UVOD

Ovi nastavni materijali namijenjeni su studentima u svrhu lak

seg pra
cenja i boljeg razumijevanja predavanja iz kolegija matematika.
Ovi materijali
cine su
stinu nastavnog gradiva
pa, uz obaveznu literaturu, mogu poslu
ziti studentima za pripremu ispita iz ovog kolegija.
Svaka konstruktivna sugestija u svrhu pobolj
sanja ovih materijala, je dobrodo
sla.
elim vam
Z
sto uspje
snije savladavanje izlo
zenog gradiva !!
J.M.

 AJ
SADRZ
Matrice

...

Klasifikacija matrica

...

Ra
cunske operacije sa matricama
Vektorski prostor Rn

...
...

...

22
25

Sustavi linearnih jednad

zbi

...

Determinanta kvadratne matrice

Inputoutput analiza

8
17

Linearna (ne)zavisnost vektora

Rang matrice

...

...

31
...

44
57

MATRICE
Definicija: Neka su m i n prirodni brojevi.
Matrica A reda (formata) m n je svaka pravokutna tablica elemenata (brojeva) poredanih u m redaka i n stupaca.
Simboli
cki

A=

a11 a12 a13 . . . a1n

a21 a22 a23 . . . a2n

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

am1 am2 am3 . . . amn

ili kra
ce
A = [aij ], i = 1, 2, . . . , m; j = 1, 2, . . . , n.
Oznake: A, B, C, . . . za matrice;
aij , bkl , cir , . . . za matri
cne elemente,
npr. a42, b15,12, c11, d25,7, . . .
Promatrat
cemo samo realne matrice (matri
cni elementi su realni brojevi).
Skup svih matrica istog reda mn ozna
cavamo
sa Mmn (ili Mmn ili Rmn), npr. R1020,
M144, M23, M15, M51, . . .
+

Ako je m = n matricu nazivamo kvadratna

matrica reda n. Skup svih kvadratnih matrica
istog reda ozna
cavamo sa Mn, npr. M2, M4,
M8, . . .
KLASIFIKACIJA MATRICA
Pravokutna (m = n) i kvadratna (m = n).
Nulmatrica (oznaka O ili Omn) je matrica
ciji
su svi elementi jednaki nuli.
Glavna dijagonala kvadratne matrice A Mn
je ureden skup {a11, a22, a33, . . . , ann} .
Trag kvadratne matrice A je broj
tr(A) = a11 + a22 + a33 + . . . + ann .

Klasifikacija kvadratnih matrica

Kvadratna matrica A Mn mo
ze biti:
gornja trokutasta: aij = 0 za i > j;
donja trokutasta: aij = 0 za i < j;
dijagonalna: aij = 0 za i = j;
skalarna: dijagonalna i
a11 = a22 = . . . = ann;
jedini
cna (oznaka I ili In): dijagonalna i
a11 = a22 = . . . = ann = 1.

Jednakost matrica
Matrice A i B su jednake ako i samo ako su
istog reda i svi odgovaraju
ci elementi su im
cki
medusobno jednali. Simboli
A = B

A, B Mmn

aij = bij , i = 1, 2, . . . , m;

j = 1, 2, . . . , n.

Transponirana matrica
Ako u matrici A Mmn zamijenimo retke i
stupce (prvi redak pi
semo kao prvi stupac,
drugi redak kao drugi stupac, itd.) dobijemo
transponiranu matricu AT (ili A) Mnm.
A AT aij aji .
Kvadratna matrica A je:
simetri
cna: AT = A, tj. aji = aij za sve i, j;
antisimetri
cna:
AT = A, tj. aji = aij za sve i, j;
(tada je i aii = aii, tj. aii = 0 za sve i).
+

PRIMJERI

1. Zadane su matrice

A=

4
x
3
0

1/2
3
1
x

B=

0
1
0.7
25

Odredite a21, a12, a42, b13, b31.

site matricu A M23 ako je
2. Napi
aij = i2 j 2.
3. Napi
site matricu X M4 ako je

za i < j
xij = 1 za i > j

0 za i = j .

4. Zadane su matrice A =
[

B=

0 2
x 9

C=

0 x/y
y2

x 2
x 3x

Odredite parametre x i y tako da je:

(a) A = B, (b) B = C.

5. Zadana je matrica

2
T =
x

3
x
.

0
8 5

Za koju vrijednost parametra x je matrica

T simetri
cna?

6. Odredite trag matrice T iz primjera 5.

7. Klasificirajte slijede
ce matrice
[

A=

C = [6 2 0],

D=

G=

8 0 0

H = 0 8 0 ,
0 0 8

0
1

1 2 3

F = 0 0 1 ,
0 0 5

0 0
7 0.4
0 1

, B = 0 0 ,
2 1 0 3
0 0
]

,
6
0
0
7

E = [ 7 ],
0
0
0
0

0
0
0
0

0
0
0
0

1 0 0 0 0

0 1 0 0 0

K= 0 0 1 0 0
.
0 0 0 1 0

0 0 0 0 1

8. Odredite tr(K) iz primjera 7 te zaklju

cite
koliki je tr(In)?

