Ekonomski fakultet

Sveuilite J. J. Strossmayera u Osijeku

Vektori u ravnini i prostoru

Rudolf Scitovski, Ivan Vazler
10. svibnja 2012.

Sadraj
1 Uvod

2 Operacije s vektorima
2.1 Zbrajanje vektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Mnoenje vektora sa skalarom . . . . . . . . . . . . . . . . . . . . . . . . .

2
2
3

3 Linearna zavisnost i nezavisnost vektora

4 Baza vektorskog prostora. Koordinatni sustav

5 Skalarni produkt

6 Norma vektora
12
6.1 Udaljenost dviju toaka . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
7 Drugi nain prikaza vektora iz R3

14

8 Vektorski prostor Rn

15

Uvod

Ako u ravnini M uvedemo pravokutni koordinatni sustav s ishoditem u ksnoj toki

O M u ravnini, onda svakoj toki P M pripada jedinstveni vektor OP , koji zovemo

radijvektor ili vektor poloaja i oznaavamo s.

rP = OP .
Oigledno postoji bijekcija (obostrano jednoznano preslikavanje) izmeu skupova M i
X0 . Matematiku strukturu (X0 , +, ) zovemo vektorski prostor pridruen toki O.

2
Primjer 1. Nulvektor 0 je radijvektor koji ima istu poetnu i zavrnu toku.
Jedinini vektor zvat emo svaki vektor e za koga je e = 1.
Suprotni vektor vektora a je vektor koji ima suprotnu orijentaciju od orijentacije vektora
a i oznaavamo ga s (a).
Slino se denira i skup svih radijvektora u prostoru X0 (E) i skup svih radijvektora
na pravcu X0 (p). Navedimo jo nekoliko esto koritenih pojmova.
kaemo da su dva ili vie vektora kolinearni ako njihovi reprezentanti lee na istom
ili na paralelnim pravcima;
kaemo da su tri ili vie vektora komplanarni ako njihovi reprezentanti lee u istoj
ili u paralelnim ravninama.

Operacije s vektorima

2.1

Zbrajanje vektora

Zbrajanje vektora je funkcija dviju varijabli + : X0 (M ) X0 (M ) X0 (M ). Za dva

vektora a, b X0 (M ) deniramo novi vektor c := a + b pravilom paralelograma (vidi
Sliku 1.b)

Slika 1: Pravila za zbrajanje vektora

Raunska operacija zbrajanja vektora ima svojstvo zatvorenosti ili grupoidnosti, tj.
rezultat operacije zbrajanja dva vektora opet je jedan vektor. Pored toga,
(i) za svaka tri vektora a, b, c X0 (M ) vrijedi svojstvo asocijativnosti: (a + b) + c =
a + (b + c);
(ii) postoji neutralni element 0, tako da za proizvoljni vektor a X0 (M ) vrijedi: a + 0 =
a;

3
(iii) za svaki vektor a X0 (M ) postoji inverzni element suprotni vektor (a), takav da
vrijedi:
a + (a) = 0;
(iv) vrijedi zakon komutacije, tj. za svaka dva vektora a, b X0 (M ) vrijedi: a + b = b + a;
Skup svih vektora u prostoru snabdjeven raunskom operacijom zbrajanja i prethodno navedenim svojstvima nazivamo komutativna ili Abelova grupa1 i oznaavamo s
(X0 (M ), +). U daljnjem tekstu esto emo govoriti o vektoru, a crtat emo neki njegov
reprezentant.
Primjer 2. Odaberimo reprezentante vektora a, b, c tako da oni lee na stranicama trokuta
i da bude c = a+ b (vidi Sliku 2.a). Kako je u svakom trokutu duljina jedne njegove stranice
manja od zbroja duljina preostale dvije, vrijedi tzv. nejednakost trokuta
c = a+b a + b .
Pri tome jednakost vrijedi u sluaju ako su vektori a, b kolinearni.

Slika 2
Primjedba 1. Oduzimanje vektora moemo denirati preko zbrajanja, koristei inverzni
element (suprotni vektor vidi Sliku 2.b):
a b = a + (b).
Primjedba 2. Mnoenje vektora prirodnim brojem moemo denirati induktivno:
n a = (n 1) a + a,

2.2

1 a = a.

Mnoenje vektora sa skalarom

Mnoenje vektora sa skalarom je funkcija dviju varijabli : R X0 (M ) X0 (M ). Za

realni broj R i vektor a X0 (M ) deniramo novi vektor b := a kao na Slici 3.
1

Niels Abel (18021829), norveki matematiar.

