 1, ... , r ∧ j = i, ... , n), µ ∈ F i r = rang(A) ≤ n, gde je A matrica sistema. Pritome je p11 · p22 · . . . · prr ̸= 0 i (y1, . . . , yn) predstavlja jednu permutaciju od (x1, . . . , xn).
Postoji vǐse načina da se polazni sistem (S) transformǐse u trougaoni sistem (ST ), najčešće se toostvaruje Gausovim algoritmom predstavljenim sledećim dijagramom toka
Gausov algoritam
5
-
Procedura pivotacije koja se javlja u Gausovom algoritmu je data dijagramom
Procedura pivotacije
Napomena 4.2.1 Sistem (S) je saglasan ako i samo ako je µ=0. Ako je sistem (S) homogen tadaje q1= . . .=qr=µ=0. Na osnovu ovoga zaključujemo da je svaki homogen sistem saglasan, što jetakod-e i jedna od posledica Kroneker–Kapelijeve teoreme.
Primer 4.2.1 Odrediti za koje je vrednosti parametra c∈R sledeći realan sistem saglasan:
(∗)
2x1 + 3x2 + 4x3 + 5x4 = 13,
4x1 + 6x2 + 9x3 + 9x4 = 26,
4x1 + 6x2 + 8x3 + 10x4 = c.
U slučaju kad je prethodni sistem saglasan rešiti sistem.
Rešenje. Sistem rešavamo pomoću proširene matrice sistema, vršeći redom elementarne transformacije(koje su naznačene pored proširene matrice sistema) :
6
-
2 3 4 5 134 6 9 9 264 6 8 10 c
(I2 := (−2)·I1 + I2, I3 := (−2)·I1 + I3)
∼=
2 3 4 5 130 0 1 −1 00 0 0 0 c− 26
,(J2 ←→ J3)
∼=
2 4 3 5 130 1 0−1 00 0 0 0 c− 26
.Iz prethodne proširene matrice sistema dobijamo trougaoni sistem koji je ekvivalentan polaznom:
(∗)T
2x1 + 4x3 = 13− 3x2 − 5x4,
x3 = 0 + x4,
0 = c− 26.
Prethodni sistem je saglasan samo ako je c=26 i u tom slučaju rešenje polaznog sistema je
(x1, x2, x3, x4) =(13
2− 3
2x2 −
9
2x4, x2, x4, x4
),
za x2, x4∈R. 2
4.3. Slučaj homogenih linearnih sistemaZa matricu koeficjenata A = [aij] ∈ F n×n i matricu kolonu nepoznatih x = [xi] nad F n×1 neka je dathomogeni linearni sistem
(S0) Ax = 0 ⇐⇒
a11 a12 . . . a1n
a21 a22 . . . a2n...
... · · · ...am1 am2 . . . amn
x1
x2...
xn
=
0
0
...
0
.Saglasno Kroneker–Kapelijevoj teoremi ili po Gausovom algoritmu linearan sistem (S0) je uvek sa-glasn i ima rešenje. Jedno takvo rešenje je matrica kolona 0 = [ 0, . . . , 0 ]T ∈ F n×1 koju nazivamotrivijalno rešenje. Sa sledećom teoremom odred-ujemo kada homogeni sistem ima i druga, takozvananetrivijalna rešenja.
Teorema 4.3.1 Neka je (S0) saglasan homogen linearan sistem sa m jednačina i n nepoznatih. Nekaje r rang matrice sistema
(0 ≤ r ≤ max{m,n}
). Tada
(i) Sistem ima jedinstveno trivijalno rešenje ako i samo ako važi r = n, tj. ako je rang matricesistema jednak broju nepoznatih.
