1. Wiadomo´sci wst˛epne
Transkrypt
1. Wiadomo´sci wst˛epne
1 1. Wiadomości wst˛epne A. MACIERZE (przypomnienie) Symbol K bedzie ˛ w dalszym ciagu ˛ oznaczać ciało R liczb rzeczywistych lub ciało C liczb zespolonych. ˛ oznaczać zbiór wszystkich macierzy Niech n, m ∈ N. Symbolem L (Km , Kn ) bedziemy wymiaru n × m (tzn. majacych ˛ n wierszy i m kolumn), których wyrazy należa˛ do ciała K. Niech A ∈ L (Km , Kn ) , A = [aij ] , 1 ≤ i ≤ n, 1 ≤ j ≤ m. Dla i ∈ {1, ..., n} i-tym wierszem macierzy A nazywamy macierz jednowierszowa˛ Wi = [ai1 , ai2 , ..., aim ] . Dla j ∈ {1, 2, ..., m} j-ta˛ kolumna˛ macierzy A nazywamy macierz jednokolumnowa˛ a1j a2j Kj = .. . . anj Możemy zapisać: A= W1 W2 .. . Wn = K1 K2 · · · Km . ˛ macierza˛ kwadratowa˛ stopnia n. Dla Niech A ∈ L (Kn , Kn ) , A = [aij ] , 1 ≤ i ≤ n, bedzie i, j ∈ {1, ..., n} dopełnieniem algebraicznym wyrazu aij macierzy A nazywamy liczbe˛ Aij określona˛ wzorem Aij = (−1)i+j Mij , gdzie Mij jest wyznacznikiem macierzy otrzymanej z A przez usuniecie ˛ wiersza o numerze i oraz kolumny o numerze j, czyli macierzy W1 .. . Wi−1 = K1 · · · Kj−1 Kj+1 · · · Km . Wi+1 . .. Wn (Mij nazywamy minorem głównym macierzy A). Transponowana˛ macierz dopełnień algebraicznych wyrazów macierzy A nazywamy macierza˛ dołaczon ˛ a˛ i oznaczamy symbolem Aad . Tak wiec ˛ A11 A21 · · · An1 A12 A22 · · · An2 Aad = [Aij ]T = ··· ··· ··· ··· . A1n A2n · · · Ann 2 TWIERDZENIE 1 (twierdzenie Laplace’a). Dla każdej macierzy A ∈ L (Kn , Kn ) zachodzi równo´s´c: A · Aad = (det A) · In , gdzie det A oznacza wyznacznik macierzy A, za´s In jest macierza˛ jednostkowa˛ stopnia n. Łatwym wnioskiem z tego twierdzenia jest fakt, że jeżeli macierz A jest nieosobliwa (tzn gdy det A = 0), to jej macierz odwrotna A−1 dana jest wzorem: 1 −1 A = Aad . det A TWIERDZENIE 2 (twierdzenie Cauchy’ego). Dla wszystkich macierzy A, B ∈ L (Kn , Kn ) zachodzi równo´s´c: det (AB) = (det A) (det B) . Z powyższego twierdzenia wynika m. in. to, że macierz osobliwa nie posiada macierzy odwrotnej. B. PRZESTRZENIE UNORMOWANE. OPERATORY LINIOWE (przypomnienie) Przestrzenia˛ metryczna˛ nazywamy pare˛ (X, d) , gdzie X = ∅, zaś d : X × X → R jest funkcja˛ spełniajac ˛ a˛ nastepuj ˛ ace ˛ warunki: (a) d (x, y) ≥ 0 i d (x, y) = 0 ⇔ x = y, (b) d (x, y) = d (y, x) , (c) d (x, z) ≤ d (x, y) + d (y, z) dla wszystkich x, y, z ∈ X. Funkcje˛ d nazywamy metryka. ˛ Dla x, y ∈ X liczbe˛ d (x, y) nazywamy odległościa˛ punktów x i y. Niech (X, d) bedzie ˛ przestrzenia˛ metryczna. ˛ Powiemy, że ciag ˛ (xn ) punktów tej przestrzeni spełnia warunek Cauchy’ego (jest ciagiem ˛ Cauchy’ego), jeżeli d (xn , xm ) < ε ε>0 n0 ∈N n,m≥n0 lub, co jest równoważne, gdy lim d (xn , xm ) = 0. W przestrzeni metrycznej każdy ciag ˛ n,m→∞ zbieżny jest ciagiem ˛ Cauchy’ego (lecz oczywiście niekoniecznie na odwrót). Niech (X, d) bedzie ˛ przestrzenia˛ metryczna.˛ Przestrzeń nazywamy zupełna, ˛ jeżeli każdy ciag ˛ punktów tej przestrzeni spełniajacy ˛ warunek Cauchy’ego jest w tej przestrzeni zbieżny. Niech X bedzie ˛ przestrzenia˛ liniowa˛ nad ciałem K. Symbolem 0 oznaczymy wektor zerowy przestrzeni X. Norma˛ w przestrzeni X nazywamy funkcje˛ · : X → R przyporzadkowuj ˛ ac ˛ a˛ każdemu wektorowi x ∈ X liczbe˛ x (zwana˛ długościa˛ lub norma˛ wektora x), spełniajac ˛ a˛ warunki: 3 (1) x ≥ 0 i x = 0 ⇔ x = 0, (2) tx = |t| · x , (3) x + y ≤ x + y dla wszystkich x, y ∈ X i t ∈ K. Pare˛ (X, ·) nazywamy .przestrzenia˛ unormowana. ˛ (Czesto ˛ przestrzeń unormowana˛ oznaczamy krótko: X, gdy nie ma watpliwości, ˛ jaka norma jest w niej rozważana). W każdej przestrzeni liniowej o dodatnim wymiarze istnieje norma (zob. zad. 7), a nawet nieskończenie wiele różnych norm. Jeżeli (X, ·) jest przestrzenia˛ unormowana,˛ to funkcja d : X × X → R określona wzorem: d (x, y) = x − y (x, y ∈ X) jest metryka˛ w X. Nazywamy ja˛ metryka˛ generowana˛ przez norm˛e. Przestrzeń (X, ·) nazywamy przestrzenia˛ Banacha, jeżeli jest zupełna w metryce generowanej przez norm˛e · . Niech X bedzie ˛ przestrzenia˛ liniowa˛ nad ciałem K. Iloczynem skalarnym w przestrzeni X nazywamy funkcje˛ ·, · : X × X → K przyporzadkowuj ˛ ac ˛ a˛ każdej parze (x, y) wektorów x, y ∈ X liczbe˛ x, y (zwana˛ iloczynem skalarnym wektorów x i y), spełniajac ˛ a˛ warunki: (1) x + y, z = x, z + y, z , (2) tx, y = t x, y , (3) x, y = y, x, (4) x, x ≥ 0 i x, x = 0 ⇔ x = 0 dla wszystkich x, y, z ∈ X i t ∈ K. Pare˛ (X, ·, ·) nazywamy .przestrzenia˛ unitarna˛ lub przestrzenia˛ z iloczynem skalarnym. (W przestrzeni rzeczywistej, tj. gdy K = R, warunek (3) przybiera postać (3’) x, y = y, x dla wszystkich x, y ∈ X). W każdej przestrzeni liniowej o dodatnim wymiarze istnieje iloczyn skalarny (zob. zad. 8), a nawet nieskończenie wiele różnych iloczynów skalarnych. Jeżeli (X, ·, ·) jest przestrzenia˛ unitarna, ˛ to funkcja · : X → R określona wzorem: x = x, x (x ∈ X) jest norma˛ w X. Nazywamy ja˛ norma˛ generowana˛ przez dany iliczyn skalarny. Tak wiec ˛ kazda przestrzeń unitarna jest przestrzenia˛ unormowana. ˛ Przestrzeń unitarna˛ (X, ·, ·) nazywamy przestrzenia˛ Hilberta, jeżeli jest zupełna w normie generowanej przez iloczyn skalarny ·, · . Tak wiec ˛ każda przestrzeń Hilberta jest przestrzenia˛ Banacha. Niech X, Y bed ˛ a˛ przestrzeniami liniowymi (nad tym samym ciałem K). Odwzorowanie A : X → Y nazywamy operatorem liniowym (operacja˛ liniowa, ˛ przekształceniem liniowym), jeżeli spełnione sa˛ warunki: (1) A (x + y) = A (x) + A (y) , (2) A (tx) = tA (x) dla wszystkich x, y ∈ X i t ∈ K. 4 Operatory liniowe można dodawać i mnożyć przez skalary, tj. elementy ciała K. Mianowicie, jeżeli A, B : X → Y sa˛ operatorami liniowymi i x ∈ X, t ∈ K, to (A + B) (x) = A (x) + B (x) , (tA) (x) = t · A (x) . A + B : X → Y oraz tA : X → Y sa˛ wówczas operatorami liniowymi. Także superpozycja (przy odpowiednich założeniach) operatorów liniowych jest operatorem liniowym. Jeżeli operator A : X → Y posiada przekształcenie odwrotne A−1 (jak mówimy, gdy jest odwracalny), to A−1 ; Y → X jest operatorem liniowym. Jeżeli A : X → Y jest operatorem liniowym i x ∈ X, to piszemy czesto: ˛ Ax zamiast A (x) . Niech (X, ·X ) i (Y, ·Y ) bed ˛ a˛ przestrzeniami unormowanymi (nad tym samym ciałem K) i niech A : X → Y bedzie ˛ operatorem liniowym. Norme˛ operatorowa˛ (krótko: norm˛e) operatora A określa wzór: A = sup {AxY : x ∈ X ∧ xX ≤ 1} . Operator A nazywamy ograniczonym, jeżeli A < +∞. Zbiór wszystkich operatorów ograniczonych A : X → Y bedziemy ˛ oznaczać symbolem L (X, Y ) . Prawdziwe sa˛ nastepuj ˛ ace ˛ twierdzenia, których nie bedziemy ˛ tutaj dowodzić. ˛ a˛ przestrzeniami unormowanymi TWIERDZENIE 3. Niech (X, ·X ) i (Y, ·Y ) bed (nad tym samym ciałem K). Operator liniowy A : X → Y jest ograniczony wtedy i tylko wtedy, gdy jest ciagłym ˛ odwzorowaniem przestrzeni X w Y. TWIERDZENIE 4. Niech (X, ·X ) i (Y, ·Y ) bed ˛ a˛ przestrzeniami unormowanymi (nad tym samym ciałem K). Jeżeli X jest przestrzenia˛ o wymiarze skończonym, to każdy operator liniowy A : X → Y jest ograniczony. TWIERDZENIE 5. Niech (X, ·X ) i (Y, ·Y ) bed ˛ a˛ przestrzeniami unormowanymi (nad tym samym ciałem K). Wtedy (L (X, Y ) , ·) jest przestrzenia˛ unormowana˛ nad ciałem K ( · oznacza norme˛ operatorowa). ˛ Jeżeli (Y, ·Y ) jest przestrzenia˛ Banacha, to (L (X, Y ) , ·) jest również przestrzenia˛ Banacha. Prawdziwe sa˛ także nastepuj ˛ ace ˛ fakty. FAKT 1. Niech (X, ·X ) i (Y, ·Y ) bed ˛ a˛ przestrzeniami unormowanymi (nad tym samym ciałem K) i niech A ∈ L (X, Y ) . Zachodza˛ równo´sci: (1) A = sup {AxY : x ∈ X ∧ xX = 1} . (2) A = inf {L ≥ 0 : AxY ≤ L xX dla każdego x ∈ X} . Dowód - patrz zad. 10. Podstawowa˛ role˛ w rozważaniach dotyczacych ˛ operatorów w przestrzeniach unormowanych odgrywa nastepuj ˛ ace ˛ spostrzeżenie. FAKT 2. Niech (X, ·X ) i (Y, ·Y ) bed ˛ a˛ przestrzeniami unormowanymi (nad tym samym ciałem K) i niech A ∈ L (X, Y ) . Wtedy AxY ≤ A · xX 5 dla wszystkich x ∈ X. Dowód - patrz zad. 11. C. ZWIAZEK ˛ POMIEDZY ˛ MACIERZAMI I OPERATORAMI (przypomnienie) Niech X, Y bed ˛ a˛ przestrzeniami liniowymi (nad tym samym ciałem K) o wymiarach skończonych, dim X = m, dim Y = n (m, n ∈ N) i niech T : X → Y bedzie ˛ operatorem liniowym. Ustalmy bazy: (e1 , ..., em ) w przestrzeni X i (f1 , ..., f n ) w przestrzeni Y. Każdy wektor m x ∈ X można jednoznacznie zapisać w postaci: n x = j=1 xj ej , a każdy wektor y ∈ Y można jednoznacznie zapisać w postaci: y = i=1 yi fi , gdzie xj , yi ∈ K, j ∈ {1, ..., m} , i ∈ {1, ..., n} . Wektory T ej należa˛ do Y dla j ∈ {1, ..., m} i mamy T e1 = a11 f1 + a21 f2 + ... + an1 fn , T e2 = a12 f1 + a22 f2 + ... + an2 fn , · · · · · · · · · · · · · · · · · · · · · · · · ·· T em = a1m f1 + a2m f2 + ... + anm fn , ogólnie, T ej = n aij fi , j ∈ {1, ..., m} , i=1 gdzie aij ∈ K, i ∈ {1, ..., n} , j ∈ {1, ..., m} . Macierz AT = [aij ] , 1 ≤ i ≤ n, 1 ≤ j ≤ m, wymiaru n × m, a11 a12 · · · a1m a21 a22 · · · a2m AT = ··· ··· ··· ··· an1 an2 · · · anm nazywamy macierza˛ operatora m A w bazach (ej ) oraz (fi ) . n Wybierzmy x ∈ X, x = j=1 xj ej i niech y = T x, y = i=1 yi fi . Przyporzadkujmy ˛ wektorom x i y jednokolumnowe macierze [x] i [y] ich współrzednych ˛ w bazach (ej ) oraz (fi ) , odpowiednio: x1 y1 x2 y2 [x] = .. , [y] = .. . . . xm yn Zachodzi elegancka równość: [y] = AT · [x] . 6 (Symbol · oznacza mnożenie macierzy). Określona powyżej odpowiedniość T ↔ AT pomiedzy ˛ operatorami i ich macierzami (przy ustalonych bazach) zachowuje sie˛ przy działaniach na operatorach. Mianowicie, jeżeli T, S : X → Y sa˛ operatorami liniowymi i t ∈ K, to AT +S = AT + AS , AtT = t · AT . Jeżeli X, Y, Z sa˛ przestrzeniami liniowymi i ustalimy w nich bazy, a S : X → Y i T : Y → Z sa˛ operatorami liniowymi, to AT ◦S = AT · AS . (Symbol ◦ oznacza tutaj składanie przekształceń). Jeżeli operator T : X → X jest odwracalny, to AT −1 = A−1 T . Operatorowi tożsamościowemu IX : X → X, IX (x) = x dla każdego x ∈ X, odpowiada macierz AIX = In jednostkowa, stopnia n (n = dim X). Wszystko to tłumaczy stosowany czesto ˛ w algebrze liniowej zwyczaj oznaczania ta˛ sama˛ litera˛ operatora liniowego i jego macierzy (a nawet identyfikowania operatora z jego macierza). ˛ Należy jednak przy tym pamietać ˛ o nastepuj ˛ acej ˛ uwadze. UWAGA. Macierz AT operatora T : X → Y opisana powyżej zależy od wyboru baz (ej ) oraz (fi ) w przestrzeniach liniowych X i Y, odpowiednio. Zadania A. MACIERZE 1. Znaleźć macierze dołaczone ˛ −1 1 A= 5 macierzy: 5 −3 2 1 , 3 7 2. Znaleźć macierze odwrotne do macierzy: A= 1 1 0 1 , i 1 1 B = 0 i 1 . 0 0 i −1 5 −3 B= 1 2 1 . 5 −3 7 3. Udowodnić, że jeżeli A ∈ L (Kn , Kn ) i det A = 0, to nie istnieje taka macierz B ∈ L (Kn , Kn ) , że AB = In (In oznacza macierz jednostkowa˛ stopnia n). 4. Dana jest macierz −1 5 −3 A= 1 2 1 . 5 −3 7 Czy istnieje taka niezerowa macierz X ∈ L (K3 , K3 ) , dla której AX = O3 (O3 oznacza macierz zerowa˛ stopnia 3) ? 5. Macierz A ∈ L (Rn , Rn) nazywamy macierza˛ ortogonalna, ˛ jeżeli AAT = AT A = In (In oznacza macierz jednostkowa˛ stopnia n). Udowodnić, że jeżeli A jest macierza˛ ortogonalna,˛ to det A = ±1. 7 6. Udowodnić, że jeżeli A ∈ L (R2 , R2 ) jest macierza˛ ortogonalna, ˛ to ma ona jedna˛ z dwóch postaci: cos α − sin α cos α sin α A= , A= , sin α cos α sin α − cos α gdzie α ∈ R jest pewna˛ liczba˛ rzeczywista.˛ B. PRZESTRZENIE UNORMOWANE. OPERATORY LINIOWE 7. Udowodnić, że w każdej przestrzeni liniowej o dodatnim wymiarze istnieje norma. 8. Udowodnić, że w każdej przestrzeni liniowej o dodatnim wymiarze istnieje iloczyn skalarny. 9. Przypomnieć określenia klasycznych przestrzeni Banacha: c, c0 , l∞ , lp dla p ≥ 1, C ([a, b]) , L∞ ([a, b]) , Lp ([a, b]) dla p ≥ 1 (a, b ∈ R, a < b) oraz przestrzeni Hilberta l2 i L2 ([a, b]) . Podać przykład przestrzeni liniowej unormowanej (X, ·) nie bed ˛ acej ˛ przestrzenia˛ zupełna.˛ 10. Niech (X, ·X ) i (Y, ·Y ) bed ˛ a˛ przestrzeniami unormowanymi (nad tym samym ciałem K) i niech A ∈ L (X, Y ) . Udowodnić, że zachodza˛ równości: (1) A = sup {AxY : x ∈ X ∧ xX = 1} . (2) A = inf {L ≥ 0 : AxY ≤ L xX dla każdego x ∈ X} . 11. Niech (X, ·X ) i (Y, ·Y ) bed ˛ a˛ przestrzeniami unormowanymi (nad tym samym ciałem K) i niech A ∈ L (X, Y ) . Udowodnić, że AxY ≤ A · xX dla wszystkich x ∈ X. 12. Dla każdego x = (x1 , x2 ) ∈ R2 niech x1 − x2 x1 + x2 A (x1 , x2 ) = , . 2 2 i niech x2 = x21 + x22 , x1 = |x1 | + |x2 | , x∞ = max {|x1 | , |x2 |} . W każdym z poniższych przypadków wyznaczyć norm˛e operatora liniowego A pomiedzy ˛ wskazanymi przestrzeniami. (a) A : (R2 , ·2 ) → (R2 , ·2 ) . (b) A : (R2 , ·∞) → (R2 , ·1 ) . (c) A : (R2 , ·∞ ) → (R2 , ·∞ ) . (d) A : (R2 , ·1 ) → (R2 , ·1 ) . (e) A : (R2 , ·∞ ) → (R2 , ·2 ) . (f) A : (R2 , ·1 ) → (R2 , ·2 ) . 8 13. Wykazać, że nastepuj ˛ ace ˛ operatory liniowe sa˛ ograniczone i wyznaczyć ich normy. (a) A : C ([0, 1]) → C ([0, 1]) ,(Az) (t) = tz (t) , t ∈ [0, 1] . 