Professional Documents
Culture Documents
Uvodne napomene: Bez obzira na trud neke greske u tekstu uvek ostaju i opstaju i to
treba imati u vidu. Ovaj tekst nije predvidjen da zameni predavanja, ili eventualnu
knjigu iz ovog predmeta. Vec da ovoj i budućim generacijama studenata PMF-a,
pre svega C smerova, olaksa uenje ovog predmeta. Tekst je dozvoljeno neogranicno
kopirati i stampati, za licnu upotrebu.
Posebno zahvaljujem Jeleni Ilic i Zorici Janjic, cije su sveske bile osnova za pisanje
ovog teksta.
Tekst je pisan u LaTex-u i svi prilozi u vidu sugestija, komentara, ispravki su dobro-
dosli, kao i ako neko zeli da preuzme brigu o narednim verzijama, moze da se javi
za .tex fajl na mail danijel@uns.ns.ac.yu.
1. Vektorski prostori
def: Neka je (V,+) komutativna grupa, a (F,+, ) polje. Ako je definisano preslikavanje
pri cemu oznacavamo sa tako da:
1.
2.
3.
4.
za svaki , V je onda vektorski prostor nad polje F u oznaci V(F).
Elemente skupa V nazivamo vektori, ozn a,b,c,..
Elemente skupa F nazivamo skalari, ozn
1
7.
8. ili
Dokaz:
5.
6.
7.
8.
sledi iz 5 i 6
1.2 Podprostor
def: Neka je V(F) vektorski prostor, a ako je W vektorski prostor nad poljem
F u odnosu na restriscije na W operacija definisanih nad V tada se W naziva podprostor
vektorskog prostora V.
) ako je W potprostor tada vaze ova dva uslova i tada vazi teorema
) , to tada vazi i za W, jer , i
- (W,+) je Abelova grupa.
2
Teorema: Ako je S podskup od vektorskog prostora V(F) onda je L(S) podprostor vek-
torskog prostora V.
Dokaz:
def: Ako u vektorskom prostoru V(F) postoji skup S tako da je L(S)=V onda kazemo
da je V generisan tim nizom vektora. Ako je S konacan, onda se vektorski prostor naziva
konacno generisan vektorski prostor.
def: U vektorskom prostoru V(F) niz vektora je linearno zavisan ako pos-
toje skalari , od kojih je bar jedan razlicit od 0 tako da je .
Niz vektora koji nije linearno zavisan je linearno nezavisan.
3
(a a ) - linearno zavisni podniz
5. Svaki podniz linearno nezavisnog niza je linearno nezavisan
6. Ako su u nizu dva vektora jednaka onda je taj niz linearno zavisan.
def: Beskonacan niz vektora je linearno nezavisan ako je svaki njegov konacan podniz
linearno nezavisan.
def: Baza konacno generisanog vektorskog prostora V(F) je niz vektora koji je linearno
nezavisan i koji generise V.
Teorema: Niz vektora u V(F) je baza akko je taj niz maksimalan linearno nezavisan
niz.
Dokaz:
) Neka je baza tada je linearno nezavisan niz, dokazujemo da je mak-
simalan. Pretpostavimo da nije, tj da je linearno nezavisan, tada
linearno zavisan.
) je max linearno nezavisan niz dokazujemo da je generator.
je linearno zavisan pa , iz ovoga vidimo da ako
kontradikcija
Teorema: Niz vektora u V(F) je baza akko je taj niz minimalan niz generatora vek-
torskog prostora.
Teorema: Niz vektora medju kojima nije nula vektor je linearno zavisan
akko medju vektorima postoji koji je jednak linearnoj kombinaciji vektora
Dokaz:
) linearno zavisan tada , ,
ik 1( )
) ocigledan
4
Teorema: Svaki niz generatora ne nula vektorskog prostora sadrzi podniz koji je baza
tog vektorskog prostora.
Dokaz: Niz generatora dokaz da sadrzi podniz koji je baza. Ako je nula
vektor izbacimo ga i dalje imamo niz generatora, gledamo sledeci element, ako je nula
vektor ili izbacujemo ga. Na kraju dobijamo niz vektora koji se ne
mogu predstaviti pomocu ostalih i nema nula vektora pa je ovo baza.
Posledica svaki konacno generisan ne nula vektorski prostor ima bazu.
Teorema: U konacno generisanom vektorskom prostoru sve baze imaju isti broj vek-
tora.
