11.

MATRICE

1/40
Uvod

Plan:
1 Matrični račun
2 Rang i inverz matrice
3 Linearna nezavisnost
4 Linearni sustavi
5 Svojstvene vrijednosti i svojstveni vektori

Primjene linearne algebre:

kompresija slike, teorija kodiranja, Google Page Rank algoritam

2/40
11.1. Definicija i primjeri matrica

3/40
 Matrica = pravokutna tablica realnih brojeva

Primjer 1, Primjer 2.
 
    1
1 −1 3 0 −1  
A= , B= , C = 2 ,
 D= 1 2 3
0 2 2 1 π
3
Matrica A tipa m × n:
 
a11 a12 a13 ... a1n
 a21 a22 a23 ... a2n 
A= .. .. .. ..
 

 . . . . 
am1 am2 am3 . . . amn

oznaka A ∈ Rm×n ili A ∈ Mmn

m = n kvadratna matrica; oznake A ∈ Rn×n ili A ∈ Mn

(A)ij = aij ; indeks retka i = 1, . . . , m, indeks stupca j = 1, . . . , n
4/40
Jednakost matrica

Def. Matrice A i B su jednake ako vrijedi:

istog su tipa (imaju jednak broj redaka i jednak broj stupaca)
imaju jednake odgovarajuće elemente, tj. aij = bij za sve i, j

Zadatak. Odredite a, b ∈ R takve da su matrice A i B jednake, ako je

zadano    
1 a−3 1 b
A= B=
0 2b 0 a+1
Rješenje:
Matrice su istog tipa te izjednačavanjem pripadnih elemenenata dobijemo
sustav a − 3 = b, 2b = a + 1 čija rješenje je a = 7, b = 4.

5/40
Jednakost matrica

Def. Matrice A i B su jednake ako vrijedi:

istog su tipa (imaju jednak broj redaka i jednak broj stupaca)
imaju jednake odgovarajuće elemente, tj. aij = bij za sve i, j

Zadatak. Odredite a, b ∈ R takve da su matrice A i B jednake, ako je

zadano    
1 a−3 1 b
A= B=
0 2b 0 a+1
Rješenje:
Matrice su istog tipa te izjednačavanjem pripadnih elemenenata dobijemo
sustav a − 3 = b, 2b = a + 1 čija rješenje je a = 7, b = 4.

5/40
Osnovni tipovi matrica
1. Nul-matrica: aij = 0, ∀i, j
2. Dijagonalna matrica: kvadratna matrica kojoj su svi elementi van glavne
dijagonale jednaki nula, tj. aij = 0 za sve i 6= j.
 
a11 0 0 ... 0
   0 a22 0 . . . 0
3 0 0
  
1 0
 
, 0 0 0 ,  0 0 a33 0 0
 
0 1  .. ..

0 0 4 .. 
 . . . 
0 0 0 ... ann
3. Jedinična matrica: dijagonalna matrica, elementi na dijagonali jednaki 1
 
  1 0 0 ... 0
  1 0 0 0 1 0 . . . 0
1 0
, 0 1 0 ,  .
 
0 1  ..

0 0 1

0 0 0 ... 1
(
1, i = j
Oznaka: I = (δij ), δij = Kroneckerov delta simbol
0, i 6= j
6/40
... Osnovni tipovi matrica ...

4. Trokutaste matrice: kvadratne matrice čiji su elementi ispod ili iznad glavne
dijagonale jednaki nula
   
1 2 3 1 0 0
 0 4 5 ,  2 4 0
0 0 6 3 5 6

5. Transponirana matrica matrice A: matrica koju iz matrice A dobijemo

zamjenom redaka i stupaca; oznaka A⊤ . Vrijedi: (A⊤ )ij = Aji , ∀i, j
   
2 −1 2 3
A= , A⊤ =
3 1 −1 1
 
3 −1  
⊤ 3 0 1
B= 0 2 , B =
 
−1 2 4
1 4

7/40
... Osnovni tipovi matrica ...

6. Simetrična matrica: A ∈ Mn takva da vrijedi A⊤ = A,

tj. aij = aji , ∀i, j = 1, . . . , n.
 