1 (b) A : C ([0, 1]) → K, Af = 0 f (x) dx. (c) A : C ([−1, 1]) → C ([0, 1]) , (Af ) (x) = f (x) , x ∈ [0, 1] . (d) A : lp → lp (1 ≤ p ≤ +∞), A (x1 , x2 , x3 , ...) = (0, x1 , x2 , x3 , ...) . (e) A : lp → lp (1 ≤ p ≤ +∞), A (x1 , x2 , x3 , ...) = (x2 , x3 , x4 , ...) . C. ZWIAZEK ˛ POMIEDZY ˛ MACIERZAMI I OPERATORAMI 14. Znaleźć macierz operacji liniowej T : R3 → R3 określonej dla x ∈ R3 , x = (x1 x2 , x3 ) wzorem: 1 T (x1 , x2 , x3 ) = 3x1 − x2 + 2x3 , x1 − 2x2 , x2 + x3 2 w bazie kanonicznej przestrzeni R3 (tzn. bazie (e1 , e2 , e3 ) , gdzie dla j ∈ {1, 2, 3} wektor ej ma j-ta˛ współrzedn ˛ a˛ równa˛ 1, a pozostałe współrzedne ˛ sa˛ równe 0). 15. Znaleźć macierz operacji liniowej T : R2 → R2 określonej dla x ∈ R2 , x = (x1 x2 ) wzorem: T (x1 , x2 ) = (2x1 − x2 , x1 + x2 ) (a) w bazie kanonicznej przestrzeni R2 . (b) w bazie (a1 , a2 ) , gdzie a1 = (1, 1) , a2 = (1, −1) . 9 2. Funkcje macierzowe 1 Symbolem K [x] bedziemy ˛ oznaczać pierścień wielomianów f (x) zmiennej x o współczynnikach należacych ˛ do ciała K. Ustalmy n ∈ N. Dla wszystkich i, j ∈ {1, ..., n} niech aij (x) ∈ K [x] . Niech A (x) bedzie ˛ macierza,˛ której wyrazami sa˛ wielomiany aij (x) : A (x) = [aij (x)] , i, j ∈ {1, ..., n} . Macierz A (x) określa funkcje˛ A (·) : K → L (Kn , Kn ) , gdzie A (t) = [aij (t)] ∈ L (Kn , Kn ) , i, j ∈ {1, ..., n} , dla każdego t ∈ K. Przy tym jeżeli wszystkie wielomiany aij (x) (i, j ∈ {1, ..., n}) sa˛ wielomianami zerowymi, to A (x) = On jest macierza˛ zerowa˛ stopnia n i przyjmujemy, że A (t) = On dla każdego t ∈ K. W dalszym ciagu ˛ symbole: In , On bed ˛ a˛ oznaczać, odpowiednio, macierz jednostkowa˛ stopnia n oraz macierz zerowa˛ stopnia n. Z algebraicznego punktu widzenia macierz A (x) jest macierza,˛ której wyrazy należa˛ do pierścienia K [x] . Jeżeli wiec ˛ A (x) = On nie jest macierza˛ zerowa,˛ to można ja˛ jednoznacznie przedstawić w postaci: A (x) = m Aj xj = Am xm + Am−1 xm−1 + ... + A1 xm + A0 , (MW) j=0 gdzie Aj ∈ L (Kn , Kn ) dla j ∈ {0, ..., m} i Am = On, tzn. w postaci wielomianu o współczynnikach macierzowych. DEFINICJA 2.1. Macierz A (x) dana˛ wzorem (MW) nazywamy macierza˛ wielomianowa. ˛ Macierze Aj ∈ L (Kn , Kn ) , j ∈ {0, ..., m} nazywamy jej współczynnikami. Liczbe˛ m ∈ N0 = N∪ {0} nazywamy stopniem macierzy wielomianowej A (x) i piszemy: deg A (x) = m. (Macierzy wielomianowej zerowej nie przypisujemy żadnego stopnia). Macierz wielomianowa˛ A (x) postaci (MW) nazywamy regularna, ˛ gdy det Am = 0. Niech A (x) , B (x) bed ˛ a˛ macierzami wielomianowymi o współczynnikach macierzowych tego samego stopnia: A (x) = m Aj xj , B (x) = j=0 p Bj xj (*) j=0 (gdzie Aj , Bi ∈ L (Kn , Kn ) , j ∈ {0, ..., m} , i ∈ {0, ..., p} , Am = On , Bp = On ) i niech np. m ≥ p. Sum˛e, różnice˛ oraz iloczyn macierzy wielomianowych (*) określaja˛ wzory: m p+1 A (x) ± B (x) = Am x + ... + Ap+1 x + p (Ai ± Bi ) xi , i=0 m+p A (x) B (x) = j=0 r+s=j,r≤m,s≤p Ar Bs xj = 10 = Am Bp xm+p + (Am Bp−1 + Am−1 Bp ) xm+p−1 + ... + A0 B0 . Ponadto A (x) ± On = A (x) , A (x) · On = On · A (x) = On . (W przypadku gdy m ≤ p, wzory wygladaj ˛ a˛ podobnie). Oczywiście na ogół jest A (x) B (x) = B (x) A (x) . Ponadto deg (A (x) B (x)) ≤ deg A (x)+ deg B (x) , przy czym nierówność może być ostra (zob. zad. 2). Jeżeli jednak przynajmniej jedna z macierzy wielomianowych A (x) , B (x) jest regularna, to deg (A (x) B (x)) = deg A (x) + deg B (x) (zob. zad. 3). m j ˛ niezerowa˛ macierza˛ wielomiDEFINICJA 2.2. Niech F (x) = j=0 Fj x bedzie n n anowa,˛ Fj ∈ L (K , K ) , j ∈ {0, ..., m} , Fm = On , i niech A ∈ L (Cn , Cn ) . (a) Prawostronna˛ warto´scia˛ macierzy wielomianowej F (x) dla x = A nazywamy macierz F (A) ∈ L (Cn , Cn ) okre´slona˛ wzorem: F (A) = m Fj Aj = Fm Am + Fm−1 Am−1 + ... + F1 A + F0 . j=0 Jeżeli macierz wielomianowa F (x) jest macierza˛ zerowa,˛ to przyjmujemy, że F (A) = On . (b) Lewostronna˛ warto´scia˛ macierzy wielomianowej F (x) dla x = A nazywamy macierz F (A) ∈ L (Cn , Cn ) okre´slona˛ wzorem: F (A) = m Aj Fj = Am Fm + Am−1 Fm−1 + ... + AF1 + F0 . j=0 Jeżeli macierz wielomianowa F (x) jest macierza˛ zerowa,˛ to przyjmujemy, że F (A) = On . Uwaga. Macierz wielomianowa˛ F (x) = m Fj xj = Fm xm + Fm−1 xm−1 + ... + F1 x + F0 (**) j=0 bedziemy ˛ także zapisywać w postaci F (x) = m xj Fj = xm Fm + xm−1 Fm−1 + ... + xF1 + F0 , (***) j=0 traktujac ˛ obydwa zapisy (**) i (***) jako identyczne (określajace ˛ ta˛ sama˛ macierz wielo mianowa). ˛ Nie oznacza to oczywiście, że F (A) = F (A) dla A ∈ L (Cn , Cn ) - przeciwnie, na ogół F (A) = F (A) . Rozważmy dowolny wielomian niezerowy f (x) ∈ K [x] , f (x) = kj=0 aj xj , gdzie ak = 0. Dla dowolnej macierzy A ∈ L (Cn , Cn ) możemy utworzyć macierz f (A) ∈ L (Cn , Cn ) , gdzie f (A) = k j=0 aj Aj = a0 In + a1 A + ... + ak−1 Ak−1 + ak Ak . 11 Jeżeli f (x) = 0 jest wielomianem zerowym, to przyjmujemy, że f (A) = On dla każdej macierzy A ∈ L (Cn , Cn ) . W ten sposób każdy wielomian f (x) wyznacza funkcje˛ f (·) : L (Cn , Cn ) → L (Cn , Cn ) okreslona˛ powyzszym wzorem. Nazywamy ja˛ wielomianem macierzowym wyznaczonym przez wielomian f (x) . Wielomian ten możemy zapisać w postaci: f (X) = k aj X j = a0 In + a1 X + ... + ak−1 X k−1 + ak X k . (WM) j=0 DEFINICJA 2.3. Niech A ∈ L (Kn , Kn ) . Wielomianem charakterystycznym macierzy A nazywamy wielomian fA (x) ∈ K [x] , okre´slony wzorem: fA (x) = det (A − xIn ) . Jeżeli zatem A = [aij ] , i, j ∈ {1, ..., n} , to a12 a11 − x a21 a22 − x fA (x) = det ··· ··· an1 an2 ··· ··· ··· ··· a1n a2n ··· ann − x i nietrudno spostrzec, że deg f (x) = n. Ponadto, jeżeli wielomian fA (x) zapiszemy w postaci fA (x) = cn xn + cn−1 xn−1 + ... + c1 x + c0 , to cn = ±1. TWIERDZENIE 2.1 (twierdzenie Cayley’a-Hamiltona). Niech A ∈ L (Kn , Kn ) i niech fA (x) bedzie ˛ wielomianem charakterystycznym macierzy A. Zachodzi równo´s´c: fA (A) = On . Dowód. Niech fA (x) = cn xn + cn−1 xn−1 + ... + c1 x + c0 . Dla wielomianu macierzowego fA (X) wyznaczonego przez wielomian fA (x) mamy wtedy (zob. wzór (WM)): fA (A) = cn An + cn−1 An−1 + ... + c1 A + c0 In . Z drugiej strony z twierdzenia Laplace’a (Twierdzenie 1.1, rozdz. 1) wynika, że dla każdego t ∈ K mamy (A − tIn ) (A − tIn )ad = det (A − tIn ) · In = fA (t) · In, 12 co prowadzi do równości macierzy wielomianowych: (A − xIn ) (A − xIn )ad = det (A − xIn ) · In = fA (x) · In . Macierz (A − xIn )ad jest pewna˛ macierza˛ wielomianowa.˛ Niech P (x) = (A − xIn ) (A − xIn )ad . Mamy wtedy: P (x) = fA (x) · In = (cn In ) xn + (cn−1 In ) xn−1 + ... + (c1 In ) x + c0 In , wiec ˛ P (A) = P (A) = fA (A) . Ale łatwo można spostrzec, że P (A) = On . Stad ˛ fA (A) = On . ♠ ˛ Niech f (x) ∈ K [x] , f (x) = am xm +am−1 xm−1 +...