Escolar Documentos
Profissional Documentos
Cultura Documentos
BOSKOSEGO
Bosko Sego
Recenzenti: Prof. dr. sc. ZORAN BABIC Prof. dr. sc. NELl TOMIC-PLAZIBAT Doc. dr. sc. ZDRA VKA ALJINOVIC
MATEMATIKA ZA EKONOMISTE
II. izmijenjeno izdanje
Urednik
NARDONE
NDVINE
dod.
Zagreb,2005.
PREDGOVOR
DRUGOM IZDANJU
kclt
51
Autor osjeti izuzetnu radost kada se njegovi visegodisnji napori uoblice u knjiguo No, osjecaj srece i zadovoljstva povecaju se kada sazna da je prvo izdanje rasprodano i da postoji potreba za novim izdanjem. Ispravio sam greske uocene u prethodnom izdanju, ali i dalje, naravno, postoji mogucnost da mi je ponesto promaknulo. Zato cu biti iskreno zahvalan svima koji mi ukazu na uocene propuste. Zahvaljujem se marljivim djelatnicima u urednistvu Narodnih novina na ulozenom trudu kako hi ova izdanje ~to prije doslo do studenata. U Zagrebu, prosinac 2004.
Autor
5ErjmlA-~
ClP - Karalcgizacj]a u publikacii i Nacionalna i sveutili~na knj ifnica - Zagreb UDK 51 :33>{075.8) Matematika za ekonorniste I Bo~ko ~ego. 2. izmijenjeno izd, - Zagreb: Narodne novine, 2004. - (Ekonomska biblioteka ; 5)
~EGO,Bo~ko
Bibliografija
ISBN 953-234-042-4 I. Matemarika za ekonornlste
441207081
PREDGOVOR
Knjiga Matematika za ekonomiste ponajprije je namijenjena studentima ekonomskih fakulteta. Rezultat je vHegodisnjeg rada na prvoj i drugoj godini Ekonomskog fakulteta - Zagreb. Vee dulje vrijeme studenti su nezadovoljni nepostojanjem jedne knjige koja bi im omogucila svladavanje grad iva iz (veoma opseznog) kolegija Matematika. No, buduci da su glavne poteskoce pri izvodenju nastave matematike izuzetno mali fond sati (60+60) i mnostvo tema koje studenti u tako kratkom roku rnoraju svladati, odlucio sam publicirati svoja predavanja "obogacena" znacajnim brojem zadataka. Nadam se da sam time olaksao studentima kvalitetnu pripremu i pismenog i usmenog dijela ispita iz kolegija Matematika, a sebi provjeru njihovog znanja. lskreno cu biti zahvalan svima koji rni ukazu na ucinjene propuste i tako orno-
guce da iduci narastaji studenata sa sto manje nedournica kvalitetno priprerne ispit iz
Maternatike. - Zahvaljujem se studentima koji su svojim prirnjedbama i pitanjima u tijeku predavanja, odnosno konzultacija doprinijeli da vise pozomosti obratim nekim tern arna koje su maternaticarima same po sebi razumljive, a ustvari uopce nisu trivijalne. Zahvaljujem se gospodinu Robertu Solomonu, direktoru Potecona, na sprernnosti da omoguci objavljivanje ove knjige. Svakako posebnu zahvalnost dugujem recenzentirna prof. dr. sc. Zoranu Babicu, doc. dr. sc. Neli Tomic-Plazibat i mr. sc. Zdravki Aljinovic koji su iznijeli niz prirnjedbi i sugestija na ovaj rad i tako znacajno doprinijeli konacnoj verziji rukopisa. Takoder se zahvaljujem svima onima za koje, narocito u posljednjih nekoliko mjeseci, nisam imao onoliko vremena koliko su (svojom strpljivoscu i nenametljivoscu) zasluzili,
VII
KRATKI SADRZAJ
1. Lineama algebra s matricnim racunorn . . . . 2. Diferencijalni racun s primjenama u ekonomiji 3. Integralni racun s primjenama u ekonomiji 4. Financijska matematika. ......... 235
497
589
IX
SADRZAJ
1. LINEARNA ALGEBRA S MATRICNIM 1.1.
1.1.1.
RACUNOM 1 9
13 13
Matrice................
Definicija Jednakost matrice i tipovi matrica ... matrica i uredaj u skupu Jtmn
1.l.2. 1.2.
1.2.1. 1.2.2. 1.2.3. 1.2.4. 1.2.5. 1.2.6. 1.2.7. 1.2.8. 1.2.9. 1.2.10.
Operacije s matricama
...
Zbrajanje matrica , . . . . . .
15
16
17
18
20 22 26
28
33 39 . 39
Determinante.....
Definicija determinante
pomccu Cramerovog 43 4S 54
razvoja . .
determinanti teorern
Binet-Cauchyjev
60 60
62 69 71
1.4.3. 1.4.4.
1.5.
1.5.1. 1.5.2.
84 84 85
86 89
1.5.3. I.S.4.
XI
Koeficijent konzistencije dva vektora Udaljenost vektora.. .. .... Linearna ovisnost i neovisnost prostora ..
..
90 93 100
2.1.11.2. 2.1.11.3. 2.Ll3. 2.2. 2.2.1. 2.2.2. 2.2.3. 2.2.4. 2.2.5. 2.2.5.1. 2.2.5.2. 2.2.5.3.
niz . . .
vektora. ..
Baza vektorskog
114
122 122
1.8.1.
1.8.2.
Prikaz vektora u dvije susjedne baze Prikaz vektora u dvije susjedne baze. Potprostor u .W'. Baza potprostora .. Rang matrice Elementarne Sustavi Opcenito
0
133
matrice
1.9.
1.10. l.l1. 1.11.1. l.l1.2. l.12. l.13.
..
...
139 147
154 154
Granicna vrijednost realne funkcije jedne realne varijable Pojam i definicija granicne vrijednosti Svojstva granicnih vrijednosti. . .. Granicna vrijednost kvocijenta polinoma Neprekidnost funkcije. " .. Asimptote. ... " . Vertikalna (okomita) asirnptota . Horizontalna (vodoravna) asimptota. Kosa asimptota .. '" .... Derivacija realne funkcije jedne varijable Definicija i geometrijska interpretacija derivacije . Pravila deriviranja '" . .. .. . .. Derivacija funkcije y(x)""xn . • • •• • ••••. Derivacija zbroja, razlike, umnoska i kvocijenta dviju realnih funkcija. .. " ... Derivacija zbroja dviju realnih funkcija. . Derivacija razlike dviju realnih funkcija. Derivacija umnoska dviju realnih funkcija. Derivacija kvocijenta dviju realnih funkcija . Derivacija logaritamske funkcije .. Derivacija inverzne funkcije ... Derivacija eksponencijalne funkcije .. Derivacija Derivacija Derivacija Derivacija Derivacija Derivacija trigonometrijskih funkcija ciklometrijskih funkcija funkcije y(x) =arcsinr funkcije y(x)=arccosx funkcije y(x)=<arctgx . funkcije y(x)=arcctgx .
315
317 318
322
323
linearnih
17l
181 pomocu .. Gauss-Jordanovih '" .. 199
2.3.
2.3.1.
2.3.2.
2.3.2.1. 2.3.2.2. 2.3.2.2.1. 235 235 2.3.2.2.2. 2.3.2.2.3. 2.3.2.2.4. 2.3.2.3. 2.3.2.4. 2.3.2.5. 2.3.2.6. 2.3.2.7. 2.3.2.7.1. 2.3.2.7.2. 2.3.2.7.3. 2.3.2.7.4. 2.3.2.8.
344 344 346 346 347 347 348 352 356 356 359
364 364 364 365 365
Graficko predoeavanje
Inverzna funkcija ... ..... Klasifikacija realnih funkcija jedne varijable. Cijele racionalne Konstantna Kvadratna Razlomljene Logaritamska Linearna funkcija funkcija .. funkcije . ... . .. funkcija pornccu pravokutnog .. .. .. funkcija metodom koordinata funkcija funkcija.. funkcije. racionalne Kubna funkcija Eksponencijalna Trigonometrijske Definiranje trokuta. . Definiranje funkcije . funkcija .
2.1.7.
2.1.8.
238 240 244 245 245 247 251 259 262 265 271
274
2.1.9.
2.1.9.1. 2.1.9.2. 2.1.9.3. 2.1.9.4.
2.3.2.9.
2.3.2.10.
274 276
278
Derivacija slozene funkcije . Logaritamsko deriviranje . Derivacije viseg reda . . . . funkcije " implicitno zadane funkcije . Teoremi 0 srednjoj vrijednosti. Rolleov teorern ...
367
372
374
376
Graficko predocavanje
2.UO.
2.1.11. 2.1.11.1.
389
393 XIII
2.3.5. 2.3.5.1.
L'Hospitalovo Neodredeni
pravilo oblik
. 397 . 397
o
..........
3.3• 3.4.
3.4.1. 3.4.2. 3.4.3. 3.4.4.
Neodredeni integrali nekib jednostavnijih Osnovne metode integracije . Direktna integracija . . . . . Metoda supstitucije . . . . . Metoda parcijalne integracije Integral kvocijenta polinoma Integrali oblika Integriranje Problem
fuokcija
2.3.5.2. 2.3.5.3. 2.3.5.4. 2.3.5.4. 2.3.6. 2.3.7. 2.3.8. 2.3.9. 2.3.10. 2.3.11. 2.3.12. 2.3.13. 2.3.13.1. 2.3.13.2. 2.3.14. 2.3.14.1. 2.3.14.2. 2.3.14.3. 2.3.14.4. 2.3.14.5. 2.3.14.6. 2.3.14.7. 2.3.14.8. 2.3.14.9. 2.3.14.10. 2.3.14.11. 2.3.14.12. 2.3.14.13. 2.3.14.14. 2.3.14.14.1. 2.3.14.14.2.
Neodredeni Neodredeni
oblik
00 00
402 404 404 405 406 412 414 416 422 425 436 443 443 451 455 455
oblik 0 00
3.4.5.
3.4.6. 3.5. 3.5.1. 3.5.2. 3.5.2.1. 3.5.2.2. 3.6. 3.6. L 3.6.2. 3.7. 3.7.1. 3.7.2. 3.7.3. 3.7.4.
Neodredeni oblik 00 - 00 ..... Neodredeni oblici I"', 0"', 0° i 00° . Podrucje rasta i pada realne funkcije jedne varijable
Konveksne funkcije ........... Konkavne funkcije. . . . . . . . . . . . Ekstremi realnih funkcija jedne varijable . Tocka infleksije . . . . . . . . . . . . . Graficko predocavanje realnih funkcija jedne varijable . Granieni troskovi, . . . . . . . Elasticnost . . . . . . . . . . . Koeficijent elasticnosti u tocki . Mjere lucne elasticnosti Funkcije vise varijabli Opcenito 0 funkcijama Graficko predocavanje .... ..... vise varijabli . funkcija dviju varijabli
f ax r;x + n dx +bx+c
racionalnih funkcija . lika mjernog broja povdine
500 502 502 504 507 510 513 516 527 527 531 534 534 integrala. 537 548 549 555 565 565 568 574 577
razlomljenih
ra~unanja
Donja i gomja Darbouxova suma . Odredeni integral . Osnovna svojstva odredenog integral a . Izracunavanje odredenih integrala. .. mjemog broja povrsine lika pomocu odredenog Nepraviintegral................ Integrali s beskonacnim granicama ....... Integrali funkcija s prekidom (diskontinuitetom). Diferencijalne jednadzbe Opcenito 0 diferencijalnim . jednadzbama . . prvog reda . u ekonomiji
3.5.2.3. Racunanje
Neprekidnost funkcija vise varijabli . . . . . . Granicna vrijednost funkcija vise varijabli . . . Parcijalni i ukupni prirast funkcije dviju varijabli. Parcijalne derivacije . Ukupni prirast i ukupni diferencijal. . . . . . Parcijalne derivacije Koeficijenti viseg reda . . parcijaine i ukrstene elasticnosti
457 458 459 460 462 465 467 469 471 477 482 484 492 492 . 494
jednadzbi
4. FINANCIJSKA
4.1. 4.2. 4.2.1. 4.2.2. 4.2.3. Kamata
MATEMATIKA
589 590 590 592 593 599 . klasicnog pristupa 628 632 632 637 637 648 618
i kamatne
stope. kamata.
..... .....
Nacini obracuna
Homogene funkcije . Eulerov teorern. . . . . . . . . . . Supstiruti j komplementama dobra. Lokalni ekstremi funkcija vise varijabli Optimum Metoda supstitucije Metoda Lagrangeovog . . rnnozitelja (multiplikatora)
Anticipativni nacin obracuna kamata Dekurzivni naein obracuna kamata . Ekvivalentni kamatnjaci. ...... Jednostavni Neprekidno financijskoj Diskretna i slozeni kamatni racun , kapitala
4.3.
4.4. 4.5. 4.6. 4.6.1.
Na~e(o financijske
ekvivalentnosti
3. INTEGRALNI
3.1. Primitivna 3.2. Osnovna pravlla
RAtUN
.
S PRIMJENAMA
U EKONOMIJI
497 498
i podintegralna integriranja
funkcija.
4.6.2. Konacna i sadasnja vrijednost vise periodicnih iznosa . 4.6.2.1. Konacna i sadasnja vrijednost vise prenumerando iznosa 4.6.2.2. Konacna i sadasnja vrijednost vise postnurnerando iznosa .
XIV
xv
4.7. 4.8.
4.8.1. 4.8.2. 4.9. 4.9.1. 4.9.2. 4.9.2.1. 4.9.2.2. 4.9.2.2.1. 4.9.2.2.2. 4.9.3. 4.9.3.1. 4.9.3.2. 4.9.3.3. 4.9.3.3.1. 4.9.3.3.2. 4.9.4. 4.9.5. 4.10. Dodatak Literatura
Vje~na renta.
.........
Potrosa~ki kredit ....... Opcenito 0 potrosackom kreditu. Naein otplate potrosackog kredita . Zajmovi . Osnovno 0 zajmovima ...... Zajam uz jednake anuitete. . . . . Odredivanje iznosa zajma i nominalno jednakih anuiteta Izrada otplatne tablice. . . . . . . . . . . . . . . . . . Kontrole tocnosti izraeunanih elernenata otplatne tablice Kontrola nakon izrade otplatne tablice . . . Zajam uz nominalno jednake otplatne kvote. Izracunavan]e otplatne kvote . . . . . . . . Izrada otplatne tablice . Kontrole tocnosti izraeunanih elernenata otplatne tab lice Kontrole u tijeku izrade otplatne tablice. . . . . . . Kontrola nakon izrade otplatne tablice . . . . . . . Zajam uz razlicite anuitete i razlicite otplatne kvote , Konverzija zajma. . . . . . . . . . . . . . . . Kombinirani zadaei (vezani uz zajam) za vjeibu 1: Matematicka indukcija
661 664
664
686
690
699
711
al2
au
aln
atn
A=
=r ..] (iE{1,2,...,m})
La,},
1,2,... ,n }'
783
............
793
Skup svih matriea oznacavat cemo sa...lt. Sto su elementi matriee A? Elernenti matriee A opcenito pripadaju nekom skupu. U ovom tekstu elemente matriee uzimat cemo u pravilu iz skupa realnih brojeva 'R, to jest uzimat cerno da su aijE'R za sve uredene parove (iJ). Prvi indeks (i) oznacava redak u kojem se razmatrani element nalazi, a drugi indeks (J) stupac u kojem se razmatrani element nalazi. Prethodno ukazuje da sematrica moze definirati kao funkeija koja uredenom paru prirodnih brojeva pridruzuje realni broj. Dakle, matricaje funkcija
A:NxN~'R,
pri cernu vrijednost funkcije A na mjesto (iJ) oznaeujemo sa
A(iJ)
= ai, E'R.
Uobicajeno je da se matriee oznacuju velikim slovima, a elementi malim slovima latinice, Pri eksplicitnom se ispisu elementi matrice stavljaju u jedan od sljedecih parova zagrada:
XV]
1111, []
Oznaku
iIi () . ~ Nairne,
aij
II II u ovom udzbeniku
Format matrlce pokazuje koliko matrica ima elemenata (m·n) i na koji nacin su ti elernenti pored ani (u m redaka i n stupaea). Skup svih matrica formata m-n oznacavat cerno sa vltmn. Primjer 1.1.1. Koliko matrice
A=[-~
tr
-2
~l
i
B=
.fi ~ [o 5 1
-3]
1
~ r rnatriea A i rnatrica
je Ae.A'4.1, a Be
~.3 .•
=0
Opcenito je broj redaka razlicit ad braja stupaea, to jest opcenito je men. Takve matrice zoverno pravokutnim matriearna. Ako je m=n, matrica A je kvadratna. U posljednjem slucaju govorit cerno da je matriea A reda n. Skup svih matrica reda n (iIi n-tog reda) oznacavat cemo sa.Al,.. Glavna dijagonala kvadratne matrice Ae...«. sastavljena je od elemenata alt. a22,.." aM' Sporedna dijagonala kvadratne rnatrice Ae..,/(, sastavljena je od elernenata
anlo
B=
[-~
1
-tr
-1 4
-../5
0 -4
0 3
-3 0
~1
••
an.I.2,'''' aln.
je antisirnetricna matrica 4. reda,jer je bij=-bji za sve iJe{ 1,... ,4}. • Nairne, uocimo najprije daje b II osim togaje b12= -b21
,
=b
22 ;:;:: bJ3
=b =0,
44
bl3= -bJI
b14= -b41
Dijagonalna matrica je kvadratna matrica za koju je aj/=()cim je i*j, to jest kod nje su svi nedijagonalni eIementi jednaki O. 2
3 0
1
A=
2
3 4
tr
5
6 7
2 6
je dijagonalna matrica 4. reda. Uocimo da nisu nuzno svi elementi glavne dijagonale kod dijagonalne matrice razliciti od O. Skala rna matrica je dijagonalna matrica za koju je all = an ;;;;; ann = S ...;;;;;
,
1= 0
0 0]
10
001
jesu jedinicne matrice (i zato koristimo istu oznaku), ali prva matrica je jedinicna matrica 2. reda, a druga 3. reda. Nul-matrica (oznaka: 0) je rnatrica koja ima sve elemente jednake O. Primjer 1.1.7. Matrica
to jest skalamu matricu karakterizira: (1) svi elementi izvan glavne dijagonale jednaki su 0 i (2) svi su elementi na glavnoj dijagonali jednaki. Primjer 1.1.5. Matrica
0=
je skalarna matrica 4. reda. Jedinicna matrica (koristit cerno oznaku: I) je skalarna mat rica s jedinicama na glavnoj dijagonali, to jest za nju vrijedi
I za
aij = {0
o o o o o o
0 0 0
0
0
je nul-matrica formata (6,2). Premda cemo sa 0 oznacavati nul-matricu bez obzira na njen format, konteksta ce uvijek biti jasno na koju nul-matricu se misli. Gornja trokutasta matrica je kvadratna matrica oblika
IZ
za
i=j i¢ j
o
je jedinicna matrica 4. reda. Napomenimo da ako iz konteksta nije jasno rijee, to cemo istaknuti. Nairne, i matrica
I
0
i>j.
=[~ ~]
i matrica
au a2L
0
all
al2
0 0
all
L=
alL
0 0 0
A=
[a+~
2b -ab
3a-b
a
-a1
-b 2a
a-2b
aM
to jest za nju vrijedi da je aij= 0 cimjej>i. Pod pojmom vektor-redak podrazumijevat cemo matricu kojairna sarno jedan redak, a pod pojmom vektor-stupac matricu koja ima sarno jedan stupac. Primjer 1.1.8. Matrica 1 2 M= 3
4
aij
~ Uocimo da je rijec 0 kvadratnoj matrici, pa ako postoje a, be'R takvi da je aji za sve (iJ), onda je za te brojeve a, b matrica A simetricna, Dakle, pitamo se da li sustav
3a-b -a
= 2b
=-ab
-b =a -2b ima (barem jedno) rjesenje, Lako se provjeri da prethodni sustav ima dva rjesenja: (0,0) i (1,1), paje rijec 0 matrici
~l
iIi ~ =[~ -1
~ -1
=2
~l· ·
5 6 je vektor-stupac. Rijec je 0 vektoru koji irna 6 elemenata (komponenata); reci cerno da je M 6-komponentni vektor. Primjer 1.1.9. Matrica N =[1 2 3 4 5 6] tako da ona bude antisirnetricna. ~ Najprije uocimo da je rijec 0 kvadratnoj matrici (a prema definiciji takva mora biti antisirnetricna matrica) i da su svi dijagonalni elementi matrice A jednaki 0 (sto je u skladu s tvrdnjom 1.1.1). Potrebno je sada odrediti, koristeci definiciju antisimetricne matrice, nepoznate elemente matrice. Buduci da je
a21= -a21= -1t ,
je vektor-redak koji ima 6 elemenata (komponenata). Trag kvadratne matrice A reda n jednak je zbroju dijagonalnih elemenata te matrice, to jest trag kvadratne matrice An-tog reda je funkcija Tr:.At,,-+'R sto se definira na skupu svih kvadratnih matrica.At" na sljedeci nacin: Tr(A) =
a14= -G41=1 ,
a23=-an=
-n; , a24=-a42= -5
a:J,4=-a43=
to je rijec
0
-n; ,
L:>ii .
,j ...
matrici
Rijeieni zadaci
1. Postoje li realni brojevi a i b za koje bi matrice
A;;;['-~ ~ ~ -;] .. -5 0
-n;
TC
-5
-TC
Zadaci za vjeibu
1. Ispitajte koje su od sljedeeih matriea simetricne:
a)A=[: ~
Zasto?
b)
B=G
! :l
0)
c=[~
!:}~ ~l D=[~
n:
a)
A = [2 2 3 , b) 1 3 1]
3 12 a+b a-b
B=
[51 -2 -3
3 -1
33
-2
13]
1
,e)
A = -1
[22 33 -19] . 93 3
-3 -1 -9
a)A=r=~ -6 ~ -3
d)
~]'b)B=[_~
D=[~
b a b
~le)=[_~ ~J.J)F=[~ ~l E
b ,b) B == [a b a a
~lc)c=[~ -~ -;J'
-7 0
Zasto?
8. Odredite parametre a i b takve da matriea D bude dijagonalna ako je: 2a+3b 2 a-b-l
a) D
= [:
3b
2+a bJ
b1j,b)D=
23
8-ab-b
aJ
-ab =b
b ,c) C == a
aJ
r1
a2 a
a) A == b
[a
b ,b) B = b a
aJ
[a
-a -b
-»
a] ,c) b
a
C == 1
a
ra
(2) aka su im svi korespondentni elementi jednaki (to jest, aij==bij za sve . uredene parove indeksa (iJ).
!
ba
[A, BE.Atmn
bile antisimetricne?
5. Ispisite sve elemente matriee A tako da ana bude sirnetricna aka je: 197 ·35 [ · . 0
a) A==
71 ,b)A=. [ifi.J3 5
1
31 ,c) .
A=[
1.23 - 23 . 5.87
].
-2 n:
6. Ispisite sve elemente matrice A taka da ana bude antisirnetricna aka je:
-1 0.5].
1 0
B=
[Sin 31r 2
cos O'
cos
7r] 3
i svi korespon-
=[~] =[~]
B
stnst
RijeSeni zadaci
1. Za koje su realne brojeve a i b sljedece matrice jednake: . A=[a+b ab a a-b] bOb i B=[1
su jednake, jer je rijee 0 rnatricarna istog reda (A,BEvIt.!) dentni elementi su imjednaki buduci daje sin 3n: == -1, cos 2: == 0.5, cosO = 1, sinrc 2 3
=0
bb
1 I]?
[A, BE
""-n
~ S obzirom na to da su matrice A,BEvIt.!.3, treba jos ispitati za koje a, hER (ako takvi brojevi postoje) su svi korespondentni elementi jednaki. Dakle, postavlja se pitanje da Ii sustav a+b=1
a
=1
gdje je ::;;uobicajena oznaka za manje iii jednako u skupu 'R. Dakle, uredaj u skupu uIImr. definiramo pomocu uredaja u skupu R. Sa ovako definiranom relacijom ::;: kup .At..u,jeparcijalno (dje/omicno) ureden skup, to jest za (.At..u" ::;;) s vrijedi:
(1) A::;; A za sve AEuft,m (refleksivnost), (2) A
a-b=l ab= b b=O ima (i, ako irna, koliko) rjesenja, Lako se pokaze da ovaj sustav irna tocno jedno rjesenje: a = 1, b = 0, sto znaci da su matrice Ai B jednake jedino ako je a '" 1 i b=O .• 2. Odredite sve brojeve a, bE'R takve dajeA:S: B ako je A=[a;b a~b] i B=[~
s BiB::;:
ce:«; (tranzitivnost),
= B za sveA,
BE.At.w. (antisimetricnost),
i B= 3 4 0
[ 000
1 2 0]
!]?
~ Najprije uocirno da su matrice A i B istog reda (A,BEu/ti), pa je zadovoljen prvi uvjet uredaja s . Pitamo se: postoje li a, bER takvi da sustav a+b:5,5 a-b:5,3 ima rjesenje? Ako postoje, potrebno je odrediti sve uredene parove realnih brojeva (a,b) za koje prethodni sustav ima rjesenje, Moze se pokazati da je rjesenje sustava skup uredenih parova (a,b) kojima odgovaraju toeke koordinatne ravnine xOy koje pripadaju dijelu te ravnine, sto sadrZi ishodiste sustava 0, omedenog pravcimay = -x + 5 i y = x - 3 (slika 1.1.1). Skup rjesenja mozerno zapisati ovako:
,C}1
su razlicitog formata (AEu/ti, BE.Ai:J), pa nisu usporedive. Naravno, nuzan uvjet koji moraju zadovoljavati matrice A i B da bi bile usporedive pomocu uredaja ::;:est da su istog formata, to jest da pripadaju istom j skupu vU,nn. Napomena 1.1.1. ("",",:5,) nije potpuno ureden skup, jer bile koje dvije matrice iz skupa ne moraju biti usporedive. Doista, za matrice
""-n
10
11
A=[2:::
A-
:~3:] B=[: ~]
i
=B .
