19. Druhý rozklad lineární transformace

Podobné dokumenty
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.

18. První rozklad lineární transformace

10. Vektorové podprostory

1. Jordanův kanonický tvar

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

Vlastní čísla a vlastní vektory

ALGEBRA. Téma 5: Vektorové prostory

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan

Vlastní číslo, vektor

Ortogonální projekce a ortogonální zobrazení

Jordanův normální tvar

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

15 Maticový a vektorový počet II

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

10 Přednáška ze

1 Linearní prostory nad komplexními čísly

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,

Lineární algebra : Báze a dimenze

Vlastnosti lineárních zobrazení a velikost vektorů

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan

Cvičení z Lineární algebry 1

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

Vlastní čísla a vlastní vektory

1 Báze a dimenze vektorového prostoru 1

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

2. Schurova věta. Petr Tichý. 3. října 2012

Vlastní čísla a vlastní vektory

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

Báze a dimenze vektorových prostorů

Arnoldiho a Lanczosova metoda

Transformace souřadnic

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Lineární algebra : Vlastní čísla, vektory a diagonalizace

Vlastní čísla a vlastní vektory

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a a 2 2 1

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).

DEFINICE Z LINEÁRNÍ ALGEBRY

[1] x (y z) = (x y) z... (asociativní zákon), x y = y x... (komutativní zákon).

Symetrické a kvadratické formy

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus.

Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

VĚTY Z LINEÁRNÍ ALGEBRY

1 Determinanty a inverzní matice

1 Vektorové prostory a podprostory

Matematika 2 pro PEF PaE

Podobnostní transformace

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice

CHARAKTERISTICKÉ VEKTORY

Singulární rozklad. Petr Tichý. 31. října 2013

5. Singulární rozklad

0.1 Úvod do lineární algebry

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

Matice lineárních zobrazení

Úlohy nejmenších čtverců

Budeme se zabývat rozkladem prostoru V na p»r mý sou»cet tzv. invariantn ch podprostorνu,

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

Lineární algebra : Skalární součin a ortogonalita

Cyklické kódy. Definujeme-li na F [x] n sčítání a násobení jako. a + b = π n (a + b) a b = π n (a b)

1 Co jsou lineární kódy

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny

Soustavy lineárních rovnic

1 Řešení soustav lineárních rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan. 2.

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

1 Soustavy lineárních rovnic

Základy matematiky pro FEK

[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici

10. DETERMINANTY " # $!

EUKLIDOVSKÉ PROSTORY

Množinu všech matic typu m n nad tělesem T budeme označovat M m n (T ), množinu všech čtvercových matic stupně n nad T pak M n (T ).

7. Důležité pojmy ve vektorových prostorech

2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.

DRN: Soustavy linárních rovnic numericky, norma

0.1 Úvod do lineární algebry

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

SVD rozklad a pseudoinverse

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA I, zimní semestr 2000/2001 Michal Marvan. 7.

Generující kořeny cyklických kódů. Generující kořeny. Alena Gollová, TIK Generující kořeny 1/30

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.

Matematika B101MA1, B101MA2

Co byste měl/a zvládnout po 4. týdnu

Operace s maticemi. 19. února 2018

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů

BCH kódy. Alena Gollová, TIK BCH kódy 1/27

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.

(u, v) u. v. cos φ =

1 Vektorové prostory.

ALGEBRA. Téma 4: Grupy, okruhy a pole

Transkript:

