Uvod U Linearnu Algebru - Skripta

Sadr
zaj
1 Linearne jedna
cine
1.1 Polje . . . . . . . . . . . . . . . . . .
1.2 Polje komleksnih brojeva . . . . . . .
1.3 Sistemi linearnih jednacina . . . . .
1.4 Matrice. Elementarne transformacije
1.4.1 Zadaci: . . . . . . . . . . . .
1.5 Proizvod matrica . . . . . . . . . . .
1.6 Invertibilne matrice . . . . . . . . . .
1.6.1 Zadaci . . . . . . . . . . . . .
1.7 Determinante drugog i treceg reda .
1.7.1 Zadaci . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
3
5
7
18
19
27
32
33
37
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
39
39
39
41
42
43
45
48
51
52
52
57
61
64
3 Analiti
cka geometrija u prostoru
3.1 Tacka u prostoru. Djeljenje duzi u datom omjeru . . . . . . . . . . . .
3.2 Opsti oblik jednacine ravni . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Razliciti oblici jednacine ravni . . . . . . . . . . . . . . . . . . . . . . .
67
67
68
70
. . .
. . .
. . .
vrsta
. . .
. . .
. . .
. . .
. . .
. . .
2 Vektori u ravni i prostoru

2.1 Uvod . . . . . . . . . . . . . . . . . . .
2.2 Orijentisane duzi . . . . . . . . . . . .
2.3 Vektori . . . . . . . . . . . . . . . . . .
2.3.1 Modul, pravac i smjer vektora .
2.3.2 Sabiranje vektora . . . . . . . .
2.3.3 Mnozenje vektora skalarom . .
2.3.4 Linearna kombinacija . . . . .
2.3.5 Linearna zavisnost vektora . .
2.3.6 Koordinatni sistem . . . . . . .
2.3.7 Skalarni proizvod . . . . . . . .
2.3.8 Vektorski proizvod . . . . . . .
2.3.9 Mjesoviti proizvod vektora . .
2.3.10 Zadaci . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

SADRZAJ
ii
. . . . .
vektoru
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
70
72
73
73
74
74
75
76
78
79
80
81
82
83
84
84
85
87
4 Krive drugog reda

4.1 Opsta jednacina krivih drugog reda . . . . . . . . . . . . . . . . . . . .
4.2 Krive sa centrom . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Krive bez centra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
91
91
93
96
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
3.12
3.13
3.14
3.15
3.3.1 Normalni oblik jednacine ravni . . . . . . .

3.3.2 Jednacina ravni kroz jednu tacku normalna
3.3.3 Jednacina ravni kroz tri date tacke . . . . .
3.3.4 Segmentni oblik jednacine ravni . . . . . . .
3.3.5 Parametarske jednacine ravni . . . . . . . .
Rastojanje tacke od ravni . . . . . . . . . . . . . .
Ugao izmedu dvije ravni . . . . . . . . . . . . . . .
Jednacina pramena ravni . . . . . . . . . . . . . .
Opsti oblik jednacine prave u ravni . . . . . . . . .
Prava u prostoru . . . . . . . . . . . . . . . . . . .
Jednacina prave kroz dvije tacke . . . . . . . . . .
Prava kao presjek dvije ravni . . . . . . . . . . . .
Ugao izmedu dvije prave . . . . . . . . . . . . . . .
Uslov presjeka dvije prave . . . . . . . . . . . . . .
Ugao izmedu prave i ravni . . . . . . . . . . . . . .
Medusobni polozaj prave i ravni . . . . . . . . . .
Medusobni polozaj dvije ravni . . . . . . . . . . . .
3.15.1 Zadaci . . . . . . . . . . . . . . . . . . . . .
. .
na
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. . . .
datom
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
5 Vektorski prostor
5.1 Vektorski prostor . . . . . . . . . . . . . . . .
5.2 Potprostor . . . . . . . . . . . . . . . . . . . .
5.3 Baza i dimenzija vektorskog prostora . . . . .
5.3.1 Zadaci . . . . . . . . . . . . . . . . . .
5.4 Koordinate . . . . . . . . . . . . . . . . . . .
5.4.1 Zadaci . . . . . . . . . . . . . . . . . .
5.5 Zavrsno razmatranje o v-ekvivalenciji matrica
5.5.1 Zadaci: . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
99
99
102
107
116
117
121
122
124
6 Linearna preslikavanja
6.1 Linearna preslikavanja . . . . . .
6.1.1 Zadaci . . . . . . . . . . .
6.2 Algebra linearnih preslikavanja .
6.2.1 Zadaci . . . . . . . . . . .
6.3 Matrica linearnog preslikavanja .
6.4 Prelazak sa jedne baze na drugu
6.4.1 Zadaci . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
127
127
134
135
142
144
147
149
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

SADRZAJ
6.5
6.6
6.7
iii
Linearni funkcionali . . . . . . . . . .
Dualni prostor dualnog prostora . . .
6.6.1 Zadaci . . . . . . . . . . . . . .
Transponovana linearna preslikavanja .
7 Polinomi
7.1 Algebra polinoma . . . . . . . . . .
7.2 Lagranzova interpolaciona formula
7.3 Ideali algebre polinoma . . . . . .
7.4 Faktorizacija polinoma . . . . . . .
7.4.1 Zadaci . . . . . . . . . . . .
.
.
.
.
.
8 Determinante
8.1 Komutativni prsten . . . . . . . . . .
8.2 Determinantna funkcija . . . . . . .
8.2.1 Zadaci . . . . . . . . . . . . .
8.3 Jedinstvenost determinantne funkcije
8.3.1 Zadaci . . . . . . . . . . . . .
8.4 Jos neke osobine determinanti . . .
8.4.1 Kramerovo pravilo . . . . . .
8.4.2 Zadaci . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
152
159
163
163
.
.
.
.
.
167
167
171
174
181
184
.
.
.
.
.
.
.
.
187
187
188
192
194
198
198
204
205
iv
SADRZAJ
Glava 1
Linearne jedna
cine
1.1
Polje
Mi pretpostavljamo da su citaocu poznate osnovne algebarske osobine relanih i kompleksnih brojevima. Tu se prije svega misli na osobine sabiranja i mnozenja realnih,
odnosno kompleksnih brojeva. Oznacimo sa F skup realnih ili kompleksnih brojeva.
Tada vrijedi:
1. Skup F je zatvoren u odnosu na sabiranje, tj. za svako a, b F je a + b F.
2. Sabiranje je komutativno, tj. za svako a, b F je a + b = b + a.
3. Sabiranje je asocijativno, tj. za svako a, b, c F je
a + (b + c) = (a + b) + c.
4. Postoji jedinstven element 0 F takav da za svako a F vrijedi
a + 0 = 0 + a = a.
5. Za svako a F postoji jedinstven element a F takav da je
a + (a) = (a) + a = 0.
6. Skup F je zatvoren u odnosu na mnozenje, tj. za svako a, b F je a b F.
7. Mnozenje je komutativno, tj za svako a, b F je a b = b a.
8. Mnozenje je asocijativno, tj. za svako a, b, c F je a (b c) = (a b) c.
9. Postoji jedinstven element 1 F takav da za svako a F vrijedi 1a = a1 = a.
1

GLAVA 1. LINEARNE JEDNACINE
10. Za svako a F, a = 0 postoji tacno jedan element a1 F takav da je

a a1 = a1 a = 1.
11. Mnozenje je distributivno u odnosu na sabiranje, tj. za svako a, b, c iz F je
a (b + c) = a b + a c,
(a + b) c = a c + b c.
Pretpostavimo sada da je F skup objekata x, y, z, . . . i neka je na skupu F definisano preslikavanje
s:F F F
koje uredenom paru (x, y) F F pridruzuje tacno jedan element
s(x, y) = x + y F.
Ovako definisano preslikavanje nazivamo operacijom sabiranja u skupu F ili krace
sabiranje u F. Neka je, takode, definisano preslikavanje
m:F F F
koje uredenom paru (x, y) F F pridruzuje tacno jedan element
m(x, y) = x y F.
Ovo preslikavanje nazivamo operacijom mnozenja u skupu F ili krace mnozenje u F.
Ako ove operacije zadovoljavaju osobine 1. do 11, onda za uredenu trojku (F, +, )
kazemo da je polje. U daljem tekstu elemente polja cemo nazivati skalarima.
Primjer 1.1.1. Neka je N skup prirodnih brojeva i Z skup svih cijelih brojeva. Posmatrajmo
skup
Q=
U skupu Q definisimo
m
| m Z, n N .
n
m p
mq + np
+ =
n
q
nq
m p
mp
=
.
n q
nq
Jednostavno se provjerava da je (Q, +, ) polje. Ovo polje nazivamo polje racionalnih brojeva.
Primjer 1.1.2. Uredena trojka (Z, +, ), gdje je Z skup cijelih brojeva nije polje. Naime,
od 11 uslova polja ispunjeni su svi osim uslova 10.
1.2. POLJE KOMLEKSNIH BROJEVA
1.2
Polje komleksnih brojeva
U polju realnih brojeva neke jednacine, kao naprimjer jednacina x2 + 1 = 0, nemaju

rjesenje u skupu realnih brojeva. Zbog toga je potrebno polje realnih brojeva, na
izvjestan nacin, prosiriti. Zbog toga se uvodi polje kompleksnih brojeva u kojem svaki
polinom ima bar jednu nulu. Polje kompleksnih brojeva sadrzi polje realnih brojeva.
Sa pojmom kompleksnog broja citalac se sreo u drugom razredu srednje skole.
Prisjetimo se operacija sa kompleksnim brojevima i nekih njihovih osobina.
Kompleksan broj je z = a + ib, gdje su a i b realni brojevi, a se zove realan dio, a
b imaginaran dio kompleksnog broja, i je imaginarna jedinica.
Neka je u = a + ib i v = c + id. Definisemo:
(a) a + ib = c + id ( a = c i b = d.
(b) (a + ib) + (c + id) = (a + b) + i(c + d).
(c) (a + ib)(c + id) = (ac bd) + i(bc + ad)
Svaki realan broj a se moze napisati u obliku a = a + i 0. Imaginarna jedinica se
moze napisati u obliku i = 0 + 1 i. Tada je
i i = (0 + 1 i) (0 + 1 i) = (0 0 1 1) + i(0 1 + 1 0) = 1.
Dakle, imaginarna jedinica ima osobinu i2 = 1.
Realan broj 0 posmatran kao kompleksan broj je neutralan element za sabiranje
kompleksnih brojeva. Realan broj 1 posmatran kao kompleksan broj je neutralan
element za mnozenje kompleksnih brojeva. Neka je a + ib kompleksan broj. Tada
je kompleksan broj (a) + i(b) njegov inverzni broj u odnosu na sabiranje. Ako je
a + ib nenulti kompleksan broj, onda je kompleksan broj
a2
a
b
i 2
2
+b
a + b2
njegov multiplikativni inverz. Dakle, vrijedi

Teorem 1.2.1. Skup svih kompleksnih brojeva je polje.
Konjugovan broj kompleksnog broja a + ib je kompleksan broj a ib. Konjugovan
broj broja z oznacavamo sa z.
Teorem 1.2.2. Neka su z i w kompleksni brojevi. Tada vrijede sljedece tvrdnje.
(a) z = z.
(b) z + w = z + w.

4
(c) z w = z w.
(d)
z
w
z
w
.
(e) z je realan broj ako i samo ako je z = z.

Dokaz teorema se prepusta citaocu.
Definicija 1.2.3.
Neka je z = a + ib kompleksan broj, gdje su a i b realni brojevi.
Realan broj a2 + b2 naziva se modul kompleksnog broja i oznacava se sa |z|.

Primjetimo da je
z z = (a + ib) (a ib) = a2 + b2 = |z|2 .
Teorem 1.2.4. Neka su z i w dva kompleksna broja i w = 0. Tada vrijede sljedece
tvrdnje.
(a) |zw| = |z| |w|.
(b)
z
w
|z|
|w| .
(c) |z + w| |z| + |w|.

(d) |z| |w| |z + w|.
Dokaz. (a) Imamo
|zw|2 = (zw) zw = (zw)(
z w)
= (z z)(ww)
= |z|2 |w|2 = (|z| |w|)2 ,
tj. |zw| = |z| |w|.
(b) Primjenom tvrdnje (a) na kompleksan broj
z
w
w dobije se tvrdnja pod (b).
(c) Za proizvoljan kompleksan broj x = a + ib vrijedi:
x+x
= (a + ib) + (a ib) = 2a 2|a| = 2 a2 2 a2 + b2 = 2|x|.
Specijalno za x = w
z imamo
z 2|w
z | = 2|w| |
z | = 2|z| |w|.
w
z + w
Dakle,
w
z + wz
2|z| |w|.
Nadalje, imamo
|z + w|2 = (z + w)(z + w) = (z + w) (
z + w)
= (z z) + (w
z + wz)
+ (w w)
|z|2 + 2|z| |w| + |w|2 = (|z| + |w|)2 .

1.3. SISTEMI LINEARNIH JEDNACINA
Dakle,
|z + w| |z| + |w|.
(d) Imamo
|z| = |(z + w) w| |z + w| + | w| = |z + w| + |w|.
Dakle,
|z| |w| |z + w|.
1.3
Sistemi linearnih jedna

cina
Neka je F polje. Sada cemo razmotriti problem nalazenja n skalara

x1 , x2 , . . . , xn F
koji zadovoljavaju uslove
A11 x1
A21 x1
..
.
+
+
A12 x2
A22 x2
..
.
+
+
Am1 x1 + Am2 x2 +
A1n xn
A2n xn
..
.
=
=
y1
y2
..
.
(1.3.1)
Amn xn = ym
gdje su y1 , y2 , . . . , ym i Aij , 1 i m, 1 j n, dati elementi polja F. Kazemo

da je (1.3.1) sistem od m linearnih jednacina sa n nepoznatih. Uredena ntorka
(1 , 2 , . . . , n ) elemenata polja F koja zadovoljava svaku od jednacina u (1.3.1) zove
se rjesenje sistema. Ako je
y1 = y2 = . . . = ym = 0,
onda za sistem (1.3.1) kazemo da je homogen ili da je svaka jednacina tog sistema
homogena.
Jedna od najvaznijih tehnika nalazenja rjesenja sistema linearnih jednacina je
tehnika eliminacije. Ovu tehniku cemo prvo ilustrovati na jednom konkretnom sistemu linearnih jednacina.
Primjer 1.3.1. Neka je dat sistem
15x1 + 3x2 5x3
= 0
2x1 + 2x2 3x3
= 0.
Prvu jednacinu pomnozimo sa 2, a drugu sa -3 i tako dobivene jednacine saberimo. Dakle,

imamo
2(15x1 + 3x2 5x3 ) 3(2x1 + 2x2 3x3 ) = 0,
tj. 24x1 x3 = 0. Odavde je x3 = 24x1 . Uvrstavanjem u drugu jednacinu dobije se
2x1 + 2x2 72x1 = 0,
tj. x2 = 35x1 . Jednostavno zakljucujemo da je uredena trojka (, 24, 35) realnih brojeva
rjesenje datog sistema.
U prethodnom primjeru prilokom nalazenja rjesenja mi smo podesno odabranim

konstatama mnozili jednacine sistema i dobivene rezultate sabirali. Izbor konstati je
podreden postavljenom cilju, a to je da se u dobijenoj jednacini ponisti koeficijent uz
jednu unaprijed odredenu nepoznatu. Ovaj proces cemo sada malo formalizovati sa
ciljem stvaranja organizovanog nacina rjesavanja sistema linearnih jednacina.
Neka su c1 , c2 , . . . , cm proizvoljno odabrani elementi polja F. Pomnozimo prvu
jednacinu sistema (1.3.1) sa c1 , drugu sa c2 i tako dalje. Sabiranjem ovako dobivenih
m jednacina dobivamo jednacinu
(c1 A11 + + cm Am1 ) x1 + + (c1 A1n + + Cm Amn ) xn =
c1 y1 + + cm ym
Posljednju jednacinu nazivamo linearna kombinacija jednacina sistema (1.3.1).
Ako je (u1 , u2 , . . . , un ) neko rjesenje sistema (1.3.1), onda je ta uredena ntorka
takode i rjesenje bilo koje linearne kombinacije tog sistema. Na ovom rezultatu zasniva
se ideja rjesavanja sistema linearnih jednacina metodom eliminacije.
Neka je
B11 x1 + B12 x2 + B1n xn = z1
B21 x1 + B22 x2 + B2n xn = z2
(1.3.2)
..
..
..
..
.
.
.
.
Bk1 x1 + Bk2 x2 +
Bkn xn = zk
neki drugi sistem linearnih jednacina u kojem je svaka od k jednacina linearna kombinacija jednacina sistema (1.3.1). Tada je svako rjesenje sistema (1.3.1) istovremeno
i rjesenje sistema (1.3.2).
Definicija 1.3.2. Kazemo da su dva sistema linearnih jednacina ekvivalentna ako je
svaka jednacina u svakom sistemu linearna kombinacija jednacina drugog sistema.
Teorem 1.3.3. Ekvivalentni sistemi linearnih jednacina imaju potpuno ista rjesenja.
Dokaz ove teoreme zasniva se na cinjenici da je svako rjesenje nekog sistema linearnih jednacina, istovremeno i rjesenje bilo koje linearne kombinacije tog sistema, pa
se, zbog toga, dokaz ostavlja citaocu.
1.4. MATRICE. ELEMENTARNE TRANSFORMACIJE VRSTA
Primjer 1.3.4. Sistemi

2x + 3y = 5
3x 2y = 1
4x 3y = 1
x + 2y = 3
su ekvivalentni. Naime,
4x 3y =
x + 2y =
1
18
5
8
(2x + 3y) + (3x 2y) = +
=1
13
13
13 13
1
40
1
8
(2x + 3y) (3x 2y) =
= 3.
13
13
13 13
Isto tako
18
1
54
1
(4x 3y) + (x + 2y) =
+
=5
11
11
11 11
8
1
8
3
3x 2y =
(4x 3y) + (x + 2y) =
+
= 1.
11
11
11 11
Rjesenje prvog i drugog sistema je ureden par (1, 1).
2x + 3y =
1.4
Matrice. Elementarne transformacije vrsta
Prilikom formiranja linearnih kombinacija linearnih jednacina mi smo, u sustini,

racunali samo sa koeficijentima Aij i skalarima y1 , y2 , . . . , ym , dok su nepoznate
x1 , x2 , . . . , xn
ostale nepromjenjene. Zbog toga cemo za sistem (1.3.1) pisati u obliku
AX = Y,
gdje je
A11
..
A= .
Am1
A1n
.. ,
.
Amn
x1
X = ... ,
xn
y1
Y = ... .
ym
Objekat A nazivamo matricom koeficijenata sistema ili krace, matricom sistema.

Striktno govoreci gornja pravougaona sema nije matrica. Naime, m n matrica
nad poljem F je funkcija A koja svakom uredenom paru (i, j), 1 i m, 1 j n
pridruzuje tacno jedan element A(i, j) = Aij polja F. Skalare A(i, j) = Aij nazivamo
elementima matrice A. Elementi Ai1 , Ai2 , . . . , Ain formiraju itu vrstu, a elementi
Aj1 , Aj2 , . . . , Ajm formiraju jtu kolonu. Matrica A, dakle, ima m vrsta i n kolona.
Matrica X ima n vrsta i jednu kolonu, tj. ona je definisana kao n 1 matrica, a Y
je definisana kao m 1 matrica. Matrice X i Y nazivamo kolonom matricom. Izraz

AX = Y, u ovom trenutku, treba shvatiti samo kao drugi nacin zapisivanja sistema
(1.3.1). Kasnije, kada uvedemo operaciju mnozenja matrica, vidjecemo opravdanost
ovakovog zapisa sistema.
Posmatrajmo operacije sa vrstama matrice A, koje ce korespondirati sa formiranjem linearnih kombinacija jednacina sistema AX = Y.
Definicija 1.4.1. Pod elementarnim transformacijama vrsta matrice A podrazumijevamo:
1. mnozenje jedne vrste matrice A nenultim skalarom c F ;
2. zamjena rte vrste matrica A sa vrstom koja je suma rte vrste i c puta ste
vrste matrice A, pri cemu je r = s;
3. medusobna zamjena mjesta dvaju vrsta matrice A.
Elementarnu transformaciju vrsta mozemo shvatiti kao funkciju
e : F mn F mn
koja m n matrici A pridruzuje m n matricu e(A). Funkciju e mozemo precizno
opisati na sljedeci nacin:
1. e(A)ij = Aij ako je i = r, e(A)rj = cArj ;
2. e(A)ij = Aij ako je i = r, e(A)rj = Arj + cAsj ;
3. e(A)ij = Aij ako je i = r i j = s, a e(A)rj = Asj i e(A)sj = Arj .
Kod definisanja elementarnih transformacija vrsta matrice A nismo vodili racuna
o duzini tih vrsta, tj. o broju kolona matrice A, jer nam to nije ni bilo potreno. Tu
je bitno sta se radi sa vrstama, a ne koliko su duge te vrste.
Postavlja se pitanje da li preslikavanje e ima inverzno preslikavanje i ako ima
da li je ono opet neka elementarna transformacija vrsta, ako jeste kojeg je tipa ta
transformacija. Odgovor na ovo pitanje je dat u sljedecem teoremu.
Teorem 1.4.2. Za svaku elementarnu transformacij vrsta e matrice A postoji elementarna transformacija vrsta e1 takva da je
e1 (e(A)) = e (e1 (A)) = A
za svaku matricu A F mn . Elementarna transformacija e1 je istog tipa kao i transformacija e.
Dokaz. Kako imamo tri vrste elementarnih transformacija vrsta, to cemo razlikovati
tri slucaja.
1. Neka je e elementarna transformacija prvog tipa, tj. neka je rta vrsta matrice
A pomnozena sa nenultim elementom c. Neka je e1 elementarna transformacija
vrsta koja odgovara mnozenju rte vrste elementom c1 polja F. Tada matrica
e1 (e(A)) ima elemente:
e1 (e(A))ij
e1 (e(A))rj
= e(A)ij = Aij
1
= c
za i = r,
(e(A))rj = c1 (cArj ) = Arj .
Dakle, e1 (e(A)) = A. Na isti nacin se pokaze da je e (e1 (A)) = A za svaku mn

matricu A nad poljem F.
2. Neka je e elementarna transformacija drugog tipa, tj. neka smo rtoj vrsti
dodali stu vrstu prethodno pomnozenu sa skalarom c, pri cemu je s = r.
Definisimo sada funkciju e1 koja odgovara dodavanju rtoj vrsti ste vrste
prethodno pomnozene sa c. Tada je
e1 (e(A))ij
= e(A)ij = Aij
za i = r,
e1 (e(A))rj
= e(A)rj c e(A)sj = (Arj + cAsj ) cAsj = Arj ,
jer je e(A)sj = Asj . Dakle, e1 (e(A)) = A. Na isti nacin se pokaze da je

e (e1 (A)) = A za svaku m n matricu A nad poljem F.
3. Neka je e elementarna transformacija treceg tipa, tj. neka su rta i sta vrsta
medusobno zamjenile mjesta. Neka je e1 = e. Tada je
e1 (e(A))ij
= e(A)ij = Aij
e1 (e(A))rj
= e(A)sj = Arj ,
za i = r i i = s,
e1 (e(A))sj = e(A)rj = Asj ,

tj. e1 (e(A)) = A. Analogno se pokazuje da je e(e1 (A)) = A.
Time je teorema dokazana.
Definicija 1.4.3. Neka su A i B m n matrice nad poljem F. Kazemo da je matrica
B v-ekvivalentna sa matricom A, ako se B moze dobiti iz A pomocu konacnog niza
elementarnih transformacija vrsta.
Imajuci u vidu Teorem 1.4.2 lahko je vidjeti da:
1. Svaka matrica A je v-ekvivalentna sama sobom;
2. Ako je A v-ekvivalentna sa B, onda je i B v-ekvivalentna sa A;

10
3. Ako je A v-ekvivalentno sa B i B v-ekvivalentno sa C, onda je A v-ekvivalentno

sa C.
Prema tome relacija v-ekvivalentno je relacija ekvivalencije u skupu svih mn matrica
nad poljem F.
Teorem 1.4.4. Ako su A i B v-ekvivalentne m n matrice, onda homogeni sistemi
linearnih jednacina AX = 0 i BX = 0 imaju potpuno ista rjesenja.
Dokaz. Kako su A i B v-ekvivalentne matrice, to se B moze dobiti iz A u konacnom
broju koraka uzastopnim izvodenjem elementarnih transformacija vrsta. Neka je to
A = A0 A1 Ak = B
konacan niz elementarnih transformacija vrsta kojim se od matrice A dobija matrica
B. Svakoj matrici Aj gornjeg niza odgovara po jedan homogeni sistem Aj X = 0.
Zbog toga je dovoljno da dokazemo da homogeni sistemi Aj X = 0 i Aj+1 X = 0
imaju potpuno ista rjesenja. Matrica Aj+1 je nastala iz matrice Aj izvodenjem jedne
elementarne transformacije vrsta, pa su jednacine sistema Aj+1 X = 0 linearne kombinacije jednacina sistema Aj X = 0. S druge strane zbog Teorema 1.4.2 i matrica
Aj je nastala iz matrice Aj+1 elementarnim transformacijama vrsta, pa su jednacine
sistema Aj X = 0 linearne kombinacije jednacina sistema Aj+1 X = 0. Prema tome,
sistemi Aj X = 0 i Aj+1 X = 0 su ekvivalentni, pa imaju potpuno ista rjesenja. Zbog
toga homogeni sistemi linearnih jednacina AX = 0 i BX = 0 imaju potpuno ista
rjesenja.
Primjer 1.4.5. Neka je F polje racionalnih brojeva i
2
A= 1
2
1
3
4
0
6 1
6
3 .
15
Na konkretnom primjeru pokazimo kako se izvode elementarne transformacije vrsta matrice,

sa ciljem dobijanja matrice koja ima pogodan oblik.
2 1
3
6
0 9
3 12
0 9
3 12
2.
2.
1.
1
4
0 3 1
4
0 3 1
4
0 3
2
6 1 15
2
6 1 15
0 2 1 21
0
0
1 31 43
2.
1
4
0 3 1
0 2 1 21
0
0 1 13 43
0
4
7 1.
1 0
1
3
3
55
0
0 0 53
3
1 13
4
0
0 53
1
0
0
13
4
3
43
0 1
2.
3 1 4
55
0 0
3
0 1
43
7 2.
1 0
3
0 0
11
31
0
35
43
2.
3
55
3
4
3
7
3
11
2.
0
1
0
Matrice
sistemi su
1
0
0
A i
11
0
5
0
17 = B.
1 11
B su v-ekvivalentne, pa su sistemi AX = 0 i BX = 0 ekvivalentni. Ovi
2x1
x1
2x1
+
+
x2
4x2
x2
x2
3x3
x3
x1
x3
6x4
x4
5x4
5x4
17x4
11x4
=
=
=
=
=
=
0
0
0
0
0
0
Iz drugog sistema vidimo da ako nepoznatoj x4 pridruzimo racionalan broj a kao njenu vrijednost, onda je uredena cetvorka (17a, 5a, 11a, a) rjesenje tog sistema. Kako su ova dva
sistema ekvivalentna, to je uredena cetvorka (17a, 5a, 11a, a) rjesenje prvog sistema.
U prethodnom primjeru matrica B je odabrana tako da nam omogucava jednostavno nalazenje rjesenje sistema BX = 0. Matrice tog tipa imaju svoj naziv.
Definicija 1.4.6. Za m n matricu R kazemo da je v-reducirana ako
a) je prvi nenulti element u svakoj vrsti matrice R jednak 1;
b) svaka kolona matrice R koja sadrzi vodeci nenulti clan neke vrste ima sve ostale
elemente 0.
Primjer 1.4.7.
1. Matrica
0 1
B= 1 0
0 0
0
0
1
5
17
11
iz prethodnog primjera je v-reducirana.

2. Neka je I neka n n matrica definisana relacijom
Iij = ij =
1
0
ako je
ako je
i=j
i = j.
Matricu I nazivamo jedini

cna matrica. Simbol ij naziva se Kronekerov simbol.
Matrica I je v-reducirana matrica. Specijalno ako je n = 3, onda je
1 0 0
I= 0 1 0
0 0 1
0
3. Matrica A = 1
0
3
0
0
0
0 nije v-reducirana matrica.
1
12
Sada cemo dokazati da se elementarnim transformacija vrsta svaka matrica moze

prevesti u v-reduciranu matricu kova je v-ekvivalentna sa datom matricom.
Teorem 1.4.8. Svaka mn matrica nad poljem F je v-ekvivalentna sa v-reduciranom
matricom.
Dokaz. Neka je A neka m n matrica nad poljem F. Ako je svaki element prve
vrste nula, onda je uslov a) definicije v-reducirane matrice zadovoljen. Ako u prvoj
vrsti imamo nenultih elemenata, onda trazimo prvi nenulti element. Neka je A1k = 0
i A1j = 0 za svako j < k. Pomnozimo prvu vrstu sa A1
zenja
1k . Nakon tog mno
novo dobivena matrica ce zadovoljavati uslov a) definicije v-reducirane matrice. Za
svako i 2 itoj vrsti dodajmo prvu vrstu prethodno pomnozenu sa (Aik ). Novo
dobivena matrica imace u ktoj koloni sve elemente nula, osim elementa u prvoj
vrsti, taj element je 1. Dakle, novo dobivena matrica ispunjava uslov a) za prvu vrstu
i uslov b) za ktu kolonu.
Posmatrajmo sada drugu vrstu posljednje matrice. Ako su svi elementi te vrste
nula, onda ona zadovoljava uslov a). Ako imamo elemenata druge vrste koji nisu
nula, onda uocavamo prvi koji nije nula. Oznacimo sa k1 kolonu u kojoj se taj
element nalazi. Sigurno je k1 = k, jer je element u ktoj koloni i drugoj vrsti
jednak nula. Pomnozimo drugu vrstu konstantom tako da vodeci koeficijent u drugoj
vrsti bude jedan. Sada elementarnim transformacijama vrsta anuliramo sve elemente
k1 te kolone osim elementa u drugoj vrsti. Nakon ovog postupka dobicemo matricu
ciju prva i druga vrsta zadovoljavaju uslov a), a kolone k i k1 zadovoljavaju uslov
b). Nastavljajuci ovaj postupak u konacnom broju koraka dobicemo v-reduciranu
mataricu.
Definicija 1.4.9. Za mn matricu R kazemo da je v-reducirana esalon matrica ako:
(a) R je v-reducirana matrica;
(b) svaka vrsta matrice R koja ima sve elemente jednake nuli nalazi se ispod vrste
u kojoj bar jedan element nije nula;
(c) ako su vrste 1, 2, . . . , r nenulte vrste matrice R i ako se nenulti vodeci koeficijenti
tih vrsta nalaze redom u kolonima k1 , k2 , . . . , kr , onda je k1 < k2 , < kr .
Mozemo opisati v-reduciranu esalon matricu R i na sljedeci nacin. Matrica R je
nula matrica ili postoji prirodan broj r, 1 r m, i r prirodnih brojeva k1 , k2 , . . . , kr
takvih da je 1 ki n i
(a) Rij = 0 za i > r, i Rij = 0 za j < ki ;
(b) Rikj = ij , 1 i r, 1 j r;
(c) k1 < k2 < < kr .
13
Primjer 1.4.10. Svaka jedinicna n n matrica je v-reducirana esalon matrica.

Svaka nula matrica je v-reducirana esalon matrica.
Navedimo jedan netrivijalan primjer v-reducirane esalon matrice:
0 1 2 0
7
A = 0 0 0 1 3 .
0 0 0 0
0
Teorem 1.4.11. Svaka m n matrica A je v-ekvivalentna sa nekom v-reduciranom

esalon matrice.
Dokaz. Ranije smo dokazali da je svaka matrica v-ekvivalentna sa v-reduciranom
matricom. Sada eventualnim premjestanjem vrsta v-reducirane matrice dobijamo
v-reduciranu esalon matricu.
Posmatrajmo sistem AX = 0 linearnih jednacina. Neka je A neka m n matrica
koja je v-ekvivalentna sa v-reuciranoj esalon matricom R. Tada su sistemi AX = 0 i
RX = 0 ekvivalentni. Neka su prvih r vrsta matrice R nenulte i neka se njihovi vodeci
koeficijenti nalaze u kolonima k1 , k2 , . . . , kr . Tada sistem RX = 0 ima samo r netrivijalnih jednacina. Nepoznata xki se pojavljuje samo u itoj jednacini. Oznacimo
sa u1 , u2 , . . . , unr nepoznate sistema koje su razlicite od xk1 , xk2 , . . . , xkr . Tada r
netrivijalnih jednacina sistema RX = 0 se mogu napisati u obliku:
xk1
+
..
.
xkr
nr
j=1
nr
j=1
C1j uj
..
.
Crj uj
(1.4.1)
= 0.
Odavde je jasno da za konkretne vrijednosti nepoznatih u1 , u2 , . . . , unr iz (1.4.1)

nalazimo vrijednosti nepoznatih xk1 , xk2 , . . . , xkr .
Ilustrujmo ovaj postupak na konkretnom primjeru. Matrica A iz Primjera 1.4.10
je v-reducirana esalon matrica. Ovdje je r = 2, k1 = 2 i k2 = 4, pa je x1 = u1 , x3 =
u3 , x5 = u3 . Sistem AX = 0 ima oblik:
x2 + 2x3
+ 7x5 = 0
x4 3x5 = 0.
Odavde je x2 = 2u2 7u3 x4 = 3u3 . To znaci da je uredena petorka

(u1 , 2u2 7u3 , u2 , 3u3 , u3 )
rjesenje sistema AX = 0, gdje su u1 , u2 i u3 proizvoljni elementi polja.

14
Napomena 1.4.12. Posmatrajmo homogeni sistem RX = 0, gdje je R v-reducirana

esalon m n matrica. Neka je r broj nenultih vrsta matrice R. Tada je r m. Jedno
rjesenje sistema je (0, 0, , 0). Ovakvo rjesenje nazivamo trivijalno rje
senje. Neka
je r < n. Tada iz (1.4.1) slijedi da nepoznate xk1 , . . . , xkr mozemo izraziti preko
preostalih nepoznatih. Kako je r < n to postoji bar jedna nepoznata xj koja nije
medu napoznatim xk1 , . . . , xkr . Odaberimo da je xj = 1, a preostalim nepoznatima
xi
/ {xk1 , . . . , xkr } dodijelimo vrijednost 0. Tada iz (1.4.1) slijedi da sistem RX = 0
ima rjesenje u kojem je bar jedna nepoznata razlicita od nule. Takvo rjesenje nazivamo netrivijalno rje
senje.
Teorem 1.4.13. Neka je A neka m n matrica i m < n. Tada homogeni sistem
AX = 0 linearnih jednacina ima netrivijalno rjesenje.
Dokaz. Neka je R v-reducirana esalon matrica koja je v-ekvivalentna sa matricom
A. Tada su sistemi AX = 0 i RX = 0 ekvivalentni. Ako je r broj nenultih vrsta
matrice r, onda je r m < n. Na osnovu prethodne napomene sistem RX = 0 ima
netrivijalno rjesenje, pa zato i sistem AX = 0 ima netrivijalno rjesenje.
Teorem 1.4.14. Neka je A kvadratna n n matrica. Tada je A v-ekvivalentna sa
n n jedinicnom matricom ako i samo ako homogeni sistem jednacina AX = 0 ima
samo trivijalno rjesenje.
Dokaz. Neka je A v-ekvivalentna sa jedinicnom matricom I reda n n. Tada sistemi
AX = 0 i IX = 0 imaju potpuno ista rjesenja. Sistem IX = 0 ima oblik
x1 = 0
x2 = 0
..
.
xn = 0.
To znaci da sistem IX = 0 ima samo trivijalno rjesenje. Obrnuto, neka sistem
AX = 0 ima samo trivijalno rjesenje. Neka je R v-reducirana esalon matrica koja je
v-ekvivalentna sa matricom A i neka je r broj nenultih vrsta matrice R. Tada i sistem
RX = 0 ima samo trivijalno rjesenje. Ako bi bilo r < n, onda bi, zbog prethodne
napomene, taj sistem imao netrivijalno rjesenje, sto nije slicaj. Dakle, mora biti
r n. S druge strane je r m = n. Zbog toga je r = n. To znaci da je R = I.
Razmotrimo sada slucaj nehomogenog sistema AX = Y linearnih jednacina. Za
pocetak formirajmo m (n + 1) matricu A u kojoj su prvih n kolona iste kao i kolone
matrice A a posljednja kolona je kolona slobodnih clanova sistema, tj. matrica Y.
Dakle,
Aij , ako je j n
Aij =
yi , ako je j = n + 1.
15
Pretpostavimo da smo izveli niz elementarnih transformacija vrsta i dobili v-reduciranu

esalon matricu R matrice A. Pretpostavimo sada da ponovo isti niz elementarnih
transformacija vrsta ali na matrici A i neka smo dobili matricu R . Prvih n kolona
matrice R su iste kao i prvih n kolona matrice R i neka posljednja kolona ima elemente
z1 , z2 , . . . , zm . Od ovih elemenata mozemo formirati m 1 matricu
z1
z2
Z = . .
..
zm
Matrica Z je rezultat primjene spomenutog niza elementarnih transformacija vrsta na
matricu Y. Tada su sistemi AX = Y i RX = Z ekvivalentni. Vrlo je jednostavno ispitati da li sistem RX = Z ima rjesenje ili nema. Naime, neka matrica R ima r nenultih
vrsta. Ako se vodeci nenulti koeficijenti matrice R nalaze u kolonoma k1 , k2 , . . . , kr ,
onda iz prvih r jednacina sistema RX = Z nalazimo nemopznate xk1 , xk2 , . . . , xkr u
funkciji od preostalih (m r) nepoznatih i konstanti z1 , z2 , . . . zm . Posljednjih (m r)
vrsta matrice R su sastavljene od samih nula. Zbog toga posljednjih (mr) jednacina
sistema RX = Z je:
0 = zr+1
0 = zr+2
..
.
0 = zm
Ako sistem AX = Y ima rjesenje, onda i sistem RX = Z ima rjesenje i vrijedi zi = 0
za svako i > r. Ako je ovaj uslov ispunjen, onda uzimamo proizvoljne vrijednosti za
(m r) nepoznatih i na osnovu toga racunamo xk1 , xk2 , . . . , xkr .
Primjer 1.4.15. Posmatrajmo sistem
x1
2x1
Nad poljem realnih
1 3
1
A = 2
0 2
1 3
2
0
1 1
0 1
1
3x2
x2
2x2
+ 2x3
3x3
+ 2x3
= y1
= y2
= y3
brojeva R. Formirajmo matricu A = (A|Y ).
2 | y1
1 3
2 |
y1
(2)
(1)
3 | y2 0
7 7 | 2y1 + y2
2 | y3
0 2
2 |
y3
1 3
2 |
y1
|
y1
(2)
2
1
0
1
1
|
y
+
y
| 27 y1 + 17 y2
7 1
7 2
1
1
1
2
y
y
+
y
+
y
|
0
0
0
|
2 3
7 1
7 2
2 3

16
(2)
1
7 y1
+ 37 y2
27 y1 + 17 y2
.
| 27 y1 + 71 y2 + 12 y3
|
Sistem ima rjesenje ako je

2
1
1
y1 + y2 + y3 = 0.
7
7
2
Ako nepoznatoj x3 pridruzimo vrijednost c R imamo
x1
x2
x3
1
= c + y1 +
7
2
= c y1 +
7
= c.
3
y2
7
1
y2
7
Primjer 1.4.16. Rijesimo sistem

ax1 + x2 + x3
x1 + ax2 + x3
x1 + x2 + ax3
gdje je a realan parametar.
a 1
A = 1 a
1 1
Prosirena matrica
1 | 1
(2)
1 | a
a | a2
= 1
= a
= a2
sistema je
0
1
0
1 a2 1 a | 1 a2
a
1 |
a .
2
1a a1 | a a
Da bi mogli nastaviti sa radom na nalazenju v-reducirane esalon matrice R matrice A

moramo utvrditi da li je 1 a nula ili nije. Zbog toga razlikujemo dva slucaja.
Prvi slu
caj: a = 1. Tada imamo
0 0 0 | 0
1 1 1 | 1
1 1 1 | 1 (3)
0 0 0 | 0 .
0 0 0 | 0
0 0 0 | 0
Ovdje je r = 1, mr = 2, k1 = 1. Ako stavimo x2 = u, x3 = v, onda je rjesenje (1uv, u, v)
gdje su u i v proizvoljni realni brojevi.
Drugi slu
caj: a = 1. Tada mozemo prvu i trecu vrstu podijeliti sa 1 a. Nakon toga
imamo
0 1+a
1 | 1+a
0 0 a + 2 | (1 + a)2
(2)
(3)
1
a
1 |
a 1 0 a+1 |
a2 + a
0
1 1 |
a
0 1
1 |
a
2
1 0 a+1 |
a +a
0 1
1 |
a
0 0 a + 2 | (1 + a)2
17
Za daljnji rad potrebno je utvrditi da li je a + 2 nula ili nije.

a) Neka je a = 2. Tada imamo matricu
1 0 1 | 2
0 1 1 | 2
0 0
0 | 1
Odavde vidimo da sistem nema rjesenja.
b) Neka je a = 2. Trecu vrstu matrice podjelimo sa a + 2. Imamo
a+1
a2 + a
(a+1)2
a+2
Odavde nalazimo rjesenje
1 0
0 |
(2)
0 1
a+1
a+2
0 |
1
a+2
0 0
1 |
(a+1)2
a+2
a+1
1
(a + 1)2
,
,
a+2 a+2 a+2
Dakle, ako je
a) a = 1 i a = 2 sistem ima jedinstveno rjesenje
a+1
1
(a + 1)2
,
,
a+2 a+2 a+2
b) a = 1 sistem ima beskonacno mnogo rjesenja (1 u v, u, v) dvije nepoznate su

proizvoljne;
c) a = 2 sistem nema rjesenje.
Primjer 1.4.17. Rijesimo sada jedan primjer sistema u kojem se pojavljuju dva realna
parametra.
ax
+4y
2y
x
Imamo
a 4
0 2
2 0
0
1
0
0 4
+z
3z
bz
ab+2
2
=
=
=
a
0
1
2
1 |
0
3
1
3 |
1
|
0
1
2
2
b | 2
1 0
2b | 1
ab+14
1 0
2b
| a2
| 1
2
1
1
|
32 |
32
2 0 1
2
1
| a2
2b |
0 0 ab+14
2

18
Sada
trebamo diskutovati izraz
0 2b | 1
3
1
.
1 2 |
0 0 | a2
ab+14
2 .
Ako je ab + 14 = 0, onda imamo
Ako je a 2 = 0, onda sistem nema rjesenja. Neka je a 2 = 0. Tada je a = 2 i b = 7.
7
1 0
| 1
2
0 1 3 | 1 .
2
2
0 0 0 | 0
Vidimo da je r = 2 i m 3 = 1. Stavimo z = u. Tada imamo rjesenje
7
3
1
u 1, u + , u ,
2
2
2
gdje je u proizvoljan realan broj.
Neka
je sada ab + 14 = 0. Tada imamo
1 0 0
1
0 2b |
1 32 |
0 1 0
2
2(a2)
0 1 | ab+14
0 0 1
2(b+7)
ab+14
ab+6a+2
2(ab+14)
2(a2)
ab+14
Dakle, rjesenje je
1.4.1
2(b + 7) ab + 6a + 2 2(a 2)
,
,
ab + 14 2(ab + 14) ab + 14
Zadaci:
Rijesiti sistem:
1. 4x + 2y = 5, 3x + 2y = 5, 6x + 2y = a2 2a.
2. 2x y = a. x 2y = 3, ax 4y = 7.
3. 2x + y + z = a, x + (1 + a)y + z = 2a, x + y + (1 + z)a = 0.
4. ax + y z = 1, x + ay + z = 1, x y az = 1.
5. ax + 2z = 2, 5x + 2y + z = 1, x 2y + bz = 3.
1.5. PROIZVOD MATRICA
19
6. ax + y + z = 4, x + cy + z = 3, x + 2cy + z = 4.
7. x + ay + az 2 = 1, x + ay + abz = a, bx + a2 y + ab z = a2 b.
8. ax + by + 2z = 1, ax + (2b 1)y + 3z = 1, ax + by + (b + 3)z = 2b 1.
3kx + (2k + 1)y + (k + 1)z = k
9. (2k 1)x + (2k 1)y + (k 2)z = k + 1
(4k 1)x +
3ky +
2kz = 1
10.
1.5
( + 3)x +
y +
2z =
x + ( 1)y +
z = 2
3( + 1)x +
y + ( + 3)z = 3.
Proizvod matrica
Jedna od fundamentalnih linearnih kombinacija su linearne kombinacije vrsta matrice,

a koeficijenti u tim kombinacijama su elementi neke druge matrice.
Nek su A i B matrice formata mn i np, respektivno. Oznacimo sa 1 , 2 , . . . , n
vrste matrice B. Definisimo
i = Ai1 1 + Ai2 2 + + Ain n (i = 1, 2, . . . , m).
(1.5.1)
Neka je C matrica cije su vrste 1 , 2 , . . . , m . Kako je

k = (Bk1 Bk2 Bkp ) ,
to je
n
Aik (Bk1 Bk2 Bkp ) =
i =
k=1
Aik Bk1
k=1
k=1
S druge strane je i = (Ci1 Ci2 Cip ) , pa je

n
Cij =
Aik Bkp
Aik Bk2
Aik Bkj .
k=1
Ovo nam daje povod za uvodenje sljedece definicije.
k=1

20
Definicija 1.5.1. Neka je A neka m n matrica nad poljem F i B matrica formata

n p nad poljem F. Za matricu C formata m p nad poljem F kazemo da je proizvod
matrice A i matrice B i oznacavamo sa AB, ako je
n
Cij =
Aik Bkj .
k=1
1 2
3 5
Primjer 1.5.2. Neka je A =
iB=
2 7
1 5
4
6
. Odredimo proizvod AB.
Imamo
1
2
= 1 (2 7 4) + 2 (1 5 6) = (0 17 8) ,
= 3 (2 7 4) + 5 (1 5 6) = (11 4 42) .
Dakle,
AB =
1 2
4 5

1
2
pa je AB =
0
6
5
5
5
i B = 4
1
2
1 . Tada imamo
3
1
Primjer 1.5.4. Neka je A = 2
3
3
6
17 8
4 42
= 1 (5 2) + 2 (4 1) + 3 (1 3) = (0 5) ,
= 4 (5 2) + 5 (4 1) + 6 (1 3) = (6 5) ,
1
2
3
0
11
=
=
=
1
1 iB=
2
3
1
1
2
5
1
. Imamo
1 (3 1 5) + 1 (1 2 1) = (2 1 4),
2 (3 1 5) + 1 (1 2 1) = (5 0 9),
3 (3 1 5) + 2 (1 2 1) = (7 1 13),
2 1
4
9 .
pa je AB = 5 0
7 1 13
Analogno se nalazi da je
BA =
14
6
8
3
Tvrdnja 1.5.5. Neka A neka m n matrica nad poljem F.

1. Ako je I jedinicna matrica reda m m, tada je IA = A.
21
2. Ako je I jedinicna matrica reda n n, tada je AI = A.

3. Ako je Ok,m nula matrica reda k m, onda je
Ok,m A = Ok,n
AOk,p = Om,p .
1, ako je i = j
0, ako je i = j.
Dokaz. Za jedinicnu matricu I vrijedi Iij = ij =

1. Neka je B = IA. Tada je
m
Bij =
Iik Akj =
k=1
ik Akj = 1 Aij = Aij

k=1
za svako i i savako j. Dakle, B = A.

2. Ako je C = AI, onda je
n
Cij =
Aik Ikj =
k=1
Aik kj = Aij .
k=1
Dakle, AI = A.
3. Kako svaka nula matrica ima sve elemente nula, to je tvrdnja jasna.
Ovim je tvrdnja dokazana.
Vazno je primjetiti da proizvod dvije matrice nije uvjek definisan. Naime, proizvod
dvije matrice postoji samo u slucaju kada je broj kolona prve matrice jednak broju
vrsta druge matrice. U Primjeru 1.5.4 vidjeli smo da postoje proizvodi AB i BA i
da oni nisu jednaki, cak sta vise nemaju ni isti format. U nekim slucajevima moze se
desiti da postoji samo jedan od proizvoda AB ili BA, a da drugi ne postoji.
Ako je proizvod dvije matrice definisan, onda rezultujuca matrica ima onoliko
vrsta koliko je imala i prva matrica, a onoliko kolona koliko je imala druga matrica.
Vratimo se sada sistemu linearnih jednacina (1.3.1). Ovaj sistem smo krace pisali
u obliku AX = Y, gdje je A matrica koeficijenata sistema, X matrica nepoznatih i Y
matrica slobodnih clanova. Sada kada znamo proizvod matrica postavlja se pitanje
da li izraz AX predstavlja proizvod matrice A sa matricom X? Kako je
x1
A11 A1n
.. i X = .. ,
A = ...
.
.
Am1
xn
Amn
to proizvod AX ima n vrsta i jednu kolonu i vrijedi

n
(AX)i =
Aik xk .
k=1

22
Buduci da je AX = Y, to je
n
Aik xk = yi
(i = 1, 2, . . . , m).
(1.5.2)
k=1
Vidimo da je (1.5.2) isto sto i (1.3.1), tj. lijeva strana izraza AX = Y predstavlja
proizvod matrica.
Koristeci kolone matrice mi mozemo matricu i krace zapisati kao sto cemo ubuduce
i raditi. Naime, ako je B neka n p matrica, onda su kolone te matrice u stvari n 1
matrice B1 , B2 , . . . , Bp , definisane relacijom
B1j
Bj = ... , 1 j p.
Bnj
Tada matricu B mozemo pisati
B = (B1 , B2 , . . . , Bp ) .
Posmatrajmo element (AB)ij matrice AB. On je formiran pomocu ite vrste matrice
A i jte kolone matrice B i vrijedi (AB)ij =
Aik Bkj . Posmatrajmo jtu kolonu
k=1
matrice AB ona je
(AB)j =
(AB)1j
(AB)2j
..
.
(AB)mj
A1k Bkj
A2k Bkj
k=1
.
..
Amk Bkj
k=1
n
(1.5.3)
k=1
S druge strane matrica ABj ima m vrsta i jednu

n
A1k Bkj
k=1
n
A2k Bkj
(ABj )i = k=1
..
n .
Amk Bkj
kolonu. Tada je
= ABj .
(1.5.4)
k=1
Dakle, jta kolona matrice AB je u sustini matrica ABj . Zbog toga mozemo pisati
AB = (AB1 , AB2 , . . . , ABp ) .
23
Kako smo vidjeli, proizvod matrica zavisi od poretka faktora, kako cemo vidjeti iz
sljedeceg teorema on nezavisi od toga kako faktore grupisemo.
Teorem 1.5.6. Neka su A, B, C matrice nad poljem F takve da su proizvodi BC i
A(BC) definisani. Tada su i proizvodi AB i (AB)C definisani i vrijedi
A(BC) = (AB)C.
Dokaz. Neka je B neka n p matrica. Posto je proizvod BC definisan, to matrica C
ima p vrsta i matrica BC ima n vrsta. Kako postoji proizvod A(BC), to matrica A
mora imati n kolona. Neka je A neka m n matrica. Zbog toga proizvod AB postoji.
Ovaj proizvod ima kolona kao i matrica B, tj. p kolona. Kako matrica C ima p vrsta,
to postoji proizvod (AB)C. Dokazimo sada A(BC) = (AB)C. Dovoljno je dokazati
da je
(A(BC))ij = ((AB)C)ij
za svako i i svako j. Na osnovu definicije proizvoda matrica imamo:
n
(A(BC))ij
Aik
k=1
p
n
(BC)kj =
Aik
k=1
Aik (Bkr Crj ) =

k=1 r=1
p
n
Bkr Crj
r=1
p
n
(Aik Bkr ) Crj

k=1 r=1
p
n
(Aik Bkr ) Crj
(Aik Bkr ) Crj =

r=1 k=1
p
r=1
k=1
(AB)ir Crj = ((AB))ij

r=1
za svako i i j, sto je i trebalo dokazati.

