SADRŽAJ

UVOD.........................................................................................................................................................3
1. VEKTORSKI PROSTOR I PODPROSTOR.......................................................................................4
1.1 Vektorski podprostor...................................................................................................................4
2. SISTEMI LINEARNIH JEDNAČINA................................................................................................6
2.2 Gaussov metod..................................................................................................................................6
2.3 Kramerovo metod (metod determinante).........................................................................................7
2.3 Kroneker kapelijev metod..................................................................................................................8
3. MATRIČNE JEDNAČINE................................................................................................................10
4. ZAKLJUČAK....................................................................................................................................12
5. LITERATURA..................................................................................................................................13

2
UVOD

U ovom seminarskom govorit cemo o tri oblasti a to su :

Vektorski prostor i podprostor jedna od fundamentalnih struktura suvremene matematike, nastala
poopćenjem i apstrakcijom prostora orijentiranih dužina
Sistemima linearnih jednačina i načinima njihovih rješavanja
a) Gaussovo metod
b) Kramerov metod (metod determinant)
c) Matričnoi metod
d) Kroneker-Kapelijovev metod
Posljednja tema koju cemo obraditi jeste matrične jednačine i njihovo rješavanje.
U svakom poglavlju su navedeni i primjeri rješavanja datih zadataka.

3
 1. VEKTORSKI PROSTOR I PODPROSTOR

Vektorski prostor (linearni prostor), jedna od fundamentalnih struktura suvremene matematike,

nastala poopćenjem i apstrakcijom prostora orijentiranih dužina.

Definicija vektorskog prostora Skup V zovemo vektorski prostor nad poljem F kada su na njemu
definisane operacije vektorsko sabiranje i skalarno množenje koje zadovoljavaju sljedeće
osobine.
(A1) x + y ∈ V za sve x, y ∈ V. Ovu osobinu zovemo zatvorenost za vektorsko sabiranje.
(A2) (x + y) + z = x + (y + z) za svaki x, y, z ∈ V.
(A3) Postoji element 0 ∈ V takav da x + 0 = x za svaki x ∈ V.
(A4) Za svaki x ∈ V, postoji element (−x) ∈ V takav da x + (−x) = 0.
(A5) x + y = y + x za svaki x, y ∈ V.
(Osobine (A1)-(A5) u stvari govore da je ureden par (V, +) Abelova grupa.)
(M1) αx ∈ V za sve α ∈ F i x ∈ V. Ovu osobinu zovemo zatvorenost za skalarno mnoˇzenje.
(M2) (αβ)x = α(βx) za sve α, β ∈ F i svaki x ∈ V.
(M3) α(x + y) = αx + βy za svaki α ∈ F i sve x, y ∈ V.
(M4) (α + β)x = αx + βx za sve α, β ∈ F i svaki x ∈ V.
(M5) 1x = x za svaki x ∈ V

1.1 Vektorski podprostor

Neka je S neprazan podskup vektorskog prostora V nad F (simbolički, S⊆V). Ako je S taođer
vektorski prostor nad F sa istim operacijama sabiranja i skalarnog množenja, tada za S kažemo
da je potprostor od V. Nije potrebno provjeriti svih 10 osobina iz definicije vektorskog prostora
da bi odredili da li je dati podskup vektorski potprostor - trebaju se provjeriti jedino osobine
zatorenosti (A1) i (M1). Tj. neprazan podskup S vektorskog prostora V je potprostor od V ako i
samo ako vrijedi :
(A1) x, y ∈S ⇒ x + y ∈ S i (M1) x ∈S ⇒ αx ∈ S za sve α ∈ F.

4
Primjer 1.
Neka je V proizvoljan vektorski proctor nad poljem F. Pokazati da je U = {o} popdprostor od V.
(A1) (x,-x),(a,-a) ∈ U ⇒
(0,0), (a,-a) ∈ U ⇒
(0,0)+(a,-a) ∈ U ⇒
(0+a, 0+(-a)) = (0,0) ∈ U
(M1) (x,-x) ∈ U ⇒ L(x,-x) ∈ U ∀L∈R
(0,0) ∈ U ⇒ L(0,0) ∈ U = (L*0,L*0) = (0,0) ∈ U, ∀L∈R
U je vektorski podprostor prostora V.

