Copyright © 2005.

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

Prof. dr, sc. ZORAN BABIC

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

ISBN 953·234-042-4 Oznaka 811-132

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,

U Zagrebu, studenoga 2000.

Au/or

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 , . . . . . .

Mnozenje matrice sa skalarorn

Lineama kombinacija matriea. Oduzirnanje matrica, . . . . . Skalami urnnozak vektora Koeficijent konzistencije ... matrice . matriea Mnozenje matriea Transponiranje Poteneiranje .. dva vektora .

15
16
17

18
20 22 26

28
33 39 . 39

Matricni polinom ....

1.3. 1.3 .1. 1.3.2.

1.3.3.

Determinante.....
Definicija determinante

Izracunavanje vrijednosti detenninante

pravila iii Laplaceovog Pravila
0

pomccu Cramerovog 43 4S 54

razvoja . .

determinanti teorern

1.304. 1.4_ 104.1.

1.4.2.

Binet-Cauchyjev

Inverzna matrica ...

Pojam i definicija inverzne matriee . Racunanje inverzne matriee. Svojstva rnatricnog inverza . Matricne jednadzbe , . . . .

60 60
62 69 71

1.4.3. 1.4.4.

1.5.
1.5.1. 1.5.2.

Vektorski prostor .....

Definicija vektorskog prostora Vektorski prostor {il' . . Skalarni produkt vektora Norma vektora .....

84 84 85
86 89

1.5.3. I.S.4.

XI

1.5.5. 1.5.6. 1.6. 1.7. 1.B.

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.

Aritrneticki i geometrijski Granicna vrijednost niza Redovi.... ...

niz . . .

vektora. ..

290 293 301 315

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.

..

...

... nad recima (stupcima)

transformacije jednadfbl lineamim sustavima analiza. linearnih .. sustava

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

324 325 326 341

341

Cramerov sustav , . Input-output Rjesavanje elirninacija.

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

2. DIFERENCIJALNI RAt UN S PRIMJENAMA U EKONOMIJI

2.1. 2.1.1. 2.1.2. 2.1.3. 2.1.4. 2.1.5. 2.1.5.1. 2.1.5.2. 2.1.5.3. 2.1.5.4. 2.1.6. Realne funkcije jedne varijable .. .. . .. .. . Pojam funkcije

Graficko predoeavanje

realnih funkcija jedne varijable.

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.

Kutovi i pripadni lukovi te mjerenje kutova i lukova . trigonometrijskih .. ..... trigonometrijskih

274 276
278

Derivacija slozene funkcije . Logaritamsko deriviranje . Derivacije viseg reda . . . . funkcije " implicitno zadane funkcije . Teoremi 0 srednjoj vrijednosti. Rolleov teorern ...

367
372

2.3.2.11.Diferencijal 2.2.3.12. Derivacija

2.3.3. 2.3.3.1. 2.3.3.2. 2.3.3.3. 2.3.4.

374
376

Graficko predocavanje

funkcije yex) = a sin(bx+c).

2.UO.
2.1.11. 2.1.11.1.

Ciklometrijske funkcije . Niz i granicna vrijednost niza Niz realnih brojeva ..

281 286 288

288

382 387 387

388

Lagrangeov teorern. '" Taylorova formula .. Jednadzba tangente i normale .

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

Metoda separacije varijabli Lineame diferencijalne jednadzbe Neke primjene diferencijalnih

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

ukamacivanje i nekonzistentnost matematici .......... kapitalizacija ..........

3. INTEGRALNI
3.1. Primitivna 3.2. Osnovna pravlla

RAtUN
.

S PRIMJENAMA

U EKONOMIJI
497 498

Konacna i sadasnja vrijednost jednog iznosa.

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

665 681 681

683 683

1. LINEARNA ALGEBRA S MATRICNIM v RACUNOM

1.1. Matrice
1.1.1. Definicija matrice i tipovi matrica
Definicija 1.1.1. Matriea A fermata (reda) (m,n) iii m-n je pravokutna shema elemenata ai . koji su poredani u m redaka i n stupaea. Matrieu A pisat cemo eksplicite na sljedeci nacin: all
all

686
690

699
711

712 713 715 716 718 731 745

770

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

= aj; za sve iJe {1,2,3,4}.

II II u ovom udzbeniku

koristit cerno u druge svrhe.

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

Antisimetricna (kososimetruinay rnatrica je kvadratna rnatriea za koju vrijedi:

aij

= -aj; za sve (iJ)'

A=[-~
tr

-2

~l
i

Tvrdnja 1.1.1. Na glavnoj dijagonali antisimetricna matriea ima same nule.

B=

.fi ~ [o 5 1

-3]
1

~ Doista, buduci da za antisimetricnu matrieu vrijedi

ajj

= -aj; za sve (iJ),

to za elemente na glavnoj dijagonali (f;;;;i) vrijedi jednakost

irnaju elernenata? U cemu je bitna razlika izmedu te dvije rnatrice?

aj; = -au za sve i,

a to znaci da je 2aj; Primjer 1.1.3. Matrica

~ r rnatriea A i rnatrica
je Ae.A'4.1, a Be
~.3 .•

B ima 6 elemenata, ali oni su drugacije poredani. Tako

=0

za sve i, to jest aj; = 0 za sve i, ~toje trebalo dokazati.a

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
,

Simetricna matrica je kvadratna matrica kod koje su elementi, simetricno

rasporedeni s obzirom na glavnu dijagonalu, jednaki. Dakle, za simetricnu matricu vrijedi
aij ;:;:: aj;

=b

22 ;:;:: bJ3

=b =0,
44

za sve uredene parove indeksa (iJ)'

Primjer 1.1.2. Matriea

bl3= -bJI

b14= -b41

b2J==bn , b24= -b42 i bJ4=-b4J

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

Primjer 1.1.4. Matriea

2 6

je simetricna matrica 4. reda, jer za nju vrijedi

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

Primjer 1.1.6. Matrica G=

o
je jedinicna matrica 4. reda. Napomenimo da ako iz konteksta nije jasno rijee, to cemo istaknuti. Nairne, i matrica
I
0

to jest za gomju trokutastu matricu vrijedi jedinicnoj matrici kojeg reda je

aij'" 0 cimje

i>j.

=[~ ~]

Donja trokutasta matrica je matrica oblika

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

bila simetricna? Ako postoje, odredite ih i napisite matricu A.

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

AI =[~ ~ o00 2. Ispisite sve elernente rnatrice

~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) =

aI3= -a31"" -5,

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:

7. Odredite trag sljedecih matriea:

a)

2. Ispitajte koje su od sljedecih matriea antisimetricne:

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

3. Postoje Ii realni brojevi a i b za koje bi matrice: a) A == a b [ a bile simetricne?

Odredite trag navedenim matricarna.

aJ

-ab =b

b ,c) C == a

aJ

r1

a2 a

1.1.2. Jednakost matrica i uredaj u skupu .Atmn

Matrice A, BE"""" jesu jednake ako su irn svi korespondentni jednaki, to jest one su jednake ako su: (1) istog formate (dakle, obje moraju biti iz skupa.Atmn) i elementi

Aka postoje, odredite ih.

4. Postoje Ii realni brojevi a i b za koje bi matrice:

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).
!

Simbolieki, jednakost dviju matriea mozerno zapisati ovako:

A =B
¢:::)

ba

[A, BE.Atmn

i aij==bjj za sve (iJ) ] .

bile antisimetricne?

Ako postoje, adredite ih,

Primjer 1.1.10 .: Matrice

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:

su razlicitog formata (AE~.2'

BEvft.l.2)' pa nisu jednake.

Primjer 1.1.11. Matrice A= A

-1 0.5].
1 0

B=

[Sin 31r 2
cos O'

cos

7r] 3
i svi korespon-

=[~] =[~]
B

ne vrijedi ni A::;; B ni B ::;;A.

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]?

U skup.At..u,svih matrica formata (m,n) uvodi se uredaj na sljedeci nacin: A::;; B

¢::>

[A, BE

""-n

i aij::;; bij za sve (iJ) ] . rnatrici B ako za sve korespondentne

to jest matrica A je "manja iii jednaka" elemente matrica A i B vrijedi

~ 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::;:

=> A::;: C za sve A, B,

ce:«; (tranzitivnost),

(3) A::;: BiB::;; A =:> A Primjer 1.1.12. Matrice

= 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

= {(x,y) E'R21 x+y::;:5, x-y:5,3} .•

10

11

3. Odredite realne brojeve a i b takve da za matrice

A=[2:::
A-

:~3:] B=[: ~]
i
=B .

vrijedi: a) A:5: B , b) B:5: A, c) A

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.

1.2. Operacije s matricama

1.2.1. Zhrajanje matrica
Deflnicija 1.2.1. Za proizvoljne matrice A, Be.A;." definira se zbroj tih dviju rnatrica, oznaka A+B, kao matrica ciji elementi predstavljaju zbroj korespondentnih eIemenata matrica A i B, to jest

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

1.2.2. Mnozenje matrice sa skalarom

Definicija 1.2.2. Za proizvoljnu matricu AE~ i proizvoljni skalar aE'R definira se umnozak te matrice A i skalara a, oznaka aA, kao matrica eiji elementi predstavljaju urnnozak skalara a i korespondentnih elemenata matrice A, to jest aA :: Laaij . Dakle, ponovo jednu binarnu operaciju (rnnozenje matrice sa skalarorn) definiranu na skupu 'Rx./4, definiramo pornocu biname operacije (mnozenje real nih brojeva) definirane na drugom skupu 'Rx'R. Primjer 1.2.2. Ako je a= -2, a A = [ -1 3
de],

A+B-[_~

_:]+[_~ .: ~~]5+(-4) 4+(-3)] [9

-1 0+(-1) -1+(-1) :: -4
~n

:: [ -2+(-2)

2+7

Svojstva operacije zbrajanja u skupu

Za zbrajanje matrica vrijede sljedeci zakoni:

<.9l

I)

A + B:: B + A za sve A, BE../(.. (zakon komutacije za +),

(..1h) (A

+ B) + C :::: + (B +C) A

za sve A, B, C E.A;;. (zakon asocijacije za

+).

-2 -4

2 0].

izracunajte aA. (-2) .0]

(-2)(-4) =

~ 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

prema definiciji zbrajanja matrica slijedi daje

=[ 2 -4 0].
8

0]=[(-2)(-1) (-2)·2 -4 (-2) ·3 (-2)(-2)

(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)

~ Dokaz da vrijedi zakon asocijacije za zbrajanje matrica: Neka su A, B, CE~ C

= lc,J Tada

proizvoljne

~atrice

i neka jeA

la,J

B:=

lbij j,

A + (-A)::::

= O. Doista, la"j+ i-a" j= la'i + (-aij)j= [0].

prema definiciji zbrajanja matrica slijedi daje

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

(~)

(3!YE A"1lIl) (\7'AE~)

Naravno, X= -A. Ocigledno je y=o.

14

15

kazemo da je.A;;" aditivna Abelova (komulativna) grupa. Takoder vrijede i svojstva:

(9h) ('liA.Be.A;;,,)

2AI +(-3)A2+1A)
•

=2

('liae'R) (a(A+B)",aA+aB)

(.9i(;) ('liAe.A;;,,) ('lia.pe'R) «a+p)A=aA+PA), (.J{7) ('liAe.A;;,,)

[- 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

(:As) ('liAe.A;;,,) (3!ae'R) (aA=A).

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.

1.2.4. Oduzimanje matrica

U skupu realnih brojeva 'R oduzimanje brojeva a. be'R, to jest racunanje broja a-b. definira se kao zbrajanje brojeva a i suprotnog broja broja b. -b. Dakle, za proizvoljne a. be'R definira se a-b
d<f·

1.2.3. Linearna kombinaeija matrica

Dejinicija rnatrica 1.2.3. Linearna kombinacija matrica AI. A2 ••••• Ake.A;;" je (1.2.1) pri cernu su 0.1. 0.2•..., ake'R koeficijenti lineame kombinacije.