Izraz (AB)C predstavlja linearnu kombinaciju vrsta matrice C, a izraz A(BC)
predstavlja linearnu kombinaciju vrsta matrice BC. No, vrste matrice BC su linearne
kombinacije vrsta matrice C. Dakle, izraz A(BC) predstavlja linearnu kombinaciju
linearnih kombinacija vrsta matrice C. Na osnovu prethodne teoreme zakljucujemo
da su linearne kombinacije linearnih kombinacija vrsta neke matrice takode linearne
kombinacije vrsta te matrice.
Ako matrica A ima jednak broj vrsta i kolona, tj. ako je kvadratna, onda vrijedi
A(AA) = (AA)A, tj. A2 A = AA2 . Opcenito proizvod AA A (k puta se matrica A
pojavljuje kao faktor) oznacicemo sa Ak .
Neka su A i B kvadratne matrice istog formata nad poljem F i ako vrijedi AB =
BA, onda se matematickom indukcijom lahko dokaze da vrijedi
n
(A + B)n =
k=0
n
k
Ak B nk ,

24
za svaki prirodan broj n.
1 0
1 1
. Odredimo An , gdje je n prirodan broj. Posmatrajmo
matricu B = A I. Tada je
0
1
B=
0
0
Odmah se vidi da je B 2 = 0, pa je B k = 0 za svako k 2. Sada imamo

n
n
n
k
A = (B + I) =
k=0

A2 =
B k I nk = I +
5
1
2
2
n
1
B = I + nB =
1
n
0
1
. Odredimo An (n N). Lahko se vidi da je
23 14
7
2
A3 =
101
37
74
10
Da li mozemo odavde uociti neku zakonitost i predvidjeti kako bi izgledala nta potencija?
Mislim da imamo malo elemenata za donesenje pretpostavke o izgledu matrice An . Zbog toga
a(n) b(n)
postupimo na drugi nacin. Neka je An =
. Tada je
c(n) d(n)
An+1 = An A =
S druge strane je An+1 =
a(n + 1)
c(n + 1)
5a(n) b(n) 2a(n) + 2b(n)

5c(n) d(n) 2c(n) + 2d(n)
b(n + 1)
d(n + 1)
. Odavde imamo
a(n + 1) = 5a(n) b(n),

b(n + 1) = 2a(n) + 2b(n),
a(n + 2) = 5a(n + 1) b(n + 1).
Odavde eliminacijom b(n) i b(n + 1) nalazimo
a(n + 2) 7a(n + 1) + 12a(n) = 0.
Ovo je diferentna jednacina drugog reda. Njena karakteristicna jednacina je 2 7 + 12 = 0.
Rjesenja ove jednacine su 4 i 3 i ona su relana i razlicita, pa je a(n) = A 4n + b 3n , gdje
su A i B konstante koje trba odrediti. Ove konstante nalazimo iz matrica A i A2 . Naime
a(1) = 5, a(2) = 23. Dakle,
A 41 + B 31
A 42 + B 32
=
=
5
23.
Odavde nalazimo A = 2, B = 1, pa je a(n) = 2 4n 3n . Iz b(n) = 5a(n) a(n + 1) nalazimo

b(n) = 2 4n 2 3n . Analogno imamo c(n) = 4n + 3n i d(n) = 4n + 2 3n . Konacno je
An =
2 4n 3n
4n + 3n
2 4n 2 3n
4n + 2 3n
, (n N).
25
Ako je B data matrica i C matrica dobijena iz B elementarnim transformacija

vrsta, onda je svaka vrsta matrice C linearna kombinacija vrsta matrice A. Zbog
toga postoji matrica A takva da je AB = C. Najcesce matrica A nije jednoznacno
odredena. U tom slucaju, tj. ako imamo vise takvih matrica, onda je moguce odabrati
neku sa specijalnim osobinama. Zato mi sad uvodimo jednu specijalnu klasu matrica.
Definicija 1.5.9. Za m m matricu kazemo da je elementarna matrica ako je
mozemo dobiti iz jedinicne matrice primjenom samo jedne elementarne transformacije vrsta.
Primjer 1.5.10. Elementarne matrice reda 2 2 su
0 1
1 0
1. Medusobna zamjena mjesta prve i druge vrste:
2. Prvoj vrsti dodajemo drugu vrstu pomnozenu nekim skalarom c :
1
0
c
1
3. Drugoj vrsti dodajemo prvu vrstu pomnozenu nekim skalarom c :
1 0
c 1
c 0
0 1
4. Prvu vrstu mnozimo nenultim skalarom c :
1 0
0 c
5. Drugu vrstu mnozimo nenultim skalarom c :
Teorem 1.5.11. Neka je e neka elementarna transformacija vrsta i E odgovarajuca

m m elementarna matrica E = e(I). Tada za svaku m n matricu A vrijedi
e(A) = EA.
Dokaz. Cilj nam je da dokazemo da matrice e(A) i EA imaju jednake odgovarajuce
elemente. Potrebno je odvojeno posmatrati dokaz za svaki tip elementarne transformacije vrsta.
1. Neka je e mnozenje ite vrste nenultim skalarom c. Tada je
Euv =
uv ako je u = i
c uv ako je u = i
(e(A))uv =
Auv ako je u = i
c Auv ako je u = i
za svako u i svako v. S druge strane je

m
(EA)st =
Esk Akt .
k=1
Ako je s = i, onda je
m
(EA)it =
Eik Akt =
k=1
c ik Akt = c Ait .
k=1

26
Ako je s = i, onda je
m
(EA)st =
Esk Akt =
k=1
sk Akt = Ast .
k=1
Drugim rijecima
Ast ako je s = i
,
c Ait ako je s = i
(EA)st =
tj. e(A) = EA.
2. Neka je sada e medusobna zamjena mjesta ite i jte vrste. Tada je
st za s = i i s = j,
Ast za s = i i s = j,
jt za s = i,
Ajt za s = i,
Est =
(e(A))st =
it za s = j
Ait za s = j
Tada je
m
(EA)st =
Esk Akt =
k=1
m
sk Akt = Ast = (e(A))st

jk Akt = Ajt = (e(A))it ,
Eik Akt ==
(EA)it =
k=1
m
k=1
m
ik Akt = Ait = (e(A))jt .
Ejk Akt =
(EA)jt =
(s = i, s = j),
k=1
m
k=1
k=1
Dakle, EA = e(A).
3. Neka je e dodavanje jtoj vrsti ite vrste pomnozene skalarom c. Tada je
Est =
st ,
s=j
jt + c it , s = j
Esk Akt =
(EA)st =
sk Akt = Ast = (e(A))st

k=1
m
k=1
m
(EA)jt =
Ejk Akt =
k=1
Ast ,
s=j
Ajt + c Ait , s = j.
i (e(A))st =
(s = j),
(jk + c ik ) Akt =
k=1
= Ajt + cAit = (e(A))jt .

Dakle, EA = e(A). Time je dokaz zavrsen.
jk Akt +
k=1
c ik Akt ,
k=1
1.6. INVERTIBILNE MATRICE
27
Posljedica 1.5.12. Neka su A i B matrice formata m n nad poljem F. Matrica

B je v-ekvivalentna sa matricom A ako i samo ako je B = P A, gdje je P proizvod
m m elementarnih matrica.
Dokaz. Neka je B = P A gdje je P = Es E2 E1 proizvod elementarnih matrica
formata m m. Matrica E1 A je v-ekvivalentna sa matricom A, matrica E2 (E1 A)
je v-ekvivalentna sa matricom E1 A. Tako je matrica E2 E1 A v-ekvivalentna sa A.
Nastavljajuci ovaj postupak zakljucujemo da je matrica Es E2 E1 A v-ekvivalentna
sa matricom A.
Neka je matrica B v-ekvivalentna sa matricom A. Neka je E1 , E2 , , Es niz elementarnih matrica koje odgovaraju nizu elementarnih transformacija vrsta koje prevode
matricu A u matricu B. Tada je B = (Es E2 E1 ) A = P A.
3
1
1 1
4 . Ispitajmo da li je
2 i B = 4
Primjer 1.5.13. Date su matrice A = 2
1
0
3 2
matrica B v-ekvivalentna sa matricom A. Polazeci od matrice A elementarnim transformacijama vrsta pokusacemo dobiti matricu B. Ako je to moguce, onda je matrica B v-ekvivalentna
sa A. Formirajmo hipermatricu (A|E). Elementarnim transformacijama vrsta ove matrice
dobijamo matricu (B|P ). Tada je B = P A. Imamo
1 1 | 1 0 0
2
2 | 0 1 0
2
2 | 0 1 0 1 1 | 1 0 0
1
0 | 0 0 1
1
0 | 0 0 1
3
1 | 1 1 0
3 1 |
1 1 0
1 1 | 1 0 0 4 4 | 4 0 0
1
0 | 0 0 1
1 0 |
0 0 1
3 1 |
1 1 0
3
1 |
1
1 0
4 4 | 4 0 0 4
4 | 4
0 0 .
9 0 |
0 0 9
3 2 | 2 2 9
Odavde vidimo da je
1
P = 4
2
1 0
0 0 .
2 9
Neposrednom provjerom utvrdujemo da je zaista B = P A.
1.6
Invertibilne matrice
Neka je kvadratna matrica B v-ekvivalentna sa jedinicnom matricom I. Tada je I vekvivalentno sa B. Na osnovu prethodne posljedice postoji matrica Q koja je proizvod
elementarnih matrica takva da je I = QB. Ovo nam daje povod za uvodenje sljedece
definicije.

28
Definicija 1.6.1. Neka je A kvadratna matrica reda n n nad poljem F. Matrica B

reda n n takva da je BA = I naziva se lijevi inverz matrice A. Matrica C reda n n
takva da je AC = I naziva se desni inverz matrice A. Ako je AB = BA = I ona za
matricu B kazemo da je inverz (odnosno dvostrani inverz) matrice A. Ako matrica A
ima inverznu matricu onda kazemo da je matrica A invertibilna.
Lema 1.6.2. Ako je B lijevi inverz, a C desni inverz matrice A, onda je B = C.
Dokaz. Neka je BA = I i AC = I. Tada je
B = BI = B(AC) = (BA)C = IC = C,
sto je i trebalo dokazati.
Iz ove leme proizilazi da svaka matrica koja ima lijevi i desni inverz, onda je ona
invertibilna, tj. ima dvostrani inverz koji cemo oznacavati sa A1 .
Teorem 1.6.3. Neka su A i B kvadratne matrice reda n n nad poljem F.
1. Ako je matrica A invertibilna, onda je i matrica A1 invertibilna i vrijedi
1
A1
= A.
2. Ako su matrice A i B invertibilne, onda je i matrica AB invertibilna i vrijedi
(AB)1 = B 1 A1 .
Dokaz. Prva tvrdnja je ocigledna zbog simetricnosti definicije invertibilne matrice.
Dokazimo sada drugu tvrdnju.
(AB) B 1 A1 = A BB 1 A1 = AIA1 = AA1 = I.
B 1 A1 (AB) = B 1 A1 A B = B 1 IB = B 1 B = I.
To znaci da je matrica B 1 A1 inverzna matrica matrice AB, pa je (AB)1 =
B 1 A1 .
Posljedica 1.6.4. Proizvod invertibilnih matrica je invertibilna matrica.
Teorem 1.6.5. Elementarne matrice su invertibilne.
Dokaz. Neka je E proizvoljna elementarna matrica i neka ona odgovara elementarnoj
transformaciji e vrsta, tj. neka je E = e(I). Na osnovu Teorema 1.4.2 postoji elementarna transformacija e1 takva da je e1 (e(A)) = e(e1 (A)) = A za svako A. Neka je
E1 = e1 (I). Tada
EE1 = e(E1 ) = e(e1 (I)) = I
E1 E = e1 (E) = e1 (e(I)) = I.
Dakle, E1 je inverz matrice E, pa je E invertibilna matrica.
29
Teorem 1.6.6. Za kvadratnu matricu A reda n n sljedeci uslovi su ekvivalentni:

(i) A je invertibilna.
(ii) A je v-ekvivalentna sa jedinicnom matricom I reda n n.
(iii) A je proizvod elementarnih matrica.
Dokaz. Neka je R v-reducirana esalon matrica koja je v-ekvivalentna sa matricom
A. Tada je R = Ek E2 E1 A gdje su E1 , E2 , , Ek elementarne matrice. Svaka od
matrica Ei je invertibilna matrica, pa je
A = E 11 E21 Ek1 R.
Kako je proizvod invertibilnih matrica invetibilna matrica matrica, to je A = P R,
gdje je P invertibilna matrica. Odavde slijedi da je A invertibilna ako i samo ako je
R invertbilna. Buduci da je R v-reducirana esalon matrica, to je ona invertibilna ako
i samo ako svaka njena vrsta sadrzi nenulti element, tj. ako i samo ako je R = I.
Iz ove teoreme za invertibilnu matricu A vrijedi
(A|E) (E|A1 ),
pri cemu nam oznacavaju elementarne transformacije vrsta.
1 1
2
2
4 invertibilna i u potvrdnom
Primjer 1.6.7. Ispitajmo da li je matrica A = 3
0
1 2
slucaju odredimo njenu inverznu matricu.
1 1
2 | 1 0 0
1 1
2 |
1 0 0
2
4 | 0 1 0 0
5 2 | 3 1 0
(A|E) = 3
0
1 2 | 0 0 1
0
1 2 |
0 0 1
1 0
0 |
1 0
1
1 1
2 |
1 0
0
1 2 |
0 0
1
1 2 |
0 0
1 0
0
3
5
0
0
8 | 3 1 5
0
0
1 | 8 1 8
1 0 0 |
1 0
1
1 0 | 43 14 14 .
0
0
0 1 | 83 1 58
Kako je A v-ekvivalentna sa jedinicnom matricom, to je A invertibilna matrica, a njena
inverzna matrica je
1 0
1
3 1 1 .
4
4
4
38 1 58
Teorem 1.6.8. Za kvadratnu matricu A reda n n sljedeci uslovi su ekvivalentni:

30
(i) A je invertibilna matrica.
(ii) Homogeni sistem AX = 0 ima samo trivijalno rjesenje X = 0.

(iii) Sistem jednacina AX = Y ima rjesenje za svaku n 1 matricu Y.
Dokaz. Neka je matrica A invertibilna. Neka je X0 proizvoljno rjesenje sistema
AX = 0. Tada je
0 = A1 0 = A1 (AX0 ) = (A1 A)X0 = IX0 = X0 .
Dakle, sistem AX = 0 ima samo trivijalno rjesenje. Obrnuto, neka sistem AX = 0
ima samo trivijalno rjeenje. Tada na osnovu Teorema 1.4.14 zakljucujemo da je
matrica A v-ekvivalentna sa jedinicnom matricom. Tada na osnovu prethodne teoeme
zakljucujemo da je A invertibilna.
Neka je A invertibilna matrica i Y proizvoljna matrica reda n 1. Tada je A1 Y
potpuno odredena matrica reda n 1 nad poljem F. Dalje imamo,
A A1 Y = AA1 Y = IY = Y.
Dakle, sistem AY = Y ima rjesenje za svako Y. Obrnuto, neka sistem AX = Y ima
rjesenje za svaku matricu Y reda n 1. Trebamo dokazati da je matrica A invertibilna. Pretpostavimo suprotno, tj. da A nije invertibilna matrica. Tada A nije
v-ekvivalentna sa jedinicnom matricom. Neka je R v-reducirana esalon matrica koja
je v-ekvivalentna sa A. Tada postoji invertibilna matrica P takva da je R = AP. Kako
A nije invertibilna to posljednja vrsta matrice R ima sve elemente 0. Posmatrajmo
matricu

0
0

Y = P 1 ... .

0
1
Tada sistem AX = Y postaje
0
0
..
.
P (AX) = P Y = RX =
0
1
Posljednja jedna]v cina u ovom sistemu je 0 = 1, pa taj sistem nema rjesenje. Ovo je
suprotno pretpostavci da sistem ima rjesenje za svako Y. Pretpostavka da matrica A
nije invertibilna dovela nas je do kontradikcije, pa nije tacna.
31
Posljedica 1.6.9. Ako kvadratna matrica A ima lijevi ili desni inverz, onda je ona
invertibilna.
Dokaz. Neka je B lijevi inverz matrice A. Tada je BA = I = AC. Posmatrajmo
sistem AX = 0. Pokazimo da on ima samo trivijalno rjesenje. Neka je X0 proizvoljno
rjesenje sistema AX = 0. Tada je
X0 = IX0 = (BA)X0 = B(AX0 ) = B 0 = 0.
Dakle, sistem ima samo trivijalno rjesenje, pa je matrica A invertibilna.
Neka sad matrica A ima desni inverz C, tj. neka je AC = I. Odavde slijedi da
kvadratna matrica C ima lijevi inverz, pa na osnovu naprijed dokazanog matrica C
je invertibilna. Tada iz
A = AI = A(CC 1 )(AC)C 1 = IC 1 = C 1
slijedi da je i matrica A invertibilna i da je C = A1 .
Posljedica 1.6.10. Neka je A = A1 A2 Ak gdje su A1 , A2 , . . . , Ak kvadratna matrica reda n n. Tada je matrica A invertibilna ako i samo ako je svaka od matrica
Ai invertibilna.
Dokaz. Neka je svaka od matrica A1 , A2 , . . . , Ak invertibilna. Kako je proizvod invertibilnih matrica invertibilna matrica to je A invertibilna matrica.
Neka je matrica A invertibilna. Tada jednacina AX = 0 ima samo trivijalno
rjesenje. Pokazimo prvo da je Ak invertibilna matrica. Neka je X matrica reda
n 1 i Ak X = 0. Tada je 0 = A1 Ak1 (Ak X) = AX. Kako je A invertibilna
matrica, to je X = 0. Dakle, Ak je invertibilna matrica. Sada iz A = A1 A2 Ak
slijedi AA1
= A1 A2 Ak1 . Kako je AA1
invertibilna matrica, to na osnovu
k
k
upravo dokazanog slijedi da je Ak1 invertibilna matrica. Nastavljajuci ovaj postupak
zakljucujemo da su sve matrice A1 , . . . , Ak invertibilne.
Komentar 1. Sada cemo dati zavr
ni komentar o rjesavanju sistema linearnih
jednacina. Neka je A neka m n matrica i AX = Y sistem linearnih jednacina. Neka
je R v-reducirana esalon matrica matrice A. Tada je R = P A gdje je P invertibilna
kvadratna matrica reda m m. Odavde je A = P 1 R, pa imamo Y = P 1 RX, tj.
P Y = RX. Stavimo P Y = Z. Tada imamo sistem RX = Z. Rjesenje ovog sistema
je jednostavno. Kako dobiti matricu P ? Polazimo od matrice (A|E) i elementarnim
transformacijama prevodimo A u R. Tada matrica (A|E) prelazi u matricu (R, P ). No,
ovo nije neophodno. Bolje je poci od matrice (A|Y ) i elementarnim transformacijama
vrsta je prevodimo u matricu (R|P Y ).
Komentar 2. U ovom poglavlju smo vrsili elementarne transformacije vrsta neke
matrice i uveli pojmove v-reducirana, v-reducirana esalon matrica i v-ekvivalentne

32
matrice. Moguce je, na potpuno analogan nacin definisati elementarne transformacije

kolona matrice, te pojmove: k-reducirana matrica, k-reducirana esalon matrica i kekvivalentne matrice. Mi smo se opredjelili za uvodenje elementarnih transformacija
vrsta jer to u bliskoj vezi sa sistemom linearnih jednacina.
1.6.1
Zadaci
a 1
1
1 , gdje je a realan parametar. Odrediti v-reduciranu
1. Neka je A = 1 a
1 1 2
esalon matricu R koja je v-ekvivalentna sa matricom A. Za koje vrijednosti
parametra a matrica A je invertibilna? U tom slucaju izracunati A1 .
2. Ako je
1 0 0
1 0 0
M = 1 0 1 I= 1 0 0
0 1 0
0 0 1
dokazati da je M n = M n2 + M 2 I za svaki prirodan broj n 3.

3. Dokazati da svaka kvadratna matrica A =
a b
c d
zadovoljava uslov
A2 (a + d)A + (ad bc)I = 0,

gdje je I jedinicna matrica reda 2 2.
4. Odrediti An ako je
a) A =
1 a + a2 1 a
a a2
a
b) B =
1 a
b 1
, gdje je a realan ili kompleksan broj.
1 0 a
c) A = 0 b 0 .
c 0 1
5. Dokazati da je
n
1 1 0
1 n
0 1 1 =
0 1
0 0 1
0 0
n
2
n
1
, (n N).

1.7. DETERMINANTE DRUGOG I TRECEG
REDA
33
6. Matrica P naziva se idempotentna matrica ako

matrice
26 18 27
1
21
15
21
0
i
12
8
13
0
je P 2 = P. Dokazati da su
0 0
1 0 .
0 0
idenpotentne.
7. Za matricu A kazemo da je involutivna ako je A2 = I. Ako je P idempotentna
matrica , onda je matrica A = 2P E involutivna. Dokazati! Obrnuto ako je
matrica B involutivna, onda je matrica C = 21 (B + I) idempotentna matrica.
8. Ako je n prirodan broj i ako je
1 1
0 1
A=
i X=
2 1
3 2
pokazati da je
X 1 AX =
X 1 AX
7
4
9 5
= X 1 An X =
1 + 6n
4n
9n 1 6n
9. Neka su A i B kvadratne matrice reda n takve da su A i AB BA komutativne

matrice. Dokazati da za k > m (k, m N) zazi
m Ak B BAk = k (Am B BAm ) Akm .
1.7
Determinante drugog i tre

ceg reda
a11 a12
proizvoljna 2 2 matrica nad poljem F realnih ili koma21 a22
pleksnih brojeva. Pod determinantom matrice A podrazumjevamo element
Neka je A =
det(A) =
Dakle, determinanta det(A) =
a11 a12
= a11 a22 a12 a21 F.
a21 a22
a11 a12
jednaka je nuli ako i samo ako je
a21 a22
a11 a22 a12 a21 = 0.

34
Za matricu
a11 a12 a13

A = a21 a22 a23
a31 a32 a33
reda 3 3 nad poljem F determinantu det(A) definisemo relacijom

a11 a12 a13
a
a
a
a
a
a
det(A) = a21 a22 a23 = a11 22 23 a12 21 23 + a13 21 22 ,
a32 a33
a31 a33
a31 a32
a31 a32 a33
gdje su aij F za svako i, j {1, 2, 3}. Odavde je
det(A) = a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) + a13 (a21 a32 a22 a31 ) .
Primjer 1.7.1.
1
4
7
2
5
8
3
6
9
5
8
6
4 6
4
2
+3
9
7 9
7
5
=
8
1(45 48) 2(36 42) + 3(32 35) = 3 + 12 9 = 0.
Ispitajmo neke osobine determinanti treceg reda.
a11 a12 a13

b11 b12 b13
Tvrdnja 1.7.2. Neka su A = a21 a22 a23 i B = b21 b22 b23 matrice
a31 a32 a33
b31 b32 b33
reda 3 3 nad poljem F.
1. Ako je matrica B nastala iz matrice A tako sto su dvije vrste matrice A medusobno
zamjenile mjesta, onda je det(B) = det(A).
2. Ako su dvije vrste matrice A jednake, onda je det(A) = 0.
3. Ako su dvije vrste matrice A proporcionalne, onda je det(A) = 0.
4. Ako je bij = aij i bkj = akj za k = i, onda je det(A) = det(B).
5. Ako je bij = aij + akj i btj = atj za svako t = i, onda je deta(A) = det(B).
6. Ako je B = AT , onda je det(B) = det(A).
Dokaz.

REDA
35
a31 a32 a33

1. Neka je npr. B = a21 a22 a23 . Tada je
a11 a12 a13
det(B) = a31 (a22 a13 a23 a12 ) a32 (a21 a13 a23 a11 ) +
+a33 (a21 a12 a22 a11 ) = a11 (a22 a33 a23 a32 ) +
+a12 (a21 a33 a23 a31 ) a13 (a21 a32 a22 a31 ) = det(A).
2. Neka su npr. druga i treca vrsta matrice A jednake. Neka je matrica B nastala
iz matrice A zamjenom mjesta druge i trece vrste. Tada je B = A. Prema
naprijed dokazanom, tada vrijedi det(B) = det(A). Dakle, det(A) = det(A),
tj. 2det(A) = 0, pa je det(A) = 0.
3. Neka je npr. a1j = a2j , j = 1, 2, 3. Tada je
det(A) = a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) +
+a13 (a21 a32 a22 a31 ) = a21 (a22 a33 a23 a32 )
a22 (a21 a33 a23 a31 ) + a23 (a21 a32 a22 a31 )
= 0.
a11
a12
a13
a22
a23 . Tada je
4. Neka je npr. B = a21
a31 a32 a33
det(B) = a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) +
+ a13 (a21 a32 a22 a31 ) =
= det(A).
a11
a12
a13
5. Neka je npr. B = a21 + a31 a2 2 + a32 a2 3 + a33 . Tada je
a31
a32
a33
det(B) = a11 [(a22 + a32 ) a33 (a23 + a33 ) a32 ]
a12 [(a21 + a31 ) a33 (a23 + a33 ) a31 ]
+a13 [(a21 + a31 ) a32 (a22 + a32 ) a31 ]
= det(A).

36
6. Imamo
det(A) = a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 )
+a13 (a21 a32 a22 a31 ) = a11 a22 a33 a11 a23 a32
a12 a21 a33 + a12a23 a31 + a13 a21 a32 a13 a22 a31
= a11 (a22 a33 a23 a32 ) a21 (a12 a33 a32 a13 ) +
+a31 (a12 a23 a22 a13 )
a
a
a
a
a
a
= a11 22 32 a21 12 32 + a31 12 22
a23 a33
a13 a33
a13 a23
=
a11 a21 a31

a12 a22 a32
a13 a23 a33
= det AT .
Time je teorema dokazana
Zbog det(A) = det AT iz prethodne tvrdnje zakljucujemo da vrijedi:
1. Ako dvije vrste, odnosno kolone determinante zamjene mjesta, onda determinanta mijenja znak.
2. Ako su dvije vrste, odnosno kolone determinante jednake, onda je determinanta
jednaka nuli.
3. Ako su dvije vrste, odnosno kolone determinante proporcionalne, onda je determinanta jednaka nuli.
4. Ako je jedna vrste, odnosno kolona djeljiva nekim brojem, onda se taj broj moze
izvuci ispred determinante.
5. Vrijednost determinante se nece promjeniti ako jednoj vrsti (koloni) dodamo
drugu vrstu (kolonu) prethodno pomnozenu nekim brojem.
a
Primjer 1.7.3. Izracunati determintu D = c a b , gdje su a, b, c realni brojevi.

b c a
Prvoj koloni dodajemo drugu kolonu, a zatim prvoj koloni dodajemo trecu kolonu.
a b c
a+b b
D = c a b = c+a a
b c a
b+c c
c
a+b+c b
b = c+a+b a
a
b+c+a c
c
b .
a
Vidimo da je prva kolona djeljiva sa a + b + c, pa broj a + b + c mozemo izvuci ispred

determinante.

REDA
1 b
D = (a + b + c) 1 a
1 c
Drugoj vrsti dodajemo
pomnozenu sa -1.
1.7.1
37
c
b
a
prvu vrstu pomnozenu sa -1. Trecoj vrsti dodajemo prvu vrstu
1
(a + b + c) 0
0
b
c
ab bc
cb ac
(a + b + c) 1
(a + b + c) (a b) (a c) + (b c)2
(a + b + c) (a2 + b2 + c2 ab bc ca).
ab bc
b
c
b
0
+0
cb ac
cb ac
ab
c
bc
Zadaci
1. Brojevi 204, 527 i 255 su djeljivi sa 17. Ne racunajuci determinantu

2 0 4
5 2 7
2 5 5
dokazati da je ona djeljiva sa 17.
2. Izracunati
246
a) 1014
342
d)
bc
b+c
a
f)
a
determinante
427 327
x
y
x+y
1 a bc
543 443 , b)
y
x+y
x , c) 1 b ca
721 621
x+y
x
y
1 c ab
abc
2a
2a
2a
b
c
2b
bca
2b
c
, e) a a + 2b + c
2c
2c
cab
a
b
a + b + 2c
b
ca
c+a
b
c
c
ab
a+b
ax a2 + x2 1
, g) ay a2 + y 2 1 .
az a2 + z 2 1
38
Glava 2
Vektori u ravni i prostoru

2.1
Uvod
U ovom poglavlju uvest cemo konkretan model vektorskog prostora. To ce biti vektorski prostor obicnih vektora u ravni ili u trodimenzionalnom prostoru elementarne
geometrije. Pri tome cemo osnovne pojmove elementarne geometrije smatrati poznatim, pa ih po pravilu necemo definisati, a pojedine teoreme uzimacemo bez dokaza.
Npr. smatracemo poznatim aksiome elementarne geometrije koje odreduju odnose
izmedu osnovnih objekata predstavljenih pojmovima: tacka, prava i ravan.
Skup svih tacaka trodimenzionalnog prostora oznacavacemo sa E. Skup svih tacaka
jedne fiksirane ravni prostora E oznacavacemo sa . Skup svih tacaka jedne fiksirane
prave prostora E oznacavacemo sa p. Tacke prostora E oznacavacemo sa A, B, C, D, . . . .
Poznato je da dvije razlicite tacke A i B prostora E odreduju jednu i samo jednu pravu
p prostora E. Skup svih tacaka prave p koje leze izmedu tacaka A i B ukljucujuci i
te tacke nazivamo duz odredena tackama A i B i oznacavamo je sa AB. Duzinu duzi
AB oznacavamo sa d(AB). Neka nam pp(AB) oznacava polupravu kojoj je pocetna
tacka A i koja sadrzi tacku B.
2.2
Orijentisane du
zi
Definicija 2.2.1. Neka su P i Q bilo koje tacke prostora E. Uredeni par (P, Q) nazivamo orijentisana duz, za koju je P pocetna, a Q krajnja tacka. Tu duz oznacavamo
sa P Q i zorno predstavljamo kao duz odredenu tackama P i Q i sa strijelicom u kra
jnjoj tacki Q. Odmah uocavamo da P Q nije isto sto i QP kad god su tacke P i Q
razlicite.
Oznacimo sa D skup svih uredenih parova tacaka prostora E. Na skupu D definisimo
39
40
GLAVA 2. VEKTORI U RAVNI I PROSTORU
jednu relaciju na sljedeci nacin:

AB CD
ako i samo ako duzi AD i BC imaju zajednicko srediste. Ako tacke A, B, C i D
nisu kolinearne, onda iz cinjenice da se prave AD i BC sijeku slijedi da te tacke leze
u jednoj ravni. Osim toga, one odreduju cetverougao ABDC kojem se dijagonale
polove, pa je taj cetverougao paralelogram. Neka su sada te cetiri tacke kolinearne.
Oznacimo sa P sredinu duzi BC. Tada je P sredina i duzi AD.
Teorem 2.2.2. Relacija je relacija ekvivalencije na skupu D.

Dokaz. Refleksivnost relacije . Pokazimo prvo da je AB AB za svako AB D. Ovo

je ocigledno, jer duzi AB i BA imaju isto srediste. Dakle, relacija je refleksivna.

Simetricnost relacije . Neka je sada AB CD. Odavde slijedi da duzi AD i BC
imaju isto srediste. Tada i duzi DA i CB imaju isto srediste, jer su to iste duzi kao i

prethodne. Zato je CD AB, pa je relacija simetricna.

Tranzitivnost relacije . Neka je AB CD i CD EF . Ovdje se mogu desiti tri
razlicita slucaja u zavisnosti od toga na koliko pravih se nalaze orijentisane duzi

AB, CD i EF .
Neka ove tri orijentisane duzi leze na tri razlicite prave. Tada je cetverougao
ABDC paralelogram, pa je AB CD i AB = CD. Isto tako cetverougao CDF E je
paralelogram, pa je CD EF i CD = EF. Odavde slijedi da je AB EF i AB = EF.
To znaci da je cetverougao ABF E paralelogram.Kako se dijagonale paralelograma

polove, to duzi AF i BE imaju isto srediste, pa je AB EF .

Neka orijentisane duzi AB, CD i EF leze na dvije prave. Tada dvije od njih

leze na jednoj pravoj. Neka npr. orijentisane duzi AB i CD leze na jednoj pravoj.
Neka je S srediste duzi BC i AD. Neka je npr. raspored tacaka A,B,S,C i D. Tada je
AS = SD i BS = SC. Odavde je
AB = AS SB = SD SC = CD.
Kako je cetverougao CDF E paralelogram, to je CD EF i CD = EF. Kako AB i
CD leze na istoj pravoj i CD EF, to je AB EF i AB = EF. Dakle, cetverougao

ABF E je paralelogram, pa je AB EF .

Neka orijentisane duzi AB, CD i EF leze na jednoj pravoj. Tada je potrebno
voditi racuna o rasporedu tacaka A,B,C,D,E i F. Jednostavnom racunicom pokazuje

se da duzi AF i BE imaju zajednicko srediste, pa je AB EF .

Tvrdnja 2.2.3. Ako je AB CD, onda je AC BD.

Dokaz. Iz AB CD slijedi da duzi AD i BC imaju zajednicko srediste. Odavde slijedi

AC BD.
2.3. VEKTORI
2.3
41
Vektori
Kako smo vidjeli je relacija ekvivalencije na skupu D. Klasu ekvivalencije odredenu
orijentisanom duzi AB oznacavamo sa AB , tj.
AB

= P Q D | P Q AB .
Posmatrajmo sada skup V 3 = D/ svih klasa ekvivalencije. Elemente skupa V 3 nazivamo vektorima, a skup V 3 nazivamo vektorski prostor. Vektore najcesce oznacavamo
malim latinicnim slovima, tj.

a , b , ,
y ,
z . Ako je AB
a , onda pisemo
a = AB i kazemo da je AB predstavnik vektora a .
Tvrdnja 2.3.1. Ako je

a V 3 bilo koji vektor, a A E bilo koja tacka. Tada
postoji jedna i samo jedna tacka B E takva da je
AB
=
a.

Dokaz. Neka su C i D tacke prostora E takve da je CD
a , i tacka A ne pripada
pravoj CD. Konstruisimo paralelogram CDBA sa stranicama CD i CA. Tada je
a . Kako je ovaj paralelogram jednoznacno odreden, to je i

AB CD, tj. AB =
tacka B jednoznacno odredena.
Za postupak konstrukcije orijentisane duzi AB izlozen u prethodnoj teoremi kazemo
da smo vektor
a nanijeli iz tacke A.

Neka su A i B proizvoljne tacke prostora E. Tada je AA BB, jer duzi AB i AB
imaju isto srediste. Prema tome, sve orijentisane duzi XX (X E) pripadaju istoj
klasi ekvivalencije, tj. predstavnici su istog vektora. Obrnuto, ako neka orijentisana

duz U V pripada toj klasi ekvivalencije, onda je U V AA, pa duzi U A i V A imaju
isto srediste. To je jedino moguce ako se tacke U i V poklapaju. Prema tome, sve
orijentisane duzi XX i samo one pripadaju jednoj klasi ekvivalencije, istom elementu
u V 3 . Taj vektor nazivamo nula vektor i oznacavamo ga sa 0 . Dakle,
0 = XX
= XX | X E .
Neka je
a nenulti vektor i AB
a . Tada je A = B. Postavlja se pitanje da li

je BA a ? Kada bi to bilo, onda bi bilo AB BA. Tada bi duzi AA i BB imale

zajednicko srediste. Srediste duzi AA je A, a duzi BB je B. Kako su tacke A i B
razlicito, to se sredista ne poklapaju. Dakle,BA

/
a . Neka je BA b . Ako je

CD
a . Tada je AB CD, pa duzi AD i BC imaju zajednicko srediste. No, tada

i duzi BC i AD imaju isto srediste, pa je BA DC, tj. CD b . Obrnuto, ako je
42

Y X b , onda je BA Y X. Tada duzi BX i AY imaju zajednicko srediste. Zbog

toga i duzi AY i BX imaju zajednicko srediste, pa je AB XY , tj. XY
a . Dakle,

AB
a BA b .
a i pisemo b =
a.
Za ovako definisan vektor b kazemo da je suprotan vektoru
Neka je XY (
a ) . Tada je Y X
a . Odavde slijedi da je XY
a . Obrnuto,

neka je AB
a . Tada je BA
a , pa je AB (
a ) . Dakle,
AB (
a ) AB
a,
pa je (
a)=
a.
2.3.1
Modul, pravac i smjer vektora
Neka su AB, CD
a . Ako su tacke A, B, C i D kolinearne, onda iz cinjenice da
duzi AD i BC imaju zajednicko srediste, zakljucujemo, da duzi AB i CD imaju
jednake duzine. Ako tacke A, B, C i D nisu kolinearne, onda je cetverougao ABDC
paralelogram, pa duzi AB i CD imaju istu duzinu. Dakle, svake dvije orijentisane duzi
klase
a imaju istu duzinu. Zbog toga uvodimo pojam modul ili intenzitet vektora.
Pod modulom |
a | vektora
a podrazumjevamo duzinu predstavnika AB vektora
a.
Ocigledno je da je | 0 | = 0.

Neka je
a nenulti vektor i AB
a . Tada tacke A i B odreduju tacno jednu pravu
koju nazivamo nosac orijentisane duzi. Ako je CD neki drugi predstavnik vektora

a , onda i tacke C i D odreduju jednu i samo jednu pravu. Kako je tada AB CD,
to su tacke A, B, C i D kolinearne ili je cetverougao ABDC paralelogram. U oba
slucaja su prave AB i CD paralelne, pa odreduju isti pravac (paralelnih pravih).
Tako definisan pravac nazivamo pravac vektora

a . Ako je
a nula vektor, onda je
AB njegov predstavnik ako i samo ako je B = A. Tada kroz tacke A i B prolazi

beskonacno mnogo pravih, koje ne moraju biti paralelne. Zbog toga kazemo da pravac
nula vektora nije odreden.
Definicija 2.3.2. Za dvije nenulte orijentisane duzi ciji se nosaci poklapaju ili su
razlicite paralelne prave kazemo da su kolinearne.

Neka su P Q i RS dvije kolinearne orijentisane duzi. Pretpostavimo da su njihovi
nosaci paralelne razlicite prave. Tada tacke P, Q, R i S leze u jednoj ravni i tacke
P i R odreduju neku pravu p ravni . Prava p odreduje dvije poluravni ravni . Ako

tacke Q i S pripadaju istoj poluravni, onda kazemo da orijentisane duzi P Q i RS
imaju isti smjer. Ako te tacke pripadaju razlicitim poluravnima, onda kazemo da

orijentisane duzi P Q i RS imaju suprotne smjerove.
2.3. VEKTORI
43

Neka se nosaci kolinearnih orijentisanih duzi P Q i RS poklapaju. Posmatrajmo
presjek polupravih pp(P Q) i pp(RS). Njihov presjek moze biti skup {P }, duz P R ili
jedna od tih polupravih. Ako je taj presjek jedna od tih polupravih, onda kazemo da

orijentisane duzi P Q i RS imaju isti smjer. Ako to nije ispunjeno, onda kazemo da
te orijentisane duzi imaju suprotne smjerove.
Dakle, samo za kolinearne orijentisane duzi mozemo govoriti da li su istog ili
suprotnog smjera. Neka je S skup svih Nosac trivijalne orijentisane duzi P P je bilo
koja prava koja prolazi tackom P.
Iz prethodne definicije i naprijed navedenog slijede sljedece dvije tvrdnje.
Tvrdnja 2.3.3. Svaki vektor iz V 3 jednoznacno je odreden svojim modulom, prvcem
i smjerom.
Tvrdnja 2.3.4. Dva suprotna vektora imaju isti modul i isti pravac, ali suprotne
smjerove.
Neka je dat nenulti vektor

a i proizvoljna tacka O prostora E. Tada postoji
netrivijalna orijentisana duz AB koja pripada klasi ekvivalencije

a . Postoji tacno
jedna prava p koja prolazi tackom O i koja je paralelna sa pravom AB. Na pravoj p

postoji tacno jedna tacka C takva da je AB = OC. To znaci da orijentisana duz OC
pripada klasi ekvivalencije

a = [AB] . Prema tome za svaku tacku O prostora E i
svaku klasu ekvivalencije x postoji tacka M prostora E takva da je OM predstavnik te

klase ekvivalencije. Ako za sve klase ekvivalencije odaberemo predstavnike koji imaju
pocetak u tacki O, onda kazemo da su svi vektori dovedeni na zajednicki pocetak O.
Skup svih vektora sa pocetkom u tacki O prostora E oznacavacemo sa:
XO (E) = OM | M E .
Skup svih vektora ravni sa pocetkom u tacki O oznacavamo sa
XO () = OM | M ,
a prave p sa
2.3.2
XO (p) = OM | M p .
Sabiranje vektora
Sada cemo na skupu V 3 definisati operaciju sabiranja.

Tvrdnja 2.3.5. Neka je AB A B i BC B C . Tada je AC A C .
44

Dokaz. Prema Tvrdnji 2.2.3 iz AB A B slijedi AA BB i isto tako BC B C

povlaci BB CC . Odavde zbog tranzitivnosti relacije imamo AA CC . No, onda

zbog Tvrdnje 2.2.3 imamo AC A C .
Na skupu V 3 definisimo binarnu operaciju
s:V3V3 V3
koju nazivamo sabiranje vektora i oznacavamo sa
a, b =
s
a + b =
c,
gdje za vektor
c kazemo da je zbir vektora
a i b i do njega dolazimo na ovaj nacin.
Neka je AB
a bilo koji predstavnik vektora
a , a BC onaj predstavnik vektora b
koji ima pocetak u tacki B. Onda definisemo
c =
a + b = AB
+ BC
= AC
tj.
c je klasa generisana orijentisanom duzi AC. Navedena konstrukcija se iz ociglednih
razloga naziva pravilo trougla.
Primjetimo da je sabiranje vektora dobro definisano, tj. da ne zavisi od izbora
predstavnika klasa. Ako je, naime, A B neki drugi predstavnik klase

a , a B C neki
drugi predstavnik klase, b , tada je prema definiciji sume vektora imamo
a + b = AB
+ BC
= AC

ali je prema Tvrdnji 2.3.5 A C AC, pa je
AC
= AC
=
c.
Teorem 2.3.6. Skup V 3 je u odnosu na sabiranje vektora komutativna grupa.

Dokaz. Prema definiciji sume vektora ocigledno je V 3 , + grupoid.

Provjerimo asocijativnost sabiranja vektora. Neka su A B, BC i CD redom pred
stavnici vektora
a, b i
c . Tada je
a + b +
c = AC
a + b +
c = AB
+ CD
+ BD
= AD
= ABD
2.3. VEKTORI
45
pa je
a + b +
c =
a + b +
c .
Dakle, sabiranje je asocijativno.
Neka je
a proizvoljan element iz V 3 i AB njegov predstavnik. Tada je
a + 0 = AB

0 +
a = AA
Dakle,
+ AB
+ AB
= AB
= AB
=
a,
=
a.
a + 0 = 0 +
a =
a,
tj. 0 je neutralan element za sabiranje vektora.

Za svaki vektor iz V 3 postoji suprotan element i to je upravo njegov suprotan
vektor. Naime,
a + (
a ) = AB + BA = AA = 0
(
a)+
a = BA
+ AB
= BB
= 0.
Dokazimo sada da je sabiranje vektora komutativno. Neka su

a , b bilo koji
a + b = AC . S druge
vektori i neka je
a = AB i b = BC . Tada je

strane, neka je D E tacka sa svojstvom da je AD BC. Tada je prema Tvrdnji

2.2.3 AB DC. Zbog toga imamo
b +
a = BC
+ AB
= AD
+ DC
= AC
tj.
a + b = b +
a.
2.3.3
Mno
zenje vektora skalarom
Sada cemo definisati mnozenje vektora skalarom. Ova operacija predstavlja produzivanje ili skra civanje vektora. Neka je R polje realnih brijeva. Pod proizvodom vektora
i skalara podrazumjevamo preslikavanje
m:RV3 V3
gdje vektor m (,
a ) pisemo kratko kao
a i nazivamo proizvod realnog broja i vektora, a definisan je na ovaj nacin:
1. intenzitet:|
a | = |||
a |, tj. jednak je proizvodu apsolutne vrijednosti realnog
broja i intenziteta vektora

a,
46
2. pravac: pravac vektora

a je isti kao i pravac vektora
a,
3. smjer vektori
a i
a imaju isti smjer ako je > 0, a suprotan smjer ako je
< 0. (Ako je = 0, onda je na osnovu uslova 1.

a = 0 .)
Tvrdnja 2.3.7.
a = 0 ako i samo ako = 0 ili je
a = 0.
Dokaz. Ako je = 0, onda je po definiciji

a = 0 i 0 = 0 . Obrnuto, Ako je
a = 0 , onda je |||
a | = 0, pa je || = 0 ili je |
a | = 0. U prvom slucaju je = 0,
a u drugom slucaju je a = 0 .
Mnozenje vektora realnim brojem (tj. skalarom) ima sljedece osobine:
Teorem 2.3.8. Za proizvoljne skalare , R i proizvoljne vektore

x,
y V3
vrijedi:
i) (
x +
y ) =
x +
y,
x =
x +
x,
ii) ( + )
iii) ( )
x = (
x ),
iv) 1
x =
x,
v) (1)
x =
x.
Dokaz. (i) Ako je = 0 ili

x = 0 ili
y = 0 tvrdnja ocigledno vrijedi. Pret
postavimo zato da je = 0 i da su
x i
y nekolinearni nenulti vektori. Neka je
x = AA .
y = BC Tada je x + y = AC . Neka je, nadalje,
x = AB
Tada su tacke A, B i A kolinearne. Odaberimo tacku C na polupravoj AC tako

da je A C BC. Tada su trouglovi ABC i AA C slicni. Iz slicnosti trouglova slijedi
proporcionalnost odgovarajucih strana. Zato je
AC
AA
=
,
BC
AB
tj.
|A C |
|||
x|
=
,
|y|
|x|
pa je |A C | = |||
y |. Odavde slijedi
y = AC
je AC = AC, tj. AC
= AC . Dakle,
. Na isti nacin zakljucujemo da
AC
= (
x +
y ).
2.3. VEKTORI
47
Kako je AC = AA + A C , to je AC
= AA
+ AC
, pa je
(
x +
y ) =
x +
y.
(ii) Razlikovacemo nekoliko slucajeva u zavisnosti od predznaka realnih brojeva
i . Neka su i istog predznaka. Neka je

x = AB i
x = BC . Tada je
x + x = AC , pa je | x + x | = |AC|. S druge strane je |AB| = |||

x| i
|BC| = |||
x |. Zato je
|AC| = |AB| + |BC| = |||

x | + |||
x | = (|| + ||) |
x | = | + ||
x |.
Dakle,|
x +
x | = | + ||
x |. Kako vektori ( + )
x i
x +
x imaju isti pravac
i smjer to je ( + ) x = x + x .
Neka su sada realni brojevi i suprotnih znakova i neka je || > ||. Neka je
x = AB i
x = BC . Kako su ti vektori istog pravca, to su tacke A, B i C
kolinearne. Orijentacija ovih vektora je suprotna. Nadalje, zbog || > || imamo
AB = |
x | = |||
x | > |||
x | = |
x | = BC.
To znaci da je tacka C izmedu tacaka A i B. Kako je

x +
x = AC
, to je
|
x +
x | = AC = AB BC = |||
x | |||
x|
= | x | + | x | = ( + )| x |
= | + ||
x | = |( + )
x |,
tj. vektori
x +
x i ( + )
x imaju jednake intenzitete.Oba ova vektora imaju
isti pravac kao i vektor x , a takode oba imaju smjer kao vektor
x . Dakle, vrijedi
( + )
x =
x +
x.
Slicno se tvrdnja dokazuje i u ostalim slucajevima racunajuci trivijalne slucajeve
kada je = 0 ili = 0 ili + = 0.
(iii) Ako je = 0 ili = 0 tvrdnja je trivijalna. Pretpostavimo, zato, da je = 0
i = 0. Imamo najprije
| (
x ) | = |||
x | = || (|||
x |) = (||||)|
x | = |||
x | = |()
x |,
tj. vektori (
x ) i ()
x imaju isti intenzitet. Isto tako, ocito je da ti vektori imaju
isti pravac (oba imaju pravac vektora

x .) Pokazimo da ovi vektori imaju jednake
smjerove. Vektor
x ima smjer kao vektor
x ako je > 0, a suprotan smjer ako je
< 0. Vektori ( x ) i x imaju iste smjerove ako je > 0, a suprotne ako je < 0.
Dakle, vektor (
x ) ce imati isti smjer kao vektor
x ako i istog znaka, tj. ako
48
je > 0. Nadalje, vektor (

x ) ce imati suprotan smjer u odnosu na vektor
x ako
i suprotnog znaka, tj. ako je < 0. S druge strane vektor () x ce imati isti
ili suprotan smjer u odnosu na

x u zavisnosti od toga da li je > 0 ili je > 0.
Prema tome, vektori ( x ) i ()

x imaju isti smjer, pa su jednaki.
Tvrdnje pod (iv) i (v) se jednostavno dokazuju.
2.3.4
Linearna kombinacija
Neka su dati vektori:

a1 ,
a2 , . . . ,
ak i skalari 1 , 2 , . . . , k . Tada se vektor
a 2 + . . . + k
ak
a 1 + 2
1
naziva linearna kombinacija vektora

a1 ,
a2 , . . . ,
ak i skalara 1 , 2 , . . . , k . Skalari
1 , 2 , . . . , k se nazivaju koeficijenti linearne kombinacije. Ako je neki vektor

x
predstavljen u obliku linearne kombinacije
a1 + 2
a2 + . . . + k
ak ,
x = 1
onda kazemo da je on razlozen po tim vektorima.
U Definiciji 2.3.2 uveli smo pojam kolinearnih orijentisanih duzi. Taj pojam
mozemo prenijeti i na vektore. Za dva vektora kazemo da su kolinearni ako imaju
isti pravac. Smatramo da je nula vektor kolinearan sa svakim vektorom. Iz definicije
mnozenja vektora skalarom proizilazi da su vektori

x i
x kolinearni. Medutim
vrijedi i sljedeci obrat:
x i
y kolinearni vektori i
x = 0. Tada postoji tacno jedan
Teorem 2.3.9. Neka su
realan broj takav da je

y =
x.
Dokaz. Neka su
x = OX
i
y = OY
. Zbog kolinearnosti vektora

x i
y slijedi
da su tacke O, X i Y kolinearne, tj. leze na istoj pravoj, recimo, p. Keka je

k=
OY
OX
realan broj. Ako se tacke X i Y nalaze sa iste strane tacke O, onda stavimo = k, a
ako su sa suprotnih strana stavimo = k. Posmatrajmo vektor

x . On je kolinearna
sa x . Njegov smjer je isti kao i smjer vektora y . Intenzitet ovog vektora je

OY
|
x | = |||
x | = k OX =
OX = OY = |
y |.
OX
Dakle, vektori
x i b imaju isti intenzitet. Kako su oni istog pravca i smjera to su
jednaki, tj.
y =
x . Ako je osim toga i
y =
x , onda je
OY = |
y | = |||
x | = ||OX.
2.3. VEKTORI
49
OY
Odavde je || = OX
= k = ||, pa je = k. Ako su vektori
x i
y istog smjera,
onda je > 0, a u slucaju suprotnog smjera je < 0. To znaci da i imaju isti
predznak, pa je = . Time je teorema dokazana.
Definicija 2.3.10. Za vektor

a = AB kazemo da je paralelan sa ravni ako je
prava AB paralelna sa ravni . Za vektore prostora V 3 kazemo da su komplanarni

ako su paralelni sa istom ravni.
Odmah se vidi da su kolinearni vektori komplanarni. Isto tako sva dva vektora
prostora V 3 su komplanarna.
a , b V 3 bilo koja dva vektora i , R. Ako je

Tvrdnja 2.3.11. Neka su
c =
a + b , onda su vektori
a, b i
c komplanarni.
Dokaz. Neka je
a = OA
, b = OB
,
a = OC
i b = OD
. Tada su
tacke O, A i C kolinearne, a takode i tacke O, B i D su kolinearne. Neka je E tacka
takva da je OCED paralelogram. Tada je OE = OC + OD, tj.

c = OE . Iz
cinjenice da je OCED paralelogram slijedi da su vektori

a , b i
c komplanarni.
No, tada su i vektori

a, b i
c komplanarni.
Teorem 2.3.12. Neka su dati nekolinearni vektori

e i
e . Svaki vektor
a kompla1
naran sa njima moze se na jedinstven nacin razloziti po tim vektorima.
Dokaz. Primjetimo prvo da su oba vektora

e1 i
e2 razlicita od nule. U protivnom oni
bi bili kolinearni. Ako je

x kolinearan sa jednim od njih, npr. sa
e1 , onda bi postojao
skalar takav da je x = e1 , pa bi imali x = e1 + 0 e2 . Razmotrimo sada opsti
slucaj, tj. kada vektor

x nije kolinearan ni sa jednim od vektora
e1 i
e2 . Dovedimo
ova tri vektora do istog pocetka O. Neka je x = OA . Kroz tacku A konstruisimo
prave p i q paralelne vekltorima

e1 i
e2 . Neka ove prave sijeku nosace vektora
e1 i
e2

u tackama P i Q respektivno. Tada je OA = OP + OQ. Vektor OP je kolinearan
sa e1 , a vektor OQ je kolinearan sa e2 . Zbog toga postoje skalari 1 i 2 takvi da
e1 + 2
e2 . Ovim je
je OP = 1 e1 i OQ = 2
e2 . Odavde je
x = OA = 1
egzistencija razlaganja dokazana. Dokazimo jedinstvenost razlaganja. Pretpostavimo
da imamo i razlaganje
x =
e1 +
e2 , pri cemu je 1 = 1 . Kako kroz jednu
tacku postoji jedna i samo jedna prava koja je paralelna drugoj pravoj, to mora biti
1
e1 = OP = 1
e1 . Odavde slijedi 1 = 1 , sto je protivno nasoj pretpostavci da
je 1 = 1 .
Teorem 2.3.13. Neka su data tri nekomplanarna vektora

e1 ,
e2 i
e3 . Tada se svaki
vektor x moze razloziti u njihovu linearnu kombinaciju. Takvo razlaganje je jedinstveno.
50
Dokaz. Jasno je da nikoja dva vektora medu vektorima

e1 ,
e2 i
e3 nisu kolinearnu.
Ako je x komplanaran sa e1 , e2 i e3 onda tvrdnja slijedi iz prethodne teoreme.

Razmotrimo opsti slucaj. Dovedimo sva cetiri vektora na zajednicki pocetak O, tj.
neka je
e1 = OE1 ,
e2 = OE2 ,
e3 = OE3 i
x = OA . Kroz tacku A
konstruisimo pravu a paralelnu vektoru

e3 . Neka ova prava sijece ravan odredenu

tackama O, E1 , E2 u tacki P. Tada je OA = OP + P A. Prema prethodnoj teormi
vektor OP ima jedinstveno razlaganje OP = 1

e1 + 2
e2 , a vektor P A ima
jedinstven prikaz OP A = 3 e3 . Tako imamo x = 1 e1 + 2 e2 + 3 e3 . Kako je
tacka P jednoznacno odredena, to je jednoznacnost razlaganja dokazana.

