Beruflich Dokumente
Kultur Dokumente
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
. . .
. . .
. . .
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
SADRZAJ
ii
. . . . .
vektoru
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
70
72
73
73
74
74
75
76
78
79
80
81
82
83
84
84
85
87
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
. .
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
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
a
b
i 2
2
+b
a + b2
GLAVA 1. LINEARNE JEDNACINE
4
(c) z w = z w.
(d)
z
w
z
w
.
z
w
|z|
|w| .
z
w
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)
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
+
+
A12 x2
A22 x2
..
.
+
+
Am1 x1 + Am2 x2 +
A1n xn
A2n xn
..
.
=
=
y1
y2
..
.
(1.3.1)
Amn xn = ym
= 0
= 0.
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.
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
A11
..
A= .
Am1
A1n
.. ,
.
Amn
x1
X = ... ,
xn
y1
Y = ... .
ym
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)ij = Aij
za i = r,
e1 (e(A))rj
= e(A)ij = Aij
e1 (e(A))rj
= e(A)sj = Arj ,
za i = r i i = s,
GLAVA 1. LINEARNE JEDNACINE
10
2
A= 1
2
1
3
4
0
6 1
6
3 .
15
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
1
0
ako je
ako je
i=j
i = j.
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
13
0 1 2 0
7
A = 0 0 0 1 3 .
0 0 0 0
0
+
..
.
xkr
nr
j=1
nr
j=1
C1j uj
..
.
Crj uj
(1.4.1)
= 0.
+ 7x5 = 0
x4 3x5 = 0.
GLAVA 1. LINEARNE JEDNACINE
14
15
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
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
GLAVA 1. LINEARNE JEDNACINE
16
(2)
1
7 y1
+ 37 y2
27 y1 + 17 y2
.
| 27 y1 + 71 y2 + 12 y3
|
1
= c + y1 +
7
2
= c y1 +
7
= c.
3
y2
7
1
y2
7
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
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
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
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
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
GLAVA 1. LINEARNE JEDNACINE
18
Sada
0 2b | 1
3
1
.
1 2 |
0 0 | a2
ab+14
2 .
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
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.
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
(1.5.1)
i =
k=1
Aik Bk1
k=1
k=1
Cij =
Aik Bkp
Aik Bk2
Aik Bkj .
k=1
k=1
GLAVA 1. LINEARNE JEDNACINE
20
Cij =
Aik Bkj .
k=1
1 2
3 5
iB=
2 7
1 5
4
6
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
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
21
AOk,p = Om,p .
1, ako je i = j
0, ako je i = j.
Bij =
Iik Akj =
k=1
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
(AX)i =
Aik xk .
k=1
GLAVA 1. LINEARNE JEDNACINE
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 =
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
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
Bkr Crj
r=1
p
n
r=1
k=1
(A + B)n =
k=0
n
k
Ak B nk ,
GLAVA 1. LINEARNE JEDNACINE
24
za svaki prirodan broj n.
Primjer 1.5.7. Neka je A =
1 0
1 1
matricu B = A I. Tada je
0
1
B=
0
0
n
k
A = (B + I) =
k=0
B k I nk = I +
5
1
2
2
n
1
B = I + nB =
1
n
0
1
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)
. Odavde imamo
=
=
5
23.
2 4n 3n
4n + 3n
2 4n 2 3n
4n + 2 3n
, (n N).
25
1
0
c
1
1 0
c 1
c 0
0 1
1 0
0 c
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
(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
GLAVA 1. LINEARNE JEDNACINE
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.
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
Eik Akt ==
(EA)it =
k=1
m
k=1
m
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 =
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
jk Akt +
k=1
c ik Akt ,
k=1
27
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
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.
GLAVA 1. LINEARNE JEDNACINE
28
29
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
GLAVA 1. LINEARNE JEDNACINE
30
(i) A je invertibilna matrica.
