[Type text]

INTERNACIONALNI UNIVERZITET TRAVNIK U TRAVNIKU

FAKULTET POLITEHNIČKIH NAUKA

TRAVNIK

TEMA: LINEARNA ZAVISNOSZ I NEZAVISNOST

VEKTORA

SEMINARSKI RAD

PREDMET: LINEARNA ALGRBRA I GEOMETRIJA

Predmetni nastavnik: Student:

Prof.dr. Branko Sarić Dženis Skopljak

Asistent : Anela Hrnjičić PT-01/17

Travnik,oktobar 2017.

1
[Type text]

Sadržaj:
1.0Uvod.............................................................................................................................................3

2.0 Linearna nezavisnost u Rni homogeni sistemi jednadžbi...........................................................5

2.1 Neposredne posljedice definicije linearne nezavisnosti...........................................................6

3.0. Provjera nezavisnosti svođenjem na stepenastu matricu.............................................................8

3.1. Druga (ekvivalentna) definicija baze prostora Rn..................................................................8

4.0Nadopunjavanje nezavisnog skupa u Rn do baze.......................................................................9

5.0 Linerana zavisnost.....................................................................................................................10

6.0 Zaključak...................................................................................................................................12

7.0 Literatura...................................................................................................................................13

2
[Type text]

1.0Uvod
Pojam vektorskog prostora,grubo govoreči, vektorski prostor je skup na kojem su zadane
binarna operacija sabiranja i operacija množenja skalarima koje poštuju ”uobičajna”
računska pravila. Da bismo definiciju mogli iskazati precizno, podsjetimo se prvo pravila
računanja s brojevima.Binarne operacije sabiranja + : R + R → R i množenja x: R × R →
R na skupu realnih brojeva imaju sljedeča svojstva:
(1) α + (β + γ) = (α + β) + γ, ∀α, β, γ ∈ R;
(2) postoji 0 ∈ R sa svojstvom α + 0 = 0 + α = α, ∀α ∈ R;
(3) za svaki α ∈ R postoji −α ∈ R tako da je α + (−α) = −α + α = 0;
(4) α + β = β + α, ∀α, β, ∈ R;
(5) α(βγ) = (αβ)γ, ∀α, β, γ ∈ R;
(6) postoji 1 ∈ R sa svojstvom 1 · α = α · 1 = α, ∀α ∈ R;
(7) za svaki α ∈ R, α 6= 0, postoji α −1 ∈ R tako da je αα−1 = α −1α = 1;
(8) αβ = βα, ∀α, β, ∈ R;
(9) α(β + γ) = αβ + αγ, ∀α, β, γ ∈ Ra−1
neka su a, b∈Mn×1 (F)
Skup vektora{a 1; a 2; : : : ; a m} je linearno zavisan ako postoje
skalari λ 1; λ 2; : : : ; λ m, od kojih je barem jedan različit od nule,
takvi da je (izraz s lijeve strane jednakosti zovemo linearnom
kombinacijom vektora a 1; a 2; : : : ; a m)

∑ λ1 , ai=0.
i=1

U suprotnom kažemo da je gornji skup vektora linearno nezavisan.

Ako su vektori a 1; : : : ; a m ∈ M n ×1(F) linearno nezavisni, tada niti
jedan od njih ne može biti jednak 0.
Teorem
Sljedeć su tvrdnje ekvivalentne:
(a) {a 1; : : : ; a m) }je linearno zavisan skup.
(b) Barem jedan od gornjih vektora se može prikazati kao linearna
kombinacija ostalih.

3
[Type text]

Redni rang matrice je najveći broj linearno nezavisnih redova u

matrici.
Redni i kolonski rang dane matrice su jednaki, te koristimo naziv
rang matrice.
Oznaka: rang(A) = r(A)
Teorem
Elementarne operacije po retcima i/ili stupcima ne mijenjaju rang.
Korolar
Rang matrice jednak je broju redaka različitih od nule u bilo kojoj
gornjestepenastoj matrici dobivenoj iz dane matrice.
Korolar
r(A) = r(AT ):
Teorem
Ako je A m × n matrica, onda homogen sustav jednadžbi AX = 0
ima netrivijalno rješenje ako i samo ako je r(A) < n.
Teorem(Kronecker–Capelli)
Nehomogeni sustav AX = B ima rješenje ako i samo ako je
(A) = r(Ap).