(ii) Ako je r
-
Rešenje. Sistem razmatran u Primeru 4.1.1, pri izboru α = β = γ = 0, svodi se na ovaj sistem.Primetimo da za rang r =Rang(A) važi r = 2 < 3 = n. Samim tim, ovaj sistem ima netrivijalnarešenja. Takod-e na osnovu u Primera 4.1.1 posmatrani sistem je ekvivalntan sa sistemom
(∗∗)0{
x1 + 2x2 + 3x3 =0,
−3x2 − 6x3= 0
}i odatle nalazimo netrivijalna rešenja u obliku
(x1, x2, x3) = (x3, −2x3, x3) ,
za x3∈R\{0}. Pored netrivijalnih rešenja za prethodni homogeni sistem postoji i trivijalno rešenje:
(x1, x2, x3) = (0, 0, 0).
Skup rešenja prethodnog homogenog linearnog sistema je
V ={(t, −2t, t) | t∈R
}=
{t·(1, −2, 1) | t∈R
}.
SkupV odred-uje realni jednodimenzionalni vektorski potprostor vektorskog prostora R3 = (R3,R) iima bazni vektor e⃗ = (1,−2, 1). 2
5. Karakteristični koreni i vektori
5.1. Definicija karakterističnih korena i vektoraNeka je F = (F, ·,+) polje i neka je data kvadratna matrica A = [aij] ∈ F n×n. Glavni predmetproučavanja ovog dela su skalari λ ∈ F i ne-nula matrice kolone x = [ x1 . . . xn ]T ∈ F n×1 kojiispunjavaju karakterističnu jednačinu
Ax = λx,
tj. za koje važi:
(K) (A− λI)x = 0 ⇐⇒
(a11 − λ)x1 + a12x2 + . . . + a1nxn = 0
a21x1 + (a22 − λ)x2 + . . . + a2nxn = 0...
......
...
an1x1 + an2x2 + . . . + (ann − λ)xn = 0
.
Definicija 5.1.1 Za kvadratnu matricu A = [aij] ∈ F n×n homogeni sistem (K) se naziva kara-kterističan (sopstveni) sistem matrice A. Skalar λ∈F se naziva karakteristična (sopstvena) vrednostmatrice A ako za taj skalar karakterističan sistem ima netrivijalno rešenje x= [ x1 . . . xn ]
T ∈F n×1.Tada kažemo da je x karakteristični (sopstveni) vektor matrice A koji odgovara karakterističnojvrednosti λ.
Primetimo da potreban i dovoljan uslov da karakterističan sistem (K) ima netrivijalno rešenje je datsa jednakošću
|A− λI| = 0.
Prethodnom jednakošću je odred-en jedan polinom po λ koji odred-ujemo sledećom definicijom.
8
-
Definicija 5.1.2 Za kvadratnu matricu A = [aij] ∈ F n×n polinom
Pn(λ) = |A− λI| =
∣∣∣∣∣∣∣∣∣∣∣∣
(a11 − λ) a12 . . . a1na21 (a22 − λ) . . . a2n...
......
an1 an2 . . . (ann − λ)
∣∣∣∣∣∣∣∣∣∣∣∣se naziva karakteristični (sopstveni) polinom matrice A. Koreni karakterističnog polinoma se nazivajukarakteristični (sopstveni) koreni matrice A i skup svih tih korena odred-uju spektar matrice A.
Napomenimo da za matricu A = [aij] ∈ F n×n pojmovi karakteristične vrednosti i karakterističnogkorena se podudaraju. Skup skalara λ∈F koji predstavljaju karakteristčne vrednosti, odnosno kara-kteristične korene matrice A je konačan i odred-en je spektrom matrice A. Za svaki skalar λ∈F izvanspektra matrice, homogeni sistem (K) ima samo trivijalno rešenje x=0 u F n×1.Definicija 5.1.3 Za kvadratnu matricu A = [aij] ∈ F n×n karakteristični (sopstveni) potprostormatrice A, koji odgovara karakterističnoj vrednosti λ, jeste skup svih vektora x u F n×1 koji surešenje karakterističnog sistema uključujući i nula vektor x=0 u F n×1.