Slika 3: Mnoenje vektora sa skalarom

Zadatak 1. Za zadane vektore a, b X(M ) nacrtajte vektor a 2b.
U kontinuitetu sa svojstvima koja vrijede za zbrajanje vektora, navedimo i svojstava
koja vrijede za mnoenje vektora sa skalarom:
(v) za dva vektora a, b X0 (M ) i R vrijedi distributivnost obzirom na vektorski
faktor: (a + b) = a + b;
(vi) za dva skalara , R i vektor a X0 (M ) vrijedi distributivnost obzirom na skalarni
faktor: ( + )a = a + a;
(vii) za dva skalara , R i vektor a X0 (M ) vrijedi svojstvo kvaziasocijativnosti:
()a = (a);
(viii) za bilo koji vektor a X0 (M ) vrijedi: 1 a = a.
Svojstvo (v) proizlazi iz slinosti trokuta i ilustrirano je na slici

Slika 4: Distributivnost obzirom na vektorski faktor

Svojstva (vi) i (vii) dokazuju se posebno za svaku kombinaciju predznaka skalara i
(vidi [9]).
Skup X0 (M ) snabdjeven raunskim operacijama zbrajanja i mnoenja sa skalarom,
koje imaju navedenih osam svojstava nazivamo vektorski prostor i oznaavamo s (X0 (M ), +, ).

5
Analogno se deniraju i vektorski prostor (X0 (E), +, ) u prostoru i vektorski prostor
(X0 (p), +, ) na pravcu. Kako je X0 (M ) X0 (E), rei emo da je vektorski prostor
(X0 (M ), +, ) vektorski potprostor u (X0 (E), +, ). Nadalje emo ove vektorske prostore oznaavati samo s X0 (E), X0 (M ), X0 (p).
Primjedba 3. Za bilo koja dva vektora a, b iz vektorskog prostora X0 i bilo koja dva skalara
, R je
a + b X0 .
Primjedba 4. Ako su a, b dva kolinearna vektora, tada postoji pravac p i toke O, A, B p

takve da je a = OA, b = OB, pri emu je

b = a,

gdje je

b / a , a, b imaju isti smjer

b / a , a, b su suprotnog smjera

Linearna zavisnost i nezavisnost vektora

Denicija 1. Ako su a1 , . . . , an X0 vektori, a 1 . . . , n R skalari, tada vektor

a = 1 a1 + + n an X0 nazivamo linearna kombinacija vektora a1 , . . . , an . Kaemo
jo da je vektor a rastavljen (razvijen) po vektorima a1 , . . . , an .
Pogledajmo dva jednostavna zikalna primjera (vidi Sliku 5):
- na tijelo na kosini djeluje sila tea F , koju po pravilu paralelograma rastavljamo na
sile F1 i F2 : F = F1 + F2 ;
- na tijelo u vodi djeluje vuna sila F , koju takoer rastavljamo po pravilu paralelograma na sile F1 i F2 : F = F1 + F2 ;

Slika 5: Fizikalni primjeri: tijelo na kosini i tijelo u vodi

Navedene rastave moemo zapisati kao 1 F + (1) F1 + (1) F2 = 0.
Denicija 2. Kaemo da je skup vektora a1 , . . . , an X0 linearno nezavisan ako
njihova proizvoljna linearna kombinacija iezava jedino na trivijalan nain:
1 a1 + + n an = 0 = 1 = = n = 0.

6
U protivnom kaemo da je skup vektora linearno zavisan, tj. postoji barem jedna njihova
linearna kombinacija koja iezava na netrivijalan nain, tj.
1 a1 + + n an = 0 pri emu

i = 0.

Primjer 3. Ako skup vektora a1 , . . . , an sadri nulvektor, on je linearno zavisan.