4
[Type text]

2.0 Linearna nezavisnost u Rni homogeni sistemi jednadžbi.

Svojstvo linearne nezavisnosti vektora u Rn možemo reći i u terminima sistema jednadžbi:
vektori v1 , . . . , v p su linearno nezavisni ako i samo ako homogeni n × p sistem jednadžbi.
ξ1 v1 + · · · + ξp v p = 0
ima jedinstveno rješenja
ξ1 = · · · = ξp = 0
Primjer. Prema prethodnoj primjedbi pitanje da li su vektori

1 1 2
2 −1 1
v1 v2 v3
1 −1 2
= 1 = 1 = −2

linearno nezavisni svodi se na pitanje da li homogeni sistem jednadžbi

1 1 2 0
2 −1 1 0
λ1 λ2 λ3
1 −1 2 0
1 + 1 + −2 = 0
ima jedinstveno rješenje λ 1= λ 2= λ 3= 0? Sistem rješavamo Gaussovom metodom
1 1 2 0 1 1 2 0 1 1 2 0 1 1 2 0
2 −1 1 0 0 −3 −3 0 0 −2 0 0 0 1 0 0
1 −1 2 0 0 −2 0 0 0 0 −4 0 0 0 1 0
1 1 −2 0 → 0 0 −4 0 → 0 −3 −3 0 → 0 −3 −3 0
→

1 1 2 0 1 0 2 0 1 0 0 0
0 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 0 0 1 0 0 0 1 0
0 0 0 0 → 0 0 0 0 → 0 0 0 0

pa na kraju zaključujemo da homogeni sistem zaista ima jedinstveno rješenje λ 1= λ 2= λ 3=

0. Primiječujemo da je u ovom postupku bilo suvišno pisati desnu stranu homogenog

5
[Type text]

sistema i da odgovor ovisi samo o matrici sistema ( v1 , v 2, v3 ) na kojoj smo izvodili

elementarne transformacije po redovima.

2.1 Neposredne posljedice definicije linearne nezavisnosti.

Vezano uz definiciju primijetimo sljedeće:
1. Ako je v≠ 0, onda je v linearno nezavisan. Naime, λ v= 0 za netrivijalnu linearnu
kombinaciju, tj.
λ ≠ 0, daje
1 1 1
v = 1 x v=1× v =( λ)= ( λ v )= 0=0
v v λ
što je suprotno pretpostavci v ≠ 0
2.Ako su vektori v1 , . . . , v m linearno nezavisni, onda onda su i vektori v1 , . . . , v p linearno
nezavisni za p < m.
Treba samo provjeriti da λ 1 v 1 + · · · + λ p v p = 0
povlači λ 1= 0, . . . , λ p = 0. No iz gornje jednakosti “dodavanjem nule” dobijamo
pa sad iz pretpostavke da su vektori v1 , . . . , v m linearno nezavisni slijedi da su svi
koeficijenti u kombinaciji nula, posebno λ 1= 0, . . . , λ p= 0.
3.Vektori v1 , . . . , v m nisu linearno nezavisni. Naime, imamo netrivijalnu kombinaciju
1 · 0 + 0 v1 + · · · + 0 v m = 0.
Posebno, ako su v1 , . . . , v mlinearno nezavisni, onda je v1 ≠ 0 za sve j = 1, . . . , m
Neka je niz vektora v1 ´ , . . . , v p ´ u R n dobiven elementarnim transformacijama iz niza v1 ,
. . . , v p . Tada je v1 ´ , . . . , v p ´ linearno nezavisan ako i samo ako je v1 , . . . , v p linearno
nezavisan. Dokaz. Pretpostavimo da su vektori v1 , . . . , v p linearno nezavisni i da smo
proveli elementarnu transformaciju oblika
v1 ´ = v1 + µ v 2, v 2´ = v 2, . . . , v p ´ = v p .
Neka je λ 1 v 1´ + λ 2 v 2´ + · · · + λ p v p = 0, odnosno λ 1 v 1 + ( λ 1µ + λ 2)v2 + λ 3 v3 + · · · + λ p v p
= 0. Sada linearna nezavisnost v1 , . . . , v p povlači λ 1= λ 1µ + λ 2 = λ 3 = · · · = λ p = 0
. No tada je λ 1 = λ 2 = · · · = λ p = 0,
što dokazuje linearnu nezavisnost vektora v1 ´ , . . . , v p ´ . Na sličan nčin i za druge
elementarne transformacije dokazujemo da linearna nezavisnost vektora v1 , . . . , v p povlači
linearnu nezavisnost vektora v1 , ´ , . . . , v p , . Buduči da svaka elementarna transformacija
ima inverznu, to su vektori v1 ,, . . . , v p , dobiveni elementarnim transformacijama iz niza
v1 , , . . . , v p ´ , pa linearna nezavisnost v1 ´ , . . . , v p ´ povlači linearnu nezavisnost v1 ,, . . . ´

