Professional Documents
Culture Documents
ALGEBRA I
Zapiski predavanj
2016/2017
Kazalo vsebine
1 Vektorji 2
1.1 Tridimenzionalni koordintni sistem . . . . . . . . . . . . . . . . . . . . 2
1.2 Vektorji v R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Komponente vektorja in krajevni vektor . . . . . . . . . . . . . 7
1.2.2 Algebrske operacije z vektorji . . . . . . . . . . . . . . . . . . . 8
1.2.3 Enotski vektorji . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Skalarni produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 Geometrijski pomen skalarnega produkta . . . . . . . . . . . . . 13
1.4 Vektorski produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.1 Geometrijski pomen vektorskega produkta . . . . . . . . . . . . 20
1.5 Mešani produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.1 Geometrijski pomen mešanega produkta . . . . . . . . . . . . . 23
2 Premice in ravnine v R3 24
2.1 Presečišča . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Razdalje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3 Koti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3 Matrike 43
3.1 Računske operacije z matrikami . . . . . . . . . . . . . . . . . . . . . . 44
3.1.1 Seštevanje dveh matrik . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.2 Množenje matrike s skalarjem . . . . . . . . . . . . . . . . . . . 46
3.1.3 Množenje matrik . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.1.4 Transponiranje matrik . . . . . . . . . . . . . . . . . . . . . . . 50
3.2 Sistemi linearnih enačb . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3 Obrnljive matrike . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.4 Determinanta kvadratne matrike . . . . . . . . . . . . . . . . . . . . . 71
3.4.1 Permutacije in definicija determinante . . . . . . . . . . . . . . 71
3.4.2 Osnovne lastnosti determinant . . . . . . . . . . . . . . . . . . . 77
3.4.3 Uporaba determinant . . . . . . . . . . . . . . . . . . . . . . . . 80
3.5 Uporaba matrik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.5.1 V analitični geometriji - primer . . . . . . . . . . . . . . . . . . 85
1
VEKTORJI
x2 + y 2 = 4 and z = 3?
Rešitev. Te točke ležijo na vodoravni ravnini z = 3 in, na tej ravnini, tvorijo krožnico
z enačbo x2 + y 2 = 4. Glej sliko 1.2.
3
1.1. TRIDIMENZIONALNI KOORDINTNI SISTEM 1. VEKTORJI
Distance in space
Formula za razdaljo med dvema točkama v ravnini xy se smiselno razširi na točke v
prostoru.
Če sta A(x2 , y1 , z1 ) in B(x2 , y2 , z1 ) oglišča kvadra, kot sta prikazani na sliki 1.3,
potem imajo trije robovi kvadra P1 A, AB, in BP2 dolžine
4
1.1. TRIDIMENZIONALNI KOORDINTNI SISTEM 1. VEKTORJI
Torej velja
Krogle v prostoru
Z uporabo formule za razdaljo lahko zapišemo enačbo krogle v prostoru (glej sliko 1.4).
Točka P (x, y, z) leži na krogli polmera a s središčem v P0 (x0 , y0 , z0 ) natanko takrat, ko
je |P0 P | = a ali (x − x0 )2 + (y − y0 )2 + (z − z0 )2 = a2 .
(x − x0 )2 + (y − y0 )2 + (z − z0 )2 = a2 .
x2 + y 2 + z 2 + 3x − 4z + 1 = 0.
Rešitev. Središče in polmer krogle najdemo na enak način, kot središče in polmer
krožnice: člene, ki vsebujejo x, y, z dopolnimo do popolnega kvadrata in zapišemo
5
1.2. VEKTORJI V R3 1. VEKTORJI
vsakega od njih kot kvadrat linearnega izraza. Nato iz enačbe v standardni obliki
preberemo središče in polmer krogle. Za dan primer dobimo
x2 + y 2 + z 2 + 3x − 4z + 1 = 0
1.2 Vektorji v R3
Vektor je predstavljen z usmerjeno daljico (Slika 1.5).
−→
Slika 1.5: Usmerjeni daljici AB pravimo vektor.
−→
Definicija 1.6. Vektor, ki ga predstavlja usmerjena daljica AB ima začetno točko
−→
A in končno točko B, njegovo dolžino označimo z |AB|. Dva vektorja sta enaka,
če sta enake dolžine in imata isto smer.
6
1.2. VEKTORJI V R3 1. VEKTORJI
−→
Slika 1.6: Vektor P Q v izhodiščni legi ima začetno točko v izhodišču.
Dva vektorja sta enaka če in samo če sta njuna vektorja v izhodiščni legi identična.
Torej sta (u1 , u2 , u3 ) in (v1 , v2 , v3 ) enaka če in samo če je u1 = v1 , u2 = v2 in u3 = v3 .
−→
Norma ali dolžina vektorja P Q je enaka dolžini poljubne ekvivalentne usmerjene daljice.
−→
Če je torej →
−
v = (x2 − x1 , y2 − y1 , z2 − z1 ) vektor P Q v izhodiščni legi, potem nam
formula za razdaljo poda normo ali dolžino vektorja → −v , ki jo označimo z |→
−
v | ali ||→
−
v ||.
−→
Norma (dolžina) vektorja →
−
v = P Q je nenegativno število
q
|→
− p
v | = v12 + v22 + v32 = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2
7
1.2. VEKTORJI V R3 1. VEKTORJI
→
−
Edini vektor dolžine 0 je ničelni vektor 0 = (0, 0, 0). Ta vektor je tudi edini, ki
nima definirane smeri.
Primer 1.8. Poiščite (a) komponente (b) dolžino vektorja z začetno točko P (−3, 4, 1)
in končno točko Q(−5, 2, 2).
−→
Rešitev. (a) Vektor →−v v izhodiščni legi, ki predstavlja vektor P Q ima komponente
v1 = x2 − x1 = −5 − (−3) = −2, v2 = y2 − y1 = 2 − 4 = −2 in v3 = z2 − z1 =
2 − 1 = 1.
−→
(b) Dolžina vektorja →
−v = P Q je
√
|→
− p
v | = (−2)2 + (−2)2 + 12 = 9 = 3.
Seštevanje vektorjev: →
−
u +→ −v = (u1 + v1 , u2 + v2 , u3 + v3 )
Množenje vektorja s skalarjem: k~u = (ku1 , ku2 , ku3 )
8
1.2. VEKTORJI V R3 1. VEKTORJI
q
|k →
− p
u | = (ku1 )2 + (ku2 )2 + (ku3 )2 = k 2 (u21 + u22 + u23 )
√ q
= k 2 u21 + u22 + u23 = |k||→
−
u |.
Dolžina vektorja k →
−
u je enaka absolutni vrednosti skalarja k, pomnoženi z dolžino
→
−
vektorja u .
Razlika →
− u −→
−v dveh vektorjev je definirana kot
→
−
u −→
−
v =→
−
u + (−→
−
v ).
Opazimo, da je (→
−
u −→
−
v)+→
−
v =→
−
u , glej sliko 1.9.
(a) 2→
−
u + 3→
−
v
(b) →
−
u −→
−
v
(c) | 21 →
−
u |.
Rešitev. (a) 2→
−
u + 3→
−
v = 2(−1, 3, 1) + 3(4, 7, 0) = (−2, 6, 2) + (12, 21, 0) = (10, 27, 2)
(b) →
−u −→ −v = (−1, 3, 1) − (4, 7, 0) = (−5, −4, 1)
√
1→
−
q
(c) | 2 u | = ( −1
2
)2 + ( 3 )2 + ( 1 )2 = 11
2 2 2
9
1.2. VEKTORJI V R3 1. VEKTORJI
Operacije z vektorji imajo mnogo lastnosti, ki jih srečamo pri običajni aritmetiki.
1. Komutativnost: →
−
u +→
−
v =→
−
v +→
−
u
2. Asociativnost: (→
−
u +→
−
v)+→
−
w =→
−
u + (→
−
v +→
−
w)
→
− →
−
3. Identiteta za seštevanje: →
−
u + 0 =→
−
u , kjer je 0 = (0, 0, 0)
4. Inverz za seštevanje: →
−
u + (−→
−
u)=0
5. Distributivnost: a(→
−
u +→
−
v ) = a→
−
u + a→
−
v in (a + b)→
−
u = a→
−
u + b→
−
u
6. Identiteta za množenje: 1→
−
u =→
−
u
7. a(b→
−
u ) = (ab)→
−
u
a(→
−
u +→
−
v ) = a((u1 , u2 , u3 ) + (v1 , v2 , v3 ))
= a(u1 + v1 , u2 + v2 , u3 + v3 )
= (a(u1 + v1 ), a(u2 + v2 ), a(u3 + v3 ))
= (au1 + av1 , au2 + av2 , au3 + av3 )
= (au1 , au2 , au3 ) + (av1 , av2 , av3 )
= a(u1 , u2 , u3 ) + a(v1 , v2 , v3 )
= a→
−u + a→ −v.
Linearna neodvisnost
Definicija 1.11. Množica vektorjev → −v 1, →
−
v 2, . . . , →
−
v n je linearno neodvisna če iz enakosti
→
−
a1 →
−
v 1 + a2 →
−
v 2 + · · · + an →
−
v n = 0 sledi, da so a1 = a2 = · · · = an = 0.