Bez smanjenja openitosti moemo pretpostaviti da je ba prvi vektor a1 nulvektor.
Tada moemo utvrditi da vrijedi:
1 0 + 0 a2 + + 0 an = 0,
pa smo na taj nain pronali jednu linearnu kombinaciju vektora a1 , . . . , an , koja iezava
na netrivijalan nain.
Primijetite da su sile F , F1 , F2 iz zikalnih primjera s poetka odjeljka takoer linearno
zavisne. Sljedei teorem ukazuje nam kako kako se na jedan operativniji nain moe
ustanoviti je li skup vektora linearno zavisan ili nezavisan.
Teorem 1. Skup vektora a1 , . . . , an X0 je linearno zavisan onda i samo onda ako se
barem jedan od njih moe prikazati kao linearna kombinacija ostalih.
Dokaz. (Nunost) Pretpostavimo da je skup vektora a1 , . . . , an X0 linearno zavisan. Po
prethodnoj deniciji to znai da postoji njihova linearna kombinacija koja iezava na
netrivijalan nain. Bez smanjenja openitosti pretpostavimo da je 1 a1 + + n an = 0,
a da je pri tome 1 = 0. Tada moemo pisati
a1 =

2
n
a2 + +
an
1
1

(Dovoljnost) Bez smanjenja openitosti moemo pretpostaviti da je a1 = 2 a2 + + n an

iz ega slijedi
1 a1 + (2 )a2 + + (n )an = 0.
Po deniciji to znai da su vektori a1 , . . . , an X0 linearno zavisni.
Primjer 4. Bilo koja dva vektora a, b X0 (p) su linearno zavisna (tj. maksimalni broj
linearno nezavisnih vektora u X0 (p) je jedan).

Slika 6: Linearna zavisnost u X0 (p)

Slika 7: Linearna zavisnost u X0 (M )

Primjer 5. Bilo koja tri vektora a, b, c X0 (M ) su linearno zavisna (tj. maksimalni broj
linearno nezavisnih vektora u X0 (M ) je dva).
Primjer 6. Bilo koja etiri vektora a, b, c, d X0 (E) su linearno zavisna (tj. maksimalni
broj linearno nezavisnih vektora u X0 (E) je tri).
Teorem 2. Ako su a, b X0 (M ) dva linearno nezavisna vektora u ravnini, tada se svaki
vektor c X0 (M ) na jedinstven nain moe prikazati (rastaviti) kao linearna kombinacija
vektora a, b.
Dokaz. Prema jednom od prethodnih primjera vektori a, b, c su linearno zavisni pa prema
Teoremu 1 vrijedi
c = a + b
(3.1)
U svrhu dokaza jedinstvenosti ovog rastava, pretpostavimo suprotno, tj. pretpostavimo
da se vektor c barem na jo jedan nain moe prikazati pomou vektora a i b:
(3.2)

c=a+b
Oduzimanjem jednakosti (3.1), (3.2) dobivamo
( )a + ( )b = 0.
Kako su vektori a, b linearno nezavisni, slijedi: =

& =.

Teorem 3. Ako su a, b, c X0 (E) tri linearno nezavisna vektora u prostoru, tada se svaki
vektor d X0 (E) na jedinstven nain moe prikazati (rastaviti) kao linearna kombinacija
vektora a, b, c.
Zadatak 2. Neka je O E ksna toka i neka toka C E dijeli duinu AB u omjeru

3 : 1, tj. d(A, C) : d(C, B) = 3 : 1. Vektor OC prikaite kao linearnu kombinaciju vektora

OA i OB

Rjeenje: OC = 1 OA+ 4 OB.

4
Zadatak 3. Provjerite jesu li vektori:
a = 5i j + 3k, b = 5i + 2j k, c = 5i 8j + 9k
Rjeenje: Jesu, c = 2a 3b.

linearno zavisni.

Baza vektorskog prostora. Koordinatni sustav

Denicija 3. Ureena trojka (e1 , e2 , e3 ) linearno nezavisnih vektora iz X0 (E) zove se

baza vektorskog prostora X0 (E).
Ureen par (e1 , e2 ) linearno nezavisnih vektora iz X0 (M ) zove se baza vektorskog
prostora X0 (M ).
Svaki nenul vektor (e) iz X0 (p) ini bazu vektorskog prostora X0 (p).
Neka je a X0 (E), a (e1 , e2 , e3 ) baza u X0 (E). Tada vektor a na jedinstven nain
moemo zapisati kao linearnu kombinaciju vektora baze
a = a1 e1 + a2 e2 + a3 e3 .
Brojeve a1 , a2 , a3 zovemo koordinate (komponente) vektora a u bazi (e1 , e2 , e3 ).
Sada prirodno slijede pravila za zbrajanje vektora i mnoenje vektora sa skalarom ako
su oni zadani sa svojim koordinatama:
a + b = (a1 + b1 )e1 + (a2 + b2 )e2 + (a3 + b3 )e3
a = (a1 )e1 + (a2 )e2 + (a3 )e3