6
[Type text]

Primjer. Napišimo vektore v1 , v 2, v3 iz primjera kao stupce u matrici i provedimo

elementarne transformacije na redovima:

1 1 2 1 1 2 1 0 0 1 0 0
2 −1 1 2 −3 1 2 −3 −3 2 −3 0
1 −1 2 1 −2 2 1 −2 0 1 −2 2
1 1 −2 → 1 1 −2 → 1 0 −4 → 1 0 −4
Za vektore reda na desnoj stran i lako je utvrditi da, pri utvrđivanju njihove linearne
nezavisnosti, odgovarajuči sistem jednadžbi
λ 1 = 0,
2 λ 1 − 3 λ 2 = 0,
λ 1− 2 λ 2 + 2 λ 3 = 0
λ 1+ 0 λ 2− 4 λ 3 = 0,
ima jedinstveno trivijalno rješenje λ 1= 0, λ 2= 0, λ 3 = 0. Znači da su vektori stupci na
desnoj strani linearno nezavisni. Iz slijedi da su vektori v1 , v 2, v3 u našem primjeru linearno
nezavisni. Postupak nismo trebali prekinuti kod homogenog sistema jednadžbi, več smo
mogli nastavit s elementarnim transformacijama stupaca svodeći matricu na reduciranu
donju stepenastu formu

1 0 0 1 0 0 1 0 0 1 0 0
2 −3 0 2 −3 0 2 −3 0 2 1 0
1 −2 2 1 −2 1 0 0 1 0 0 1
1 0 −4 → 1 0 −2 → 3 −4 −2 → 3 4/3 −2 →

1 0 0
0 1 0
0 0 1
1/3 4/3 −2
dobivši na kraju sistem
λ 1= 0, λ 2= 0, λ 3 = 0, 1 3 λ 1 + 4/3 λ 2 − 2 λ 3 = 0.

7
[Type text]

3.0. Provjera nezavisnosti svođenjem na stepenastu matricu

Gornji nam primjer pokazuje kako i opčenito možemo provjeriti linearnu nezavisnost
vektora v1 , . . . , v p u Rn : elementarnim transformacijama stupaca n × p matricu ( v1 , . . . , v p )
svedemo na donju stepenastu matricu (c 1, . . . , c p). Ako matrica (c 1, . . . , c p) ima nul-
stupac, onda vektori nisu linearno nezavisni, pa prema tome nisu nezavisni ni vektori v1
, . . . , v p . Ako su pak svi vektori u donjoj stepenastoj matrici ( c 1, . . . , c p) različiti od nule,
onda imaju ugaone elemente u riječima i 1, . . . , i p. Tada u sistemu jednadžbi λ 1 c 1 + · · · +
λ p c p = 0 prvo gledamo koordinatu na i 1-tom mjestu. Tu vektor c 1 ima ugaoni element c i 11
6= 0, a ostalim vektorima c 2, . . . , c p je i 1-ta koordinata nula. Znaći da imamo
jednadnadžbu λ 1 c i 11 = 0 koja ima jedinstveno rješenje λ 1 = 0. Tada sistem postaje λ 2 c 2 + · ·
· + λ p c p = 0. U tom se sistemu ne javlja vektor c 1, pa gledamo koordinatu na i 2--tom
mjestu. Tu vektor c 2 ima ugaoni element c i 22 6= 0, a ostalim vektorima c 3, . . . , c p je i 2-ta
koordinata nula. Znači da imamo jednadžbu λ 2 c i 22 = 0 koja ima jedinstveno rješenje λ 2= 0.
Nastavljajuči postupak zaključujemo da sistem ima samo trivijalno rješnje. Znači da su
vektori c 1, . . . , c p linearno nezavisni, a prema su onda nezavisni i vektori v1 , . . . , v p .
3.1. Druga (ekvivalentna) definicija baze prostora Rn.
Skup vektora v1 , . . . , v s je baza vektorskog prostora Rn ako i samo ako vektori v1 , . . . , v s
razapinju Rn i v1 , . . . , v s je linearno nezavisan skup.
Dokaz. Ako vrijedi (1), onda svaki vektor v ∈ Rn možemo zapisati kao neku linearnu
kombinaciju
v = ξ1 v1 + · · · + ξs v s,
a zbog pretpostavke je taj prikaz jedinstven
Naime, v = η1 v1 + · · · + ηs v s = ξ1 v1 + · · · + ξs v s povlači (η1 − ξ1) v1 + · · · + (ηs − ξs) v s
= 0,
pa pretpostavka da su vektori linearno nezavisni daje η1 = ξ1, . . . , ηs = ξs. Obrat. Po
definiciji baza razapinje Rn . No baza je i linearno nezavisan skup jer iz relacija λ 1 v 1 + · ·
· + λ s v s = 0 i 0 v1 + · · · + 0 v s = 0 i jedinstvenosti zapisa vektora 0 u bazi slijedi λ 1 = 0, . . . ,
λ s = 0.

