You are on page 1of 17

Napomena: U materijalu koji sledi date su samo definicije, iskazi teorema i algoritama a

izostavljeni su primeri i dokazi teorema koji su radjeni na ˇcasovima predavanja.
(Literatura:
D.Cvetkovi´c, I. Lackovi´c, M. Merkle, Z. Radosavljevi´c, S. Simi´c, P. Vasi´c: ”Matematika I - Algebra” )
Kombinatorika
Kombinatorika je matematiˇcka disciplina koja se bavi problemima postojanja, prebrojavanja i konstrukcije
elemenata sa zadatim osobinama u konaˇcnim skupovima.
Osnovni kombinatorni principi na kojima se zasnivaju skoro sva prebrojavanja su:
- princip jednakosti: Za konaˇcne skupove A i B i bijekciju f : A → B, vaˇzi |A| = |B|,
- princip zbira: za disjunktne i konaˇcne skupove A i B vaˇzi |A ∪ B| = |A| +|B|.
- princip proizvoda: Za konaˇcne skupove A i B vaˇzi |A ⊗B| = |A| · |B|.
Osnovni kombinatorni objekti
Neka je X
n
= {x
1
, x
2
, ..., x
n
}.
Definicija 1. Permutacija skupa X
n
je bilo koja uredjena n-torka razliˇcitih elemenata iz tog skupa.
Definicija 1

. Permutacija skupa X
n
je proizvoljno bijektivno preslikavanje skupa {1, 2, ...n} na skup X
n
.
Primer (...).
Teorema 1. Broj permutacija skupa od n elemenata je P
n
= n!.
Dokaz (...)
Definicija 2. Varijacija k-te klase skupa X
n
je bilo koja uredjena k-torka razliˇcitih elemenata is tog skupa.
Definicija 2

. Varijacija k-te klase skupa X
n
je proizvoljno injektivno (1-1) preslikavanje skupa {1, 2, ...k}
u skup X
n
.
Primer (...).
Teorema 2. Broj varijacija k-te klase skupa od n elemenata je V
k
n
= n · (n −1) · ... · (n −k + 1).
Dokaz (...)
Definicija 3. Kombinacija k-te klase skupa X
n
je bilo koji njegov podskup od k elemenata.
Definicija 3

. Kombinacija skupa X
n
je bilo koje preslikavanje (u oznaci f) tog skupa u skup {0, 1}. Klasa
kombinacije jednaka je |f
−1
(1)|.
Primer (...).
Teorema 3. Broj kombinacija k-te klase skupa od n elemenata je C
k
n
=
_
n
k
_
=
n(n −1)....(n −k + 1)
k!
.
Dokaz (...)
Definicija 4. Varijacija sa ponavljanjemk-te klase skupa X
n
je bilo koja uredjena k-torka njegovih elemenata.
1
Definicija 4

. Varijacija sa ponavljanjem k-te klase skupa X
n
je bilo koje preslikavanje skupa {1, 2, ...k} u
skup X
n
.
Primer (...).
Teorema 4. Broj varijacija sa ponavljanjem k-te klase skupa od n elemenata je V
k
n
= n
k
.
Dokaz (...).
Definicija 5. (Varijacija sa ponavljanjem datog tipa)
Varijacija sa ponavljanjem k-te klase u kojoj se elementi x
1
, x
2
, ...x
n
skupa X
n
pojavljuju redom m
1
, m
2
, ...m
n
puta (m
1
+m
2
+... +m
n
= k) je bilo koja uredjena k-torka njegovih elemenata u kojoj se za svako i ∈ {1, ...n}
element x
i
pojavljuje m
i
puta.
Primer (...).
Teorema 5. Broj varijacija k-te klase sa ponavljanjem datog tipa, skupa od n elemenata je
V
m
1
,m
2
,...m
n
=
(m
1
+m
2
+... +m
n
)!
m
1
! · m
2
! · ... · m
n
!
.
Dokaz (...).
Definicija 6. Kombinacije k-te klase sa ponavljanjem skupa X
n
je bilo koji multiskup sastavljen od taˇcno k
ne obavezno razliˇcitih elemenata skupa X
n
.
Definicija 6

. Kombinacije sa ponavljanjem skupa X
n
je bilo koje preslikavanje (u oznaci f) tog skupa u
skup {0, 1, ...}. Klasa kombinacije data je sumom k = |f
−1
(1)| + 2|f
−1
(2)| +....
Primer (...).
Teorema 6. Broj kombinacija sa ponavljanjem k-te klase skupa od n elemenata je
C
k
n
=
_
n +k −1
k
_
=
_
n +k −1
n −1
_
.
Dokaz (...).
Definicija 7. Neka je n prirodan broj, a a
1
, a
2
, ...a
r
prirodni brojevi takvi da vaˇzi a
1
+ a
2
+ ... + a
r
= n.
Reprezentacija broja n u obliku a
1
+a
2
+... +a
r
= n naziva sa podela (ili razbijanje) tog broja, ili preciznije
r-podela.
Definicija 8. Kompozicija broja n je bilo koja uredjena podela, tj. podela kod koje je poredak bitan.
Particija broja n je bilo koja neuredjena podela, tj. podela kod koje je poredak sabiraka nebitan.
Primeri (...)
Teorema 7. 1) Broj kompozicija broja n koje imaju r sabiraka je
_
n −1
r −1
_
.
2) Broj svih kompozicija broja n bez ograniˇcenja na broj sabiraka jednak je 2
n−1
.
Dokaz. (...)
Princip ukljuˇcenja-iskljuˇcenja
Ovo je joˇs jedan (specifiˇcni) princip kombinatornog prebrojavanja.
Teorema 8. (princip ukljuˇcenja-iskljuˇcenja) Za konaˇcne skupove A
1
, A
2
, ...A
n
vaˇzi:
|A
1
∪A
2
∪...∪A
n
| =