Primjer 2.
Pokazati da je skup U= { (x,-x) │x∈R } vektorski podprostor prostora R2
Prema definiciji vektorskog podprostora U ⊆ R je vektorski podprostor akko je U neprazan skup
I vrijedi
(A1) (x, -x), (a,-a) ∈ U ⇒ (x,-x)+(a,-a) ∈ U
(M1) (x,-x) ∈ U ⇒ L (x,-x) ∈ U za ∀ L∈R
U je neprazan zato sto npr. (0,0) ∈ U
(A1) Vrijedi zato što
(x,-x)+(a,-a)=(x+a,-x-a)=(x+a, -(x+a)) ∈ U
Kako je
L(x,-x) = ( Lx, -Lx) ∈ U to vrijedi i osobina (M1)
U je vektorski poprostor prostora R2

5
 2. SISTEMI LINEARNIH JEDNAČINA

Sistem od m jedinačina sa n nepoznatih zovemo sistem linearnih jednačina

a 11 x 1 +a12 x2 +…+ a1 n x n=b1

a21 x1 +a 22 x 2+ …+a2 n xn =b2
⋮
am 1 x 1+ am 2 x 2 +…+ amn x n=bm
}
Sisteme linearnih jednačina možemo riješiti :
e) Gaussovom metodom
f) Kramerovom metodom (metod determinant)
g) Matričnom metodom
h) Kroneker-Kapelijovom metodom

2.2 Gaussov metod

a 11 x 1 +a12 x2 +…+ a1 n x n=b1

⋮
am 1 x 1+ am 2 x 2 +…+ amn x n=bm
}
a21 x1 +a 22 x 2+ …+a2 n xn =b2 ( ¿ )
sistem od m linearnih jednačina od n nepoznatih

x1 b1
a11 x 1 ⋯ a1 n x n
ako je A= ⋮
[ ⋱
x
]
⋮ ; X= 2 i B=
a m 1 x 1 ⋯ a mn x n
⋮
xn [] [] b2
⋮
bm
tada je sistem ( ¿ ) ⇔ AX=B

6
 a 11 ⋯ a1 n b1

[ |]
A| B= ⋮ ⋱ ⋮ ⋮ – proširena matrica
am 1 ⋯ a mn b m

 ako je ¿ tada sistem ima tačno jedno rješenje

 ako je ¿ tada sistem ima beskonačno mnogo rješenja, a razlika broja nepoznatih i ranga
matrice predstavlja broj nepoznatih koje se uzimaju proizvoljno.
 ako je ¿ tada sistem nema rješenje

Primjer 3.

x+2 y +3 z=5
{
Riješiti sistem jednačina 2 x− y−z =1
x+ y+ 4 z=6

1 2 3 5 1 2 3 5 1 2 3 5

[
1 1 4 6 0 1 |] [
A| B= 2 −1 −1 1 ∼ 0 −5 −7 −9 ∼ 0 1 1 1
1 1 0 0 −2 −4 |][ |]
¿

x+2 y +3 z=5
Dobijamo novi sistem koji glasi:
{
y + z=1
−2 z=−4

z=2 ; y +2=1 ⇔ y =−1; x−2+ 6=5 ⇔ x =1

Rješenje sistema (1 ,−1 , 2)

2.3 Kramerovo metod (metod determinante)

Primjer 4.
Riješi sistem jednačina:
x +2 y −5 z=6
2 x+ y +2 z=5
−3 x+ 3 y−4 z =8

7
 1 2 −5 1 2
| | |
D= 2 1 2 2 1 = (-4 – 12 - 30) – (-16 + 6 + 15) = -51
−3 3 −4 −3 3

6 2 −5 6 2
| | |
D x = 5 1 2 5 1 = (-24 + 32 - 75) – (-40 + 36 - 40) = -23
8 3 −4 8 3

1 6 −5 1 6
| | |
D y = 2 5 2 2 5 = (-20 – 36 - 80) – (48 + 16 + 75) = -179
−3 8 −4 −3 8

1 2 6 1 2
| | |
D z= 2 1 5 2 1 = (8 – 30 + 36) – (32 + 15 - 18) = -15
−3 3 8 −3 3

Kramerova teorema nam daje rješenje:

D x −23 23
x= = =
D −51 51
D y −179 179
y= = =
D −51 51
D z −15 5
z= = =
D −51 17

2.3 Kroneker kapelijev metod

a11 a12 ⋯ a1 n
Neka je dat sistem linearnih jednačina Ax=b, gdje su A= [ ⋮ ¿ ¿ ]
⋯ ¿ amn ¿ (mxn) ,

x1 b1
x
⋮
xn [] []
x= 2 i b=
b2
⋮
bm

Matricu Ā = [ A│ b] zovemo proširena matrica

Teorema (Kroeneker-Kapeli)
Sistem ima jedinstveno rješenje akko je rang A = rang Ā = n (n broj nepoznatih)

8
Ako je rang A = rang Ā < n tada sistem ima beskonačno mnogo rješenja (n-rang A nepoznatih
uzima se porizvoljno)
Ako je rang A < rang Ā tada sistem nema rješenja.

