Poglavlje 1

Spektralna teorija matrica

1.1

Baza nula prostora matrice

Definicija 1.1. Nula prostor kompleksne kvadratne matrice A reda

n je skup svih vektora x = [1 2 . . . n ]T C n takvih da je
(1.1)

Ax = O.

Ovaj skup oznacavamo sa nul A. Skup nul A je podprostor vektorskog

prostora C n1 . Zaista, za svaka dva vektora x, y nul A i svaka dva
skalara , C vazi
A(x + y) = Ax + Ay = O + O = O,
tj. x + y nul A.
Nula prostor matrice A sastoji se od svih resenja homogenog sistema
jednacina (1.1). Ako je opste resenje sistema (1.1)
x = c1 v1 + c2 v2 + + ck vk ,
gde su c1 , c2 , . . . , ck proizvoljne vrednosti slobodnih nepoznatih, tada vektori v1 , v2 , . . . , vk obrazuju bazu nula prostora matrice A.
1
Neka je V vektorski prostor nad poljem skalara S i neka je U neprazan podskup
skupa V . Podskup U je podprostor vektorskog prostora V ako i samo ako vazi

(x, y U )(, S) x + y U

Primer 1.1. Nula prostor matrice

1
3
2
0 1
1 1 1
1 0

0
4
2
4 3
A=

1
3
2 2 0
2 6 4
4 0

sastoji se od svih resenja homogenog sistema jednacina

1 +32
1 2
42
1 +32
21 62

+23
+5
3 +4
+23 +44 +35
+23 24
43 +44

=0
=0
=0
=0
=0

Transformisimo dobijeni homogeni sistem jednacina na ekvivalentan

redukovani oblik elementarnim transformacijama po vrstama. Dobijamo

1 3 2
0 1
1
3
2
0 1

1 1 1
1 1
1 0

0 2 1

0
4 3
4
2
4 3

0 4 2

1
0 2 1 1 0
3
2 2 0
0 0 0
4 2
2 6 4
4 0

1
3
1 3 2
0 1
1 0 2 2 12
1
1
1
1
0 1 1
0 1 1
2
2
2
2
2
2

0 4 2

4 3
2
1

0 0 0

0 2 1 1 0 0 0 0 2 1
0 0 0
4 2
0 0 0
4
2

1
3
1
1
1
1 0 2 2 2
1 0 2 0 4
1
1
0 1 1
0 1 1 0 1
2
2
2
2
4

1
0 0 0
0 0 0 1 1
1
2
2

0 0 0 2 1 0 0 0 0 0
0 0 0
4
2
0 0 0 0 0
Redukovanoj matrici odgovara redukovani sistem jednacina
1
2

+ 12 3
+ 12 3

4
2

+ 14 5 = 0
+ 14 5 = 0
+ 12 5 = 0

koji je ekvivalentan polaznom sistemu i lako se resava. Slobodne nepoznate 3 i 5 prebacujemo na desnu stranu, a zatim stavljamo 3 = c1 ,
5 = c2 . Dobijamo resenje sistema
1
1 = c1
2
1
2 = c1
2
3 = c1
1
4 = c2
2
5 = c2 ,

1
c2
4
1
c2
4

gde su c1 i c2 proizvoljni skalari.

Nula prostor nul A sastoji se od vektora oblika
1

1
2
4
1
2 c1 14 c2
1
1
2 1 c1 1 c2
4

2
4

2
= c1 1 + c2 0 = c1 v1 + c2 v2 .
=
c

x=
1
3

0

4
12 c2
2
c2
0
1
5
Posto su c1 i c2 proizvoljni skalari imamo da je nul A = L{v1 , v2 }
sta vise, sledeci argumenti pokazuju da su v1
(lineal skupa {v1 , v2 }). Cak
i v2 linearno nezavisni vektori.
c1 v1 + c2 v2 = O
resenje x = O
sve koordinate resenja x = O su nule
c1 = c2 = 0
Zbog toga vektori v1 i v2 obrazuju bazu nula prostora. Diskusija sprovedena u ovom primeru moze se primeniti u opstem slicaju.

1.2

Sopstveni vektori i sopstvene vrednosti

Neka je A = (aij ) kompleksna kvadratna matrica reda n. Za svako

x C n jednoznacno je definisan vektor
(1.2)

y = Ax C n .

Prema tome, mozemo definisati preslikavanje A : C n C n sa

(1.3)

(x C n ) A(x) = Ax .

Za preslikavanje A kazemo da je pridruzeno matrici A.

Preslikavanje A ima sledece osobine:

(1.4)
(1.5)

(x, y C n ) A(x + y) = A(x) + A(y),

(x C n )( C) A(x) = A(x).

Zaista,
A(x + y) = A(x + y) = Ax + Ay = A(x) + A(y),
A(x) = A(x) = Ax = A(x).
Osobina (1.4) naziva se aditivnost, a osobina (1.5) homogenost preslikavanja A. Preslikavanje koje je aditivno i homogeno naziva se linearno
preslikavanje. Dakle, preslikavanje A definisano sa (1.3) je linearno.
Umesto tog termina u veoma cestoj upotrebi su i termini linearna transformacija ili linearni operator.
Za dva vektora x, y C n kazemo da imaju isti pravac ako i samo ako
postoji skalar C takav da je y = x ili x = y. U raznim primenama
matricnog racuna vaznu ulogu imaju vektori razliciti od nula vektora koji
zadrzavaju svoj pravac posto se na njih primeni preslikavanje A. U tom
cilju treba naci sve vektore x C n (x 6= O) takve da A(x) i x imaju isti
pravac. Posto je x 6= O, vektori A(x) i x ce imati isti pravac ako i samo
ako postoji skalar C takav da je A(x) = x, tj.
(1.6)

Ax = x .
4

Definicija 1.2. Ako je A kompleksna kvadratna matrica reda n,

tada svaki vektor x C n koji je razlicit od nula vektora i zadovoljava
uslov
(1.7)

( C) Ax = x ,

naziva se sopstveni vektor matrice A, a skalar sopstvena vrednost matrice A. Za vektor x kaze se da pripada sopstvenoj vrednosti .
Definicija 1.3. Skup svih sopstvenih vrednosti kvadratne matrice A
naziva se spektar te matrice.
Pored ovih termina u upotrebi su i sledeci: karakteristicni vektor i
karakteristicna vrednost, kao i svojstveni vektor i svojstvena vrednost.
Jednacinu Ax = x mozemo napisati u ekvivalentnom obliku
(1.8)

(I A)x = O.

Ako je sopstvena vrednost matrice A, tada se skup

(1.9)

E = {x C n | Ax = x} = {x C n | (I A)x = O}

naziva sopstveni prostor od .

Skup E je, u stvari, nula prostor matrice IA, tj. E = nul (IA)
i predstavlja podprostor vektorskog prostora C n .
Ako je dimenzija sopstvenog prostora E jednaka g kaze se da sopstvena vrednost ima geometrijsku visestrukost jednaku g.
Ako je x sopstveni vektor matrice A koji pripada sopstvenoj vrednosti
, tada je i x ( C, 6= 0) takode sopstveni vektor matrice A koji
pripada istoj sopstvenoj vrednosti. Skalar mozemo izabrati tako da je
||x|| = 1, tj. || ||x|| = 1. Dovoljno je da ispunjava uslov
=

1
.
||x||

Dakle, za svaki sopstveni vektor x postoji normirani sopstveni vektor koji

ima isti pravac i koji odgovara istoj sopstvenoj vrednosti.
5

1.3

Karakteristi
cni polinom

Ako je A = (aij )n1 i x = [1 2 . . . n ]T , tada je matricna jednacina (1.8)

ekvivalentna homogenom sistemu od n linearnih jednacina sa n nepoznatih 1 , n , . . . , n :

(1.10)

( a11 )1
a12 2
a21 1 +( a22 )2
..
..
.
.
an1 1

an2 2

a1n n = 0
a2n n = 0
..
.

+( ann )n = 0

Nas interesuju samo netrivijalna resenja ovog sistema. Takva resenja

postoje ako i samo ako je determinanta tog sistema jednaka nuli, tj.


 a11

a

a
12
1n


 a21 a22

a2n 

(1.11)
|I A| = 
..
..
..  = 0.

.
.
. 

 an1
an2
ann 
Time smo dokazali sledecu teoremu.

Teorema 1.1. Broj 0 je sopstvena vrednost matrice A ako i samo

ako 0 zadovoljava jednacinu |I A| = 0.
Definicija 1.4. Ako je A kvadratna matrica, matrica I A je
njena karakteristicna matrica, polinom P () = |I A| po njen karakteristicni polinom i jednacina |IA| = 0 njena karakteristicna jednacina.
Jednacina |I A| = 0 ima vaznu ulogu u nebeskoj mehanici, geometriji, teoriji oscilacija i u drugim oblastima teorijske i primenjene
matematike. U primenama je narocito vazan slucaj kada je matrica A
simetricna.
Razvijanjem determinante (1.11) karakteristicnom polinomu moze se
dati i sledeci oblik
(1.12)

P () = |I A| = a0 n + a1 n1 + + an1 + an ,
6

gde su koeficijenti ak (k = 0, 1, 2, . . . , n) funkcije elemenata aij (i, j =

1, 2, . . . , n) matrice A.
Prema definiciji determinanta (1.11) jednaka je zbiru n! sabiraka od
kojih je samo sabirak koji odgovara osnovnoj permutaciji
( a11 )( a22 ) ( ann )
polinom n-tog stepena, dok su svi ostali sabirci polinomi stepena manjeg
ili jednakog n 2. Zbog toga se iz poslednjeg proizvoda lako nalaze
koeficijenti a0 i a1 karakteristicnog polinoma. Dobija se da je a0 = 1 a
a1 = (a11 + a22 + + ann ) =

n
X
k=1

akk = tr A.

Stavljajuci u (1.12) = 0 dobija se da je an = | A| = (1)n |A|.

Koristeci Vijetove formule
1 + 2 + + n =

a1
,
a0

1 2 n = (1)n

an
,
a0

lako se dobija da je
(1.13)
(1.14)

1 + 2 + + n = tr A,
1 2 n = |A|.

Karakteristicni polinom matrice moze biti predstavljen u obliku

(1.15)

P () = ( 1 )a1 ( 2 )a2 ( k )ak ,

gde je a1 + a2 + + ak = n, a 1 , 2 , . . . , k su medusobno razliciti

kompleksni brojevi. Predstavljanje karakteristicnog polinoma u obliku
(1.15) zove se linearna faktorizacija polinoma. Lako se zakljucuje iz (1.15)
da je 1 nula polinoma P () a1 -og reda, 2 nula a2 -og reda itd.
Definicija 1.5. Neka je (1.15) karakteristicni polinom matrice A.
Kaze se da sopstvena vrednost 1 matrice A ima algebarsku visestrukost
a1 , sopstvena vrednost 2 algebarsku visestrukost a2 , itd.
7

Dakle, ako je A kvadratna matrica reda n, ona ima n sopstvenih

vrednosti ako se svaka sopstvena vrednost racuna onoliko puta kolika
je njena algebarska visestrukost. U nastavku te sopstvene vrednosti
obelezavacemo sa 1 , 2 , . . . , n . Medu njima moze biti i jednakih.
Sopstvene vrednosti i sopstvene vektore mozemo racunati na sledeci
nacin.
Korak 1: Resiti karakteristicnu jednacinu |I A| = 0 i dobiti sopstvene vrednosti: 1 , 2 , . . . , n .
Korak 2: Za svaku sopstvenu vrednost i resiti homogen sistem jednacina (i I A)x = O i dobiti sopstvene vektore koji odgovaraju sopstvenoj
vrednosti i . U ovom koraku mi ustvari odredujemo bazu sopstvenog
prostora Ei .
Primer 1.2. Posmatrajmo matricu

0 1 0
A = 1 0 1 .
0 1 0

Karakteristicni polinom ove matrice je




 1
0



1  = (2 2) = ( 2)( + 2).
|I A| =  1
 0 1


Matrica A ima tri sopstvene vrednosti:

10 Za 1 = 2 imamo

2

2I A = 1
0

1 =

2, 2 = 0 i 3 = 2.

1
0

2
1 .
1
2

Resenja homogenog sistema jednacina ( 2I A)x = O su oblika

1
x = c 2 = c v1 ,
1
8

gde je c proizvoljan skalar. Na ovaj nacin dobijamosopstveni vektor v1

koji je u stvari baza sopstvenog prostora E1 = nul ( 2I A).
20 Za 2 = 0 imamo

0 1
0
0 I A = 1
0 1 .
0 1
0

Resenja homogenog sistema jednacina (0 I A)x = O su oblika

1
x = c 0 = c v2 ,
1

gde je c proizvoljan skalar. Dobijeni vektor v2 predstavlja bazu sopstvenog

prostora E2 = nul (0 I A).

30 Za 3 = 2 imamo

2
1
0

2I A = 1 2
1 .

