Professional Documents
Culture Documents
LAG Predavanje IV Dio II
LAG Predavanje IV Dio II
Predavanje IV - Dio II
Novembar, 2023.
Sadržaj
2/35
Potpuno rješenje sistema Ax = b
Sada desna strana više nije jednaka nuli (b ̸= 0). Operacije nad
redovima matrice na lijevoj strani će djelovati i na desnu stranu.
Sistem Ax = b ćemo svesti (redukovati) na jednostavniji sistem
Rx = d sa istim rješenjima.
3/35
Potpuno rješenje sistema Ax = b
x
1 3 0 2 1 1 Ima 1 3 0 2 1 [ ]
0 0 1 4 x 2 = 6 proširenu 0 0 1 4 6 = A b
x3
1 3 1 6 7 matricu 1 3 1 6 7
x4
4/35
Potpuno rješenje sistema Ax = b
5/35
Potpuno rješenje sistema Ax = b
6/35
Partikularno rješenje Axp = b
7/35
Partikularno rješenje Axp = b
Da bi rješenje postojalo, redovi nula u matrici R također
moraju biti nula u vektoru d. Budući da je jedinična matrica
I u pivot redovima i pivot kolonama matrice R, tako
vrijednosti pivot varijabli u partikularnom rješenju xp dolaze
iz d:
1
1 3 0 2 [ ] Pivot varijable 1, 6
0
Rxp = 0 0 1 4
6 = 1 6 0 Slobodne varijable 0, 0
0 0 0 0 Rješenje xp = (1, 0, 6, 0).
0
8/35
Partikularno rješenje Axp = b
9/35
Partikularno rješenje Axp = b
Pitanje
Neka je A kvadratna, invertibilna matrica, m = n = r. Kako
izgledaju rješenja xp i xn ?
Odgovor
10/35
Partikularno rješenje Axp = b
Pitanje
Neka je A kvadratna, invertibilna matrica, m = n = r. Kako
izgledaju rješenja xp i xn ?
Odgovor
* Partikularno rješenje je jedno jedino rješenje xp = A−1 b.
* Specijalna rješenja i slobodne varijable ne postoje.
* Matrica R = I ne sadrži nula redove.
* Jedini vektor u nulprostoru je xn = 0.
* Potpuno rješenje je tada x = xp + xn = A−1 b + 0.
10/35
Partikularno rješenje Axp = b
[ ] [ ]
Redukovanje nas je vodilo od A b do I A−1 b . Odnosno,
matricu A smo redukovali sve do jedinične matrice I, pa je sistem
jednačina Ax = b postao x = A−1 b, što predstavlja vektor d.
11/35
Partikularno rješenje Axp = b
1 1 b1
A= 1 2 i b = b2
−2 −3 b3
12/35
Partikularno rješenje Axp = b
Rješenje Koristit
[ ćemo
] proširenu matricu sa dodatnom kolonom
vektora b (tj. A b ), nad kojom radimo sljedeće korake da
dobijemo redukovanu formu R:
1. (1)red1 oduzeti od reda2
2. (−2)red1 oduzeti od reda3 (tj. (2)red1 dodati redu3)
3. (−1)red2 oduzeti od reda3 (tj. (1)red2 dodati redu3)
4. (1)red2 oduzeti od reda1
1 1 b1 1 1 b1 1 0 2b1 − b2
1 2 b2 → 0 1 b2 − b 1 → 0 1 b2 − b1
−2 −3 b3 0 −1 b3 + 2b1 0 0 b3 + b1 + b2
13/35
Partikularno rješenje Axp = b
Rješenje
1 0 2b1 − b2
0 1 b2 − b1
0 0 b3 + b1 + b2
14/35
Partikularno rješenje Axp = b
[ ] [ ]
2b1 − b2 0
Jedino rješenje za Ax = b x = xp + xn = +
b2 − b1 0
15/35
Partikularno rješenje Axp = b
[ ] [ ]
I n × n jedinična matrica
Potpuni rang kolona R= =
0 m − n redova nula
16/35
Partikularno rješenje Axp = b
Svaka matrica A sa potpunim rangom kolona ima sljedeća
svojstva:
1. Sve kolone matrice A su pivot kolone.
2. Ne posjeduje slobodne varijable, pa specijalna rješenja ne
postoje.