UNSKE OPERACIJE SA MATRICAMA

RAC
Zbrajanje matrica
Matrice mo
zemo zbrajati samo ako su istog
reda i to tako da zbrajamo odgovaraju
ce elemente. Simboli
cki
A = [aij ], B = [bij ] Mmn
A + B = [aij + bij ] Mmn.
Mno
zenje matrica brojem (skalarom)
Matricu mno
zimo brojem tako da njime pomno
zimo svaki njezin elemenat. Simboli
cki
A = [aij ] Mmn, R A = [aij ] Mmn.
Za = 0 je 0 A = O (nul-matrica).
Za = 1 je (1) A = A (suprotna matrica).
Oduzimanje matrica je zbrajanje sa suprotnom matricom: A B = A + (B) .
O
cito je: A A = A + (A) = O .
+

Linearna kombinacija matrica

Definicija: Neka su dane matrice
A1, A2, . . . , Ak Mmn
i brojevi
1, 2, . . . , k R .
Tada matricu
A = 1A1 + 2A2 + . . . + k Ak Mmn
nazivamo linearna kombinacija danih matrica. Pri tome brojeve 1, 2, . . . , k nazivamo
koeficijenti linearne kombinacije.
Linearna kombinacija je trivijalna ako su svi
koeficijenti jednaki nuli (ona je tada jednaka
nul-matrici).
U protivnom (barem jedan koeficijent je razli
cit od nule) linearna kombinaciju nazivamo
netrivijalna.

PRIMJER
Zadane su matrice
[

A=

y
9

x2
y

B=

1 6
2x y

Odredite parametre x i y tako da matrica

2A 3B bude: (a) donja trokutasta;
(b) dijagonalna; (c) skalarna.
ENJE:
RJES
2A 3B =

2y 3
18 6x

2x2 18

(a) 2x2 18 = 0 x {3, 3}, y R;

(b) 2x2 18 = 0 i 18 6x = 0
x = 3, y R;
(c) uvjeti pod (b) i 2y 3 = y
x = 3, y = 1.

10

SVOJSTVA ZBRAJANJA MATRICA I

ENJA MATRICA BROJEM
MNOZ
Za sve A, B, C Mmn i , R vrijedi

1. (A+B)+C = A+(B+C) (asocijativnost)

2. A + B = B + A (komutativnost)

3. (A + B) = A + B,
( + )A = A + A (distributivnost)

4. (A) = ()A (asocijativnost)

11

ENJE MATRICA
MNOZ
Dvije matrice mo
zemo pomno
ziti medusobno
samo ako su ulan
cane (prva matrica ima toliko stupaca koliko druga redaka). Produkt je
matrica sa toliko redaka kao prva, a stupaca
kao druga matrica u umno
sku. Simboli
cki
A(m n) B(n p) = C(m p) .
Pri tome elemenat umno
ska na mjestu (i, j)
dobijemo skalarnim mno
zenjem i-tog retka prve matrice sa j-tim stupcem druge matrice
(prvi elemenat i-tog retka mno
zimo sa prvim
elementom j-tog stupca, drugi sa drugim, itd.
te tako dobivene produkte zbrojimo). Simboli
cki
cij = ai1b1j + ai2b2j + ai3b3j + . . . + ainbnj .

PRIMJERI
1. Ako imamo matrice A(3 3), B(4 3)
i C(3 1), koje umno
ske od dva
clana
mo
zemo sastaviti?
+

12

2. Za matrice
[

A=

1 0 1
0 2 1

B= 1

1 ,
1

odredite A B i B A.
ENJE:
RJES
Imamo A(2 3) B(3 2) = AB(2 2),
(AB)11 = 1 (2) + 0 1 + (1) 0 = 2,
(AB)12 = 1 0 + 0 1 + (1) (1) = 1,
(AB)21 = 0 (2) + 2 1 + 1 0 = 2,
(AB)22 = 0 0 + 2 1 + 1 (1) = 1, pa je
[

AB =

2 1
2 1

Sli
cno je B(3 2) A(2 3) = BA(3 3) i

BA = 1

0
2

2
0 .
2 1

Uo
cimo da je op
cenito

A B = B A .
+

13

3. Ako su definirani matri

cni produkti AB i
BA, tada vrijedi tr(AB) = tr(BA). Provjerite to na matricama iz primjera 2.

4. Primijetimo da su potencije A2, A3, A4, . . .

dobro definirane samo ako je A kvadratna
matrica. Tada je: A2 = A A,
A3 = A A A = A A2 = A2 A, . . .
An = An1 A = A An1.
5. Neka je A Mn proizvoljna matrica te
O, I Mn. Provjerite da vrijedi
AO = OA = O,

AI = IA = A .

14

SVOJSTVA
Za matrice A, B, C odgovaraju
cih formata i
R vrijede:
Svojstva matri
cnog mno
zenja
1. (AB)C = A(BC)
2. A(B+C) = AB+AC, (A+B)C = AC+BC
3. (AB) = (A)B = A(B)
Za kvadratnu matricu A vrijedi i
4. AI = IA = A
5. AO = OA = O
Svojstva transponiranja
1.
2.
3.
4.