0
1 2

Resenja homogenog sistema jednacina ( 2I A)x = O su oblika

x = c 2 = c v3 ,
1
gde je c proizvoljan skalar. I u ovom slucaju dobijen
je vektor v3 koji je

u stvari baza sopstvenog prostora E3 = nul ( 2I A).

Primer 1.3. Posmatrajmo matricu

2 3 3
A = 0 2 3 .
0 0
1

Karakteristicni polinom ove matrice je


 2
3
3


0 2
3
|I A| = 

0
0 1
9




 = ( 2)2 ( 1).



Matrica A ima tri sopstvene vrednosti: 1 = 2 = 2 i 3 = 1.

10 Za 1 = 2 = 2 imamo

0 3 3
0 3 .
2I A = 0
0
0 1

Resenja homogenog sistema jednacina (2I A)x = O su oblika

1

x = c 0 = c v1 ,
0

gde je c proizvoljan skalar. Na ovaj nacin dobijamo sopstveni vektor v1

koji je u stvari baza sopstvenog prostora E1 = E2 = nul (2I A).
Primetimo da je u ovom slucaju algebarska visestrukost sopstvene
vrednosti = 2 jednaka 2, a geometrijska visestrukost jednaka 1.
20 Za 3 = 1 imamo

1 3 3
I A = 0 1 3 .
0
0 0
Resenja homogenog sistema jednacina (I A)x = O su oblika

6
x = c 3 = c v2 ,
1

gde je c proizvoljan skalar. Dobijeni vektor v2 predstavlja bazu sopstvenog

prostora E3 = nul (I A).

10

1.4

Sopstvene vrednosti matri

cnog polinoma
sa skalarnim koeficijentima

Neka su 1 , 2 , . . . , n sopstvene vrednosti kvadratne matrice A reda n i

neka je
f () = 0 p + 1 p1 + + p1 + p
skalarni polinom stepena p.

Teorema 1.2. Sopstvene vrednosti kvadratne matrice (reda n)

f (A) = 0 Ap + 1 Ap1 + + p1 A + p I
su
f (1 ), f (2), . . . , f (n ).
Dokaz. Iz Ax = x sledi
A2 x = A(Ax) = A(x) = Ax = 2 x,
A3 x = A(A2 x) = A(2 x) = 2 Ax = 3 x,
..
.
k
A x = k x.
Strogi dokaz poslednje jednakosti moze se sprovesti matematickom indukcijom po k (k je proizvoljan prirodan broj). Koristeci dobijene jednakosti
sledi
f (A)x =
=
=
=

(0 Ap + 1 Ap1 + + p1 A + p I)x
0 Ap x + 1 Ap1 x + + p1 Ax + p Ix
0 p x + 1 p1 x + + p1 x + p x
(0 p + 1 p1 + + p1 + p )x = f ()x.

Dakle, vaze sledece implikacije

(1.16)

Ax1 = 1 x1
Ax2 = 2 x2
Axn = n xn

..
.

f (A)x1 = f (1 )x1 ,
f (A)x2 = f (2 )x2 ,
f (A)xn = f (n )xn ,

i teorema je dokazana. 2
11

1.5

Leverrierov metod za formiranje karakteristi

cnog polinoma

Teorema 1.3. Ako je

P () = n + a1 n1 + + an1 + an
= ( 1 )( 2 ) ( n ),

karakteristicni polinom kvadratne matrice A reda n, tada vaze sledece

formule
a1 = S1 ,
kak = (Sk + a1 Sk1 + + ak1 S1 ),

(1.17)

(k = 2, 3, . . . , n), gde je

Sk =

n
X

kr

(k = 1, 2, . . . , n).

r=1

Dokaz. Kako je

ln |P ()| = ln | 1 | + ln | 2 | + + ln | n |,

koristeci logaritamski izvod dobijamo da je

(ln |P ()|) =
tj.

P ()
1
1
1
=
+
++
,
P ()
1 2
n
n

X P ()
P ()
P ()
P ()
P () =
+
++
=
.
1 2
n
r
r=1

(1.18)

Obrazujmo kolicnik P ()/( r ) po Hornerovoj semi2

r 1
a1
a2

ak
an
2
k
k1
1 r + a1 r + a1 r + a2 r + a1 r + + ak R
2 P ()
r

= n1 + b1 n2 + + bn1 , gde je bk = r bk1 + ak (k = 1, 2, . . . , n 1).

Postupak dobijanja koeficijenata bk moze se zapisati u obliku seme koja je poznata
kao Hornerova sema:
r

1
1
1

a1
r + a1
b1

a2
r b1 + a2
b2

12

ak
r bk1 + ak
bk

an
r bn1 + an
R

Na desnoj strani jednakosti (1.18) nalazi se polinom stepena n 1, preciznije zbir n polinoma stepena n 1. Njegov koeficijenat uz nk1
je
n
X

(1.19)

r=1

n
X

(kr + a1 k1
+ + ak1 r + ak )
r
kr

+ a1

r=1

n
X

k1
r

r=1

+ + ak1

n
X

r + nak

r=1

= Sk + a1 Sk1 + + ak1 S1 + nak ,

gde je
Sk =

n
X

kr

(k = 1, 2, . . . , n).

r=1

Na levoj strani jednakosti (1.18) nalazi se takode polinom stepena

n 1. Kako je
P () = nn1 + a1 (n 1)n2 + + ak (n k)nk1 + + an1 ,
koeficijenat uz nk1 je
(1.20)

(n k)ak .

Izjednacavanjem izraza (1.19) i (1.20) dobijaju se formule (1.17) za

k = 2, 3, . . . , n.
Izjednacavanjem koeficijenata uz n2 na levoj i desnoj strani jednakosti (1.18) nalazi se da je
S1 + na1 = (n 1)a1 ,
tj.
a1 = S1 .
2
Formule (1.17) nazivaju se Newtonove formule.
Kako su k1 , k2 , . . . , kn (k prirodan broj veci od 1) sopstvene vrednosti
matrice Ak ako su 1 , 2 , . . . , n sopstvene vrednosti matrice A, na osnovu
jednakosti (1.13) sledi da je
Sk = k1 + k2 + + kn = tr Ak .
13

Prema tome, koeficijenti a1 , a2 , . . . , an karakteristicnog polinoma mogu

se uz pomoc Newtonovih formula izraziti pomocu
tr A, tr A2 , . . . , tr An .
To je Leverierov metod za odredivanje koeficijenata karakteristicnog
polinoma. Ovaj proces odredivanja karakteristicnog polinoma je elementaran, ali iziskuje obimna izracunavanja. Zbog toga je od interesa svaki
postupak koji bi skratio put za izracunavanje koeficijenata a1 , a2 , . . . , an .
Postoji vise metoda za izracunavanje koeficijenata a1 , a2 , . . . , an . Navedeni Leverrierov metod, mada zahteva duza izracunavanja nego ostali
metodi, vazan je zbog svoje univerzalnosti.
D. K. Faddeev izmenio je Leverrierov metod i uspeo da broj operacija
za izracunavanje koeficijenata a1 , a2 , . . . , an u znatnoj meri smanji. On
je predlozio da se umesto matrica A, A2 , . . . , An izracuna niz matrica
A1 , A2 , . . . , An pomocu formula:

(1.21)

A1 = A
A2 = AB1
..
.

a1 = tr A1
a2 = 21 tr A2
..
.

B1 = A1 + a1 I
B2 = A2 + a2 I
..
.

1
An1 = ABn2 an1 = n1
tr An1 Bn1 = An1 + an1 I
1
An = ABn1
an = n tr An
Bn = An + an I

Da bi se uverili da brojevi a1 , a2 , . . . , an definisani formulama (1.21)

predstavljaju koeficijente karakteristicnog polinoma P (), primetimo da
iz formula (1.21) proizilaze sledece formule za Ak i Bk (k = 1, 2, . . . , n):
(1.22)
A1 = A
B1 = A + a1 I
A2 = A2 + a1 A
B2 = A2 + a1 A + a2 I
A3 = A3 + a1 A2 + a2 A
B3 = A3 + a1 A2 + a2 A + a3 I
..
..
.
.
Ak = Ak + a1 Ak1 + + ak1 A Bk = Ak + a1 Ak1 + + ak1 A + ak I
Iz poslednjih formula sledi da je
tr Ak = tr (Ak + a1 Ak1 + + ak1 A)
= tr Ak + a1 tr Ak1 + + ak1 tr A
= Sk + a1 Sk1 + + ak1 S1 ,
14

odnosno
tr Ak = kak .

Iz poslednje dve jednakosti sledi da koeficijenti a1 , a2 , . . . , an zadovoljavaju Newtonove formule, te da zbog toga predstavljaju koeficijente
karakteristicnog polinoma matrice A.
Primer 1.4. Odrediti karakteristicni polinom matrice

2 1 1 2
0
1 1 0

A=
1
1 1 1
1
1 1 0

koristeci metod Faddeeva.

Izracunajmo niz matrica A1 , A2 , A3 i A4 pomocu formula (1.21). Dobijamo
a1 = tr A = 4

2
1
1
2
3

0 3
1
1
0
, A2 = AB1 =
B1 = A 4I =

1
2
1 3
1
3
1
1
1 4
1
a2 = tr A2 = 2
2

1
4
0 3
5
1

1
0
2
1
, A3 = AB2 =
B2 = A2 + 2I =
2
1
0
0 5
3 3 1
5
0
1
a3 = tr A3 = 5
3

0
2
0 2
2
1

5 2 4
0
B3 = A3 + 5I =
, A4 = AB3 =
1 7
0
2
4
0
4 2 2
0
1
a4 = tr A4 = 2
4

4
0 3
2 2
1

0 2 5
3 1
3

2
0 2
0 2 4

7 3
4
4 2 7

0
0
0
2
0
0

0 2
0
0
0 2

Karakteristicni polinom matrice A je P () = 4 43 + 22 + 5 + 2.

15

1.6

Cayley-Hamiltonova teorema

Neka je A kvadratna matrica reda n i I A njena karakteristicna

matrica. Oznacimo sa B() adjungovanu matricu matrice I A, tj.
B() = adj (I A). Svi elementi matrice B() su polinomi po stepena n 1. Matrice ciji su elementi polinomi po zovu se -matrice
i one se mogu izraziti u obliku matricnog polinoma
(1.23)

B() = B0 n1 + B1 n2 + + Bn2 + Bn1 ,

gde su Bk (k = 0, 1, 2, . . . , n 1) matrice reda n koje ne zavise od .

Primer 1.5. Posmatrajmo matricu

0 1 0
A = 1 0 1 .
0 1 0

Karakteristicna matrica I A matrice A je

1
0
1 .
I A = 1
0 1

Adjungovana matrica B() matrice I A glasi

2

1
1
2

B() =
2
1
1
2

0 0
0 0
1
= 0 2 0 + 0 + 0
0 0 2
0 0
1

1 0 0
0 1 0
1
= 0 1 0 2 + 1 0 1 + 0
0 0 1
0 1 0
1
= B0 2 + B1 + B2 .

0
1
0
0
0 1

0
1
0
0
0 1

Sada cemo dokazati da je svaka matrica, u matricnom smislu, nula

svog karakteristicnog polinoma.
16

Teorema 1.4. Ako je A kompleksna kvadratna matrica reda n i

P () = |I A| njen karakteristicni polinom, tada je P (A) = O.
Dokaz. Neka je B() adjungovana matrica matrice I A. Matrica
B() moze se izraziti u obliku (1.23) i vazi jednakost
B()(I A) = |I A| I,
tj.
(1.24)

(B0 n1 + B1 n2 + + Bn2 + Bn1 )(I A)

= (n + a1 n1 + + an1 + an ) I.

Iz jednakosti (1.24) mnozenjem se dobija da je

B0 n + (B1 B0 A)n1 + + (Bn1 Bn2 A) Bn1 A
= In + (a1 I)n1 + (a2 I)n2 + + (an1 I) + an I,
tj.

(1.25)

B0 = I
B1 B0 A = a1 I
B2 B1 A = a2 I
..
.
Bn1 Bn2 A = an1 I
Bn1 A = an I

Ako se obe strane prve od jednakosti (1.25) pomnoze sa desne strane sa

An , druge sa An1 , trece sa An2 , . . ., pretposlednje sa A i poslednje sa
I dobijaju se jednakosti

(1.26)

B0 An = An
B1 An1 B0 An = a1 An1
B2 An2 B1 An1 = a2 An2
..
.
2
Bn1 A Bn2 A = an1 A
Bn1 A = an I
17

Sabiranjem levih i desnih strana jednakosti (1.26) dobija se

An + a1 An1 + + an1 A + an I = O,

(1.27)

tj. P (A) = O.
Ovim je dokaz teoreme zavrsen. 2
Primer 1.6. Karakteristicna jednacina kvadratne matrice


a b
A=
c d
glasi

 a b
P () = |I A| = 
c d

= 2 (a + d) + (ad bc) = 0.

