UVOD

Ovi nastavni materijali namijenjeni su studen-

tima koji slusaju predmet matematika a re-
zultat su visegodisnjeg rada u nastavi iz ovog
predmeta. U svrhu lakseg pracenja i boljeg
razumijevanja, gradivo je izlozeno na pristupa-
can nacin sa detaljnim objasnjenjima i brojnim
primjerima. Iako ovi materijali cine sustinu
nastave, studentima se preporuca pohadanje
nastave gdje ce dobiti, po potrebi, i sva do-
datna objasnjenja i informacije. Svaka suges-
tija i konstruktivna kritika, u svrhu poboljsanja
ovih materijala, je dobrodosla.

Zelim vam sto uspjesnije savladavanje izloze-

nog gradiva !!
J.M.
SADR

ZAJ
Matrice . . . 1
Tipovi matrica . . . 2
Racunske operacije sa matricama . . . 8
Vektorski prostor R
n
. . . 17
Linearna (ne)zavisnost vektora . . . 19
Rang matrice . . . 22
Sustavi linearnih jednadzbi . . . 28
Determinanta kvadratne matrice . . . 41
Inputoutput analiza . . . 54
+ +
MATRICE
Denicija: Neka su m i n prirodni brojevi.
Matrica A tipa (reda ili formata) mn je svaka
pravokutna tablica elemenata (brojeva) pore-
danih u m redaka i n stupaca.
Simbolicki
A =
_

_
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
. . . a
mn
_

_
ili krace
A = [a
ij
], i = 1, 2, . . . , m; j = 1, 2, . . . , n.
Oznake: A, B, C, . . . za matrice;
a
ij
, b
kl
, c
ir
, . . . za matricne elemente,
npr. a
42
, b
15,12
, c
11
, d
25,7
, . . .
Promatrat cemo samo realne matrice (matric-
ni elementi su realni brojevi).
Skup svih matrica istog tipa mn oznacavamo
sa M
mn
(ili M
mn
ili R
mn
), npr. R
1020
,
M
144
, M
23
, M
15
, M
51
, . . .
+ 1
+ +
Ako je m = n matricu nazivamo kvadratna
matrica reda n. Skup svih kvadratnih matrica
istog reda oznacavamo sa M
n
, npr. M
2
, M
4
,
M
8
, . . .
TIPOVI MATRICA
Pravokutna (m ,= n) i kvadratna (m = n).
Nulmatrica (oznaka O ili O
mn
) je matrica ciji
su svi elementi jednaki nuli.
Glavna dijagonala kvadratne matrice A M
n
je uredeni skup a
11
, a
22
, a
33
, . . . , a
nn
.
Trag kvadratne matrice A je broj
tr(A) = a
11
+a
22
+a
33
+. . . +a
nn
.
+ 2
+ +
Tipovi kvadratnih matrica
Kvadratna matrica A M
n
moze biti:
gornja trokutasta: a
ij
= 0 za i > j;
donja trokutasta: a
ij
= 0 za i < j;
dijagonalna: a
ij
= 0 za i ,= j;
skalarna: dijagonalna i
a
11
= a
22
= . . . = a
nn
;
jedinicna (oznaka I ili I
n
): dijagonalna i
a
11
= a
22
= . . . = a
nn
= 1.
+ 3
+ +
Jednakost matrica
Matrice A i B su jednake ako i samo ako su
istog reda i svi odgovarajuci elementi su im
medusobno jednali. Simbolicki
A = B
_

_
A, B M
mn
a
ij
= b
ij
, i = 1, 2, . . . , m;
j = 1, 2, . . . , n.
Transponirana matrica
Ako u matrici A M
mn
zamijenimo retke i
stupce (prvi redak pisemo kao prvi stupac,
drugi redak kao drugi stupac, itd.) dobijemo
transponiranu matricu A
T
(ili A
t
) M
nm
.
A A
T
a
ij
a
ji
.
Kvadratna matrica A je:
simetricna: A
T
= A, tj. a
ji
= a
ij
za sve i, j;
antisimetricna:
A
T
= A, tj. a
ji
= a
ij
za sve i, j;
(tada je i a
ii
= a
ii
, tj. a
ii
= 0 za sve i).
+ 4
+ +
PRIMJERI
1. Zadane su matrice
A =
_

_
4 1/2
x 3

3 1
0 x
_

_
, B =
_

_
0
1
0.7
25
_

_
.
Odredite a
21
, a
12
, a
42
, b
13
, b
31
.
2. Napisite matricu A M
23
ako je
a
ij
= i
2
j
2
.
3. Napisite matricu X M
4
ako je
x
ij
=
_

_
1 za i < j
1 za i > j
0 za i = j .
+ 5
+ +
4. Zadane su matrice A =
_
0 x/y
x y
2
_
,
B =
_
0 2
x 9
_
, C =
_
x 2
x 3x
_
.
Odredite parametre x i y tako da je:
(a) A = B, (b) B = C.
5. Zadana je matrica
T =
_

_
1 4 x
x
2
0 x
3
x 8 5
_

_
.
Za koju vrijednost parametra x je matrica
T simetricna?
6. Odredite trag matrice T iz primjera 5.
+ 6
+ +
7. Karakterizirajte slijedece matrice
A =
_
0 1