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Úmluva. Všude P = C. Vpřednášce o vlastních vektorech jsme se seznámili s diagonalizovatelnými transformacemi. V bázi složené z vlastních vektorů v i mají diagonální matici s vlastními čísly λ i na diagonále. Obecná lineární transformace nemusí mít bázi složenou z vlastních vektorů. Nicméně, jak ukážeme, lze zkonstruovat jinou významnou bázi Jordanovu. Matice lineární transformace v Jordanověbázi je tzv. Jordanova matice. Opět má na diagonále vlastníčísla, ale může obsahovat i nenulové prvky v řadě sousedící s diagonálou (všechny ovšem rovny 1). Východiskem pro nalezení Jordanovy báze bude první rozklad, příslušný rozkladu charakteristického polynomu (nebo libovolného jiného anulujícího polynomu) χ f na nesoudělné součinitele. Při P = C ovšem existuje rozklad na kořenové činitele χ f = (x ξ 1 ) k1 (x ξ s ) k s, ξ i ξ j pro i j, a pro i j jsou polynomy (x ξ i ) k i a (x ξ j ) k j nesoudělné. Invariantní podprostory prvního rozkladu pak jsou U i = Ker( f ξ i id) k i. Na jednotlivých invariantních podprostorech vznikají restrikce f Ui : U i U i. Označíme-li g i = f ξ i id, pak Ker g k i i = U i, a tedy (g Ui ) k i = 0. Má tedy smysl studovat transformace f : U U takové, že pro některé číslo ξ transformace g = f ξ id splňuje g k = 0. Výsledky použijeme pro U = U i a g = f Ui ξ i id Ui, i = 1,...,s. 1. Cyklické podprostory Definice. Transformace g : U U (resp. čtvercová matice B) se nazývá nilpotentní, jestliže existuje celé číslo k 1 takové že g k = 0 (resp. B k = 0). Cvičení. Transformace g je nilpotentní právě tehdy, když je její matice B (v libovolné bázi) nilpotentní. Definice. Podprostor T U se nazývá cyklický vzhledem k transformaci g : U U, jestliže mábázi e 1, e 2,...,e n takovou, že g(e 1 ) = e 2, g(e 2 ) = e 3,..., g(e n 1 ) = e n, g(e n ) = 0. Báze e 1, e 2,...,e n se nazývá Jordanova báze. Schematicky, e 1 g e 2 g e n 1 g e n g 0.

Definice. Matice J 1 (ξ) = ( ξ ), J 2 (ξ) = ξ 0 0 0 1 ξ 0 0 J 4 (ξ) = 0 1 ξ 0, 0 0 1 ξ ( ) ξ 0, J 1 ξ 3 (ξ) = atd. se nazývají Jordanovy bloky (též Jordanovy buňky). ξ 0 0 1 ξ 0, 0 1 ξ Tvrzení. Bud T cyklický podprostor nilpotentní transformace g, bud f = g + ξ id. Pak (1) T je invariantní vzhledem k lineárním transformacím gi f; (2) g T má v Jordanověbázi e 1, e 2,...,e n matici J n (0); (3) f T má v Jordanověbázi e 1, e 2,...,e n matici J n (ξ). Důkaz. Cvičení. Často se setkáváme s odlišnou definicí Jordanových buněk jedničky stojí v řadě nad diagonálou. To odpovídá opačnému pořadí vektorů Jordanovy báze, tj. e n,...,e 2, e 1. 2. Nalezení Jordanovy báze Tvrzení. Bud g : U U nilpotentní transformace. Pak existují cyklické podprostory T 1,..., T r U takové, že U = T 1 + + T r. Vdůkazu budeme potřebovat následující lemma. Lemma. Bud h : U V lineární zobrazení. Zvolme libovolně bázi v Ker h a doplňme ji do báze v U nějakými vektory e 1,...,e m. Pak jsou vektory h(e 1 ),...,h(e m ) nezávislé a tvoří bázi v Im h. Důkaz. Cvičení.(Vizdůkaz formule dim U = dim Ker h + dim Im h.) Tvrzení dokážeme uvedením praktického algoritmu pro nalezení Jordanovy báze. Popis algoritmu tvoří věty psané kurzívou. Máme U = Ker g k pro jisté k (protože g je nilpotentní). Bez újmy na obecnosti je číslo k minimální, to jest, g k 1 0, a tudížkerg k 1 U. 1. Zvolíme libovolněbázi v Ker g k 1 a doplníme ji do báze v U = Ker g k nějakými vektory e 1,...,e m1. Podle lemmatu potom vektory g k 1 (e 1 ),..., g k 1 (e m1 ) tvoří bázivimg k 1 a jsou tedy nezávislé. 2. Zvolíme libovolněbázi v Ker g k 2 apřidámekní vektory g(e 1 ),...,g(e m1 ) Ker g k 1 (protože g k = 0). Tato sestava je lineárně nezávislá. [Skutečně, lineární závislost by znamenala, že existují skaláry c 1,...,c m1 takové, že c 1 g(e 1 ) + +c m1 g(e m1 ) Ker g k 2.Pakovšem 0 = g k 2 (c 1 g(e 1 ) + +c m1 g(e m1 )) = c 1 g k 1 (e 1 ) + +c m1 g k 1 (e m1 ), a tedy c 1 = 0,..., c m1 = 0, protože vektory g k 1 (e 1 ),..., g k 1 (e m1 ) jsou nezávislé (viz výše).] 2