Definicija 2.3.14. Bazom prostora V 3 nazivamo svaku uredenu trojku
B = {
e 1,
e 2,
e 3}
nekomplanarnih vektora. Ponekad se umjesto termina baza koristi termin koordinatni
sistem. Vektore
e i (i = 1, 2, 3) zovemo koordinatni vektori.
Neka je
B = {
e 1,
e 2,
e 3}
baza prostora V 3 a OA1 , OA2 , OA3 neka su predstavnici vektora baze s istim pocetkom.
Oznacimo sa ravan odredenu tackama O, A1 i A2 . Ta ravan dijeli prostor u dva
potprostora. Posmatrajmo trougao OA1 A2 . Kazemo da je ovaj trougao pozitivno orijentisan, ako je obilazak O
A1
A2 protivan kretanju kazaljke na satu. Trougao
koji nije pozitivno orijentisan naziva sae negativno orijentisan trougao. Za bazu B
kazemo da je desno orijentisana ili da je desna baza, ako je trougao OA1 A2 pozitivno
orijentisan. Ako je B = (
e1 ,
e2 ,
e3 ) baza vektorskog prostora V 3 , onda prema Teoremi
2.3.13 za proizvoljan vektor x postoji tacno jedna uredena trojka (1 , 2 , 3 ) takva

da je
x = 1
e1 + 2
e2 + 3
e3 .
(2.3.1)
Ovako definisanu uredenu trojku nazivamo koordinate ili komponente vektora

x.
Zbog ovog svojstva smatramo da je V 3 trodimenzionalan prostor.
Neka je R3 skup svih uredenih trojki (1 , 2 , 3 ) realnih brojeva. Kako je prikaz
(2.3.1) jednoznacan, to postoji preslikavanje
k : V 3 R3
definisano sa
k(
x ) = k (1
e1 + 2
e2 + 3
e3 ) = (1 , 2 , 3 ) ,
koje nazivamo koordinatizacija prostora V 3 u odnosu na bazu B.
Preslikavanje k je bijekcija, pa cemo umjesto (2.3.1) cesto pisati

x = (1 , 2 , 3 )
.
2.3. VEKTORI
51
Tvrdnja 2.3.15. Ako je

x = (1 , +2 , 3 ) i
y = (1 , 2 , 3 ) , onda je
1.
x +
y = ( + , + , + ) ,
1
2.
x = (1 , 2 , 3 ) .
a = (1 , +2 , 3 ) i b = (1 , 2 , 3 ) nenulti vektori
Tvrdnja 2.3.16. Neka su
prostora V 3 . Tada su ti vektori kolinearni ako i samo ako vrijedi
1 : 2 : 3 = 1 : 2 : 3 .
Dokaz. Prema Tvrdnji 2.3.9 vektori

a i b su kolinearni ako i samo ako postoji realan
broj takav da je b =
a . Tada je
i = i (i = 1, 2, 3),
pa je
1
2
1
=
=
= .
1
2
1
Odavde slijedi 1 : 2 : 3 = 1 : 2 : 3 , sto je trebalo dokazati.
Definicija 2.3.17. Uredeni par (

e1 ,
e2 ) dva nekolinearna vektora ravni nazivamo
bazom vektorskog prostora X0 ().
2.3.5
Linearna zavisnost vektora
Linearnu kombinaciju nekoliko vektora nazivamo trivijalnom ako su svi koeficijenti

u toj linearnoj kombinaciji jednaki nuli. Trivijalna linearna kombinacija bilo kojih
vektora je jednaka nula vektoru. Za linearnu kombinaciju kazemo da je netrivijalna
ako je u toj linearnoj kombinaciji bar jedan koeficijent razlicit od nule.
a ,
a ,...,
a nazivaju se linearno zavisnim, ako postoji
Definicija 2.3.18. Vektore
1
netrivijalna linearna kombinacija tih vektora koja je jednaka nuli, tj. ako postoje
skalari 1 , 2 , . . . , k takvi da je
ak = 0 i 12 + 22 + . . . + k2 = 0.
1
a 1 + 2
a2 + . . . + k
Vektori koji nisu linearno zavisni nazivaju se linearno nezavisni.
a1 ,
a2 , . . . ,
ak su linearno nezavisni ako i samo ako vrijedi
Dakle, vektori
1
a1 + 2
a2 + . . . + k
ak = 0 1 = 2 = . . . = k = 0.
Pojam linearne zavisnosti i nezavisnosti igra kljucnu ulogu u linearnoj algebri.
Teorem 2.3.19. Svaka dva kolinearna vektora su linearno zavisna i obrnuto, ako su
dva vektora linearno zavisni, onda su oni kolinearni. Svaka dva nekolinearna vektora
su linearno nezavisna.
52
Dokaz. Neka su vektori

a i b kolinearni. Ako je bar jedan od njih nula, npr.
a = 0,
| b |
onda je 1 a + 0 b = 0. Ako su oba razlicita od nule, onda je b = |

a , gdje se
a|
uzima znak + ako su vektori

a i b istog smjera, a znak - ako su ti vektori suprotnog
b |
smjera. Odavde imamo 1 b |

a = 0, pa su vektori
a i b linearno zavisni.
a|
Obrnuto, ako su vektori

a i b linearno zavisni onda je
a + b = 0 i = 0 ili
= 0. Neka je npr. = 0. Tada je

a = b . Odavde slijedi da su vektori
a i b
kolinearni.
Neka su vektori
a i b nekolinearni. Ako bi bili linearno zavisni, onda bi oni,
prema naprijed dokazanom, bili kolinearni, sto nije slucaj.
Analogno se dokazuju sljedece dvije teoreme.
Teorem 2.3.20. Ako su tri vektora linearno zavisna, onda su oni komplanarni. Svaka
tri komplanarna vektora su linearno zavisna. Tri nekomplanarna vektora su linearno
nezavisna.
Teorem 2.3.21. Svaka cetiri vektora u X0 (E) su linearno zavisna.
2.3.6
Koordinatni sistem
Fiksirajmo u prostoru E tacku O. Neka je M proizvoljna tacka prostora E. Vektor OM
nazivamo radijus vektorom tacke M. Izaberimo u X0 (E) jednu bazu (

e1 ,
e2 ,
e3 ) . Tada
tacki M mozemo pridruziti uredenu trojku (1 , 2 , 3 ) skalara, koje predstavljaju
komponente vektora OM u pomenutoj bazi.
Definicija 2.3.22. Uredeni par (O, (

e1 ,
e2 ,
e3 )) jedne tacke O prostora E i baze
( e1 , e2 , e3 ) naziva se koordinatni sistem. Tacka O naziva se koordinatni pocetak.
Komponente (1 , 2 , 3 ) radijus vektora OM tacke M nazivaju se koordinate tacke

M. Prave koje predstavljaju nosace vektora baze redom nazivaju se apcisa, ordinata i
aplikata.
2.3.7
Skalarni proizvod
Neka su
a i b nenulti vektori prostora V 3 . Neka je
a = OA i b = OB . Onda
mjerni broj ugla

a , b definisemo kao mjerni broj neorijentisanog ugla AOB,
koji se nalazi u intervalu [0, ]. Ako je bar jedan od vektora

a i b nula vektor, pojam
ugla
a , b ne definise. Lahko je vidjeti da je ugao
a , b dobro definisan i
da ne zavisi od izbora predstavnika (Teorema o uglovima sa paralelnim kracima.). Iz
definicije ugla izmedu dva vektora skijedi da je
a, b =

b ,
a .
2.3. VEKTORI
53
a , b = 2 , onda kazemo da su ti vektori ortogonalni (ili okomiti) i
pisemo
a b . Osim toga, vektori
a i b su kolinearni istog smjera ako i samo je
a , b = 0, a suprotnog smjera ako je

a , b = .
Ako je
Sada cemo u V 3 definisati jednu novu operaciju koju cemo zvati skalarni proizvod.
Definicija 2.3.23. Neka je
preslikavanje koje uredenom
da vrijedi:
u:V3V3 R
a , b vektora pridruzuje realan broj u

a, b
tako
1. ako je bar jedan od vektora

a i b nula vektor, onda je u
a , b = 0;

2. ako je
a = 0 i b = 0 , onda je
u
a , b = |
a | | b | cos
a, b .
Preslikavanje u nazivamo skalarni proizvod u prostoru V 3 . Obicno pisemo
u
a, b =
a b =
a b
i takoder krace cos
a , b = cos
a, b .
Pomocu skalarnog proizvoda okomitost vektora

sljedeci nacin.
a i b su okomiti
Tvrdnja 2.3.24. Nenulti vektori
a b = 0.
Dokaz. Ako je
a b = 0, onda je |
a | | b | cos
a, b
a i b moze okarakterisati na
(ortogonalni) ako i samo ako je
= 0. Kako je |
a | = 0 i | b | = 0,
to je cos
a , b = 0, pa je
a , b = 2 , tj.
a b.
Obrnuto, neka je
a b . Tada je cos
a , b = 0, pa je
a b = 0.
Primjetimo da je
a
a = |
a |2 . Skalarni proizvod vektora
a sa samim sobom
oznacavamo sa
a 2 . Odmah je jasno da je
a 2 0 za svako
a V 3 i da je
a2 = 0
ako i samo ako je a = 0 .
Tvrdnja 2.3.25. Za svaka dva vektora

a , b V 3 vrijedi
a + b
=
a 2 + b 2 + 2
a b i
a b
=
a 2 + b 2 2
a b.
54
Dokaz. Neka je
a = AB i b = BC . Tada je
a + b = AC . Pretpostavimo
da vektori a i b nisu kolinearni. Primjenom kosinusne teoreme na trougao ABC

imamo
AC 2 = AB 2 + BC 2 2AB BC cos ,
pri cemu je =
a , b . Dakle,
|
a + b |2 = |
a |2 + | b |2 2|
a | | b | cos
a, b
a, b
= |
a |2 + | b |2 + 2|
a | | b | cos
=
a
a + b b + 2
a b.
Neka su sada
a i b kolinearni vektori istog smjera. Tada je
a + b = AC
je
. Kako
|
a + b | = AC = AB + BC = |
a | + | b |,
to je
a + b
Neka su sada
a i
Tada je a + b =
|
a|+|b|
= |
a |2 + | b |2 + 2|
a || b |
=
a
a + b b + 2
a b.
=
b kolinearni vektori suprotnog smjera i neka je npr. |

a | | b |.
AC i AC = AB BC. Nadalje, imamo
a + b
|
a||b|
= |
a |2 + | b |2 2|
a || b |
=
a
a + b b + 2
a b,
jer je
a b = |
a | | b | cos = |
a | | b |.
Slicno se dokazuje druga tvrdnja.
Tvrdnja 2.3.26. Za proizvoljne vektore

a i vekb prostora V 3 i skalar ( R) vrijedi
2
(
a) b =
a b .
Dokaz. Ako je = 0 ili je jedan od vektora

a i b onda je tvrdnja ocigledna. Uzmimo

zato da je = 0,
a = 0 i b = 0 . Tada je > 0 ili je < 0. Ako je > 0, onda je
|
a | = |
a| i
a, b =
a , b , pa je
(
a ) b = |
a || b | cos
a , b = |
a || b | cos
a, b =
a b .
2.3. VEKTORI
55
Ako je < 0, onda je |

a | = |
a| i
a, b =
a , b , pa je
(
a ) b = |
a || b | cos
a, b
= |
a || b | cos
a, b
= |
a || b | cos
a, b
=
a b .
Time je tvrdnja dokazana.
Teorem 2.3.27. Ako je baza (

e1 ,
e2 ,
e3 ) ortogonalna, tada su komponente vektora
a
u odnosu na tu bazu date formulom
1 =
a
e1
a
e2
a
e3
,
=
,
=
.
2
3
| e1 |2
| e2 |2
| e3 |2
Dokaz. Neka je
a = 1
e1 + 2
e2 + 3
e3 i
a =
a1 +
a2 +
a3 , pri cemu su vektori
a1 , a2 i a3 kolinearni redom sa vektorima e1 , e2 i e3 . Tada je

ai = i
ei , i = 1, 2, 3,
tj.
|
ai | = |i ||
ei | (i = 1, 2, 3).
Dakle,
|
ai |
i =
(i = 1, 2, 3),
|
ei |
pri cemu se uzima znak - ako su vektori

ai i
ei (i = 1, 2, 3) suprotnog smjera. S
druge strane je
|ai | = |
a | cos (
a ,
ei ), (i = 1, 2, 3).
Dakle,
i =
|
a | cos (
a ,
ei )
a
ei
=
(i = 1, 2, 3).
| ei |
| ei |2
Sljedeca osobina izrazava linearnost skalarnog proizvoda.
Teorem 2.3.28. Za svaka tri vektora

a, b i
c iz V 3 vrijedi
a + b
c =
a
c + b
c.
Dokaz. Ako je
c = 0, onda je tvrdnja ocigledna. Neka je
c = 0. Izaberimo bazu
3
{ c , u , v } prostora V tako da je c u , c v , i v
u . Prema prethodnoj
56
teoremi imamo
a + b =
a =
b =
a + b
c
a + b
u
a + b
v
c
+
u
+
v,
|
c |2
|
u |2
|
v |2
a
c
a
u
a
v
c
+
u
+
v,
2
2
2
|c|
|u|
|v|

b
c
b
u
b
v
c
+
u
+
v.
2
2
2
|c|
|u|
|v|
Dakle,
c
a + b
c
a
c
=
c +
|
c |2
|
c |2
pa je

b
c
c,
|
c |2
a + b
c =
a
c + b
c.
Time je dokaz zavrsen.

Matematickom indukcijom dokazuje se da vrijedi
a k ) b = 1
a1 b + . . . + k
ak b .
(1
a 1 + . . . + k
Zbog komutativnosti skalarnog proizvoda vrijedi
a b +
c =
a b + (
a
c ).
Neka je (
e1 ,
e2 ,
e3 ) baza, a (1 , 2 , 3 ) i (1 , 2 , 3 ) komponente vektora
a i b u
odnosu na tu bazu. Tada je
a b = 1 1 (
e1
e1 ) + 2 2 (
e2
e1 ) + 3 3 (
e3
e3 ) +
+ ( + ) ( e e ) + ( + ) (
e
e )+
1 2
2 1
+ (2 3 + 3 2 ) (
e2
e3 ) .
1 3
3 1
Definicija 2.3.29. Bazu (

e1 ,
e2 ,
e3 ) nazivamo ortonormiranom ako je
|
ei | = 1 (i = 1, 2, 3) i
(
ei ,
ej ) = 900 (i = j).
Ako je baza (
e1 ,
e2 ,
e3 ) ortonormirana, onda je
e1
e1 =
e2
e1 =
e2
e2 =
e3
e1 = 1,
e1
e2 =
e2
e3 =
e1
e3 = 0.
Ove podatke mozemo zapisati u obliku tabele
2.3. VEKTORI
57
e1
e2
e
1
e1
1
0
0
e2
0
1
0
e3
0
0
1
Zbog toga je
a b = 1 1 + 2 2 + 3 3 ,
|
a| =
12 + 22 + 32 ,
cos
a, b
1 1 + 2 2 + 3 3
12 + 22 + 32
12 + 22 + 32
e3 .
e2 + 3
e2 + 3
e3 i b = 1
e1 + 2
e1 + 2
za
a = 1
Definicija 2.3.30. Dekartov koordinatni sistem (O, (

e1 ,
e2 ,
e3 )) u kojem je baza
( e1 , e2 , e3 ) ortonormirana naziva se Dekartov pravougli koordinatni sistem.
Definicija 2.3.31. Uredena trojka nekomplanarnih vektora

a , b ,
c naziva se
trijedar desne orijentacije, ako gledajuci s vrha treceg vektora, tj. vektora
c , kraci
put od vektora
a do vektora b je na suprot kretanja kazaljke na satu.
2.3.8
Vektorski proizvod
c takav da je:
Definicija 2.3.32. Neka su dati vektori
a i b . Konstruisimo vektor
1. |c| = |a||b| sin , gdje je ugao izmedu vektora

a i b,
2. vektor
c je ortogonalan na vektorima
a i b,
3. vektori
a, b,
c obrazuju trijedar desne orijentacije.
Vektor c nazivamo vektorski proizvod vektora

a i b i pisemo
c =
a b.
e 1,
e 2,
e 3 ) ortonormirani trijedar desne orijentacije, tada je
Primjer 2.3.33. Ako je (
e1
e2=
e 3,
e2
e3=
e1
e3
e1=
e 2,
tj.
e1
e2
e
3
e1
e3
e1
e2
e3
e1
e3
e2
e1
58
Ako je
f 1, f 2, f 3
ortonormirani trijedar lijeve orijentacije, tada je
f 1 f 2 = f 3, f 2 f 3 = f 1 f 3 f 1 = f 2.
a b . Tada je |
a b | = |
a |. S druge strane vektor
Primjer 2.3.34. Neka je | b | = 1 i
a b je ortogonalan na vektore a i na b . To znaci da je vektor a b nastao tako sto je
vektor
a zarotiran oko vektora b u pozitivnom smislu za ugao od 900 .
Teorem 2.3.35. Vektorski proizvod je antikomutativan, tj.
a b = b
a .
Dokaz. Intenzitet vektorskog proizvoda ne zavisi od poretka vektora u vektorskom
proizvodu, pa je |
a b| = |b
a |. Vektori
a b i b
a su kolinearni.
Vektori a , b , a b formiraju desni trijedar, pa vektori b , a , a b obrazuju lijevi
trijedar. Zbog toga vektori b ,

a , b
a cini desni trijedar. Dakle,
a b =

b
a .
Teorem 2.3.36. Za svaka dva vektora

a i b i za bilo koji skalar vrijedi
(
a) b =
a b =
a ( b ).
Dokaz. Oznacimo sa ugao izmedu vektora

a i b . Tada je
|(
a ) b | = |||
a || b | sin = |(
a b )|
Oba vektora su ortogonalna na vektore

a i b . Za > 0 vektori (
a ) b i (
ab)
su istog smjera kao i vektor

a b . Za < 0 vektori (
a ) b i
a b su suprotnog
smjera. Isto tako vektori (

a b) i
a b su suprotnog smjera. Zbog toga su
vektori (
a ) b i (
a b ) za = 0 su jednako orijentisani. Za = 0 tvrdnja je
ocigledna. Ostatak tvrdnje se analogno dokazuje.
Lema 2.3.37. Neka je

c proizvoljan vektor razlicit od nule. Tada za svaki vektor
a vrijedi a c = a1
c , gdje je
a =
a1 +
a2 , pri cemu je
a1 orogonalan na
c,
a a kolinearan sa c .
2
Dokaz. Neka je
a =
a1 +
a2 , pri cemu je
a1 orogonalan na
c,a
a2 kolinearan sa
c.
Oznacimo sa ugao izmedu vektora a i c . Tada je |a1 | = | a | sin i |a2 | = | a | cos .
c . Imamo
Pokazimo da je
a
c =
a1
c | 1 = |
|
a
c | = |
a ||
c | sin 900 = (|
a | sin )|
a
c |.
1
c , pa je vektor
Vektor
a1 je komplanaran sa vektorima
a i
a
c ortogonalan na
ravan u kojoj leze vektori

a ,
c i
a1 . Buduci da je i vektor
a1
c ortogonalan na
c kolinearni. Sa slike se lako vidi da su oni

istu ravan, to su vektori
a
c i
a1
istog smjera, pa su jednaki. Dakle,

a
c =
a1
c.
2.3. VEKTORI
59
Teorem 2.3.38. Za svaka tri vektora

a , b ,
c vrijedi
(
a + b)
c =
a
c + b
c.
c nenulti
Dokaz. Ako je
c nula vektor, onda je tvrdnja ocigledna. Neka je sada
vektor. Vektore a i b prikazimo u obliku a = a1 + a2 i b = b1 + b2 , gdje su vektori
a1 i b1 ortogonalni na
c , a vektori
a2 i b2 kolinearni sa
c . Zbog toga imamo prikaz
a + b = a1 + b1 + a2 + b2 , pri cemu je vektor a1 + b1 ortogonalan na

c i
vektor
a + b kolinearan sa
c . Zbog toga je
2
c,
a + b
c =
a1 + b1
a
c =
a1
c i
b c = b1 c .
To znaci da trebamo dokazati
c +
a1 + b1
c =
a1
b1
c.
c
. Na osnovu Primjera 2.3.34 vektor
a1 + b1
e je nastao rotaciNeka je
e = |
c|
jom vektora
a1 + b1 oko
e za ugao od 900 . Pri ovoj rotaciji paralelogram konstruisan
nad vektorima
a1 i b1 se preslikava u paralelogram, pri cemu dijagonala prvog par
alelograma prelazi u dijagonalu drugog paralelograma. Dakle, vektor

a1 + b1 prelazi
u vektor
a
e + b
e . Dakle,
a + b
e =
a
e + b
e . Konacno imamo
1
c =
a + b
a1 + b1
c =
a1 + b1 |
c |
e
= |
c|
a1 + b1
e = |
c|
a1
e + b1
e
c + b
c ,
=
a1
c + b1
c =
a
Neka je (
e1 ,
e2 ,
e3 ) desna ortonormirana baza prostora XO (E). Neka su
a =
1
e1 + 2
e2 + 3
e3 i b =
e1 + 2
e2 + 3
e3 proizvoljni vektori.Tada na osnovu
prethodnih teorema imamo
a b = (1
e1 + 2
e2 + 3
e3 ) (
e1 + 2
e2 + 3
e3 )
= ( ) ( e e ) + ( ) (
e
e )
1 2
2 1
2 3
3 2
+ (3 1 1 3 ) (
e3
e1 )
= (1 2 2 1 ) e3 + (2 3 3 2 )
e1 + (3 1 1 3 )
e2
60
Ovaj posljednji izraz mozemo formalno napisati u obliku determinante treceg reda
e1
a b = 1
1
e2
2
2
e3
3 .
3
Neka su dati vektori
a = 1
e1 + 2
e2 + 3
e3 ,
e3 i
e2 + 3
b =
e1 + 2
e3 .
c = 1 e1 + 2 e2 + 3
Izracunajmo
a b
c . Kako je
b
c = (2 3 3 2 )
e1 + (3 1 1 3 )
e2 + (1 2 2 1 )
e3 ,
to je
a b
c =
e1
1
2 3 3 2
e2
2
3 1 1 3
e3
3
.
1 2 2 1
Odavde imamo
a b
c
= (2 (1 2 2 1 ) 3 (3 1 1 3 ))
e1
+ (( ) ( ))
e
3
2 3
3 2
1 2
2 1
+ (1 (3 1 1 3 ) 2 (2 3 3 2 ))
e3
=
(
a
c ) 1
a b 1
e1
+ (
a
c ) 2
a b 2
e2
+ (
a
c ) 3
a b 3
e3
c )
= (
a
b
a b
c.
Posljednji izraz mozemo napisati u obliku determinante drugog reda
a b c =
c .
a b
a
Ovim smo dokazali sljedecu teoremu
a , b ,
c V 3 vrijedi
Teorem 2.3.39. Za svaki izbor vektora
a b
c = (
a
c) b
a b
c.
2.3. VEKTORI
61
Posljedica 2.3.40. Za svaka tri vektora

a , b ,
c V 3 vrijedi
c = (
a b
a
c) b b
c
a.
Dokaz. Prema prethodnoj teoremi imamo
a b
c =
c
a b
=
b c
a (
a
c) b
= (
a
c) b b
c
a.
Iz prethodne posljedice neposredno slijedi
a b
c + b
c
a + (
c
a) b = 0
za svaka tri vektora

a , b ,
c V 3 . Ovu jednakost nazivamo Jacobijev identitet.
2.3.9
Mje
soviti proizvod vektora
Definicija 2.3.41. Neka je

m:V3V3V3 R
preslikavanje definisano s
m
a , b ,
c =
a b
c,
za svaka tri vektora

a, b i
c vektorskog prostora V 3 . Preslikavanje m nazivamo
mjesoviti proizvod tri vektora. Mjesoviti proizvod vektora

a, b i
c kraceoznacavamo
sa
m
a , b ,
c =
a , b ,
c .
Ispitajmo osobine mjesovitog proizvoda.
Tvrdnja 2.3.42. Mjesoviti proizvod triju vektora jednak je nuli ako i samo ako su ti
vektori komplanarni.
Dokaz. Neka su vektori

a, b i
c komplanarni. Ako je bilo koji od vektora
a b
i
c nula vektor, onda je ocito da je
a , b ,
c = 0. Uzmimo zato, da to nije slucaj.
Tada je vektor
a b je ortogonalan na ravan u kojoj leze vektori
a i b , pa je on
i ortogonalan na vektor
c . Zato je
a , b ,
c = 0.
62
Obrnuto, neka je
a , b ,
c = 0. Tada je
|
a b ||c| cos
a b ,
c = 0.
Tada je
a b = 0 ili je
c = 0 ili je
a b ,
c = 900 . U prvom slucaju su
vektori
a i b kolinearni, pa su linearno zavisni. Zbog toga su i vektori
a, b i
c
komplanarni. Ako je c = 0, onda iz 0 a +0 b +1 c = 0 slijedi da su vektori linearno
zavisni, tj. komplanarni. U trecem slucaju je

c
a b . Kako je
a
a b
i b
a b , to vektori
a, b i
c leze u jednoj ravni, pa su komplanarni.
Tvrdnja 2.3.43. Ako su vektori

a, b i
c dati koordinatama
a = (1 , 2 , 3 ) ,
b = (1 , 2 , 3 ) ,
c = ( , , ) ,
1
onda je
1
a , b ,
c = 1
1
2
2
2
3
3 .
3
Dokaz. Imamo redom
a , b ,
c
=
a b
c
=
(2 3 3 2 ) i + (3 1 1 3 ) j + (1 2 2 1 ) k
1 i + 2 j + 3 k
= 1 (2 3 3 2 ) + 2 (3 1 1 3 ) + 3 (1 2 2 1 )
1 2 3
1 2 3
= 1 2 3 = 1 2 3 .
1 2 3
1 2 3
Posljedica 2.3.44. Vektori
a = (1 , 2 , 3 ) , b = (1 , 2 , 3 ) ,
c = (1 , 2 , 3 )
su linearno zavisni ako i samo ako je
1
1
1
2
2
2
3
3
3
= 0.
2.3. VEKTORI
63
Dokaz. Dokaz je trivijalan.

Iz Tvrdnje 2.3.43 i osobina determinante treceg reda slijedi da mjesoviti proizvod
ne mijenja vrijednost za bilo koju ciklicku izmjenu faktora, dok kod neciklicke izmjene
mijesta mjesoviti proizvod mijenja znak.
c ,
a , b ,
c = b ,
c ,
a =
a, b
c ,
b ,
a ,
c =
a ,
c, b =
b ,
a =
a , b ,
c .
a , b ,
c je desne orijentacije ako i samo ako
Tvrdnja 2.3.45. Trijedar
a , b ,
c > 0,
a lijeve orijentacije ako i samo ako je
a , b ,
c < 0.
Dokaz. Neka je
a , b ,
c > 0. Tada je
cos
a b ,
c > 0,
a b ,
c
c nalaze sa
ostar. To znaci da se vektori
c i
a
iste strane ravni u kojoj leze vektori

a i b . Zbog toga su trijedri
a , b ,
c i
a , b ,
a b iste orijentacije. Kako je trijedar
a , b ,
a b desne orijentacije,
pa je ugao
to je trijedar
a , b ,
c je desne orijentacije. Obrnuto, neka je trijedar
a , b ,
c
desne orijentacije. Tada se vektori

c i
a b nalaze sa iste strane ravni odredene
vektorima a i b . To znaci da je ugao

a b ,
c ostar. Zbog toga je skalarni
proizvod
a b
c pozitivan, pa je
a , b ,
c > 0.
Neka je trijedar
a , b ,
c lijeve orijentacije. Tada se vektori
c i
a b
nalaze sa razlicitih strana ravni u kojoj leze vektori

a i b . To znaci da je ugao
a b ,
c tup. Zato je
a , b ,
c < 0. Obrnuto, neka je
a , b ,
c < 0. Tada
je ugao
a b ,
c tup, pa se vektori
c i
a b nalaze sa razlicitih strana
ravni u kojoj leze vektori

a i b . Zbog toga trijedar
a , b ,
c ima suprotnu ori

jentaciju u odnosu na trijedar

a , b ,
a b . Dakle, trijedar
a , b ,
c ima lijevu
orijentaciju.
64
Tvrdnja 2.3.46. Apsolutna vrijednost mjesovitog proizvoda tri nekomplanarna vektora jednaka je zapremini paralelepipeda konstruisanog nad tim vektorima.
Dokaz. Vektori
a, b i
c su nekomplanarni. Zbog toga oni cine trijedar
a , b ,
c
koji moze biti desne ili lijeve orijentacije. dovodenjem na zajednicki pocetak, oni
odreduju paralelepiped. Zapremina paralelepipeda je proizvod povrsine baze paralelepipeda i visine paralelepipeda. Neka ti vektori cine desni trijedar. Baza par
alelepipeda je paralelogram konstruisan nad vektorima

a i b . Povrsina baze je
|
a b |. Kako je vektor
a b ortogonalan na bazu paralelepipeda, pa je visina
paralelepipeda jednaka projekciji vektora

c na vektor
a b . Dakle, zapremina
paralelepipeda jednaka je mjesovitom proizvodu.
Neka vektori
a, b i
c cine lijevi trijedar. Tada vektori
a b i
c zaklapaju
tup ugao, pa za visinu paralelepipeda vrijedi
c .
h = proj
ab
Dakle, zapremina paralelepipeda je V =

a, b
c .
2.3.10
Zadaci

c =
a + b , gdje je
a = 4i + j, b =
1. Odrediti i iz jednakosti
2 i + 3 j , c = i + 4 j , ako su i i j jedinicni vektori koordinatnih osa

pravouglog koordinatnog sistema.
2. Naci skalarni proizvod vektora

a = 2
m
n, b =
m 2
n , gdje je |
m| =
2, |
n | = 4, (
m.
n ) = 3 .
3. Naci ugao izmedu vektora

a =
m+
n, b =
m
n , ako je |
a | = |
n | = 2.
4. Naci projekciju vektora

a = 2
p 3
q na b =
p +
q , ako je |
p | = 2, |
q|=
3, ( p , q ) = 3 .
5. Naci duzine dijagonala i ugao izmedu njih, paralelograma konstruisanog nad
vektorima
a = 2
m +
n i b ==
m 2
n , gdje su
mi
n jedinicni vektori koji
zaklapaju ugao od ( p , q ) = 3 .
6. Dati su vektori
a {0, 2, }, b {2, 2, 1},
c {1, 2, 1} i d {, 0, 1}. Odrediti
iz uslova
a b =
c d + 7.
7. Odrediti tako da vektor

a {2, 1, 1 } obrazuje jednake uglove sa vektorima
b {1, 3, 0} i c {5, 1, 8}.
2.3. VEKTORI
65
8. Dokazati da pri bilo kom rasporedu tacaka A,B,C i D u prostoru vazi

BC AD + CA BD + AB CD = 0.
9. Vektori
a , b ,
c i d su:
a =
p + 3
q , b = 7
p 5
q,
c =
p 4
q i d = 7
p 2
q.
Ako je
a b i
c d , naci ugao izmedu
p i
a 2 b | ako je |
a | = 6, | b | = 5 i
10. Izracunati |
q.
(
p ,
q ) = 6 .
11. Naci povrsinu i visinu BD trougla ABC ako je A(1, 2, 8), B(0, 0, 4) i C(6, 2, 0).
12. Tri jedinicna vektora

u,
v i
w obrazuju uglove
(
u,
v ) = 450 , (
v ,
w ) = 900 ,
(
w,
u ) = 1200 .
Ako je
a =
u
v +
w i b =
u +
v naci |
a b |.
c ) i
13. Dati su vektori
a {1, 2, 1}, b {1, 1, 2} i
c {2, 1, 1}. Naci
a (b
projekciju vektora b na a ( b c ).
14. Dati su vektori

a {1, 1, 1}, b {1, 1, 0} i
c {1, 1, 0}. Odrediti vektor
x iz uslova:
x
a =3i
x b =
c.
15. Vektori
a {1, 2, 1}, b {2, , } i
c {3, 2, } su ivice tetraedra ( realan
parametar).
(a) Odrediti zapreminu toga tetraedra.
(b) Odrediti da vektori

a, b i
c budu komplanarni i u tom slucaju razloziti
vektor a preko vektora b i c ,
16. Dati su vektori

a {2, 1, 1 }, b {1, 3, 0} i
c {5, 1, 8}.
(a) Odrediti da vektor

a zaklapa jednake uglove sa vektorima b i
c.
(b) Za tako nadeno odrediti nagib vektora c prema ravni odredenoj vek

torima b i
a.
(c) Za isto odrediti zapreminu i jednu od visina paralelepipeda konstruisanog
nad tim vektorima.
17. Dokazati da su vektori

a b , b
c i
c
a komplanarni, bez obzira kakvi
su vektori a , b i c .
66
Glava 3
Analiti
cka geometrija u prostoru
3.1
Ta
cka u prostoru. Djeljenje du
zi u datom omjeru
Polozaj tacke M u prostoru u odnosu na jednu fiksiranu tacku O (pol) odreden je vek
torom OM =
r , kojeg nazivamo radijus vektor ili vektor polozaja tacke M. U odnosu
na neki koordinatni sistem (O;

e 1,
e 2,
e 3 ) ciji je koordinatni pocetak u tacki O vek
tor r se moze prikazati u obliku r = x e 1 + y

e 2 + z
e 3 , gdje su x, y, z jednoznacno
odredeni realni brojevi. Ovako odredenu uredenu trojku (x, y, z) nazivamo koordinate
tacke M u odnosu na dati koordinatni sistem. Svakoj tacki prostora odgovara tacno
jedna uredena trojka (x, y, z) realnih brojeva i svakoj uredenoj trojci (x, y, z) realnih
brojeva odgovara tacno jedna tacka M prostora.
Neka su date dvije tacke M1 (x1 , y1 , z1 ) i M2 (x2 , y2 , z2 ) prostora. Tada je M1 M2 =

OM2 OM1 =
r2
r 1 . Zbog toga je |M1 M2 | = |
r2
r 1 |.
Ako je koordinatni sistem pravougli, onda je
d = |M1 M2 | =
(x2 x1 )2 + (y2 y1 )2 + (z2 z1 )2 .
Ovako definisan broj d nazivamo udaljenost izmedu tacaka M1 i M2 .

Neka su M1 (x1 , y1 , z1 ) i M2 (x2 , y2 , z2 ) dvije tacka prostora i realan broj razlicit
od -1. Za tacku M0 (x0 , y0 , z0 ) kazemo da dijeli duz M1 M2 u omjeru ako je M1 M0 =
M0 M2 . Odavde je

OM0 OM1 = OM2 OM0 ,
tj.
r0
r 1 = (
r2
r 1 ),
tj.
r0=
(
r 1 +
r 2) .
1+
67

GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
68
Odavde imamo
x 1 + x2
y1 + y 2
z1 + z2
, y0 =
, z0 =
.
1+
1+
1+

Ako je = 1, onda je M1 M0 = M0 M2 , pa je M0 sredina duzi M1 M2 i u tom slucaju
2 y1 +y2 z1 +z2
imamo M0 x1 +x
.
2 ,
2 ,
2
x0 =
Neka su A(x1 , y1 , z1 ), B(x2 , y2 , z2 ) i C(x3 , y3 , z3 ) tjemena trougla, a T teziste toga

trougla. Odredimo koordinate (xT , yT , zT ) teziv sta. Neka je M sredina duzi BC.

Tada je AT = 2T M , tj. OT OA = 2 OM OT , tj.

3OT = OA + 2OM = OA + OB + OC.
Odavde je
xT =
3.2
1
1
1
(x1 + x2 + x3 ) , yT = (y1 + y2 + y3 ) , zT = (z1 + z2 + z3 ) .
3
3
3
Op
sti oblik jedna
cine ravni
Neka su A, B, C i D realni brojevi takvi da je A2 + B 2 + C 2 = 0. Tada se funkcija

f (x, y, z) = Ax + By + cz + D
(3.2.1)
naziva polinom prvog stepena u varijablama x, y i z. Pod nulom polinoma f (x, y, z)

podrazumjevamo svaku uredenu trojku (x0 , y0 , z0 ) realnih brojeva takvu da je
f (x0 , y0 , z0 ) = Ax0 + By0 + Cz0 + D = 0.
Kako svaka uredena trojka realnih brojeva, u odnosu na neki Dekartov pravougli koordinatni sistem, odreduje tacku u prostoru E, to svaka nula polinoma (5.3.2) odreduje
po jednu tacku prostora E koju nazivamo nula tacka polinoma (5.3.2). Postavlja
se pitanje sta predstavlja skup svih nula tacaka polinoma (5.3.2). Odgovor na ovo
pitanje dat je u sljedecoj teoremi.
Teorem 3.2.1. Za svaku ravan postoji polinom (5.3.2) takav da je ta ravan skup svih
nula tacaka polinoma (5.3.2) u odnosu na neki Dekartov pravougli sistem. Obrnuto,
za svaki polinom (5.3.2) i za svaki Dekartov pravougli koordinatni sistem postoji ravan
koja je skup svih nula tacaka tog polinoma.
OBLIK JEDNACINE
3.2. OPSTI
RAVNI
69
Dokaz. Neka je data proizvoljna ravan . Neka je O proizvoljno odabrana tacka te
ravni. Odaberimo dva ortonormirana vektora

e1 i
e2 te ravni. Neka je
e3 =
e1
e2 .
Tada je (O, e1 , e2 , e3 ) desni Dekartov koordinatni sistem. Neka je M proizvoljna tacka
ravni . Vektor OM u odnosu na bazu {

e1 ,
e2 ,
e3 } ima prikaz OM =
e1 +
e2 +0
e3 ,
jer je vektor OM okomit na vektor

e3 . To znaci da tacka M ima koordinate (, , 0).
No, uredena trojka je nula polinoma f (x, y, z) = z. Dakle, uredena trojka (, , 0) je
nula polinoma f (x, y, z).

Obrnuto, neka je (5.3.2) proizvoljan polinom i O, ( i , j , k ) Dekartov pravougli
sistem. Tada je bar jedan od brojeva A, B i C razlicit od nule. Neka je npr. A =
B+D
C+D
0. Lahko se vidi da su uredene trojke D
A , 0, 0 , A , 1, 0 i A , 0, 1 nule
polinoma (5.3.2). Ove tri trojke u odnosu na izabrani koordinatni sistem odreduju

redom tacke M0 , M1 i M2 . Neka je

n = M0 M1 M0 M2 . Tada je
n = M0 M1 M0 M2 = B
A
C
A

j k
B
C
j + k.
1 0 = i +
A
A
0 1
Postoji tacno jedan ravan koja prolazi tackom M0 i okomita je na vektor

n . Neka je
(x0 , y0 , z0 ) proizvoljno rjesenje jednacine (5.3.2). Uredena trojka (x0 , y0 , z0 ) odreduje
M (x0 , y0 , z0 ) . Tada je
taku
M0 M = x0 + D
A , y0 , z0 , pa je
D B
C
n M0 M = x0 +
+ y0 + z0 .
A
A
A
S druge strane je (x0 , y0 , z0 ) nula polinoma (5.3.2), pa je
Ax0 + By0 + Cz0 + D = 0.
Nakon djeljenja sa A dobije se
x0 +
B
C
D
y0 + z0 +
= 0.
A
A
A
To znaci da je
n M0 M = 0. Odavde slijedi da tacka M pripada ravni . Prema
tome, sve nula tacke polinoma (5.3.2) pripadaju ravni .
Definicija 3.2.2. Jednacinu Ax + By + Cz + D = 0 nazivamo jednacinom ravni u
opstem obliku ili opsti oblik jednacine ravni.
Skupa sa ovom teoremom mi smo dokazali i sljedecu tvrdnju.
Tvrdnja 3.2.3. Vektor N sa komponentama (A, B, C) u pravouglom Dekartovom

koordinatnom sistemu je okomit na ravan Ax + By + Cz + D = 0.

GLAVA 3. ANALITICKA
70
Definicija 3.2.4. Vektor N (A, B, C) naziva se vektor normale ravni Ax + By + Cz +

D = 0.
Ako je D = 0, onda tacka (0, 0, 0) predstavlja nula tacku polinoma P (x) = Ax +
By + Cz. To znaci da ravan Ax + By + Cz = 0 prolazi kroz koordinatni pocetak.
Jedan od koeficijenata A, B, C je sigurno razlicit od nule. Neka je npr. C = 0. Tada
djeljenjem sa C dobije se
A
B
x + y + z = 0,
C
C
tj. A x + B y + z = 0. Jednacina ravni u ovom slucaju zavisi od dva parametra A i
B.
Ako je C = 0, onda se jednacina swvodi na Ax + By + D = 0. Vektor normale te
ravni je N (A, B, 0). Kako je N k = 0, to je vektor N okomit na z osu. No, vektor
N je okomit i na ravan (ciji je on vektor normale). To znaci da je ta ravan paralelna

sa z osom, tj. okomita je na ravan xOy. Ako je pri tome i D = 0, onda ta ravan sadrzi
tacke sa koordinatama (0, 0, t) za svako t. Dakle, ta ravan sadrzi z osu. Dakle, ravan
Ax + By = 0 sadrzi z osu i okomita je na ravan x)y. Analogno ravni By + Cz = 0 i
Ax + Cz = 0 sadrze x osu i y osu respektivno.
Ravan Ax + D = 0, (A, D = 0) je paralelna sa y i z osom, tj. paralelna je sa ravni
yOz. Ukoliko je D = 0, onda se ravan Ax = 0, (A = 0) poklapa sa ravni yOz.
Analogno se razmatraju i ostali slucajvi.
3.3
Razli
citi oblici jedna
cine ravni
Jednacina ravni izrazava vezu izmedu koordinata proizvoljne tacke (ili radius vektora
proizvoljne tacke) i zadanih parametara.
3.3.1
Normalni oblik jedna

cine ravni
Cilj nam je da napisemo jednacinu ravni ako je poznata udaljenost p te ravni i jedinicni
vektor normale
n te ravni.
Iz tacke O povucimo naormalu na ravan. Neka je podnozje te normale tacka P.

Neka je M proizvoljna tacka ravni. Tada je P M
n . Zbog toga je trougao OP M
pravougli trougao, pa je
proj
n OM = |OP |.
3.3. RAZLICITI
OBLICI JEDNACINE
RAVNI
Odavde je

OM
n
|
n|
= p, tj.
n
r p = 0.
71
(3.3.1)
Jednacinu (3.3.1) nazivamo normalni (Hesseov) vektorski oblik jednacine ravni.
Ako nam , i oznacavaju uglove koje jedinicni vektor

n zaklapa sa pozitivnim
smjerova koordinatnih osa x, y i z respektivno, onda je
n = cos i + cos j + cos j

vektor normale ravni, pa jednacinu (3.3.1) mozemo pisati u obliku
x cos + y cos + z cos p = 0.
(3.3.2)
Ako je ravan zadana u opstem obliku jednacinom

Ax + By + Cz + D = 0,
(3.3.3)
postavlja se pitanje kako je prevesti u normalni oblik. Kako smo vidjeli u normalnom
obliku ravni pojavljuje se jedinicni vektor normale. U nasem slucaju vektor normale
je N {A, B, C}, a njegov ort (jedinicni vektor) je
N
N
n =
.
= 2
A + B2 + C 2
|N |
No, vektor
n je takode jedinicni vektor normale ravni. To nam daje ideju da
jednacinu (3.3.3) podijelimo sa A2 + B 2 + C 2 . Nakon djeljenja dobije se
Ax + By + Cz
D
+
= 0,
2
2
2
2
A +B +C
A + B2 + C 2
tj.
r
n +
.
A2 + B 2 + C 2
Odavde proizilazi da je
D
p=
.
2
A + B2 + C 2
Broj p predstavlja udaljenost tacke od ravni, pa je p 0. Dakle,
D

0,
2
A + B2 + C 2
tj. ispred korijena treba uzeti znak suprotan znaku koeficijenta D. Dakle,
Ax + By + Cz + D
= 0, D = 0
sgn(D) A2 + B 2 + C 2

GLAVA 3. ANALITICKA
72
je normalni oblik jednacine ravni, gdje je

sgn(D) =
1 ako je D > 0
1 ako je D < 0.
Ako je D = 0, onda nije bitno da li cemo ispred korijena uzeti + ili .
3.3.2
Jedna
cina ravni kroz jednu ta
cku normalna na datom vektoru
Pretpostavimo da je data tacka M0 (x0 , y0 , z0 ) kroz koju prolazi ravan i vektor N na
kojem je ta ravan normalna. Trebamo odrediti jednacinu ravni. Neka je N (A, B, C)
i M (x, y, z) i proizvoljna tacka te ravni. Tada se vektor M0 M nalazi u toj ravni, pa

je M0 M N , tj. M0 M N = 0. Vektor M0 M ima komponente
M0 M (x x0 , y y0 , z z0 ),
pa je
A(x x0 ) + B(y y0 ) + C(z z0 ) = 0
(3.3.4)
jednacina trazene ravni.

Primjer 3.3.1. Napisimo jednacinu ravni koja prolazi tackom M (1, 3, 6) i okomita je na
vektor N (2, 4, 1). Prema formuli (3.3.4) imamo
(2)(x 1) + 4(y 3) + (1)(z (6)) = 0,

tj. 2x + 4y z 16 = 0.
Primjer 3.3.2. Napisimo jednacinu ravni koja prolazi tackom M (2, 3, 4) i paralelna je sa
vektorima
a (1, 2, 4) i b (0, 1, 2).
Ovdje znamo tacku kroz koju prolazi ravan, ali ne znamo vektor koji je okomit na ravan.
No, vektori
a i b su paralelni sa ravni, a njihov vektorski proizvod
a b je okomit na oba
ta vektora, pa je okomit i na trazenu ravan. Dakle, za vektor normale ravni mozemo uzeti
vektor
a b . Imamo

i
j
k
a b = 1 2 4 = 8 i + 2 j k .
0
1
2
Tada prema (3.3.4) imamo
8(x 2) + 2(y 3) 1(z 4) = 0,
tj. 8x + 2y z 18 = 0.
3.3. RAZLICITI
OBLICI JEDNACINE
RAVNI
3.3.3
73
Jedna
cina ravni kroz tri date ta
cke
Neka su date tacke M1 (x1 , y1 , z1 ), M2 (x2 , y2 , z2 ) i M3 (x3 , y3 , z3 ) koje ne leze na jednoj

pravoj. Tada one odreduju jednu i samu jednu ravan. Neka je M (x, y, z) proizvoljna

tacka te ravni. Tada su vektori M1 M , M1 M2 i M1 M3 komplanarni, pa je njihov
mjesoviti proizvod jednak je nuli, tj.

M1 M M1 M2 M1 M2 .
Ovo je jednacina trazene ravni. Ovu jednacinu mozemo napisati u obliku
x x1 y y1 z z1
x2 x1 y2 y1 z2 z1 = 0.
x3 x1 y3 y1 z3 z1
3.3.4
(3.3.5)
Segmentni oblik jedna

cine ravni
Pretpostavimo da ravan sijece koordinatne ose u tackama M1 (a, 0, 0) M2 (0, b, 0) i

M3 (0, 0, c). Prema relaciji (3.3.5) jednacina te ravni je
xa y z
a b 0 = 0,
a 0 c
tj.
bc(x a) + acy + abz = 0.
Ako su brojevi a, b i c razliciti od nule, onda iz prethodne jednakosti slijedi
x y z
+ + = 1.
a
b
c
(3.3.6)
Skalare a, b i c nazivamo segmenti a jednacinu (3.3.6) nazivamo segmentni oblik

jednacine ravni.
Iz opsteg oblika Ax + By + Cz + D = 0, D = 0 prelazimo u segmentni oblik
djeljenjem te jednacine sa D. Imamo
Ax
By
Cz
+
+
= 1,
D D D
tj.
x
y
z
+
+
= 1.
D/A D/B D/C
74
3.3.5
GLAVA 3. ANALITICKA
Parametarske jedna
cine ravni
Neka je M0 neka tacka ravni . Neka su

p i
q dva nekolinearna vektora koja su

komplanarna sa ravni . Ako je M proizvoljna tacka ravni , onda su vektori M0 M ,
p
i
q komplanarni, pa postoje realni brojevi u i v takvi da je
M0 M = u
p + v
q,

tj. OM OM0 = u
p + v
q , odnosno
r
r0 = u
p + v
q,
(3.3.7)
gdje su
r i
r 0 radius vektori tacaka M i M0 . Jednacinu (3.3.7) nazivamo vektorska
parametarska jednacina ravni. Realni brojevi u i v nazivaju se parametri.
Ako su (x0 , y0 , z0 ) i (x, y, z) koordinate tacaka M0 i M, a (p1 , p2 , p3 ) i (q1 , q2 , q3 )
komponente vektora
p i
q , tada iz (3.3.7) slijedi
x x0 = p1 u + q1 v
y y0 = p2 u + q2 v
z z0 = p3 u + q3 v.
3.4
(3.3.8)
Rastojanje ta
cke od ravni
Neka je data vektorska jednacina ravni u normalnom obliku
r
n p = 0.
(3.4.1)
Neka je M1 proizvoljna tacka van te ravni. Cilj nam je da odredimo udaljenost d

tacke M1 do ravni.
Iz tacke M1 spustimo normalu na ravan. Neka je Q tacka prodora te normale i
ravni. Kako tacka Q lezi u ravni, to vrijedi

OQ
n p = 0.
(3.4.2)

Vektori QM1 i
n su kolinearni, pa je
QM1 =
n,
(3.4.3)

pri cemu je > 0 ako su vektori QM1 i
n istog smjera, a < 0 ako su ti vektori
suprotnog smjera. Dakle, > 0 ako i samo ako se tacke M1 i O nalaze sa razlicitih
3.5. UGAO IZMEDU DVIJE RAVNI
75
strana ravni. Intenzitet vektora QM1 predstavlja udaljenost tacke M1 od ravni (3.4.1).

Iz (3.4.3) imamo OQ = OM1

n , tj.
OM1
n
n p = 0.
Odavde je
Dakle,
3.5

= OM1
n p.
d = |QM1 | = |
n | = || = |OM1
n p|.
Ugao izmedu dvije ravni
Neka su date jednacine dviju ravni

A1 x + B1 y + C1 z + D1 = 0,
A2 x + B2 y + C2 z + D2 = 0.
(3.5.1)
Vektori N1 (A1 , B1 , C1 ) i N2 (A2 , B2 , C2 ) su vektori normala tih ravni.

Pod uglom izmedu dvije ravni podrazumjebamo ugao izmedu normala tih ravni.
Oznacimo sa . Tada je
N1 N2
cos =
(3.5.2)

|N1 | |N2 |
Ako su ravni (3.5.1) okomite jedna na drugu, onda su njihovi vektori pravca okomiti,
pa je N1 N2 = 0. Obrnuto, ako je N1 N2 = 0, onda su vektori normala okomiti, pa

su i ravni okomite. Dakle, ravni (3.5.1) su okomite jedna na drugu ako i samo ako
vrijedi
A1 A2 + B1 B2 + C1 C2 = 0.
(3.5.3)
Ako su dvije ravni paralelne, onda su njihovi vektori normala kolinearni i obratno.
Dakle ravni (3.5.1) su paralelne ako i samo ako
A1
B1
C1
=
=
.
A2
B2
C2
(3.5.4)
76
3.6
GLAVA 3. ANALITICKA
Jedna
cina pramena ravni
Neka su dvije ravni date jednacinama (3.5.1). Ove jednacine mozemo napisati u
obliku
(1 )
r N 1 + D1 = 0 i (2 )
r N 2 + D2 = 0,
(3.6.1)
gdje je
r radius vektor proizvoljne tacke doticne ravni, a N i N vektori polozaja tih
1
ravni. Ako se ove ravni sijeku, onda je njihov presjek prava. Neka je M proizvoljna
tacka prave presjeka, a M0 neka unaprijed odabrana tacka te prave. Tada vektor
M0 M lezi na toj pravoj. Dakle, ovaj vektor je okomit na vektore N 1 i N 2 , pa je
M0 M kolinearan sa N 1 N 2 . To znaci da postoji realan broj t takav da je M0 M =
t N 1 N 2 , tj.
R
r 0 = t( N 1 N 2 ),
gdje je R vektor poloaja proizvoljne tacke prave.

Kroz jednu pravu mozemo postaviti beskonacno mnogo ravni. Skup svih ravni
koje prolaza kroz presjek ravni (3.5.1) nazivamo pramen ravni.
Posmatrajmo jednacinu
(A1 x + B1 y + C1 z + D1 ) + (A2 x + B2 y + C2 z + D2 ) = 0,
(3.6.2)
gdje su i proizvoljni realni brojevi. Lijeva strana prethodne jednacine predstavlja

polinom prvog stepena sa tri nepoznate. Za fiksirane vrijednosti parametara i
skup svih nula tacaka ovog polinoma je ravan. Dakle, jednacina (3.6.2) predstavlja
jednacinu ravni. Neka je M0 (x0 , y0 , z0 ) proizvoljna tacka prave presjeka datih ravni.
Tada je
A1 x0 + B1 y0 + C1 z0 + D1 = 0,
A2 x0 + B2 y0 + C2 z0 + D2 = 0,
pa tacka M0 lezi u ravni (3.6.2), tj. ta ravan pripada pramenu.
Obrnuto, neka je
r N + D = 0 jednacina proizvoljno odabrane ravni pramena
odredenog jednacinama (3.6.1). Tada svaka tacka prave zadovoljava jednacinu pramena, pa specijalno i tacka M0 zadovoljava tu jednacinu, tj.
r 0 N + D = 0.
(3.6.3)
Neka je T = M0 proizvoljna tacka prave presjeka i neka je njen radius vektor R T .

Tada je
RT =
r 0 + t( N 1 N 2 ) (t = 0).
Tacka T lezi i u odabranoj ravni pramena, pa je
R T N + D = 0,

3.6. JEDNACINA
PRAMENA RAVNI
tj.
77
r 0 + t( N 1 N 2 ) N + D = 0.
Dalje imamo
r 0 N + D + t( N 1 N 2 ) N = 0.
Zbog (3.6.3) imamo
t( N 1 N 2 ) N = 0.
Kako je t = 0, to je ( N 1 N 2 ) N = 0. To znaci da su vektori N 1 , N 2 i N

komplanarni, pa je
N = N 1 + N 2.
Uvrstavanjem u
r N + D = 0 dobijemo
r N1 +
r N 2 + D = 0,
tj.
(
r N 1 + D1 ) + (
r N 2 + D2 ) + D = 0,
gdje je D = D D1 D2 . Tacka M0 pripada datim ravnima i odabranoj ravni

pramena, pa je
r 0 N 1 + D1 = 0,
r 0 N 1 + D2 = 0,
(
r 0 N 1 + D1 ) + (
r 0 N 2 + D2 ) + D D1 D2 = 0,
tj. D = D1 + D2 .
Ovim smo dokazali da jednacna (3.6.2), gdje su i proizvoljni parametri, predstavlja pramen ravni. Za = 0 i = 0 dobijamao ravan (1 ), a za = 0 i = 0
dobijamo ravan (2 ).
Primjer 3.6.1. Ravni 2x + 3y 4z + 1 = 0, x y + 2z + 5 = 0 odreduju pramen. U tom
pramenu odredimo ravan koja je okomita na ravan 3x + 2y + z = 0. Jednacina tog pramena je
(2x + 3y 4z + 1) + (x y + 2z + 5) = 0. Vektor normale je N (2 + , 3 , 4 + 2).

Iz uslova normalnosti ravni imamo
3(2 + ) + 2(3 ) + 1(4 + 2) = 0,
tj. 8 + 3 = 0. Dovoljno je uzeti da je = 3 i = 8. Tako imamo trazenu ravan
2x + 17y 28z 37 = 0.