[zbrajanje]

[mnoenje vektora skalarom]

Denicija 4. Par (O ; (e1 , e2 , e3 )) ksne toke O i baze (e1 , e2 , e3 ) zovemo Cartesijev2

koordinatni sustav u prostoru E.
Posebno je pogodno ako za bazu prostora X0 (E) izaberemo ureenu trojku meusobno
okomitih i jedininih (dugakih 1!) vektora, koje obino oznaavamo s (i, j, k). Tako
dobivamo pravokutni Cartesijev koordinatni sustav (O; i, j, k). Pravac odreen
vektorom i oznaavamo sa x i zovemo apscisa, pravac odreen vektorom j oznaavamo
sa y i zovemo ordinata, a pravac odreen vektorom k oznaavamo sa z i zovemo aplikata.
Primjedba 5. Ranije smo utvrdili da postoji bijekcija (obostrano jednoznano preslikavanje) izmeu skupova E i X0 . Primijetite da takoer postoji bijekcija izmeu skupa svih
ureenih trojki realnih brojeva R3 i vektorskog prostora X0 (E) jer svakoj ureenoj trojki
(x1 , x2 , x3 ) R3 na jedinstven nain moemo pridruiti vektor a = x1 i + x2 j + x3 k iz
prostora X0 (E) i obrnuto. Zato emo esto po potrebi povezivati, pa neki puta i poistovjeivati pojmove: skup E, vektorski prostor X0 (E) i R3 .
Zadatak 4. Provjerite ine li vektori a = 3i + 2j, b = i + 2j bazu u vektorskom
prostoru X0 (M ). Ako ine, vektor c = 11i + 6j prikaite u toj bazi.
Rjeenje: ine, c = 2a + 5b.
2

Rene Descartes (15961650), francuski lozof i matematiar. Njegovo latinizirano ime je Cartesius.

Slika 8: Pravokutni Cartesijev (Descartesov) koordinatni sustav

Skalarni produkt

Motivacija za uvoenje pojma skalarnog produkta vektora je zikalna denicija rada sile
F na putu s. Ako rad obavlja sila F koja djeluje u smjeru puta s, onda je rad zadan s
W = F s = F s,
a ako sila F ne djeluje u smjeru puta s, onda rad obavlja samo komponenta Fs sile u
smjeru puta s, tj.
F = Fs + Fn ,
W = Fs s = (F cos ) s = F s cos

Slika 9: Rad sile F na putu s

Primijetite da je sila Fs ortogonalna projekcija sile F u smjeru vektora puta s.
Openito emo projekciju vektora a u smjeru vektora b oznaiti s ab . Pod skalarnom
projekcijom vektora a u smjeru vektora b podrazumijevamo (uz oznaku a := a )3
ab = a cos ,

0 .

10

Slika 10: Projekcija vektora a u smjeru vektora b

Primijetite da broj a cos moe biti pozitivan ( < ) ili negativan ( > ).
2
2
Zadatak 5. Pokuajte geometrijski opravdati nie navedena svojstva projekcije vektora
a) Projekcija produkta skalara s vektorom jednaka je produktu tog skalara i projekcije
vektora
( a)b = ab ,
b) Projekcija zbroja dva vektora jednaka je zbroju projekcija tih vektora
a+b

= a c + bc .

Denicija 5. Skalarni produkt u X0 (E) je binarna operacija X0 X0 R koja paru

vektora a, b X0 priduuje broj (skalar), kojeg emo oznaiti s a, b ,
a, b =

ab cos , a, b = 0, 0
0, a = 0 ili b = 0

pri emu je obiaj da se i rezultat operacije naziva skalarni produkt.4

Primjedba 6. Primijetite da se skalarni produkt dva vektora moe prikazati kao produkt
norme jednog vektora i sklalarne projekcije drugog vektora na prvi,
a, b = ab b = aba .
Primjedba 7. Primijetite da skalarni produkt dva vektora moe biti jednak nuli onda i
samo onda ako je jedan od njih nul-vektor ili ako su vektori meusobno okomiti.
Navedimo vana svojstva skalarnog produkta
1.

a, b = b, a

2.

a, a = a2 0

3.

a + b, c = a, c + b, c

4.

a, b = a, b
3
4

a, a = 0 a = 0
(slijedi iz Zadatka 5 a)

(slijedi iz Zadatka 5 b).