7 0.4
2 1 0 3
_
, B =
_

_
0 0
0 0
0 0
_

_ ,
C = [6 2 0], D =
_
0
1
_
, E = [ 7],
F =
_

_
1 2 3
0 0 1
0 0 5
_

_ , G =
_

_
6 0 0 0
0 0 0 0
0 0 0 0
7 0 0 0
_

_
,
H =
_

_
8 0 0
0 8 0
0 0 8
_

_ , K =
_

_
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
_

_
.
8. Odredite tr(K) iz primjera 7 te zakljucite
koliki je tr(I
n
)?
+ 7
+ +
RA

CUNSKE OPERACIJE SA MATRICAMA

Zbrajanje matrica
Matrice mozemo zbrajati samo ako su istog
reda i to tako da zbrajamo odgovarajuce ele-
mente. Simbolicki
A = [a
ij
], B = [b
ij
] M
mn

A+B = [a
ij
+b
ij
] M
mn
.
Mnozenje matrica brojem (skalarom)
Matricu mnozimo brojem tako da njime pom-
nozimo svaki njezin elemenat. Simbolicki
A = [a
ij
] M
mn
, R A = [a
ij
] M
mn
.
Za = 0 je 0 A = O (nul-matrica).
Za = 1 je (1) A = A (suprotna mat-
rica).
Oduzimanje matrica je zbrajanje sa suprot-
nom matricom: AB = A+(B) .
Ocito je: AA = A+(A) = O.
+ 8
+ +
Linearna kombinacija matrica
Denicija: Neka su dane matrice
A
1
, A
2
, . . . , A
k
M
mn
i brojevi

1
,
2
, . . . ,
k
R.
Tada matricu
A =
1
A
1
+
2
A
2
+. . . +
k
A
k
M
mn
nazivamo linearna kombinacija danih ma-
trica. Pri tome brojeve
1
,
2
, . . . ,
k
nazivamo
koecijenti linearne kombinacije.
Linearna kombinacija je trivijalna ako su svi
koecijenti jednaki nuli (ona je tada jednaka
nul-matrici).
U protivnom (barem jedan koecijent je raz-
licit od nule) linearna kombinaciju nazivamo
netrivijalna.
+ 9
+ +
PRIMJER
Zadane su matrice
A =
_
y x
2
9 y
_
, B =
_
1 6
2x y
_
.
Odredite parametre x i y tako da matrica
2A3B bude: (a) donja trokutasta;
(b) dijagonalna; (c) skalarna.
RJE

SENJE:
2A3B =
_
2y 3 2x
2
18
18 6x y
_
.
(a) 2x
2
18 = 0 x 3, 3, y R;
(b) 2x
2
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
MNO

ZENJA MATRICA BROJEM

Za sve A, B, C M
mn
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
+ +
MNO

ZENJE MATRICA
Dvije matrice mozemo pomnoziti medusobno
samo ako su ulancane (prva matrica ima to-
liko stupaca koliko druga redaka). Produkt je
matrica sa toliko redaka kao prva, a stupaca
kao druga matrica u umnosku. Simbolicki
A(mn) B(n p) = C(mp) .
Pri tome elemenat umnoska na mjestu (i, j)
dobijemo skalarnim mnozenjem i-tog retka pr-
ve matrice sa j-tim stupcem druge matrice
(prvi elemenat i-tog retka mnozimo sa prvim
elementom j-tog stupca, drugi sa drugim, itd.
te tako dobivene produkte zbrojimo). Sim-
bolicki
c
ij
= a
i1
b
1j
+a
i2
b
2j
+a
i3
b
3j
+. . . +a
in
b
nj
.
PRIMJERI
1. Ako imamo matrice A(3 3), B(4 3)
i C(3 1), koje umnoske od dva clana
mozemo sastaviti?
+ 12
+ +
2. Za matrice
A =
_
1 0 1
0 2 1
_
, B =
_

_
2 0
1 1
0 1
_

_ ,
odredite A B i B A.
RJE

SENJE:
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
_
.
Slicno je B(3 2) A(2 3) = BA(3 3) i
BA =
_

_
2 0 2
1 2 0
0 2 1
_

_ .
Uocimo da je opcenito
A B = B A .
+ 13
+ +
3. Ako su denirani matricni produkti AB i
BA, tada vrijedi tr(AB) = tr(BA). Prov-
jerite to na matricama iz primjera 2.
4. Primijetimo da za kvadratnu matricu A
mozemo denirati potencije: A
2
= A A,
A
3
= A A A = A A
2
= A
2
A, . . .
A
n
= A
n1
A = A A
n1
.
5. Neka je A M
n
proizvoljna matrica te
O, I M
n
. Provjerite da vrijedi
AO = OA = O, AI = IA = A .
+ 14
+ +
SVOJSTVA
Za matrice A, B, C odgovarajucih formata i
R vrijede:
Svojstva matricnog mnozenja
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. (A+B)
T
= A
T
+B
T
2. (A)
T
= A
T
3. (A
T
)
T
= A
4. (AB)
T
= B
T
A
T
+ 15
+ +
INVERZNA MATRICA
Denicija: Ako za matricu A M
n
postoji
matrica A
1
M
n
takva da vrijedi
A A
1
= A
1
A = I ,
tada je A
1
inverzna matrica matrice A.
Uocimo da se inverzna matrica denira samo
za (neke) kvadratne matrice.
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. (A
1
)
1
= A
2. (A)
1
=
1