Rjdenje: (a) i (b) rijesite graficki. (e) a=3, b=2. 4. Postoje Ii realni brojevi a i b takvi da za matrice
3b] [2a -a b
[2,3], b
i B-
[4 -3 9] -6
vrijedi: a) A:5: B ,b) B:5: A, c) A Rjeienje: (c) Ne. (b) a Slika 1.1.1.
E
= B?
e 3. (e) Ne.
Zadaci za vjeibu
1. Postoje Ii realni brojevi a i b za koje bi matrice:
a) AI
=[! ~] =[: : l
i~
Uocimo da premda i za zbroj matrica A i B i za zbroj njihovih elemenata aij i bij (koji su iz skupa 'R) koristimo istu oznaku: +, tu se radi 0 dvije binarne operacije definirane na razlicitirn skupovima. Pri tome jednu definiramo aksiomatski (onu u skupu 'R), a drugu (onu u skupu "") pornocu prve. Napomena 1.2.1. bile jednake? Ako postoje, odredite ih. Rjesenje: (a) Ne postoje. (b) a=3, b=l. (e) Ne postoje. 2. Odredite za koji ae'R su matrice Uocirno da iz definicije 1.2. I. slijedi da je (.A;.",+) grupoid (skup koji je zatvoren s obzirorn na razmatranu binamu operaciju), to jest za proizvoljne A, Be"" sIijedi da je j A+Be~. Primjer 1.2.1. Zadane su matrice
A __[22a 2] 3
.". 5 RJe~enJe: a ~ -. 2
i B = [5 4 neusporedi ve. 2 3]
13
Odredite matricu A + B. ~ Uocirno da je i AE.Ai3 i BE.Ai3, pa je definirana matrica A + B i za nju vrijedi da je iz~. Koristeci se definicijom zbrajanja matrica nalazimo da je
A+B-[_~
:: [ -2+(-2)
2+7
<.9l
I)
(..1h) (A
+ B) + C :::: + (B +C) A
+).
-2 -4
2 0].
~ Dokaz da vrijedi zakon komutacije za zbrajanje matrica: Neka su A, BE~ proizvoljne matrice i neka jeA
= lail
1. a B = lbij j.
Tada
(_2)A:=<_2)[-12 3 -2 -6 4
=[ 2 -4 0].
8
(Uocimo da smo primijenili zakon komutacije za zbrajanje realnih brojeva.) Buduci da navedeno vrijedi za proizvoljne matrice A, BE../(.., to znaci da u skupu~. vrijedi zakon komutacije za zbrajanje matrica. _
Napomena 1.2.2. Aka je a= -1, onda pisemo (-l)A= -A, to jest matrica A suprotnaje matrici A (s obzirom na zbrajanje). Lako se pokaze daje A + ( -A)
= lc,J Tada
proizvoljne
~atrice
i neka jeA
la,J
B:=
lbij j,
A + (-A)::::
Na osnovi prethodnaga zakljucujemo da nul-matrica ima ulogu neutralnog elementa za zbrajanje matrica. Buduci da osim svojstava (.9ld i Ph) vrijede i sljedeca svojstva: (.7!3) (\7'AE~)
(3!XE~) (A+X=X+A=O) (A+Y=Y+A=A)
,I
,2
(Sada smo primijenili asocijativnosti zbrajanja za realne brojeve.) Buduci da navedeno vrijedi za proizvoljne matrice A, B, CE~, to znaci da u skupu../(.. vrijedi zakon asocijacije za zbrajanje matrica. _
I 2
(~)
14
15
2AI +(-3)A2+1A)
•
=2
('liae'R) (a(A+B)",aA+aB)
[- 4 2] [0 0] [ 1 2] [- 3 4].
0 6 + -6
0
- 2 1] [0 0] [ 1 2] [
0 ~ +(-3) _~ ~ + -~
~;;;;;
-3 + -2
-8
4.
('lia,pe'R) «ap)A=a(pA».
-12
7-11
U nastavku cemo skup nad kojim su definirane operacije zbrajanja i mnozenja matrice sa skalarom, takve da zadovoljavaju (.JII)-(:AS), definirati kao vektorski (lineami) prostor nad 'R. Prema tome. .A;;" je sa prethodno definiranim binamim operacijama zbrajanja i rnnozenja matrice sa skalarom vektorski prostor nad 'R.
= a+(-b).
Analogno tome definira se i oduzirnanje rnatrica. Nairne, imamo sljede6u definiciju. Definicija 1.2.4. Za proizvoljne matrice A,Bevi("" definira se njihova razlika kao matrica
A- B
d·f·
= A+(-B).
~ Najprije uocimo da zapis (1.2.1) ima smisla. Nairne. iz definicije mnozenja matrice sa skalarom za proizvoljne matrice AI> A2, ..• , Ake~ slijedi da su i matrice alAI> U2A2,... , o.l.Ake~ za sve 0.1. 0.2..... Uke'R. No. budu6i da vrijedi zakon asocijacije za zbrajanje matrica, to je i matrica ulAI + 0.2A2 + ... + akAke.A;;". Dakle, sa (1.2.1) jednoznacno je odredena matrica iz ~ .• a Primjer 1.2.3. Izracunajte matricu 0.IAI+a2A2+a:;A3 ako je 0.1=2, 0.2'" -3,0.3=1. •
Napomena 1.2.3. Iz definicije 1.2.4. slijedi da se dvije matrice mogu oduzeti sarno ako su istog formata.
~nx~", sa vrijednostima u skupu .A'M definira se pomo6u dviju binamih operacija: zbrajanja rnatrica i mnozenja matrice sa skalarorn (-1).
AI
- 2 o1] .
0
A2 = _~ ~ i A) = - ~
[0 0]
[1 2]
sto znaci da se proizvoljne matrice A,Bevi("" oduzimaju taka da irn se oduzmu svi korespondentni elementi. Primjer 1.2.4. Zadane su matrice
~.
16
17
=[ ~
-3
-! -~]
2 -5
=[~~~-~]. 4 2-5
Izracunajte skalarni umnozak tih vektora. Je Ii i umnozak BA skalami umnozak? s ~ AB = La;bj = 2-(-1) +(-3)·2+4·5+11·0+3·(-4) =0. Umnozak BA nije skalami urnnozak buduci da je prvi faktor (rnatriea B) iz skupa ~h a drugi faktor iz ..A(,5' • Uocirno da prema definieiji 1.2.5 prvi faktor irna onoliko stupaea koliko drugi faktor irna redaka. y
4 -9
8 -3
A -B=[
1 -3
-! -~]-[~~ -~]=
2 -5 4 -9 4 -5 8 -3 8
-2~
-5 -2 0
7
-5-(-5)
-9-8
-3
-3-8
4-(-3)
-11
-1;
-4]
•
-+
_,
I
Siika 1.2.1. U ravnini xOy svaki dvokomponentni vektor moze se prikazati pomocu
-> -> ->
jedinicnih vektora na koordinatnirn osirna: vektora i i j. Ako vektor a irna pocetak u ishodistu 0 koordinatnog sustava, a kraj u tocki A(a ...ay). a vektor b , irna takoder pocetak u ishodistu 0, a Icraju tocki B(b",by), rnozemo ih prikazati na nacin kako je to ucinjeno na slici Otprije je poznato da je
->
(1.2.2)
1.2.1.
->
Dakle, vektor-redak i vektor-stupae, koji imaju isti broj kornponenata, mnoze se tako da im se pornnoze korespondentne komponente,a dobiveni urnnosci onda se zbroje. Primjer 1.2.5. Zadani su vektori -1 2 A=[2
->
b =b, i+by j.
->
-3
4 11 3]
B=
5
0
Skalarni (iii unutamji) urnnozak izracunamo koristeci pravilo za urnnozak binoma ("svaki sumand I. faktora mnozi se sa svakim sumandom 2. faktora") i cinjenice daje
~,. -)-)0
-+~-t-+
i·i=j-j=l
j·j=j-i=O.
-4
Nalazimo daje
18
19
odakle slijedi da je
--jo-i>
-+~
-+--t'
-Jo
......
~4
-+-+
-+"""it
- 2· paje
Q.
b = -2 ·llall·llbll·coscp •
..... ~
,.
-+
a· b
Ilall·llbll·coscp .
Generaliziramo li posljednju relaciju na vektore koji imaju po n komponenata, dolazimo do sljedece definicije. Definicija 1.2.7. Skalarni umnozak vektora-retka A=[a,] evH(n vektora-stupca B=[b,] e"«l definira se na sljedeci nacin:
AS = IIAII·IIBII· cp, cos
= a..,
->
i.
(1.2.4)
= +~a;
a; .
pri cemu je cp kut izmedu vektora A i B. coso zove se koeficijent konzistencije. Buduci da je koeficijent konzistencije kosinus kula sto ga zatvaraju vektori A i B, to on omogucuje da se odredi kut cpoSvaka komponenta vektora predstavlja neku informaciju 0 razmatranoj pojavi, strukturi iii slicno, pa koeficijent konzistencije ukazuje koliko se dvije strukture (definirane vektorirna A i B) podudaraju, odnosno ukazuje na razlike i jacinu tib razlika razmatranih struktura. Primjerice, pomocu njega mozemo usporedivati gospodarstva razlicitih zemalja i donositi zakljucke 0 njihovoj rna njoj iii vecoj kornpatibilnosti. Iz (1.2.2), el.2.3} i (1.2.4) slijedi da se koeficijent konzistencije vektora-retka A=[a.] e.,;ifn vektora-stupca B=[b,] e"'«l moze izracunati koristeci se formulom AB cos rp = IIAII.IIBII' Primjer 1.2.6. Zadani su vektori
.
---t
-+
-Jo
.....
Iz slike 1.2.1. vidimo da su stranice trokuta AGB jednake Koristeci se poucakorn (teoremom)
->-+2 .... 2
kosinusu, irnamo
-+2 .......
Iia- bll = II ll + Ilbll -2·llall-llbll·coscp, a gdje je cpkut sto ga zatvaraju vektori a i b . No, lako se pokaze da je
42 --Io-Jo.
-+
...
-1
2
.......
a- b
-»
(-+ . a-
-»
........
a· a+ b- b= 2 ·llall·llbll·coscp •
........
A == [2 -3
II
3J
B=
5
0
-4
20
21
Izracunajte nonnu vektora A, odnosno B, a zatim i kut sto ga ta dva vektora zatvaraju. ~ Koristeci se prethodno uvedenom fonnulom, nalazimo da je
Primjer 1.2.7.
Zadane su matrice
IIAII= +~22
paje
=-..J159
0,
IIBII=+~(-1)2 +22
=../46 *0,
A=H
• AB=H
-~lB=[~
i
2 1
-:]
- -3
5
1 12
-m~
s1
5 1
-:]=
-2
-1 4
3
2
6
5
-6
B=[b'I"]E~
BA=
22 [
-3][_1 o~
~]=[-~1 10J
-~ O·
[ABlj
:~:>ilblj
k
1=1
to jest umnozak matrice A formata (m,k) i matrice B forrnata (k,n) je matrica C formata (m,n) koja na poziciji (ij) (iE{I,2, ...,m}, jE {l,2, ... ,n}) irna element
Dakle, za zadane matrice A i B definirano je i AB i BA. Medutim ocigledno u OVOmslucaju nije AB BA. To znaci da ovaj prirnjer predstavlja dokaz da 'la mnoienje matrica opcenito ne vrijedi zakon komutacije. _
2 Uoeimo da element na poziciji (iJ) predstavlja skalami umnozak i-tog retka 1. faktora ij-tog stupca 2. faktora. Dakle, umnozak matrica A i B definiran je sarno ako 1. faktor ima upravo onoliko stupaca koliko 2. faktor redaka, to jest ukoliko su kod formata unutamji indeksijednaki, sto simbolicki mozemo pisati ovako:
A(m.k)
A=[2
-3
11
3]
B=
5 0
-4
Izracunajte umnozak BA. -2
4
L_ _j
BV•n)
-6
-4 -11 8 22
20 55
~ BA=
-3 6
Vanjski indeksi daju format urnnoska AB (ako je on definiran!), to jest matrica AB je matrica formata (m,n), odnosno ABE~ •.
10 0
-15
0
-8
°°°
15
.23
22
Primjer 1.2.9. Zadane su matriee ~to smo i trebali dokazati. Dokaz da vrijedi zakon distribucije s lijeva. Izracunajte matriee AB i BA. Sto zakljueujete?
• AB=H
BA
-m~~]=-~
12 5 1 5 6 5
~a'jc ,.J =
~to smo i trebali dokazati, Analogno se dokazuje da vrijedi zakon distribueije s desna. Dokaz da vrijedi svojstvo (M). Koristeci detinieiju umnoska matriea nalazimo daje
nije definirano buduci da je BE../6.2, a AE~2' to jest u ovom primjeru nisu jednaki unutamji indeksi (1. faktor ima 2 stupca dok 2. faktor ima 3 retka), _ Dakle, moze se dogoditi da je na primjer urnnozak AB definiran, a da pritom nije definiran umnozak BA.
a buduci da su 0., aij i bij realni brojevi, za njih vrijedi zakon asocijacije za mnoienje, pa imamo daje
= A(BC)
(asoeijativnost rnnozenja),
= AC + Be
(distributivnost
s desna),
= (aA)B
(M)}
o.CAB);;;;; aA)B , (
za sve matriee A i B za koje je definiran urnnozak AB. Analogno se dokazuje da vrijedi svojstvo (Jv4). Oznacimo sa .A( skup svih kvadratnih matrica reda n. Lako se pokaze da je taj skup vektorski prostor i da za njega vrijede svojstva (M1)-(Jv4). Buduci da se struktura za koju to vrijedi zove algebra, zakljucujemo da je skup ~ algebra nad'R. Stovise, to je algebra s jedinicom jer postoji matriea I ErAK; takva da je AI= IA =A za sve matrice AE.4,'. Moze se dokazati da postoji jedna jedina matriea JErAK; sa navedenim svojsrvirna, sto znaci da je jediniea u algebri ~ nad 'R jedinstvena.
Dokaz da vrijedi zakon asoeijaeije za rnnozenje matriea. Pretpostavimo da su matriee A, B i C takvog formata da su sve naznacene operacije definirane. Tada je
25
1.2.8. Transponiranje
matrice
(AB) ~ (.,]
Definicija 1.2.9. Transponirana matrica matrice A;:;:[a;j]e.4'mr je matrica koju oznacujemo sa A' (iii A' ili AT), a iz matrice A dohije se tako da Hi redak postaje i·ti stupac, a j·ti stupac j.ti redak, Dakle, za matricu k::[aij]e"«l!IJ definira se matrica A'=[aji]E~ koju zovemo transponiranom matricom (transponatom) matrice A. Primjer 1.2.10, Zadana je matrica
B'A',
A=[~
A=[-~
2 -2
~l'
-1
-~l
1
B=[~
-1 0
-~l·
1
Uocimo da uvodenje operacije transponiranja ornogucuje definiranje skalarnog urnnoska vektora-stupaca A=[a;}eu!KI i B=[biJeu!K1 na sljedeei nacin:
A'B=
Tvrdnja 1.2.1. MatricaAe~ rnatrice slijedi da je
!a;bi•
;=1
Ako su rnatriceA i B odgovarajuceg formata, vrijede sljedeca svojstva: (7t> ( A + B )' (T2) (A')' =A
('lj) (AB)'
A=A', sto se i tvrdi. Slicno se dokazuje i obrat. Nairne, ako jeA' aij =
ail
= A'
,
+ B'
= A, ondaje
za sve OJ),
= B'A'
a
B=[bij]e~.
j
Tadaje
A'+B' ,
Tvrdnja 1.2.2. Matrica Ae"""je ~ Nufnost, rnatrice slijedi daje antisimetricna aka i sarno aka je A' = -A.
+ B)' = ~aij]+
[bij
D = [a'i +bij J = [a
ji
+bj
sto je i trebalo dokazati, Dokaz da vrijedi svojstvo (72), Neka je A=[aij] e""". ,
(A')' = ([a;jI)
8to je i trebalo dokazati,
[a ji J = [aiJ=
A,
a B=[bij] e~.
Tada je
26
27
aji
sto znaci da je (po definiciji antisimetricne rnatrice) rnatrica A antisimetricna. _ Tvrdnja 1.2.3. Ako je matrica Ae~ simetricna iii antisimetricna, 2=AAje simetricna matrica. rnatrica A and a je AA'=A'A
AI = Ak+1
(iiz)
Ak ~
cABl
~ Najprije pretpostavimo da je rnatrica Ae~ simetricna, Tada je, prema tvrdnji 1.2.1, A' = A, odnosno A", A', pa je sigumo AA' = A'A i A2 = AA = A'A' '" (prema (7))) = (AA)' = (A2)' . Dakle, A =(A )" a to upravo znaci da je matrica A2 simetricna, Sada pretpostavimo daje matrica Ae~ antisimetricna, Tadaje, prerna tvrdnji 1.2.2, A' = -A, odnosno A = -A', paje AA'=(-A')( -A)= A'A
2 2
Primjer 1.2.U. Zadanaje matrica 1 -2 4] A= 0 5 3. [ 002 Izracunajte matricu A2, a zatim Tr(A) A, a kojeg matrica A2? ~ Kakoje
Tr(A
2 ).
A2 =AA = (-A')( -A') = A'A' = (prerna (7)) = (AA), = CA2)'. Prema tome, i u slucaju kada je matrica Ae~ simetricna, 5to je i trebalo dokazati.a antisirnetricna, matrica A2 je
-12 6]
Tr(A) = 1 + 5
2~ 2~ ,
toje
+2=8 ,
a
Tr(A)
= e + 52 + 22 = 30 .
Uocimo da ako se zahtijeva da se izracuna sarno trag matrice A2, ali ne i ta Ocigledno da prethodno ne rnozemo poopciti i na skup formata (m,n) buduci da nije definirano A2 = AA ako je njee
v1Knn
matrica, onda je dovoljno naci elemente koji formiraju dijagonalu matrice A, 5to smo u posljednjoj jednakosti i napravili.
izracuna se
29
·~
A=
[o
0
2 0 -1 0] 02
-1 1
B=
[0] -]1 -1 . 0]
0 0 1
~ Buduci da je
AB=[~
toje ajer je
2
-1
-m -:J=[~ -H
1
-1 0
-2
= -1 i
X2
-1
Tr(AB)
= 6,
-2
3 -1
-1
BA=[i
nalazimo da je
1 0
-m -l[~ -~l
0 2 -1
Tr(BA} = 6.
gdje je XevIK, a 1jedinicna matrica n-tog reda, ima barem 2 rjesenja: Xl = -I i X2 = I. Pokazat cemo da vee u slucaju kada je rijec a kvadratnoj rnatrici 2. reda (dakle, kada je Xe~ postoji beskonacno mnogo matrica ciji je kvadratjednak jedinicnoj matrici levll;. I to je jedna od znacajnijih razlika koje postoje izmedu brojeva i matrica. Premda se cesto mogu ustanoviti slicnosti izmedu skupova 'R i .A(", potrebno je uociti da je sirup svih matrica znatno bogatiji od skupa real nih brojeva. Primjer 1.2.14. Oclredite sve kvadratne matrice 2. reda ciji je kvadrat jednak jedinicnoj matrici. • Dakle, treba odrediti matricu A evil; takvu da je A2=1. Pretpostavimo da je
Matrica A je simetricna, a matrica B gomja trokutasta .• Rezultat dobiven u primjeru 1.2.12 rnoze se poopciti, sto cinimo u sljedecem primjeru. Primjer 1.2.13. Dokai:ite: ako su definirani umnosci AB i BA, onda je Tr(AB) = Tr(BA) . • Da bi bili definirani urnnosci AB i BA, potrebno je da bude AE~ B E.,/(zm. Iz definicije umnoska matrica A i B i traga matrice slijedi da je
odnosno
ab+bd] be+d2
=[1 0]
0
1'
+ be:: 1 ,
30
31
(2) ab
+ bd:; 0 ,
rjesenja jednadzbe A2
(3) ac +cd=O
(4) be + tf
As =
[-1 0] o
-1
=-1
= 1.
= 1.•
1.2.10. Matricni polinom
Iz (2) slijedi daje b = 0 ili a = d, a iz (3) c:; 0 iii a = d. Ako je b = 0, onda iz (I) slijedi da je a = ±1 i d = ±1. a ako je c = 0, na osnovi jednakosti (4) zakljucujemo daje a = ±1 i d = ±l. Iz (1) i (4) slijedi daje a = d , paje a = ±d. (i) Prerpostavimo da je d
2 2
Dejinicija 1.2.11. Matricni polinom je izraz oblika peA) =anA n+an. An.L + ... +aL A +001.
1
= -a i b *' O. Tada
je c= 1- a b
2 ,
sm
znaci da
gdje je A E..4,;, pri cernu je 1jedinicna matriea m-tog reda. Dakle, matricni polinom predstavlja lineamu kombinaeiju matriea I, A. A2 •...• An. Primjer 1.2.15.
Al :; [
a I-a -b
-a
l'
(b :f. 0, a, bE'R).
(ii) Ako, pale, pretpostavimo da je d = -a i b:; 0, onda je a imamo jos dvije klase rjesenja jednadzbe A2= I: A2 =
= ±1, a d = H
, pa
za matrieu
[1 0]
C
-1
i A3:;
[-1 0]
c 1
:f.
(CE'R).
2
A =[ -2 7]. 11 4
~ Dakle, potrebno je izracunati vrijednost izraza A2 -3A+21 za danu matricu A, pri cernu je 1 jedinicna matriea 2. reda (u suprotnom navedeni izraz nije definiran). Lako se izracuna daje A2 paje
=
-a i c
pa je
(iv) Pretpostavimo Ii da je d:; -a i c = 0, onda je a = ±1, a d = +1, sto nam daje iduce dvije klase rjesenja:
f(A)
As
=0
[1 -1b]
:f. a,
A6 =
[-1 b]
0 l'
(bE'R).
pa je b
= c = 0 i a2 = d2 = 1, a to znaci
(sto smo
U algebri realnih brojeva razmatraju se polinomi jedne, ali i polinomi vise varijabli. Analogno se radi i u algebri matriea. Naravno, potrebno je voditi racuna da matrice budu odgovarajuceg formata u srnislu da izraz u kojem se pojavljuju bude definiran. Buduei da u algebri matriea ne vrijede svi zakoni koji vrijede u algebri realnih brojeva, ne mogu se u algebru matriea autornatski
32
33
preuzeti sva pravila iz algebre realnih brojeva. Kao ilustraciju posljednje tvrdnje navodirno sljedeei primjer. Primjer 1.2.16.
Zadaci za vjeibu
(a+hY
=
Cemu je taj izraz analogan u matricnorn racunu, to jest cemu je jednako (A + B? ako su A,Be~'?
~ (A+BY
= 3x2
-2x-5
za matricu
= (A+
(A+BY
A=[~
11 = [ -13
-9
2. Vrijedi li za matricu 24
-2 -4 -5
Primjer 1.2.17.
Izracunajte P(A,B)
IS] 10.
Rjesenje: P(A)
=[
_1~
:l
[2 1]
01'
a B=
[1 1].
12
22 15
=[-~-~ ~]
1 3-1
Rjesenje: Da, jer je matrica B sirnetricna. 3. Odredite realne brojeve x i y tako da za matrice
komutiraju za proizvoljne realne brojeve a, b, c, d. ~ Buduci daje aC+hd AB-=; [ be+ad ad +hC] hd +ac
A=[O -1
RjeSenje: x = 1,y = -1. 4. Komutiraju Ii matrice
C=[_2 -2]
vrijedi jednakost C = AB .
a
aC+bd BA==[ be+ad to je doista AB ad +bC] bd+ac
1
= [~
~]
= [- ~
~ -~]
= BA
-1 -1 -I za sve a, b, c, de'R,
-1 -1 -4
34
3S
~.
Rjeienje: N,. je
j,
AB = [~
4 0] 10
o
1
= BA.
a]n
Rjesenje: Al :::
rjesenje rnatricne jednadibe
[b
a2l b.
-a
(a, beR, b ;c
0),
A2 =
[0
0
0 -7~ -2:1]
1
-1
-3]
3
4.
A:::
7. Izracunajte AB ako je
A=f~ ~~ _:~]
37 Rjeienje: AB =
B=f;
!~l
= [ c~s2a
[17 «26]
-5 - 28
0
P
-2
-,
9, ·19 14
-10
-2]
2
1.
13
31
Pokazite da je PAQ = 1.
1 27 -- -31 31
f41
49 41 41 29 43 2: 22 35 41 . 6 14 15
54]
2m [
3 -2
1]
2n
4 -3
8. Dokazite da je
[c~sa
sm c
- sin a cosc
sm2a
-sin2a] , cas2a
36
37
(X2+2X)+/
za X=A.
I
I
Primjer 1.3.1.
1.3. Determinante
1.3.1. Definicija determinante
Definicija 1.3.1. Pennutacija elemenata a" a2,..., anje bilo koji nacin razvrstavanja tih elemenata.
Rjelenje: g(A)
=[
4 1]. -2 3
A=[ -d
0 dJ. 2
3
Permutacija se rnoze definirati i kao bijekcija skupa na samog sebe, pa je lako pokazati daje ukupan broj permutacija elemenata aj, a2,... , an 1·2· ... -n , sto se skraceno pise n! i cita n faktorijela. Opcenito, broj razlicitih nacina da se razvrsta n razlicitih elemenata iznosi Pn=n!.
Odredite vrijednosti parametra de'R za koje je A dijagonalna matrica. Rjeienje: de {-2,O,2}. 15. NaditeJtA) akoje
~~J=[:!J.