8
[Type text]

4.0Nadopunjavanje nezavisnog skupa u Rn do baze.

Ako je v1 , . . . , v k, k < n, linearno nezavisan skup vektora u Rn , onda postoji baza oblika
v1 , . . . , v k, v k+1, . . . , v n.
Obično kažemo da smo tu bazu vektorskog prostora Rn dobili nadopunjavanjem linearno
nezavisnog skupa v1 , . . . , v k.
Zadani linearno nezavisan skup vektora v1 , . . . , v k u Rn možemo nadopuniti do baze tako
da elementarnim transformacijama matricu ( v1 , . . . , v k) prevedemo u donju stepenastu
matricu ( v1 ´ , . . . , v k´ ) kojoj su ugaoni elementi u rječima j 1 , . . . , j k
Ako je
{ j 1 , . . . , j k} ∪ { j 1 , . . . , in−k} = {1, . . . , n},
onda umetanjem n − k elementa kanonske kanonske baze ei1 , . . . , ein−k u tu matricu
dobijamo donju trokutastu matricu kojoj su svi dijagonalni elementi različiti od nule.

Na primjer, ako je donja stepenasta matrica ( v1 ´ , . . . , v k´ ) oblika

1 0 0
2 0 0
v 2 v3 2 1 0
2 3 1
(v1´ , ´, ´) = 2 3 4
s ugaonim elementima u recima 1, 3 i 4, onda dodavanjem vektora e 2, e 5∈ R5dobivam
1 0 0 0 0
2 1 0 0 0
v1 e 2 v 2 v3 e 5 2 0 1 0 0
2 0 3 1 0
( ´ , , ´, ´, ) = 2 0 3 4 1
Vektori dobijene donje trokutaste matrice
v1 ´ , . . . , v k´ , ei1 , . . . , ein−k
čine bazu od Rn. Buduči da svaka elementarna transformacija ima inverz, te vektore
možemo prevesti u niz
v1 , . . . , v k, ei1 , . . . , ein−k

9
[Type text]

izvodeći elementarne transformacije samo na prvih k vektora.

vektori čine bazu od Rn .
Buduči da za vektore iz gornjih primjera v1 , v 2, v3 imamo:
1 1 2 1 0 0
2 −1 1 2 −3 0
1 −1 2 1 2 2
1 1 −2 1 1 −2
i da dodavanjem vektora kanonske baze e4 dobjiamo donju trokutastu matricu

1 0 0 0
2 −3 0 0
1 −2 2 0
1 0 4 1
to je v1 , v 2, v3 , e 4 baza od R4

5.0 Linerana zavisnost

Neka je V vektorski prostor nad F. Izraz oblika α 1 a 1 + α 2 a 2 + . . . + αkak, pri čemu je a 1, a 2
, . . . , ak ∈ V , α 1, α 2, . . . , αk ∈ F i k ∈ N, naziva se linearna kombinacija vektora a 1, a 2, . .
. , ak s koeficijentima α1, α2, . . . , αk. Uočimo da je linearna kombinacija pojam definiran
samo za konačno mnogo vektora. To je uvijek dobro definiran vektor iz poretku vektora
koje kombiniramo (jer zbrajanje u V je komutativno), niti su potrebne zagrade koje bi
naznačavale redoslijed sabiranja (jer sabiranje u V je asocijativno).
k
Često α 1 a 1 + α 2 a 2 + . . . + αkak zapisujemo ekonomičnije ∑ αiai.
i=1

