MAT1

Andrea Aglić-Aljinović
Neven Elezović

4.
Rang i inverz matrice

l. Matrična jednadžba i inverzna matrica .. .. ......... 3

2. Determinante i inverzna matrica . . . . . . . . . . . . . . . . . . . 6
3. Elementarne transformacije i reducirani oblik matrice . . . . l O
4. Elementarne matrice.E kvivalentne matrice . . . . . . . . . . . 13
5. Rang i iuverz matrice . . . . . . . . . 17
6. Linearna nezavisnost vektora ·i rang matrice . . . . . . . . . 23
7. Dodatni teoremi o rangu . . . . .. . .. . .. . . 28
8. Riješeni primjeri . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9. Zadaci za vježbu . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.1. MATRIČNA JEDNADŽBA I INVERZNA MATRICA 3

U ovom ćemo poglavlju promatrati samo kvadratne matrice istoga reda n. Sa Mn

označavamo skup svih takvih matrica.
U skupu kvadratnih matrica definirane sve tri prije uvedene operacije: zbrajanje
matrica, množenje skalara i matrice te množenje matrica.

Matrična jednadžba. Neka su

jednadžba je jednadžba oblika
A B i dvije zadane matrice iz Mn . Matrična

AX=B (l)
X
gdje je E Mn nepoznata matrica.
Postavlja se pitanje:
• Kad će jednadžba (l)
imati jedinstveno rješenje ? X A.
Vidjet ćemo da odgovor na ovo pitanje ovisi samo o matrici Ideja se sastoji u
tome da se promotri pomoćna jednadžba
YA =l . (2)
A', A'A =I.
Pretpostavimo da ona ima rješenje
(s lijeve strane! ) dobivamo
(l) A'
dakle, Množeći jednadžbu s

A'(AX) =A'B.
(l) A'A( A'B.
kako je X) =(A'A )X=X
matrica
I =X, odavde slijedi da je traženo rješenje jednadžbe

X=A'B (l)
Interesantno je primijetiti da provjera, tj. uvrštavanje u daje
A A( 'B) =B
AA'=.l
što sugerira da vrijedi
Pokazat ćemo poslije da je to zaista istina.

Primjer 1. Riješimo jednadžbu

[3l]X=[-131·
S2 2]
Stavimo X= [ � �J . Množenjem matrica s lijeve strane i izjednačavanjem s

matricom na desnoj strani dolazimo do jednadžbi

3a + e =-l, 3b+ d =2,
Sa+2e =3, Sb+2d =l,
a=-S, e = b=3, d=-7, X=l�
odakle lagano slijedi 14,
[ -� J . tj.

[3l]_ l[ O J
A'A =I:
Zadatak možemo riješiti i tako da najprije riješimo pomoćnu jednadžbu
e[ gt]h S2-0l
4 4. RANG I INVERZ MATRICE

odakle imamo
3e +5f = l, 3g +Sh= O,
e +2! = O, g +2h= l.

Odavde A'=
[ _; -j J . Sad je

X= A'B=
[_; -j][-j i ] [1� -�l
=

Korist od ovoga pristupa sastoji se u tome da znajući matricu A' možemo odrediti
rješenje jednadžbe (l) za bilo kakvu matricu B .
Uvjerite se također da matrica A' zadovoljava i jednadžbu AA' = I :

[ 53 l2] [ -52 -13] _[lo lOJ .

-

- · -

Da bi ova definicija bila smislena, provjerimo da je inverzna matrica (ako postoji!)

jednoznačno određena.

Teorem 1. Neka je A E M,. zadana matrica. Postoji najvi§e jedna matrica A' za
koju vrijedi (3) .

Dokaz. Pretpostavimo da postoje dvije matrice, A' i A" koje zadovoljavaju (3) .
Tad iz A' A= I, množeći 's desna' s matricom A" dobivamo
(A'A) A"= IA" = A".
Kako je po pretpostavci vrijedi
(A'A) A"= A'(AA") = A'I = A',
odavde slijedi tvrdnja.
4..1 MATRIČ!I:A JEDNADŽBA J INVERZNA MATRICA 5

- · -

Teorem l ne govori ništa o postojanju matrice A, već samo da, ukoliko postoji,
postoji najviše jedna takva matrica. Inverz ne mora uvijek postojati. Pri tom ne mislimo

samo na nul matricu, za koju je takva tvrdnja očevidna. Tako npr. matrica
nema inverza. Zaista, iz uvjeta AA' = I dobivamo
[ ]
A= oool

što je nemoguće.
Učini li vam se da je razlog tome što i ova matrica ima previše nula, pokušajte
,. o

pronaci mverz matnce

o [2491 39]
91 .

Dokaz. Matrica B-1A-1 postoji po pretpostavci. Direktna provjera sad daje

(AB)(B-1A -1)= ABB-1A-t= AlA-l= AA-l= I.
Slično se dobiva i

Zato postoji inverz od AB i on je jednak B-lA-l .

Formula vrijedi i za umnožak n regularnih matrica: ako su
(4) At, ... ,An regu­
larne, tad je i matrica A1 · An regularna i vrijedi
· ·

(At o o · An)-1= A;1 o o .

A[1•
U to se možemo uvjeriti direktnim množenjem.

- · -

U nastavku ćemo odgovoriti na sljedeća važna pitanja

• Kad je matrica A regularna?

• Ako je A regularna, kako se računa njezin inverz?

6 4. RANG I INVERZ MATRICE

Pokazali smo da regularna matrica ima jedinstven inverz, matricu A - I za koju

vrijedi A -lA = AA -I=I. Iz ove relacije, primjenom Binet-Cauchyjevog teorema
slijedi
1
det(A - A)= det(A -l ) detA=deti= l .

Odavde zaključujemo da za regularnu matricu mora biti detA -!=-O.

Pokažimo odmah da vrijedi i obratna tvrdnja: ako je detA -!=-O, onda je matrica A
regularna. Dokazati ćemo i više od ove tvrdnje: ako je de tA -!=-O dat ćemo eksplicitnu
formulu za računanje inverzne matrice.

Računanje inverzne matrice. Krenimo od definicije determinante

detA= I:>JkAJ
j =l k
ll

(5)

ta a1k
(razvoj 4_eterminante po k -tom stupcu). Ovdje je
•
AJk
algebarski komplement elemen­
Sto se događa ako u ovakvoj sumi uzmemo algebarske komplemente nekoga
drugog stupca? Tad vrijedi
ll

2:::::
j= l
ajkAJ; = O, za i -!=-k. (6)

Evo obrazloženja: ova je suma razvoj po i -tom stupcu determinante koja ima dva
jednaka stupca: i -ti i k -ti; zato je njezina vrijednost jednaka nuli. Obje ove relacije

�aJkAJ; {
daju sljedeći identitet

� =
detA ,
0
ako je i= k,
(7)
j=l
l
ako je i i=- k,

ili, nakon dijeljenja s detA i=- O,

�
� (�)a ·k = 8'··
k (8)
j= l
detA 1

Označimo sa A matricu (Ai)). Jednadžba (8) ekvivalentna je s

AT ·A=det(A) ·I (9)
Matrica AT naziva se adjunkta matrice. Primijetimo da (9) vrijedi čak i ako je
detA=O.

- · -

Što relacija (8) kaže? Označimo

a '.. = -
'1
··
A;;
--·
detA
4.2. DETERMINANTE J JNVERZNA MATRICA 7

is A' matricu s elementima aij . Tad se (8) svodi na

ll

(A' A)ik= l:aijajk= Dib

j= l
ili, u matričnom zapisu A' A = I. Drugim riječima, matrica A' je upravo inverzna
matrica matrice A .

- · -

Zapravo, dužni smo provjeriti i obrnutu relaciju, AA' = I prije no što proglasimo matricu A'
inverznom matricom.

Međutim, vrijedi
ako je i= j ,
ako j e i i j.

Naime, za i = j ova suma predstavlja razvoj deterrninante po j -tom retku, a ako je i i j , onda je to
razvoj po j -tom retku deterrninante kojoj su i-ti i j -ti redak identični. Zato je
AA'= (<Sij) =I

te je A' zaista inverzna matrica matrice A .

- · -

Dokažimo i sljedeći rezultat koga smo najavili na početku poglavlja:

Teorem 4. Neka je A kvadratna matrica i neka za matricu A' vrijedi A' A =l.
Tad vrijedi i AA' I, tj. A' je inverzna matrica.
=
8 4. RANG l INVERZ MATRICE

Dokaz. Po Binet-Cauchyjevom teoremu je l=deti=det(A'A)=detA' detA .

Zato mora biti detA i= O te je A regularna i postoji njezin inverz A -1 Množenjem •

relacije A'A =I s desna s matricom A -1 dobivamo A' =A -1 čime je teorem

dokazan.

Napomenimo da teorem ne vrijedi ukoliko matrica A nije kvadratna. Evo primjera.

p � �J' [ � -�]'
Za sljedeće matrice

A'= A=
-1 l
vrijedi A'A=I, ali AA' i= I.

- · -

Primjer 2. Inverz matrice reda 2. Neka je A=

[ � �J . Pretpostavimo da je njezi­

na determinanta detA=a - d bc različita od nule. Matrica algebarskih komplemenata

glasi
[-bd -e].
a
Zato je inverzna matrica
l [ d - b] ·
A-1_
ad- bc - e a
Primjer 3. Odredimo inverz matrice A= [i -6 -�l-
1-
4 o 2
Njena deterrninanta iznosi

�;
2 - 3

! = ll! ; l
-
= 10.
4.2. DETERMTNAN TE I INVERZNA MATRICA 9

Po formuli (lO ) imamo

[o -lo o [ o · T
TO

� -� -�] -� 12 l
1
A_,= _!_ = =
lO 10
lO

Zadatak 1. Odredi inverznu matricu matrice A= [l 2

2 -l -l
l 3
3

4
] .

Rješenje. Koristiti ćemo formulu (lO )

Najprije treba provjeriti postoji li inverzna matrica! Izračunat ćemo detA jer nam
je ta determinanta ionako potrebna u gornjoj formuli.
l 2 3
detA= 2 -l -l = -4 - 2 + 18 - ( -3- 3 + 1 6=
) 2.
l 3 4
Determinanta je različita od nule, stoga postoji inverzna matrica. Za matricu reda
3 najpraktičnije je odmah formirati (veliku!) matricu reda 3 čiji su elementi alge­
barski komplementi. Primijeti da se predznaci ispred minora mijenjaju na isti način
kao i pri računanju deterrninante razvojem po retku ili stupcu. Također, praktičnije je
transponiranje matrice načiniti u drugome koraku:

[-1l
= �
2
l -5 �]·
- · -

Ovaj postupak za nalaženje inverzne matrice izgleda prihvatljiv, zbog eksplicitno­

ga zapisa inverzne matrice i relativno laganoga računa. On to i jeste - sve dok su u
pitanju matrice reda 2 i reda 3. Za matrice višega reda postupak više nije efikasan i sva­
kako ga treba izbjegavati. Dakako, razlog tome je što direktno računanje determinanti
postaje komplicirano. Poželimo li pak minore računati drukčije, recimo primjenom
lO 4. RANG I INVERZ MATRICE

elementarnih transformacija, čitav algoritam postaje besmislen jer se primjenom tih

istih transformacija može izračunati i sama inverzna matrica i to na jednostavniji način.
O tome će biti riječ u nastavku.
S obzirom na učestalost računa s malim matricama (geometrija dvodimenzional­
noga i trodimenzionalnoga prostora opisuje se takvim matricama), ovaj algoritam ima
svoju važnost. Ne treba zaboraviti niti korist u teorijskim razmatranjima gdje je izuzetno
korisno moći eksplicitno prikazati inverz matrice.