+a1 x+a0 . Wielomian f (x) bedziemy nazywać wielomianem unormowanym, jeżeli an = 1. Rozważmy wielomian f (x) ∈ K [x] i niech A ∈ L (Kn , Kn ) . Powiemy, że f (x) jest wielomianem zerujacym ˛ (lub anihilujacym) ˛ dla macierzy A, jeżeli dla wielomianu macierzowego f (X) wyznaczonego przez wielomian f (x) zachodzi równość: f (A) = On . Na mocy twierdzenia Cayley’a-Hamiltona (Twierdzenie 1) wielomian charakterystyczny fA (x) macierzy A jest wielomianem zerujacym ˛ dla tej macierzy. Zauważmy, że albo fA (x) , albo też −fA (x) jest wielomianem unormowanym. DEFINICJA 2.4. Niech A ∈ L (Kn , Kn ) . Wielomianem minimalnym macierzy A nazywamy niezerowy wielomian mA (x) ∈ K [x] spełniajacy ˛ warunki: (a) mA (x) jest wielomianem zerujacym ˛ dla macierzy A. (b) mA (x) jest wielomianem unormowanym. (c) Każdy niezerowy wielomian f (x) ∈ K [x] zerujacy ˛ macierz A spełnia nierówno´sć: deg mA (x) ≤ deg f (x) . TWIERDZENIE 2.2. Dla każdej macierzy A ∈ L (Kn , Kn ) istnieje dokładnie jeden wielomian minimalny mA (x) ∈ K [x] , okre´slony wzorem: mA (x) = ±fA (x) det (xIn − A) = , d (x) d (x) (2.1) gdzie fA (x) jest wielomianem charakterystycznym macierzy A, za´s d (x) jest (unormowanym) ˛ acych ˛ wyrazami najwiekszym ˛ wspólnym dzielnikiem wielomianów bij (x) , i, j ∈ {1, ..., n} , bed macierzy wielomianowej [bij (x)]1≤i,j≤n = (A − xIn )ad . Zadania 13 1. Macierze wielomianowe 3 2x − x + 1, x − 3, 3x2 + x + 1 , −x, 5 (a) A (x) = x2 − 2x, 3 2 x, −2x + 1, 5x − 2 3 x + i, 2ix2 − 5x (b) A (x) = 2x − 4, (1 + i) x3 − 3x2 + 1 j m m−1 + ... + A1 xm + A0 . Czy sa˛ to zapisać w postaci: A (x) = m j=0 Aj x = Am x + Am−1 x macierze regularne? 2. Podać przykład macierzy wielomianowych A (x) i B (x) , dla których deg (A (x) B (x)) < deg A (x) + deg B (x) . 3. Udowodnić, że jeżeli przynajmniej jedna z macierzy wielomianowych A (x) , B (x) jest regularna, to deg (A (x) B (x)) = deg A (x) + deg B (x) . 1 2 2 2 4. Dana jest macierz A ∈ L (R , R ) , A = . Znaleźć wielomian charakterysty0 3 czny fA (x) tej macierzy. Dla wielomianu macierzowego fA (X) wyznaczonego przez fA (x) (zob. wzór (WM)) sprawdzić bezpośrednim rachunkiem, że fA (A) = O2 . 5. Znaleźć wielomian charakerystyczny fA (x) macierzy (a) A ∈ L (C, C) , A = [5] . 1 −1 2 2 (b) A ∈ L (C , C ) , A = . 1 1 1 1 2 2 (c) A ∈ L (C , C ) , A = . 0 1 0 −1 2 2 (d) A ∈ L (C , C ) , A = . 1 0 1 0 2 2 (e) A ∈ L (C , C ) , A = . 0 1 0 1 2 2 (f) A ∈ L (C , C ) , A = . 1 0 5 −12 2 2 (g) A ∈ L (C , C ) , A = . −12 −5 6. Znaleźć wielomian charakerystyczny fA (x) macierzy 2 − 13 − 13 3 2 − 13 . (a) A ∈ L (C3 , C3 ) , A = − 13 3 1 1 2 −3 −3 3 0 1 0 (b) A ∈ L (C3 , C3 ) , A = 1 0 0 . −2 1 1 14 3 −3 2 5 −2 . (c) A ∈ L (C3 , C3 ) , A = −1 −1 3 0 1 1 1 (d) A ∈ L (C3 , C3 ) , A = 1 1 1 . 1 1 1 0 1 0 (e) A ∈ L (C3 , C3 ) , A = 1 0 0 . −2 1 1 −1 −3 −9 6 18 . (f) A ∈ L (C3 , C3 ) , A = 0 0 −2 −6 29 18 18 (g) A ∈ L (C3 , C3 ) , A = −18 −10 −12 . −24 −16 −14 7. Znaleźć wielomian minimalny fA (x) macierzy A z zadań: 5, 6(c), 6(d), 6(e), 6(g). 15 3. Funkcje macierzowe 2 W tym rozdziale bedziemy ˛ rozważać macierze A ∈ L (Cn , Cn ) traktujac ˛ je jako macierze n n odpowiednich liniowych A : C → C w bazie kanonicznej przestrzeni Cn , tzn. (1) operatorów (n) w bazie e , ..., e , gdzie dla każdego k ∈ {1, ..., n} wektor e(k) ma na k-tym miejscu 1, a pozostałe wyrazy ciagu ˛ e(k) równe sa˛ 0. Bedziemy ˛ identyfikować macierz operatora n A z tym operatorem, stosujac, ˛ dla w ∈ C , zapis Aw na oznaczenie wektora bed ˛ acego ˛ obrazem wektora w w przekształceniu A, czyli wektora, którego współrzedne ˛ zapisane w formie jednokolumnowej macierzy [Aw] dane sa˛ wzorem: [Aw] = A · [w] , gdzie [w] jest jednokolumnowa˛ macierza˛ współrz˛ednych wektora w w bazie kanonicznej (zob. rozdział 1.C). DEFINICJA 1. Niech A ∈ L (Cn, Cn ) . Liczbe˛ zespolona˛ λ nazywamy warto´scia˛ własna˛ macierzy A, jeżeli istnieje wektor niezerowy w ∈ Cn taki, że Aw = λw. (Ww) Każdy taki wektor w nazywamy wektorem własnym odpowiadajacym ˛ warto´sci własnej λ. Zbiór wszystkich wektorów własnych odpowiadajacym ˛ warto´sci własnej λ, z dołaczonym ˛ n ˛ oznacza´c symbolem Xλ . wektorem zerowym przestrzeni C , bedziemy Zbiór wszystkich warto´sci własnych macierzy A nazywamy widmem tej macierzy i oznaczamy symbolem σ (A) . Nietrudno wykazać nastepuj ˛ ace ˛ fakty. LEMAT 1. Niech A ∈ L (Cn , Cn ) i niech λ ∈ C. Nastepuj ˛ ace ˛ warunki sa˛ równoważne: (a) λ ∈ σ (A) . (b) λ jest pierwiastkiem wielomianu charakterystycznego fA (x) macierzy A (czyli fA (λ) = 0). Dowód - zob. zad. 1. LEMAT 2. Niech A ∈ L (Cn , Cn ) . (a) Dla każdego λ ∈ σ (A) zbiór Xλ jest podprzestrzenia˛ liniowa˛ przestrzeni Cn , o wymiarze dodatnim. (b) Dla dowolnych λ, µ ∈ σ (A) , jeżeli λ = µ, a wektory wλ i wµ sa˛ wektorami własnymi odpowiadajacymi ˛ warto´sciom własnym λ i µ, odpowiednio, to wektory te sa˛ liniowo niezależne w przestrzeni Cn . Dowód - zob. zad. 2. DEFINICJA 2. Niech A ∈ L (Cn , Cn ) i niech λ ∈ σ (A) . Krotno´scia˛ algebraiczna˛ warto´sci własnej λ nazywamy liczbe˛ naturalna˛ ka (λ) równa˛ krotno´sci liczby λ jako pierwiastka wielomianu charakterystycznego fA (x) macierzy A. Natomiast krotno´scia˛ geometryczna˛ warto´sci własnej λ nazywamy liczbe˛ naturalna˛ kg (λ) dana˛ wzorem: kg (λ) = dim Xλ . 16 Krotności: algebraiczna i geometryczna wartości własnej λ moga˛ być różne (zob. zad. 3). Zadania 1. Niech A ∈ L (Cn , Cn ) i niech λ ∈ C. Udowodnić, że nastepuj ˛ ace ˛ warunki sa˛ równoważne: (a) λ ∈ σ (A) . (b) λ jest pierwiastkiem wielomianu charakterystycznego fA (x) macierzy A. 2. Niech A ∈ L (Cn , Cn ) . Udowodnić, że: (a) Dla każdego λ ∈ σ (A) zbiór Xλ jest podprzestrzenia˛ liniowa˛ przestrzeni Cn , o wymiarze dodatnim. (b) Dla dowolnych λ, µ ∈ σ (A) , jeżeli λ = µ, a wektory wλ i wµ sa˛ wektorami własnymi odpowiadajacymi ˛ wartościom własnym λ i µ, odpowiednio, to wektory te sa˛ liniowo niezależne w przestrzeni Cn . 3. Dla macierzy A z zadań: rozdz. 2, zad. 8, 9(a), 9(b), 9(c), 9(d) i 9(e) znaleźć widmo σ (A) . Dla każdego λ ∈ A wyznaczyć podprzestrzeń Xλ oraz krotności: algebraiczna˛ i geometryczna˛ wartości własnej λ. 4. Niech A, S ∈ L (Cn , Cn ) i niech det S = 0. Udowodnić, że macierze A oraz SAS −1 maja˛ identyczne wielomiany charakterystyczne. 5. Niech A ∈ L (Cn , Cn ) i niech A bedzie ˛ norma˛ operatora A. Zakładamy, że w n przestrzeni C dany jest euklidesowy iloczyn skalarny x, y = n xk y k k=1 oraz euklidesowa norma n x = x2 . k k=1 Wykazać, że dla każdego λ ∈ σ (A) zachodzi nierówność: |λ| ≤ A . 