U nekim knjigama se broj ab naziva "projekcija vektora a u smjeru vektora b ([8])"

engl.: scalar (dot) product, njem.: Skalarprodukt (Ineresprodukt)

11
Primjer 7. Lako se na osnovi Denicije 5 vidi da vrijedi
1.

(a + b)2 = a + b, a + b = a2 + 2 a, b + b2 ,

2.

(a b)2 = a b, a b = a2 2 a, b + b2 ,

3.

(a, b = 0)

cos (a, b) =

4.

(a, b = 0)

a, b = 0 a b.

a,b
ab

a, b = 0

Primjer 8. Nainimo tablicu mnoenja (skalarni produkt) za ortonormiranu bazu i, j, k

vektorskog prostora X0 (E)

i
j
k

i
1
0
0

j
0
1
0

k
0
0
1

Zadaci
Zadatak 6. Ako je vektor a + 3b okomit na vektor 7a 5b i vektor a 4b okomit na
vektor 7a 2b, odredite kut izmedju vektora a i b.
Rjeenje: 1 = , 1 = 2 .
3
3
Zadatak 7. Odredite kut izmeu jedininih vektora a i b ako se zna da su vektori a + 2b
i 5a 4b meusobno okomiti.
Rjeenje: = .
3
Zadatak 8. Pokaite da su vektori a b, c b a, c i c meusobno okomiti.
Direktnom provjerom uz koritenje tablice mnoenja iz Primjera 8 dobivamo
Teorem 4. Za vektore
a = ax i + ay j + az k
b = bx i + by j + bz k
vrijedi formula5
a, b = ax bx + ay by + cx cy .

(5.1)

Iz denicije skalarnog produkta i norme vektora koritenjem formule (5.1) dobivamo

a =
cos (a, b) =

a, b
=
ab

a, a =

a2 + a2 + a2 ,
x
y
z

ax b x + ay b y + az b z
a2 + a2 + a2 b 2 + b 2 + b 2
x
y
z
x
y
z

(5.2)
,

a, b = 0.

(5.3)

5
U programskom sustavu Mathematica skalarni produkt vektora a, b dobivamo naredbom a . b, gdje
su a, b liste

12

Primjer 9. Pokaimo da su dijagonale etverokuta ABCD s vrhovima A(1, 2, 2), B(1, 4, 0), C(4, 1, 1)
D(5, 5, 3) meusobno okomite.

Kako je AC = rC rA = 5i + 3j k i BD = rD rB = 6i 9j + 3k, imamo

AC, BD = 0.
Primjer 10. Zadan je trokut ABC s vrhovima A(1, 2, 4), B(4, 2, 0), C(3, 2, 1).
Treba odrediti unutranji kut tog trokuta pridruen vrhu B.

Koko je BA = rA rB = 3i + 4k i BC = rC rB = 7i + k, dobivamo

25
BA, BC
= = .
cos =

= = 2

4
50 25
BA BC

Norma vektora

Pretpostavimo da je u ravnini M deniran pravokutni Cartezijev koordinatni sustav

(O; i, j) i neka je a = ax i + ay j. Sada moemo izraunati (vidi Sliku 11) duljinu ovog
vektora a = a2 + a2 .
x
y

Slika 11: Euklidova norma vektora

Primjetite da za ovako deniranu duljinu vektora vrijedi
(i) a 0 & ( a = 0 a = 0),
(ii) a =| | a ,

R.

(iii) a + b a + b
Duljina (norma, intenzitet) vektora moe se i openito denirati:
Denicija 6. Neka je X0 vektorski prostor. Funkciju : X0 [0, ), koja svakom
vektoru a X0 pridruuje nenegativni realni broj (koji emo oznaiti s a ili jednostavno
s a) zovemo norma vektora a ako vrijedi

13
(i) a = 0 a = 0 [pozitivna denitnost],
(ii) a =| | a za svaki R i za svaki a X0 [homogenost],
(iii) a + b a + b za svaki a, b X0 [nejednakost trokuta].
Vektorski prostor X0 na kome je denirana norma naziva se normirani vektorski
prostor. Najee koritene vektorske norme su 6
a

=| ax | + | ay | + | az |,

(l1 norma)

a2 + a2 + a2 ,
x
y
z

(l2 ili Euklidova norma)

= max{| ax |, | ay |, | az |},

(l norma ili ebievljeva norma)

Zadatak 9. Pokaite da spomenute norme imaju sva svojstva navedena u prethodnoj

deniciji.