Cayley-Hamiltonova teorema tvrdi da je

A2 (a + d)A + (ad bc)I = O,
tj.


a b
c d

2

(a + d)

a b
c d

+ (ad bc)

1 0
0 1

0 0
0 0

Poslednja jednakost je zaista tacna, sto se lako proverava.

Polazeci od jednakosti (1.27) moze se izracunati inverzna matrica A1
regularne matrice A. Iz (1.27) sledi
an I = A(An1 + a1 An2 + + an1 I),
odakle se nakon mnozenja sa A1 dobija
an A1 = An1 + a1 An2 + + an1 I.
18

Primer 1.7. Naci karakteristicnu jednacinu kvadratne matrice

1 2 2
1 ,
A= 1 1
1 3 1

a zatim koristeci Cayley-Hamiltonovu teoremu izracunati inverznu matricu A1 .

Karakteristicna jednacina matrice A glasi


 2 2

2



P () = |I A| =  1 1 1  = ( 1)(2 4)
 1
3 + 1 
= 3 2 4 + 4 = 0.

Na osnovu Cayley-Hamiltonove teoreme teoreme zakljucujemo da vazi

matricna jednakost
A3 A2 4A + 4I = O,
odakle se lako dobija da je
4I = A(A2 + A + 4I),
tj.
4A1 = A2 + A + 4I.

tj.

Iz poslednje jednakosti dobijamo

2

1 0 0
1 2 2
1 2 2
1 + 1 1
1 +4 0 1 0
4A1 = 1 1
0 0 1
1 3 1
1 3 1

4
4 4

2 1
3 ,
=
2
1
1
A1

4
4 4
1
3 .
= 2 1
4
2
1
1
19

1.7

Minimalni polinom

Posmatrajmo polinom f () po skalaru i odgovarajuci matricni polinom

f (A) po kvadratnoj matrici A reda n. Postoji beskonacno mnogo polinoma f () za koje je f (A) = O. Prema Cayley-Hamiltonovoj teoremi
karakteristicni polinom matrice A je jedan od njih.
Definicija 1.6. Ako je A kvadratna matrica, polinom m() najmanjeg stepena, koji ima osobinu m(A) = O i ciji je najstariji koeficijenat
jednak 1, naziva se minimalni polinom matrice A.
Teorema 1.5. Svaka kvadratna matrica ima samo jedan minimalni
polinom.
Dokaz. Pretpostavimo da ovo nije tacno i da kvadratna matrica A
ima dva razlicita minimalna polinoma
m1 () = s +

s
X

ak sk ,

i m2 () = s +

s
X

bk sk .

k=1

k=1

Neka je i najmanji ceo broj takav da je ai 6= bi (1 i s 1). Takav

broj postoji, jer bi inace bilo m1 () m2 ().
Posmatrajmo polinom
s
X
1
1
si
m3 () =
(m1 () m2 ()) = +
(ak bk )sk .
ai bi
ai bi k=i+1

Polinom m3 () ispunjava sledece uslove:

10 Stepen polinoma m3 () je nizi od s, tj. od stepena polinoma m1 ()
i m2 ();
20 m3 () 6= 0;
30 m3 (A) = O;
40 Najstariji koeficijenat polinoma m3 () je 1.
Ovo je u suprotnosti sa pretpostavkom da su m1 () i m2 () minimalni
polinomi matrice A. Na osnovu dobijene protivrecnosti zakljucujemo da
je teorema 1.5. tacna. 2
20

Teorema 1.6. Svaki polinom f () za koji je f (A) = O, gde je A

kvadratna matrica, deljiv je minimalnim polinomom.
Dokaz. Ako pretpostavimo da polinom f () nije deljiv minimalnim
polinomom m(), tada postoje jedinstveni polinomi q() i r() takvi da
vazi jednakost
f () = m()q() + r(),
gde je r() ne-nula polinom stepena manjeg od stepena polinoma m().
Ako u poslednjoj jednakosti stavimo = A dobijamo matricnu jednakost
f (A) m(A)q(A) = r(A).
Kako je f (A) = O po pretpostavci, a m(A) = O prema definiciji minimalnog polinoma sledi da je r(A) = O.
Neka je (6= 0) najstariji koeficijenat polinoma r(). Stepen polinoma 1 r() (6= 0) nizi je od stepena polinoma m() i najstariji koeficijenat ovog polinoma jednak je 1. Ovo protivreci uslovu da je m()
minimalni polinom.
Ovim je teorema 1.6. dokazana. 2
Posledica 1.1 Minimalni polinom matrice A je faktor njenog karakteristicnog polinoma.
Teorema 1.7. Svaka nula karakteristicnog polinoma matrice A je i
nula njenog minimalnog polinoma.
Dokaz. Neka je P () karakteristicni polinom matrice A i neka je m()
njen minimalni polinom. Ako je i nula karakteristicnog polinoma P (),
tada je na osnovu Bezuove teoreme3
m() = q()( i ) + m(i ),
gde je q() kolicnik deljenja polinoma m() polinomom i a m(i )
ostatak tog deljenja.
3

Ostatak deljenja polinoma m() polinomom i jednak je m(i ).

21

Neka je, dalje, xi karakteristicni vektor koji odgovara karakteristicnoj

vrednosti i . Tada je
m(A)xi = q(A)(A i I)xi + m(i )xi .
Kako je
m(A)xi = Oxi = O

i Axi = i xi

sledi m(i )xi = O. Posto je karakteristicni vektor xi 6= O zakljucujemo

da je m(i ) = 0, cime je teorema dokazana. 2
Posledica 1.2 Nule minimalnog i karakteristicnog polinoma se poklapaju i mogu se razlikovati samo svojom visestrukoscu.
Na osnovu posledice 1.2 zakljucujemo da ako je karakteristicni polinom matrice A oblika
P () = ( 1 )a1 ( 2 )a2 ( k )ak ,
tada je njen minimalni polinom oblika
m() = ( 1 )m1 ( 2 )m2 ( k )mk ,
gde je 1 mi ai (i = 1, 2, . . . , k).
Primer 1.8. Da bismo odredili minimalni polinom matrice

3 1 0
2 0
A= 0
1 1 2

obrazujmo njen karakteristicni polinom


 3
1
0


2
0
|I A| =  0
 1
1
2
Minimalni polinom je ili ( 2)( 3)

1 1 0
0 0
(A 2I)(A 3I) = 0
1 1 0




 = ( 2)2 ( 3).



ili ( 2)2 ( 3). Kako je

0 1
0
0 0 0
0 1
0 = 0 0 0 ,
1 1 1
0 0 0

zakljucujemo da je m() = (2)(3) = 2 5+6 minimalni polinom

matrice A.
22

Primer 1.9. Karakteristicni polinom matrice

1
1
A=
1
1

1
1
1
1

1
1
1
1

1
1

1
1

glasi

1 1
1
1
1 1 1
1

|I A| =
1
1 1 1
1
1
1 1

1 1 1 1

0
0

=

0

0
0

1 1 1 1
1
1
0
0

= 3
1
0
1
0
1
0
0
1

4 0 0 0

1 1 0 0
3

= 3
1 0 1 0 = ( 4).
1 0 0 1
je

Minimalni polinom moze biti ( 4) ili 2 ( 4) ili 3 ( 4). Kako

1
1
A(A 4I) =
1
1

1
1
1
1

1
1
1
1

1
3
1
1
1

1 1 3
1
1

1
1 3
1
1
1
1
1
1 3

0
0
=
0
0

0
0
0
0

0
0
0
0

0
0
,
0
0

zakljucujemo da je minimalni polinom m() = ( 4) = 2 4.

23

1.8

Sli
cnost matrica

U ovom odeljku pod matricama cemo podrazumevati kvadratne matrice

reda n ciji su elementi kompleksni brojevi, ukoliko nije drugacije receno.
Definicija 1.7. Za matricu B kaze se da je slicna matrici A ako i
samo ako postoji bar jedna regularna matrica P , takva da je
(1.28)

B = P 1 AP.

Takode se kaze da se matrica B dobija iz matrice A transformacijom

slicnosti pomocu matrice P . Cinjenicu

da je matrica B slicna matrici A
oznacavamo sa B A.
Teorema 1.8. Relacija slicnosti matrica je relacija ekvivalencije.
Dokaz. Dokazacemo da je ova relacija refleksivna, simetricna i tranzitivna.
Za proizvoljnu matricu A vazi jednakost
A = I 1 AI,
sto znaci da je A A i relacija je refleksivna.
Iz (1.28) sledi
A = (P 1 )1 B(P 1 ),
tj. iz B A sledi A B. Dakle, relacija je i simetricna.
Ako je A B i B C, postoje regularne matrice P i Q takve da je
B = P 1 AP,

C = Q1 BQ.

Sledi
C = Q1 (P 1 AP )Q = (P Q)1 A(P Q) = R1 AR,
gde je R = P Q. Prema tome, iz A B i B C sledi A C, sto znaci
da je relacija slicnosti tranzitivna.
Ovim je teorema dokazana. 2
24

Dokazimo da sve matrice nisu medusobno slicne. Zaista, iz (1.28)

sledi
|B| = |P 1 AP | = |P 1 ||A||P | = |A|,

odakle se zakljucuje da je matrica A regularna ako i samo ako je matrica

B regularna. Sledi da nijedna singularna matrica nije slicna ni sa jednom
regularnom matricom.
Kako je relacija slicnosti relacija ekvivalencije u skupu svih kvadratnih
matrica, ovaj skup se raspada na klase ekvivalencije koje se zovu klase
slicnih matrica. Dve matrice pripadaju istoj klasi ako i samo ako su
slicne. Svaka kvadratna matrica pripada jednoj i samo jednoj od klasa
slicnih matrica.
Slicne matrice imaju vise zajednickih osobina. Dokazimo, na primer,
da slicne matrice imaju jednake karakteristicne polinome.
Teorema 1.9. Ako je A B, tada je |I A| = |I B|.

Dokaz. Neka je A B. Tada postoji regularna matrica P takva da

je B = P 1 AP . Zbog toga je
|I B| = |I P 1 AP | = |P 1(I)P P 1 AP |
= |P 1 (I A)P | = |P 1 ||I A||P |
= |I A|,
sto je i trebalo dokazati. 2
Uslov |I A| = |I B| je kao sto tvrdi teorema 1.9. potreban da
bi bilo A B, ali nije i dovoljan. To pokazuje sledeci primer.
Primer 1.10. Neka je
A=I =

1 0
0 1

B=

1 1
0 1

Lako se zakljucuje da je
|I A| = |I B| = ( 1)2 .
Ako bi bilo A B, tada bi postojala regularna matrica


x11 x12
,
P =
x21 x22
25

takva da je B = P 1AP , tj. AP = P B.

Iz poslednje jednakosti sledi

 

x11 x12
x11 x11 + x12
=
,
x21 x22
x21 x21 + x22
tj. x11 = x21 = 0, sto je u suprotnosti sa pretpostavkom da je P regularna
matrica. Dakle, A nije slicna sa B mada su im karakteristicni polinomi
jednaki.
Teorema 1.10. Algebarski multiplicitet proizvoljne sopstvene vrednosti nije manji od geometrijskog multipliciteta.
Dokaz. Neka je A kompleksna kvadratna matrica reda n i neka su
1 , 2 , . . . , k razlicite sopstvene vrednosti te matrice.
Ne umanjujuci opstost posmatrajmo prvu sopstvenu vrednost 1 matrice A. Neka su njen geometrijski i algebarski multiplicitet, redom, g i
a. Tada postoji g linearno nezavisnih vektora v1 , v2 , . . . , vg , takvih da je
Avi = 1 vi (i = 1, 2, . . . , g). Prosirimo ovaj skup linearno nezavisnih vektora do baze {v1 , v2 , . . . , vg , vg+1 , . . . , vn } vektorskog prostora C n . Tada
je matrica
P = [v1 v2 . . . vg vg+1 . . . vn ] = [P1 | P2 ]

(P1 je matrica tipa n g koju cine prvih g kolona matrice P , a P2 je

matrica tipa n (n g) koju cine zadnjih (n g) kolona matrice P )
regularna matrica4 .
Neka je


Q1
1
P =
Q2
(Q1 je matrica tipa g n, a Q2 matrica tipa (n g) n).
Posto su kolone matrice P1 sopstveni vektori koji odgovaraju sopstvenoj vrednosti 1 sledi AP1 = 1 P1 5 . Takode je






Ig O
Q1
Q1 P1 Q1 P2
1
= In = P P =
[P1 | P2 ] =
,
O Ing
Q2
Q2 P1 Q2 P2
4

Ako je |P | = 0, tada je rang P = r < n i svaka kolona matrice P je na osnovu

teoreme o bazisnom minoru linearna kombinacija bazisnih kolona. Sledi da su kolone
martice P linearno zavisne, sto je nemoguce.
5
AP1 = A[v1 . . . vg ] = [Av1 . . . Avg ] = [1 v1 . . . 1 vg ] = 1 [v1 . . . vg ] = 1 P1

26

odakle dobijamo da je Q1 P1 = Ig , Q1 P2 = O, Q2 P1 = O, Q2 P2 = Ing .