U ovom ćemo poglavlju opisati Gaussov algoritam za računanje inverzne matrice.

On se osniva na sljedećim jednostavnim transformacijama nad retcima matrice koje
ćemo nazivati elementarnim transformacijama:
l) Zamjena dvaju redaka.
2) Množenje nekoga retka skalarom različitim od nule.
3 ) Dodavanje nekoga retka (pomnoženog skalarom) nekom drugom retku.
Ove transformacije javljaju se pri rješavanju nekoliko različitih problema matrične
algebre:
• Pri rješavanju linearnih sustava (vidi sljedeće poglavlje).

• Pri računanju determinanti.

• Pri određivanju ranga matrice.

• Pri nalaženju inverzne matrice.

Koja je ideja zajednička pri rješavanju ovih problema? Cilj nam je matricu svesti
na što jednostavniji oblik, ali tako da jednadžba u kojoj figurira transformirana matrica
bude (na način koji u svakom gornjem problemu treba razjasniti) ekvivalentna početnoj.
Reducirani oblik matrice. Na početku ovoga poglavlja opisat ćemo koji oblik
matrice mi uzimamo kao najprihvatljiviji. Taj ćemo oblik nazivati reducirani oblik
matrice.

Primjer 4. Evo nekoliko primjera reduciranog oblika matrice:

[o6 o� o� l�l' [o6 o6 o� l� -1�l' [o6 o� �l l

4.3. ELEMENTARNE TRAN SFORMACIJE I REDUCIRANI OB LIK MATRICE ll

Izaberimo jednu matricu i pratimo ovaj algoritam.

Primjer 5.
[ o -l o]
3
A = -2 5 --4 -5
2 -1 -8 5

]
Korak J. Zamijenimo prvi i treći redak, da bismo dobili stožer na poziciji prvog

o o
retka:
r 2 -1 -8 5
A1 = ! -2 5 -4 -5
L -1 3

l. [ l_
Korak 2. Podijelimo elemente prvoga retka s a11 =
postaje jednak
2.]
2 . Time stožerni element

o o
l -4
A2 = -2 S -4 -S
-1 3

l)[l: _
Korak 3. Pomnožimo prvi redak s -a21 =
ćemo dobivamo nulu na poziciji (2 ,
l 2.]
2 i dodajmo ga drugom retku. Dobit

ol, o
-4
A3 = O i -12 6
-1 3
Postupak nastavljamo s korakom tražeći među elementima drugoga stupca ne­
nul element. Smijemo birati samo u preostalim retcima (dakle, ne uzimamo u obzir prvi
red ak) . U ovom primjeru, stožer postaje element a22 koji ima vrijednost 4. Sljedeća

[l
. transformacija je množenje drugoga retka s i :

2.]
o o
l -4
A4 = O l
-3 6
-1 3
12 4. RANG I INVERZ MATRICE

Nakon ovoga, elemente drugoga retka množimo s 4 i dodajemo prvom, želeći

poništiti element an :

ob] [6o -1� �

-

A s= -

[ 6 � --� b]
Istu operaciju ponavljamo i s preostalim elementom u drugom stupcu. Dodajemo
drugi redak trećem. Slučajno, time se poništava cijeli treći redak:

Dobiven je reducirani oblik matrice.

oo oo A R=

� �]-
� 6 � �l' [6001
Primjer 6. Sljedeće matrice nisu svedene na reducirani oblik:

[60012 l [0001
� � � -�]'
2
Svaka od njih narušava neko od gore navedenih pravila. U prvoj, element u prvome
retku nije poništen, u drugoj stožeri nisu ispravno poredani, u trećoj se nul redak nalazi
previsoko. Međutim, lako je primijetiti da se nastavljanjem elementarnih transformacija
i ove matrice mogu svesti na reducirani oblik.

[l22ll -1ll [2l 6 -216 ll

Primjer 7 . Svedimo na reducirani oblik matrice:
[2l 17.]
002 o l 22 2l l 2
-3 3 -2 4
A= O ; B= 3 ; C= 4 2 5
3
8

[l22ll -ll1
Rješenje.
[l -24-l1 ll
A=
2 [1211
O "-'

2 [1 o1-1]
(prvi�edakx(-2))
dodajemo drugom
"-'
O -3

l ]
O O O O O O

,..._,

) 0020
(drugi redak
dl)ehmo s -4 ,..._,

002
l l

o,..._, (drugiredakx(-2))
dodajemo prvom
,..._, T
4
�
4

["-' l 1 - 4] "-' [l010

O 4 4 O l

[ll 6 -222] l
4 poništavamo
(treći redak )
O
l
O O
s2 l (elet!zente u )

2[l 6 -216 ll
�
"' di";limo rv
O
O O 1 0 trece/ll stupcu O O

l 22 2- 16 l (zamjenjujemo
-3 3
B= 3 "-' prvi i treći ) "-' 3
redak
"-' [60 � -�12 i] "-' [06 0� -�0 �l
3 3
amo mo
r�re�:,�::e ) (�re���::ea )
[�
\;rvog slllpca -9 -3 drugog stupca O

�
(
��:.�:dokd)
� -l n
4.4. ELEMENTA RNE MATRICE. EKVIVA LENTNE MATRICE 13

oni.\:tavamo )
e= [242ll23l5 -28l 42] Gelemente
7 rv

rvog stupca
[ 2o lo -l3 -25 -l4]
rv

O O -2 lO -2
rv
(poništavamo
eler!zente rv
) [2O lO -lO 135 -lll
treceg stupca OO O O O
(dijelimo prvi redak 2) [lO 1.O lo _25 1.j ] .
s
!l

drugz s -l
rv

ooo oo
rv

Elementarne transformacije mogu se opisati pomoću množenja s matricama triju

tipova, koje se neznatno razlikuju od jedinične. Tako npr., želimo li zamijeniti prvi
i treći radak kao u gornjem primjeru, matricu A moramo s lijeve strane pomnožiti s
matricom Et sljedećega oblika:
·
Et = [�l o� 6o].
Ta je matrica dobivena iz jedinične istom transformacijom kao i matrica A t iz matrice
A: zamijenjeni su joj prvi i treći redak. Zaista, vrijedi

EtA = [�l o� 6]o [-�2 -1-; -8-! -�5 ] [ -�o -1-; =�3 -�ol
= = At.

Drugu elementarnu transformaciju: množenje retka skalarom A opisuje matrica

koja na dijagonali u odgovarajućem retku umjesto jedinice ima taj skalar A U gornjem .

pn mJeru,

Ez = [bo �o l�l·
Množenjem s matricom At dobivamo

E2At = [1.0o loo lOo] [ -22o -1-15 -4-83 -os5 ] [ -21o _1.-1� --443 -�o2]
= = Az.

Treća je elementarna matrica nešto složenija, no i nju dobivamo iz jedinične iden­

tičnom elementarnom transformacijom: element jednog retka pomnožen brojem A
2
[1210.
dodajemo drugom retku. Tako npr. ako prvi redak pomnožen s dodajemo drugom
retku, tad odgovarajuća elementarna transformacija glasi
o o]
E3 =
ool
14 4. RANG I INVERZ MATRICE

[ l[
Uvjerimo se množenjem da vrijedi

ll [ -�l
�
l o o l _l -4 l _l -4
E3A2 = 2 l O -2 5 -4 -5 = O i -12
o o l o -1 3 o o -1 3

[ 6 i �l [ 6 l �l [ 6 � �l·
Postupak u gornjem primjeru nastavljamo pomoću sljedećih matrica:

E4 = , Es = , E6 =
001 001 01 1
Zbog opisanog postupka, završna se matrica može dobiti iz početne množenjem s
matricama Ei :
(ll)
- · -

Elementarne matrice. Opišimo sad oblik elementarnih matrica za svaku od tri

elementarne transformacije, u općenitom slučaju. Ako je matrica A tipa m x n, tad
su elementarne matrice kvadratne reda m . Naglasimo još jednom da elementarnoj
transformaciji nad retcima matrice A odgovara u elementarnoj matrici identična takva
transformacija nad retcima jedinične matrice.
• Prva elementarna matrica: i -ti redak zarnijenimo s j -tim,

o l ;---l

(Matrica ima sve elemente kao i jedinična, osim eii e11 O , eiJ eJi l . )= = = =

• Druga elementarna matrica: od

J
i -ti redak množimo skalarom A različitim
nule,

·
E;(A) � l .. A
· ..
�i

(Svi ostali nenapisani elementi jednaki su onima u jediničnoj matrici. )

• Treća elementarna matrica: i -ti redak pomnožen skalarom A dodajemo j -tom

retku.

l ;---l l
EiJ(A) = ili
l

Dva oblika matrice odgovaraju dvjema mogućnostima: < j ili i > j. Matrica je
istovjetna jediničnoj, osim što vrijedi e1i A. =
4.4. ELEMENTARNE MATRICE. EKVIVA LENTNE MATRICE 15

- · -

Postupak elementarnih transformacija prevodi matricu A na sve jednostavniji ob­

lik. Pri tom moramo postaviti pitanje: postoje li neka svojstva zajednička svim tim
matricama? Pretpostavimo da je matrica B dobivena iz matrice A nizom elementarnih
transformacija:
B= E, · · ·E,A .
Tad ćemo za matrice A i B reći da su po retcima ekvivalentne ili pak, jednostavnije,
ekvivalentne. Pisat ćemo pri tom A B. rv

Da je ova definicija jezično i matematički usklađena osigurat će nam sljedeći

Teorem 5. Relacija rv je relacija ekvivalencije.

Izdvojit ćemo jednu tvrdnju koja nam je potrebna u dokazu ovoga teorema u
zasebnu lemu:

Lema 6. Elementarne matrice su regularne. lnverz elementarne transformacije

opet je elementarna transformacija.

Dokaz. Inverz prve glasi

Za matricu drugoga tipa je pak E;(A)-1 = E;(llA).

Za matricu treće transformacije vrijedi EiJ(A)-1 = EiJ(-A).
Lako se možemo uvjeriti (matričnim množenjem ili naprosto opisom djelovanja)
u istinitost ovih formula.

