Dijagonalizacija realnih matrica

Sadraj
Uvod u svojstvene vektore ...................................................................................................................... 1 Dijagonalizablilne matrice (zadatak 1 i 2)................................................................................................ 3 Problem svojstvenih vektora ............................................................................................................... 3 Problem dijagonalizacije...................................................................................................................... 3 to je dijagonalizabilna matrica? ......................................................................................................... 3 Teorem ................................................................................................................................................ 3 Dijagonalizacija .................................................................................................................................... 4 Primjer pronalaenja dijagonalne forme (zadatak 3) .............................................................................. 5 Ostali primjeri rjeavanja (zadatak 4) ...................................................................................................... 9

Uvod u svojstvene vektore

Za svaku transformaciju T: n n vrijedi transformacija vektora ( ) Kako bi se to bolje razumjelo, zamislimo transformaciju T: 2 2 . .

Slika 1.

Transformacijom vektora po pravcu l zadrat e se kolinearnost, a transformacija e se dogoditi na drugu stranu pravca. Pogledajmo primjer oitije transformacije preko pravca l. ( ) ( )

Vidimo da se baza vektora prilikom transformacije nije promjenila, ve samo skalirala (=1). Pogledajmo sad drugi primjer na vektoru : Ukoliko elimo napraviti njegovu transformaciju, zbog toga to je ortogonalan na p ravac, vektor e se samo prekloniti suprotnoj orijentaciji preko pravca. ( ) ( )

To su veoma zanimljivi vektori upravo zbog toga to kada definiramo novu bazu sa npr. i kao vektorima te baze, tada je veoma lako otkriti transformacijsku matricu.

Kada bismo to poopenitili, uvijek nas zanimaju vektori koji e biti samo skalirani transformacijom. Svojstveni vektori zbog tih divnih svojstava su nam jako korisni. Korisni su zbog definiranja baze jer u tim bazama je znatno lake pronai matrice transformacije. esto puta je s tim matricama lake raunati.

Slika 2.

[ ] svojstveni vektor kojemu je svojstvena vrijednost jednaka 1. Sve to to zapravo znai je vektor koji je transformacijom skaliran, ne mijenja se na neki znaajniji nain osim to moe promjeniti svoju duljinu ili orijentaciju. Primjer: Vektor [ ] je svojstveni vektor matrice =3. Uvjerimo se u to: [ ][ ] [ ] [ ] kojem pripada svojstvena vrijednost

Dijagonalizablilne matrice (zadatak 1 i 2)

Problem svojstvenih vektora
Za kvadratnu matricu postoji li baza za n koja se sastoji od svojstvenih vektora

matrice ?

Problem dijagonalizacije
Za neku kvadratnu matricu postoji li inverzna matrica takva da je

dijagonazibilna matrica?

to je dijagonalizabilna matrica?
Kvadratna matrica je dijagonalizabilna ukoliko postoji neka inverzna matrica dijagonalizira matricu . takva da je

dijagonalna matrica. Pritom mislimo kako

Ukoliko ste zaboravili kakva je dijagonalna matrica, to je kvadratna matrica kojoj su svi elementi izvan glavne dijagonale jednaki nuli. ( Npr. [ ] ako ).

Teorem
Za neku kvadratnu a) matrica b) matrica matricu ova dva svojstva su ekvivalentna:

je dijagonalizabilna sadri n linearno nezavisnih svojstvenih vektora

Po definiciji dijaonalizabilne matrice, za svaku takvu matricu postoji inverzna matrica takva da je dijagonalna.

Po definiciji dijagonalizabilne matrice Iz formule dalje slijedi .

mora biti dijagonalna matrica, tj.

] [

oznaavaju stupane vektore matrice , no uzasopni stupci su takoer i , Iz razlog to je matrica su vrijede.

, uzastopni stupci matrice

su

. Zbog toga jednakosti

inverzna, njeni stupani vektori nisu nulvektori i iz toga slijedi kako , a njeni svojstveni vektori. ima tono su takoer i linearno nezavisni, tj. matrica je dijagonalizabilna i sadri

svojstvene vrijednosti matrice

Svojstveni vektori

liearno nezvisnih svojstvenih vektora. Ovaj dokaz se moe postaviti i u obrnutom smjeru, no ishod je jednak. Kvadratna matrica linearno nezavisnih svojstvenih vektora te se prema tome moemo sloiti kako je problem svojstvenih vektora uistinu ekvivalentan problemu dijagonalizacije.

Dijagonalizacija
Ako postoji baza koju ine linearno nezavisni svojstveni vektori, tada je matrica slina dijagonalnoj, tj. pripadni operator je mogue dijagonalizirati. Svojstvene vektore zapiimo kao stupce matrice prijelaza . Matrica operatora u novoj bazi je dijagonalna.