A
1
3. (A
T
)
1
= (A
1
)
T
4. (AB)
1
= B
1
A
1
+ 16
+ +
VEKTORSKI PROSTOR R
n
Skup
R
n
=
_

_
_

_
x
1
x
2
.
.
.
x
n
_

_
: x
1
, x
2
, . . . , x
n
R
_

_
nazivamo realni vektorski prostor.
Imamo R
1
= R, R
2
, R
3
, R
4
, . . .
Primijetimo da je R
n
= M
n1
(ili M
1n
).
Elemente vektorskog prostora nazivamo vek-
tori. Svaki vektor ima n komponenti.
Nul-vektor (O) ima sve komponente nule.
Skalarni produkt u R
n
je preslikavanje koje svakom paru vektora
x, y R
n
pridruzuje realni broj
x
T
y = x
1
y
1
+x
2
y
2
+x
3
y
3
+. . . +x
n
y
n
.
Svojstva skalarnog produkta
Za sve x, y, z R
n
i R vrijedi:
1. x
T
x 0,
x
T
x = 0 x = O (pozitivna denitnost)
2. x
T
y = y
T
x (simetrija)
3. (x +y)
T
z = x
T
z +y
T
z (aditivnost)
4. (x)
T
y = (x
T
y) (homogenost)
+ 17
+ +
Okomitost vektora
Ako je skalarni produkt dvaju vektora nula,
kazemo da su vektori medusobno okomiti ili
ortogonalni, i obratno. Simbolicki
x
T
y = 0 x y .
PRIMJERI
1. Zadani su vektori
x =
_
1
3
_
, y =
_
3
1
_
, z =
_
4
0
_
.
Odredite x
T
y, x
T
z i y
T
z.
Kakvi su vektori x i y ?
2. Zadani su vektori
A =
_

_
t
1
0
_

_ , B =
_

_
1
2
3
_

_ .
Za koju vrijednost parametra t su vektori
A+B i AB medusobno okomiti?
RJE

SENJE: t =

13.
+ 18
+ +
LINEARNA (NE)ZAVISNOST VEKTORA
Denicija: Skup vektora
A
1
, A
2
, . . . , A
k
R
n
je linearno nezavisan
ako je samo trivijalna linearna kombinacija tih
vektora jednaka nul-vektoru, tj. ako vrijedi

1
A
1
+
2
A
2
+. . . +
k
A
k
= O

1
=
2
= . . . =
k
= 0.
Skup vektora
A
1
, A
2
, . . . , A
k
R
n
je linearno zavisan ako
postoji i netrivijalna linearna kombinacija tih
vektora jednaka nul-vektoru, tj. ako vrijedi

1
A
1
+
2
A
2
+. . . +
k
A
k
= O

i
,= 0 bar za jedan i 1, 2, . . . , k .
Drugim rijecima, skup vektora je linearno zavi-
san ako se bar jedan vektor iz tog skupa moze
prikazati pomocu preostalih (kao njihova line-
arna kombinacija). Ako to nije moguce, skup
je linearno nezavisan.
+ 19
+ +
PRIMJER
Ispitajte linearnu (ne)zavisnost skupa:
1.
__
1
2
_
,
_
1
1
__
R
2

_
1
2
_
+
2

_
1
1
_
=
_
0
0
_

1
+
2
= 0
2
1
+
2
= 0

1
= 0,
2
= 0 .
Skup vektora je linearno nezavisan.
2.
__
2
2
_
,
_
1
1
__
R
2

_
2
2
_
+
2

_
1
1
_
=
_
0
0
_

2
1
+
2
= 0
2
1
+
2
= 0

2
= 2
1
,
1
R .
npr.
1
= 1,
2
= 2
ili
1
= 3,
2
= 6, itd.
Skup vektora je linearno zavisan.
+ 20
+ +
Skup vektora generira ili razapinje vektorski
prostor R
n
ako se svaki vektor iz R
n
moze
prikazati pomocu vektora iz tog skupa (kao
njihova linearna kombinacija).
Skup vektora je baza prostora R
n
ako:
je linearno nezavisan;
razapinje prostor R
n
.
Broj vektora u bazi ne ovisi o izboru baze i
naziva se dimenzija vektorskog prostora.
PRIMJER: Kanonska baza prostora R
n
.
B =
_

_
_

_
1
0
0
.
.
.
0
_

_
,
_

_
0
1
0
.
.
.
0
_

_
,
_

_
0
0
1
.
.
.
0
_

_
, . . . ,
_

_
0
0
0
.
.
.
1
_

_
_

_
Uocimo da su vektori kanonske baze stupci
jedinicne matrice reda n.
Dimenzija prostora R
n
: dim(R
n
) = n.
+ 21
+ +
RANG MATRICE
Rang matrice je najveci broj linearno neza-
visnih redaka (ili stupaca) te matrice.
Moze se pokazati da je rang po recima isti
kao i rang po stupcima, pa je
A M
mn
r(A) minm, n .
Rang odredujemo primjenom elementarnih
transformacija na retke ili stupce matrice.
Elementarne transformacije su:
zamjena dvaju redaka (stupaca);
mnozenje retka (stupca) brojem razlicitim
od nule;
zbrajanje dvaju redaka (stupaca).
Primjenom elementarnih transformacija rang
matrice se ne mijenja. Cilj je pomocu elemen-
tarnih transformacija svesti matricu na ekviva-
lentnu matricu iz koje je rang ocigledan.
+ 22
+ +
PRIMJERI
Odredite rang slijedecih matrica
1. A =
_