GLAVA 3. ANALITICKA
78
3.7
Op
sti oblik jedna
cine prave u ravni
Posmatrajmo polinom
f (x, y) = Ax + By + C, (A, B, C R, A2 + B 2 = 0)
(3.7.1)
prvog stepena u varijablama x i y nad poljem realnih brojeva. Nule ovog polinoma
su rjesenja jednacine
Ax + By + C = 0.
Rjesenja ove jednacine su uredeni parovi (x0 , y0 ) realnih brojeva. Svako ovo rjesenje
u Dekartovom pravouglom sistemu u ravni odreduje neku tacku koju nazivamo nula
tacka polinoma (3.7.1). Kakvo je geometrijsko tumacenje skupa svih nula tacaka
polinoma (3.7.1)? Odgovor nam daje sljedeca teorema.
Teorem 3.7.1. Za svaku pravu postoji tacno jedan polinom (3.7.1) prvog stepena u
dvije varijable x i y takav da ta prava predstavlja skup svih nula tacaka tog polinoma
u odnosu na neki unaprijed odabrani Dekartov pravougli koordinatni sistem u ravni.
Obrnuto, za svaki polinom prvog stepena u dvije varijable i svaki Dekartov pravougli
koordinatni sistem u ravni postoji tacno jedna prava koja predstavlja skup svih nula
tacaka tog polinoma.
Dokaz. Neka je p proizvoljna prava. Neka je alpha ravan koja sadrzi pravu p. U
ravni odaberimo Dekartov pravougli koordinatni sistem (O, x, y). Neka su S(x1 , y1 )
i T (x2 , y2 ) razlicite tacke prave p. Tada za proizvoljnu tacku M (u, v) prave p vektori

SM i ST su kolinearni. Zbog toga postoji skalar takav da je AM = ST . Prelaskom

na komponente ovih vektora imamo
u x1 = (x2 x1 )
v y1 = (y2 y1 ),
tj.
v y1
u x1
=
= .
x2 x1
y2 y1
Ako stavimo B = x1 x2 , A = y2 y1 , onda iz prethodne jednakosti imamo Imamo

A(u x1 ) + B(v y1 ) = 0,
tj. Au + Bv + C = 0, gdje je C = Ax1 By1 . Kako su tacke S i T razlicite, to je
bar jedan od brojeva A i B razlicit od nule. Dakle, koordinate proizvoljne tacke M
prave p zadovoljavaju jednacinu Ax + By + C = 0, tj. svaka tacka prave p je nula
tacka polinoma Ax + By + C prvog reda.
3.8. PRAVA U PROSTORU
79
Obrnuto, neka je dat polinom Ax + By + C A = 0 ili B = 0. Neka je npr. A = 0.

Tada su uredeni parovi
C
C +B
,0 i
,1
A
A
razlicita rjesenja jednacine Ax + By + c = 0. Ovi parovi odreduju razlicite tacke
B+C
S C
cke S i T odreduju tacno jednu pravu ST. Neka je (u, v)
A , 0 i T A , 1 . Ta
proizvoljna nula polinoma Ax + By + c. Tada je Au + Bv + C = 0. Odavde je
u+
C
B
= v.
A
A
(3.7.2)
C
Posmatrajmo vektore ST B
A , 1 i SM u + A , v , gdje je M (u, v). Iz (3.7.2) slijedi

da su vektori ST i SM kolinearni, pa tacka M pripada pravoj ST. Dakle, svaka nula
tacka polinoma Ax + by + C lezi na pravoj ST. Ovim smo egzistenciju prave dokazali.
Dokazimo sada jedinstvenost. Neka osim prave ST postoji i neka druga prava q
koja sadrzi sve nula tacke polinoma Ax+By+C. Neka je P (u, v) proizvoljno odabrana
tacka prave q. Tada je Au+Bv+C = 0. Odavde imamo jednakost (3.7.2), koja povlaci

kolinearnost vektora SP i ST . To znaci da tacka P lezi na pravoj ST.
Definicija 3.7.2. Jednacinu Ax + By + C = 0, A2 + B 2 = 0 nazivamo opsti oblik
jednacine prave u pravouglom Dekartovom sistemu (O, x, y).
3.8
Prava u prostoru
Neka je (O, {
e1 ,
e2 ,
e3 ) proizvoljan koordinatni sistem u prostori. Neka je p proizvoljna
prava toga prostora. Neka je

a vektor koji je kolinearan sa pravom p i M0 jedna tacka

prave p. Ako je M proizvoljna tacka prave p, onda su vektori M1 M i
a kolinearni,
pa postoji realan broj t takav da je M0 M = t

a . Odavde je

OM OM0 = t
a,
tj.
r
r0 = t
a,
(3.8.1)
gdje su
r i
r0 radius vektori tacaka M i M0 u odnosu na izabrani koordinatni sistem.
Jednacinu (3.8.1) nazivamo vektorska parametarska jednacina prave.
Ako je
a = k
e + l
e + m
e , M (x , y , z ) i M (x, y, z), onda iz (3.8.1) slijedi
1
x x0 = kt,
y y0 = lt,
z z0 = mt.
(3.8.2)

GLAVA 3. ANALITICKA
80
Jednacine (3.8.2) nazivamo skalarne parametarske jednacine prave, realan broj t se

naziva parametar.
Iz (3.8.2) imamo
x x0
y y0
z z0
=
=
.
(3.8.3)
k
l
m
Jednacinu (3.8.3) nazivamo simetricni oblik jednacine prave. U jednacini (3.8.3)
uredena trojka (x0 , y0 , z0 ) predstavlja koordinate neke tacke prave, a (k, l, m) su kom
ponente vektora koji je kolinearan sa pravom. Vektor
a (k, l, m) nazivamo vektor
pravca prave.
Primjer 3.8.1. Napisati jednacinu prave koja prolazi tackom M0 (1, 2, 3) i paralelna je sa
vektorom
a (5, 6, 7).
Prema formili (3.8.3) imamo
x1
y2
z3
=
=
.
5
6
7
3.9
Jedna
cina prave kroz dvije ta
cke
Neka su date razlicite tacke M1 (x1 , y1 , z1 ) i M2 (x2 , y2 , z2 ). Poznato je da one odreduju

jednu i samo jednu pravu. Odredimo jednacinu te porave. Neka je M (x, y, z) proizvoljna

tacka te prave. Tada su vektori M1 M i M1 M2 kolinearni, pa postoji realan parametar
t takav da je
M1 M = tM1 M2 ,
tj.

OM OM1 = t OM2 OM1 .
Dakle, vektorski oblik jednacine prave koja prolazi kroz dvije tacke je
r =
r 1 + t(
r2
r 1 ).
(3.9.1)
Prelaskom na koordinate imamo

x = x1 + t(x2 x1 ),
y = y1 + t(y2 y1 ),
z = z1 + t(z2 z1 ).
(3.9.2)
Eliminacijom parametra t dobije se

x x1
y y1
z z1
=
=
.
x2 x1
y2 y1
z2 z1
(3.9.3)
3.10. PRAVA KAO PRESJEK DVIJE RAVNI
3.10
81
Prava kao presjek dvije ravni
Neka je prava data kao presjek ravni cije su jednacine
r N 1 + D1 = 0,
r N 2 + D2 = 0.
Pomnozimo prvu jednacinu sa N 2 , a drugu sa N 1 i saberemo li tako dobivene

relacije imacemo
(
r N 2 ) N 1 (
r N 1 ) N 2 = D1 N 2 D2 N 1 ,
tj.
N2
N1
= D1 N 2 D2 N 1 .
r N1 r N2
Izraz na lijevoj strani je dvostruki vektorski proizvod

r ( N 1 N 2 ), pa imamo
r ( N 1 N 2 ) = D1 N 2 D2 N 1 .
Stavimo
a = N 1 N 2 i b = D1 N 2 D2 N 1 . Sada prethodna jednakost ima oblik
r
a = b . Pomnozimo ovu jednakost vektorski s lijeve strane sa
a i imacemo
a ( r a ) = a b , tj.
(
a
a )
r (
a
r )
a =
a b,
tj.
Izraz
a
r
a
a
(
a b)+
r =
a a
je skalar i zavisi od
r , pa ga mozemo
a
r
a.
a a
oznaciti sa t. Tako imamo
r =
(
a b ) + t
a.
2
|a|
Ovu jednacinu mozemo napisati u obliku

r =
r 0 + t
a , gje je
1
( N 1 N 2 ) (D1 N 2 D2 N 1 )
r0=
(a b)=
|
a |2
|
a |2
radius vektor neke tacke prave, a

a = N 1 N 2 vektor pravca te prave.
Postupak nalazenja prave presjeka dvije ravni koji smo naprijed teoretski obradili
izlozimo i na konkretnom primjeru.

GLAVA 3. ANALITICKA
82
Primjer 3.10.1. Naci pravu presjeka ravni x y + z + 2 = 0 i x y z + 4 = 0.

Prvo cemo jednacine ovih ravni napisati u vektorskom obliku. Vektor normale prve ravni je
N 1 (1, 1, 1), a druge ravni je N 2 (1, 1, 1). Slobodni clanovi su D1 = 2 i D2 = 4. Tako
imamo
r (i j + k)+2 = 0 i
r ( i j k ) + 4 = 0. Vektor pravca trazene
prave je
a = N 1 N 2 = 2 i + 2 j . Dalje imamo D1 N 2 D2 N 1 = 2 i + 2 j 6 k ,
a ( D1 N 2 D2 N 1 ) = 12 i + 12 j + 8 k i |
a |2 = 8. Sada je
r 0 = 23 i + 32 j + k .
Dakle, vektorski oblik jednacine prave je
3
3

r = i + j + k + t(2 i + 2 j ),
2
2
a parametarski je
3
x = + 2t,
2
Simetricni oblik je
x+
2
3
2
x+
1
3
2
tj.
y=
y
2
3
2
y
1
3
2
3
+ 2t,
2
z = 1.
z1
,
0
z1
.
0
(3.10.1)
Drugi na
cin.
Ako saberemo jednacine ravni imacemo 2x 2y + 6 = 0, tj. x = y 3. Uvrstavanjem u
prvu jednacinu nalazimo z = 1. Dakle,
x
y1
z1
=
=
.
1
1
0
(3.10.2)
Jednacine (3.10.1) i (3.10.2) predstavljaju istu pravu i na prvi pogled se razlikuju. Kako
je to moguce? Prva prava prolazi tackom ( 32 , 32 , 1) a druga kroz tacku (0, 3, 1). Obje prave
imaju isti vektor pravca. Nije tesko vidjeti da obje tacke zadovoljavaju obje jednacine (3.10.1)
i (3.10.2). Dakle, prave su iste, samo smo fiksnu tacku u prvom slucaju uzeli ( 23 , 23 , 1), a u
drugom slu
aju (0, 3, 1).
3.11
Ugao izmedu dvije prave
Neka su nam date dvije prave jednacinama
r =
r 1 + u
a 1,
r =
r 2 + v
a 2.
(3.11.1)
Pod uglom izmedu ove dvije prave podrazumjevamo ugao izmedu vektora
a1 i
a2
kojima su ove prave paralelne, tj. = ( a 1 , a 2 ). Odavde je
a1
a2
cos =
.
(3.11.2)
| a 1 || a 2 |
3.12. USLOV PRESJEKA DVIJE PRAVE
83
Ako su prave paralelne, onda su vektori

a1 i
a 2 kolinearni. Obrnuto, ako su
a1
i a 2 kolinearni, onda su prave paralelne. Neka je a 1 (l1 , m1 , n1 ) i a 2 (l2 , m2 , n2 ).

Dakle, prave su paralelne ako i samo ako vrijedi
l1
m1
n1
=
=
.
(3.11.3)
l2
m2
n2
Ako su prave okomite, onda je

a1
a 2 i obrnuto, ako su vektori
a1 i
a 2 okomiti,
onda su prave okomite. Dakle, prave (3.11.1) su okomite ako i samo ako je
l1 l2 + m1 m2 + n1 n2 = 0.
3.12
(3.11.4)
Uslov presjeka dvije prave
Neka su date dvije prave u prostoru jednacinama (3.11.1). Da li se ove prave sijeku?
Pretpostavimo da se prave sijeku i neka je R vektor polozaja tacke presjeka. Tada
imamo
r 1 + u
a1 =
r 2 + v
a 2 , za neku vrijednosti parametara u i v. Odavde je
r 2 r 1 = v a 2 u a 1 . Pomnozimo ovu jednacinu skalarno sa

a 1
a 2 . Nakon tog
mnozenja dobice se
(
r2
r 1 ) (
a1
a 2 ) = 0.
(3.12.1)
Dakle, potreban uslov da se prave sijeku je (3.12.1). Ovaj uslov nije i dovoljan uslov.
Naime, ovaj uslov ispunjavaju svake dvije paralelne prave.
Ako je
r 1 (x1 , y1 , z1 ),
r 2 (x2 , y2 , z2 ),
a 1 (l1 , m1 , n1 ) i
a 2 (l2 , m2 , n2 ), onda se jednakost (3.12.1) moze napisati u obliku
x2 x1 y2 y1 z2 z1
l1
m1
n1
= 0.
l2
m2
n2
Primjer 3.12.1. Neka su date prave jednacinama
x1
y2
z+1
=
=
4
x+1
y1
z2
=
=
.
2
1
3
Ispitajmo da li se ove ravni sijeku. Ovdje je
M1 (1, 2, 1), M2 (1, 1, 2),

a 1 (4, , 2) i
a 2 (2, 1, 3),
pa iz uslova presjeka imamo
1 1
4
2
tj. 12(2 ) = 0.
12 2+1
2 = 0,
1
3

GLAVA 3. ANALITICKA
84
1. Ako je = 0, onda uslov presjeka nije zadovoljen, pa se prave ne sijeku.

2. Neka je = 2. Tada je uslov presjeka zadovoljen, pa postoji mogucnost da se prave
sijeku. Jednacine datih pravih napisimo u parametarskom obliku:
x = 4t + 1, y = 2t + 2, z = 2t 1,
x = 2u 1, y = u + 1, z = 3u + 2.
Odavde nalazimo t = 34 , u = 12 , pa je tacka presjeka T (2, 21 , 12 ).
3.13
Ugao izmedu prave i ravni
Pod uglom izmedu prave i ravni podrazumjeva se ugao izmedu prave i njene projekcije
na ravan. Tam uglu je komplementni ugao (

a , N ) izmedu vektora pravca prave i
vektora normale ravni. Oznacimo taj ugao sa . Tada je
a N
sin = cos(90 ) = cos ( a , N ) =
|
a || N |
0
Ako prava paralelna sa ravni, onda je = 00 , pa je

a N = 0. Dakle, uslov paralelnosti
prave
r =
r 1 + t
a i ravni
r N + D = 0 je
a N = 0.
Ako su prava i ravan ortogonalne, onda su vektori

a i N kolinearni.
Ako je
a (l, m, n) i N (A, B, C), onda je uslov paralelnosti
Al + Bm + Cn = 0,
a uslov ortogonalnosti
3.14
A
B
C
=
= .
l
m
n
Medusobni polo
zaj prave i ravni
Ako su prava i ravan date jednacinama
r =
r 1 + t
a,
r N + D = 0,
onda vektor polozaja njihove tacke presjeka zadovoljava obje jednacine, tj.
(
r 1 + t
a ) N + D = 0.
Odavde se dobije
(
a N )t = (
r 1 N + D).
(3.14.1)

3.15. MEDUSOBNI POLOZAJ
DVIJE RAVNI
85
1. Ako je
a N = 0, onda je
r1N +D
t=
,
a N
pa je radius vektor tacke presjeka
r 1 N + D
a.
r =
r1
a N
2. Ako je
a N = 0, onda imamo
0t = (
r 1 N + D).
Sada razlikujemo dva slucaja.
(a) Ako je
r 1 N + D = 0, onda jednacina (3.14.1) nema rjesenja. U tom
slucaju prava i ravan su paralelne.
r 1 N + D = 0, onda jednacina (3.14.1) postaje 0t = 0. Ova

(b) Ako je
jednacina ima beskonacno mnogo rjesenja, tj. svaki realan broj je njeno
rjesenje. To znaci da svaka tacka prave pripade ravni, tj. prava lezi u
ravni.
3.15
Medusobni polo
zaj dvije ravni
Posmatrajmo rani i date redom jednacinama

A1 x + B1 y + C1 z + D1 = 0, A21 + B12 + C12 = 0 i
A2 x + B2 y + C2 z + D2 = 0, A22 + B22 + C22 = 0
u Dekartovom pravouglom koordinatnom sistemu. Iz grometrije poznato je da dvije
ravni mogu imati sljedeca tri medusobna polozaja:
poklapaju se,
paralelne su (a ne poklapaju se) i
sijeku se.
Neka se ravni i poklapaju. Tada svaka tacka ravni je istovremeno i tacka
ravni i obrnuto. Zbog uslova A21 + B12 + C12 = 0 bar jedan od koeficijenata A1 , B1
1
i C1 je razlicit od nule. Neka je npr. A1 razlicit od nule. Tada tacke D
A1 , 0, 0 ,
1
1
, 1, 0 , i D1A+C
, 0, 1 leze u ravni , pa kako se ravni poklapaju, to one
D1A+B
1
1

GLAVA 3. ANALITICKA
86
leze i u ravni . Dakle, koordinate ove tri tacke zadovoljavaju jednacinu ravni .
Imamo redom
D1
+ B2 0 + C2 0 + D2 = 0
A1
D1 + B1
+ B2 1 + C2 0 + D2 = 0
A1
D1 + C1
+ B2 0 + C2 1 + D2 = 0.
A1
A2
A2
A2
Odavde imamo
D2 =
A2
A2
A2
D1 , B2 =
B1 , C2 =
C1 .
A1
A1
A1
Stavimo
=
A2
.
A1
Tada je
A2 = A1 , B2 = B1 , C2 = C1 , D2 = D1 ,
(3.15.1)
gdje je realan broj razlicit od nule.

Obrnuto, neka je ispunjen uslov (3.15.1) ispunjen tada ravan ima jednacinu
(A1 x + B1 y + C1 z + D1 ) = 0, pa kako je = 0, to je jasno da tacka (u, v, w)
pripada ravni ako i samo ako pripada ravni . Dakle, ravni i se poklapaju.
Neka su ravni i paralelne i ne poklapaju se. Tada svaki vektor koji je okomit
na jednu od tih ravni je okomit i na drugu i obrnuto. Zbog toga su vektori normala
N1 (A1 , B1 , C1 ) i N2 (A2 , B2 , C2 ) ravni i kolinearni. Dakle, postoji skalar R

1
takav da je A2 = A1 , B2 = B1 , C2 = C1 . S druge strane tacka D
A1 , 0, 0 pripada
A2
1
ravni , a ne pripada ravni , pa je A2 D
A1 + D2 = 0, tj. D2 = A1 D1 = D1 . Dakle,
ako su ravni i paralelne i ne poklapaju se, onda postoji realan broj razlicit od
nule takav da je
A2 = A1 , B2 = B1 , C2 = C1 , D2 = D1 .
(3.15.2)
Obrnuto, neka vrijedi uslov (3.15.2). Pokazimo da su tada ravni i paralelne.

Pretpostavimo suprotno, tj. da postoji tacka (u, v, w) koja pripada objema ravnima.
Tada je A1 u + B1 v + C1 w + D1 = 0 i A2 u + B2 v + C2 w + D2 = 0. Oduzimanjem prve
jednacine od druge dobije se
(A2 A1 ) u + (B2 B1 ) v + (C2 C1 ) w + D2 D1 = 0,

DVIJE RAVNI
87
Odavde zbog (3.15.2) imamo

( 1) (A1 u + B1 v + C1 w) + D2 D1 = 0,
tj.
( 1)(D1 ) + D2 D1 = 0.
Odavde imao D2 = D1 , sto je kontradikcija. Pretpostavka da ravni i nisu
paralelne dovela nas je do kontardikcije, pa nije tacna.
Neka se ravni i sijeku. Tada one nisu paralelne, pa vektori normala N1 i
N2 ravni i nisu kolinearni. Zbog toga je vektor

a = N1 N2 razlicit od nule
i okomit je vektore N1 i N2 . Presjek dvije ravni je prava. Vektor pravca te prave
je okomit i na N1 i N2 . Zbog toga mozemo uzeti da je kolinearan sa vektorom

a.
Neka je M0 (x0 , y0 , z0 ) tacka koja lezi i u jednoj i drugoj ravni. Tada je r r0 = t

a
jednacina prave presjeka.
Primjer 3.15.1. Ispitatajmo medusobni polozaj ravni 2x+3y4z3 = 0 i xy+3z+1 = 0.
Kako je
2
1
3
1 ,
to ravni nisu paralelne niti se poklapaju. Dakle, one se sijeku.
Vektori normala ovih ravni su N1 (2, 3, 4) i N2 (1, 1, 3). Odavde imamo
a = N1 N2 =
i
j
2
3
1 1
4 = 5 i 10 j 5 k .
3
Sada odredujemo jednu tacku na pravoj presjeka. Uzmimo da je x = 1 i odredimo y i z. Tako

imamo sistem
3y 4z = 1
y + 3z = 2.
Odavde nalazimo y = 1 i z = 1. Dakle, trazena
presjeka je
x1
y+1
=
=
5
10
tj.
x1
y+1
=
=
1
2
3.15.1
tacka je M0 (1, 1, 1). Jednacina prave

z+1
,
5
z+1
.
1
Zadaci
1. Date su tacke M1 (3, 1, 2) i M2 (4, 2, 1). Napisati jednacinu ravni koja prolazi
tackom M2 i okomita je na vektor M1 M2 .

2. Napisati jednacinu ravni koja prolazi tackama M1 (2, 1, 3) i M2 (3, 1, 2) koja je
paralelna sa vektorom
a (3, 1, 4).
88
GLAVA 3. ANALITICKA
3. Napisati jednacinu ravni koja prolazi tackama
M1 (3, 1, 2), M2 (4, 1, 1)
i M3 (2, 0, 2).
4. Napisati jednacinu ravni koja prolazi kroz koordinatni pocetak i paralelna je sa

ravni 2x 3z + 6 = 0.
5. Napisati jednacinu ravni koja prolazi tackom M (2, 1, 2) i okomita je na ravni
2x y + 3z 1 = 0 i x + 2y + z 6 = 0.
6. Napisati jednacinu ravni koja prolazi tackama M1 (1, 1, 2), M2 (3, 1, 1) i okomita
je na ravan x 2y + 3z + 4 = 0.
7. Dokazati da tri ravni 7x + 4y + 7z + 1 = 0, 2x y z + 2 = 0 i x + 2y + 3z 1 = 0
prolaze kroz jednu pravu.
8. Dokazati da se tri ravni 2xy+3z 5 = 0, 3x+y+2z 1 = 0 i 4x+3y+z +2 = 0
sijeku po trima paralelnim pravama.
9. Odrediti parametre a i b tako da ravni 2x y + 3z 1 = 0, x + 2y z + b = 0 i
x + ay 6z + 10 = 0
(a) imaju jednu tacku zajednicku.
(b) prolaze kroz jednu pravu.
(c) sijeku se po tri paralelne prave.
10. Napisati jednacinu ravni koja je okomita na ravan 2x 2y + 4z 5 = 0 i na
koordinatnim osama Ox i Oy odsjeca odsjecke a = 2 i b = 25 .
11. Odrediti udaljenost tacke M (2, 4, 3) od ravni 2x y + 2z + 3 = 0.
12. Naci tacku presjeka prave
2x + y z 3 = 0
x+y+z1=0
sa koordinatnim ravnima.
13. U pramenu ravni 2x 3y + z + (x + 3y + 2z + 1) = 0 odrediti onu ravan koja
(a) prolazi kroz tacku M1 (1, 2, 3);
(b) paralelna osi Ox;
(c) paralelna je osi oy;
(d) paralelna osi Oz;

DVIJE RAVNI
89
14. Napisati jednacinu ravni koja prolazi kroz pravu

3x 4y + z + 6 = 0
2x 3y + z + 2 = 0
i podjednako je udaljena od tacaka M1 (3, 4, 6) i M2 (1, 2, 2).
15. Napisati jednacinu projekcije prave
5x 4y 2z 5 = 0
x + 2z 2 = 0
na ravan 2x y + z 1 = 0.
16. Ispitati medusobni polozaj pravih
x+2
y1
z
=
=
3
2
1
x+yz =0
x y 5z 8 = 0
17. Odrediti parametar l tako da se prave

y
z1
x+2
=
=
2
3
4
x3
y1
z7
=
=
.
l
4
2
18. Napisati jednacinu prave koja prolazi tackom M1 (4, 5, 3) i sijece prave
x+1
y+3
z2 x2
y+1
z1
=
=
,
=
=
.
3
2
1
2
3
5
19. Za koje vrijednosti parametara A i B ravan Ax + By + 3z 5 = 0 je okomita
na pravu x = 3 + 2t, y = 5 3t, z = 2 2y?
20. Naci tacku Q simetricnu tacki P (2, 5, 7) u odnosu na pravu koja prolazi
tackama M1 (5, 4, 6) i M2 (2, 17, 8).
21. Napisati jednacinu ravni koja prolazi pravom x = 2t + 1, y = 3t + 2, z = 2t 3
i tacku M1 (2, 2, 1).
22. Napisati jednacinu prave koja prolazi kroz tacku M0 (3, 2, 4) paralelna je
y+4
z1
ravni 3x 2y 3z 7 = 0 i presjeca pravu x2
3 = 2 = 2 .
90
GLAVA 3. ANALITICKA
Glava 4
Krive drugog reda

U ovom poglavlju proucavacemo krive drugog reda. Dacemo postupak pomocu koga
se odreduju: priroda, ose simetrije i metricki elementi krivih drugog reda.
4.1
Op
sta jedna
cina krivih drugog reda
Posmatrajmo u odnosu na Dekartov pravougli koordinatni sistem opstu jednacinu

krivih drugog reda
f (x, y) Ax2 + 2Bxy + Cy 2 + 2Dx + 2Ey + f = 0,
(4.1.1)
gdje je bar jedan od koeficijenata A, B i C razlicit od nule, tj. A2 + B 2 + C 2 = 0.

Tvrdnja 4.1.1. Ako su u jednacini (4.1.1) koeficijenti u linearnim clanovima po
tekucim koordinatama jednaki nuli, tada koordinatni pocetak predstavlja centar simetrije krive (4.1.1). Obrnuto, ako koordinatni pocetak predstavlja centar simetrije krive
(4.1.1), tada su u jednacini ove krive koeficijenti u linearnim clanovima po tekucim
koordinatama jednaki nuli.
Dokaz. Ako je u jednacini (4.1.1) D = 0 i E = 0, ona dobija oblik:
Ax2 + 2Bxy + Cy 2 + F = 0.
(4.1.2)
Neka tacka M (x, y) lezi na krivoj (4.1.2), tada ce njene koordinate zadovoljavati
jednacinu (4.1.2). Medutim i koordinate (x, y) tacke M simetricne sa tackom M
u odnosu na koordinatni pocetak zadovoljavaju ovu jednacinu, sto znaci da i tacka
M pripada krivoj (4.1.2).
Obrnuto, ako je koordinatni pocetak centar simetrije krive (4.1.1), tada proizvoljna
prava kroz koordinatni pocetak y = mx sijece krivu (4.1.1) u dvjema tackama M i
M , cije su apcise korijeni jednacine:
(A + 2Bm + Cm2 )x2 + 2(D + Em)x + F = 0.
91
(4.1.3)
92
GLAVA 4. KRIVE DRUGOG REDA
Po uslovu tvrdnje prava y = mx sijece krivu u dvije tacke simetricne u odnosu na

koordinatni pocetak. Zato jednacina (4.1.3) mora imati korijene jednake po apslutnoj
vrijednosti, no suprotnog znaka, tj. mora biti
D + Em = 0.
(4.1.4)
Jednakost (4.1.4) mora biti zadovoljena za svaku pravu y = mx, pa mora biti D = 0
i E = 0.
Tvrdnja 4.1.2. Ako je u jednacini (4.1.1) koeficijent uz proizvod tekucih koordinata
jednak nuli, tada kriva ima za osu simetrije pravu paralelnu jednoj od koordinatnih
osa. Obrnuto, ako kriva (4.1.1) ima za osu simetrije pravu paralelnu jednoj od koordinatnih osa, tada je u njenoj jednacini koeficijent uz proizvod koordinata jednak
nuli.
Dokaz. Neka je u jednacini (4.1.1) B = 0, tada ona ima oblik
Ax2 + Cy 2 + 2Dx + 2Ey + F = 0.
(4.1.5)
Odredimo tacke presjeka krive (4.1.5) i prave x = h. Za odredivanje ordinate tacke

presjeka imamo jednacinu
Cy 2 + 2Ey + (Ah2 + 2Dh + F ) = 0, (C = 0).
(4.1.6)
Ako su y1 i y2 rjesenja jednacine (4.1.6), onda su tacke presjeka M1 (h, y1 ) i M2 (h, y2 ).

y1 +y2
2
= 2E
Ordinata sredine M duzi M1 M2 je yM = y1 +y
2 . Kako je
2
C , to je
E
.
(4.1.7)
C
Jednakost (4.1.7) ne zavisi od h, sto znaci da je geometrijsko mjesto sredina duzi
M1 M2 prava (4.1.7) paralelna osi OX, te ova prava predstavlja osu simetrije krive
(4.1.5). Jednakost (4.1.7) ne vazi za slucaj C = 0. U ovom slucaju mora biti A = 0, pa
analognim postupkom moze se dokazati da kriva ima osu simetrije koja je paralelna
osi OY. Ako je B = 0 i A = 0 i C = 0, onda kriva ima dvije ose simetrije koje su
paralelne koordinatnim osama.
Pretpostavimo da kriva (refjedanq) ima osu simetrije paralelnu osi OX, pa dokazimo
da u toj jednacini mora biti B = 0. Ordinate tacke presjeka krive (4.1.1) sa pravom
x = h paralelnom osi OY su korijeni jednacine
yM =
Cy 2 + 2(Bh + E)y + Ah2 + 2Dh + F = 0.

Prema uslovu tvrdnje sredine svih tetiva moraju lezati na pravoj paralelnoj osi OX,
tj. suma korijena prethodne jednacine mora biti konstanta za proizvoljno h, tj. izraz
Bh + E
, (C = 0)
C
mora biti nezavisan od h. To ce biti ako je B = 0. Ako je C = 0, onda se posmatra
prava y = k i sve se dalje analogno radi i zakljucuje da je B = 0.
y1 + y2 =
4.2. KRIVE SA CENTROM
4.2
93
Krive sa centrom
Neka kriva (4.1.1) ima centar u tacki (x0 , y0 ). Ako izvrsimo translaciju koordinatnog
sistema tako da koordinatni pocetak bude tacka (x0 , y0 ) i oznacimo koordinate u
novom sistemu sa x1 i y1 , obrasci za transformaciju koordinata su
x = x1 + x0 , y = y1 + y0 .
Na osnovu ovog jednacina (4.1.1) postaje
Ax21 + 2Bx1 y1 + Cy12 + 2D1 x + 2E1 y + F1 = 0,
gdje je
D1 = Ax0 + By0 + D,
E1 = Bx0 + Cy0 + E,
F1 = Ax20 + 2Bx0 y0 + Cy02 + 2Dx0 + 2Ey0 + F.
Da bi novi koordinatni pocetak zaista bio centar ove krive, na osnovu Tvrdnje 4.1.1
mora biti
Ax0 + By0 + D = 0
Bx0 + Cy0 + E = 0.
Ovaj sistem ce imati jedinstveno rjesenje ako i samo ako je
delta =
A B
B C
=0
(4.2.1)
i tada kriva ima centar u tacki (x0 , y0 ). U novom koordinatnom sistemu kriva ima
jednacinu
Ax21 + 2Bx1 y1 + Cy12 = F ,
(4.2.2)
gdje je
F =
, =
A B C
B C E
D E F
(4.2.3)
Ako je F = 0, tj. ako je = 0, jednacina (4.1.1) predstavlja dvije prave ili tacku.
Neka je = 0. Ako je B = 0, onda imamo
A 2
C
x + y 2 = 1.
F
F
Ako su A, C i F istog znaka, onda je kriva elipsa.
94
Ako su A i C istog znaka a F suprotnog znaka u odnosu na njih, onda kriva u

realnom podrucju nema znacenje.
Ako su A i C suprotnih znakova, onda je kriva hiperbola.
Dalje se mogu razmatrati slucajevi kada je A ili C ili oba jenaki nuli. To je
trivijalno i prepustamo to citaocu.
Neka je sada B = 0. Dokazimo da se tada jednacini (4.2.2) moze dati oblik
(y1 x1 )2 + (y1 x1 )2 = 1,
(4.2.4)
= 1.
(4.2.5)
gdje je
Uporedujuci (4.2.2) i (4.2.4) dolazimo do sistema jednacina
2 + 2 =
A
,
F
(4.2.6)
+ =
B
,
F
(4.2.7)
C
.
F
Ako iz posljednje tri jednacine eliminisemo i dobicemo
+=
2 2 A
B
1 1
C
(4.2.8)
= 0.
Iz = 1 slijedi da je = . Ako od druge kolone determinante oduzmemo prvu i

ispred determinante izvucemo dobije se
2 + A
1
B
1
0
C
= 0.
Odavde je
AC
= .
B
Kako je = 1, to su i korijeni kvadratne jednacine
+ =
z 2 + z 1 = 0.
(4.2.9)
(4.2.10)
Korijeni ove jednacine su realni i razlicitog predznaka. Dogovorimo se da je > 0 i

< 0. Sada se jednostavno nalazi da je
=
B + C
B + C
, =
.
( )F
( )F
(4.2.11)
4.2. KRIVE SA CENTROM
95
Odavde je
=
.
(4 + 2 )F 2
(4.2.12)
Ovim smo dokazali da se jednacini (4.2.2) moze dati oblik (4.2.4). Rotirajuci koordinatni sistem za ugao = arctg 0 < < 2 , jednacina (4.2.4) postaje
(2 + 1) 2 + ( 2 + 1) 2 + 1,
(4.2.13)
gdje su i nove koordinate. Prave y = x i y = x su ose simetrije krive (4.2.2).

Na osnovu (4.2.13),(4.2.12), (4.2.8) i (4.2.3) zakljucujemo da jednacina (4.1.1)
odreduje:
1. Elipsu ako je > 0 i C < 0;
2. Hiperbolu ako je < 0 i = 0;
3. Skup dvije prave koje se sijeku ako je < 0 i = 0;
4. Tacku ako je > 0 i = 0;
5. Prazan skup ako je > 0 i C > 0.
Iako je ova diskusija izvedena pod pretpostavkom B = 0, bez teskoca se provjerava
da ona vazi i kada je B = 0.
Kvadrati duzina poluosa krive (4.1.1) odreduju se pomocu formula
a2 =
1
,
+ 1)
(2
b2 =
1
.
+ 1)
( 2
(4.2.14)
Primjer 4.2.1. Za krivu

3x2 + 2xy + 3y 2 + 6x 2y 5 = 0
imamo
=
3
1
1
3
= 8,
3
1
3
1
3
1
3
1
5
= 76.
Kako je = 0 kriva ima centar. Koordinate centra se dobiju rjesavanjem sistema Ax + By +

D = 0 i Bx + Cy 1 = 0, tj. 3x + y + 3 = 0, x + 3y 1 = 0. Koordinate centra su x0 =
19
54 , y0 = 34 . U ovom slucaju je = AC
B = 0 i F = = 2 . Nakon translacije koordinatnog
5 3
2
pocetka u tacku 4 , 4 jednacina krive ima oblik 3x + 2xy + 3y 2 = 19
2 . Konstante i
odreduju se iz kvadratne jednacine z 2 + z 1 = 0, tj. iz jednacine z 2 1 = 0. Dakle, = 1,
= 1. Prema tome ose simetrije krive su prave
y
5
3
=x+ ,
4
4
3
5
= x+
4
4
96
tj.
1
y = x + 2, y = x .
2
Sada nalazimo
2
4
, =
.
19
19
Dakle, data kriva je elipsa cije su poluose odredene sa
=
a2 =
4.3
19 2
19
, b =
.
4
8
Krive bez centra
Za krive bez centra je = AC B 2 = 0. Ako je A = 0 ili C = 0, onda je B = 0. Tada

je kriva (4.1.1) parabola i mogu se direktno odrediti njena osa, tjeme i parametar.
Primjer 4.3.1. Za krivu 2y 2 x 4y + 7 = 0 je = 0, A = B = 0, pa je kriva parabola.
Jednacinu krive mozemo napisati u obliku
x = 2(y 1)2 + 5.
Odavde se vidi da je tjeme parabole u tacki T (5, 1), osa parabole je prava y = 1 i parametar
parabole je p = 1.
2
Neka je AC = 0. Iz uslova AC B 2 = 0 imamo C = BA . Uvrstavajuci u jednacinu

(4.1.1) dobije se
(Ax + By)2 + A(2Dx + 2Ey + F ) = 0.
(4.3.1)
Ovu jednacinu mozemo napisati u obliku
(Ax + By + )2 = 2A( D)x + 2(B AE)y + 2 AF,
(4.3.2)
gdje je konstanta koju cemo odrediti tako da prave

Ax + By + = 0
(4.3.3)
2A( D)x + 2(B AE)y + 2 AF = 0,
(4.3.4)
budu medusobno normalne. Uslov normalnosti ovih pravih glasi

A2 ( D) + B(B AE) = 0.
Odavde je
=
A(AD + BE)
.
A2 + B 2
(4.3.5)
Kako su prave (4.3.3) i (4.3.4), za ovu vrijednost , normalne (mozemo ih uzeti za

nove koordinatne ose) i kako jednacina (4.3.2) izrazava cinjenicu da je rastojanje tacke
4.3. KRIVE BEZ CENTRA
97
(x, y) od prave (4.3.4) proporcionalno kvadratu rastojanja iste tacke od prave (4.3.3),
zakljucujemo da je (4.3.2) jednacina parabole.
Osa simetrije ove parabole je prava (4.3.3), a prava (4.3.4) je njena tangenta u
tjemenu. Ako je 2 AF > 0, parabola se nalazi sa one strane prave (4.3.4), gdje je
koordinatni pocetak, a ako je 2 AF < 0, sa suprotne strane.
Postoji jedan izuzetak kada su koeficijenti uz x i y u (4.3.4) jednaki nuli. Ako je
= D, onda je A2 D + ABE = (A2 + B 2 )D B(BD AE) = 0. U tom slucaju
jednacina (4.3.2) postaje
(Ax + By + D)2 = D2 AF.
(4.3.6)
Dakle, jednacina (4.1.1) ako je = 0 i B = 0 predstavlja:

1. Parabolu za BD AE = 0;
2. Dvije paralelne prave za BD AE = 0 i D2 AF > 0;
3. Jednu dvostruku pravu za BD AE = 0 i D2 AF = 0.
4. Prazan skup ako je = 0, B = 0, BD AE = 0 i D2 AF < 0.
Ako je B = 0 onda ova diskusija ne vazi. U slucaju 1. parametar parabole je
p=
A2 ( D)2 + (B AE)2
|A(AE BD)|
.
=
3
2
2
A +B
(A2 + B 2 ) 2
Primjer 4.3.2. Posmatrajmo krivu cija je jednacina

9x2 24xy + 16y 2 16x 12y 4 = 0.
Za nju je = 0, BD AE = 150. Prema tome, ova kriva je parabola. Na osnovu (4.3.5)
dobijamo = 0. Prava (4.3.3), tj. prava 9x12y = 0 je osa simetrije, a prava 4x+3y +1 = 0
je tangenta parabole u tjemenu. Iz (??) nalazimo = 25 . Kako je 2 AF = 36 > 0 parabola
i koordinatni pocetak nalaze se sa iste strane prave 4x + 3y + 1 = 0.
98
Glava 5
Vektorski prostor
5.1
Vektorski prostor
U prethodnim paragrafima posmatrali smo skup vektora V 3 i neke operacije (sabiranje

vektora i mnozenje vektora skalarom) na ovom skupu. U odnosu na ove operacije skup
V 3 ima sljedece osobine:
1. V 3 , + je komutativna grupa,
2. Mnozenje vektora skalarom ima osobine:
(a)
a + b =
a +b,
(b) ( + )
a =
a +
a,
(c) (
a ) = ()
a,
(d) 1 a = a
za svaki izbor
a , b V 3 i skalara , R.
Ovo nam daje povod za uvodenje sljedece definicije.
Definicija 5.1.1. Neka je F polje i X neprazan skup na kome su definisane unutrasnja
operacija sabiranja + i vanjska operacija mnozenje elementima iz F tako da vrijedi:
1. ( x, y X) x + y = y + x X
komutativnost,
2. ( x, y, z X) x + (y + z) = (x + y) + z
asocijativnost,
3. ( 0 X) ( x X) x + 0 = 0 + x = x,
4. ( x X) ( y X) x + y = y + x = 0
5. F) ( x X) x = x X,
99
egzistencija neutralnog elementa,

egzistencija suprotnog elementa,
100
GLAVA 5. VEKTORSKI PROSTOR
6. ( F) ( x, y X) (x + y) = x + y,
7. ( , F) ( x X) ( + )x = x + x,
8. ( , F) ( x X) ()x = (x),
9. ( x X) 1x = x.
Tada kazemo da je X vektorski prostor nad poljem F. U slucaju kada je F = R polje
realnih brojeva kazemo da je X realan vektorski prostor.
Navedimo nekoliko znacajnih primjera vektorskih prostora koji ce nam trebati u
narednom izlaganju.
Primjer 5.1.2. Vektorski prostor polinoma nad poljem F
Neka je F polje i n fiksiran prirodan broj. Oznacimo sa X skup svih polinoma sa koeficijentima iz F stepena manjeg ili jednakog n. U skupu X definisimo sabiranje
(a0 + a1 x + + an xn ) + (b0 + b1 x + + bn xn ) =
= (a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn
i mnozenje skalarima (tj. elementima polja F)
(a0 + a1 + an xn ) = a0 + (a1 )x + + (an )xn .
Tada je X vektorski prostor nad poljem F.
Primjer 5.1.3. Vektorski prostor kompleksnih brojeva nad poljem realnih brojeva
Neka je X = C skup kompleksnih brojeva, a F = R skup realnih brojeva. Tada je X
vektorski prostor nad poljem F u odnosu na operaciju sabiranja kompleksnih brojeva i operaciju
mnozenja kompleksnih brojeva realnim brojem.
Primjer 5.1.4. Vektorski prostor svih uredenih n-torki polja F.

Neka je F polje i X = Fn (= F F F), tj. neka je X skup svih uredenih ntorki
(a1 , a2 , . . . , an ) elemenata polja F. U skupu X definisimo operaciju sabiranja
(a1 , a2 , . . . , an ) + (b1 , b2 , . . . , bn ) = (a1 + b1 , a2 + b2 , . . . , an + bn )
i operaciju mnozenja skalarom
(a1 , a2 , . . . , an ) = (a1 , a2 , . . . , an ).
Tada je X vektorski prostor nad poljem F.
5.1. VEKTORSKI PROSTOR
101
Primjer 5.1.5. Vektorski prostor matrica formata m n nad poljem F.

Neka je F polje, m i n prirodni brojevi. Oznacimo sa Fmn skup svih m n matrica nad
poljem F. Sumu vektora, tj. matrica prostora Fmn definisemo relacijom
(A + B)ij = Aij + Bij .
Proizvod skalara c i matrice A definisemo relacijom
(cA)ij = cAij .
Jednostavno se provjerava da je Fmn vektorski prostor nad poljem F.
Ako je m = 1, onda je F1n = Fn .
Sada cemo navesti nekoliko prostih cinjenica koje slijede neposredno iz definicije
vektorskog prostora.
Tvrdnja 5.1.6. Neka je V vektorski prostor nad poljem F.
1. ( F) 0 = 0;
2. ( x V ) 0 x = 0;
3. ( x V ) (1) x = x.
Dokaz. Polazeci od cinjenice 0 + 0 = 0 imamo 0 x = (0 + 0) x = 0 x + 0 x. Ako
objema stranama prethodne jednakosti dodamo 0 x dobice se 0 x = 0.
Neka je proizvoljan skalar polja F. Tada je 0 = (0 + 0) = 0 + 0, tj.
0 = 0.
Neka je x proizvoljan vektor prostora V. Tada je
0 x = (1 1) x = x + (1)x.
Dodajuci lijevo i desno x dobije se
x = x + 0 = x + (x + (1) x) = (x + x) + (1) x = 0 + (1)x = (1) x.
Time je dokaz kompletiran.
Asocijativnost sabiranja u vektorskom prostoru omogucava definiciju zbira od
konacno mnogo sabiraka. Neka su x1 , x2 , . . . , xn vektori prostora V. Tada je
def.
x1 + x2 + x3 = (x1 + x2 ) + x3 ,
def.
x1 + x2 + x3 + x4 = (x1 + x2 + x3 ) + x4
......................
def.
x1 + x2 + + xn1 + xn = (x1 + x2 + + xn1 ) + xn .
102
Definicija 5.1.7. Za vektor x V kazemo da je linearna kombinacija vektora

x1 , x2 , . . . , xn V
ako postoje skalari 1 , alpha2 , . . . , n takvi da je
n
x = 1 x1 + 2 x2 + + n xn =
k xk .
k=1
Neposredno iz prethodne definicije slijedi:

(a)
(b)
k xk +
k xk =
k=1
k=1
k=1
k xk +
k=1
(c)
k yk =
k=1
k xk =
k=1
5.2
n
k=1
(k + k ) xk ;
k (xk + yk ) ;
k=1
(k ) xk .
Potprostor
U ovom paragrafu uvodimo neke osnovne pojmove vezane za izucavanje vektorskih

prostora.
Definicija 5.2.1. Neka je V vektorski prostor nad poljem F. Potprostor od V je
podskup W od V koji je sam vektorski prostor nad poljem F sa operacijama sabiranja
i mnozenja skalarom u V.
Sljedeci teorem daje potrebne i dovoljne uslove da bi neprazan podskup W vektorskog prostora V bio potprostor.
Teorem 5.2.2. Neprazan podskup W vektorskog prostora V je potprostor prostora V
ako i samo ako je:
(i)
( x, y W ) x + y W ;
(ii)
( F) ( x W ) x W.
Dokaz. Ako je W potprostor prostora V, onda su uslovi (i) i (ii) ispunjeni. Obrnuto,
neka vrijedi uslovi (i) i (ii) teorema. Iz uslova (i) slijedi da je sabiranje u W binarna
operacija. Sabiranje je asocojativno u V, pa je asocijativno i u W kao podskupu skupa
V. Kako je skup W neprazan, to postoji x W Tada na osnovu (ii) iz 0 F i
5.2. POTPROSTOR
103
x W slijedi 0 x W, tj. 0 W. Neka je y proizvoljan element skupa W. Tada je

y = (1)y W. Dakle, (W, +) je grupa. No, sabiranje u V je komutativno, pa je
specijalno komutativno i u W. Iz uslova (ii) proizilazi da je u W definisano skalarno
mnozenje. Ovo mnozenje ima osobine 6., 7., 8. i 9. Definicije 5.1.1. Dakle, W je
vektorski prostor nad poljem F.
Uslovi (i) i (ii) prethodnog teorema mogu se zamjeniti sa jednim uslovom.
Teorem 5.2.3. Neka je W neprazan podskup vektorskog prostora V. Da bi W bio
potprostor prostora V potrebno je i dovoljno da vrijedi
(iii)
( , F) ( x, y W ) x + y W.
Dokaz. Neka vrijedi uslov (iii). Tada za = = 1 iz (i) slijedi uslov (i) prethodne
teoreme. Za = 0 iz (iii) slijedi uslov (ii) prethodnog teorema. Tada je W potprostor
prostora W.
Obrnuto, neka je W potprostor, tada vrijede uslovi (i) i (ii) prethodnog teorema.
Neka su x, y W i , F. Tada, zbog uslova (ii), imamo x, u W, pa na
osnovu uslova (i) je alpha x + y W. Dakle, vrijedi uslov (iii).
Primjer 5.2.4.
1. Neka je V vektorski prostor nad poljem F. Tada je W = {0} potprostor prostora V.
Ovaj potprostor nazivamo nula potprostor.
2. Neka je V = Fn skup svih uredenih ntorki elemenata polja F, a W skup svih uredenih
ntorki (x1 , x2 , . . . , xn ) kod kojih je x2 = 0. Tada je W potprostor prostora V. Neka
je S skup svih uredenih n-torki (x1 , x2 , . . . , xn ) takvih da je x2 = 1 + x1 . Skup S ne
ispunjava uslov (i), pa nije potprostor prostora V.
3. Neka je V = Fnn skup svih kvadratnih matrica A reda n nad poljem F. Neka je W
skup svih simetricnih matrica skupa V, tj. skup svih matrica A takvih da je Aij = Aji
za svako i i svako j. Tada je W potprostor prostora V.
4. Neka je A neka m n matrica. Oznacimo sa S skup svih rjesenja sistema AX = 0.
Tada je S potprostor prostora Fn1 . Naime, skup S nije prazan, jer svaki homogeni
sistem ima trivijalno rjesenje. Ako su Y i Z rjesenja sistema AX = 0, oda je i Y + Z
takode rjesenje homogenog sistema. Ako je AY = 0, onda je
A(Y ) = (AX) = 0 = 0.
Dakle, Y je rjesenje homogenog sistema. Potprostor S nazivamo potprostor rjesenja
homogenog sistema linearnih jednacina.
Teorem 5.2.5. Neka je {Wi }iI neka familija potprostora prostora V. Tada je presjek
W = Wi familije potprostora od V je potprostor od V.
iI
104
Dokaz. Kao je 0 Wi za svako i I, to je 0 Wi = W, pa je W neprazan podskup

iI
od V. Neka su x, y W proizvoljni elementi. Tada je x, y Wi za svako i I. Kako

je Wi potprostor prostora V, to za svako , F vrijedi x + y Wi za svako
i I. Dakle, x + y W. Prema tome W je potprostor prostora V.
Neka je S neprazan podskup vektorskog prostora V. Neka je {Wi }iI familija svih
potprostora prostora V, koji sadrze S. Ova familija nije prazna, jer je sigurno V clan
te familije. Tada je W = Wi potprostor prostora V i on sadrzi S. To je najmanji
iI
potprostor prostora V koji sadrzi S.

Definicija 5.2.6. Neka je S podskup vektorskog prostora V. Presjek W svih potprostora prostora V koji sadrze S naziva se potprostor prostora V generisan skupom S.
Takode kazemo da skup S generise potprostor W, odnosno da je S generator potprostora W. Specijalno ako je S = {x1 , x2 , , xn } konacan skup, onda kazemo da je W
generisan vektorima x1 , . . . , xn .
Teorem 5.2.7. Potprostor W generisan nepraznim podskupom S vektorskog prostora
V je skup svih linearnih kombinacija vektora iz S.
Dokaz. Neka je U skup svih linearnih kombinacija vektora skupa S. Neka je x U
proizvoljan element. Tada postoje x1 , x2 , . . . , xm S takvi da je x = 1 x1 + m xm .
Kako je S podskup od W , to su x1 , . . . , xn W, pa je x = 1 x1 + m xm W.
Ovim smo dokazali da je U W.
Obrnuto, dokazimo da je W U. Kako je W najmanji potprostor prostora V
koji sadrzi S, to je dovoljno dokazati da je U potprostor koji sadrzi S. Neka su x, y
proizvoljni elementi skupa U. Tada je x = 1 x1 + + m xm i y = 1 y1 + + k yk ,
pri cemu su x1 , . . . , xm , y1 , . . . yk S. Tada za , F imamo
m
x+y =
(i )xi +
i=1
(j )yj U.
j=1
To znaci da je U potprostor prostora V. Pokazimo sada da je S podskup od U. Neka

je x S proizvoljan Tada je x = 1 x linearna kombinacija elemenata skupa S, pa je
x U. Prema tome U je potprostor prostora V koji sadrzi S, pa je W U. Dakle,
U = W.
Definicija 5.2.8. Ako su S1 , S2 , . . . , Sl podskupovi vektorskog prostora V, tada se
skup svih suma x1 + x2 + + xk vektora xi Si za svako i zove suma podskupova
S1 , S2 , . . . , Sk i oznacava se sa S1 + S2 + + Sk ili
Si .
i=1
Ako su W1 , W2 , . . . , Wk potprostori prostora V, onda je suma

W = W1 + W2 + + Wk
5.2. POTPROSTOR
105
potprostor prostora V. To je najmanji potprostor prostora V koji sadrzi svaki od

potprostora W i. Ovaj potprostor je generisan unijom skupova W1 , W2 , . . . , Wk .
Primjer 5.2.9. Neka jeF = R polje realnih brojeva. Pretpostavimo da da vektori x1 =
(1, 2, 0, 4, 0), x2 = (0, 1, 2, 2, 0) i x3 = (0, 0, 1, 0, 1) generisi potprostor W prostora V = F5 .
Vektor x V pripada potprostoru W ako i samo ako je x linearna kombinacija vektora
x1 , x2 , x3 , tj. ako i samo ako postoje realni brojevi , i takvi da je x = x1 + x2 + x3 .
Zbog toga se potprostor W sastoji od svih uredenih petorki (, 2 + , 2 + , 4 + 2, ), gdje
su , i proizvoljni realni brojevi. Da li je vektori x = (2, 1, 5, 2, 1) i y = (1, 2, 5, 1, 2)
pripadaju potprostoru W ? Prema naprijed recenom x W ako i samo ako je
2 +
2 +
4 + 2
=
=
=
=
=
2,
1,
5,
2,
1.
Odavde nalazimo = 2, = 3 i = 1. Dakle, vektor x pripada potprostoru W. Vektor y

pripada W ako i samo ako je
2 +
2 +
4 + 2
=
=
=
=
=
1,
2,
5,
1,
2.
Ovaj sistem nema rjesenja, pa vektor y ne pripada potprostoru W.
Primjer 5.2.10. Neka je F = C polje kompleksnih brojeva i V vektorski prostor svih matrica
reda 2 2 nad poljem F. Neka je S podskup od V svih matrica oblika
a
c
b
0
gdje su a, b, c F. Neka je T podskup od V koji se sastoji od svih matrica oblika

x 0
0 y
gdje su x, y F. Tada su S i T potprostori prostora V. Neka je

A=
a b
c d
Ako je A S T, onda iz A S slijedi d = 0, a iz A T slijedi b = c = 0. Dakle, S T je

skup svih matrica oblika
a 0
,
0 0
106
gdje je a proizvoljan element polja F. Da li je A S + T ? A S + T ako i samo ako postoje

a b
matrice B S i C T takve da je A = B + C. Dovoljno je uzeti da je B =
i
c 0
0 0
C=
, pa da bude A = B + C. To znaci da je S + T = V.
0 d
Primjer 5.2.11. Neka je F polje kompleksnih brojeva, a V = F5 skup svih uredenih petorki
kompleksnih brojeva. Neka je S potprostor generisan vektorima
x1
x2
x3
= (1, 0, 1, 0, 1),
= (0, 2, 0, 2, 0),
= (2, 2, 2, 2, 2),
y1
y2
=
=
a T potprostor generisan vektorima

(3, 2, 3, 2, 3),
(1, 1, 0, 0, 1).
Odredimo potprostor S + T. Potprostor S + T je najmanji potprostor koji sadrzi skupove S i T.