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
GLAVA 1. LINEARNE JEDNACINE
32
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
a b
c d
zadovoljava uslov
1 a + a2 1 a
a a2
a
b) B =
1 a
b 1
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
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
1.7
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) =
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.
GLAVA 1. LINEARNE JEDNACINE
34
Za matricu
2
5
8
3
6
9
5
8
6
4 6
4
2
+3
9
7 9
7
5
=
8
1.7. DETERMINANTE DRUGOG I TRECEG
REDA
35
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).
GLAVA 1. LINEARNE JEDNACINE
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
=
= 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
c
a+b+c b
b = c+a+b a
a
b+c+a c
c
b .
a
1.7. DETERMINANTE DRUGOG I TRECEG
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
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
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
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
2.3. VEKTORI
2.3
41
Vektori
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
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
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
0 = XX
= XX | X E .
Neka je
a nenulti vektor i AB
a . Tada je A = B. Postavlja se pitanje da li
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
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).
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.
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
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
a + b = AB
+ BC
= AC
ali je prema Tvrdnji 2.3.5 A C AC, pa je
AC
= AC
=
c.
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 .
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,
a + (
a ) = AB + BA = AA = 0
(
a)+
a = BA
+ AB
= BB
= 0.
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
46
3. smjer vektori
a i
a imaju isti smjer ako je > 0, a suprotan smjer ako je
Tvrdnja 2.3.7.
a = 0 ako i samo ako = 0 ili je
a = 0.
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:
i) (
x +
y ) =
x +
y,
x =
x +
x,
ii) ( + )
iii) ( )
x = (
x ),
iv) 1
x =
x,
v) (1)
x =
x.
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
|A C |
|||
x|
=
,
|y|
|x|
pa je |A C | = |||
y |. Odavde slijedi
y = AC
je AC = AC, tj. AC
= AC . Dakle,
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
|BC| = |||
x |. Zato je
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
AB = |
x | = |||
x | > |||
x | = |
x | = BC.
, 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
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
i suprotnog znaka, tj. ako je < 0. S druge strane vektor () x ce imati isti
2.3.4
Linearna kombinacija
a 2 + . . . + k
ak
a 1 + 2
1
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
x i
y kolinearni vektori i
x = 0. Tada postoji tacno jedan
Teorem 2.3.9. Neka su
Dokaz. Neka su
x = OX
i
y = OY
OY
OX
realan broj. Ako se tacke X i Y nalaze sa iste strane tacke O, onda stavimo = k, a
|
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.
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
u tackama P i Q respektivno. Tada je OA = OP + OQ. Vektor OP je kolinearan
e1 + 2
e2 . Ovim je
je OP = 1 e1 i OQ = 2
e2 . Odavde je
x = OA = 1
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 .
50
neka je
e1 = OE1 ,
e2 = OE2 ,
e3 = OE3 i
x = OA . Kroz tacku A
tackama O, E1 , E2 u tacki P. Tada je OA = OP + P A. Prema prethodnoj teormi
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
x = 1
e1 + 2
e2 + 3
e3 .
(2.3.1)
k(
x ) = k (1
e1 + 2
e2 + 3
e3 ) = (1 , 2 , 3 ) ,
2.3. VEKTORI
51
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 .
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.
2.3.5
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
| b |
a|
b |
a|
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
2.3.7
Skalarni proizvod
Neka su
a i b nenulti vektori prostora V 3 . Neka je
a = OA i b = OB . Onda
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
pisemo
a b . Osim toga, vektori
a i b su kolinearni istog smjera ako i samo 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
tako
2. ako je
a = 0 i b = 0 , onda je
u
a , b = |
a | | b | cos
a, b .
u
a, b =
a b =
a b
i takoder krace cos
a , b = cos
a, b .
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
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
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.
=
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.
(
a) b =
a b .
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
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.
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
|
ai | = |i ||
ei | (i = 1, 2, 3).
Dakle,
|
ai |
i =
(i = 1, 2, 3),
|
ei |
|ai | = |
a | cos (
a ,
ei ), (i = 1, 2, 3).
