Amar Bapic

Uvod u linearnu algebru. Algebra vektora

Tuzla, 2013.

Sadraj
1

Uvod u linearnu algebru . . . . . . . . . . . . . . . . . . . . . .

1.1 Matrice. Operacije s vrstama i kolonama matrice . . . . . .
1.2 Linearna kombinacija kolona(vrsta). Transponovana matrica.
1.3 Determinanta. Osobine determinanti . . . . . . . . . . . . .
1.4 Bazisni minor. Rang matrice . . . . . . . . . . . . . . . . .
1.5 Operacije s matricama . . . . . . . . . . . . . . . . . . . .
1.5.1 Sabiranje matrica . . . . . . . . . . . . . . . . . . .
1.5.2 Mnoenje matrica skalarom . . . . . . . . . . . . .
1.5.3 Mnoenje matrica . . . . . . . . . . . . . . . . . . .
1.6 Inverzna matrica . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . .
. . . . . . . . . . .
Specijalne matrice .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

1
1
3
5
7
8
8
8
8
9

Sistemi linearnih algebarskih jednacina . . . . . .

2.1 Analiza saglasnosti sistema . . . . . . . . . . .
2.2 Rjeavanje odredenih
kvadratnih sistema . . . .

2.2.1 Matricna metoda . . . . . . . . . . . .

2.2.2 Cramer-ov metod (Metod determinanti)
2.2.3 Gauss-ov metod . . . . . . . . . . . .
2.3 Rjeavanje neodredenog
nekvadratnog sistema .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

11
12
13
13
14
14
15

Algebra vektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1 Operacije s vektorima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Jednakost vektora. Sabiranje vektora. . . . . . . . . . . . . . . . . . . . . . .
3.1.2 Mnoenje vektora skalarom . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Linearna nezavisnost i zavisnost vektora. Uslov kolinearnosti i komplanarnosti vektora.
3.3 Skalarni proizvod vektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4 Vektorski proizvod vektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5 Mjeoviti proizvod vektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

16
17
17
18
19
20
21
22

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

Amar Bapic

1.

Uvod u linearnu algebru

1.1.

Matrice. Operacije s vrstama i kolonama matrice

Definicija 1.1 : Neka su m i n prirodni brojevi. Skup A realnih ili kompleksnih brojeva koje zapisujemo u obliku pravougaone sheme

a11
a21
A = .
..

am1

a12
a22
..
.
am2

...
...
...
...

a1n

a2n

..
.
amn mn

nazivamo matricom.
Za matricu A kaemo da ima m vrsta i n kolona, tj. kaemo da je matrica A formata (tipa) m n.
Matrice, osim posebnih, obiljeavamo velikim tampanim slovima A, B, C, . . .
Umjesto prethodnoh zapisa, matricu A krace moemo zapisati kao:
A = [ai j ]mn = (ai j )mn
gdje su ai j R (i = 1, 2, . . . , m; j = 1, 2, . . . , n) elementi matrice. Indeks i oznacava broj vrste, a indeks j broj kolone
date matrice.
Skup svih matrica formata m n c iji su elementi realni brojevi oznacavamo sa Rmn .
Definicija 1.2 : Svaka vrsta matrice A tipa m n je matrica tipa 1 n ili matrica vrste (vektor vrsta) matrice A. Broj
n se naziva duinom matrice i on nam pokazuje koliko vektor vrsta ima elemenata.
h
Bi = ai1

ai2

...

ain

i
1n

, i = 1, 2, . . . , m

Definicija 1.3 : Svaka kolona matrice A tipa m n je matrica tipa m 1 ili matrica kolone (vektor kolona) matrice
A. Broj m se naziva visinom matrice i on nam pokazuje koliko vektor vrsta ima elemenata.

a1 j
a2 j
A j = .
, j = 1, 2, . . . , n
..

am j m1
Za dvije kolone (vrste) iste visine (duine) kaemo da su JEDNAKE ako i samo ako su im odgovarajuci elementi
jednaki, tj. ako su


a1i
a1 j
a
a2i
2j
Ai = .
A j = .
, (i, j = 1, 2, . . . n)
.
.
..


ami m1
am j m1
date dvije kolone visine m, tada je:
Ai = A j aki = ak j , k = 1, 2, . . . m
Analogno ovome, ako su
h
Bi = ai1

ai2

...

ain

i
1n

h
B j = a j1

a j2

...

a jn

i
1n

(i, j = 1, 2, . . . , m)
1

Amar Bapic

date dvije vrste duine m, tada je:

Bi = B j aik = a jk , k = 1, 2, . . . , n
Ako su matrice Ai , A j , Ak matrice kolone iste visine m, tada za relaciju jednakosti vae sljedece osobine:
1. refleksivnost: Ai = Ai (i = 1, 2, . . . m)
2. simetricnost: Ai = A j A j = Ai (i, j = 1, 2, . . . m)
3. tranzitivnost: Ai = A j A j = Ak Ai = Ak, (i, j, k = 1, 2, . . . m)
Dakle, relacija jednakosti izmedu
dvije kolone iste visine je relacija ekvivalencije, ovo vrijedi i za jednakost dviju
vrsta iste duine.
Pod ZBIROM dvaju kolona (vrsta) iste visine (duine) podrazumjevamo kolonu (vrstu) c iji su elementi jednaki zbiru
odgovarajucih elemenata datih kolona (vrsta), tj. ako su Ai i A j dvije kolone iste visine, onda je :

a1i + a1 j
a + a
2j
2i

Ai + A j =
..

ami + am j m1
Analogno ovome je zbir dviju vrsta iste duine jednak:
h
Bi + B j = ai1 + a j1 ai2 + a j2

...