Zbog toga je on generisan skupom vektora {x1 , x2 , x3 , y1 , y2 }. Dakle, x = (1 , 2 , 3 , 4 , 5 )
S + T ako i samo ako je x linearna kombinacija vektora x1 , x2 , x3 , y1 , y2 . Neka je
x = (1 , 2 , 3 , 4 , 5 ) = x1 + x2 + x3 + y1 + y2 =
( + 2 + 3 + , 2 + 2 + 2 + , + 2 + 3, 2 + 2 + 2, + 2 + 3 + )
Neka je + 2 + 3 = i + + = . Tada je
x = ( + , 2 + , , 2, + ),
gdje su , i proizvoljni kompleksni brojevi. Dakle,
(1 , 2 , 3 , 4 , 5 ) S + T (5 = 1 , i 4 = 1 + 2 + 3 ).
Vektor y = (1, 5, 2, 6, 1) pripada potprostoru S + T jer je 1 = 1, i 1 + 5 + 2 = 6, a vektor
z = (1, 3, 8, 1, 1) ne pripada potprostoru S + T jer 1 + 3 + 8 = 1.
Primjetimo da je x3 = 2x1 + x2 i y1 = 3x1 + x2 . Tada je
x =
=
=
=
=
x1 + x2 + x3 + y1 + y2
x1 + x2 + (2x1 + x2 ) + (3x1 + x2 ) + y2
( + 2 + 3)x1 + ( + + )x2 + y2
x1 + x2 + y2
( + , 2 + , , 2, + ).
5.3. BAZA I DIMENZIJA VEKTORSKOG PROSTORA
5.3
107
Baza i dimenzija vektorskog prostora
Vec smo se sreli sa pojmom baze vektorskog prostora obicnih vektora. Sada cemo u
apstraktnom vektorskom prostoru uvesti pojmove linearne zavisnosti i nezavisnosti,
baze i dimenzije.
Definicija 5.3.1. Neka je V vektorski prostor nad poljem F. Za podskup S prostora V kazemo da je linearno zavisan (ili krace zavisan) ako postoje razliciti vektori
x1 , x2 , . . . , xk u S i skalari 1 , 2 , . . . , k u F koji nisu svi jednaki nuli takvi da je
1 x1 + 2 x2 + + k xk = 0
Skup koji nije linearno zavisan naziva se linearno nezavisan skup. Ako skup S
ima konacno mnogo vektora 1 , 2 , . . . , n , onda mi ponekad kazemo da su vektori
1 , 2 , . . . , n , linearno zavisni odnosno linearno nezavisni, umjesto da kazemo da je
skup S linearno zavisan odnosno nezavisan.
Iz prethodne definicije lahko je zakljuciti da vrijedi
Tvrdnja 5.3.2. Neka je S podskup vektorskog prostora V.
1. Ako je T linearno zavisan podskup od S, onda je S linearno zavisan.
2. Svaki podskup linearno nezavisnog skupa je linearno nezavisan.
3. Ako je 0 S, onda je S linearno zavisan.
4. Skup S je linearno nezavisan ako i samo ako je svaki konacan podskup od S
linearno nezavisan, tj. ako i samo ako za bilo koje razlicite vektore x1 , x2 , . . . , xn
skupa S jednakost 1 x1 + 2 x2 + + n xn = 0 imlicira i = 0 za svako i.
Dokaz.
1. Neka je T linearno zavisan podskup od S. Tada u T postoje elementi x1 , x2 , . . . , xk
i skalari 1 , 2 , . . . , k koji nisu svi nula takvi da je
1 x1 + 2 x2 + + k xk = 0.
(5.3.1)
No, elementi x1 , x2 , . . . , xk su iz S i kako vrijedi (5.3.1), pri cemu je bar jedan

od skalara 1 , 2 , . . . , k razlicit od nule, to je skup S linearno zavisan.
2. Neka je S lenearno nezavisan skup i T njegov neprazan podskup. Pretpostavimo
da je T linearno zavisan. Tada bi na osnovu tvrdnje pod 1. skup S bio linearno
zavisan. Kontradikcija. Dakle, T je linearno nezavisan skup.
3. Neka je 0 S. Tada je skup {0} podskup od S. Skup {0} je linearno zavisan, jer
je 1 0 = 0 i 1 = 0. Tada na osnovu tvrdnje pod 1. skup S je linearno zavisan.
108
4. Neka je S linearno nezavisan skup i neka je T njegov konacan podskup. Ako bi

T bio linearno zavisan, onda i bi i S bio linearno zavisan, sto nije slucaj. Dakle,
T je linearno nezavisan.
Obrnuto, neka je svaki konacan podskup od S linearno nezavisan. Dokazimo da
je S linearno nezavisan. Pretpostavimo suprotno, tj. da je S linearno zavisan.
Tada postoje elementi x1 , x2 , . . . , xk i skalari 1 , 2 , . . . , k koji nisu svi nula
takvi da je
1 x1 + 2 x2 + + k xk = 0.
To znaci da je skup {x1 , x2 , . . . , xk } linearno zavisan. Mi smo konstruisali
konacan podskup skupa S koji je linearno zavisan. Kontradikcija. Pretpostavka
da je skup S linearno zavisan dovela nas je do kontradikcije.
Ovim je tvrdnja dokazana.
Definicija 5.3.3. Linearno nezavisan generator vektorskog prostora V naziva se baza.
Ako je baza vektorskog prostora konacan skup, onda za vektorski prostor kazemo da
je konacno dimenzionalan.
Primjer 5.3.4. Neka je C skup kompleksnih brojeva. Tada je C vektorski prostor nad poljem
realnih brojeva R. Neka je S = {1 + i, 2 + 3i, 3 + 2i}. Da li je skup S linearno nezavisan?
Posmatrajmo linearnu kombinaciju
(1 + i) + (2 + 3i) + (3 + 2i) = 0.
Odavde je
( + 2 + 3) + ( + 3 + 2)i = 0.
Kompleksan broj jednak je nuli ako i samo ako su mu realni i imaginarni dijelovi jednaki nuli.
Zbog toga je
+ 2 + 3
+ 3 + 2
=
=
0
0.
Rjesenje ovog homogenog sistema je (5, , ), gdje je proizvoljan realan broj. Specijalno
za = 1 imamo linearnu kombinaciju 5(1 + i) + 1(2 + 3i) + 1(3 + 2i) = 0. Kao sto vidimo
sva tri koeficijenta su razlicita od nule, pa je skup S linearno zavisan.
Vektori e1 = 1 i e2 = i su linearno nezavisni vektori prostora C. Naime, iz e1 + e2 = 0
slijedi + i = 0, tj. = 0 i = 0. To znaci jedina linearna kombinacija vektora e1 , e2 koja
je jednaka nuli je trivijalna linearna kombinacija. Dakle, vektori e1 i e2 su linearno nezavisni.
Neka je x = + i proizvoljan element vektorskog prostora C. Tada je x = e1 + e2 . To
znaci da je {e1 , e2 } linearno nezavisan generator prostora C, pa je njegova baza.
109
Primjer 5.3.5. Neka je V = Fn vektorski prostor i neka je S = {e1 , e2 , . . . , en } skup vektora

e1
e2
en
= (1, 0, 0, . . . , 0, 0)
= (0, 1, 0, . . . , 0, 0)
..
.
= (0, 0, 0, . . . , 0, 1)
Neka je x = (1 , 2 , . . . , n ) proizvoljan element prostora V. Tada je

x = 1 e1 + 2 e2 + + n en .
To znaci da je S generator psostora V. Pokazimo da je S linearno nezavisan skup. Neka je
1 e1 + 2 e2 + + n en = (0, 0, . . . , 0).
Odavde je (1 , 2 , . . . , n ) = (0, 0, . . . , 0), pa je
1 = 2 = . . . = n = 0.
Dakle, S je linearno nezavisan skup, tj. baza. Ovako definisanu bazu S nazivamo standardna
ili kanonska baza prostora F n .
Primjer 5.3.6. Neka je P invertibilna n n matrica nad poljem F. Pokazimo da su kolone

P1 , P2 , . . . , Pn matrice P linearno nezavisne. Neka je
1 P1 + 2 P2 + + n Pn = 0,
gdje je 0 Fn1 nula matrica kolona. Odavde je P X = 0, gdje je
1
2
X = . .
..
n
Kako je P invertibilna matrica, to iz P X = 0 slijedi X = P 1 0 = 0. Odavde slijedi da je
1 = 2 = . . . = n = 0. Dakle, vektori P1 , P2 , . . . , Pn su linearno nezavisni. Neka je Y
proizvoljna matrica kolona. Tada za X = P 1 Y imamo P P 1 Y = P P 1 Y = Y. Dakle,
Y je linearna kombinacija kolona matrice P. Koeficijenti te linearne kombinacije su redom
elementi matrice kolone P 1 Y. To znaci da vektori P1 , P2 , . . . , Pn generisu prostor Fn1 . Kako
je ovaj generator linearno nezavisan, to je on baza prostora Fn1 .
Primjer 5.3.7. Neka je A neka mn matrica nad poljem F i S prostor rjesenja homogenog
sistema AX = 0. Ako je R v-reducirana esalon matrica koja je v-ekvivalentna sa A. Tada su
sistemi AX = 0 i RX = 0 ekvivalentni. Zbog toga je S prostor rjesenja sistema RX = 0. U
sistemu RX = 0 imamo r jednacina sa n nepoznatih u kojima mozemo r nepoznatih izraziti
preko preostalih n r nepoznatih. Pretpostavimo da se vodeci koeficijenti u v-reduciranoj
110
esalon matrici R nalaze u kolonama k1 , k2 , . . . , kr . Neka je J = {1, 2, . . . , n}\{k1 , k2 , . . . , kr }.

Tada sistem RX = 0 mozemo napisati u obliku
xk1
..
.
xkr
+
jJ
c1j xj
= 0
..
.
crj xj
..
.
= 0
jJ
gdje su cij odgovarajuci skalari polja F. Rjesenja ovog sistema dobiju se pridruzujuci neke
proizvoljno odabrane vrijednosti nepoznatim xj (j J) i racunaci odgovarajuce vrijednosti za
xk1 , . . . , xkr . Za svako j J neka Ej oznacava rjesenje koje se dobije za xj = 1 i xi = 0 (i
J, i = j). Na ovaj nacin mi smo dobili n r rjesenja Ej (j J). Ova rjesenja su linearno
nezavisna i generisu prostor rjesenja. Dakle, skup {Ej | j J} je baza prostora rjesenja
sistema AX = 0. Skup {Ej | j J} nazivamo fundamentalni skup rjesenja.
U svim dosadasnjim primjerima vektorski prostori su imali konacne baze. Razmotrimo sada jedan primjer u kojem je baza ima beskonacno mnogo elemenata.
Primjer 5.3.8. Neka je V skup svih polinoma nad poljem F kompleksnih brojeva. Elementi
prostora V su polinomi
f (x) = 0 + 1 x + + n xn ,
(5.3.2)
k
gdje su 0 , 1 , . . . n elementi polja F. Neka je f0 = 1, fk = x (k N). Tada je skup

S = {f0 , f1 , f2 , . . .} baza prostora V. Da bi to dokazali prvo dokazimo da je S generator
prostora V. Neka je f (x) proizvoljan element prostora V. Tada je on oblika (5.3.2), pa je
f (x) = 0 f0 (x) + 1 f1 (x) + + n fn (x).
Pokazimo sada da je skup S linearno nezavisan. Dovoljno je dokazati da je svaki konacan
podskup od S linearno nezavisan. Neka je T proizvoljan konacan podskup od S. Neka je
T = {fk1 , fk2 , . . . , fks }, pri cemu je k1 < k2 < < ks i k1 fk1 + + ks fks = 0. Trebamo dokazati da su svi koeficijenti u ovoj linearnoj kombinaciji jednaki nuli. Pretpostavimo
suprotno. Tada polinom
k1 fk1 + + ks fks
nije nula polinom i koji prima vrijednost nula za svaku vrijednost polja F. Dakle, ovaj
polinom ima beskonacno mnogo nula. No poznato je da polinom konacnog stepena sa koeficijentima iz polja kompleksnih brojeva ima samo konacno mnogo nula, sto je nemoguce.
Dakle, pretpostavka da postoji koeficijent ki koji je razlicit od nule nije tacna. Ovim smo
dokazali da je skup T linearno nezavisan. Tada je S linearno nezavisan skup, pa je baza
prostora V. Dakle, skup V ima beskonacnu bazu. No, mozda postoji neka druga baza koja je
konacna. Dokazimo da takve baze nema. Pretpostavimo suprotno, tj. neka postoji konacna
baza {g1 , g2 , . . . , gr } prostora V. Buduci da su gi polinomi to svaki od njih ima konacan stepen. Neka je n = max{stepen(gi )|i = 1, 2, . . . , r}. Tada svaka linearna kombinacija polinoma
g1 , g2 , . . . , gr je polinom stepena najvise n. Zbog toga polinom fn+1 = xn+1 S nije linearna kombinacija polinoma g1 , g2 , . . . , gr . Kontradikcija. Pretpostavka da postoji konacna
baza prostora V dovela nas je do kontradikcije. Time smo dokazali da svaka baza prostora V
mora biti beskonacna.
111
Teorem 5.3.9. Neka je V vektorski prostor i B njegov podskup. Tada je B baza

prostora V ako i samo ako je B maksimalan linearno nezavisan podskup od V.
Dokaz. Neka je B baza prostora V. Tada je skup B generator prostora V i B je
linearno nezavisan skup. Neka je C linearno nezavisan skup i B C. Tada postoji
x C takav da x
/ B. Kako je B baza, to je x linearna kombinacija skupa B. Dakle,
postoje elementi b1 , b2 , . . . , bt B i skalari 1 , 2 , . . . , t F takvi da je
x = 1 b1 + 2 b2 + + t bt .
To znaci da je skup {b1 , b2 , . . . , bt , x} C linearno zavisan. Tada je i skup C linearno
zavisan. KOntradikcija. Pretpostavka da postoji linearno nezavisan skup C koji
strogo sadrzi B dovela nas je do kontradikcije, pa je B maksimalan linearno nezavisan
podskup od V.
Obrnuto, neka je B maksimalan linearno nezavisan podskup od V. Pokazimo da je
B baza prostora V. Dovoljno je dokazati da je B generator prostora V. Neka je x V
b b, gdje je
proizvoljan. Ako je x B onda je x =
bB
b =
1, ako je b = x,
0, ako je b = x.
To znaci da je element x linearna kombinacija elemenata skupa B. Neka sada x inB.

Tada skup C = B{x} stogo sadrzi skup B. Kako je B maksimalan linearno nezavisan
skup u V, to je skup C linearno zavisan. Tada postoje elementi b1 , b2 , . . . , bt B i
skalari , 1 , 2 , . . . , t F takvi da je
x + 1 b1 + . . . + t bt = 0
(5.3.3)
i bar jedan od skalara je razlicit od nule. Kada bi bilo = 0, onda bi imali 1 b1 +. . .+

t bt = 0 i bar jedan od skalara je razlicit od nule. To znaci da je skup {b1 , b2 , . . . , bt }
B linearno zavisan. No, tada je i skup B linearno zavisan. Kontradikcija. To znaci
da mora biti = 0. Tada iz (5.3.3) slijedi
x = 1 1 b1 1 2 b2 1 t bt ,
tj. x je linearna kombinacija elemenata skupa B. Ovim smo pokazali da je skup B
generator prostora V, pa koko je linearno nezavisan skup, to je on baza prostora V.
Teorem 5.3.10. Neka je V vektorski prostor koji je generisan konacnim skupom
{x1 , x2 , . . . , xn }. Tada bilo koji nezavisan podskup od V je konacan i ima najvise n
elemenata.
Dokaz. Dovoljno je dokazati da savki podskup S prostora V koji sadrzi vise od
n elemenata je linearno zavisan. Neka je t > n prirodan broj i S = {y1 , y2 , . . . , yt }
112
proizvoljan podskup od V koji ima t elemenata. Kako elementi x1 , x2 , . . . , xn generisu

V, to je
n
yi =
ji xj .
j=1
Neka je
t
0 = 1 y1 + 2 y2 + + t yt =
i yi
i=1
ji xj
=
i=1
t
j=1
n
ji i xj
i=1
j=1
ji i
j=1
xj
i=1
Ova jednakost je sigurno ispunjena ako je

t
ji i = 0
(j = 1, 2, . . . , n).
i=1
Prethodnu relaciju mozemo shvatiti kao homogeni sistem AX = 0 od n jednacina sa

t nepoznatih, gdje je A matrica reda n t takva da je Aji = ji . Kako je n < t, tj.
kako je broj jednacina manji od broja nepoznatih, to na sonovu Teorema 1.4.13 ovaj
sistem ima netrivijalno rjesenje. Dakle, postoje skalari 1 , 2 , . . . , t polja F koji nisu
svi jednaki nuli takvi da je 1 y1 + 2 y2 + + t yt = 0. To znaci da je skup S linearno
zavisan.Time je dokaz zavrsen.
Posljedica 5.3.11. Ako je V konacno dimenzionalan vektorski prostor, tada bilo koje
dvije baze prostora V imaju jednak broj elemenata.
Dokaz. Posto je V konacno dimenzionalan vektorski prostor to on ima konacnu bazu
{e1 , e2 , . . . , em }. Tada, na osnovu prethodne teoreme, svaki skup koji ima vise od m
elemenata je linearno zavisan. Kako je baza linearno nezavisan skup, to broj njenih
elemenata mora biti m. Neka je {f1 , f2 , . . . , fn } proizvoljna baza prostora V. Tada
je n m. Iz istih argumenata mora biti m n, tj. m = n. Dakle, svake dvije baze
imaju konacan broj elemenata.
Na osnovu prethodne posljedice vidimo da broj elemenata neke baze konacno
dimenzionalnog vektorskog prostora ne zavisi od izbora vektora te baze i on je isti za
sve baze. To nam daje povod za uvodenje sljedece definicije.
113
Definicija 5.3.12. Broj elemenata bilo koje baze konacno dimenzionalnog vektorskog
prostora naziva se dimenzija vektorskog prostora i oznacava se sa dim V.
Sada Teorem 5.3.10 mozemo iskazati i ovako
Posljedica 5.3.13. Neka je V konacno dimenzionalan vektorski prostor i n = dim V.
Tada
(a) bilo koji podskup od V koji sadrzi vise od n elemenata je linearno zavisan.
(b) nijedan podskup od V koji ima manje od n elemenata ne moze generisati V.
Primjer 5.3.14. Neka je F polje i n prirodan broj. Tada vektorski prostor V = Fn ima
dimenziju n, jer kanonska (standardna) baza ima n vektora.
Vektorski prostor Fmn ima dimenziju mn, jer je skup Eij svih matrica koje na (i, j) tom
mjestu imaju 1, a ostale elemente nula cini bazu prostora Fmn .
Neka je F polje i neka je V = {0}. Tada je V vektorski prostor. Element 0 je linearno
je onda generator prostora {0}? Neka je S = i W proizvoljan vektorski prostor
zavisan. Sta
nad poljem F. Svaki potprostor prostora W sadrzi S, pa specijalno i {0} potprostor. Zbog toga
je {0} potprostor koji je jednak presjeku svih potprostora koji sadrze S. Dakle, potprostor {0}
je generisan praznim skupom. Prazan skup nema ni jedan element, pa je dim{0} = 0.
Lema 5.3.15. Neka je S linearno nezavisan podskup vektorskog prostora V. Ako

vektor x V nije linearna kombinacija elemenata skupa S, onda je skup S1 = S {x}
linearno nezavisan.
Dokaz. Pretpostavimo da je suprotno, tj. da je skup S1 linearno zavisan. Tada
postoje elementi x1 , . . . xk S i skalari , 1 , . . . , k takvi da je
x + 1 x1 + + k xk = 0
(5.3.4)
i bar jedan od skalara je razlicit od nule. Ako je = 0, onda iz (5.3.4) imamo

x = 1 1 x1 2 1 x2 k 1 xk .
Kontradikcija, jer x nije linearna kombinacija skupa S. Znaci mora biti = 0. Tada
je se jednakost (5.3.4) svodi na 1 x1 + + k xk = 0 i bar jedan od skalara 1 , . . . , l
nije nula. To znaci da je skup {x1 , x2 , . . . , xk } S linearno zavisan, pa je i skup S
linearno zavisan. Kontradikcija. Dakle, pretpostavka da je skup S1 linearno zavisan
dovela nas je do kontradikcije.
Teorem 5.3.16. Ako je W potprostor konacno dimenzionalnog vektorskog prostora
V, tada je svaki linearno nezavisan podskup od W konacan i moze se nadopuniti do
baze potprostora W.
114
Dokaz. Neka je S0 linearno nezavisan podskup od W. Tada je S0 linearno nezavisan

podskup i od V. Kako je V konacno dimenzionalan vektorski prostor, to svaki linearno
nezavisan podskup od V ima najvise dim V elemenata. Dakle, S0 ima konacan broj
elemenata.
Ako S0 generise potprostor W, onda je S0 baza prostora W. Ako S0 nije baza
potprostora W, onda postoji x1 W koji nije linearna kombinacija elemenata skupa
S0 . Tada, na osnovu prethodne leme, skup S1 = S0 {x1 } je linearno nezavisan.
Ako S1 generise W, onda je S1 baza. Ako S1 ne generise W, onda postoji x2 W
koji nije linearna kombinacija elemenata skupa S1 . Tada je skup S2 = S1 {x2 } =
S0 {x1 , x2 } linearno nezavisan. Ako S2 generise W, onda je S2 baza potprostora W.
Ako nije onda prethodni postupak nastavljamo. Kako je V konacno dimenzionalan
vektorski prostor to on ima samo konacno mnogo linearno nezavisnih vektora. Zbog
toga prethodni postupak se mora okoncati u konacnom broju koraka. Dakle, postoje
elementi x1 , x2 , . . . , xm W takvi da je Sm = S0 {x1 , x2 , . . . , xm } baza potprostora
W.
Posljedica 5.3.17. Ako je W pravi potprostor konacno dimenzionalnog prostora V,
onda je i W konacno dimenzionalan i dim W < dim V.
Dokaz. Buduci da je W pravi potprostor prostora V, to je W = {0} i W = V. Tada
postoji x W takav da je x = 0. To znaci da je skup S0 = {x} linearno nezavisan, pa
se na osnovu prethodne teoreme moze nadopuniti baze potprostora W. Svaki linearno
nezavisan potskup od W je takode linearno nezavisan podskup i u V. Zbog toga je
dim W dimV. No, W je pravi podskup od V. Zbog toga postoji vektor y V koji
nije u potprostoru W. Dakle, y nije linearna kombinacija elemenata baze potprostora
W. Dodavajuci ovaj element toj bazi dobicemo linearno nezavisan podskup u V. Dakle,
dim W < dim V.
Posljedica 5.3.18. U konacno dimenzionalnom vektorskom prostoru V svaki neprazan
linearno nezavisan skup vektora moze se nadopuniti do baze.
Posljedica 5.3.19. Neka je A neka n n matrica nad poljem F. Ako su vrste matrice A, posmatrane kao vektori prostora Fn , linearno nezavisne, onda je matrica A
invertibilna.
Dokaz. Neka su v1 , v2 , . . . , vn vrste matrice A i neka je W potprostor prostora Fn
generisan vektorima v1 , v2 , . . . , vn . Posto su vrste nezavisne, to je dim V n. S druge
strane W je podskup od Fn , pa je dim W dim F n . Dakle, dim W = dim Fn = n.
Zbog toga je W = Fn . To znaci da je {v1 , v2 , . . . , vn } baza prostora Fn . Neka je
{e1 , e2 , . . . , en } standardna (kanonska) baza prostora Fn . Tada svaki vektor prostora
Fn moze prikazati kao linearna kombinacija vektora baze {v1 , v2 , . . . , vn }. Tako imamo
n
ei =
ij vj ,
j=1
1 j n.
115
Odavde imamo I = BA, gdje je B matrica za koju je Bij = ij .

Teorem 5.3.20. Neka su S i T konacno dimenzionalni vektorski potprostori prostora
V. Tada je S + T konacno dimenzionalan vektorski potprostor i vrijedi
dim(S + T ) = dim S + dim T dim(S T ).
Dokaz. Potprostor S T je potprostor konacno dimenzionalnog prostora S, pa je
konacno dimenzionalan. Neka je {e1 , e2 , . . . ek } baza potprostora S T. Ovu bazu
mozemo nadopuniti do baze {e1 , . . . ek , f1 , . . . , fm } prostora S i do baze
{e1 , . . . ek , g1 , . . . , gn }
prostora T. Odavde imamo
k = dim(S T ), k + m = dim S, k + n = dim T.
Prostor S + T sadrzi svaki od skupova S i T i njegovi elementi se mogu prokazati u
obliku s + t, s S, t T. To znaci da je skup
{e1 , . . . ek , f1 , . . . , fm , g1 , . . . , gn }
generator prostora S + T. Pokazimo da je ovaj skup linearno nezavisan. Neka je
k
i ei +
i=1
j fj +
r gr = 0.
r=1
j=1
Odavde je
n
r gr =
r=1
i ei +
i=1
j fj .
j=1
Lijeva strana je element potprostora T, a desna potprostora S. Zato je
r gr S T.
r=1
Tada je
n
r gr =
r=1
i ei .
i=1
No vektori e1 , . . . ek , g1 , . . . , gn su linearno nezavisni , pa je r = 0 za svako r. Zbog

toga imamo
m
i ei +
i=1
j fj = 0.
j=1
Kako su vektori e1 , . . . ek , f1 , . . . , fm linearno nezavisni, to je i = 0 i j = 0 za svako

i i svako j. Ovim smo dokazali da je
{e1 , . . . ek , f1 , . . . , fm , g1 , . . . , gn }
116
baza prostora S + T. Dakle,

dim(S + T ) = k + m + n = (k + m) + (k + n) k = dim S + dim T dim(S T ).
Zavrsimo izlaganje u ovoj sekciji sa diskusijom o linearnoj zavisnosti i nezavisnosti.
Mi smo pojam linearne zavisnosti i nezavisnosti uveli za skup vektora vektorskog
prostora. No, taj pojam moze se definisati i za konacan niz od n vektora (tj. uredenu
ntorku vektora) x1 , x2 , . . . , xn .
Kazemo da je niz vektora x1 , x2 , . . . , xn linearno zavisan ako postoji niz skalara
1 , 2 , . . . , n koji nisu svi jednaki nuli takvi da je
1 x1 + 2 x2 + + n xn = 0.
Kakva je razlika izmedu konacnog niza x1 , x2 , . . . , xn i skupa {x1 , x2 , . . . , xn }? Imamo
dvije razlike:jednakost i uredenost.
U skupu {x1 , x2 , . . . , xn } su svi elementi razliciti, a u nizu x1 , x2 , . . . , xn ne mopraju svi elementi biti razliciti, cak sta vise mogu svi elementi biti isti. Ako su elementi
xi i xj (i = j) jednaki onda je taj niz linearno zavisan, jer je xi + (1)xj = 0. Tako,
ako je niz x1 , x2 , . . . , xn linearno nezavisan, onda su njegovi elementi sigurno razliciti.
U tom slucaju niz x1 , x2 , . . . , xn formira skup {x1 , x2 , . . . , xn } i niz je linearno zavisan
ako i samo je odgovarajuci skup zavisan. Ovu cinjenicu mozemo iskoristiti za definiciju dimenzije vektorskog prostora.Dimenzija vektorskog prostora V je najveci broj n
za koji postoji bar jedna ntorka linearno nezavisnih vektora prostora V.
Elementi niza su poredani na jedan specifican nacin. Tako je niz 1, 2, 3 razlicit od
niza 2, 3, 1. To nije slucaj kod skupova. Naime, u skupu nije bitan poredak elemenata.
Tako su skupovi {1, 2, 3} i {2, 3, 1} jednaki. Da li nam je bitan poredak vektora u
bazi? Iz dosadasnje diskusije to nismo vidjeli. No, u diskusiji koja ce kasnije uslijediti
vidjecemo da je to od velike vaznosti. Zbog toga cemo morati razlikovati bazu u kojoj
elementi imaju utvrden poredak od baze u kojoj je poredak nebitan.
5.3.1
Zadaci
1. Naci bazu i dimenziju vektorskog potprostora S prostora R4 generisanog vektorima: x1 = (1, 0, 0 1), x2 = (2, 1, 1, 0), x3 = (1, 1, 1, 1), x4 = (1, 2, 3, 4), x5 =
(0, 1, 2, 3).
2. Potprostor S je generisan vektorima a1 = (1, 2, 0, 1) i a2 = (1, 1, 1, 0), a potprostor T je generisan vektorima b1 = (1, 0, 1, 0) i b2 = (1, 3, 0, 1). Odrediti bazu
i dimenziju potprostora S + T i S T.
5.4. KOORDINATE
117
3. Potprostor S je generisan vektorima a1 = (1, 1, 1, 1), a2 = (1, 1, 1, 1) i a3 =

(1, 3, 1, 3), a potprostor T je generisan vektorima b1 = (1, 2, 0, 2), b2 = (1, 2, 1, 2)
i b3 = (3, 1, 3, 1). Odrediti bazu i dimenziju potprostora S + T i S T.
4. Neka je V vektorski prostor svih 2 2 matrica nad poljem F. Neka je S podskup
skupa V koji se sastoji od matrica oblika
x x
y z
i neka je T skup svih matrica oblika
a b
a c
(a) Dokazati da su S i T potprostori prostora V.

(b) Naci bazu i dimenziju potprostora S, T, S + T i S T.
5. Neka je V vektorski prostor 22 matrica nad poljem F. Naci bazu {A1 , A2 , A3 , A4 }
prostora V tako da je A2i = Ai za svako i.
6. Dat je sistem
x1
2x1
3x1
2x1
+ x2
+ 2x2
+ 3x2
+ 2x2
+
+
+
+
3x3
4x3
7x3
8x3
2x4
x4
3x4
3x4
+
+
+
+
3x5
3x5
6x5
9x5
=
=
=
=
0
0
0
0
Odrediti prostor rjesenja ovog sistema. Naci fundamentalan skup rjesenja ovog
sistema.
5.4
Koordinate
U ovom paragrafu uvodimo pojam uredene baze vektorskog prostora i pojam koordinata (komponenata) vektora u odnosu na uredenu bazu.
Definicija 5.4.1. Neka je V konacno dimenzionalan vektorski prostor. Pod uredenom
bazom vektorskog prostora V podrazumjevamo konacan niz linearno nezavisnih vektora
koji generisu prostor V.
118
Ako je niz x1 , x2 , . . . , xn uredena baza, tada je skup {x1 , x2 , . . . , xn } baza prostora.

Uredena baza je skup u kojem su elementi poredani po dogovorenom principu. Da
bismo istakli da je neka baza uredena onda je oznacavamo pisanim velikim slovom B.
Neka je B = {e1 , . . . , en } uredena baza konacno dimenzionalnog prostora V. Neka
je x proizvoljan element prostora V. Tada postoje skalari 1 , . . . , n takvi da je x =
1 e1 + + n en . Da li je ovaj prokaz jedinstven? Pretpostavimo da postoji i prikaz
x = 1 e1 + + n en . Tada je
0 = x x = 1 e1 + + n en (1 e1 + + n en )
= (1 1 )e1 + + (n n )en .
Kako su vektori e1 , . . . , en linearno nezavisni, to je
1 1 = . . . = n n = 0,
tj. i = i za svako i.
Dakle, za uredenu bazu B = {e1 , . . . , en } i vektor x vektorskog prostora V postoji
tacno jedna uredena n-torka skalara (1 , . . . , n ) Fn takva da je
n
x=
i ei .
i=1
Za ovako definisanu uredenu n-torku kazemo da su koordinate vektora x u odnosu na
bazu B. Cesto
cemo umjesto uredene n-torke (1 , . . . , n ) koja odgovara vektoru x
uzimati matricu
[x]B = ... .
n
Neka je V konacnodimenzionalni vektorski prostor nad poljem F. Neka su
B = {e1 , . . . , en } i B = {f1 , . . . , fn }
dvije uredene baze prostora V. Tada postoje skalari Pij takvi da je
n
fj =
Pij ei ,
1 j n.
i=1
Neka vektor x u odnosu na prvu bazu ima koordinate (1 , . . . , n ) i u odnosu na
5.4. KOORDINATE
119
drugu bazu (1 , . . . , n ). Tada je

x = f1 + + n fn
n
j fj
j=1
n
Pij ei
j=1
n n
i=1
Pij j ei
j=1 i=1
=
i=1
Dakle,
n
i=1
Odavde je
Pij j ei .
j=1
x=
Pij j ei .
(5.4.1)
j=1
i =
Pij j ,
1 i n.
(5.4.2)
j=1
Neka je P matrica reda n n takva da je njen element na mjestu (i, j) skalar Pij .
Tada se jednakost (5.4.2) moze napisati u obliku
[x]B = P [x]B ,
(5.4.3)
odnosno u obliku X = P X , gdje je X matrica koordinata vektora x u odnosu na

bazu B . Kako su baze linearno nezavisni skupovi, to iz X = 0 slijedi X = 0. Naime,
ako je X nula onda je vekrot x nula vektor, pa su koordinate vektora x i u odnosu
na drugu bazu sve jednake nuli, tj. X = 0. Isto tako ako je X = 0, onda je i X = 0.
Dakle, jednacina P X = 0 ima samo trivijalno rjesenje, pa je matrica P invertibilna
(vidi teorem 1.4.14). Sada iz (5.4.3) slijedi
[x]B = P 1 [x]B .
(5.4.4)
Tako smo dokazali sljedeci teorem.

Teorem 5.4.2. Neka je V ndimenzionalni vektorski prostor nad poljem F i neka
su B i B dvije uredene baze. Tada postoji tacno jedna invertibilna matrica P takva
da je
120
(i) [x]B = P [x]B ,

(ii) [x]B = P 1 [x]B
za svakivektor x V. Kolone matrice P su date relacijom
Pj = [fj ]B
j = 1, 2, . . . , n,
tj. predstavljaju komponente vektora fj u odnosu na prvu bazu B.

Teorem 5.4.3. Neka je P invertibilna matrica reda n n nad poljem F. Neka je
V ndimenzionalni vektorski prostor nad poljem F, i neka je B neka uredena baza
prostora V. Tada postoji tacno jedna uredena baza B prostora V takva da je
(i) [x]B = P [x]B ,
(ii) [x]B = P 1 [x]B
za svaki vektor x V.
Dokaz. Neka je B = {e1 , e2 , . . . , en } uredena baza prostora V. Kolone matrice P
odreduju vektore
n
fj =
Pij ei ,
1 j n.
i=1
Dokazimo da vektori f1 , f2 , . . . , fn formiraju bazu prostora V. Neka je Q = P 1

inverzna matrica matrice P. Tada je
n
Qjk fj
Qjk
j=1
n n
j=1
Pij ei
i=1
Pij Qjk ei
j=1 i=1
n
=
i=1
Pij Qjk ei
j=1
ik ei = ek ,
i=1
gdje je ik Kronekerov simbol. Neka je y proizvoljan vektor prostora V. Tada je
y=
k ek =
k=1
k
k=1
j=1
k=1
Qjk fj =
j=1
k Qjk
fj
Dakle, Dakle, vektori f1 , . . . , fn generisu prostor V. Kako je tih vektora n = dim V, to

oni cine bazu prostora V. Na osnovu prethodnog teorema jasno da za bazu B vrijede
uslovi (i) i (ii).
5.4. KOORDINATE
121
Primjer 5.4.4. Neka je R polje realnih brojeva i neka je fiksiran realan broj. Matrica
P =
cos
sin
sin
cos
je invertibilna i njena inverzna matrica je

P 1 =
cos sin
sin cos
Neka je B = {e1 , e2 } uredena standardna baza prostora R2 . Neka je

f1 = cos e1 + sin e2 , f2 = sin e1 + cos e2 .
Tada je B = {f1 , f2 } uredena baza prostora R2 . U geometrijskom smislu baza B je nastala
rotacijom baze B oko koordinatnog pocetka u pozitivnom smislu za ugao .
5.4.1
Zadaci
1. Pokazati da vektori
f1 = (1, 1, 0, 0), f2 = (0, 0, 1, 1)
f3 = (1, 0, 0, 4), f4 = (0, 0, 0, 2)
formiraju bazu prostora R4 . Naci koordinate svakog od vektora ei standardne
baze u odnosu na bazu {f1 , f2 , f3 , f4 }.
2. Naci koordinate vektora (1, 0, 1) u bazi prostora C3 sastavljenoj od vektora
(2i, 1, 0), (2, 1, 1), (0, 1 + i, 1 i) u ovom redosljedu.
3. Neka je W potprostor prostora C3 generisan vektorima f1 = (1, 0, i) i f2 =
(1 + i, 1, 1).
(a) Pokazati da f1 i f2 cine bazu prostora W.
(b) Pokazati da vektori g1 = (1, 1, 0) i g2 = (1, i, 1 + i) pripadaju potprostoru
W i cine drugu bazu potprostora W.
(c) Odrediti koordinate vektora f1 i f2 u uredenoj bazi {g1 , g2 }.
4. Neka je V vektorski prostor, nad poljem kompleksnih brojeva, svi funkcija f :
R C, tj. prostor svih kompleksnih funkcija na realnoj pravoj. Neka je
f1 (x) = 1, f2 (x) = eix , f3 (x) = eix .
(a) Dokazati da su f1 , f2 , f3 linearno nezavisni elementi prostora V.
122

(b) Neka je g1 (x) = 1, g2 (x) = cos x, g3 (x) = sin x. Naci invertibilnu matricu
P reda 3 3 takvu da je
3
gi =
Pij fi .
i=1
5. Neka je V vektorski prostor svih realnih polinoma stepena manjeg ili jednakog
od 2, tj. prostor svih funkcija oblika
f (x) = c0 + c1 x + c2 x2 .
Neka je t fiksan realan broj i definisimo
g1 (x) = 1, g2 (x) = x + t, g3 (x) = (x + t)2 .
Dokazati da je B = {g1 , g2 , g3 } baza prostora V. Ako je
f (x) = c0 + c1 x + c2 x2
sta su koordinate vektora f u uredenoj bazi B?
5.5
Zavr
sno razmatranje o v-ekvivalenciji matrica
U ovom paragrafu cemo koristiti osnovne cinjenice o bazi i dimenziji vektorskog prostora u cilju kompletiranja nase diskusije o v-ekvivalenciji matrica. Neka je A neka
mn matrica nad poljem F. Vrste ove matrice mozemo shvataiti kao vektore prostora
Fn . Definisimo
fi = (Ai1 , . . . , Ain ), 1 i m
i oznacimo sa W vektorski potprostor prostora Fn generisan vektorima f1 , . . . , fm .
Dimenziju potprostora W nazivamo rang vrsta matrice A i oznacavamo sa rangv A =
dim W.
Ako je P neka k m matrica nad poljem F, tada je B = P A matrica reda k n
cije su vektori vrsta g1 , . . . , gk linearne kombinacije
gi = Pi1 f1 + + Pim fm , (i = 1, 2, . . . , k)
vrsta f1 , . . . fm matrice A. Zbog toga je vektorski prostor vrsta matrice B je potprostor
prostora vrsta matrice A. Ako je matrica P reda m m invertibilna, onda je matrica
B v-ekvivalentna sa matricom A. Zbog simetricnosti relacije v-ekvivalentno imamo
da je A v-ekvivalentna sa B, pa je A = P 1 B. Tada je potprostor vrsta matrice A
potprostor prostora vrsta matrice B. Ovim smo dokazali sljedeci teorem.

5.5. ZAVRSNO
RAZMATRANJE O V-EKVIVALENCIJI MATRICA
123
Teorem 5.5.1. v-ekvivalentne matrice imaju iste vektorske prostore vrsta.

Povezimo bazu sa v-reduciranom esalon matricom.
Teorem 5.5.2. Neka je R nenulta v-reducirana esalon matrica reda m n. Tada
nenulti vektori vrsta matrice R cine bazu prostora vrsta matrice R.
Dokaz. Neka su h1 , h2 , . . . , hr nenulte vrste v-reducirane matrice R, tj neka je hi =
(Ri1 , . . . , Rin ), (i = 1, 2, . . . , m).Ovi vektori generisu vektorski prostor vrsta matrice
R. Trebamo jos dokazati da su oni linearno nezavisni. Kako je R v-reducirana esalon
matrica, postoje prirodni brojevi k1 , k2 , . . . , kr takvi da je k1 < k2 < < kr i za
i r je Rij = 0 ako je j < ki i Rikj = ij . Neka je
1 h1 + 2 h2 + + r hr = (0, 0, . . . , 0).
Nakon sabiranja na lijevoj strani u ki om mjestu bice i , a na desnoj strani je 0.
Zbog jednakosti imamo i = 0 (i = 1, 2, . . . , r). To znaci da su vektori h1 , h2 , . . . , hr
linearno nezavisni, pa cine bazu prostora vrsta matrice R.
Primjer 5.5.3. Neka je W potprostor prostora R5 generisan vektorima
a1
a2
a3
=
=
=
(1, 2, 3, 4, 5),
(1, 3, 4, 5, 6)
(1, 2, 4, 6, 0).
Vektor x R5 je element potprostora W ako i samo ako postoje skalari , , takvi da je

x = a1 + a2 + a3 . Ako je x = (1 , 2 , 3 4 , 5 ), onda je
(1 , 2 , 3 , 4 , 5 ) = ( + + , 2 + 3 + 4, 3 + 4 + 4, 4 + 5 + 6, 5 + 6),
tj.
1
2
3
4
5
=
=
=
=
=
++
2 + 3 + 2
3 + 4 + 4
4 + 5 + 6
5 + 6
Odavde je = 41 3 , = 21 + 2 , = 1 2 + 3 . Tada je 4 = 2 + 23 , 5 =
81 + 62 53 . Konacno vektor x ima oblik
x = (1 , 2 , 3 , 2 + 23 , 81 + 62 53 ).
Dakle,
W = {(1 , 2 , 3 , 2 + 23 , 81 + 62 53 ) |1 , 2 , 3 R}.
124
Za 1 = 1, 2 = 0, 3 = 0 imamo e1 = (1, 0, 0, 0, 8). Za 1 = 0, 2 = 1, 3 = 0 imamo

e2 = (0, 1, 0, 1, 6). Za 1 = 0, 2 = 0, 3 = 1 imamo e3 = (0, 0, 1, 2, 5). Vektori e1 , e2 , e3 su
linearno nezavisni i generisu potprostor W. Isto tako, ako je
1 0 0 0
8
A = 0 1 0 1 6
0 0 1 2 5
onda je W potprostor prostora R5 generisan vrstama matrice A. Matrica A je v-reducirana
esalon matrica.
U prethodnom primjeru smo za dati potprostor W prostora Fn konstruisali vreduciranu esalon matricu A tako da je W potprostor generisan vrstama te matrice.
Da ovo nije slucajnost vidimo iz sljedeceg teorema.
Teorem 5.5.4. Neka su m i n prirodni brojevi i F polje. Pretpostavimo da je W
potprostor prostora Fn i dim W m. Tada postoji jedna i samo jedna v-reducirana
esalon matrica R reda mn nad poljem F takva da je W potprostor generisan vrstama
matrice R.
5.5.1
Zadaci:
1. Neka je
a1 = (1, 1, 2, 1), a2 = (3, 0, 4, 1), a3 = (1, 2, 5, 2) i
b1 = (4, 5, 9, 7), b2 = (3, 1, 4, 4), b3 = (1, 1, 0, 1).
(a) Koji od vektora b1 , b2 , b3 pripadaju potprostoru prostora R4 generisanim
vektorima a1 , a2 , a3 ?
(b) Koji od vektora a1 , a2 , a3 pripada potprostoru prostora R4 generisanim
vektorima b1 , b2 , b3 ?
2. Neka je a1 = (1, 0, 1, 2), a2 = (3, 4, 2, 5), a3 = (1, 4, 0, 9) i neka je W potprostor prostora R4 generisan tim vektorima. Naci homogeni sistem ciji je potprostor
rjesenja upravo potprostor W.
3. Neka je V realan vektorski prostor generisan vrstama matrice
3 21 0
9
0
1 7 1 2 1
.
A=
2 14 0
6
1
6 42 1 13 0

5.5. ZAVRSNO
RAZMATRANJE O V-EKVIVALENCIJI MATRICA
125
(a) Naci bazu od V.

(b) Naci potreban i dovoljan uslov da bi vektor x = (1 , 2 , 3 , 4 , 5 ) pripadao prostoru V.
(c) Naci koordinate vektora x = (1 , 2 , 3 , 4 , 5 ) u bazi odredenoj pod (a).
126
Glava 6
Linearna preslikavanja
U ovom poglavlju studiracemo jedan veoma bitan pojam u proucavanju vektorskih
prostora. Rijec je linearnim preslikavanjima jednog vektorskog prostora u drugi.
6.1
Linearna preslikavanja
Definicija 6.1.1. Neka su V i W vektorski prostori nad istim poljem F. Za preslikavanje f : V W kazemo da je linearno preslikavanje ako vrijedi:
(a) f (a + b) = f (a) + f (b) (aditivnost)
(b) f (a) = f (a) (homogenost)
za svako a, b V i savako F.
Linearno preslikavanje vektorskog prostora V u samog sebe nazivamo linearna
transformacija vektorskog prostora ili linearan operator prostora V.
Tvrdnja 6.1.2. Uslovi (a) i (b) prethodne definicijeekvivalentni su sa uslovom
(c) f (a + b) = f (a) + f (b)
za svako a, b V i savako , F.
Dokaz. Neka vrijede uslovi (a) i (b) prethodne definicije. Tada imamo
(a)
(b)
f (a + b) = f (a) + f (b) = f (a) + f (b).

Obrnuto, neka vrijedi uslov (c). Ako u uzmemo = = 1, onda iz (c) slijedi
uslov (a). Ako uzmemo = 0, onda iz (c) slijedi uslov (b).
127
128
GLAVA 6. LINEARNA PRESLIKAVANJA
Primjer 6.1.3. Navedimo nekoliko znacajnih linearnih preslikavanja.

1. Neka je V vektorski prostor i I preslikavanje prostora V u samog sebe dato sa I(x) = x
za svako x V. Tada je I linearno preslikavanje i nazivamo ga identitet na V.
2. Neka je V vektorski prostor i O preslikavanje V u V definisano sa O(x) = 0 za svako
x V. Tada je O linearno preslikavanje i nazivamo ga nula preslikavanje.
3. Neka je V skup svih polinoma nad poljem F. Posmatrajmo preslikavanje D prostora V
u samog sebe definisanog sa
dP
= P (x)
dx
za svaki polinom P (x) V. Da li je D linearno prerslikavanje? Preslikavanje D predstavlja operaciju diferenciranja. Kako je
D(P (x)) =
D(P (x) + Q(x)) = (P (x) + Q(x)) = P (x) + Q (x) = D(P (x)) + D(Q(x))
D(P (x)) = (P (x)) = P (x) = D(P (x)),
to je D linearno preslikavanje.
4. Neka je V vektorski prostor neprekidnih realnih funkcija na R. Definisimo preslikavanje
T : V V na sljedeci nacin
x
(T f )(x) =
f (t)dt.
0
Tada je T linearno preslikavanje prostora V u samog sebe. Nime,

x
(T (f + g))(x)
(f + g) (t)dt =
0
f (t)dt +
f (t)dt +
g(t)dt
0
g(t)dt
0
(T f )(x) + (T g)(x).
Dakle, T je linearno preslikavanje. Funkcija (T f )(x) ne mora biti neprekidna, ali ima
neprekidan prvi izvod.
5. Neka su V = Fn1 , W = Fm1 vektorski prostori nad poljem F. Tada za datu m n
matricu A nad poljem F preslikavanje
T (X) = AX
(X Fn1 )
predstavlja linearno preslikavanje sa V u W.

6. Neka je P fiksna m m matrica nad poljem F i Q fiksna n n matrica nad poljem F.
Definisimo funkciju T sa Fmn u samog sebe relacijom
T (A) = P AQ.
Tada je
T (A + B)
= P (A + B)Q = (P A + P B)Q = P AQ + P BQ
= T (A) + T (B),
tj. T je linearno preslikavanje.
6.1. LINEARNA PRESLIKAVANJA
129
7. Neka je V = V 3 vektorski prostor obicnih vektora Euklidovog prostora. Neka je

proizvoljna ravan. Posamtrajmo simetriju prostora u odnosu na ravan. Neka je O
proizvoljna tacka ravni . Proglasimo tacku O za pol.Neka je

x = OA proizvoljan
vektor. Simetrijom u odnosu na ravan sve tacke ravni se preslikavaju u same sebe.
Tacka A se preslikava u neku tacku A , pri cemu je duz AA okomita na ravan i tacke
A i A su jednako udaljene od ravni i nalaze se sa razlicitih strana. Neka duz AA
sijece ravan u tacki T. Tada je

OA = OT + T A

OA = OT + T A .
No, T A = T A, pa je

OA = OT T A = (OA T A) T A = OA 2T A.
Vektor OT je kolinearan sa jedinicnim vektorom

n normale ravni . Intenzitet tog
vektora jednak je projekciji vektora OA na vektor n . Zbog toga je T A = (OA

n )
n,
tj. T A = ( x n ) n . Konacno imamo

OA =
x 2(
x
n )
n.
Uvedimo oznaku A(
x ) = OA . Tada je
A(
x)=
x 2(
x
n )
n.
(6.1.1)
Pokazimo da je relacijom (6.1.1) dato linearno preslikavanje prostora V 3 u samog sebe.

Imamo
A(
x +
y ) =
x +
y 2((
x +
y)
n )
n
= x + y 2(( x n ) + ( y
n ))
n
= ( x 2( x n ) n ) + ( y 2( y n )
n)
= A(
x ) + A(
y)
za savko
x,
y V 3 i savko , R. Dakle, A je linearno preslikavanje.
Iz definicije linearnog preslikavanja P : V W slijedi

P(0V ) = P(0V + 0V ) = P(0V ) + P(0V ),
tj. P(0V ) = 0W . Dakle, linearno preslikavanje nula vektor 0V prostora V prevodi u
nula vektor 0W prostora W.
Matematickom indukcijom se lahko dokazuje
P (1 x1 + + n xn ) = 1 P(x1 ) + + n P(xn )
za svaki prirodan broj n i svako 1 , . . . , n F i x1 , . . . , xn V.
130
Teorem 6.1.4. Neka je V konacno dimenzionalni vektorski prostor nad poljem F i

neka je B = {e1 , . . . , en } uredena baza vektorskaog prostora V. Neka je W vektorski
prostor nad istim poljem F i neka je {f1 , , fn } bilo kojih n vektora prostora W.
Tada postoji tacno jedno linearno preslikavanje P prostora V u W takvo da je
P(ei ) = fi
(i = 1, 2, . . . , n).
(6.1.2)
Dokaz. Neka je x proizvoljan vektor prostora V. Tada je

x = 1 e1 + + n en ,
(i F).
Kako je B uredena baza, to su skalari 1 , . . . , n jednoznacno odredeni zbog toga je

i vektor 1 f1 + + n fn W jednoznacno odreden. Definisimo
P(x) = 1 f1 + + n fn .
Pokazimo da je P linearno preslikavanje. Neka je
y = 1 e1 + + n en V, , F.
Tada je
n
P(x + y) = P
i ei +
i=1
n
= P
i ei
i=1
( i + i ) ei
i=1
( i + i ) fi =
i=1
i fi +
i=1
= P(x) + P(y).
Dakle, P je linearno preslikavanje. Kako je
n
ei =
ij ej ,
j=1
gdje je ij Kronekerov simbol. Zbog toga imamo
P(ei ) = P
ij ej =
j=1
ij fj = fi
j=1
i fi
i=1
131
za svako i. Dakle, preslikavanje P zadovoljava relaciju (6.1.2). Ostalo nam je jos da

dokazemo jedinstvenost preslikavanja. Neka pored preslikavanja P postoji linearno
preslikavanje T za koje vrijedi (6.1.2), tj. neka je T (ei ) = fi za svako i. Tada je
n
i ei
T (x) = T
i=1
n
i T (ei )
i=1
i fi =
i=1
i P(ei )
i=1
i ei
= P
= P(x)
i=1
za svako x V. Dakle, P = T .
Iz ovog teorema slijedi da su linearna preslikavanja konacno dimenzionalnih vektorskih prostora dosta specificna. Naime, dovoljno je da znamo slike svih vektora
baze, pa da znamo sliku bilo kog vektora prostora.
Primjer 6.1.5. Vektori e1 = (1, 2), e2 = (3, 4) su linearno nezavisni i zato formiraju bazu
prostora R2 . Neka su f1 = (3, 4, 1), f2 = (1, 4, 7) vektori prostora R3 . Tada na osnovu
prethodne teoreme postoji tacno jedno linearno preslikavanje P prostora R2 u prostor R3 za
koje vrijedi P(e1 ) = f1 i P(e2 ) = f2 . Odredimo slike vektora standardne baze (1, 0) i (0, 1)
prostora R2 . Prvo trebamo odrediti komponente ovih vektora u odnosu na zadabu bazu {e1 , e2 }.
Imamo
(1, 0) = (1, 2) + (3, 4) = ( + 3, 2 + 4).
Dakle, + 3 = 1 i 2 + 4 = 0, tj. (1, 0) = 2e1 + 1e1 . Analogno imamo (0, 1) = 32 e1 12 e2 .
Sada imamo
P(1, 0) = 2P(e1 ) + P(e2 ) = 2(3, 4, 1) + 1(1, 4, 7) = (7, 12, 5).
P(0, 1) =
3
1
3
1
P(e1 ) P(e2 ) = (3, 4, 1) (1, 4, 7) = (5, 8, 2).
2
2
2
2
Neka je P : V W linearno preslikavanje. Uvedimo skupove

Ker(P) = {x V | P(x) = 0W },
Im(P) = {u W | ( x V ) u = P(x)}
Jednostavno se pokazuje da je Ker(P) potprostor prostora V, a Im(P) potprostor

prostora W. Potprostor Ker(P nazivamo jezgro ili nulpotprostor linearnog preslikavanja P. Potprostor Im(P) nazivamo slika linearnog preslikavanja P.
Ako je V konacno dimenzionalan vektorski prostor nad poljem F. Tada je Ker(P),
kao potprostor konacno dimenzionalnog vektorskog prostora V, je konacno dimenzionalan. Broj dim Ker(P) nazivamo defekt linearnog preslikavanja P i oznacava se
sa def (P).
132
Neka je {e1 , , en } baza konacno dimenzionalnog vektorskog prostora V. Potprostor Im(P) prostora W je generisan vektorima P(e1 ), . . . , P(en ). Zbog toga je
dimenzija ovog potprostora n = dim V. Dakle, dimenzija potprostora Im(P) je
konacan broj. Ovaj broj nazivamo rang linearnog preslikavanja P i oznacavamo
sa rang(P).
U narednom teoremu dokazacemo jedan od najvaznijih rezultata linearne algebre.
Teorem 6.1.6. Neka su V i W vektorski prostor nad poljem F i neka je P preslikavanje sa V u W. Ako je V konacno dimenzionani vektorski prostor, tada je
rang(P) + def (P) = dim V.
Dokaz. Neka je {e1 , . . . , ek } baza potprostora Ker(P). Ovu bazu nadopunimo vektorim ek+1 , . . . , en prostora V tako da je {e1 , . . . , ek , ek+1 , . . . , en } baza prostora V.
Pokazimo da je {P(ek+1 ), . . . , P(en )} baza potprostora Im(P). Vektori P(ei ) 1
i n generisu potprostor Im(P). Kako je P(ei ) = 0 za 1 i k, to vektori
P(ei ) k + 1 i n generisu potprostor Im(P). Prema tome, ostalo nam je jos da
dokazemo da je skup {P(ek+1 ), . . . , P(en )} linearno nezavisan. Neka je
n
i P(ei ) = 0.
i=k+1
Odavde imamo
= 0,
i ei
i=k+1
sto povlaci
i ei Ker(P).
i=k+1
Zbog toga je
k
i ei =
j ej ,
j=1
i=k+1
tj.
n
i ei
i=k+1
j ej = 0.
j=1
Kako je {e1 , . . . , ek , ek+1 , . . . , en } baza prostora V, to su oni linearno nezavisni, pa su

svi koeficijenti u prethodnoj jednakosti jednaki nuli. Dakle, i = 0 za svako i = k +
1, . . . , n i j = 0 za svako j = 1, . . . , k. Ovim smo dokazali da je {P(ek+1 ), . . . , P(en )}
baza prostora Im(P). To znaci da je dim Im(P) = n k = dim V dim Ker(P), tj.
dim V = dim Ker(P) + dim Im(P). Time je teorema dokazana.
133
Za matricu A Fmn broj linearno nezavisnih vrsta nazivamo rang vrsta matrice
A i oznacavamo ga sa rangv A. Broj linearno nezavisnih kolona matrice A nazivamo
rang kolona matrice A i oznacavamo ga sa rangk A.
Teorem 6.1.7. Ako je A neka mn matrica nad poljem F, tada je rang vrsta matrice
A jednak rangu kolona matrice A, tj. rangv A = rangk A.
Dokaz. Neka je P linearno preslikavanje prostora Fn1 u Fm1 definisano relacijom
P(X) = AX. Odrdimo jezgru ovog preslikavanja. X KerP ako i samo ako je
AX = 0. Dakle, skup KerP je skup svih rjesenja matricne jednacine AX = 0. Isto
tako Y ImP ako i samo postoji X takvo da je AX = Y. Drugim rijecima skup
ImPje skup svih m 1 matrica za koje jednacina AX = Y ima rjesenje.
Neka je R reducirana esalon matrica koja je v-ekvivalentna sa matricom A. Neka
je r broj nenultih vrsta matrice R. Kao sto znamo sistemi AX = 0 i RX = 0 su
ekvivalentni. Potprostor rjesenja sistema AX = 0 i RX = 0 se podudaraju. Dimenzija tog podprostora jednaka je broju nepoznatih umanjenom za broj nenultih vrsta
matrice R. Dakle, dim KerP = n r. Broj linearno nezavisnih vrsta matrice A je r,
pa je rangv A = r. Dakle,
def P = dim P = n r = n rangv A.
Neka je Y proizvoljan element potprostora ImP. Tada postoji matrica X Fn1
takva da je AX = Y. Odavde je
Y = AX = 1 A1 + + n An ,
(6.1.3)
gdje su A1 , . . . , An kolone matrice A, a
X = ... .
n
Jenakost (6.1.3) pokazuje da je matrica Y linearna kombinacija kolona matrice A.
Zbog toga je potprostor ImP podskup potprostora generisanog kolonama matrice A.
Obrnuto, ako je matrica Y Fm1 linearna kombinacija kolona matrice A, onda je
Y = AX, gdje je X matrica kolona ciji su elementi koeficijenti linearne kombinacije.
Iz AX = Y slijedi da je Y = P(X), tj. Y ImP. Dakle, potprostor ImP je
generisan kolonama matrice A, pa je dimenzija tog potprostora jednaka broju linearno
nezavisnih kolona matrice A. Dakle, rangP = dim ImP = rangk A. Prema prethodnoj
teoremi je rangP + def P = dim V, pa je
rangk A + (n rangv A) = n,
tj. rangk A = rangv A.
134
6.1.1
Zadaci
1. Koja od sljedecih funkcija P : R2 R2 je linearno preslokavanje?