Sestavu doplníme do báze v Ker g k 1 nějakými vektory e m1 +1,...,e m2. Tím se vlastně doplní báze v Ker g k 2 do báze v Ker g k 1 vektory g(e 1 ),..., g(e m1 ), e m1 +1,..., e m2. Z lemmatu potom vyplývá, že vektory g k 1 (e 1 ),..., g k 1 (e m1 ), g k 2 (e m1 +1),..., g k 2 (e m2 ) tvoří bázi v obrazu g k 2 Ker g k 1 a jsou tedy nezávislé. 3. Zvolíme libovolně bázi v Ker g k 3 apřipojímekní vektory g 2 (e 1 ),...,g 2 (e m1 ), g(e m1 +1),...,g(e m2 ) Ker g k 2. Tato sestava je lineárně nezávislá. [Skutečně, jinak by existovaly skaláry c 1,...,c m1, c m1 +1,...,c m2 takové, že c 1 g 2 (e 1 ) + + c m1 g 2 (e m1 ) + c m1 +1g(e m1 +1) + + c m2 g(e m2 ) Ker g k 3.Pakovšem 0 = g k 3 (c 1 g 2 (e 1 ) + + c m1 g 2 (e m1 ) + c m1 +1g(e m1 +1) + + c m2 g(e m2 )) = c 1 g k 1 (e 1 ) + + c m1 g k 1 (e m1 ) + c m1 +1g k 2 (e m1 +1) + + c m2 g k 2 (e m2 ), a tedy c 1 = 0,..., c m1 = 0, c m1 +1 = 0,..., c m2 = 0, protože vektory g k 1 (e 1 ),..., g k 1 (e m1 ), g k 2 (e m1 +1),...g k 2 (e m2 ) jsou nezávislé (viz výše).] Sestavu doplníme do báze v Ker g k 2 nějakými vektory e m2 +1,...,e m3. Tím se doplní báze vkerg k 3 do báze v Ker g k 2 vektory g 2 (e 1 ),..., g 2 (e m1 ), g(e m1 +1),..., g(e m2 ), e m2 +1,..., e m3. e 1 e m1 U = Ker g k e m1 +1 e m2 Ker g k 1 e m2 +1 e m3 Ker g k 2 Ker g k 3 Podobných kroků provedeme k (v posledním kroku doplňujeme bázi podprostoru Ker g 0 = Ker id ={0 } do báze v podprostoru Ker g). Celkově získáme bázi e 1,...,e m1, g(e 1 ),...,g(e m1 ), e m1 +1,...,e m2, g 2 (e 1 ),...,g 2 (e m1 ), g(e m1 +1),...,g(e m2 ), e m2 +1,..., e m3,... v prostoru U. Podprostory [[e 1, g(e 1 ), g 2 (e 1 ),...]],..., [[e m1, g(e m1 ), g 2 (e m1 ),...]], [[e m1 +1, g(e m1 +1), g 2 (e m1 +1),...]],..., [[e m2, g(e m2 ), g 2 (e m2 ),...]],... jsou pak cyklické podprostory s příslušnými Jordanovými bazemi. 3