Zbog toga je
P


Q1
AP =
A[P1 | P2 ] =
[AP1 | AP2 ]
Q2

 

Q1 AP1 Q1 AP2
1 Q1 P1 Q1 AP2
=
=
Q2 AP1 Q2 AP2
1 Q2 P1 Q2 AP2


1 Ig Q1 AP2
=
.
O Q2 AP2
Q1
Q2

Koristeci poslednju jednakost dobijamo da je


 

1 Ig Q1 AP2
Ig
O
1
I P AP =

O Ing
O Q2 AP2


( 1 )Ig
Q1 AP2
=
.
O
Ing Q2 AP2
Matrice A i B = P 1 AP su slicne i imaju jednake karakteristicne
polinome. Koristeci Laplasov razvoj determinante dobijamo


 ( 1 )Ig

Q1 AP2
1


|I A| = |I P AP | = 
O
Ing Q2 AP2 
= |( 1 )Ig | |Ing Q2 AP2 |
= ( 1 )g |Ing Q2 AP2 | = ( 1 )g Q().
Iz poslednje jednakosti zakljucujemo da se sopstvena vrednost 1 kao
koren karakteristicne jednacine javlja bar g puta, tj. a g. 2
Teorema 1.11. Neka su 1 , 2 , . . . , k razlicite sopstvene vrednosti
matrice A i x1 , x2 , . . . , xk odgovarajuci sopstveni vektori. Ovi vektori su
linearno nezavisni.
Dokaz. Dokaz cemo sprovesti matematickom indukcijom po k.
Za k = 1 tvrdenje je, ocigledno, tacno. Pretpostavimo da je tvrdenje
tacno za k 1 i dokazimo da je tacno i za prirodan broj k.
27

Pretpostavimo da je skup od k sopstvenih vektora x1 , x2 , . . . , xk koji

odgovaraju razlicitim sopstvenim vrednostima 1 , 2 , . . . , k linearno zavisan. Tada se jedan od ovih vektora moze predstaviti kao linearna kombinacija ostalih vektora. Ne umanjujuci opstost, pretpostavimo da je
(1.29)

xk = c1 x1 + c2 x2 + + ck1 xk1 .

Kako su vektori x1 , x2 , . . . , xk1 po induktivnoj pretpostavci linearno

nezavisni, predstavljanje (1.29) je jedinstveno.
Mnozeci jednakost (1.29) matricom A sa leve strane dobijamo
Axk = c1 Ax1 + c2 Ax2 + + ck1 Axk1 ,
tj.
(1.30)

k xk = c1 1 x1 + c2 2 x2 + + ck1k1 xk1 .

Ako je k = 0, tada poslednja jednakost dobija oblik

c1 1 x1 + c2 2 x2 + + ck1 k1xk1 = O.
Zbog linearne nezavisnosti vektora x1 , x2 , . . . , xk1 vazi
c1 1 = c2 2 = = ck1 k1 = 0.
Kako je 1 6= 0, 2 6= 0, . . . , k1 6= 0 sledi c1 = c2 = = ck1 = 0, tj.
xk = O, sto je nemoguce.
Ako je k 6= 0, tada iz jednakosti (1.30) dobijamo
xk = c1

1
2
k1
x1 + c2 x2 + + ck1
xk1 .
k
k
k

Iz jedinstvenosti reprezentacije (1.29) sopstvenog vektora xk zakljucujemo

da je
1
2
k1
=
= =
= 1,
k
k
k
tj. 1 = 2 = = k1 = k , sto je nemoguce.
Ovim je teorema dokazana. 2
Teorema 1.11. govori nam mnogo o matricama sa razlicitim sopstvenim vrednostima koje se cesto pojavljuju u prakticnim primenama.
28

Takve matrice imaju n linearno nezavisnih sopstvenih vektora. Kada se

to dogodi, moguce je koristiti te vektore da se formira baza n-dimenzionalnog prostora C n , sto moze biti od koristi u dokazima razlicitih teorema.
Pretpostavimo sada da kompleksna kvadratna matrica A reda n ima
n linearno nezavisnih sopstvenih vektora x1 , x2 , . . . , xn .
Uvedimo sledece oznake:

1 0 0
0 2 0

P = [x1 | x2 | ... | xn ], D = ..
.. . .
.. .
.
. .
.
0 0 n
Tada su jednakosti

(1.31)

Ax1 = 1 x1 , Ax2 = 2 x2 , . . . , Axn = n xn

ekvivalentne sledecoj jednakosti

AP = [Ax1 | Ax2 | ... | Axn ] = [1 x1 | 2 x2 | ... | n xn ]
= [x1 | x2 | ... | xn ]D = P D.
Osim toga vektori x1 , x2 , . . . , xn su linearno nezavisni (i obrazuju bazu
prostora C n ) ako i samo ako je matrica P regularna, tj. |P | =
6 0. U tom
slucaju jednakost AP = P D moze da se napise u obliku A = P DP 1,
tj. matrica A je slicna dijagonalnoj matrici D.
Obrnuto, takode, vazi. Pretpostavimo da je matrica A slicna dijagonalnoj matrici D. Tada postoji regularna matrica P takva da vazi
jednakost A = P DP 1, tj. AP = P D.
Na osnovu teoreme 1.9. zakljucujemo da je
|I A| = |I D| = ( 1 )( 2 ) ( n ).
Dakle, sopstvene vrednosti matrice A nalaze se na dijagonali matrice D.
Kako je matricna jednakost AP = P D ekvivalentna jednakostima (1.31)
zakljucujemo da su kolone matrice P linearno nezavisni sopstveni vektori
matrice A koji odgovaraju sopstvenim vrednostima 1 , 2 , . . . , n .
Na ovaj nacin dokazali smo sledecu teoremu.
29

Teorema 1.12. Kvadratna matrica A reda n slicna je dijagonalnoj

matrici D ako i samo ako postoji n linearno nezavisnih sopstvenih vektora matrice A. Pored toga, sopstvene vrednosti matrice A nalaze se na
glavnoj dijagonali matrice D.
Definicija 1.8. Matrica A je dijagonalizabilna ako i samo ako je
slicna dijagonalnoj matrici.
Svaki izraz oblika A = P DP 1 naziva se dijagonalizacija matrice A.
Primer 1.11. A =
Kako je

1 1
2 1


 1
1
|I A| = 
2 + 1



 = 2 + 1,


zakljucujemo da su 1 = i i 2 = i sopstvene vrednosti matrice A.

Sopstvena vrednost 1 = i ima sopstveni vektor x1 = [1 1 i]T , a sopstvena vrednost 2 = i ima sopstveni vektor x2 = [1 1 + i]T . Sopstvene
vrednosti su razlicite, pa su x1 i x2 linearno nezavisni vektori i




1
1
i 0
1
P =
P AP =
.
1i 1+i
0 i

1 0 1
0
Primer 1.12. A = 0 1
0 0
2
U ovom slucaju je

 1
0
1


0 1
0
|I A| = 

0
0 2




 = ( 1)2 ( 2),



pa matrica A ima dve razlicite sopstvene vrednosti: 1 = 1 algebarske

visestrukosti 2 i 2 = 2 algebarske visestrukosti 1.
Sopstvena vrednost 1 = 1 ima dva sopstvena vektora: x1 = [1 0 0]T
i x2 = [0 1 0]T , a sopstvena vrednost 2 = 2 jedan sopstveni vektor
x3 = [1 0 1]T . Primetimo da su algebarski i geometrijski multiplicitet
30

sopstvene vrednosti 1 jednaki i iznose 2. Zbog toga

bazu sopstvenih vektora i imamo

1 0 1
1
P = 0 1 0 P 1 AP = 0
0 0 1
0

x1 , x2 i x3 obrazuju

0 0
1 0 .
0 2

1 1 2
Primer 1.13. A = 0 1 3
0 0 2

I u ovom slucaju je |I A| = ( 1)2 ( 2), pa matrica A ima dve

razlicite sopstvene vrednosti: 1 = 1 algebarske visestrukosti 2 i 2 = 2
algebarske visestrukosti 1. Kako je dimenzija sopstvenog prostora E1 =
1, zakljucujemo da je geometrijski multiplicitet sopstvene vrednosti 1
jednak 1 i razlicit je od algebarskog multipliciteta ove sopstvene vrednosti.
Zbog toga ne postoji baza sopstvenih vektora i matrica A se ne moze
dijagonalizirati transfrmacijom slicnosti.

1.9

Jordanov kanoni
cki oblik

Kada ne postoji baza sopstvenih vektora kvadratne matrice A reda n ona

ne moze biti dijagonalizirana. Ipak, moze se pokazati da postoji regularna matrica P reda n takva da je matrica P 1 AP skoro dijagonalna.
Matrica P 1AP ima sopstvene vrednosti na glavnoj dijagonali i jedinice
neposredno iznad nekih dijagonalnih sopstvenih vrednosti. Takva nova
skoro dijagonalna matrica zove se Jordanova kanonicka forma matrice
A i ona ima mnogo primena u inzinjerstvu i primenjenim naukama.
Definicija 1.9. Kvadratne matrice oblika



1 0
0
1
[],
, 0 1 ,
0
0
0 0
0

nazivaju se Jordanovi blokovi.

31

0
0

0
1

0
0
,...
1

Elementi Jordanovih blokova reda r 2 koji se nalaze na glavnoj

dijagonali jednaki su , a elementi na dijagonali j i = 1 (i i j su redni
brojevi vrste i kolone nekog elementa te matrice) su jedinice. Svi ostali
elementi te matrice su nule. Jordanov blok reda r cesto se oznacava sa
Jr ().
Definicija 1.10. Kvazidijagonalna matrica oblika

Jr1 (1 )
O
...
O

O
Jr2 (2 ) . . .
O

J =
(1.32)

..
..
..

.
.
.
O
O
. . . Jrp (p )
r2 (2 )+
+J
rp (p ) ,
= Jr1 (1 )+J

gde se na glavnoj dijagonali nalaze Jordanovi blokovi naziva se Jordanova

matrica.
Medu brojevima 1 , 2 , . . . , p koji se pojavljuju u (1.32) moze biti i
jednakih.
Primer 1.14. Matrica

1 0
0 2
J =
0 0
0 0

0
0
4
0

0
0
= J1 (1)+J
1 (2)+J
2 (4)
1
4

je Jordanova matrica koja se sastoji od dva Jordanova bloka reda 1 i

jednog Jordanovog bloka reda 2.
Teorema 1.13. Svaka klasa slicnih matrica sadrzi bar jednu Jordanovu matricu.
Ovoj teoremi moze se dati i sledeci ekvivalentan oblik: Svaka matrica
je slicna nekoj Jordanovoj matrici.
Pod Jordanovim kanonickim oblikom matrice A podrazumeva se ona

Jordanova matrica koja je slicna matrici A. Cesto

se u literaturi koristi
32

i termin Jordanov normalni oblik matrice A. Egzistencija ove matrice

sledi iz teoreme 1.13., ciji dokaz zbog opsirnosti izostavljamo. Medutim,
ona nije uvek jednoznacno odredena, tj. moze postojati vise Jordanovih
matrica slicnih matrici A.
Neka je (1.32) jedan kanonicki oblik matrice A. Permutujuci, na sve
moguce nacine, dijagonalne blokove Jr1 (1 ), Jr2 (2 ), . . . , Jrp (p ) matrice
(1.32), mozemo formirati nove Jordanove matrice. Sve tako dobijene
matrice su takode kanonicki oblici matrice A i svi se kanonicki oblici
dobijaju na taj nacin.
se moze reci o karakteristicnom i minimalnom polinomu JorSta
danove matrice.
Lema 1.1. Neka je J = Jr (1 ) Jordanov blok sa dijagonalnim elementima jednakim 1 . Tada je 1 jedina sopstvena vrednost matrice J
algebarske visestrukosti r i geomertijske visestrukosti 1.
Dokaz. Posto je J gornja trougaona matrica lako se dobija da je



 1
1
...
0




0

.
.
.
0
1


|I J| = 
 = ( 1 )r .
..
..
..


.
.
.



0
0
. . . 1 

Dakle, = 1 je jedina sopstvena vrednost algebarske visestrukosti r.

Resavajuci matricnu jednacinu Jx = 1 x dobijamo sistem jednacina
1 i + i+1 = 1 i (i = 1, 2, . . . , r 1)
1 r = 1 r .
Odavde se zakljucuje da je 2 = = r = 0 i opste resenje ovog sistema jednacina je x = c(1, 0, . . . , 0)T , gde je c proizvoljan skalar. Dakle,
nul (1 I J) = L(v), gde je v = (1, 0, . . . , 0)T , pa je sopstvena vrednost
= 1 geometrijske visestrukosti 1. 2
Primer 1.15. Neka J = J4 () Jordanov blok cetvrtog reda. Izracunati
matrice J I, (J I)2 , (J I)3 i (J I)4 .
33

Resenje.