1≤i≤n
|A
i
| −

1≤i<j≤n
|A
i
∩A
j
| +

1≤i<j<k≤n
|A
i
∩A
j
∩A
k
| + ... +(−1)
n−1
|A
1
∩A
2
∩...∩A
n
|.
Dokaz (...).
2
Booleova algebra
Definicija 1. Neprazan skup B na kome su definisane dve binarne operacije ∨ (”kap”, ”ili”) i ∧ (”kep,
”i”) i jedna unarna operacija ¬ ( ¯) sa slede´cim osobinama:
B1. Komutativnost: (∀a, b ∈ B) a ∧ b = b ∧ a, a ∨ b = b ∨ a ;
B2. Asocijativnost: (∀a, b, c ∈ B) a ∧ (b ∧ c) = (a ∧ b) ∧ c, a ∨ (b ∨ c) = (a ∨ b) ∨ c ;
B3. Distributivnost: (∀a, b, c ∈ B) a ∨ (b ∧ c) = (a ∨ b) ∧ (a ∨ c), a ∧ (b ∨ c) = (a ∧ b) ∨ (a ∧ c) ;
B4. Postojanje neutralnih elemenata: (∃0 ∈ B)(∀x ∈ B) x ∨ 0 = x, (∃1 ∈ B)(∀x ∈ B) x ∧ 1 = x;
B5. Postojanje komplementa: (∀x ∈ B)(∃x ∈ B) x ∧ x = 0, x ∨ x = 1.
naziva se Bulova algebra.
Ovako definisana algebra oznaˇcava se B = (B, ∧, ∨), ili B = (B, ∧, ∨, ¯ ).
Primeri Bulove algebre:
1. Binarna (dvoˇclana) Bulova algebra (...)
Interpretacije: 1) Iskazna algebra (...).
2) Prekidaˇcka algebra (...).
2. Algebra skupova (...)
Teorema 1. (Stone-ova teorema)
Za svaku konaˇcnu Bulovu algebru B = (B, ∧, ∨) postoji skup I takav da postoji bijekcija
f : B → P(I) sa osobinom (∀x, y ∈ B) f(x ∧ y) = f(x) ∩ f(y),
f(x ∨ y) = f(x) ∪ f(y).
Napomena: Stone-ova teorema tvrdi da je svaka konaˇcna Bulova algebra B = (B, ∧, ∨) izomorfna nekoj
algebri skupova (P(I), ∪, ∩).
Bijekcija f naziva se izomorfizam algebere B = (B, ∧, ∨) sa algebrom (P(I), ∩, ∪).
Posledice:
1) Bulovu algebru mogu´ce je konstruisati samo na skupu B koji ima 2
m
(m ∈ N) elemenata.
2) Rezultat Stone-ove teoreme daje mogu´cnost da se u dokazivanju rezultata Bulove algebre mogu koristiti
metodi koji se primenjuju u teoriji skupova.
Primer/zadatak Konstruisati ˇcetvoroˇclanu Bulovu algebru.
Teoreme u Booleovoj algebri
Za svako a, b ∈ B vaˇzi:
T1. 1) a ∨ a = a 2) a ∧ a = a
T2. 1) a ∨ 1 = 1 2) a ∧ 0 = 0
3
T3. 1) a ∨ (a ∧ b) = a 2) a ∧ (a ∨ b) = a
T4. 1) a ∨ (¯ a ∧ b) = a ∨ b 2) a ∧ (¯ a ∨ b) = a ∧ b
T5. 1) (a ∨ b) ∨ (¯ a ∧
¯
b) = 1 2) (a ∧ b) ∧ (¯ a ∨
¯
b) = 0
T6. 1) (a ∨ b) ∧ (¯ a ∧
¯
b) = 0 2) (a ∧ b) ∨ (¯ a ∨
¯
b) = 1
T7. 1)
¯
0 = 1 2)
¯
1 = 0
T8. (a) = a
T9. Elementi 0 i 1 su jedinstveni.
T10. Svaki element a ima jedinstveni komplement ¯ a.
T11. DeMorganovi zakoni: 1) (a ∧ b) = a ∨ b; 2) (a ∨ b) = a ∧ b;
Princip dualnosti
Ako je neka jednakost teorema Bulove algebre, tada zamenom ∧ sa ∨, ∨ sa ∧, 0 sa 1, 1 sa 0 u toj
jednakosti (teoremi) dobijamo jednakost koja je takodje teorema u Bulovoj algebri.
Dakle, polaze´ci od Bulove algebre B = (B, ∧, ∨) mogu´ce je formirati Bulovu algebru B = (B, ∨, ∧).
Algebre B = (B, ∧, ∨) i B = (B, ∨, ∧) su uzajamno dualne Bulove algebre.
Teorema 2. Dualne Bulove algebre su izomorfne.
Bulovi izrazi u binarnoj Bulovoj algebri
Posmatramo Bulovu algebru B = ({0, 1}, ∧, ∨).
Definicija 2. U skupu {0, 1} definiˇsemo izraz x
a
=
_
0, x = a
1, x = a
.
Dakle, iz definicije sledi:
0
0
= 1, 1
1
= 1
0
1
= 0, 1
0
= 0
.
Teorema 3. U binarnoj Bulovoj algebri za svako x, a, b ∈ {0, 1} vaˇze slede´ce jednakosti:
x
0
= x, x
1
= x, x
a
= (x)
a
= x
a
, x
a
∨ x
b
=
_
x
a
, a = b
1, a = b
, x
a
∧ x
b
=
_
x
a
, a = b
0, a = b
.
Definicija 3. Bulovi izrazi su:
1) 0 i 1 (zovemo ih Bulove konstante);
x, y, z, ... (zovemo ih Bulove promenljive);
2) Ako su A i B Bulovi izrazi, onda su i A ∨ B, A ∧ B, A Bulovi izrazi.
3) Bulovi izrazi se mogu dobiti konaˇcnim brojem primena taˇcaka 1) i 2).
4
Primer (...)
Definicija 4.
1) Elementarna disjunkcija promenljivih x
1
, x
2
, ...x
n
je Bulov izraz (tj. disjunkcija) oblika x
α
i
1
i
1
∨x
α
i
2
i
2
∨...∨x
α
i
m
i
m
, {i
1
, i
2
, ...i
m
} ⊂ {1, 2, ...n}, α
i
1
, α
i
2
, ...α
i
m
∈ {0, 1},
u kome se x
i
(i = 1, ...n) pojavljuje najviˇse jedanput.
2) Elementarna konjunkcija promenljivih x
1
, x
2
, ...x
n
je Bulov izraz (tj. konjunkcija) oblika x
α
i
1
i
1
∧x
α
i
2
i
2
∧...∧x
α
i
m
i
m
, {i
1
, i
2
, ...i
m
} ⊂ {1, 2, ...n}, α
i
1
, α
i
2
, ...α
i
m
∈ {0, 1},
u kome se x
i
(i = 1, ...n) pojavljuje najviˇse jedanput.
3) Kanoniˇcka elementarna disjunkcija (KED) promenljivih x
1
, x
2
, ...x
n
jeste disjunkcija u kojoj se svaka promenljiva pojavljuje taˇcno jednom.
4) Kanoniˇcka elementarna konjunkcija (KEK) promenljivih x
1
, x
2
, ...x
n
jeste konjunkcija u kojoj se svaka promenljiva pojavljuje taˇcno jednom.
5) Disjunktivna forma (DF)
je Bulov izraz K
1
∨ K
2
∨ ... ∨ K
m
, gde su K
i
elementarne konjunkcije.
6) Savrˇsena disjunktivna normalna forma (SDNF) u odnosu na promenljive x
1
, x
2
, ...x
n
je disjunktivna forma K
1
∨ K
2
∨ ... ∨ K
m
u kojoj su K
i
, i = 1, ...n kanoniˇcke elementarne konjunkcije.
Zadatak Napisati definiciju za slede´ce Bulove izraze:
a) Konjunktivna forma (KF) u odnosu na promenljive x
1
, x
2
, ...x
n
.
b) Savrˇsena konjunktivna normalna forma (SKNF) u odnosu na promenljive x
1
, x
2
, ...x
n
.
Primer. (...)
Bulove funkcije
Definicija 5. Bulova funkcija f je preslikavanje f : {0, 1}
n
→ {0, 1}.
Bulove funkcije zadaju se najˇceˇs´ce Bulovim izrazom ili pomo´cu tablica.
Primeri (...)
Teorema 4. Broj razliˇcitih Bulovih funkcija f : {0, 1}
n
→ {0, 1} od n argumenata (promenljivih) je 2
2
n
.
(Dokaz...)
Zadatak. Navesti (preko tablice) sve Bulove funkcije od 1 i 2 argumenta.
Teorema 5. Svaka Bulova funkcija zadata pomo´cu Bulovog izraza moˇze se izraziti pomo´cu tablice.
Da li se svaka Bulova funkcija koja je data pomo´cu tablice moˇze napisati pomo´cu Bulovog
izraza?
Teorema 6. Za svaku Bulovu funkciju, izuzev funkcije koja je identiˇcki jednaka 0, vaˇzi
f(x
1
, x
2
, ...x
n
) =