ain + a jn

i
1n

Oznacimo sa K m1 skup svih kolona reda m 1. Za operaciju sabiranja na skupu K m1 vrijede sljedece osobine:
1. zatvorenost:
(Ai , A j K m1 ) Ai + A j = Cm1 K m1
2. asocijativnost:
(Ai , A j , Ak K m1 ) (Ai + A j ) + Ak = Ai + (A j + Ak )
3. postojanje neutralnog elementa:
(Om1 K m1 )(Ai K m1 ) Ai + Om1 = Om1 + Ai = Ai
4. postojanje inverznog elementa:
(Ai K m1 )((Ai ) K m1 ) Ai + (Ai ) = (Ai ) + Ai = Om1
5. komutativnost:
(Ai , A j K m1 ) Ai + A j = A j + Ai
Dakle, moemo zakljuciti da uredeni
par (K m1 , +) ima strukturu ABEL-ove GRUPE.
Analogno ovome imamo za vrste da je uredeni
par (V 1n , +) takoder
Abel-ova grupa.

Amar Bapic

Kolona (vrsta) se MNOI REALNIM BROJEM na taj nacin da se svaki element kolone (vrste) pomnoi tim
brojem, odnosno:

a1i
a1i
a1i
a
a
a
2i
2i
2i
= .
Ai = .
Ai = .
..
..
..

ami m1
ami m1
ami m1
h
Bi = ai1

ai2

...

ain

i
1n

h
Bi = ai1

ai2

...

ain

i
1n

Za operaciju mnoenja kolona (vrsta) nekim skalarom vrijede sljedece osobine:

lijeva distributivnost: (Ai + A j ) = Ai + A j
desna distributivnost: ( + )Ai = Ai + Ai
komutativnost: Ai = Ai
asocijativnost: ( ) Ai = ( Ai ) = ( Ai )

1.2.

Linearna kombinacija kolona(vrsta). Transponovana matrica. Specijalne matrice

Definicija 1.4 : Za kolonu A0 visine m kaemo da je linearna kombinacija kolona A1 , A2 , . . . , Ak K m1 visina m,

ako postoje brojevi 1 , 2 , . . . , k R tako da je
A0 = 1 A1 + 2 A2 + . . . + k Ak =

k
X

i Ai , i R

i=1

Definicija 1.5 : Za sistem od k kolona kaemo da je linearno nezavisan, ako iz uslova:

1 A1 + 2 A2 + . . . + k Ak = Om1

(1)

slijedi da je:
1 = 2 = . . . = k = 0
U protivnom, ako je bar jedan od skalara
1 = 2 = . . . = k , 0,
a vrijedi (1), tada za sistem kolona A1 , A2 , . . . , Ak kaemo da je linearno zavisan.
Isto vai i za vrste.
Definicija 1.6 : Transponovana matrica matrice A = (ai j )mn je matrica AT = (a ji )nm za koju vrijedi da je ai j = a ji .

A1
A2
h
i
A = . AT = A1 A2 . . . Am
..

Am

B1
B2
h
i
B = B1 B2 . . . Bn BT = .
..

Bn
Vrijedi: (AT )T = A

Amar Bapic

Specijalne matrice:
Kvadratna matrica:

a11
a
21
A = .
..

an1

Nul-matrica:
Onn

...
...

a12
a22
..
.

...
...

an2

0 0 . . .
0 0 . . .

= . .
.. .. . . .

0 0 ...

Dijagonalna matrica:
Dnn

Skalarna matrica:
S nn

Jedinicna matrica:

0
a22
..
.

a11
0

= .
..

...
...

1
0

En = In = .
..

0
1
..
.
0

Gornja trougaona:
AGT

a11
0

= .
..

a12
a22
..
.

a11
a
12
= .
..

a1n

0
a22
..
.

Donja trougaona:
ADT

...
...
...
...

0
a
..
.

a
0

= .
..

...
...

a2n

...
...
...
...
...
...
...
...
...
...
...
...

a1n

a2n

..
.
ann nn

..
.
0 nn
0
0
..
.
ann

nn

..
.
a nn

..
.
1 nn

a1n

a2n

..
.
ann nn
0
0
..
.
ann

nn

Amar Bapic

1.3.

Determinanta. Osobine determinanti

Definicija 1.7 : Determinanta je funkcija definirana na skupu kvadratnih matrica. Neka je A = [ai j ]nn kvadratna
matrica reda n, determinanta od A, u oznacij detA, je:
detA =

n
X
(1)i(p) a1 p1 a2 p2 . . . an pn ,
p

gdje se sumira po svih n! permutacija skupa {1, 2, . . . , n},a i(p) je parnost permutacije.
Determinantu od A piemo na sljedeci nacin:

a11
a21
detA =  .
 ..

an1

a12
a22
..
.
an2

...
...
...
...


a1n 

a2n 
.. 
. 
ann 

nn

Racunanje determinanti:
n = 1 : A = (a11 )11 = detA = |a11 |11 = a11


"
#
a11 a12 
a11 a12
= a11 a22 a12 a21
n=2:A=
= detA = 
a21 a22 
a21 a22
a11 a12 a13 a11 a12
n = 3 : A = (ai j )33 = detA = a21 a22 a23 a21 a22 =
a31 a32 a33 a31 a32
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a31 a22 a13 a32 a23 a11 a33 a21 a12
n = 3 : A = (ai j )33

a11 a12 a13
a
detA = a21 a22 a23 = a11  22
a32
a31 a32 a33



a
a23 
a12  21
a31
a33 



a
a23 
+ a13  21
a31
a33 


a22 
a32 

Definicija 1.8 : Minor Mi j proizvoljnog elementa ai j determinante A je determinanta reda n-1 matrice, koja je dobijena iz matrice A brisanjem i-te vrste i j-te kolone.
Definicija 1.9 : Kofaktorom elementa ai j nazivamo determinantu
Ai j = (1)i+ j Mi j
Laplaceov razvoj determinante A po I

a11 a12
a21 a22
detA =  .
..
 ..
.