Dokaz teorema. Prisjetimo se definicije relacije ekvivalencije. Ovaj teorem tvrdi

da vrijedi:
• A A (matrica je ekvivalentna sama sebi) - refleksivnost.
rv

• Ako je A rvB, tad je B A - simetričnost.

rv

• Ako je A B i B e , tad je A e - tranzitivnost.

rv rv rv

Refleksivnost. Matrica A ekvivalentna je sama sebi, pošto je jedinična matrica na

popisu elementarnih (množenje prvoga retka brojem l!).
Simetričnost. Ovo je najvažnije svojstvo. Da bismo ga dokazali, dovoljno je pri­
mijetiti da za svaku elementarnu transformaciju možemno naći njezinu inverznu, koja
poništava djelovanje prve.
Tu inverznu transformaciju možemo Iako opisati riječima. Štoviše, matrica ko­
ja odgovara inverznoj transformaciji upravo je inverzna matrica početne elementarne
matrice. Iskoristimo to u sva tri moguća slučaja.
• Ako je matrica B dobivena iz matrice A zamjenom i-toga i j-toga retka, tad

je inverzna transformacija istoga oblika, Ej i 1 = EiJ. Zato, iz relacije B= EiJA slijedi

(množenjem s matricom EiJslijeva) A = E;B j .
• Ako je matrica B dobivena i z matrice A množenjem i -toga retka skalarom

A. ::/- O, tad je inverzna transformacija množenje istoga retka skalarom llA. U mat­
ričnom zapisu E;(A)-1 = E;(liA). Zato iz B = E;(A)A slijedi A = E;(A)-1B =
E(; liA.)B.
16 4. RANG J INVERZ MATRIC E

• Ako je matrica B dobivena iz matrice A tako da se i -ti redak pomnoži ska­

larom A i doda j -tom, inverzna transformacija je opisana postupkom: pomnoži i -ti

redak skalarom -A i dodaj ga j -tom. Očito će se djelovanje ovih dviju transformacija
poništiti.
Time smo pokazali kako se poništava pojedina elementarna transformacija. Da
dokažemo tvrdnju, dovoljno je primijetiti da relacija A ,..._ B znači da je B dobivena iz
A nizom elementarnih transformacija:
B= E,· · · E,A .
Obrnuta veza glasi
A = (E,· · · E1)-1B= E)1 · · · E;:-1B.
Svaka od matrica E;- 1 opisuje ponovo elementarnu transformaciju. Zato je B A . ,..._

Tranzitivnost. Ovo je svojstvo očigledno. A ,..._ B znači da se B dobiva iz A

nizom elementarnih transformacija. Ako je B ,..._ e, tad se e dobiva iz B (nekim
drugim) nizom elementarnih transformacija. Očigledno se i e dobiva iz A nizon:r
elementarnih transformacija te je A ,..._ e.

·-

Pouka ovoga teorema je: matrica A i njezina reducirana forma A R ekvivalentne

su matrice, jedna se može rekonstruirati iz druge.
4.5. RANG l INVERZ MATRICE 17

U dosadašnjemu razmatranju nismo odgovorili na važno pitanje: je li reducirana

forma matrice jedinstvena? Odgovor je: da! Izbor elementarnih transformacija nije
jednoznačan, no rezultat ne ovisi o izabranome poretku.
Dokaz ovoga svojstva, korištenjem metoda koje smo do sad usvojili, zahtijevao
bi previše opisivanja. Student ga može sam obrazložiti, imajući u vidu gore dokazani
teorem: svake dvije (moguće različite! ) završne forme međusobno su ekvivalentne. To
znači da se jedna iz druge mogu dobiti elementarnim transformacijama. Međutim, ako
se one razlikuju u bilo kojem od svojstava reducirane matrice, tad se može uvidjeti da
je nemoguće prevesti jednu matricu u drugu korištenjem elementarnih transformacija.
Prema tome, smatrat ćemo da je reducirana matrica AR zadane matrice A je­
dinstvena. Tako ima smisla sljedeća definicija.

Rang matrice jest broj ne-nul redaka u reduciranom obliku matrice. Označavamo
ga simbolom rang (A).

- · -

U l iteraturi se mogu pronaći još barem dvije različite definicije ranga matrice. Prva, koja
definira rang preko broja linearno nezavisnih redaka matrice. Druga, koja kaža da je rang matrice
jednak redu najveće rninore koja je različita od nule. Mi smo se opredijelili za ovu definiciju jer je
najjednostavnija. Druge će dvije proizići u obliku teorema.

- ·-

Pojam ranga vrlo je važan pojam koji će nas pratiti u daljnjim izlaganjima. Da
bismo utvrdili rang, potrebno je matricu svesti na reducirani oblik. Istina, ako je sa­
mo rang u pitanju, dovoljno se je zaustaviti na obliku u kojem prepoznajemo stožerne
elemente ispod kojih se nalaze nule (a ne nužno i iznad kojih) . Međutim, određivanje
ranga obično je povezano s drugim zadacima poput nalaženja inverzne matrice ili pak
rješavanja linearnih sustava za što nam je potreban upravo reducirani oblik matrice.
Iz definicije ranga slijedi da rang (A) nije veći od broja redaka matrice A,
rang (A) � m . Iz definicije reducirane forme slijedi da rang nije veći niti od broja
stupaca matrice A, rang (A) � n, jer je najviše toliko mjesta za mogući raspored
stožernih elemenata po stupcima reducirane matrice.
Zbog jednoznačnosti i definicije reducirane forme možemo smatrati da je dokazana
sljedeća lema

Lema 7. Kvadratna matrica A reda n ima rang jednak n ako i samo ako je
AR= l.

Lema 8. Ako je kvadratna matrica A regularna i B ekvivalentna s njom, tad je i

matrica B regularna.
18 4. RANG l INVERZ MATRICE

Dokaz. Kako je B po retcima ekvivalentna matrici A , to možemo napisati

B=E,···EtA.
Svaka od elementarnih matrica je regularna. Zato postoji umnožak A-tE!1 ·· ·E; 1 ,
no to je upravo izraz za inverz matrice B .
Tu tvrdnju možemo izvesti iz samoga oblika matrice B: ona je produkt regularnih
matrica pa je i sama regularna matrica.

·-

Na osnovu ovih razmatranja sad možemo izvesti nekoliko dalekosežnih posljedica

koje se tiču inverza matrice.
Pretpostavljat ćemo nadalje da je A kvadratna matrica reda n. Pretpostavimo da
je ona punoga ranga, tj. rang (A) =n. Tad je, po gornjoj lemi AR= I. To znači da se
jedinična matrica može dobiti nizom elementarnih transformacija iz matrice A. Stoga
možemo napisati:

Zaključujemo da je A regularna matrica. Štoviše, njezina inverzna matrica jednaka je

umnošku elementarnih matrica koje su sudjelovale u transformacijama:
A-1 =E,···Et.
Time smo dokazali jedan (za nas važniji) smjer u ovome teoremu

Teorem 9 . Kvadratna matrica A je regularna ako i samo ako ima puni rang.

Dokažimo sad i drugi smjer.

Dokaz. Neka je matrica A regularna. Svedimo i nju na reducirani oblik AR.
Dvije su mogućnosti:
l) An nema niti jedan nul redak.
2) An ima barem jedan nul redak.
U drugom slučaju matrica An nije regularna, jer je njezina deterrninanta jednaka
nuli Zato, po lemi 8, niti A nije regularna jer je ekvivalentna matrici An.
Prema tome, preostaje prvi slučaj. Matrica An nema niti jedan nul redak, dakle
i ma n stožernih elemenata. Zato je njezin rang n. čime je dokaz završen.

-·-

Neka je A kvadratna matrica punoga ranga. Iskažimo sad algoritam za nalaženje

inverzne matrice. Taj se algoritam zasniva na gore navedenoj formuli: Inverzna matrica
jednaka je produktu elementarnih matrica upotrebljenih da se matrica A svede na re­
duciranu formu An= I. Međutim, želimo ukazati na to da pri računu inverzne matrice
nije potrebno ispisivati eksplicitno matrice E; i računati njihove umnoške. Dovoljno se
je prisjetiti da se elementarne matrice dobivaju iz jedinične matrice istim transformaci­
jama koje su učinjene na matrici A. Također, uzastopna primjena dviju transformacija
odgovara umnošku elementarnih matrica. Stoga možemo koristiti sljedeći algoritam:
4.5. RANG I INVERZ MATRICE 19

- · -

Zašto ovaj algoritam funkcionira? Pratimo jednu po jednu transformaciju. U

početku imamo matricu oblika

[A :I] .

Nakon prve transformacije (primijenjene na obje matrice!) imamo

[EA
t :E]I .
Nastavimo s transformacijama. Svaka transformacija odgovara množenju s elemen­
tarnom matricom kako lijeve, tako i desne strane. Na koncu postupka ćemo imati, u
slučaju regularne matrice

[I: B] = [A R: B] = [E,··· EtA :E,···EJ] .

B= Er···Et i I= E,···EA l
Kako je 1 , zaključujemo da je upravo B= A - .

Primjer 8. Odredimo inverz matrice A= [i � -�l·

4
-

o 2
20 4. RANG I INVERZ MATRICI

[A 1I] elementarnim transformacijama nad retcima trebamo

[ l O � 1 O ol o�
dobiti oblik [I 1A - l J :
Iz proširene matrice

[A i lj�[!-� 3 Ool o]O

-
2 l1
11
rv

o � 1 loo
(pomnozzmo
l. s! 1:
)
<·

rv
1 -�
-2 1l
4

) rv [ O _ _ l ]�
2 1001 2 4 2 100
-� �1
(dodajnzo l.
o� 1 oo] o
r. X (-l) drugom r. 1
1 1
rv
dodajmo l. r. X ( -4) trećem r. _2 2_7 1 _2
2 -4 1 -2

l 11 ool -� 4

. [lool -lo o]
-7 -1 2

ol
2 -4 -2

O O lO
(dodajmO �- r. X z prvom:- )
o
rv
. l -2 1
dodajmo�. r. x ( -2) tlecem
[lOol 11 -ol l
rv

1.
_7 2
-4

oo loo1 l : o o ll l
-2
rv (pomnožimo 3. r. s 1o) rv -7 2

) [O l O
--&
-fo-fo
rv

oo l o
(dodajmo 3. r. X 2 prvom r.
dodajmo 2. r. x7 drugom 1: rv
l
1

1
8
-1 -- lO
10 -7
--& to
= [I1BJ.