= 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.

Dakle, binama operacija oduzimanja matrica definirana na skupu

~nx~", sa vrijednostima u skupu .A'M definira se pomo6u dviju binamih operacija: zbrajanja rnatrica i mnozenja matrice sa skalarorn (-1).

Napomena 1.2.4. Neka su matrice A. Bev/t", proizvoljne. Tadaje

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

Odredite matricu A-B. ~ Uocimo da je i Ae..A;'.3 i Be takoder iz ~J •

~J'

pa je definirana matrica A - B koja je

A -B=[

=[o~~-~~ 1-_~=1~]=[-1~ -4-~~2~

[-4 2-2

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

1.2.5. Skalarni umnozak vektora

Dejinicija
1.2.5. Skalami umnozak vektora-retka A=[a,]evNln vektora-stupca B=[b,]e~1 definira se na sljedeci nacin: AB= !a;b;.
;=1

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

a- Q- b- a- a· b+ b- b = a' a+ b· b= 2 ·llall·llbll·coscp , a to smo mogli dobiti i koristeci se definicijom 1.2.5. odnosno

~ -+ ~ ~

1.2.6. Koeficijent konzistencije dva vektora

Definicija 1.2.6. Norma vektora-retka A=[a.]E."t;(n, odnosno vektorastupca A=[a,] e"«l je broj (1.2.3) U slucaju da je vektor A dvokomponentni,
-+

- 2· paje

Q.

b = -2 ·llall·llbll·coscp •

..... ~

,.

-+

a· b

Ilall·llbll·coscp .

mozemo ga pisati i ovako: i+ay

-+

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.

pa vidimo (Pitagorin teorem!) da je 11:11 Analogno, za vektor

(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

je I~II= +~b; +b;

.
---t

-+

-Jo

.....

Iz slike 1.2.1. vidimo da su stranice trokuta AGB jednake Koristeci se poucakorn (teoremom)
->-+2 .... 2

Iiall, Ilbll lia - bll· i

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.

-+

...

Iiall =a·a. pa posljednju jednakost

-+ (

-1
2
.......

mozemo pisati i ovako:

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

+ {_3)2 + 42 + 112 + 32 +52 +02 +(-4)2

=-..J159

0,

IIBII=+~(-1)2 +22

=../46 *0,

A=H
• AB=H

-~lB=[~
i

2 1

-:]
- -3
5
1 12

Izracunajte matrice AB i BA. Sto zakljucujete? 2

sto znaci da je q> = 90°, to jest vektori A i B su okomiti. _

1.2.7. Mnozenje matrica

Definicija
1.2.8. Urnnozak matrica A=[arQl] definira se na sljedeci nacin:
E~

-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. _

Primjer 1.2.8. Zadane su matrice

-1

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

12 -16 -44 -12

°°°

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(B C) =~,l [b" C 1=[ ~a"~ cj•H~ah =[~ah H~a,Cj.J=AB+AC,

+ +
fr fr

~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.

Svojstva operacije mnoienje matrica

Ako su matriee A, B, C odgovarajuceg formata, a o.E'R, onda vrijede sljedeci zakoni:
(MI) (AB)C (M2)

a buduci da su 0., aij i bij realni brojevi, za njih vrijedi zakon asocijacije za mnoienje, pa imamo daje

= A(BC)

(asoeijativnost rnnozenja),

A(B+C) = AB + AC (distributivnost s lijeva) (A+B)C

a to je upravo po definieiji umnozaka rnatrica, umnozak matriea aA i B. Dakle, vrijedi jednakost

a(AB)

= 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.

(Jv4) ACaB) = 0. CAB) .

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,»~[~>,b, 1~[~b'J. l~[b,][.j']~

,
P

B'A',

~toje i trebalo dokazati. Verificirajte svojstva (TI)-( 73) koristeci rnatrice

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

Odredite transponiranu matricu matrice A.

je simetricna ako i sarno ako je A' = A.

~ Doista, ako je matrica A E~

sirnetricna, onda iz definicije simetricne

Svojstva operacije transponiranja matrice

odnosno tada je

aij = aj; za sve (iJ),

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

sto znacida je (po definicij i simetricne matrice) matrica A simetricna.a

Dokaz da vrijedi svojstvo (Tj). NekajeA=[a;j]eA;;",

(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

;]= [a j,]+ [b ;]=

Tada je

sto je i trebalo dokazati, Dokaz da vrijedi svojstvo (72), Neka je A=[aij] e""". ,

Aka je matrica A euIKu. antisirnetricna, iz definicije antisimetricne

(A')' = ([a;jI)
8to je i trebalo dokazati,

[a ji J = [aiJ=

A,

odnosno tada je A=-A' to jest ,

Dokaz da vrijedi svojstvo (13). Neka je A::::::[a;il e~,

a B=[bij] e~.

Tada je

26

27

A'=-A, sto se i tvrdi. Dovoljnost Ako je A = -A, onda je

I

Jos jednom isticemo da je zahtjev AecA:; nuzan, Nairne, sarno u slucaju da je

AecA:;, jednoznacno je definirana potencija matrice A. Za potenciranje matrica vrijede pravila analogna onima koja vrijede za potenciranje realnih brojeva. Naravno, pritom valja imati na urnu zahtjev neN. Tako vrijedi sljedece:
(i)
Ak

aji

= -Qij za sve (iJ),

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

zaAecA:;, k,leN, za AeA;;, k,leN,

(iiz)

Ak ~

cABl

za A.Be cA:;, keN.

~ 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 ).

Kojeg je tipa matrica

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~ ,

1.2.9. Potenciranje matrica

U skupu realnih brojeva kvadrat proizvoljnog broja ae'R definira se ovako: a2=a·a. Opcenito, n-ta CneN) potencija broja ae'R definira se rekurzivnom relacijom svih matrica 0 matrici Ae~n i men. Stoga cemo u definiciji potencije matrice A zahtijevati da je rijec 0 kvadratnoj matrici, to jest da je Ae~.

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.

Matrice A i A2 su gomje trokutaste matrice. Primjer 1.2.12. Zadane su matrice

Dejinicija 1.2.10. n-ta (neM

rekurzivnom relacijom

potencija matrice AE~

izracuna se

29

·~

A=

[o
0

2 0 -1 0] 02
-1 1

B=

[0] -]1 -1 . 0]
0 0 1

Buduci da u skupu 'R vrijede zakoni komutacije i asocijacije za zbrajanje, to je

Izracunajte i usporedite Tr(AB) i Tr(BA). Kojeg je tipa matrica A, a kojeg

matrica B?

cime smo pokazali daje doista Tr(AB) = Tr(BA).•

U skupu realnih brojeva 'R algebarska jednadzba

~ Buduci da je

AB=[~
toje ajer je

2
-1

-m -:J=[~ -H
1

-1 0

-2

~= 1 ima tocno 2 rjesenja:

XI

= -1 i

X2

1. Lako se pokaze da rnatricna jednadzba

X2=1,

-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

pri cernu su a,b,e,de'R. Iz jednakosti

slijedi daje a +bc [ ac+cd sto znaci da je (jednakost matrical):

(1) a2
2

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.

je jedna klasa Ijesenja polazne matricne jednadzbe

Al :; [

a I-a -b

-a

l'

(b :f. 0, a, bE'R).

Odredite vrijednost polinoma f(x)=x2 -3x+2

(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
=

(iii) Pretpostavimo sad a da je d 4. klasa rjesenja polazne jednadzbe

-a i c

l-a O. Tada je b = --, c

pa je

[107 105] -30 2'

(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'

[107 105] [336 21]+ [2 0] = [- 76 -84] .• - 30 2 12 02 24 8

-

(bE'R).

(v) Konaeno rnoze biti d vee i znali) da su i matrice

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.

§to je i trebalo pokazati. _

Zadaci za vjeibu
(a+hY
=

1z algebre realnih brojeva poznat je izraz

a2 + 2ah+h2. 1. Odredite vrijednost polinoma P(x)

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

BXA+ B)=A2 + AB+BA+B2.

Ako matrice A i B komutiraju, onda je =A2 +2AB+B2._ Rjeienje: P(A) -23

A=[~
11 = [ -13
-9
2. Vrijedi li za matricu 24

-2 -4 -5

Primjer 1.2.17.

Izracunajte P(A,B)

= A2 + 2AB - 2BA + 51 ako je

A ==

IS] 10.

Rjesenje: P(A)

=[

_1~

:l

[2 1]
01'

a B=

[1 1].
12

22 15

=[-~-~ ~]
1 3-1

Primjer 1.2.18. Pokazite da matrice

BB' == B'B? Zasto?

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

~JB= [0: ~1]

1

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

a zatim poopcite rezultat, to jest dokazite da za svako neN vrijedi

COS [

= BA.

a - sin sin a coso

a]n

[cos(na) - Sin{na}]. sin{na} cos{na}

5. Pokazite daje matrica

9. Odredite sve matrice 2. reda ciji je kvadrat nul-matrica.

a --

Rjesenje: Al :::
rjesenje rnatricne jednadibe

[b

a2l b.
-a

(a, beR, b ;c

0),

A2 =

[0
0

10 . Pokazite da matrica 6. Pokazite da je matrica X::: -1 -1

0 -7~ -2:1]
1

-1

zadovoljava rnatricnu jednadzbu XJ -9X2 +24X -20l 1 -1 1 1 -1 -1

=0.

rjesenje matricne jednadzbe

-3]
3

11. Zadane su matrice

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

12. Za koje realne brojeve min je matrica

M

f41

49 41 41 29 43 2: 22 35 41 . 6 14 15

54]

2m [

3 -2

1]

2n

4 -3

idempotentna? (Za matricu A e",(l" kazemo da je idempotentna ako je A 2=A.)

Rjesenje: m::: -1; n = -2.

8. Dokazite da je

[c~sa
sm c

- sin a cosc

sm2a

-sin2a] , cas2a

13. Zadana je matrica

36

37

Odredite vrijednost matricnog polinoma g(X)=J..

11

(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

14. Zadanaje matrica

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

Sve permutacije brojeva 1,2,3 su: a matrica A=[~

RjeSenje:f(A)=1[2~ 16. Zadane su matrice

~~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

Odredite parametre a i b takve da je:

(a) A

+ 2B gomja trokutasta matrica,

(b) A + 2B donja trokutasta matrica. Rjesenje: (a) 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

pridruZuje se broj koji zovemo

iAi= -2 5 =(-2)·5-3·4=-22 4 31
± a til a2,.. •. a.,. , 3
J:
III

.•

Primjer 1.3.5. pomocu Sarrusova pravila:

Vrijednost determinante matrice 3. (i samo 3.) reda moze se racunati

pri cemu sumand

alr,

a2i1 ••• ani• ima predznak

+ 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

all all all

all all all

al2 a22 all

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

Primjer 1.3.6. Izracunajte vrijednost detenninante sljedece matrice 3. reda

(-ltj

={ 1
-1

A=[-: ~
4 -1

~j.
5

za i+ j paran broj za i + j neparan broj •

to znaci da je algebarski komplernent minor kojem smo na opisani nacin jos

pridruzili i predznak.
Primjer 1.3.8.

~ Primjenjujuci Sarrusovo pravilo dobivamo da je

IAI=

-2
1 4 0 -1

3 -2
2 5 1

4 -1

0=

Izracunajte vrijednost matrice 3. reda

svih algebarskih

komplernenata

2. reda sljedece

= (-2) ·0· 5 + 1· 2·4 +3 ·1· (-1) -4·0·3 -(-1)·2· (-2) - 5 ·1·1 = -4 .