(A + B)T = AT + B T
(A)T = AT
(AT )T = A
(AB)T = B T AT

15

INVERZNA MATRICA
Definicija: Ako za matricu A Mn postoji
matrica A1 takva da vrijedi
A A1 = A1 A = I ,
tada je A1 inverzna matrica matrice A.
Uo
cimo da se inverzna matrica definira samo
za (neke) kvadratne matrice i pri tome vrijedi
A Mn A1 Mn.
Ako kvadratna matrica ima inverz, nazivamo
je regularna. U protivnom je singularna.
Inverzna matrica, ako postoji, je jedinstvena.
Naime ako su B i C inverzne matrice od A
tada je
B = BI = B(AC) = (BA)C = IC = C .
Svojstva invertiranja
1. (A1)1 = A
1
2. (A)1 = 1
A

3. (AT )1 = (A1)T
4. (AB)1 = B 1A1
+

16

VEKTORSKI PROSTOR Rn
Skup

x1

x
n
R =
..2

xn

x1, x2, . . . , xn R

sa definiranim matri
cnim operacijama (zbrajanje matrica i mno
zenje matrica skalarom)
nazivamo realni vektorski prostor.
Imamo R1 = R, R2, R3, R4, . . .
Primijetimo da je Rn = Mn1 (ili M1n).
Elemente vektorskog prostora nazivamo vektori. Svaki vektor ima n komponenti.
Nul-vektor (O) ima sve komponente nule.

17

Skalarni produkt u Rn
je preslikavanje koje svakom paru vektora
x, y Rn pridru
zuje realni broj
xT y = x1y1 + x2y2 + x3y3 + . . . + xnyn .
Svojstva skalarnog produkta
Za sve x, y, z Rn i R vrijedi:
1. xT x 0,
xT x = 0 x = O (pozitivna definitnost)
2. xT y = y T x (simetrija)
3. (x + y)T z = xT z + y T z (aditivnost)
4. (x)T y = (xT y) (homogenost)
Okomitost vektora
Ako je skalarni produkt dvaju vektora nula,
ka
zemo da su vektori medusobno okomiti ili
ortogonalni, i obratno. Simboli
cki
xT y = 0 x y .

18

Euklidska norma u Rn
je preslikavanje koje svakom vektoru
x Rn pridru
zuje realni (nenegativni) broj

||x|| =

xT x =

2 + x2 + . . . + x2
x2
+
x
n
1
2
3

koji nazivamo euklidska norma (ili duljina)

vektora x.
Napomenimo da se norma mo
ze definirati op
cenitije kao svako preslikavanje x ||x|| koje
zadovoljava sljede
ca svojstva.
Svojstva norme
Za sve x, y Rn i R vrijedi:
1. ||x|| 0,
2. ||x|| = 0 x = O
3. ||x|| = || ||x||
4. ||x + y|| ||x|| + ||y|| (nejednakost trokuta)
Udaljenost vektora x i y u zadanoj normi || ||
definiramo kao
d(x, y) = ||x y|| .
+

19

PRIMJERI

1. Zadani su vektori
[

x=

1
3

, y=

3
1

, z=

4
0

Odredite xT y, xT z i y T z.
Kakvi su vektori x i y ?

2. Zadani su vektori

t
1

A = 1 , B = 2 .
0
3
Za koju vrijednost parametra t su vektori
A + B i A B medusobno okomiti?

ENJE: t = 13.
RJES

20

3. Primjeri normi.
Za svaki prirodni broj p,
||x||p = (|x1|p + |x2|p + . . . |xn|p)1/p
je norma (norma p). Takoder
||x|| = max {|x1|, |x2|, . . . , |xn|}
je norma (norma ).
Odredite ||x||1, ||x||2 i ||x|| ako je

x=

1
2
3
4

RJESENJE: ||x||1 = 10, ||x||2 = 30,

||x|| = 4.
Primijetimo da je ||x||2 euklidska norma.

21

LINEARNA (NE)ZAVISNOST VEKTORA

Definicija: Skup vektora
{A1, A2, . . . , Ak } Rn je linearno nezavisan
ako je samo trivijalna linearna kombinacija tih
vektora jednaka nul-vektoru, tj. ako vrijedi
1A1 + 2A2 + . . . + k Ak = O
1 = 2 = . . . = k = 0 .
Skup vektora
{A1, A2, . . . , Ak } Rn je linearno zavisan ako
postoji i netrivijalna linearna kombinacija tih
vektora jednaka nul-vektoru, tj. ako vrijedi
1A1 + 2A2 + . . . + k Ak = O
i = 0 bar za jedan i {1, 2, . . . , k} .
Iz definicije slijedi da je skup vektora linearno
zavisan ako se bar jedan vektor iz tog skupa
mo
ze prikazati pomo
cu preostalih (kao njihova linearna kombinacija). Ako to nije mogu
ce, skup je linearno nezavisan.

22

PRIMJER
Ispitajte linearnu (ne)zavisnost skupa:
{[

1.

1
2
[

] [

,
1
2

1
1

]}

R2

+ 2

1
1

0
0

1 + 2 = 0
1 = 0, 2 = 0 .
21 + 2 = 0
Skup vektora je linearno nezavisan.
{[

2.

2
2
[

] [

,
2
2

1
1

]}

R2

+ 2

1
1

0
0

21 + 2 = 0
2 = 21, 1 R .
21 + 2 = 0
npr. 1 = 1, 2 = 2
ili 1 = 3, 2 = 6, itd.
Skup vektora je linearno zavisan.
+

23

Skup vektora generira ili razapinje vektorski

prostor Rn ako se svaki vektor iz Rn mo
ze
prikazati pomo
cu vektora iz tog skupa (kao
njihova linearna kombinacija).
Skup vektora je baza prostora Rn ako:
je linearno nezavisan;
razapinje prostor Rn.
Broj vektora u bazi ne ovisi o izboru baze i
naziva se dimenzija vektorskog prostora.
PRIMJER: Kanonska baza prostora Rn.