10
1.2. VEKTORJI V R3 1. VEKTORJI
→
−
Če obstaja neka linearna kombinacija a1 → −v 1 + a2 →
−
v 2 + · · · + an →
−v n = 0 v kateri
je vsaj eno izmed števil ai različno od 0, potem so vektorji →−v 1, →−
v 2, . . . , →
−
v n linearno
→
−
odvisni. To pomeni, da lahko vsaj enega izmed vektorjev v i izrazimo, kot linearno
kombinacijo ostalih vektorjev.
Če je, na primer, ai 6= 0, potem je
→
− 1 a2 − an −
v i = (−a2 →
−
v 2 − · · · − an →
−
v n) = − → v 2 − ··· − → v n.
a1 a1 a1
→
−
Opomba 1.12. Množica vektorjev, ki vsebuje vektor 0 je linearno odvisna.
a) →
−
u = (−1, 1, 1), →
−
v = (1, 2, 3) in →
−
w = (0, 1, 8)
b) →
−
u = (−1, 1, 21), →
−
v = (1, 2, 3) in →
−
w = (0, 1, 8)
Rešitev. a) Če je a→
−
v + b→
−
u + c→
−
w = 0, potem je
−a + b = 0
a + 2b + c = 0
a + 3b + 8c = 0
posledično velja
a=b
c = −3b
20b = 0 ⇒ b = 0 ⇒ c = 0 ⇒ a = 0
Torej so vektorji →
−
v ,→
−
u in →
−w linearno neodvisni.
b) Če je a→
−
v + b→
−
u + c→
−
w = 0, potem je
−a + b = 0
a + 2b + c = 0
21a + 3b + 8c = 0
posledično velja
a=b
c = −3b
21a + 3b + 8c = 0 ⇒ 0b = 0
Opazimo, da lahko vrednost b izberemo poljubno. Če je, na primer, b = 1, potem
je a = 1 in c = −3. Torej so vektorji →
−
v ,→
−
u in →
−
w linearno odvisni.
11
1.3. SKALARNI PRODUKT 1. VEKTORJI
Poljuben vektor →
−
v = (v1 , v2 , v3 ) lahko zapišemo kot linerno kombinacijo vektorjev
→
− → − →
−
i , j in k :
→
−
v = (v1 , v2 , v3 ) = (v1 , 0, 0) + (0, v2 , 0) + (0, 0, v3 )
= v1 (1, 0, 0) + v2 (0, 1, 0) + v3 (0, 0, 1)
→
− →
− →
−
= v1 i + v2 j + v3 k .
Številu v1 pravimo i-ta komponenta vektorja → −v , številu v2 j-ta komponenta in
→
−
številu v k-ta komponenta. Čim je v 6= 0 , je njegova dolžina |→
3
→
− −v | različna od 0 in
1 → − 1 →
|−
|→
− v = →− v | = 1.
v| |v|
Primer 1.14. Poiščite enotski vektor → −u v smeri vektorja z začetno točko P (1, 0, 1) in
končno točko Q(3, 2, 0).
−→
Rešitev. Vsako komponento vektorja P Q delimo z njegovo dolžino:
−→
P Q = (3 − 1, 2 − 0, 0 − 1) = (2, 2, −1)
−→ p √ √
|P Q| = 22 + 22 + (−1)2 = 4 + 4 + 1 = 9 = 3
−−
→
→
−u = −PQ 1 2 2
→ = (2, 2, −1) = ( , , − )
−
1
|P Q| 3 3 3 3
12
1.3. SKALARNI PRODUKT 1. VEKTORJI
1.
hu + v, wi = (u1 + v1 )w1 + (u2 + v2 )w2 + (u3 + v3 )w3
= u1 w1 + v1 w1 + u2 w2 + v2 w2 + u3 w3 + v3 w3
= u1 w1 + u2 w2 + u3 w3 + v1 w1 + v2 w2 + v3 w3
= hu, wi + hv, wi.
2.
hau, vi = (au1 )v1 + (au2 )v2 + (au3 )v3
= a(u1 v1 ) + a(u2 v2 ) + a(u3 v3 )
= a(u1 v1 + u2 v2 + u3 v3 ))
= ahu, vi.
3.
hu, vi = u1 v1 + u2 v2 + u3 v3
= v1 u1 + v2 u2 + v3 u3
= hv, ui.
hv − u, v − ui = hv, v − ui + h−u, v − ui
= hv, vi + hv, −ui + h−u, vi + h−u, −ui
= hv, vi − hv, ui − hu, vi + hu, ui
= hv, vi − 2hu, vi + hu, ui.
13
1.3. SKALARNI PRODUKT 1. VEKTORJI
−2hu, vi = −2|→
−
u ||→
−
v | cos ϕ.
hu, vi = |→
−
u ||→
−
v | cos ϕ, (1.2)
Rešitev. Izračunamo:
|→
−
u |2 = hu, ui = 4 + 4 + 1 = 9
|→
−
v |2 = hv, vi = 9 + 0 + 16 = 25
hu, vi = −6 + 0 − 4 = −10
hu,vi −10 .
Potem je cos ϕ = |−
→
u ||−
→
v|
= = − 23 . Od tod dobimo ϕ = 131, 8◦ .
3·5
14
1.3. SKALARNI PRODUKT 1. VEKTORJI
Spomnimo se tudi, da je zaloga vrednosti funkcije cos ϕ interval [−1, 1]. Torej je
0 ≤ | cos ϕ| ≤ 1. Iz izreka 1.18 dobimo tako naslednji izrek:
|hu, vi| ≤ |→
−
u | · |→
−
v |.
|→
−
u +→
−
v |2 = |→
−
u |2 + |→
−
v |2 .
Dokaz. Izračunajmo:
|→
−
u +→
−
v |2 = hu + v, u + vi = hu, u + vi + hv, u + vi
= hu, ui + hu, vi + hv, ui + hv, vi
= hu, ui + 2hu, vi + hv, vi.
Ker sta →
−
u ,→
−
v pravokotna, je hu, vi = 0 in posledično je
|→
−
u +→
−
v |2 = hu, ui + hv, vi = |→
−
u |2 + |→
−
v |2 .
|→
−
u +→
−
v | ≤ |→
−
u | + |→
−
v |.
|→
−
u +→
−
v |2 = hu, ui + 2hu, vi + hv, vi
= |→
−
u |2 + 2|→
−
u ||→
−v | cos ϕ + |→
−v |2
≤ |→
−
u |2 + 2|→
−
u ||→
−v | + |→
−v |2 = (|→
−u | + |→
−
v |)2 .
Neenakost sledi iz dejstva, da je cos ϕ ≤ 1. Ker je dolžina vektorja nenegativna, iz tega
sledi, da je
|→
−u +→ −
v | ≤ |→
−
u | + |→
−
v |.
15
1.3. SKALARNI PRODUKT 1. VEKTORJI
Projekcije
−→
Naj imata vektorja → −
u in → −
v skupno izhodišče. Projekcija vektorja → −u = P Q na
−→ −→
neničeln vektor →
−
v = P S je vektor →
−
w = P R, ki ga dobimo tako, da iz točke Q narišemo
pravokotnico na premico P S. Ta vektor označimo kot
proj− →
− ”projekcija vektorja →
−
u na vektor →
−
v u
→ v“
hu, vi → hu, vi →
hu − w, vi = u − −
v , v = hu, vi + − −v ,v
hv, vi hv, vi
hu, vi
= hu, vi − hv, vi
hv, vi
= hu, vi − hu, vi = 0.
hv, vi = −1 · (−1) + 0 · 0 + 1 · 1 = 1 + 0 + 1 = 2
potem je
−1
→
− 1 1
proj−
v u =
→ (−1, 0, 1) = , 0, −
2 2 2
16
1.4. VEKTORSKI PRODUKT 1. VEKTORJI
u × v = (|→
−
u ||→
−
v | sin ϕ)→
−
n.
Za razliko od skalarnega produkta, je razultat vektorskega produkta vektor in od
tod tudi njegovo ime. Vektorski produkt lahko uporabimo izključno na vektorjih v
prostoru. Vektor u × v je pravokoten tako na vektor → −u kot na vektor → −
v , sej gre za nek
→
−
večkratnik vektorja n . Obstaja enostaven način, kako izračunati vektorski produkt
dveh vektorjev neposredno iz njunih komponent. Pri tem nam ni potrebno poznati
kota, ki ga vektorja oklepata (čeprav je tudi ta del definicije). Izračun si bomo ogledali
v nadaljevanju, najprej pa se bomo posvetili lastnostim vektorskega produkta.
1. Aditivnost: (u + v) × w = (u × v) + (v × w) in u × (v + w) = (u × v) + (u × w)
3. Antikomutativnost: u × v = −v × u
→
−
4. u × u = 0
→
−
5. u × 0 = 0
→
−
Pri tem lastnost 4. sledi iz antikomutativnosti, saj je u×u = −u×u in 2(u×u) = 0 .
→
−
Če obe strani enakosti pomnožimo z 12 dobimo u × u = 0 . Enakost 5. lahko preverimo
z uporabo definicije vektorskega produkta.
17
1.4. VEKTORSKI PRODUKT 1. VEKTORJI
Pri čemer je b ∈ R.
Za poljubne vektorje →
−
u ,→
−
v in →
−
w ∈ R3 velja
(u × v) × w + (v × w) × u + (w × u) × v = 0
u × v = (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 ).
18
1.4. VEKTORSKI PRODUKT 1. VEKTORJI
→
− →
− →
−
i×i= 0, j×j = 0 k×k = 0
→
− →
− →
−
i×j = k, j×k = i , k×i= j ,
→
− →
− →
−
j×i=−k, i×k =−j , k×j =− i ,
dobimo
→
− →
− →
−
u × v = (u2 v3 − u3 v2 ) i + (u3 v1 − u1 v3 ) j + (u1 v2 − u2 v1 ) k
= (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 ).