17 4. Funkcje macierzowe 3 Rozważmy przestrzeń liniowa˛ L (Km , Kn ) macierzy wymiaru n × m, których wyrazy należa˛ do ciała K. Jest to przestrzeń liniowa nad ciałem K o wymiarze skończonym dim L (Km , Kn ) = mn. Jeżeli w tej przestrzeni wprowadzimy norm˛e · , to bedzie ˛ można mówić o zbieżności ciagu ˛ nieskończonego (Ak ) , k ∈ N, gdzie Ak ∈ L (Km , Kn ) , (k) Ak = aij , i ∈ {1, ..., n} , j ∈ {1, ..., m} (1) dla każdego k ∈ N. Tak jak w każdej przestrzeni unormowanej, zbieżność powyższego ciagu ˛ do macierzy B ∈ L (Km , Kn ) oznacza, że lim Ak − B = 0. k→∞ Piszemy wtedy: limk→∞ Ak = B. Podobnie ma sie˛ sprawa z szeregami macierzowymi nieskończonymi postaci ∞ k=0 Ak . Szereg taki jest zbieżny w przestrzeni (L (Km , Kn ) , ·) do sumy S ∈ L (Km , Kn ) , jeżeli ciag ˛ sum cześciowych ˛ (Sk ) , k ∈ N0 = N ∪ {0} , gdzie Sk = k Ak j=0 da˛ży do S. Piszemy wtedy: ∞ k=1 Ak = S. Skorzystamy w dalszym ciagu ˛ z kilku znanych twierdzeń analizy funkcjonalnej. FAKT 1. Niech X bedzie ˛ przestrzenia˛ liniowa˛ o wymiarze skończonym nad ciałem K. Wtedy dowolne dwie normy ·1 , ·2 w przestrzeni X sa˛ równoważne, co oznacza, że istnieja˛ stałe dodatnie m, M czyniace ˛ zado´s´c warunkowi: m x1 ≤ x2 ≤ M x1 dla każdego x ∈ X. Wynika stad ˛ m. in., że jeżeli (xk ) , k ∈ N, jest dowolnym ciagiem ˛ wektorów z X, to ciag ˛ ten jest zbieżny w przestrzeni (X, ·1 ) do granicy x0 wtedy i tylko wtedy, gdy jest on zbieżny w przestrzeni (X, ·2 ) , i to do tej samej granicy x0 . (Analogiczna uwaga dotyczy szeregów nieskończonych). FAKT 2. Niech X bedzie ˛ przestrzenia˛ liniowa˛ o wymiarze skończonym m ∈ N nad ciałem K i niech · bedzie ˛ dowolna˛ norma˛ w tej przestrzeni. Ustalmy baze˛ e(1) , e(2) , ..., e(m) w przestrzeni X. Niech y ∈ X i niech (xk ) , k ∈ N, bedzie ˛ dowolnym ciagiem ˛ punktów z X, xk = m (k) xj e(j) , j=1 Nastepuj ˛ ace ˛ warunki sa˛ równoważne: y= m j=1 yj e(j) . 18 (a) limk→∞ xk = y. (b) limk→∞ x(k) j = yj dla każdego j ∈ {1, ..., m} . z przestrzenia˛ Przestrzeń L (Km , Kn ) jest (co można łatwo sprawdzić) izomorficzna K , a kanoniczna˛ baza˛ w tej przestrzeni jest układ macierzy E (i,j) , i ∈ {1, ..., n} , j ∈ {1, ..., m} , gdzie na przecieciu ˛ i-tego wiersza oraz j-tej kolumny macierzy E (i,j) znajduje sie˛ jedynka, a pozostałe wyrazy tej macierzy równe sa˛ zeru. Wyrazy aij dowolnej macierzy A = [aij ] , i ∈ {1, ..., n} , j ∈ {1, ..., m} , sa˛ współrzednymi ˛ tej macierzy w bazie E (i,j) , tzn. mn A= n m aij E (i,j) . i=1 j=1 Z Faktów 1 i 2 wynika wiec, ˛ że jeżeli (Ak ) , k ∈ N, jest nieskończonym ciagiem ˛ macierzy postaci (1), to ciag ˛ ten jest zbieżny do macierzy B ∈ L (Km , Kn ) , B = [bij ] , i ∈ {1, ..., n} , j ∈ {1, ..., m} , wtedy i tylko wtedy, gdy (k) bij = lim aij k→∞ ∞ dla wszystkich i ∈ {1, ..., n} , j ∈ {1, ..., m} . Podobnie szereg macierzowy k=0 Ak , którego wyrazami sa˛ macierze postaci (1) jest zbieżny do sumy S = [sij ] , i ∈ {1, ..., n} , j ∈ (k) {1, ..., m} , wtedy i tylko wtedy, gdy zbieżne sa˛ wszystkie szeregi ∞ k=0 aij i równości: ∞ (k) aij = sij k=0 zachodza˛ dla wszystkich i ∈ {1, ..., n} , j ∈ {1, ..., m} . FAKT 3. Niech (X, ·) bedzie ˛ przestrzenia˛ Banacha nad ciałem K (o dowolnym wymiarze) i niech (x ) , k ∈ N , b edzie ˛ dowolnym agiem ˛ punktów tej przestrzeni. Jeżeli sz0 ∞ k ci ∞ ereg liczbowy k=0 xk jest zbieżny, to szereg k=0 xk jest zbieżny w przestrzeni (X, ·) . ∞ Szeregi ∞ ˛ zbieżnymi. k=0 xk , dla których k=0 xk < +∞, nazywamy bezwzglednie FAKT 4. Każda przestrzeń liniowa unormowana (X, ·) o wymiarze skończonym nad ciałem K jest przestrzenia˛ Banacha. Niech teraz n = m. W przestrzeni L (Kn , Kn ) wszystkich macierzy kwadratowych stopnia n bedziemy ˛ rozważać norm˛e operatorowa˛ przyjmujac ˛ dla A ∈ L (Kn , Kn ) , że A jest n n równa normie operatora liniowego A : K → K , którego macierza˛ w bazie kanonicznej przestrzeni Kn jest macierz A (zob. rozdz. 1.B i 1.C). LEMAT 1. Dla dowolnych macierzy A, B ∈ L (Kn , Kn ) zachodzi nierówno´s´c: AB ≤ A · B . W szczególno´sci Ak ≤ Ak dla wszystkich A ∈ L (Kn , Kn ) i k ∈ N. 19 Dowód - zob. zad. 2. Wynika stad, ˛ że dla każdej macierzy A ∈ L (Kn , Kn ) oraz t ∈ R zbieżny jest szereg macierzowy exp (tA) = ∞ Ak k=0 k! = In + tA + t2 A2 t3 A3 + + ... , 2! 3! (2) ponieważ dla każdego k ∈ N jest k k t A |t|k Ak , k! ≤ k! ∞ Ak wiec ˛ szereg liczbowy k=0 k! ma majorante˛ zbieżna˛ ∞ |t|k Ak k! k=0 = e|t|· A . Na mocy Faktu 3 szereg (2) jest zbieżny. (Używa sie˛ także czesto ˛ oznaczenia: etA = exp (tA)). Przypomnimy teraz kilka faktów z teorii funkcji zmiennej zespolonej. Niech D ⊂ C bedzie ˛ obszarem na płaszczyźnie zespolonej C. Funkcje˛ f : D → C, w = f (z) nazywamy analityczna˛ w obszarze D, jeżeli pochodna zespolona f ′ (z) istnieje w każdym punkcie z ∈ D. Jeżeli z0 ∈ D, to taka funkcja w pewnym otoczeniu punktu z0 jest suma˛ tzw. szeregu Taylora: f (z) = ∞ f (k) (z0 ) k=0 k! (z − z0 )k . Szereg Taylora funkcji analitycznej jest szczególnym przypadkiem szeregu potegowego. ˛ Niech z0 ∈ C i niech (ak ) , k ∈ N0 , bedzie ˛ ciagiem ˛ liczb zespolonych. Szeregiem pote˛ gowym o środku z0 nazywamy szereg postaci ∞ ak (z − z0 )k , (3) k=0 Liczby ak nazywamy współczynnikami tego szeregu. Tzw. promień zbieżności r szeregu (3) określa wzór Hadamarda: 1 = lim sup k |ak |, r k→∞ przy czym przyjmuje sie˛ umow˛e, że r = +∞, gdy lim supk→∞ k gdy lim supk→∞ |ak | = +∞. Koło otwarte (4) k K (z0 ; r) = {z ∈ C : |z − z0 | < r} , |ak | = 0, natomiast r = 0, 20 gdzie r > 0 jest dane wzorem (4) nazywamy kołem zbieżności szeregu (3). (W przypadku r = +∞ przyjmujemy, że K (z0 ; +∞) = C). Prawdziwe jest twierdzenie, którego dowodu nie bedziemy ˛ podawać. TWIERDZENIE 1. Dany jest szereg potegowy ˛ (3), którego promień zbieżno´sci r > 0 okre´sla wzór (4). Dla każdego z ∈ K (z0 ; r) (gdzie K (z0 ; r) jest kołem zbieżno´sci szeregu) szereg (3) jest zbieżny bezwzglednie ˛ do sumy f (z) = ∞ ak (z − z0 )k . k=0 Funkcja f : K (z0 ; r) → C okre´slona w ten sposób jest analityczna. Ponadto dla każdego ρ ∈ (0, 1) szereg (3) jest zbieżny do funkcji f jednostajnie i bezwzglednie ˛ w kole {z ∈ C : |z − z0 | ≤ ρ} . Jeżeli promień zbieżno´sci r = 0, to szereg jest zbieżny tylko w punkcie z = z0 . W szczególności funkcja˛ analityczna˛ jest każdy wielomian f (z) ∈ C [z]. Jego szereg Taylora jest oczywiscie suma˛ skończona˛ i promień zbieżności równy jest +∞. k ˛ aca ˛ suma˛ szDEFINICJA 1. Dana jest