3a+l
a-~
-~l
b b
123 132 213 231 312 321. Definicija 1.3.2. Inverzija u nekoj permutaciji je svaki par elemenata koji nije u prirodnom poretku. Pod prirodnim poretkom brojeva podrazumijeva se poredak koji brojevi imaju na realnaj osi, to jest na brojevnam pravcu. Tako su brojevi 123 u prirodnom poretku, jer je na brojevnom pravcu i 1 ispred 2 i 2 ispred 3. Primjer 1.3.2.
Koliko inverzija ima permutacija 524131 ~ Uocimo da je dovoljno promatrati da li je neki broj u inverziji s brojevima koji su u danoj permutaciji desno pozicionirani. Zato su sve moguee inverzije u permutaciji 52413 sljedece: (5,2), (5,4), (5,1), (5,3) (2,1) (4,1), (4,3) Dakle, permutacija 52413 ima ukupno 7 inverzija .• Definicija 1.3.3. Permutaciju u kojoj je ukupan broj inverzija paran brajzovema parna permutacija, a anu u kajoj je braj svih inverzija neparan broj nepama permutacija. inverzije sa 5 inverzija sa 2 inverzije sa 4
A=
B=
0
a+b 3 2 b-a
= 1, b = -I,
(b) a
= b = O.
38
39
Tako je pennutacija 52413 neparna, jer ima ukupno neparan broj (7) inverzija. Napomenimo da cemo permutaciju ciji su svi elementi u prirodnom poretku smatrati parnom permutacijom, Definicija 1.3.4. Transpozicija je medusobna zamjena mjesta dva elementa u nekoj permutaciji. Svakom transpozicijom parna permutacija prelazi u neparnu, a nepama u pamu. Definicija 1.3.5. Matrici Aev«, determinanta matrice A
posvim drugih indeksa
pcrmutaeijama
Prerna tome, vrijednost detenninante rnatrice 2. reda jednaka je razlici urnnozaka elemenata glavne i sporedne dijagonale.
Primjer 1.3.4.
Izracunajte vrijednost detenninante sljedece matrice 2. reda
A=[-~
• Prema prethodnom rezultatu imamo daje
1
~l
iAi= -2 5 =(-2)·5-3·4=-22 4 31
± a til a2,.. •. a.,. , 3
J:
III
.•
alr,
+ ako je pennutacija
drugih indeksa ili2 ... in pam a permutacija, odnosno predznak - ako je rijec 0 neparnoj permutaciji. Potrebno je eksplicite navesti nekoliko pretpostavki, odnosno tvrdnji koje se zahtijevaju iii proizlaze iz posljednje definicije. Kao prvo samo kvadratnoj matrici pridruzuje se realan broj koji zovemo determinanta. Drugo, iz definicije 1.3.5. proizlazi da je nuzno izracunati zbroj ukupno n! pribrojnika pri cemu se svaki pribrojnik sastoji od n faktora. U svakom pribrojniku au,a2il .•.a.de po
JAi= a
all 2l
al2
a12
all
all
tocno jedan predstavnik i iz svakog retka i iz svakog stupca. Primjer 1.3.3. rnatrice 2. reda racuna na sljedeci nacin:
Koristeci se definicijom determinante pokazite da se vrijednost determinante
Dakle, dopisu se s desna 1. i 2. stupac i zatim se sa predznakom + racunaju umnosci elemenata na glavnoj dijagonali i njoj paralelnim pravcima, a sa predznakom - umnosci elemenata na sporednoj dijagonali i njoj para1elnim pravcima i onda se svi dobiveni umnosci zbroje. Buduci da je rijec 0 determinanti 3. reda, iz definicije 1.3.5. slijedi daje potrebno izracunati ukupno PJ:::: 3! = 6 pribrojnika, sto se i cini kada se primjenjuje Sarrusovo pravilo. ~ Dokazat cerno Sarrusovo pravilo koristeci definiciju 5. Vidjeli smo da su permutacije brojeva 1,2,3: 123 132 213 231 312 321. Lako se pokaze da su permutacije 123, 231 i 312 pame, a 132, 213 i 321 nepame. To znaci da ce sumandi kod kojih su drugi indeksi 123 iIi 231 iIi 312 irnati predznak +, a sumandi ked kojih su drugi indeksi 132 iIi 213 iii 321 imati predznak -. Dakle, doista je
~ Buduci da je matrica A evl4., to je broj pribrojnika koje valja odrediti 2!=2. Permutacije brojeva 1 i 2 su sljedece: 12 i 21. Dakle, buduci da su prvi indeksi kod svakog pribrojnika u prirodnom poretku (12), a drugi su iii 12 iii 21, to je
jer je permutacija 12 parna, pa joj je predznak +, a 21 je neparna (ima inverziju), pa joj je predznak -.
) Koristit cerno jos i oznaku det4..
41
(-ltj
={ 1
-1
A=[-: ~
4 -1
~j.
5
pridruzili i predznak.
Primjer 1.3.8.
IAI=
-2
1 4 0 -1
3 -2
2 5 1
4 -1
0=
svih algebarskih
komplernenata
2. reda sljedece
•
~ All
=1-1 2[=2, °5
5'
Alz
31=-8
Au =
1-
A~n-~n
~I-22, =
Mij•
~=-7' MJJ
~
odnosno
=2 ,
• '32
-2 2 =7'33 A 1
31
1-2 1
~ =-1 '
~ MJI
MIl
Azl
= -8,
Azz
= -22,
= 2,
MZl
Mn
=1-: =[-~
M~
u; =I~
M32
=I-~ ~I=-l.·
Aij
1.3.2. Izraeunavanje vrijednosti determinante pomocu Cramerovog pravila iIi Laplaceovog razvoja
aij
elementa
Buduci da je
Definicija determinante nije pogodna za izracunavanje njene vrijednosti. Vee u slucaju daje rijec 0 determinanti rnatrice 4. reda, morali bismo racunati zbroj od P4=4!=24 pribrojnika pri cemu bi svaki pribrojnik bio jednak urnnosku 4 elementa matrice. Naravno, bilo bi nuzno odrediti i pamost svake pojedine (od njih 24) pennutacije. U nastavku cerno pokazati kako se relativno jednostavno
42
43
moze izracunati vrijednost determinante. Pravilo koja ovdje navodimo pozna to je kao Cramerovo 4 pravilo 5, odnosno Laplaceov 6 razvoj, Pravilo 1.3.1. (Razvoj po retku) Vrijednost determinante matrice AeJ(, jednaka je zbroju umnozaka elemenata proizvoljno odabranog retka s korespondentnim algebarskim komplementima, to jest
IAI=-t
-2
4
13
0 -1 2 =1·~1 +O·~ 5
+2·An ==
IAI=! Q,jAij.
/-1
Pravilo 1.3.2. (Razvoj po stupcu) Vrijednost determinante matriee AeJ(, jednaka je zbroju umnozaka elemenata proizvoljno odabranog stupe a s korespondentnim algebarskim komplementima, to jest
A~n-~;1
koristeci razvoj po proizvoljno odabranom stupcu.
~ Buduci da jedino 2. stupac ima jednu nulu, najbo1je je izvrsiti razvoj po 2. stupcu (sto smo oznacili sa ,!.), jer sada ponovo ne treba racunati A2Z• Dakle, ponovo koristeci rezultate iz primjera 1.3.8, nalazimo da je
i.. L
IAI=
-2
0 4
3 2 =1·AI2·+0·~2+(-1)·An:::
::: AI2 - Al2 == 3 - 7 = -4 • -1 5
A~n-~;1
koristeci razvoj po proizvoljno odabranom retku.
~ Buduci da jedino 2. redak ima jednu nulu, najbolje je izvrsiti razvoj po 2. retku (sto oznacavamo sa Tada, nairne, ne treba racunati kofaktor elementa Qn, jer je urnnozak QnA22 jednak 0 bez obzira na vrijednost algebarskog kornplementa An. Prema tome, koristeei rezultate iz primjera 1.3.8, nalazimo da je
1.3.3. Pravila
determinanti
-t).
Racunanje vrijednosti determinante matrice AeJ(, pomocu razvoja po nekom retku (odnosno, stupcu) svodi se, kao 5tO smo vidjeli, na izracunavanje n vrijednosti (sub)determinanti n-l. reda. Zbog toga to nije prakticno, pogotovo kada se radi 0 matriei vecih dimenzija. Ideja koja se prethodno nametnula jest izbor retka (stupca) koji ima sto vise nula. Prizeljkujemo da razvoj izvrsimo po retku (stupeu) koji se sastoji od samih nula (tada je determinanta jednaka ruili) iii je samo jedan element razlicit od nule. Stoga cemo najprije navesti pravila primjenorn kojih se ne rnijenja vrijednost determinante, a zatim cemo pokazati kako njihovom visestrukorn prirnjenom rnozemo doci do prizeljkivane forme determinante razmatrane rnatrice. Vrijede sljedeca pravila: (I) Determinanta se mnozi brojem tako da se bilo koji redak ili bilo koji stupac pomnozi tim brojem.
S 6
G. Cramer, svicarski matematicar (1849-1917). Vidjeti Lj. Martie, Maternaticke metode za ekonomske analize, I. svezak, Narodne novine, Zagreb, 1979, str. 189. P. S. Laplace, francuski maternaticar (1749-1827).
44
45
(II) Vrijednost se determinante ne mijenja ako svim elementima nekog retka (iii stupca) dodamo korespondentne elemente nekog drugog retka (iii stupca) eventualno pornnozene s istim brojem.
(III) Ako su dva retka (iii stupca) jednaka vrijednost te determinante jednaka O.
o rnozemo
Cinjenicu da matrica ima dva jednaka retka i da je vrijednost njene determinate zapisati na sljedeci nacin:
!
t_1
a/J;Ajt =0,
Pravilo (1) vrijedi s obzirom na to da se vrijednost determinante matrice A E.At" moze izracunati koristeci razvoj po, na primjer, i-tom retku na sljedeci nacin:
jer ako su i-ti i j-ti reci jednaki i izvrsirno razvoj po i-tom retku, onda ce kofaktor Aik biti po apsolutnom iznosu jednak kofaktoru Ajk (ta dva kofaktora razlikuju se samo u poretku redaka). Dokaz da vrijedi pravllo (II) .. Nekaje zadana matrica A Ed(, i UE'R. Izvrsimo Ii razvoj determinante koju iz determinante matrice A dobijemo tako da j-tom retku dodamo i-ti redak prethodno pornnozen sa skalarom a po j-tom retku, ondaje al2 all all al.
a;1
ai2 +uai2
ail
«:
ajn
sto upravo i mati da se determinanta mnozl brojem tako da se bilo koji redak pomnozi tim brojern. Analogno se dokazuje (koristeci razvoj po proizvoljno odabranorn stupcu) da se moze bilo koji stupac pomnoziti tim brojem. Prije dokaza da vrijedi pravilo (II) potrebno je najprije dokazati da je vrijednost determinante rnatrice koja irna dva jednaka retka (stupca) jednaka O. U tu svrhu pokazat cemo da ako je matrica BE.At" dobivena iz rnatrice AEJ(, zamjenom dva susjedna retka, onda je
ajl
+aail
ant
aj2
"» + uail
an)
+uai•
ann
an2
IBI=-IAI·
Navedeno slijedi neposredno iz cinjenice da svakom transpozicijom pama permutacija prelazi u neparnu, a neparna u parnu, sto znaci da prilikom zamjene dva susjedna retka permutacija drugih indeksa (iz definicije determinante) mijenja parnost, a odgovaraju6i sumand predznak. No, buduci da je zamjenu bilo koja dva retka (stupca) matrice A mogu6e ostvariti nepamim brojem sukcesivnih zarnjena susjednih redaka, vrijedi op6enitija tvrdnja: ako je matrica BE.At" dobivena iz matrice A Ed(, zamjenom dva proizvoljna retka, onda je
=:t
ajkAjk
+a
k=1
:t
aikAjk
=IAj+a.O=IAI '
k=1
sto se pod (II) i tvrdilo, Analogno se dokaze i za stupce, Doka; da vrijedi pravilo (III). Neka su i-ti i j-ti redak matrice AEJ(, proporcionalni. To znaei da postoji aE'R, a~, takav daje
aik:;::aajkZasve kE{I,2, ...,n}.
al2
all
aln
Na osnovi prethodnoga lako se dokaze da je vrijednost determinante matrice AE.At" koja ima dva retka (stupca) jednaka jednaka O. Nairne, ako bi zamijenili ta dva jednaka retka, onda bi prerna prethodnome imali da je
IAI=-IAI,
a to upravo znaci da je
IAI=
ail
ai2
ail
«;
ajn
ajl
aj2
ajl
an3
IAI=O.
46
ani
an2
ann
47
all
all
al3
aln
ail
ail
ai3
«;
a jn
ail
+aail
ail
+o.ail
aiJ +aai3
+ aain
ann
A=r-: -~ ;1-2 3
02 -1 5 Illr+Ir
ani
anl
an3
-2
1 0 -1+1
3 2 5 +3 (-
~-IAI=
1 4
1 4+(-2)
a.
ajk
~ail;
ajk
+ ~o.ajk
= (1+a~) ajk.
(Dakle, 3. retku dodali smo 1. redak ina taj naeln jos jedan element u 2. stupcu bit ce 0, pa zatim obavimo razvoj po 2. stupcu.)
a buduci da
P biramo
=0
-2 1 3
10 20 Primjer 1.3.12. 2 =A12 8
J.
Dakle, izabererno li da je
=1~
3 -52 -5
~=-(8-4)=-4
.•
13=--. o,
ondaje
all
ail
a12
alJ
ai3
aln
ail
0
an2
afn
=0, 0 1
A= [~
-5
4
;~
I: 1;].
0-7 -7 -3
I~~=
0
ani
0
an3
5
Ir (-2) +IIr
ann
IAI=
72 13 15 -52 0 -7 3 4 -5 -7 -3
sto se u (III) i tvrdi, Napomena 1.3.1. Navedena pravila ornogucuju da se u nekom retku (iii stupcu) postigne maksimalan broj nula (dakle, najvise jedan element u odabranorn retku, odnosno stupcu je tada razlicit od nule), pa se izvrsi razvoj po tom retku, odnosno stupcu.
(1. redak smo pomnozili s -2 i dodali 2. retku da bi na poziciji (2,1) dobili 0, zatim smo 1. redak smo pomnozili s -3 i dod ali 3. retku da bi na poziciji (3,1) dobili 0 i na kraju smo 1. redak smo pomnozili s -4 i dod ali 4. retku da bi na poziciji (4,1) dobili O. Nakon toga izvrsili smo razvoj po 1. stupcu u kojem je sarno jedan element razlieit od 0.)
48
49
'r ...
·-!1
= 0
-5
82
= -37
-2
-12 15 -23
-22 = -23
o
Primjer 1.3.15.
= -37
82
A=[~ ~
o
Rjesenje: 0
ex.
~l.
=[~ ~
143
)
~l.
= -I
IAI=:= u",
rnatickorn indukcijom.) Primjer 1.3.16. Pokazite da je vrijednost detenninante dijagonalne matrice jednaka umnosku elernenata glavne dijagonaie, to jest da za matricu
IAI= 5
213
3
4
Is + Ils·(-2) 2 ( IIIs+Ils.(-3) 3
o
3 -7
0
-7 = 4 -9
•
vrijedi
IAI=TI
Primjer 1.3.17.
d.,
;=1
A=r: -: -:
1 1 1 1-1
:].
1
~IAI= 1 1
-1
1 -1
0 -2 == 0 0 -2
0 0 0
A=U
==
=~j
~l
51
+ IVr
-2
~ Uocimo da matrica A nema ni na jednoj poziciji 1. Buduci da je najjednostavnije u nekorn retku (stupcu) postici da je najvise jedan element razlicit ad 0 aka taj redak (stupac) sadrzi 1, prvi stupac cemo pomnoziti sa -1 i dodati 4. stupcu. Na taj nacin na poziciji (1,4) dobivamo 1.
50
('I.
.... } •.:~"H.:.
Or"B r
..
K N J 1 Z. ~HC A
IDe
j.~:.; ;;, ;:
l' rAG I J A
-5
43 7 -5 4 7 8 -5 5 3
IAI=
3 -4 4 -3 2 4 -3
Lkjajj
(ls'C-l)+IVs)
j~l
=0 za V'je.h'={1,2,....n},
-9
2 -5
85
3 -4
j[
pri cemu nisu svi k, (ie.h) jednaki O. Neka je k,:;{J. re.H. To znaci da je r-ti redak lineama kombinacija odgovarajucih elemenata ostalih redaka, to jest I, + IV,· (-2) lIs + IVs·5 /Ils+
-9
2
:::
-.....!...
IJ
k,
k)
a;
I)
za svakoje.H.
tvs- (-4)
i"#F
i~r
(Koristeci 1 na poziciji (1,4) u prvom retku na preostalim pozicijama na opisani nacin dobivamo 0.) 0
:::
0 6
0 -1 4 -29 0
-1 2
2
6
-4
32 0 8 -58
fl
-15
~ fl
=
2 -15 8 -58
Pre rna pravilu (II) vrijednost determinante se nece promijeniti ako od svakog elementa r-tog retka oduzmemo najprije 1., zatim 2. i tako dalje sve do n-tog retka, iskljucujuci r-ti, pomnozene prethodno s odgovarajucim brojevima. No, na opisani nacin dobivamo u r-torn retku same O. pa izvrsimo Ii razvoj determinante upravo po tom retku dobit cerno da je
6 -4
32 -29
-~(IllS+is'C-l))
lIs+ls·6
2
-14
:::-C-l).1
-15
A=[~ ~
2 -3 0 -6 3 -6 -12 5 6=0 89
i)jaij
i~l
= 1-3
-6 -12
-61 = 36 - 36 = 0 .
pri cemu nisu svi k, (ie.h) jednaki O. Ako je (1.3.1) ispunjeno samo kada su svi kj jednaki 0, onda kazerno da su reci detenninante A lineamo neovisni. Analogno se definira lineama (ne )ovisnost stupaca matrice A ev«,. Rezultat 1.3.1. Ako su reci (ili stupci) matrice A ev«,lineamo te matrice A jednaka je O. ovisni, vrijednost determinanovisni. To znaci da
2)iaij
i~l
=0, je{I,2,3}.
odnosno sustav kl +4k2 +7k) =0 2kl +5k2 +8k) =0 3kl +6k2 +9k3 =0 ima opce rjesenje
52
53
r
!
~ Buduei da je Prema tome, vrijedi
IAI= 0
0
1 1
l-2,
AB_[~
IABI=
3 2 1
10
IBI=
0=5, -~
10
Dejinicija 1.3.9. Matrica Ae..,l(, je singularna ako joj je vrijednost determinante jednaka 0, a regularna ako joj je vrijednost determinante razlicita od O. Primjer 1.3.19. Ispitajte koje ad sljedecih matrica su regularne, a koje singularne: (1) A
2 8 =-10.
4
Zadaci za vjeibu
1. Izracunajte vrijednost deterrninante sljedecih matrica: vrijedi
(a) A =
IABI=jAI·IBI·
Dakle, prema Binet-Cauchyjevom teoremu determinanta umnoska kvadratnih matrica istog reda jeclnaka je urnnosku determinanti svake rnatrice. Primjer 1.3.20. Verificirajte Binet-Cauchyjev teorem na matricama:
[1 3]
75
• (b) B
[-2 6],
-5 -18
(c)
[11 C = -:
E_[ ~
-2
5 7 2 0
5
-5]
4
9,
(~ D_[:
w F_[ ~
-5
-22
2 -Ill]
o
-1
213,
A = [~ O~]
o
1
1
E
0 11
= [~ ~ - ~].
104
(e)
55 -555
lI~l
55
54
i~'
~) G=[~
-3
-2 -7 -5
~l
(k) K=
1 -1 1 1 2 3 1 2 3 3
1 1
(h) H -[~
1 -1
1 -1 4
V)J-[~
24 51
(I) L = 61
2 4 7
-9
-2
-3
~l
19
56 , 13 52
1
5
I
I
0 -a
(g) IGI= -b
a 0 -e
b e 0 -h
-i
d
g
j,
f
h 0 -j x+2a x+a x x+a
0
2
!
\
i
-e
-/
-g
x+a x+2a x x+a
-12
x~'
-d
X
0 x+3a x x x+a a b d 0 0 0
2 2
7 10 7 5 3 2 5 7 3
13
2 10 (j) III =
5 11 16 21 ,
4
x+3a x x+a
2 -7
11 13 17
11
9
2 8
3
2 2 3
-I
-3
b 0 e 0 0
2
b 0
0
b O. 0
g
13 32 40 46 14 50 7
(m)
62 20
70
3 4 3 7
-3
-8
3 5
--
0
(k) IKI = e-a-b
a+b=c
0
a-b e-b 0
, (I)
e ILl = e e e
-3
-5 (e) IEI=-4,
3 2
b-a
b-e
/
0
-4
t.
0
6
(d) IDI=88,
(f) IFI = 0, (g) IGI = 100. (h) IHI = -8, (0 III =150, (k) IKI=52. (I) ILl = 100, (m) IMI = 1.
determinanti Rijec je
0
antisimetricne
a a+b[ b' a b a -d e 2 b 4 0 e
d
(b)
IBI=[ x x+y
x-
x
a
y[,
3 b 2 0 0 b 0 0 e 0
5
2 3•
d (a) [x
(e) lei ==
-b -e -d 10
-e
b' a
a -b
(d)
IDJ
0
ee
x+ 1
2],
2 2x 1 x+l 0
(b)
[x 1
x' 2
1
X
],
(e) [~
789 x 0 -x 2x -3x
~l'[x\ ; ~l'
(d)
0 a (j) IFI = 0 a 0 0 b a 0 a 0
(e) lEI ==
2
3
0 e 0
o
b
O'
b
(,)
[~
-2x x 0 -x 2x
3x -2x x 0 -x
-4x 3x -2x x 0 •
x-I
0
-x
,
(f)
2x -3x 4x
x-2
56
57
(g)
G = -7
11 2 -5] 5 9,
x 7 x
(h) H =
[11 2 -5] -x 5 9.
4 x 4
xe'R. (e) x
XE'R.
Rjelenja:
X2,3
=1
\fi .
(a)
Ni za jedan
(e)
..tE
xe'R. (b)
Za proizvoljni
I(A )1=IA1
K
k •
{-l,O,l,2}.
if) Za proizvoljni
(g)
7,
A e.At" i proizvoljan
o.E'R vrijedi:
(a)
A=[~
A
-3 -2 -7
-5
~J
(b) A
=[~
1 -1
1 1 -1 1 -1
1 -2
13AI= 27
,(b)
(e)
213AI2-24IAl=1482,(f) IAI:::: , 1
(b)
I~Ar =8.
(e)
8 -9 = 7 -2 5 -3
[7 3 2 6]
49 73 34 IA41= 108 ,
,(d)
Rjesenja: (a)
IAII,2= ±l , if)
RjeJenja: (a) (d)
2 A = 2 -2 0 -3 3 -3 4 -4 4 IA41= 84
::::
0 -I
3 -4 -3 4 3 -4 0 4 -4 0 IA41:::: 504 1
::::
Ne postoji matrica A E~
sa navedenim svojstvorn,
IAI= 16.
(b)
4096 ,
(e)
5062500,
IA41= O.
12AI=-16,
(b)
13Aj+I-2AI=-13,
(e)
(e)
I-AI+IA1-12AI=8,
9. Za matricu A
ee
H 2 3]
o
0
izracunajte:
22
Rjeienja: (a) n=4, (b) n=2, (e) n=3, (d) n=5, (e) Ne postoji matrica Ae.At" sa navedenim svajstvom, (f) n=2.
12AI-13AI. (b) 1-
AI+IA1,
(e)
~IA-211+I~AI,
1~IA81·
(e)
Cd) IAI+IA1+IA21+IA
IAI= 2 i
(e)
loA41-10.421:::: 8, 4
(b)
a2lAI-laAl
= I,
RjeSenja: (a)
(d) -8,
-48,
if) -10.
(d) ~laA21-ilaA31:::: 0,
Rjdenja:
10. Ako je Ae.At" antisimetricna matrica nepamog reda, izracunajte vrijednost izraza IAI+IA'I-IAsl+IA71. Rjesenje: IAI+IA1-IAsl+IA71 =0. '
0, 0.3= 1, (e) Ne pastaji o.e'R sa navedenim svojstvom, (d) o.e'R proizvoljan, (e) III 2 = ±.fi '
(a) 0.1.2= ±2, (b) 0.1,2=
kE'R
58
59
IAI+IA1 = 4,
A -I
E.,.{{k/.
Kako je A· A -I
::.
izracunajte
vrijednost
izraza IAI+IA1-IAsl+IA71.
jednak broju redaka 2. faktora (matrice A -I). Dakle, mora biti m=k i matriea A· A -I je iz .Ai,,/. Analogno, buduci da je A -~ .A ::.I , mora biti l=n i matriea A -I . A je iz .,.{{km. No. i matriea A· A -I i matrica A -I . A su jedinicne matriee i to istog reda, sto znaci da mora biti i n=m. Prema tome. samo kvadratna matriea moze imati inverznu matrieu. Vidjet cemo da je ovaj uvjet nuian ali nije i dovoljan. Iz prethodnog razmatranja proizlazi da ako je matriea A kvadratna matriea n-tog reda, onda je i matriea A -I kvadratna matriea n-tog reda. Stovge, ako za matrieu Ae"'" postoji inverzna matriea A -I, onda je ona jedinstvena. Zaista, pretpostavimo da su i Be.Ai" i Ce.Ai" inverzne matriee matrice AE""'. To znaci da je AB=BA =1 AC= CA ( 1.4.1) (1.4.2)
= I.
CA ::.1.
=C
iii B
= C.
B=
% [-2 _~ 1]
A. ~ Doista, i AB=
Definicija 1.4.1.lnverzna matrica matrice A, oznaka A -I, je matriea koja zadovoljava relaciju: A·A-1 = A-I·A=I.