Deji.nicija 1.3.6. Subdeterminanta ili minor determinante n-tog redaje determinanta n-l. reda koja se dobije kad se u determinanti izostavi jedan redak i jedan stupac. Minor Mij elernenta Qijje onaj minor koji je nastao izostavljanjem i-tog retka ij-tog stupea. Primjer 1.3.7. Izracunajte vrijednost svih minora 2. reda sljedece matrice 3. reda

•
~ All

=1-1 2[=2, °5
5'

Alz

31=-8

Au =

=11 21=3, =[1 -I°1=_1, l4 5 4 2 2 1-4 31=-22 ~ = 4 -11[ =2 ' 5'

Al3

1-

A~n-~n
~I-22, =
Mij•
~=-7' MJJ

~
odnosno

=2 ,

• '32

-2 2 =7'33 A 1

31

1-2 1

~ =-1 '

~ MJI

=10 21=2, M =11 21=_3, -1 5 45

IZ

MIl

=11 -1°1=_1, 4 =[-: _:1=-2,

Azl

= -8,

Azz

= -22,

= 2,

MZl

=1_: ~[=8, ~1=2'

Mn

=1-: =[-~

M~

u; =I~

M32

=I-~ ~I=-l.·
Aij

1.3.2. Izraeunavanje vrijednosti determinante pomocu Cramerovog pravila iIi Laplaceovog razvoja
aij

Deji.nicija 1.3.7. Kofaktor iii algebarski komplement definira se ovako:

Ai': (-1)
i+j

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 ==

Primjer 1.3.10. Izracunajte vrijednost determinante sljedece matrice 3. reda

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

Uocimo da nam i razvoj po retku i razvoj po stupeu dozvoljava proizvoljni izbor

retka, odnosno stupca po kojem cerno izvrsiti razvoj. Svaki element odabranog retka (stupea) mnozirno njegovim algebarskim komplementom, pa je razumno birati onaj redak (stupac) koji sadrzi u razmatranoj determinanti najvise nula, jer tada ne treba racunati kofaktore tih elemenata (umnozak 2 rea1na broja od kojih je jedan 0 je 0). Primjer 1.3.9. Izracunajte vrijednost determinante sljedece matrice 3. reda

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:

iii proporcionalna, onda je

!
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

pa za proizvoljni skalar aE'R vrijedi daje

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}.

Prema prethodno dokazanom pravilu (II), imarno da je

all

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

Primjer 1.3.11. Izracunajte vrijednost determinante sljedece matrice 3. reda

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 (-

Odabererno li da je ~ = -.!... . nalazimo da je

~-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

proizvoljno, izabrat cemo ga tako daje 1 + (l~

=0

za sve kE{I.2 •...•n}.

-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

Izracunajte vrijednost determinante sljedece matrice

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

jer izvrsimo li razvoj upravo po j-tom retku, imat cemo da je

IAI=

72 13 15 -52 0 -7 3 4 -5 -7 -3

Ir- (-3) + IIr Ir- (-4)+ IIr

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

5 82 5 0 -37 -12 -22 0 15 -23 -23

82
= -37

-2

-12 15 -23

-22 = -23

o
Primjer 1.3.15.

-2 1 = {_2)3 =-8 .• 0-2

skalame matrice n-tog reda, to jest

(Sada 2. stupac pomnozimo s -1 i dodamo 3. stupcu.)

-.

Izracunajte vrijednost detenninante matrice

= -37

82

5 0 j82 -12 -to = -(-10)· 5j=1O.[82.(-23)-5.15]=-1961O .• 15 -23 0 15 -23

A=[~ ~
o
Rjesenje: 0

ex.

~l.

Primjer 1.3.13. Izraeunajte vrijednost detenninante sljedece matrice

=[~ ~
143
)

~l.
= -I

IAI=:= u",

a.E'R. tNapomena: Dokaz provedite koristeci se mate-

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

-71 =_1-1 -9 = -(9 - 49) = 40 . -7

Primjer 1.3.14. Izracunajte vrijednost detenninante sljedece matrice

•
vrijedi

IAI=TI
Primjer 1.3.17.

d.,

;=1

A=r: -: -:
1 1 1 1-1

:].
1

Izracunajte vrijednost detenninante sljedece matrice

~IAI= 1 1

-1

1 -1

(-I)·Ir+llr (-I)·Ir+IIlr -1 (-1)· Ir

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

!ro~r ,......r······-~En n.!\~'.': ,

j~.,j_;Ii' :' ;:

('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

:::

1n a . = -- k; l)·a ..= L j~l i~l

n 'J
I

-.....!...

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

~to smo i tvrdili .• Primjer 1.3.18.

2
-14

:::-C-l).1

Izracunajte vrijednost detenninante sljedece matrice -1~::: •

-15

:::8· (-14) -2· (-58)::: -112 + 116:::4.

Dejinicija 1.3.8. Reci determinante matrice Aev«, su lineamo ovisni ako vrijedi 8to zakljucujete? 12 =0 za \fje.K={l,2, ...,n}, (1.3.1) ~A=4 7 3 1

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

Dakle, reci (stupci) matrice A su lineamo ovisni. Doista, sustav

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

~ Pretpostavirno, dakle, da su reci matrice Aev«,linearno je

52

53

r
!
~ Buduei da je Prema tome, vrijedi

kJA.- 2k1A2+ kJA3 = 0,

k,

pri cemu je Ai i-ti redak matrice A. Buduci da je

kl:;t{),

e 'R proizvoljan, to za svaki

toje

IAI= 0
0

1 1

l-2,
AB_[~
IABI=
3 2 1

10

IBI=

0=5, -~

10

imamo netrivijalnu lineamu kombinaciju red aka matrice A:

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

IAI·IBI= (-2)·5 = -10.

Lako se pokaze da je

=[~~ !]. ~ (3) c+~-~H(4) D_[ -~ -! -~~l?

=[~~ ~],
7 8 15 (2) B -7 89 -15 32 -29 6

2 8 =-10.
4

Dakle, na izabranim matricama A i B verificirali srno (ali ne i dokaza1i!) BinetCauchyjev teorern. _

Rjeienje: A i B su singularne, a C i D su reguJame matrice.

Zadaci za vjeibu
1. Izracunajte vrijednost deterrninante sljedecih matrica: vrijedi
(a) A =

1.3.4. Binet-Cauchyjev teorem

Rezultat 1.3.2. (Binet 7-Cauchyjev
8

teorem) Za matrice A,BeJ(,

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

J. P. M. Binet, francuski rnaternaticar (1786-1856). A. L. Cauchy, francuski maternaticar (1789-1857).

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

x (h) IHI= 12 144 x

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

80 24 45 57 RjeJenja: (a) IAI=-16,

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

Rjesenja: (a) IAI =_a2,

(d) IDI = abed,

(b) IBI= y2, (e) lei = (a +b +e +d

t.
0
6

(b) IBI=66, (e) lel=o,

(d) IDI=88,

(e) lEI::: abed. (j) IFI = 0, (g) IGI= 0 (Uputa: Rijee je

(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

matrice nepamog reda.), (h) IHI = x (Uputa:

determinanti donje trokutaste rnatrice.), (j) III = 0, (k) IKI = 0, 1 e 1 j IJ .

2. Izracunajte vrijednost sljedecih detenninanti:

(a) IAI == [a

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

1 (I) ILl = bcdefg- (a --------be d 3. Odredite za koji

XE'R

su sljedece matrice singulame:

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.

IAkl=IAlk, IA1=IAI, = 2. (d) XI = 2,

= 4. (h)
Xl =

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,

8. Izracunajte IA41 ako je:

x2=11.2 . 4. Dokazite: za proizvoljnu matricu

A e.At" i proizvoljan

o.E'R vrijedi:
(a)

A=[~
A

-3 -2 -7

-5

5. Izracunajte vrijednost detenninante matrice Ae.At3 aka je

(a)

~J

(b) A

=[~

1 -1

1 1 -1 1 -1
1 -2

13AI= 27

,(b)

12AI- 31AI 35 ,(e) 1- 2Al + 14AI 21~AI == 15 , Cd) 1- AI= 8 , = +

(e)

(e)

213AI2-24IAl=1482,(f) IAI:::: , 1
(b)

1-2A21+8IAI2 =I,(g) IAI= 7 ,

(e)

I~Ar =8.
(e)

8 -9 = 7 -2 5 -3

[7 3 2 6]
49 73 34 IA41= 108 ,

,(d)

Rjesenja: (a)

IAI= 4, (d) IAI= -8,

(g)

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,

5. Izracunajte red matriceA akoje IAI=-1 i

(a)

IA41= O.

12AI=-16,

(b)

13Aj+I-2AI=-13,
(e)

(e)

I-AI+IA1-12AI=8,

9. Za matricu A

ee

Cd) 12A21-12A31= 64,

~12A1-~13AI=-1, (f) ~12A1-~13AI = 1.

(a) (e)

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

6. Izracunajte skalar a e'R ako je A E~

(a)

IAI= 2 i
(e)

1-2A+A2I, (f) ~IAl~iIA41+iIA6138,

(b) 0, (e) 24,

loA41-10.421:::: 8, 4

(b)

alaA 21_ 210.41 0, =

(e)

a2lAI-laAl

= I,

RjeSenja: (a)

(d) -8,

-48,

if) -10.

(d) ~laA21-ilaA31:::: 0,
Rjdenja:

laAJI-lo.A21 +laAl-lo./l = 10.

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

7. Dokazite da za matricu A E.At" i broj

vrijede sljedece formule:

58

59

11. Ako je AE.At" antisimetricna matriea parnog reda za koju je

IAI+IA1 = 4,

A -I

E.,.{{k/.

Kako je A· A -I

::.

I , to mora biti broj stupaea 1. faktora (matriee A)

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)

1.4. Inverzna matrica

1.4.1. Pojam i definicija inverzne matrice
Uocili smo da se matriee mogu zbrajati, mnoziti sa skalarom, transponirati i mnoziti ako su operandi odgovarajuceg formata. No, za matriee nije definirana operacija koja bi predstavljala analogon binamoj operaciji dijeJjenja koju koristirno u skupu realnih brojeva 'R. U skupu 'R dijeljenje se rnoze definirati kao mnozenje dividenda s reciprocnom vrijednoscu divizora, to jest za proizvoljne a.be: 'R i b#J vrijedi

= I.

Pomnozimo Ii (1.4.1) s lijeva sa C, dobivamo CAB::. CI (=C) .

Posto je prema pretpostavci

No, isto tako je i prethodna relaeija se redueira na IB jer u skupu 'R vrijedi zakon komutaeije za mnozenje. Kako smo pokazali, mnoienje matrica (kada je definirano) nije komutativna operaeija. To znaci da i ako pokusamo definirati dijeljenje matriea, moramo prethodno deflnirati inverz matriee. U ovom dijelu pokazat cemo 5tOje inverzna rnatrica i jedan (klasican) naein kako se ona racuna, No, zbog nekomutativnosti mnozenja matriea necerno urnnozak neke matriee A s inverzom neke druge matriee B zvati kvoeijentom tih matriea niti cerno to pisati A, jer ne znamo da li bi pod tim onda podrazuB

CA ::.1.

=C

iii B

= C.

Primjer 1.4.1. Pokazite da je matriea

B=

% [-2 _~ 1]

inverzna matriea matriee

mijevali matrieu A· B-1 iii matrieu 8-1

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

Doista, pretpostavimo da je A e.At"m, a

61

BA=

2J 1 1 [- -32 -- 21] [1 4 [ ° OJ= I.. 3 1 2

=

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

1.4.2. Racunan]e inverzne matrice

Sljedeci teorem ornogucuje izracunavanje inverzne matrice zadane matrice ako je ona definirana. Teorem 1.4.1. Inverzna matrica matrice A EJ(" racuna se formulorn

(AB

)i; = -I

l::aik Aik
k~1

= 1 za svako i E {l.2 ..... n}

0

buduci daje prerna Laplaceovorn pravilu

n

razvoju determinante po retku

l:>ikA;t
f~1

=JAJ za svako iE{l.2 ..... n}.