1 3 −1
A= 3 1 2
−1 2 1

7. Vektor kao matrica:

vektor redak: 1 2 1 ∈ R1×3 matrica tipa 1 × 3
 
 
1
vektor stupac: 2 ∈ R3×1 matrica tipa 3 × 1
1
 
 ⊤ 1
1 −1 2 = −1
2

8/40
11.2. Operacije s matricama

9/40
Operacije sa matricama istog tipa

Mmn skup svih matrica tipa m × n (oznaka Rm×n )

zbrajanje matrica: A, B ∈ Mmn =⇒ A + B ∈ Mmn

(A + B)ij = (A)ij + (B)ij , ∀i, j

     
2 −1 −1 0 1 −1
+ =
3 2 3 1 6 3
množenje matrice skalarom: A ∈ Mmn , λ ∈ R =⇒ λA ∈ Mmn

λ(A)ij = (λA)ij , ∀i, j

   
1 −1 3 −3
3  0 2  = 0 6 
3 1 9 3

10/40
Svojstva zbrajanja matrica i množenja matrice skalarom

za proizvoljne matrice A, B, C ∈ Mmn vrijedi:

Z1. (A + B) + C = A + (B + C) asocijativnost
Z2. A + B = B + A komutativnost
Z3. A + 0 = 0 + A = A postojanje neutralnog elementa (0 je nul-matrica)
Z4. za svaku matricu A postoji njoj suprotna matrica −A takva da je
A + (−A) = 0 postojanje suprotnog elementa
za proizvoljne matrice A, B ∈ Mmn i za proizvoljne skalare λ, µ ∈ R vrijedi:
M1. λ(A + B) = λA + λB distributivnost prema zbrajanju
M2. (λ + µ)A = λA + µA distributivnost prema zbrajanju u R
M3. (λµ)A = λ(µA) uskladenost množenja
M4. 1 · A = A netrivijalnost množenja

Svojstva Z1. − Z4. i M 1. − M 4. daju skupu Mmn strukturu vektorskog

prostora.

11/40
Definicija vektorskog prostora
Uredena trojka (X, +, ·) koja se sastoji od nepraznog skupa X i dviju operacija:

+:X ×X →X zbrajanje vektora

· :R×X →X množenje vektora skalarom

naziva se vektorski prostor ako vrijede sljedeća svojstva:

VP1. (∀x, y ∈ X) x + y = y + x komutativnost
VP2. (∀x, y, z ∈ X) x + (y + z) = (x + y) + z asocijativnost
VP3. (∃0 ∈ X)(∀x ∈ X) 0 + x = x + 0 = x postojanje neutralnog elementa
VP4. (∀x ∈ X)(∃x′ ∈ X) x + x′ = x′ + x = 0 postojanje suprotnog elementa
VP5. (∀α, β ∈ R)(∀x ∈ X) α(βx) = (αβ)x uskladenost množenja
VP6. (∀α ∈ R)(∀x, y ∈ X) α(x + y) = αx + αy distributivnost prema zbr. u X
VP7. (∀α, β ∈ R)(∀x ∈ X) (α + β)x = αx + βx distributivnost prema zbr. u R
VP8. (∀x ∈ X) 1 · x = x netrivijalnost množenja

12/40
Neki primjeri vektorskih prostora

vektorski prostor je struktura koja se sastoji od skupa snabdjevenog

dvjema operacijama koje trebaju zadovoljavati 8 prethodno navedenih
svojstava
Mmn
V 1 , V 2 , V 3 skup svih vektora na pravcu, u ravnini i u prostoru E 3
skup C[a, b] svih neprekidnih funkcija na segmentu [a, b]
skup Pn svih polinoma stupnja ≤ n

13/40
11.3. Algebra matrica

14/40
Umnožak vektora retka i vektora stupca
 
b1
 b2 
an ∈ R1×n , b =  ..  ∈ Rn×1
 
a = a1 a2 · · ·
 
.
bn

skalarni produkt vektora 

u R n:

b1
n
 b2 
  X
a · b = a1 a2 · · · an  .  = a1 b1 + a2 b2 + · · · an bn = a k bk
 .. 
k=1
bn

Primjer 1.    
a = 3 1 2 , b = 2 −1 1
 
⊤
  2
a · b = ab = 3 1 2 −1 = 3 · 2 + 1 · (−1) + 2 · 1 = 7
1 15/40
Množenje matrica
A = (aij ) matrica tipa m × n, B = (bij ) matrica tipa n × p
AB = (cij ) matrica tipa m × p
 
b1j
n
 b2j 
  X
(AB)ij := ai1 ai2 . . . ain  ..  = ai1 b1j + . . . + ain bnj = aik bkj
 . 
k=1
bnj
Primjer 2.
 