0
0
J I =
0
0

1
0
0
0

0
1
0
0

0
0

1
0

1
0
0
0

0
1
0
0

0
0 1

0 0 0

1 0 0
0
0 0

0
1
0
0

0
0 0

0 0 0
=
1 0 0
0
0 0

1
0
0
0

0
1

0
0

0
0
0
0

1
0
0
0

0
0

1 0

0 0
0
0

1
0
0
0

0
1
0
0

0
0

0 0
=
1 0
0
0

0
0
0
0

0
0
0
0

1
0

0
0

0
0
0
0

0
0
0
0

0 1
1
0 0
0

0 0 0
0 0
0

0
1
0
0

0 0
0
0 0
0
=
1 0 0
0 0
0

0
0
0
0

0
0

0
0

0
(J I)2 =
0
0
0

0
(J I)3 =
0
0
0

0
(J I)4 =
0
0

Lema 1.2. Neka je J = Jr () Jordanov blok sa dijagonalnim elementima jednakim . Tada je (J I)k 6= O za k < r i (J I)r = O.
Kao sto prethodni primer pokazuje matrica (J I)2 ima elemente
jednake 1 na dijagonali j i = 2, a svi ostali elementi su jednaki 0.
Matrica (J I)3 ima elemente jednake 1 na dijagonali j i = 3, a svi
ostali elementi su jednaki 0. Sa svakim sledecim mnozenjem sa J I
dijagonala sa jedinicama je sve bliza gornjem desnom uglu. Nakon r 1
koraka, postoji samo jedna jedinica u gornjem desnom uglu, a nakon
r-tog koraka imamo samo nule u matrici (J I)r .
Lema 1.3. Neka su date dve kvazidijagonalne matrice
A2 +
+
Ap ,
A = A1 +
+
Bp ,
B2 +
B = B1 +
34

takve da su kvadratne matrice Ai i Bi (i = 1, 2, . . . , p) istog reda. Tada

je
A
A+B
AB
Ak

=
=
=
=

A2 +
+
Ap ,
A1 +
(A2 + B2 ) +
+
(Ap + Bp ) ,
(A1 + B1 ) +
A2 B2 +
+
Ap Bp ,
A1 B1 +
Ak2 +
+
Akp (k N).
Ak1 +

Teorema 1.14. Neka je J Jordanova matrica koja duz glavne dijagonale sadrzi p Jordanovih blokova. Pretpostavimo da razliciti dijagonalni elementi matrice J su 1 , 2 , . . . , k i da se i pojavljuje sa multiplicitetom ai . Pretpostavimo, takode, da je broj Jordanovih blokova ciji
dijagonalni elementi su i jednak gi i da je red najveceg Jordanovog bloka
ciji su dijagonalni elementi i jednak mi (i = 1, 2, . . . k). Tada je
10
20
30

P () = ( 1 )a1 ( 2 )a2 ( k )ak

m() = ( 1 )m1 ( 2 )m2 ( k )mk
dim Ei = gi (i = 1, 2, . . . , k)

Dokaz. 10 Posto je J gornja trougaona matrica i karakteristicna matrica I J je gornja trougaona matrica, pa je determinanta |I J|
jednaka proizvodu elemenata na glavnoj dijagonali. Dakle,
P () = |I J| = ( 1 )a1 ( 2 )a2 ( k )ak .
20 Na osnovu 10 i teoreme 1.7. minimalni polinom matrice J je oblika
m() = ( 1 )s1 ( 2 )s2 ( k )sk
za neko 1 si ai (i = 1, 2, . . . , k). Potrebno je dokazati da je
m(J) = (J 1 I)s1 (J 2 I)s2 (J k I)sk = O
ako i samo ako je si = mi (i = 1, 2, . . . , k).
Matrica J i I je kvazidijagonalna, tj.
+
Aip ,
Ai2 +
J i I = Ai1 +
35

pa je na osnovu leme 1.3. takva i matrica (J i I)si . Dakle,

Asi2i +
+
Asipi .
(J i I)si = Asi1i +
Na osnovu iste leme i matrica m(J) je kvazidijagonalna, tj.
+
(As1p1 As2p2 Askpk ).
m(J) = (As111 As212 Ask1k ) +

Na osnovu leme 1.2. potrebno je da bude si = mi kako bi najveci

i Jordanov blok postao nula matrica. U tom slucaju bi i svi ostali
i blokovi postali nula matrice. Samo pod tim uslovima odgovarajuci
blokovi matrice m(J) su nula matrice, pa je samim tim i m(J) nula
matrica.
30 Na osnovu leme 1.1. dimenzija sopstvenog prostora svakog Jordanovog bloka jednaka je 1, pa je dimenzija sopstvenog prostora Ei =
nul (J i I) jednaka broju Jordanovih i blokova, tj. dim Ei = gi . 2
Na osnovu teoreme 1.14., 20 zakljucujemo da je stepen binoma i
u minimalnom polinomu m() jednak redu najveceg i bloka matrice
J. Takode, na osnovu teoreme 1.14., 30 zakljucujemo da je dimenzija
sopstvenog prostora Ei jednaka broju Jordanovih i blokova.
Primer 1.16. Neka je data kvadratna

1 1 0 0
0 1 1 0

0 0 1 0
A=
0 0 0 1

0 0 0 0
0 0 0 0

matrica reda 6

0 0
0 0

0 0
.
0 0

2 1
0 2

(1 6= 2 ). Izracunati (A 1 I)2 , (A 1 I)3 , (A 2 I)2 i pokazati da

je (A 1 I)3 (A 2 I)2 = O. Resiti matricne jednacine Ax = 1 x i
Ax = 2 x.
Matrica A je kvazidijagonalna, pa su i matrice A 1 I i A 2 I
takve, tj.

0 1 0 0 0 0
0 0 1 0 0 0

0 0 0 0 0 0

A 1 I =
0 0 0 0 0 0 = A1 + A2 + A3 ,

0 0 0 0 1
0 0 0 0 0
36

A 2 I =

1
0
0 0 0
0 1
0 0 0
0
0 0 0 0
0
0
0 0 0
0
0
0
0 0 1
0
0
0
0 0 0

gde je = 2 1 6= 0.
Koristeci lemu 1.3. dobijamo da je
0
0
0
0
0
0

0
0
0
0
0
0

1
0
0
0
0
0

0 0 0
0 0 0
0 0 0
0 0 0
0 2 2
0 0 2

0
0
0
0
0
0

0
0
0
0
0
0

0
0
0
0
0
0

0 0
0
0 0
0
0 0
0
0 0
0
3
0 32
0 0 3

3
3
3
3
(A 1 I) = A1 + A2 + A3 =

2
2
2
2
(A 2 I) = B1 + B2 + B3 =

= B1 +
B2 +
B3 ,

2
2
2
2
(A 1 I) = A1 + A2 + A3 =

0
2 2
1
0
2 2 0
0
0
2
0
0
0
0
2
0
0
0
0
0
0
0
0

0
0
0
0
0
0

0
0
0
0
0
0

Ponovo na osnovu leme 1.3. imamo da je

3 2

A1 B1
O
O
A33 B32 .
A32 B22 +
A32 B22
O = A31 B12 +
(A1 I)3 (A2 I)2 = O
3 2
O
O
A3 B3
37

Kako su blokovi A31 , A32 i B32 nula matrice zakljucujemo da je i matrica

(A 1 I)3 (A 2 I)2 nula matrica.

Matricna jednacina Ax = 1 x odnosno (A 1 I)x = O ekvivalentna

je homogenom sistemu jednacina
2
3
0
0
5 + 6
6

=
=
=
=
=
=

0
0
0
0
0
0.

Odavde dobijamo da je 2 = 3 = 5 = 6 = 0, pa je opste resenje sistema

x=

1
0
0
4
0
0

= 1

1
0
0
0
0
0

+ 2

0
0
0
1
0
0

= c1 v1 + c2 v2 ,

gde su c1 i c2 proizvoljni skalari.

Matricna jednacina Ax = 2 x odnosno (A 2 I)x = O ekvivalentna
je homogenom sistemu jednacina
1 + 2
2 + 3
3
4
5
0

=
=
=
=
=
=

0
0
0
0
0
0.

Odavde dobijamo da je 1 = 2 = 3 = 4 = 5 = 0, pa je opste resenje

38

sistema

x=

0
0
0
0
0
6

gde je c proizvoljan skalar.

= 6

0
0
0
0
0
1

= cw,

Primer 1.17. Pretpostavimo da je data kvadratna matrica A treceg

reda i da su poznati njen karakteristicni i minimalni polinom. Tada je
poznat Jordanov kanonicki oblik matrice A.
Ako je P () = ( 1 )( 2 )( 3 ), tada je na osnovu teoreme
1.7. m() = P (). Na osnovu teoreme 1.14., 20 , Jordanov kanonicki
oblik je upravo dijagonalna matrica.
Ako je P () = ( 1 )2 ( 2 ), tada na osnovu teoreme 1.7. je
m() = ( 1 )( 2 ) ili m() = P (). U prvom slucaju Jordanov kanonicki oblik sastoji se dva 1 bloka reda 1 i jednog 2 bloka
reda 1. Dakle, Jordanov kanonicki oblik u ovom slucaju je dijagonalna
matrica. U drugom slucaju, Jordanov kanonicki oblik matrice A sastoji
se od jednog 1 bloka reda 2 i jednog 2 bloka reda 1.
Ako je P () = ( 1 )3 , tada na osnovu teoreme 1.7. je m() =
( 1 )k , gde je k = 1, 2, 3. U slucaju k = 1, Jordanov kanonicki oblik
sastoji se od tri 1 bloka reda 1, tj. on je dijagonalna matrica. U slucaju
k = 2, Jordanov kanonicki oblik sastoji se od jednog 1 bloka reda 2 i
jednog reda 1. U slucaju k = 3, Jordanov kanonicki oblik sastoji se od
jednog 1 bloka reda 3.
Primer 1.18. Ako je data kvadratna matrica A cetvrtog reda i ako
su poznati njen karakteristicni i minimalni polinom, tada nije uvek poznat
Jordanov kanonicki oblik matrice A.
Pretpostavimo da su sve sopstvene vrednosti matrice A jednake, jer
se u suprotnom slucaju moze pokazati kao u prethodnom primeru da je
Jordanov kanonicki oblik matrice odreden ako su poznati njen karakteristicni i minimalni polinom. U ovom slucaju je P () = ( 1 )4 a
m() = ( 1 )k gde je k = 1, 2, 3, 4. U slucaju k = 1, Jordanov
39

kanonicki oblik sastoji se od cetiri 1 bloka reda 1, tj. on je dijagonalna

matrica. U slucaju k = 3, Jordanov kanonicki oblik sastoji se od jednog
1 bloka reda 3 i jednog reda 1. U slucaju k = 4, Jordanov kanonicki
oblik sastoji se od jednog 1 bloka reda 4.
Medutim, ako je k = 2 Jordanov kanonicki oblik moze se sastojati od
dva 1 bloka reda 2 ili od jednog 1 bloka reda 2 i dva 1 bloka reda 1:

1 1 0 0
0 1 0 0

0 0 1 1
0 0 0 1

1 1 0 0
0 1 0 0

0 0 1 0 .
0 0 0 1

Primetimo da se ove dve Jordanove kanonicke forme mogu razlikovati ako je poznata dimenzija sopstvenog prostora sopstvene vrednosti
1 . Naime, ove forme imaju razlicit broj Jordanovih blokova. U prvom
slucaju taj broj je dva (geometrijski multiplicitet sopstvene vrednosti 1
je dva), a u drugom slucaju tri (geometrijski multiplicitet je tri).
Primer 1.19. Pretpostavimo da je A kvadratna matrica reda 6 i
da su poznati njen karakteristicni i minimalni polinom i dimenzije sopstvenih prostora. Pokazati da je Jordanova kanonicka forma matrice A
jednoznacno odredena. Dati primer dve kvadratne matrice reda 7 koje
imaju iste karakteristicne i minimalne polinome i iste dimenzije sopstvenih prostora, ali razlicite Jordanove kanonicke forme.
Pretpostavimo da su sve sopstvene vrednosti matrice A jednake. Tada
karakteristicni polinom matrice A glasi P () = ( 1 )6 a minimalni
polinom je oblika m() = ( 1 )k , gde je k = 1, 2, 3, 4, 5, 6. Ako je
k = 1, Jordanova kanonicka forma matrice A se sastoji od 6 1 blokova
reda 1 (1 + 1 + 1 + 1 + 1 + 1), a geometrijski multiplicitet g1 sopstvene
vrednosti 1 jednak je 6. Odgovarajuce vrednosti Jordanovih blokova za
k = 1, 2, 3, 4, 5, 6 prikazane su u sledecij tabeli. Iz te tabele se lako zakljucuje da je Jordanova kanonicka forma (JKF ) jednoznacno odredena
ako su sve sopstvene vredenosti matrice A jednake. Na slican nacin to
se moze pokazati i u slucaju kada sve sopstvene vrednosti matrice A nisu
jednake.
40

m()
1
( 1 )2
( 1 )3
( 1 )4
( 1 )5
( 1 )6

JKF
g1
1+1+1+1+1+1 6
2+1+1+1+1
5
2+2+1+1
4
2+2+2
3
3+1+1+1
4
3+2+1
3
3+3
2
4+1+1
3
4+2
2
5+1
2
6
1

Posmatrajmo, sada, sledece dve kvadratne matrice reda 7:

1 1 0 0 0 0 0
0 1 1 0 0 0 0
0 0 1 0 0 0 0
0 0 0 1 1 0 0
0 0 0 0 1 1 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1

1 1 0 0 0 0 0
0 1 1 0 0 0 0
0 0 1 0 0 0 0
0 0 0 1 1 0 0
0 0 0 0 1 0 0
0 0 0 0 0 1 1
0 0 0 0 0 0 1

Ocigledno, ove dve matrice imaju iste karakteristi

ne polinome (P () =
7
(1 ) ), iste minimalne polinome (m() = (1 )3 ) i jednak geometrijski multiplicitet sopstvene vrednosti 1 (g1 = 3). Ipak, njihove Jordanove
kanonicke forme su razlicite.
Pri odredivanju regularne matrice P pomocu koje se transformacijom
slicnosti dobija Jordanov kanonicki oblik kvadratne matrice A reda n
vaznu ulogu imaju pojam generalisanog sopstvenog vektora i pojam lanca
generalisanih sopstvenih vektora.