Primer 5.1.1 Odrediti karakteristične vrednosti, vektore i potprostore sledećih matrica:
(i) (ii) (iii)
A =
3 2 0
2 4 −2
0 −2 5
, B =
3 1 1
1 3 1
0 0 2
, C =
2 −10 6
8 −15 −1
16 −15 3
.Rešenje. (i) Za matricu A karakteristični polinom
P3(λ)=
∣∣∣∣∣∣∣∣(3− λ) 2 0
2 (4− λ) −2
0 −2 (5− λ)
∣∣∣∣∣∣∣∣= (3− λ)·(4− λ)·(5− λ) + 2·(−2)·0 + 0·2·(−2)
− 0·(4− λ)·0− (−2)·(−2)·(3− λ)− (5− λ)·2·2
=−λ3 + 12λ2 − 47λ+ 60− 12 + 4λ− 20 + 4λ
=−λ3 + 12λ2 − 39λ+ 28
ima tri realna i različita korenaλ1 = 1, λ2 = 4, λ3 = 7.
Prvom karakterističnom korenu λ1=1 odgovara homogeni karakteristični sistem
(∗)0
(3− λ1)α + (2) β = 0,
(2)α + (4− λ1) β + (−2) γ = 0,
(−2) β + (5− λ1) γ = 0;
koji rešavamo po v1 = (α, β, γ). Primenimo Gausov algritam za rešavanje prethodnog homogenoglinearnog sistema
9
-
(3− λ1)α+ 2 β =0
2α +(4− λ1) β− 2 γ =0−2 β + (5− λ1) γ=0
⇐⇒
2α+2β =0
2α+3β− 2γ=0− 2β +4γ=0
(I2 := (−1)I1 + I2)
⇐⇒
2α+2β =0
β − 2γ=0− 2β +4γ=0
(I3 :=2I2 + I3)
⇐⇒
2α+2β =0
β − 2γ=00 =0
Odatle, rešenje homogenog karakterističnog sistema je ured-ena trojka v1 = (α, β, γ) koja ispunjava
(∗∗)0
{2α + 2β = 0,
β − 2γ = 0.
}Dovoljno je birati γ = 1 jer tada
γ = 1 =⇒ β = 2, α = −2.
Samim tim prvom karakterističnom korenu λ1 = 1 odgovara prvi karakteristični vektor
v⃗1 =
−221
i prvi karakteristični potprostor
V1 =
−2t2t
t
: t ∈ R .
Drugom karakterističnom korenu λ2 = 4 odogovara drugi karakteristični vektor
v⃗2 =
212
i drugi karakteristični potprostor
V2 =
2tt2t
: t ∈ R .
Trećem karakterističnom korenu λ3 = 7 odogovara treći karakteristični vektor
v⃗3 =
12−2
i treći karakteristični potprostor
V3 =
t2t−2t
: t ∈ R .
10
-
(ii) Za matricu B karakteristični polinom
P3(λ)=
∣∣∣∣∣∣∣∣(3− λ) 1 1
1 (3− λ) 1
0 0 (2− λ)
∣∣∣∣∣∣∣∣= (3− λ)·(3− λ)·(2− λ) + 1·1·0 + 1·1·0
− 0·(3− λ)·1− 0·1·(3− λ)− (2− λ)·1·1
=−λ3 + 8λ2 − 21λ+ 18− 2 + λ
=−λ3 + 8λ2 − 20λ+ 16
ima realne korene od kojih je jedan dvostruk
λ1,2 = 2 i λ3 = 4.
Prvom i drugom karakterističnom korenu λ1,2=2 odgovara homogeni karakteristični sistem
(∗)0
(3− λ1,2)α + β + γ = 0,
α + (3− λ1,2) β + γ = 0,
(2− λ1,2) γ = 0;
koji rešavamo po v1,2 = (α, β, γ). Primenimo Gausov algritam za rešavanje prethodnog homogenoglinearnog sistema
(3−λ1,2)α + β + γ = 0α + (3−λ1,2) β + γ = 0
(2−λ1,2) γ = 0
⇐⇒
α+ β+ γ=0
α+ β+ γ=0
0=0
(I2 := (−1)I1 + I2)
⇐⇒
α+ β+ γ=0
0=0
0=0
Odatle, rešenje homogenog karakterističnog sistema je ured-ena trojka v1,2 = (α, β, γ) koja ispunjava
(∗∗)0 {α + β + γ = 0. }
Samim tim rešenje možemo predstaviti u obliku
v1,2 = (α, β,−α− β) = α (1, 0,−1)︸ ︷︷ ︸v1
+ β (0, 1,−1)︸ ︷︷ ︸v2
,
za α, β ∈ R. Birajući α = 1 i β = 0, odnosno α = 0 i β = 1 dobijamo bazna rešenja
v1 = (1, 0,−1) i v2 = (0, 1,−1)
koja odred-uju bazne karakteristične vektore
v⃗1 =
10−1
i v⃗2 = 01−1
11
-
koji su linearno nezavisni i generǐsu karakteristični potprostor
V1,2 =
pq−p− q
: p, q ∈ R .