Izraze v posamezni komponenti, ki smo jih podali v izreku 1.31 lahko hitro pozabimo
ali zamešamo katerega od indeksov. Zaradi tega si pri izračunu lahko pomagamo z
matrikami. (Realna) matrika je tabela (realnih) števil. Vsaki kvadratni matriki (tj.
matriki, ki ima enako število stolpcev in vrstic) lahko priredimo število, ki mu pravimo
determinanta.
a11 a12
= a11 a22 − a12 a21 .
a21 a22
19
1.4. VEKTORSKI PRODUKT 1. VEKTORJI
→
− → − → −
i j k
v × u = v1 v2 v3 = (u3 v2 − u2 v3 , u1 v3 − u3 v1 , u2 v1 − u1 v2 ).
u1 u2 u3
Če primerjamo koordinate dobljenih vektorjev opazimo, da je u × v = −v × u.
|u × v| = |→
−
u ||→
−
v || sin ϕ||→
−
n | = |→
−
u ||→
−
v | sin ϕ.
20
1.4. VEKTORSKI PRODUKT 1. VEKTORJI
Primer 1.33. Poiščite ploščino trikotnika z oglišči v točkah P (1, −1, 0), Q(2, 1, −1)
in R(−1, 1, 2). (glej sliko 1.13)
21
1.5. MEŠANI PRODUKT 1. VEKTORJI
hu × v, wi = |u × v||→
−
w | cos ϕ.
Mešani produkt ima takšno ime ker vključuje oba do sedaj omenjena produkta
(skalarnega in vektorskega). Ponekod se nanj nanašajo tudi kot na trojni skalarni
produkt, ker vključuje 3 tridimenzionalne vektorje in dobimo za rezultat skalar (število).
Tudi mešani produkt lahko izračunamo s pomočjo determinant.
Naj bodo →
−
u = (u1 , u2 , u3 ), →
−
v = (v1 , v2 , v3 ) in →
−
w = (w1 , w2 , w3 ). Potem je
u1 u2 u3
hu × v, wi = v1 v2 v3 .
w1 w2 w3
1. hu × v, wi = hu, v × wi
3. hau × v, wi = ahu × v, wi
4. hu × u, wi = 0
5. hu × v, w + zi = hu × v, wi + hu × v, zi
Dokaz. Dokazali bomo samo Lagrangevo identiteto, ostale dokaze lahko bralec naredi
za vajo.
Dokaz. hu × v, wi = 0 ⇔ u × v je pravokoten na →
−
w ⇔ →
−
w = a→
−
u + b→
−
v za neka
a, b ∈ R.
22
1.5. MEŠANI PRODUKT 1. VEKTORJI
23
2
PREMICE IN RAVNINE V R3
Premice v R3
V ravnini je premica določena s točko in številom, ki nam pove njen naklon. V prostoru
je premica definirana s točko in vektorjem, ki nam določa njeno smer. Temu vektorju
pravimo smerni vektor.
Če je → −
r1 krajevni vektor točke P (x, y, z) na premici in je →
−
r0 krajevni vektor točke
P0 (x0 , y0 , z0 ), potem nam zgornja enačba poda vektorsko obliko enačbe premice v
prostoru.
2. PREMICE IN RAVNINE V R3
Vektorska oblika
Vektorska enačba premice `, ki poteka skozi točko P0 (x0 , y0 , z0 ) in je vzporedna
z vektorjem →−
v je
`=→−
r1 = →−
r0 + λ→−v, −∞ < λ < ∞,
Pri čemer je r krajevni vektor točke P (x, y, z) na ` in →
→
−
1
−
r krajevni vektor točke
0
P0 (x0 , y0 , z0 ).
Če izenačimo istoležne komponente obeh strani zgoraj podane vektorske enačbe
premice, dobimo tri enakosti, ki vključujejo parameter λ:
Parametrična oblika
Standardna parametrizacija premice, ki poteka skozi točko P0 (x0 , y0 , z0 ) in je
vzporedna z vektorjem →
−
v = (v1 , v2 , v3 ) je
Končno, če iz vseh treh enakosti izrazimo λ, dobimo še en način za opisati premico.
Kanonična oblika
Kanonična enačba premice, ki poteka skozi točko P0 (x0 , y0 , z0 ) in je vzporedna
z vektorjem →−
v = (v1 , v2 , v3 ) je
x − x0 y − y0 z − z0
= = = λ.
v1 v2 v3
Primer 2.1. V vseh treh oblikah zapišite enačbo premice, ki poteka skozi točki A(2, 1, 1)
in B(3, −1, 4).
Vektorska oblika: →
−
r1 = (2, 1, 1) + λ(1, −2, 3)
25
2. PREMICE IN RAVNINE V R3
Parametrična oblika:
x = 2 + λ,
y = 1 − 2λ,
z = 1 + 3λ, λ ∈ R
Ravnine v R3
Predpostavimo, da je V ravnina v R3 . Če bi želeli nekomu razložiti za katero ravnino
gre, zadostuje, da mu podamo naslednje informacije:
Toda kako lahko določimo smer ravnine? Pametna poteza v tem primeru je, da
določimo smer ravnine tako, da podamo smer premice, ki je na ravnino pravokotna.
Smer take premice lahko podamo s pomočjo enega samega (neničelnega) vektorja (pri
tem je dolžina tega vektorja popolnoma nepomembna).
Prevedimo sedaj to v matematični zapis, najprej na konkretnem primeru in nato
še na splošno.
26
2. PREMICE IN RAVNINE V R3
−−→
Primer 2.2. Predpostavimo, da leži točka P0 (2, 1, 3) na ravnini U in naj bo → −
r 0 = OP0
njen krajevni vektor. Predpostavimo še, da je vektor → −n = (1, 2, 2) pravokoten na
ravnino U . Naša naloga je najti vse tiste vektorje →−r = (x, y, z), ki imajo krajišče na
ravnini. Krajišča teh vektorjev so na ravnini U , če je vektor z začetno točko v P0 in
končno točko v obravnavanem krajišču pravokoten na → −
n . Vektor z začetno točko v P0
→
− →
−
in končno točko na ravnini lahko zapišemo kot r − r0 = (x − 2, y − 1, z − 3). Za ta
vektor torej zahtevamo, da je pravokoten na → −n = (1, 2, 2), tj.
h(a, b, c), (x − x0 , y − y0 , z − z0 )i = 0.
Vektorska oblika
Vektorska enačba ravnine U , ki poteka skozi točko P0 (x0 , y0 , z0 ) in je pravokotna
na neničeln vektor →
−
n = (a, b, c) je
hn, r − r0 i = 0,
pri čemer je →
−
r0 krajevni vektor točke P0 (x0 , y0 , z0 ).
27
2. PREMICE IN RAVNINE V R3
Splošna oblika
Splošna oblika enačbe ravnine U , ki poteka skozi točko P0 (x0 , y0 , z0 ) in je pra-
vokotna na neničeln vektor →−
n = (a, b, c) je
ax + by + cz = d,
pri čemer je →
−
r0 vektor s končno točko na ravnini, vektorja →
−
u in →
−
v pa sta dva
linearno neodvisna vektorja na ravnini.
28
2. PREMICE IN RAVNINE V R3
Spoznali smo dva načina, kako podati ravnino v prostoru: s pomočjo enačb in s
pomočjo parametrično vektorskih opisov. Da iz prvega dobimo drugega moramo rešiti
enačbo, ki predstavlja ravnino in zapisati njeno rešitev v ustrezni vektorski obliki, kot
smo že pokazali. Sedaj pa si bomo na primeru še pogledali, kako iz parametrično
vektorskega opisa dobimo enačbo ravnine.
Primer 2.5. Poiščite splošno obliko enačbe ravnine U podane z
29
2. PREMICE IN RAVNINE V R3
a + 2b + c = 0
a + b + 3c = 0
(−5) · 2 + 2 · 1 + 1 · 3 = d.
(→
−
r1 − →
−
r0 ) × (→
−
r2 − →
−
r0 ) · (→
−
r −→
−
r0 ) = 0.
Ali, zapisano kot mešani produkt:
h(→
−
r1 − →
−
r0 ) × (→
−
r2 − →
−
r0 ), (→
−
r −→
−
r0 )i = 0.
30
2.1. PRESEČIŠČA 2. PREMICE IN RAVNINE V R3
Primer 2.6. Poiščite vektorsko obliko enačbe ravnine, ki vsebuje točke A(1, 0, 0),
B(2, 3, 1) in C(5, 4, −1).
Rešitev. Naj bodo r = (x, y, z), r0 = (1, 0, 0), r1 = (2, 3, 1) in r2 = (5, 4, −1). Potem z
uporabo izraza, podanega zgoraj, dobimo
x−1 y z
1 3 1 =0
4 4 −1
od tod pa
Rešitev. Po zgornji trditvi bi moralo veljati (2, 1, 0)+λ1 (1, 0, 1) = (1, 4, 2)+λ2 (1, −1, 0).
Iz te enačbe dobimo sistem treh linearnih enačb (po eno enačbo za vsako komponento):
2 + λ1 = 1 + λ2
1 = 4 − λ2
λ1 = 2
31
2.1. PRESEČIŠČA 2. PREMICE IN RAVNINE V R3
če dobljeno vrednost λ vstavimo v enačbo premice ` dobimo točko, v kateri se premica
in ravnina sekata.