41

Definicija 1.11. Neka je A kvadratna matrica reda n, Za sopstvenu

vrednost 1 , vektor x zove se generalisani sopstveni vektor reda k > 0 ako
i samo ako je
(1.33)

(A 1 I)k x = O

i (A 1 I)k1 x 6= O.

Obican sopstveni vektor x je generalisani sopstveni vektor reda 1,

posto je (A 1 I)x = O i (A 1 I)0 x = x 6= O.
Za datu sopstvenu vrednost 1 , neka je x generalisani sopstveni vektor
reda k. Definisimo lanac od k generalisanih sopstvenih vektora na sledeci
nacin:

(1.34)

je

xk =
xk1 =
xk2 =
..
.
x1 =

x
(A 1 I)xk = (A 1 I)x
(A 1 I)xk1 = (A 1 I)2 x
(A 1 I)x2 = (A 1 I)k1 x

Za svako i, 1 i k, xi je generalisani sopstveni vektor reda i posto

(1.35)

(A 1 I)i xi = (A 1 I)i (A 1 I)ki x = (A 1 I)k x = O,

(1.36) (A1 I)i1 xi = (A1 I)i1 (A1 I)ki x = (A1 I)k1 x 6= O.

Primetimo da je x1 obican sopstveni vektor posto je
(1.37)

(A 1 I)x1 = (A 1 I)(A 1 I)k1 x = (A 1 I)k x = O.

Iz jednakosti (1.37) i (1.34) lako se dobija niz jednakosti

(1.38)

Ax1 = 1 x1
Ax2 = x1 + 1 x2
Ax3 = x2 + 1 x3
..
.
Axk = xk1 + 1 xk
42

Lema 1.4. Lanac x1 , x2 , . . . , xk generalisanih sopstvenih vektora je

linearno nezavisan skup vektora.
Dokaz. Dokaz cemo sprovesti matematickom indukcijom po k.
Za k = 1, generalisani sopstveni vektor reda 1 je obican sopstveni
vektor i tvrdenje je, ocigledno, tacno.
Pretpostavimo, sada, da je tvrdenje tacno za k 1 i dokazimo da je
tacno za k.
Neka je x1 , x2 , . . . , xk lanac generalisanih sopstvenih vektora i neka je
(1.39)

c1 x1 + c2 x2 + + ck xk = O.

Dokazimo da poslednja jednakost vazi samo ako je c1 = c2 = = ck = 0.

Primetimo, prvo, da za i = 1, 2, . . . k 1 vazi
(1.40) (AI)k1 xi = (AI)k1 (AI)ki x = (AI)2k(i+1) x = O.

Mnozeci jednakost (1.39) sa leve strane matricom (A I)k1 dobijamo

c1 (A I)k1 x1 + c2 (A I)k1x2 + + ck (A I)k1 xk = O.
Koristeci jednakosti (1.40) dobijamo da je
ck (A I)k1 xk = O.

Kako je (A I)k1 xk 6= O, zakljucujemo da je ck = 0. Jednakost (1.39)

se sada svodi na jednakost
c1 x1 + c2 x2 + + ck1 xk1 = O.
Po induktivnoj pretpostavci generalisani sopstveni vektori x1 , x2 , . . . , xk1
su linearno nezavisni, pa je c1 = c2 = = ck1 = 0.
Ovim je lema dokazana. 2
Iz jednakosti (1.38) sledi da se lancu x1 , x2 , . . . , xk linearno nezavisnih generalisanih sopstvenih vektora moze pridruziti sledeca kvadratna
matrica reda k:

1 1 0 0
0 1 1 0

0 0 1 0
.

..
..
..
..
.
.
.
.
0 0 0 1
43

Ocigledno, ova matrica predstavlja Jordanov blok Jk (1 ).

U nastavku navodimo jos neke osobine lanaca generalisanih sopstvenih
vektora.
Lema 1.5. Za sopstvenu vrednost algebarskog multipliciteta a i geometrijskog multipliciteta g postoji g lanaca koje cemo oznaciti sa
x11
x12
..
.

x21
x22
..
.

...
...

xg1
xg2
..
.

x1r1

x2r2

...

xgrg

takvi da je {xji } linearno nezavisan skup vektora i

oznacava duzinu i-tog lanca.

Pg

i=1 ri

= a. Ovde ri

Lema 1.6. Za datih g lanaca, oznacenih kao u lemi 1.5., vektori {xji }
su linearno nezavisni ako i samo ako su vektori
x11 , x21 , . . . , xg1
linearno nezavisni. Ovo tvrdenje takode vazi i ako lanci odgovaraju razlicitim sopstvenim vrednostima.
Leme 1.4., 1.5. i 1.6. cine osnovu teorije generalisanih sopstvenih vektora. Na osnovu njih proizilazi sledeci vazan rezultat.
Sopstvenoj vrednosti 1 je pridruzeno g1 lanaca generalisanih sopstvenih vektora (g1 je geometrijska visestrukst sopstvene vrednosti 1 ).
Svaki lanac odgovara jednom obicnom sopstvenom vektoru (reda 1).
U ovih g1 lanaca ukupan broj generalisanih sopstvenih vektora je a1 (a1
je algebarski multiljicitet sopstvene vrednosti 1 ). I ovih a1 vektora su
linearno nezavisni.
Napomenimo da nismo diskutovali koliko vektora se nalazi u svakom
lancu. Konstatovali smo samo da je ukupan broj a1 generalisanih sopstvenih vektora podeljen u g1 lanaca pridruzenih sopstvenoj vrednosti
1 .
Dok kvadratna matrica A reda n moze, ali ne mora, da ima n linearno nezavisnih sopstvenih vektora, ona uvek ima n linearno nezavisnih
generalisanih sopstvenih vektora, sto je neposredna posledica leme 1.5..
44

Neka su 1 , 2 , . . . , k razlicite sopstvene vrednosti kvadratne matrice

A reda n. Za 1 i k, sopstvena vrednost i ima algebarski multiplicitet ai i geometrijski multiplicitet gi . Dalje, za 1 i k, sopstvenoj
vrednosti i je pridruzeno gi posebnih lanaca generalisanih sopstvenih
vektora koji sadrze ukupno (u svih gi lanaca) ai linearno nezavisnih generalisanih sopstvenih vektora. Konacno, uzeto sve zajedno, za k razlicitih sopstvenih vrednosti, ukupno n generalisanih sopstvenih vektora
postoji, posmatrajuci sve vektore u svim lancima. Ovi vektori su linearno
nezavisni, sto je neposredna posledica leme 1.6..
Pomocu ovih n generalisanih sopstvenih vektora definise se transformaciona matrica P reda n. Koristeci transformaciju slicnosti A =
P 1 AP , matrica P moze biti upotrebljena da se matrica A transformise
u njen Jordanov kanonicki oblik. Pri tome, svakom Jordanovom bloku
odgovara jedan lanac generalisanih sopstvenih vektora. Jednostavnosti
radi, posmatracemo jednu kvadratnu matricu reda 6. Ideja dokaza je
slicna u opstem slucaju.
Pretpostavimo da je A kvadratna matrica 6-tog reda i da je njenih
6 generalisanih sopstvenih vektora rasporedeno u tri lanca: {x11 , x12 , x13 },
{x21 , x22 } i {x31 } koji odgovaraju redom sopstvenim vrednostima 1 , 2 i
3 (neki od ovih brojeva mogu biti i jednaki medusobno). Matrica
(1.41)

P = [ x11 | x12 | x13 | x21 | x22 | x31 ]

cije su kolone generalisani sopstveni vektori je regularna matrica.

Pomocu transformacije slicnosti A = P 1 AP , matrica A se transformise u njen Jordanov kanonicki oblik. Zaista, koristeci jednakosti
(1.38) za svaki od tri lanaca generalisanih sopstvenih vektora dobijamo
AP = A[ x11 | x12 | x13 | x21 | x22 | x31 ] = [ Ax11 | Ax12 | Ax13 | Ax21 | Ax22 | Ax31 ]
= [ 1 x11 | x11 + 1 x12 | x12 + 1 x13 | 2 x21 | x21 + 2 x22 | 3x31 ]

1 1 0 0 0 0
0 1 1 0 0 0

0 1 0 0 0
1
1
1
2
2
3 0
= P A,
= [ x1 | x2 | x3 | x1 | x2 | x1 ]

0
0
0

1
0
2

0 0 0 0 2 0
0 0 0 0 0 3

tj. A = P 1 AP .

45

Matrica A dobijena ovom transformacijom slicnosti predstavlja Jordanov kanonicki oblik matrice A sa tacno tri Jordanova bloka.
Pitanje koje se sada postavlja glasi: Kako izracunati g lanaca generalisanih sopstvenih vektora navedenih u lemi 1.5. i kako izracunati svih
n generalisanih sopstvenih vektora koji odgovaraju razlicitim sopstvenim
vrednostima matrice A. Pri resavanju ovog problema koristimo i sledecu
lemu.
Lema 1.7. Neka je sopstvena vrednost kvadratne matrice A algebarskog multipliciteta a i geometrijskog multipliciteta g. Tada za svaki
generalisani sopstveni vektor x vazi
(A I)ag+1 x = O.
Ova teorema tvrdi da kada imamo generalisani sopstveni vektor x
reda k (i zato (A I)k x = O i (A I)k1x 6= O), tada k ne moze biti
vece od a g + 1.
Sada mozemo predstaviti algoritam dobijanja n generalisanih sopstvenih vektora koji odgovaraju razlicitim sopstvenim vrednostima matrice A.
1. Izracunati sopstvene vrednosti i obicne sopstvene vektore kvadratne martice A reda n. Odrediti algebarske i geometrijske multiplicitete
sopstvenih vrednosti. Razlicite sopstvene vrednosti su 1 , 2 , . . . , k . Za
1 i k sopstvena vrednost i ima algebarski multiplicitet ai i geometrijski multiplicitet gi .
2. U g1 razlicitih lanaca izracunati ukupno a1 linearno nezavisnih
generalisanih sopstvenih vektora za 1 . Oznacimo sa E1 kolekciju linearno nezavisnih lanaca. Pocinjemo sa kolekcijom E1 koja se sastoji
od obicnih sopstvenih vektora koji odgovaraju sopstvenoj vrednosti 1
i koji su odredeni u prethodnom koraku. Svaki takav vektor je lanac
duzine 1. Sada postupamo na sledeci nacin.
2.1 Odrediti bazu B = {v1 , v2 , . . . , vp } nula prostora nul (A1 I)a1 g1 +1 .
2.2 Racunati (A 1 I)j vi (i = 1, 2, . . . , p) sve dok ne nademo vektor
vi , koji je nezavisan od vektora sadrzanih u (lancima od) E1 , i najvece j,
koje cemo oznaciti sa r, takvo da je
(A 1 I)r vi = O

i (A 1 I)r1 vi 6= O.
46

Takav vektor vi je generalisani sopstveni vektor reda r.

2.3 Konstruisati lanac
xr =
xr1 =
xr2 =
..
.
x1 =

vi
(A 1 I)vi
(A 1 I)2 vi
(A 1 I)r1 vi .