_
1 1 1 1
1 2 3 4
4 3 2 1
_

_
2. M =
_

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

_
3. A M
4
: a
ii
= b, a
ij
= 1 za i ,= j.
Rjesenje:
A =
_

_
b 1 1 1
1 b 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.
+ 23
+ +
RJE

SENJA
1.
A
_

_
1 1 1 1
1 2 3 4
4 3 2 1
_

_
(1)

(4)
[

_
1 1 1 1
0 1 2 3
0 1 2 3
_

_ 1

_
[1 1 1 1
0 [1 2 3
0 0 0 0
_

_ r(A) = 2 .
Nakon provedenih transformacija rang je
broj neponistenih redaka ili broj stepe-
nica. Pri tome u svakom retku treba biti
nova stepenica.
+ 24
+ +
2. M
_

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

_
(2)

(4)
[

(3)
[
[

_
1 1 1 2
0 0 3 5
0 0 0 0
0 0 0 t 6
_

_
[1 1 1 2
0 0 [3 5
0 0 0 [t 6
0 0 0 0
_

t 6 = 0 t = 6 r(M) = 2,
t 6 ,= 0 t ,= 6 r(M) = 3.
+ 25
+ +
Skup vektora A
1
, A
2
, . . . , A
k
R
n
je linearno nezavisan ako je
r(A) = k (broju vektora);
je linearno zavisan ako je
r(A) < k (broja vektora);
razapinje prostor R
n
ako je r(A) = n;
baza prostora R
n
ako je
r(A) = n = k (broju vektora).
Pri tome je A matrica ciji su stupci (ili reci)
vektori A
1
, A
2
, . . . , A
k
.
+ 26
+ +
PRIMJER
Za koju vrijednost parametra t R skup vek-
tora
_

_
_

_
1
0
t
_

_ ,
_

_
0
t
0
_

_ ,
_

_
t
0
1
_

_
_

_
,
cini bazu vektorskog prostora R
3
?
RJE

SENJE
A =
_

_
1 0 t
0 t 0
t 0 1
_

_
(t)
[

_
1 0 t
0 t 0
0 0 1 t
2
_

_
t = 0 r(A) = 2,
1 t
2
= 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!
+ 27
+ +
SUSTAVI LINEARNIH JEDNAD

ZBI
Sustav od m jednadzbi sa n nepoznanica:
a
11
x
1
+a
12
x
2
+a
13
x
3
+. . . +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+a
23
x
3
+. . . +a
2n
x
n
= b
2
a
31
x
1
+a
32
x
2
+a
33
x
3
+. . . +a
3n
x
n
= b
3

a
m1
x
1
+a
m2
x
2
+a
m3
x
3
+. . . +a
mn
x
n
= b
m
Uvedemo li matrice
A=
_

_
a
11
a
1n
.
.
.
.
.
.
a
m1
a
mn
_

_, X =
_

_
x
1
.
.
.
x
n
_

_, B =
_

_
b
1
.
.
.
b
m
_

_,
A(mn), X(n 1), B(m1),
sustav mozemo pisati u matricnom obliku
A X = B .
Pri tome su:
A - matrica sustava;
X - matrica nepoznanica;
B - matrica slobodnih clanova;
A[B - prosirena matrica sustava.
+ 28
+ +
Ako je B = O =
_

_
0
.
.
.
0
_

_, imamo homogen
sustav, u protivnom (B ,= O) nehomogen.
Svaku matricu X koja zadovoljava jednadzbu
AX = B, nazivamo rjesenje sustava. Sus-
tav koji ima rjesenje nazivamo rjesiv, moguc,
konzistentan ili kompatibilan.
Teorem (Kronecker-Capelli):
Sustav linearnih jednadzbi ima rjesenje ako i
samo ako je r(A) = r(A[B) (rang matrice sus-
tava jednak rangu prosirene matrice sustava).
Dokaz: Neka su A
1
, A
2
, . . . , A
n
R
m
stupci
matrice A. Sustav AX = B sada mozemo
pisati u obliku x
1
A
1
+x
2
A
2
+. . . +x
n
A
n
= B.
Ako sustav ima rjesenje, tada je B linearna
kombinacija vektora A
1
, . . . , A
n
. To znaci da
dodavanje linearno zavisnog vektora B, skupu
stupaca matrice A, nece promijeniti rang.
Ako je r(A) = r(A[B), tada je B linearno za-
visan u odnosu na stupce matrice A, pa se
moze napisati kao njihova linearna kombina-
cija. Koecijenti te kombinacije su rjesenje
sustava, dakle, sustav ima rjesenje.
+ 29
+ +
Homogeni sustav AX = O uvijek ima bar jed-
no rjesenje i to trivijalno
X = O (x
1
= x
2
= . . . = x
n
= 0),
jer je r(A) = r(A[O).
Opcenito za sustav AX = B vrijedi:
1. r(A) = r(A[B) ima rjesenje i to:
jedinstveno ako je r(A) jednak broju ne-
poznanica,
beskonacno mnogo rjesenja ako je r(A)
manji od broja nepoznanica;
2. r(A) ,= r(A[B) nema rjesenje.
+ 30
+ +
U slucaju beskonacno mnogo rjesenja sustav
ima toliko slobodnih parametara (nepoznani-
ca) za koliko je r(A) manji od broja nepoz-
nanica.
Za homogeni sustav slucaj 2. ne moze nas-
tupiti.
Sustav rjesavamo GaussJordanovom me-
todom. Ona se sastoji u primjeni elemen-
tarnih transformacija na retke prosirene mat-
rice sustava. Kako elementarne transforma-
cije ne mijenjaju rjesenje sustava, pomocu njih
sustav prevodimo u ekvivalentni iz kojeg se
rjesenje moze direktno ocitati.
+ 31
+ +
PRVI PRIMJER
Rijesite sustav
2x y + 3z = 12
x + y z = 1
3x + 2y + 2z = 5 .
Sastavimo prosirenu matricu sustava A[B:
_