Rešitev. Kot smo opisali zgoraj, moramo poiskati rešitev sistema linearnih enačb.
x + 2y − z = 4
2x + y − 5z = 2
32
2.2. RAZDALJE 2. PREMICE IN RAVNINE V R3
Ki se lahko poenostavi v
x − 3z = 0
y+z =2
In od tod lahko izrazimo x in y s pomočjo z:
x = 3z
y =2−z
Končno lahko razdaljo med točko P in premico ` izračunamo kot razdaljo med
točkama P in Q:
p √ √
(7 − 1)2 + (2 − 0)2 + (−3 + 1)2 = 44 = 2 11.
33
2.2. RAZDALJE 2. PREMICE IN RAVNINE V R3
|(→
−
r1 − →
−
r0 ) × v| = |(→
−
r1 − →
−
r0 )| · |→
−
v | · sin ϕ.
Opazimo, da je
d
sin ϕ = → ,
| r1 − →
− −
r0 |
če to uporabimo v izrazu za velikost vektorskega produkta dobimo:
d
|(→
−
r1 − →
−
r0 ) × v| = |→
−
r1 − →
−
r0 | · |→
−
v|· → = d · |→
−
v |.
| r1 − →
− −
r0 |
|(→
−
r1 − →
−
r0 ) × v|
d= →
− ,
|v|
pri čemer je →
−
r1 krajevni vektor točke R1 , →
−
r0 krajevni vektor točke R0 , ki leži na
premici ` in →
−v smerni vektor premice `.
Primer 2.11. Izračunajte razdaljo med točko P (1, 2, 1) in premico, ki poteka skozi
točki A(1, 0, −1) in B(3, −1, 2).
34
2.2. RAZDALJE 2. PREMICE IN RAVNINE V R3
→
−
rT − − r→A = (1, 2, 1) − (1, 0, −1) = (0, 2, 2)
i j k
(→
−
rT − − r→
A) × v = 0 2 2 = (8, 4, −4)
2 −1 3
√ √
|(→
−
rT − − r→
A ) × v| = 64 + 16 + 16 = 96
√ √
|→
−v | = 4 + 1 + 9 = 14
√ q
Torej je d = √96 = 48
enot.
14 7
Če enačba ravnine ni podana v splošni obliki, ampak z npr. parametrično vek-
torskim opisom, je postopek enak kot zgoraj, le da moramo najprej izračunati splošno
obliko enačbe ravnine, kot smo to naredili v primeru 2.5.
Sedaj bomo opisali še, kako dobiti eksplicitno formulo za izračun razdalje med točko
in ravnino.
Naj bo R1 dana točka v prostoru in U ravnina podana z enačbo v splošni obliki.
Izračunati želimo razdaljo d med ravnino U in točko R1 . Razdaljo d lahko vidimo kot
dolžino projekcije vektorja →
−r1 − →
−
r0 na vektor →−n . Torej je
35
2.2. RAZDALJE 2. PREMICE IN RAVNINE V R3
|h→
−
r1 − →
−
r0 , ni|
d= →
− ,
|n|
Primer 2.12. Izračunajte razdaljo med točko P (4, 0, 1) in ravnino U podano z enačbo
2x − y + 2z = 3.
Rešitev. Naj bosta →
−
r1 = (4, 0, 1) in →
−
n = (2, −1, 2). Dalje, izberimo poljubno točko na
→
−
ravnini, npr. R (1, −1, 0) = r . Potem je
0 0
Potem lahko razdaljo med njima izračunamo kot razdaljo med poljubno točko na eni
premici in drugo premico (to smo že naredili v poglavju 2.2).
Trditev 2.13. Premici v R3 sta vzporedni če in samo če je vektorski produkt njunih
→
−
smernih vektorjev enak 0 .
36
2.2. RAZDALJE 2. PREMICE IN RAVNINE V R3
Dokaz. Premici sta vzporedni, če lahko eno dobimo iz druge z vzporednim premikom.
To je možno samo v primeru, ko njuna smerna vektorja kažeta v isto smer ali v
nasprotno smer. V tem primeru pa je vektorski produkt njunih smernih vektorjev
→
−
enak 0 .
Primer 2.14. Pokažite, da sta premici `1 = (3, 2, −2)+λ1 (2, 4, −2) in `2 = (1, 0, −1)+
λ2 (−1, −2, 1) vzporedni.
→
−
Rešitev. Glede na zgornjo trditev moramo pokazati, da je v1 × v2 = 0 . Res,
i j k
(2, 4, −2) × (−1, −2, 1) = 2
4 −2 = (0, 0, 0).
−1 −2 1
Posledica 2.15. Premici v R3 sta vzporedni če in samo če sta njuna smerna vektorja
linearno odvisna.
37
2.2. RAZDALJE 2. PREMICE IN RAVNINE V R3
|hv1 × v2 , r2 − r1 i|
d= .
|v1 × v2 |
38
2.3. KOTI 2. PREMICE IN RAVNINE V R3
Primer 2.18. Izračunajte razdaljo med premico ` = (2, −1, 0) + λ(2, 0, 1) in ravnino
x − 2y − 2z = 0.
Rešitev. Naj bo →−
v = (2, 0, 1) in → −n = (1, −2, −2). Dalje, naj bo A(2, −1, 0) = − r→
A
točka na premici ` in B(0, 0, 0) = −
r→
B točka na ravnini. Ker je hn, vi = 0 sta premica in
ravnina vzporedni. Potem je − r→ −→ →
−
A − rB = (2, −1, 0), hrA − rB , ni = 4 in | n | = 3. Torej
je razdalja enaka d = 43 enot.
Dokaz. Trditev sledi iz dejstva, da sta dve ravnini vzporedni če in samo če njuni nor-
mali, poimenujmo ju − n→ −
→
U in nV , kažeta v isto ali nasprotno smer. To je ekvivalentno
trditvi, da je nU × nV = 0.
Rešitev. Ker je →
−
n1 = →
−
n2 = (1, 1, 0) sta ravnini vzporedni. Naj bo A(1, 0, 0) = −r→A točka
−
→
na prvi ravnini in B(2, 1, 0) = rB √ −
→ −
→
točka na drugi ravnini. Potem je rB − rA = (1, 1, 0)
→
− √in
hrB − rA , ni = 2. Dalje je | n | = 2 in torej je razdalja med ravninama enaka d = 2.
39
2.3. KOTI 2. PREMICE IN RAVNINE V R3
|hv1 , v2 i|
cos ϕ = → .
|−v1 | · |→
−
v2 |
Primer 2.22. Izračunajte kot med `1 = (2, 7, −1) + λ1 (1, 0, 1) in `2 = (2, 0, −1) +
λ2 (1, 1, 2).
Rešitev.
√ √ √
hv1 , v2 i |1 + 0 + 2| 3 3 3 3
cos ϕ = →− →
− = √ √ =√ =√ √ √ =
| v1 | · | v2 | | 1 + 0 + 1| · | 1 + 1 + 4| 2·6 2 2 3 2
Torej je ϕ = 30◦ .
40
2.3. KOTI 2. PREMICE IN RAVNINE V R3
Ker dejansko tudi tokrat računamo kot med dvema premicama, lahko uporabimo
formulo, ki smo jo podali prej. Formulo pa lahko še nekoliko poenostavimo s pomočjo
opazke, da je cos(90 − ϕ) = sin ϕ. Če povzamemo,
|hv, ni|
sin ϕ = → ,
| v | · |→
− −
n|
kjer je →
−
n normala ravnine U .
Torej je ϕ = 60◦ .
41
2.3. KOTI 2. PREMICE IN RAVNINE V R3
Torej je ϕ = 30◦ .
42
3
MATRIKE
Če sta m in n pozitivni celi števili, potem z matriko velikosti m krat n, ali m × n
matriko mislimo na pravokotno polje, ki vsebuje m · n števil razporejenih v m vrstic
in n stolpcev. Enostavni primeri takšnih objektov (tj. matrik) so:
1 2
velikosti 1 × 5: 10 9 8 7 6 velikosti 3 × 2: 3 4
5 6
1 2 3 4
2 0
3 4 5
velikosti 4 × 4:
3
velikosti 3 × 1: 2
4 5 6
4
4 5 6 7
videti tako:
1 −1 1
−1 1 −1
1 −1 1
.
Vrstična matrika, tj. matrika velikosti 1 × n (ki ji običajno rečemo vrstica ali
tudi vektor).
Kvadratna matrika, tj. matrika, ki ima enako število vrstic in stolpcev, torej
matrika velikosti n × n.
Strogo trikotna matrika, tj. (zgornje ali spodnje) trikotna matrika, v kateri
so tudi vdi diagonalni elementi enaki 0.
Še nekaj posebnih vrst matrik bomo spoznali v nadaljevanju, v poglavjih ki sledijo.
Preden se posvetimo algebrskim operacijam z matrikami je ključnega pomena da
vemo, kdaj sta dve matriki enaki.
Definicija 3.3. Če sta A = (aij )m×n in B = (bij )p×q matriki, potem pravimo, da sta
A in B enaki, kar zapišemo kot A = B, če in samo če
(a) m = p in n = q
44
3.1. RAČUNSKE OPERACIJE Z MATRIKAMI 3. MATRIKE
Definicija 3.4. Če imamo dani dve m × n matriki A = (aij ) in B = (bij ), potem je
vsota A + B matrika velikosti m × n v kateri je (i, j)-ti element enak aij + bij .