1 2  
−1 1 3 1 2
A=
2
, B=
1 1 −1 0
1 0
A ∈ R4×2 , B ∈ R2×3 =⇒ AB ∈ R4×3

16/40
Množenje matrica
A = (aij ) matrica tipa m × n, B = (bij ) matrica tipa n × p
AB = (cij ) matrica tipa m × p
 
b1j
n
 b2j 
  X
(AB)ij := ai1 ai2 . . . ain  ..  = ai1 b1j + . . . + ain bnj = aik bkj
 . 
k=1
bnj
Primjer 2.

   
1 2   1·3+2·1 1 · 1 + 2 · (−1) 1·2+2·0
−1 1 3 1 2 −1 · 3 + 1 · 1 −1 · 1 + 1 · (−1) −1 · 2 + 1 · 0

2 = 
1 1 −1 0  2·3+1·1 2 · 1 + 1 · (−1) 2·2+1·0 
1 0 1·3+0·1 1 · 1 + 0 · (−1) 1·2+0·0

16/40
Množenje matrica
A = (aij ) matrica tipa m × n, B = (bij ) matrica tipa n × p
AB = (cij ) matrica tipa m × p
 
b1j
n
 b2j 
  X
(AB)ij := ai1 ai2 . . . ain  ..  = ai1 b1j + . . . + ain bnj = aik bkj
 . 
k=1
bnj
Primjer 2.
   
1 2   5 −1 2
−1
 3 1
1 2 −2 −2 −2

2 = 
1 1 −1 0 7 1 4
1 0 3 1 2

16/40
Neke napomene

Ako je definiran umnožak AB, to ne znači da je definiran umnožak

BA.
AB 6= BA
Iz AB = AC ne slijedi B = C.
Iz AB = 0 ne slijedi A = 0 ili B = 0.
Primjer 3, 4, 5. . . .

Zadatak 1.    
x= 3 1 2 , y = 2 −1 1 ,
izračunajte x⊤ y i xy ⊤ .

17/40
Svojstva matričnog množenja

1 Asocijativnost
A ∈ Mmn , B ∈ Mnp , C ∈ Mpr

(AB)C = A(BC)

2 Distributivnost

(A + B)C = AC + BC
C(A + B) = CA + CB

3 Umnožak s jediničnom matricom

A ∈ Mn , I ∈ Mn
AI = I A = A

18/40
Transponiranje produkta

(AB)⊤ = B ⊤ A⊤

ulančanost
[(AB)⊤ ]ik = (AB)ki = vidi predavanja = (B ⊤ A⊤ )ik

Napomena: (A + B)⊤ = A⊤ + B ⊤

19/40
Zadaci...

Zadatak 1, 2, 3, 4 . . .

Zadatak 1, 2, 3. ...neke elementarne matrične jednadžbe...

20/40
11.4. Definicija determinante

21/40
Što je determinanta?
Determinanata: skalar pridružen svakoj kvadratnoj matrici
Oznaka: det(A)
Motivacija: veza sa linearnim sustavima
ax + by = e,
cx + dy = f.
ed − bf
(ad − bc)x = ed − bf =⇒ x =
ad − bc
af − ce
(ad − bc)y = af − ce =⇒ x =
ad − bc
Ako je ad − bc 6= 0 rješenje linearnog sustava možemo izraziti formulama:
   
 e b a e 
   
f d  c f 
x=  , y =  
a b  a b 
   
 c d  c d
Cramerovo pravilo
22/40
Definicija determinante
Induktivno obzirom na dimenziju matrice
n = 1: A = [a11 ], det A = a11
   
a11 a12 a11 a12 
n = 2: A = , det A =   := a11 a22 − a21 a12
a21 a22 a21 a22 
 
a11 a12 a13
n = 3: A = a21 a22 a23 
a31 a32 a33
 
a11 a12 a13       
a a23  a21 a23  a21 a22 
det A = a21 a22 a23  := a11  22
 
− a 12 
  + a 13 

a31 a32 a33  a32 a33  a31 a33  a31 a32 

= a11 (a22 a33 − a23 a32 ) − a12 (a21 a33 − a23 a31 ) + a13 (a21 a32 − a22 a31 )

Primjer 1. . . .