B=

1
0
0
...
0

0
1
0
...
0

0
0
1
...
0

, ... , 0

...

Uo
cimo da su vektori kanonske baze stupci
jedini
cne matrice reda n.
Dimenzija prostora Rn: dim(Rn) = n.

24

RANG MATRICE
Rang matrice je najve
ci broj linearno nezavisnih redaka (ili stupaca) te matrice.
Mo
ze se pokazati da je rang po recima jednak
kao i rang po stupcima, pa je
A Mmn r(A) min{m, n} .
Rang odredujemo primjenom elementarnih
transformacija na retke ili stupce matrice.
Elementarne transformacije su:
zamjena dvaju redaka (stupaca);
mno
zenje retka (stupca) brojem razli
citim
od nule;
zbrajanje dvaju redaka (stupaca).
Primjenom elementarnih transformacija rang
matrice se ne mijenja. Cilj je pomo
cu elementarnih transformacija svesti polaznu matricu na matricu iz koje je rang o
cigledan.
+

25

PRIMJERI
Odredite rang slijede
cih matrica

1 1 1 1

1. A = 1 2 3 4
4 3 2 1

2.

M =

3
1
2
4

3 3
t
1 1
2
2 1 1
4 4
8

3. A M4: aii = b, aij = 1 za i = j.

Rje
senje:

b 1
1 b

A=
1 1
1 1

1
1
b
1

1
1
1
b

b = 1 r(A) = 1,
b = 3 r(A) = 3,
b = 1, b = 3 r(A) = 4.
+

26

ENJA
RJES

1.

A 1
4

(1) (4)
1 1 1

|
2 3 4 3 2 1

1 1
1
1

0 1
2
3 1
0 1 2 3

|1 1 1 1

|1 2 3 r(A) = 2 .
0 0 0 0

Nakon provedenih transformacija rang je

jednak broju neponi
stenih redaka ili broju
stepenica. Pri tome u svakom retku
treba biti nova stepenica.

27

2.

(2) (4) (3)

1 1
2

|
|
2 1 1
|
4 4
8
3 3
t

1
0
0
0
|1
0
0
0

1 1
2
0 3 5
0 0
0
0 0 t6

1 1
2
0 |3 5
0 0 |t 6
0 0
0

t 6 = 0 t = 6 r(M ) = 2 ,
t 6 = 0 t = 6 r(M ) = 3 .

28

Skup vektora {A1, A2, . . . , Ak } Rn

je linearno nezavisan ako je
r(A) = k (broju vektora);

je linearno zavisan ako je

r(A) < k (broja vektora);

razapinje prostor Rn ako je r(A) = n;

baza prostora Rn ako je
r(A) = n = k (broju vektora).

Pri tome je A matrica

ciji su stupci (ili reci)
vektori A1, A2, . . . , Ak .

29

PRIMJER
Za koju vrijednost parametra
tora

0
t
1

0 , t , 0

t
0
1

t R skup vek

cini bazu vektorskog prostora R3 ?

ENJE
RJES

A = 0
t

(t)
0 t

|
t 0
0 1

1 0
t

0
0 t

0 0 1 t2

t = 0 r(A) = 2 ,
1 t2 = 0 t = 1 r(A) = 2 ,
t = 0 i t = 1 r(A) = 3 .
Skup vektora je baza za t R \ {1, 0, 1}.
Postaviti i ostala pitanja za ovaj i prethodne
primjere!
+

30

BI
SUSTAVI LINEARNIH JEDNADZ
Sustav od m jednad
zbi sa n nepoznanica:
a11x1 + a12x2 + a13x3 + . . . + a1nxn
a21x1 + a22x2 + a23x3 + . . . + a2nxn
a31x1 + a32x2 + a33x3 + . . . + a3nxn

am1x1 + am2x2 + am3x3 + . . . + amnxn

Uvedemo li matrice

a11 a1n

...
A = ...
, X =
am1 amn
A(m n),

= b1
= b2
= b3
= bm

x1

...
, B =
xn

X(n 1),

b1
...
,
bm

B(m 1),

sustav mo
zemo pisati u matri
cnom obliku

AX = B .
Pri tome su:
A - matrica sustava;
X - matrica nepoznanica;
B - matrica slobodnih
clanova;
A|B - pro
sirena matrica sustava.
+

31

Ako je B = O = ... , imamo homogen

0
sustav, u protivnom (B = O) nehomogen.
Svaku matricu X koja zadovoljava jednad
zbu
AX = B, nazivamo rje
senje sustava. Sustav koji ima rje
senje nazivamo rje
siv, mogu
c,
konzistentan ili kompatibilan.
Teorem (Kronecker-Capelli):
Sustav linearnih jednad
zbi ima rje
senje ako i
samo ako je r(A) = r(A|B) (rang matrice sustava jednak rangu pro
sirene matrice sustava).
Dokaz: Neka su A1, A2, . . . , An Rm stupci
matrice A. Sustav AX = B sada mo
zemo
pisati u obliku x1A1 + x2A2 + . . . + xnAn = B.
Ako sustav ima rje
senje, tada je B linearna
kombinacija vektora A1, . . . , An. To zna
ci da
dodavanje linearno zavisnog vektora B, skupu
stupaca matrice A, ne
ce promijeniti rang.
Ako je r(A) = r(A|B), tada je B linearno zavisan u odnosu na stupce matrice A, pa se
mo
ze napisati kao njihova linearna kombinacija. Koeficijenti te kombinacije su rje
senje
sustava, dakle, sustav ima rje
senje.
+

32

Homogeni sustav AX = O uvijek ima bar jedno rje

senje i to trivijalno
X=O

(x1 = x2 = . . . = xn = 0),

jer je r(A) = r(A|O).