Izrek 3.6. Naj bodo A = (aij ), B = (bij ) in C = (cij ) tri matrike velikosti m × n.
Potem je vsota matrik:
(1) komutativna: A + B = B + A
(2) asociativna: A + (B + C) = (A + B) + C
Dokaz. Naj bo M ničelna matrika. Potem za vsako matriko A = (aij )m×n velja
45
3.1. RAČUNSKE OPERACIJE Z MATRIKAMI 3. MATRIKE
Dokaz. Za poljubno matriko A = (aij )m×n , naj bo B = (−aij )m×n , tj. matrika katere
(i, j)-ti element je inverz za seštevanje (i, j)-tega elementa matrike A. Očitno je
(2) (λ + µ)A = λA + µA
(4) (−1)A = −A
(5) 0A = 0m×n
Dokaz. Naj bosta A = (aij )m×n in B = (bij )m×n . Potem zgornje enakosti sledijo iz
naslednjih opazk:
(1) λ(aij + bij ) = λaij + λbij
(5) 0aij = 0
46
3.1. RAČUNSKE OPERACIJE Z MATRIKAMI 3. MATRIKE
Rešitev.
1 3
3 X+ A =5 X− B
2 4
3 15
3X + A = 5X − B
2 4
3 15
A + B = 5X − 3X
2 4
3 15
2X = A + B
2 4
3 15
X = A+ B
4 8
Definicija 3.14. Naj bosta A = (aij )m×n in B = (bij )n×p (opazite velikosti!). Potem
je zmnožek AB matrika velikosti m × p, v kateri je (i, j)-ti element enak
47
3.1. RAČUNSKE OPERACIJE Z MATRIKAMI 3. MATRIKE
Opazimo, da je v tem primeru tudi zmnožek BA definiran (saj ima matrika B enako
število stolpcev, kot ima matrika A vrstic). Zmnožek BA je velikosti 3 × 3:
2·0+0·2 2·1+0·3 2·0+0·1 0 2 0
BA = 1 · 0 + 2 · 2 1 · 1 + 2 · 3 1 · 0 + 2 · 1 = 4 7 2 .
1·0+1·2 1·1+1·3 1·0+1·1 2 4 1
Zgornji primer prikazuje zanimivo dejstvo glede množenja matrik in sicer, če sta
AB in BA definirani, ti nista nujno enaki. Kot smo ravno videli, matriki AB in BA
nista niti enake velikosti. Tudi če sta matriki AB in BA definirani in enake velikosti,
sta lahko še vedno različni.
Izrek 3.18. Množenje matrik je asociativno (tj. če so vsi relevantni zmnožki definirani,
potem velja A(BC) = (AB)C).
Če sedaj izračunamo (i, j)-ti element matrike (AB)C, dobimo enak izraz:
p p n
((AB)C)ij = Σ (AB)it ctj = Σ ( Σ aik bkt )ctj
t=1 t=1 k=1
p n
= Σ Σ aik bkt ctj .
t=1k=1
48
3.1. RAČUNSKE OPERACIJE Z MATRIKAMI 3. MATRIKE
A(B + C) = AB + AC in
(B + C)A = BA + CA
Izrek 3.22. Obstaja enolično določena n×n matrika M z lastnostjo, da za vsako n×n
matriko A velja AM = A = M A.
n
Dokaz. Naj bo M identična matrika. Če je A = (aij )n×n potem je [AM ]ij = Σ aik mkj =
k=1
aij , zadnja enakost sledi iz dejstva, da je vsak člen v vsoti enak 0 razen tistega, v
katerem je k = j in ta člen je aij · 1 = aij . Od tod sklepamo, da je AM = A. Na
podoben način lahko pokažemo, da je M A = A. S tem smo pokazali, da obstaja
matrika M z zahtevanimi lastnostmi. Da bi pokazali, da je matrika M enolična pred-
postavimo, da je P tudi n × n matrika, za katero velja AP = A = P A za vsako n × n
matriko A. Potem velja, da je M P = M = P M . Toda, iz iste lastnosti za M vemo,
da je P M = P = M P . Torej je P = M .
49
3.1. RAČUNSKE OPERACIJE Z MATRIKAMI 3. MATRIKE
potem je
a b 0 1 0 a
· = ,
c d 0 0 0 c
torej ne obstaja taka matrika M , da bi imeli M A = I2 .
(2) (A + B)T = AT + B T
(4) (AB)T = B T AT
Dokaz. prve tri enakosti sledijo neposredno iz definicije. za dokazati, da je (AB)T =
B T AT predpostavimo, da sta A = (aij )m×n in B = (bij )n×p . Potem sta matriki (AB)T
in B T AT obe velikosti p × m. Ker je
n n
(B T AT )ij = Σ bki ajk = Σ ajk bki = (AB)ji
k=1 k=1
sklepamo, da je (AB)T = B T AT .
Sedaj bomo definirali še dve “posebni” vrsti matrik.
Definicija 3.25. Kvadratna matrika A je simetrična če je A = AT in poševno simetrična
če je A = −AT .
Primer 3.26. Za vsako kvadratno matriko A je matrika A + AT simetrična in matrika
A − AT poševno simetrična. Zaradi prejšnjega izreka namreč velja:
(A + AT )T = AT + (AT )T = AT + A = A + AT ,
50
3.1. RAČUNSKE OPERACIJE Z MATRIKAMI 3. MATRIKE
Iz prve (in zadnje) enakosti dobimo α = 21 . Če to upoštevamo v tretji enakosti, dobimo
β = 12 . Dobljeni vrednosti ustrezata tudi četrti enakosti, torej je
1 1
A = (A + AT ) + (A − AT ).
2 2
Dokaz izreka 3.27. Enakost
1 1
A = (A + AT ) + (A − AT )
2 2
dokazuje, da takšen izraz obstaja. Da bi dokazali enoličnost predpostavimo, da je
A = B + C, pri čemer je B simetrična matrika in C poševno simetrična matrika.
potem je AT = B T + C T = B − C. Iz teh enakosti sledi, da je B = 21 (A + AT ) in
C = 12 (A − AT ).
Opazimo tudi, da je vsota dveh simetričnih (ali poševno simetričnih) matrik zopet
simetrična (ali poševno simetrična) matrika in da je zmnožek simetrične (ali poševno
simetrične) matrike s skalarjem zopet simetrična (ali poševno simetrična) matrika.
Toda zmnožek dveh simetričnih (ali poševno simetričnih) matrik ni nujno simetrična
(ali poševno simetrična) matrika, kot bomo videli v naslednjem primeru.
2 1 −1 1
Primer 3.29. Zmnožek matrik A = in B = je enak matriki
1 −1 1 0
−1 2
AB = , ki ni simetrična.
−2 1
51
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
(1) zamenjava (vrstnega reda) dveh enačb (običajno zgolj iz praktičnih razlogov);
(3) tvorjenje nove enačbe tako, da eni enačbi prištejemo drugo enačbo.
y + 2z = 1 (e1 )
x − 2y + z = 0 (e2 )
3y − 4z = 23 (e3 )
najprej pomnožimo (e1 ) s 3 in novo dobljeno enačbo odštejemo od enačbe (e3 ) ter
tako dobimo −10z = 20 in zato je z = −2. Potem iz enačbe (e1 ) sledi, da je y = 5 in
nazadnje še iz enačbe (e2 ), da je x = 2y − z = 12.
x − 2y − 4z = 0 (e1 )
−2x + 4y + 3z = 1 (e2 )
−x + 2y − z = 1 (e3 ).
Če seštejemo enačbi (e1 ) in (e2 ), dobimo enačbo (e3 ), ki je zato odveč. Torej imamo
samo dve enačbi in tri neznanke. Kaj je rešitev v tem primeru?
x + y + z + t = 1 (e1 )
x − y − z + t = 3 (e2 )
−x − y + z − t = 1 (e3 )
−3x + y − 3z − 3t = 4 (e4 ).
Če seštejemo enačbi (e1 ) in (e2 ), dobimo x+t = 2, od tod pa sledi, da je y +z = −1.
Če seštejemo enačbi (e1 ) in (e3 ), dobimo z = 1 in posledično je y = −2. Če te vrednosti
vstavimo v enačbo (e4 ), dobimo −3x − 3t = 9 oz. x + t = −3, kar pa je v protislovju s
prej dobljeno enačbo x + t = 2. Ta sistem torej nima rešitve. Ponazorjeno drugače (v
jeziku matrik), če imamo dano 4 × 4 matriko
1 1 1 1
1 −1 −1 1
A= −1 −1
,
1 −1
−3 1 −3 −3
52
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
t 4
Omenjeni trije primeri so bili izbrani, da bi nam porodili vprašanje: ali obstaja
neka sistematična metoda reševanja sistemov linearnih enačb, s katero
se izognemo naključni manipulaciji z enačbami;
53
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
ki smo jo iz matrike I4 dobili z zamenjavo druge in tretje vrstice. Če si sedaj ogledamo
poljubno 4 × 2 matriko
a1 b 1
a2 b 2
A= a3 b 3
a4 b 4
in izračunamo produkt
1 0 0 0 a1 b1 a1 b1
0 0 1 0 a2
b 2 a3
b3
PA =
0 · = ,
1 0 0 a3 b 3 a2 b2
0 0 0 1 a4 b4 a4 b4
vidimo, da je učinek množenja matrike A z leve strani z matriko P ta, da se zamenjata
druga in tretja vrstica matrike A.