3. Invarianty lineární transformace Nalezli jsme cyklické podprostory a v každém z nich Jordanovu bázi. Situaci můžeme znázornit diagramem, jehož vrcholy jsou vektory Jordanovy báze a šipky znamenají zobrazení g: ( ) Sloupce znamenají jednotlivé cyklické podprostory. Vektory spodní řady se zobrazují na nulový vektor. Tvoří vlastně bázi v Ker g = Ker( f ξ id) = V ξ,což je prostor vlastních vektorů s vlastním číslem ξ.tudíž, počet sloupců=počet cyklických podprostorů = dim V ξ. Vektory dolních j řádkůtvoří bázi v Ker g j.v j-tém řádku zdola je proto právě m k j = dim Ker g j dim Ker g j 1 bodů. Čísla m 1 m 2 m k jednoznačněurčují délku sloupců diagramu, a tím i dimenze cyklických podprostorů. Formule ( ) ukazuje, že čísla m 1 m 2 m k závisí jen a jen na nilpotentní transformaci g a nikoliv na konkrétním postupu, kterým byla získána Jordanova báze. Jsou to invarianty lineární transformace g. Důsledek. Bud g : U U nilpotentní transformace. Pak existuje báze prostoru U taková, že (a) transformace g má blokově diagonální matici, která je přímým součtem Jordanových bloků J s (0); (b) transformace f = g + ξ id má blokově diagonální matici, která je přímým součtem Jordanových bloků J s (ξ). Příklad. Uvažujme o lineárním zobrazení C 5 C 5 s maticí 0 1 1 2 0 3 4 4 3 0 A = 3 1 0 3 3 4 1 1 6 4 1 0 0 1 0 Anulující polynom nejmenšího stupnějex 3 + 6x 2 + 12x + 8 = (x + 2) 3, s jediným kořenem 2, což je současně jediná vlastní hodnota matice A. První rozklad má proto jediného sčítance U = C 5 a 2 1 1 2 0 3 2 4 3 0 B = A + 2E = 3 1 2 3 3 4 1 1 4 4 1 0 0 1 2 je nilpotentní matice, B 3 = 0. Spočítáme 4 1 2 4 5 B 2 = 4 1 2 4 5, 4 ( )

načež Ker B 2 = [[(5, 0, 0, 0, 4), (0, 5, 0, 0, 1), (0, 0, 5, 0, 2), (0, 0, 0, 5, 4)]]. Tento čtyřrozměrný podprostor můžeme doplnit do báze v C 5 libovolným vektorem, kterývněm neleží, zvolme například e 1 = (0, 0, 0, 0, 1). Tím jeukončen první krok. Ve druhém kroku spočítáme Ker B = [[(1, 0, 0, 1, 0), (0, 5, 1, 2, 1)]], apřidáme vektor Be 1 = (0, 0, 3, 4, 2). Získanou sestavu tří nezávislých vektorů jetřeba doplnit do báze ve čtyřrozměrném Ker B 2 jedním vektorem; zvolme například e 2 = (0, 0, 0, 5, 4) (ve skutečnosti bylo možné vzít kterýkoliv ze shora uvedených generátorů podprostoru Ker B 2 ). Tím jeukončen druhý krok. Ve třetím kroku je Ker B 0 = Ker E = 0 a doplňujeme dva vektory g 2 (e 1 ) = ( 5, 0, 0, 5, 0) a g(e 2 ) = ( 10, 15, 3, 4, 3) do báze v dvourozměrném Ker B, což ovšem nevyžaduje žádný doplňující vektor a jsme hotovi. Hledaná Jordanova báze je proto tvořena vektory e 1, g(e 1 ), g 2 (e 1 ), e 2, g(e 2 ).Příslušný diagram je a jeho dva sloupce odpovídají dvěma Jordanovým blokům rozměru 3 a 2. Dostáváme Jordanův tvar matice B resp. A jako 2 0 0 0 0 1 0 0 0 0 1 2 0 0 0 0 1 0 0 0 resp. 0 1 2 0 0 0 0 0 2 0 0 0 0 1 0 0 0 0 1 2 (při obráceném pořadí vektorů Jordanovy báze by jedničky stály nad diagonálou; odlišné může být i pořadí Jordanových bloků). Cvičení. Spočtěte Jordanův tvar transponované matice A.(Výsledek: je týž.) Vrat me se nyní k obecné transformaci f : V V a prvnímu rozkladu V = U 1 + + U s podle některého anulujícího polynomu. Pro každý z prostorů U l, l = 1,...,s dostáváme rozklad na cyklické podprostory T l,i, kde i = 1,...,k l, celkem tedy V = T 1,1 + + T 1,k1 + + T s,1 + + T s,ks. Tento rozklad se nazývá druhý rozklad prostoru lineární transformace. Připomeňme, že cyklické podprostory T i, j jsou invariantní a zobrazení f Ti, j mají v Jordanově bázi matici tvaru J r (ξ), r = dim T i, j. Definice. Matice, která jepřímým součtem matic J r (ξ), senazývá matice v Jordanově tvaru. 5