Dokaz: Neka su i baze, oba niza su generatori i linearno neza-
visni. Po prethodnoj teoremi, ako je prvi linearno nezavisan, a drugi niz generatora sledi
, a ako je drugi linearno nezavisan, a prvi niz generatora sledi
.
def: Broj vektora baze vektorskog prostora naziva se dimenzija tog vektorskog pros-
tora, oznacava se sa d(V) ili dim(V). Po definiciji d({0})=0.
5
def: Vektorski prostor koji ima bar jednu konacnu bazu i nula prostor nazivamo konacno
dimenzioni vektorski prostori, a ostale beskonacno dimenzioni vektorski prostori.
Teorema: U skupu svih vektorskih prostora relacija biti izomorfan je relacija ekviva-
lencije.
Teorema: Dva konacno dimenzionalna vektorska prostora nad istim poljem su izomorfna
akko su iste dimenzije.
Dokaz:
tada se baza preslikava u bazu i
pretpostavimo da su d(V )=d(V ), V ima bazu , V ima bazu .
, . Definisemo funkciju f:
Ovo je dobro definisana funkcija posto dva razlicita vektora ne mogu imati istu sliku, f
je i bijekcija, a proveravamo da li je izomorfizam: x,y V , x= a , y= a,
6
1.5 Linearne mnogostrukosti
UF , , , ,
7
Posle eliminisanja dobijamo kanonski oblik::
, d(W)=k, je baza od W,
- vektorska jednacina
Parametarska: , , :
8
da je to baza . Ocigledno da je niz generatora. Dokazujemo linearnu nezavisnost:
9
je niz generatora, proveravamo linearnu nezavisnost:
, leva strana jednakosti pripada W , a desna W
, iz cega sledi , i=1,...,n, , i=1,...,l. Sledi da je
niz baza.
baza od Pretpostavimo i . Tada
sledi , i=1,...,n, ,
i=1,...,l suma je direktna.
definisemo operacije:
10
" " !
" " "
Dakle f je bijekcija.
!
!,
f je homomorfizam.
Teorema: Skup V’ svih linearnih funkcionela prostora V(F) je vektorski prostor nad F
ako se sabiranje i mnozenje vektora skalarom definisu:
# #
$ % $ %
$ % $ %
11
$ $ $
# sto je kontradikcija sa
# # $ $# $
pretpostavkom.
Dokaz: Na osnovu prethodne teoreme ove funkcionele postoje. Treba dokazati da cine
bazu.
pa vazi i za
su linearno nezavisni vektori.
Definisimo funkciju dakle
Uzmimo proizvoljno $
$ $ $ ovo vazi za
$ $ $
je baza.
def: Neka je V vektorski prostor nad F gde je F=R ili F=C. Unutrasnji (skalarni)
proizvod na V je svaka funkcija ( , ) koja preslikava ( , ) pri cemu sliku (x,y)
oznacavamo sa (x,y), sa sledecim osobinama:
1.
2.
3.
4.
5.
def: Vektorski prostor V(F) gde F=R ili F=C zajedno sa funkcijom koja definise un-
utrasnji proizvod naziva se unitarni vektorski prostor.
1.
2.
3.
Dokaz:
12
def: U unitarnom vektorskom prostoru V(F) funkcija definisana sa
Dokaz:
13
realan broj , &, takav da je
'(
def: Niz vektora u kome su svaka dva vektora ortogonalna naziva se ortogonalan niz.
Ortogonalan niz vektora u kome j esvaki vektor normiran naziva se ortonormiran niz.
Niz od jednog vektora je ortogonalan.
def: Baza koja je ortogonalan niz naziva se ortogonalna baza. Baza koja je ortonormi-
ran niz naziva se ortonormirana baza.
Dokaz:
Ako je ortonormirana
baza je ortonormirana.
14
tor ima ortogonalnu (ortonormiranu) bazu.
Dokaz: Predpostavimo da ima bazu formiramo novi niz vektora,
i , formiramo
Formiramo
vazi i je ortogonalan na i
, jer su ortogo-
nalni.
Formiramo
def: Ako je S neprazan skup unitarnog vektorskog prostora V onda se skup svih
vektora koji su ortogonalni na svaki vektor iz S naziva ortogonalni komplement skupa S.
pa
15
Posledica: Ako je W podprostor konacno dimenzionog unitarnog vektorskog prostora
V, onda je
i
i
2. Linearne transformacije
* *
Ako je tada je A linearna transformacija
16
* * * *
* * *
* * * * jer
* * * jer
* * *
* * je baza ImA, pa je dim(imA)=n-k.