Izrek 3.36. Naj bo A matrika velikosti n×m in naj bo D naslednja diagonalna matrika
velikosti n × n
λ1
λ2
D= .
. . .
λn
Potem je matrika DA dobljena iz matrike A tako, da i-to vrstico matrike A pomnožimo
z λi za i = 1, . . . , n.
in torej je i-ta vrstica matrike DA enaka ravno λi krat i-ta vrstica matrike A.
ki smo jo iz I4 dobili tako, da smo drugo vrstico pomnožili z α in tretjo vrstico z β. Če
si sedaj ogledamo poljubno 4 × 2 matriko
54
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
a1 b1
a2 b2
A=
a3
b3
a4 b4
in izračunamo produkt
1 0 0 0 a1 b1 a1 b1
0 α 0 0 a2 b2
= αa2 αb2 ,
DA = ·
0 0 β 0 a3 b3 βa3 βb3
0 0 0 1 a4 b4 a4 b4
Vidimo, da je učinek množenja matrike A z leve strani z matriko D ta, da se pomnožita
druga vrstica matrike A z α in tretja vrstica z β.
in torej je i-ta vrstica matrike DA enaka ravno λi krat i-ta vrstica matrike A.
ki smo jo iz I3 dobili tako, da smo prvi vrstici prišteli tretjo vrstico. Če si sedaj ogledamo
poljubno 3 × 2 matriko
a1 b 1
A = a2 b 2
a3 b 3
in izračunamo produkt
1 0 1 a1 b 1 a1 + a3 b 1 + b 3
M A = 0 1 0 · a2 b 2 = a2 b2 ,
0 0 1 a3 b 3 a3 b3
Vidimo, da je učinek množenja matrike A z leve strani z matriko M ta, da imamo v
prvi vrstici matrike M A vsoto prve in tretje vrstice matrike A.
55
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
56
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
1 −5 4 −3
−2 1 7 −1 .
2 −7 3 −2
57
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
1 −5 4 −3
6 −21 9 −6 .
−2 1 7 −1
3. Dodajanje večkratnika ene enačbe drugi enačbi: Dodajmo −2 kratnik prve enačbe
drugi enačbi:
1 −5 4 −3
0 3 −5 −4 .
2 −7 3 −2
Naš cilj je, da z uporabo osnovnih operacij pridemo, če je le možno, do matrike
oblike
1 0 0 a
0 1 0 b .
0 0 1 c
58
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
59
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
Primer 3.51. Vrstično matriko 2 −3 1 lahko zapišemo kot
2 1 0 0 −3 0 1 0 +1 0 0 1
λ 1 x1 + λ 2 x2 + · · · + λ p xp = 0
λ1 x1 + · · · + λp xp = 0
60
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
pri čemer je leva stran enakosti netrivialna linearna kombinacija vrstic (stolpcev)
x1 , . . . , xp . Torej so x1 , . . . , xp linearno odvisni.
Posledica 3.55. Vrstice matrike so linearno odvisne če in samo če lahko eno dobimo
iz ostalih z uporabo osnovnih operacij nad vrsticami.
Definicija 3.57. Vrstični rang matrike je največje število linearno neodvisnih vrstic
v matriki.
Izrek 3.58. Elementarne operacije nad vrsticami ne vplivajo na vrstični rang matrike.
Dokaz. Očitno je, da zamenjava vrstnega reda vrstic nima nikakršnega učinka na na-
jvečje število linearno neodvisnih vrstic, tj. na vrstični rang. Če ke k-ta vrstica
Ak linearna kombinacija p drugih vrstic, predpostavimo lahko, da so te A1 , . . . , Ap,
potem enako velja tudi za λAk in vsak neničeln skalar λ. Po izreku 3.54 sledi, da
množenje vrstice z neničelnim skalarjem nima učinka na vrstični rang. Končno, pred-
postavimo, da prištejemo i-to vrstico j-ti vrstici in dobimo s tem novo j-to vrstico,
recimo A0j = Ai + Aj . Ker je
61
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
Ker lahko osnovne operacije “obrnemo” (torej lahko izvedemo tudi nasprotno op-
eracijo) velja, da če je neka m × n matrika B vrstično ekvivalentna m × n matriki
A potem je tudi A vrstično ekvivalentna B. Relacija vrstične ekvivalentnosti je torej
simetrična na množici m × n matrik. Relacija je trivialno refleksivna in je tudi tranzi-
tivna, saj če sta F in G obe produkta elementarnih matrik, potem je tudi F G produkt
elementarnih matrik. Torej je relacija vrstične ekvivalentnosti ekvivalenčna na množici
m × n matrik.
Izrek 3.60. Vrstično ekvivalentne matrike imajo enak vrstični rang.
Sedaj lahko vzpostavimo relacijo, na katero smo upali.
Izrek 3.61. Vsako neničelno matriko lahko s pomočjo osnovnih operacij nad vrsticami
spremenimo v enolično določeno Hermitsko matriko.
Dokaz. Dokaz opustimo.
Posledica 3.62. Vrstični rang matrike je število neničelnih vrstic v matriki stopničaste
oblike.
Dokaz. Naj bo B matrika stopničaste oblike, ki smo jo dobili iz matrike A s pomočjo
osnovnih operacij in naj bo H Hermitska matrika, ki smo jo dobili iz B. Ker je H
enolično določena je število neničelnih vrstic v B enako številu neničelnih vrstic v H,
kar je vrstični rang matrike A.
Enoličnost Hermitske matrike pomeni, da sta dve matriki vrstično ekvivalentni če
in samo če imata enako Hermitsko matriko. Hermitska matrika matrike A je zato
pomemben “predstavnik” v ekvivalenčnem razredu matrike A.
Podobo kot smo definirali osnovne operacije nad vrsticami matrike lahko defini-
ramo tudi elementarne operacije nad stolpci matrike. To dosežemo tako, da
v definiciji samo zamenjamo besedo vrstica z besedo stolpec. Vendar pa moramo pri
tem biti pozorni, da osnovnih operacij nad stolpci ne moremo uporabiti kot osnovnih
operacij nad vrsticami za reševanje sistemov linearnih enačb, saj pri tem ne bi dobili
ekvivalentnega sistema. Kljub temu pa kar nekaj lastnosti operaci nad stolpci ustreza
lastnostim operacij nad vrsticami. To pa zato, ker lahko operacije nad stolpci matrike
vidimo tudi kot operacije nad vrsticami transponirane matrike.
Izrek 3.63. Osnovna operacija nad stolpci m × n matrike M ustreza množenju z desne
z ustrezno elementarno matriko (tj. matriko, ki smo jo dobili iz In z uporabo natanko
enen osnovne operacije nad stolpci).
Koncept stolpične ekvivalentnosti je podoben konceptu vrstične ekvivalentnosti, ki
smo ga že spoznali.
Definicija 3.64. Stolpični rang matrike je največje število linearno neodvisnih stolpcev
matrike.
Izrek 3.65. Osnovne operacije nad stolpci matrike ne vplivajo na njen stolpični rang.
Jasno je, da osnovne operacije nad vrsticami nimajo učinka na linearno neodvisnost
vrstic matrike. Od tod sledi, da osnovne operacije nad stolpci ravno tako ne vplivajo
na vrstični rang. Od tod pa:
62
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
Izrek 3.66. Vrstični in stolpični rang se ne spremenita pri uporabi osnovnih operacij
nad vrsticami ali stolpci.
Sedaj je na mestu vprašanje, ali obstaja kakšna povezava med vrstičnim in stolpičnim
rangom matrike; tj. ali je maksimalno število linearno neodvisnih vrstic kakorkoli
povezano z maksimalnim številom linearno neodvisnih stolpcev. Odgovor je pritrdilen.
Izrek 3.67. Vrstični in stolpični rang sta enaka.
Dokaz. Obravnavajmo neničelno matriko A velikosti m × n in naj bo H(A) Hermitska
oblika matrike A. Ker smo H(A) dobili iz matrike A z uporabo osnovnih operacij
nad vrsticami, ima ta enak rang, recimo p, kot matrika A. Matriko H(A) lahko sedaj
dalje spreminjamo s pomočjo osnovnih operacij nad stolpci in pri tem se vrstični rang
ne spremeni. Matriki A in H(A) imata tudi enak stolpični rang, saj operacije nad
vrsticami (ki smo jih izvedli najprej) ne vplivajo na stolpični rang matrike.
Z ustreznim premeščanjem vrstic in stolpcev matrike H(A) lahko najprej dobimo
matriko oblike
Ip ?
A= ,
0m−p,p 0m−p,n−p
V kateri je podmatrika označena z ? neznana, vendar jo lahko z nadaljnjo uporabo
osnovnih operacij nad stolpci (s pomočjo prvih p stolpcev) spremenimo v ničelno ma-
triko. Torej lahko H(A) s pomočjo osnovnih operacij nad stolpci spremenimo v matriko
oblike
Ip 0
A= .
0 0
Po konstrukciji ima sedaj ta matrika enak vrstični rang in stolpični rang kot matrika
A. Očitno je tudi, da sta vrstični rang in stolpični rang te matrike oba enaka p. Od
tod sledi, da sta vrstični rang in stolpični rang matrike A enaka.
Zaradi zadnjega izreka lahko tako govorimo enostavno o rangu matrike, s čimer
mislimo tako na vrstični rang kot na stolpični rang. Naslednji izrek je direktna posledica
dosedanjih ugotovitev:
Posledica 3.68. r(A) = r(AT ).