Dakle,
i =
|
a | cos (
a ,
ei )
a
ei
=
(i = 1, 2, 3).
| ei |
| ei |2
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.
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
|
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
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
2. vektor
c je ortogonalan na vektorima
a i b,
3. vektori
a, b,
c obrazuju trijedar desne orijentacije.
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
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
vektor
a zarotiran oko vektora b u pozitivnom smislu za ugao od 900 .
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.
b
a .
(
a) b =
a b =
a ( b ).
|(
a ) b | = |||
a || b | sin = |(
a b )|
vektori (
a ) b i (
a b ) za = 0 su jednako orijentisani. Za = 0 tvrdnja je
ocigledna. Ostatak tvrdnje se analogno dokazuje.
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.
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
2.3. VEKTORI
59
(
a + b)
c =
a
c + b
c.
c nenulti
Dokaz. Ako je
c nula vektor, onda je tvrdnja ocigledna. Neka je sada
a1 i b1 ortogonalni na
c , a vektori
a2 i b2 kolinearni sa
c . Zbog toga imamo prikaz
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
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
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
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.
a b
c + b
c
a + (
c
a) b = 0
2.3.9
Mje
soviti proizvod vektora
m
a , b ,
c =
a b
c,
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.
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
i b
a b , to vektori
a, b i
c leze u jednoj ravni, pa su komplanarni.
a = (1 , 2 , 3 ) ,
b = (1 , 2 , 3 ) ,
c = ( , , ) ,
1
onda je
1
a , b ,
c = 1
1
2
2
2
3
3 .
3
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
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
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
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
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
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
|
a b |. Kako je vektor
a b ortogonalan na bazu paralelepipeda, pa je visina
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
2.3.10
Zadaci
c =
a + b , gdje je
a = 4i + j, b =
1. Odrediti i iz jednakosti
2, |
n | = 4, (
m.
n ) = 3 .
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.
2.3. VEKTORI
65
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).
(
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 ).
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) 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.
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
OM2 OM1 =
r2
r 1 . Zbog toga je |M1 M2 | = |
r2
r 1 |.
Ako je koordinatni sistem pravougli, onda je
d = |M1 M2 | =
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 =
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
(3.2.1)
OBLIK JEDNACINE
3.2. OPSTI
RAVNI
69
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
n = M0 M1 M0 M2 = B
A
C
A
j k
B
C
j + k.
1 0 = i +
A
A
0 1
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.
GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
70
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
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)
(3.3.2)
(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
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
GEOMETRIJA U PROSTORU
72
1 ako je D > 0
1 ako je D < 0.
3.3.2
Jedna
cina ravni kroz jednu ta
cku normalna na datom vektoru
M0 M (x x0 , y y0 , z z0 ),
pa je
A(x x0 ) + B(y y0 ) + C(z z0 ) = 0
(3.3.4)
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
3.3.4
(3.3.5)
(3.3.6)
x
y
z
+
+
= 1.
D/A D/B D/C
74
3.3.5
GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
Parametarske jedna
cine ravni
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
r
n p = 0.
(3.4.1)
(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
75
strana ravni. Intenzitet vektora QM1 predstavlja udaljenost tacke M1 od ravni (3.4.1).
OM1
n
n p = 0.
Odavde je
Dakle,
3.5
= OM1
n p.
d = |QM1 | = |
n | = || = |OM1
n p|.
A2 x + B2 y + C2 z + D2 = 0.
(3.5.1)
N1 N2
cos =
(3.5.2)
|N1 | |N2 |
Ako su ravni (3.5.1) okomite jedna na drugu, onda su njihovi vektori pravca okomiti,
(3.5.4)
76
3.6
GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
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
t N 1 N 2 , tj.
R
r 0 = t( N 1 N 2 ),
(3.6.2)
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)
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.
t( N 1 N 2 ) N = 0.