2.4 Iz kolekcije E1 ukloniti lanac koji nije linearno nezavisan sa lancem

{x1 , x2 , . . . , xr } (koristiti lemu 1.6. da se to proveri) a zatim dodati kolekciji E1 lanac {x1 , x2 , . . . , xr }.
Korake 2.2-2.4 ponavljati sve dok se ne dobije a1 vektora u kolekciji
E1 .
3. Ponoviti drugi korak za preostale sopstvene vrednosti 2 , . . . , k .
Na ovaj nacin dobijena je kolekcija
E = E1 E2 . . . Ek
koja sadrzi tacno n generalisanih sopstvenih vektora. Pomocu ove kolekcije formira se matrica P koja matricu A transformacijom slicnosti prevodi u njen Jordanov kanonicki oblik J. Kolone matrice P predstavljaju upravo dobijeni generalisani sopstveni vektori iz E. Sam Jordanov
kanonicki oblik J moze se napisati i bez racunanja proizvoda P 1AP
samo na osnovu poznavanja vektora kolekcije E.
Primer 1.20. Posmatrajmo ponovo

1 1
A= 0 1
0 0

matricu

2
3
2

iz primera 1.13.. Sopstvena vrednost 1 = 1 ima algebaski multiplicitet

a1 = 2 i geometrijski multiplicitet g1 = 1. Obicni sopstveni vektor za 1
je x1 = [1 0 0]T . Sopstvena vrednost 2 = 2 ima geometrijski i algebarski
multiplicitet jednak 1, a obicni sopstveni vektor za 2 je x2 = [5 3 1]T .
47

Jasno, nedostaje nam jedan sopstveni vektor i matrica A ne moze biti

dijagonalizirana transformacijom slicnosti. Ipak, mi mozemo naci dva
generalisana sopstvena vektora pridruzena sopstvenoj vrednosti 1 = 1.
Ova dva generalisana sopstvena vektora zajedno sa sopstvenim vektorom
x2 obrazovace bazu generalisanih sopstvenih vektora.
Polazimo od kolekcije E1 = {{x1 }} koja se sastoji samo od jednog
lanca duzine 1 i koji obrazuje obican sopstveni vektor x1 za 1 = 1.
Kako je a1 g1 + 1 = 2, izracunajmo (A I)j (j = 1, 2). Dobijamo

0 1 2
0 0 5
A I = 0 0 3 (A I)2 = 0 0 3 .
0 0 1
0 0 1
Nula prostor nul (A I)2 sastoji

1
x = c1 0 + c2
0

se od vektora oblika

0
1 = c1 v1 + c2 v2 .
0

Posto su c1 i c2 proizvoljni skalari dobijamo da je nul (AI)2 = L{v1 , v2 }.

Kako je
(A I)v1 = O, (A I)v2 6= O,
zakljucujemo da je v2 generalisani sopstveni vektor reda 2. Formirajmo
lanac


0
1
1
1

x2 = v2 = 1 , x1 = (A I)v2 = 0 .
0
0
Lanac {x1 } iz kolekcije E1 nije linearno nezavisan sa lancem {x11 , x12 },
pa ga zato uklanjamo iz E1 , a ovoj kolekciji dodajemo lanac {x11 , x12 }.
Dobijamo
E1 = {{x11 , x12 }}.

Kolekcija E1 sada sadrzi dva generalisana sopstvena vektora koji odgovaraju sopstvenoj vrednosti 1 = 1, kolika je i njena algebarska visestrukost.
Kako su algebarska i geometrijska visestrukost sopstvene vrednosti
2 = 2 jednake (a1 = g1 = 1), zakljucujemo da ovoj sopstvenoj vrednosti odgovara samo jedan generalisani sopstveni vektor, tj. E2 = {x2 }.
48

Kolekcija
E = E1 E2 = {{x11 , x12 }, {x2 }}
sadrzi tri generalisana sopstvena vektora koje mozemo iskoristiti da napisemo matricu P koja matricu A transformacijom slicnosti svodi na Jordanov kanonicki oblik. Dobijamo

1 0 5
P = 0 1 3
0 0 1
i

1 1 0
1 0 5
1 1 2
1 0 5
J = P 1AP = 0 1 3 0 1 3 0 1 3 = 0 1 0 .
0 0
1
0 0 2
0 0 1
0 0 2
Primetimo da matrica J ima dva Jordanova bloka na dijagonali i
moze biti napisana na sledeci nacin:




J2 (1)
O
1 1
J=
, J2 (1) =
, J1 (2) = [2].
O
J1 (2)
0 1

3 1
1
1
0
0
1
1 1 1
0
0

0
0
2
0
1
1

Primer 1.21. A =

0
0
0
2
1
1

0
0
0
0
1
1
0
0
0
0
1
1
Izracunajmo sopstvene vrednosti matrice A i njihove algebarske multiplicitete. Dobijamo da je |I A| = ( 2)5 . Dakle, matrica A ima
dve razlicite sopstvene vrednosti: 1 = 2 sa algebarskim multiplicitetom
jednakim a1 = 5 i 2 = 0 sa a2 = 1.
Dalje, sopstvena vrednost 1 = 2 ima dva linearno nezavisna sopstvena vektora: x1 = [1 1 0 0 0 0]T , x2 = [0 0 1 1 0 0]T tako da je
geometrijski multiplicitet ove sopstvene vrednosti jednak g1 = 2. Takode,
sopstvena vrednost 2 = 0 ima jedan sopstveni vektor: x3 = [0 0 0 0
1 1]T i njen geometrijski multiplicitet jednak je g2 = 1.
49

U dva razlicita lanca sada treba izracunati pet linearno nezavisnih

generalisanih sopstvenih vektora za 1 = 2. Polazimo od kolekcije E1 =
{{x1 }, {x2 }} koju cine dva obicna sopstvena vektora koja odgovaraju
sopstvenoj vrednosti 1 = 2.
Kako je a1 g1 + 1 = 4 izracunajmo matrice (A 2I)j (j = 1, 2, 3, 4).
Dobijamo

A 2I =

(A 2I)2

(A 2I)3

(A 2I)4

1 1
1
1
0
0
1 1 1 1
0
0
0
0
0
0
1
1
0
0
0
0 1 1
0
0
0
0 1
1
0
0
0
0
1 1

0 0 2 2
0
0
0 0 2 2
0
0

0 0 0 0
0
0

0 0 0 0
0
0

0 0 0 0
2 2
0 0 0 0 2
2

0 0 0 0
0
0
0 0 0 0
0
0

0 0 0 0
0
0

0 0 0 0
0
0

0 0 0 0 4
4
0 0 0 0
4 4

0 0 0 0
0
0
0 0 0 0
0
0

0 0 0 0
0
0

0 0 0 0
0
0

0 0 0 0
8 8
0 0 0 0 8
8
50

Nula prostor nul (A 2I)4 sastoji se od vektora oblika

1
0
0
0
0
1
0
0

0
0
1
0

x = c1 + c2 + c3 + c4 + c5

0
0
0
1

0
0
0
0

0
0
0
0
= c1 v1 + c2 v2 + c3 v3 + c4 v4 + c5 v5

0
0
0
0
1
1

Posto su c1 , c2 , c3 , c4 i c5 proizvoljni skalari imamo da je nul (A 2I)4 =

L{v1 , v2 , v3 , v4 , v5 }.
Kako je
(A 2I)3 v1 = O, (A 2I)3 v2 = O, (A 2I)3 v3 = O,
(A 2I)3 v4 = O, (A 2I)3 v5 = O
a
(A 2I)2 v1 = O, (A 2I)2 v2 = O, (A 2I)2 v3 6= O,
(A 2I)2 v4 6= O, (A 2I)2 v5 = O
zakljucujemo da je v3 generalisani sopstveni vektor reda 3. Formirajmo
lanac
x13 = v3 = [0 0 1 0 0 0]T
x12 = (A 2I)v3 = [1 1 0 0 0 0]T
x11 = (A 2I)2 v3 = [2 2 0 0 0 0]T .
Lanac {x1 } iz E1 nije linearno nezavisan sa lancem {x11 , x12 , x13 }, pa
ga zato uklanjamo iz E1 , a ovoj kolekciji dodajemo lanac {x11 , x12 , x13 }.
Dobijamo
E1 = {{x11 , x12 , x13 }, {x2 }}.
Na ovaj nacin u E1 dobili smo cetiri generalisana sopstvena vektora
koji odgovaraju sopstvenoj vrednosti 1 = 2. Nedostaje jos jedan takav
vektor. Zato biramo iz baze {v1 , v2 , v3 , v4 , v5 } novi vektor koji je linearno
nezavisan od vektora sadrzanih u E1 . Kako je
1
1
v1 = x11 + x12 ,
4
2

1
1
v2 = x11 x12 ,
4
2
51

v4 = x13 x2

zakljucujemo da vektori v1 , v2 i v4 nisu linearno nezavisni od vektora

u E1 . Tu osobinu ima samo vektor v5 . Kako je (A 2I)2 v5 = O i
(A 2I)v5 6= O imamo da je v5 generalisani sopstveni vektor reda 2.
Formirajmo lanac
x22 = v5 = [0 0 0 0 1 1]T
x21 = (A 2I)2 v5 = [0 0 2 2 0 0]T .
Lanac {x2 } iz kolekcije E1 nije linearno nezavisan sa lancem {x21 , x22 },
pa ga zato uklanjamo iz E1 , a ovoj kolekciji dodajemo lanac {x21 , x22 }.
Dobijamo
E1 = {{x11 , x12 , x13 }, {x21 , x22 }}.
Kolekcija E1 sada sadrzi pet generalisanih sopstvenih vektora koji odgovaraju sopstvenoj vrednosti 1 = 2, kolika je i njena algebarska visestrukost.
Kako su algebarska i geometrijska visestrukost sopstvene vrednosti
2 = 0 jednake (a1 = g1 = 1), zakljucujemo da ovoj sopstvenoj vrednosti odgovara samo jedan generalisani sopstveni vektor, tj. E2 = {x3 }.
Kolekcija

E = E1 E2 = {{x11 , x12 , x13 }, {x21 , x22 }, {x3 }}

sadrzi sest generalisanih sopstvenih vektora koje mozemo iskoristiti da
napisemo matricu P koja matricu A transformacijom slicnosti svodi na
Jordanov kanonicki oblik:

1
1
1
2
2
P = [x1 | x2 | x3 | x1 | x2 | x3 ] =

2
1 0
0 0
0
2 1 0
0 0
0
0
0 1
2 0
0
0
0 0 2 0
0
0
0 0
0 1 1
0
0 0
0 1
1

Sada mozemo napisati (racunanje nije potrebno) Jordanov kanonicki

52

oblik matrice A:

J =

Primetimo da J sadrzi

2 1

J3 (2) = 0 2
0 0

2
0
0
0
0
0

1
2
0
0
0
0

0
1
2
0
0
0

0
0
0
2
0
0

0
0
0
1
2
0

0
0
0
0
0
0

tri Jordanova bloka



0
2
1
1 , J2 (2) =
,
0 2
2

J1 (0) = [0].

Lako je videti da matrica J zadovoljava jednakost P J = AP , tj.

J = P 1 AP . Kao vezbu u MatLab-u, unesite matrice A i P i otkucajte
naredbu inv(P ) A P . MatLab ce vam vratiti kao rezultat Jordanov
kanonicki oblik J matrice A.

1.10

Specijalne matrice

Definicija 1.12. Ako je A = (aij ) matrica tipa m n, tada se matrica B = (bji ) tipa n m, gde je
bji = aij (i = 1, 2, . . . , m; j = 1, 2, . . . , n)
naziva transponovanom matricom matrice A i obelezava se sa AT .
Ova definicija ekvivalentna je jednakosti:
T

a11 a21 . . . am1

a11 a12 . . . a1n
a12 a22 . . . am2
a21 a22 . . . a2n

..
..
..
..
.. = ..
.
.
.
.
.
.
a1n a2n . . . amn
am1 am2 . . . amn
Primer 1.22.

2 0 1
5 3 2

T

2
5
3 .
= 0
1 2
53

Operacija transponovanja ima sledece osobine:

10 (AT )T = A,
30 (A)T = AT ,

20 (A + B)T = AT + B T ,
40 (AB)T = B T AT .

Definicija 1.13. Ako je A = (aij ) matrica tipa m n sa kompleksnim elementima, matrica C = (cij ) tipa m n, gde je
cij = aij (i = 1, 2, . . . , m; j = 1, 2, . . . , n)
naziva se konjugovanom matricom matrice A i obelezava se sa A.
Primer 1.23. Ako je
A=

1i 2+i
3
i
1
3+i

tada je
A=

1+i 2i
3
i
1
3i

Operacija konjugovanja ima sledece osobine:

10 (A) = A,
30 (A) = A,

20 (A + B) = A + B,
40 (AB) = A B.

Operacije transponovanja i konjugovanja su komutativne, tj.

AT = (A)T .
Matrica
AH = AT = (A)T
naziva se konjugovano-transponovana matrica matrice A.
Na osnovu osobina transponovanja i konjugovanja moze se dokazati
da vaze sledece jednakosti
10 (AH )H = A,
30 (A)H = AH ,

20 (A + B)H = AH + B H ,
40 (AB)H = B H AH .
54

Definicija 1.14. Kvadratna matrica A je simetricna ako i samo ako

je
AT = A.

(1.42)

Ako je A = (aij )n1 , tada je AT = (bji )n1 , gde je bji = aij (i, j =
1, 2, . . . , n). Iz jednakosti (1.42) sledi
aij = aji

(i, j = 1, 2, . . . , n),

tj. clanovi simetricne matrice su simetricni u odnosu na glavnu dijagonalu.