an1 an2

vrsti:
...
...
...
...


a1n 

a2n 
.. 
. 
ann 

= a11 A11 + a12 A12 + . . . + a1n A1n =

n
X

a1k A1k

k=1

nn

Uopceno,
Laplaceov razvoj po i-toj vrsti:
detA =

n
X

aik Aik =

k=1

n
X

(1)i+k aik Mik

k=1

Laplaceov razvoj po j-toj koloni:

detA =

n
X
k=1

ak j Ak j =

n
X

(1)k+ j ak j Mk j

k=1

Amar Bapic

OSOBINE DETERMINANTI:
Neka je zadana kvadratna matrica A = (ai j )nn R, tada vrijede sljedece osobine:
detA = detAT
Ako u matrici A dvije susjedne kolone (vrste) zamjene mjesta determinanta c e promjeniti znak.
Determinanta nece promjeniti vrijednost ako ma kojoj koloni (vrsti) dodamo linearnu kombinaciju preostalih
kolona (vrsta).
Ako matrica A ima dvije jednake kolone (vrste), tada vrijedi da je detA = 0.
Ako je jedna kolona (vrsta) matrice A linearna kombinacija preostalih kolona (vrsta) matrice A, tada je detA = 0.
Vrijednosti determinanti specijalnih matrica:
Dijagonalna matrica:

detDnn

Skalarna matrica:

Jedinicna matrica:


a11
 0
=  .
 ..

0

0
a22
..
.
0

...
...
...
...


a
0
detS n =  .
 ..

0



n

Y
 = a11 a22 . . . ann =
aii

i=1

ann 
0
0
..
.

0
a
..
.
0


1
0
detIn =  .
 ..

0

0
1
..
.
0

Gornja trougaona:
detAGT


a11
 0
=  .
 ..

0

a12
a22
..
.


a11
a12
=  .
 ..

a1n

0
a22
..
.

Donja trougaona:
detADT

a2n

...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...


0

0
n
..  = a
. 
a

0

0
..  = 1
. 
1

a1n 

n
a2n  Y
aii
..  =
.  i=1
ann 


n
 Y
 =
aii

i=1

ann 
0
0
..
.

Matrica kod koje je vrijednost jedne kolone (vrste) nula:


0
0
detA =  .
 ..

0

a12
a22
..
.
an2

...
...
...
...


a1n 

a2n 
..  = 0
. 
ann 

Amar Bapic

1.4.

Bazisni minor. Rang matrice

Posmatrajmo matricu A = (ai j )mn . Ako iz matrice A izdvojimo r (r m) vrsta, koje su numerisane redom i1 , i2 , . . . , ir
pri c emu je 1 i1 i2 . . . ir m i s (s n) kolona, koje su numerisane redom k1 , k2 , . . . , k s pri c emu je
1 k1 k2 . . . k s n, tada elementi koji se nalaze u presjecima ovako izdvojenih vrsta i kolona obrazuju matricu
tipa r s, tj. matricu

ai1 k1 ai1 k2 . . . ai1 ks

a

i2 k1 ai2 k2 . . . ai2 ks
A = .
..
..
..
.
...
.

air k1 air k2 . . . air ks rs

Matricu A = (aiu kt )rs , (u = 1, 2, ..., r; t = 1, 2, ..., s) nazivamo submatricom matrice A. Ako je r = s, onda je
submatrica kvadratna reda r r, tj.
A = (aiu kt )rr , 1 r min{m, n}
Determinantu matrice A rr nazivamo minorom matrice A reda r.
Definicija 1.10 : Bazisni minor matrice Amn je minor reda r, 1 r min{m, n}, koji je razlicit od nule, a svi minori
reda r + 1, ukoliko postoje, su nula.
Definicija 1.11 : Rang matrice A (rangA) je red bazisnog minora.
Ako je rangA = r, onda je maksimalan broj linearno nezavisnih kolona (vrsta) u matrici A upravo r. Vrijedi i
obratno.
Elementarne transformacije matrica:
Pod elementarnim transformacijama matrice A = (ai j )mn Rmn podrazumjevamo sljedece operacije:
1. Mnoenje kolona (vrsta) brojem razlicitim od nula
2. Zamjena mjesta dvaju kolona (vrsta)
3. Dodavanje jednoj koloni (vrsti) neke druge kolone (vrste)
Pri elementarnim transformacijama se ne mijenja rang matrice!
Definicija 1.12 : Neka su A, B Rmn . Za matricu A i B kaemo da su ekvivalentne, piemo A B, ako je elementarnim transformacijama moguce transformisati matricu A u matricu B i obrnuto matricu B u A.
Teorem 1.1 : Ekvivalentne matrice imaju isti rang, tj.
A B = rangA = rangB
Svaku matricu A ranga r moemo svesti na oblik:
"
Ir
A
0

0
0

#
, rangA = r

Ovo je tzv. Kronikerova forma.

Rang matrice moemo posmatrati i na osnovu sljedece forme:

b11
0
..
.
0

...
...

b12
b22
..
.

...
...

0
0

b1r
b2r
..
.
brr

0
= rangA = r, A Rm,n , bii , 0 (i = 1, 2, ..., r)

Amar Bapic

1.5.

Operacije s matricama

1.5.1.

Sabiranje matrica

Definicija 1.13 : Zbir matrica A = (ai j )mn i B = (bi j )mn je matrica C = (ai j + bi j )mn . Sumu matrica oznacavamo sa
A + B = C.
Sabiranje je u skupu matrica zatvorena operacija i ono u skupu matrica ima sljedece osobine:
1. (A, B, C Rmn )
(A + B) + C = A + (B + C)
asoci jativnost
2. (Omn Rmn )(A Rmn ) A + Omn = Omn + A = A
neutralni element
3. (A Rmn )((A) Rmn ) A + (A) = (A) + A = Omn inverzni element
4. (A, B Rmn )
A+B= B+A
komutativnost
Poto vae ove osobine, moemo reci da je (Rmn , +) Abelova grupa.
1.5.2.