Op
cenito za sustav AX = B vrijedi:

senje i to:
1. r(A) = r(A|B) ima rje
jedinstveno ako je r(A) jednak broju nepoznanica,
beskona
cno mnogo rje
senja ako je r(A)
manji od broja nepoznanica;

2. r(A) = r(A|B) nema rje

senje.

33

U slu
caju beskona
cno mnogo rje
senja sustav
ima toliko slobodnih parametara (nepoznanica) za koliko je r(A) manji od broja nepoznanica.
Za homogeni sustav slu
caj 2. ne mo
ze nastupiti.
Sustav rje
savamo GaussJordanovom metodom. Ona se sastoji u primjeni elementarnih transformacija na retke pro
sirene matrice sustava. Kako elementarne transformacije ne mijenjaju rje
senje sustava, pomo
cu njih
sustav prevodimo u ekvivalentni iz kojeg se
rje
senje mo
ze direktno o
citati.

34

PRVI PRIMJER
Rije
site sustav
2x y + 3z = 12
x + y z = 1
3x + 2y + 2z = 5 .
Sastavimo pro
sirenu matricu sustava A|B:

(2) (3)
1 1 | 1

|
1 3 | 12 2
2 | 5

1 | 1

5 | 14
0 1 5 | 8

0 3

0
0

1
1
3

1 | 1

5 | 8 (3)
5 | 14

|1 1
1 | 1

0 |1
5
|
8
0
0 |10 | 10
r(A) = 3 = r(A|B) = broju nepoznanica, sustav ima jedinstveno rje
senje;
+

35

unutar matrice A formiramo jedini

cnu matricu
reda 3:

|1

1
1 | 1

|1
5
|
8
0
0 |10 | 10
: (10)

1 1 1 | 1

0 1 5 | 8
|
(5) 1
0 0
1 | 1

0
0

1
1
0

0 | 0

0 | 3 1
1 | 1

0 | 3

1 | 1

0 1 0 | 3 (1)

1 0 0 | 3

0 1 0 | 3
0 0 1 | 1
x = 3
y = 3
z = 1 .
+

36

DRUGI PRIMJER
Rije
site sustav
3x1 x2 + 4x3 5x4 = 1
x1 + 3x2 x3 + 2x4 = 0
2x1 + 2x2 + 3x3 3x4 = 3 .
Sastavimo pro
sirenu matricu sustava A|B:

3 2
3 1 2 | 0

|
1 4 5 | 1 2
3 3 | 3

1
3
2

0
0

3
8
8

1 2 | 0

1 1 | 1 (1)
1 1 | 3

|1 3 1 2 | 0

|8 1 1 | 1
0
0
0 0 0 | |4
r(A) = 2, r(A|B) = 3 sustav nema rje
senje.
Zadnja jednad
zba glasi 0 = 4 !?

37

I PRIMJER
TREC
Rije
site sustav
x + y + z = 2
2x y + z = 3
3x
+ 2z = 5 .
Sastavimo pro
sirenu matricu sustava A|B:

(2) (3)
1 1 | 2

|
1 1 | 3 0 2 | 5

1
3
3

|1

1 | 2

1 | 1 (1)
1 | 1

1
1 | 2

|3 1 | 1
0
0
0 | 0

r(A) = 2 = r(A|B) < 3 = broj nepoznanica,

sustav ima beskona
cno mnogo rje
senja sa jednim slobodnim parametrom;
+

38

unutar matrice A formiramo jedini

cnu matricu
reda 2:

0
0

1
1
0

0 3 1 | 1 : (3)

1 | 2

1/3 | 1/3 (1)

0 | 0

1 0 2/3 | 5/3

0 1 1/3 | 1/3
0 0 0 | 0

5
2

x +
3z = 3
y + 1z = 1
3
3

2z
x = 5

3
3
1z
y = 1

3
3

Ovo je op
ce rje
senje sustava u parametarskom
obliku (z je slobodni parametar sustava).
+

39

ETVRTI PRIMJER
C
etiri trgova
C
cke firme A, B, C i D naru
cuju
robu od istog dobavlja
ca, dakle, svaku vrstu
robe po jednakoj cijeni. Firma A je naru
cila
5t bra
sna (t = tona), 3t
se
cera i 1t kave za

sto je platila 110 000 kuna. Firma B je za

3t bra
sna, 2t
se
cera i 2t kave platila 179 000
kuna. Firma C za 4t bra
sna, 4t
se
cera i 3t kave
pla
ca 272 000 kuna. Koliko
ce platiti firma D
za svoju narud
zbu od 1t bra
sna, 1t
se
cera i 1t
kave? Zadatak rije
site matri
cnim ra
cunom.
ENJE: Ozna
RJES
cimo cijene za 1t bra
sna,

se
cera i kave sa x, y i z. Imamo sustav
5x + 3y + z = 110 000
3x + 2y + 2z = 179 000
4x + 4y + 3z = 272 000 ,
koji rije
simo matri
cno (najbolje je uzeti redosljed nepoznanica z, y, x).
Dobijemo x = 3 000, y = 5 000 i z = 80 000.
Rje
senje zadatka je x + y + z = 88 000 kuna.
Napomena: zadatak mo
zemo rije
siti i tako da
vektor [1, 1, 1] prika
zemo kao linearnu kombinaciju vektora [5, 3, 1], [3, 2, 2] i [4, 4, 3].
+