6.1

Udaljenost dviju toaka

Udaljenost dviju toaka A(x1 , y1 ), B(x2 , y2 ) M u ravnini M u kojoj je uveden pravokutni

Cartezijev koordinatni sustav moemo izraunati (vidi Sliku 12) po formuli
d(A, B) =

(x2 x1 )2 + (y2 y1 )2 .

(6.1)

Ako deniramo radijvektore rA , rB X0 (M ),

Slika 12: Udaljenost toaka A, B u ravnini

rA = x1 i + y1 j,

rB = x2 i + y2 j,

onda formulu (6.1) moemo zapisati kao

d2 (A, B) = rB rA 2 ,

gdje je

rB rA = (x2 x1 )i + (y2 y1 )j.

(6.2)

6
U programskom sustavu Mathematica lp -normu vektora a dobivamo naredbom Norm[a,p], gdje je a
lista, a p parametar norme.

14
Na slian nain moe se denirati i udaljenost dviju toaka preko l1 ili l norme
sljedeim formulama:
d1 (A, B) = rB rA

d (A, B) = rB rA

(6.3)

Zadatak 10. Koji je geometrijski smisao d2 , odnosno d udaljenosti dviju toaka A, B

M ?
Moemo i openito denirati razdaljinsku funkciju d : M M [0, + , koja dvijema
tokama A, B pridruuje njihovu udaljenost d(A, B) i ima sljedea svojstva:
(i) d(A, B) = 0 A = B
(ii) d(A, B) = d(B, A)
(iii) d(A, B) d(A, C) + d(C, B), za sve A, B, C M.
Skup svih toaka u ravnini M , na kojoj je denirana neka razdaljinska (metrika) funkcija
naziva se metriki prostor. Naravno, na slian nain moe se denirati i razdaljinska
metrika) funkcija u prostoru E ili na pravcu p.
Zadatak 11. Jedinina krunica sa sreditem u O R2 denira se kao skup K =
{T M : d(O, T ) = 1}. Nacrtajte jedinine krunice ako se udaljenost denira s d1 , d2
ili d .
Zadatak 12. Zadan je trapez ABCD s vrhovima: A(3, 2, 1), B(3, 1, 4), C(5, 2, 3).

Odredite etvrti vrh D ako vrijedi AB = 3 DC.

1
Rjeenje: rD = rC 3 rB + 1 rA , D(3, 3, 4)
3
Zadatak 13. Zadan je trokut ABC s vrhovima: A(3, 2, 1), B(3, 2, 2), C(5, 2, 4).
Odredite duljinu teinice iz vrha A.

Rjeenje: PA (4, 0, 1), APA = 7i 2j 2k, d = 57

Zadatak 14. Zadan je paralelogram ABCD s vrhovima: A(3, 2, 1), B(3, 1, 4), C(5, 2, 3),
D(1, 5, 6). Izraunajte udaljenost toke A do sjecita njegovih dijagonala.

Rjeenje: S(1, 2, 1), rS = 1 (rC rA ) = 1 (rD rB ), d(A, S) = 2 5.

2
2

1
Zadatak 15. Dokaite da vektor a = 2 OA + OB s poetkom u toki O ima vrh u
polovitu duine AB.

Drugi nain prikaza vektora iz R3

Vektor a = ax i + ay j + az k zapisat emo u obliku

ax

a = ay = (ax , ay , az )T .
az
Za dva vektora x = (x1 , x2 , x3 )T , y = (y1 , y2 , y3 )T R3 racunske operacije zapisujemo na
sljedei nain:

15
zabrajanje:

x1 + y1

x + y = x2 + y2 = (x1 + y1 , x2 + y2 , x3 + y3 )T ;

x3 + y3
mnoenje sa skalarom R:

x1

x = x2 = (x1 , x2 , x3 )T ;
x3
skalarni produkt:
x, y = x1 y1 + x2 y2 + x3 y3 .
Specijalno, budui da je x, x = x2 + x2 + x2 , onda euklidsku normu vektora x R3
1
2
3
moemo pisati
x 2 = x, x = x2 + x2 + x2 .
1
2
3