Mnoenje matrica skalarom

Definicija 1.14 : Matricu A = (ai j )mn mnoimo skalarom R na taj nacin da se pomnoi svaki element matrice A
tim skalarom, tj.
A = (ai j )mn , (i = 1, 2, ..., m; j = 1, 2, ..., n)
OSOBINE:
1.
2.
3.
4.

( R)(A, B Rmn )
(, R)(A Rmn )
( R)(A Rmn )
(, R)(A Rmn )

1.5.3.

Mnoenje matrica

(A + B) = A + B
( + ) A = A + A
A = A
( ) A = ( A) = ( A)

distributivnost
distributivnost
komutativnost
asoci jativnost

Proizvod matrica A i B se definie samo ako matrica A ima onoliko kolona koliko B vrsta, tj. Amn i Bnp . Ukoliko je
zadovoljen ovaj uslov proizvod se definie na sljedeci nacin.
Definicija 1.15 : Neka je matrica A reda m n i matrica B reda n p. Proizvod matrica A i B je matica C reda m p
c iji su elmenti:
n
X
ci j = ai1 b1 j + ai2 b2 j + ... + ain bn j =
aik bk j , (i = 1, 2, ..., m; j = 1, 2, ..., p)
k=1

Dakle, imamo da je:

Cmp = Amn Bnp

A1
A2 h
= . B1
..

Am

Pn
Pk=1 a1k bk1
n a b
k=1 2k k1
=
..

Pn .
k=1 amk bk1

Pn
a b
Pnk=1 1k k2
a
k=1 2k bk2
..
.
Pn
a
k=1 mk bk2

B2

...

A1 B1
i de f A2 B1
B p = .
..

Am B1

A1 B2
A2 B2
..
.
Am B2

...
...
...
...

A1 B p

A2 B p

=
..
.
Am B p mp

...
...

Pn

a b
Pnk=1 1k k p
n

X
k=1 a2k bk p

=
aik bk j = (ci j )mp
..

...
.

k=1
Pn
...
k=1 amk bk p mp

U optem slucaju za proizvod matrica ne vrijedi komutativnost, jer je A reda m n, a B reda n p pa je A B matrica
reda m p, dok je za B A proizvod nedefinisan. Dakle,
Amn Bnp , Bnp Amn

Amar Bapic

OSOBINE:
Za matrice Amn , Bnp , C pq vrijedi asoci jativnost:
A (B C) = (A B) C
Ako su A, B Rmn , C Rnp , D R pm i R, tada je:
(A + B)C = AC + BC
D(A + B) = DA + DB
ii) (A)C = A(C)
i)

desna distributivnost
li jeva distributivnost

iii) (A C)T = C T AT

1.6.

Inverzna matrica

Posmatrajmo matricu A = (ai j )nn , (i, j = 1, 2, ..., n).

Definicija 1.16 : Ukoliko je detA , 0, tada za matricu A kaemo da je regularna, a ukoliko je detA = 0, onda je ona
singularna.
Definicija 1.17 : Ako su A i X kvadratne matrice istog reda, tada za matricu X kaemo da je inverzna matrica matrice
A ako je ispunjen uslov:
A X = X A = I,
gdje je I jedinicna matrica istog reda kao i matrice A i X. Najceca oznaka za inverznu matricu je A1 (x).
Neka je A = (ai j )nn regularna matrica, tj. neka je detA , 0. Te neka je zadana adjungovana matrica matrice A, tj.
matrica ad jA.

T
A11 A12 . . . A1n
A
A22 . . . A2n
de f 21

ad jA = .
..
.. , Ai j ko f aktor elementa ai j
..
.
...
.

An1 An2 . . . Ann nn

Posmatrajmo proizvod matrice A i ad jA, tj.

a11
a
21
A ad jA = .
..

an1

a12
a22
..
.
an2

...
...
...
...

a1n A11

a2n A21

.. ..
. .
ann nn An1

A12
A22
..
.
An2

...
...
...
...

T
A1n
detA

0
A2n
=
..
..
.
.
0
Ann nn

0
...
o

detA . . .
0

..
.. = detA In
.
...
.
0
. . . detA nn

Isti rezultat c emo dobiti kada bismo posmatrali proizvod ad jA A.

Dakle, imamo da je:
1
A ad jA = detA In |
detA
1
A ad jA
= In
| {zdetA
}
A X = In

(2)

X A = In

(3)

1
ad jA A = detA In |
detA
1
ad jA
A = In
detA
| {z }

Amar Bapic

Iz (2) i (3) zakljucujemo da je X inverzna matrica matrice A, tovie formula za racunanje inverzne matrice je
X = A1 =

1
ad jA
detA

OSOBINE:
Neka su A i B regularne kvadratne matrice istog reda.
> (AB)1 = B1 A1
> (A1 )1 = A
> (A1 )T = (AT )1
> det(A1 ) = (detA)1
Teorem 1.2 : Svaka regularna matricaA Rnn je invertibilna, tj. ima tacno jednu inverznu matricu A1 .

10

Amar Bapic

2.

Sistemi linearnih algebarskih jednacina

Razmatrat c emo sisteme od m linearnih jednacina sa n nepoznatih, gdje su m, n N.

Definicija 2.1 : Pod linearnom jednacinom od n nepoznatih x1 , x2 , ..., xn podrazumjevamo jednacine oblika:
a1 x1 + a2 x2 + ... + an xn = b1 ,

(4)

gdje su ai (i=1,2,...,n) proizvoljni realni brojevi koje zovemo koeficijentima jednacine (4), b1 se naziva slobodnim
c lanom jednacine (4).
Dakle, sistem od m linearnih jednacina sa n nepoznatih je sistem oblika:
a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
..
.