Iz definieije 1.4.1.sIijedi da matriee A i A-I moraju biti kvadratne matriee istog reda, to jest mora biti i A evf{" i A -I
E.A{".
[1 2] [-2 1] [1 0]
34 -
3 1 -2 2
=1
61
BA=
Prilikom provjere da je neka matrica B inverzna matrica matrice A potrebno je najprije ustanoviti da je rijec 0 matricama iz istog skupa, to jest da je i AEv/(, i B E.A(,,, a zatim je dovoljno ispitati je Ii BA =1. Ako jest, onda je B inverzna matrica matrice A . Sada cemo vidjeti kako se maze izracunati inverzna matrica, ako postoji, matrice Aev/(,. No, najprije moramo uvesti pojmove koji ce nam to ornoguciti. Definicija 1.4.2. Adjungirana matrica (adjunkra) matrice A, oznaka A'. je transponirana matrica matrice koju iz matrice A dobijemo tako da sve elemente te matrice zamijenimo s njihovim (korespondentnirn) algebarskim komplementima, to jest (1) Najprije ispitajrno sto se nalazi na glavnoj dijagonali matrice AB. Ako je i=j. ondaje Vidimo da matrica AB na poziciji (ij) ima element
(AB
)i; = -I
l::aik Aik
k~1
l:>ikA;t
f~1
Dakle, matrica AB na glavnoj dijagonali ima same jedinice. (2) Sada cemo ispitati sto se nalazi izvan glavne dijagonale matrice AB. Ako je i¢j.ondaje
pri cemujeA
~ Akoje
I 2:a Ajk
n ik hI
=0
zasvei,je{1.2
..... n}
inverzna matrica matrice A. onda mora biti (prema definiciji 1.4.1.) AB=l. Dokazat cemo da to doista vrijedi. predstavlja umnozak elemenata i-tog retka i algebarskih komplemenata j-tog retka. Zbog pretpostavke i*j, to je isto kao da smo po i-tom retku razvili determinantu kod koje su dva retkajednaka, a iz pravila 0 determinanti poznato je da je vrijednost takve determinante jednaka O.
62
63
~.••
~.o;..
Sada zakljucujemo da matrica AB izvan glavne dijagonaJe ima same nule. Dakle, na osnovi (1) i (2) zakljucujerno daje
2 iAi= 4
1
-11 ~==6-(-4)=10*O,
-I
AB ==
1 01 o
..
001
0] 0
.
je
-I
da je Napomena 1.4.2. Iz teorema 1.4.1. sJijedi algoritam za trazenje inverza rnatrice A E..,/(,:
Napomena 1.4.1. Iz prethodnog teorema slijedi da je dovoljan uvjet za egzistenciju inverzne matrice matriee AE"" da je ona regulama, to jest da je vrijednost njene determinante broj razlicit od O. Stoga se cesto pod izrazom reguJama matriea podrazumijeva matrica koja ima inverz, to jest matrica koja je invertibilna. Primjer 1.4.2. Pokazite da je matriea
(1) Najprije vaJja utvrditi je Ii ana regulama, to jest da li je vrijednost deter-minante matrice A broj razlicit od O. Ako nije, onda matriea A E.At" nije regulama, pa ne postoji A-I. Ako je nastaviti s postupkom traZenja.
IAl~,
B==_1 [d -b]
ad-be
-e
A=[:
~ Doista, B ad ~ be [, ~ -:] [: ~]
~l
[ad ~ be ad ~ bJ
(3) Matriea
A21
~2
Ani An2
= ad ~ be
= [~ ~] == I
.•
A' = [AijJ
= [Aj;] =
AJ2
Primjer 1.4.3. Koristeci se rezultatom iz prethodnog prirnjera izracunajte inverznu matricu matrice
AI"
~n
(4) Konacno, svaki element matrice A dijeli se brojern inverznu matricu matrice A:
Ann
IAI i
dobivamo
~ Najprije uocimo da je
64
65
A::[:
jednak A-I __ 1_ ad-be
!]
[d -abj.
-e
AII=
-1 5
A"=~
An :: 4 , An =-
1
, All
0 -]
~
Al3::
A,,=1'
A31 =
-2 3 5
-1 5 13
~ Koristeci se navedenorn procedurorn, mozemo i doci do rnatrice A -I za matricu A eJlz. Najprije valja izracunati vrijednost determinante matrice odnosno to jest vrijednost izraza IAI = ad - be. Ako je 1.41 0, matrica A nema inverznu = matricu. Ako je 1.41 0, zakljucujerno da postoji inverzna matrica matrice A i racunamo adjunktu matrice A. Lako se pokaze da je
-2 3
2
• All
r
4
-I
-2
10
All
= 2,
A32
= 7,
5to znaci da se adjunkta matrice 2. reda racuna taka cia elernenti na glavnoj dijagonali zamijene mjesta, a elementi na sporednoj dijagonali promijene predznak. Sadaje ocigledno (prema teoremu 1.4.1.)
-2~
[::r
-I
7 -1
-~l.
=-ad--bc [ -c
d
-bj.
a
2 11 2 1
1 2 7 4
1
66
67
AA- ::
[-2
~
1 0 -1
~l
1 -2 3 4 1 4
2 11 2 1 2
1 -2 7 4 1 4
=[~ ~l=l.·
1 0
=1,
a to upravo znaci da je A regulama rnatrica. Teorem 1.4.2. jarnci da matrica cija vrijednost determinante je broj razlicit od 0 ima inverznu matricu. Pritom nije nuzno isticati da mora biti rijec 0 kvadratnoj rnatrici, jer smo samo za kvadratne matrice definiraIi determinantu.
A=[~
Prekontrolirajte! Rjdenje: A -I
10 0 3
vrijedi da je i A
-I
E~,
naravno ako A
-I
Skup svih regulamih matrica n-tog reda oznacit cemo sa ti9n• Taj skup je podskup skupa svih kvadratnih matrica n-tog recta, to jest ti9n~ JI", jer kao sto smo vidjeli sarno kvadratne matrice mogu imati inverznu matricu.
=~ [ :
17
• 20
-6 -27
Primjer 1.4.6. Odredite inverznu matricu rnatrice
EWn• kEN.
-I
=> (AB)
=B
-I-I
Rjesenje: A
y.
10 ==20
Teorem 1.4.2.
-3 0
10 12
0 -4 0
~l
broj
(I -5)
A e e: => (A,tl == (A
-I ).
Dokaz svojstva (I-i). Trebarno dokazati da je inverz inverza regulame matrice A jednak upravo polaznoj matrici A. Prema definiciji inverza vrijedi A-1A=AA-1=1, pa rnnozenjem s lijeva navedenih jednakosti sa
(A
-I
t dobivamo
Matrica A razlicit ad O.
ev«. je
-I
• Ako za matricu A E.A/" vrijedi da joj je vrijednost determinante broj razlicit od 0, onda iz teorema 1.4.1. slijedi da je definirana matrica
6&
69
da je doista
Zbog jedinstvenosti
inverza
zakljucujemo
(ABtl
= B-1 A-I ,
sto je i trebalo
dokazati.
Sada dokazujemo da ako su matrice A i B regulame matrice n-tog reda, onda je njihov urnnozak AB takoder regularna matrica n-tog reda. Iz teorema 1.4.2. zakljucujemo sljedece: A,BE~"
==>
IA I "* 0
0
I B I "* 0 .
za matrice A,BE rin vrijedi da
Prema Binet-Cauchyjevom je
teoremu
determinanti
da je jednak
umnosku transponata
ali
zakljucujemo
da je (zbog jedinstvenosti
inverza)
pa premaprethodnome daje
(umnozak
brojeva
A i B razlicitih
AEri,,==> IA
pa
1*0,
kEN,9
matricnim
prema
jednadibama.
matricne jednadzbe
Binet-Cauchyjevom
teoremu
vrijedi da je zasvako da je
IAkl==IAlk
pa prerna prerhodnorne zakljucujemo
AXB=C
jednakoje X ==A-ICB-I ako su A i B regulame ~ Doista, ako relaciju (ne
IA Ik;t:.O,
sto prema teoremu
1.4.2. znaci
nuzno
istog reda!)
matrice,
Dokaz svojstva (I-4). Zb~g zakona asocijacije za mnozenje matrica vrijedi (B- A-l)AB
1
== B- (A1
A}9 == B-IIB
-I =
= B-IB
AA
==I
pomnozirno
AlA
-I
=:
-I
== I •
AS(B-I
A -I
)= (B-
A -I )AB
=:
I.
Pomnozimo li posJjednju relaciju s desna sa B-1• onda imarno da je
•
XBB-I
A -ICB-I
70
71
to jest
~to smo i tvrdili, • U nastavku cemo razmatrati sarno matricne jednadzbe koje se mogu svesti na oblik AXB = C. Primjer 1.4.7. Rijesite rnatricnu jednadzbu
r
3XB + 2X= F F(3B+2I)-1
.. Lako se pokaze da je
akoje
=[ ~ -~ ~l-L[~ ~l[~
-3 32 -1 2
~r
-3
-1
-2
0
5 3
5 2 5
••
=[~ ~l
a22
[~ =[~ -1] .
0 ~] X
][3 4] [1 0]
6 -1
=
Rjeienje:
L'
x=[_~
-i1
~ Uvedemo li oznaku
= I,
2 -
~]=[~
Rjesenje: y=
2
-
-1 -3
~l·
3
3
1 -3
4
paje
X ---
3 5 3
72
73
~~ ~ ~] X 241
G ~~] =[-~-;]
3 -6 cije rjesenje je
~~].
51
+ 3x21 = XII + 3Xl2 + 3X22 = 2x" + 4x12 + 4X21 == X21 + 3X22 + 4X22 = 2X2! + 4X22
[:
Rj,',nj" X Primjer 1.4.14.
:]x =[~
0 2
0 1
-1 1
-1 -1
=[-:
0 -1 1
-7
-21]
4
n
~l
Primjer 1.4.15. Dokafite: ako je A regularna matrica, onda iz AB=AC slijedi da je B=C. ~ I u skupu realnih brojeva 'R opcenito iz ab=ac ne slijedi da je b=c. Nairne, ako su b,CE 'R proizvoljni, a a==O, ondaje ab =ac identitet, No, ako je a
:;i:
3.
-1
0, onda iz ab
= ac
slijedi da je b = c, jer smo prethodnu jednakost mogli podijeliti s brojem a. U skupu matrica ako je A regulama matrica, onda za nju postoji inverzna matrica A-I , pa j ednakost
AB=AC
pri cemuje
A=[~
!]
B=[~
A-I AC.
za koje vrijedi da je
matrica A sirnetricna,
onda je
matrica
(A,t' :: (A -I), .
A' =A,
Ocigledno koristenjem inverzne matrice ne mozemo rijesiti navedeni problem. No, navedena jednakost matrica vodi nas na sljedeci sustav:
paje
74
75
Pre rna tome, a to upravo znaci da je matriea A -I sirnetricna, _ Primjer 1.4.17. Dokazite: ako je matriea A antisirnetricna, onda je i matriea A-I antisirnetricna, • Prema svojstvu (I-5) triena,znaeidaje paje
~D )
-I
if
IT
za i= j
d.
t
;=1
=
za
i;;;!:.
{i.
za i = j za i;;;!:. j
da je matriea A antisime-
sto je
i valjalo pokazati. _
Primjer 1.4.19. Dokazite: ako je A trokutasta matriea koja na glavnoj dijagonali nema ni jedan elementjednak 0, ondaje i njen inverz, takoder, trokutasta matriea.
• Najprije valja dokazati da je A regulama matriea. Lako se pokaze da je vrijednost detenninante (i gomje i donje) trokutaste matriee jednaka urnnosku elemenata glavne dijagonale, to jest za trokutastu matrieu vrijedi da je
D=
o
0
;;;!:.
IAI= Lan.
;=1
Zahtjev
0 za sve
Q;;
daje
dijagonalna matriea n-tog reda za koju vrijedi d, matriea D-I takoder dijagonaina. Stovise, (D-I);; =d;-I.
t. onda je i
*0,
to jest da je A regularna matriea. Za vjezbu ostavljamo da se dokaze da je adjunkta gomje (donje) trokutaste matriee gomja (donja) trokutasta matriea. Primjer 1.4.20. Dokazite: ako su matrice A,BE~m onda su sljedece ekvivalentne: AB=BA, AB-1=B-IA, A-1B=BA-I, celiri jednakosti
• Pretpostavka d, 0 za sve i znaci da je rijec 0 regulamoj matnci, jer je vrijednost detenninante dijagonalne matrice jednaka umnosku svih elemenata giavne dijagonale, to jest
IDI= ITd
i='
j•
A-IB-1=B-IA-1•
Lako se pokaze da su algebarski komplementi matrice D jednaki • Dokazat cerno da vrijedi sljedeci lanae implikacija:
za i = j
za i
*j
= B-1 A -I ~
= BA.
76
77
=:)
Stoga iz A -IB-1 = B-1 A -I slijedi da je (AB)-I ;: (BA)-I , odakle zakljucujerno da je AB sto je i valjalo dokazati. Doka; da AB == BA =:) As-I
=
A-I = BA-IB-1,
= BA, = BA,
= BAB-I•
III = 1 , iz Binet-Cauchyjevog
teorema slijedi
li
Dakle, vrijednost determinante inverzne matrice matrice A jednaka je reciprocnoj vrijednosti determinante matrice A. _
s desna sa B, ondaje
A = B-IAB,
Zadaci za vjeibu
I. Nadite inverznu matricu ad A aka je
(a) A
pa mnozenjern s lijeva sa B, imamo da je BA =AB. Ako posljednjujednakost pomnozirno s lijeva sa A-I, ondaje KIBA==B, pa nakon mnozenja s desna sa A -I , nalazimo da je
A-I B
=G
~l
1 1]
1 0,
1
(b)
A= [1 -1] 1 i!'
(e) A "[~
(d)
A= 2 5 1, 3 6 -2
[1 2 -1]
= BA-
78
79
(e)
A=[~ ~
4 2 -3
-1 -1
=~],
2 5
if) A=
(g)
A.[ ~
-2
7 -3 3 -4 -1
~l
(h)
[ 633
3 2 21], 65
2 5 1 2
(b)
A.[~ A.[~
0 b 0
~l
b]
ab.c e u ,
A.[~
_I] -1
(c)
2 2 -2 . 31 2
1 ~ , (d) 0
A= ~
['
;j.
Kontrolirajte dobivene rezultate, 3. Odredite za koje ae'Rje za sljedece matrice: definirana inverzna matrica, a zatim je izracunajte,
1 (c) A-I == 0 [
-1
-1] , o
1
(d) A -I =
[-16 - 2 7]
7
1 -3 ,
0
1
-3
(a)
A=
l+a 1 [1 1
l+a 1 1
1 1 1]
1 1 l+a 1 1 l+a
(b) a*"
, (b)
[a
A=
0 0
:: :]
o o
aa 0a
-5 (e) A-I
%
1
r
(g)
-8
Rje!enje:
(a) a ~
{-4,O},
O.
19 2 7 A-I = 4
7
-2 1 2 1 1 -2
3
2 1 4 1 2 1 4
3 2 3
4 ,(h)
A-'=
2 1 4
2 1 4
1 0 -4 4 4 1 10 0 2 1 15 5 2 -22 2
A=[~~]
(b) X - 3B
B=GJ.
-1
= AX
+ C ako su
A
[0 -11], 2
B == [
1]
C = [ -3 0].
-3
Rjesenje: (a) Da je rnatrica A regulama, onda bi rjesenje racunali koristeci se formulom X = A -I B. Kako je A = 0, matrica A je singulama, pa ne
II
A=[:
!J.
postoji matrica A-I. Najprije uocimo da je matrica X fermata (2,1), pa je mozemo pisati u obliku
ad-bceO ,
80
81
101 99 98] 10 10 8,
1 0 3
(b) X=3(A+1tl
=%[_~
~]
,
koja vodi na sustav od dvije lineame jednadzbe s dvije nepoznanice: x+2y = 1 2x+4y
(c)
-I = []
-1
o -1
,(el)
X == --B
= [ --3 2
0-1
= 2.
Uocimo da se druga jednadZba dobije mnozenjern prve s 2, pa zakljucujemo da je ona suvisna, Dakle, imamo sarno j ednu jednadibu s dvij e nepoznanice: x+2y
6. Najprije koristeci se svojstvima vezanim za odgovarajuce matricne operacije pojednostavnite sljedece izraze, a zatim i izracunajte trazenu matricu B:
(a) B=A'A(Ao)2A-3A'+AA'A'
=1
akoje
A=[~
+IAI·AoA akoje
A=[oo~
~J. =~
o
~ -~
l~
1~1'
-2
gdje je y bilo koji realni broj. Dakle, pocetna beskonacno rnnogo rjesenja navedenog oblika.
(b)
-I
=[
ye'R proizvoljan.
(c) B=AA·AA·-AoA'AoA·
12 ako je A= 2 5 [3 6
99 98] 98, o2
(d) B=IA'I·A(AT1AoA+IAI·A'Ao
akoje
A=[
~~].
-3
II -8
B={AI 2 +IAj) ,
(b)
(c)
(A'X_1B')-I+B(X-l)=2BakosllA=[~
(XAoB-1)-1 +BA'(X-1
~]iB=[~
~l
24
3]=[-1
-2-4
-3],
(b) Kakoje
A=[-~
(el) IXol·(XOrl(A·rl
alAI
~ 0
1560
l'
(c)
Uociteda je
0
B = 0 = [~
+2XA2 = BA ako su
matrica
simetricna
(A = A');
da je
A=[-~
B=[~
~l
~]. 69938
o
82
83
IAI = 181.
Definicija 1.5.1. Vektorski iii lineami prostor je skup r={X,y,Z, ...} na kojem su definirane dvije operacije i to zbrajanje i mnoienje sa skalarom za koje vrijede sljedeca svojstva: Za svaki uredeni par (X, Y)e operacijorn zbrajanja definira se element iz rkojeg oznacavamo sa X + Y i zoverno zbroj (suma) od X i Y i pritom za tu operaciju vrijede ova svojstva: (1) X+(Y+Z)
(b) Neka su A,BEWn, takve da je JAB-II == 1 1 i neka za Xevll" vrijedi da je XA == B. Pokazite daje
[x] = 1.
matricu A evil,. iIi
2
= A.)
A eJt" iii
IAI = 0 IAI = 1
ili iii
IAI = 1. IAI = -1 .
gdje je
= (X+Y)+Z
za \Ix, Y,Zer(asocijativnost
zbrajanja),
= I.)
IABI =
IC 1
2
za VXe r.
i neka je AXB=C,
vrijedi
x + (-X)
(4) X
= (-X) + X = 0,
+ Y == Y + X za Vx.
Ye r (komutativnast zbrajanja).
1 2 1]
5 4.
-1 -1 2
Operacija mnaienje sa skalarom svakom uredenom paru (a,X)e'Rxr pridruzuje element iz rkojeg oznacavamo ax i nazivamo produkt e1ementa X i skalara c, Pritom za tu operaciju vrijede sljedeca svojstva:
(5) (a~)X =a(~X) za \lo:,~ e'R,
-5 3]
3 -2 -1 1
i A2
-14 5 -3] = 8 -3 2
-3 1-1
vx« r.
r.
r.
Dakle, vektorski ili Iineami prostor je skup sa operacijama zbrajanja i mnoienja sa skalarom za koje vrijede svojstva (1)-(8). Elemente vektorskog prostora zovemo vektorima. Ovako definirani vektorski prostor zove se realni vektorski prostor, jer je definiran nad poljem 'R realnin brojeva. Poopcenje imamo aka umjesto polja 'R koristimo proizvoljno polje tp, cije elemente onda zovemo skalarima.
1t
Skup .AIm" sa prethodno definiranim operacijarna zhrajanja i mnozenja sa skalaromje vektorski prostor.
84
85
rc~!I_" ,-~t;r
.. Razrnatrajuci operaciju zbrajanja matrica i operaciju mnozenja matrice sa skalarom pokazali smo da za te operacije vrijede svojstva (1)-(8), sto i znaci da je skup vItn", u odnosu na navedene dvije biname operacije vektorski prostor. Primjer 1.5.2. Nekaje
(81'-I)X'Y;;;;; Y'X za 'rJX,YeR, ;;;;; X'Y a(X'Y)
n
+ X'Z za
n VX,Y,ZeR •
Uocirno (to jest provjerite za vjezbul) da su navedena svojstva posljedica zakona komutacije, asocijacije i distribucije u polju 'R. skup uredenih n-torki realnih brojeva sa operacijama zbrajanja i mnozenja sa skalarom definiranim na sljedeci nacin:
Deflnicija 1.5.4. Ne-nul vektori Xe'R i Ye'R su okomiti (ortogonalni) ako je X'Y ;;;;;0 . a za a ERie aX;;;;; (OXloax2> •..• a.x,,) . Pokazite (za vjezbul) da je skup 1"sa definiranim operacijama zbrajanja i mnozenja sa skalarom rea!ni vektorski prostor, Posljedica primjera 1.5.2. jeste da skup R rnozemo zvati n-dimenzionalnim vektorskim prostorom. Vektori, to jest elementi tog prostora su uredene n-torke, pri cemi.! su im komponente iz polja 'R. Ocigledno se rnoze dovesti u obostrano jednoznacnu korespondenciju
n n
l:Xiy, = 2·(-1)
5
i=l
'fl. Zbog
toga cerno
Buduci da je X' Y ;;;;; vektori Xi Y su okomiti. _ 0, Primjer 1.5.4. Zadani su vektori X;;;;;[-2 3 4 11 3]' Izracunajte njihov skalami produkt.
5
elemente iz R i tretirati kao n-komponentne vektore (stupce), Napomena 1.5.1. U slucaju da je n;;;;;l, dobivamo skup R s uobicajenim zbrajanjem i rnnozenjem kao vektorski prostor.
Y=[-12S1-4]'.
.. X'Y=l:>iYi;;;;;2+6+20+11-12;;;;;27.i=l
l>iYi·
i~l
86
87
=0 .
=0
an ],e'R
+ 6x3
Ovako definirana norma uobicajeno se zove ~-normom i cesto oznacava Primjer 1.5.8. Zadan je vektor X; [-2 3 4 11 3]" Izracunajte normu vektora X.
11112'
-6 je
+ 4x) = 0
pa je trazeni vektor
x = [-3
Primjer 1.5.6. Zadani su vektori iz 'R A
3
[3 02 ]' , B
= [ -1
l' .
.Jl4
Izracunajte: a) 3A'C + SB'D , b) (A-B)'(C+D). Rjeienje: a) 3A'C + SB'D:; 164, b) (A-B),(C+D) Primjer 1.5.7. Vektori liE'R" s komponentama svojstvo daje
= [4
Z Z]' i B
= [3
0 Z]'.
IIXII=M
XlA=> X'A=O XlB => X'B;O ~to vodi na nelinearni sustav
2 Xl 4Xl
= -17.
xi=l, Xj=O za i~j, je{l,Z, ...,n} imaju
za i = j 0 za i ~ j
n
=> x~ +xi +x; =14 => 4Xl +2X2 +Zx) = 0 , => 3xl +2xJ = 0
2 + x2
+X) 2 = 14
1. /. =
'J
, {l
+2X2 +2x3
+2X3
0,
=0
= 1.
(Tocno jedan Primjer 1.5.10. Vidjeli smo da vektori lie'R s komponentama xl'=l, Xj=O za i#:-j,je (1,2, ... ,n} imaju svojstvo daje
n
pribrojnik je
1, a ostalih n-l
t, Ij
=0+
I. J. J
r
, {I
=
za i= j
i", j
0 za
88
89
sto znaci da je
0.
= 90
0 ,
= [3
4 5]' i 8
= [5
12 13]'.
IIAII·IIBII·cosu,
odnosno
pri cemu je u kut izmedu vektora A i B. coso. zove se koeficijent konzistencije. Primjer 1.5.11. Zadani su sljedeci vektori iz 'R : 2
-I
5
128, 64 65 .
-3 4 A=
II
2
B= 5 0
1 31'31" .•
-4
ta dva vektora
Svojstva norme
Nonna ima sljedeca svojstva:
(N-l)
lIAII=~22+(-3Y+42+le+33 jIBII=~(-lf+22+52+o2+(-4f
Buduci daje A'B=O, toje cos 0. = IIAII.118jj = A'B
=M,
=.[46.
IIXII~O za'r;fXe'R (N-2) IIXII=O <=> X=O, (N-3) IIClXII = lal ·IIXII za VXe'R Vae'R, (N-4) Ilx+yll:;;; IIXII+ IIfll za VX,fe'R
n ,
Prva dva svojstva predstavljaju pozitivn» definitnost nonne, trece homogenost nonne, a cetvrto svojstvo je dobro znana nejednakost trokuta.
.Jl59 ...f46
IIXII= ./X' X
90
91
Zbog toga se, za nonnu definiranu na prethodni nacln, kaze da je inducirana skalamim produktom. Primjer 1.5.13. Koristeci vektore
produkta.
Na primjer,
norma
{1,2,...•
n}}
x = [1
• Norma vektora X i Y iznosi
nije inducirana skalamim produktom. Za slucaj n=2 norma 11'II~graficki se moze prikazati kao sto je to prikazano na slici 1.5.1. Ni norma 11·111 definirana na sljedeci naein
Ilxll",.11+4+9+16
odnosno
Ilxlll=tlxil
=
Fa.
i=l
nije inducirana skalamim produktom. Za slucaj n=2 norma 11·111 graficki se moze prikazati kao sto je to prikazano na slici 1.5.2.
Buduci daje
[1 4 -2 3]' slijedi daje
Ilx + r] = .11+16+4+9:::
No, ocigledno je
Fa.
Slika 1.5.2.
Fa s Fa +../6,
Ilx+YII.sllxll+ Ilyll·.