40

PETI PRIMJER
Kako broj rje
senja sustava
tx + ty + 4z = 2
x + y + tz = 1
3y tz = 3
ovisi o vrijednosti realnog parametra t ?
Imamo:

(t)
1 t | 1

|
3 t | 3
t 4 | 2

1 1
t
| 1

t
|
3
0 3

0 0 4 t2 | 2 + t

t = 2 r(A) = 2, r(A|B) = 3 sustav nema

rje
senja,
t = 2 r(A) = 2 = r(A|B) < 3 sustav
ima beskona
cno mnogo rje
senja,
t = 2 r(A) = 3 = r(A|B) sustav ima
jedinstveno rje
senje.
+

41

PRIMJENA GAUSS-JORDANOVE
UNANJE INVERZNE
METODE NA RAC
MATRICE

A1 = ?

A Mn

za zadanu

]
[
]
[
1
1
1
1
A [A | I ] = A A | A I = I | A

Dakle:

[A | I ] el. transformacije I | A1

PRIMJER

1
0 1

Invertirajte matricu A = 3 1 0 .
1 1 3
ENJE:
RJES
[A | I] =

(3) 1
1
0 1 | 1 0 0

|
3 1 0 | 0 1 0
1 1 3 | 0 0 1
+

42

0 1

0 1

0
1
1
1
3
1

1 | 1 0 0

3 | 3 1 0 1
4 | 1 0 1

| 1 0 0

| 3 1 0
|
3 (1)
| 2 1 1

0 | 3 1 1

0 | 9 4
3 (1)
1 | 2 1
1
(1)

1 0 0 | 3 1 1
[
]

1
0 1 0 | 9 4 3 = I | A
0 0 1 | 2 1 1

3 1 1

Dakle, A1 = 9 4 3 .
2 1 1
Provjera: A A1 = A1 A = I .

43

DETERMINANTA KVADRATNE MATRICE

Svakoj kvadratnoj matrici A pridru
zen je jedinstveni realni broj koji nazivamo determinanta
i ozna
cavamo sa |A| ili det(A). Determinantu
definiramo na slijede
ci na
cin:
Determinanta reda 2:
[

A=

4 1
3 2



 4 1 


det(A) = 
 = 4 2 (1) 3 = 11
 3 2 

Determinanta reda 3 (Sarrussovo pravilo):

B = 3

1 0

2 1
0 5



 2 1 0  2 1




|B| =  3 2 1  3 2


 4
0 5  4
0

= 2 2 5 + (1) 1 4 + 0 (3) 0
0 2 4 2 1 0 (1) (3) 5
= 20 4 + 0 0 0 15 = 1
+

44

Determinante vi
seg reda (n > 3):
A Mn ,

|A| = ?

Ako u matrici A izostavimo (izbri

semo) i-ti
redak i j-ti stupac dobivamo novu matricu
Aij Mn1. Njena determinanta naziva se
subdeterminanta ili minora |Aij |.
Kofaktor ili algebarski komplement Aij elementa aij definiramo kao
Aij = (1)i+j |Aij | .
|A| dobijemo Laplaceovim razvojem po jednom (proizvoljnom) retku ili stupcu:
|A| =

aij Aij

(razvoj po i-tom retku)

j=1

|A| =

aij Aij

(razvoj po j-tom stupcu)

i=1

PRIMJER: Provjerite da je determinanta trokutaste (dijagonalne) matrice jednaka umno

sku njenih dijagonalnih elemenata.
+

45

SVOJSTVA DETERMINANTI
1. Zamjenom dvaju redaka ili stupaca determinanta mijenja predznak.
2. Determinantu mno
zimo brojem tako da
njime pomno
zimo samo jedan (bilo koji) redak
ili stupac.
3. Determinanta se ne mijenja ako jednom
retku ili stupcu dodamo linearnu kombinaciju
preostalih redaka ili stupaca.
4. Determinanta koja ima nul-redak ili nulstupac jednaka je nuli.
5. Determinanta koja ima dva ista retka ili
stupca jednaka je nuli.
6. Determinanta
ciji su reci (stupci) linearno
zavisni jednaka je nuli.
7. Determinanta
ciji su reci (stupci) linearno
nezavisni razli
cita je od nule.

46

PRIMJER

1
2
3
3

3 1 0
2 2
1
0 3 1
0 0
5

= razvoj po
cetvrtom retku =

 3 1 0


4+1
= (3) (1)
 2 2
1

 0 3 1

+ 0
+ 0


 1 3 1


4+4
+ 5 (1)
 2 2 2

 3 0 3

= 31+50=3

47

Napomena: prije razvijanja determinante neke

elemente mo
zemo poni
stiti, npr.










1
2
3
3

3 1 0
1
2 2
0 3 1
0 0
5




 1 (5)


 |


-

1
3
1
2
2
2
1
2
1
7 10 10

0
1
0
0

= razvoj po
cetvrtom stupcu =

 1
3
1


= 1 (1)2+4  1
2
1

 7 10 10





 = ... = 3



48

Jo
s neka svojstva determinanti
Za A, B Mn i R vrijedi
1. |AT | = |A|
2. |A B| = |A| |B| (Binet-Cauchyjev teorem)
3. |Ak | = |A|k
1
4. |A1| = |A|1 =
|A|
5. |A| = n |A| (uo
cimo da je n red matrice)
PRIMJERI

1. Za matrice
[

A=

4 3
2 2

B=

3 1
4 4

)
4
1
3
izra
cunajte det 5A B A .

