Académique Documents
Professionnel Documents
Culture Documents
AJ
SADRZ
Matrice
...
Klasifikacija matrica
...
Ra
cunske operacije sa matricama
Vektorski prostor Rn
...
...
...
22
25
...
8
17
...
...
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=
...
...
...
...
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, . . .
+
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
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
5. Zadana je matrica
2
T =
x
3
x
.
0
8 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
PRIMJER
Zadane su matrice
[
A=
y
9
x2
y
B=
1 6
2x y
2y 3
18 6x
2x2 18
10
2. A + B = B + A (komutativnost)
3. (A + B) = A + B,
( + )A = A + A (distributivnost)
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
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
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
21
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
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
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
27
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
29
PRIMJER
Za koju vrijednost parametra
tora
0
t
1
0 , t , 0
t
0
1
t R skup vek
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
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
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
(x1 = x2 = . . . = xn = 0),
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;
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
|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
38
0
0
1
1
0
0 3 1 | 1 : (3)
1 | 2
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
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
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
A=
4 1
3 2
4 1
det(A) =
= 4 2 (1) 3 = 11
3 2
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| = ?
aij Aij
j=1
|A| =
aij Aij
i=1
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
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
49
2. Za matricu
0
0
1
6 4
3 1
K=
4 7
0
0
0
2
1
odredite K = ? i 2K 3 = ?
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
Za matricu A Mn slijede
ce tvrdnje su ekvivalentne:
A je singularna
rang(A) < n
det(A) = 0
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
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
1
1
adj(A) =
|A|
ad bc
d b
c a
55
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
Qij + qi ,
i = 1, 2, . . . , n .
j=1
i, j = 1, 2, . . . , n .
59
Qi =
aij Qj + qi ,
i = 1, 2, . . . , n .
j=1
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 .
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
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
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
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
ENJE:
RJES
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