_
1 1 1 [ 1
2 1 3 [ 12
3 2 2 [ 5
_

_
(2)

(3)
[

_
1 1 1 [ 1
0 3 5 [ 14
0 1 5 [ 8
_

_
1 1 1 [ 1
0 1 5 [ 8
0 3 5 [ 14
_

_ (3)

_
[1 1 1 [ 1
0 [1 5 [ 8
0 0 [10 [ 10
_

_
r(A) = 3 = r(A[B) = broju nepoznanica, sus-
tav ima jedinstveno rjesenje;
+ 32
+ +
unutar matrice A formiramo jedinicnu matricu
reda 3:

_
[1 1 1 [ 1
0 [1 5 [ 8
0 0 [10 [ 10
_

_
: (10)

_
1 1 1 [ 1
0 1 5 [ 8
0 0 1 [ 1
_

_
(5)

[
1

_
1 1 0 [ 0
0 1 0 [ 3
0 0 1 [ 1
_

_
1 0 0 [ 3
0 1 0 [ 3
0 0 1 [ 1
_

_ (1)

_
1 0 0 [ 3
0 1 0 [ 3
0 0 1 [ 1
_

_
x = 3
y = 3
z = 1 .
+ 33
+ +
DRUGI PRIMJER
Rijesite sustav
3x
1
x
2
+ 4x
3
5x
4
= 1
x
1
+ 3x
2
x
3
+ 2x
4
= 0
2x
1
+ 2x
2
+ 3x
3
3x
4
= 3 .
Sastavimo prosirenu matricu sustava A[B:
_

_
1 3 1 2 [ 0
3 1 4 5 [ 1
2 2 3 3 [ 3
_

_
3

2
[

_
1 3 1 2 [ 0
0 8 1 1 [ 1
0 8 1 1 [ 3
_

_ (1)

_
[1 3 1 2 [ 0
0 [8 1 1 [ 1
0 0 0 0 [ [4
_

_
r(A) = 2, r(A[B) = 3 sustav nema rjesenje.
Zadnja jednadzba glasi 0 = 4 !?
+ 34
+ +
TRE

CI PRIMJER
Rijesite sustav
x + y + z = 2
2x y + z = 3
3x + 2z = 5 .
Sastavimo prosirenu matricu sustava A[B:
_

_
1 1 1 [ 2
2 1 1 [ 3
3 0 2 [ 5
_

_
(2)

(3)
[

_
1 1 1 [ 2
0 3 1 [ 1
0 3 1 [ 1
_

_ (1)

_
[1 1 1 [ 2
0 [3 1 [ 1
0 0 0 [ 0
_

_
r(A) = 2 = r(A[B) < 3 = broj nepoznanica,
sustav ima beskonacno mnogo rjesenja sa jed-
nim slobodnim parametrom;
+ 35
+ +
unutar matrice A formiramo jedinicnu matricu
reda 2:

_
1 1 1 [ 2
0 3 1 [ 1
0 0 0 [ 0
_

_ : (3)

_
1 1 1 [ 2
0 1 1/3 [ 1/3
0 0 0 [ 0
_

(1)

_
1 0 2/3 [ 5/3
0 1 1/3 [ 1/3
0 0 0 [ 0
_

_
_
_
_
x +
2
3
z =
5
3
y +
1
3
z =
1
3
_
_
_

x =
5
3

2
3
z
y =
1
3

1
3
z
z R
Ovo je opce rjesenje sustava u parametarskom
obliku (z je slobodni parametar sustava).
+ 36
+ +

CETVRTI PRIMJER

Cetiri trgovacke rme A, B, C i D narucuju

robu od istog dobavljaca, dakle, svaku vrstu
robe po istoj cijeni. Firma A je narucila 5t
brasna (t = tona), 3t secera i 1t kave za
sto je platila 110000 kuna. Firma B je za
3t brasna, 2t secera i 2t kave platila 179000
kuna. Firma C za 4t brasna, 4t secera i 3t kave
placa 272000 kuna. Koliko ce platiti rma D
za svoju narudzbu od 1t brasna, 1t secera i 1t
kave? Zadatak rijesite matricnim racunom.
RJE

SENJE: Oznacimo cijene za 1t brasna,

secera i kave sa x, y i z. Imamo sustav
5x +3y + z = 110000
3x +2y +2z = 179000
4x +4y +3z = 272000 ,
koji rijesimo matricno (najbolje je uzeti re-
dosljed nepoznanica z, y, x).
Dobijemo x = 3000, y = 5000 i z = 80000.
Rjesenje zadatka je x +y +z = 88000 kuna.
Napomena: zadatak mozemo rijesiti i tako da
vektor [1, 1, 1] prikazemo kao linearnu kombi-
naciju vektora [5, 3, 1], [3, 2, 2] i [4, 4, 3].
+ 37
+ +
PETI PRIMJER
Kako broj rjesenja sustava
tx + ty + 4z = 2
x + y + tz = 1
3y tz = 3
ovisi o vrijednosti realnog parametra t ?
Imamo:
_