[o ]
Zaključujemo da je A regularna te da njezina inverzna matrica iznosi
2
TOTO
2

o =110 f10 .
1
A- = -1

Primjer 9. Odredimo inverz matrice

[-f b -i ]· A=
-2 2 2

[-3l l i ol o] [ l l ol o]
Postupimo kao u prošlome primjeru.

oo l o� o
1 -1 11 rv
(jo;:z�o�zr)
<·
1 -11 1-1
rv
[A 1I] = 0 0 0 0 1 0 0

[ � -i ! -i
-2 2 2 l -2 2 2 1 l
1
rv

l[O _ I l o3 oo o
(dodajmo l. r. X ( -1) drugom1:)
dodajmo l. r. x2 trećem 1:
o l
�l l
.!. 3
l
rv

l
-3
3
1 � -�
3 3

o o ll
l
(po�možimo)
2. l. s 3
rv rv
2 1
4 8
3 3
l
l -3
2
4.5. RANG I INVERZ MATRICE 21

[O l l O]
2. r. X 3

OOO l
1
1 o 1: o 1 or.
.
dodajmO
.
(dodajmo prvom )
2. r. x 3
rv
2 l1 rv
4 , 3 •
1: -
trecem
: _2 _4
Dobili smo s lijeve strane reducirani oblik AR matrice A koji nije jednak jediničnoj
matrici I. Stoga matrica A nije regularna i nema inverza.

Zadatak 2. Odredimo inverz matrice A =

[-3lOl -lll .
-2 2 3

[-3l l l O lO] [l l l ]
Rješenje. Ispišimo učinjene elementarne transformacije nad proširenom matri-
com:
l l

l 3 l
-1 1 o o prvi redak 1 -3 3 -t o o
rv (dijeli
oništavamo) [l
o mo s -3) rv
]
o o o
-2 2 3 o o -2 2 o o

Glemente
� -t t : -t
t t : t l l
o o
o

[
rv rv

]
rvog stupca 1 1f : -t o

rv (množi m o treći rv O
O l
1
�
O 3
-t 1 : _l3 o
l
o

poništavamo ) [l l l ]
: 1
1 2
redak s ) 0
-3
3
T
! 11

O l l l O
1
3
:o o o
(elemente
poni.ftavamo ) [ lOOl l
rv rv 2 3

O l
drugog stupca
O ll
001 : -2 -4 1

l
2 5 -

[ ll -ll
rv (elemente l 5 -2
trećeg stupca 001 : _2 -4 1

l
2 5
Dobili smo A l = -
5 -2 .
-2 -4

[ ll l ll l1
Zadatak 3. Elementarnim transformacijama odredimo inverz matrice
o 1 1 1
o
A= .
11 01
o

[�l 6lO! !l O6O� �lO�l ! i � 6 � �l

[6ll �llO!lOlOOO
Rješenje. Računamo kao u prethodnom primjeru:

11 10 0001
rv
(�;;�� juje�zo)
zamjendrugi rv
l :OO lOl
 4. RANG l JNVERZ MATRICE

[ ]
22

l o 1 1 : o 1 00
poništa amo
rv
(eli!lllf!nlev ) rv
01 l 1 :1 000
prvog .Hupca o l -1 o :o -1 l o

[�! i ! _r -���j
01 0-l:0-1 01

poni.ftavamo
(elemente )

[6 � � -� �]
rv

drugog slupm. _ _ l

o o -1 -2: -1 -1 o l

(tret'i redak )
l: o l o o

o o l 2l ll 2l 2l
l: l o
dijelimo s -2

[� � �
rv
rv

o o -1 -2 : -1 -1 o l
l l l
- .!. o
2 2 2

l]
poništavamo l l
2
- .!. o
l
(elemente ) 2 2 2
o o l 2l l l
-l
I"V rv

trec'eg stupca 2 2

[� � � t
o
l l
o o o - 2 -2 -2 .!.2
3

rv
l l
-2 2 2

j]
l
(četvrti redak ) l
2 2
-
l
2

[rv
dijelimo s � l l l
-
rv lt 2 2 2
-
o o
l
o o o l 3 3 3l l
1 0001-32 3l

J]
pon.i.ftavamo
(elemente ) o l o o : 3l -32
l'ervrrog smpca l l
3 3
o o lo :

A-1=.!.[-i-� � � j
l l
3 3
o o o l

3 l l -2 l .
l l l -2
4.6. LINEARNA NEZAVISNOST VEKTORA l RANG MATRICE 23

'
. ktora i r11. ng, m�trice
, 4:6; .linearna nezavisnost ve ·- --.· '
·
' .

Sa V" ćemo označavati prostor svih vektor-stupaca duljine n. Taj se prostor sa­
mo u načinu zapisivanja elemenata razlikuje od prostora R" uređenih n-torki realnih
brojeva.

Linearna kombinacija. Prostor razapet vektorima

Neka su a1, a2, ... , ak bilo koji vektorij z prostora V"
Linearri'a ko�binildja vektora a 1, . , a de vektor ob.lika
..
<: � '-) : ' } ).):A'j . >:j\f:- .
. Atal
I·.
. ' . + J;.. : + Akak·
.
.... pri čemjf SUAh·/. · ,).kcpo
· ·
Skup sv· ·
ak\'lh lin�amih
vekto . ·': } a,; i
·

h . . . , ak ) = {x : x = At

Primjer 10. Izaberimo u prostoru V2 vektor a1 = [i J . Prostor razapet s ovim

vektorom je

Geometrijski, to je pravac kroz ishodište, određen vektorom ar.

Primjer 11. Uz vektor a 1 = [ iJ

[b J . uzmimo još a2 = Tad vrijedi

L (a,,a2 ) = {At[i]+ A2[b

l At,A2 E R } ·
2
Tvrdimo da je ovaj prostor jednak V To znači da se svaki vektor iz V može napisati
•
2
u obliku linearne kombinacije vektora a1 i a2. Da se uvjerimo u to, uzet ćemo bilo
koji vektor X E V2• Jednadžbu

x=Atat+A2a2 �[��J =At[i]+A2[6J (12)

možemo napisati u obliku linearnog sustava

AtAt +A2 == Xx2r
Odavde je )q x2 = , A2 = x1 - x2 x . Dakle, za svaki vektor možemo pronaći
odgovarajuće koeficijente ).1 i A2 za koje će vrijediti (1 2).
24 4. RANG I INVERZ MATRICE

Ovaj primjer ukazuje da je pojam linearne kombinacije usko povezan s problemima

rješavanja linearnih sustava. Ako se zadani vektor može rastaviti na izabrane kompo­
nente a1 . an, tad se koeficijenti u takvome rastavu određuju rješavanjem linearnih
• .

sustava. O tome će biti više riječi u narednome poglavlju.

3
Primjer 1 2. lzaberimo u prostoru V vektore a1 = [ 1 , l, O JT, a2 = [ 1 ,0, O JT.
Uvjeri se da je L(a l , a2) prostor vektora u xOy ravini.

Primjer 13. Neka je sad a1 = [ 1 , l, o ]T , a2 = [ 1 , O , lJT . Prostor L(a1,a2) sadrži

sve radij vektore koji leže u ravnini određenoj s a1 i a2.
Izaberimo a3 = 0 [ , 1 , -l]T. Za ovakav vektor vrijedi pak L(a1,a2,a3) =
L(a1,a2) zato što se a3 nalazi u tom prostoru! Zaista, vrijedi a3 = a1 - a2 i stoga je
a3 linearna kombinacija prvih dvaju vektora.
lzaberimo a4 = 0[ 0, , l]T. Uyjeri se da je L(a1,a2,a4) = V3.

Ovi primjeri nameću potrebu za prolaženjem algoritma pomoću kojeg ćemo moći
točno utvrditi kako izgleda prostor razapet izabranim skupom vektora.
Mi takav algoritam već poznajemo: to je svođenje matrice na reducirani oblik! Da
bismo objasnili tu vezu, potrebne su nam najprije sljedeće važne definicije.

- · -

Vektori a1, ... ,ak su linearno zavisni ako nisu linearno nezavisni.
S obzirom na važnost ovoga pojma, ispišimo i tu definiciju eksplicitno: a1,... ,ak
su linearno zavisni ako postoje ska lari A1 , ... , Ak od kojih barem jedan nije jednak nuli
takvi da vrijedi

Kažemo još da linearna kombinacija vektora i ščezava na netrivijalan način.

Primjer 14. Dva su vektora a i b (različita od nul-vektora) linearno zavisna onda

i samo onda ako postoji A i O takav da je b = Aa . To znači da vektor b leži u
prostoru razapetom s vektorom a. U isto vrijeme i vektor a leži u prostoru razapetom
s b.
4.6. LINEARNA NEZAVISNOST VEKTORA I RANG MATRICE 25

Primjer 1 5. Vektori a1 � [i l [� ]
i a2 � linearno su nezavisni. Uvjeri se u to!

Provjeri također (po defimcijt!) da je trojka a,1 a2, a3 iz primjera 13 linearno

zavisna.

Primjer 1 6. Ovaj je primjer jednostavan, no važan. Izdvojimo sljedeće vektore iz

prostora V" :

m
Oni su linearno nezavisni. Zaista, linearna kombinacija ovih vektora iznosi

Ae
, ,+ . . . H,e,.�

i ona je jednaka nuli ako i samo ako je A1 = . .An = O .

. =

Primijeti da se svaki vektor x = [xt, x,2 . . . , xn]T može prikazati u obliku linearne
kombinacije vektora e1, . . . e,.. Ta linearna kombinacija glasi x= X e t 1 + .. . + x"e".

A=
[
Primjer 1 7. Neka je zadana reducirana forma neke matrice, recimo
l o 2 o 3 -2
o l -1 o 2 l
O O 01 2 4
]
o o 000 o
Primijeti da su njezini ne-nul retci linearno nezavisni vektori. Zaista, linearna kombi­
nacija tih vektora glasi
l o o At
o l o A2
2 -l o 2A- t A2
At +A2 +A3
o o l A3
3 2 2 3At +2A2+2A3
-2 l 4 -2At+A2+4A3
iako je ona jednaka nuli, tad iz prvog, drugog i četvrtog retka zaključujemo da svi
skalari At, A2, A3 moraju biti jednaki nuli.
Pri mijetimo nadalje da se svi stupci matrice mogu prikazati u obliku linearne kom­
binacije prvoga, drugoga i četvrtoga stupca (pošto ti nalikuju vektorima e; iz prošloga
pn mJera.

Ovaj primjer je tipičan za svaku matricu. Sličan zaključak očevidno vrijedi za

reducirani oblik bilo koje matrice.
26 4. RANG l IN VERZ MATRICE

- · -

Cilj nam je u nastavku povezati pojmove linearne zavisnosti redaka odnosno stu­
paca matrice s pojmom njezinoga ranga.
Za zadane vektore a1, , ak uvijek je jednoznačno određen broj linearno ne­
. • .

zavisnih vektora u skupu {a1, ..., ak}. Taj broj nazivamo dimenzijom prostora
L(a 1 , • • • , ak) .

Teorem 10. Elementarnim transformacijama ne mijenja se broj linearno nezavis­

nih redaka matrice.