17
7. * *
8.1A=A
1-4 daju Abelovu grupu (,' ), sve zajedno ,' je vektorski
prostor nad F.
Teorema: * . / - vazi:
1. * ./ *. /
2. * . / *. */
3. * . / */ ./
- je prsten
E-indenticko preslikavanje,
4. *- -* *
prsten sa jedinicom
. . *. *. . *. *.
.* . . . . . .
18
Dokaz:
A je bijekcija A je NA
) * + * ) * ) *
* * * * * *
* *
* vazi * , pa posto je A 1-1 sledi
pa posto je baza sledi
linearno nezavisni, iz sledi da je
baza.
Dokazujemo da je A bijekcija:
* *
* * * * *
* je 1-1
Proizvoljno
* * * je NA.
3. Matrice
19
.. .. ..
. . .
Teorema: Za * . / i vazi:
1. * . / * . /
2. * * *
3. * * * * * *
4. * . . *
5. * . * .
6. * * *
7. * *
8. * *
Prve cetiri osobine daju da je ( ) Abelova grupa, a svih osam, da je vek-
torski prostor nad F.
Teorema: .
20
def: Kvadratna matrica reda n: .. .. .. se naziva jedinicna matrica reda
. . .
n, -
- , * *- -* *
.. .. ..
. . .
21
def: Matricu reda n: .. .. .. nazivamo matrica linearne trans-
. . .
* . * .
* *
*. * .
* * - je bijekcija
* . * .
* *
*. * .
- - prsteni
Teorema: * . /
1. * ./ *. /
2. * . / *. */
3. * . / */ ./
22
-. Matrica koja nije regularna naziva se singularna.
* ..
.
..
.
23
- - j-ta vrsta je pomnozena skalarom k i dodata i-toj vrsti
def: Rang po vrstama matrice je maximalni broj linearno nezavisnih vektora vrsta te
matrice.
Rang po kolonama matrice je maximalni broj linearno nezavisnih vektora kolona te
matrice.
Rang po minorima matrice je broj r, takav da postoji minor reda r, razlicit od nule, a
svi minori reda veceg od r du jednaki nuli.
Rang po kolonama matrice jednak je dimenziji prostora kolona. Rang po vrstama ma-
trice jednak je dimenziji prostora vrsta.
24
.. ..
. .
.. .. .. skup resenja
. . .
.. ..
. .
se ne menja
3. *-
ne menja se
4. - * Nista se ne menja
5. *-
- dimenzija
ostaje ista
6. - * sistem prevodi u ekvivalentan sistem, pa se nista ne menja.
- *- .. .. ..
. . .
- - . .. .. ..
. . .
25
4 .. ..
. .
prvih r kolona cine linearno nezavisan niz, i rang po vrstama i po minorima je takodje
r.
Matrica D moze dalje da se transformise i da se dobije:
.. .. -
. .
* * sledi da je + * * * i to je podprostor
od V.
* * to je slika u F.
posmatramo kolone matrice * * *
* * *
* * * * * *
*
26
) * + * * .
*. *- - - *- - - * - -
* - - - * - - * .
2. B je singularna. Pretpostavimo da je AB regularna, tada 0 0 *. -, tj
0* . - B je regularna, sto je kontradikcija, pa je AB singularna matrica i *.
i * . .
Posledica: Ako je A regularna matrica onda * *
Dokaz: ** - * * * *
Teorema: Dve matrice istog reda su ekvivalentne akko imaju isti rang.
Dokaz:
27
-
* . * . * .
iz teoreme
dobijamo:
* . * .
* . * . * . .
Posledica: Ako A,B onda je * . * .
Dokaz: * * . . * . .
* . * .
* . *
* . . * . * * .
.
* . * . * . * .
*. * * * .. .. .. * * * *
. . .
28
* ,
napomena: * .. .. *
. .
5 * * * * * *
5 * *.
...
% % % $
$ %
$ %
.. .. .. .. ..
. . . . .
$ %
29
Posledica: Determinanta matrice linearne transformacije je invarijantna u odnosu na
promenu baze.
Dokaz: * * * *
* * *
* * *
** .. .. .. .. .. ..
. . . . . .
* * *
* * *
* * *
.. .. .. .. .. *-
. . . . .
* * *
Napomena za
.. .. ..
. . .
* * * .. .. ..
. . .
.. .. ..
. . .
Posledica: * *
Dokaz: * * *
30
Teorema: Ako je A kvadratna matrica reda onda vazi:
1. * *
2. * *
3. * *
Dokaz:
1. po definiciji ranga preko minora: * * *
2. r(A)=n-1
** *-
..