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

adjungirana matrica matrice A.

(AB)ij =-J A Nairne, zbroj

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
.

pa postoji (i 10 jedna jedina!) matriea A E..J4. Prema primjeru 1.4.2. imamo da

= I,

je

a to upravo i znaci (zbog jedinstvenosti inverza) da je B=A ,odnosno doista

-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~,

onda postoji A-I E"", pa treba

(2) Izracuna se matrica kofaktora matriee A, to jest matriea

B==_1 [d -b]
ad-be
-e

inverzna matriea matriee

A=[:
~ Doista, B ad ~ be [, ~ -:] [: ~]

~l
[ad ~ be ad ~ bJ

(3) Matriea

matrica A matriee A. Dakle,

All

[Aij] se transponira i na taj nacin se dobiva adjungirana

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

U primjeru 1.4.2. pokazali srno da je inverz (ako postoji) matrice 2. reda

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,

Prema tome. rnatrica kofaktora je

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

odnosno adjungirana matrica matrice A je

sto smo i zeljeli pokazati. _ Primjer 1.4.4.

Odredite inverznu matricu rnatrice Dakle, inverzna rnatrica matrice A je matrica 1 2 3
4 I

2 11 2 1

1 2 7 4
1

Prekontrolirajte! ~ Kako je 1.41=-4, postoji A . Izracunajmo sada kofaktore:

Kontrolira se na sljedeci nacin,

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

za koju vrijedi daje A A=AA

-I ·1

=1,

Primjer 1.4.5. Odredite inverznu matricu matrice

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

Ponovo isticemo da za matricu AE~

postoji.

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

1.4.3. Svojstva matrlcnog inverza

Navest cemo sada svojstva matricnog inverza. Vrijedi sljedece: (I-l)AEti9n=> (A-It =A,

(I-2) A,BE ti9n=> ABEti9n, (I-3)AEti9n=>A (I -4) A,BEti9n Prekontrolirajte!

. k:

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

regulama ako je vrijednost njezine determinante

odnosno uvedemo Ii matricu B :::: ,imamo da je A

-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

a buduci da je B-1 B == I , nalazimo

da je doista

Zbog jedinstvenosti

inverza

zakljucujemo
(ABtl

da je B-1 A -I inverz od AB, to jest

= B-1 A-I ,

sto smo i trebali dokazati.

sto je i trebalo

dokazati.

Dokaz svojstva (I-2).

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~"

Dokaz svojstva (I-S). Iz definicije inverza slijedi daje

(ATI A'= I.

==>

IA I "* 0
0

I B I "* 0 .
za matrice A,BE rin vrijedi da

Prema Binet-Cauchyjevom je

teoremu

determinanti

Buduci da za transponat umnoska vrijedi u obratnom poretku, imamo relaciju

da je jednak

umnosku transponata

ali

(A -I) A'= (AA -1)= ['= I

na osnovi koje

zakljucujemo

da je (zbog jedinstvenosti

inverza)

pa premaprethodnome daje

(umnozak

brojeva

A i B razlicitih

od 0) zakljucujemo sto je i valjalo dokazati.

sto prema teoremu

1.4.2. znaci daje ABErin, sto je i trebalo dokazati.

1.4.4. Matrlene jednadzbe

Jednadzbe Rjesenje u kojima se kao nepoznanica javlja matrica zovemo

Dokaz svojstva (I-3). Prema teoremu 1.4.2. vrijedi

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

da je AkEri", a to je i valjalo dokazati.

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

AXB=C s lijeva sa A -I, dobivamo

A-I AXB == A-IC. to jest

AB(B-I A -I}= A(BB-1)A

sto znaci da je

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
•

Ovo je U stvari posljedica Binet-Cauchyjevog rnatematicke indukcije (vidjeti Dodatak I).

teorema, a dokazuje se pornocu

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

Primjer 1.4.9. Odredite matricu X za koju vrijedi jednadzba

.. Lako se pokaze da je

akoje

=[ ~ -~ ~l-L[~ ~l[~
-3 32 -1 2

~r
-3

-1

-2
0

5 3

5 2 5

••

Rjeienje: X Primjer 1.4.8.

=[~ ~l
a22

Primjer 1.4.10. Rijesite matricnu jednadzbu

[~ =[~ -1] .
0 ~] X

Rijesite matricnu jednadzbu aI2

][3 4] [1 0]
6 -1
=

Rjeienje:

L'

x=[_~

-i1

~ Uvedemo li oznaku

Primjer 1.4.11. Rijesite matricnu jednadzbu

onda imamo da je XA sto znaci daje

= I,
2 -

~]=[~
Rjesenje: y=
2
-

-1 -3

~l·

3
3

1 -3
4

paje
X ---

_ 1[-1 -4]_[2~ _.!. . 2~1

27 -6 3
-

3 5 3

Primjer 1.4.12. Rijesite matricnu jednadzbu

72

73

~~ ~ ~] X 241

G ~~] =[-~-;]
3 -6 cije rjesenje je

2xIl 2XI2 XII XII

-80 Rjesenje: X =-...!.. 13 23 [ -168

Primjer 1.4.13.

~~].
51

+ 3x21 = XII + 3Xl2 + 3X22 = 2x" + 4x12 + 4X21 == X21 + 3X22 + 4X22 = 2X2! + 4X22

sto znaci da je jedino nul-rnatrica 2. reda rjesenje rnatricne jednadibe

AX == XB .•

Rijesite matricnu jednadzbu 3

3 4

[:
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

Odredite matricu X za koju vrijedi jednadzba

AX=XB,

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=[~

rnozemo pomnoziti s lijeva sa A -I , pa imamo

A-I AB

A-I AC.

~ Drugim rijecima, potrebno je odrediti sve elemente matrice

Buduci daje A-I A = I, imamo daje B= C .• Primjer 1.4.16.

za koje vrijedi da je

Dokazite: ako je regulama A -I sirnetricna . .. Prema svojstvu (I-5)

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:

Pretpostavka da je matrica A simetricna, znaci da je

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;;;!:.

(A,tl = (A -I)' . Pretpostavka

A' =-A,

{i.

za i = j za i;;;!:. j

da je matriea A antisime-

sto je

i valjalo pokazati. _

sto upravo znaci daje matriea A -I antisimetricna, _

Primjer 1.4.18. Dokazite: ako je matriea

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;;

* 0 za svako i, dakle, osigurava

IAI

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

AB= BA~ AB-I = B-IA~ Dokaz da A -I B-1 vrijedi

A-IB= BA-I ~ A-IB-I = B-1A-I ~ AB= BA. AB

*j

= B-1 A -I ~

= BA.

Pokazali smo da za inverz produkta

76

77

Dokaz da A-IB == BA-I odnosno

=:)

A-I B-1 = B-1 A-I. Mnozenjem jednakosti

A-IB=BA-I sa B-1 s desna dobivamo da je

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,

pa nakon mnozenja posljednje jednakosti s lijeva sa B-1, imamo

B-1 A-I = A-I B-1
,

= BA, = BA,

a to je i trebalo dokazati, _ Primjer 1.4.21.

B-IA. Sada pretpostavljamo daje AB

Dokazite: ako je matrica A E f(in, onda je

pa ako navedenu jednakost pornnozimo s desna sa B-1, dobivamo A Mnozenjem odnosno

= BAB-I•

~ Doista, buduci da je AA -I = I i daje

III = 1 , iz Binet-Cauchyjevog

teorema slijedi

posljednje jednakosti s lijeva sa B-1, nalazimo da je B-1 A= A B-1, sto znaci da je

sto smo i trebali dokazati, Dokaz da AB-I

;:

B-1 A =:) A -I B = BA -I . Pornnozimo

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-

sto je i valjalo dokazati.

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.

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

jl' =[-~-~ -tl'

2 if) A-I -4 1 1

Rje!enje:

(a) a ~

{-4,O},

O.

4. Rijesite sljedece matricne jednadzbe

(a) AX:: B ako su

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

2. Nadite inverznu matricu ad A ako je

(a)

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

U vrs time li matricu X u pocetnu jednadzbu,

dobivamo matricnu j ednadzbu

RjeIenje: (a) X=A+1=

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=[~

iz koje slijedi da je x = 1-2y, pa rjesenje X mozemo pisati na sljedeci nacin:

X =[1~2Y

12 1 (b) B=A- A'A AoAmatricna jednadzba ima

+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

5. Rijesite sljedece matricne jednadzbe:

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

Rjesenja: (a) B=-A1=_[1

24

3]=[-1

-2-4

-3],

(b) Kakoje

-21) = (XA-1B-1)-1 akosu

A=[-~
(el) IXol·(XOrl(A·rl

_~]i B=[~~ ~~l

_~] i

alAI

-40, to je B = 15601 = [15;0 15~0 ~ o 0 1560

~ 0
1560

l'

(c)

Uociteda je

0
B = 0 = [~

+2XA2 = BA ako su

matrica

simetricna

(A = A');

~ ~], Cd) Buduci

da je

A=[-~

B=[~

~l

000 B = 2IAI2[, alAI = -187, toje B =[69~38 69~38

~]. 69938

o
82

83

7. (a) Neka je TeJ(" regulama matrica i neka za matrice A,Be.,/(, vrijedi da je

A = T-I BT. Pokazite da je

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

(c) Pokazite da je za idempotentnu

(Matrica A je idempotentna ako jeA

= 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),

Cd) Pokazite da je za ortogonalnu matricu

(Matrica A je ortogonalna ako je AA'
(e) Neka je za rnatrice A,B,Cef!im Xevll,.. Pokazite daje

(2) 30e r(neutralni X+0 =0 +X =X

element za zbrajanje iii nula) za koji vrijedi

= I.)

IABI =

IC 1
2

za VXe r.

i neka je AXB=C,

(3) Za \IKe r 3!(-X)e r (suprotni element elementa X) za koji

vrijedi

x + (-X)
(4) X

= (-X) + X = 0,

+ Y == Y + X za Vx.

Ye r (komutativnast zbrajanja).

8. Odredite matricu A ako je A'

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,

Rjesenje: Postoje dvije matrice s naznacenim svojstvom:

-5 3]
3 -2 -1 1

i A2

-14 5 -3] = 8 -3 2
-3 1-1

vx« r.

(6) a(X+ Y) = aX + aY za Va e 'R, VX, Ye Aj .

r.

(7) (u+~)X == aX + ~X za V o:,~ e'R, VXe1/, (8) 1 X = X za \lXe

r.

1.5. Vektorski prostori

1.5.1. Definicija vektorskog prostora
Uocili smo da uvedene operacije zbrajanja rnatrica i mnozenja matrice sa skalarom imaju odredena svojstva, Ako se te operacije definiraju za elemente proizvoljnog skupa, uz ocuvanje navedenih svojstava tih operacija, tad a dolazimo do pojma vektorskog (iineamog) prostora, primjer kojeg je upravo skup matrica zadanog formata.

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.

1.5.2. Vektorski prostor

Primjer 1.5.1.

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

(81'-2) X'(Y+Z) (S1'-3) (oX)'Y;;;;; (81'-4) X'X

+ X'Z za

n VX,Y,ZeR •

za 'rJX.YeRn. 'Va eR.

<::> X=O.