Trećem karakterističnom korenu λ3 = 4 odogovara treći karakteristični vektor
v⃗3 =
110
i treći karakteristični potprostor
V3 =
tt0
: t ∈ R .
(iii) Za matricu C karakteristični polinom
P3(λ)=
∣∣∣∣∣∣∣∣(2− λ) −10 6
8 (−15− λ) −1
16 −15 (3− λ)
∣∣∣∣∣∣∣∣= (2− λ)·(−15− λ)·(3− λ) + (−10)·(−1)·16 + 6·8·(−15)
− 16·(−15− λ)·6− (−15)·(−1)·(2− λ)− (3− λ)·8·(−10)
= (−λ3 − 10λ2 + 69λ− 90) + (160) + (−720)
− (−96λ− 1440)− (−15λ+ 30)− (80λ− 240)
=−λ3 − 10λ2 + 100λ+ 1000
ima realne korene od kojih je jedan dvostruk
λ1,2 = −10 i λ3 = 10.
Dvostrukom karakterističnom korenu λ1,2=−10 odgovara homogeni karakteristični sistem
(∗)0
(2− λ1,2)α − 10 β + 6 γ = 0,
8α + (−15− λ1,2) β − γ = 0,
16α − 15 β (3− λ1,2) γ = 0;
koji rešavamo po v1,2 = (α, β, γ). Primenimo Gausov algritam za rešavanje prethodnog homogenoglinearnog sistema
(2− λ1,2)α − 10β + 6γ = 08α + (−15− λ1,2)β − γ = 016α − 15β (3− λ1,2)γ = 0
⇐⇒
12α− 10β + 6γ =08α − 5β − γ =016α− 15β +13γ=0
(I2 := (− 812)I1 + I2, I3 := (−
1612)I1 + I3
)
12
-
⇐⇒
12α− 10β +6γ=0
5
3β − 5γ=0
− 53β +5γ=0
(I3 := (−1)I2 + I3
)
⇐⇒
12α− 10β +6γ=0
5
3β − 5γ=0
0 =0
Odatle, rešenje homogenog karakterističnog sistema je ured-ena trojka v1 = (α, β, γ) koja ispunjava
(∗∗)0
12α− 10β + 6γ = 0,53β − 5γ = 0.
Dovoljno je birati β = 3 jer tada
β = 3 =⇒ γ = 1, α = 2.Samim tim dvostrukom karakterističnom korenu λ1,2 = −10 odgovara karakteristični vektor
v⃗1,2 =
231
i karakteristični potprostor
V1,2 =
2t3t
t
: t ∈ R .
Jednostrukom karakterističnom korenu λ3 = 10 odogovara karakteristični vektor
v⃗3 =
41−7
i karakteristični potprostor
V3 =
4tt−7t
: t ∈ R .
Primetimo da je u ovom primeru dimenzija karakterističnog potprostora dim(V1,2)=1 manja od redavǐsestrukosti r=2 karakterističnog korena λ1,2. 2
5.2. Kejli-Hamiltonova teorema i minimalni polinomNeka je data kvadratna matrica A = [aij] ∈ F n×n i skalari α0, α1, . . . , αn ∈ F (αn ̸= 0). Tada izraz
Pn(A) = αnAn + αn−1A
n−1 + . . .+ α1A+ α0I
se naziva matrični polinom stepena n.