ENJE:
RJES






 4 1 3
4
1
3
2
5A B A  = 5 A B A 

= 25 |A|4 |B|1 |A|3

= 25 24 (16)1 23
= 200 .
+

49

2. Za matricu

0
0
1
6 4

3 1

K=
4 7

0
0
0
2





 1


odredite K  = ? i 2K 3 = ?

ENJE: Kako je K donja trokutasta

RJES
matrica imamo |K| = 2 (1) 1 2 = 4,
pa je


 1
K
 =

1
1
= ,
|K|
4







 3
3
4
2K  = 2 K  = 24 |K|3

= 24 (4)3 = 1024 .

50

DETERMINANTA, RANG I
REGULARNOST MATRICE
Rang matrice jednak je najve
cem redu minore
te matrice koja je razli
cita od nule.
Za matricu A Mn slijede
ce tvrdnje su ekvivalentne:

A je regularna

rang(A) = n (najve
ci mogu
ci rang)

det(A) = 0

stupci (reci) od A su linearno nezavisni

Za matricu A Mn slijede
ce tvrdnje su ekvivalentne:

A je singularna

rang(A) < n

det(A) = 0

stupci (reci) od A su linearno zavisni

51

PRIMJER
Ispitajte regularnost matrice

1 0 1

3
3 x 2

A= x 2

ENJE:
RJES
Prvi na
cin:



 1 0 1  1 0




|A| =  x 2 3  x 2 = 4 x2 + 6 3x


 3 x 2  3 x

|A| = x2 3x + 10 = 0 x {5, 2}
Za x {5, 2} matrica A je singularna,
za x R \ {5, 2} matrica A je regularna.

52

Drugi na
cin:

A 3
2

3 2
0 1

2 x - |
x 3

1 0
1

0 2 x+3
0 x
5
2

0
1

2 x + 3 (x)
2x
10

1
|1 0

0 |2
x+3

0
0 x2 3x + 10

Ako je x2 3x + 10 = 0 tj. x {5, 2} tada

je r(A) = 2 < 3 pa je A singularna.
Ako je x2 3x + 10 = 0 tj. x R \ {5, 2}
tada je r(A) = 3 pa je A regularna.
+

53

PRIMJENA DETERMINANTI NA
UNANJE INVERZNE MATRICE
RAC
Ako u matrici A Mn sve matri
cne elemente
aij zamijenimo sa njihovim kofaktorima Aij ,
dobijemo matricu kofaktora. Transponiranu
matricu kofaktora nazivamo adjungirana matrica ili adjunkta adj(A). Mo
ze se pokazati
da vrijedi
adj(A) A = A adj(A) = |A| I .
Ako je A regularna (AA1 = A1A = I) tada,
usporedbom ovih jednakosti, slijedi
A1 =

1
adj(A) .
|A|

54

PRIMJER

A=

a b
c d

A1 = ?

ENJE:
RJES
Matrica kofaktora
[

(1)1+1 d (1)1+2 c
(1)2+1 b (1)2+2 a
[

adj(A) =

d b
c a

d c
b a

Adjungirana matrica matrice reda 2 2 dobije

se tako da dijagonalnim elementima zamijenimo mjesta a izvandijagonalnim predznake.
A1 =

1
1
adj(A) =

|A|
ad bc

d b
c a

55

CRAMEROV SUSTAV LINEARNIH

BI
JEDNADZ
Ako je u sustavu AX = B broj jednad
zbi jednak broju nepoznanica (= n) tada je A kvadratna matrica (reda n).
Ako je matrica sustava A regularna (|A| =
0)
tada je X = A1 B, pa sustav ima jedinstveno rje
senje (homogeni sustav trivijalno a
nehomogeni netrivijalno). Takav sustav nazivamo Cramerov. Rje
senje Cramerovog sustava mo
zemo izraziti i pomo
cu determinanti,
xi = |Ai|/|A|, i = 1, 2, ..., n, gdje se Ai dobije
iz A zamjenom i-tog stupca vektorom B.
Ako je matrica sustava A singularna (|A| = 0)
tada homogeni sustav ima beskona
cno mnogo
rje
senja (dakle osim trivijalnog i beskona
cno
mnogo netrivijalnih) a nehomogeni sustav mo
ze ili imati beskona
cno mnogo rje
senja ili biti
nemogu
c.
+

56

INPUT-OUTPUT ANALIZA
(Leontiefov medusektorski model)
Wassily W. Leontief: The Structure of American Economy 1919-1939 (1950), Oxford
University Press.
U ovom modelu promatramo ekonomiju nekog
mjesta (kraja ili regije) kao cjelinu sastavljenu
od n industrija (grana ili sektora). Ti sektori
su medusobno zavisni. Proizvodnja svakog
sektora potrebna je kao utro
sak u procesu
proizvodnje ostalih sektora ali i njega samog.
I-O analiza je analiza kvantitativnih zavisnosti
izmedu proizvodnji pojedinih sektora promatrane ekonomije. Osnovno pitanje koje postavljamo je:
Koju razinu proizvodnje svaki od n sektora
treba ostvariti pa da se zadovolji potra
znja
za tim proizvodom?
+