> 0 za X-#J i X'X;;;;; 0

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:

Dejinicija 1.5.3. Prostor 'R sa definiranim skalarnim produktom zove

se Euklidski prostor.
n

X + Y;;;;; (Xl +YI.X2+Y2> ...• X"+yn) •

pri cemuje

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

Primjerf1.5.3. Zadani su vektori X;;;;;(2 -34 11 3]' i Y;:[-l 250 -4)'.

Izracunajte njihov skalarni produkt. Sto zakljucujete? .. X'Y;:

l:Xiy, = 2·(-1)
5
i=l

+ (-3)-2 + 4·5 + 11·0 + 3-(-4);;;;; O.

clemente prostora vltnl i

'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]'.

1.5.3. Skalarni produkt vektora

Sada cerna pod vektorima podrazumijevati upravo elemente iz prostora Rh. Definiclja 1.5.2. Skalarni produkt vektora X,YeR" definira se na sljedeci nacin:
X'Y;;;;;

.. X'Y=l:>iYi;;;;;2+6+20+11-12;;;;;27.i=l

Primjer 1.5.5. Odredite vektor X = [-3 X2 Xl]'E'R A=[43

3

l>iYi·
i~l

kojije okomit na vektore

6]' i 8;;;;;[2 1 4]'.

Svojstva ovako definiranog skaiarnog produkta su:

.. Buduci da su vektori A i X okomiti (simbolicki: A .L X), to je A' X=O, pa je

86

87

-12 +3X2 + 6X3 =0. Buduci da je B .1X, to je B' X=O, pa je -6 +Xl +

4X3

1.5.4. Norma vektora

Definicija jednakaje 1.5.5. Norma (duljina) vektora A=[ al
a2'"

=0 .
=0

an ],e'R

Rjesenje Iinearnog sustava

-12
+3Xl +Xl

+ 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

2 1]'. _ Primjer 1.5.9_

[3 02 ]' , B

= [ -1

3 4 ]', C = [ 1 -2 S]' i D:; [ 0 3 4

l' .

Odredite vektor XE'R) duljine A

.Jl4

kojije okomit na vektore

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]'.

~ Na osnovi zadanih uvjeta zakljucujemo kako sIijedi:

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,

3x1 koji ima dva rjesenja

=0

.. Doista, ako je i=j, je {1,2,....n}, onda je ( I, :; LXix;

;~l

= 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

je 0.) Ako je i#:-j, jE{I,2, ...,n}, onda je

t, Ij

=0+

0 + ... + 0:; 0 , jer se svaki pribrojnik sastoji od dva faktora od kojih

je baremjedan jednak O. Dakle, vektori l;i Ijsu ortogonalni ako su razliciti. _

I. J. J
r

, {I
=

za i= j
i", j

0 za

88

89

to jest da su oni ortogonalni. No, za njih vrijedi da je

sto znaci da je

0.

= 90

0 ,

to jest vektori A i B su okomiti. •

IIIdl = I za sve ie {1,2 •...•n},

pa je rije/:: 0 vektorima jedinicne norme, Za vektore jedinicne norrne koji su rnedusobno okomiti kazemo da su ortonormirani. Dakle, vektori !;e'R su ortonormirani.
n

Primjer 1.5.12. Zadani su vektori iz 'R

A Izracunajte
3

= [3

4 5]' i 8

= [5

12 13]'.

nonnu vektora A, odnosno B, a zatim i kut sto ga ta dva vektora

1.5.5. Koeficijent konzistencije dva vektora

'Deflniclja 1.5.6. Skalarni produkt vektora Ae'R i Be'R definira se
na sljedeci nacin:
A' B =
n n

zatvaraju. ~ Norma vektora A i B iznose

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

a buduci da je skalami produkt tih vektora

A' B =

128, 64 65 .

toje A'B 128 coso. = jjAIHBl1= 65·2 Dakle, trazeni leutje

0. ~ =

-3 4 A=
II

2
B= 5 0

1 31'31" .•

-4
ta dva vektora

Izracunajte norrnu vektora A. odnosno B. a zatim i kut sto ga

zatvaraju. ~ Trazene norrne lako izracunamo:

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

Norma vektora Xe'R 0,

moze se definirati i pomocu skalarnog produkta. Nairne,

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

Svaka norma ne proizlazi iz skalamog 11·11 ~ definirana na sljedeci nacin:

produkta.

Na primjer,

norma

Ilxt =max{ Ix;j :ie

{1,2,...•

n}}

x = [1
• Norma vektora X i Y iznosi

2 -3 4]' i Y", [0 2 1 -1 )'

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

verificirajte nejednakost trokuta (AL4).

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.

IIYII'" .10+4 + 1+ 1 ",../6.

X+Y=

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·.

~to znacl daje zaista (harem za zadane vektore)

1.5.6. Udaljenost vektora

Definicija 1.5.7. Udaljenost vektora X, Ye 'R"definira se ovako:
d(X.Y} =

Teorem 1.5.1. Za proizvoljne vektore X,fe'R" vrijedi Bunjakowsky-CauchySchwarzova nejednakost

X'

Y~IIXII'11YII·
:r~'R

IIx- Y II·
(X-y)",+

Opcenito, ako je na vektorskorn prostoru

11·11

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)

II X-yll"" +J{X-yj IIXllz.

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",

(2:H) d(X,y} ~ 0 za VX,Ye'R" , C.2?-2) d(X,y} = 0

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:

dj(X,o)=llxllj i d;(X,Y)=IIX-Ylli' Primjer 1.5.14. Izracunajte ~-normu vektora

Rjefenje: (a)
5

A' B = -2,

= 96'25'9"

, (b) A' B = 1, a = 71°33'54" ,

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 .•

Rjefenje: (a) A' B::; -2; ni

za jedan

ae'R,

nisu ortogonalni, jer je A' B

#-

Primjer 1.5.16. Izracunajte L..,-norrnu vektora X

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 .•

~ IIXII. == max {Xi I : i E {1,2,3,4,5}}=max

Primjer 1.5.17.
3

Koristeci vektor X=[ 1 -2 3J'E'R verificirajte nejednakost

"X"~s IIXll2s IIXIlI .

.. Buduci da je

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

to je za dani vektor X doista

jer je

94

95

(b)

B =[

"2 "2 "2"2

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

5. Zadani su vektori .' proizvoljan. 8. Odredite parametar

(a)

-~r·=[-% ~ ~r x +J~-x; ±J~-xi r· x

1

JT.

C=

[ "2 "2 11
A2

E[ - ~,

~J

tE'R

takav daje: t+Ir.

IIAI12=1 IIAlii IIAll., = 1 IIAI12=1

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,

(d) jedinicne L:!-norme koji je okomit na vektore:

A = [t-l
t2

t+lY· proizvoljan, (e)

tl t2

RjeJenje: (a)

(a)

B=[~] i c=[~~J.(b) B=[~] B=[~]

i

(e)

c=[-~l(d)
A,., = [: ~

B=[~]

C=[_~l C=[=~l

=-1,

=0, (b) tE[-l,O]

=0,

(d) Ne pastoji tE'R

s navedenim svojstvima,

9. Izraeunajte skalarni produkt vektora C=A+B i D=A+3B, aka je

IIAIb;3,

IIB Ik;;2
RjeJenje:

i L(A,B)=

{II = ~ .

Rjd,,",, (a)

1.

(b) N, postoji vektor s navedenim svojstvima,

C'D = (A + B),(A + 3B) =

(e)

Ne postoji vektor s navedenim svojstvirna. (d)

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

7. Odredite vektor A jedinicne ~-nonne koji je okornit na vektore:

(a)

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

12. AIm su vektori A i B ortononnirani, izracunajte

(a) C=2A+B,(b) Rjesenje: (a) e=-2A+B,(e}

Ile112, pri cemu je vektor:

C=2A-B.
..
-~

17. Izracunajte udaljenost d.., sljedecih vektora:

..
':.'

C=-2A-B,(d) (e)

13. Izracunajte
(a)

IICI12=.J5 , (b) 11Cil =.J5, lIelll ako je:

l

lIell2 =.J5 , (d) lIel12 =.J5 .

B , Cd)

(a)

A=[%

j %l
~ ~

i B=[~

% -%l,
~

(b) A=[~

e = 2A + B , (b) e = -2A + B , (e) e;:: -2A -

e = 2A -

~J
, 3

i B;::[~

B, a
Rjesenje: (a) d.,(A, B)

= i, (b) d",(A,B) = 1.

kut ~to ga zatvaraju vektori A i B jedinicne nonne je 45°.

RjeIenje: (a) (d)

18. Odredite parametar tER sa svojstvom da je:

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)'.

14. Odredite pararnetar teR sa svojstvom da je: (a)

(e)

IIXI12 =3,

pri cemuje

X;::

2A- B, a A;:: [1

tr,

IIXll2 = 1,
B = [1-t

(b) t

IIXlll = 2,
+lr.

ako su zadani vektori A = [1

tf

i B = [1-t

RjeIenje: (a) Ne postoji tER s navedenim svojstvom. (b) t (e) tl.Z =

= 0,

Rjdenje:

(a) Ne postoji teR sa navedenim svojstvom. (b) 1=0,

±J3.
1 2
(b) dl(A,B)=I, (e) d1(A,B}=2 1+1)'.

1 (e) t12 = ± tx :

19. Odredite parametar tER sa svojstvom da je:

(a) dl(A,B)=-,

;;2

15. Izracunajte udaljenost d2 sljedecih vektora: , ,

(a)

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.

20. Odredite parametar tER sa svojstvorn daje:

(a) d.,(A,B)=-,

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
,

ako su zadani vektori A = [1

l fiB

= [1-

t +1

r.

B=[~ ~

Rjeienje: (a) Ne postoji tER s navedenim svojstvom.

(b) t
E

[-1,1],

(e)

112

= ±2 .

Rjeienje: (a) d, (A, B);:: 2, (b) d, (A, B) = 2.

99

>;I~'

-~

1.6. Linearna ovisnost i neovisnost vektora

Definicija vektor 1.6.1. Linearna kombinacija vektora Xl.
Xl, ..•, Xke'R n

Sada lineamu kombinaciju (1.6.1) mozemo pisati ovako:

je

+ ....+ck Yn
odnosno

(l.6.1) iIi, skraceno,

k

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

C1Xl+C2X2+ ... +ckXke'Rn.

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 druge strane, zbog zatvorenosti prostora

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

+ C2X2 + ... + CkXkE'R

Xl,x2 ..... XkE'R
n

(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",

nalazimo razne vektore

Y;; clX!

+ ClXl + .., + CkXk.

ll hila koji vektor iz prostora
n

Postavljaju
'R"

se sljedeca pitanja: mozemo

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

jer ne postoji rjesenje lineamag sustava (1.6.2)

C[,C2.... ,CkE'R

takvo daje
n

pomocu njihovih komponenata:

Xll

Xlk
Xli

YI
Yl

Aka sustav (1.6.2) ima rjesenje, dani vektor

YE'R

maze se prikazati kao da postoji rjesenje

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

= CIXl + C2X2 + ... + CkXk.

Xn2

Yn

100

101

Primjer 1.6.1. Prikazite vektor

':.