(a) P(1 , 2 ) = (1 , 2 + 1);
(b) P(1 , 2 ) = (2 , 1 );
(c) P(1 , 2 ) = (1 , 22 );
(d) P(1 , 2 ) = (x1 , cos 2 );
(e) P(1 , 2 ) = (21 + 32 , 1 + 2 ).
2. Naci rang i defekt svakog od preslikavanja:nula preslikavanje i identicno preslikavanje konacno dimenzionalnog vektorskom prostoru V u sama sebe.
3. Opisati potprostore ImD i KerD, gdje je D operator diferenciranja u prostoru
polinoma stepena n nad poljem realnih brojeva.
4. Da li postoji linearno preslikavanje P prostora R3 u prostor R2 takvo da je
P(1, 1, 1) = (1, 2) i P(1, 1, 1) = (1, 1)?
5. Neka je
e1 = (1, 1), f1 = (1, 0)
e2 = (2, 1), f2 = (0, 1)
e3 = (3, 2), f3 = (1, 1).
Preslikavanje calA : R2 R2 je definisano relacijama
A(ei ) = fi (i = 1, 2, 3).
Da li je A linearno preslikavanje?
6. Neka je F neko potpolje polja kompleksnih brojeva i neka je P funkcija sa F3 i
F3 definisana sa
P(1 , 2 , 3 ) = (1 2 + 23 , 21 + 2 , 1 22 + 23 ).
(a) Dokazati da je P linearno preslikavanje.
(b) Ako je a = (, , ) vektor u F3 koji su uslovi za , i da bi vektor a
pripadao ImP? Odrediti rangP.
(c) Odrediti uslove za , i tako da vektor (, , ) pripada potprostoru
KerP. Odrediti def P.
7. Opisati eksplicitno linearnu transformaciju T prostora R3 ako je potprostor
ImT generisan vektorima (1, 0, 1) i (1, 2, 2).
6.2. ALGEBRA LINEARNIH PRESLIKAVANJA
135
8. Neka je V prostor n 1 matrica nad poljem F i W prostor svih m 1 matrica

nad F. Neka je A fiksna m n matrica nad F. Neka je P : V W funkcija
definisana sa P(X) = AX. Dokazati da je P nula preslikavanje ako i samo ako
je A nula matrica.
9. Neka je V ndimenzionalni vektorski prostor nad poljem F. Neka je T : V
V linearna transformacija prostora V takva da se potprostori KerT i ImT
poklapaju. Dokazati da je n paran broj. Mozete li navesti primjer jedne takve
linearne transformacije?
6.2
Algebra linearnih preslikavanja
U ovom paragrafu nastavljamo proucavanje linearnih preslikavanja. Cilj nam je da

definisemo sabiranje linearnih preslikavanja i mnozenje skalarom linearnih preslikavanja i da utvrdimo koju strukturu ima skup sviv linearnih preslikavanja u odnosu
na ove dvije operacije.
Teorem 6.2.1. Neka su V i W vektorski prostori nad istim poljem F. Neka su P
i R linearna preslikavanja vektorskog prostora V u vektorski prostor W. Definisimo
preslikavanje P + R relacijom
(P + R)(x) = P(x) + R(x)
za svako x V. Tada je P + R linearno preslikavanje. Ako je neki skalar polja F,
definisino P relacijom
( P)(x) = P(x)
za svako x V. Tada je P linearno preslikavanje prostora V u W.
Skup svih linearnih preslikavanja prostora V u prostor W je vektorski prostor nad
poljem F.
Dokaz. Neka su P i R linearna preslikavanja. Tada je
(P + R)(x + y) = P(x + y) + R(x + y)
= (P(x) + P(y)) + (R(x) + R(y))
= (P(x) + R(x)) + (P(y) + R(y))
= (P + R)(x) + (P + R)(y),
tj. P + R je linearno preslikavanje. Analogno imamo
(P)(x + y) = P(x + y) = (P(x) + P(y))
= P(x) + P(y) = (P)(x) + (P)(y),
136
pa je P linearno preslikavanje.
Ostatak tvrdnje se direktno provjerava iduci od jednog do drugog uslova definicije
vektorskog prostora.
Skup svih linearnih preslikavanja vektorskog prostora V u vektorski prostor W
oznacavamo sa L(V, W ). Iz prethodne teoreme slijedi da je L(V, W ) vektorski prostor
nad istim poljem nad kojim se posmatraju prostori V i W.
Teorem 6.2.2. Neka je V ndimenzionalni vektorski prostor nad poljem F, i W
mdimenzionalni prostor nad istim poljem F. Tada je L(V, W ) konacno dimenzionalni vektorski prostor i njegova dimenzija je mn.
Dokaz. Neka su
B = {e1 , . . . , en } i B = {e1 , . . . , em }
uredene baze prostora V i W respektivno. Za svaki par (p, q) 1 p m i 1 q n
definisimo linearno preslikavanje E p,q sa V u W relacijom
0, ako i = q
ep , ako i = q.
E p,q (ei ) =
Drugim rijecima E p,q (ei ) = iq ep . Tvrdimo da je

{E p,q | 1 p m, 1 q n }
baza prostora L(V, W ).
Neka je A proizvoljno linearno preslikavanje prostora V u W. Tada za svako j, 1
j n, je A(ej ) element prostora W, pa se moze prikazati pomocu baze B tog prostora,
tj.
m
A(ej ) =
pj ep , 1 j n.
p=1
Kako je
n
pq
pq E (ej ) =
q=1
to je
m
A(ej ) =
p=1
pj ep =
p=1
pq jq ep = pj ep ,
q=1
pq E pq (ej ) =
q=1
za svako j, 1 j n. Dakle preslikavanja A i
pq E pq (ej )
p=1 q=1
m
pq E pq se poklapaju na bazi B
p=1q=1
prostora V. Tada na osnovu Teorema 6.1.4 zakljucujemo da su ova dva preslikavanja

jednaka. To znaci da je skup
H = {E p,q | 1 p m, 1 q n }
137
generator prostora L(V, W ). Ostaje nam jos da dokazemo da je ovaj skup linearno
nezavisan.
Neka je
pq E pq = O,
p,q
tj nula preslikavanje. Tada za svako ej B vrijedi

pq E pq
0 = O(ej ) =
pq E pq (ej ) =
(ej ) =
p,q
p,q
pj ep ,
q
pa kako je B baza prostora W, dakle, sigurno linearno nezavisan skup, odatlr slijedi
pj = 0 za svako j i svako p. Tako smo dokazali da je skup H linearno nezavisan.
Ranije smo dokazali da je on generator prostora L(V, W ), pa je baza tog prostora.
Ova baza ima mn elemenata, pa je
dim L(V, W ) = mn = dim V dim W,
Teorem 6.2.3. Neka su V, W i Z vektorski prostori nad istim poljem F. Neka je
B linearno preslikavanje prostora V u W, a A linearno preslikavanje prostora W u
prostor Z. Tada je kompozicija AB definisana relacijom
(AB)(x) = A(B(x)), (x V )
je linearno preslikavanje prostora V u Z.
Dokaz. Neka su i proizvoljni elementi polja F i x, y proizvoljni elementi prostora
V. Tada je
(AB)( x + y) = A(B( x + y))
= A( B(x) + B(y))
= A(B(x)) + A(B(y))
= (AB)(x) + (AB)(y).
Dakle, AB je linearno preslikavanje prostora V u prostor Z.
Ako u prethodnoj teoremi uzmemo Z = W = V, onda su A, B i AB linearna
preslikavanja prostora V u V, dakle, elementi prostora L(V, V ). Na ovaj nacin mi kompoziciju dvije linearne transformacije (operatora) mozemo shvatiti kao mnozenje u
skupu L(V, V ). Da li je ovo mnozenje komutativno? Ako je dim V 1, onda ovo
mnozenje nije komutativno. Naime, ako je B baza prostora V i e1 , e2 B, onda je
(E 12 E 21 )(e1 ) = E 12 (e2 ) = e1 ,
138

(E 21 E 12 )(e1 ) = E 21 (0) = 0,
dakle, E 12 E 21 = E 21 E 12 .
Neka je A linearan operator prostora V. Uvedimo oznake
A2 = AA, A3 = AAA, . . . , An = A A .
n puta
Ako je A = O, onda definisemo A0 = I.

Lema 6.2.4. Neka je V vektorski prostor nad poljem F i neka su A, B i C linearni
operatori prostora V. Tada je
(a) IA = AI;
(b) A(B + C) = AB + AB;
(c) (A + B)C = AC + BC;
(d) (AB) = ( A)B = A( B) za svako F.
Dokaz ove leme je elementaran i ostavljamo ga citaocu za vjezbu.
Definicija 6.2.5. Neka je X neprazan skup i F polje. Kazemo da je X algebra nad
poljem F ako vrijedi
(a) X je vektorski prostor nad poljem F;
(b) U skupu X je definisano mnozenje, tj. (X, ) je polugrupa;
(c) Mnozenje u X je distributivno u odnosu na sairanje;
(d) Mnozenje u X prema mnozenju skalarima ima osobinu ( x)y = x( y) =
(xy) za svako F i svako x, y X.
Ako mnozenje u X ima neutralan element, onda za algebru kazemo da je algebra sa
jedinicom.
Iz prethodne leme slijedi da je L(V, V ) algebra sa jedinicom. Ovu algebru nazivamo algebrom linearnih transformacija prostora V.
Definicija 6.2.6. Neka su V i W vektorski prostori nad istim poljem F. Za linearno
preslikavanje A : V W kazemo da je injektivno preslikavanje ili 1 : 1 ako
A(x) = A(y) x = y
za svako x, y V.
Za linearno preslikavanje A : V W kazemo da je sirjektivno ako za svako
u W postoji x V takav da je u = A(x).
Za preslikavanje A kazemo da je invertibilno ako postoji preslikavanje A1 : W
V takvo da je A1 A = IV i A A1 = IW .
139
Drugim rijecima A je sirjektivno preslikavanje ako i samo ako Im A = W, a

injektivno ako i samo ako je Ker A = {0}. Isto tako poznato je da samo bijektivna
preslikavanja imaju inverzna preslikavanja.
Teorem 6.2.7. Neka su V i W vektorski prostori nad poljem F i A linearno preslikavanje prostora V u prostor W. Ako je A invertibilno preslikavanje, onda je A1
linearno preslikavanje prostora W u V.
Dokaz. Neka je A invertibilno preslikavanje. Tada postoji tacno jedno preslikavanje
A1 : W V. Da bi dokazali tvrdnju dovoljno je dokazati A1 ( x + y) =
A1 (x) + A1 (y) za svako x, y W i svako , F. Kako je A sirjektivno
preslikavanje, to postoje a, b V takvi da je x = A(a), y = A(b). Odavde je a =
A1 (x) i b = A1 (y). Sada imamo
x + y = A(a) + A(b) = A( a + b),
pa je
A1 ( x + y) = A1 (A( a + b)) = a + b = A1 (x) + A1 (y).
Dakle, A1 linearno preslikavanje.
Definicija 6.2.8. Za linearno preslikavanje A : V W kazemo da je nesingularno
preslikavanje ako postoji x V, x = 0 takav da je A(x) = 0.
Ako je A nesingularno preslikavanje, onda je A injektivno preslikavanje. Naime,
ako A nije injektivno, onda postoje x, y W, x = y takvi da je A(x) = A(y).
Odavde imamo 0 = A(x) A(y) = A(x y). Kako je A nesingularno preslikavanje, to
je x y = 0, tj. x = y. Kontradikcija. Pretpostavka da A nije injektivno dovela nas je
do kontradikcije. Obrnuto, ako je A injektivno, onda je A nesingularno preslikavanje.
Naime, neka je A(x) = 0. Kako je 0 = A(0), imamo A(x) = A(0), tj. x = 0. Dakle,
linearno preslikavanje je nesingularno ako i samo ako je injektivno.
Teorem 6.2.9. Neka je B = {e1 , . . . , en } baza prostora V i A linearno preslikavanje
prostora V u W.
(a) Preslikavanje A je injektivno ako i samo ako je skup {A(e1 ), . . . , A(en )} linearno
nezavisan.
(b) Preslikavanje A je sirjektivno ako i samo ako je skup {A(e1 ), . . . , A(en )} generator prostora W.
Dokaz.
140
1. Neka je A injektivno preslikavanje. Neka je

n
i A(ei ) = 0.
i=1
Odavde imamo
n
0=
i A(ei ) =
i=1
i ei
A(i ei ) = A
i=1
i=1
n
Kako je A injektivno, to je
i ei = 0. No, B je baza, pa iz posljednje jed-
i=1
nakosti imamo i = 0 za i = 1, . . . , n.
2. Neka je {A(e1 ), . . . , A(en )} linearno nezavisan skup. Pokazimo da je A injektivno preslikavanje. Neka je A(x) = A(y) za x, y V. Odavde je A(x y) = 0.
Neka je x =
i ei i y =
i=1
i ei . Tada je
i=1
0 = A(x y) = A
(i i )ei
(i i )A(ei ).
i=1
i=1
Buduci da je skup {A(e1 ), . . . , A(en )} linearno nezavisan, to je i i = 0 za

svako i, tj. x = y.
3. Neka je A sirjektivno preslikavanje. Tada za svako u W postoji x V takav
da je u = A(x). Neka je x =
i ei . Tada je
i=1
u = A(x) = A
i ei
i A(ei ).
i=1
i=1
Ovim smo dokazali da je {A(e1 ), . . . , A(en )} generator prostora W.

4. Neka je {A(e1 ), . . . , A(en )} generator prostora W. Neka je u W proizvoljno
odabran. Tada je
n
u=
i A(ei ) = A
i=1
i ei
i=1
Dakle, A je sirjektivno preslikavanje.

Ovim je dokaz kompletiran.
Teorem 6.2.10. Neka su V i W konacno dimenzionalni vektorski prostori nad poljem
F takvi da je dim V = dim W. Ako je A linearno preslikavanje prostora V u prostor
W , onda su sljedeci uslovi ekvivalentni:
141
(i) A je invertibilno preslikavanje.

(ii) A je injektivno.
(iii) A je sirjektivno.
Dokaz. Neka je dim V = n. Tada je
rangA + def A = n.
(6.2.1)
Preslikavanje A je injektivno ako i samo ako je KerA = {0}, tj. ako i samo ako je
def A = 0. Preslikavanje A je sirjektivno ako i samo ako je ImA = W, tj. ako i samo
ako je rangA = dimW = n. Ako je A injektivno, onda je def A = 0, pa je rangA = n,
tj. A je sirjektivno. Obrnuto, ako je A sirjektivno, onda je rangA = n, pa iz (6.2.1)
slijedi def A = 0, tj. A je injektivno.Ovim smo dokazali ekvivalenciju izmedu (ii) i
(iii).
Ako je A invertibilno, onda je to preslikavanje bijektivno, tj. injektivno i sirjektivno. Obrnuto, ako je preslikavanje A injektivno, onda je ono i sirjektivno pa je
bijekcija. To znaci da postoji inverzno preslikavanje koje je takode linearno preslikavanje. Time je teorem dokazan.
Definicija 6.2.11. Bijektivno linearno preslikavanje vektorskog prostora V u vektorski prostor W naziva se izomorfizam vektorskog prostora V na vektorski prostor
W. Za vektorske prostor V i W nad istim poljem F kaz emo da su izomorfni ako
postoji izomorfizam vektorskog prostora V u vektorski prostor W.
Ako je vektorski prostor V izomorfan vektorskom prostoru W, onda to zapisujemo
ovako V
= W.
Ako je A izomorfizam vektorskog prostora V u vektorski prostor W, onda je
preslikacanje A1 vektorskog prostora W u vektorski prostor V takode izomorfizam.
Naime, inverzno preslikavanje bijektivnog preslikavanja je bijektivno, a inverzno preslikavanje (ako postoji) linearnog preslikavanja je linearno. Dakle, Ako je V
= W,
onda je W
= V.
Identicno preslikavanje vektorskog prostora V je izomorfizam, pa je V
= V.
Kompozicija dvije bijekcije je opet bijekcija, a kompozicija dva linearna preslikavanja je linearno preslikavanje. Zbog toga je kompozicija dva izomorfizma opet
izomorfizam. To znaci da iz V
= W i W
= U slijedi V
= U. Dakle, relacija
= je
relacije ekvivalencije u skupu vektorskih prostora nad poljem F.
Teorem 6.2.12. Svaki ndimenzionalni vektorski prostor nad poljem F je izomorfan
sa vektorskim prostorom Fn .
Dokaz. Neka je V ndimenzionalni vektorski prostor nad poljem F. Neka je B =
{f1 , f2 , . . . , fn } uredena baza prostora V. Neka je S = {e1 , e2 , . . . , en } standardna
142
baza prostora Fn . Posmatrajmo preslikavanje A : V Fn dato sa A(fi ) = ei (i =

1, 2, . . . , n). Kako je {A(f1 ), A(f2 ), . . . , A(fn )} = S, to je preslikavanje A bijektivno
preslikavanje (vidi Teorem 6.2.9.) Dakle, V
= Fn .
Izomorfizam algebarskih struktura, pa samim tim i vektorskih prostora, je od fundamentalnog znacaja. Naime, on nam daje mogucnosti da poistovjecujemo (tj. smatramo istim,) razlicite vektorske prostore koji su izomorfni. Tako svaki ndimenzionalni
vektorski prostor V nad poljem F je izomorfan sa vektorskim prostorom Fn , pa mi
mozemo posmatrati vektorski prostor Fn umjesto vektorskog prostora V ili da posmatrati neki drugi vektorski prostor W koji je izomorfan sa V, naravno ako nam je
to pogodnije za problem koji rjesavamo.
6.2.1
Zadaci
1. Neka su A i B linearne transformacije prostora R2 definisane kako slijedi

A(1 , 2 ) = (2 , 1 ) i B(1 , 2 ) = ( 1, 0).
(a) Dati geometrijsko tumacenje transformacija A i B.
(b) Navesti pravila (kako su navedena za A i B) definisanosti transformacija:
A + B, AB, BA, A2 i B2 .
2. Neka je {e1 , e2 , e3 } uredena standardna (kanonska) baza prostora C. Neka je A
linearna transformacija prostora C definisano sa:
A(e1 ) = (1, i, 0), A(e2 ) = (0, 1, 1), A(e3 ) = (i, 0, 1).
Da li je A injektivno, sirjektivno, invertibilno?
3. Neka je A linearna transformacija prostora R3 definisana sa
A(1 , 2 , 3 ) = 31 , 1 2 , 21 , +2 + 3 ).
Da li je A invertibilno? Ako jeste, onda napisati pravilo za A1 .
4. Neka je A linearna transformacija prostora R3 definisana u zadatku 3, a B =
A2 I i C = A 3I. Dokazati da je calBC = O.
5. Neka je V = C22 vektorski prostor matrica reda 2 2 nad poljem kompleksnih
1 1
brojeva. Neka je B =
i neka je A linearna transformacija prostora
4 4
V definisana sa A(A) = BA za svako A V. Koliki je rangA? Kako biste opisali
A2 ?
6. Neka je A linearno preslikavanje R3 u R2 i B linearno preslikavanje R2 u R3 .
Dokazati da linearno preslikavanje BA nije invertibilno.
143
7. Naci linearna preslikavanja A i B prostora R2 tako da je AB = O i BA = O.

8. Neka je V vektorski prostor nad poljem F i A linearno transformacija tog prostora. Ako je A2 = O, sta mozete reci o odnosu podskupova ImA i KerA skupa
V ? Dati primjer linearne transformacije A takve da je A2 = O i A = O.
9. Neka je A linearna transformacija prostora R2 . Dati geometrijsku interpretaciju
transformacije A ako je A2 = E.
10. Dati geometrijsku interpretaciju transformacije A prostora R2 , ako je A2 = A.
11. Neka je V vektorski prostor kompleksnih brojeva nad poljem realnih brojeva R.
Opisati eksplicitno izomorfizam vektorskog prostora V i prostora R2 .
12. Neka je V vektorski prostor nad poljem kompleksnih brojeva. Neka je A : V
C3 izomorfizam vektorskih prostora. Neka su x1 , x2 , x3 i x4 vektori prostora V
takvi da je
A(x1 ) = (1, 0, i),
A(x2 ) = (2, 1 + i, 0),
A(x3 ) = (1, 1, 1), A(x4 ) = ( 2, i, 3).
(a) Da li je x1 element potprostora prostora V generisanog vektorima x2 i x3 ?

(b) Neka je S potprostor prostora V generisan vektorima x1 i x2 i T potprostor
prostora V generisan vektorima x3 i x4 . Odrediti presjek S T.
(c) Naci bazu potprostora W prostora V generisanog vektorima x1 , x2 , x3 i
x4 .
13. Neka je W skup svih 2 2 kompleksnih Hermitskih matrica, tj. skup svih 2 2
kompleksnih matrica A takvih da je Aij = Aji (gdje crtica oznacava operaciju
konjugovanosti kompleksnih brojeva). Dokazati da je W vektorski prostor nad
poljem realnih brojeva. Neka je A : R4 W preslikavanje definisano sa
A(, , , ) =
+ + i
i
Dokazati da je A izomorfizam vektorskih prostora.

14. Neka su V i W vektorski prostori konacnih dimenzija nad poljem F. Dokazati
da je V
= W ako i samo ako je dim V = dim W.
15. Neka su V i W vektorski prostori nad poljem F i neka je A izomorfizam sa V
na W. Dokazati da je
: P APA1
izomorfizam vektorskog prostora L(V, V ) na vektorski prostor L(W, W ).
144
6.3
Matrica linearnog preslikavanja
Neka je V neki ndimenzionalni vektorski prostor nad poljem F, a W neki mdimenzionalni vektorski prostor nad istim poljem F. Neka je B = {e1 , . . . , en } uredena baza
prostora V, a B = {e1 , . . . , em } uredena baza prostora W. Kao sto znamo linearno
preslikavanje A prostora V u prostor W je jednoznacno odredeno sa A(e1 ), . . . , A(en ).
Ovi vektori su elementi prostora W, pa ih mozemo prikazati pomocu baze B tog
prostora. Tako imamo
m
A(ej ) =
ij ei
(j = 1, 2, . . . , n).
(6.3.1)
i=1
Skalari 1j , 2j , . . . , mj predstavljaju komponente vektora A(ej ) u bazi B . Na ovaj

nacin smo linearnoj transformaciji A u odnosu na baze B i B pridruzili mn skalara
ij . Ovi skalari odreduju mn matricu A definisanu sa A(i, j) = ij . Prvu kolonu ove
matrice predstavljaju komponente vektora A(e1 ), drugu kolonu komponente vektora
A(e2 ) itd. Za matricu A kazemo da je matrica linearnog preslikavanja A u odnosu na
par uredenih baza B i B .
Neka je x = 1 e1 + 2 e2 + . . . + n en V. Tada je
A(x) = A (1 e1 + 2 e2 + . . . + n en )
= 1 A(e1 ) + 2 A(e2 ) + . . . + n A(en )
n
=
j=1
m
ij ei
i=1
i=1
=
Ako je
ij j ei .
j=1
X=
1
2
..
.
n
onda je
A(x) = AX
(6.3.2)
prikaz vektora A(x) u bazi B , gdje je A matrica linearnog preslikavanja A u odnosu

na par baza B i B . Dakle, za svako linearno preslikavanje A : V W i par baza B
i B prostora V i W respektivno postoji tacno jedna m n matrica A takva da za
svaki vektor x V vrijedi (6.3.2).
6.3. MATRICA LINEARNOG PRESLIKAVANJA
145
Neka je A proizvoljna m n matrica nad poljem F i neka su B i B uredene baze

prostora V i W respektivno. Kolone matrice A u odnosu na bazu B odreduju vektore
f1 = 11 e1 + . . . + m1 em
f2 = 12 e1 + + m2 em
..
.
fn = 1n e1 + + mn em ,
gdje je A(i, j) = ij . Tada na osnovu Teorema 6.1.4 postoji tacno jedno preslikavanje
A : V W takvo da je A(ej ) = fj (j = 1, 2, . . . , n). Za ovako definisano preslikavanje
vrijedi (6.3.2). Ovim smo dokazali sljedeci teorem.
Teorem 6.3.1. Neka je B = {e1 , . . . , en } uredena baza prostora V, a B = {e1 , . . . , en }
uredena baza prostora W. Tada za datu m n matricu A = (ij ) postoji tacno jedno
linearno preslikavanje A : V W takvo da je (6.3.1).
Obrnuto, za svako linearno preslikavanje A : V W postoji tacno jedna matrica
A = (ij ) reda m n za koju vrijedi (6.3.1).
Relaciju (6.3.2) mozemo u matricnom obliku zaipsai na sljedeci nacin
[A(x)]B = A[x]B ,
gdje je [A(x)]B matrica kolona ciji su elementi komponente vektora A(x) u bazi B ,
a [x]B matrica kolona ciji su elementi komponente vektora x V u odnosu na bazu
B. Ovaj nacin zapisivanja je prikladan, jer su istaknute bazi u odnosu na koje se
komponente racunaju.
Iz prethodne teoreme slijedi da postoji obostrano jednoznacna korespondencija
izmedu skupa L(V, W ) svih linearnih preslikavanja ndimenzionalnog prostora V u
mdimenzionalni prostor W i skupa Fmn svih matrica reda m n nad poljem F.
Buduci da su skupovi L(V, W ) i Fmn vektorski prostor nad poljem F postavlja se
pitanje da li je ovo preslikavanje linearno preslikavanje. Potrazimo odgovor na ovo
pitanje.
Neka su A i C matrice linearnih preslikavanja A i C u odnosu na baze B =
{e1 , . . . , en } prostora V i bazu B = {e1 , . . . , en } prostora W. Neka su A1 , . . . , An
kolone matrice A i C1 , . . . , Cn kolone matrice C. Tada je
m
A(ej ) =
ij ei ,
i=1
odnosno
Aj = [A(ej )]B , (j = 1, 2, . . . , n).
146

Cj = [C(ej )]B , (j = 1, 2, . . . , n).
Odavde je
Aj + Cj = [A(ej )]B + [C(ej )]B = [A(ej ) + C(ej )]B = [(A + C)(ej )]B .
Dakle, linearnom preslikavanju A + C pripada matrica A + C. Analogno se zakljucuje
da linearnom preslikavanju A pripada matrica A.
Teorem 6.3.2. Neka su V, W i Z konacno dimenzionalni vektorski prostori nad
poljem F. Neka je A linearno preslikavanje prostora V u W i C linearno preslikavanje
prostora W u prostor Z. Neka su B, B i B uredene baze prostora V, W i Z respektivno.
Ako je A matrica linearnog preslikavanja A u odnosu na baze B i B , a C matrica
linearnog preslikavanja C u odnosu na baze B i B, tada je D = CA matrica linearnog
preslikavanja CA u odnosu na bazu B prostora V i bazu B prostora Z.
Dokaz. Neka je B = {e1 , . . . , en }, B = {e1 , . . . , em } i B = {e1 , . . . , ep }. Neka je,
dalje, A(i, j) = ij , C(i, j) = ij . Tada je
m
(CA)(ej ) = C(A(ej )) = C
ij ei
i=1
m
ij C(ei ) =
i=1
p
ki ek
ij
i=1
k=1
ki ij
k=1
ek
(j = 1, 2, . . . , n).
i=1
Dakle, linearnom preslikavanju CA odgovara matrica CA.

Ako je V = W = Z i B = B = B onda cinjenicu da preslikavanjima A i C u
odnosu na bazu B pripada matrica CA zapisujemo ovako
[CA]B = [C]B [A]B .
Ako je C inverzno preslikavanje linearnog preslikavanja A, oda je A1 A = AA1 =
I, pa je
[A1 ]B [A]B = [A]B [A1 ]B = I.
Dakle, [A1 ]B = [A]1
B .
6.4. PRELAZAK SA JEDNE BAZE NA DRUGU
6.4
147
Prelazak sa jedne baze na drugu
Neka su {e1 , . . . , en } i {f1 , . . . , fn } dvije baze prostora V nad poljem F. Vektore jedne
baze mozemo izraziti pomocu vektora druge baze tj.
n
fi =
ji ej ;
ei =
j=1
ji fj
(i = 1, . . . , n).
(6.4.1)
j=1
Relacijom (6.4.1) su odredene matrice P i Q takve da je P (i, j) = ij i Q(i, j) = ij .

Za matricu P kazemo da je matrica prelaza sa baze {e1 , . . . , en } na bazu {f1 , . . . , fn },
a matrica Q matrica prelaza sa baze {f1 , . . . , fn } na bazu {e1 , . . . , en }.
Teorem 6.4.1. Matrice prelaze P i Q su invertibilne i jedna drugoj inverzne. Za
svaku bazu {e1 , . . . , en } prostora V i za svaku invertibilnu matricu P postoji baza
{f1 , . . . , fn } prostora V za koju matrica P predstavlja matricu prelazu sa baze
{e1 , . . . , en }
na bazu
{f1 , . . . , fn }.
Dokaz. Za svako i imamo
n
fi =
ji ej =
j=1
S druge strane je fi =
kj fk
ji
j=1
ki fk ,
k=1
kj ji fk
k=1
n
j=1
(i = 1, . . . , n) Dakle,
k=1
k=1
ki fk =
k=1
kj ji fk
j=1
Zbog jedinstvenosti prikaza vektora u bazi iz prethodne jednakosti slijedi

n
kj ji = ki ,
j=1
tj. QP = I. Analogno se dokazuje jednakost P Q = I. Dakle, matrice P i Q su

invertibilne i jedna drugoj inverzne.
148
Dokazimo sada i drugi dio tvrdnje. Matrica P u odnosu na bazu B = {e1 , . . . , en }

odreduje linearnu transformaciju P prostora V. Neka su P1 , . . . Pn kolone matrice P.
Ove kolone u odnosu na bazu B odreduje vektore f1 , . . . , fn tako da je
n
fi =
ji ej ,
(i = 1, . . . , n).
j=1
Da bi dokazali tvrdnju ostalo nam je jos da dokazemo da su vektori f1 , . . . , fn linearno

nezavisni. Kako je matrica P invertibilna, njen rang je jednak broju vrsta odnosno
kolona, pa su kolone te matrice linearno nezavisne, tj. vektori f1 , . . . , fn su linearno
nezavisni.
Neka su B1 = {e1 , . . . , en } i B2 = {f1 , . . . , fn } dvije uredene baze prostora V nad
poljem F. Neka su
n
x=
j ej , x =
j=1
i fi
i=1
prikazi vektora x u ove dvije baze. Neka je dalje fi =

n
j ej = x =
j=1
Dakle, j =
j=1
i=1
ji ej =
j=1
i=1
ji ej . Sada imamo
j=1
i fi =
i=1
ji i
ej .
ji i , tj. [x]B1 = P [x]B2 . Odavde je
i=1
[x]B2 = P 1 [x]B1 ,
gdje je P matrica prelaza sa baze B1 na bazu B2 .
Teorem 6.4.2. Neka su B1 = {e1 , . . . , en } i B2 = {f1 , . . . , fn } dvije baze prostora
V, a P matrica prelaza sa baze B1 na bazu B2 . Neka su B1 = {e1 , . . . , em } i B2 =
{f1 , . . . , fm } dvije baze prostora W, a Q matrica prelaza sa baze B1 na bazu B2 . Neka
je A matrica linearnog preslikavanja A prostora V u prostor W u odnosu na baze B1
i B1 , a B matrica tog istog preslikavanja u odnosu na baze B2 i B2 . Tada je
B = Q1 AP.
Dokaz. Neka je A(i, j) = ij , B(i, j) = ij , P (i, j) = ij i Q(i, j) = ij . Tada je
A(fi ) =
ji fj =
j=1
ji
j=1
kj ek
k=1
=
k=1
kj ji ek .
j=1
149
S druge strane je
A(fi ) = A
j=1
=
k=1
ji ej =
ji A(ej ) =
j=1
ji
j=1
kj
k=1
kj ji ek .
j=1
Iz posljednje dvije jednakosti slijedi

m
kj ji =
j=1
kj ji ,
j=1
tj. QB = AP. Kako je matrica Q invertibilna, to je B = Q1 AP.

Definicija 6.4.3. Neka su A i B kvadratne matrice reda n n nad poljem F. Kazemo
da je matrica B slicna matrici A nad poljem F ako i samo ako postoji invertibilna
matrica P reda n n takva da je B = P 1 AP.
Jednostavno se dokazuje da je slicnost matrica relacija ekvivalencije u skupu svih
kvadratnih matrica reda n n nad poljem F.
Ako matrice A i B odgovaraju istoj linearnoj transformaciji prostora V u odnosu
na dvije razlicite baze, onda je B = P 1 AP, gdje je P matrica prelaza sa jedne baze
na drugu. Dakle, svake dvije matrice iste linearne transformacije u odnosu na razlicite
baze su slicne.
6.4.1
Zadaci
1. Neka je T linearna transformacija prostora V = C2 definisana sa T (1 , 2 ) =

(21 2 , 0). Neka je B standardna uredena baza prostora V i B = {f1 , f2 )}
uredena baza prostora V, gdje je f1 = (1, i), f2 = (i, 2).
(a) Odrediti matricu T linearne transformacije T u odnosu na par baza B, B .
(b) Odrediti matricu T linearne transformacije T u odnosu na par baza B , B.
(c) Odrediti matricu T linearne transformacije T u odnosu na bazu B .
(d) Odrediti matricu T linearne transformacije T u odnosu na bazu {f2 , f1 }.
2. Neka je P linearno preslikavanje prostora R3 u R2 definisanog relacijom
P(1 , 2 , 3 ) = (1 + 2 , 23 1 ).
150

(a) Ako je B standardna uredena baza od R3 i B standardna uredena baza
prostora R2 , odrediti matricu linearnog preslikavanja P u odnosu na par
baza B i B .
(b) Neka je g1 = (1, 0, 1), g2 = (1, 1, 1), g3 = (1, 0, 0) i f1 = (0, 1), f2 = (1, 0).
Odrediti matricu linearnog preslikavanja P u odnosu na par baza B i B ,
gdje je B = {g1 , g2 , g3 } i B = {f1 , f2 }.
3. Neka je T linearna transformacija prostora R3 definisanog sa

T = (1 , 2 , 3 ) = (31 + 3 , 21 + 2 , 1 + 22 + 43 ).
(a) Odrediti matricu od T u odnosu na standardnu bazu u R3 .
(b) Odrediti matricu transformacije T u odnosu na bazu {f1 , f2 , f3 ), gdje je
f1 = (1, 0, 1), f2 = (1, 2, 1), f3 = (2, 1, 1).
4. Dokazati da je T invertibilna transformacija prostora R3 i odrediti matricu
linearne transformacije T 1 u odnosu na bazu {f1 , f2 , f3 ).
5. Date su dvije baze u R3 , kanonska i baza B = {f1 , f2 , f3 } , gdje je f1 = e1 2e2 +
3e3 , f2 = 3e1 + 2e2 4e3 i f3 = 3e1 + 7e2 + 2e3 , vektor x = 2f1 3f2 + 7f3
i operator A koji u bazi B ima matricu
1
2 1
3 2 .
A= 0
2 1 0
Odrediti koordinate vektora x i matricu operatora A u kanonskoj bazi.
6. Dokazati da je svaki podprostor vektorskog prostora V nad poljem F:
(a) Jezgro nekog linearnog operatora;
(b) Slika nekog linearnog operatora.
7. Ako je {e1 , e2 , e3 } fiksirana baza vektorskog prostora R3 ispitati da li postoji linearno preslikavanjeL : R3 R [x] , gdje je R [x] prsten polinoma u promjenljivoj
x sa koeficijentima iz R, za koje je
L (e1 ) = 2 + x + x2 , L (e2 ) = 3 x i L (e1 + 2e2 e3 ) = 0?
8. Neka je V vektorski prostor polinoma u promjenjlivoj x sa koeficijentima iz
skupa realnih brojeva, stepena manjeg ili jednakog 3 i a = 1 + x + x2 . Dokazati
da je sa L (f ) = 3f f (1) a definisano jedno linearno presikavanje L : V V
i odrediti njegovu sliku, jezgro, rang i defekt.
151
9. Ako su P i Q bilo koje matrice reda 2 nad poljem realnih brojeva R prvo
dokazati da je sa F (X) = P X + XQ definisan jedan linearan operator F, a
2 1
3 1
iQ=
odrediti njegovu jezgru, sliku, rang,
zatim za P =
1 0
4 1
kao i matricu A operatora F u odnosu na kanonsku bazu {E11 , E12 , E21 , E22 }
prostora R22 .
10. Neka je V vektorski prostor nad poljem F i A, B L (V, V ) . Pretpostavimo da
je
V = Im (A) Im (B) = Ker (A) Ker (B) .
Dokazati da tada vrijedi: rang (A + B) = rang (A) + rang (B) .
11. Linearna transformacija A vektorskog prostora R3 data je sa A (ai ) = bi , i =
1, 2, 3 gdje je a1 = (1, 0, 2) , a2 = (2, 1, 1) , a3 = (0, 3, 1) , b1 = (1, 1, 1) , b2 =
(0, 1, 3) i b3 = (1, 1, 0) . Linearna transformacija B data je svojom matricom
1 0 1
B= 1 2 3
2 2 1
u odnosu na kanonsku bazu prostora R3 . Odrediti matricu linearne transformacije B A u odnosu na bazu {a1 , a2 , a3 } .
12. Linearna transformacija A vektorskog prostora R3 definisana je sa
A ((x, y, z)) = (3x, x y, 2x + y + z) .
Naci Ker (A) . Da li je A regularna linearna transformacija? Ako jeste, naci
A1 ; Da li je A2 E (A 3E) = 0?
13. Neka je A linearna transformacija vektorskog prostora R3 definisana sa
A ((x, y, z)) = (x 2y + z, y + z, x + y + 4z) .
(a) Odrediti baze i dimenzije podprostora KerA i ImA;
(b) Provjriti da li vektori (2, 1, 3) , (0, 2, 1) i (4, 0, 2) cine bazu prostora i u
slucaju da je to tacno, naci matricu transformacije A u odnosu na tu bazu.
14. Neka su V1 i V2 potprostori vektorskog prostora V takvi da je
V = V1 V2 , tj. V1 V2 = {0} i V = V1 + V2 .
Dokazati da postoji tacno jedna linearna transformacija P : V V, takva da
je Ker (P) = V1 , Im (P) = V2 i P 2 = P.
152
15. Neka je F polje, a A i B matrice formata n n nad poljem F. Dokazati da

vrijedi:
(a) rangA + rangB rangAB + n
(b) Ako je n neparan broj i AB = 0 dokazati da je bar jedna od matrica A+AT
i B + B T singularna !
16. Dokazati da je sa
L (a, b, c) = (a + b + 2c) + (a + 2b + 6c) x + (2a + b + 2c) x2
definisano jedno linearno preslikavanje L : R3 R2 [x] , gdje je R2 [x] vektorski
prostor polinoma stepena manjeg od 3 u promjenljivoj x sa koeficijentima iz
polja realnih brojeva R. Odrediti zatim matricu preslikavanja L u odnosu na
bazu {(1, 2, 3) , (1, 0, 3) , (0, 1, 2)} u R3 i u odnosu na bazu
5 + x, 3 x x2 , 2 + x2
u R2 [x] .
17. Dokazati da za linearno preslikavanje L : V V vazi KerL2 = KerL ako i
samo ako je Ker L ImL = {0} .
6.5
Linearni funkcionali
Neka je V vektorski prostor nad poljem F. Polje F mozemo shvatiti kao vektorski
prostor nad poljem F. U cilju razlikovanja vektorskog prostora F od polja F uvodimo
oznaku F1 za vektorski prostor F nad poljem F. Vektorski prostor F1 je konacno
dimenzionalan vektorski prostor sa bazom {1}.
Definicija 6.5.1. Neka je V vektorski prostor nad poljem F. Linearno preslikavanje
f : V F1 nazivamo linearni funcional na V.
Dakle, funkcija f : V F1 je linearan funkcional na V ako je
f (x + y) = f (x) + f (y)
za svako x, y V i svako , F.
Primjer 6.5.2. Neka je F polje i 1 , 2 , . . . , n skalari polja F. Funkciju
f : Fn F1
definisimo relacijom
f (1 , 2 , . . . , n ) = 1 1 + 2 2 + + n n .
6.5. LINEARNI FUNKCIONALI
153
Tada je f linearni funkcionala na Fn . Neka je {e1 , e2 , . . . , en } standardna uredena baza prostora Fn i {1} baza prostora F1 . Tada je
f (e1 ) = f (1, 0, . . . , 0) = 1 1 + 2 0 + + n 0 = 1 ;
f (e2 ) = f (0, 1, 0, . . . , 0) = 1 0 + 2 1 + 3 0 + + n 0 = 2 ;
..
.
f (en ) = f (0, . . . , 0, 1) = 1 0 + + n1 0 + n 1 = n .
Dakle,
f (ej ) = j (j = 1, 2, . . . n).
To znaci da linearnom funkcionalu f u odnosu na odabrani par uredenih baza odgovara matrica
A = ( 1
n ).
Neka je x proizvoljan vektor prostora Fn . Tada ovaj vektor u standardnoj bazi ima prikaz
x=
j ej . Odavde je
j=1
j ej =
f (x) = f
j f (ej ) =
j=1
j=1
j j .
j=1
Primjer 6.5.3. Neka je n prirodan broj i Fnn prostor kvadratnih matrica reda n nad
poljem F. Definisimo funkciju f : Fnn F relacijom
f (A) = A11 + A22 + + Ann .
Pokazimo da je f linearan funkcional. Neka su A i B proizvoljne kvadratne matrice reda n
nad poljem F i , proizvoljni skalari. Tada je (A + B)ij = Aij + Bij za svako i, j.
Zbog toga imamo
n
f ( A + B) =
(A + B)jj
j=1
n
( Ajj + Bjj )
j=1
n
Ajj +
j=1
Bjj
j=1
f (A) + f (B).
Ovako definisan linearni funkcional naziva se trag matrice.
Primjer 6.5.4. Neka je V vektorski prostor svih polinoma nad poljem F. Neka je neko
proizvoljno odabran element. Ako definisemo L (p) = p(), gdje je p polinom, onda je L
linearan funkcional. Ovaj funkcional polinomu pridruzuje njegovu vrijednost za x = .
154
Primjer 6.5.5. Neka je R polje realnih brojeva i a i b razliciti realni brojevi. Neka je
C([a, b]) vektorski prostor svih neprekidnih realnih funkcija na segmentu [a, b]. Definisimo
1
L(g) =
ba
g(t)dt.
a
Tada je L linearan funkcional na C[a, b]. Ovaj linearan funcional svakoj neprikdnoj funkciji
pridruzuje njenu srednju vrijednost na segmentu [a, b].
Neka je V vektorski prostor, skup svih linearnih funkcionala na V formiraju vektorski prostor L(V, F). Ovaj prostor oznacavamo sa V , tj. V = L(V, F) i zovemo ga
dualni prostor prostora V.
Neka je V konacnodimenzionalni vektorski prostor. Kako je dim F1 = 1, to je
dim V = dim V dim F 1 = dim V 1 = dim V.
Neka je B = {e1 , . . . , en } uredena baza prostora V. Tada za svako i formirajmo matricu
vrstu Ei = (0, . . . , 0, 1, 0, . . . 0) koja u itoj koloni ima element 1, a svi ostali elementi
su 0. Tada na osnovu Teorema 6.1.4 za svako i {1, 2, . . . , n} postoji tacno jedno
linearno preslikavanje fi : V F1 takvo da je
fi (ej ) = ij (j = 1, 2, . . . , n).
Na ovaj nacin smo iz baze B prostora V dobili n linearnih funkcionala f1 , . . . , fn na
n
V. Pokazacemo da ovi funkcionali cine bazu prostora V . Neka je
i fi = 0. Tada je
i=1
n
0=
i fi
i=1
(ej ) =
i fi (ej ) =
i=1
i ij = j
i=1
za svako j = 1, 2, . . . , n. Dakle, skup {f1 , . . . , fn } je linearno nezavisan. Buduci da

je dim V = n, to je svaki linearno nezavisan skup od n elemenata je baza prostora
V . Zbog toga je i skup {f1 , . . . , fn } baza prostora V . Bazu {f1 , . . . , fn } nazivamo
dualna baza baze B.
Neka je f proizvoljan linearan funkcional. Tada je f =
i fi . Neka je x =
i=1

n
155
j ej proizvoljan vektor prostora V. Tada je
j=1
f (x) =
i fi
i fi (x) =
i=1
i=1
=
i=1
j ej
j=1
j fi (ej ) =
j=1
i=1
j ij
j=1
i i
i=1
Specijalno je
f (ej ) =
i fi (ej ) =
i=1
i ij = j
i=1
za svako j. Dakle,
f=
f (ei )fi .
i=1
Nadalje imamo
fi (x) = fi
j ej =
j=1
Zbog toga je
j fi (ej ) =
j=1
x=
j ij = i .
j=1
j ej =
j=1
fj (x)ej .
j=1
Ovim smo dokazali sljedeci teorem.