Y~IIXII'11YII·
:r~'R
IIx- Y II·
(X-y)",+
r definirana
funkcija
Ako je rijec
d(X,y)""
0 Lz·nonni,
onda je
koja zadovoljava uvjete (N-l)-(N-4). onda tu funkciju zoverno normom vektora, a normiranim vektorskim prostorom.
cr.II·II)
i(xi-yY.
i=l
_~x,
XI
S obzirmo na to da je udaljenost vektora X od nul-vektora 0 upravo norma vektara X. to je dCX.O)= Udaljenost definirana na prethodni nacin irna ova svojstva:
"'IIXII",
Stika 1.5.1.
<=>
X =Y.
92
93
I""
(9-3)
d(X, y)=d(Y,X)
za V'X, Ye 'R" •
n
(2J-4) d(X,Z)+ d(Z, 1') ;;::d(X, y) za V'X, Y,Ze 'R . Prva dva svojstva predstavljaju pozitivnu definitnost udaljenosti, trece simetricnost udaljenosti, a cetvrto svojstvo je dobra znana nejednakost trokuta. Opcenito, udaijenost ie {I,2,oo}, ondaje se ne mora inducirati pomocu £:2-norme. Ako je
Zadaci za vjeibu
1. Izracunajte skalami produkt vektora A i B, a zatirn kut sto ga zatvaraju:
A' B = -2,
= 96'25'9"
X = [1 -2 3 4 5 ]'e'R .
(c) A' B
= -2, a = 118"7'32" .
~ IIXllz =.JI+4+9+16+25
Primjer 1.5.15.
Izracunajte LI-normu vektora
=J55
.•
2. Izracunajte skalarni produkt vektora A i B, a zatim odredite za koju vrijednost pararnetra ae'R su oni ortogonalni:
X == [1 -2 3 4 5 ]'e'R .
~ Ilxll = 2:IXil
l ;=1
= 1+2+3+4+5
=15 .•
za jedan
ae'R,
#-
za sve aeR, (b) A' B == as +a + 1 ~ni za jedan aeR, nisu ortogonalni, jer je a8+a+l>O za sve ae'R, (c) A'B = a-4, pa SU ortogonalni za a = 4. 3. Za koje vrijednosti ad a,be'R su vektori
= (1
-2 3 4 5 ]'E'R . {I,2,3,4,5}= 5 .•
B = [a ~a3bl' (d) lIb okomiti? Rjesenje: (a) a = b = O. (b) a = 0, be'R proizvoljan. (c) Ne postoje a,be'R sa trazenim svojstvom, jer je a2 + ab + b2> 0 za sve a,be'R. (d) Za sve uredene parave (a,b) sa svojstvom a2 + b2 = 13. 4. Zadani su vektori
jer je
94
95
(b)
B =[
Izracunajte:
(a) (A-B)'C. (b) (A-B)'(A+B), (e) (3A-2B)'3C, (d) 3A'(2B-C). RjeJenje: (a) -1. (b) 3, (e) -21, (d) -3.
Rjeienje: (a) Al
=[% -%
2 2
(b)
AI,2.3.4
=[-x
JT.
C=
[ "2 "2 11
A2
E[ - ~,
~J
tE'R
akoje
A=[r
A= A
Izracunajte:
(a) C(A-B), (b) (A+B),(A-B), (e) (3A-2B)'(A+B+3C), (d) 3(A+2B)'(2B-C).
(b)
(e)
= 1 akoje
ako je akoje
t\
[t
t +lY,
Rjeienje: (a) -7, (b) 3, (e) -9, (d) 69. 6. Odredite vektor A
= [ :~]
= [t
t + i]'
,
=-1,
A = [t-l
t2
RjeJenje: (a)
(a)
(e)
c=[-~l(d)
A,., = [: ~
B=[~]
C=[_~l C=[=~l
=-1,
=0,
s navedenim svojstvima,
IIAIb;3,
IIB Ik;;2
RjeJenje:
i L(A,B)=
{II = ~ .
Rjd,,",, (a)
1.
(e)
A,., = :~
[+~1
.
IIAII~ + 4A' B + 311BII~= = IIAII~ + 4, IIAllz ·11B112 {II + 311BII~= 25. .cos
i D=A+2B,
10. Izracunajte skalami produkt vektora C=2A-3B i vektorl A i B su medusobno okomiti. Rjesenje: C'D =
IIAlb= IIB112=2
211AII~-61IBII~ = -16.
D=5A-2B ako su A i B
B=[~ ~
~r
i C=[~
-~r.
11. Izraeunajte skalarni produkt vektora C=2A+3B rnedusobno okomiti vektori jedinicne norme. Rjeienje: C'D
= loJlAII~ -
611BII~= 4.
97
96
C=-2A-B,(d) (e)
13. Izracunajte
(a)
(a)
A=[%
j %l
~ ~
i B=[~
% -%l,
~
(b) A=[~
e = 2A -
~J
, 3
i B;::[~
B, a
Rjesenje: (a) d.,(A, B)
= i, (b) d",(A,B) = 1.
lIell2 = ~5 + 2.Ji
, (b)
lIelll
= ~5 -2.Ji
, (e)
Ilelll
= ~5 + 2../2 ,
Ilellz
= 5 - 2../2 .
(a) d2(A,B)='2,(b)
d2(A,B)=I,(c)
d2(A,B)
=2 t + 1)'.
IIXI12 =3,
pri cemuje
X;::
2A- B, a A;:: [1
tr,
IIXll2 = 1,
B = [1-t
(b) t
IIXlll = 2,
+lr.
tf
i B = [1-t
= 0,
Rjdenje:
±J3.
1 2
(b) dl(A,B)=I, (e) d1(A,B}=2 1+1)'.
1 (e) t12 = ± tx :
;;2
A=[%
%J
i B=[i
-%J '
akosuzadanivektori
A=[l
tf i B=[I-t
RjeJenje: (a) Ne postoji tER s navedenim svojstvom. (b) t = 0, (e) tl•2 = ±I.
1 2
Rjeienje: Ca) d2 (A,B) =.Ji, (b) d2 (A,B);::.Ji. 16. Izracunajte udaljenost d, sljedecih vektora: Ca)
(b) d",(A,B)=I, (e) d",(A,B)=2
A=[%
j %l
2
i B=G
% -%]',
(b) A=[~ ~
98
~J
,
l fiB
= [1-
t +1
r.
B=[~ ~
[-1,1],
(e)
112
= ±2 .
99
>;I~'
-~
je
+ ....+ck Yn
odnosno
Y= LCiX;,
i=l
pri cemu su C [,C2,... ,Ck skal ari. Skalari koeficljenti lineame kombinacije. Uocimo da je zbog
'R
n
Cit
i E { 1,2,... ,k } , zovu se
n
=
Yn
Nairne,
'R
je vektorski prostor, pa je mnozenje sa skalarom Buduci da su dva vektora iz istog prostora jednaka, ako i sarno ako, su im sve korespondentne komponente jednake, imamo sustav ad n lineamih jednadzbi sa k (Cl,Cl .... ,Ck) nepoznanica:
C1Xli +ClXI2 +",+CkXlk C1X21 +C2X22 +",+ckx2k
zatvorenosti
skupa za
'R s
obzirom
na
C1Xl.CZX2.... ,CkXkE'Rn
ChC2,... ,Cke'R.
s obzirom na operaciju zbrajanja i zakona asocijacije koji vrijedi za tu binarnu operaciju, ima srnisla zapis C1Xl + C2X2 + ... + CkXk i rijee je, takoder, 0 elementu vektorskog prostora 'Rn. to jest
C1Xl
= Yl
= Y2
(1.6.2) i skalare
Cl.G2,... ,Cke'R.
Prema
tome.
imamo
li vektore
jednostavno je odrediti vektor Ye'R" koji je lineama kombinacija danih vektora Xi, ie{1.2, .... k}. Izabiruci razlicfte skalare c;, iE{l,2 ....,k}. za fiksne vektore
Xl,x2, ... ,xkE'R",
Postavljaju
'R"
Odgovor na pre thodna postavljeno pitanje ocigledno valja vezati uz odgovor na pitanje da li, i aka da, koliko, sustav (1.6.2) ima rjesenja. Vidjet cemo da Iinearni sustav iIi nerna rjesenja iii ima tocno jedno rjesenje iii ih ima beskonacno mnogo. Utvrdimo li da sustav (1.6.2) nema rjesenja, to znaci da se dani vektor
Xl,X2, ... ,XkE1l,
prikazati kao linearnu kombinaciju danih vektora Xj,Xl, ... ,XkE'R i, aka mozemo, kako nalazimo tu kombinaciju, odnosno, aka ne rnozemo, na koji nacin to utvrdujemo. Da bi odgovorili na postavljena pitanja prikazat cerno vektore
Xl,x2, ... ,Xt,YE'R
XJl X21 n
YE'R ne maze
prikazati
kao lineama
kambinacija
vektora
C[,C2.... ,CkE'R
takvo daje
n
Xlk
Xli
YI
Yl
YE'R
X22
Xl=
Xnl
, Xl=
, ....
, Xk",
Ani
, Y=
linearna kombinacija vektora Xl,x2, .... X~E'R·, buduci lineamag sustava (1.6.2) C[,C2,... ,CkE'R takvo daje
Y
Xn2
Yn
100
101
= -6XI + 3X2
na sustav
+ 2X3•
(1.6.2). Ponovno isticemo: aka su vektori
XI,x2, ... ,XbYe1l proizvoljni n-komponentni vektori, onda sustav (1.6.2) iii nema rjesenja iii irna tocno jedno rjesenje iii ih ima beskonacno mnogo. Ali nulvektor 0 se moze prikazati kao Iineama kombinacija proizvoljnih vektora
XI,xZ, ...,xkE'Rn barem na nacin da odabererno da su svi koeficijenti lineame
i C3 za koje vrijedi
CI
= C2 = ... = Ck = 0 .
+
+ C2X2 + C3X3
= Y.
Imamo da je
Tada, nairne, imamo lineami sustav cije sve desne strane su jednake nuli (za takav sustav kazerno daje homogeni lineami sustav):
CIXII
ctXZ1
+CZxlz
+Ckxlk +CkX2k
=0 =0 (1.6.3)
+c2XZZ +
= Cz
= ... = Ck = 0 ,
sto se lako provjeri. Upravo stoga sto znamo da je trivijalno rjesenje - rjesenje svakog homogenog Iineamog sustava, zanima nas da li sustav (1.6.3) ima jos neko, netrivijalno rjesenje, to jest rjesenje za koje vrijedi da je barem jedna njegova komponenta c,¢{) (ie {1.2, ...,k}). To nas vodi na sljedecll definiciju, Deflnicija
(zavisan) aka postoji k skalara c[, Cz, .•.•
Dakle, vektor Y mozemo prikazati kao lineamu kombinaciju vektora Xl, X2 i X3 na beskonacno mnogo nacina, _ Primjer 1.6.2. Prikaiite vektor
1.6.2. Skup vektora {Xt. X2, •.• , Xk} je linearno ovisan Ck koji nisu svi jednaki nuli (dakle, 3c#» takvih da je (1.6.4)
Aka relacija (1.6.4) vrijedi samo u slueaju CI=C2= vektori Xl. X2, •.• , Xtlineamo neovisni (nezavisni).
•.. =Ck=O,
onda
5U
Definiciju 1.6.2. pojasnit cemo koristeci se sustavorn (1.6.3). Dakle, aka sustav (1.6.3) ima samo trivijalno rjesenje, vektori Xt.X2, ... ,Xk linearno su neovisni. Ako, pak, (1.6.3) irna i neko netrlvijalno rjesenje, onda 5U vektori XI,xl, ...,xk lineamo ovisni.
102
103
+ 3ac) = 0
ima sarno trivijalno rjesenje: Cl = vektori linearna neovisni. Primjer 1.6.5. lineamo ovisni iii neovisni. ~ Iz rnatricne jednadzbe A, lineamo ovisni Hi neavisni. ~ Iz jednakosti sJijedi sustav Iinearnih j ednadzbi cl +cz +2c3 =0 cl +2cz -c3 =0 cl +3c2 koji irna sarno trivijalno rjesenje, to jest
Cj
Cl
odnosno
-H]
A,_[J
+C]
=0
-cl +cz =0 cl -2c2 Azlineamo neovisni, Primjer 1.6.6. Ispitajte jesu li vektori iz 'R
3
=0
C2
= 0, a to zna6 da su vektori Al i
= C2 = C3 = 0,
Dokazite da su vektori
za koje vrijedi
CIXI
+ C1X2 + C~3 = O.
Imamo daje
104
105
odnosno dobivamo sustav lineamih jednadzbi C2+2c3=O 3cI +4cz +5c) = 0 6cl +7cz +8c3 =0 rjesenje kojeg je Odredite vektor Xe'R takav da vrijedi:
(I)
3
Ilxllz =../14 ,
(2) X okomit na C i To znaci da nul-vektor mozemo prikazati kao lineamu kombinaciju vektora XI, Xl i X3 na sljedeci nacin:
Cytl -
danih
2cY\'z + CY\'3 0 .
Buduci da je koeficijent c3e'R proizvoljan, to znaci da moze biti jednak nuli (i tada imarno da su i ostali koeficijenti jednaki 0), ali moze biti i razlicit od 0. U ovom drugom slucaju nul-vektor 0 rnozerno prikazati kao lineamu kombinaciju vektora X], X2 i X3na beskonacno mnogo nacina, Pritom je vazno da to mozemo uciniti tako da nisu svi Ci, ie{L2,3}, jednaki 0, sto znaci da su razmatrani vekrori lineamo ovisni, _ Proucavajuci vrijednost detenninante matrica iz.At" vidjeli smo da vrijedi: Rezulta: 1.6.1. Ako su reci (stupci) matrice Ae.At" lineamo ovisni, vrijednost determinante matrice A jed naka je O.
= 14 .
(1.6.5)
°,
10
4 5 = 0, 62
+ lOx3 =
°.
,
(1.6.7)
10
Xc=o.
107
106
iscezava na netrivijalan nacin buduci da je (barem) koeficijent uz Ai (c;=-l) razlicit od O. _ Teorem 1.6.2. Teorem 1.6.1. Vektori At. Ali ...• AmE'R " su linearno ovisnl ako i sarno ako je jedan od tih vektora lineama kombinacija preostalih. • Nuinost. Pretpostavimo da su vektori AI. A:z,...• AmE'R" linearno ovisni. To znaci da lineama kombinacija clAI +
C~2
.v"
Neka je ..d'={AI.AlI ...•Am} skup lineamo neovisnih vektora iz 'R". Dokazite da je i svaki njegov padskup lineamo neovisan, ~ Dokaz se provodi kontradikcijom. Pretpostavimo daje proizvoljni podskup
..a; = tAi,.A;,
skupa d linearno ovisan. To znaci
jE {ij,ill ...•ik}, u linearnoj kombinaciji
+ ... + cmAm
iscezava na netrivijalan nacin, to jest postoji c,¢O takav da je clAI + czAz + ... + Ci-IAi-1 + cAl + CI+IAi+1 + ... + cmAm = O. To znaei da je razlicit od nule i da ta kombinacija iscezava. Ako toj lineamoj kombinaciji koja iscezava na netrivijalan nacin dodamo preostale vektore iz polaznog skupa pomnozene sa skalarom 0, onda dobivamo lineamu kombinaciju svih vektora polaznog skupa .4koja ne iscezava na trivijalan nego na netrivijalan nacin, sto je u suprotnosti s pretpostavkom da su ti vektori lineamo neovisni. _ Teorem 1.6.3. Lineamo je ovisan svaki skup vektora koji sadrzi nul-vektor, iIi, uvedemo Ii oznake
Uj= -
• Neka je zadan skup .4;;;;;{O, At. Az, ... }. Ocigledno sljedeca linearna kombinacija tih vektora 1·0 iscezava na netrivijalan vektorima. _ Primjer 1.6.6. Zadani su vektori
lineamo ovisnim
Dakle, doista se (barem) jedan vektor (na prirnjer, AI ako je c,-;t{) rnoze prikazati kao linearna kombinacija preostalih,
Dovoljnost. Pretpostavirno sada da se jedan, recimo Hi vektor AI. rnoze prikazati kao linearna kombinacija preostalih:
Ai
= J3IAI
Dakle, doista su vektori AI.A:Z. ••••AmE'R" linearno ovisni, jer je J3IA I + ... + J3i-1Ai-1 + (-1) Ai + J3i+IA;+1 + ... + J3mAm = 0 to jest linearna kombinacija J3IAI + ... + J3i-IAi-1 + (-1) Ai+ J3i+IAi+1 + ... + J3",Am Prethodni primjer mogli sma rijesiti pozivajuci se na sljedeci teorem koji navodimo bez dokaza, Pokazite da su navedeni vektori lineamo ovisni.
108
109
Teorem 1.6.4.
Svaki skup od n+ 1 vektora iz 'R je lineamo ovisan, Posljedica 1.6.1. U prostoru 'R je maksimalno n lineamo neovisnih vektora. Definicija 1.6.3. Maksimalan broj lineamo neovisnih vektora vektorskog prostora 'Yzove se dimenzija vektorskog prostora; oznaka: dim r. Rezultat 1.6.3. Dimenzija prostora 'R je n, to jest dim 'R =n. Veoma se cesto, upravo zbog navedenog rezultata, za vektor KE'R kaze daje ndimentionaian. Dakle, time se zeli istaknuti da pripada n-dimenzionalnom vektorskom prostoru 'R .
n n n n n
RjeSenje:(a)
A=AI+A2+AJ,{b)
A=AI-~+A3'(C)
A=AI-2AZ-AJ•
A=B+C+D,
B=[2
1 -1
Zadaci za vjeibu
I. Prikazite vektor A kao naznacenu lineamu kombinaciju vektora B, C i D ako su
(b) A=2B-3C+D,
B=[~
-~J.
D=[-3
i
-2],
D=[-~
D"",
2
~l
O. 1 1.
(e) (a)
A=2B-3C+D,
B=[~] .. c=[-~],
D=[=~].
A=B-2C+3D. B=[:
A=OeJ4,(b)
-1 , C= -1
0] [-1 2]
0 -1
[ 3 -1]
-1
Rjeienje;(a)
A=[~
=:].<c)
13
A=
[ -2
-7]
4
Rjesenje: (a)
~l A =[~~l
A =[-
n
AI. A2 i A3 ako su
(zz)
2. Prikazite vektor
(b)
,c=[il ; D=m
111
110
(e)
Rjesenje: (a)
Ne,
(c)
Da.
5. Odredite parametar
tE'R
Rjesenje: (a)
tE'R.
=..!:..,
(b) t
-3, (c)
1=
-..!:..,
(d)
d- z.i},
(e)
Za svaki
(j) Ni zajedan
lE'R.
3
7. Odredite ne-nul vektor Ae'R takav daje: . (a) A okornit na ve k tore B' C1 A .
II II = --, .Jl4O
2
pn." cemu su
Rjesenje:(a}
t;t:O.(b}
td-3.2}.(c)
t!i!:~J2,J2},(d)
l!i!:{-2,l},(e)
Ne
c·Hl
(b) A okomit
na vektore
postoji
tE'R
6. Odredite parametar
B i C, pri
cemu su
B·m
c'[-~l'
a skup i C. [ _
skup
(a)
A'·m ~.[
(b) ~
.[JA,'H] ~ f~l
okomit na vektor
B,
mH
{A,B.C}
112
113
12
2 Rjesenje: (a) AI;:;:
.fi
2
Az
xA + yB + zC
. (b) Ne postoji vektor A;tO
= X,
X2 x3]'eif .
../2. 5./2
6
;:;:
-J2
5..fi
6
Ii
navedenim svojstvima. (c) AI =
Ii
Ii -Ii
3 3
. A2 ;:;:
fj
Ii
3
-3z=xl
=x2' =x3
z=
prikazati kao lineama kornbinacija vektora A, B i C. •
'If' rnoze
m}
(I) vektori AI. A2>...• Amsu lineamo neovisni i (2) vektori AI, A2> ..•• Amgeneriraju prostor
r.
= LA,iA.
j~1
Dakle, baza je takav skup Avektora vektorskog prostora rkoji omogucuje da se svaki vektor iz 1"prikaie pomocu vektora iz.4, a pritom se svaki vektor Ai iz A maze prikazati sarno kao lineama kombinacija vektora iz ...st u kojoj je jedino koeficijent ci(onaj uz vektor AJ jednak 1. a svi ostali su jednaki O. Primjer 1.7.2. Pokazite da vektori
114
115
fonniraju bazu u'R? ~ Najprije cemo pokazati da se proizvoljni vektor X;; [XI X2
XJ]'E'If
Iz teorema 1.7.1. slijedi: Posljedica 1.7.1. Svaki skup ad n lineamo neovisnih n-komponentnih vektora formira jednu bazu u prostoru 'K'. Dakle, primjer 1.7.2. sada mozemo rijesiti tako da sarno pokazemo da su razmatrani vektori Lineamo neovisni i zatirn se pozovemo na prethodni teorem. Primjer 1.7.3.
Pokazite da vektori
odnosno
z ;;xl,
Z=X3 formiraju bazu u prostoru svih 4-dimenzionalnih vektora, to jest u prostoru
1t'. 5 '
~ Prema posljedici 1.7.1. potrebno je same pokazati da su vektori B[, B2, B,. B4 Iineamo neovisni. A oni su lineamo neovisni buduci da je 0
14
_ -2xI-Xl
+3xJ
' z=
XI
-2X2 +xJ
a to je definirano za sve XI,x2,x3E'R, 5tO znaci da se svaki vektor iz 'R'moze prikazati kao lineama kombinaeija vektora A I, A2 i A3. Ostaje da se jo~ dokaze da su vektori AI. A2 i A3 lineamo neovisni. Koristeci rezultat 1.7.2, valja pokazati daje vrijednost detenninante matriee ciji su stupei upravo vektori A I, A2 i AJ razlicita ad O.Zaista,
2 0 0 =-2 .•
10
0
Primjer 1.7.4. Formiraju li vektori
10
10
IAI = 1 L
1~ 2 -1
= 5,
13
pa zakljucujemo da su vektori AI. A2 i AJ lineamo neovisni. Prethodno smo dokazali da ani razapinju prostor'R3, pa smo, dakle, dokazali da oni fonniraju bazu u prostoru 'RJ.• U prostoru 'K' vrijedi sljedeci izuzetno znacajan teorern. Teorem 1.7.1. Svaka baza prostora n-dimenzionalnih vektora sastoji se od tocno n lineamo neovisnih vektora. bazu prostora 'R3? ~ Buduci da je
IXI=
L4
2 5 8 =0, 369
116
117
zakljucujemo da su vektori X .. Xl, X3E'RJ linearno ovisni, pa oni ne formiraju bazu u prostoru
n:. _
Buduci da vektori B"B'b ... B; fonniraju bazu, oni su linearno neovisni, sto znaci da posljednja lineama kombinacija tih vektora iscezava sarno na trivijalan nacin, Dakle, mora biti
a,
Primjer 1.7.5.
-l3i = 0 za sve ie
{1,2, ...•n},
Pokazite da vektori
a to je u suprotnosti s pretpostavkom da smo proizvoljni vektor XE'K' prikazali na dva (razlicita) nacina u danoj bazi, Drugim rijecima, prikaz svakog vektora u bilo kojoj bazi je jedinstven. Primjer 1.7.6.
'It. Mogu
Ii se vektori:
Vektori IjE'R" s komponentama Xj= 1, Xj=O za #j. jE {I,2, ...,n}, cine bazu koju nazivamo kanonskom bazom u prostoru '1('. ~ Rijec je 0 vektorima kojima je sarno jedna (i to i-tal komponenta jednaka 1, a sve ostale su 0, to jest rijec je 0 vektorima
1
0 0
0
prikazati kao lineama kombinacija vektora Xl. Xl, Xl, X4? • Razmatrani vektori su linearno ovisni, jer je, na primjer, Xl = 4XI + 4Xl-X4• Vektor Xs = XI + X2 + X4, a vektor X6 ne rnoze se prikazati kao linearna kombinacija vektora Xj, iE {1,2,3,4}.Teorem 1.7.2. Prikaz proizvoljnog iII={B"B'b vektora X iz vektorskog prostora Vektori
IjE'I('
11=
, 12 =
, ...
1n
1/1=
ru
Zadaci za vjeibu
.. Dokaz se provodi kontradikcijom. Pretpostavimo da se vektor X moze na dva (razlicita) naeina prikazati u bazi iII = {BIoB'b ,Bn}, to jest daje X = alBI + a2B2 +
+ a"Bn
To znaci da je
odnosno
118
119
2. Odredite parametar
tE'R
'R3:
0, (d)
tE'R
proizvoljan.
4. Najprije provjerite da li vektori AI>A2 i A3 formiraju bazu u prostoru 'ft, pa ako je odgovor potvrdan, prikazite vektor A kao linearnu kombinaciju vektora te baze ako su
Rjesenje: (a)
tE'R
IE'R
proizvoljan,
Cd) 'K
t:;:. 1,
3. Odredite parametar
IE'R
120
121
pri cemu je $1 baza u 1(', a TE1?" proizvoijan n-komponentni vektor. Postavlja se pitanje moze Ii, i ako da, uz koje uvjete, i $2 biti baza vektorskog prostora 'f('. Buduci da je $1 baza u 'f(', to se svaki vektor iz 1(' (pa specijaino i vektor 1) rnoze prikazati kao Iineama kombinacija vektora iz fiji' To znaci da postoje skalari t .. t2,... , tnE'R takvi da je T= Primjer 1. 8.1. Je Ii
L:>iA;.
i=1
0
x2
x2
0 + 0
0 0 +
=xl
0
0
0
+X2 +",+xn
X=
= gdje su
xn =x,/,
xn .