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,
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
GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
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
v y1
u x1
=
= .
x2 x1
y2 y1
79
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
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
GEOMETRIJA U PROSTORU
80
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
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)
y = y1 + t(y2 y1 ),
z = z1 + t(z2 z1 ).
(3.9.2)
(3.9.3)
3.10
81
r N 1 + D1 = 0,
r N 2 + D2 = 0.
(
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
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|
1
( N 1 N 2 ) (D1 N 2 D2 N 1 )
r0=
(a b)=
|
a |2
|
a |2
GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
82
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
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
a1
a2
cos =
.
(3.11.2)
| a 1 || a 2 |
83
3.12
(3.11.4)
Neka su date dvije prave u prostoru jednacinama (3.11.1). Da li se ove prave sijeku?
imamo
r 1 + u
a1 =
r 2 + v
a 2 , za neku vrijednosti parametara u i v. Odavde je
(
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
12 2+1
2 = 0,
1
3
GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
84
x = 2u 1, y = u + 1, z = 3u + 2.
3.13
Pod uglom izmedu prave i ravni podrazumjeva se ugao izmedu prave i njene projekcije
a N
|
a || N |
0
prave
r =
r 1 + t
a i ravni
r N + D = 0 je
a N = 0.
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
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.
3.15
Medusobni polo
zaj dvije ravni
GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
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)
A2 = A1 , B2 = B1 , C2 = C1 , D2 = D1 .
(3.15.2)
3.15. MEDUSOBNI POLOZAJ
DVIJE RAVNI
87
2
1
3
1 ,
a = N1 N2 =
i
j
2
3
1 1
4 = 5 i 10 j 5 k .
3
3.15.1
Zadaci
1. Date su tacke M1 (3, 1, 2) i M2 (4, 2, 1). Napisati jednacinu ravni koja prolazi
paralelna sa vektorom
a (3, 1, 4).
88
GLAVA 3. ANALITICKA
GEOMETRIJA U PROSTORU
3. Napisati jednacinu ravni koja prolazi tackama
M1 (3, 1, 2), M2 (4, 1, 1)
i M3 (2, 0, 2).
3.15. MEDUSOBNI POLOZAJ
DVIJE RAVNI
89
x+yz =0
x y 5z 8 = 0
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
GEOMETRIJA U PROSTORU
Glava 4
4.1
Op
sta jedna
cina krivih drugog reda
(4.1.1)
(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
(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)
(4.1.6)
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
(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.
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)
B + C
B + C
, =
.
( )F
( )F
(4.2.11)
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)
1
,
+ 1)
(2
b2 =
1
.
+ 1)
( 2
(4.2.14)
3
1
1
3
= 8,
3
1
3
1
3
1
3
1
5
= 76.
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
(4.3.2)
(4.3.3)
(4.3.4)
A(AD + BE)
.
A2 + B 2
(4.3.5)
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)
A2 ( D)2 + (B AE)2
|A(AE BD)|
.
=
3
2
2
A +B
(A2 + B 2 ) 2
98
Glava 5
Vektorski prostor
5.1
Vektorski prostor
(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
100
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.
101
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.
102
x = 1 x1 + 2 x2 + + n xn =
k xk .
k=1
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
( 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
( , 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
x+y =
(i )xi +
i=1
(j )yj U.
j=1
Si .
i=1
5.2. POTPROSTOR
105
2 +
2 +
4 + 2
=
=
=
=
=
2,
1,
5,
2,
1.
2 +
2 +
4 + 2
=
=
=
=
=
1,
2,
5,
1,
2.
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
a b
c d
106
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
=
=
x1 + x2 + x3 + y1 + y2
x1 + x2 + (2x1 + x2 ) + (3x1 + x2 ) + y2
( + 2 + 3)x1 + ( + + )x2 + y2
x1 + x2 + y2
( + , 2 + , , 2, + ).
5.3
107
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)
108
=
=
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
en
= (1, 0, 0, . . . , 0, 0)
= (0, 1, 0, . . . , 0, 0)
..
.