Dokaz. Opišimo što čini svaka od elementarnih transformacijama na skupu a1, ..., am
redaka matrice A. Označimo sa a;, ..., a� retke matrice dobivene nakon pojedine ·

elementarne transformacije.
• Zamjena redaka. Tu skup {a1, , am} prelazi u isti takav skup kojemu su
. . •

zamijenjen poredak dvaju vektora. Očito je L(at, ..., am) = L(a;, ... , a;11) pa se ni
broj nezavisnih vektora ne mijenja.
• Množenje retka skalarom A -::J. O . Neka je, zbog jednostavnosti zapisa,
a; = Aa1 . Onda je
L(a;, ..., a;n) = {A1Aa1 +A2a2 + . .+ Arnam: A;
. E R} = L(ah ..., am).
• Pretpostavimo sad da je a� = a2 + Aa1 . Svaka linearna kombinacija skupa
{a;, ... , a;n} ujedno je i linearna kombinacija početnoga skupa:
Ata;+A2a�+...+Arna;n = A1a1+A2(a2+Aa!)+...+ Ama;n
= (At+AA2)a1+A2a2+ ...+ A.rna;n-

Zato broj linearno nezavisnih vektora novoga skupa nije veći od broja linearno neza­
visnih vektora početnoga skupa. Dakle, trećom elementarnom transformacijom broj
linearno nezavisnih vektora ne može se povećati.
Ne može se niti smanjiti! Naime, istovjetnom (inverznom) transformacijom mo­
žemo iz redaka {a;, ..., a;11} dobiti retke {a1, ..., am} te vrijedi i obratan zaključak.
Prema tome, i trećom elementarnom transformacijom broj linearno nezavisnih
redaka matrice ostaje nepromijenjen.
Time je teorem dokazan.

Bit je ovoga teorema u tome što po završetku postupka svođenja matrice na redu­
cirani oblik mi možemo pročitati broj njezinih linearno nezavisnih redaka: svi ne-nul
retci međusobno su linearno nezavisni. Tako je dokazan

Teorem 1 1. Rang matrice jednak je broju njezinih linearno nezavisnih redaka.

Korolar 12. Neka je A regularna matrica. Onda je rang (AB) =rang (B) .

Dokaz. Svaka se regularna matrica može napisati kao produkt elementarnih. Iz

A = E, · · · E1 i teorema lO slijedi tvrdnja.
4.6. LINEARNA NEZAVISNOST VEKTORA J RANG MATRICE 27

- · -

Posve je netrivijalan - i donekle zbunjujući - rezultat da ista tvrdnja vrijedi i

za stupce matrice. Bez obzira kakvoga ona bila tipa i bez obzira kako izgledali njezini
elementi, broj linearno nezavisnih redaka jednak je broju linearno nezavisnih stupaca!
Dakako, taj broj upravo je rang matrice.
Pokažimo to.

Teorem 1 3 . Broj linearno nezavisnih redaka bilo koje matrice jednak je broju
njezinih linearno nezavisnih stupaca.

1, ... , a11 stupce matrice A. Neka je r

Dokaz. Označimo s a1, ...am retke, a s a
broj linearno nezavisnih redaka, a s broj linearno nezavisnih stupaca.
Pretpostavimo (samo zbog jednostavnijeg zapisa) da je prvih r redaka matrice A
linearno nezavisno. To znači da se svi preostali mogu napisati u obliku linearne kom­
binacije vektora a1, ... , ar. Preciznije, vrijede sljedeće jednakosti za retke matrice
A:

ar ar,
ar+l =Ar+l ,la, + ... +Ar+I ,rar,

am = Am,1a1+...+ A,n,rar.

Izdvojimo j -tu komponentu u svakoj od ovih m vektorskih jednadžbi. Dobit ćemo

sljedeću jednakost:
o

l
+ ... + arj 1
"r+ l ,r

amj A,n,r

Drukčije (jednostavnije) zapisano:

� = a!jWJ + ... + arjWr.

Ova relacija govori da se svaki od stupaca matrice A može zapisati kao linearna kom­
binacija nekih vektora w1 1 • Wr . Zato je broj linearno nezavisnih stupaca manji ili
• • 1

jednak od r.
Time smo dokazali da vrijedi s :::::; r .
Obrnutu nejednakost ćemo dobiti ako još jednom prođemo kroz dosadašnji dokaz
i u svakoj prilici zarnijenimo riječ 'redak' sa 'stupac' i obratno. Istim postupkom,
zaključit ćemo da vrijedi i suprotna nejednakost, r :::::; s.
Time je teorem dokazan.
28 4. RANG I IN VERZ MATRICE

- · -

Netom dokazani teoremi imat će dalekosežne posljedice.

Kao ilustraciju, dokažimo jedan rezultat koji će nas uvesti u sljedeće poglavlje.

Teorem 1 4. Neka je A kvadratna matrica reda n. Jednadžba Ax = O ima

jedinstveno rješenje x = O ako i samo ako je A regularna matrica.

Dokaz. Umnožak Ax možemo napisati u obliku linearne kombinacije stupaca

matrice!

Ako je A regularna, tj. ranga n, svi su njezini stupci linearno nezavisni. Zato iz Ax = O
slijedi XJ = . . . = Xn = O .
Obratno, ako je x = O jedino rješenje sustava, tad ova linearna kombinacija može
iščezavati samo na trivijalan način pa su stupci matrice A linearno nezavisni. To znači
.da je njezin rang jednak n pa je matrica regularna.

Rang produkta matrica. Pokazali smo (u korolaru 1 2) da za regularnu matricu A vrijedi

rang (AB) = rang (B) . Iskažimo sad neke teoreme koji detaljnije opisuju vezu između ranga ma­
trica i ranga njihova umnoška. Pokažimo najprije obrat rezultata o umnošku regularnih matrica
(te orem 1 . 1) .

Teorem 1 5. (l) Ako je AB regularna matrica, tad su i A i B regularne.

(2) Ako je A singularna, tad su singularne i matrice AB i BA .

( )
Dokaz prve tvrdnje je, primjenom B inet-Cauchyjeva teorema trivij alan: det AB = det A · det B
i ako je lijeva strana različita od nule, to moraju biti oba faktora zdesna. Međutim, ovaj rezultat ka­
nimo upotrijebiti u alternativnom dokazu samoga Binet-Cauchyjeva teorema i stoga moramo dati
drukčiji dokaz.
Nadalje, primijetimo da su obje tvrdnje ekvivalentne. Da iz ( l) slijedi (2), očevidno je dokazom
po kontrapozicij i. Neka se čitatelj uvjeri da (2) također povlači ( l) .
Dokažimo drugu tvrdnju. Neka j e A singularna. Tad jednadžba Ax =O
i po istom teoremu slijedi
ima netrivijalno
rješenje x ofO (teorem 14). Množeći s matricom B dobivamo BAx =O
da BA nije regularna. Time je dokazan drugi dio druge tvrdnje. Što se prvoga tiče, primijetimo da je
A također singularna U er su njezini retci stupci matrice A , broj nezavisnih redaka od A T jednak
T
je broju nezavisnih stupaca od A tj . rangu matrice koji je manji od n . Po dokazanom prvom dijelu, i
matrica BT AT je singularna. K ako vrijedi BT AT= (AB) T , matrica AB je isto tako singularna.

- · -

Alternativna definicija ranga. U većini knjiga rang matrice definira se pomoću njezinih
rninora. Ta će definicija kod nas biti teorern:

Teorem 1 6. Rang matrice jednak je redu najveće minore različite od nule.

4.7. DODATNI TEOREMI O RANGU * 29

2: 2
[2
Tako na primjer, rang sljedećih matrica jednak je

A = -1 3
l -l 3 '
] B = [ -2 Jl -
3
-l 3
l 3
6
.

Obje one imaju minom različitu od nule, to je (na primjer) mi nora M = l i :::: �
matrice A jednak 2 . Rang matrice B nije veći od
cijele matrice - jednaka nuli.
2 stoga što je jedini minor reda 3
l · Zato je rang

- determinanta

DOKAZ TEOREMA. Označimo

r = rang (A) , rang matrice A ,
k = red najveće rninore različite o nule.
Trebamo pokazati da je r = k . Pokažimo najprije da vrijedi r � k . Po teoremu l l broj linearno
nezavisnih redaka i stupaca matrice A iznosi r. Izdvojimo r linearno nezavisnih redaka u matricu
A' . Po teoremu 1 3, broj linearno nezavisnih stupaca matrice A' je također r. Izdvojimo sad r

linearno nezavisnih stupaca u matricu A" . Dobili smo kvadratnu matricu reda r čiji su stupci, pa
zato i retci linearno nezavisni. Njen je rang zato r i matrica je regularna; zato joj je i determinanta
različita od nule. No, njezina je determinanta ujedno i minora reda r početne matrice. Dakle,
pronašli smo jednu ne-nul minom matrice A reda r i zato je r � k .
Pokažimo da vrijedi i obratna nejednakost. Neka postoji minora reda k različita od nule. Retci
te minore su linearno nezavisni, jer je ona punoga ranga. No, tad su sigurno linearno nezavisni i
(veći !) retci početne matrice koji ih sadrže. Zato je r :;;, k . Time je teorem dokazan.

- · -

Gore navedeni primjeri za ovakvu definicij u ranga mogu sugerirati da je računanje ranga po­
moću minora jednostavan posao. Ta je tvrdnja istinita (kao i kod drugih metoda koje uključuju
determinante) u teorijskim razmatranjima, matricama specijalnoga oblika, a općenito samo za matri­
ce maloga reda. Za matrica reda većeg od 3, ova je metoda uglavnom neefikasna: da bismo odredili
rang matrice reda 4, moramo izračunati (najprije) determinantu matrice, zatim ( ako je ona jednaka
nuli) determinante možda svih 1 6 minora trećega reda (dok ne nađemo neki koji je različit od nule) ,
a ako su svi jednaki nuli tad. . . •

- · -

Alternativni dokaz Binet-Cauchyjeva teorema. Dokažimo najprije da se svaka regularna

matrica može napisati u obliku produkta elementarnih matrica.
Neka je A regularna. Elementarnim transformacijama svodimo ju na jediničnu matricu, pošto
je AR = I . Iz jednakosti E, · · · E 1 A = I slijedi
1 1 1
A = (Er · · · E t ) - = E[ · · · E;:- .

Kako je inverz elementarne matrice ponovo elementarna matrica, tvrdnja je dokazana.

Trebamo dokazati formulu
det(AB) = det A · det B . ( 13)
Neka j e E bilo koja elementarna matrica. Pokažimo da u tom slučaju formula ( 1 3) vrijedi:
det(EB) = det E · det B. ( 1 4)
Tri su mogućnosti.
( l) E = Eij . Množenjem s ovom elementarnom matricom odgovara prvoj elemenatmoj
transformaciji: zamjeni redaka matrice B . Zato je det EiJ = -1 , det(EiJB) = - det B i ( 1 4)
vrijedi.