+x2/2 +",+xnI"
X2 ... X,,]'E'R"
prikazati
91= {l1,l:z,· .. .III}, onda su koeficijenti te linearne kornbinacije upravo korespondentne komponente vektora X. Zbog toga cerno u nastavku teziti da vektore
prikazujemo upravo u kanonskoj bazi kada god je to moguce, Ako to ne bude rnoguce odrnah uciniti, nastojat cerno iz polazne (nekanonske) baze izostaviti jedan vektor i na njegovo mjesto staviti vektor iz kanonske baze tako da novi skup bude ponovo baza. Navedenu supstituciju vektora nekanonske baze vektorom kanonske baze provodit cemo sve dok ne rijesimo polazni problem iii na kraju ne dobijemo kanonsku bazu. Buduci da je broj vektora svake, pa i kanonske, baze u prostoru 1?"jednak n, opisani postupak je konacan, to jest u konacno mnogo koraka iz poiazne nekanonske baze mozemo doci do kanonske baze izostavljajuci u svakom koraku jedan vektor nekanonske baze i uvodeci jedan vektor kanonske baze tako da novi skup od n vektora bude i dalje baza prostora 'f('. Deflnicija 1.8.1. Baze 91, i f1h su dvije susjedne baze ako se skupovi $1 i fiJ2 razlikuju za tocno jedan vektor. Neka su zadani skupovi
$1
~I =
-(1- 4) = 3
* 0,
gdje
su
baza prostora ~?
• Buduci daje
122
123
11
2 -1 0
to
~3 ••
Dakle, u primjeru 1.8.1. pokazali smo da vektori A I, A:z i AJ I:!inebazu u prostoru ~3. No, kada srno iz skupa fiJI izostavili vektor A3 i na njegovo mjesto stavili vektor TI, novodobiveni skup od 3 vektora iz
~3
~ Buduci da je f!lJl = {AI. Az, A3} baza, to se svaki 3-komponentni vektor, pa i vektor T2E~3, moze prikazati ka~ lineama komhinacija vektora AI. Az i A3• Trebamo rijditi linearni sustav alAI to jest sustav
Primjer 1.8.3.
Je Ii
gdje su koji ima rjesenje baza prostora ~J? ~ Buduci da je 1 Dakle, traiena Iineama kombinacija glasi 1 4 3 1 4
o2 -1 0
to $lje baza prostora~ .• Ovo je primjer kada zamjena jednog vektora haze fiJI prostora 1f3 (vektora A3) novim 3-komponentnim vektorom (vektorom T2) dovodi do fonniranja novog skupa od 3 lineamo neovisna vektora iz ~, sto znaci da je i $) baza prostora
T2 Prikaz proizvoljnog
= O· AI + - . A2 +_. AJ = -. A:z + - . AJ .•
3 3 3 vektora X iz prostora 'K' pomocu vektora baze f!IJ iz
'R!' moze biti i tabelaran. Prvi stupac te tablice sadrZi vektore baze, a drugi
korespondentne koeficijente linearne kombinacije vektora X prikazanog u bazi $. Tako je, na primjer, tabelami prikaz vektora T2 pomocu vektora iz $1: BAZA
AI
T:z 0 3
4
~.
Na osnovi prethodnih primjera mozemo za sada sarno zakljuciti da postoje skupovi sa svojstvima navedenirn u definiciji 1.8.1. Preostaje nam izgraditi algoritam kako izjedne baze doci u njoj susjednu bazu.
Primjer 1.8.4.
Prikazite vektor
3 Buduci da je i fJ)3 baza, vektor T2 mozemo prikazati i u toj bazi. Ocigledno je T:z= O-AI + O·A:z+ l·T:z iii, tabelarno,
125
~ Teorern 1.8.1. sastoji se od dva dijela. Najprije cemo dokazati nuinost, to jest da ako su fiJI i fil2 baze u 'R!', ondaje t~. Pretpostavimo suprotno, to jest da je troO. Tadaje (zbog (1.8.1»
o
Zbog jedinstvenosti prikaza vektora u bazi, prethodne tablice su za svaki vektor 3 iz 'R. u zadanoj bazi jednoznacno definirane. Lako se dokaze da su koeficijenti i-tog vektora bilo koje baze 91 prostora
T=l)A,
j=I
i~k sto znaci da smo jedan vektor skupa fiJ2 uspjeli prikazati kao Iineamu kornbinaciju preostalih. Dakle, vektori
AIoAz, ...• Ak.], T,Ak+], ... .An
komponentama i-tog vektora kanonske baze. Nairne, ako je 91={BI.B2 ••.. ,Bn} proizvoljna baza prostora 'R.", onda se svaki vektor, pa i vektor BiE91, rnoze na jednoznacan nacin prikazati kao lineama kornbinacija vektora iz 91. Buduci da je
Bi= O·BI + 0·B2
su lineamo ovisni (prema teoremu 1.6.1). pa ne formiraju bazu u 'R.", sto je u suprotnosti sa pretpostavkom da je $2 baza. Zakljucujerno da mora biti t~. Dovoljnost. Sada 6erno pretpostaviti da je $1 baza prostora
1('
i t~.
Valja
+ ... + 0·8i.1 +
I·Bj+ 0·Bi+1
+ ... + O·Bn,
vidimo da za koeficijente c, gomje lineame kombinacije vrijedi: [0 0 ... 0 I 0 ... 0 J' Neka su zadani skupovi
$1
dokazati da je tada i fiJ2 baza prostora 'R." iii. sto je u tom prostoru ekvivalentno, valja dokazati da je fiJ2 skup linearno neovisnih vektora. Iz prikaza vektora T u bazi fill T= f't.A , L.J,
;=1
= t..
sJijedi daje
T= LtiA; +tkAk•
912=
{AI.
i=1 ••••
An},
i~k
pri cemu ie fiJI baza prostora 'R!'. i nekaje (1.8.1) prikaz vektora Tu bazi 911• Postavljaju se sJjede6a dva izuzetno vazna pitanja:
(1) Pod kojim uvjetima je i
(1.8.2)
No, kakoje
teoremom 1.8.1)? i (2) ~~ koji .nacin se kornponente proizvoljnog vektora X e'R!' mijenjaju pri pri-jelazu lZ baze 911u bazu $2 (odgovor dajerno teorernorn 1.8.2)? Teorem 1.8.1. Neka je fBI baza. Tada je fiJ2 baza ako i sarno ako je tFO.
Lo.;Ai =0
;=1
samo aka su svi Uj=O. (ie {1,2, ...,n D. Posljednju jednakost rnozerno pisati
ovako
126
127
1 4 +_. A2 + _. 3 3
A]
1 = _.
A2
+ _. AJ .
4 3
Sada na osnovi teorema 1.8.1, bez dodatnog ispitivanja, zakljueujemo da iz baze fiJ={AltA:z,A3} mozerno bilo vektor A2 bilo vektor A3 zamijeniti vektorom T2, pa ce novi 3-elani skup takoder biti baza u prostoru 'If. Dakle, i f1J'={AI,A2> T2} i .'il"={A],Tz,A3} je baza u
'If.
iii (1.8.3)
!:t. =
tk
n, to je specijalno
;=1
i ak""O, pa je
prikaz vektora T, odnosno vektora Xu bazi $1. Tada je prikaz vektora X u bazi
.'il2
n
No, i 0./=0 za sve i'i:k, oSto obzirom na prethodni rezultat znaci da je i s ui -!:t.t;
It =
= LX;A; ;~I
i:;tlc
+x~T,
Zakljueujerno da lineama kombinacija vektora skupa 912 iscezava samo na trivijalan nacin, sto znaci da su vektori iz fiJ2lineamo neovisni. No, svaka baza u '/(' se sastoji od tocno n lineamo neovisnih vektora (teorem 1.7.1), pa je prema tome 912 baza u '/(' .• Netom dokazani teorem omogucuje da ako imamo prikaz vektora T u bazi fiJ.. lako zakljucimo koji vektor Ak iz fiJI moze ustupiti mjesto vektoru T, pa da tako dobiveni skup $2 bude takoder baza u prostoru '/('. Vidimo da za izlaz iz baze $. konkuriraju svi vektori uz koje dolazi koeficijent razlicit od 0 u prikazu vektora T pomocu vektora iz fiJI, U primjeru 1.8.4. vidjeli srno da se vektor
x = tX;Ai
;=1
= IX;A;
;=1 ;#
+ xtAk
'
X = LxA+x~T.
;=1
(1.8.4)
;$ok
128
129
Sljedecirn primjerom ilustrirat cemo primjenu navedena dva teorema. Primjer 1.8.5.
Prikazite vektor T
ee
U bazi
'" ~>;Ai
i=1 i..k
=:
i
;=1
;'~k
(x; + X~l;
h + x~tkAk '
(l.8.5)
~ Prikazati vektor T u bazi {AI. A:z, All znaci prikazati vektor T kao lineamu kombinaciju vektora A]o A2 i A3. U tu svrhu provodimo postupak supstitucije vektora iz baze {AI. A:z, A)I i vektora kanonske baze {lhhh} na sljedeci nacin: 1. korak: i vektore baze {Aj, A:z, Al} (uocimo da jos nismo provjerili da se doista radi 0 bazi prostora Rl!) i vektor T tabelarno prikazemo pomocu vektora kanonske baze:
BAZA
a ovo posljednje predstavlja prikaz vektora Xu bazi fiJI, Usporedimo Ii prikaze vektora X u bazi fIJI dane sa (1.8.4) i (1.8.5), zbog jedinstvenosti prikaza bilo kojeg vektora u bilo kojoj bazi vektorskog prostora, zakljucujemo daje (l.8.6)
Al
II
1
1 1
h
I]
Az 1 1 2
A3
1
2 3
3 4
Iz posJjednje jednakosti nalazimo da je (1.8.7) pa supstitucijom x~ u (1.8.6), dobivamo da je x.r odakle slijedi da je (1.8.8) Prema tome, ako je poznat prikaz vektora T i X u bazi fiJ., onda koristeci se formulama (l.8.7) i (1.8.8) lako se odrede koeficijenti lineame kombinacije koja predstavlja prikaz vektora Xu bazi fiJ2 koja je susjedna baza baze fiJI .•
:=:
Iz navedene tab lice citamo da je: AI :=: 1·II + 1· 12 + 1·1) , A2 = 1.11 +1'[2 +2.13,
Al =1.11
T=3·I1
. xk x· +-t· za tt
I I
I:t:.k
2. korak: Vektor II iz kanonske baze rnozemo zamijeniti vektorom Ah jer je koeficijent II uz u prikazu vektora AI u kanonskoj bazi razlicit od 0 (u prethodnoj tablici smo taj broj posebno istaknuli), sto prema teoremu 1.8.1. i znaci da II mozerno zamijeniti vektorom AI. Koristeci se transforrnacijama danim u teoremu 1.8.2. do!azimo do iduce tablice u kojoj su vektori AI, A20 A3 i T tabelamo prikazani pornocu nove bate {AI, 120'31:
BAZA
Al
1
AI t, 13
0 0
A2 1 0
A3 1 1 2
3 1 3
130
131
AI = 1· AI + 0·1 z + 0 . 13' Az
=
1· AI + O·1z + 1· 13,
";
AJ =I·AI +1'/2 +2'/3' T = 3 . AI + 1.12 + 3 .13 • 3. korak: Kako je u prikazu vektora A2 u bazi {At. h.. hl koeficijent, primjerice, uz h razlicit od 0, to mozemo vektor h zamijeniti vektorom A2. Ponovnom primjenom transformacija navedenih u teoremu 1.8.2. dolazimo do sljedece tablice, koja predstavlja tabelarni prikaz vektora At. Az, A3 i T pomocu nove baze {AI>I» Az}:
bazu u 'R? Osim toga, u posljednjem stupcu posljednje tablice dobili smo koeficijente vektora T u prikazu tog vektora u bazi {At. A:z, A)}. Zelimo Ii da vektori te baze budu u poretku koji odgovara njihovim indeksima, moiemo u posljednjoj tablici zamijeniti posljednja dva retka. Tada dobivamo tablicu:
BAZA
AI Az A3
AI
1
0 0
Az 0 1 0
A3 0 0 1
1 1
I
BAZA
AI 12 Az
AI 1 0 0
Az 0 0
1
A3 -1
1
2
0 1 3
Iz navedene tablice Mamo da je: Al = 1· AI + 0· 12 + O· Az ' Az = O·AI +0'/2 + I·Az, A) = (-1) . AI + 1·1z + 2· Az ' T =O·AI +1'[2 +3·[). 4. korak: Buduci da je u prikazu vektora A3 u bazi {At. lz, Azl koeficijent uz jedini preostali vektor kanonske baze vektor hrazlicit od 0, to mozerno vektor 12 zamijeniti vektorom AJ• Ponovnom primjenorn transformacija navedenih u teoremu 1.8.2. dolazimo do sljedeee tablice, koja predstavlja tabelami prikaz vektora At. Az, A) i Tpomocu nove baze {A .. A), A2l:
Uocimo da nam je navedeni algoritam omogucio dobivanje trazenog vektora u danoj bazi, ada prethodno nismo morali provjeravati da Ii je doista rijec 0 bazi i pri tome nismo rijesavali ni jedan sustav linearnih jednadzbi. U tocki u kojoj cerno se detaljnije baviti rjesavanjem sustava linearnihjednadibi vidjet cerno da je rijee 0 izuzetno efikasnom algoritmu.
vektorskog prostora 'f(' zove se potprostor ad 'R" ako je 'P vektorski prostor s obzirom na biname operacije zbrajanja i mnozenja sa skalarorn definirane u prostoru 'R" . Drugim rijecima, potprostor 'P vektorskog prostora skupa za kojeg vrijedi: (1) ako su vektori X,YE'P, ondaje i vektor X+YE'P
(2) ako je X E'P i aE'R., onda je i vekror aX E'P.
1('
BAZA A)
A2 Al
At 1 0 0
Az
0 0
1
A3 0
1
0
T 1 1 1
+ 0 . A) + 1· Az , A3 = 0 . AI + 1· A3 + 0 . Az '
T = 1· Al + 1· A3 + 1· Az .
proizvoljne a,~E'R. sadrzi vektor aX + ~y kada god sadrzi vektore X i Y. ~ Buduci da 'P mora biti zatvoren na rnnozenje sa skalarom, mora biti
Dakle, u svakom koraku uspjeli smo po toeno jedan vektor kanonske baze zamijeniti jednim vektorom iz skupa {At. Az, Al}. To znaci da su vektori iz tog skupa linearno neovisni, sto prema posljedici 1.7.1. znaei da {AI. Az, Al} cini
132
133
«x + j3YeP
za sve X,Ye'P i sve a,j3eR, sto smo i trebali pokazati.
da ce proces zavrsiti kada nademo m vektora Xj,X2 citav potprostor, dakle, cine njegovu bazu .• Teorem 1.8.6.
••••
,xm. (m~),
koji generiraju
Obrat. Ako je
1(',
to jest ako su
«x + j3Ye'P
za sve X,Ye'P i sve a,13 e'R, ondaje sigurno X+Ye'P (dovoljnoje uzeti a=j3=1)
u 1('
~ Prema teoremu 1.8.3. potrebno je dokazati da ako su vektori X,Ye 'Pln'PZ, daje onda i vektor aX+j3Ye 'PlnPz za proizvoljne a,j3eR. Skup 'Pln'P2 ne moze biti prazan skup, jer je sigumo Oe 'Pln'Pz (prema teoremu 1.8.4. svaki potprostor sadrzl nul-vektor). Ako je 'P='PlnPzjednoclan skup. to jest ako je P={O}, ondaje Pin 'P2 potprostor, jer je a. ·0+13 ·O=Oe'P za sve a,J3e'P. Pretpostavimo da 'PIn P2 sadrfi barem 2 vektora Xi Y. To znaci da je X,YePI i X,YeP2• Buduci da je 'PI potprostor, to je (prerna teoremu 1.8.3) aX+j3YEPI za proizvoljne skalare a,j3eR. a jer je i 'P2 potprostor, to je aX+j3Ye'P2 takoder za proizvoljne skalare a,j3ER Dakle, zakljucujemo da je za proizvoljne a,j3eR vektor oX+j3Yi u Pd u 'P2, to jest aX+j3Ye PlnP2, sto je i trebalo dokazati. _ Primjer 1.8.6. Svi skalami multipli nekog vektora X iz ~, ae R, predstavljaju potprostor od 'R2. to jest svi vektori oblika aX,
aXe'P (dovoljno je uzeti 13=0). sto znaci da je P potprostor od Teorem 1.8.4. Svaki potprostor Pc: jeOe'P.
1(' 1(' .•
~ Skup P je neprazan, pa sadrzi barem jedan element X. Za svaki Xe'P mora biti i aXe'P za sve aeR, paje i specijalno (-l)X=-Xe'P. No, 'P je zatvoren s obzirom na zbrajanje, pa je suma vektora X i -x takoder u 'P, to jest X + (-X)e'P, a to upravo znaci da je Oe'P .• Prostor koji se sastoji sarno od nul-vektora zovemo prostorom, to jest dimenzija potprostora 1/"= je O. {O} Teorem 1.8.5. Svaki nenul-dimenzionalni potprostor P«: 'R!' ima bazu. ~ Dokaz je konstruktivan, to jest provodi se tako da se pokaze kako se konstruira baza. Buduci da je dim'P~, postoji vektor XI-:FD. Razmotrimo sve lineame kombinacije aXI proizvoljno odabranog nenuI-vektora XI. Ako te kombinacije razapinju potprostor 'P, tada je {XI} baza. Ako to nije slucaj, onda postoji barem jos jedan vektor Xle'P koji je lineamo neovisan od XI. pa razmotrimo sve Iineame kombinacije aXI+bX2 vektora Xl i Xz. Ako takve kombinacije razapinju potprostor 'P, tada je {X[,X2} baza. Ako to nije slucaj, onda nastavljamo opisani postupak. Ocigledno, proces je konacan buduci da (prema teoremu 1.7.1.) postoji najvise n Iineamo neovisnih vektora u prostoru nui-dlmenzionalnim
~ Geometrijski, skup vektora {Y:Y==aX, aeR, XER2} je skup toe aka na pravcu koji prolazi kroz 0 i X. Vektor X generira taj jednodimenzionalni prostor, to jest svaki se velctor rnoze prikazati kao linea rna kombinacija od X. Vektor X je, dakle, baza tog potprostora od 'R2.• Primjer 1.8.7. Neka je A proizvoljan nenul-vektor iz 1('. Tada je skup vektora 'll == { X
potprostor od
IX
e 'R" i X' A = 0}
'K'.
~ Zaista, ako su vektori X,YE'1f, onda za proizvoljnu linearnu kombinaciju aX + 13 tih vektora vrijedi Y (aX + 13Y)'A == (a.X)'A + (j3Y)'A = a(X'A) + j3(YA) == 0, jer Xe'll znaci da je X'A=O, a YeU da je YA=O. Zakljucujemo da je vektor aX+j3Ye'1f za proizvoljne vektore X,Ye'll i proizvoljne skalare a.,j3e'R, pa to prema teoremu L8.3. znaci da je 'H potprostor .•
'R!' . Prema tome, vise ih nema ni u bilo kojem njegovom potprostoru. To znaci
134
135
Ako je n=3, onda potprostor 1-1 iz posljednjeg primjera predstavlja ravninu koja prolazi kroz ishodiste koordinatnog sustava. Rijec je 0 ravnini kroz ishodiste koja je okomita na vektor A. Opcenito, podskup 1{ prostora 1(' definiran sa
r
,
1-1 = { X
IX
<~ T_[~J
Rjesenje: (a) T
A,
=
E 'RN
i X· A =
O}
Al + Az
je potprostor prostora 1(' dimenzije n-l. Takav potprostor u odnosu na prostor 1(' zovemo hiperravninom u prostoru 1('. Opcenito, hiperravninu mozerno definirati kao skup
3. Koristeci se algoritmam izlozenim u primjeru 1.8.5. prikazite vektar T, ako je to moguce, kao lineamu kombinaciju vektora AI. Az i A3 ako su:
1-1 = { X
IX
'RN i X· A
= b,
'R fiksno
J.
Zadaci za vjeibu
1. Najprije pokazite da vektori
formiraju bazu u
vektor T -
[n
Ako se vektor T ne moze prikazati kao lineama kombinacija vektora A .. Az i A3, obrazlozite zasto to nije moguce, RjeSenje: (a) Ne moze. (b) T maze. 4. Koristeci se aigoritmom izlozenim u primjeru 1.8.5. prikazite vektor T u bazi {AI, A2> A3.A4} aka su:
Rjesenje: T = 2AI - Az + 3AJ . 2. Koristeci se algoritmom izlozenim u primjeru 1.8.5. prikazite vektor T u bazi {AI, A2> A3l ako su:
= AI -
Az
+ AJ• (c) T
= -AI
- Az
+ AJ, (d) Ne
(c)
T-Pl
A,
-Pl
A,
_[_~lA'-[-1] ~ -hl
137
136
Rjesenje: (a) T
= AI
+ A2 + A3 + A4, (b)
= 2AI
5. Nekaje A =
= { x I x E 'R2
2
i X' A
= 0}
potprostor vektorskog prostora 'R , a zatim rnu nadite bazu. Rjesenje: Pri dokazu da je rijec 0 potprostoru koristite se teoremorn 1.8.3. Bazu potprostora 'H naci cemo na sljedeci nacin, XE1i znaci daje X = [XI] X
2 1
X'A == 0,
to jest
odnosno
A=
pa X EH znaci da je rijee X
=[
-1 .
Postavlja se pitanje da Ii su vektori Aj>je{l,2, ...,n}, lineamo neovisni, odnosno ako je skup vektora
138
139
.J1=
{Ah Az,
..• , An }
skup od n lineamo ovisnih vektora iz prostora 'Rm, koliko najvilie rnoze imati elemenata proizvoljan podskup skupa JI tako da su svi vektori u tom podskupu lineamo neovisni. Primjer 1.9.1. Pokaiite da su najvise 2 stupca matrice
A-
-[~~-~-~l
o
1 -1 -2
1 3 -2 -5
=[ ~ ~ -~]
-1 0 2
1 1 -~ 02 2 =0,
~ DosIjedna primjena definicije 1.9.1. zahtijeva da najprije ispitamo je li maksimalno veliki skup sastavljen od vektora-stupaca matrice A skup lineamo neovisnih vektora, to jestjesu li vektori AI>A2, A3 i Aa lineamo ovisni Hi lineamo neovisni. To znaci da je potrebno ispitati da Ii lineama kombinacija tih vektora iscezava sarno na trivijalni nacin iii moze i na netrivijalni nacin, Ovo posljednje, kao sto smo vee vidjeli, vodi nas na lineami sustav
alAI
od 4lineame jednadzbe sa 4 nepoznanice (al. 0.2, a3, ~). Buduci da ovaj sustav osim trivijalnog ima i (beskonacno mnogo) netrivijalnih rjesenja, zakljucujemo da su vektori A 10 A1, A3i A4Iineamo ovisni, pa je
r(A)<4.
IAI=
-I 0
to stupci matrice A nisu Iinearno neovisni. Ali, na primjer, 1. i 2. stupac nisu proporcionalni, paje podskup {AI. Az} sastavljen od lineamo neovisnih vektora, Dakle, najvise 2 stupca matrice A formiraju skup ciji su elementi linearno neovisni. _ Prethodno razmatranje dovodi nas do izuzetno znacajnog pojma. Definicija 1.9.1. Rang matrice A E.At"""oznaka r(A), jednak je maksimalnom broju linearno neovisnih vektora-stupaca (odnosno, vektoraredaka) matrice A. Uocirno da je za proizvoljnu matricu A njen rang r(A)ENv{O}, to jest rang matrice A je iIi 0 iii prirodan broj, Napomenimo da jedino nul-rnatrica 0 ima rang O, Buduci da su stupci matrice A vektori iz prostora 'Rm, to je medu njima najvise m linearno neovisnih. Dakle, r(A):5"m. S druge strane, njih je n, pa je r(A)Sn. Prema tome, zakljucujemo da za proizvoljnu matrice A E~ vrijedi:
r(A) S; min{m,n}.
To znaci da je r(A)S;3. Sada valja odgovoriti na pitanje postoji li (harem jedan) 3-clani podskup skupa vektora .4={AI.AZ.A3,A4} koji sadrzi vektore koji su lineamo neovisni. Ukupno je
(2) ~
= {Al.AZ,A4}.
{A2.A),A4}.
Potrebno je utvrditi da Ii harem jedan od ta 4 3-clana skupa sadrzi vektore koji su Iineamo neovisni. Najprije cemo ispitati jesu Ii vektori AI> Az i A31ineamo neovisni. Dakle, valja rijesiti sljedeci lineami sustav od 4 jednadzbe s 3 nepoznanice: PIAl + P2A2 + P3A3;;;;;
o.
Buduci da ovaj sustav osim trivijalnog ima i (beskonacno mnogo) netrivijalnih rjesenja, zakljucujemo da su vektori AI, Az i A31ineamo ovisni.
140
141
Ispitat cerno da li su vektori AI, A2 i A4 iineamo neovisni. Dakle, valja rije~iti sljedeci lineami sustav od 4 jednadzbe s 3 nepoznanice:
11Al
+ 12Az + 13A4 = 0 .
Nacin na koji smo u prethodnom primjeru odredili rang matrice nije prihvatljiv ako se radi 0 matriei velikih dimenzija, jer bi tada bilo nuzno rijesiti (barem jedan) lineami sustav velikih dimenzija sto najceMe nije ni najmanje trivijalno. Ni sljedeca definieija ranga nije pogodna za izracunavanje tog broja. Definicija 1.9.2. Rang matrice Aevl(,." jednak je redu najvece (po formatu) subdeterminante matrice A razlicite ad O. ~ Odredit cerno rang matriee A iz prirnjera 1.9.1. koristeci se sada definieijom 1.9.2. S obzirom na to da se u ovom primjeru maksimalno velika subdeterminanta podudara s determinantom matrice A, a 2 0 12
Buduci da i ovaj sustav osirn trivijainog irna i (beskonacno mnogo) netrivijalnih rjesenja, zakljucujemo da su i vektori AI. Az i A4lineamo ovisni. Sada cemo ispitati da Ii su vektori AI> A) i A4 Iineamo neovisni. Drugim rijecima, valja rijesiti sljedeci linearni sustav od 4 jednadzbe s 3 nepoznanice: olAI + ~A3+ ~A4= O.
jAj=
= O.