* . -
.. ..
. .
.. .. .. ..
. .. .. .. . . .
.. .. . . .
. .
zato je 6* . .. .. .. pa je 6*
. . .
31
Teorema: Ako je A kvadratna matrica reda onda je:
a) , * *
b) , * * *
Dokaz:
a) proverom
b) * - A regularna
* * * - *
** * * * * * *
* - A je singularana, pa je * * *
* * *
1. ** *- * *
2. *0 - 0 0 0 0 - - - - 0 -
*0 0 0 - - -
*0 - *0 - *0 - - sistem od n jednacina
3. - - *- - -
* - - - - * - -- -
4.
Teorema: Svaka regularna matrica moze se samo elementarnim transformacijama vrste
dovesti na jedinicnu matricu.
Dokaz:
* .. .. ..
. . .
- * . .. .. ..
. . .
- - . . .. .. .. i jos transformaciju
. . .
32
-
- . / .. .. ..
. . .
Posmatramo elemente , oni ne mogu svi biti 0, jer bi inace prve dve kolone
bile linearno zavisne, pa postupak ponovimo za drugu kolonu i dobijamo:
4 i onda - 4
.. .. .. .. .. ..
. . . . . .
def: Polinom je beskonacni niz elemenata polja kod koga je samo konacno
mnogo elemenata razlicito od 0.
F- polje
9 -skup svih polinoma po 9 u polju F.
n - stepen polinoma. Ako je polinom je normalizovan.
Teorema: Ako 9 # 9 9 # 9 onda jedinstveno postoje polinomi : 9 ,
9 , tako da 9 :9# 9 9 , )# 9 ; )# # 9 ili 9 .
33
Teorema: Ako su 9 # 9 9 koji nisu istovremeno jednaki nula polinomu, onda
postoji tacno jedan njihov zajednicki delitelj 9 i postoje polinomi ( 9 i 3 9 takvi da
je:
9 9(9 # 939
Euklidov algoritam: Jedan polinom delimo drugim i dobijamo kolicnik i ostatak, tada
delilac postaje deljenik, a ostatak delilac.
9 9 9
9 9 9
.. .. ..
. . .
9 9 9
*
*9 9*
Matricni polinomi:
*9 * 9 * 9 * 9 * 9* * *
9 9
* 9 , umesto 9 stavimo matricu C, 9 /
def:
* / * / * * /
/ * /* * * /
34
*9 6 9 6 9 6 9 6 9- .
*9 6 9 6 6 . 9 6 6 . 9 6 .
* . 6 . 6 . 6 . 6 . 6 . 6 .
a* . . 6 . 6 .
Teorema: Svaka elementarna matrica ima inverznu matricu koja je takodje elementarna
matrica.
35
Teorema: Ekvivalencija polinomnih matrica je relacija ekvivalencije.
36
9
9
..
.
/ 9 4 9 .. .. .. polinome normal-
. . 9 .
..
.
..
.
..
.
9 9
9 9 9
...
9 9 9
9
37
9 9
9
...
9
Dokaz:
*9 - 9 - 9
*9 - 9 - 9 *9
*9 *
5 9 6 9 tako da 5 9*969 9 # 9 9
5 9 *9 69 9 9 9
38
9- * 9- . uvodimo oznaku * 9- *
* 5 .6
5 * 6 * 9 i su nultog stepena jer
je * prvog stepena, pa
* 5 .6 * . * * . * * . . * .
* . * * . 6 * 5 * . * .
* . * * .6 * . * 5. * * . * .
* 5 * *6 * * . * .
* 5 6 . * .
* */ * . 9- * 9- * / 9 9- * 9- .
stepen sa leve strane jednacine je jedan, a sa desne je veci ili jednak dva, sto je kon-
tradikcija
/ 9 9- * 9- . 9- * 9 .
9- 9
* . * .
* .
Teorema: Dve matrice su slicne akko imaju redom jednake invarijantne slicnosti.
9- * 9 9
Posledica: Slicne matrice imaju jednake karakteristicne polinome.
39
* za 9 , 9 , postoje 2 9 i 9 tako da 9 2 9 9 9.
za 9 * * 2 * * * * 9 9 9
9 9 9 2 9 9
9 * * 2 * * *
Posledica 1: Karakteristicni polinom matrice je deljiv njenim minimalnim polinomom.
Posledica 2: Za datu matricu minimalan polinom postoji jedinstveno.