RjeJenje: Y Vratirno kao lineamu kombinaciju vektora se

= -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

kombinacije jednaki 0, to jest na nacin da izaberemo ~ Dakle, potrebno je odrediti koeficijente

CIXI
CI, C2

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 +

odnosno dobivamo sustav linearnih jednadzbi

Cz +2c3 =1 3cl +4c2 + 5c3 = 2

a ovaj sustav ima barem trivijalno rjeienje

Cl

6cl +7cz +8c3 =3 rjesenje kojeg je

= 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

kao linearnu kombinaciju vektora

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

odnosno sustav Primjer 1.6.3. Ispitajte jesu li vektori

aCI + 2acl

+ 3ac) = 0

aCI +2acl +ac3 =0 aCI +ac2 +ac3 =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

= c) = 0, a to upravo znaci da su razmatrani

Ispitajte jesu li vektori iz 'R

odnosno

-H]

A,_[J

slijedi sustav 2c, +3c2 =0

I

+C]

=0

-cl +cz =0 cl -2c2 Azlineamo neovisni, Primjer 1.6.6. Ispitajte jesu li vektori iz 'R
3

=0
C2

koji irna sarno trivijalno rjesenje. Dakle, Cl =

= 0, a to zna6 da su vektori Al i

= C2 = C3 = 0,

5tO znaci daje rijec Primjer 1. 6.4.

lineamo neovisnim vektorirna. _

Dokazite da su vektori

x'-m x'-m x'-m

lineamo ovisni ili neovisni. lineama neavisni. • Sustav ~ Dakle, potrebno je odrediti
Cit C2, ClE'R

za koje vrijedi

CIXI

+ C1X2 + C~3 = O.

Imamo daje

104

105

Primjer 1.6.5. Zadani su vektori

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

(3) skup vektora {X,A,R} je 1ineamo ovisan. ~ Iz uvjeta (1) slijedi da je

Z 2 Xl +XZ 2 + X3

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)

Iz uvjeta (2) slijedi daje -3xl + Xl to jest daje

°,

10

(1.6.6) Iz uvjeta (3) slijedi da je

Xl Xz
x)

4 5 = 0, 62

Moze se pokazati da vrijedi i obrat, to jest da vrijedi:

Rezultat 1.6.2. Ako je vrijednost determinante matrice A jednaka 0, reci (stupci) rnatrice A evil" linearno su ovisni, odnosno ako je vrijednost determinante matrice A razlicita od 0, reci (stupci) matrice A e.At"Iineamo su neovisni, Posljednji rezultat nam ornogucuje relativno jednostavno utvrdivanje lineame ovisnosti, odnosno neovisnosti vektora. Valja samo izracunati vrijednost determinante matrice ciji su stupci upravo dani vektori. Uocirno da je tada nuzno zahtijevati da je A kvadratna matrica, to jest rezultat 1.6.2. mozemo koristiti sarno kada ispitujerno linearnu (ne)ovisnost n n-komponentnih vektora,

odnosno razvijemo li tu determinantu po prvom stupcu - 22x14X2

+ lOx3 =

°.
,

(1.6.7)

Uvrstimo li (1.6.6) u (1.6.7) dobivamo da je xz=2x], odnosno supstituirajuci ovo

u (1.6.5) nalazimo daje 14x~ =14. Dakle,

xl=±1,X2=±2,X3=±3 to jest postoje dva vektora sa trazenirn svojstvima:

10

Nairne. X je okomito na C ako je

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

••.. ,Ai,}, k<_m. da je barem jedan kaeficijent

aj.

+ ... + 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= -

a buduci da je c,¢O. slijedi da je

c· __!_.}e{1,2 •...•i-l.i+l •...•m}. ci

• 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

+ O·AI + O·A2 + O·AJ + _ ..

0

nacin, sto znaci da je rijec

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

+ ... + J3i-/Ai-1 + J3i+IAi+1 + ... + J3mAm.

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•

3. Prikazite matricu A kao naznacenu lineamu kombinaciju matrica B, C i 0 ako su

(a)

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.

0]. C=[ -31 2] °

C=[~~ ~]
2 -1

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

(b) A=-B-2C+D . B=n]·

(e)

A=2B-3C+D, B=m' A =[_

A
(b)

c=U]· D=m' c=n]' D=[=:].

(e)

Rjeienje;(a)

A=[~

=:].<c)

13

A=

[ -2

-7]
4

4. Ispitajte jesu Ii Iineamo neovisni sljedeci vektori:

Rjesenje: (a)

~l A =[~~l

A =[-

n
AI. A2 i A3 ako su

(zz)

A=[~l B=Ul c=H] D=[=~l

A=[il 8=[-i

2. Prikazite vektor

kao lineamu kombinaciju vektora

(b)

,c=[il ; D=m
111

110

(e)

A·[il B'[-il c·[i] D.[J

Ne,
(b)

Rjesenje: (a)

Ne,

(c)

Da.

5. Odredite parametar

tE'R

takav da sljedeci vektori budu lineamo neovisni:

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

koji zadovoJjava trazeni uvjet.

tE'R

6. Odredite parametar

takav da sljedeci vektori budu lineamo ovisni:

B i C, pri

cemu su

B·m

c'[-~l'
a skup i C. [ _

skup

(a)

A'·m ~.[

(b) ~

.[JA,'H] ~ f~l

{A, B, C} predstavlja skup linearno ovisnih vektora,

(c) A je vektor jedinicne ~-norme

okomit na vektor

B,

predstavlja skup linearno ovisnih vektora, pri Oemu so 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 .

ima rjesenje za proizvoljan 3-komponentni vektor X=[XI

../2. 5./2
6

;:;:

-J2
5..fi
6

Doista, rijesirno li sustav

Ii
navedenim svojstvima. (c) AI =

Ii

Ii -Ii
3 3

. A2 ;:;:

fj

odnosno 2x 4x+5y 6x+2y+

Z

Ii
3

-3z=xl
=x2' =x3

dobit cerno da su koeficijenti prethodne lineame kombinacije:

1.7. Baza vektorskog prostora

Vidjeli smo da se proizvoljni vektor Ye'R" ne moze uvijek prikazati kao lineama kornbinacija vektora XIoX2 ..... X..E'R". U nastavku cemo nastojati pronaci skup vektora .d vektorskog prostora rkoji omogucuje da se bilo koji vektor iz tog prostora prikaie kao lineama kombinacija vektora iz .d i da pritorn skup .d sadrzi najmanji broj vektora koji to omogucuju. Definicija 1.7.1. Neka je .;1::::{AIrA:z. ...,Am}c'R". Kazemo da A razapinje iii generira 'R" ako se svaki vektor XE 'R" moze prikazati kao Iinearna kombinacija vektora iz .A, odnosno ako za svaki Xe'R" postoje t..1.t..2, ••• ,A",e 'R takvi da je X Primjer 1.7.1. Pokazite da vektori

z=
prikazati kao lineama kornbinacija vektora A, B i C. •

-lixi - 2xz +SxJ 38

a to je definirano za sve XI,x2,x3E'R , sto znaci da se svaki vektor iz

'If' rnoze

Definicija 1.7.2. Baza vektorskog prostora rje skup vektora

.J1= (A1.A2> ...• A

iz 1"sa svojstvima:

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

generiraju prostor 'R3. • Treba pokazati da lineami sustav

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.

rnoze prikazati pomocu navedenih vektora A I, A2 i A3• Doista, rijesirno Ii sustav

xA I + yA2 + zAJ ;; X , to jest sustav

{:]+ {~]+{ = [::] . ~:]

X+ x+2yx+3y+ y+2z;;
XI

Pokazite da vektori

odnosno

z ;;xl,
Z=X3 formiraju bazu u prostoru svih 4-dimenzionalnih vektora, to jest u prostoru

dobit cerno da su koefieijenti navedene linea me kombinacije:

y-

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.

ne tvore bazu prostora

'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

su oeigledno neovisni (jer je

1/1=

1), a ima ih tocno n, pa doista ,

prema teoremu 1.7.1, cine bazu u prostoru 'K'._

ru

danoj bazi I. Tvore Ii sljedeci vektori:

Zadaci za vjeibu

... ,Bn} je jedinstven .

.. 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

bazu prostora 'R??

Rjeienje: (a) Da, (b) ne, (e) da, (d) da, (e) ne.

2. Odredite parametar

tE'R

takav da sljedeci vektori tvore bazu prostora

'R3:

Rjelenje: Ca) t;c -2, (b) t!t:

~.J3,o,.J3}, (e) t;c

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

proizvoljan, (b) t ~ {I,3}, (e)

IE'R

proizvoljan,

Cd) 'K

t:;:. 1,

(e) Ne postoji tE'R s trazenirn svojstvom.

3. Odredite parametar

IE'R

takav da sljedeci vektori tvore bazu prostora

120

121

1.8. Prikaz vektora u dvije susjedne baze

1.S.1. Prikaz vektora u dvije susjedne baze
Proizvoljan vektor X=[XI X2 ... xnTE1?" najjednostavnije je prikazati u kanonskoj bazi, Nairne, vrijedi sljedece
XI XI

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"

Prema tome, zelirno Ii vektor X=[XI

X2 ... X,,]'E'R"

prikazati

u kanonskoj bazi baza prostora 'RJ? ~ Buduci da je ~2

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,

-1 0 ~ to 91.je baza prostora 'Rl .• Primjer 1.8.2. Je Ii

gdje

su

{A .. A;b ... , At." At. Ak+I> ... ,An}

baza prostora ~?

• Buduci daje

122

123

11

2 -1 0
to

kao lineamu komhinaciju vektora

f1h nije baza prostora

~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

nije predstavljao bazu u ~.

~ 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

+ a:zA:z + a~J = T:z ,

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

'R!' jednaki korespondentnim

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

{A], A20 ••.• Ak•l,

A,b Ak+]' ...• An}

T= LtiA; +tkAk•

912=

{AI.

A20 •.. , Ak-lo T, Ak+lo

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

odnosno, budu6i da je tk¢O, nalazimo da je

(1.8.2)

No, kakoje

fih baza u 'R!' (odgovor na ovo pitanje dat cemo

baza, to je
n

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

koji cine bazu u

'If, na sljedeci nacin

T2
= 0 . AI

talA; +akAt =0,

1~1 /$ok

1 4 +_. A2 + _. 3 3

A]

1 = _.

A2

+ _. AJ .

4 3

odnosno koristeci (1.8.2)

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)

Teorem 1.8.2. Neka su .'ill i $2 dvije susjedne baze, T = triA; i X = IX/A;

1=1

Buduci da su svi 0./=0, (ie {l,2, ...,n

!: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

(koristimo se pretpostavkom da je tt*<}).

No, i 0./=0 za sve i'i:k, oSto obzirom na prethodni rezultat znaci da je i s ui -!:t.t;
It =

0 za sve i;ek. gdjeje

= 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

~ Vektor X u bazi $, mozemo pisati na sljedece nacine:

x = tX;Ai
;=1

= IX;A;
;=1 ;#

+ xtAk

'

moze prikazati kao lineamu kombinaciju vektora

X = LxA+x~T.
;=1

(1.8.4)

;$ok

Koristeci prikaz vektora T u bazi $2 nalazimo da vrijedi

128

129

Sljedecirn primjerom ilustrirat cemo primjenu navedena dva teorema. Primjer 1.8.5.

Prikazite vektor T

ee

U bazi

{A" A. A,} ako su

'" ~>;Ai
i=1 i..k

+X~~>A +x~tkAk '"

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

+2·[2 +3·[]. +4'[2 +6.13,

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

Iz navedene tablice citamo daje:

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

Traieni prikaz vektora T u bazi {AI, A:z,A31je vektor

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.

1.8.2. Potprostor u 'K'. Baza potprostora.

Definicija 1.8.2. Neprazni podskup 'P vektora n-dimenzionalnog

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

je svaki podskup tog

Iz navedene tablice eitamo daje: At = 1· AI + O· A3 + O· Az , Az = 0 . AI

+ 0 . A) + 1· Az , A3 = 0 . AI + 1· A3 + 0 . Az '
T = 1· Al + 1· A3 + 1· Az .