funkcja analityczna f (z) = ∞ k=0 ak z bed eregu potegowego ˛ o ´srodku w punkcie z0 = 0. Funkcje˛ A → f (A) dana˛ wzorem f (A) = ∞ ak Ak , (5) k=0 okre´slona˛ w zbiorze tych wszystkich macierzy A ∈ L (Cn , Cn ) , dla których szereg po prawej stronie wzoru (5) jest zbieżny, nazywamy funkcja˛ macierzowa˛ wyznaczona˛ przez funkcje˛ f. Nawet w przypadku, gdy wiemy, że szereg (5) jest dla danej macierzy A ∈ L (Cn , Cn ) zbieżny, to nie jest na ogół łatwo obliczyć bezpośrednio jego sum˛e. Zajmiemy sie˛ teraz tym zagadnieniem. W wielu przypadkach rozwiazanie ˛ problemu daje nastepuj ˛ ace ˛ twierdzenie, którego nie bedziemy ˛ dowodzić. TWIERDZENIE 2. Dana jest macierz A ∈ L (Cn , Cn ) . Niech σ (A) = {λ1 , ..., λk } (zatem λi = λj , gdy i = j). Dla każdego j ∈ {1, ..., k} niech sj oznacza krotno´s´c algebraiczna˛ warto´sci własnej λj (zatem s1 + ... + sk = n). Niech w (z) = z n−1 . Dla f (z) ∈ C [z] , i ∈ N0 niech f (i) (z) oznacza pochodna˛ rzedu ˛ i wielomianu f (z) (przyjmujemy umowe, ˛ że f (0) (z) = f (z)), za´s f (i) (A) niech oznacza warto´sć wielomianu macierzowego f (i) (X) wyznaczonego przez wielomian f (i) (z) (zob. rozdz. 2, wzór (WM)) dla X = A. 21 Wtedy układ równań macierzowych k w(0) (λj ) Gj1 + w(1) (λj ) Gj2 + ... + w (sj −1) (λj ) Gjsj = w(0) (A) , j=1 k w(1) (λj ) Gj1 + w(2) (λj ) Gj2 + ... + w (sj ) (λj ) Gjsj = w(1) (A) , j=1 ···························································· k w(n−1) (λj ) Gj1 + w(n) (λj ) Gj2 + ... + w(sj +n−2) (λj ) Gjsj = w(n−1) (A) (6) j=1 ma dokładnie jedno rozwiazanie ˛ (G11 , G12 , ..., G1s1 , G21 , G22 , ..., G2s2 , ..., Gk1 , Gk2 , ..., Gksk ) ∈ [L (Cn , Cn )]n . k ˛ acej ˛ suma˛ szeregu pote˛ Ponadto dla każdej funkcji analitycznej f (z) = ∞ k=0 ak z bed gowego o ´srodku w punkcie z0 = 0 i promieniu zbieżno´sci r takim, że max {|λj | : j ∈ {1, ..., k}} < r, zachodzi równo´s´c: f (A) = k (0) f (λj ) Gj1 + f (1) (λj ) Gj2 + ... + f (sj −1) (λj ) Gjsj . (7) j=1 Macierze Gij wystepuj ˛ ace ˛ we wzorze (6) nazywamy składowymi macierzy A. Uwaga. Składowe macierzy A ∈ L (Cn , Cn ) można wyznaczać nie tylko z układu (6), lecz także (co, jak nietrudno sprawdzić, jest równoważne) z układu n równań macierzowych, który otrzymujemy kładac ˛ we wzorze (7) kolejno f = f0 , f = f1 , ... f = fn−1 , gdzie m fm (z) = z dla każdego m ∈ {0, 1, ..., n − 1} . Jednym z zastosowań równości (7) jest pewien sposób wyznaczania rozwiazań ˛ zadania Cauchy’ego dla układu równań różniczkowych zwyczajnych I rzedu ˛ o stałych współczynnikach w przestrzeni Rn , który teraz przedstawimy. Przypuśćmy, że w Rn dany jest układ równań różniczkowych zwyczajnych x′1 = a11 x1 + a12 x2 + ... + a1n xn , x′2 = a21 x1 + a22 x2 + ... + a2n xn , ······································· x′n = an1 x1 + an2 x2 + ... + ann xn , z tzw. warunkiem poczatkowym: ˛ (0) x1 (0) = x1 , x2 (0) = x(0) 2 , ··············· x (0) = x(0) , n 2 22 # $ (0) (0) gdzie A = [aij ] ∈ L (Rn , Rn ) , i, j ∈ {1, ..., n} , oraz x(0) = x1 , ..., xn ∈ Rn jest danym wektorem. W tzw. postaci macierzowej możemy powyższy układ wraz z warunkiem poczatkowym ˛ zapisać w postaci: % x′ = Ax, (8) x (0) = x(0) , gdzie x′1 x′ = ... , x = x′n (0) x1 x1 (0) x1 .. , x (0) = .. , x(0) = .. . . . . (0) xn xn (0) xn Poszukujemy rozwiazania ˛ tego zadania Cauchy’ego, tj. funkcji wektorowej x : R → Rn , x1 (t) x (t) = ... xn (t) takiej, że x′ (t) = Ax (t) dla każdego t ∈ R i x (0) = x(0) . Jak wiadomo z teorii równań różniczkowych zwyczajnych, takie rozwiazanie ˛ zawsze istnieje i to dokładnie jedno. Udowodnimy, że rozwiazaniem ˛ powyższego zadania Cauchy’ego jest funkcja wektorowa dana wzorem: x (t) = etA · x(0) (9) dla wszystkich t ∈ R. Ponieważ (zob. zad. 4) x (0) = e0·A x(0) = eOn · x(0) = In · x(0) = x(0) , (10) wystarczy wykazać, że funkcja ta spełnia dane równanie różniczkowe. Mówi o tym nastepu˛ jacy ˛ lemat. LEMAT 2. Funkcja (9) jest różniczkowalna w zbiorze liczb rzeczywistych i mamy: x (t) = A · etA · x(0) dla wszystkich t ∈ R. ′ Dowód - zob. zad. 9. ˛ Wobec tego x′ (t) = Ax (t) , co wraz z (10) oznacza, że nasza funkcja jest rozwiazaniem zadania Cauchy’ego (8). W analogiczny sposób pokazujemy, że rozwiazaniem ˛ zadania Cauchy’ego z warunkiem poczatkowym ˛ zadanym w dowolnym punkcie t0 ∈ R (rozważaliśmy przypadek ,gdy t0 = 0), tj. zadania Cauchy’ego % x′ = Ax, x (t0 ) = x(0) , 23 jest funkcja x (t) = e(t−t0 )A · x(0) dla wszystkich t ∈ R. Zadania 1. Znaleźć macierze A, B ∈ L (R2 , R2 ) , gdzie & ' & k ∞ 2k 1 + k1 , 3k , B= A = lim 1 1 1 k→∞ k + ... + , k 2 2k k=0 (Wsk. ∞ 1 k=0 (k+1)2 = 1 , 3k 1 , (k+1)2 1 (k+1)(k+2) 1 k! ' . π2 ). 6 2. Udowodnić, że dla dowolnych macierzy A, B ∈ L (Kn , Kn ) zachodzi nierówność: AB ≤ A · B . W szczególności Ak ≤ Ak dla wszystkich A ∈ L (Kn , Kn ) i k ∈ N. (Tutaj · oznacza norm˛e operatorowa, ˛ zob. rozdz. 1.B i 1.C). 3. Podać przykład macierzy A ∈ L (R2 , R2 ) takiej, że A2 < A2 . 4. (a) Korzystajac ˛ ze wzoru (2) udowodnić, że dla dowolnych macierzy A, B ∈ L (Kn , Kn ) przemiennych, tzn. takich, że AB = BA, zachodzi równość: eA+B = eA · eB . (b) Wykazać, że eOn = In oraz że dla każdej macierzy A ∈ L (Kn , Kn ) jest e−A = −1 eA . 5. Korzystajac ˛ ze wzoru Hadamarda wyznaczyć koła zbieżności szeregów potegowych ˛ ez = ∞ zk k=1 cos z = k! sin z = , k=0 ∞ (−1)k z 2k k=0 ∞ (−1)k z 2k+1 (2k)! 6. Znaleźć macierz eA , gdy (a) A ∈ L (C, C) , A = [5] . 1 −1 2 2 (b) A ∈ L (C , C ) , A = . 1 1 1 1 2 2 . (c) A ∈ L (C , C ) , A = 0 1 (2k + 1)! ∞ , , 1 = zk. 1−z k=0 24 2 2 (d) A ∈ L (C , C ) , A = 0 −1 1 0 . 7. Dla danej macierzy A znaleźć macierze eA , sin A, cos A, ln A, gdy 1 −2 2 2 (a) A ∈ L (R , R ) , A = . −2 1 3 −3 2 5 −2 . (b) A ∈ L (R3 , R3 ) , A = −1 −1 3 0 8. Wyznaczyć macierz An , n ∈ N, gdy 1 −1 2 2 (a) A ∈ L (R , R ) , A = . 1 1 0 1 0 0 . (b) A ∈ L (R3 , R3 ) , A = 1 0 0 0 −1 9. Dana jest macierz A ∈ L (Rn , Rn ) i wektor x(0) ∈ Rn . Udowodnić, że funkcja dana wzorem x (t) = etA · x(0) dla wszystkich t ∈ R jest różniczkowalna w zbiorze liczb rzeczywistych i zachodzi równość: x′ (t) = A · etA · x(0) dla każdego t ∈ R. 10. Znaleźć rozwiazanie ˛ zadania Cauchy’ego (a) x′1 = x1 − 2x2 , x′2 = 2x1 + x2 , (x1 (0) , x2 (0)) = (0, 1) . (b) x′1 = x3 , x′2 = x2 , x′3 = x1 , (x1 (0) , x2 (0) , x3 (0)) = (1, 0, −1) . 25 5. O widmach operatorów liniowych Bedziemy ˛ rozważać operatory liniowe w przestrzeniach liniowych unormowanych rzeczywistych i zespolonych, w szczególności w przestrzeniach Banacha (zob. rozdz. 