Vektorski prostor Rn

Rn moemo promatrati ili kao skup toaka x = (x1 , . . . , xn ) u n-dimenzionalnom prostoru

ili kao skup vektora Rn = {x = (x1 , . . . , xn )T : xi R}
Za dva vektora x = (x1 , . . . , xn )T , y = (y1 , . . . , yn )T Rn racunske operacije zapisujemo na sljedei nain:
zabrajanje:

x1 + y1

.
= (x1 + y1 , . . . , xn + yn )T ;
.
x+y =
.

xn + yn
mnoenje sa skalarom R:

x1
.
x = . = (x1 , . . . , x3 )T ;
.
xn
skalarni produkt:
x, y = x1 y1 + + xn yn .
Specijalno, budui da je x, x = x2 + +x2 , onda euklidsku normu vektora x Rn
1
n
moemo pisati
x, x = x2 + + x2 .
x 2=
1
n

16
Denicija 7. Funkciju : Rn [0, ), koja svakom vektoru x Rn pridruuje
nenegativni realni broj (koji emo oznaiti s x ) zovemo norma vektora x Rn ako
vrijedi
(i) x = 0 x = 0 = (0, . . . , 0) [pozitivna denitnost],
(ii) x = || x za svaki R i za svaki x Rn [homogenost],
(iii) x + y x + y za svaki x, y Rn [nejednakost trokuta].
Najee koritene vektorske norme su
n

|xi |,

(l1 norma)

i=1

1/2

x
x

x, x =
i=1

x2
i

= max |xi |,

(l2 ili Euklidova norma)

(l norma ili ebievljeva norma)

i=1,...n

Denicija 8. Funkciju d : Rn Rn [0, , sa svojstvom da za svaki x, y Rn vrijedi

(i) d(x, y) 0,

d(x, y) = 0

x=y

(pozitivna denitnost);

x, y Rn

(nejednakost trokuta),

(ii) d(x, y) = d(y, x) (simetrinost);

(iii) d(x, y) d(x, z) + d(z, y),

zovemo metrika na Rn

Specijalno, svakom normom

denirana je jedna metrika formulom

d(x, y) = x y .

(8.1)

Vrijednost funkcije d(x, y) za neke x, y Rn zovemo udaljenost toaka x, y Rn .

Najee koritene razdaljinske funkcije (metrike) su
n

d1 (x, y) = x y

|xi yi | (Manhattan udaljenost)

=
i=1

1/2

d2 (x, y) = x y

(xi yi )

(Euklidska udaljenost)

i=1

d (x, y) = x y

= max |xi yi | (ebievljeva udaljenost)

i=1,...n

Zadatak 16. Napiite formule za Euklidsku, Manhattan i ebievljeva udaljenost dviju

toaka A(x1 , y1 ), B(x2 , y2 ) R2 . Objanite geometrijski smisao.

17
Primjer 11. U nekom tekst prisutnost neke rijei kodira se s 1, a odsutnost te rijei
iz teksta s 0. Postavlja se pitanje o slinosti/razliitosti dva teksta obzirom na prisutnost/odsutnost promatranih rijei. Tekst u kome je prisutno/odsutno n 1 izabranih
rijei prikazat emo vektorom iz Rn s komponentama 0 ili 1. Primjerice, sljedeim vektorima prikazani su tekstovi u kojima su prisutne/odsutne rijei A,B,C:
a1 = (1, 1, 0): tekst u kome se pojavljuju rijei A,B, a ne pojavljuje rije C
a2 = (1, 0, 0):

tekst u kome se pojavljuje rije A, a ne pojavljuju rijei B,C

a3 = (1, 0, 1):

tekst u kome se pojavljuju rijei A, C, a ne pojavljuje rije B

a4 = (0, 0, 1):