57

Pretpostavke modela:
1. Proizvodnja svakog sektora je homogena
(pove
camo li ili smanjimo sve faktore proizvodnje jednak broj puta, proizvodnja se takoder pove
ca ili smanji toliko puta).
2. Svaki sektor za proizvodnju koristi fiksni
odnos utro
ska (fiksnu kombinaciju faktora).
Osnovne oznake i relacije:
Ukupni output (izlaz) iz i-tog sektora ozna
cavamo sa Qi. To je sve
sto taj sektor daje
(proizvodi). Neki sektori za svoj input (ulaz)
koriste dio outputa drugih sektora. Te veli
cine
ozna
cavamo sa Qij (dio outputa i-tog sektora
koji prelazi u j-ti sektor). Nakon
sto se zadovolji ovakva medusektorska potra
znja, ostaje
qi - dio outputa i-tog sektora namjenjen finalnoj potra
znji (potro
snja, prodaja, izvoz). Sve
ove veli
cine mogu biti izra
zene u vrijednosnim (nov
canim) ili koli
cinskim jedinicama. Iz
navedenih veli
cina sastavljamo I-O tabelu.
+

58

INPUT-OUTPUT TABELA
Qi

Qij

qi

Q1

Q11

Q12

...

Q1n

q1

Q2
...

Q21
...

Q22
...

...

Q2n
...

q2
...

Qn

ukupni
outputi

Qn1

Qn2 . . . Qnn

medusektorska
potra
znja

qn

finalna
potra
znja

Osnovna relacija I-O tabele:

Qi =

Qij + qi ,

i = 1, 2, . . . , n .

j=1

Dio proizvoda i-tog sektora koji koristi j-ti

sektor za proizvodnju jedne jedinice svog proizvoda je konstantan i nazivamo ga tehni
cki
koeficijent proizvodnje aij .
Qij
aij =
,
Qj
+

i, j = 1, 2, . . . , n .

59

Sada je Qij = aij Qj , pa osnovna relacija glasi

n

Qi =

aij Qj + qi ,

i = 1, 2, . . . , n .

j=1

Uvedemo li matrice: ukupnih outputa Q, finalne potra

znje q i tehni
ckih koeficijenata A,

Q=

Q1
Q2
...
Qn

, q =

q1
q2
...
qn

, A =

a11 . . . a1n
a21 . . . a2n

,
...
...

an1 . . . ann

osnovnu relaciju mo
zemo pisati u matri
cnom
obliku
Q = AQ + q
ili Q AQ = q , odnosno (I A)Q = q .
Uvedemo li matricu tehnologije T = I A ,
imamo
TQ = q

ili

Q = T 1q .

Primijetimo da su u ovom modelu matrice A,

T i T 1 konstantne. To zna
ci da, kad ih jednom izra
cunamo, mo
zemo ih primijeniti na
razli
cite vrijednosti ukupnih outputa i finalne
potra
znje.
+

60

UNAVANJE
APROKSIMATIVNO IZRAC
MATRICE T 1
Osnovne karakteristike matrice A:
1. aij 0,
2.

i, j = 1, 2, . . . , n

aij < 1,

j = 1, 2, . . . , n

i=1

T =I A

T 1 = (I A)1

Za proizvoljni prirodni broj k je

(I A) (I + A + A2 + . . . + Ak1 + Ak )
= I + A + A2 + . . . + Ak
A A2 + . . . Ak Ak+1
= I Ak+1
Ako k tada Ak+1 O, tj.
(I A) |(I + A + A2 +{z. . . + Ak + . . .)} = I
(IA)1

Dakle, (I A)1 I + A + A2 + . . . + Ak .
Aproksimacija je to bolja
sto je k ve
ci.
+

61

PRIMJERI
1. Zadana je inputoutput tabela neke dvosektorske privrede
Qi
1000
1200

Qij
250 600
250 300

qi
150
650

Odredite pripadne matrice A, T i T 1.

ENJE:
RJES

250
A = 1000
250
1000
] [
[

T =

1 0
0 1

]
[
600
1/4 1/2
1200
=
300
1/4 1/4
1200
]
[

1/4 1/2
1/4 1/4

1
1
T
=
adj(T ) =
|T |

=
+

3/4 1/2
1/4 3/4

=
1

9 1
16
8

12/7 8/7
4/7 12/7

3/4 1/2
1/4 3/4

62

2. Zadana je inputoutput tabela neke trosektorske privrede

Qi
100
150
200

10
20
30

Qij
30
30
60

40
60
80

qi
20
40
30

Napi
site novu IO tabelu ako se ukupni outputi prvog i drugog sektora pove
caju za 20%
a finalna potra
znja tre
ceg sektora smanji za
80%.

63

tabela A nova tabela

ENJE:
RJES

0.1 0.2 0.2

A = 0.2 0.2 0.3

0.3 0.4 0.4

Qi
120
180
Q3

12
24
36

Qij
36 0.2Q3
36 0.3Q3
72 0.4Q3

qi
q1
q2
6

120 = 12 + 36 + 0.2Q3 + q1
180 = 24 + 36 + 0.3Q3 + q2
Q3 = 36 + 72 + 0.4Q3 + 6

Q3 = 190,
Qi
120
180
190
+

q1 = 34,

12
24
36

Qij
36
36
72

38
57
76

q2 = 63
qi
34
63
6
64