Dijagonalni elementi su svojstvene vrijednosti matrice . Ako je ( ) rauna na nain: ( ) ( ) ( ) [ ( ) ( ) ]

slina dijagonalnoj i

funkcija definirana na spektru (skupu svojstvenih vrijednosti) od , tada se matrina fukcija

Primjer pronalaenja dijagonalne forme (zadatak 3)

Prije nego krenemo u potragu za svojstvenim vrijednostima matrice , moramo biti sigurni da je matrica kvadratna matrica. U to smo sigurni ve na prvi pogled jer vidimo da sadri tri stupca i tri retka. Svojstvena vrijednost koju traimo oznait emo znakom vrijednost matrice ako postoji vektor . Skalar je svojstvena

takav da vrijedi:

1. najprije moramo izraunati karakteristini polinom: [ Karakteristini polinom matrice ( ) ( ] je: ) | | [ ] [ ]

Izraunavamo determinantu Sarrusovim pravilom: ( ) ( ( ) ( ( )( ( )[( )( )( ) ) )( ) ( ] ) ( ) ( )( )( ( ) ( ) ( ) ( )( ) )( ) )

( ) Nakon to smo izraunali karakteristini polinom matrice A sve pto moramo napraviti kako bismo odredili svojstvene vrijednosti matrice je izraunati nul-toke polinoma. Pogledajmo faktorizaciju ovog polinoma kako bismo lake izraunali nul-toke. ( ) Iz toga je vidljivo da je ( )( )

, a upotrebom Vietovih formula smo dobili ostale nul-toke

Matrica A sadri 3 svojstvene vrijednost, od kojih su dvije dvostruke

Sada smo u prilici odrediti i algebarsku kratnost matrice A, tj. odgovoriti na pitanje koliko je puta svojstvena vrijednost rjeenje karakteristinog polinoma matrice A. Budui da je zakljuujemo da je odgovor 2. Svojstveni potprostor koji odgovara ovoj svojstvenoj vrijednosti moe biti jednodimenzionalan ili dvodimenzionalan. To znai da emo sigurno dobiti barem 1 odgovarajui svojstveni vektor, ali nismo unaprijed sigurni kolika je kratnost svojstvene vrijednosti. Rang matrice A = [ ] [ ] [ ]

Nakon to smo izaunali svojstvene vrijednosti matrice A, ukoliko je elimo dijagonalizirati moramo takoer izraziti i svojstvene faktore Potrebno je rijeiti sustav ( [ ) ] [ ] [ ]

][

[ ] ( )

Za

Za

][

[ ]

Za

) (

Linearno nezavisni vektori: [ ] [ ] [ ]

[ Matrica P dijagonalizira poetnu matricu A:

][

Ako je neka svojstvena vrijednost viestruka, odgovarajui svojstveni potprostor moe biti manji od dimenzije nego to je kratnost svojstvene vrijednosti. U tom sluaju vektor nee initi bazu. Tada traimo pridruene svojstvene vektore i matricu svodimo na Jordanovu formu.

Pridrueni svojstveni vektori trae se iz jednadbi:

) (

svojstveni vektor matrice )

Ako postoji nekoliko linearno nezavisnih vektora koji odgovaraju istoj svojevrsnoj vrijednosti, tada je korisno umjesto u gornjoj jednadbi staviti njihovu linearnu kombinaciju s privremeno odreenim koeficijentima. Te emo koeficijente odrediti tako da jednadba ima rjeenje.

Ostali primjeri rjeavanja (zadatak 4)

[ [
( ) (

] ] [
| (

]
)

[
|

] )

( [
( )

) ][ ] [ ]
[ ]

Kako bi matrica 2x2 bila dijagonalizabilna moramo dobiti najmanje 2 svojstvena vektora. Kao to vidimo matrica A nije dijagonalizabilna, no takoer vidimo kak je njena svojstvena vrijednost viestrukra. Tada moemo problem rijeiti kroz Jordanovu formu.

[ [
( ) (

] ] [
|

]
)

[
|

Ovaj polinom nema niti jednu realnu nul-toku, tj. svojstvenu vrijednost. Iz tog razloga je matricu nemogude dijagonalizirati, no moemo nastaviti rjeavati u polju kompleksnih brojeva. Matrica ima dvije razliite svojstvene vrijednosti u i mo s sv s i na dijagonalni oblik.

][

[ ]

Tada dobivamo svojstvene vektore: ( ( ( ( ) ) ) ) )

Traena matrica

[ [
( ) ( )( )

] ]

Za [
( )

]
[ ]

Za [
( )

]
[ ]

]
10

[ [ ][

] ][ ] [ ]

[ [
( ) ( )(

] ]
)

Za [
( )

]
[ ]

Za [
( )

] [ [ ]

]
[ ]

11

][

][

][

12