reenica u kojoj se pojavljuje rije C, a ne pojavljuju rijei A, B

U svrhu ispitivanja slinosti/razliitosti tekstova obzirom na prisutnost/odsutnost nekih rijei moemo pokuati iskoristiti ranije spomenute metrike funkcije d1 , d2 , d . U
znanstvenoj literaturi (vidi primjerice [1, 16]) u tu svrhu koriste se neke tzv. kvazimetrike funkcije, kao to su
dLS (x, y) = x y 2 Least Squares (LS) kvazimetrika funkcija
x, y
kosinus kvazimetrika funkcija
dc (x, y) = 1
x y
Od kvazimerikih funkcija zahtijeva se samo svojstvo pozitivne denitnosti, dok ostala
svojstva metrikih funkcija ne moraju biti ispunjena. Ipak prethodno spomenute dvije
kvazimerike funkcije, pored svojstva pozitivne denitnosti, zadovoljavaju i svojstvo simetrinosti, ali ne zadovoljavaju nejednakost trokuta. Za prethodno spomenuti primjer
dobivamo
dLS (a1 , a2 ) = 1,
dLS (a1 , a3 ) = 2,
dLS (a1 , a4 ) = 3
1 2
1 3
d1 (a , a ) = 1,
d1 (a , a ) = 2,
d1 (a1 , a4 ) = 3,
1
dc (a1 , a2 ) = 1 22 = 0.29,
dc (a1 , a3 ) = 2 ,
dc (a1 , a4 ) = 1
Prema LS-kvazimetrikoj funkciji (a takoer i prema l1 -metrikoj funkciji) tekstovi a1 i a2
su najsliniji (najblii), a tekstovi a1 i a4 najrazliitiji (najudaljeniji) obzirom na pojavu
rijei A,B,C.
I prema kosinus-metrikoj funkciji dc tekstovi a1 i a2 su najsliniji (najblii), a tekstovi
a1 i a4 potpuno razliiti (maksimalno udaljeni) obzirom na pojavu rijei A,B,C.
Primjer 12. Promatramo tekstove u kojima se mogu pojaviti rijei: A,B,C,D,E. Neka je
primjerice:
a1 = (1, 0, 0, 0, 1): tekst u kome se pojavljuju rijei A, E, a ne pojavljuju rijei B,C,D
a2 = (0, 1, 1, 0, 0):

tekst u kome se pojavljuju rijei B, C, a ne pojavljuju rijei A,D,E

a3 = (1, 0, 0, 0, 0):

tekst u kome se pojavljuje rijee A, a ne pojavljuju rijei B,C,D, E

dLS (ai , aj ) a1 a2 a3
a1
0 4 1
2
a
4 0 3
a3
1 3 0

d1 (ai , aj ) a1 a2 a3
a1
0 4 1
2
a
4 0 3
a3
1 3 0

dc (ai , aj ) a1 a2 a3
a1
0
1 0.29
2
a
1
0
1
a3
0.29 1
0

18
Iz ovog primjera vidi se da kosinus-kvazimetrika funkcija puno bolje identicira slinosti/razliitosti tekstova obzirom na prisutnost/odsutnost rijei A,B,C,D,E (objasnite to
na osnovi brojeva iz tablica !).

Literatura
[1] M. W. Berry, J. Kogan, Text Mining. Applications and Theory, Wiley, 2010.
[2] D. Blanua, Via matematika I-1, I-2, Tehnika knjiga, Zagreb, 1965.
[3] T. S. Blyth, E. F, Robertson, Basic Linear Algebra, Springer-Verlag, London,
2002.
[4] L. aklovi, Zbirka zadataka iz linearne algebre, kolska knjiga, Zagreb, 1992.
[5] N. Elezovi, A. Agli, Linearna algebra zbirka zadataka, Element, Zagreb, 2003.
[6] S. H. Friedberg, A. J. Insel, L. E. Spence, Linear algebra, Prentice Hall, New
Jersey, 1997.
[7] K. Janich, Linear Algebra, Springer-Verlag, Berlin, 1994.
[8] D. Juki, R. Scitovski, Matematika I, Odjel za matematiku, Sveuilite u Osijeku,
Osijek, 2000.
[9] S. Kurepa, Uvod u linearnu algebru, kolska knjiga, Zagreb, 1985.
[10] S. Lipschutz, Beginning Linear Algebra, McGraw Hill, New York, 1997.
[11] S. Lipschutz, 3000 Solved Problems in Linear Algebra, McGraw-Hill, New York,
1989.
[12] E. D. Nering, Linear algebra and matrix theory, John Wiley & Sons, New York,
1963.
[13] H. Neunzert, W. G. Eschmann, A. Blickensdrfer-Ehlers, Analysis 2. Mit
einer Einfhrung in die Vektor- und Matrizenrechnung, Springer-Verlag, Berlin, 1991.
[14] I. V. Proskurkov, Problems in linear algebra, Mir, Moskva, 1978.
[15] G. Strang, Introduction to Linear Algebra, Wellesley-Cambridge Press, Wellesley,
1998, 2003.
[16] H. Zhang, Statistical Clustering Analysis: An Introduction, in S. Butenko,
W. A. Chaovalitwongse, and P. M. Pardalos (eds.), Clustering Challenges in Biological Networks, World Scientic, 2009, pp 101126