• Usprkos tome, mogu se pronaći knjige gdje se rang računa na ovaj način, čak i za matrice reda 5. Nemojte
ih zapaliti, ubacite ih u kontejner za stari papir.
30 4. RANG I INVERZ MATRICE

(2) E = E; (A) sad je det E;(A) = A . Matrica E; (A )B dobiva se množenjem i -tog retka
brojem A te je det(E;(A )B) = A det B i ( 1 4) ponovo vrijedi.
(3) E = E;j (A ) . Sad je det Eu(A) = l. Kako množenje s ovom matricom odgovara trećoj
elementarnoj transformaciji, determinanta matrice B ostaje nepromijenjena: det (Eu(A )B) = det B
i ( 1 4) ponovo vrijedi.
Time smo dokazali pomoćnu formulu ( 14). Dokažimo sad opći slučaj . Pogledajmo najprije
što se događa ako neka od matrica A i/ ili B nije regularna. Njena je determinata u tom slučaju
jednaka nuli. Umnožak AB , po teoremu 1 5, također nije regularna matrica i stoga je det(AB) = O
i jednakost u ( 1 3) vrijedi.
Pretpostavimo zato da je A regularna matrica. U tom se slučaju, po teoremu ?? ona može
prikazati u obliku umnoška elementarnih matrica: A = E 1 E2 · · · Er . Sad imamo, primijenjujući
uzastopno pomoćnu formulu ( 1 4) :

det(AB) = det (E1E2 · · · ErB)

= det(E I ) det(Ez · · · Er B)

= det(E I ) det(Ez) · · · det(Er) det(B)

Sad istu pomoćnu formulu ( 1 4) primjenjujemo na produkt determinanti elementarnih matrica:

det(EI ) det (Ez) · · · det(E,.) = det (E t ) det(Ez) · · · det(Er - I Er)

= det(E I ) det(Ez · · · Er)

= det(EI · · · Er) = det(A) .

Time je teorem dokazan.

- · -

Transformacije nad stupcima matrice. Elementarne transformacije možemo vršiti i nad

stupcima matrice. Svakoj transformaciji odgovara množenje matrice s odgovarajućom matricom
elementarnih transformacija s desne strane. Te matrice istoga su oblika kao i kod transformacija nad
retcima.
Za transformacije nad stupcima vrijede sva svoj stva kao i za transformacije nad retcima matrice.
Poj am po retcima ekvivalentne ima svoj analogon po stupcima ekvivalentne: matrice A i B su po
stupcima ekvivalentne ako postoje elementarne matrice E1 , . . . , Er takve da vrijedi
B = AE1 · · · Er.

Ako je matrica A tipa (m, n) i ranga r, onda ju elementarnim transformacijama stupaca ­

potpuno analogno kako je prij e rađeno s retcima matrice - možemo prevesti na oblik u kojem će
posljednjih nekoliko stupaca biti nul-vektori:
'
A = [a� , . . . , a�, O, . . . , O]
pri čemu su vektori a� , . . . , a� linearno nezavisni. Ovdje je r rang matrice.
Elementarne transformacije nad stupcima nisu pogodne u rješavanju linearnih sustava. Među­
tim, gornji oblik matrice predstavlja dokaz važnog teorema koji opisuje skup svih Iješenja linearnog
sustava i bit će dokazan (drugim metodama) u poglavlju 7. Iskažimo ga.

Teorem 17. Omačimo li s k broj nul-stupaca u gornjoj reduciranoj formi (tzv. defekt mat­
rice), tad je zbroj ranga i defekta jednak ukupnom broju stupaca:
r + k = n.
4.8. RIJEŠENI PRIMJERI 31

Zadatak 4. Zadana je matrica A =

[ 23 -2O 141 5 8J8 . Pomnoži je redom sa sljedećim ele-

mentarnim matricama:
l -l 4 2
E1 =
[ oO o O1 J ,
J Ez =
[ -2l O OJO ,
J
[ Ol Ol OJO ,
E3 =

E4 =
l[ ol o1O oOo J , Es =
ool
l[ O l OJO ,
l l[ O -3O1 oO0 J .
E6 =
l

ool ool o -1 l
Uvjeri se da su tim množenjima opisane elementarne transformacije dane u rješenju:

Rješenje. Računajući redom tražene umnoške dobivamo

-I
[ oO o O1 J [32 -O2 1145 88J [ 21 O 144 28 ] (prvizamjenjeni
A 1 = E1 A =
l ol oO O l l 14 24 2 J 3 -l 2 115 84 2 redaki treći ) ,
l
-l
=

Az = E2A 1 =
[ -2 l O J [ 2 -O 14 8 [ O -2 6 4 ] (prvidodanredakdrugom ) '
=
x (-2)
o1 o l 31 -21 1 45 2J8 3l -21 41 5 2J8
A3 = E3A2 =
[ O 0l 0O ] [ O -2 6 4 [ O -2 6 4 (prvidodanredaktrećem -3)) '
=
X (

A4 = E4A3 =
l[ O-310 o0O ] [ O1 3--21 246 1425 ] 8 [ Ol -o l1 43 223 J 2 (\podijeljen
l

=
l

drugi redak )
01 10 01 [ o -11 43 22 [ o1 1 34 2 s 2 '

[ O O1 ] oO' l1 33 22 ] O 01l 733 22 ] (dodan

=
drugi redak )
As = EsA4 =
0[ l 0 o o [ 0 4 [ 0l 0 4 J prvom '
l

)
AR = E6As =
oO - 1l Ol ] Oo' ll 373 22 ] Oo ol o37 2o (drugi
=
redak
dodan trećem
x (-ll ·

Zadatak 5. Matricu A =
[ -4O -24 -4l 6J2 svedi na reducirani oblik. Nakon svake trans-
l o oo
formacije odredi elementarnu matricu pomoću koje je ona dobivena (množenjem slijeva! ) .

Rješenje.

A =
[ -4O -24o -o4l o26] ,
l

A1 =
[ Ol 4O -4O OJ2 , E1 =
[ oOl ool oO1J ,
-l 4 O-2 O lO J6
A2 =
[ O 4 -4 2 , E2 =
[ 0l O1 OJ0 ,
o -2 l 6 4ol
 [ Ol ._tO OO J ,
32 4. RANG I INVERZ MATRICE

A3 =
o -2 l
[ 6 � -� � J , E3 =
o[l Oo OJl
Oo 2l Ol ,
6

A4 =
oo
[6 � J !J ,
[ Ol Ol -Ol !O J ,
-1 7
E4 =

[lOo Ool OJO ,

As =
o[ oO O l O J Es =

[l O OJ
Oo ol Ol - .!f ,
-7 -1

A6 =
l

-7
E6 =
ool
0 1 1 .

Izračunaj matricu E = E6EsE4E3E2E1 i uvjeri se matričnim množenjem da vrijedi AR = EA .

[ 2O -2l 5O J .
Zadatak 6. Zadana je matrica A =

umnožak B pritom korištenih elementarnih matrica.

o 2l Svedi je na reducirani oblik. Tzračunaj

Rješenje.

ol 2 l
[ 2O -2 5 J
[ oJ ool oOl l ,
A = 1 0 ,

[ oo -t2l jol ] ) b

[ ool o2l b'l l )

A1 = E1 =

[ ol ol OJJ
[ ool ool 'J ]
A2 = E2 = 0 1 0 ,

[ Ol Ol OJO ,
b )
o -2 l
[ l O OJ [ ool ool - lol ] .
A3 = E3 =

A4 =
ool
0 1 0 , E4 =

[ to -�2 -t].l
Neposrednim množenjem dobivamo:

B = E4E3 E2E 1 =

Uvjeri se množeći matrice da vrijedi BA = I.

Zadatak 7. Odredi inverz za opću matricu drugog reda [ � �J pretpostavljajući da je ona

regul arna.
4. 8 . RIJEŠENI PRIMJERI 33

Rješenje. Da bi ova matrica bila regularna a i e ne mogu istovremeno biti nule. Pretposta­
vimo neka je a =1- O (u protivnom zamijenimo prvi i drugi redak) . Proširimo matricu jediničnom i

0 1 J "' �ijelzmoredak a) "' [ d� �]

primjenjujemo elementarne transformacije:

bi l l a
l

[; d :
O
e
/'Vl f

)
o

"' (dodajemo
prvi redak x (-e)
drugom "' d-c!!. _E, [� !z.
a
a
.!.
a
a �]
"' (redak
dijelimo drugi)
s
ad�bc

(dodajemo
drugi redak ( �) x -
"'

[) l
O
�
l
[ 01
- ad-bc
.!.
a
e

d
ad-bc
a
o
ad-bc J
-�]
o :
a
"'
�
prvmn : - a/-bc ad-bc
l
==? [ e d
a b] -l
=
ad -
l d -b ]
bc [ -e a ·

Primijeti da je matrica [ � �J regularna ako i samo ako je ad - bc =1- O , l � � l =1- O . tj .

Zadatak

[� �]
8. Riješi matričnu j ednadžbu

u �] · X = .

Rješenje. J. način. Matrica X mora biti tipa 2 x 2 pa uzmimo X= [ � �J . Iz jednakosti

[ j � ] o [ � � ] = [� � ]

{ { b + 3d = 5,
izjednačavanjem odgovarajućih elemenata dobivamo dva sustava

a+3c 3, =

4c = 5 , 3b + 4d 9,
V" o v o
CIJa rJesenJ a su a = ,, e
3
=
3a +

4 , b = , , d 65' . S l "
, 7 =X = ;l [
3 J.
4
6
IJed'1
7
=

2. način. Jednakost AX = B A = [ � �J , B
za [ � �J , = množimo slijeva s A- l ( A je

regularna) pa imamo
A - 1 AX = A- 1B ==? X = A-1B.

Računamo A- l -� [ _j -i J paje
=
-3 3 3
X
= -H _j l ] [ 5 59 ] - ! [ 7 ] - 5 4
6
'

Zadatak 9. U zavisnosti o pararnetru A E

[ 3 7 1107 33 ] .
R nađi rang matrice

4
A 4
l l l
l
A=
2 2 4
34 4. RANG I INVERZ MATRICE

l[ 4 [ l 4 l
Rješenje. Ne traži se reducirana forma pa zbog jednostavnijeg računanja smijemo zamijeniti
stupce (to neće promijeniti rang matrice) :

4 ] -4
l 3 l 3
4 10 l A O 6 -lS A-12
A �
7 17 3 l � O 1 0 -2S -20

[ 8 i ll �i ] [ 8 i �s �4] ·
2 3 2 O 2 -S

�
A 2 �

o l o -2S -20 o o o o
Iz ovog oblika zaključujemo daje rang (A) = 2 ako je A = O te rang (A) = 3 inače.

Rješenje. A . Rang matrice jednak je redu najveće rninore koja je različita od nule. Kako je
za svaku vrijednost parametra a determinanta matrice jednaka nuli (prvi i drugi redak su proporci-
onalni), to je rang sigurno manji od 3. Međutim, deterrninanta minore l � � l iznosi 9, različita je
od nule i stoga je rang matrice 2 , neovisno o vrijednosti parametra a.
B. Determinanta matrice iznosi

Ova je determinantajednaka nuli samo za a = l , a = O i a = -2 . Za sve ostale vrijednosti

različita je od nule te je rang matrice jednak 3.
Za a = l sva su tri retka jednaka - rang matrice jednak je l. Za a = O, prva glavna minora
l l1 0 l
l
raz )'č'
1 1ta od nul e teJe
. rang Je .
. dnak 2. za a = - 2 Ista mmora tznost .
_l t rang Je ponovo. . 1 11 2 l. .

jednak 2.