Teorem 1.8.3. Nuzan i dovoljan uvjet da 'Pr; 'f(' bude potprostor u

'R" jest da 'P za

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

za sve X,Ye'P i sve a,j3eR, ajer je P zatvoren na zbrajanje, to je

«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

Presjek dva potprostora PI. Pzr;;; 1(' takoder je potprostor u

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)

PI i 'Pzpotprostori u 1(', ondaje i 'PlnP2potprostor

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(' .•

sadrzi nul-vektor, to jest ako je 'P potprostor, onda

~ 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}

-[~l, on] A, -Hl A

i

Al + Az

3A3 • (b) T = -2Al + Az - A3,

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

(c) T = 3AI +4Az -5A3,

(d) T=5AI -A2 +3A3•

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

11'. a zatirn u toj bazi prikazite

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

potprostor vektorskog prostora 'R , a zatim mu nadite bazu,

Rjesenje: (a) T

= AI

+ A2 + A3 + A4, (b)

= 2AI

-3A2 +4A3 -5A4•

5. Nekaje A =

G] vektor iz 'll Pokazite daje skup

1i

= { x I x E 'R2
2

i X' A

= 0}

1.9. Rang matrice

Uvodenje pojma baze f!iJ vektorskog prostora ')Vomogucilo nam je da bilo koji vektor Xe')V prikazerno pomocu vektora iz $. U nastavku cemo razmatrati vektore iskljucivo iz prostora 'R , to jest smatrat cemo da je r= 'Rn. Svaku matricu AEJ(,." mozemo promatrati kao n m-komponentnih vektora, Nairne, ako j e A EJ(,.", onda to znaci da je

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

vektoru pa oznacimo lij-ti (ie {l.2, ...,n}) stupac matrice A sa proizvoljan.

=[

__X~J= X{ _ ~], XIE'R

Dakle, baza od 1-1 je jednoclani skup

jer se svaki vektor iz 'H moze prikazati pomocu vektora [ 1]

-1 .

matricu A mozemo pisati i ovako:

6. Neka je A = [~] vektor iz R' _Pokazite da je skup

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

A lineamo neovisna. ~ Buduci daje

=[ ~ ~ -~]
-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

+ azAz + a3A3 + ~A4 = 0

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

3-clanih podskupova skupa.d:

(1) JlI = {AI,AZ.A3},

(2) ~

= {Al.AZ,A4}.
{A2.A),A4}.

(3).J'h == {AI.A3.A4}, (4)..d4;;;;;

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;;;;;

Primjer 1.9.2. Odredite rang matrice

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.

Buduci da i ovaj sustav osim trivijalnog ima i (beskonacno mnogo) netrivijainih

rjesenja, zakljucujerno da su i vektori AI>A3i A4lineamo ovisni.

Preostaje da jos ispitarno da li su vektori A2, A3 i A4 linearno neovisni. Sada, treba rijesiti sljedeci linearni sustav od 4 jednadzbe s 3 nepoznanice:
EIA2 + EZA3+ E3A4

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)

Rezultat provjerite koristeci se definicijom 1.9.1.

Rjesenje: (a) r(A)=2, (b) r(A)=2, (e) r(A)=2, (d) r(A)=4.

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

1 ima maksimalan rang. Rjesenje: r(A)=4 za sve tER 4. Odredite parametar

tE'R

0 0 -3

~l ~~l
0 1 10 10 0 1 4 1 0 1

~ ,(e)

if) F=

Rezultat provjerite koristeci se definicijom 1.9.2.

RjeJenje: (a) r(A)=2, r(A)=2, (g) r(A}=3. (b) r(A)=2, (e) r(A)=l,

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.

(d) r(A)=3, (e) r(A}=2,

if)

Rjesenje: rCA}=3 za sve tER 5. Odredite parametar

tE'R

takav da matrica

2. Koristeci se definicijom 1.9.2. odredite rang sljedecim matricama:

-2 0

(alA

=[! ~ ~l'(b) B=[-~

-3 -6

2 5 7 ima maksimalan rang.

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]

£21 :3 ' (j)

t

A=

[4t 51 6t]. 51 7t 8t
za
t:;t:

2t

3t

za

t;li:

2.

7. Odredite parametar t E 'R takav da matrica

A = [~

,;

If;:]
t +2

Rjeienje: (a) r(A):;;:

za t =0

ima minirnalan rang. Rjeienje: rCA) :;;:2 za t

=~ .

(e) rCA) = {

za t 11: {0,2} {}' 2 za IE 0,2

3 za
(d) rCA):;;:

t;l:-

3 1

2 za

t=-

2 za
(e) rCA) =

t 'l {-1,0,1}

8. Odredite parametar tE'R takav da matriea

1 A:;;: 2 [ ima rninimalan rang. Rjdenje: rCA) :;;:1 za 9. Odredite rang
U

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

1.10. Elementarne transformacije nad recima (stupcima) matrice

Pod elementamim transformacijama podrazumijevamo izvrsene nad reeima (odnosno, stupeima) matrice A: sljedece operaeije

1 = 2.
0

ovisnosti 1+2

vrijednosti parametra tER sljedecim matricama:

(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

'

('t2) dodavanje nekog retka (stupea) matriee A, eventualno pomnozenog

0
2

o
1-3 1+1 t

skalarorn, nekom drugom retku (stupcu) te matrice,

('t3) zamjena mjesta dvaju redaka (stupaea) matrice A.

~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

(hilo nad stupcima

bilo nad recima

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'[~

- 3 1:3 • •• •• - [Prvll drugi redak zamjene mjesta] 1 -1 -2 3 -2 -5

-1

0]

-[~
2

2 -1
1 1 1

_3] o

1:~

[(a) Ir· (-2) + IIr

(b)Ir·(-l)+IVr

-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

-I] :~ -[(b)rr r- (-I)+llli]

(a)Ilr·(-2)+lr (c) IIr·(·l)+ IVr

B= 0 0

10

o o

-1 -2 0
1 -1

-~] _ [(a) Is- (-I)+ Ills]

o
(b) Ils+ lUs 0

0 0

o0
p

0
0

I 0 0

Primjer 1.10.1. Koristeci se elernentarnim transformacijarna odredite rang matrice

o o o o

-2 _[{a)IS.<-I)+IVS] 0 (b) IIs·2+Ns 0

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'

1 - [pomnozit cemo svaki redak s -]

t

Sljedece zadatke rijesite prirnjenjujuci elementame transfonnacije retke matrice A. I. Odredite rang sljedecim rnatricarna:

na stupce i

(Navedeno znaci da pretpostavljamo da je t rijec 0 nul-rnatrici, pa je r(A) = 0.)

;t

O. Uocimo da je u slucaju t ==0

(a)

t] -:3 ;2 - [

(a) Ir·(-t2)+/[r (a) Ir·(-t )+IlIr (a) lr·(-t)+ IVr

3

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

,2 (1-. ~)(' +/)]

(I-t)(l+t) Aka je IE

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,

(b) r(A)==2, (e) r(A)=l,

(d) r(A)=3,

if>

r(A)=2. (g) r(A)=3. 2. Odredite rang sljedecim matricama:

150

151

I :.
'.

Rjdenje: rCA)= 3 za t

-:t:.

-1.

-14 -20

; '~=~1'
14

6. Odredite parametar tE'R takav da matrica

o
-1
(c)

34 23

A= :
[

14

-~l
0

a
-1
-2

C=

1 6 -1

12
0 1

,(d)

ima rnaksimalan rang. Rjelenje: rCA);;;;; za t 4

-3

-1

-4 -3 -2 -1

* 2.

7. Odredite parametar tE'R takav da matrica

Rjesenje: (a) r(A)=2, (b) r(A);;;;;2,(c) r(A)=2, (d) r(A)~.

3. Odredite parametar te'R takav da matrica 2

t

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

8. Odredite parametar tE'R takav da matrica

t

4. Odredite parametar te'R takav da matrica

1 -1

a
3
-I

-1

a
A=

2 0
2

20

A= 2 3 [ a1 ima minimalan rang. Rjesenje: rCA) = 1 za 1=2. 9. Odredite rang

U

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

vrijednosti parametra tE'R sljedecirn matricama: 0 0 t -t 0 -2 I-t 1 1 , (-1 0

5. Odredite parametar le'R takav da matrica -2

0
I

3
2

A=H
ima maksimalan rang.
152

1 3 -1

-~]
-t

(a) A;;;;; [' 43+212

: 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

A = ~~: ~~.~ .... ..::::::.~.~~ , [

amI am2 ...... amn

Rjeienie: 3 za t ~ {I. I;}

(a) rCA) =

a vektor nepoznanica X, odnosno slobodnib koeficijenata B

3
• (b) r(A)={

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=-

2 za (*,O (e) rCA) = { 0 za t = 0

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).

1.11. Sustavi linearnih [ednadzbi

1.11.1. Opeenito
0

U nastavku cemo nastojati odgovoriti mi.sljedeca pitanja:

(1) Ima Ii lineami sustav (1.11.1) rjesenje? (2) Aka ima, koliko i kako ga (ih) izracunati? Dakle, treba naci postupak (metodu) kojim se dolazi do rjesenja ako postoji(e), odnosno utvrduje nekonzistentnost razmatranog sustava lineamih jednadzbi. Najprije
nepoznanica, to jest

linearnim sustavima

Mnogi problemi vode na sljedeci sustav linearnih jednadzbi

allxI +a12x2

a2lxI +a22X2

+ +alnxn =b, + +a2nxn =b2

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

Nenul-vektor je vektor kojemu je barern jedna kornponenta razlicita ad O.

154

155

(l)

A je regulama matrica, a vektor 8;t!0,

-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.

Kontrola. Uvrstimo li dobivene vrijednosti u pocetni sustav, sve jednadzbe

prelaze u identitete:

-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

+ 3x) + 2x) + 5xJ

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

, X2=0 , ... ,..(,,=0 .

~ !I
-22

Primjer 1.10.2. =-4, Rijesite Iinearni sustav

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 + 3·0 o + 2·0 4·0 - 0 + 5·0

tjesenju razrnatranog

0 0, 0

~to znaci daje doista rijee

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

Teorem 1.11.1. (Kronecker-CapeUijev teorem)

Lineami sustav AX=B ima rjesenje ako i sarno ako je rang pros irene matrice Ap=A IB jednak rangu matrice koeficijenata sustava A, to jest sustav (1.11.2) je rjesiv ako i sarno ako je

gdje je ARE ,""" ken, a pritorn se vektori B i X transformiraju

u vektore

Ocigledno je iii rCAp) ==rCA) ili je rCAp) > rCA) . (1.11.5) (1.11.4)

gdje su XR,BRE<K,

X, B

k E 'Rn- • Ako su ispunjeni odredeni uvjeti, rjesenje

polaznog sustava, koji mozemo pisati i pomocu blok-matrica:

~ 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

Dakle, u prosirenoj matrici

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

to je r(A)=2. S druge strane, prosirena matrica

= clAI =
j=1

+ czAz+

...

+ c,A,+

cr+IA .....+ 1 ...+ cnAn =

[tajjcj]

= AC,
E

A,

=[~-~ ~ :]
°
od O. Nairne,

sto znaci da je vektor C=[cil (1.11.2) je rjesiv, _

nn rjesenje

sustava

(1.11.2), to jest sustav

ima rang 3,jer pastoji subdeterminanta 3. reda razlicita

Kao izravnu posljedicu Kronecker-Capellijevog posljedicu.

teorema navodimo sljedecu

2 -3 1 -1 - 3 1 31=-2 30=
3 0 1 3 0

1-1 -31 =-9*0.

-2 3

Posljedica 1.11.1. Ako je rang matrice koeficijenata sustava jednak broju jednadzbi, to jest ako je
rCA) = m ,

ondaje u tom slucaju sustav sigurno rjesiv.

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.