1.B). Jak w poprzednich rozdziałach, symbol K bedzie ˛ oznaczać ciało liczb rzeczywistych R lub ciało liczb zespolonych C. Jeżeli X, Y sa˛ przestrzeniami liniowymi unormowanymi nad ciałem K, to przez L (X, Y ) bedziemy ˛ oznaczać przestrzeń wszystkich operatorów liniowych ograniczonych A : X → Y (zob. rozdz. 1.B). Dla A ∈ L (X, Y ) symbol A bedzie ˛ oznaczać norm˛e operatorowa˛ operatora A (zob. rozdz. 1.B). DEFINICJA 1. Niech X bedzie ˛ przestrzenia˛ Banacha nad ciałem K i niech A ∈ L (X, X) . Liczbe˛ λ ∈ K nazywamy warto´scia˛ własna˛ operatora A, gdy istnieje wektor niezerowy x ∈ X taki, że Ax = λx. Każdy taki wektor nazywamy wektorem własnym odpowiadajacym ˛ warto´sci własnej λ, a zbiór Xλ = {x ∈ X : Ax = λx} nazywamy przestrzenia˛ własna˛ operatora A odpowiadajac ˛ a˛ warto´sci własnej λ. Zbiór wszystkich warto´sci własnych operatora A oznaczamy symbolem σ p (A) i nazywamy widmem punktowym tego operatora. LEMAT 1. Niech X bedzie ˛ przestrzenia˛ Banacha i niech A ∈ L (X, X) . Dla każdego λ ∈ σ p (A) przestrzeń własna Xλ operatora A odpowiadajaca ˛ warto´sci własnej λ jest domkniet ˛ a˛ podprzestrzenia˛ liniowa˛ przestrzeni X. Dowód - patrz zad. 1. LEMAT 2. Niech X bedzie ˛ przestrzenia˛ Banacha i niech A ∈ L (X, X) . Niech λ i µ bed ˛ a˛ dwiema różnymi warto´sciami własnymi operatora A. Wtedy dowolne dwa niezerowe wektory x ∈ Xλ i y ∈ Xµ sa˛ liniowo niezależne. Dowód. Przypuśćmy, że sx + ty = 0, gdzie s, t ∈ K. (symbolem 0 bedziemy ˛ oznaczać wektor zerowy przestrzeni X). Mamy: 0 = A (0) = A (sx + ty) = sA (x) + tA (y) = sλx + tµy. Otrzymujemy układ równań % sx + ty = 0, λsx + µty = 0. Mnożac ˛ pierwsze z tych równań obustronnie przez µ i odejmujac ˛ od drugiego dostajemy równość (λ − µ) sx = 0, a ponieważ z założenia jest λ = µ i x = 0, wiec ˛ musi być s = 0. W konsekwencji także t = 0, co dowodzi, że wektory x i y sa˛ liniowo niezależne. ♠ Wyróżnimy teraz pewne klasy operatorów liniowych ograniczonych w przestrzeniach Hilberta (zob. rozdz. 1.B). Mamy dwie definicje: 26 DEFINICJA 2. Niech (H, ·, ·) bedzie ˛ przestrzenia˛ Hilberta nad ciałem K. Operator A ∈ L (H, H) nazywamy samosprzeżonym ˛ (lub hermitowskim), jeżeli równo´sć Ax, y = x, Ay (1) zachodzi dla wszystkich wektorów x, y ∈ H. DEFINICJA 3. Niech (H, ·, ·) bedzie ˛ przestrzenia˛ Hilberta nad ciałem K. Operator U ∈ L (H, H) nazywamy unitarnym, jeżeli U (H) = H i równo´sć Ux, Uy = x, y (2) zachodzi dla wszystkich wektorów x, y ∈ H. W przypadku gdy przestrzeń H jest rzeczywista, operatory unitarne nazywa sie˛ czesto ˛ ortogonalnymi. LEMAT 3. Niech H bedzie ˛ przestrzenia˛ Hilberta nad ciałem K i niech A ∈ L (H, H) bedzie ˛ operatorem samosprze˛żonym. Wtedy Ax, x ∈ R dla każdego x ∈ H. Dowód. Jeżeli x ∈ H, to z równości (1) mamy Ax, x = x, Ax . Z drugiej strony z własności iloczynu skalarnego (zob. rozdz. 1.B) wynika, że x, Ax = Ax, x. Wobec tego Ax, x = Ax, x, co oznacza, że Ax, x ∈ R. ♠ TWIERDZENIE 1. Niech H bedzie ˛ przestrzenia˛ Hilberta nad ciałem K i niech A ∈ L (H, H) bedzie ˛ operatorem samosprze˛żonym. Wtedy każda warto´sć własna operatora A jest liczba˛ rzeczywista.˛ Dowód. Niech λ ∈ σ p (A) i niech x ∈ H bedzie ˛ wektorem własnym odpowiadajacym ˛ wartości własnej λ. Wtedy Ax = λx. Mnożac ˛ obustronnie powyższa˛ równość skalarnie przez x dostajemy: Ax, x = λx, x = λ x, x . Ale x, x = x2 ∈ R i x, x = 0, gdyż x = 0 (zob. rozdz. 1.B), natomiast Ax, x ∈ R na mocy Lematu 3. Wiec ˛ λ ∈ R. ♠ Przypomnijmy, że wektory x, y należace ˛ do przestrzeni Hilberta (H, ·, ·) nazywamy prostopadłymi (ortogonalnymi), jeżeli x, y = 0. Mówimy, że podzbiory niepuste K, M przestrzeni Hilberta H sa˛ ortogonalne, jeżeli x, y = 0 dla wszystkich x ∈ K i y ∈ M. WNIOSEK 1. Niech H bedzie ˛ przestrzenia˛ Hilberta nad ciałem K i niech A ∈ L (H, H) bedzie ˛ operatorem samosprze˛żonym. Niech λ i µ bed ˛ a˛ dwiema różnymi warto´sciami własnymi operatora A. Wtedy podprzestrzenie własne Hλ oraz Hµ operatora A sa˛ ortogonalne. Dowód - patrz zad. 2. WNIOSEK 2. Niech H bedzie ˛ przestrzenia˛ Hilberta nad ciałem K i niech U ∈ L (H, H) bedzie ˛ operatorem unitarnym. Wtedy |λ| = 1 dla każdego λ ∈ σ p (U ) . Dowód - patrz zad. 3. 27 Niech X bedzie ˛ przestrzenia˛ liniowa˛ nad ciałem K. Przypomnijmy, że operator liniowy A : X → X jest różnowartościowy wtedy i tylko wtedy, gdy zbiór ker A = {x ∈ X : Ax = 0} (tzw. jadro ˛ operatora A) jest zbiorem jednoelementowym i ker A = {0} (zob. zad. 9). Taki operator bedziemy ˛ nazywać odwracalnym. Z różnowartościowości operatora odwracalnego wynika, że posiada on odwzorowanie odwrotne A−1 , którego dziedzina˛ jest obraz A (X) przestrzeni X w przekształceniu A, tzn. A−1 : A (X) → X. (Jeżeli, dodatkowo, A przekształca X na cała˛ przestrzeń X, czyli A (X) = X, to A−1 : X → X. Mówimy wtedy, że A jest bijekcja). ˛ Można łatwo pokazać (zob. zad. 10), że jeżeli operator A : X → X jest odwracalny, to odwzorowanie odwrotne A−1 : A (X) → X też jest operatorem liniowym. Niech teraz X bedzie ˛ przestrzenia˛ Banacha nad ciałem K. Symbolem IX bedziemy ˛ oznaczać operator tożsamościowy: IX (x) = x dla każdego x ∈ X. Zajmiemy sie˛ ważnym zagadnieniem odwracalności operatora liniowego λIX − A : X → X, gdzie A ∈ L (X, X) i λ ∈ K. Mówiac ˛ dokładniej, chodzi o zbadanie kiedy (dla jakich liczb λ) operator λIX − A jest bijekcja˛ taka,˛ że operator odwrotny (λIX − A)−1 : X → X jest ograniczony, tzn. (λIX − A)−1 ∈ L (X, X) . (Zauważmy, że sam operator λIX − A jest zawsze ograniczony, zob. twierdzenie 5, rozdz. 1.B). W przypadku przestrzeni o wymiarze skończonym odpowiedź daje nastepuj ˛ ace ˛ twierdzenie. TWIERDZENIE 2. Niech X bedzie ˛ przestrzenia˛ liniowa nad ciałem K o wymiarze skończonym dim X = n i niech A ∈ L (X, X) . Nastepuj ˛ ace ˛ warunki sa˛ równoważne: (a) λ ∈ K \ σ p (A) . (b) Operator liniowy (λIX − A) jest odwracalny i (λIX − A)−1 ∈ L (X, X) . Dowód. Przypuśćmy, że zachodzi warunek (a), czyli że λ ∈ K nie jest wartościa˛ własna˛ operatora A. Wykażemy, że operator λIX −A jest różnowartościowy. Wystarczy w tym celu (zob. zad. 9) wykazać, że ker (λIX − A) = {0} . Przypuśćmy, że x ∈ ker (λIX − A) . Zatem (λIX − A) x = 0, czyli λx = Ax. Gdyby było x = 0, to oznaczałoby to, że wektor x jest wektorem własnym operatora A i wtedy liczba λ byłaby wartościa˛ własna˛ tego operatora, wbrew założeniu (a). Zatem x = 0 i dlatego ker (λIX − A) = {0} . Operator λIX − A jest wiec ˛ różnowartościowy. Z algebry liniowej wiadomo, że w takim razie dim (λIX − A) (X) = n, co oznacza, że (λIX − A) (X) = X. Operator λIX − A jest wiec ˛ bijekcja.