[
Zadatak 1 1. U ovisnosti o parametru

l -A.
l
l
2 3
2-A 3 . . .
A E R nađi rang matrice
...

2 3 -1.. . . .
n
n
n
l .

� 2 ·�· n-A.

Rješenje. Za A. = O taj je rang očevidno l , pošto su svi retci ( i stupci) proporcionalni te je svaka
mi nora reda 2 jednaka nuli.
Da odredimo rang matrice za preostale vrijednosti, izračunat ćemo njenu determinantu. Odu­
zimajući prvi redak od svih preostalih dobivamo determinantu:
1 -A 2 3 n
A. -A o o
tl =
A. o -A. o

A. o o -A.
4090 ZADACI ZA VJEŽBU 35

Dodajmo sada sve stupce od drugoga do posljednjeg prvom stupcu:

2 3 * n
O -A O O
� = O O -A O

O O O -A
gdje se na mjestu zvjezdice nalazi element

n (n + l )
( 1 - A ) + 2 + 3 + . . o + n = -A + 2
o
Determinanta je stoga j ednaka umnošku

� = n (n ( ; l ) - A } -Ar- I
i jednaka je nuli samo za A=O i za
nn
A= ( ; l
) o U prvom slučaju rang je jednak l , a u drugom

n- lo n- l A
� l )n o)
on iznosi Naime, glavna rninora reda za ovu vrijednost broj a različita je od nul e !
n
( Ona je j ednaka nuli ako j e A= ( Za sve ostale vrijednosti A rang je no

1. Nađi rang matrica:

A.
[ � -6 J; D
[ -� -� n
. ;

E.
[l3 --2-4 48] ;
4 -6 12 F. o43 o9 rl -� �10
[-1l 22 03 -11 4]5 ; G.
oo oo --1�l �2o 33

[-1l l�7 l!9 j].8 r -24! -l� -l43 �l;5l

2. Nađi rang matrica:

A. [ 4j l 5 �l;o
-i � B.
e.

r�22 !73 -�73 14�1;6 r-�43 --2�2 -3-1-� !o6 -�l;-3l

-2

F.
E.

G.
[2l 2 24 -35 6l 27 ]
-2
35 10l 186 -72 105 159 ' o
H. r �3 1 i3 !l -l-t =7� 10 1
-l 3 -l 7 o 2
 4. RANG J JNVERZ MATRICE

A l;
36

B. 2, E R je rang matrice [-� 1 � l jednak A.

A � 1 �� �!l
3. Za ko}e vrije?nosti parametra -
e. 3 ? -6

[
3 -3

A l 2
E R tako da rang matrice

A[ +l � �l; , B. [ �l A}� l; [2ll -11A0 -l}, 25l l .

4. Odredi parametar bude 3 .
3

5. U ovisnosti o parametru ) E R odredi rang matrice

A. �
. -1 l e.

[ � � i J [ -i -l� l
-6 O A, 2 2
l -6

6. Provjeri direktno na matricama A =

- i B = da za rang vrijede

nejednakosti r(A B) :'::: r(A) i r(A B) :'::: r( B) .

- · -

[�5 -2� �l B. [� =j-5 -1i l [ �l �5 ! l ,

7. Izračunaj (Cramerovim pravilom) inverz sljedećih matrica:

[ 2 2l -22 l [ �l -1� -�l -�l-1 .

A. , , e.

2 -2 l
-3 3 3

l -1 -1 l
l
D. , E.

8.

[ il � J2; 5
Izračunaj inverznu matricu za matrice:

B. [-��l n-2; [2 5 l J
[
[ ll -2- l [ -1 2 53 l ;
A. e.
sin a cos a

l -1
- cos a sin a '
o
D. -3 3 ; E. 4 o F. o 7 3 .

�[ l � � �l ,
l 3

[� l I �l l ·
o

B. [� l �l �l l
9. Odredi inverz sljedećih matrica:

A. e.

l[ ll ll -1ll -1-1l l ; � -1l 2 l

,

[� � ! �2 �2l ] .
o o o o o o o o

l -1 -1 l
���
D. -1

[ l
E. O O 3 4 ; F.

2
-�
o o 3 o o o

[� � �2 1l2 ];
o o o 3 o o o o

B. [i2 �2 �2 �l;1
1 O. Odredi inverz sljedećih matrica:

A.

o o o
 [ ] [l
4.9. ZADACI ZA VJEŽBU 37

1 1 . Izračunaj inverz matrica reda n :

l l l l

:J; [j l l
l o l l

::� :
o l l ... l o l o l
A. ; B. o o l e. l o

o o o o
X:
[l ] [ - 1 5 ] ;
1 2. Izračunaj nepoznatu matricu
A.
-2 X = 3 4
3 4
B.

e.

D.
[l l l l [l l 2 3 "

: � � "�:
o l l l O 2 ... n-l

::� l
l
X �

1 3. Pokaži da dijagonalna matrica reda n sa elementima d1 , dz, . . . , d" na dijagonali ima

inverz ako i samo ako je d; =!= O, Vi . Kako glasi njen inverz?
1 4. Kako se mijenja inverz matrice ako u matrici:
A. zamijenimo i-ti i j-ti redak ;
B. pomnožimo i-ti redak s A;
e. i-tom retku dodamo j-ti pomnožen s A.
1 5. Dokaži da je inverz simetrične matrice simetrična matrica, antisimetrične matice anti­
simetrična.
1 6. Matrična se jednadžba ne smije skraćivati. Odredi primjer matrica A =/= O i B =/= C
drugoga reda takvih da je A B= AC . Što se događa ako je A regularna?
1 7. Ako matrica A zadovoljava jednadžbu A2 +A + I= O onda je regularna. Dokaži !
Kako glasi njen inverz?
1 8. Matrica je idempotentna ako je A2 = A . Dokaži da je idempotentna matrica regu­
larna onda i samo onda ako je jedinična.
1 9. Neka su A i Bmatrice sa svojstvom 2A - B= I. Dokaži da je matrica A idempo­
tentna onda i samo onda ako je matrica B involutorna (vrijedi B2 = I) .
20. Ako za matricu A vrijedi Ak = O ( A je nilpotentna) , pokaži da je I- A regularna
te da vrijedi
(1 -A) - 1 = I+A +A2 + . . . +Ak - l .

2 1 . Dokaži da vrijedi: A. (A B) - 1 = B- 1 A - l ; B. (A- l )k = (Ak) - 1 , k E N . Opovrgni :

e. (A + B) - 1 = A - 1 + B- 1 .
38 4. RANG J INVERZ MATRICE

22. Ako matrice A i B komutiraju dokaži da i A , B , A - l , B- 1 komutiraju sve među­

sobno.

23. Neka je J (t) po linom u t . Dokaži daje J (S- 1 AS) = s-1/ (A)S za regularnu matricu
S E Mn i bilo koj u matricu A E Mn .
24. Dokaži da za ortogonalnu matricu A ( AA T = A T A = I) vrijedi :
A. matrica A - I također ortogonalna;

[ J.
B. produkt ortogonalnih matrica je ortogonalna matrica;

e. .
matnca
cos a - sin a
.
sm a cos a
Je ortogonalna.

25. Za kompleksnu matricu A definiramo konjugiranu matricu A na način (A) u = au ,

gdje je au kompleksno konjugirani broj broju au . Također definiramo adjungiranu
matricu A* na način A* (A)T . =

Za matricu U kažemo da je unitarna ako vrijedi UU* = U* U = I. Dokaži sljedeće:

A. Ako je U unitarna matrica onda je u- 1 također unitarna;
B . produkt unitarni h matrica je unitarna matrica.

26. Ako matrica posjeduje neka dva od sljedećih svoj stava

( l ) A je simetrična,
(2) A je ortogonalna,
( 3 ) A je involutorna ( vrijedi A2 = 1),
onda nužno posjeduje i treće.

Odgovori i rješenja

1. A. 2; B. e. 2 ; D. 2 ; E. 2 ; F. 2 ; G. 5 .
1. ,

2. A. 2; B. 2 · e. 3 ; D. l ; E. 2 ; F. 4 ; G. 2 ,·
, H. 5 .
3. A. A = -4; B. A =l --4; e. ne postoji takav A E R .
A =l - ! .
.
4.

5. A. Za A = 3 rang matrice je 2 , a za A 3 rang je 3 B . Za l l

2 . e. Za A = 3 rang je 2 , za A =1 3 =lrang je 3 .
A= l rang je , za A =l
rang je

- · -

7. A. [ -3� 4l -3!] ; B.
-
[ =� t� �� ] ; e. �
[-7 -3 - ]
5
6 l
-1 ;
27 -29 24 l -3 l 3 3
[ ll -_ tl - t =l] .
-6

D. � [� _i
2 2 l
-�J ; E. t
-] l
 r 0 0 ? 01 1 [ 1 -11 ] [ 1 -11 -11 -11 ]
4.9. ZADACI ZA VJEŽBU 39

1
o o
B. e.
o o o
; o

r -1 1 r 1
�

[ -1_ 1 _1{ -_ l]·1

9· A. O O O ; O O l O O O l -l ;
� o o o o o -l l o o o

!O -!O � -9� �l · � 1� -! � �
l

D
� � E. 16 F. 64
. 4
l l 6 l O O 16 O O .
,
-7
,

� [-� � J �l [ J -� -l =t ] .
1
l -1 l o o 6 o o o 32 - 1 6

[� ! � �l
o o -2 3 s o o o o 32

1 0. A .

r, -1
o o o l

_, .
; B.
2
-

-12

l
2

-1
-S

l -l
; e.
l
( l )n 1
- -
l o

:1
o l o -l (- 1)"- 2
B.
1 1 . A. o o l o o -l ( - l ) n -3

o o o
o o o o ...

r-: j
l l
-l o
e.
o -l

10 -
o

J
r l l l ... l
o l l ... l
]
l
1 2 . A. m
[
26
7
] B.
l o
[
s
e. 3'0 [ 4sl S - 13u ] ;
l D.
o o l l
·. : : ·
;
- lo m o -s ;
.
:
o o o . . l

13. Matrica i ma inverz ako i samo ako j e njena deterrninanta različita od nule p a j e D invertibilna
ako i samo ako su svi di različiti od nule. Njen inverz je također dij agonalna matrica sa elementima
a,,
1 iii
1 , .
. . , a;;1 !J agonal'L
na d"

1 4. A. U inverznoj matrici se zamijene i-ti i j-ti stupac; B . i-ti stupac se podijeli sa A ; e. od j-tog
stupca se oduzme i-ti podijeljen s A.
15. Iz jednakosti AA - 1 = I transponiranjem j e (A- l ) T A T = I . A j e s i metrična pa je
(A- 1 ) T A = I . Množenjem zdesna s A-1 je (A - J ) T = A-1 tj . i matrica A- 1 je simet­
rična. Slično i za antisi metričnu.