_
1 1 t [ 1
0 3 t [ 3
t t 4 [ 2
_

_
(t)
[

_
1 1 t [ 1
0 3 t [ 3
0 0 4 t
2
[ 2 +t
_

_
t = 2 r(A) = 2, r(A[B) = 3 sustav nema
rjesenja,
t = 2 r(A) = 2 = r(A[B) < 3 sustav
ima beskonacno mnogo rjesenja,
t ,= 2 r(A) = 3 = r(A[B) sustav ima
jedinstveno rjesenje.
+ 38
+ +
PRIMJENA GAUSS-JORDANOVE
METODE NA RA

CUNANJE INVERZNE
MATRICE
A
1
= ? za zadanu A M
n
A
1
[A [ I] =
_
A
1
A [ A
1
I
_
=
_
I [ A
1
_
Dakle:
[A [ I] el. transformacije
_
I [ A
1
_
PRIMJER
Invertirajte matricu A =
_

_
1 0 1
3 1 0
1 1 3
_

_.
RJE

SENJE:
[A [ I] =
_

_
1 0 1 [ 1 0 0
3 1 0 [ 0 1 0
1 1 3 [ 0 0 1
_

_
(3)

1
[

+ 39
+ +

_
1 0 1 [ 1 0 0
0 1 3 [ 3 1 0
0 1 4 [ 1 0 1
_

_ 1

_
1 0 1 [ 1 0 0
0 1 3 [ 3 1 0
0 0 1 [ 2 1 1
_

_
3

[
(1)

_
1 0 0 [ 3 1 1
0 1 0 [ 9 4 3
0 0 1 [ 2 1 1
_

_ (1)
(1)

_
1 0 0 [ 3 1 1
0 1 0 [ 9 4 3
0 0 1 [ 2 1 1
_

_ =
_
I [ A
1
_
Dakle, A
1
=
_

_
3 1 1
9 4 3
2 1 1
_

_.
Provjera: A A
1
= A
1
A = I .
+ 40
+ +
DETERMINANTA KVADRATNE MATRICE
Svakoj kvadratnoj matrici A pridruzen je jedin-
stveni realni broj koji nazivamo determinanta
i oznacavamo sa [A[ ili det(A). Determinantu
deniramo na slijedeci nacin:
Determinanta reda 2:
A =
_
4 1
3 2
_
det(A) =

4 1
3 2

= 4 2 (1) 3 = 11
Determinanta reda 3 (Sarrussovo pravilo):
B =
_

_
2 1 0
3 2 1
4 0 5
_

_
[B[ =

2 1 0
3 2 1
4 0 5

2 1
3 2
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
+ 41
+ +
Determinante viseg reda (n > 3):
A M
n
, [A[ = ?
Ako u matrici A izostavimo (izbrisemo) i-ti
redak i j-ti stupac dobivamo novu matricu
A
t
ij
M
n1
. Njena determinanta naziva se
subdeterminanta ili minora [A
t
ij
[.
Kofaktor ili algebarski komplement A
ij
ele-
menta a
ij
deniramo kao
A
ij
= (1)
i+j
[A
t
ij
[ .
[A[ dobijemo Laplaceovim razvojem po jed-
nom (proizvoljnom) retku ili stupcu:
[A[ =
n

j=1
a
ij
A
ij
(razvoj po i-tom retku)
[A[ =
n

i=1
a
ij
A
ij
(razvoj po j-tom stupcu)
PRIMJER: Provjerite da je determinanta tro-
kutaste (dijagonalne) matrice jednaka umnos-
ku njenih dijagonalnih elemenata.
+ 42
+ +
SVOJSTVA DETERMINANTI
1. Zamjenom dvaju redaka ili stupaca deter-
minanta mijenja predznak.
2. Determinantu mnozimo brojem tako da
njime pomnozimo 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 nul-
stupac 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 razlicita je od nule.
+ 43
+ +
PRIMJER

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

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

3 1 0
2 2 1
0 3 1

+ 0
+ 0
+ 5 (1)
4+4

1 3 1
2 2 2
3 0 3

= 3 1 +5 0 = 3
+ 44
+ +
Napomena: prije razvijanja determinante neke
elemente mozemo ponistiti, npr.