α∈{0,1}
n
α=(α
1
,...α
n
)
[ f(α
1
, ...α
n
) ∧ x
α
1
1
∧ ...x
α
n
n
].
5
(Dokaz...)
Teorema 7. Za svaku Bulovu funkciju, izuzev funkcije koja je identiˇcki jednaka 1, vaˇzi
f(x
1
, x
2
, ...x
n
) =

α∈{0,1}
n
α=(α
1
,...α
n
)
[ f(α
1
, ...α
n
) ∨ x
α
1
1
∨ ...x
α
n
n
].
Baze Bulovih funkcija
Iz Teoreme 6. i Teoreme 7. proizilazi da se svaka Bulova funkcija f : {0, 1}
n
→ {0, 1} moˇze izraziti
pomo´cu operacija ∧, ∨, ¯.
Neka je M skup svih Bulovih funkcija od 1 i 2 argumenta.
Definicija Skup N, N ⊂ M, je generatorski skup skupa M ako se pomo´cu funkcija iz skupa N mogu
izraziti sve funkcije iz skupa M.
Primer (...)
Definicija Skup U, (U ⊂ M) naziva se baza Bulovih funkcija ako su ispunjena slede´ca dva uslova:
1) U je generatorski skup skupa M;
2) nijedan pravi podskup skupa U nema osobinu 1) tj. ne moˇze biti generatorski skup skupa M.
Primeri (...)
6
Vektorski prostor
Definicija 1. Vektorski prostor V nad poljem F je uredjen par (V, F)
gde je: 1) V neprazan skup (njegove elemente zovemo vektorima);
2) F je polje (njegove elemente zovemo skalarima);
3) U skupu V je definisana binarna operacija + : V
2
→ V , koju nazivamo sabiranje vektora, takva da
je grupoid (V, +) Abelova grupa.
4) Definisana je operacija · : F ×V → V , koju zovemo mnoˇzenje vektora skalarom (tj. elementom)
polja F za koju vaˇzi: α·(x+y) = α·x +α·y
(α+β)·x = α·x +β · x
α·(β·x) = (αβ)·x
1·x = x
gde su x, y, z proizvoljni vektori, α, β proizvoljni skalari polja F i 1 neutralni element za mnoˇzenje iz polja
F.
Napomena: Vektorski prostor (V, F) se ˇcesto kratko oznaˇcava sa V , ako je poznato nad kojim poljem F je
on konstruisan.
Ukoliko je F = R prostor nazivamo realnim, dok ga za F = C nazivamo kompleksnim.
Teorema 1. U vektorskom prostoru (V, F) za proizvoljni vektor x ∈ V vaˇzi:
1) 0·x = 0 2) (−1)·x = −x
Dokaz (...).
Primeri vektorskog prostora (...)
Definicija 2. Neka je (V, F) vektorski prostor. Izraz α
1
x
1