(5)

am1 x1 + am2 x2 + . . . + amn xn = bm

gdje su ai j
(i
=
1, 2, ..., m;
j
=
bi (i = 1, 2, ..., m) slobodni c lanovi, a x j ( j = 1, 2, ..., n) nepoznate.

1, 2, ..., n)

koeficijenti

sistema

(5),

Za uredenu
n-torku (c1 , c2 , ..., cn ) kaemo da je rjeenje sistema (5) ako pri zamjeni x1 = c1 , x2 = x2 , ..., xn = xn

sistem (5) prelazi u jednakost medu

brojevima.
Navest c emo elementarne transformacije sistema koji c e nam biti od velike koristi prilikom rjeavanja sistema:
Zamjena mjesta dviju jednacina
Mnoenje ma koje jednacine sistema brojem razlicitim od nula
Dodavanje neke jednacine, koja je prethodno pomnoena nekim brojem razlicitim od nula, nekoj drugoj jednacini

11

Amar Bapic

2.1.

Analiza saglasnosti sistema

Neka je dat sistem (5), AX = B, gdje je A = (ai j )mn matrica koeficijenata sistema, X = (x j )n1 matrica nepoznatih i
B = (bi )m1 matrica slobodnih c lanova, gdje su i = 1, 2, ..., m i j = 1, 2, ..., n.
Definicija 2.2 : Za sistem kaemo da je saglasan ako ima rjeenje. Razlikujemo dva slucaja:
i) ukoliko ima tacno jedno rjeenje, sistem je odreden

ii) ukoliko ima beskonacno mnogo rjeenja, sistem je neodreden.

U suprotnom kaemo da je sistem nesaglasan.

Za ispitivanje saglasnosti koristit c emo se tzv. KRONECKER - CAPELLI-evim stavom koji glasi:
(Kronecker-Capelli):
Sistem (5) je saglasan ako i samo ako je rang sistema (5) jednak rangu
matrice istog sistema, tj.

a11
a
21
A = .
..

am1

a12
a22
..
.
am2

...
...
...
...

a1n

a2n

..
.
amn

(A/B) =

a11
a21
..
.

a12
a22
..
.

am1

am2

...
...

a1n
a2n
..
.

...
. . . amn

b1
b2
..
.
bm

proirene

rangA = rang(A/B) = r, 1 6 r 6 min{m, n} = sistem je saglasan

Ukoliko je sistem saglasan razlikujemo sljedece slucajeve:
1. m = n = sistem (5) je kvadratni sistem!
i) r = n = sistem (5) ima tacno jedno rjeenje
ii) r < n = sistem (5) ima beskonacno mnogo rjeenja
2. n < m
i) r = n = sistem (5) ima tacno jedno rjeenje
ii) r < n = sistem (5) ima beskonacno mnogo rjeenja
3. m < n = sistem (5) ima beskonacno mnogo rjeenja
Ako je rangA , rang(A/B), tada za sistem (5) kaemo da je nesaglasan, tj. nema rjeenja.

12

Amar Bapic

2.2.

Rjeavanje odredenih
kvadratnih sistema

2.2.1.

Matricna metoda

Definicija 2.3 : Matricnom jednacinom nazivamo jednacine oblika

AX = B

(6)

YA = B

(7)

gdje su A i B date kvadratne matrice n-tog reda, a X i Y traene kvadratne matrice istog reda n.
Pod rjeenjem matricne jednacine (6), ondnosno (7), podrazumjevamo svaku matricu odgovarajuceg reda koja zadovoljava (6), odnosno (7).
Ukoliko je detA , 0, tj. ako je A regularna matrica, tada (6)i (7) imaju jedinstvena rjeenja dobijena na sljedeci
nacin:

AX = B | A1 sa lijeva
A1
A X = A1 B
|
{z }

Y A = B | A1 sa desna
1
Y |
A {z
A1
} = BA

X = A1 B

Y = B A1

Kako se svaki sistem od n linearnih jednacina sa n, tj. sistem

a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
..
.

(8)

an1 x1 + an2 x2 + . . . + ann xn = bn

moe napisati u obliku matricne jednacine (6), tj.
AX = B

(9)

gdje su A, X i B sljedece matrice:

a11
a
21
A = .
..

an1

a12
a22
..
.
an2

...
...
...
...

a1n
x1
b1

b
x2
a2n
, X = , B = 2
..
..
..
.
.
.
ann
xn
bn

to ako je, matrica A sistema (8) regularna, tada je rjeenje sistema (8) odnosno matricne jednacine (9) dato sa
X = A1 B
jedinstveno rjeenje.

13

Amar Bapic

2.2.2.

Cramer-ov metod (Metod determinanti)

Sistem od n linearnih jednacina sa n, tj. sistem

a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
..
.

(10)

an1 x1 + an2 x2 + . . . + ann xn = bn

ima jedinstveno rjeenje ako je determinanta D = detA tog sistema razlicita od nule, tj.
D = detA , 0
Rjeenje je u tom slucaju
Di
D
gdje je D determinanta sistema, a Di su determinante iz matrice dobijene zamjenom i te kolone, kolonom slobodnih
c lanova.
xi =

Ukoliko je D = 0 imamo dva slucaja:

i) Di = 0 (i = 1, 2, ..., n) = sistem (10) ima beskonacno mnogo rjeenja
ii) (i {1, 2, ..., n}) Di , 0 = sistem (10) nema rjeenja
2.2.3.