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

(5)
[

1 3 1 0
2 2 2 1
1 2 1 0
7 10 10 0

= razvoj po cetvrtom stupcu =

= 1 (1)
2+4

1 3 1
1 2 1
7 10 10

= . . . = 3
+ 45
+ +
Jos neka svojstva determinanti
Za A, B M
n
i R vrijedi
1. [A
T
[ = [A[
2. [A B[ = [A[ [B[ (Binet-Cauchyjev teorem)
3. [A
k
[ = [A[
k
4. [A
1
[ = [A[
1
=
1
[A[
5. [A[ =
n
[A[ (uocimo da je n red matrice)
PRIMJERI
1. Za matrice
A =
_
4 3
2 2
_
, B =
_
3 1
4 4
_
izracunajte det
_
5A
4
B
1
A
3
_
.
RJE

SENJE:

5A
4
B
1
A
3

= 5
2

A
4
B
1
A
3

= 25 [A[
4
[B[
1
[A[
3
= 25 2
4
(16)
1
2
3
= 200 .
+ 46
+ +
2. Za matricu
K =
_

_
2 0 0 0
3 1 0 0
4 7 1 0
8 6 4 2
_

_
odredite

K
1

= ? i

2K
3

= ?
RJE

SENJE: Kako je K donja trokutasta

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

K
1

=
1
[K[
=
1
4
,

2K
3

= 2
4

K
3

= 2
4
[K[
3
= 2
4
(4)
3
= 1024 .
+ 47
+ +
DETERMINANTA, RANG I
REGULARNOST MATRICE
Rang matrice jednak je najvecem redu minore
te matrice koja je razlicita od nule.
Za matricu A M
n
slijedece tvrdnje su ekvi-
valentne:
A je regularna
rang(A) = n (najveci moguci rang)
det(A) ,= 0
stupci (reci) od A su linearno nezavisni
Za matricu A M
n
slijedece tvrdnje su ekvi-
valentne:
A je singularna
rang(A) < n
det(A) = 0
stupci (reci) od A su linearno zavisni
+ 48
+ +
PRIMJER
Ispitajte regularnost matrice
A =
_

_
1 0 1
x 2 3
3 x 2
_

_
RJE

SENJE:
Prvi nacin:
[A[ =

1 0 1
x 2 3
3 x 2

1 0
x 2
3 x
= 4 x
2
+6 3x
[A[ = x
2
3x +10 = 0 x 5, 2
Za x 5, 2 matrica A je singularna,
za x R\ 5, 2 matrica A je regularna.
+ 49
+ +
Drugi nacin:
A
_

_
1 0 1
3 2 x
2 x 3
_

_
3

2
[

_
1 0 1
0 2 x +3
0 x 5
_

_
2

_
1 0 1
0 2 x +3
0 2x 10
_

_ (x)

_
[1 0 1
0 [2 x +3
0 0 x
2
3x +10
_

_
Ako je x
2
3x+10 = 0 tj. x 5, 2 tada
je r(A) = 2 < 3 pa je A singularna.
Ako je x
2
3x +10 ,= 0 tj. x R\ 5, 2
tada je r(A) = 3 pa je A regularna.
+ 50
+ +
PRIMJENA DETERMINANTI NA
RA

CUNANJE INVERZNE MATRICE

Ako u matrici A M
n
sve matricne elemente
a
ij
zamijenimo sa njihovim kofaktorima A
ij
,
dobijemo matricu kofaktora. Njezinim trans-
poniranjem nastaje adjungirana matrica ili
adjunkta adj(A). Moze se pokazati da vrijedi
adj(A) A = A adj(A) = [A[ I .
Ako je A regularna (AA
1
= A
1
A = I) tada,
usporedbom ovih jednakosti, slijedi
A
1
=
1
[A[
adj(A) .
+ 51
+ +
PRIMJER
A =
_
a b
c d
_
, A
1
= ?
RJE

SENJE:
Matrica kofaktora
_
(1)
1+1
d (1)
1+2
c
(1)
2+1
b (1)
2+2
a
_
=
_
d c
b a
_
adj(A) =
_
d b
c a
_
Adjungirana matrica matrice reda 22 dobije
se tako da dijagonalnim elementima zamijeni-
mo mjesta a izvandijagonalnim predznake.
A
1
=
1
[A[
adj(A) =
1
ad bc

_
d b
c a
_
+ 52
+ +
CRAMEROV SUSTAV LINEARNIH
JEDNAD

ZBI
Ako je u sustavu AX = B broj jednadzbi jed-
nak broju nepoznanica tada sustav nazivamo
Cramerov. Matrica A tada je kvadratna.
Ako je matrica sustava A regularna ([A[ ,= 0)
tada je X = A
1
B, pa sustav ima jedin-
stveno rjesenje (homogeni sustav trivijalno a
nehomogeni netrivijalno).
Ako je matrica sustava A singularna ([A[ = 0)
tada homogeni sustav ima beskonacno mnogo
rjesenja (dakle osim trivijalnog i beskonacno
mnogo netrivijalnih) a nehomogeni sustav mo-
ze ili imati beskonacno mnogo rjesenja ili biti
nemoguc.
+ 53
+ +
INPUT-OUTPUT ANALIZA
(Leontiefov medusektorski model)
Wassily W. Leontief: The Structure of Ame-
rican 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 utrosak u procesu
proizvodnje ostalih sektora ali i njega samog.
I-O analiza je analiza kvantitativnih zavisnosti
izmedu proizvodnji pojedinih sektora proma-
trane ekonomije. Osnovno pitanje koje pos-
tavljamo je:
Koju razinu proizvodnje svaki od n sektora
treba ostvariti pa da se zadovolji potraznja
za tim proizvodom?
+ 54
+ +
Pretpostavke modela:
1. Proizvodnja svakog sektora je homogena
(povecamo li ili smanjimo sve faktore proiz-
vodnje isti broj puta, proizvodnja se takoder
poveca ili smanji toliko puta).
2. Svaki sektor za proizvodnju koristi ksni
odnos utroska (ksnu kombinaciju faktora).
Osnovne oznake i relacije:
Ukupni output (izlaz) iz i-tog sektora ozna-
cavamo sa Q
i
. To je sve sto taj sektor daje
(proizvodi). Neki sektori za svoj input (ulaz)
koriste dio outputa drugih sektora. Te velicine
oznacavamo sa Q
ij
(dio outputa i-tog sektora
koji prelazi u j-ti sektor). Nakon sto se zado-
volji ovakva medusektorska potraznja, ostaje
q
i
- dio outputa i-tog sektora namjenjen nal-
noj potraznji (potrosnja, prodaja, izvoz). Sve
ove velicine mogu biti izrazene u vrijednos-
nim (novcanim) ili kolicinskim jedinicama. Iz
navedenih velicina sastavljamo I-O tabelu.
+ 55
+ +
INPUT-OUTPUT TABELA
Q
i
Q
ij
q
i
Q
1
Q
11
Q
12
. . . Q
1n
q
1
Q
2
Q
21
Q
22
. . . Q
2n
q
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Q
n
Q
n1
Q
n2
. . . Q
nn
q
n
.