Teorema 5.2.1 (Kejli–Hamilton) Neka je za kvadratnu matricu A = [aij] ∈ F n×n odred-en karakte-ristični polinom:
Pn(λ) = |A− λI| =n∑
k=0
αkλk,
13
-
za koeficijente α0, α1, . . . , αn−1, αn ∈ F (αn ̸= 0), tada važi
Pn(A) =n∑
k=0
αkAk = 0.
Napomena 5.2.1 Neka je za kvadratnu matricu A = [aij] ∈ F n×n odred-en karakteristični polinom:
Pn(λ) = |A− λI| =n∑
k=0
αkλk,
tada važi:αn = (−1)n, αn−1 = (−1)n−1Tr(A) i α0 = |A|
gde je Tr(A)def=
n∑i=1
aii − trag matrice A.
Definicija 5.2.1 Kvadratne matrice A,B ∈ F n×n su slične matrice, što označavamo A ∼ B, akopostoji regularna matrica C ∈ F n×n takva da važi B = C−1A C.Teorema 5.2.2 Sličnost matrica jeste relacija ekvivalencije skupa matrica F n×n.
Teorema 5.2.3 Slične matrice imaju isti spektar.
Definicija 5.2.2 Neka je data kvadratna matrica A = [aij] ∈ F n×n, tada polinom m(λ) takav daispunjava uslove:
(i) m(A) = 0,
(ii) koeficijent uz najveći stepen polinoma m(λ) jednak je 1,
(iii) m(λ) je polinom najmanjeg stepena za koje važe prethodni uslovi (i) i (ii);
naziva se minimalni polinom matrice A.
Teorema 5.2.4 Svaka kvadratna matrica A = [aij] ∈ F n×n ima jedinstven minimalan polinom m(λ)i on je delilac karakterističnog polinoma Pn(λ) = |A− λI|.Teorema 5.2.5 Neka je data kvadratna matrica A = [aij] ∈ F n×n. Svaka nula karakterističnogpolinoma Pn(λ) je i nula minimalnog polinoma m(λ).
Napomena 5.2.2 Nule minimalnog i karakterističnog polinoma se podudaraju i mogu se razlikovatisamo svojim redom.
Algoritam za odred-ivanje minimalnog polinoma matrice A = [aij] ∈ F n×n:1o. Prvo odredimo karakteristični polinom Pn(λ) = |A− λI|.2o. Izvršimo faktorizaciju polinoma Pn(λ) na nerastavljive faktore.
3o. Formirajmo sve moguće delitelje karakteristčnog polinoma tako da sadrže sve korene kara-kterističnog polinoma i da su jediničnog vodećeg koeficijenta.
4o. Med-u prethodno odred-enim deliteljima izdvajamo one polinome koji se anuliraju u matrici A.
5o.Minimalni polinom je polinom najnižeg stepena med-u polinomima odred-enim u prethodnomkoraku.
Primer 5.2.1 Odrediti minimalni polinom matrice:
A =
1 1 1
1 1 1
1 1 1
∈ R3×3.14
-
Rešenje. Primenom prethodnog algoritma nalazimo:
1o. P3(λ) = |A− λI| = −λ3 + 3λ2.2o. P3(λ) = −λ·λ·(λ− 3).3o.Delitelji g(λ) = λ(λ− 3) = λ2 − 3λ i f(λ) = λ2(λ− 3) = λ3 − 3λ2 karakterističnog polinoma
P3(λ) sadrže sve korene karakterističnog polinoma i jediničnog su vodećeg koeficijenta.
4o. Za oba polinoma g(λ) = λ2 − 3λ i f(λ) = λ3 − 3λ2 važi g(A) = A2 − 3A = 0 (proveriti) if(A)=A3 − 3A2=0.
5o. Minimalni polinom je m(λ) = g(λ) = λ2 − 3λ.
LITERATURA
M. Rašajski, B. Malešević, T. Lutovac, B. Mihailović, N. Cakić: ”Linearna algebra”,Akademska misao, Beograd 2017.
15