Gauss-ov metod

Kvadratni sistem od n jednacina sa n nepoznatih rjeavamo Gauss-ovom metodom tako da uz pomoc elementarnih
transformacija sistema, sitem svedemo na oblik:
a11 x1 + a12 x2 + . . . + a1n xn = b1
a22 x2 + . . . + a2n xn = b2
..
.
an1,n1 xn1 + an1,n xn = bn1
ann xn = bn
Odavde moemo zakljuciti da je xn =
njem x2 u prvu jednacinu dobit c emo x1 .

bn
, uvrtavanjem xn u prethodnu jednacinu dobit c emo xn1 , itd. uvrtavaann

14

Amar Bapic

2.3.

Rjeavanje neodredenog
nekvadratnog sistema

Ovaj sistem se rjeava tako da sistem oblika AX = B, A = (ai j )mn , X = (x j )n1 , B = (bi )m1 svede na kvadratni.
Neka je rangA = rang(A/B) = r < n = saglasan.

(5) AX = B (A/B) =

()1

a11
a21
..
.
ar1

...
...
...
...

a1r
a2r
..
.
arr

a11
a21
..
.

a12
a22
..
.

am1

am2

P
b1 nk=r+1 a1k
P
b2 nk=r+1 a2k
..
.
Pn
br k=r+1 ark

...
...

a1n
a2n
..
.

b1
b2
..
.

...
. . . amn

bm

a11
a21
..
.
ar1
ar+1,1
..
.
am1

...
...

a1r
a2r
..
.

...
...
arr
. . . ar+1,r
..
...
.
...

amr

a1,r+1 . . .
a2,r+1 . . .
..
. ...
ar,r+1 . . .
ar+1,r+1 . . .
..
. ...

arn
ar+1,n
..
.

br
br+1
..
.

...

amn

bm

am,r+1

a1n
a2n
..
.

a11 x1 + a12 x2 + . . . + a1r xr = b1

a21 x1 + a22 x2 + . . . + a2r xr = b2

n
X
k=r+1
n
X

a1k xk
a2k xk

k=r+1

..
.
ar1 x1 + ar2 x2 + . . . + arr xr = br

n
X

(11)

ark xk

k=r+1

Za sistem (11) vrijedi:

i) nepoznate xr+1 , xr+2 , ..., xn (ukupno n r) su u (11) slobodne varijable iz R
ii) (11) je kvadratni sistem reda r r i

a11
a
21
rang .
..

ar1

a12
a22
..
.
ar2

...
...
...
...

a1r

a2r

.. = r
.
arr

iii) (11) je kvadratni sistem c ija je matrica regularna, tj.


a11
a21
 .
 ..

an1

1 Uo
cimo

a12
a22
..
.
an2

...
...
...
...


a1n 

a2n 
..  , 0
. 
ann 

bazisni minor reda r, zaboravimo na vrste reda r + 1, r + 2, ..., m, prebacimo sve kolone reda r + 1, r + 2, ..., n na lijevu stranu

15

b1
b2
..
.

Amar Bapic

3.

Algebra vektora

Definicija 3.1 :
Skup PQ svih tacaka prave koje se nalaze izmedu
tacaka P i Q

(P , Q) ukljucujuci i njih naziva se du. Tacke P i Q se nazivaju krajevima dui, a rastojanje izmedu
njih zove
se duina dui i oznacava se sa d(P, Q) ili |PQ|
Definicija 3.2 : Du kod koje su krajnje tacke uredene,
tj. du kod koje je jedna tacka pocetka, a druga krajnja, naziva

se vektor ili orijentisana du.

~ Rastojanje izmedu
Vektor kod koga je P pocetak, a Q kraj predstavljamo kao na slici ispod i obiljeavamo sa PQ.
Pi
~
Q zovemo intenzitetom vektora ili normom i obiljeavamo sa |PQ|. Vektore obiljeavamo jo sa
~ B,
~ ..., AB,
~ PQ,
~ ...
~a, ~b, ..., A,

Q
P

~
Slika 1: Vektor PQ
~ kaemo da je orijentisan (ima smjer) od P ka Q, a za pravu odredenu
Za vektor PQ
tackama P i Q kaemo da je

nosac vektora.
Vektor karakteriu sljedeci elementi:
~ |~p|, |P|,
~ ...
INTENZITET (NORMA) vektora - rastojanje izmedu
pocetne i krajnje tacke vektora i obiljeava se sa |PQ|,
PRAVAC vektora - prava-nosac kojoj pripada orijentisani odsjecak
SMJER vektora - orijentacija odsjecka od njegove pocetne tacke

POCETNA
TACKA
vektora
VRSTE VEKTORA:

Vektori vezani za tacku - vektori c iji se poceci ne mogu odvojiti od tacke za koju su "vezani", npr. sila koja
djeluje na nekruto tijelo.
Vektori vezani za pravu (nosac) - vektori koji se ne mogu odvojiti od svog nosaca za koji su "vezani", npr. sila
koja djeluje na kruto tijelo .
Slobodni vektori - vektori koji nisu vezani niti za svoju pocetnu tacku niti za svoj nosac, npr. vektor translacije.
Nula-vektor - vektor c iji se kraj i pocetak poklapaju, obiljeavamo ga sa ~0.
Definicija 3.3 : Dva vektora, vezana za tacku, su JEDNAKA ako i samo ako imaju jednaka sva c etiri elementa koja
ih karakteriu. Dva vektora, vezana za nosac, su JEDNAKA ako i samo ako su im jednaki intenziteti, nosaci im se
poklapaju i imaju iste smjerove.
Definicija 3.4 : Za vektore ~a, ~b V kaemo da su kolinearni ako i samo ako ~a i ~b imaju isti pravac, tj. ~a k ~b
Definicija 3.5 : Za vektore ~a, ~b, ~c V kaemo da su komplanarni ako i samo ako lee u istoj ravni.

16

Amar Bapic

~p

~q

Slika 2: Kolinearni vektori

~b

~a

~c

Slika 3: Komplanarni vektori

3.1.