23/40
Sarrusovo pravilo

mnemotehničko pravilo za računanje determinante matrice

tipa 3 × 3  
a11 a12 a13
A = a21 a22 a23 
a31 a32 a33

 
a11 a12 a13  a11 a12
 
det A = 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

24/40
Laplaceov razvoj determinante
Minore: Mij minora elementa aij
determinanta matrice koja se dobije brisanjem i-tog retka i j-tog
stupca
     
a22 a23  a21 a23  a21 a22 
M11 :=   , M12 := 
a31 a33  , M13 := a31 a32 
  
a32 a33 

Alegebarski komplement: Aij elementa aij

Aij := (−1)i+j Mij

A11 = +M11 , A12 = −M12 , A13 = +M13

Formula za razvoj determinante matrice tipa 3 × 3 po 1. retku:

det A = a11 A11 + a12 A12 + a13 A13 = a11 M11 − a12 M12 + a13 M13

25/40
...

Napomena. Svejedno je po kojem stupcu ili retku razvijamo!

Primjer 2. . . .

26/40
... Laplaceov razvoj determinante ...
razvoj determinante matrice A ∈ M3 po i-tom retku
3
X 3
X
det A = aij Aij = (−1)i+j aij Mij , za i = 1, 2, 3.
j=1 j=1

razvoj determinante matrice A ∈ M3 po j-tom stupcu

3
X 3
X
det A = aij Aij = (−1)i+j aij Mij , za j = 1, 2, 3.
i=1 i=1

Laplaceov razvoj determinante matrice A ∈ Mn

razvoj po i-tom retku
X n n
X
det A = aij Aij = (−1)i+j aij Mij , za i = 1, . . . , n
j=1 j=1

razvoj po j-tom stupcu

Xn n
X
det A = aij Aij = (−1)i+j aij Mij , za j = 1, . . . , n
i=1 i=1
27/40
... Laplaceov razvoj determinante ...
Primjer 3. . . .

Zadatak 1. Izračunajte determinantu matrice

 
1 1 1 1 1
1 −2 2 2 2
 
A = 1 2 −2 2
 2
1 2 2 −2 2 
1 2 2 2 −2

Laplaceov razvoj determinate mukotrpno!

iskoristiti neka svojstva determinante?
svojstva navodimo za retke; analogno vrijedi i za stupce...

28/40
11.5. Svojstva determinanata

29/40
Svojstvo 1
Ako matrica A ima redak (stupac) sastavljen od samih nula, onda je
det A = 0.
Dokaz. . . .

Primjer  
  1 0 3
0 0  
2 0 5 = 0
1 2 = 0,
 
 
6 0 7

30/40
Svojstvo 2
Determinanta trokutaste matrice jednaka je umnošku elemenata na
dijagonali.
Dokaz. . . .

Primjer
 
1 0 0 0  
 1 1 3
1 2 0 0  
 = 1 · 2 · 3 · 4, 0 2 5 = 1 · 2 · 7
1 2 3 0  
 0 0 7
1 2 3 4

31/40
Svojstvo 3
Ako matrica A ima 2 jednaka retka (stupca) onda je det A = 0.
Dokaz. . . .

Primjer  
8 2 3 4  
 1 1 3
1 3 5 9  
 = 0, 2 2 5 = 0
1 2 3 0  
 0 0 7
1 3 5 9

32/40
Svojstvo 4
Transponiranjem matrice vrijednost determinante se ne mijenja, tj.

det A = det A⊤ .
Dokaz. preskačemo!

Primjer    
8 2 3 4 8 1 1 1

1 3 5 9 2 3 2 3

1 =
 2 3 0 3 5 3 5
1 3 5 7 4 9 0 7

33/40
Svojstvo 5
Determinanta se množi skalarom tako da se jedan (bilo koji) njezin redak
(stupac) množi skalarom.
Dokaz. . . .