-3 =0, 1 -I -2 3 -2 -5
-1
No, i ovaj sustav osim trivijalnog ima i (beskonacno mnogo) netrivijalnih rjesenja, pa zakljucujerno da su i vektori A2, A3 i A41inearno ovisni. Na osnovi prethodno provedenog ispitivanja zakljucujemo da ne postoji 3-C1ani podskup skupa ~ koji sadrzi linearno neovisne vektore, pa je r(A)<3, to jest
r(A)::;;2.
to je r(A);e4, pa mora biti r(A)<4. Ako je r(A)=3, onda je harem jedna subdeterminanta matrice A 3. reda razlicita od O,No, rnoze se pokazati da su sve subdeterminante matrice A 3. reda jednake o. Da se utvrdi ovo posljednje, potrebno je izracunati vrijednost svih
Sada valja utvrditi da Ii barem jedan 2-clani podskup skupa ~ sadrzi lineamo neovisne vektore. Uocimo da je takvih podskupova
(~)=6,
pa ih necerno sve nabrajati. Moze se pokazati da su vektori AI i A2 lineamo neovisni, jer sustav III AI + 1l2A2 = 0 ima sarno trivijalno rjesenje, Na osnovi toga zakljucujemo da je r(A) = 2. Naravno, prilikom odredivanja ranga neke konkretne matriee nije uvijek nuzno dosljedno prirnjenjivati definiciju 1.9.1. Potrebno je iskoristiti (aka je to moguce) strukturu dane matriee. Tako je ocigledno u ovorn primjeru A3=Aj+A2, sto znaci da je r(A)<4 (jer za sada srno utvrdili da nisu svi vektori lineamo neovisni), Lako se, pak, pokaze da su i vektori AI,A2 i A4 lineamo ovisni (na primjer, A4=AI-2Az), sto znaci daje
r(A)::;;
subdeterminanti 3. reda, a to nije ni najmanje jednostavno. Tek nakon sto smo utvrdili da medu subdeterminantama 3. reda ne postoji ni jedna cija bi vrijednost bila razlicita od 0, zakljucujerno da je r(A}<3. Sada se pitamo da Ii medu svirn subdeterminantama 2. reda, a njih ima
postoji barem jedna razlicita od o. Ako postoji, onda je r(A)=2, a ako ne, onda je r(A)<2. Buduci da je, na primjer, subdeterminanta koja se dobije kao presjek prva 2 retka i prva 2 stupca
to je r(A)=2. _ Dakle, ni definieija 1.9.1. ni definieija l.9.2. vee u slucaju da imamo matrieu koja ima vise ad 3 retka (ili stupca) ne omogucuju brzo i relativno jednostavno odredivanje ranga matriee. Stovise, primjena bilo jedne bilo druge definieije zahtijeva da se iz jednog skupa (iii vektora iIi subdeterminanti) izabere neki
2,
to jest najvise 2 stupea rnatrice A su lineamo neovisna, No, 1. i 2. stupac nisu proporcionalni, pa je r(A)=2.
142
143
podskup koji ispunjava zahtjev naveden u definiciji. No, to znaci da prilikom odredivanja svih potencijalnih podskupova moramo obaviti neka prebrojavanja, dakle, naS problem odredivanja ranga matrice vodi na neki kombinatorijalni problem, a problemi iz te klase cesto spadaju u klasu teze rjesivih problema. Zato cemo u nastavku pokazati kako se uz pornoc elementarne matematike maze odrediti rang proizvoljne matrice.
~'::~~ . (e)
',·'1-
1 0
2
1
-1
c=
34 23
1 2 , (d) 0 1
-1 0
-2 -1 0 -3 -2 -1 -4 -3 -2
D=[i
Zadaci za vjeibu
1. Koristeci se definicijom 1.9.l. odredite rang sljedecirn matricama: 2
(a)
3. Odredite parametar 1
tE'R
taka v da matrica
10
1 ·0
-2
4
A=[~ D=[~
2
1 -1 0
5
7 :]. (b)
B=
0
0
20
30
20 3 0 3 ,(e)
4
0
c=
-2
3
-6 ,
A=[~
-~
12 15 2
40
-3
4 1
(d)
-1
2 -3
-5]
50505
-4 8 5 -10
10 1
0 0 -3
~l ~~l
0 1 10 10 0 1 4 1 0 1
~ ,(e)
if) F=
G=n r l~'
3
4 -2
1 -1
E=C
0
02
02
~J.
-2
takav da matrica 1 -1 0 2 0 2 -1 3
-I
-3
0 -1
1 4
-2 -1 -5
-2
-I]
-1
20 00 2 -1
A=
0 0
-1 -2
-2
ima maksimalan rang.
if)
takav da matrica
-2 0
(alA
A=H
Rjesenje:
rCA) = 3 za 1:;t:-1.
tE'R
I t
-~-~l
2
-t
145
-14
6. Odredite parametar
takav da matrica
144
A=[~
4 1 6 -1
ima maksimalan rang.
RjeIenje: rCA) :;;:4
>i]
A=
[4t 51 6t]. 51 7t 8t
za
t:;t:
2t
3t
za
t;li:
2.
A = [~
,;
If;:]
t +2
za t =0
(e) rCA) = {
3 za
(d) rCA):;;:
t;l:-
3 1
2 za
t=-
2 za
(e) rCA) =
t 'l {-1,0,1}
t 3
1
t+l
01za t E {-I,I}
za t=O
, (j)
r(A):;;: {~
za
1:;c0
za t = 0
4 2
5 3
1 = 2.
0
ovisnosti 1+2
(a)
A = 4 3+21 7 8
[' 2 ['-2 ~
dCb)
t
A=
1 t-I
(e)
A=
-3]
+1 , (d) A= 0 2 -1 0 -1
rr
l ~
0
t
10]
('tl) rnnozenje nekog retka (stupca) matriee A skalarom razlicitirn od nule, /-1
-t
-2
I-t 1
'
0
2
o
1-3 1+1 t
~l
Definicija 1.10.1. Matriee AEL i BE..J(",n su ekvivalentne, piserno A-B, ako postoji konacan niz matriea iz.A{"", A=At. Az, A), ... , Ak=B tako da se matrica Ai dobiva 1Z matriee Ai.l, iE {2,3,,,.,k}, jednom od elernentamih transformaeija ('t1)-('t3). Moze se dokazati da ekvivalentne matrice imaju jednak rang. To znaci da primjena elementarnih transformaeija ne mijenja rang matrice, Prema tome,
146
147
koristeei
elementame
transformacije
rnatrice) treba doci do matrice B (\iji rang mozerno neposredno procitati, a koja je ekvivalentna sa polaznom matricom A. Na prirnjer, ako su stupci matrice A jednaki ili vektorirna kanonske baze Ij,}E {1,2 •...,n} Hi nul-vektorima D, onda je
jasno da je rang takve rnatrice upravo jednak broju stupaca koji pripadaju kanonskoj bazi. Nairne. ri vekrori su sigumo Iinearno nezavisni. Ako hi tom skupu dodali jos neki vektor (to jest stupac matrice A). onda preostaje da dodamo nul-vektor. Kako je skup vektora koji sadrzi nul-vektor skup Iineamo zavisnih vektora (vidjeti teorern l.6.3.), to je rang matrice Ciji stupci su ili vektori kanonske baze iii nul-vektori doista jednak broju stupaca koji pripadaju kanonskoj bazi. Dakle, polazeei od matrice A uz pomoc elementamih transformacija i nad recirna i nad stupcima treba doei do kanonske matrice, koja je sastavljena od sljedeca 4 bloka: u gomjern lijevom kutu je jedinicna rnatrica p-tog reda", a preostala 3 bloka su nul-matrice. To znaci da je tocno prvih p stupaca jednako vektorima kanonske baze, a preostali stupci (njih n-p) su nulstupci (to jest nul-vektori), Ocigledno je
1(B) ;;;:: , p
A=[~ ~ -~ -~]. o
1 -1 -2
1 3 -2
1
-5
A'[~
0]
-[~
2
2 -1
1 1 1
_3] o
1:~
-1 -2
i]
3 -2 -5 2 -1
a buduci da je A-B, to je i
r(A) = p.
-3
o o
ci
0
o
o
p
1 -1 1 -1
-1
-1 -1
B= 0 0
10
o o
-1 -2 0
1 -1
0 0
o0
p
0
0
I 0 0
o o o o
I]
" -U pravilu je iz konteksta jasno kada se sa lp oznacava vektor cije su sve komponente 0 osi m p-Ie kojajcjcdnaka 1, a kadajedinicna matricap-tog reda, pa 10 necerno posebno isticati,
148
149
~~_ili_~= [12 _
0 i0
0]
00100
0]
0
=B
'
010
A-
r~IH~~] -f~~H~ l ~
ili je A 2 za te {-I,O,I} rCA) =
pa zakljucujemo.da je r{A)=r{B)==r(h)==2 .• Primjer 1.10.2. Koristeci se elementamirn transformacijama ovisnosti 0 vrijednosti parametra tE'R ako je odredite rang rnatrice A u
pa je u tom slucaju r(A) = 1. Ako t e {-I,O,I}, and a je element na poziciji (3,2) iii element na poziciji (4,2) razlicit ad 0, pa je rang rnaksimalan, to jest tad a je
r{A) =2.
Dakle,
1o
za t E
{-I,I} .•
za t =0
Zadaci za vjeibu
t t'
A=
t'
t'
t']
t
t' t'
Sljedece zadatke rijesite prirnjenjujuci elementame transfonnacije retke matrice A. I. Odredite rang sljedecim rnatricarna:
na stupce i
;t
t] -:3 ;2 - [
1
(d)
A=r~
5 7
12 15 2 -1
:l
2 4
0 0
(b)
20 20
3 , (e) 0 5 0
E=[~ 0
B= 3 0 3
0 4
0
° °
4
-2
c=
-2
3 -4 5
-6 ,
8
D=[~
2
F=
-3
-1 3
-3
if>
r-
-1
-2
-1
-3
1
{-l,l}, onda je
0
Rjesenje: (a)
-2
l~)
-5]
50
-10
~ ,(e)
20 2
c=n
°° -2
-2
-1 -5 -1 4
-2 -2
~J. -']
.
(e) r(A)=2,
r(A)=2,
(d) r(A)=3,
if>
150
151
I :.
'.
Rjdenje: rCA)= 3 za t
-:t:.
-1.
-14 -20
; '~=~1'
14
o
-1
(c)
34 23
A= :
[
14
-~l
0
a
-1
-2
C=
1 6 -1
12
0 1
,(d)
-3
-1
-4 -3 -2 -1
* 2.
0 1
A=[~
ima maksimalan rang. Rjeienje: r(A)~ za sve tE'R.
-1 0
4 -2 4 0 0 -3
-~1
1
A=[~
ima minimalan rang. Rjeienje: rCA) = 2 za t
T ~~:1
1+1 t+2
=~ .
2
1
a
3
-I
-1
a
A=
2 0
2
20
4
2
5
3
aa
2
-1
a
ima maksimalan rang.
Rjeienje: r(A)=3 za sve IE'R.
0
1
1 -1
ovisnosti t+2
0
I
3
2
A=H
ima maksimalan rang.
152
1 3 -1
-~]
-t
: lib) A= [-' ~
1+1
1
'
o
1-3
t+l
(e) A
=~
['-2
1-1
-3]
-1
,Cd) A=
['
2
2
0 -1
n
153
(e)
A=[~t
21
5f
71
6t . 8/
3t]
alJ
al2
......
a[,.
5t
za t#-O
Xl X2
bl b2 ,B=
2
(c) rCA) = {
za t
{1'2 17}
za t =0 X=
3 2
za t ~ {0,2} za t
E
3
, (d) rCA) =
{0.2}
2 za
1=-
Definicija 1.10.1. Lineami sustav (1.11.1), odnosno (1.11.2) ima rjesenje (kaze se da je sustav rjeIiv) ako postoji uredena n-torka brojeva (XI,x2, ... ,xn) takva da za te brojeve sve jednadzbe u (I.ll.1) prelaze u identitete, Svaka n-torka (XI,xz .... ,xn) sa navedenim svojstvorn zove se rjeienje sustava (1.11.1). Ako takva n-torka brojeva ne postoji, onda je sustav (1.1Ll) nerjesiv iii kontradiktoran, odnosno nekonzistentan (inkornpatibilan).
linearnim sustavima
a2lxI +a22X2
cemo razmotriti slucaj kada je broj jednadibi rjesavat cemo lineami sustav
AX=B. X,BE'K'.
jednak
broju
(1.11.1)
pretpostavljajuci da je AE,4,
koji se rnoze u matricnoj formi pisati u obliku matricne jednadzbe AX=B, pri cernu je rna/rica koeficijenata sustava (1.11.2)
Ocigledno, rjesen]e lineamog sustava (1.11.1). odnosno (1.11.2) ovisi 0 tome je Ii matrica AE....f' regularna iii singulama i je li vektor slobodnih koeficijenata BE'R!' nenul-vektor'f ili vektor kojemu su sve kornponente jednake nuli, Dakle, imarno 4 slucaja:
12
154
155
(l)
-8
-22
(Il) A je singularna matrica, a vektor 8¢0, (Ill) A je regularna matrica, a vektor 8=0,
2
Dakle,
xl=1 , x2=3
(IV) A je singularna matrica, a vektor 8=0. Ako je A regularna matrica, a vektor 8;t!O, onda je rijee 0 regulamom nehomogenom lineamom sustavu, Buduci da je A regulama matrica, to znaci da je vrijednost njezine determinante broj razlicit ad nule, to jest I A I;t!{), pa postoji inverz A-I. Zato se rjesenje sustava (1.11.2) moze izracunati fonnulom
X =A-I8.
i X3"=O.
-2·1 + 3 + 3·0
1 4·1 + 2·0 3+ 5·0
==
1
1, 1
Dokazali srno da kada postoji, inverz rnatrice je jedinstven, pa je i rje~enje sustava (1.11.2), dana prethodnorn fonnulom, jedinstveno. Drugim rijeeirna, regularan nehomogen'" lineami sustav ima todno jedno rjesenje: X=KIB. Primjer 1.10.1. Rijesite Iinearni sustav - 2xI xI
4xI x2
sto znaci daje doista rijee a rjesenju razrnatranog sustava. _ Ako je A regulama matrica, a vektor 8 nul-vektor, onda je rijee 0 regulamom homogenom'" linea mom sustavu. Buduci da je A regularna matrica, to znaci da je vrijednost njezine detenninante broj razlicit od nule, to jest IAI;t!{), odnosno postoji inverz A -I. Zato je rjesenje sustava (1.11.2)
+ x2
1 1.
X=A-10=
O.
PrekontroIirajte!
Dakle, u slucaju da je sustav (1.11.2) regularan homogen linearan sustav, on ima samo (zbog jedinstvenosti inverza regulame matrice A) trivijalno rjeienje, to jest nuzno je
Xl =0
• Buduci da je -2
1
~ !I
-22
4 -1 ~
postoji A-I, to jest rijee je 0 regulamom i to nehomogenom (B;t01) sustavu. Kako je (provjerite za vjdbu!)
+ x2
X2
3X3
=0 = O. 0
+
+
Prekontroliraj te!
2X3
5x)
-8 2]
7, 2 -1
• Buduci da je -4' (vidjeti primjer 1.l1.1), postoji A-I, to jest rijec je regulamom i to homogenom (B=O!) sustavu. Buduci daje
IA I::
toje
13
Za lineami sustav (1.11.2) kaiemo da je nehomogen aka je barern jedan slobodni koeficijent sustava razlieit ad 0, to jest aka je B..o.
14
Za linearni sustav (1.11.2) kaiemo da je homogen aka su svi slobodni koeficijenti susrava jednaki null, to jest aka je 8=0.
156
157
-8 -22 2 -1
toje
~l'
sustav, sve jednadzbe
nalazimo iz
Nairne, tada je
XR
= A;I ( B R -
A X).
(1.l1.3)
Uocimo da cemo na opisani nacin komponente vektora XR izraziti kao funkciju komponenata vektora X koje ne sudjeluju u izgradnji vektora XR, to jest pomocu Dakle, XI=O, X2=0 i X3=0. Kontrola. Uvrstimo Ii dobivene vrijednosti u pocetni prelaze u identitete: komponenata vektora X . Deflnicija 1.11.2. Prosirena matrica Ap sustava (1.11.2) je matrica koja ima n+ 1 stu pac, pri cemu je prvih n stupaca te matrice identicno s odgovaraju6im stupcima matrice A, a n+ 1. stupac identican je vektoru B. Dakle,
-2·0
0 0, 0
sustava. Fundamentalni teorern koji daje nuzan i dovotjan uvjet za egzistenciju rjesenja sustava (Ll1.2) je sljedeci teorem.
Ako je A singulama matrica, a vektor B#J, onda je rijee 0 singulamom nehomogenom lineamom sustavu. Buduci da je A singulama rnatrica, to znaci da je vrijednost njezine determinante nula, to jest I A 1= 0, pa ne postoji inverz A-I. Zato trazimo maksimalno veliki (po formatu) regularni dio sustava (1.11.2) AR. Pokazat cemo da se matrica A polaznog sustava u tom slucaju moze prevesti u blok-matricu sljedeceg oblika
u vektore
Ocigledno je iii rCAp) ==rCA) ili je rCAp) > rCA) . (1.11.5) (1.11.4)
gdje su XR,BRE<K,
X, B
~ Nuinost. Pretpostavimo da je sustav (1.11.2) rjesrv, To znac! da postoji vektor X==C=[Cj]E'R", jE (1,2, ... ,n} za koji vrijedi AC=B, odnosno
L:>ijc
n
= b, za sve i E {1,2,...,m} .
j~1
158
159
bll
:. =
aZI
a22
••••••
a2n
.
Lcjalj Lcja
n
j=1
Specijalno, ako je (a) m=n, to jest broj jednadzbi jednak broju nepoznanica i (b) rang matrice A maksimalan, to jest r(A)=n, onda, prema posljedici 1.11.1, sustav ima rjesenje. A to smo i pokazali koristeci se einjenicom da iz A ;t{) slijedi da postoji matricni inverz A -I i pravila za mnozenje matrica.
II
lj
j=1
Prema teoremu 1.11.1. sustav (1.11.2) je rjesiv sarno ako vrijedi (1.11.4). Tada on ima ilijedno ili beskonacno mnogo rjesenja, Ako vrijedi (1.l1.5), to jest aka je rang prosireae matrice strogo vee; od ranga matrice A, onda je rijec a nekonzistentnom sustavu, to jest u tom slucaju sustav nema rjesenje, Primjer 1.11.3. Rijesite linearni sustav
posljednji je stupac lineama kornbinacija prethodnih stupaca, 8to znaci da je maksimalni broj linearno neovisnih stupaea u matriei Ap jednak maksimalnorn hroju lineamo neovisnih stupaca u matrici A. Na osnovi definicije ranga rnatrice zakljucujemo daje
reAp)
3x1
+ 3xl
~ Rang matrice A jednak je 2. Nairne,
+ 2x) + x) + 3x3
1
=
I. 1
= rCA)
Dovoljnost. Sada pretpostavimo da je r(Ap) =r(A)= r. To znaci da je tocno r stupaca rnatrice A linearno neovisno. Radi jednostavnosti pretpostavit cemo da je upravo prvih r stupaca matrice A linearno neovisno. No, kako je i r(Ap)=r, to i matrica Ap irna tocno r lineamo neovisnih stupaca i to su upravo oni stupci matrice A (jer ih Ap sadrzi) koji su lineamo neovisni. Prema tome, u matrici Ap posljednji stupac je lineama kombinacija tih r stupaca, pa postoje skalari CI,CZ, .•• ,C,En takvi daje B = clAI + CZA2+ ... + crA,. Stavimo li daje Cr+1 ... =cn=O, posljednju relaciju rnozerno pisati i ovako: =
B
2 -3 2
1 303 pa je sigurno r(A)<3, a jer je 3 1 =0
= clAI =
j=1
+ czAz+
...
+ c,A,+
[tajjcj]
= AC,
E
A,
=[~-~ ~ :]
°
od O. Nairne,
nn rjesenje
sustava
2 -3 1 -1 - 3 1 31=-2 30=
3 0 1 3 0
Posljedica 1.11.1. Ako je rang matrice koeficijenata sustava jednak broju jednadzbi, to jest ako je
rCA) = m ,
Dakle, u ovom slucaju je r(Ap»r(A), pa razrnatrani sustav nema rjesenja. Uoeimo da je nekonzistentnost razmatranog sustava posljedica "pogresnog" zbrajanja I. i 2. jednadzbe, Nairne, korektno smo zbrojili lijeve strane, ali smo namjemo kod 3. jednadzbe na desnoj strani pisali braj koji se razlikuje od zbroja desnih strana prve dvije jednadzbe, _
160
161
Umjesto da odredujemo rang matrica A i Ap trazeei rnaksimalno velike subdeterminante razlicite od 0, mogli smo odrediti istovremeno i rang matrice A i matrice AI' koristeci elementame transfonnacije (t[)-(1:"J) nad recima i (1:"d-(1:"2) nad stupcirna matrice Ap. Naime, vrijedi sljedece:
Ap == 1
r
3
i na osnovi nje smo mogli zakljuciti a rangu matrica A i Apsve ono sto smo zakljucili na osnovi matrice Ag==OlOO.
-3 2 I]
3
1 1 - A2=
[' 3 ,
2 -3 2
031
3 1
03
:]-AJ =[~
00 -9 0
0 0 -1
- A.
-l
3 -9 -9
o o
-1-
-2
']
[o
1 0 0 0]
00 1
-9 0
00
-1
00 -9 0 0 0 0 -1
~]-
Nairne, u matrici A4 1. i 3. stupac su jednaki, a prva 3 stupca te matrice su ekvivaientna sa matricom A. Dakle, sigumo su sarno 2 (od 3) stupca Iineamo neovisna, sto po definiciji 1 znaci da je r(A)=2. ledino 4. stupac matrice AI' ima posljednju komponentu razlieitu ad 0, pa su 1., 2. i 4. stupac te matrice linearno neovisni; dakle, r(AI')=3. Ukoliko se koristi ovdje primijenjena metoda rjesavanja lineamih sustava, onda je nuzno, ali i dovoljno koristiti elementame transformacije (1:"d-(1:"3) nad recima i (1:"[)-(1:"2) nad stupcima rnatrice Ap, dok ne mozerno donijeti sud a rangu matrica A i Ap. Primjer 1.11.4. Rijesite Iinearni sustav 2x]
x[
100.
3x2
3x2
+ 2xJ +
x3
:0
o01
1. 2
Prva 3 stupca formiraju matricu koja je ekvivalentna s matricom A i ocigledno su sarno 2 stupca (1. i 2.) linearno neovisna, Na osnovi toga zakljucujemo da je r(A)==2. No, 1., 2. i 4. stupac posljednje matrice su vektori kanonske baze, pa je r(Ap) ==3. Zasto nismo koristili i transformaciju (1:"3) nad stupcima? Da smo je koristili, dobili bi upravo trazenu kanonsku marricu
2 -3 2
1 303 2 -3 ~ ~ ~ =0 (zbroj 1. i 2. retlcajednakje 3. retku!), 3 1 == 0 (dva stupca su jednaka!),
Ap - ~
== 0
[o
1 0 0 0]
0 10
!I
100.
U pravilu nije zabranjeno koristiti i transformaciju (1:"3) nad stupcima, ali kada rjesavarno sustav, onda ta transformacija znaci da je potrebno zamijeniti odgovarajuce komponente vektora nepoznanica. Zbog toga se necemo koristiti transformacijorn (1:"3) nad stupcirna, Primijetimo da je bilo davoljno dobiti matricu 3 1
22 1 332 -3 3 03. 1
-9 0 o0
-~]
-1
zakljucujemo da je i r(Ap) =2, jer ne moze biti r(Ap)<r(A). Prema teorernu 1.11.1. razmatrani sustav ima (barem jedno) rjesenje, To je posljedica cinjenice
162
163
'::T."'.
da smo sada rjesavali Iinearni sustav kod kojeg je 3. jednadzba jednaka korektno izvrsenoj sumacij i prve dvije j ednadzbe. Rang matrice A je 2, jer je
2 1
-31 =9;J!:O. 3
A,
=[~
-3 2
3 1
03
U formiranju maksimalno velike subdeterminante cija je vrijednost razlicita od o sudjeluju prve dvije jednadibe i koeficijenti uz prve dvije nepoznanice. Zato rjesenje polaznog sustava nalazimo rjesavajuci sustav
2xI XI 3x2 3xz
-[~
Buduci daje
-9 -9
o o
1 1] [1
31 -1 - 0 -9 0 -1 0 00
J[~ J
31 -3 2 03
-H
+ +
2x)
X3
(1.11.6)
Buduci da je sustav (l.I 1.6) regularan, njegovo rjesenje nalazimo koristeei se formulom
A - A4 = 0 -9
[1 3 1]
000
0,
pri eemuje
Dakle,
to je ocigledno r(A);:;2. No, matrica Apje ekvivalentna s matricom formata (3,4) kod koje je jedan redak nul-redak, pa je i r(Ap) =2. Dakle, rijee je 0 konzistentnom sustavu, ali buduci da matriea A nije regulama, rjesenje ne rnozerno racunati pornocu fonnule A-lB. ]o~ nismo iskoristili sve relevantne informacije koje nam daje matrica A4• Nairne, vidimo da su 1. i 2. stupac, ali i 1. i 2. redak lineamo neovisni, pa u formiranju maksimalno velike (po fonnatu) subdeterminante razlicite od 0 sudjeluju upravo ti reci i ti stupci, To znaci da je dovoljno rijesiti sustav koji se sastoji ad prve dvije jednadzbe polaznog sustava, prebacujuci s lijeve na desnu stranu tih dviju jednadzbi one nepoznanice eiji koeficijenti ne sudjeluju u formiranju navedene subdeterminante. Prema tome, polazni sustav smo najprije reducirali na sustav
2xI XI
-
3x2
3x2
+ +
2X3 Xl
1 1
a zatim smo iz njega dobili sustav Prema tome, rjesenje sustava (1.11.6) je
XI =-X3
2xI XI
XlEn.