˛ Operator do niego odwrotny (λIX − A)−1 odwzorowuje przestrzeń X na X i oczywiście jest liniowy (zob. zad. 10). Ponieważ w przestrzeniach o skończonym wymiarze każdy operator liniowy jest ograniczony (zob. Twierdzenie 4, rozdz. 1.C), wiec ˛ (λIX − A)−1 ∈ L (X, X) , czyli zachodzi warunek (b). Przypuśćmy teraz, że n ie zachodzi warunek (a), czyli że λ ∈ K jest wartościa˛ własna˛ operatora A. Wobec tego istnieje niezerowy wektor x ∈ X taki, że λx = Ax, czyli (λIX − A) x = 0 i x ∈ ker (λIX − A) . Wobec tego ker (λIX − A) = {0} i operator λIX − A nie jest odwracalny, czyli nie zachodzi warunek (b). ♠ 28 DEFINICJA 4. Niech X bedzie ˛ przestrzenia˛ Banacha nad ciałem K i niech A ∈ L (X, X) . Liczbe˛ λ ∈ K nazywamy warto´scia˛ regularna˛ operatora A, jeżeli operator λIX −A jest bijekcja˛ przestrzeni X na X i (λIX − A)−1 ∈ L (X, X) . Zbiór ρ (A) wszystkich warto´sci regularnych nazywamy zbiorem rezolwenty operatora A. Rezolwenta˛ operatora A nazywamy odwzorowanie RA : ρ (A) → L (X, X) okre´slone wzorem RA (λ) = (λIX − A)−1 dla wszystkich λ ∈ ρ (A) . Dopełnienie σ (A) = K \ ρ (A) zbioru rezolwenty nazywamy widmem operatora A. Oczywiście σ p (A) ⊂ σ (A) (zob. zad. 4). Mówimy, że operator A ∈ L (X, X) ma widmo czysto punktowe, jeżeli σ p (A) = σ (A) . Z Twierdzenia 2 wynika natychmiast wniosek: WNIOSEK 3. Niech X bedzie ˛ przestrzenia˛ Banacha nad ciałem K o wymiarze skończonym. Wtedy każdy operator liniowy ograniczony A ∈ L (X, X) ma widmo czysto punktowe, czyli σ p (A) = σ (A) . Widma operatorów w przestrzeniach o wymiarze nieskończonym moga˛ być bardziej skomplikowane i nietrudno o przykład, w którym σ p (A) = σ (A) (zob. zad. 5 i 7). WNIOSEK 4. Niech X bedzie ˛ przestrzenia˛ Banacha nad ciałem K o wymiarze skończonym. Wtedy dla każdego A ∈ L (X, X) widmo σ (A) = σ p (A) operatora A jest identyczne ze zbiorem K∩σ (MA ) , gdzie σ (MA ) oznacza widmo macierzy MA operatora A w dowolnie wybranej bazie przestrzeni X. Dowód. Przypuścmy, że dim X = n, n ∈ N. Niech A ∈ L (X, X) i λ ∈ K. Ustalmy baze˛ (e1 , ..., en ) przestrzeni X i niech MA = [aij ] ,i, j ∈ {1, ..., n} , bedzie ˛ macierza˛ operatora A n w tej bazie. Wektor niezerowy x ∈ X, x = i=1 xi ei jest wektorem własnym operatora A wtedy i tylko wtedy (zob. rozdz. 1.C), gdy jego współrzedne ˛ spełniaja˛ układ równań a11 x1 + a12 x2 + ... + a1n xn = λx1 , a21 x1 + a22 x2 + ... + a2n xn = λx2 , ······························ an1 x1 + an2 x2 + ... + ann xn = λxn , czyli (a11 − λ) x1 + a12 x2 + ... + a1n xn = 0, a21 x1 + (a22 − λ) x2 + ... + a2n xn = 0, ······························ an1 x1 + an2 x2 + ... + (ann − λ) xn = 0. Z teorii układów równań liniowych wiadomo, że powyższy układ ma niezerowe rozwiazanie ˛ w ciele K wtedy i tylko wtedy, gdy det (MA − λIn ) = 0, czyli gdy liczba λ jest pierwiastkiem ˛ do wielomianu charakterystycznego macierzy MA (zob. Definicja 4, rozdz. 2). należacym ciała K. ♠ 29 Niech X bedzie ˛ przestrzenia˛ rzeczywista˛ o wymiarze skończonym dim X = n. Ponieważ wielomian charakterystyczny macierzy operatora liniowego A ∈ L (X, X) ma stopień n, to zgodnie z Wnioskiem 4 widmo punktowe σ p (A) tego operatora jest zawsze niepuste, gdy n jest liczba˛ nieparzysta.˛ Jeżeli n jest liczba˛ parzysta,˛ to może być σ p (A) = ∅ (zob. zad. 6). Natomiast jeżeli X jest przestrzenia˛ zespolona,˛ to zawsze jest σ p (A) = ∅. Wynika to ze znanego faktu: FAKT 1. Każdy wielomian f (z) ∈ C [z] dodatniego stopnia n ma w ciele liczb zespolonych pierwiastek. Suma krotno´sci wszystkich pierwiastków zespolonych wielomianu f (z) wynosi n. W przeztrzeniach o wymiarze nieskończonym jest nieco inaczej. Nawet w przypadku gdy przestrzeń jest zespolona, może być σ p (A) = ∅ (zob. zad. 5). Natomiast widmo σ (A) operatora A ∈ L (X, X) jest zawsze niepuste. Mówi o tym jedno z dwóch twierdzeń, których nie bedziemy ˛ tutaj dowodzić. TWIERDZENIE 3. Jeżeli X jest zespolona˛ przestrzenia˛ Banacha i A ∈ L (X, X) , to σ (A) = ∅. TWIERDZENIE 4. Niech X bedzie ˛ zespolona˛ przestrzenia˛ Banacha i niech A ∈ L (X, X) . Wtedy zbiór rezolwenty ρ (A) operatora A jest zbiorem otwartym na płaszczy´znie zespolonej, a σ (A) jest zbiorem domknietym ˛ zawartym w kole {λ ∈ C : |λ| ≤ A} . Dla wszystkich liczb zespolonych λ takich, że |λ| > A , zachodzi równo´sć ∞ An RA (λ) = n+1 . λ n=0 Zadania 1. Niech X bedzie ˛ przestrzenia˛ Banacha i niech A ∈ L (X, X) . Udowodnić, że dla każdego λ ∈ σ p (A) przestrzeń własna Xλ operatora A odpowiadajaca ˛ wartości własnej λ jest domkniet ˛ a˛ podprzestrzenia˛ liniowa˛ przestrzeni X. 2. Niech H bedzie ˛ przestrzenia˛ Hilberta nad ciałem K i niech A ∈ L (H, H) bedzie ˛ operatorem samosprze˛ żonym. Niech λ i µ bed ˛ a˛ dwiema różnymi wartościami własnymi operatora A. Udowodnić, że podprzestrzenie własne Hλ oraz Hµ operatora A sa˛ ortogonalne. 3. Niech H bedzie ˛ przestrzenia˛ Hilberta nad ciałem K i niech U ∈ L (H, H) bedzie ˛ operatorem unitarnym. Udowodnić, że |λ| = 1 dla każdego λ ∈ σ p (U ) . 4. Niech X bedzie ˛ przestrzenia˛ Banacha nad ciałem K i niech A ∈ L (X, X) . Udowodnić, że σ p (A) ⊂ σ (A) . 5. Wyznaczyć widma punktowe σ p (A) nastepuj ˛ acych ˛ operatorów liniowych ograniczonych: (a) A : l2 → l2 , gdzie A (x1 , x2 , x3 , ...) = (x2 , x3 , x4 , ...) , zaś l2 jest przestrzenia˛ rzeczywista.˛ 30 (b) A : l2 → l2 , gdzie A (z1 , z2 , z3 , ...) = (z2 , z3 , z4 , ...) , zaś l2 jest przestrzenia˛ zespolona.˛ (c) A : C ([0, 1]) → C ([0, 1]) , gdzie (Ax) (t) = tx (t) , t ∈ [0, 1] , zaś C ([0, 1]) jest przestrzenia˛ rzeczywista.˛ (d) A : C ([0, 1]) → C ([0, 1]) , gdzie (Az) (t) = tz (t) , t ∈ [0, 1] , zaś C ([0, 1]) jest przestrzenia˛ zespolona.˛ (e) A : l2 → l2 , gdzie A (x1 , x2 , x3 , ...) = (0, x1 , x 2t, x3 , ...) . (f) A : C ([0, 1]) → C ([0, 1]) , gdzie (Ax) (t) = 0 x (s) ds. 6. Wyznaczyć widmo punktowe operatora A : K2 → K2 danego wzorem: A (x1 , x2 ) = (−x2 , x1 ) , gdy (a) K = R. (b) K = C. 7. Wyznaczyć widma σ (A) operatorów liniowych ograniczonych z zadań 7(a), 7(b), 7(c) i 7(d). 8. Podać wzór na rezolwente˛ operatora A : R2 → R2 danego wzorem: A (x1 , x2 ) = (x1 + x2 , x2 ) . 9. Niech X bedzie ˛ przestrzenia˛ liniowa˛ nad ciałem K. Udowodnić, że operator liniowy A : X → X jest różnowartościowy wtedy i tylko wtedy, gdy ker A = {0} . 10. Niech X bedzie ˛ przestrzenia˛ liniowa˛ nad ciałem K. Udowodnić, że jeżeli operator A : X → X jest odwracalny, to odwzorowanie odwrotne A−1 : A (X) → X też jest operatorem liniowym.