Operacije s vektorima

3.1.1.

Jednakost vektora. Sabiranje vektora.

~ i P1~Q1 kaemo da su jednaka i piemo PQ

~ = P1~Q1 ako postoji translacija
Definicija 3.6 : Za dva vektora PQ
prostora koja tacku P prevodi u P1 , a tacku Q u tacku Q1 . Dakle, jednaki vektori su kolinearni i imaju isti smjer i
jednake intenzitete.
Q1

P1

Slika 4: Jednaki vektori

Vektore moemo SABIRATI na dva nacina:
1. Pravilo trougla:
Vektori ~a i ~b su ulancani (nadovezani) ako se kraj prvog vektora podudara sa pocetkom drugog vektora. Zbir dva
ulancana vektora ~a i ~b je vektor ~c koji spaja pocetnu tacku prvog s krajnjom tackom drugog vektora. Ukoliko ~a i
~b nisu nadovezani, translacijom jednog vektora "namjestimo" da ~a i ~b budu ulancani te ih saberemo prema gore
navedenom postupku.

17

Amar Bapic

~c = ~a + ~b
~b

~a

Slika 5: Pravilo trougla

2. Pravilo paralelograma:
~ paralelograma OABC konsZbir dva vektora ~a i ~b dovedenih na zajednicki pocetak O je vektor dijagonale OC
truisanog nad vektorima ~a i ~b.
~b

~a

~a

~ = ~a + ~c
OC

O
~b

Slika 6: Pravilo paralelograma

Za sabiranje dva vektora vrijede sljedece osobine:
1. Asoci jativnost:
(~a, ~b, ~c V)
2. Netralni element: (~a V)(~0 V)
3. Inverzni element: (~a V)((~a) V)
4. Komutativnost:
(~a, ~b V)
Moemo zakljuciti da je (V, +) Abelova grupa.

3.1.2.

~a + (~b + ~c) = (~a + ~b) + ~c

~a + ~0 = ~0 + ~a = ~a
~a + (~a) = (~a) + ~a = ~0
~a + ~b = ~b + ~a

Mnoenje vektora skalarom

Proizvod ma kojeg R, kojeg zovemo skalar, i vektora ~a je vektor ~a koji ima isti pravac kao i vektor ~a, intenzitet
de f

|~a| = || |~a|, smjer vektora ~a za > 0, suprotan smjer vektora ~a za < 0.

18

Amar Bapic

~a ( > 0)

B1

~a

~a ( < 0)

Slika 7: Mnoenje vektora skalarom

Mnoenje vektora skalarom ima sljedece osobine:
1. (~a, ~b V)( R)
2. (~a V)(, R)
3. (~a V)(, R)
4. (~a V)

3.2.

(~a + (~b) = ~a + ~b
( + ) ~a = ~a + ~a
( ) ~a = (~a) = (~a)
1 ~a = ~a, (1) ~a = ~a

Linearna nezavisnost i zavisnost vektora. Uslov kolinearnosti i komplanarnosti vektora.

Definicija 3.7 : Neka je i R i ~ai V, i {1, 2, ..., n}. Linearnom kombinacijom vektora ~a1 , ~a2 , ..., ~an nazivamo zbir
1~a1 + 2~a2 + ... + n~an =

n
X

i~ai

i=1

Definicija 3.8 Za vektore ~a1 , ~a2 , ..., ~an V kaemo da su linearno nezavisni ako i samo ako
1~a1 + 2~a2 + ... + n~an = ~0 1 = 2 = ... = n = 0
Definicija 3.9 Za vektore ~a1 , ~a2 , ..., ~an V kaemo da su linearno zavisni ako i samo ako nisu linearno nezavisni, tj.
1~a1 + 2~a2 + ... + n~an = ~0 (k , 0, k {1, 2, ..., n})
Teorem 3.1 : Vektori ~a i ~b,~a, ~b , 0, su linearno zavisni vektori ako i samo ako su kolinearni!
DOKAZ:
"="
Neka su ~a, ~b linearno zavisni.

~a + ~b = ~0 ( , 0 , 0)

Neka je
,0

~b = ()~a | : , 0
k

~b =
~a

~b = k ~a

= vektori su kolinearni, tj. ~a k ~b

19

Amar Bapic

"="
Neka su ~a, ~b kolinearni vektori, tj. ~a i ~b imaju isti pravac.
Imamo:
p
~
~b = |b| ~a
|~a|
p~a ~b = ~0
p~a + (1) ~b = ~0
|{z}
,0

= ~a, ~b su linearno zavisni.

Teorem 3.2 : Nenulti vektori ~a, ~b, ~c V su KOMPLANARNI ako i samo ako su linearno zavisni. Tada se jedan vektor
moe prikazati kao linearna kombinacija preostala dva vektora. (npr. ~c = ~a + ~b).

3.3.

Skalarni proizvod vektora

Definicija 3.10 : Uglom izmedu

vektora ~a i ~b, c iji je zajednicki pocetak tacka O, je ugao za koji treba rotirati oko
tacke O jedan od njih tako da bi im se smjerovi i pravci poklopili. Za ugao kaemo da je pozitivan ako vektor ~a rotiramo
u smjeru suprotnom od kretanja kazaljke na satu do poklapanja sa ~b.
Definicija 3.11 : SKALARNI PROIZVOD dva vektora ~a i ~b je skalar (broj) koji obiljeavamo sa ~a ~b i definiemo
ovako:
de f
~a ~b = |~a||~b| cos ](~a, ~b)
Dakle, skalarnom proizvodu dva vektora je skalar koji je jednak proizvodu intenziteta tih vektora i kosinusa ugla kojeg
oni zaklapaju.
Osobine skalarnog proizvoda: (~a, ~b, ~c V3 )( R)
1. ~a ~b = ~b ~a
2. ~a ~a = |~a|2
3. ~a ~b = 0 ~a ~b - uvjet okomitosti dva vektora
4. (~a + ~b) ~c = ~a~c + ~b~c
5. (~a ~b) = (~a) ~b = ~a (~b)
6. Za jedinicne vektore ~i, ~j, ~k vrijedi:

~i
~j
~k

~i
1
0
0

~j
0
1
0

~k
0
0
1

20

Amar Bapic
Neka je ~a = a1~i + a2 ~j + a3~k, ~b = b1~i + b2 ~j + b3~k
Tada je:
~a ~b = (a1~i + a2 ~j + a3~k)(b1~i + b2 ~j + b3~k) =
= a1 b1 (~i ~i) +a1 b2 (~i ~j) +a1 b3 (~i ~k) +a2 b1 (~j ~i) +a2 b2 (~j ~j) +a2 b3 (~j ~k) +
|{z}
|{z}
|{z}
|{z}
|{z}
|{z}
1

+a3 b1 (~k ~i) +a3 b2 (~k ~j) +a3 b3 (~k ~k) = a1 b1 + a2 b2 + a3 b3

|{z}
|{z}
|{z}
0

3.4.

Vektorski proizvod vektora

Neka je {~i, ~j, ~k} ortonomirana baza u V3 , a ~a, ~b proizvoljni vektori iz V3 .

Definicija 3.12 : Vektorski proizvod dva vektora ~a i ~b, obiljeavamo sa [~a, ~b] ili c ece sa ~a ~b, je vektor:
1. c iji je intenzitet |~a ~b| = |~a||~b| sin , gdje je ugao izmedu
vektora ~a i ~b.
2. koji je ortogonalan na svaki od vektora ~a i ~b.
3. ima takav smjer da vektori ~a, ~b, ~a ~b c ine trojku vektora iste orijentacije kao bazis {~i, ~j, ~k}
H

~b

~a ~b

~k
~j
~i

~a

~b
B

~k

~i

~a ~b

~a
C

~j

Slika 8: Smjer vektora u odnosu na bazis {~i, ~j, ~k}

Osobine vektorskog proizvoda:
Intenzitet vektorskog proizvoda brojno je jednak povrini paralelograma konstruisanog nad vektorima ~a i ~b.
~a ~b = 0 ~a k ~b, ~a, ~b , o
~a ~b = ~b ~a
(~a) (~b) = (~a ~b)
(~a + ~b) ~c = ~a ~c + ~b ~c
(~a ~b) = (~a) ~b = ~a (~b)
Za jedinicne vektore ~i, ~j, ~k vrijedi:

~i
~j
~k

~i
0
~k
~j

~j
~k
0
~i

~k
~j
~i
0
21

Amar Bapic
Ako su a1 , a2 , a3 i b1 , b2 , b3 redom koordinate vektora ~a i ~b redom u ortonomiranoj bazi {~i, ~j, ~k}. tada je:
~a ~b = (a1~i + a2 ~j + a3~k) (b1~i + b2 ~j + b3~k) =
= a1 b1 (~i ~i) +a1 b2 (~i ~j) +a1 b3 (~i ~k) +a2 b1 (~j ~i) +a2 b2 (~j ~j) +a2 b3 (~j ~k) +
|{z}
|{z}
|{z}
|{z}
| {z }
| {z }
0

~k

~j

~k

~i

+a3 b1 (~k ~i) +a3 b2 (~k ~j) +a3 b3 (~k ~k) =

|{z}
| {z }
| {z }
~j

~i

= a1 b2 ~k + a1 b3 (~j) + a2 b1 (~k) + a2 b3 ~i + a3 b1 ~j + a3 b2 (~i) =

= (a2 b3 b2 a3 )~i (a1 b3 b1 a3 )~j + (a1 b2 b1 a2 )~k =


a3  ~ a1
j+
b1
b3 


a2  ~
k=
b2 


 ~i

a1
b1


a
=  2
b2



a3 ~ a1
i
b1
b3 

3.5.

Mjeoviti proizvod vektora

~j
a2
b2


~k 

a3 
b3 

Definicija 3.13 : Neka su ~a, ~b, ~c proizvoljni vektori iz V3 koji su dovedeni na zajednicki pocetak.
Mjeoviti proizvod vektora ~a, ~b, ~c je broj koji obiljeavamo sa h~a~b~ci, a koji je jednak skalarnom proizvodu vektora ~a ~b
i ~c, tj.
h~a~b~ci = (~a ~b, ~c) = (~a ~b) ~c
OSOBINE:
Apsolutna vrijednost mjeovitog proizvoda tri nekomplanarna vektora ~a, ~b, ~c jednaka je zapremini paralelopipeda
konstruisanog nad tim vektorima, tj.
VP = |(~a ~b) ~c|
Tri vektora ~a, ~b, ~c su komplanarna ako i samo ako je njihov mjeoviti proizvod jednak nuli, tj.
(~a ~b) ~c = 0 ~a, ~b, ~c
Za bilo koja tri vektora ~a, ~b, ~c vrijedi:
(~a ~b) ~c = (~b ~c) ~a = (~c ~a) ~b
Ako su a1 , a2 , a3 ; b1 , b2 , b3 i c1 , c2 , c3 redom koordinate vektora ~a, ~b, ~c redom u bazi veci, ~j, ~k, tada vrijedi sljedeca
relacija:


a1 a2 a3 
(~a ~b) ~c = b1 b2 b3 


c1 c2 c3 

22

Amar Bapic

Literatura
1. Dedagic, F. (1997). Uvod u viu matematiku. Tuzla: Filozofski fakultet Tuzla
2. Mitrinovic, D.S., Mihailovic, D., Vasic, P.M. (1990). Linearna algebra. Polinomi. Analiticka geometrija. Beograd: Gradevinska
knjiga

23