3xz + 3xz
-2X3
-X3
+1 +1
+3 ' Xz ="9'
2 1
a»
li proizvoijan,
•
0
koji je, kao sto smo vee vidjeli, regularan, a pokazat cerno poslije da su sva rjesenja ovog sustava ujedno i rjesenja sustava tome
XI
Vidimo da razmatrani sustav ima beskonacno mnogo rjesenja ovisno koliko je X3.
+ 3x2
9xz
=-
X3
+1
I u ovorn primjeru mogli smo koristiti elementarne transfonnacije (tl)-(t3) nad recima i (tl)-(t2) nad stupcima matrice A; Sada bismo imali daje
164
165
1 -93 01 -11] . [o 0 ° 0 o
Napomenirno da se preporucuju elernentarne transfonnaeije sarno po reeima. Medutirn, ako zelimo raditi elementarne transformaeije i po stupcirna, onda smijemo mijenjati sve stupce osim zadnjeg koji je dio od Ap, ali ne i od A. Ta zamjena je dozvoljena tek na kraju postupka, to jest tek u trenutku kad citamo rang matrice Ap. Ako je A singulama matrica, a vektor B==O, onda je njee 0 singularnom homogenom linearnom sustavu. Buduci da je A singulama matrica, to znaci da je vrijednost njezine deterrninante nula, to jest I A 1== 0, odnosno ne postoji inverz KI. Zato trazimo maksimalno veliki regularni dio sustava (1.11.2) i onda njega rjesavarno koristeci se fonnulom
XR =-ARI AX.
o sudjeluju
U formiranju maksimalno velike subdetenninante cija je vrijednost razlicita od prve dvije jednadzbe i koefieijenti uz prve dvije nepoznanice. Zato rjesenje polaznog sustava nalazimo rjesavajuci sustav (1.11.8)
X] [ x~
AR
3].
= -A;I
3
AX
- - [2 -3]-1[2][x
=-
3]
=
0
pa je u ovom slucaju sustav konzistentan i ima beskonacno mnogo rjesenja, Nairne, vektor B je nul-vektor, pa kada bi prosirena rnatrica Ap imala rang veci nego sto ga ima matriea A, to bi znacilo da postoji subdeterminanta matrice Ap veca po formatu od najvece subdetenninante matriee A razlicite od O. No, taj minor bi nuzno morao sadrzavati (barem) dio vektora B, sto znaci da bi mu jedan stupac bio sastavljen od samih nula (komponenata vektora B!). No, dodavanjem nul-stupca nekoj matrici, ne mijenjamo njen rang. Primjer 1.11.5. Rijesite linearni sustav
2Xl Xl
=_![
Xl
9 -1 2
3][2X3]=_![9X3]=[-X3].
x3
= -X) , X2
ee
0,
X3E'R
proizvoljan,
X· 3x2
+ 2x) + x) + 3x)
= ==
1 1. 1 (l.l1.7)
f:~lx,eR
proizvolj ...
3X2
3xl
Izborom slobodne varijable X3 dobivamo posebna (partikulamai rjeienja sustava (l.1 L7). Zbog toga vektor x: zovemo opcim (generalnim) rjeienjem. Vidirno da razmatrani sustav ima beskonacno mnogo rjesenja ovisno proizvoljnog realnog broja X3.• Napomena 1.11.1.
0
izboru
Ap = 1
2 -3 2 0] , ° [
3 1 3
030
ocigledno je i r(Ap)=2, jer nul stupac ne moze povecati rang matrici, Dakle, prema teoremu 1, sustav je konzistentan.
L66
167
takav da je sustav
Xl -
Ap - 0 -1 =
I
x2
X2
[o
1 0 -2 -3]
2 5,
-2XI -Xl
+
+
2X3 IX)
1-1 = 1+1
pa zakljucujemo daje za
I;;;:;;
konzistentan. ~ Prema Kronecker-Capellijevorn teoremu sustav lineamih jednadzbi je konzistentan ako, i samo ako, je r(Ap):::::: rCA). Dakle, da bismo odgovorili na postavIjeno pitanje, nuzno je (i dovoljno!) odrediti i usporediti rang matrice koeficijenata sustava i rang prosirene matrice. Vec smo istaknuli da koristeci se elementamim transformacijama i formirajuci niz medusobno ekvivalentnih matrica mozemo istovremeno odrediti rangove navedenih matrica. Rjesavajuci primjer 1.11.6. ilustriramo kako se postupa u slucaju daje potrebno odrediti za koji tE'R je sustav konzistentan. Ap
[o
1 0 -2]
0 0
2,
to je za t = 2 ocigledno i r(A) =2. Dakle, ako je I:::::: 2, onda je r(Ap)::::::r(A)=2, pa je (za 1 :::::: razmatrani sustav konzistentan. Sto ako je t 2? Tada ocigledno u 2) 3. retku matrice
1 -1 0 -2 1 2 t-l ~l 0
t
t]
o [ o
-2.
-1
2 3t-l 2-1
1-2/]
0 1-2
t +1
( 3. retku; na taj nacin je u I. stupcu sarno element na poziciji (1, 1) razlicit od O. 1 - 0 -1 2 3t -1 [ o -1 1 21 +1 2.redak pomnozit eemo s (-1) idodatiil.i3.retku; ) ( na taj nacin je u 2. stupcu sarno element na poziciji (2,2) razlicit od O.
[o
1 0 -2]
0 t-2
2,
-lOt]
i r(A) =3. Prema tome, razmatrani sustav je konzistentan i u slucaju ako je Konacno zakljucujerno da je razmatrani sustav konzistentan za sve fE'R .• Primjer 1.11.7. Odredite parametar
IE'R
* 2.
takav da je sustav
Xl -
x2
:=
-[~
168
-2XI
-2 1-2/]
2 3t-l 2-t 1-2
+ x2
2x)
:=
1-1 t +1
+ 2tx3 . konzistentan.
-~
Ako je element na poziciji (3,3) jednak 0, to jest ako je 1-2;;;:;;0, onda to znaei daje t = 2. U tom slucaju je
~ Dakle, zanima nas za koje IE'R je reAp) = rCA). Analogno prethodnom, koristeci se elementamirn transformacijama formirat cerno niz ekvivalentnih matrica.
AI'
1. redak pomnozit cemo sa 2 i dadati 2. retku, a zatirn cemo 1.redak dadati ) ( 3. retku; na taj nacin je u l.stupcu sarno element na poziciji (1,1) razlicit od O.
A-
1 -1
- 0 -1
[
2 31-1 -
I]
1 0 -2] [o °
0 -1 2
2,
-1 21 2t+l
to je za t = 2 ocigledno konzistentan. ) ad O.
=2
razrnatrani sustav
2.redak pomnozit cemo s (-1) idodatiil.i3.retku; ( na taj nacin je u 2.stupcu samo element na paziciji (2,2) razlicit
-2 1-21]
2
3t-l 2-t
21-2
Sada trebarno utvrditi postoji li te'R takav da su svi elementi u 3. retku jednaki O. Ako je element na poziciji (3,3) jednak 0, to jest aka je 2t-2::: 0, onda to znaci da je t == I. U tom slucajti je
(a) broj jednadzbi jednak je broju nepoznanica, to jest m=n i (b) rang matrice koeficijenata sustava je maksimalan, to jest r(A}=n.
1
Ap pa zakljueujemo daje za
°
[o
0
0-2
-1
°
-1
-3]
1
2,
Prema definiciji 1.11.3. mora biti: AE--«" B, Xe'l?". Uvjet da je rang rnatrice koeficijenata sustava maksimalan ekvivalentan je uvjetu da je rijec 0 regulamoj matrici, sto znaci da je za Cramerov sustav nuzno da je 1 A I ~. Neka je D = 1A I. Aka u matrici A j-ti stupac zamijenimo vektororn slobodnih koeficijenata, to jest vektororn B, deterrninantu tako dobivenih n rnatrica oznacimo sa Dj,jE (1,2, ... ,n}. Dakle,
all al2
5,
t:::
bl
...... aln
......
A-
1 0 -2]
0 0
Dj
a21 a22
b2
a1n
to je za t = 1 ocigledno i r(A) ;;;;2 < 3 ;;;;reAp). pa je za t ;;;;1 razmatrani sustav nekonzistentan, Ako je element na poziciji (3,4) jednak 0, to jest ako je
2-/::: 0,
rjesenje Cramerovog
sustava dana
Primjer 1.11.7. Najprije pokazite daje sljedeci sustav linearnih jednadzbi Cramerov, a zatim ga rijesite:
3xI
-XI
+ 2x2 +
2x2
X3;;;;
+ X3;;;; 2.
0
3xI -
2x2 - X3;:
170
171
~ Ocigledno je rijec 0 sustavu lineamih jednadzbi kod kojeg je broj jednadzbi jednak broju nepoznanica, to jest m=n=3. Lako se pokaze da je matrica A regulama. Doista, 3
D= -1
XI
(b)
3xI
-2x[ 2x[
2 -1 24~ 2 1 = -1 2 =2 20 3 -2 -1
0
·I~~
2
+ X:! +~ -~ +~ + +
2X2 5x2 6x2 x2
X:l X:l
+ X:!
+ +
x]
3x4 x4 5x4 x4
::::
2 2 1' 3
::::
- X:l
-
:=:
8 ;t 0 .
x[ (e) -5x[ -2x[ 6x[
+
-
3 1 -1 '
+
-
2x]
+ +
-
xJ
==
::: ::::
-3
2 -1 2
1= 2
o
26
0 =2.1
-2 -1
34 -1
0 -2 -1
-2 -1
-11 =8
'
x2
2X2 X2
+
-
x]
-1 2, 1
+ 2xJ
x) Xl 2x] x] 3x) 2x) x) x]
D2= -1 2
1=-1
3 0 -1
XI
-1
2, 2
(e)
-2x[
-XI
D]
2 -1 2 3 -2
3
+ +
+ +
3x[
+ +
-
-4
:::
(j)
-2x[ -Xl
2, 2
+
-
XI
DI
D]
8 8
.•
x[
-6
:::
(g)
-2x[ 3x[
+ 2xJ + x) + + + +
-
1,
4
+ + +
2X4 x4 2X4 x4 2X4 7X4 4X4 31x4
::::
Zadaci za vjezhu
2x[
+ +
xJ X3 3x) x)
4 5
2,
+
+
-
(a)
3xI
Xl 2x[
+ +
X2 x2 X2
xJ X) x]
-
3x4 x4 X4 4X4
:::
2 2
1•
+
+
1 7 5 7, 18
xJ
3x) x] 14xJ
(i)
6x[ 4xI
+ + +
172
173
x.
X2
+ 3xJ
+ 4xJ + 5x) + 8x) + X3 + 2x) + 4x)
0)
2X4 x4 3x4
+ 3xs
==
;;;;;;
1 2 1' 2 2 3 =9 ==
(e) AI' -
(d) AI' - 0
==
[o
0
1 -1 -1 -1]
0 0 0
0
sustav konzistentan.
+ 9xs + + +
3xs 5xs 2xs
==
(k)
+ 13xs
1 -1 -1 -1]
0 0 0 1 0 1
= r(Ap), paje
000
RjeJenje: Prema Kronecker-Capellijevom teoremu moramo usporediti r(A) i r(Ap). Najbolje je primijeniti eJementarne transformacije na prosirenu
Ca)
Ap
=[~
2 -2
0
1 -1 -3 1 0 -1
-1
1 -1 -1
0 -1 2
-1
-4
-[~
(b) Ap -
1 -1 -3 8
~H~ -l
1 -1 -3
if) AI' -
[o
07
1 1 -1 -1]
0 0 0
-2 -2
-2
-1
-1
(g) AI' -
1 -1 -3 2 0
[o
1 01 0 1 0 1] 0
0 11 konzistentan.
0 -1
-6 -6 -5
-:1-[~
0
-2 0
8 0
Dakle, r(A)
0 -1 -6
-~1
(h) Ap-
= 3 = rCAp), pa je sustav
1 -7 0 0 0 1
0 -1 2
7 3
20
1
0
1 -3
2
-2 -3
0 0
[Io -I 1 -3
0 1 -3 -1 0 1 -3 0
21 5
-3 1
(i) AI' -
0 0
[Io 2 -I 6 31
0 2 3 -10 -5 0 -51 208 107 0 0 0
[o
I
2 -1 3 -7 5]
0 0 -8
0 1
17 -8
0
0 3-2
Dakle, rCA)
= 2 ::::: r(Ap),
pa je sustav konzistentan.
(e) AI' -
0) AI' - 0 0 [
o 0 -2
0-2
3 0
000
174
175
(d) Xl =
-1
1 2 3 2] 0 124 3 00 10 0
, X4 =
16xI -8Xl
-16
, XI,
X2E
'R.I
proizvo jm,
..
-t.>
(j)
XI
000000
= x2
= x)
:; 0 .
Dakle, r(A) ;;;;; ;;;;; 2 r(Ap), paje sustav konzistentan. 2. Rije~ite sljedece konzistentne sustave linearnih jednadzbi:
XI
3. Odredite parametar tE'R takav da su sljedeci sustavi lineamih jednadzbi konzistentni, a zatim odredite opce rjesenje svakom sustavu: (t + I)X1
(a)
!.Xl
6xl X2
Xl
-6
1,
-2xl
2xI (t
X2
+ +
Xl
X3 2X3 3x]
=
-2, = 1 1
t,
(a) -2xl
3xI 3xI
(b)
+
+
2x)
xJ
3x)
4
(b)
+ l)xl
XI
4X2 2X2
= -4 2, 2
-2xl
-XI
+ + +
+ + + + + + + + + + + + +
-
2x) x]
XI (t +1)x, (e) XI XI
+ + + + + + + + + + + +
(t
+ l)x2 x2
Xl
X) + x] + (t + 1)x3 +
t2
XI
x) = -1
2x) X) 2,
(t
+ 1)x2
x2
(e)
-2x,
-XI 2xI
+ + +
X3 x3 (I
t2 +3t 3+3t2, t
(4
+ I)X3 + + +
4X4 8x4 20x4
(X4
+ 3t]
3 S -11 '
=
-
1
7X4 4X4 S (d)
(d)
6xI
4xI 2xI
3xI
2xI XI 4xI 2
3xJ
X3 14x3
x)
+ + + +
::=
+ 5xJ + 6x]
9x]
7,
18
3h4
2X4 4X4 8x4 X4
+
+ + +
2 3 S
(e)
6x1 6x,
4xI
XI
2x) 4X3 Xl
+ + +
+ + + +
3xI
(e) 2xI
XI
3 9'
+ + +
-11
2
4xI
xJ
2x)
2X3
(j)
-2xl
-XI
2x2
Xl
0 0
0
*" - 1,
4
rjesenje ~ . Aka je t ;;;;; opce rjesenje sustava je [~:; ',: -1, 1
Xl
Rjeienje: (a) x.
(b) XI =xl -~,
= x2
:; x) = 1,
• ",Ell
x2 =.!.,XlE'Rproizvoljan,
5
proizvotjan.
176
177
+ 3)
. Za
(a)
tX2
Ixl
x2 + +
0
0'
Xl
2t-1
I(t+ 3)
0 = 0,
tJ +212 -t-1
1(/+3)
x2
+ +
= =
0 0 0, 0
Xl
21x2 3x2
~;~:
t3 +212 -t-l
]. Za
(d)
r-O
[ - x~-
l'
+ + 12X2 +
J
= =
0 0, 0 0 0 =0 0
-Ixl
(t +2)x)
X3
Ako je t = -3,
-5x.
1= x{:],x,
3xI
ER proizvoljan.
(e) 2xI XI
2X2
+ +
4X4
6xl
2X3 4x3
6x2 + x2
8x4
2X4
4x.
(d) Sustav je nekonzistentan za t::::
tX4
O. Ako je
1 ;t
Tt-5"x
X3
4-1
3
l
Rjesenje: Buduci da sustav ima sarno trivijalno rjesenje ako je homogen i regularan, to znaci da valja odrediti IE 'R takav da je rnatrica koeficijenata sustava A regularna, 10 jest za koje je IA l;t o.
(a)
t;t
9/-16 8 ----x St S 1 t
,X3E'R proizvoljan,
-.!..,
3
(b)
t;t
-~,
Ni za jedan
IE 'R,
jer je
25 . 8
(e) Sustav je konzistentan za sve tE'R. Ako je t = 8, sustav ima opce rjesenje
XI 4+2x [
5. Odredite parametar tE7i'takav da sljedeci sustavi linearnih jednadzbi imaju i netrivijalno Ijesenje, a zatim odredite opce rjesenje svakom sustavu:
(a) (2t -l)xl -3x. (2-t)x.
3-2x4
-2x
] 4,
#-
+
-
txz
2x2
= 0'
-
x4
+ +
(t +2)X2
2X2
x)
IX) 3x)
0] [
4-2x 3-2x4
(b)
4 ,X4E'R
-XI XI Ix. +
0 0,
proizvoljan.
(e) -XI XI
x2
[X 2
x4
=0
lOx) Ix)
0, 0
4. Odredite parametar te 'R takav da sustav ima sarno trivijalno rjesenje ako je:
178
179
,"~-:,;~;':";" .
...
2x,
(d)
-txl
(l-l)x2
+ +
= =
" '~
".
-XI
2X2
+
+
3xJ X3
3x4 X4 X4
= =
O.
0
-3xj
~ ~
/
(d)
"
2xI XI Xl 2Xl
+ + +
-3
2x2 x2
4'
7 14
Rjeienje: Kvadratni homogeni sustav irna i netrivijalno rjesenje sarno ako rang rnatrice A nije maksimalan, odnosno sto je ekvivalentno prethodnom, akoje IAI=o.
(a) Za 1=2 sustav ima netrivijalno rjesenje
[-i:'].
3(5 t+2
(e)
-Xl
+
+
5x2 x2
6x3 3X3
67
x, E R
proizvoljan.
-XI
3xl
2X3
-29 -4
(b)
Ako je oi
{-5-J89 2
-5+J89} 2
' poston
= 4.
-3t)
(3t-
5-3t
t+2
5)(t - 3) t+2
Cramerovi, a
+
+ +
x2 2xz
+
+
x3 2X3 2X3 X3
(a)
-2XI -Xl Xl
x2
6xz x2
0 0 =0 -6
1• 4 +
X4 2x4
Neka je Qj, iEI={1.2, ...•n}, ukupna kolicina" proizvoda (outputa) proizvedenih u i-tom sektoru, Qij, ijEI, kolicina outputa i-tog sektora koja prelazi u j-ti sektor (kako bi se u j-torn sektoru rnogao normalno odvijati proces reprodukcije), a qj, iEI, kolicina finalne potraznje i-tog sektora. Jedna od temeljnih pretpostavki input-output modela jest da se sva kolicina svakog
(b)
-2xl 3xI Xl
+ +
2x3
Xl
IS
Pod inputom podrazumijevamo one sto ulazi u proces (odnosno, u ekonomiji ono ~[O ulazi u razmatrane sektore: sredstva proizvodnje, rad •...). a pod outputom ono ~to izlazi iz razrnatranog procesa (proizvodi razmatranih sektora). Pritom posebno isticemo sljedece knjige: Lj. Martie, Matematicke melode ZQ ekonomske analize, 1. svezak. Narodne novine, Zagreb, 1990. i M. Sekulic, Medusektorski modell i strukturno analiza. Informator. Zagreb. 1980. Ovdjece lias zanimati sarno ucinci tehnoloskih uvjeta proizvodnje, pa razmatrane ekonornske velieinc ne dajemo u vrijednosnom izrazu, nego samo u fizikalnim jedinicarna (kilograrnima, metrima, ...).
2X2
-
9 1 -11'
16
(c)
3x3
4xJ
17
X2
18
180
181
outputa utrosi ili kroz proizvodnu (medusektorsku) potrosnju Qjj, i,jeI, iii kroz finalnu potrosnju qj, ieI. Buduci da se pretpostavlja i da je potrosnja jednaka potraznji"; dolazimo do sustavajednadzbi" QJ
= QII +Q12
+···+Qln
+ql
sto predstavljaju kolicinu proizvoda i-tog sektora koju je nuzno upotrijebiti pri proizvodnji 1jedinice proizvodaj-tog sektora, onda to znaci daje Qij= ajjQj. ijeI. Sada sustav (1.12.1) mozerno pisati na sljedeci nacin:
n
+·..+Qnn +a,
+qj. u«t
Q;=LQij+qj
j~1
,ieI,
iii u razvijenom obliku Q. :::aIlQ. +a.2Q2 + Q2 =a2IQ. +a22Q2 + +a1nQn +q. +a2nQn +q2 (1.12.2)
odnosno tabelamo:
Q;
qj
ql 02
01
O2
0...
a.2 a22
a.n a2n , Q=
Q. Q2 q=
ql q2
A=
Qn
n
Q.I
Qn2
Q.n
U (1.12.1) LQ;j
j=1
sektora, a qj kolicinu finalne potraznje i-tog sektora. Sustav (1.12.1) je sustav od n jednadzbi sa n2+2n nepoznanica. No, svaka proizvodnja je vezana uz odredenu tehnologiju, sto znaci da je uz nepromijenjene tehnoloske uvjete proizvodnje udjel i-tog sektora u jedinici proizvoda j-tog sektora konstantno. Uvedemo Ii tehnicke koeficijente (normative, tehnicke norme)
Q = AQ + q.
(1.12.3)
Buduci da je rijec 0 sustavu od n Iinearnih jednadzbi sa 2n nepoznanica, potrebno je poznavati vrijednost n velicina da bismo odredili jedinstveno rjesenje sustava (1.12.3). Moguca su sljedeca 3 slucaja: (I) poznat je vektor ukupnih outputa Q,20 (2) poznatje vektor finalne potraznje q,21
IS
na uiistu
19
Vektor flnalne potrosnje se dekomponira nerealiziranu proizvodnju. U~~vo zbog ~i?jenice da te jednadzbe
na nekoliko dijclova; jedan od njih predstavlja zalihe i odrazavaju raznotezu izmedu kolicina svih outputa i
20 21
Dakle, za danu tehnologiju planiraju se ukupne kolicine proizvoda svakog sektora, Drugim rije~ima, za danu tchnalogiju planiraju se kolidine finalne potraznjc svakog sektora.
182
183
(3) za neke sektore poznata je ukupna kolicina proizvoda, a za preostaie kolicina finalne potraznje, to jest poznato je Qiza ie.:J9' i CJjzajEIVT Pokazat cerno da sva 3 navedena slueaja vode na sustav od n lineamih jednadzbi sa n nepoznanica i ujedno cerno rijesiti svaki navedeni slucaj. Ako je poznat vektor ukupnih outputa Q, onda koristeci sustav (1.l2.3) mozemo izracunati vektor finalne potraznje kako slijedi: Q= AQ +q, to jest Q-AQ=q iIi, konacno, koristimo Ii distributivnost s desna matricnog mnozenja, nalazirno da je rrazeni vektor finalne potraznje q=(l-A)Q. Matrica I - A ovisi jedino 0 tehnoloskim uvjetima proizvodnje, pa je zoverno matricom tehnologije, oznaka: T. Moze se pokazati da je ova rnatrica regularna za sve realne sustave proizvodnje22. Trazeni vektor finaine potraznje sada mozemo pisati i ovako q
Sastavite novu input-output tablicu koja odgovara ovom novom planu proizvodnje: QI=360, Q2'=480 i Q3=600 aka je poznato da se tehnoloski uvjeti proizvodnje nisu prornijenili, • Matricu tehnickih koeficijenata izracunamo iz dane input-output tablice:
fu
A=
Q1
Ql2
Q[ Qz Q21 Q22
.fk
Q33
Q3
.fk.
Q1
Q2 Qn Q2
[0.1
0.2] . 0.2
0.3
Prerna tome, matrlca tehnologije je 1 0 0] [0.1 T '" I - A '" 0 1 0 - 0,2 [ 1 0.2 0.1 0.2]_[_0.9 0.3 0.2 0.2 0.4 0.3 - 0.2 -0.1 0.7 - 0.4 -0.2] -0.2 0.7 .
°°
Vektor finalne potraznje racunamo po formuli (1.12.4). Dak1e, 0.9 q'" -0.2 [ -0.2 Now medusektorsku - 0.1 - 0.2] [360] [156] 0.7 -0.2 480;;;;; 144 . -0.4 0.7 600 156
= TQ .
i.je I',
(1.12.4)
Medusektorsku potrosnju Qij, i.je I', izracunarno koristeci se relacijom Qij '"
aijQj •
jer pretpostavljamo da se tehnoloski uvjeti nisu promijenili, sto znaci da su tehnicki koeficijenti aijkonstantni za svaki i.je I, Primjer 1.12.1. Pretpostavimo da je ekonornija neke zemlje podijeijena na 3 sektora i da pripadna input-output tablica izgleda ovako:
iJEI,
buduci da smo pretpostaviii da se tehnoloski uvjeti nisu promijenili. Nalazimo daje Qll
= 36,
o.
300 400 500 30 60 60
QZI=72, Qij 40 120 160 100 100 150 qi 130 120 130
Qi
Q31=72 , Q32==192. Dakle, nova input-output tablica izgleda ovako: Qu 36 72 72 48 144 192
qi
360 480
22
/0
Book Company,
600
184
185