Primjer 5.

x 1+ x2−x 3 =13 x 1+ x 2−x 3=32 x1 + x 2=2

1 1 1 0 1 1 1 1
Ā = [A / b] =
[ |]
3 1 −1
2 1 0 2
3 ∼ (II-I*3), (III-I*2)∼ 0
[
−2 −4
2 −1 −2 0 |]
0 ∼ ( II III ) ∼

1 1 1 1 1 1 1 1

[ |] [
0 −1 −2 0 ∼ (III – II*2 ) ∼ 0 −1 −2 0
0 −2 −4 0 0 0 0 0 |]
Rang A = Rang Ā = 2 < 3
Sistem ima beskonačno mnogo rješenja
x 3=t −x 2−2 x3 =0x 1+ x2 + x 3=1

−x 2−2 t=0 x 1−2 t+t=1 x 2=−2 t

x 1=t+ 1

Sistem ima beskonačno mnogo rješenja oblika ( t+1,-2t,t) gdje je t R

9
 3. MATRIČNE JEDNAČINE

Jednadžba AX = B je ekvivalentna sistemu od p sustava jednadžbi. To znači: ako AX = B ima

rješenje, onda i svaka jednadžba (ili svaki sustav) Ax = bi ima rješenje i obratno, ako svaka
jednadžba Ax = bi ima rješenje, tada ga ima i AX = B.
Teorem
Jednadžba AX = B ima rješenje ako i samo ako vrijedi r(A) = r([A|B]). Ako je gornji uvjet
ispunjen i ako je X(P) neko rješenje jednadžbe AX = B, onda je opće rješenje jednadžbe oblika X
= X(P) + X(H) , gdje je X(H) opće rješenje homogene matrične jednadžbe AX = 0.
Specijalno, jednadžba AX = B ima jedinstveno rješenje ako i samo ako homogena jednadžba ima
nul-matricu kao jedino rješenje.

Primjer 6.

Riješiti jednačinu A∙X=B, ako je A = [ 14 24] i B = [ 22 21]

X = A-1∙ B
1 4 −2
A-1¿− [ ]
4 −4 1

−1 4 −2 2 2 −1 4 6
X= [ ] ∙[
4 −4 1 2 1 ] =
4 −6 −7 ]
[

Primjer 7.

10
 1 1 1 0 1 0

2 3 5 [
Riješiti matričnu jednačinu X ∙ −1 −2 −3 = 1 0 0 .
0 0 −1 ][ ]
X ∙ A=B/∙ A−1sa desne strane

X =B ∙ A−1
1
A−1= ∙( A¿¿ ¿)T ¿
detA

1 1 1 0 0 1
| |
detA = −1 −2 −3 = (Ik-IIIk, IIk-IIIk) = 2
2 3 5
1 −3 = 1 ∙
−3 −2 5 |2 1
−3 −2
= −¿1.
| | |

|−23 −35 | −|−12 −35 | |−12 −23 | −1

[
A = −|1 1|
¿

1
3 5
1 − 1
|1 1
2 5|
1
|−2 −3| |−1 −3| |−1 −2| 1
2 3
1
[−1
−|1 1| =¿ −2

] −1 1
3 −1
2 −1 ]
−1 −2 −1
T
( A¿¿ ¿) ¿ ¿ −1 3 2
1 −1 −1 [ ]
−1 −2 −1 1 2 1
A−1=
1
−1
∙ −1 3
[
2 = 1 −3 −2
1 −1 −1 −1 1 1 ][ ]
0 1 0 1 2 1 1 −3 −2
X =B ∙ A −1
[
0 0 −1 −1 1 ][
= 1 0 0 ∙ 1 −3 −2 = 1 2
1
1
1 −1 −1 ][ ]

11
 4. ZAKLJUČAK

Linearna algebra je grana matematike koja izučava vektorske prostore, linearna preslikavanja
vektorskih prostora i matrične reprezentacije linearnih preslikavanja. Vektorski prostori su
centralna tema moderne matematike, pa je linearna algebra našla primjenu u apstraktnoj algebri i
funkcionalnoj analizi.
U ovom radu smo naučili kroz primjere raditi zadatke sisteme jednačina po metodama, matrične
jednačine i vektorski prostor.

12
 5. LITERATURA

Bakić, D., Linearna algebra

https://web.math.pmf.unizg.hr/~bakic/la/linearna_algebra_sk_7.pdf
Franušić, Z., Šiftar, J. Linearna algebra 1
https://web.math.pmf.unizg.hr/~fran/predavanja-LA1.pdf

Rešić, S. i Osmić, A. Osnovi matematike I. Tuzla: Papir – karton d.o.o.

13