Primjer      
3 8 −2  3 8 −2 3 2 −2
     
5 20 −15 = 5 1 4 −3 = 5 · 4 1 1 −3
     
3 4 −1  3 4 −1 3 1 −1

34/40
Svojstvo 6
Rastave li se svi elementi nekog retka(stupca) matrice na zbroj dvaju
elemenata, onda je determinanta jednaka zbroju dvaju odgovarajućih
determinanata.
Dokaz. . . .

Primjer
     
x + 2 3x − 3 −x + 4 x 3x −x 2 −3 4
     
 2 0 1  =  2 0 1  + 2 0 1

 4 3 1  4 3 1  4 3 1

35/40
Svojstvo 6
Rastave li se svi elementi nekog retka(stupca) matrice na zbroj dvaju
elemenata, onda je determinanta jednaka zbroju dvaju odgovarajućih
determinanata.
Dokaz. . . .

Primjer
     
x + 2 3x − 3 −x + 4 x 3x −x 2 −3 4
     
 2 0 1  =  2 0 1  + 2 0 1

 4 3 1  4 3 1  4 3 1

35/40
Svojstvo 7
Ako zamijenimo dva retka matrice, tada determinanta mijenja predznak.
Dokaz. . . .

Primjer    
 2 −1 3  −1 2 −3
   
3 1 5  = −9, 3 1 5  = . . . = 9
 
−1 2 −3  2 −1 3 

36/40
Svojstvo 7
Ako zamijenimo dva retka matrice, tada determinanta mijenja predznak.
Dokaz. . . .

Primjer    
 2 −1 3  −1 2 −3
   
3 1 5  = −9, 3 1 5  = . . . = 9
 
−1 2 −3  2 −1 3 

36/40
Svojstvo 8
Ako nekom retku(stupcu) matrice dodamo neki drugi redak (stupac)
matrice pomožen skalarom, vrijednost determinante neće se promijeniti.
Dokaz. . . .

Napomena. Računanje determinante pomoću Laplaceovog razvoj za

matrice reda n ≥ 4 je mukotrpan posao. Zato za računanje determinanti
matrica višeg reda koristimo navedena svojstva.

Primjer: vratimo se na naš Zadatak 1 . . .

Zadatak 2. . . .

37/40
Svojstvo 8
Ako nekom retku(stupcu) matrice dodamo neki drugi redak (stupac)
matrice pomožen skalarom, vrijednost determinante neće se promijeniti.
Dokaz. . . .

Napomena. Računanje determinante pomoću Laplaceovog razvoj za

matrice reda n ≥ 4 je mukotrpan posao. Zato za računanje determinanti
matrica višeg reda koristimo navedena svojstva.

Primjer: vratimo se na naš Zadatak 1 . . .

Zadatak 2. . . .

37/40
Binet-Cauchyjev teorem

A, B ∈ Mn , det(AB) = det A det B

Zadatak 3. . . .

Zadatak 4. Ispitajte koje od sljedećih tvrdnji su istinite za proizvoljne

A, B ∈ Mn
det(A + B) = det(A) + det(B)
det(λA) = λ det(A)
det(λA) = λn det(A)
det(Ak ) = (det A)k , ∀k ∈ N

38/40
Matrice i linearna preslikavanja

A ∈ Rm×n , x ∈ Rn , y = Ax ∈ Rm
    
y1 a11 a12 · · · a1n x1
 y2   a21 a22 · · · a2n   x2 
 ..  =  .. .. ..   .. 
    
 .   . . .  . 
ym am1 am2 · · · amn xn

f : Rn → Rm linearno preslikavanje
aditivnost: f (u + v) = f (u) + f (v), ∀u, v ∈ Rn
homogenost: f (αu) = αf (u), ∀u ∈ Rn , ∀α ∈ R

f (αu + βv) = αf (u) + βf (v), ∀u, v ∈ Rn , ∀α, β ∈ R

Umnožak matrica odgovara kompoziciji linearnih preslikavanja

(vidi knjižicu)

39/40
Što smo preskočili u knjižici 11?

str.26. dokaz Binet-Cauchyjevog teorema

sekcija 11.6. računanje determinanti n-tog reda

40/40