1 6. Npr. A = [6 �] , B = [� �] , e = [� � J . Ako je A regularna postoji A - 1 . Pomnožimo

Jednakost AB
= AC slijeva s A - I . Imamo A-1 AB
= A - I AC , tj . m = IC . Slijedi B= C.
Dakle, smijemo kratiti samo sa regularnim matricama!

1 7. Iz uvjeta je I = - A - A2 = A ( -I - A) = (-I - A)A , dakle A - I = I - - A.

- -
1 8. Pretpostavimo da je i dempotentna matrica regularna. Znači da postoji A - J pa po množi mo s
nj om zdesna jednakost A 2 = A . Dobije se A2 A - I = AA -I ===> A = I. Obrat je očigledan, jer
je jedinična matrica i idempotentna i regularna.
1 9. Neka je matrica B = 2A I involutoma {==:> B2 = I {==:> (2A I) 2 = I {==:>
4A 2 - 4A + I = I {==:> 4A 2 = 4A {==:> A2 = A {==:> A je idempotentna.
40 4. RANG I TNVERZ MATRICE

20. Direktno provjerom

(I - A) (I + A + A2 + . . . + Ap -J ) = (I + A + A2 + . . . + Ap- J ) (I - A)
= I - A + A - A2 + . . . + Ap- J - AP = I - AP = l

21 . A. AB(B- J A - J ) = ABB- J A - 1 = AIA - 1 = AA- 1 = I , slično je i B - 1 A - 1 AB = I pa

slijedi (AB) - 1 = B- J A - J . B . Lako se provjeri indukcijom po k . e. Kontraprimjer: uzmimo
A = I i B = 21 . Vrijedi (A + B)-J = t l , A - l + B-J = � I .

22. Iz jednakosti AB = BA invertiranjem j e B - l A - l = A - l B - 1 .

Množeći početnu jednakost zdesna i slijeva s B-1 je B-J ABB - J = B - 1 BAB- 1 ===;.
B- 1 A = AB- J .
Slično, množenjem zdesna i slijeva s A - l dobije se A - l B = BA - l .

23. Naputak: dokaži prvo (S- 1AS)m = s - J AmS '<lm E N .

24. A. Dokažimo prvo da vrijedi (AT ) - 1 = (A- J ) T . To je istina zbog A T (A- l ) T =

AT (A T ) T = AT A = I , slično je i (A - J ) T A = I paje A - J također ortogonalna. B. Neka su A
i B ortogonalne. Tada je (AB) (AB) T = ABB T A T = AlA T = l . Također je i (AB) T (AB) = l
pa je AB ortogonalna. e . Lako, provjerom.

25. Slično kao u prethodnom zadatku je A. u-J (U- J ) * = U* (U* ) * = U* U = I i analog­

no (U- J ) *u-J = l . B. Vrijedi UtUz(UtU2 ) * = U U2UžUj = U1 1Ui = l , a također i
1
(UtU2 )*U t U2 = l .

26. Svojstvo ( l) je ekvivalentno sa A = A T , Svojstvo (2) je ekvivalentno sa AAT = A T A = I ,

tj. A - l = A T , Svojstvo ( 3) je ekvivalentno sa A2 = I , tj. A - l = A . Lako se vidi da bilo koja
dva od svojstava ( l) A = A T (2) A T = A - 1 , (3) A -1 = A , povlače treće.
,
 4. DOMAĆA ZADAĆA IZ MATEMATIKE 1

— 2009. —
 
3 1 −1 2
1. Matricu 1 0 0 0 svedi na reducirani oblik. Nakon svake transformacije od-
0 2 −2 9
redi elementarnu matricu pomoću koje je ona dobivena množenjem slijeva. Odredi
i rang ove matrice.
2. Odredi rang matrice
⎡ 1 0 −1 0 3 ⎤
⎢ 1 1 0 3 2⎥
⎢ 4 1 −3 3 9 ⎥
⎣ ⎦.
−1 1 2 3 5
−1 0 1 0 3
3. U zavisnosti o realnom parametru λ odredi rang matrice
 
1 3 3 2
−1 −3 λ λ .
2 6 6 λ
4. U zavisnosti o realnom parametru λ odredi rang matrice
⎡ ⎤
λ 1 1 1
⎢1 λ 1 1⎥
⎣ 1 1 λ 1 ⎦.
1 1 1 λ
5. U zavisnosti o realnom parametru λ odredi rang matrice
⎡ ⎤
1−λ 2 3 4
⎢ 1 2−λ 3 4 ⎥
⎣ 1 .
2 3−λ 4 ⎦
1 2 3 4−λ
6. Odredi inverz matrice  
2 1 3
2 4 0 .
0 3 1
7. Odredi inverz matrice ⎡ ⎤
1 −1 1 0
⎢ 0 1 −1 1 ⎥
⎣ 0 0 1 −1 ⎦.
0 0 0 1
8. Odredi inverz matrice ⎡ ⎤
1 1 0 0
⎢1 1 1 0⎥
⎣0 .
1 1 1⎦
0 0 1 1
 9. Odredi inverz matrice ⎡ ⎤
1 2 0 1
⎢ −1 3 −1 2 ⎥
⎣ 0 2 0 1 ⎦.
1 −1 0 −1

10. Odredi inverz matrice ⎡ ⎤

0 0 9 4
⎢0 0 11 5⎥
⎣3 .
2 1 2⎦
7 5 2 5

11. Zadane su matrice

   
1 −1 1 1 0 0
A= 0 1 −1 , B= 0 2 0 .
0 0 1 0 0 3

n
Izračunaj A−1 BA gdje je n ∈ N .

12. Ako za regularne matrice A, B, X ∈ Mn vrijedi AX−1 B−1 = BA−1 , izrazi X

pomoću A i B i njihovih inverza , te det X pomoću det A i det B . Ako je
det A = 6 i det B = 9 koliko je det X ?
13. Zadane su matrice
   
1 2 −2 1 0 1
A= 0 1 1 i B= 1 0 2 .
1 0 3 0 1 0
Provjeri da je A regularna matrice, te potom riješi matričnu jednadžbu:
XA−1 = B.

14. Zadane su matrice

   
1 2 0 1 0 1
A= 0 0 1 i B= 1 0 2 .
1 0 0 0 1 0
Provjeri da su to regularne matrice, te potom riješi matričnu jednadžbu:
(AX−1 B)−1 = AB.
- sve matrice X koje zadovoljavaju jednadžbu:
15. Nadi

−1  −1
X A = I + BX.
ako je  
1 2 2 −2
A= i B= .
3 7 −3 3

 −1
−1  
16. Vrijedi li A = A za svaku kvadratnu matricu A ? Obrazloži !
 ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 2 4
⎢0⎥ ⎢1⎥ ⎢1⎥
17. Jesu li vektori ⎣ ⎦ , ⎣ ⎦ , ⎣ ⎦ linearno nezavisni?
1 3 5
2 7 1
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 2 −2
⎢ 1 ⎥ ⎢ 1 ⎥ ⎢ 3 ⎥
18. Jesu li vektori ⎣ , , linearno nezavisni?
0 ⎦ ⎣ −3 ⎦ ⎣ 2 ⎦
−2 4 1
     
−3 2 11
19. Jesu li vektori 0 , −1 , −2 linearno nezavisni?
2 4 −2
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 2 4
⎢ 2 ⎥ ⎢ −1 ⎥ ⎢ 3 ⎥
20. Za koji a su vektori ⎣ ⎦ , ⎣ , linearno nezavisni?
3 3 ⎦ ⎣9⎦
1 1 a
 Rješenja 4. domaće zadaće iz Matematike 1
     
1 0 0 0 0 1 0 1 0 0
1. Ar = E3 E2 E1 A =  0 1 −1 2 , gdje je E1 =  1 0 0 , E2 =  −3 1 0 
 0 0 0 5 0 0 1 0 0 1
1 0 0
i E3 = 0 1 0 . r(A) = r(Ar) = 3.

0 −2 1

2. r(A) = 3

3. Za λ ∈ {−3, 4} je r(A) = 2, za ostale λ je r(A) = 3.

4. Za λ = 1 je r(A) = 1, za λ = −3 je r(A) = 3, a za ostale λ je r(A) = 4.

5. Za λ = 0 je r(A) = 1, za λ = 10 je r(A) = 3, a za ostale λ je r(A) = 4.

 1 1 1

6 3
− 2
1 1 1 
6. A−1 =  − 12 12 4
1
4
− 14 41
 
1 1 0 −1
 0 1 1 0 
7. A−1 = 
 0 0 1 1 


0 0 0 1
 
1 0 −1 1
 0 0 1 −1 
8. A−1 = 
 −1 1

0 0 
1 −1 0 1
 
1 0 −1 0
 −1 0 2 1 
9. A−1 = 
 0 −1 1 −1 


2 0 −3 −2
 
−5 4 5 −2
 16 −13 −7 3 
10. A−1 =  
 5 −4 0 0 
−11 9 0 0

1
 n
11. Vrijedi (A−1 BA) −1 n
 = A BA, n ∈ N.  
1 1 0 1 0 0
Kako je A−1 =  0 1 1  i B n =  0 2n 0  slijedi da je
0 0 1 0 0 3n 
1 −1 + 2n 1 − 2n
−1 n −1 n
(A BA) = A B A =  0 2n −2n + 3n 
0 0 3n

12. X = B −1 AB −1 A = (B −1 A)2
detA 2
= 49


⇒ detX = detB

13. detA = 7 ⇒A je regularna


2 2 1
X = BA =  3 2 4 
0 1 1
14. detA = 2, detB = −1 ⇒ matrice su regularne

10 8 0
X = BABA = (BA)2 =  12 10 0 
0 0 1
 1 
−1 −1 0
15. X = (A − B) = 5
0 − 12

16. (A−1 )T · AT = (AA−1 )T = I T = I

AT · (A−1 )T = (A−1 A)T = I T = I
⇒ zbog jedinstvenosti inverza je (AT )−1 = (A−1 )T
 
1 2 4
 0 1 1 
17. Rang matrice  1 3 5  je 3 ⇒ vektori su linearno nezavisni.


2 7 1
 
1 2 −2
 1 1 3 
18. Rang matrice  0 −3 2  je 3 ⇒ vektori su linearno nezavisni.


2 4 1
 
−3 2 11
19. Rang matrice  0 −1 −2  je 3 ⇒ vektori su linearno nezavisni.
2 4 −2

2
  
1 2 4
 2 −1 3 
20. Za a = 3 rang matrice   3 3 9  je 2, pa su vektori linearno zavisni, a za


1 1 a
a 6= 3 je rang matrice jednak 3, pa su vektori linearno nezavisni.