2
x
2
+. . . +α
n
x
n
gde α
i
∈ F, x
i
∈ V, (i = 1, . . . n) naziva se linearna kombinacija vektora x
1
, x
2
, . . . x
n
.
Definicija 3. Za vektore x
1
, x
2
, . . . x
n
iz vektorskog prostora (V, F) kaˇzemo da su linearno zavisni (ili da ˇcine
linearno zavisni skup vektora) ako postoje elementi α
1
, α
2
, . . . α
n
polja F, od kojih nisu svi jednaki 0, takvi
da vaˇzi jednakost: α
1
x
1

2
x
2
+. . . +α
n
x
n
= 0.
Ako vektori nisu linearno zavisni, kaˇzemo da su linearno nezavisni (ili da ˇcine linearno nezavisni skup vektora).
(Drugim reˇcima, za linearno nezavisne vektore x
1
, x
2
, . . . x
n
vaˇzi da iz jednakosti α
1
x
1

2
x
2
+. . . +α
n
x
n
= 0 sleduje
α
1
= α
2
= . . . α
n
= 0.)
Primeri (...)
Definicija 4. (Vektorski potprostor) Neka je (V, F) vektorski prostor. Skup U ⊂ V (U = ∅) je
potprostor prostora V ako je (U, F) vektorski prostor.
Teorema 2. Skup U ⊂ V (U = ∅), je potprostor vektorskog prostora (V, F) ako i samo ako
(∀x, y ∈ U)(∀λ, µ ∈ F)λx + µy ∈ U.
7
Dokaz (...)
Definicija 5. Neka je U = {x
1
, x
2
, . . . x
n
} podskup prostora V (nad poljem F). Lineal nad U (linearni
omotaˇc) je skup L(U) = {α
1
x
1

2
x
2
+. . . α
n
x
n
| α
i
∈ F, x
i
∈ V (i = 1, . . . n)}.
Primeri (...).
Teorema 3. Neka je ∅ = U ⊂ V , gde je (V, F) vektorski prostor. Tada je L(U) vektorski potprostor
prostora V .
Definicija 6. Skup vektora B = {x
1
, x
2
, . . . x
n
} naziva se generatorski skup za podskup W vektorskog prostora
V , ako se svaki vektor iz W moˇze izraziti kao linearna kombinacija vektora iz B.
Definicija 7. Neka je (V, F) vektorski prostor. Skup B ⊂ V naziva se baza vektorskog prostora ako je:
B lineano nezavisni skup vektora i ako B generiˇse V (tj. B je generatorski skup za V ).
Primer (...)
Definicija 8. Ako vektorski prostor ima bar jednu bazu koja sadrˇzi konaˇcno mnogo elemenata, prostor se
naziva konaˇcno-dimenzionalan. Ako neka baza ima beskonaˇcno mnogo elemenata, prostor je beskonaˇcno-
dimenzionalan.
Teorema 4. U konaˇcno-dimenzionom vektorskom prostoru sve baze imaju isti broj elemenata.
Definicija 9. Ako vektorski prostor V = {0}, nad poljem F, ima bazu sa n elemenata tada se broj n naziva
dimenzija vek. prostora V , u oznaci dimV .
Ako je V = {0} tada je dimV = 0.
Teorema 5. Neka je (V, F) vek. prostor, dimV = n i neka je B = {u
1
, . . . u
n
} jedna njegova baza. Tada se
svaki vektor x ∈ V moˇze na jedinstven naˇcin izraziti u obliku x = a
1
u
1
+a
2
u
2
+. . . a
n
u
n
, (a
i
∈ F).
Dokaz (...)
Definicija 10. Skalari iz prethodne teoreme jesu koordinate vektora x u odnosu na bazu B.
Definicija 11. Neka su (V
1
, F) i (V
2
, F) dva vektorska prostora. Vektorski prostori (V
1
, F) i (V
2
, F) su
izomorfni ako postoji bijekcija f : V
1
→ V
2
sa osobinom
(∀x, y ∈ V
1
)(∀α ∈ F) f(x +y) = f(x) +f(y), f(αx) = αf(x).
Definicija 12. Neka su (V
1
, F) i (V
2
, F) dva vektorska prostora. Preslikavanje f : V
1
→ V
2
naziva se linearni
operator (homomorfizam) prostora V
1
u prostor V
2
ako vaˇzi:
(∀x, y ∈ V
1
)(∀α ∈ F) f(x +y) = f(x) +f(y), f(αx) = αf(x)
.
Teorema 6. Svaki n−dimenzioni vek. prostor (V, F) izomorfan je sa vektorskim prostorom (F
n
, F), gde je
F
n
= {(α
1
, α
2
, . . . α
n
) : α
i
∈ F, i = 1, . . . n}, a operacije su definisane na poznati naˇcin.
8
Rang matrice
Definicija 1. Neka je data matrica A
m×n
. Kaˇze se da je rang matrice A jednak r (u oznaci rangA = r) ako
u matrici A postoji kvadratna regularna submatrica reda r i ako su sve (kvadratne) submatrice ve´ceg reda
singularne.
Primeri ...
Teorema 2. rangA = rangA
T
.
Dokaz (...).
Definicija 2. Elementarne transformacije matrice su:
1) Zamena mesta dve vrste (ili kolone);
2) Mnoˇzenje jedne vrste (ili kolone) brojem = 0;
3) Dodavanje elemenata jedne vrste (kolone), prethodno pomnoˇzenih nekim brojem, odgovaraju´cim ele-
mentima druge vrste (ili kolone).
Definicija 3. Matrice A i B su ekvivalentne ( oznaka A