Dokaz: Pretpostavimo da su 9 i 9 minimalni polinomi, tada 9 9,
ali i 9 9 9 9
noma 9
40
9
9
9- / 9 .. .. .. ..
. . . .
9
9
9
9
9- / 9 .. .. .. .. 9
. . . .
9
9
9
Treba dokazati da je 9 minimalan polinom.
Po teoremi 9 9 9
Po teoremi 9 9
Po teoremi 9 9 9
9 9 9 9 9 9
* 9 * 9
* 9 - 9- *
41
A koji odgovara korenu 9 .
9- * 9 9 9 9 9 9 9 9 9 9 9 9
9 9 3 * * 9 9
.. .. .. .. .. 4) )
. . . . .
42
*5 ) 5 4) 5 ) 5) 5) 5 ) su karakteristicni
vektori matrice A
) ) su linearno nezavisni i P je regularna 5) 5 ) je linearno nezavisan
niz.
A ima karakteristicne vektore i oni su linearno nezavisni,
* 9
5
9
9
*5 * * * 9 9 .. ..
. .
9
!
54
P mora biti regularno, i vazi 5 *5 4
* * *
* * *
def: Matrica oblika .. .. .. k 1, gde su * kvadratne
. . .
* * *
matrice, * naziva se kvazi-dijagonalna matrica.
* # * *
. # . .
* . # * . * .
* # * *
*.= # * . * .
* # * *
ako je A regularna matrica * # * *
ako je 1 9 9 1* # 1* 1*
* .
43
- - - - *- - - -
Znamo da je - -
5 - - - - 5 - - - - - - - - - - - -
Dakle . 5 *5
Analogno za opsti slucaj.
9- / 9
9- / 9
9- . .. ..
. .
9- / 9
.. ..
. .
9
.. ..
. .
9
.. ..
. .
.. ..
. .
9
..
.
.. 9- *
. 9
..
.
9
44
* .
Teorema: Dve matrice su slicne akko imaju jednake sisteme elementarnih delitelja.
/ 9 > # / # 9 / # 9
Po teoremi: ako su blokovi slicni, onda su i matrice slicne sledi: druga kanonicka forma
je slicna sa prvom.
45
/ 19
/ 19
, .. .. .. ..
. . . .
/ 19
/ 19
Na dijagonali ima k blokova / 1 9 a N je kvadratna matrica, istog formata kao
i / 1 9 koja u donjem levom uglu ima jedinicu, a ostalo nule. Matrica H se naziva
hiperprateca matrica polinoma 1 9
Dokaz: Invarijantne slicnosti matrice A su: 1 9
9- / 19
9- / 19
9- , .. .. .. ..
. . . .
9- / 19
9- / 1 9
9- / 19 1 9
Invarijantne slicnosti matrice H su 1 9 * ,
Za C
.. ..
# 9 9 . . ordanova kanonicka forma.
..
.
46
4. Kvadratne forme
Teorema: Dve matrice su kongruentne akko se jedna moze dobiti od druge vrsenjem
konacnog broja parova elementarnih transformacija, pri cemu se svaki par sastoji od jedne
elemetnarne transformacije na vrstama i iste takve transformacije na kolonama, a u svakom
paru je svejedno koju transformaciju prvo vrsimo.
Dokaz: * 5 .5 5 i 5 su regularne i 5 - -
* - - .- - - - - .- - -
1,1: - *-
2. posto je matrica simetricna
47
* izvrsimo transformacije - *- i dobijemo na poziciji
* . .. .. .. izvrsimo transformacije - .-
. . .
formacijama:
dobijamo:
..
.
* 4 .. .. ..
. . .
..
.
48
..
.
* 4 .. .. .. parovima elementarnih transforma-
. . .
..
.
..
.
* .. .. .. .. 1,
. . . .
..
.
; 1
I sad vrsimo transformacije - - 1, odnosno - -
1 :
..
.
* > .. .. .. .. #
. . . .
..
.
5 *5
Sada dokazujemo jedinstvenost.
Pretpostavimo da * , # 1 2 i postoji regu-
49
1 1 1 1 1
1 1 1 1 1
.. .. .. .. .. ..
. . . . . .
1 1 1 1 1
* 5 *5 5 *5 >
uvodimo smenu 6
* 6 *6 6 *6 ,
5 6 5 6
def: Nenegativan ceo broj p iz prethodne teoreme naziva se indeks realne simetricne
matrice A, odnosno indeks realne forme *
Teorema: Dve realne simetricne matrice su kongruentne akko imaju isti indeks i isti
rang.
Dokaz:
50
-
* - .
; ; *
51