-A,=[~ -}~ =[~ -~=[~ -lA'+ 0 0] =[~

-9 0 0 0 -1
00

-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

~ Vidjeli smo da je r(A)=2. Buduci da je

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

1 1 = 0 (dva stupca su jednaka!),

-9 0 o0

-~]
-1

2~ 1 1 == 0 (zbroj l..i 2. retka jednak je 3. retku!),

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

koji se dobije na osnovi matrice

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)

Buduci da je sustav (1.11.8) regularan, njegovo rjesenje nalazimo koristeci se formulom

pri cemu je XR Dakle, XR

=

X] [ x~

AR

[21 "":3] A = [2] a X- = [x -1 3'

1

3].

Ocigledno je sada rnoguc sarno slucaj

reAp) ;;;;;r(A)
I

= -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

Prema tome, rjesenje sustava (Ll1.7) je

= -X) , X2

ee

0,

X3E'R

proizvoljan,

odnosno, pisano u matricnoj notaciji, rjesenje sustava (1.11.7)je vektor

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

.. Vidjeli smo daje r(A);;;;;2. Buduci daje prosirena matrica

izboru

Ap = 1

2 -3 2 0] , ° [
3 1 3

030

Uocimo da svaki homogeni linearni sustav ima (barem jedno) rjesenje. U

slucaju da je sustav regularan (slucaj (II)), hornogeni sustav ima samo trivijalno rjesenje, a u slucaju da je sustav singularan (slucaj (lV)), osim trivijalnog rjeS:enja, on ima jos beskonacno rnnogo drugih partikularnih rjesenja, koja generiramo, izborom slobodnih varijabLi, iz opceg rjesenja,

ocigledno je i r(Ap)=2, jer nul stupac ne moze povecati rang matrici, Dakle, prema teoremu 1, sustav je konzistentan.

L66

167

Primjer 1.11.6. Odredite parametar

IE'R

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;;;:;;

2 reAp) =2. Buduci daje A - 0 -1

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

postoj i element razlieit od 0, pa je r(AI') =3. I istog je razloga, a jer je A- 0 -1

t +1

I. redak pornnozit cerno sa 2 i dodati 2. retku, a zatirn cerno I.redak dodati

( 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'

=[-~-~ ~ I-~]-1 0 2t 1+1

169

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.

r(A);;;; 3 ::: r(Ap), pa je za t

=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

Prema tome, razmatrani sustav nije konzistentan sarno ako je t = 1. •

1.11.2. Cramerov sustav

Deflnicija
1.11.3. Sustav lineamih jednadzbi AX;;;;B nazivamo Cramerovim sustavom ako su ispunjena sljedeca dva uvjeta:

-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:::

1 r(Ap) =3. Buduci daje u tom slucaju

bl

...... aln
......

A-

1 0 -2]
0 0

Dj

a21 a22

b2

a1n

.]« {1,2, ... ,n}.

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,

Moze se pokazati da je (jedinstveno) formulama:

Xi

rjesenje Cramerovog

sustava dana

D. =-' , iE{l,2 •...•n}. D

onda to znaci daje t = 2. U tom sluca]u je

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[

+
-

6x4 x4 2X4 3x4

::::

3 1 -1 '

+
-

2x]

Dakle, pokazali smo da je rijec mo deterrnlnante o; j E { 1,2,3}: 4 DI

=

Cramerovom sustavu. Preostaje da izracuna4 2 -1

+ +
-

xJ

==
::: ::::

-3

2 -1 2

1= 2

o
26

0 =2.1

-2 -1
34 -1

0 -2 -1

-2 -1

-11 =8

'

x[ (d) -2x[ -Xl

x2
2X2 X2

+
-

x]

-1 2, 1

+ 2xJ
x) Xl 2x] x] 3x) 2x) x) x]

D2= -1 2

1=-1

3 0 -1

2 ~=(-I)I~ 61=8 2 ' 22

XI

X2 2X2 x2 4X2 2X2 6X2 6x2 x2

-1
2, 2

(e)

-2x[
-XI

D]

2 -1 2 3 -2
3

+ +

+ +

~=-~ ~~ ~=-21~ =~=8

_ D2 _ 8 _ x2 -----1, D 8
x3 =-=-=1

3x[

+ +
-

-4
:::

(j)

-2x[ -Xl

2, 2

Dakle, rje~enja razmatranog sustava su:

=-=-=1,

+
-

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[

1. Ispitajte koji od sljedecih sustava lineamih jednadzbi su konzistentni, a koji ne:

XI

4x[ (h) 5x[ 2xI XI 2x[

+ +

3x2 3x2 11x2 5x2 7X2 x2 3x2 2X2

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)

2x. 3x. 2x. 2xJ

+ 2x2 + 3x2 + 2xz

x2 3xz 3x2 2xz

+ 3xs - 2X4 + 3xs

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

==

Dakle, r(A) ;;;;;1

(k)

6x. 6x. 4xl

+ 2X4 + 4X4 + 8x4 X4 xJ +

+ 13xs

1 -1 -1 -1]
0 0 0 1 0 1

= r(Ap), paje

000

Dakle, r(A) = 1;1:. = r(Ap), pa sustav nije konzistentan, 2

RjeJenje: Prema Kronecker-Capellijevom teoremu moramo usporediti r(A) i r(Ap). Najbolje je primijeniti eJementarne transformacije na prosirenu

matricu kako smo to uCinili u primjeru 1.l1.3:

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

Dalde, r(A) = 2 == r(Ap), pa je sustav konzistentan.

-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

Dakle, r(A) = 3 = r(Ap), paje sustav konzistentan,

-2 -3
0 0

[Io -I 1 -3
0 1 -3 -1 0 1 -3 0

21 5
-3 1
(i) AI' -

0 0

Dakle, r(A) ;;;;; ;t;. 5 = r(Ap), pa sustav nije konzistentan. 4

Dakle, r(A) = 3 ;I:. 4 == r(Ap), pa sustav nije konzistentan.

[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' -

Dakle, rCA) = 3 = r(Ap), paje sustav konzistentan.

0) AI' - 0 0 [

o 0 -2
0-2

3 0

000

174

175

Dakle, r(A) ;;;;; *" 4 = r(Ap), pa sustav nije konzistentan, 3 2

(k) Ap -

(d) Xl =

34xI -17x2 -29

-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

+ + +

6x1 x2 2X2 Xl Xl 3x2 2X2 x2

+ + + + + + + + + + + + +
-

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

2Xl 3xz 6xz Xz 2X2 3xz 6xz x2

3xJ
X3 14x3
x)

+ + + +
::=

+ 5xJ + 6x]
9x]

7,
18

3h4
2X4 4X4 8x4 X4

+
+ + +

4x) SX3 6x3 9x] 4x)

2 3 S

(e)

6x1 6x,
4xI
XI

3x2 3x2 2xz

Xl

2x) 4X3 Xl

+ + +

+ + + +

3xs 5xs 13xs 2xs

3xI
(e) 2xI
XI

3 9'

+ + +

4X4 8x4 20x4

tX4

-11
2

4xI

xJ
2x)
2X3

(j)

-2xl
-XI

2x2
Xl

0 0
0

5(t Rjeienje: (a) Ako je -- + 1) *" O· ,to Jest t 2

*" - 1,

.. sustav ima je di mstveno

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

2-t2 t(t (b) Ako je t(1

+ 3)
. Za

(a)

(I + l)x. -2x. Ix.

tX2

Ixl
x2 + +

0
0'
Xl

+ 3) ;t 0, sustav ima jedinstveno rjesenje

2t-1
I(t+ 3)

0 = 0,

tJ +212 -t-1
1(/+3)

(b) -2xl 2x. 5xI (c) -txt 2xI 5x. + +

x2

+ +

2x3 3x) x) 2x)

Xl

= =

0 0 0, 0
Xl

tE{-3,O} sustav je nekonzistentan.

21x2 3x2

(e) Ako je t(t

+ 3) #- 0, sustav ima jedinstveno rjesen]e [

~;~:
t3 +212 -t-l

]. Za
(d)

r-O

ope. rj.. enje sustava j.

[ - x~-

x, x" »ER proizvoljni.

l'

+ + 12X2 +
J

= =

0 0, 0 0 0 =0 0

-Ixl

(t +2)x)
X3

Ako je t = -3,

-5x.

ope. ~".nj. je [::

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

0, sustav ima opce rjesenje _

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

-~,

(e) IE'R proizvoljan. (d)

[;t

Ni za jedan

IE 'R,

jer je

I A 1=0 za svako IE 'R. (e)

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,

XJ, X4E'R proizvoljni. Ako je I

#-

8, opce rjesenje sustava je

+
-

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

+ +

2xJ (2-t)x3 3xJ

= =

" '~

".

-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

2X4 4X4 8x4 2X4 X4

:=

[-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

.. I. nernvija Ino rjesenje, koi . .. . oje

x •

Rjeienje: (a) XI = x2 = X3 = 0, (b) Xl = x2 = Xl = 1. (c) (e)

XI Xl

= I, X2 = 2. X3 3. X4 = 4. Cd) Xl = 1. X2 = -2. X3 = -3, X4 = -3. X2 = -2. X3 4, X4 5.

= 4.

-3t)

mozerno pisati u vektorskorn obliku ovako:

(3t-

5-3t
t+2

5)(t - 3) t+2

1.12. Input-output analiza

U prethodnoj tocki pokazali srno kako se moze rijesiti sustav od n linearnih jednadzbi sa n nepoznanica. U ovoj tocki ukazat cemo na jednu prirnjenu izlozenoga u ekonomiji: input-output IS analizu. Naglasavamo da nam nije svrha detaljno upoznavanje citatelja s input-output analizorn. One koji, pak, zele saznati vi~e 0 ovoj zanimljivoj i za ekonomiste veoma znacajnoj rnateriji, upucujerno na naslove navedene u popisu koristene literature.l'' U nastavku cerno pretpostavljati podijeljeno na n sektora. da analizirarno gospodarstvo neke zemlje

(c) Za svako tE Nsustav ima netrivijalno rjesenje: [~::

~:~ ;~t~tl' -t+1O

_t3 (d) Ni za jedan te Rsustav nema netrivijalno rjesenje.

6. Najprije provjerite da su sljedeci sustavi lineamih jednadibi zatim ih rijesite:

Xl

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)

2Xl Xl 4Xl 6xz

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

Q2 = Q21 +Q22 + ..·+Q2n +q2 Qn:::

Qnl +Qn2

= 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,

Navedeni sustav jednadibi ravnoteze rnozerno pisati i ovako:

n

Qj::: L:>ijQj (1.12.1)

j=1

+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;

Qij QII Q21 QI2 Q22

Oln

qj
ql 02

01

Uocimo daje sustav (1.12.2) sustav od n linearnihjednadZbi sa 2n nepoznanica. Uvedemo li oznake

all a21

O2

0...

a.2 a22

a.n a2n , Q=

Q. Q2 q=

ql q2

A=
Qn
n

Q.I

Qn2

Q.n

qn an. an2 ann Qn qn

U (1.12.1) LQ;j
j=1

predstavlja ukupnu kolicinu medusektorske potrosnje i-tog

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)

sustav jednadibi ravnoteie (1.12.2) mozerno u matricnoj formi pisati ovako:

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.

svih mputa, ove jednadzbe zovema jednadibama ravnoteie.

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

Q3 Q23 = 0,2 Q3 0.2

[0.1

0.1 0.3 0.4

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:

potrosnju Qij, i.j« {1,2,3} racunamo koristeci re!acije Qij=

aijQj.

iJEI,

buduci da smo pretpostaviii da se tehnoloski uvjeti nisu promijenili. Nalazimo daje Qll

= 36,

Q12::=; 48, Q22= 144,

QI3;; 120, Qn'" 120, Q33",180.

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

120 120 180

156 144 156

Vidjeti, na primjer, R. Bellman, Introduction Inc., New York, 1960.

/0

Matrix Analysjs, McGraw-Hili

Book Company,

600

184

185