= B) ako se mogu dobiti jedna iz druge pomo´cu
elementarnih transformacija.
Teorema 2. Ako u matrici A i-ta i j-ta vrsta (kolona) zamene mesta, za novu matricu A

vaˇzi: rangA =
rangA

.
Dokaz (...)
Teorema 3. Matrica ne menja rang ako joj se proizvoljna vrsta (kolona) pomnoˇzi brojem = 0.
Dokaz (...)
Teorema 4. Neka su dati vektori v
i
= (a
i1
, a
i2
, . . . a
in
), i = 1, 2, . . . m i neka je A = [a
ij
]
mn
matrica
ˇcije su vrste vektori v
i
. Ako je rangA = r, tada medju vektorima v
i
postoji r linearno nezavisnih vektora, a
ostalih m−r su linearne kombinacije ovih r vektora.
Posledica Neka je L
V
vektorski prostor koji je lineal nad skupom vektora vrsta matrice A (L
K
lineal nad
skupom vektora kolona). Rang matrice A jednak je dimenziji vek. prostora L
V
, odnosno L
K
.
Teorema 5. ako je matrica B dobijena iz A tako ˇsto su elementima jedne vrste (kolone) matrice A dodati
elementi neke druge vrste (kolone) pomnoˇzeni proizvoljnim brojem, bi´ce rangA = rangB.
Posledica prethodnih teorema je:
Teorema 6. Elementarne transformacije ne menjaju rang matrice.
9
Sistemi linearnih jednaˇcina
Sistem od m jednaˇcina sa n nepoznatih:
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
U matriˇcnom obliku:
_
¸
¸
¸
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
¸
¸
¸
_
·
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
n
_
¸
¸
¸
_
=
_
¸
¸
¸
_
b
1
b
2
.
.
.
b
m
_
¸
¸
¸
_
Definicija 1. Sistem je saglasan (ima reˇsenja) ako postoje brojevi x
1
, x
2
, . . . x
n
(realni, kompleksni) takvi
da vaˇzi svaka jednaˇcina sistema. Ako takvi brojevi ne postoje, sistem je protivreˇcan (nemogu´c).
Definicija 2. Matrice A =
_
¸
¸
¸
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
¸
¸
¸
_
, B =
_
¸
¸
¸
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
b
m
_
¸
¸
¸
_
nazivaju se redom
matrica sistema i proˇsirena matrica sistema.
Teorema 1. (Kroneker-Kapelijeva teorema)
Sistem linearnih jednaˇcina je saglasan ako i samo ako je rangA = rangB, gde je A matrica sistema, a B
proˇsirena matrica.
Dokaz (...).
Definicija 3. Sistem algebarskih jednaˇcina
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= 0
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= 0
naziva se homogen sistem.
Oˇcigledno, svaki homogen sistem ima reˇsenje x
1
= x
2
= . . . x
n
= 0, koje se naziva trivijalno reˇsenje(U stvari,
uvek je rangA = rangB (jer poslednja kolona matrice B, koju ˇcine sve 0, ne utiˇce na rang matrice B.)
Kada homogen sistem ima i druga, takozvana netrivijalna reˇsenja?
Teorema 2. Ako je dat homogen sistem m×n tj. od m jednaˇcina sa n nepoznatih:
1) sistem ima samo trivijalna reˇsenja ako i samo ako je rangA = n;
2) sistem ima i netrivijalna reˇsenja ako i samo ako je rangA = r < n, gde se n−r nepoznatih bira proizvoljno.
Posledice
1) Svaki homogeni sistem, u kome je broj jednaˇcina manji od broja nepoznatih, ima netrivijalna reˇsenja.
2) Homogeni sistem u kome je broj jednaˇcina jednak broju nepoznatih (kvadratni sistem) ima netrivijalna
reˇsenja ako i samo ako je detreminanta sistema (detA) jednaka nuli.
(Jasno je da je rangA < n ⇔ detA = 0.)
Teorema 3. Skup svih reˇsenja homogenog sistema ima strukturu vektorskog prostora.
Primer.
10
Karakteristiˇcni polinom. Karakteristiˇcne vrednosti i vektori
Neka je data kvadratna matrica A
n×n
=
_
¸
¸
¸
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
¸
¸
¸
_
. Neka je X nepoznata (nenula) matrica
kolone X =
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
n
_
¸
¸
¸
_
. Neka je λ nepoznati element polja kome pripadaju elementi matrica A i X.
Treba odrediti X i λ iz uslova A · X = λ · X odnosno (A −λI) · X = 0.
Posmatrajmo (homogen) sistem ”predstavljen” matriˇcnom jednaˇcinom (A −λI) · X = 0:
(a
11
−λ)x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= 0
a
21
x
1
+ (a
22
−λ)x
2
+ . . . + a
2n
x
n
= 0
.
.
.
a
n1
x
1
+ a
n2
x
2
+ . . . + (a
nn
−λ)x
n
= 0
Da bi ovaj sistem imao netrivijalna reˇsenja potrebno je i dovoljno da je det(A −λI) = 0.
Definicija 1. Karakteristiˇcni (sopstveni) polinom matrice A
n×n
je polinom P(λ) = det(A − λI), gde je I
jediniˇcna matrica istog reda kao i A.
Karakteristiˇcne (sopstvene, svojstvene) vrednosti matrice A su nule karakteristiˇcnog polinoma.
Karakteristiˇcni (sopstveni, svojstveni) vektori matrice A su netrivijalna reˇsenja sistema A · X = λ · X.
Spektar matrice A je skup svih karakteristiˇcnih vrednosti matrice A.
Primer.
Definicija 2. Sopstveni potprostor za datu sopstvenu vrednost λ matrice A je skup koji sadrˇzi nula vektor i
sve sopstvene vektore koji odgovaraju sopstvenoj vrednosti λ.
Definicija 3. Neka je A kvadratna matrica nad poljem F i neka a
0
, a
1
, . . . a
n
∈ F. Tada se izraz p(A) =
a
0
I + a
1
A + . . . + a
n
A
n
=
n