Teorem 6.5.6. Neka je V konacno dimenzionalni vektorski prostor nad poljem F
i neka je B = {e1 , . . . , en } uredena baza prostora V. Tada postoji tacno jedna baza
B = {f1 , . . . , fn } prostora V takva da je fi (ej ) = ij za svako i i svako j. Za svaki
linearni funkcional f V vrijedi
n
f=
f (ei )fi
(6.5.1)
fj (x)ej .
(6.5.2)
i=1
i za svaki vektor x V vrijedi

n
x=
j=1
156
Primjer 6.5.7. Neka je V vektorski prostor polinoma stepena manjeg ili jednako 2 nad
poljem realnih brojeva R. Neka su 1 , 2 i 3 tri razlicita realna broja. Na osnovu Primjera
6.5.4 postoje linearni funkcionali L1 , L2 i L3 takvi da je
Li (p) = p(i ) (i = 1, 2, 3),
gdje je p polinom iz V. Pokazimo da su ovi funkcionali linearno nezavisni kao vektori prostora
V . Neka je L1 + L2 + L3 = 0. Tada za polinome:1,x i x2 redom imamo:
++
1 + 2 + 3
21 + 22 + 23
=
=
=
0
0
0
Ovo je homogeni sistem sa matricom
1
A = 1
21
1
2
22
1
3 .
23
Matrica ovog sistema je invertibilna, pa sistem ima samo trivijalno rjesenje. Dakle, funkcionali
L1 , L2 , L3 su linearno nezavisni vektori prostora V . Kako je dimenzija ovog prostora 3, to
ovi vektori cine bazu. Dakle, B = {L1 , L2 , L3 } je baza prostora V . Odredimo sada bazu
B = {p1 , p2 , p3 } prostora V tako da B i B cine dualan par baza. To znaci da je
Li (pj ) = ij
odnosno
pj (i ) = ij .
Za svaki od ovih polinoma poznate su njihove vrijednosti za tri vrijednosti nezavisno promjenljive. Lako je vidjeti da su to polinomi:
p1 (x) =
p2 (x) =
p3 (x) =
(x 2 )(x 3 )
(1 2 )(1 3 )
(x 1 )(x 3 )
(2 1 )(2 3 )
(x 1 )(x 2 )
.
(3 1 )(3 2 )
Prema (6.5.2) za proizvoljan polinom p V vrijedi

p = p(1 )p1 + p(2 )p2 + p(3 )p3 .
Sada cemo diskutovati odnos izmedu linearnih funkcionala i potprostora. Ako

je f nenulti linearni funkcional na V. Tada je rang f = dim Im(f ). Kako je Im(f )
potprostor prostora F1 i dim F1 = 1, to je rang(f ) = 1. Tada iz
rang(f ) + def (f ) = dim V
slijedi def (f ) = dim V 1. Dakle, potprostor Ker(f ) prostora V ima dimenziju
dim V 1.
157
Definicija 6.5.8. Neka je V vektorski prostor nad poljem F i S podskup od V. Anihilator skupa S je skup S o svih linearnih funkcionala f na V takvih da je f (x) = 0
za svako x S.
Pokazimo da je S o potprostor prostora V . Skup S o nije prazan, jer je sigurno
nula funkcional u S o . Neka su f, g S o . Tada za svako s S vrijedi
( f + g)(s) = f (s) + g(s) = 0 + 0 = 0.
Dakle, f + g S o , pa je S o potprostor prostora V .
Ako je S = {0}, onda je S o = V . Ako je S = V, onda je S o = {0}.
Teorem 6.5.9. Neka je V konacno dimenzionalan vektorski prostor nad poljem F i
neka je W potprostor prostora V. Tada je
dim W + dim W o = dim V.
Dokaz. Neka je dim W = k i {e1 , . . . , ek } baza potprostora W. Tada postoje vektori
ek+1 , . . . , en V \ W takvi da je B = {e1 , . . . , ek , ek+1 , . . . , en } baza prostora V. Neka
je B = {f1 , . . . , fn } dualna baza bazi B. Pokazimo sada da je {fk+1 , . . . , fn } baza
anihilatora W o . Neka je i k + 1. Tada iz fi (ej ) = ij za j k i i k + 1 je ij = 0,
pa je fi (ej ) = 0 za svako j k. Neka je u W. Tada je u =
k
j=1
j ej . Odavde je
j=1
j ej =
fi (u) = f
j fi (ej ) = 0.
j=1
Dakle, fi W o . Vektori fk+1 , . . . , fn su linearno nezavisni, pa moramo jos dokazati

da oni generisu prostor W o . Na osnovu (6.5.1) za svaki funkcional f W o je f =
n
i=1
f (ei )fi . Kako je f (ei ) = 0 za i k. Tako imamo f =
i=k+1
f (ei )fi . Dakle, vektori
fk+1 , . . . , fn generisu potprostor W o . To znaci da je {fk+1 , . . . , fn } baza prostora W o ,

pa je
dim W o = n k = dim V dim W.
Posmatrajmo sistem homogenih linearnih jednacina
A11 1
..
.
Am1 1 +
A1n n
..
.
= 0
+ Amn n = 0
158
nad poljem F. Svakoj od ovih jednacina pridruzujemo po jedan funkcional

fi : Fn F
definisan relacijom
fi (1 , . . . , n ) = Ai1 1 + + Ain n (i = 1, . . . , m).
Ako je (1 , . . . , n ) rjesenje posmatranog sistema, onda je
fi (1 , . . . , n ) = 0, (i = 1, . . . , m),
pa je
(1 , . . . , n ) Ker(fi ) (i = 1, . . . , m),
tj.
(1 , . . . , n ) Ker(fi ).
i=1
Buduci da je rang(fi ) = 1, to je dim Ker(fi ) = n 1, (i = 1, . . . , m)

Primjer 6.5.10. Posmatrajmo linearne funkcionale na R4 :
f1 (1 , 2 , 3 , 4 ) =
f2 (1 , 2 , 3 , 4 ) =
f3 (1 , 2 , 3 , 4 ) =
1 + 22 + 23 + 4
22 + 4
21 43 + 34
Cilj nam je da odredimo potprostor W prostora R4 tako da je

( (1 , 2 , 3 , 4 ) W ) fi (1 , 2 , 3 , 4 ) = 0, (i = 1, . . . , 4).
Prvo cemo formirati matricu
1 2
A= 0 2
2 0
Njena v-reducirana esalon matrica je
1 0
0 1
R=
0 0
2 1
0 1 .
4 3
2
0
0
0
0 .
1
To znaci da funkcionali
g1 (1 , 2 , 3 , 4 ) = 1 + 23
g2 (1 , 2 , 3 , 4 ) = 2
g3 (1 , 2 , 3 , 4 ) = 4
generisu isti potprostor prostora (R4 ) kao i funkcionali f1 , f2 , f3 i f4 . Sada je lako odrediti
skup W. Tako imamo
W = {(2, 0, , 0) | R4 }.
6.6. DUALNI PROSTOR DUALNOG PROSTORA
6.6
159
Dualni prostor dualnog prostora
Neka je V vektorski prostor nad poljem F. Za vektor x V mozemo posmatrati

preslikavanje Lx : V F definisano relacijom
Lx (f ) = f (x)
(f V ).
Da li je ovo preslikavanje linearno? Odgovor je potvrdno, kako se vidi iz

Lx ( f + g) = ( f + g)(x) = ( f )(x) + ( g)(x)
= f (x) + g(x) = Lx (f ) + Lx (g).
Dakle, Lx je linearni funkcional prostora V . Skup svih linearnih funkcionala prostora
V oznacavamo sa V .
Teorem 6.6.1. Neka je V vektorski prostor konacne dimenzije n nad poljem F. Za
svako x V definisimo Lx (f ) = f (x) za svako f V . Preslikavanje x Lx je
izomorfno preslikavanje prostora V na prostor V .
Dokaz. Dokazimo da je ovo preslikavanje linearno.
L x+ y (f ) = f ( x + y)
= f (x) + g(y)
= Lx (f ) + Ly (f )
= ( Lx + Ly )(f )
za svako f V . Dakle,
L x+ y = Lx + Ly .
Pokazimo sada da je ovo preslikavanje injektivno. Neka je Lx = 0 nula funkcional.
Tada za svako f V vrijedi Lx (f ) = 0, tj. f (x) = 0 za svako f V . Trebamo
dokazati da je x = 0. Pretpostavimo suprotno, tj. da je x = 0. Tada postoji baza
B = {e1 , . . . , en }, gdje je e1 = x. Posmatrajmo linearni funkcional g V koji svakom
vektoru pridruzuje prvu koordinatu u odnosu na bazu B. Tada je g(x) = 1. Ovo je u
kontradikciji sa f (x) = 0 za svako f V . Dakle, mora biti x = 0, tj. preslikavanje
je injektivno. Dakle, preslikavanje x Lx je nesingularno linearno preslikavanje
prostora V na V , pa je po Teoremu 6.2.10 je to preslikavanje sirjektivno i invertibilno
tj. izomorfizam i vrijedi
dim V = dim V = dim V.
Posljedica 6.6.2. Neka je V konacno dimenzionalan vektorski prostor nad poljem

F. Ako je L linearan funkcional prostora V , tada postoji tacno jedan vektor x V
takav da je L(f ) = f (x) za svako f V .
160
Dokaz. Prema prethodnoj teoremi vektorski prostori V i V su izomorfni i taj

izomorfizam je x Lx. Inverzno preslikavanje ovog preslikavanja je takode izomorfizam. Neka je : V V to inverzno preslikavanje. Tada je (L) = x trazeni
element.
Posljedica 6.6.3. Neka je V konacno dimenzionalni vektorski prostor nad poljem F.
Svaka baza prostora V je dualna baza nekoj bazi prostora V.
Dokaz. Neka je B = {f1 , . . . , fn } baza prostora V . Tada prema Teoremu 6.2.10
postoji baza {L1 , . . . , Ln } prostora V takva da je
Li (fj ) = ij .
Koristeci prethodnu posljedicu za svako i postoji xi V takav da je Li (f ) = f (xi )
za svako f V , tj. Li = Lxi . Dakle,
ij = Li (fj ) = fj (xi ).
Dakle, baza B je dualna baza baze {x1 , . . . , xn }.
Prema prethodnoj teoremi prostori V i V su izomorfni, pa mozemo x V
poistovjetiti sa Lx V . Zbog ove identifikacije je V dualan prostor prostora V . (
Naime, V je dualan prostor prostora V .)
Neka je E podskup od V , tada je anihilator E o podskup od V . No, zbog
identifikacije V sa V onda je E o podskup od V. Naime,
E o = {L V | L(f ) = 0 (f E }.
Kako za svako L V postoji x V takav da je L = Lx , tj. L(f ) = f (x) (x V ).
Dakle, Lx E o ako i samo ako je f (x) = 0 za svako f E. Prema tome
E o = {x V | f (x) = 0 ( f E) }.
Teorem 6.6.4. Ako je S podskup konacno dimenzionalnog vektorskog prostora V,
tada je (S o )o potprostor prostora V generisan skupom S.
Dokaz. Neka je W potprostor prostora V generisan skupom S. Neka je f S o . Tada
je f (s) = 0 za svako s S. Neka je w W. Tada je w = 1 s1 + . . . + k sk , gdje su
si S i i F. Tada je
f (w) = f (1 s1 + . . . k sk ) = 1 f (s1 ) + . . . + k f (sk ) = 0.
Dakle, f W 0 , tj. S o W o . Obrnuto, neka je f W o . Tada je f (w) = 0 za svako
w W. No, tada je specijalno f (s) = 0 za svako s S, jer je S W. Dakle, S o = W o .
Prema Teoremu 6.5.9 je dim W + dim W o = dim V i dim W o + dim W oo = dim V .
Kako je dim V = dim V, to je dim W = dim W oo . Kako je W oo = {x V |
( f W o ) f (x) = 0}, to je W W o . Odavde, zbog dim W = dim W oo slijedi da
W oo = W.
Uvedimo sada pojam maksimalnog potprostora prostora V. Neka je N potskup od
V. Kazemo da je N maksimalan pravi potprostor od V ako vrijedi:
6.6. DUALNI PROSTOR DUALNOG PROSTORA
161
1. N je pravi potprostor od V,
2. Ako je W potprosto prostora V koji sadrzi N, onda je W = V ili je W = N.
Definicija 6.6.5. Ako je V vektorski prostor, hiperprostor od V je maksimalan pravi
potprostor od V.
Teorem 6.6.6. Ako je f nenulti linearan funkcional vektorska prostora V, tada je
Ker(f ) hiperprostor od V. Obrnuto, svaki hiperprostor od V je jezgro nekog nenultog
funkcionala na V.
Dokaz. Neka je f nenulti linearan funkcional na V. Tada postoji x V takav da je
f (x) = 0. To znaci da je Ker(f ) pravi potprostor prostora V. Neka je W potprostor
prostora V koji sadrzi Ker(f ). Neka je W = Ker(f ). Tada postoji u W koji nije u
Ker(f ), tj. f (u) = 0. Tada je Ker(f ) + Fu W. Pokazimo da je W = V. Neka je y
proizvoljan element prostora V. Posmatrajmo element z = y u, F. Tada je
f (z) = f (y u) = f (y) f (u).
Odavde slijedi
z Ker(f ) f (y) = f (u).
Kako je f (u) = 0, to za = f (y)(f (u))1 vrijedi z Ker(f ). Dakle,
y = z + f (y)(f (u)1 u Ker(f ) + Fu.
Dakle, V Ker(f ) + Fu W. Kako je W V, to je W = V. Zbog toga je Ker(f )
hiperprostor od V.
Obrnuto, neka je N hiperprostor od V. Neka je x V i x
/ N. Tada je N +Fx = V,
jer je N hiperprostor i N N + Fu. Tada za svako y V postoji z N i F takvi
da je y = z + x. Pretpostavimo da je y = w + x za neko w N i F. Tada
je ( )x = w z N. Ako je = 0, onda je x N, sto nije slucaj. Zato
je = i z = w. Dakle, elementi z i su jednoznacno odredeni. Dakle, za svako
y V postoji tacno jedan skalar F takav da je y x N. To znaci da postoji
preslikavanje g : V F tako da je g(y) = . Ako je g(y) = i g(u) = , onda je
y x, u x N. Tada je
y + u ( + )x N.
Zbog toga je
g(y + u) = + = g(y) + g(u),
tj. g je linearan funkcional. Neka je v Ker(g). Tada je g(v) = 0, tj. v 0 x N.
Dakle, v N, tj. Ker(f ) N. Obrnuto, neka je v N. Tada je v o x N, pa je
g(v) = 0, tj. N Ker(f ). Dakle, N = Ker(g).
162
Lema 6.6.7. Neka su f i g linearni funkcionali na V. Funkcional g je proizvod skalara

i funkcionala f ako i samo ako je Ker(f ) Ker(g).
Dokaz. Neka je Ker(f ) Ker(g). Ako je f = 0 i g = 0, onda je ocito da je g = f
za svako F. Neka je f = 0. Tada postoji x V takav da je f (x) = 0. Stavimo
= g(x)(f (x))1 . Tada je F. Posmatrajmo linearni funkcional h = g x. Za
svako u Ker(f ) je f (u) = 0 i g(u) = 0, pa je h(u) = 0. S druge strane je h(x) = 0. To
znaci da potprostor Ker(h) sadrzi Ker(f ) i x. Kako je Ker(f ) hiperprostor prostora
V ix
/ Ker(f ), to je Ker(h) = V. Dakle, h nula funkcional, tj. g = f.
Obrnuto, neka je g = f za neko F. Tada za svako x Ker(f ) vrijedi
g(x) = f (x) = 0, pa je Ker(f ) Ker(g).
Teorem 6.6.8. Neka su g, f1 , . . . , fr linearni funkcionali na V. Tada je g linearna
kombinacija funkcionala f1 , . . . , fr ako i samo ako je
k
Ker(fi ) Ker(g).
i=1
Dokaz. Neka je g = 1 f1 + + r fr i x Ker(fi ). Tada je g(x) = 0, pa je

i=1
Ker(fi ) Ker(g).
i=1
Obrnuto, neka Ker(fi ) Ker(g). Dokazimo da je g = 1 f1 + r fr za neke

i=1
1 , . . . , r F. Tvrdnju cemo dokazati indukcijom u odnosu na r. Za r = 1 tvrdnja

slijedi iz prethodne leme. Pretpostavimo da je tvrdnja tacna za r = k 1 i neka je
k1
Ker(fi ) Ker(g). Neka su g , f1 , . . . , fk restrikcije preslikavanja g, f1 , . . . , fk na
i=1
Ker(g). Tada su g , f1 , . . . , fk linearni funkcionali na Ker(fk ). Ako je x Ker(fk )

k
i fi (x) = 0, (i = 1, . . . , k 1), onda je x Ker(fi ) i g (x) = 0. Tada na osnovu

i=1
pretpostavke indukcije postoje skalari i takvi da je g = 1 f1 + + k1 fk1 . Neka

je
k1
h=g
i fi .
i=1
Tada je h linearni funkcional na V. Po definiciji funkcionala h vrijedi h(x) = 0 za

svako x Ker(fk ). Tada prema prethodnoj lemi postoji konstanta k F takva da
je h = fk . Dakle,
k
g=
i fi .
i=1
6.7. TRANSPONOVANA LINEARNA PRESLIKAVANJA
6.6.1
163
Zadaci
1. Neka je n prirodan broj i F polje. Neka je W skup svih vektora (1 , 2 , . . . , n )

Fn takvih da je alpha1 + 2 + . . . + n = 0.
(a) Dokazati da se W o sastoji od svih linearnih funkcionala f oblika
n
f (1 , 2 , . . . , n ) = c
i .
i=1
(b) Dokazati da se dualni prostor W prostora W moze na prirodan nacin

identifikovati sa skupom linearnih funkcionala
f (1 , 2 , . . . , n ) = 1 1 + 2 2 + . . . + n n
prostora Fn za koje je 1 + 2 + . . . + n = 0.
2. Koristeci Teorem 6.6.8 dokazati: Ako je W potprostor konacno dimenzionalnog
vektorskog prostora V i {g1 , g2 , . . . , gr } neka baza potprostora W o , tada je
r
W = Ker(gi ).
i=1
3. Neka je S skup, F polje i V (S; F) prostor svih linearnih funkcionala sa S u

F. Neka je W neki ndimenzionalni potprostor prostora V (S; F). Dokazati da
postoje elementi x1 , . . . , xn S i funkcionali f1 , . . . , fn W takvi da je fi (xj ) =
ij .
6.7
Transponovana linearna preslikavanja
Neka su V i W vektorski prostori nad poljem F i A linearno preslikavanje sa V u W.

Tada A inducira linearno preslikavanje sa W u V kako slijedi. Pretpostavimo da je
g linearni funkcional na W i neka je
f (x) = g(A(x))
(6.7.1)
za svako x V. Preslikavanje f : V F definisano relacijom (6.7.1) je linearno

preslikavanje jer je kompozicija dva linearna preslikavanja. To znaci da je f V .
Dakle, relacijom (6.7.1) svakom linearnom funkcionalu g W pridruzen je tacno
jedan linearan funkcionalan f V , pa postoji preslikavanje At : W V takvo da
je
At (g) = f f (x) = g(A(x)) (x V ).
164
Pokazimo da je preslikavanje At linearno preslikavanje. Za svako x V imamo

(At (1 g1 + 2 g2 ))(x) = (1 g1 + 2 g2 )(A(x)) = 1 g1 (A(x)) + 2 g2 (A(x))
= 1 At (g1 )(x) + 2 At (g2 )(x)
= (1 (At (g1 )))(x) + (2 At (g2 ))(x)
=
1 At (g1 ) + 2 At (g2 ) (x).
Dakle,
At (1 g1 + 2 g2 ) = 1 At (g1 ) + 2 At (g2 ).
Teorem 6.7.1. Neka su V i W vektorski prostori nad istim poljem F. Za svako
linearno preslikavanje A : V W postoji jedinstveno linearno preslikavanje At :
W V takvo da je
(At (g))(x) = g(A(x))
za svako g W i svako x V.
Preslikavanje At iz prethodnog teorema nazivamo transponovano preslikavanje ili
adjungovano preslikavanje preslikavanja A. Mi cemo koristiti naziv transponovano
preslikavanje dok cemo termin adjungovano preslikavanje koristiri za nesto drugo.
Teorem 6.7.2. Neka su V i W vektorski prostori nad istim poljem F i A : V W
linearno preslikavanje. Tada je jezgro Ker(A) linearnog preslikavanja A jednako
anihilatoru skupa Im(A).
Ako su V i W konacno dimenzionalni prostori, tada
(i) rang(At ) = rang(A),
(ii) Im(At ) = (Ker(A))o .
Dokaz. Neka je g Ker(At ). Tada je At (g) = 0, pa za svako x V je (At (g))(x) = 0,
tj. g(A(x)) = 0 za svako x V. Dakle, za svako y Im(A) je g(y) = 0, tj.
g (Im(A)o . Obrnuto, neka je g (Im(A)o . Tada je g(y) = 0 za svako y Im(A).
Neka je x V proizvoljan. Tada je y = A(x) Im(A), pa je g((A)(x)) = 0. To
znaci da je At (g) = 0 nula funkcional, tj. g Ker(At ). Ovim smo dokazali da je
Ker(At ) = (Im(A))o .
Neka su V i W konacno dimenzionalni vektorski prostori nad istim poljem i neka
je dim V = n i dim W = m. Neka je r = rang(A) = dim Im(A). Kako je Im(A)
potprostor prostora W, to prema Teoremu 6.5.9 vrijedi
dim Im(A) + dim(Im(A))o = dim W = m.
6.7. TRANSPONOVANA LINEARNA PRESLIKAVANJA
165
Dakle, dim(Im(A))o = m r. Prema prvom dijelu dokaza imamo

dim Ker(At ) = dim(Im(A))0 = m r.
No, s druge strane je
dim Ker(At ) + dim Im(At ) = dim W = m.
Prema tome,
dim Im(At ) = m dim Ker(At ) = m (m r) = r = dim Im(A).
Dakle, rang(At ) = rang(A).
Dokazimo sada i posljednju tvrdnju teorema. Neka je f Im(At ). Tada postoji
g W takav da je f = At (g). Tada za svako x Ker(A) imamo f (x) = (At (g))(x) =
g(A(x)) = g(o) = 0. Dakle, za svako f Im(At ) vrijedi f (x) = 0 za svako x
Ker(A). To znaci da je f element anihilatora skupa Ker(A). Ovim smo dokazali da
je Im(At ) (Ker(A))o . S druge strane je
dim(Ker(A))o = dim V dim Ker(A)
= n dim Ker(A) = dim Im(A)
= dim Im(At ).
Dakle, Im(At ) (Ker(A))o . i dim(Ker(A))o = dim Im(At ), pa je
Im(At ) = (Ker(A))o .
Ovim je teorem dokazan.
Teorem 6.7.3. Neka su V i W konacno dimenzionalni vektorski prostori nad istim
poljem F. Neka je B uredena baza prostora V i B njena dualna baza. Neka je, dalje,
B uredena baza prostora W i B njena dualna baza. Neka je A matrica linearnog
preslikavanja A : V W u odnosu na baze B i B , a B matrica linearnog preslikavanja
At u odnosu na baze B i B . Tada je Bij = Aji .
Dokaz. Neka je B = {e1 , . . . , en }, B = {e1 , . . . , em }, B = {f1 , . . . , fn } i B =
{g1 , . . . , gm }. Po definiciji imamo
m
A(ej ) =
Aij ei (j = 1, 2, . . . , n)
i=1
n
A (gj ) =
Bij fi (j = 1, 2, . . . , m).
i=1
166
S druge strane je
m
t
(A (gj ))(ei ) = gj (A(ei )) = gj
Aki ek
k=1
m
Aki gj (ek ) =
k=1
Aki j k
k=1
= Aji .
Za svaki funkcional f vektorska prostora V na osnovu (6.5.1) vrijedi
m
f=
f (ei )fi .
i=1
Primjenjujuci ovu formulu za funkcional f = At (gj ) i koristeci cinjenicu da je

(At (gj ))(ei ) = Aji
dobijamo
At (gj ) =
Aji fi .
i=1
Odavde slijedi da je Bij = Aji .

Definicija 6.7.4. Ako je A Fmn matrica nad poljem F, tada se matrica At definisana relacijom Atij = Aji zove transponovana matrica matrice A.
Teorem 6.7.5. Neka je A neka m n nad poljem F. Tada je rang vrsta matrice A
jednaka rangu kolona matrice A.
Dokaz. Neka je B = {e1 , . . . , en } standardna baza prostora Fn i B = {e1 , . . . , em }
standardna baza prostora Fm . Neka je A : Fn Fm linearno preslikavanje koje u
odnosu na baze B i B ima matricu A, tj.
m
A(ej ) =
Aij ei (j = 1, . . . , n).
i=1
Kako je rangk A = rang(A), rangk At = rang(At ), rang(A) = rang(At ) i vrste

matrice A su kolone matrice At , to je
rangv A = rangk At = rang(At ) = rang(A) = rangk A.
Iz ovog teorema slijedi da je za svaku matricu A nad poljem rang vrsta jednak
rangu kolonu. Ovako odreden broj nazivamo rang matrice A i oznacavamo ga sa
rang (A).
Glava 7
Polinomi
7.1
Algebra polinoma
Neka je F polje i S skup svih nenegativnih cijelih brojeva. Oznacimo sa F skup

svih funkcija sa S u F. Elemente ovog skupa oznacavacemo sa beskonacnim nizom
f = (f0 , f1 , f2 , . . . ), pri cemu je fi = f (i) F.
U skupu F definisimo
f + g = (f0 + g0 , f1 + g1 , f2 + g2 , . . . ),
gdje je f = (f0 , f1 , f2 , . . . ) i g = (g0 , g1 , g2 , . . . ). Jednostavno se provjerava da je
(F , +) Abelova grupa.
Definisimo sada mnozenje elemenata skupa F elementima polja F kako slijedi
f = (f0 , f1 , f2 , . . . )
za svako F i svako f = (f0 , f1 , f2 , . . . ). Jednostavno se provjerava da je tada F
vektorski prostor nad poljem F.
U skupu F definisimo mnozenje na sljedeci nacin:
n
f g = h hn =
fi gni n S.
i=0
Drugim rijecima
f g = (f0 g0 , f0 g1 + f1 g0 , f0 g2 + f1 g1 + f2 g0 , . . . ).
Kako je
fi gni =
i=0
gi fni
i=0
167
168
GLAVA 7. POLINOMI
to je f g = gf za svako, f, g F . Dakle, mnozenje je komutativno. Pokazimo sada

da je mnozenje i asocijativno. Immao
n
[(f g)h]n =
(f g)i hni
i=0
n
=
i=0
fj gij hni
j=0
fj gij hni
i=0 j=0
Posljednju sumu mozemo malo drugacije aranzirati. Naime, kako i prima sve vrijednosti od 1 do n, to i j prima sve vrijewdnosti od 1 do n. Tako imamo
n
[(f g)h]n =
fj gij hni
i=0 j=0
nj
fj
j=0
n
gi hnij
i=0
fj (gh)nj = [f (gh)]n
j=0
za svako n S tako da je (f g)h = f (gh). Jednostavno se provjerava da je mnozenje

distributivno u odnosu na sabiranje i da vrijedi
(f g) = (f )g = f (g)
za svako F i svako f, g F . Dakle, F je algebra nad poljem F.
Posmatrajmo element x = (0, 1, 0, . . . , 0, . . .) algebre F . Na osnovu definicije
mnozenja elemenata ove algebre imamo
x2 = (0, 0, 1, 0, . . . 0 ), x3 = (0, 0, 0, 1, 0, . . . ).
Opcenito je
(xk )n =
1 n=k
0 n=k
Primjetimo da je skup
{1, x, x2 , . . . }
(n S).
7.1. ALGEBRA POLINOMA
169
linearno nezavisan i nije konacan. To znaci da algebra F nije koncno dimenzionalna. Ovu algebru nazivamo algebra formalnih redova nad poljem F. Element
f = (f0 , f1 , f2 , . . .) mozemo zapisati u obliku
fn xn .
f=
n=0
Sada smo u poziciji da mozemo uvesti pojam polinoma nad poljem F.

Definicija 7.1.1. Neka je F[x] potprostor prostora F generisan vektorima 1, x, x2 , . . . .
Elemente skupa F[x] nazivamo pilinomi nad poljem F.
Neka je f F[x] nenulti polinom. Tada je f konacna linearna kombinacija elemenata skupa 1, x, x2 , . . . , tj. elementa x i njegovih potencija. To znaci da postoji
tacno jedan n S takav da je fn = 0 i fk = 0 za svako k S, k > n. Ovako odreden
cio broj n naziva se stepen polinoma f. Stepen polinoma f oznacavamo sa deg(f ).
Ako je deg(f ) = n, onda mozemo pisati
f = f0 x0 + f1 x + f2 x2 + + fn xn , fn = 0.
Skalare f0 , f1 , . . . , fn nazivamo koeficijenti polinoma f. Koeficijent fn nazivamo vodeci
koeficijent. Polinom f0 x0 , f0 = 0 nazivamo polinom konstanta ili konstantni polinom.
Polinom f stepena n kod kojeg je fn = 1 nazivamo normirani polinom ili monik. Nula
vektor potprostora F[x] nazivamo nula polinom i ocito je f nula polinom ako i samo
ako je fn = 0 za svako n S.
Iz ove diskusije proizilazi da se polinomi nad poljem F razlikuju od funkcija x
0 + 1 x + 2 x2 + n xn nad poljem F. Ove funkcije nazivamo polinomne funkcije.
Ako je polje F beskonacno, onda se na prirodan nacin moze uspostaviti izomorfizam
izmedu vektorskog prostora F[x] i vektorskog prostora svih polinomnih funkcija na F.
Teorem 7.1.2. Neka su f i g nenulti polinomi nad F. Tada
(i) f g je nenulti polinom.
(ii) deg(f g) = deg(f ) + deg(g).
(iii) ako su polinomi f i g normirani, onda je i polinom f g normiran.
(iv) f g je konstantni polinom ako i samo ako su polinomi f i g konstantni polinomi.
(v) ako je f + g nenulti polinom, onda je
deg(f + g) max{deg(f ), deg(g)}.
170
GLAVA 7. POLINOMI
Dokaz. Neka je deg(f ) = m i deg(g) = n. Neka je k S proizvoljan. Tada je

m+n+k
(f g)m+n+k =
fi gm+n+ki .
i=0
Da bi (f g)m+n+k bio razlicit od nule mora biti i m i m + n + k i n. Odave

slijedi da mora biti i = m i k = 0. Dakle,
(f g)m+n = fm gn , (f g)m+n+k = 0 k > 0.
(7.1.1)
Dokazimo sada tvrdnju pod (i). Kako je fn = 0 i gn = 0, to je fm+n = fm gn = 0, pa

je f g nenulti polinom.
Na osnovu (7.1.1) je deg(f g) = m + n = deg(f ) + deg(g), tj. vrijedi (ii).
Ako su polinomi f i g normirani, onda je fm = 1 i gn = 1, pa je (f g)m+n =
fm gn = 1, tj. polinom f g je normiran.
Ako je f g konstantni polinom, onda je 0 = deg(f g) = deg(f ) + deg(g), pa je
deg(f ) = deg(g) = 0, tj. f i g su konstanta polinomi. Obrnuto, ako su f i g konstanta
polinomi, onda je deg(f ) = deg(g) = 0, pa je deg(f g) = deg(f ) + deg(g) = 0.
Neka je deg(f + g) = t. Tada je (f + g)t = 0 i (f + g)i = 0 za svako i > t. Ako je
m = n, onda je (f + g)i = fi + gi = 0 + 0 = 0 za svako i > n. To znaci da je u ovom
slucaju t n. Neka je m < n. Tada je fn = 0 i gn = 0, pa je (f g)n = fn + gn = 0 i
(f g)i = 0 za svako i > n. Dakle, deg(f + g) = n = deg(g) = max{deg(f ), deg(g)}.
Posljedica 7.1.3. Skup F[x] svih polinoma nad poljem F je komutativna algebra sa
jedinicom.
Posljedica 7.1.4. Neka su f, g i h polinomi nad poljem F takvi da je f = 0, onda iz
f g = f h slijedi g = h.
Neka je A algebra sa jedinicom nad poljem F. Za svako A definisimo 0 = 1.
Tada svakom polinomu f =
i=0
je definisan relacijom
fi xi F[x] mozemo pridruziti element f () A koji

n
fi i .
f () =
i=0
Primjer 7.1.5. Neka je C polje kompleksnih brojeva i f = x2 + 2.

(a) Ako je A = C, onda je f (2) = 6 i f (1 + i1 i) = 1.
(b) Ako je A algebra matrica reda 2 2 nad poljem kompleksnih brojeva i
B=
1 0
1 2
tada je
f (B) =
1 0
1 2
1 0
1 2
,
2
3 0
3 6

7.2. LAGRANZOVA
INTERPOLACIONA FORMULA
171
Teorem 7.1.6. Neka je F polje i A algebra sa jedinicom nad poljem F. Neka su f, g

polinomi nad F i A. Tada je
(i) (f + g)() = f () + g(),
(ii) ( f )() = f (),
(iii) (f g)() = f ()g()
za svako F.
Dokaz. Neka je f =
m
i=0
fi xi i g =
n
j=0
gj xj , . Tada je
max{m,n}
(fi + gi )xi ,
f +g =
i=0
pa je
max{m,n}
max{m,n}
i
(f + g)() =
max{m,n}
i
(fi + gi ) =
i=0
i=0
i=0
Druga tvrdnja se jednostavno dokazuje. Kako je f g =

m+n
fi gki
7.2
i=0
m+n
k=0
i=0
(f g)() =
k=0
gi i = f () + g().
fi +
fi gki xk , to je
fi
i=0
gj j = f ()g().
j=0
Lagran
zova interpolaciona formula
Neka je F polje i neka su 0 , 1 , . . . , n razliciti elementi polja F. Neka je V vektorski

potprostor prostora F[x] koji se sastoji od svih polinoma stepena manjeg ili jednakog
od n. Neka je fi funkcija sa V u F definisana sa
Li (f ) = f (ti ), 0 i n
za svako f V. Kako je dim V = n + 1, to je dim V = n + 1. Pokazimo sada
da su linearni funkcionali L0 , L1 , . . . , Ln loinearno nezavisni. Neka je L = 0 L0 +
172
GLAVA 7. POLINOMI
1 + + n Ln nula funkcional. Tada je L(f ) = 0 za svako f V. Neka je f0 = 1 i

fi = xi , (i = 1, . . . , n). Uzimajuci za f redom funkcije f0 , f1 , . . . , fn imamo jednacine:
0 + 1 + + n
t0 + 1 t1 + + n tn
0 tn0
1 tn1
+ +
n tnn
0.
Ovo je homogeni sistem sa matricom
1 1 1 1
t0 t1 t2 . . . tn
W = .
..
..
..
.. .
..
.
.
.
.
tn0 tn1 tn2 tnn
Ova matrica je invertibilna, pa homogeni sistem ima samo trivijalno rjesenje. Dakle,
0 = 1 = . . . = n = 0, pa su funkcionali L0 , L1 , . . . , Ln linearno nezavisni. Kako
je skup {L0 , L1 , . . . , Ln } linearno nezavisan i ima n + 1 = dim V elemenata, to je on
baza prostora V . Tada postoji dualna baza {P0 , P1 , . . . , Pn } baze {L0 , L1 , . . . , Ln }.
Tada je Lj (Pi ) = Pi (tj ) = ij . Neka je
Pi =
(x t0 ) (x ti1 )(x ti+1 ) (x tn )

=
(ti t0 ) (ti ti1 )(ti ti+1 ) (ti tn )
j=i
x tj
ti tj
Polinom Pi je stepena n i pripada prostoru V. Za ovaj polinom vrijedi

Pi (tj ) = ij ,
tj. Lj (Pi ) = ij . To znaci da je {P0 , . . . , Pn } dualna baza baze L0 , . . . , Ln . Tada za
svaki polinom f V vrijedi
n
f=
f (ti )Pi .
i=0
Primjer 7.2.1. Neka je F = R, t0 = 0, t1 = 1, t2 = 2, f (t0 ) = 2, f (t1 ) = 3, f (t2 ) = 6.

Odredimo polinom f. Prvo odredujemo polinome P0 , P1 i P2 . Imamo
Sada je
P0
P1
P2
(x t1 )(x t2 )
1
= (x 1)(x 2),
t0 t1 )(t0 t1 )
2
x(x 2)
1
x(x 1).
2
f = f (t0 )P0 + f (t1 )P1 + f (t2 )P2 = x2 + 2.

7.2. LAGRANZOVA
INTERPOLACIONA FORMULA
173
Razmotrimo sada odnos izmedu polinoma i polinomne funkcije nad poljem F.

Neka je f polinom nad poljem F, a f s polinomna funkcija sa F u F. Posmatrajmo
preslikavanje koje polinomu f pridruzuje polinomnu funkciju f s tako da za svako
t F vrijedi f s (t) = f (t). Pokazimo da je (f +g) = (f )+(g) i (f g) = (f )(g).
Neka je t F. Tada na osnovu Teorema 7.1.6 imamo (f + g)(t) = f (t) + g(t) i
(f g)(t) = f (t)g(t), pa je (f + g) = (f ) + (g) i (f g) = (f )(g).
Ako je f = g onda je f s = g s . Medutim moze se desiti da je f = g a da je ipak
f s = g s . Na srecu to samo vrijedi u konacnim poljima.
Primjer 7.2.2. Neka je F = polje Z3 = {0, 1, 2}. Posmatrajmo polinom
f = x(x 1)(x 2).
Njemu pripada polinomna funkcija
f : x x(x 1)(x 2)
sa F u F. Polinom f nije nula polinom. Kako je f (0) = 0, f (1) = 0 i f (2) = 0, to je f je
nulta polinomna funkcija.
Definicija 7.2.3. Neka su A i B algebre nad poljem F. Za preslikavanje : A B

kazemo da je homomorfizam algebri ako vrijedi:
(i) (a + b) = (a) + (b),
(ii) (a) = (a),
(iii) (ab) = (a)(b)
za svako a, b A i svako F.
Bijektivni homomorfizam algebri nazivamo izomorfizam algebri.
Teorem 7.2.4. Neka polje F ima beskonacno mnogo elemenata. Preslikavanje f
f s je izomorfizam algebre polinoma nad poljem F i algebre polinomnih funkcija na
polju F.
Dokaz. Vec smo vidjeli u Teoremu 7.1.6 da je ovo preslikavanje homomorfizam algebri.
Trebamo dokazati bijektivnost ovog preslikavanja. Neka je f s = 0. Pokazimo da je
tada f = 0. Pretpostavimo da je f polinom stepena n takav da je f s = 0. Odaberimo
bilo kojih n + 1 razlicitih elemenata t0 , t1 , . . . , tn polja F. Kako je f s = 0, to je
0 = f s (ti ) = f (ti ). Tada iz f =
f (ti )Pi slijedi f = 0. Dakle, preslikavanje
i=1
f f s je injektivno. Sirjektivnost je ocita. Prema tome, preslikavanje f f s je
izomorfizam algebri.
Postavlja se pitanje: Gdje smo, u dokazu, koristili cinjenicu da je F beskonacno
polje? To smo koristili prilikom izbora razlicitih elemenata t0 , t1 , . . . , tn polja F. Kada
bi polje imalo konacan broj elemenata npr. m, onda ne bismo mogli izabrati m + 1
razlicitih elemenata.
174
7.3
GLAVA 7. POLINOMI
Ideali algebre polinoma
U ovom paragrafu proucavacemo strukture koje zavise od multiplikativne strukture

algebre polinoma nad poljem F.
Lema 7.3.1. Neka su f i d nenulti polinomi nad poljem F takvi da je deg(d) deg(f ).
Tada postoji polinom g F[x] takav da je
f dg = 0
ili
deg(f dg) < deg(f ).
Dokaz. Neka je deg(f ) = m, i deg(d) = n. Polinome f i g napisimo u obliku f =

am xm +
m1
i=0
ai xi ,
am
bn
am = 0 i d = bn +
xmn d = 0
m1
i=0
bi xi ,
ili deg f
bn = 0. Tada je m n i
am
bn
xmn d < deg(f ).
Tako mi mozemo uzeti g = abm

xmn .
n
Koristeci ovu teoremu dokazacemo da je u algebri polinoma F[x] moguce djeljenje
sa ostatkom pri cemu je stepen polinoma ostatka manji od stepena polinoma sa kojim
smo dijelili.
Teorem 7.3.2. Neka su f i d polinomi nad poljem F i d = 0. Tada postoje polinomi
q i r u F[x] takvi da je
(i) f = dq + r,
(ii) r = 0 ili je deg(r) < deg(d).
Polinomi q i r su jednoznacno odredeni.
Dokaz. Ako je f = 0 ili je deg(f ) < deg(g) onda mozemo uzeti q = 0 i r = f.
U slucaju da je f = 0 i deg(f ) deg(d), onda primjenom prethodne leme postoji
polinom g takav da je f dg = 0 ili deg(f dg) < deg(f ). Ako je f dg = 0 ili
je deg(f dg) deg(d) mozemo izabrati polinom h takav da je (f dg) dh = 0
ili je deg(f d(g + h)) < deg(f dg). Nastavljajuci ovaj postupak koliko dugo je
to potrebno dobicemo polinome q i r takve da je r = 0 ili je deg(r) < deg(d) i
f = dq + r. (Zasto ce se ovaj postupak okoncati u konacnom broju koraka? Odgovor
lezi u cinjenici da polazni polinom ima konacan stepen i svakom primjenom prethodne
leme dobijamo polinom stepena manjeg od prethodnog.) Pretpostavimo da postoje i
polinomi q1 i r1 takvi da je r1 = 0 ili je deg(r1 ) < deg(d) i f = q1 d + r1 . Odavde je
dq + r = dq1 + r1 , pa je d(q q1 ) = r1 r. Ako je q q1 = 0 onda je d(q q1 ) = 0
i deg(d) + deg(q q1 ) = deg(r1 r). Kako je deg(R 1 r) < deg(d), to smo dobili
kontradikciju. Pretpostavka da je q q1 = 0 dovela nas je do kontradikcije, pa nije
tacna. Dakle, q1 = q, pa je i r1 = r. Ovim je i jedinstvenost dokazana.
7.3. IDEALI ALGEBRE POLINOMA
175
Definicija 7.3.3. Neka su f i g = 0 polinomi nad poljem F. Ako postoji polinom h

nad poljem F takav da je f = gh, onda kazemo da polinom g dijeli polinom f. U tom
slucaju takode kazemo da je polinom f djeljiv polinomom g.
Posljedica 7.3.4. Neka je f polinom nad poljem F i F. Tada je f djeljiv sa x
ako i samo ako je f () = 0.
Dokaz. Prema Teoremi 7.3.2 postoji polinom q i konstanta r F takvi da je f =
(x )q + r. Odavde je f () = 0 q() + r = r. Dakle r = 0 ako i samo ako je
f () = 0.
Definicija 7.3.5. Neka je f polinom nad poljem F. Za element polja F kazemo da
je nula ili korijen polinoma f ako je f () = 0.
Posljedica 7.3.6. Polinom f stepena n nad poljem F moze imati u F najvise n nula.
Dokaz. Tvrdnja je ocigledna za polinom stepena 0 ili 1. Pretpostavimo da je tvrdnja
tacna za polinome stepena n 1. Ako je F nula polinoma f, onda je f = (x )g,
gdje je g polinom stepena n 1. Posto je f () = 0 ako i samo ako je = ili je
g() = 0. Polinom g po pretpostavci indukcije ima najvise n 1 nulu. Dakle, polinom
f ima najvise (n 1) + 1 = n nula u polju F.
Neka je f = 0 + 1 x + + n xn polinom nad poljem F. Tada se polinom
f = 1 + 22 x + + nn xn1
naziva izvodni polinom polinoma f. Mi cemo za izvod polinoma f koristiti i oznaku
Df. Jednostavno se dokazuje da je D linearno preslikavanje prostora F[x], tj. operator
tog prostora. Tada je D2 f = D(Df ) itd.
Teorem 7.3.7 (Taylorova formula). Neka je F polje karakteristike 0, element
polja F i n prirodan broj. Ako je f polinom nad poljem F stepena deg(f ) n, tada je
n
f=
k=0
(Dk f )()
(x )k .
k!
Dokaz. Taylorova formula je posljedica Newtonove binomne fomule i linearnosti operatora D, D2 , . . . , Dn .

Neka su a, b proizvoljni elementi polja F i m prirodan broj. Tada je
m
(a + b)n =
k=0
m
k
amk bk ,
gdje je
m
k
m!
m(m 1) (m k + 1)
=
.
k!(m k)!
1 2k
176
GLAVA 7. POLINOMI
Ova formula (Newtonova binomna formula) se dokazuje indukcijom u odnosu na m.

Primjenom binomne formule imamo
m
m
= [ + (x )]
m
k
=
k=0
mk (x )k .
Neka je g(x) = xm polinom. Tada je
Dk (g) = m(m 1) (m k + 1)xmk = k!
Odavde je
(Dk g)
() =
k!
m
k
mk .
Dakle,
(Dk xm )
() =
k!
m
k
mk .
Neka je sada
n
m xm
f=
m=0
polinom nad poljem F. Kako je Dk linearan operator, to je

n
k
m Dk (xm ) ,
D f=
m=0
pa je
n
k
D f () =
m Dk (xm ) ().
m=0
m
k
xmk .
177
Odavde je
n
k=0
Dk f ()
(x )k =
k!
m
m=0
k=0
n
m
m=0
n
k=0
m
m
m=0
n
k=0
m
m
m=0
n
k=0
Dk xm
() (x )k
k!
Dk xm
()(x )k
k!
m
k
mk (x )k
m
k
mk (x )k
m ((x ) + )m
m=0
n
m xm
m=0
= f.
Napomena 7.3.8. U dokazu prethodne teoreme koristili smo cinjenicu da je Dk xm =

0 za svako k > m. Zbog toga je
m
n
k m
D x
k=0
Dk xm .
=
k=0
Definicija 7.3.9. Neka je f polinom nad poljem F. Kazemo da je F nula polinoma

f visestrukosti r ako (x )r dijeli f i (x )r+1 ne dijeli f.
Teorem 7.3.10. Neka je F polje karakteristike nula i f polinom nad F stepena
deg(f ) n. Tada je skalar nula polinoma f visestrukosti r ako i samo ako
Dk f () = 0 ako je 0 k r 1 i (Dr f ))() = 0.
(7.3.1)
Dokaz. Neka je nula polinoma f visestrukosti r. Tada je f = (x )r g i g() = 0.

Polinom g, koristeci Tajlorovu formulu, mozemo napisati u obliku
nr
g=
m=0
(Dm g)
() (x )m .
m!
178
GLAVA 7. POLINOMI
Zbog toga je
nr
f = (x )r
m=0
(Dm g)
() (x )m =
m!
S druge strane je
f=
k=0
nr
m=0
(Dm g)
() (x )m+r .
m!
(Dk f )()
(x )k ,
k!
pa je
Dk f ()
=
k!
0,
(Dkr g)()
(kr)! ,
ako je 0 k r 1;
ako je r k n.
Dakle, vrijedi uslov (7.3.1). Obrnuto, neka vrijedi uslov (7.3.1). Tada iz Tajlorove
formule za polinom f imamo
n
=
k=0
n
Dk f ()
(x )k
k!
=
k=r+1
Dk f ()
(x )k
k!
nr
r
= (x )
k=0
Dk f ()
(x )k
k!
= (x ) g,
gdje je
nr
g=
k=0
Dk f ()
(x )k ,
k!
pa je g() = 0. To znaci da (x )r | f i (x )r+1 f. To znaci da je nula polinoma

f visestrukosti r.
Definicija 7.3.11. Neka je F polje. Potprostor M vektorskog prostora F[x] naziva se
ideal algebre F[x] ako
(f F[x]) (g M ) f g M.
Primjer 7.3.12. Neka je F polje, f polinom nad F i M = f F[x], tj. skup svih polinoma
oblika f g gdje je g polinom nad F. Tada je M ideal. Naime, M nije prazan jer je f M i za
svako g, h F[x] i svako , F vrijedi
(gf ) + (hf ) = f (g + h) M.
Dakle, M je potprostor prostora F[x]. Neka je gf M i h F[x]. Tada je
(gf )h = (gh)f M,
179
pa je M ideal algebre F[x]. Ovako definisan ideal M naziva se glavni ideal generisan
polinomom f.
Primjer 7.3.13. Neka je n prirodan broj i f1 , f2 , . . . , fn polinomi nad F. Neka je

M = f1 F[x] + f2 F[x] + . . . + fn F[x].
Tada je M ideal algebre F[x]. Skup M je suma potprostora prostora F[x], pa je potprostor
prostora F[x]. Neka je f M i g F[x]. Tada je
f = f1 h1 + f2 h2 + . . . + fn hn
(h1 , h2 , . . . hn F[x],
pa je
f g = (f1 h1 + f2 h2 + . . . + fn hn )g = f1 (h1 g) + f2 (h2 g) + . . . + fn (hn g) M.
Dakle, M je ideal algebre F[x]. Za ovako definisan ideal kazemo da je generisan polinomima
f 1 , f 2 , . . . , fn .
Primjer 7.3.14. Neka je F polje realnih brojeva i M = (x + 2)F[x] + (x2 1)F[x] ideal
algebre F[x]. Da li je 1 M ? Da bi 1 bio element ideala M moraju postojati polinomi f i g
takvi da je 1 = (x + 2)f + (x2 1)g. Kako je
x 2
+
3 3
1
(x + 2) + (x2 1) = 1,
3
to je 1 M. Neka je t proizvoljan polinom nad F. Kako je 1 M to je t = 1 t M. Dakle,

M = F[x].
Teorem 7.3.15. Neka je F polje i M ideal algebre F[x]. Tada postoji jedinstven monik
polinom d u F[x] takav da je M glavni ideal generisan polinomom d.
Dokaz. Ako je M = {0}, onda za d mozemo uzeti nula polinom. Neka je M nenulti
ideal. Tada postoje nenulti polinomi u M. Posmatrajmo sve monik polinome iz M.
Neka je d monik polinom iz M koji ima najnizi stepen od svih monik polinoma ideala
M. Pokazimo da d dijeli svaki polinom ideala M. Neka je f proizvoljan polinom iz
m. Tada postoje jedinstveni polinomi q i r u F[x] takvi da je f = dq + r, pri cemu
je r = 0 ili je deg(r) < deg(d). Pretpostavimo da je r = 0. Tada je r = f dq M.
Neka je r = r1 , gdje je r1 monik polinom, a vodeci koeficijent polinoma r. Tada je
r1 = 1 r M. Kako je deg(r1 ) = deg(r) < deg(d), to u M postoji monik polinom
stepena manjeg od d, sto je u suprotnosti sa izborom polinoma d. Pretpostavka da je
r = 0 dovela nas je do kontradikcije, pa nije tacna. Dakle, f = dq. To znaci da je M =
dF[x]. Ostalo nam je da dokazemo jedinstvenost monik polinoma d. Pretpostavimo da
osim monik polinoma d postoji i monik polinom p takav da je M = pF[x] i M = dF[x].
Tada postoje polinomi f i g takvi da je d = pf i p = dg. Odavde je d = dgf. Dakle,
deg(d) = deg(d) + deg(g) + deg(f ),
tj. deg(g) + deg(f ) = 0. Dakle, deg(g) = deg(f ) = 0. To znaci da su f i g konstante.
Neka je f = i g = . Tada je d = p i p = d No, polinomi d i p su monici, pa je
alpha = = 1. Dakle, d = p.
180
GLAVA 7. POLINOMI
Posljedica 7.3.16. Neka su p1 , p2 , . . . , pn polinomi nad poljem F pri cemu nisu svi
nula polinomi. Tada postoji jedinstven monik polinom d takav da je
(a) dF[x] polinom generisan polinomima p1 , p2 , . . . , pn ;
(b) d dijeli svaki od polinoma p1 , p2 , . . . , pn .
Bilo koji polinom d iz F[x] koji zadovoljava uslove (a) i (b) zadovoljava i uslov
(c) d je djeljiv bilo kojim polinomom koji dijeli svaki od polinoma p1 , p2 , . . . , pn .
Dokaz. Neka je M = p1 F[x] + p2 F[x] + . . . + pn F[x] ideal. Prema prethodnom teoremu
postoji monik polinom d takav da je M = dF[x]. Svaki polinom idela M je djljiv sa
d, pa je specijalno i svaki od polinoma p1 , p2 , . . . , pn djeljiv sa d. Dakle, d zadovoljava
uslove (a) i (b). Neka je f polinom koji djeli svaki od polinoma p1 , p2 , . . . , pn . Tada
postoje polinomi q1 , q2 , . . . , qn F[x] takvi da je pi = f qi , 1 i n. Kako je d M,
to je d = p1 g1 + p2 g2 + . . . + pn gn . Tako imamo
d = f (q1 g1 + q2 g2 + . . . + qn gn ) .
Dakle, f dijeli d. Dakle, d zadovoljava i uslov (c). Ostalo nam je jos da pokazemo
jedinstvenost monik polinoma d. Pretpostavimo da osim polinoma d postoji i monik
poolinom d koji ispunjava uslove (a) i (b). Tada polinomi d i d zadovoljavaju uslov
(c). Zbog toga d | d i d | d. Kako su d i d monik polinomi to je d = d .
Definicija 7.3.17. Neka su f1 , f2 , . . . , fn polinomi nad poljem F, pri cemu nisu svi
jednaki nuli. Monik polinom d koji generise ideal
f1 F[x] + f2 F[x] + . . . + fn F[x]
nazivamo najveci zajednicki djelilac polinoma f1 , f2 , . . . , fn .
Najveci zajednicki djelilac polinoma f1 , f2 , . . . , fn oznacavamo sa
gcd(f1 , f2 , . . . , fn ) ili nzd(f1 , f2 , . . . , fn ).
Za polinome f1 , f2 , . . . , fn nad poljem F kazemo da su relativno prosti ako je njihov
najveci zajednicki djelilac 1.
Dakle, ako je d najveci zajednicki djelilac polinoma f1 , f2 , . . . , fn , onda
(i) d dijeli svaki od polinoma f1 , f2 , . . . , fn ,
(ii) ako polinom d1 dijeli svaki od polinoma f1 , f2 , . . . , fn , onda d1 dijeli polinom
d.
Primjer 7.3.18. Neka je f1 = (x 2)2 (x i) i f2 = (x 2)(x2 + 1). Tada je nzd(f1 , f2 ) =
(x 2)(x i).
7.4. FAKTORIZACIJA POLINOMA
7.4
181
Faktorizacija polinoma
U ovom paragrafu cemo dokazati da se svaki polinom nad nekim poljem moze prikazati
kao proizvod prostih polinoma.
Definicija 7.4.1. Neka je F polje. Za polinom f F[x] kazemo da je reducibilan
(svodljiv) nad poljem F ako postoje polinomi g i h iz F[x] takvi da je deg(g), deg(h) 1
i f = gh. Za polinom f kazemo da je ireducibilan (nesvodljiv) nad poljem F ako
polinom f nije reducibilan. Nesvodljiv neskalarni polinom nazivamo prost polinom
nad F. Prost polinom nad F cesto se naziva i prost polinom u F[x].
Primjer 7.4.2. Polinom f = x2 + 1 je nesvodljiv nad poljem realnih brojeva. Naime,
pretpostavimo da je taj polinom svodljiv tj. da je x2 + 1 = (ax + b) (cx + d). Tada je
ac = 1, ad + bc = 0 i bd = 1. Odavde slijedi d2 + c2 = 0, pa je d = c = 0. No, tada je
x2 + 1 = (ax + b) (0x + 0) = 0. Kontradikcija. Dakle, polinom je nesvodljiv.
Ovaj polinom je reducibilan nad poljem kompleksnih brojeva, jer je x2 + 1 = (x + i) (x i).
Teorem 7.4.3. Neka su p, f i g polinomi nad poljem F i neka je p prost polinom nad
F. Tada iz p | f g slijedi p | f ili p | g.
Dokaz. Bez ogranicenja opstosti mozemo pretpostaviti da je p prost monik polinom
nad F. Neka je d najveci zajednicki djelilac polinoma p i f. Tada d | p. No, p je prost,
pa je d = p ili d = 1. Ako je d = p, onda p | f i nemamo sta dokazivati. Neka je zato
d = 1. Tada je dF[x] = pF[x] + f F[x]. Odavde je 1 = d = pu + f v za neke polinome
u, v F[x]. Dalje, imamo
g = g 1 = g(pu + f v) = p(gu) + (f g)v.
Kako p dijeli f g to iz posljednje jednakosti slijedi da p | g, jer je polinom p(gu)+(f g)v
djeljiv sa p.
Iz ove teoreme primjenom matematicke indukcije lako se dokazuje slijedeca posljedica.
Posljedica 7.4.4. Ako prost polinom p dijeli proizvod f1 f2 fn , onda on dijeli jedan
od polinoma p1 , p2 , . . . , pn .
Teorem 7.4.5. Ako je F polje, neskalarni monik polinom je proizvod monik prostih
polinoma u F[x]. Taj prikaz je jedinstven do poretka faktora u tom proizvodu.
Dokaz. Neka je f monik neskalarni polinom nad F. Tvrdnju cemo dokazati matematickom indukcijom u odnosu na deg(f ). Neka je deg(f ) = 1. Tada je f monik polinom
prvog stepena, tj. f = x + za neko F. Polinom f je nesvodljiv. Dakle, tvrdnja
vrijedi za deg(f ) = 1. Pretpostavimo da je tvrdnja tacna za sve monik polinome
stepepena manjeg od n. Neka je deg(f ) = n. Ako je f nesvodljiv polinom, onda
tvrdnja vrijedi. Ako f nije nesvodljiv polinom, onda postoje polinomi g i h u F[x]
182
GLAVA 7. POLINOMI
takvi da je f = gh i deg(g), deg(h) 1. Kako je f monik polinom, to su polinomi

g i h monik polinomi. Tada na osnovu pretpostavke indukcije postoji faktorizacija
polinoma g i h. Dakle, postoji faktorizacija f = p1 p2 pm polinoma f na proste
faktore. Pokazimo jedinstvenost tog razlaganja. Neka je f = p1 p2 pm = q1 q2 qt ,
gdje su p1 , . . . , pm , q1 , . . . , qt prosti polinomi u F[x]. Prost polinom pm dijeli f, pa
pm dijeli proizvod q1 q2 qt . Tada na osnovu prethodne posljedice pt dijeli jedan od
polinoma q1 , . . . qt . Neka npr. pm dijeli qj . Kako su oba polinoma monici i prosti,
to je pm = qj . Sada dokazujemo da je pm1 jednak nekom od polinoma qi (i = j).
Nastavljajuci ovaj postupak dobijamo da je m = t i da je pi = qji 1 i m.
Dakle, svaki neskalarni monik polinom ima faktorizaciju na nesvodljive, tj. proste
faktore. Ako su p1 , p2 , . . . , pr razliciti prosti monik faktori polinoma f, onda je
f = pn1 1 pn2 2 pnr ,
(7.4.1)
gdje eksponenti ni kazuju koliko se puta polinom pi pojavljuje kao faktor u faktorizaciji
polinoma f na proste faktore.
Faktorizacija (7.4.1) naziva se primarna dekompozicija polinoma f.
Teorem 7.4.6. Neka je f neskalarni monik polinom nad poljem F i neka je
f = pn1 1 pn2 2 pnk
primarna dekompozicija polinoma f. Za svako j, 1 j k, neka je fj =
su polinomi f1 , . . . , fk relativno prosti.
f
n
pj j
. Tada
Dokaz. Neka je d najveci zajednicki djelilac polinoma f1 , . . . , fk i d nije jedan. Tada

d | fi za svako i. Zato d dijeli f. Neka je q prosti faktor polinoma d. Tada je q
prosti faktor i polinoma f, pa je q jedan od polinoma p1 , p2 , . . . , pk . No, iz definicije
polinoma fi slijedi da je polinom fi relativno prost sa pi . Zbog toga ni jedan od prostih
polinoma pi ne moze biti q. Kontradikcija. Pretpostavka da je d = 1 dovela nas je do
kontradikcije, pa nije tacna.
Teorem 7.4.7. Neka je f polinom nad poljem F i f njegov izvodni polinom. Tada
je f proizvod ireducibilnih polinoma nad poljem F ako i samo ako su f i f relativno
prosti.
Dokaz. Pretpostavimo da u faktorizaciji polinoma f javlja se prosti faktor p bar dva
puta. Tada je f = p2 h za neko h F[x]. Tada je
f = p2 h + 2pp h = p(ph + 2p h).
Dakle, p | f . To znaci da polinomi f i f nisu relativno prosti.
183
Obrnuto, neka su u faktorizaciji f = p1 p2 pk svi prosti faktori p1 , . . . , pk medusobno razliciti. Neka je fj = pfj . Tada je
f = p1 f1 + p2 f2 + . . . + pk fk .
Pretpostavimo da polinomi f i f nisu relativno prosti. Neka je p prosti polinom koji
dijeli polinome f i f . Tada je p jedan od polinoma p1 , p2 , . . . , pk . Neka je p = pi .
Polinom pi dijeli fj (j = i), pa kako pi dijeli i f , to pi dijeli i pi fi . Tada pi | pi ili
pi | fi . Kako je druga mogucnost nemoguca, to pi | pi . Polinom pi je stepena manjeg
od polinoma pi , pa ga ne moze dijeliti. Dakle, pretpostavka da polinomi f i f nisu
relativno prosti dovela nas je do kontradikcije, pa nije tacna.
Definicija 7.4.8. Polje F naziva se algebarski zatvoreno polje ako svaki prosti polinom
nad F ima stepen jedan.
U algebarski zatvorenom polju svaki monik nesvodljiv polinom je oblika x ,
gdje je neki element polja F. Tada svaki polinom f ima faktorizaciju
f = (x 1 )n1 (x 2 )n2 (x k )nk ,
gdje je skalar koji predstavlja vodeci koeficijent polinoma f, a 1 , . . . , k razliciti
elementi polja F i n1 , . . . nk prirodni brojevi.
Polje realnih brojeva nije algebarski zatvoreno, jer je polinom x2 + 1 prost u R, a
nije prvog stepena.
Osnovni teorem algebre tvrdi da je polje kompleksnih brojeva algebarski zatvoreno
polje.
Ako je f polinom sa realnim koeficijentima i kompleksna nula polinoma f, onda
je i
takode nula polinoma f.
Primjer 7.4.9. Neka je f (x) polinom sa cjelobrojnim koeficijentima. Ako su brojevi f (0)
i f (1) neparni, onda polinom f (x) nema cjelobrojnih nula. Naime, neka je f (x) = an xn +
an1 xn1 + ... + a1 x + a0 . Tada je f (0) = a0 i f (1) = an + an1 + ... + a1 + a0 . Po pretpostavci
broj f(0) je neparan, pa je a0 neparan. Pretpostavimo da polinom f(x) ima cjelobrojnu nulu
k. Tada k dijeli a0 , pa kako je a0 neparan, to je k neparan. S druge strane imamo
2A + 1
= f (1) = f (1) f (k) = an (1 k n ) + ... + a1 (1 k)