= (0, 0, 0, . . . , 0, 1)
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
+
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
111
b =
1, ako je b = x,
0, ako je b = x.
(5.3.3)
112
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
ji i = 0
(j = 1, 2, . . . , n).
i=1
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.
(5.3.4)
114
ei =
ij vj ,
j=1
1 j n.
115
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
r gr S T.
r=1
Tada je
n
r gr =
r=1
i ei .
i=1
i ei +
i=1
j fj = 0.
j=1
116
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
+ 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
x=
i ei .
i=1
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
5.4. KOORDINATE
119
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)
(5.4.4)
120
j = 1, 2, . . . , n,
fj =
Pij ei ,
1 j n.
i=1
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
y=
k ek =
k=1
k
k=1
j=1
k=1
Qjk fj =
j=1
k Qjk
fj
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
cos sin
sin cos
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
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
=
=
=
(1, 2, 3, 4, 5),
(1, 3, 4, 5, 6)
(1, 2, 4, 6, 0).
=
=
=
=
=
++
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
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
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)
128
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
(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 )
= P (A + B)Q = (P A + P B)Q = P AQ + P BQ
= T (A) + T (B),
129
OA = OT + T A .
No, T A = T A, pa je
OA = OT T A = (OA T A) T A = OA 2T A.
OA =
x 2(
x
n )
n.
Uvedimo oznaku A(
x ) = OA . Tada je
A(
x)=
x 2(
x
n )
n.
(6.1.1)
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.
130
(i = 1, 2, . . . , n).
(6.1.2)
(i F).
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
P(ei ) = P
ij ej =
j=1
ij fj = fi
j=1
i fi
i=1
131
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
Im(P) = {u W | ( x V ) u = P(x)}
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
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)
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
135
6.2
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 ) =
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
pq E pq (ej )
p=1 q=1
m
pq E pq se poklapaju na bazi B
p=1q=1
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
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,
sto je i trebalo dokazati.
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
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
139
140
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=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
i ei . Tada je
i=1
u = A(x) = A
i ei
i A(ei ).
i=1
i=1
u=
i A(ei ) = A
i=1
i ei
i=1
141
(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
6.2.1
Zadaci
143
+ + i
i
144
6.3
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
=
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)
145
A(ej ) =
ij ei ,
i=1
odnosno
Aj = [A(ej )]B , (j = 1, 2, . . . , n).
146
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
6.4
147
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
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
kj ji = ki ,
j=1
148
fi =
ji ej ,
(i = 1, . . . , n).
j=1
x=
j ej , x =
j=1
i fi
i=1
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 .
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
kj ji =
j=1
kj ji ,
j=1
6.4.1
Zadaci
150
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
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 .
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).
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
i fi = 0. Tada je
i=1
n
0=
i fi
i=1
(ej ) =
i fi (ej ) =
i=1
i ij = j
i=1
i fi . Neka je x =
i=1
155
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
f=
f (ei )fi
(6.5.1)
fj (x)ej .
(6.5.2)
i=1
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
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 )
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
i=1
i=k+1
Am1 1 +
A1n n
..
.
= 0
+ Amn n = 0
158
(1 , . . . , n ) Ker(fi ).
i=1
1 + 22 + 23 + 4
22 + 4
21 43 + 34
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
159
(f V ).
160
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
Ker(fi ) Ker(g).
i=1
Ker(fi ) Ker(g).
i=1
i=1
h=g
i fi .
i=1
g=
i fi .
i=1
6.6.1
163
Zadaci
f (1 , 2 , . . . , n ) = c
i .
i=1
W = Ker(gi ).
i=1
6.7
(6.7.1)
164
Dakle,
At (1 g1 + 2 g2 ) = 1 At (g1 ) + 2 At (g2 ).
Ovim smo dokazali sljedeci teorem.
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.
165
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
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
At (gj ) =
Aji fi .
i=1
A(ej ) =
Aij ei (j = 1, . . . , n).
i=1
Glava 7
Polinomi
7.1
Algebra polinoma
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
[(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
1 n=k
0 n=k
Primjetimo da je skup
{1, x, x2 , . . . }
(n S).