Příklad. Matice A = 2 1 0 0 2 1 0 0 2 0 0 0 2 1 0 0 0 0 0 0 0 2 0 0 0 2 1 0 0 2 0 0 0 3 1 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 3 1 0 0 3 0 0 0 3 0 0 0 3 je v Jordanově tvaru. Bloky prvního rozkladu jsou vyznačeny dvojitou čarou. Blokům druhého rozkladu odpovídají diagramy resp. Šipky zde znamenají zobrazení f 2 id resp. f 3 id. Délky spodních řádků jsou dimenze prostorů vlastních vektorů s vlastními hodnotami 2 resp. 3. Důsledek. 1. Bud f : V V lineární transformace. Pak existuje báze prostoru V taková, že fmá matici v Jordanově tvaru. 2. Bud A čtvercová komplexní matice. Pak je podobná matici v Jordanově tvaru. Odpovídající báze se nazývá Jordanova báze a získáme ji sjednocením Jordanových bazí v jednotlivých cyklických podprostorech T i, j. Při praktickém převodu na Jordanův tvar nejdříve nalezneme invariantní podprostory U = Ker g k = Ker( f ξ id) k prvního rozkladu, pro každou vlastní hodnotu ξ zvlášt. Vkaždém z nich pak hledáme Jordanovu bázi známým postupem. Zbývá rozhodnout, nakolik je Jordanův tvar matice lineárního zobrazení určen jednoznačně. Postup k nalezení Jordanovy báze, který jsme popsali, udává jednoznačně všechny Jordanovy buňky J s (ξ). Čísla ξ probíhají všechny vlastní hodnoty a rozměr s je určen prostřednictvím diagramů( ), tj. prostřednictvím čísel m 1 m 2 m k, která jsou zase jednoznačněurčena formulemi ( ), kde g = f ξ id. Neurčeno pak zůstává pouze pořadí Jordanových buněk. 4. Minimální polynom Minimální polynom můžeme jednoduše stanovit z Jordanova tvaru jako polynom (x λ 1 ) µ1 (x λ s ) µ s, kde λ 1,...,λ s jsou vlastní hodnoty matice A a µ 1,...,µ s jsou výšky (maximální délky sloupců) diagramů ( ) pro jednotlivé vlastní hodnoty ξ 1,...,ξ s. (Dokažte jako cvičení.) 6

Příklad. Matice z posledního příkladu má minimální polynom (x 2) 3 (x 3) 2. 5. Kriterium podobnosti matic Připomeňme, že dvě čtvercové matice A, B jsou podobné, jestliže existuje invertibilní matice Q taková, že B = Q 1 AQ. Zapisujeme A B. Dále připomeňme, že matice jedné atéže lineární transformace v různých bazích jsou si podobné (maticí Q je v tomto případě matice přechodu mezi bázemi). Tvrzení. Každá komplexní matice A je podobná některé matici B v Jordanově tvaru. Důkaz. Matice A typu n/n je maticí lineárního zobrazení f : C n C n, u Au. V Jordanově bázi má zobrazení f matici B v Jordanově tvaru. Pak B A. Matice B z předchozího tvrzení se nazývá Jordanův tvar matice A. Jordanův tvar je určen jednoznačně ažnapořadí bloků a rozhoduje o podobnosti matic: Tvrzení. Matice A, A jsou si podobné právě tehdy, když mají stejný Jordanův tvar až na pořadí Jordanových bloků. Důkaz. Jsou-li si matice A, A podobné, pak mají zobrazení u A u, u A u stejné vlastní hodnoty a stejné jsou i dimenze m j a m j určené formulemi ( ) (cvičení). Proto jsou stejné i Jordanovy tvary. Naopak, bud te B A a B A Jordanovy tvary matic A a A. Jestliže se B a B liší jen pořadím Jordanových bloků, pak jsou si podobné (cvičení), načež A B B A. Cvičení. Dokažte, že pro libovolnou čtvercovou matici platí A A. Návod: Dokažte postupně (a) J J pro libovolnou Jordanovu matici J (stačí zpřeházet vektory v Jordanově bázi); (b) je-li A J, pak A J. 7