= (1 k) an 1 + k + ... + k n1 + ... + a2 (1 + k) + a1 .
je
Znaci 1 k dijeli 2A + 1. Odavde slijedi da je 1 k neparan, tj. da je k paran. Sto
kontradikcija, jer smo ranije dobili da je k neparan.
Primjer 7.4.10. Odrediti sve vrijednosti racionalnog broja m tako da se polinom f (x) =
x3 2x2 2x + m nad Q razlaze na linearne faktore.
Rje
senje. Neka je jedna racionalna nula polinoma f (x). Tada je
f (x) = (x )(x2 + ( 2)x + 2 2 2)
184
GLAVA 7. POLINOMI
i m = 3 +22 +2. Polinom f (x) imace sve tri racionalne nule ako i samo ako polinom x2 +
2
(2)x+2 22 ima racionalne nule, tj. ako i samo ako je D = ( 2) 4 2 2 2
kvadrat racionalnog broja. Neka je D = 32 + 4 + 12 = A2 za neki racionalan broj A.
Odavde je 3A2 = 36 + 12 92 . Racionalan broj napisimo u obliku pq pri cemu su brojevi
p i q relativno prosti. Sada imamo 3A2 q 2 = 36q 2 + 12pq 9p2 = (6q + p)2 10p2 . Desna
strana je cio broj, pa je i lijeva strana cio broj. Dakle, Aq je cio broj i oznacimo ga sa B.
Zbog toga imamo 3B 2 = (6p + q)2 10p2 . Posmatrajmo kongruenciju po modulu 5. Imamo
3B 2 (p + q)2 (mod 5). Ovo je jedino moguce ako su obje strane kongruentne 0 po modulu 5.
Znaci mora biti B = 5C i p + q = 5r. Dalje imamo 75C 2 = 25r2 10p2 , tj. 15C 2 = 5r2 2p2 .
Odavde slijedi da je p djeljiv sa 5. Neka je p = 5d. Tada je q = 5r5d = 5(rd). Dakle, brojevi
p i q su djljivi sa 5, sto je suprotno pretpostavci da su oni relativno prosti. Pretpostavka da
su sve tri nule polinoma f (x) racionalne dovela nas je do kontradikcije, pa nije tacna. Prema
tome, ne postoji ni jedan racionalan broj m sa trazenom osobinom.
7.4.1
Zadaci
1. Neka je Q polje racionalnih brojeva. Ispitati koji od sljedecih podskupova skupa

Q[x] su ideali. U slucaju da je neki skup ideal naci njegov generatorni monik
polinom.
(a) skup svih polinoma parnog stepena;
(b) skup svih polinoma stepena 5;
(c) skup svih polinoma f takvih da je f (0) = 0;
(d) skup svih f takvih da je f (2) = f (4) = 0;
2. Naci najveci zajednicki djelilac za parove polinoma:
(a) 2x5 x3 3x2 6x + 4, x4 + x3 x2 2x 2;
(b) 3x4 + 8x2 3, x3 + 2x2 + 3x + 6;
(c) x4 2x3 2x2 2x 3, x3 + 6x2 + 7x + 1.
3. Neka je A neka n n matrica nad poljem F. Pokazati da skup svih polinoma f
iz F[x] takvih da je f (A) = 0 predstavlja ideal algebre F[x].
4. Neka je F neko potpolje polja kompleksnih brojeva i neka je
A=
1 2
0
3
Naci monik polinom d koji generise ideal svih polinoma f F[x] takvih da je
f (A) = 0.
5. Neka je f Z[x]. Odrediti vrijednosti parametara p i q tako da polinom f bude
djeljiv polinomom x2 + x + 1, ako je
185
(a) f = x4 + px2 + q;
(b) f = x4 + px + q;
(c) x5 + px2 + q;
(d) x5 + px + q.
6. Neka je f F[x] i F. Dokazati da x dijeli f (x) f ().
7. Naci kolicnik i ostatak pri djeljenju:
(a) x4 + 2x2 + 20x + 7 sa x + 3;
(b) x3 + x2 7 sa x + 4 + 4i;
(c) 2x5 2x3 sa x 1 2i;
(d) 33 2x2 + 3x 4 sa 3x2 2x + 1.
8. Dokazite da za sve nenegativne cijele brojeve k, l, m polinom x2 + x + 1 dijeli
polinom x3k + x3l+1 + x3m+2 .
9. Polinom f razloziti u Taylorov polinom po stepenima od x ako je:
(a) f = x4 + 2x2 + 20x + 7, = 3
(b) x5 + (2i 1)x3 2ix 5, = 1 i.
10. Nadite visestrukost korijena polinoma f ako je:
(a) f = 2x4 7x3 + 9x2 5x + 1, = 1;
(b) f = x5 5x4 + 40x2 80x + 48, = 2;
(c) f = x5 4ix4 + x2 3, = 2 i.
11. Pri djeljenju polinoma f sa x 1 i x 2 dobiju se ostaci 1 i 2. Odrediti ostatak
pri djeljenju tog polinoma sa (x 1)(x 2).
12. Nadite reale parametre a i b tako da polinomi x3 + ax2 + 18 i x3 + bx + 12 imaju
dva zajednicka korijena. Odrediti te korijene.
13. Nadite f ako je f = 3x3 2x2 + x 1 i f (2) = 2.
14. Odrediti vrijednost parametra a tako da polinom f ima visestruke korijene, a
zatim odrediti visestrukost tih korijena:
(a) f = x3 + ax2 + 3x 1;
(b) f = 2x3 x2 + ax + 3;
(c) f = 3x4 6x3 + ax2 2x + 1.
186
GLAVA 7. POLINOMI
15. Odrediti prirodan broj n tako da je polinom f = nx2n (2n 1)xn 9x + 17

djeljiv sa (x 1)2 .
16. Odrediti tako da:
(a) jedan korijen jednacine x3 21x + bude jednak dvostrukom drugom.
(b) suma dva korijena jednacine x3 + 12x2 + = 0 bude jednaka trecem korijenu.
(c) proizvod dva korijena jednacine x3 20x + = 0 bude jednak trecem
korijenu te jednacine.
17. Neka je a pozitivan realan broj i b proizvoljan realan broj. Dokazati da polinom
f = x3 + ax + b ima tacno jedan realan korijen.
18. Primjenom prethodnog zadatka dokazati da polinomi
(a) x3 + 7x2 + 24x 1;
(b) x3 5x2 + 12x + 1
(c) x3 x2 + x + k, (k R);
(d) x3 + 7x2 + 25x + k (k R)
imaju tacno jedan realan korijen.
19. Odredite parametar p tako da nule polinoma f = x3 + px2 6x + 8 R[x]
obrazuju geometrijsku progresiju.
20. Odrediti realan parametar q tako da nule polinoma f = x3 18x + qx + 24
obrazuju aritmeticku progresiju.
21. Razloziti sljedece polinome na ireducibilne faktore nad poljima C, R i Q :
(a) x4 2x3 27x2 44x + 7;
(b) x4 + x3 5x2 + 2;
(c) 3x4 5x3 + 3x2 + 4x 2;
(d) 5x4 + 44x3 + 28x2 + 4x + 1.
22. Neka su x1 , x2 , x3 nule polinoma g = x3 +ax2 +bx+c Z[x]. Ako je f proizvoljan
polinom sa cjelobrojnim koeficijentima, onda je f (x1 ) + f (x2 ) + f (x3 ) cio broj.
Dokazati!
Glava 8
Determinante
U ovom poglavlju ispitivacemo osnovne osobine determinanti kvadratnih matrica nad
prstenima i poljima.
8.1
Komutativni prsten
Definicija 8.1.1. Uredenu trojku (R, +, ) nepraznog skupa R i binarnih operacija +

i na R nazivamo prsten ako su zadovoljeni uslovi:
(a) (R, +) je komutativna grupa;
(b) ( x, y, z R) (xy)z = x(yz);
(c) ( x, y, z R) x(y + z) = xz + xz, (x + y)z = xz + yz.
Ako je xy = yx za svako x, y R, onda kazemo da je prsten komutativan.
Ako postoji element 1 R takav da je 1x = x1 za svako x R, onda kazemo da je R
prsten sa jedinicom, element 1 nazivamo jedinica prstena R.
U nasem daljem razmatranju smatracemo da je R komutativan prsten sa jedinicom.
Definicija 8.1.2. Neka je R komutativan prsten sa jedinicom. Preslikavanje A koje
uredenom paru (i, j) prirodnih brojeva, 1 i m, 1 j n, pridruzuje element Aij
prstena R nazivamo matrica. Uobicajeno je da se matrica predstavlja pravougaonom
semom od m vrsta i n kolona ciji su elementi Aij vrijednosti funkcije A na paru (i, j).
Sabiranje i mnozenje matrica nad prstenom R izvodi se na isti nacin kao i sabiranje
i mozenje matrica nad poljem F. Dakle,
n
(A + B)ij = Aij + Bij , (AB)ij =
Aik Bkj .
k=1
187
188
GLAVA 8. DETERMINANTE
Jasno, mogu se sabirati samo one matrice koje imaju jednak broj vrsta i jednak broj
kolona, tj. matrica istog foramata. Proizvod AB postoji samo ako matrica B ima
onoliko vrsta koliko matrica A ima kolona.
Jednostavno se dokazuje da u prstenu, kao i u polju vrijedi:
A(B + C) = AB + AC, (AB)C = A(BC).
8.2
Determinantna funkcija
Definicija 8.2.1. Neka je R komutativan prsten sa jedinicom, n prirodan broj i

D : Rnn R funkcija koja kvadratnoj matrici A pridruzuje element D(A) prstena
R. Kazemo da je D nlinearno preslikavanje ako je za svako i, 1 i n, D linearna
funkcija i te vrste, dok se ostale n 1 vrste drze fiksnim.
Oznacimo sa 1 , 2 , . . . , n vrste matrice A reda n n nad prstenom R. Neka je
D funkcija sa Rnn u R. Sada mozemo pisati
D(A) = D(1 , 2 , . . . , n ),
tj. funkciju D mozemo shvatiti kao funkciju vrsta matrice A. Cinjenica

da je D
n-linearna funkcija znaci
D(1 , . . . , i + i , . . . , n ) = D(1 , . . . , i , . . . n )
+ D(1 , . . . , i , . . . , n ).
(8.2.1)
Ako fiksirame sve vrste osim itu, onda D mozemo posmatrati kao funkciju ite
vrste. Tada umjesto D(A) pisemo D(i ). Sada relaciju (8.2.1) mozemo napisati u
obliku
D(i + i ) = D(i ) + D(i ).
Primjer 8.2.2. Neka su k1 , . . . , kn prirodni brojevi, 1 ki n, i neka je proizvoljno
odabran element polja F. Za svaku n n matricu A nad poljem F definisimo:
D(A) = A(1, k1 ) . . . A(n, kn ).
(8.2.2)
Tada je D nlinearna funkcija, odnosno, D je linearna funkcija svake vrste matrice A.

Specijalno za = 1 i ki = i, 1 i n je D(A) = A11 A22 Ann n-linearna funkcija.
Drugim rijecima proizvod dijagonalnih elemenata matrice A Fnn je nlinearna funkcija.
Primjer 8.2.3. Odredimo sve 2linearne funkcije matrica reda 22 nad poljem F. Oznacimo
sa 1 i 2 vrste jedinicne matrice, tj. neka je 1 = (1, 0) i 2 = (0, 1). Neka su 1 i 2 vrste
proizvoljne matrice A reda 2 2. One se mogu napisati u obliku
1
= A11
+ A12 2 ,
= A21
+ A22
8.2. DETERMINANTNA FUNKCIJA
189
Tada je
D(A) = D(1 , 2 ) = D(A11
+ A12 2 , A21
+ A22 2 ).
Zbog linearnosti po svakoj vrsti immo:

D(A) =
+
A11 A21 D( 1 ,
A12 A21 D( 2 ,
1)
+ A11 A22 D( 1 ,
)
1 + A12 A22 D( 2 ,
2)
2 ).
To znaci da je funkcija D odredena sa cetiri skalara:

D( 1 ,
1 ),
D( 1 ,
2 ),
D( 2 ,
1 ),
D( 2 ,
2 ).
Ako su a, b, c i d ta cetiri skalara, onda je

D(A) = A11 A12 a + A11 A22 b + A12 A21 c + A12 A22 d.
Definicija 8.2.4. Neka je D nlinearna funkcija. Kazemo da je D alternirajuca

funkcija, ako vrijede uslovi:
(a) D(A) = 0 kad god su dvije vrste matrice A jednake.
(b) Ako je A matrica dobijena iz matrice A zamjenom mjesta dviju vrsta, onda je
D(A ) = D(A).
Mi cemo u Lemi 8.2.8 dokazati da iz uslova (a) automatski slijedi uslov (b). Zbog
cega onda stavljamo oba uslova u definiciju? To je stvar konvencije. Ako funkcija
D zadovoljava uslov (b) i matrica A ima dvije jednake vrste, onda se lahko vidi da
je D(A) = D(A). Da li odavde slijedi D(A) = 0? Odgovor ne mora biti potvrdan.
Naime, u prstenu Z2 je 1 = 1, ali nije 1 = 0. To znaci da uslovi (a) i (b) nisu
ekvivalentni.
Definicija 8.2.5. Neka je R komutativni prsten sa jedinicom i neka je n prirodan
broj. Za funkciju D : Rnn R kazemo da je detrminantna funkcija, ako je D
nlinearna, alternirajuca funkcija i D(I) = 1, gdje je I jedinicna matrica reda n n.
Primjer 8.2.6. Neka je D 2linearna funkcija iz prethodnog primjera. Ako je D alternirajuca funkcija, ona je
D( 1 , 1 ) = D( 2 , 2 ) = 0
i
D( 2 ,
1)
= D( 1 ,
2)
= D(I).
Ako je D jos i determinantna funkcija,tj. ako je D(I) = 1, onda je

D(A) = A11 A22 A12 A21 .
190
Primjer 8.2.7. Neka je F polje i D 3linearna funkcija na skupu 3 3 matrica nad poljem
F. Neka su 1 = (1, 0, 0),
Odredimo D(A), gdje je
= (0, 1, 0) i
= (0, 0, 1) vrste jedinicne matrice I reda 3 3.
x2
0 .
x3
x 0
A= 0 1
1 0
Vrste matrice A su
1
2
3
pa je D(A) = D(x
D(A) =
=
=
=
x2 3 ,
2, 1
= x 1 x2 3 ,
= 2,
= 1 + x3 3 ,
+ x3 3 ). Odavde je
xD( 1 , 2 , 1 + x3 3 ) x2 D( 3 , 2 , 1 + x3 3 )
x D( 1 , 2 , 1 ) + x3 D( 1 , 2 , 3 ) x2 D( 3 ,
3
x 0 + x 1 D( 1 ,
4
x +x
D( 1 ,
2, 3)
1 D( 1 ,
2, 1)
2, 3)
+ x3 D( 3 ,
2, 3)
+x 0
2 , 3 ).
Lema 8.2.8. Neka je D nlinearna funkcija na skupu svih matrica n n prstena

R. Pretpostavimo da je D(A) = 0 za svaku matricu A koja ima dvije jednake vrste.
Tada je D alternirajuca funkcija.
Dokaz. Neka je A matrica nastala iz matrice A medusobnom zamjenom ite i jte
vrste, gdje su i i j razliciti prirodni brojevi. Neka je B matrica kod koje su vrste
k = k za k = i i k = j i i = j = i + j . Dakle, matrica B ima dvije jednake
rste, pa je D(B) = 0. Odavde imamo
0 = D(1 , . . . , i1 , i + j , i+1 , . . . , j1 , i + j , j+1 , . . . , n )
= D(1 , . . . , i1 , i , i+1 , . . . , j1 , i + j , j+1 , . . . , n )
+ D(1 , . . . , i1 , j , i+1 , . . . , j1 , i + j , j+1 , . . . , n )
= D(1 , . . . , i1 , i , i+1 , . . . , j1 , i , j+1 , . . . , n )
+ D(1 , . . . , i1 , i , i+1 , . . . , j1 , j , j+1 , . . . , n )
= D(1 , . . . , i1 , j , i+1 , . . . , j1 , i , j+1 , . . . , n )
+ D(1 , . . . , i1 , j , i+1 , . . . , j1 , j , j+1 , . . . , n )
= 0 + D(A) + D(A ) + 0 = D(A) + D(A ).
Dakle, D(A ) = D(A).
Neka je n > 1 prirodan broj i A matrica reda n n nad prstenom R. Oznacimo
sa A(i | j) matricu reda (n 1) (n 1) koja nastaje iz matrice A izostavljanjem
njene ite vrste i jte kolone. Ako je D (n 1)linearna funkcija i A matrica reda
n n nad prstenm R, uvedimo oznaku
Dij (A) = D[A(i | j)].
191
Teorem 8.2.9. Neka je n prirodan broj veci od 1 i D bilo koja alternirajuca (n

1)linearna funkcija na skupu (n 1) (n 1) matrica nad komutativnim prstenom
R sa jedinicom 1. Za svako j, 1 j n, funkcija definisana sa
n
(1)i+j Aij Dij (A),
Ej (A) =
A R(n1)(n1)
(8.2.3)
i=1
je alternirajuca nlinearna funkcija. Ako je, pri tome, D determinantna funkcija,

onda je Ej determinantna funkcija.
Dokaz. Prema definiciji funkcija Dij ne zavisi od ite vrste matrice na koju se
primjenjuje. Dakle, element Dij (A) prstena R ne zavsi od ite vrste matrice A.
Funkcija Dij je definisana pomocu (n 1)linearne funkcije D, pa je i sama (n
1)linearna funkcija. Zato je Aij Dij jedna nlinearna funkcija. Linearna kombinacija nlinearnih funkcija je nlinearna funkcija. Zbog toga je Ej jedna nlinearna
funkcija. Da bi dokazali da je Ej alternirajuca funkcija dovoljno je dokazati da je
Ej (A) = 0 za svaku matricu A Rnn kod koje su dvije vrste jednake. Pretpostavimo da su kta i lta vrsta matrice A jednake, tj. da je k = l . U sumi
(8.2.3)indeks i se mjenja od 1 do n. Ako je i = k i i = l, onda matrice A(i | k) i
A(i | l) imaju iste itu i ktu vrstu, pa je Dij (A) = D[A(i | j)] = 0. To znaci da ce
suma (8.2.3) imati oblik
Ej (A) = (1)k+j Akj Dkj (A) + (1)l+j Alj Dlj (A).
Neka je B matrica reda (n 1) (n 1) nastala iz matrice A(l, j) tako sto smo
izvrsili l k 1 medusobnu zamjenu vrsta i to tako da su kta i k + 1 vrsta zamjenile
medusobno mjesto, zatim bivsa kta sa k + 2 vrstom i tako dolje sve dok kta
vrsta ne dode izmedu vrsta l 1 i l + 1. Kako su kod matrice A kta i lta vrste
jednake to ce biti B = A[k, j]. Tada je Dkj (A) = D(B) = (1)lk1 D(A[l, j]), tj.
Dlj (A) = (1)l+k+1 Dkj (A), pa je
Ej (A) = (1)k+j Akj Dkj (A) + (1)l+j Alj Dlj (A)
= (1)k+j Akj Dkj (A) + (1)l+j (1)k+1l Alj Dkj (A)
= (1)k+j Akj Dkj (A) + (1)k+j+1 Akj Dkj (A)
= 0,
jer je Alj = Akj .Dakle, Ej je alternirajuca nlinearna funkcija.
Neka je sada D determinantna funkcija. Da bi dokazali da je Ej determinantna
funkcija potrebno je dokazati da je D(I (n) ) = 1, gdje je I (n) jedinicna matrica reda
n n. Kako je I (n) (j | j) = I (n1) , to je
Djj (I (n) ) = D(I (n) (j | j)) = D I (n1) = 1.
Buduci da je Iij = ij , to u sumi (8.2.3) ostaje samo sabirak jj Djj (I (n) ) koji je
jednak 1. Ovim smo dokazali da je Ej (I (n) ) = 1.
192
Primjer 8.2.10. Neka je n = 1. Posmatrajmo funkciju D : R11 R definisanu sa

D(()) = , gdje je () proizvoljna matrica reda 1 1. Tada je ocigledno D determinantna
funkcija.
Primjer 8.2.11. Neka je n = 2 i B proizvoljna matrica reda 2 2 nad prstenom R. Tada

je
E1 (B) = (1)1+1 B11 D11 (B) + (1)2+1 B21 D21 = B11 B22 B21 B12 ,
E2 (B) = (1)1+2 B12 D12 (B) + (1)2+2 B22 D22 = B12 B21 + B11 B22 .
Dakle, E1 (B) = E2 (B). Prema prethodnom teoremu je E1 determinantna funkcija na R22 .
Kako vidimo ova determinantna funkcija se poklapa sa klasicnom determinantom drugog reda.
Iz ova dva primjera vidimo da za n = 1 i n = 2 postoje determinantne funkcije

reda n. Postavlja se pitanje da li za svaki prirodan broj n postoji determinantna
funkcija. Odgovor na to pitanje slijedi iz prethodne teoreme primjenom indukcije po
n.
Posljedica 8.2.12. Neka je n prirodan broj veci od 1. Tada postoji determinantna
funkcija na Rnn .
Primjer 8.2.13. Neka je R prsten polinoma nad poljem realnih brojeva i
x3
1 .
x3
x1
x2
0 x2
A=
0
0
Tada je
E1 (A)
(x 1)
E2 (A)
= x2
0
0
x2
0
1
x3
1
x3
+ (x 2)
= (x 1)(x 2)(x 3),

x3
x3
=
E3 (A)
(x 1)(x 2)(x 3),

0 x2
x1
= x3
0
0
0
x1
0
x2
0
+ (x 3)
x1
0
x3
x2
= (x 1)(x 2)(x 3).
8.2.1
Zadaci
1. Svaki od sljedecih izraza definise funkciju D na skpu 3 3 matrica nad poljem

realnih brojeva. U kojem slucaju je D 3linearna funkcija?
(a) D(A) = A11 + A22 + A33 ;
(b) D(A) = (A11 )2 + 3A11 A22 ;
(c) D(A) = A11 A12 A33 ;
193
(d) D(A) = A13 A22 A32 + 5A12 A22 A32 ;

(e) D(A) = 0;
2. Neka je R komutativan prsten sa jedinicom. Ako je A neka 2 2 matrica onda
matricu adj A definisemo relacijom
adj A =
A22 A12
A21
A11
Neka det A oznacava klasicnu determinantu matrice A reda 2 2. Pokazati da

je
(a) (adj A)A = A(adj A) = (det A)I;
(b) det (adj A) = det A;
(c) adj (At ) = (adj A)t , pri cemu At oznacava transponovanu matricu matrice
A.
3. Neka je A neka 2 2 matrica nad poljem F.
(a) Pokazati da je A invertibilna ako i samo ako je det A = 0. Dati formulu za
A1 .
(b) Ako je A2 = 0, pokazati da za svaki skalar F vrijedi
det (I A) = 2 .
4. Neka je F polje i A matrica reda 2 3 nad F. Definisimo vektor (1 , 2 , 3 ) F3
relacijama:
1 =
A12 A13
A22 A23
, 2 =
A13 A11
A23 A21
, 3 =
A11 A12
A21 A22
,.
Pokazati da je:
(a) rang A = 2 ako i samo ako je (1 , 2 , 3 ) = (0, 0, 0);
(b) Ako A ima rang 2, onda je (1 , 2 , 3 ) baza prostora rjesenja sistema
liearnih jednacina AX = 0.
194
8.3
Jedinstvenost determinantne funkcije
U ovom paragrafu cemo dokazati jedinstvenost determantne funcije na skupu Rnn .

Da bi to dokazali moramo uvesti pojam permutacije i ispitati neke njene osnovne
osobine.
Neka je D alternirajuca nlinearna funkcija na Rnn i A matrica nad R sa vrstama
1 , 2 , . . . , n . Oznacimo sa 1 , 2 , . . . , n vrste jedinicne matrice I (n) . Tada je
n
i =
A(i, k1 )
k1 ,
1 i n.
k1 =1
Odavde je
n
D(A) = D(
A(1, k1 )
k1 , 2 , . . . , n )
k1 =1
n
A(1, k1 )D(
k1 , 2 , . . . n ).
k1 =1
Ako u ovoj jednakosti zamjenimo 2 sa

n
2 =
A(2, k2 )ek2
k2 =1
imacemo
A(1, k1 )A(2, k2 )D(
D(A) =
k1 , k2 , 3 , . . . , n ).
k1 =1 k2 =1
Nastavljajuci ovaj postupak na kraju cemo imati

n
D(A) =
k1 =1 k2 =1
A(1, k1 )A(2, k2 ) A(n, kn )D(
k1 , k2 , . . . , kn ).
(8.3.1)
kn
Posto je D alternirajuca funkcija, to je D( k1 , k2 , . . . , kn ) = 0 kad god su dva indeksa

k1 , k2 , . . . , kn jednaka. Dakle, D( k1 , k2 , . . . , kn ) = 0 ako i samo ako su svi indeksi
k1 , k2 , . . . , kn razliciti, tj. ako predstavljaju neku permutaciju skupa {1, 2, . . . , n}. Pri
cemu pod permutacijom skupa {1, 2, . . . , n} podrazumjevamo bijektivno preslikavanje
skupa {1, 2, . . . , n} na samog sebe. Ako je neka permutacija skupa onda izraz
=
1
2 ...
n
(1) (2) . . . (n)
znaci da permutacija broju k pridruzuje broj (k). Permutacija skupa {1, 2, . . . , n}

ima n!. Skup svih tih permutacija cini grupu u odnosu na slaganje (kompoziciju)
8.3. JEDINSTVENOST DETERMINANTNE FUNKCIJE
195
preslikavanja. Tu grupu oznacavamo sa Sn . Zbg toga formulu (8.2.2) mozemo napisati

u obliku
D(A) =
A(1, (1))A(2, (2)), . . . , A(n, (n))D
(1) , (2) , . . . , (n
(8.3.2)
Sn
Sada cemo pokazati da je uvijek

D
(1) , (2) , . . . , (n
= 1D(I).
Niz (1), (2), . . . , (n) nastao je od niza 1, 2, . . . , n medusobnom zamjenom mjesta

u konacnom broju parova. Svaka zamjena mjesta dovodi do promjene znaka determinantne funkcije. Ako smo imali ukupno m zamjena onda je
D
(1) , (2) , . . . , (n)
= (1)m D ( 1 ,
2, . . . , n)
= (1)m D(I).
(8.3.3)
Ispitajmo sada vezu izmedu broja m i permutacije . Razmotrimo prvo sljedece primjere.
Primjer 8.3.1. Neka je
1
3
2
5
3
1
4
2
5 6
6 4
Da bismo dobili niz 3, 5, 1, 2, 6, 4 iz niza 1, 2, 3, 4, 5, 6 potrebno je izvrsiti sljedece zamjene

mjesta u parovima: (1, 3); (2, 5); (4, 2); (4, 6). Na taj nacin dobijamo redom nizove
3, 2, 1, 4, 5, 6; 3, 5, 1, 4, 2, 6; 3, 5, 1, 2, 4, 6 i 3, 5, 1, 2, 6, 4.
Dakle, permutacija je nastala iz niza 1, 2, 3, 4, 5, 6 medusobnom zamjenon mjesta u cetiri
para.

=
1
7
2
4
3
1
4
6
5
3
6
5
7
2
Izvrsimo redom sljedece transpozicije, tj. medusobne zamjene mjesta u parovima:

(1, 7); (2, 4); (1, 3); (2, 6); (3, 5) i (2, 5)
i na kraju cemo dobiti permutaciju .
U kursu Algebre 1 bice dokazano da se svaka permutacija moze prikazati kao

proizvod transpozicija, tj. da se moze dobiti medusobnom zamjenom mjesta u konacno
mnogo parova. Ovu cinjenicu cemo sada prihvatiti intuitivno bez dokaza i koristiti
je u daljem radu. U prikazu permutacije u obliku proizvoda transpozicija broj transpozicija ne mora biti fiksan, tj. jedna permuacija se moze na vise nacina prikazati
u obliku transpozicija i sa razlicitim brojem transpozicija. On sto je konstatno u
196
tom prikazu je parnost broja transpozicija. Ako je u jednom prikazu broj transpozicija neparan (paran), onda je u svim drugim prikazima taj broj iste parnosti.
Zbog toga permutacije dijelimo na parne i neparne. Za permutaciju kazemo da je
parna (neparna) ako se moze napisati u obliku proizvoda parnog (neparnog) broja
transpozicija. Definisimo znak permutacije:
sgn =
1, ako je parna
1, ako je neparna
Rezimirajuci naprijed receno zakljucujemo da vrijedi (1)m = sgn , pa iz (8.3.3)

imamo D (1) , (2) , . . . , (n = sgn . Sada se (8.3.2) moze napisati u obliku
D(A) =
(sgn )A(1, (1))A(2, (2)), . . . , A(n, (n))D(I).
(8.3.4)
Sn
Ako je D determinantna funkcija, onda je D(I) = 1, pa iz (8.3.4) slijedi da je determintna funkcija jednoznacno odredena na skupu matrica reda n n nad prstenom R.
Ovako odredenu determinantnu funkciju oznacavamo sa det. Dakle,
det(A) =
sgn A(1, (1))A(2, (2)), . . . , A(n, (n)).
(8.3.5)
Sn

Teorem 8.3.3. Neka je R komutativan prsten sa jedinicom i n prirodan broj. Postoji
tacno jedna determinantna funkcija na skupu n n matrica nad prstenom R i ta
funkcija zadovoljava (8.3.5). Ako je D neka alternirajuca funkcija na Rnn , tada za
svaku matricu A Rnn vrijedi
D(A) = (det A)D(I),
gdje je I jedinicna matrica reda n n.
Neka je R prsten i i permutacije skupa {1, 2, . . . , n}. Posmatrajmo permutaciju
. Broj parova transpozicija u ovoj permutaciji jednak je zbiru broja parova u
prikazu permutacija i . To znaci da ce biti parna permutacija, ako su obje
permutacije i parne ili su obje neparne, a neparna ako su permutacije i
razlicite parnosti. Zbog toga je
sgn () = (sgn ) (sgn ).
Neka je R prsten cijelih brojeva i neka su i permutacije skupa {1, 2, . . . , n}.
Neka su 1 , 2 , . . . , n vrste jedinicne matrice I. Neka su A i B matrice sa vrstama
zi
(1) , (2) , . . . , (n) i (1) , (2) , . . . , (n) , respektivno. ita vrsta matrice B sadr
8.3. JEDINSTVENOST DETERMINANTNE FUNKCIJE
197
tacno jedan nenulti element 1 i on se nalazi u (i)toj koloni. Posmatrajmo matricu

BA. Tu je
n
Bik Akj .
(BA)ij =
k=1
ita vrsta ove matrice ce biti
()(i) .
Iz ovih uslova slijedi da je
det(A) = sgn ,
det(B) = sgn
det(BA) = sgn ().
Kako je sgn () = sgn sgn , to je det(BA) = det(B) det(A).
Teorem 8.3.4. Neka je R komutativan prsten sa jedinicom, A i B matrice reda nn
nad prstenom R. Tada je
det(AB) = det(A) det(B).
Dokaz. Neka je B data n n matrica nad prstenom R. Definisimo funkciju D :
Rnn R relacijom
D(C) = det(CB), C Rnn .
Specijalno za C = A imamo D(A) = det(AB). Pokazimo da je D nlinearna alternirajuca funkcija.
Ako su 1 , 2 , . . . , n vrste matrice A, onda je
D(A) = D(1 B, 2 B, . . . , n B),
pri cemu i B oznacava proizvod matrice i reda 1 n i matrice B. Taj rezultat je
matrica reda 1 n i predstavlja itu vrstu matrice AB. Kako je (i + i )B =
i B + i B i funkcija det determinantna funkcija, pa je nlinearna funkcija, to je
D nlinearna funkcija.
Pokazimo da je D alternirajuca funkcija. Neka je i = j za neke i, j {1, 2, . . . , n}.
Tada je i B = j B, pa matrica AB ima dvije jednake vrste. Kako je det alternirajuca
funkcija, to je det(AB) = 0. Dakle, D(A) = 0.
Ovim smo pokazali da je D nlinearna alternirajuca funkcija, pa je na osnovu
prethodne teoreme
D(A) = det(A)D(I).
Prema definiciji funkcije D imamo D(I) = det(IB) = det(B). Dakle, D(A) =
det(A) det(B), tj. det(AB) = det(A) det(B).
198
8.3.1
Zadaci
1. Neka je R komutativan prsten sa jedinicom. Dokazati da je
0
a b
0 c = 0;
(a) det a
b c 0
1 a a2
(b) det 1 b b2 = (b a)(c a)(c b).
1 c c2
2. Neka je A neka 2 2 matrica nad poljem F. Dokazati da je
det(I + A) = 1 + det(A)
ako i samo ako je trag matrice A jednak nuli. (Trag matrice A je suma svih
elemenata na glavnoj dijagonali matrice A. U nasem slucaju to je A11 + A22 .)
3. Matrica A reda n n naziva se gornje trougaona matrica ako je Aij = 0 kada je
i > j, a donje trougaona, ako je Aij = 0 kad god je i < j. Gornju odnosno donju
trougaonu matricu jednim imenom nazivamo trougaona matrica. Dokazati da
je determinanta trougaone matrice jednaka proizvodu elemenata na glavnoj
dijagonali, tj det(A) = A11 A22 . . . Ann .
4. Neka je A neka 3 3 matrica nad poljem kompleksnih brojeva. Formirajmo
matricu xI A kod koje su koeficijenti polinomi ij x Aij prvog stepena. Ako
je f = det(xI A), pokazati da je f monik polinom stepena 3. Ako taj polinom
napisemo u obliku f = (x 1 )(x 2 )(x 3 ) dokazati da je 1 + 2 + 3 =
trag(A) i 1 2 3 = det(A).
8.4
Jo
s neke osobine determinanti
U ovom paragrafu dokazacemo jos neke osobine determinanti koje imaju veliku prakticnu
primjenu.
Teorem 8.4.1. det(At ) = det(A).
Dokaz. Prema definiciji transponovane matrice vrijedi Atij = Aji za svako i i svako j.
Neka je proizvoljna permutacija skupa {1, 2, . . . , n}. Tada je At (i, (i)) = A((i), i)
8.4.
JOS NEKE OSOBINE DETERMINANTI
199
za svako i. Kako je bijektivno preslikavanje, to za savko i postoji j takav da je

i = 1 (j), pa je A ((i), i) = A j, 1 (j) . Sada imamo
det(At ) =
(sgn )At (1, (1))At (2, (2)) At (n, (n))

Sn
(sgn )A((1), 1)A((2), 2) A((n), n)

Sn
(sgn )A 1, 1 (1) A 2, 1 (2) . . . A n, 1 (n)
=
Sn
Pemutacije i 1 imaju isti znak, jer je 1 identicna permutacija, pa je parna. S

druge strane kada prolazi skupom Sn isto je kao i da 1 prolazi skupm Sn . Naime,
ako je Sn bilo koji element, onda je i 1 element Sn . Ako je 1 Sn , onda je i
Sn . Zbog toga je
det(At ) =
(sgn )A 1, 1 (1) A 2, 1 (2) . . . A n, 1 (n)

Sn
(sgn 1 )A 1, 1 (1) A 2, 1 (2) . . . A n, 1 (n)
=
1 Sn
= det(A)
Teorem 8.4.2. Neka je matrica B dobijena iz matrice A tako sto smo itoj vrsti
dodali jtu vrstu pomnozenu skalarom . Tada je det(B) = det(A).
Dokaz. Bez ogranicenja opstosti mozemo pretpostaviti da je i < j. Neka su 1 , 2 , . . . , n
vrste matrice B. Tada je
k =
k , ako je k = i
i + j , ako je k = i.
Zbo toga je
det(B) = det(1 , . . . , i1 i + j , i+1 , . . . , j , . . . , n )
= det(1 , 2 , . . . , n ) + det(1 , . . . i1 , j , i+1 , . . . , j , . . . , n )
= det(A) + det(1 , . . . i1 , j , i+1 , . . . , j , . . . , n )
= det(A) + 0
= det(A).
200
Teorem 8.4.3. Neka je A matrica reda r r, B matrica reda r s i C matrica reda

s s nad prstenom R. Tada je
det
A B
0 C
= det(A)det(C),
gdje je 0 nula matrica reda s r.

Dokaz. Definisimo funkciju
D(A, B, C) = det
A B
0 C
Ako fiksiramo A i B, onda D zavisi samo C. Iz definicije funkcije D slijedi da je D

slinearna alternirajuca funkcija vrsta matrice C. Tada je
D(A, B, C) = (det(C))D(A, B, I) = (det(C))det
A B
0 I
gdje je I jedinicna matrica reda s s. Primjenjujuci prethodnu teoremu na determinantu

A B
det
0 I
dobicemo
det
A B
0 I
= det
A 0
0 I
= D(A, 0, I).
Funkcija D(A, 0, I) je rlinearna alternirajuca funkcija, pa je

D(A, 0, I) = (det(A))D(I, 0, I) = (det(A)) 1,
jer je
D(I, 0, I) = det
I 0
0 I
= det I (r+s) = 1.
Konacno imamo
D(A, B, C) = (det(C))D(A, B, I)
= (det(C))D(A, 0, I)
= (det(C))(det(A))D(I, 0, I)
= (det(C)) (det(A)).
8.4.
1
2
A=
4
1
1
2
1
2
201
2
3
0
2
.
1 1
3
0
Odredimo determinantu matrice A. To cemo uraditi tako sto cemo matricu A prevesti u
blok matricu i primjeniti prethodni teorem. To prevodenje se moze uraditi na sljedeci nacin:
pomnozimo prvu vrstu sa -2 i dodamo drugoj. Tada ce druga vrsta imati oblik 0, 4,-4,-4.
Zatim ponovo mnozimo prvu vrstu sa -4 i dodajemo trecoj. Treca vrsta ce imati oblik 0,5,-9,13. Sada mnozimo prvu vrstu sa -1 i dodajemo cetvroj i dobijamo 0,3,1,-3. Sada drugu vrstu
mnozimo sa 45 i dodajemo trecoj i dobijamo 0,0,-4,-8. Drugu vrstu mnozimo sa 34 i nakon
dodavanja cetvrtoj dobije se 0,0,4,0. Tako smo dobili matricu
1 1
2
3
0
4 4 4
.
B=
0
0 4 8
0
0
4
0
Kako vidimo ovu matricu mozemo napisati u obliku blok matrice
B=
U
0
V
W
gdje je
U=
1
0
1
4
, V =
2
4
3
4
iW =
4
4
8
0
Tada je det(B) = (det(U )) (det(V )) = 4 32 = 128.
Neka je n prirodan broj veci od 1 i A matrica reda nn nad prstenom R. U teoremu

8.2.9 smo konstruisali determinantnu funkciju na Rnn , pomocu neke zadane determinantne funkcije na R(n1)(n1) . Sada cemo dokazati jedinstvenost determinantne
funkcije na Rnn . Dokazali smo ranije da za svaku nlinearnu alternirajucu funkciju
D vrijedi D(A) = det(A)D(I). Kako svaka determinantna funkcija D je nlinearna
alternirajuca funkcija za koju je D(I) = 1, to je D(A) = det(A) 1 = det(A). Dakle,
svaka determinantna funkcija D je jednaka det, gdje je
det(A) =
(sgn )A(1, (1) A(n, (n)).

Sn
Ako u formuli (8.2.3) fiksiramo kolonu j imamo

n
(1)i+j Aij det(A(i | j)).
det(A) =
(8.4.1)
i=1
Skalar (1)i+j det(A(i | j)) se naziva kofaktor elementa Aij . Formulu (8.4.1) nazivamo razvoj determinante matrice A po jtoj koloni.
202
Stavimo Cij = (1)i+j detA(i | j). Tada formulu (8.4.1) mozemo napisati u obliku
n
det A =
Aij Cij .
i=1
Postavlja se pitanje cemu je jednaka suma

n
Aik Cij
i=1
ako je k = j. Da bi odgovorili na ovo pitanje posmatrajmo matricu B koja je nastala

iz matrice A tako sto smo njenu jtu kolonu zamjenili sa ktom kolononom, tj.
Bij = Aik za svako i. Matrica B ima dvije kolone (itu i jtu) jednake, pa je njena
determinanta jednaka nuli. Dakle,
0 = det B
n
(1)i+j Bij detB(i | j)
=
i=1
n
(1)i+j Aik detB(i | j)
=
i=1
n
Aik Cij .
i=1
Prema tome vrijedi
Aik Cij = 0.
(8.4.2)
i=1
Formule (8.4.1) i (8.4.2) mozemo napisati u obliku

n
Aik Cij = jk det A.
(8.4.3)
i=1
Buduci da je det(At ) = det(A), to se analogno pokazuje da vrijedi

n
Aik Cjk = ij det A.
(8.4.4)
k=1
Matricu adj A koja je transponovana matrica kofaktora matrice A nazivamo klasicna

adjungovana matrica matrice A. Dakle,
(adj A)ij = Cji = (1)i+j A(j | i).
(8.4.5)
8.4.
203
Iz formule (8.4.3) slijedi

(adj A)A = (det A)I,
(8.4.6)
a iz fomule(8.4.4) slijedi
A(adj A) = (det A)I.
Dakle,
A(adj A) = (adj A)A = (det A)I.
Definicija 8.4.5. Za matricu A Rnn kazemo da je invertibilna ako postoji matrica
A1 Rnn takva da je AA1 = A1 A = I.
Teorem 8.4.6. Neka je A matrica reda n n nad prstenom R. Matrica A je invertibilna ako i samo ako je det A invertibilan element prstena R. Kada je matrica A
invertibilna onda je
A1 = (det A)1 adj A.
(8.4.7)
Specijalno, kvadratna matrica A nad poljem F je invertibilna ako isamo ako je det A =
0.
Dokaz. Neka je matrica A invertibilna. Tada postoji matrica A1 i vrijedi A A1 =
I = A1 A. Odavde je
1 = det(I) = det (A A1 ) = det A det (A1 ) = det (A1 ) det A.
Odavde slijedi da je elemen det A invertibilan element prstena R i vrijedi (det A)1 =
det A1 .
Obrnuto ako je det A invertibilan element prstena R, onda iz (8.4.7) slijedi da je
matrica (det A)1 adj A inverzna matrica matrice A.
A=
2
5
3
a
(a Z)
matrica nad prstenom cijelih brojeva. Odredimo adj A i ispitajmo za koje vrijednosti parametra a postoji inverzna matrica A1 .
Kratkim racunom nalazimo det A = 2a 15. U prstenu cijelih brojeva jedni invertibilni
elementi su 1 i -1. Iz det A = 1 slijedi a = 8, a iz det A = 1 slijedi a = 7. Dalje je
adj A =
a 3
5
2
Odavde je (adj A)A = (2a 15)I. Za a = 8 inverzna matrica je A1 = adj A, a za a = 7

inverzna matrica je A1 = adj A.
204
Prisjetimo se da su matrice A i B slicne ako postoji invertibilna matrica P takva

da je B = P 1 AP. Odavde je
det(B) = det(P 1 AP ) = det(P 1 ) det (A) det (P )
= (det (P ))1 det (A) det (P )
= det (A).
Dakle, slicne matrice imaju jednake determinante. S druge strane sve slicne matrice
odgovaraju istoj liearnoj transformaciji konacno-dimenzionalnog vektorskog prostora.
To nam daje ideju da definisemo determinantu linearne transformacije konacnodimenzionalnog vektorskog prostora V. Determinanta linearne transformacije A konacno
dimenzionalnog prostora V je determinanta matrice A te linearne transformacije u
odnosu na neku uredenu bazu prostora V.
8.4.1
Kramerovo pravilo
Primjenimo sada determinante na rjesavanje sistema od n jednacina sa n nepoznatih

nad prstenom R. Neka je A matrica tog sistema. Taj sistem mozemo napisati u
matricnom obliku AX = B. Ako je matrica A invertibilna, tj. ako je det (A) invertibilan element prstena R, onda je X = A1 B. Kako je A1 = (det A)1 adj A, to
je X = (det A)1 (adj A)B. Neka je X = (1 2 . . . n )t i B = (1 2 . . . n )t . Tada
imamo
n
= (det A)1
(adj A)ji i
i=1
n
(1)i+j i det A(i | j),
= (det A)1
(j = 1, 2, . . . , n).
i=1
Neka je Cj matrica koja je nastala iz matrice A tako sto smo jtu kolonu zamjenili
kolonom (1 2 . . . n )t slobodnih clanova. Neka je Dj = det Cj . Determinantu Dj
cemo racunati razvijajuci je po jtoj koloni. Tada je
n
(1)i+j i det A(i | j).
Dj =
i=1
Dakle, imamo
j = (det A)1 Dj ,
(j = 1, 2, . . . , n),
pa je rjesenje sistema
(det A)1 D1 , (det A)1 D2 , . . . , (det A)1 Dn .
(8.4.8)
8.4.
8.4.2
205
Zadaci
1. Kristeci klasicnu adjungovanu matricu izracunati inverznu matricu matrica:
2 3
2
cos 0 sin
6 0
.
3 , 0
1
0
4 1 1
sin 0 cos
2. Koristeci Kramerovo pravilo rijesiti sisteme
(a)
x + y + 7 = 11
2x 6y z = 0
3x + 4y + 2z = 0
(b)
3x 2y = 7
3y 2z = 6
3z 2x = 1.
3. Za kvadratnu matricu A kazemo da je antisimetri
cna ako je At = A. Ako je
A antisimetrica reda n n nad poljem kompleksnih brojeva i ako je n neparan
broj, dokazati da je det A = 0.
4. Za matricu A Fnn kazemo da je ortogonalna ako je AAt = I. Ako je A
ortogonalna, matrica dokazati da je det A = 1. Navesti primjer ortogonalne
matrice kod koje je determinanta -1.
5. Za matricu A Cnn kazemo da je unitarna ako je AA = I, pri cemu je
A konjugovana matrica matrice At . Ako je A unitarna matrica dokazati da je
|det A| = 1.
6. Neka je V vektorski prostor n n matrica nad poljem F. Neka je B fiksan element vektorskog prostora V i TB linearna transformacija prostora V definisana
relacijom TB (A) = AB BA. Pokazati da je det TB = 0.
7. Neka je A matrica reda m n nad poljem F i neka je A = 0. Ako je r prirodan
broj, za matricu r r koja je nastala brisanjem m r vrste i n r kolona
matrice A kazemo da je submatrica matrice A. Najveci prirodan broj r naziva
se determinantni rang matrice A ako postoji submatrica matrice A reda
r r cija je determinanta razlicita od nule. Dokazati da je determinantni rang
matrice jednak rangu kolona i rangu vrsta matrice, tj. da se ova sva tri ranga
poklapaju.
206
8. Neka je A matrica reda n n nad poljem F. Dokazati da postoji najvise n

skalara takvih da je det (I A) = 0.
9. Neka su A i B matrice reda n n nad poljem F. Neka je je A invertibilna
matrica. Pokazati da postoji najvise n skalara F takvih da matrica A + B
nije invertibilna.
10. Neka je V = Cnn i B fiksna n N matrica iz V. Definisimo linearnu transformaciju MB prostora V relacijom MB (A) = BAB . Dokazati da je det MB =
|det B|2n .
Neka je H skup svih hermitskih matrica prostora V, tj.
H = {A V | A = A}.
Tada je H vektorski prostor nad poljem realnih brojeva. Pokazati da je funkcija
TB definisana relacijom TB (A) = BAB linearna transformacija vektorskog
prostora H i pokazati da je det TB = | det B |2n .

Uvod U Linearnu Algebru - Skripta

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Uvod U Linearnu Algebru - Skripta

Hochgeladen von

Copyright:

Verfügbare Formate

Sadr

2 Vektori u ravni i prostoru

4 Krive drugog reda

3.3.1 Normalni oblik jednacine ravni . . . . . . .

10. Za svako a F, a = 0 postoji tacno jedan element a1 F takav da je

1.2. POLJE KOMLEKSNIH BROJEVA

Polje komleksnih brojeva

U polju realnih brojeva neke jednacine, kao naprimjer jednacina x2 + 1 = 0, nemaju

njegov multiplikativni inverz. Dakle, vrijedi

(e) z je realan broj ako i samo ako je z = z.

Realan broj a2 + b2 naziva se modul kompleksnog broja i oznacava se sa |z|.

(c) |z + w| |z| + |w|.

w dobije se tvrdnja pod (b).

(c) Za proizvoljan kompleksan broj x = a + ib vrijedi:

|z|2 + 2|z| |w| + |w|2 = (|z| + |w|)2 .

Sistemi linearnih jedna

Neka je F polje. Sada cemo razmotriti problem nalazenja n skalara

gdje su y1 , y2 , . . . , ym i Aij , 1 i m, 1 j n, dati elementi polja F. Kazemo

2x1 + 2x2 3x3

GLAVA 1. LINEARNE JEDNACINE

Prvu jednacinu pomnozimo sa 2, a drugu sa -3 i tako dobivene jednacine saberimo. Dakle,

U prethodnom primjeru prilokom nalazenja rjesenja mi smo podesno odabranim

1.4. MATRICE. ELEMENTARNE TRANSFORMACIJE VRSTA

Primjer 1.3.4. Sistemi

Matrice. Elementarne transformacije vrsta

Prilikom formiranja linearnih kombinacija linearnih jednacina mi smo, u sustini,

Objekat A nazivamo matricom koeficijenata sistema ili krace, matricom sistema.

GLAVA 1. LINEARNE JEDNACINE

je definisana kao m 1 matrica. Matrice X i Y nazivamo kolonom matricom. Izraz

1.4. MATRICE. ELEMENTARNE TRANSFORMACIJE VRSTA

(e(A))rj = c1 (cArj ) = Arj .

Dakle, e1 (e(A)) = A. Na isti nacin se pokaze da je e (e1 (A)) = A za svaku mn

= e(A)rj c e(A)sj = (Arj + cAsj ) cAsj = Arj ,

jer je e(A)sj = Asj . Dakle, e1 (e(A)) = A. Na isti nacin se pokaze da je

e1 (e(A))sj = e(A)rj = Asj ,

3. Ako je A v-ekvivalentno sa B i B v-ekvivalentno sa C, onda je A v-ekvivalentno

Na konkretnom primjeru pokazimo kako se izvode elementarne transformacije vrsta matrice,

1.4. MATRICE. ELEMENTARNE TRANSFORMACIJE VRSTA

iz prethodnog primjera je v-reducirana.

Matricu I nazivamo jedini

GLAVA 1. LINEARNE JEDNACINE

Sada cemo dokazati da se elementarnim transformacija vrsta svaka matrica moze

1.4. MATRICE. ELEMENTARNE TRANSFORMACIJE VRSTA

Primjer 1.4.10. Svaka jedinicna n n matrica je v-reducirana esalon matrica.

Teorem 1.4.11. Svaka m n matrica A je v-ekvivalentna sa nekom v-reduciranom

Odavde je jasno da za konkretne vrijednosti nepoznatih u1 , u2 , . . . , unr iz (1.4.1)

Odavde je x2 = 2u2 7u3 x4 = 3u3 . To znaci da je uredena petorka

Napomena 1.4.12. Posmatrajmo homogeni sistem RX = 0, gdje je R v-reducirana

1.4. MATRICE. ELEMENTARNE TRANSFORMACIJE VRSTA

Pretpostavimo da smo izveli niz elementarnih transformacija vrsta i dobili v-reduciranu

brojeva R. Formirajmo matricu A = (A|Y ).

Sistem ima rjesenje ako je

Primjer 1.4.16. Rijesimo sistem

Da bi mogli nastaviti sa radom na nalazenju v-reducirane esalon matrice R matrice A

1.4. MATRICE. ELEMENTARNE TRANSFORMACIJE VRSTA

Za daljnji rad potrebno je utvrditi da li je a + 2 nula ili nije.

Odavde nalazimo rjesenje

b) a = 1 sistem ima beskonacno mnogo rjesenja (1 u v, u, v) dvije nepoznate su

trebamo diskutovati izraz

Ako je ab + 14 = 0, onda imamo

Ako je a 2 = 0, onda sistem nema rjesenja. Neka je a 2 = 0. Tada je a = 2 i b = 7.

je sada ab + 14 = 0. Tada imamo

1.5. PROIZVOD MATRICA