ukupni medusektorska nalna
outputi potraznja potraznja
Osnovna relacija I-O tabele:
Q
i
=
n

j=1
Q
ij
+q
i
, i = 1, 2, . . . , n .
Dio proizvoda i-tog sektora koji koristi j-ti
sektor za proizvodnju jedne jedinice svog pro-
izvoda je konstantan i nazivamo ga tehnicki
koecijent proizvodnje a
ij
.
a
ij
=
Q
ij
Q
j
, i, j = 1, 2, . . . , n .
+ 56
+ +
Sada je Q
ij
= a
ij
Q
j
, pa osnovna relacija glasi
Q
i
=
n

j=1
a
ij
Q
j
+q
i
, i = 1, 2, . . . , n .
Uvedemo li matrice: ukupnih outputa Q, nal-
ne potraznje q i tehnickih koecijenata A,
Q =
_

_
Q
1
Q
2
.
.
.
Q
n
_

_
, q =
_

_
q
1
q
2
.
.
.
q
n
_

_
, A =
_

_
a
11
. . . a
1n
a
21
. . . a
2n
.
.
.
.
.
.
a
n1
. . . a
nn
_

_
,
osnovnu relaciju mozemo pisati u matricnom
obliku
Q = AQ+q
ili QAQ = q , odnosno (I A)Q = q .
Uvedemo li matricu tehnologije T = I A,
imamo
TQ = q ili Q = T
1
q .
Primijetimo da su u ovom modelu matrice A,
T i T
1
konstantne. To znaci da, kad ih jed-
nom izracunamo, mozemo ih primijeniti na
razlicite vrijednosti ukupnih outputa i nalne
potraznje.
+ 57
+ +
APROKSIMATIVNO IZRA

CUNAVANJE
MATRICE T
1
Osnovne karakteristike matrice A:
1. a
ij
0, i, j = 1, 2, . . . , n
2.
n

i=1
a
ij
< 1, j = 1, 2, . . . , n
T = I A T
1
= (I A)
1
Za proizvoljni prirodni broj k je
(I A) (I +A+A
2
+. . . +A
k1
+A
k
)
= I +A+A
2
+. . . +A
k
AA
2
+. . . A
k
A
k+1
= I A
k+1
Ako k tada A
k+1
O, tj.
(I A) (I +A+A
2
+. . . +A
k
+. . .)
. .
(IA)
1
= I
Dakle, (I A)
1
I + A + A
2
+ . . . + A
k
.
Aproksimacija je to bolja sto je k veci.
+ 58
+ +
PRIMJERI
1. Zadana je inputoutput tabela neke dvo-
sektorske privrede
Q
i
Q
ij
q
i
1000 250 600 150
1200 250 300 650
.
Odredite pripadne matrice A, T i T
1
.
RJE

SENJE:
A =
_
_
250
1000
600
1200
250
1000
300
1200
_
_
=
_
1/4 1/2
1/4 1/4
_
T =
_
1 0
0 1
_

_
1/4 1/2
1/4 1/4
_
=
_
3/4 1/2
1/4 3/4
_
T
1
=
1
[T[
adj(T) =
1
9
16

1
8

_
3/4 1/2
1/4 3/4
_
=
_
12/7 8/7
4/7 12/7
_
+ 59
+ +
2. Zadana je inputoutput tabela neke trosek-
torske privrede
Q
i
Q
ij
q
i
100 10 30 40 20
150 20 30 60 40
200 30 60 80 30
.
Napisite novu IO tabelu ako se ukupni out-
puti prvog i drugog sektora povecaju za 20%
a nalna potraznja treceg sektora smanji za
80%.
+ 60
+ +
RJE

SENJE: tabela A nova tabela

A =
_

_
0.1 0.2 0.2
0.2 0.2 0.3
0.3 0.4 0.4
_

_
Q
i
Q
ij
q
i
120 12 36 0.2Q
3
q
1
180 24 36 0.3Q
3
q
2
Q
3
36 72 0.4Q
3
6

120 = 12 +36 +0.2Q

3
+q
1
180 = 24 +36 +0.3Q
3
+q
2
Q
3
= 36 +72 +0.4Q
3
+6

Q
3
= 190, q
1
= 34, q
2
= 63
Q
i
Q
ij
q
i
120 12 36 38 34
180 24 36 57 63
190 36 72 76 6
+ 61