Sedaj imamo v rokah dovolj znanja, da se posvetimo našemu začetnemu problemu,
tj. reševanju sistemov linearnih enačb.
Izrek 3.69. Če je A matrika velikosti m × n, potem ima homogen sistem linearnih
enačb Ax = 0 netrivialno rešitev če in samo če r(A) < n.
Dokaz. Naj bo ai i-ti stolpec matrike A. Potem obstaja tak neničelni stolpec x =
[x1 x2 . . . xn ]T , da je Ax = 0 če in samo če
x1 a1 + x2 a2 + · · · + xn an = 0;
saj je, očitno, leva stran enačbe enaka Ax. Torej netrivialna (= neničelna) rešitev x
obstaja če in samo če so stolpci matrike A linearno odvisni. Ker ima matrika A vsega
skupaj n stolpcev, se to zgodi če in samo če je (stolpični) rang matrike A manjši od
n.
63
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
Izrek 3.70. Nehomogen sistem linearnih enačb Ax = b je rešljiv če in samo če je
r(A) = r(A | b).
Dokaz. Če je matrika A velikosti m × n potem obstaja taka matrika x velikosti n × 1,
da je Ax = b če in samo če obstajajo skalarji x1 , . . . , xn , da je
xl al + x2 a2 + · · · + xn an = b.
To se zgodi če in samo če je b linearno odvisen od stolpcev matrike A, kar je res če in
samo če je razširjena matrika sistema A | b stolpično ekvivalentna matriki A, tj. ima
enak (stolpični) rang kot matrika A.
Definicija 3.71. Sistem linearnih enačb je konsistenten če ima rešitev (ki je v
primeru homogenega sistema netrivialna); sicer je nekonsistenten.
Izrek 3.72. Naj ima konsistenten sistem linearnih enačb za matriko sistema matriko
A velikosti m × n. Če je r(A) = p potem lahko n − p neznankam izberemo poljubno
vrednost in lahko sistem rešimo s temi neznankami kot parametri.
Dokaz. Obravnavajmo razširjeno matriko sistema A | b, ali samo matriko sistema A, če
imamo opravka s homogenim sistemom linearnih enačb. Z uporabo osnovnih operacij
nad vrsticami spremenimo A v Hermitsko obliko. Dobimo matriko oblike H(A) | c
v kateri lahko, če je rang matrike A enak p, tudi p neničelnih vrstic. Dobljen sistem
linearnih enačb H(A)x = c je ekvivalenten začetnemu sistemu in njegova oblika nam
dovoljuje, da prosto izberemo vrednosti n − p neznankam, ki nastopajo kot parametri
v rešitvi sistema.
Na zadnjo trditev v zgornjem dokazu vpliva oblika matrike H(A).
Sedaj si bomo ogledali, kako nam zadnji trije izreki pomagajo pri reševanju sistemov
linearnih enačb. Sisteme linearnih enačb, ki smo si jih ogledali na začetku poglavja,
bomo poskušali rešiti s pomočjo matrik.
Primer 3.73.
y + 2z = 1
x − 2y + z = 0
3y − 4z = 23
Ker smo ta sistem že rešili vemo, da je x = 12, y = 5 in z = −2. Poglejmo si, kako
do tega pridemo s pomočjo matrik.
Začnemo z razširjeno matriko sistema, naš cilj je priti do Hermitske oblike.
0 1 2 1 v1 ↔ v2 1 −2 1 0 1 −2 1 0
1 −2 1 0 ∼ 0 1 2 1 ∼ 0 1 2 1
0 3 −4 23 0 3 −4 23 v3 − 3v2 0 0 −10 20
Na tej točki opazimo, da je r(A) = 3 = r(A | b), torej ima dani sistem enolično
določeno rešitev. Nadaljujemo z osnovnimi operacijami nad vrsticami, najprej zadnjo
1
vrstico pomnižimo z − 10 (ali delimo z −10), da dobimo pivotni element v zadnji vrstici
enak 1 in nato:
1 −2 1 0 v1 + 2v2 1 0 5 2 v1 − 5v3 1 0 0 12
0 1 2 1 v2 − 2v1 0 1 0 5 ∼ 0 1 0 5
0 0 1 −2 ∼ 0 0 1 −2 0 0 1 −2
64
3.2. SISTEMI LINEARNIH ENAČB 3. MATRIKE
Tako pridemo do oblike iz katere lahko neposredno preberemo rešitev začetnega sis-
tema linearnih enačb. Iz zapisa
1 0 0 x 12
0 1 0 · y = 5
0 0 1 z −2
vidimo, da je x = 12, y = 5 in z = −2.
Primer 3.74.
x − 2y − 4z = 0
−2x + 4y + 3z = 1
−x + 2y − z = 1.
Je bil primer v katerem smo obtičali z dvema enačbama in tremi neznankami. Pogle-
jmo kaj se zgodi, ko se sistema lotimo z matrikami.
1 −2 −4 0 ∼ 1 −2 −4 0 1 −2 −4 0
−2 4 3 1 v2 + 2v1 0 0 −5 1 ∼ 0 0 −5 1
−1 2 −1 1 v3 + v1 0 0 −5 1 v3 − v2 0 0 0 0
Kot lahko opazimo, je r(A) = r(A | b), torej je sistem konsistenten. Ker pa je
r(A) = 2 < 3 = n bo rešitev 1-parametrična.
1 −2 −4 0 ∼ 1 −2 −4 0 v1 + 4v2 1 −2 0 −4/5
0 0 −5 1 ·(−1/5 ) 0 0 1 −1/5 ∼ 0 0 1 −1/5
0 0 0 0 0 0 0 0 0 0 0 0
65
3.3. OBRNLJIVE MATRIKE 3. MATRIKE
66
3.3. OBRNLJIVE MATRIKE 3. MATRIKE
r(A) = r(A | ∆1 )
= r(A | ∆1 | ∆2 )
= ...
= r(A | ∆1 | ∆2 | · · · | ∆n ) = r(A | Im ) = m.
AY T =
Im 0m,n−m .
2. Očitno ima matrika A levi inverz če in samo če ima njena transponiranka desni
inverz, lahko ta dokaz dobimo tako, da dokaz it točke (1) uporabimo na transponi-
ranki matrike A.
Izrek 3.81. Če ima matrika A tako levi inverz X kot desni inverz Y , potem je
67
3.3. OBRNLJIVE MATRIKE 3. MATRIKE
1. A kvadratna matrika;
2. X = Y .
Dokaz. 1. Predpostavimo, da je A matrika velikosti m × n. Potem iz izreka 3.80,
obstoj levega inverza implicira, da je r(A) = m in podobno obstoj desnega inverza
implicira, da je r(A) = n. Torej je m = n in posledično je A kvadratna matrika.
3. r(A) = n;
Fq . . . F2 F1 X = In .
Posledično imamo
68
3.3. OBRNLJIVE MATRIKE 3. MATRIKE
1 2 3 1 0 0 ∼ 1 2 3 1 0 0 1 2 3 1 0 0
1 3 4 0 1 0 v2 − v1 0 1 1 −1 1 0 ∼ 0 1 1 −1 1 0
1 4 4 0 0 1 v3 − v1 0 2 1 −1 0 1 v3 − 2v2 0 0 −1 1 −2 1
∼ 1 0 1 3 −2 0 v1 − v3 1 0 0 4 −4 1
v1 − 2v2 0 1 1 −1 1 0 v2 − v3 0 1 0 0 −1 1
·(−1) 0 0 1 −1 2 −1 ∼ 0 0 1 −1 2 −1
69
3.3. OBRNLJIVE MATRIKE 3. MATRIKE
Izrek 3.85. Naj bosta A in B matriki velikosti n × n. Če sta A in B obrnljivi, potem
je obrnljiva tudi matrika AB in velja
(AB)−1 = B −1 A−1 .
in je torej B −1 A−1 desni inverz matrike AB. Po izreku 3.82 je torej matrika AB
obrnljiva in (AB)−1 = B −1 A−1 .
(A−1 )m+1 = A−1 (A−1 )m = A−1 (Am )−1 = (Am A)−1 = (Am+1 )−1 ,
Izrek 3.87. Če je A obrnljiva matrika, potem je obrnljiva tudi njena transponiranka
AT in velja
(AT )−1 = (A−1 )T .
70
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
Primer 3.89. Matrika velikosti 2 × 2 je ortogonalna če in samo če ima eno od nasled-
njih oblik:
a b a b
,
−b a b −a
v katerih je a2 + b2 = 1.
Da bi to videli, predpostavimo, da je
a b
A=
c d
ortogonalna. Potem iz enačbe
a b a c
· = AAT = I2
c d b d
dobimo
a2 + b2 = 1, ac + bd = 0, c2 + d2 = 1.
Iz prvih dveh enakosti vidimo, da če je a = 0 potem je d = 0, iz druge in tretje enakost
pa, da če je d = 0 potem je a = 0. Če sta torej a = d = 0 iz enakosti dobimo b = ±1
in c = ±1.
Po drugi strani, ko a in d nista enaka 0, iz srednje enakosti dobimo dc = − ab , torej
je bodisi c = −b in d = a bodisi c = b in d = −a.
Sledi, da ima v vsakem primeru matrika eno od podanih oblik.
71
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
Primer 3.90.
det([−6]) = | − 6| = −6
2 −3
4 1 = 2 · 1 − (−3) · 4 = 14
Iz kje izhaja izraz a11 a22 − a12 a21 ? Motivacija izhaja iz sistemov linearnih enačb.