k=0
a
k
A
k
naziva matriˇcni polinom.
Teorema 1. (Cayley-Hamilton) Ako je A kvadratna matrica i P(λ) = det(A −λ · I), tada je P(A) = 0.
Definicija 4. Kvadratne matrice A i B su sliˇcne ako postoji regularna kvadratna matrica X takva da je
B = X
−1
· A · X.
Teorema 2. Sliˇcnost matrica je relacija ekvivalencije.
Teorema 3. 1) Sliˇcne matrice imaju iste karakteristiˇcne polinome.
2) Sliˇcne matrice imaju isti spektar.
Dokaz (...).
Definicija 5. Neka je A kvadratna matrica. Ako polinom m(λ) zadovoljava slede´ce uslove:
i) m(A) = 0;
11
ii) koeficijent uz najve´ci stepen polinoma je 1;
iii) m(λ) je polinom najmanjeg stepena koji zadovoljava uslove i) i ii).
m(λ) se naziva minimalni polinom matrice A.
Teorema 4. Svaka kvadratna matrica ima jedinstveni minimalni polinom i on je delilac njenog karakter-
istiˇcnog polinoma.
Dokaz (...)
Algoritam za odredjivanje minimalnog polinoma date matrice A
n×n
.
1) Prvo odredimo karakteristiˇcni polinom P(λ) matrice A.
2) Zatim (ako je mogu´ce) odredimo sve faktore polinoma P(λ) tj. izvrˇsimo faktorizaciju polinoma P(λ).
3) Od dobijenih faktora formiramo sve delitelje polinoma P(λ).
4) Medju formiranim polinomima deliteljima izdvojimo samo one koje data matrica ”zadovoljava”.
5) Medju polinomima koje data matrica zadovoljava izdvajamo onaj koji ima najniˇzi stepen.
Primer.
12
Unitarni prostori
Definicija 1. Vektorski prostor V nad poljem F realnih ili kompleksnih brojeva je unitarni prostor ako je
svakom uredjenom paru vektora x i y iz V pridruˇzen jedan skalar (x, y) ∈ F tako da za svako x, y, z ∈ V i
α ∈ F vaˇzi: i) (x +y, z) = (x, z) + (y, z)
ii) (αx, y) = α(x, y)
iii) (x, y) = (y, x)
iv) (x, x) ≥ 0
v) (x, x) = 0 ⇔ x = 0.
Ovako definisana funkcija (x, y) naziva se skalarni (unutraˇsnji) proizvod vektora x i y.
Definicija 2. Norma (duˇzina, intenzitet) vektora x iz unitarnog prostora V (u oznaci x), je nenegativan
broj x
def
= +
_
(x, x).
Teorema 1. (Lema Koˇsi-
ˇ
Svarc-Bunjakovskog)
Za proizvoljne vektore x, y iz unitarnog prostora V vaˇzi nejednakost: |(x, y)| ≤ x · y. (Jednakost vaˇzi
ako i samo ako su x i y linearno zavisni vektori.)
Teorema 2. Za proizvoljne vektore x, y iz unitarnog prostora V vaˇzi nejednakost trougla: x+y ≤ x+y.
Jednakost vaˇzi ako i samo ako x = 0 ili y = 0 ili x = αy, α > 0.
Dokaz (...).
Na osnovu svega prethodnog sleduje:
Teorema 3. Za vektore x i y unitarnog prostora i skalar α vaˇzi:
1) x ≥ 0;
2) x = 0 ⇔ x = 0;
3) αx = |α| · x;
4) x +y ≤ x +y pri ˇcemu jednakost vaˇzi ako i samo ako x = 0 ili y = 0 ili x = αy, α > 0.
Definicija 3. Vektorski prostor V u kome je svakom vektoru x ∈ V pridruˇzen realan broj x (norma od x)
koji ima osobine 1) -4) iz prethodne teoreme ( Teoreme 3) naziva se normirani vektorski prostor.
Definicija 4. Vektori x, y iz unitarnog prostora su ortogonalni ako je (x, y) = 0.
Definicija 5. Vektori x, y su kolinearni ako su linearno zavisni.
13
Vektori u R
n
Podsetimo se najpre nekih osnovnih pojmova vezanih za vektorski prostor (R
n
, R).
Teorema Svaki vektorski prostor dimenzije n, nad poljem R, izomorfan je sa vektorskim prostorom (R
n
, R).
R
n
= {(x
1
, . . . x
n
) | x
1
, . . . x
n
∈ R}
(x
1
, . . . x
n
) + (y
1
, . . . y
n
)
def
= (x
1
+y
1
, . . . x
n
+y
n
)
α · (x
1
, . . . x
n
)
def
= (αx
1
, . . . αx
n
)
Jednu bazu vektorskog prostora (R
n
, R) ˇcine vektori e
1
= (1, 0, . . . 0), e
2
= (0, 1, . . . 0), . . . e
n
= (0, 0, . . . 1)
(Ova se baza naziva standardna baza). Jasno je da je dimR
n
= n.
Dakle, za proizvoljni vektor v = (x
1
, . . . x
n
) vaˇzi v = x
1
e
1
+x
2
e
2
+. . . +x
n
e
n
.
Definicija 1. Skalarni proizvod vektora x = (x
1
, . . . x
n
) i y = (y
1
, . . . y
n
) iz vektorskog prostora
R
n
( u oznaci (x, y) ili x · y ) definiˇse se na slede´ci naˇcin: (x, y) = x · y
def
=
n