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
170
GLAVA 7. POLINOMI
(f g)m+n+k =
fi gm+n+ki .
i=0
(7.1.1)
i=0
je definisan relacijom
fi i .
f () =
i=0
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
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
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
172
GLAVA 7. POLINOMI
t0 + 1 t1 + + n tn
0 tn0
1 tn1
+ +
n tnn
0.
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 =
j=i
x tj
ti tj
f=
f (ti )Pi .
i=0
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
7.2. LAGRANZOVA
INTERPOLACIONA FORMULA
173
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
ili
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
175
f=
k=0
(Dk f )()
(x )k .
k!
(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
= [ + (x )]
m
k
=
k=0
mk (x )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
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.
n
k m
D x
k=0
Dk xm .
=
k=0
(7.3.1)
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!
179
pa je M ideal algebre F[x]. Ovako definisan ideal M naziva se glavni ideal generisan
polinomom f.
(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
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
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
(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
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
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 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
Glava 8
Determinante
U ovom poglavlju ispitivacemo osnovne osobine determinanti kvadratnih matrica nad
prstenima i poljima.
8.1
Komutativni prsten
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
(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)
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
189
Tada je
D(A) = D(1 , 2 ) = D(A11
+ A12 2 , A21
+ A22 2 ).
A11 A21 D( 1 ,
A12 A21 D( 2 ,
1)
+ A11 A22 D( 1 ,
)
1 + A12 A22 D( 2 ,
2)
2 ).
1 ),
D( 1 ,
2 ),
D( 2 ,
1 ),
D( 2 ,
2 ).
1)
= D( 1 ,
2)
= D(I).
190
GLAVA 8. DETERMINANTE
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
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 ).
191
Ej (A) =
A R(n1)(n1)
(8.2.3)
i=1
192
GLAVA 8. DETERMINANTE
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)
=
E3 (A)
0
0
0
x1
0
x2
0
+ (x 3)
x1
0
x3
x2
8.2.1
Zadaci
193
A22 A12
A21
A11
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
GLAVA 8. DETERMINANTE
8.3
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
2 =
A(2, k2 )ek2
k2 =1
imacemo
D(A) =
k1 , k2 , 3 , . . . , n ).
k1 =1 k2 =1
D(A) =
k1 =1 k2 =1
k1 , k2 , . . . , kn ).
(8.3.1)
kn
1
2 ...
n
(1) (2) . . . (n)
195
(1) , (2) , . . . , (n
(8.3.2)
Sn
(1) , (2) , . . . , (n
= 1D(I).
= (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
1
7
2
4
3
1
4
6
5
3
6
5
7
2
196
GLAVA 8. DETERMINANTE
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
(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) =
(8.3.5)
Sn
197
Bik Akj .
(BA)ij =
k=1
()(i) .
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
GLAVA 8. DETERMINANTE
8.3.1
Zadaci
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.
199
=
Sn
=
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).
Time je dokaz zavrsen.
200
GLAVA 8. DETERMINANTE
A B
0 C
= det(A)det(C),
A B
0 C
A B
0 I
A B
0 I
= det
A 0
0 I
= D(A, 0, I).
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
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
GLAVA 8. DETERMINANTE
Stavimo Cij = (1)i+j detA(i | j). Tada formulu (8.4.1) mozemo napisati u obliku
n
det A =
Aij Cij .
i=1
Aik Cij
i=1
=
i=1
n
=
i=1
n
Aik Cij .
i=1
Aik Cij = 0.
(8.4.2)
i=1
(8.4.3)
i=1
(8.4.4)
k=1
(8.4.5)
8.4.
203
(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.
Primjer 8.4.7. Neka je
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
204
GLAVA 8. DETERMINANTE
8.4.1
Kramerovo pravilo
= (det A)1
(adj A)ji i
i=1
n
= (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
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
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
GLAVA 8. DETERMINANTE