Primer 1.24.

0 2 3
A= 2 1
4 ,
3 4 2

i
2+i
3
B = 2 + i i
1 .
3
1
4i

Definicija 1.15. Kvadratna matrica A je koso-simetricna ako i samo

ako je
AT = A.

(1.43)
Iz jednakosti (1.43) sledi
(1.44)

aij = aji

(i, j = 1, 2, . . . , n).

Elementi koso-simetricne matrice na glavnoj dijagonali jednaki su 0.

Zaista, iz (1.44) za i = j sledi
aii = aii ,
tj. 2aii = 0. Dakle, aii = 0 (i = 1, 2, . . . , n).
Kako za koso-simetricne matrice vazi jednakost
|A| = |AT | = | A| = (1)n |A|,
zakljucujemo da ako je n neparan broj, tada je |A| = 0.
55

Primer 1.25.

0
1 2
0
3 ,
A = 1
2 3
0

0
1i
3i
0
2 + 5i .
B = 1 + i
3i 2 5i
0

Definicija 1.16. Kvadratna matrica A je hermitska ako i samo ako

je
AH = A.

(1.45)
Iz (1.45) sledi
(1.46)

aij = aji

(i, j = 1, 2, . . . , n).

Iz (1.45) za i = j dobijamo
aii = aii

(i = 1, 2, . . . , n),

tj. elementi na glavnoj dijagonali su realni brojevi.

Primer 1.26.

1
1 + i 2 3i
A= 1i
0
4 + i .
2 + 3i 4 i
5

Ako je A realna matrica, tada je AH = AT i hermitska matrica je, u

stvari, simetricna matrica.
Definicija 1.17. Kvadratna matrica A je koso-hermitska ako i samo
ako je
AH = A.

(1.47)
Iz (1.47) sledi
(1.48)

aij = aji

(i, j = 1, 2, . . . , n).

Iz (1.48) za i = j dobijamo
aii = aii

(i = 1, 2, . . . , n),

tj. elementi na glavnoj dijagonali su nule ili cisto imaginarni brojevi.

56

Primer 1.27.
A=

i
2+i
2 + i
0

i
1 + i 2 3i
2i 4 + i .
B = 1 + i
2 3i 4 + i 3i

Ako je A realna matrica, tada je AH = AT i koso-hermitska matrica

je, u stvari, koso-simetricna matrica.
Definicija 1.18. Kvadratna matrica A je ortogonalna ako i samo
ako je
AT A = I.

(1.49)
Iz (1.49) sledi

|AT A| = |I| |AT | |A| = 1 |A|2 = 1 |A| = 1 6= 0.

Dakle, postoji inverzna matrica A1 . Mnozeci jednakost (1.49) sa desne
strane matricom A1 dobijamo jednakost
AT = A1 .

(1.50)

Ortogonalna matrica A je regularna i njena inverzna matrica A1

jednaka je transponovanoj matrici AT . Iz jednakosti
A A1 = A1 A = I,
tj.
A AT = AT A = I,
zakljucujemo da je ortogonalna matrica A komutativna sa svojom transponovanom matricom AT .
Primer 1.28.

A=

0, 96 0, 28
0, 28
0, 96

57

0
0
B=
1
0

0
0
0
1

0
1
0
0

1
0
.
0
0

Definicija 1.19. Kvadratna matrica A je unitarna ako i samo ako

je
AH A = I.

(1.51)
Iz (1.51) sledi

|AH A| = |I| |AH | |A| = 1 |A| =

6 0.
Dakle, postoji inverzna matrica A1 . Mnozeci jednakost (1.51) sa desne
strane matricom A1 dobijamo jednakost
AH = A1 .

(1.52)

Unitarna matrica A je regularna i njena inverzna matrica A1 jednaka

je konjugovano-transponovanoj matrici AH . Iz jednakosti
A A1 = A1 A = I,
tj.
A AH = AH A = I,

zakljucujemo da je unitarna matrica A komutativna sa svojom konjugovanotransponovanom matricom AH .

Primer 1.29.
"
A=

1
3

1
3

i
3

13
1 i
3
3

B=

1
2
i

1
2
i
2

0
0 .
1

Definicija 1.20. Kvadratna matrica A je normalna ako i samo ako

je
(1.53)

AH A = AAH .

Ocigledno je da su hermitske, koso-hermitske i unitarne matrice normalne matrice. Takode, od realnih matrica sve simetricne, koso-simetricne
i ortogonalne matrice su normalne. Medutim, postoje i normalne matrice
koje ne pripadaju ni jednoj od pomenutih klasa, kao sto pokazuje sledeci
primer.
58

Primer 1.30.
A=

1
i
1 2+i

1 1 0
B = 0 1 1 .
1 0 1

Definicija 1.21. Kvadratna matrica A je nilpotentna ako i samo

ako je Ak = O za neki prirodan broj k. Najmanji takav broj k se ponekad
zove stepen matrice A i oznacava se sa (A).
Primer 1.31. Matrica
A=

0 1
0 0

je nilpotentna, jer je A2 = O. Opstije, svaka trougaona matrica sa nulama na glavnoj dijagonali je nilpotentna. Na primer, matrica

0 2 1 6
0 0 1 2

B=
0 0 0 3
0 0 0 0
je nilpotentna

0 0

0 0
B2 =
0 0
0 0

sa
2
0
0
0

7
3
,
0
0

0
B3 =
0
0

0
0
0
0

0
0
0
0

6
0
,
0
0

0
B4 =
0
0

0
0
0
0

0
0
0
0

0
0
.
0
0

Mada navedeni primeri imaju veliki broj nula clanova, kod tipicne nilpotentne matrice to ne mora da bude slucaj. Na primer, za matricu

5 3 2
C = 15 9 6
10 6 4
je C 2 = O, mada ova matrica nema nijedan nula clan.

Definicija 1.22. Kvadratna matrica A je idempotentna ako i samo

ako je A2 = A.
59

Primer 1.32. Nula matrica O i jedinicna matrica I su idempotentne

matrice, jer je O 2 = O i I 2 = I. Lako se proverava da su i sledece matrice
idempotentne



2 2 4
4 1
3
4 .
A=
, B = 1
12 3
1 2 3
Ako je A idempotentna matrica tada je Ar = A za svaki prirodan broj
r. Tvrdenje je ocigledno za r = 1. Ako pretpostavimo da je tvrdenje
tacno za prirodan broj r, lako se dokazuje da je ono tacno i za prirodan
broj r + 1. Zaista,
Ar+1 = Ar A = A A = A.
Na osnovu matematicke indukcije zakljucujemo da je tvrdenje tacno za
svaki prirodan broj r.
Ako je A idempotentna matrica, tada je i matrica I A takode idempotentna matrica. Zaista,
(I A)2 = (I A)(I A) = I A A + A2 = I A.
Takode, ako su A i B idempotentne matrice istog reda i ako je AB =
BA, tada je AB idempotentna matrica. To sledi na osnovu jednakosti
(AB)(AB) = A(BA)B = A(AB)B = A2 B 2 = AB.
Definicija 1.23. Kvadratna matrica A je involutivna ako i samo
ako je A2 = I.
Drugim recima, kvadratna matrica je involutivna ako i samo ako je
inverzna samoj sebi, tj. A1 = A.
Primer 1.33.
A=

4 1
15 4

3 4 4
B = 0 1 0 .
2
2 3
60

1.11

Osobine spektara nekih klasa matrica

Ako je A kvadratna matrica tipa n sa kompleksnim koeficijentima, tada

za svaki x, y C n vazi
(Ax, y) = (x, AH y),
(x, Ay) = (AH x, y).

(1.54)
(1.55)

Zaista, prema definiciji skalarnog proizvoda6 u C n je

(Ax, y) = y H Ax = (AH y)H x = (x, AH y).
Jednakost (1.55) se dobija iz jednakosti (1.54), stavljajuci AH umesto A.
Ako je A realna kvadratna matrica reda n, tada se analogno dokazuje
da za svaki x, y Rn vazi
(Ax, y) = (x, AT y),
(x, Ay) = (AT x, y).
Teorema 1.15. Sve sopstvene vrednosti hermitske matrice su realne.
Dokaz. Neka je A hermitska matrica reda n i proizvoljna sopstvena
vrednost matrice A, a x C n jedan odgovarajuci sopstveni vektor. Tada
je Ax = x i
||x||2 = (x, x) = (x, x) = (Ax, x) = (x, AH x)
= (x, Ax) = (x, x) = ||x||2.
Kako je x 6= O, iz poslednje jednakosti sledi = , cime je dokaz zavrsen.
2
6

Ako x, y C n tada je sa
(x, y) = y

x =

definisan skalarni proizvod u C n .

. . . 1

61

1
2
..
.
n

n
X

i i
=
i=1

Teorema 1.16. Sve sopstvene vrednosti koso-hermitske matrice su

cisto imaginarni brojevi.
Dokaz. Neka je A koso-hermitska matrica reda n. tada je B = iA
hermitska matrica i njene sopstvene vrednosti 1 , 2 , . . . , n su prema
teoremi 1.15. realni brojevi. Sopstvene vrednosti matrice A = iB su
i1 , i2 , . . . , in
i one su cisto imaginarni brojevi. 2
Teorema 1.17. Sve sopstvene vrednosti unitarne matrice imaju modul
1.
Dokaz. Neka je A unitarna matrica reda n, jedna njena sopstvena
vrednost i x odgovarajuci sopstveni vektor. Tada je Ax = x i
||2 ||x||2 = (x, x) = (x, x) = (Ax, Ax) = (x, AH Ax)
= (x, Ix) = (x, x) = ||x||2.
Dakle, ||2 = 1, sto smo i hteli da dokazemo. 2
Sopstvene vrednosti realne simetricne matrice su realne. Sopstvene
vrednosti realne ortogonalne matrice imaju module jednake 1. Ova tvrdenja slede iz teorema 1.15. i 1.17..
Lema 1.8. Ako je A normalna matrica, tada za svaki x C n vazi
implikacija
Ax = O AH x = O.
Dokaz. Iz Ax = O sledi
0 = (Ax, Ax) = (x, AH Ax) = (x, AAH x) = (AH x, AH x) = ||AH x||2 ,
tj. AH x = O. 2
Teorema 1.18. Ako je x sopstveni vektor normalne matrice A za
sopstvenu vrednost , tada je x sopstveni vektor matrice AH za sopstvenu
vrednost .
62

Dokaz. Iz Ax = x sledi
(1.56)

(A I)x = O.

Matrica B = A I je takode normalna jer je B H = (A I)H =

AH I i
BB H =
=
=
=
=

(A I)(AH I)
AAH AH A + I
AH A AH A + I
(AH I)(A I)
B H B.

Prema tome, iz (1.56) na osnovu leme 1.8. sledi

(AH I)x = O
tj.
AH x = x,
sto je i trebalo dokazati. 2
Teorema 1.19. Sopstveni vektori normalne matrice koji odgovaraju
razlicitim sopstvenim vrednostima su ortogonalni.
Dokaz. Neka su x1 i x2 sopstveni vektori normalne matrice A koji
odgovaraju sopstvenim vrednostima 1 i 2 pri cemu je 1 6= 2 . Tada je
1 (x1 , x2 ) = (1 x1 , x2 ) = (Ax1 , x2 ) = (x1 , AH x2 ) = (x1 , 2 x2 ) = 2 (x1 , x2 ),
tj.
(1 2 )(x1 , x2 ) = 0.
Primetimo da smo ovde koristili teoremu 1.18.. Kako je 1 6= 2 , iz
poslednje jednakosti sledi (x1 , x2 ) = 0, sto znaci da su vektori x1 i x2
ortogonalni. 2
Teorema 1.20. Kvadratna matrica A je nilpotentna ako i samo ako
su sve sopstvene vrednosti matrice A jednake 0.
63

Dokaz. Pretpostavimo, da kvadratna matrica A ima ne-nula sopstvenu vrednost kojoj odgovara sopstveni vektor x. Tada je Ax = x
i Ak x = k x za svako k N. Zbog toga, nijedan stepen matrice A nije
nula matrica, tj. A nije nilpotentna matrica.
Pretpostavimo, sada, da su sve sopstvene vrednosti matrice A jednake
0. Tada je karakteristicni polinom matrice A jednak
P () = ( 1 )( 2 ) ( n ) = n .
Na osnovu Cayley-Hamiltonove teoreme je P (A) = An = O, pa zakljucujemo da je A nilpotentna matrica. 2
Teorema 1.21. Sopstvene vrednosti idempotentne matrice jednake
su 0 ili 1.
Dokaz. Neka je A2 = A i neka je x sopstveni vektor matrice A koji
odgovara sopstvenoj vrednosti. Tada je
x = Ax = A2 x = 2 x,
tj. (2 )x = o. Kako je x 6= o, iz poslednje jednakosti sledi 2 = 0,
tj. = 0 ili = 1. 2

64