Definicja:Neka je V vektorski prostor nad F i S = { a 1, a 2 . . . , ak}, k ∈ N, konačan skup

vektora iz V . Kažemo da je skup S linearno nezavisan ako vrijedi
k
α 1, α 2, . . . , α k ∈ ∑ α 1 ai = 0 ⇒ α1 = α2 = . . . = α k = 0.
i=1

U suprotnom kažemo da je skup S linearno zavisan. Smisao ove definicije postaje očit u
usporedbi s tvrdnjama. U njima smo pokazali da se nekolinearnost, odnosno
nekomplanarnost radijvektora može algebarski opisati upravo implikacijom iz prethodne
definicije. U tom smislu je onda prirodno i u općoj, apstraktnoj situaciji zamišljati da
vektori linearno nezavisnog skupa S, zadovoljavajući uvjet, zauzimaju ”različite
smjerove”.
10
[Type text]

Skup S = {a 1, a 2, . . . , ak}, k ≥ 2, u vektorskom prostoru V je linearno zavisan ako i samo

ako postoji j ∈ {1, 2, . . . , k} takav da je aj linearna kombinacija preostalih elemenata
skupa S. Ako je skup S = {a 1, a 2, . . . , ak}, k ≥ 2, linearno zavisan, uređen, te ako je a≠ 0,
onda postoji l ∈ {2, . . . , k} takav da je al linearna kombinacija svojih prethodnika u skupu
S, tj. vektoraa 1, a 2, . . . , al−1.
Neka je V vektorski prostor nad poljem F i S ⊆ V, S 6= ∅. Linearna ljuska skupa S
označava se simbolom [S] i definira kao
k
(1) [S] = { ∑ a1 ai: αi ∈ F, ai ∈ S, k ∈ N}.
i=1

Dodatno, definira se [∅] = {0}. Linearna ljuska nepraznog skupa S je, dakle, skup svih
mogučih linearnih kombinacija elemenata skupa S. Uočimo da u definiciji nema
ograničenja na broj elemenata skupa S; on može biti i beskonačan. No u svakom slučaju, u
definiciji linearne ljuske uzimaju se u obzir samo konačne linearne kombinacije elemenata
iz S. Ako je S konačan, recimo S = {a 1, a 2, . . . , a n}, onda se prethodna definicija svodi na
n
[S] = {∑ a1 ai: αi ∈ F}.
i=1

11
[Type text]

6.0 Zaključak
Za bilo koja dva kolinearna vektora v1 i v 2možemo reči k∈R da vrijedi

v1 = k ⋅ v 2⇔ v1 − k ⋅ v 2 =0
Opčenito možemo pisatia 1 v 1+ a 2 v 2te ovakav zapis zovemo linearna kombinacija vektora
v1 i v 2
Svaki izraz oblika a 1 v1 +a 2 v 2+......+an vn, pri čemu su a 1, a 2,a 3 , ........., a n2 3 , realni
brojevi te v1 , v 2, v3 ,......... vn vektori, a,, n prirodni brojevi.
Navedeni izraz zove se linearna kombinacija vektora v1 , v 2, v3 ,.......... v n, a brojevi a 1, a 2,a 3,
........., a n su koeficijenti linearne kombinacije. U linearnoj kombinaciji 0 1 2 v1 − k ⋅ v 2 =
0 imamo linearnu kombinaciju vektora v1 i v 2 koja je jednaka 0 , ali nisu koeficijenti
jednaki nuli.
U linearnoj kombinaciji a 1 v 1+a2 v 2+........+a n v n=0, gdje postoji nekiai ≠ 0 i a tada govorimo
da su vektori n v1 , v 2, v3 ,........ vn linearno zavisni , a ako su svia i= 0 i a tada govorimo da
su vektori v1 , v 2, v3 ,.......... v n linearno nezavisni.

12
[Type text]

7.0 Literatura
1. knjiga Linearna algebra Mirko Primc
2. https://web.math.pmf.unizg.hr/~ljsekul/nastava/matematika4_novo.pdf
3. https://web.math.pmf.unizg.hr/nastava/la/dodatno/poglavlje2.pdf

13