Predpostavimo, da želimo rešiti naslednji sistem linearnih enačb
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2
za neznanki x1 in x2 . Znebimo se x2 tako, da odštejemo a12 kratnik druge enačbe od
a22 kratnika prve enačbe; s tem dobimo izraz
1, 2, 3 2, 3, 1 3, 1, 2 2, 1, 3 3, 2, 1 1, 3, 2.
Čeprav je vsak člen produkt treh koeficientov iz matrike A, so trije členi pozitivni
in trije negativni. Vidimo torej nek vzorec, toda kako lahko določimo, kateri členi bodo
pozitivni in kateri negativni? Odgovor na to vprašanje nam podajo permutacije.
Permutacije
Naj bo n fiksno naravno ptevilo. S permutacijo števil 1, 2, . . . , n mislimo na neko
razporeditev teh števil v nek določen vrstni red. Naprimer, kot smo že opazili, imamo
šest možnih permutacij števil 1, 2, 3. V splošnem lahko permutacijo števil 1, 2, . . . , n
zapišemo v obliki
i1 , i2 , . . . , in
72
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
n(n − 1)(n − 2) · · · 2 · 1,
n! = n(n − 1) · · · 2 · 1.
8 3 2 6 5 1 4 7
73
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
Dokaz. Če v permutaciji zamenjamo prvi dve števili je na podlagi diagrama križanja
razvidno, da s tem bodisi dodamo eno zamenjavo, ali jo odstranimo. Torej s to operacijo
spremenimo sodo permutacijo v liho in obratno. Iz tega je jasno, da mora biti število
sodih in lihih permutacij enako. Ker je število vseh permutacij n!, je rezultat očiten.
1, 2, 3 2, 3, 1 3, 1, 2;
2, 1, 3 3, 2, 1 1, 3, 2.
Permutacijske matrike
Preden pridemo do formalne definicije determinante, pokažimo še, kako lahko per-
mutacije predstavimo z matrikami. Matrika velikosti n × n je permutacijska matrika,
če jo lahko iz identične matrike In dobimo tako, da preuredimo vrstice ali stolpce
matrike. Naprimer, permutacijsko matriko
0 1 0
0 0 1
1 0 0
74
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
0 0 1 0
in dejansko je
1 4
2 2
P ·
3 = 1
.
4 3
Opomba 3.99. Najlažji način za izračun permutacij (in običajen način za njihov za-
pis) je zapis oblike:
1 2 3 4
≡ (143)(2)
4 2 1 3
Definicija determinante
Sedaj lahko definiramo determinanto matrike velikosti n × n. Naj bo A = (aij )n×n
matrika velikosti n × n s celimi koeficienti. Potem je determinanta matrike A skalar,
definiran z enačbo
det(In ) = 1.
75
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
To pa zato, ker je edini neničelni člen v vsoti det(In ) tisti, ki vsebuje permutacijo
1, 2, . . . , n.
Če v zgornjo enačbo vstavimo vrednosti n = 1, 2, 3, dobimo izraze za det(A), ki
smo jih že videli na začetku poglavja. Naprimer, za n = 3 smo sode in lihe permutacije
podali v primeru 3.95. Če zapišemo člene determinante v enakem vrstnem redu, dobimo
Primer 3.100. Kateri člen v zapisu determinante matrike velikosti 8 × 8 ustreza per-
mutaciji 8, 3, 2, 6, 5, 1, 4, 7?
Minorji in kofaktorji
Pri preučevanju determinant so uporabne določene poddeterminante, ki jim pravimo
minorji. Naj bo A = (aij ) matrika velikosti n × n. (i, j)-ti minor Mij matrike A je
definiran kot determinanta podmatrike matrike A, ki jo dobimo tako, da iz matrike A
odstranimo vrstico i in stolpec j. (i, j)-ti kofaktor Aij matrike A je enostavno minor
z ustreznim predznakom:
Aij = (−1)i+j Mij .
Glavni razlog za uvedbo kofaktorjev je, da lahko s pomočjo teh izračunamo deter-
minanto s postopkom, ki mu pravimo razvoj po vrstici oz. razvoj po stolpcu. Gre
za veliko bolj enostaven postopek od računanja determinante po definiciji. Naslednji
rezultat nam pove, kako postopati.
76
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
Dokaz. Opustimo.
Izrek podaja praktičen postopek za izračun determinante, ki pa se ga da za velika
matrike še poenostaviti, kot bomo videli nekoliko kasneje.
= 6 − 28 + 0 = −22.
Determinanto lahko razvijemo tudi po 2. stolpcu:
3 4 −1 4 1 0 5 1 0
2 · (−1) + 2 · (−1) + 2 · (−1)
6 2 6 2 4 −1
= −28 + 4 + 2 = −22.
Opazimo, da je razvoj determinante smiselno narediti po vrstici/stolpcu, ki vsebuje
kar se da veliko ničel.
Determinanto trikotne matrike lahko zapišemo neposredno, zato je naslednji izrek
zelo uporaben pri računanju determinant.
Izrek 3.104. Determinanta zgornje ali spodnje trikotne matrike je enaka zmnožku
koeficientov na glavni diagonali matrike.
det(AT ) = det(A).
77
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
78
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
, ki je enaka vsoti
in
c · Σsign(i1 , i2 , . . . , in )a1i1 · · · ajij · · · ajik · · · anin .
Prva od teh vsot je kar det(A), medtem ko je druga vsota enaka determinanti
matrike v kateri sta vrstici j in k enaki in je zato enaka nič po enemu izmed
prejšnjih izrekov. Torej je det(C) = det(A).
Poglejmo si, kako nam lahko uporaba osnovnih operacij nad vrsticami olajša računanje
determinante. Naj bo A matrika velikosti n×n, katere determinanto želimo izračunati.
Osnovne operacije nad vrsticami lahko uporabimo kot pri Gaussovi eliminaciji in s tem
poenostavimo matriko A do stopničaste oblike, poimenujmo je B. Opazimo, da je B
zgornje trikotna matrika, recimo
b11 b12 · · · b1n
0 b22 · · · b2n
B= ·
,
· ··· ·
0 0 · · · bnn
in za te vemo, da je det(B) = b11 b22 · · · bnn . Torej moramo samo paziti, da sledimo
spremembam v det(A), ki jih porodijo osnovne operacije nad vrsticami.
79
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
Dokaz. Opustimo.
80
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
Če je i = j, gre zamo za razvoj det(A) po i-ti vrstici; po drugi strani, če je i 6= j,
potem vsota tudi predstavlja razvoj po vrstici, toda takšen, v katerem sta vrstici i in j
enaki. Vemo, da če ima matrika dve vrstici enaki, potem je njena determinanta enaka
0. To pomeni, da bodo koeficienti produkta Aadj(A), ki niso na diagonali, enaki 0,
medtem ko bodo diagonalni koeficienti enaki det(A). Torej je Aadj(A) enaka matriki
(det(A))In , kot smo trdili. Drugo enakost lahko dokažemo na podoben način.
Naslednji izrek nam poda formulo za izračun inverza obrnljive matrike.
Izrek 3.118. Če je A obrnljiva matrika, potem je A−1 = l
det(A)
adj(A).
Dokaz. Spomnimo se, da A−1 obstaja če in samo če je det(A) 6= 0. Iz Aadj(A) =
det(A) · In dobimo
1 1
A( adj(A)) = Aadj(A) = In
det(A) det(A)
in od tod sledi podana trditev.
Primer 3.119. Poiščite inverz matrike
2 −1 0
A = −1 2 −1
0 −1 2
na dva različna načina.
81
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
82
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
83
3.4. DETERMINANTA KVADRATNE MATRIKE 3. MATRIKE
Rešitev. Ker ima matrika A tri vrstice, je r(A) ≤ 3. Torej moramo najprej ugotoviti,
ali obstaja podmatrika velikosti 3 × 3 z neničelno determinanto.
1 2 5
2 −1 2 = −7 + 12 + 10 + 15 − 28 − 2 = 37 − 37 = 0
3 1 7
3 2 5
1 −1 2 = −21 + 16 + 5 + 20 − 14 − 6 = 41 − 41 = 0
4 1 7
3 1 5
1 2 2 = 42 + 8 + 15 − 40 − 7 − 18 = 65 − 65 = 0
4 3 7
3 1 2
1 2 −1 = 6 − 4 + 6 − 16 − 1 + 9 = 21 − 21 = 0
4 3 1
Preverili smo vse štiri možne podmatrike velikosti 3 × 3 in ker so determinante od
vseh enake nič sklepamo, da je r(A) ≤ 2. Sedaj torej preverimo, ali obstaja podmatrika
velikosti 2 × 2 z neničelno determinanto.
3 1
1 2 =6−1=5
84
3.5. UPORABA MATRIK 3. MATRIKE
Rϕ RϕT = I2 = RϕT Rϕ .
85
3.5. UPORABA MATRIK 3. MATRIKE
Dejansko imamo
T cos ϕ sin ϕ cos ϕ − sin ϕ
Rϕ Rϕ = ·
− sin ϕ cos ϕ sin ϕ cos ϕ
2
2
cos ϕ + sin ϕ − cos ϕ sin ϕ + sin ϕ cos ϕ
=
− sin ϕ cos ϕ + cos ϕ sin ϕ sin2 ϕ + cos2 ϕ
1 0
= ,
0 1
86