3. Nulprostor sadrži samo nula vektor x = 0.
4. Ako Ax = b ima rješenje (rješenje ne mora postojati) tada će
postojati jedinstveno rješenje.
17/35
Potpuno rješenje
x+y+z =3
Potpuni rang redova rang r = m = 2
x + 2y − z = 4
18/35
Potpuno rješenje
Dvije jednačine predstavljaju dvije (neparalelne) ravni u xyz
prostoru koje se sijeku u jednoj pravoj. Ova prava sadrži sva
rješenja sistema jednačina i otkrivamo je eliminacijom.
Prava rješenja Ax = b
x = xp + xn
xp
Prava rješenja Ax = 0
xn
0
2+1=3 −3 + 2 + 1 = 0
2+2=4 −3 + 4 − 1 = 0
20/35
Potpuno rješenje
Specijalno rješenje xn je bilo koji umnožak vektora s, te se
pomjera duž prave rješenja, sa početkom u tačci xp .
21/35
Potpuno rješenje
Da sumiramo: za “kratku široku” matricu sa potpunim rangom
redova, za koju je m < n, sistem jednačina Ax = b će biti
nedovoljno određen (imat će mnogo rješenja).
23/35
Partikularno rješenje
[ ] [ ] [ ] [ ]
Četiri tipa za R I I F I I F
0 0 0
Rang r=m=n r=m<n r=n<m r < m, r < n
24/35
Nezavisnost, baze i dimenzije
Važan dio ovog poglavlja se tiče “stvarne” veličine potprostora.
(dovoljno vektora da
2. Obuhvatanje prostora
bismo proizveli sve ostale)
3. Baza prostora (ni previše ni premalo)
26/35
Linearna zavisnost
27/35
Linearna zavisnost
Linearnu nezavisnost ilustrujemo pomoću tri vektora u R3 :
1. Ukoliko tri vektora nisu u istoj ravni, oni su nezavisni1 .
2. Ukoliko su tri vektora w1 , w2 , w3 u istoj ravni, oni su zavisni.
v1
U ravni
w3
Nije u ravni
v2
w2
v3 w1
Figure 2: Nezavisni vektori v1 , v2 , v3 . Samo 0v1 + 0v2 + 0v3
kombinacija daje vektor 0. Zavisni vektori w1 , w2 , w3 . Kombinacija
w1 − w2 + w3 daje (0, 0, 0).
1
Ni jedna kombinacija vektora v1 , v2 , v3 ne daju nulu, osim
0v1 + 0v2 + 0v3 .
28/35
Linearna zavisnost
Ako kombinacija daje 0 kada svi x-evi nisu nula, vektori su zavisni.
29/35
Linearna zavisnost
TERMINOLOGIJA
30/35
Linearna zavisnost
31/35
Linearna zavisnost
Ako posmatramo geometrijski, vektori (1, 1) i (−1, −1) se nalaze
na pravoj koja prolazi kroz koordinatni početak. Vektori su zavisni.
Da bismo iskoristili definiciju, potrebno je odrediti vrijednosti x1 i
x2 , takve da je x1 (1, 1) + x2 (−1, −1) = (0, 0). Što predstavlja isto
što i rješavanje Ax = 0:
[ ][ ] [ ]
1 −1 x1 0
= za x1 = 1 i x2 = 1
1 −1 x2 0
32/35
Linearna zavisnost
Tri vektora u prostoru R2 ne mogu biti nezavisna!
Jedan način da ovo vidimo je: matrica A sa tri kolone (pri čemu
svaka kolona ima dvije komponente) mora imati slobodnu
varijablu, a samim tim i jedno specijalno rješenje za Ax = 0.
33/35
Linearna zavisnost
Primjer Kolone matrice A u ovom primjeru su zavisne. Ax = 0
ima rješenje različito od nule2 :
1 0 3 −3 1 0 3 0
Ax = 2 1 5 1 je −3 2+1 1+1 5 = 0
1 0 3 1 1 0 3 0