i=1
x
i
y
i
= x
1
y
1
+. . . x
n
y
n
.
Definicija 2. Vektorski prostor R
n
snabdeven skalarnim proizvodom uvedenim u Definiciji 1. naziva se n−
dimenzioni Euklidov (euklidski) prostor i obeleˇzava se sa E
n
.
Definicija 3. Norma (duˇzina, intenzitet) vektora x iz unitarnog prostora R
n
(u oznaci x ili |x|), je
nenegativan broj |x| =

x · x =
_
x
2
1
+x
2
2
+. . . x
2
n
.
Ako je |x| = 1, kaˇzemo da je x jediniˇcni vektor.
Definicija 4. (Ortonormirani sistem vektora)
Skup vektora v
1
, . . . v
m
unitarnog vektorskog prostora V je ortogonalan ako je (v
i
, v
j
) = 0, i = j, i, j = 1, . . . m.
Ako pored ovoga vaˇzi da je v
i
= 1(i = 1, . . . m), za skup vektora v
1
, . . . v
m
kaˇzemo da je ortonormiran.
Primer.
Vektori u R
3
Ponoviti osnovne pojmove: Dekartov pravougli koordinatni sistem u prostoru, vektor (kao orijentisana
duˇz), trijedar desne i leve orijentacije, sabiranje vektora, mnoˇzenje vektora skalarom, nula vektor, suprotan
vektor datom vektoru, jednakost vektora.
Skalarni proizvod vektora
Definicija 1. Neka su dati vektori a = (x
1
, y
1
, z
1
) i

b = (x
2
, y
2
, z
2
).
Skalarni proizvod vektora a i

b (u oznaci (a,

b) ili a ·

b ) je broj a ·

b = x
1
x
2
+ y
1
y
2
+ z
1
z
2
.
Teorema 1. Za skalarni proizvod vektora vaˇzi:
1) Skalarni proizvod vektora a i

b koji nisu nula vektori je broj a·

b = a·

b·cosα, gde je α (0 ≤ α ≤ π)
ugao izmedju vektora a i

b.
14
2) a ·

b =

b · a (komutativnost);
3) a ·

b = 0 ⇔ a = 0 ili

b = 0 ili a⊥

b ;
Dokaz (...).
Definicija 2. Neka je

v

vektor nastao ortogonalnom projekcijom vektora v na vektor (tj. pravu na kojoj
leˇzi vektor) u. Algebarska vrednost ortogonalne projekcije vektora v na vektor u (u oznaci proj
u
v) je
proj
u
v =
_
|

v

|, ako su

v

i u istog smera
−|

v

|, u suprotnom
.
Teorema 2. Za skalarni proizvod vektora a,

b =

0 vaˇzi: a ·

b = a · proj
a
b =

b · proj
b
a.
Vektorski proizvod vektora
Definicija 3. Neka su dati vektori a = (x
1
, y
1
, z
1
) i

b = (x
2
, y
2
, z
2
). Vektorski proizvod vektora a i

b je
vektor a ×

b
def
=
¸
¸
¸
¸
¸
¸

i

j

k
x
1
y
1
z
1
x
2
y
2
z
2
¸
¸
¸
¸
¸
¸
=

i ·
¸
¸
¸
¸
y
1
z
1
y
2
z
2
¸
¸
¸
¸
+

j ·
¸
¸
¸
¸
z
1
x
1
z
2
x
2
¸
¸
¸
¸
+

k ·
¸
¸
¸
¸
x
1
y
1
x
2
y
2
¸
¸
¸
¸
=
= (
¸
¸
¸
¸
y
1
z
1
y
2
z
2
¸
¸
¸
¸
,
¸
¸
¸
¸
z
1
x
1
z
2
x
2
¸
¸
¸
¸
,
¸
¸
¸
¸
x
1
y
1
x
2
y
2
¸
¸
¸
¸
).
Odrediti intenzitet, pravac i smer vektora a ×

b.
|a ×

b| = |a| · |

b| · sinα, gde je α ugao izmedju vektora a i

b.
vektor a ×

b je ortogonalan na ravan odredjenu vektorima a i

b.
smer vektora a ×

b je takav da vektori a,

b, a ×

b (tim redosledom) obrazuju trijedar desne orijentacije.
Geometrijska interpretacija intenziteta vektora a ×

b: Povrˇsina paralelograma konstruisanog nad
vektorima a i

b, dovedenim na zajedniˇcki poˇcetak, jednaka je P = |a ×

b|.
Povrˇsina trougla ˇcija su temena taˇcke A, B i C jednaka je P =
1
2
|

AB ×

AC|.
Teorema 3. Za proizvoljne vektore a,

b i c vaˇzi:
1) a ×

b = 0 ako i samo ako je a = 0 ili

b = 0 ili a||

b.
2) a ×

b = −(

b ×a) (antikomutativnost);
3) α · (a ×

b) = αa ×

b (asocijativnost u odnosu na skalarni mnoˇzilac);
4) a ×(

b +c) = (a ×

b) + (a ×c) (distributivnost vektorskog mnoˇzenja prema sabiranju).
15
Meˇsoviti proizvod vektora
Definicija 4. Meˇsoviti proizvod vektora a,

b i c (u oznaci [a,

b, c]) je broj [a,

b, c]
def
= a · (

b ×c).
Neka su dati vektori a = (x
1
, y
1
, z
1
),

b = (x
2
, y
2
, z
2
) i c = (x
3
, y
3
, z
3
).
Tada je, prema definiciji 4. a · (

b ×c) =
¸
¸
¸
¸
¸
¸
x
1
y
1
z
1
x
2
y
2
z
2
x
3
y
3
z
3
¸
¸
¸
¸
¸
¸
.
Iz ove determinante, na osnovu osobina determinanata, sledi: a · (

b ×c) =

b · (c ×a) = c · (a ×

b) .
Znaˇci [a,

b, c] predstavlja jednoznaˇcno odredjen izraz, a vektorsko mnoˇzenje (× ) vrˇsi se na proizvoljnom
mestu.
Teorema 4. Za proizvoljne vektore a,

b i c vaˇzi:
1) [a,

b, c] = −[

b, a, c] = −[a, c,

b] = −[c,

b, a];
2) Ako vektori a,

b, c nisu komplanarni, onda je apsolutna vrednost njihovog meˇsovitog proizvoda jednaka
zapremini paralelopipeda konstruisanog nad ta tri vektora dovedena na zajedniˇcki poˇcetak V = | [a,

b, c] |.
3) Vektori a,

b i c su komplanarni ako i samo ako je njihov meˇsoviti proizvod jednak 0 tj. [a,

b, c] = 0 .
4) Zapremina piramide ABCD jednaka je jednoj ˇsestini apsolutne vrednosti meˇsovitog proizvoda vektora

AB,

AC,

AD.
Dokaz(...).
Ravan u prostoru R
3
Ravan π je odredjena taˇckom M
0
= (x
0
, y
0
, z
0
) i vektorom n = (a, b, c) koji je ortogonalan na ravan π.
Tada je:
vektorski oblik jednaˇcine ravni: (n =

0) (r −

OM
0
) · n = 0, gde je r =

OM, a M proizvoljna taˇcka
ravni π.
opˇsti oblik jednaˇcine ravni : ax +by +cz +d = 0
segmentni oblik jednaˇcine ravni :
x
α
+
y
β
+
z
γ
= 1 (gde je α = −
d
a
, β = −
d
b
, γ = −
d
c
)
Jednaˇcina ravni kroz 3 date nekolinearne taˇcke M
1
(x
1
, y
1
, z
1
), M
2
(x
2
, y
2
, z
2
), M
3
(x
3
, y
3
, z
3
) :
[ M
1
M, M
1
M
2
, M
1
M
3
] = 0 ⇔
¸
¸
¸
¸
¸
¸
x −x
1
y −y
1
z −z
1
x
2
−x
1
y
2
−y
1
z
2
−z
1
x
3
−x
1
y
3
−y
1
z
3
−z
1
¸
¸
¸
¸
¸
¸
= 0.
gde je M proizvoljna taˇcka ravni π.
Rastojanje taˇcke S(x
s
, y
s
, z
s
) od ravni π ˇcija je jednaˇcina ax +by +cz +d = 0 je:
d(S, π) =
|ax
s
+by
s
+cz
s
+d|

a
2
+b
2
+c
2
.
16
Prava u prostoru R
3
Prava l je odredjena taˇckom M
0
(x
0
, y
0
, z
0
) koja joj pripada i vektorom p = (a, b, c) koji joj je paralelan.
Razni oblici jednaˇcine prave l su:
vektorski oblik: (r −

OM
0
) × p = 0, gde je r =

OM, a M proizvoljna taˇcka prave l.
parametarski oblik: x = x
0
+ t · a, y = y
0
+ t · b, z = z
0
+ t · c, t ∈ R
kanonski oblik:
x −x
0
a
=
y −y
0
b
=
z −z
0
c
prava kao presek dve ravni:
a
1
x +b
1
y +c
1
z +d
1
= 0
a
2
x +b
2
y +c
2
z +d
2
= 0
, pri ˇcemu (a
1
, b
1
, c
1
) ×(a
2
, b
2
, c
2
) = 0
Jednaˇcina prave kroz dve date taˇcke M
1
(x
1
, y
1
, z
1
), M
2
(x
2
, y
2
, z
2
) :
x −x
1
x
2
−x
1
=
y −y
1
y
2
−y
1
=
z −z
1
z
2
−z
1
.
17