1.

1 Matrice
1.1.1 Uvod u matrice i vektore
Pretpostavite da ste odgovorni za iznajmljivanje automobila zaposlenicima svoje
rme.
Sedmi cni najmovi za razli cite veli cine automobila su: kompaktni 139KM, sred-
nji 160KM, veliki 205KM, minivan 340KM i luksuzna limuzina 430KM.
Za slijede cu sedmicu znate da ce vam potrebe po veli cinama biti: 4 kompaktna,
3 srednja, 12 velikih, 2 minivana i 1 luksuzna limuzina. Kako biste izra cunali
ukupnu cijenu iznajmljivanja automobila?
Ako biste iza cunali
4 139KM+3 160KM+12 205KM+2 340KM+1 430KM = 4606KM
bili biste u pravu.
No upravo ste uradili problem mnoenja matrica a da niste toga bili svjesni!

Potrebno auta Sedmica 1 Sedmica 2 Sedmica 3

Kompakt 4 7 2
Srednji 3 5 5
Veliki 12 9 5
Minivan 2 1 3
Limuzina 1 1 2
Ukupna cijena iznajmljivanja za svaku sedmicu bi se izra cunala tako to pom-
noimo ove koli cine sa odgovaraju cim cijenama.
Denicija matrice
Matrica se denie kao niz brojeva (ili algebarskih simbola) smjetenih u redove
i kolone.
Stoga potrebe iznajmljivanja automobila za tri sedmice se moze napisati kao
matrica:
A =
_
_
_
_
_
_
4 7 2
3 5 5
12 9 5
2 1 3
1 1 2
_
_
_
_
_
_
Svaki red odgovara veli cini auta, a svaka kolona odgovara sedmici koju posma-
tramo.
Uobi cajeno je da se matrice ozna cavaju velikim slovima, npr. A, B, C, M, N i
sl. a da su clanovi matrice uokvireni zagradama ().
Svaki clan matrice se zove element matrice. Elementi matrice moraju formirati
kompletan pravougaonik, bez praznih mjesta.
U gornjem primjeru imamo 5 redova i 3 kolone. Veli cina matrice se naziva red
matrice.
Ako matrica ima m redova i n kolona, kaemo da je matrica reda mn.
Matrica A je reda 5 3.
Denicija vektora
Matrice sa samo jednom kolonm ili samo jednim redom se nazivaju vektori.
Na primjer skup cijena iznajmljivanja automobila sa po cetka je vektor reda q 5
p = (139 160 205 340 430),
dok su potrebe iznajmljivanja za prvu sedmicu 5 1 vektor:
_
_
_
_
_
_
4
3
12
2
1
_
_
_
_
_
_
.
1.1.2 Operacije na matricama
Sabiranje i oduzimanje matrica
Matrice koje imaju isti red se mogu oduzimati i sabirati.
Sabiranje, odnosno, oduzimanje se rade na odgovaraju cim elementima.
Primjer. Trgovac prodaje dva proizvoda, Q i R i dvjema prodavnicama, A i B.
Broj proizvoda koji su prdani u zadnje 4 sedmine su pokazane u matricama A i
B ispod, gdje kolone predstavljaju sedmice a redovi odgovaraju proizvodima Q
i R respektivno.

A =
_
5 4 12 7
10 12 9 14
_
B =
_
8 9 3 4
8 18 21 5
_
2
Kako prikazati ukupnu prodaju proizvoda po sedmicama u obje prodavnice? Jed-
nostavno, saberemo matrice!

T = A+B =
_
5 4 12 7
10 12 9 14
_
+
_
8 9 3 4
8 18 21 5
_

_
5 + 8 4 + 9 12 + 3 7 + 4
10 + 8 12 + 18 9 + 21 14 + 5
_
=

=
_
13 13 15 11
18 30 30 19
_
.
Ako je A =
_
12 30
8 15
_
, a B =
_
7 35
4 8
_
, koliko je AB?

AB =
_
12 30
8 15
_

_
7 35
4 8
_

=
_
12 7 30 35
8 4 15 8
_
=
_
5 5
4 7
_
Mnoenje skalarom
Postoje dvije vrste mnoenja koja se mogu izvriti nad matricama. Matricu
moemo pomnoiti speci cnomvrijedno cu, kao to je broj (mnoenje skalarom)
ili drugom matricom (matri cno mnoenje).
Skalarno mnoenje je vrlo jednostavno i predstavlja mnoenje svakog lementa
matrice datim skalarom! Matri cno mnoenje je dosta komplikovanije, ali o tome
malo poslije.
Data je matrica dva prodana proizvoda za dvije sedmicame A =
_
12 30
8 15
_
,
gdje redovi prdstavljaju proizvode a kolone sedmice. Ako svaki proizvod kota
4KM, izra cunajte pazar po proizvodima po sedmicama.

P = 4A = 4
_
12 30
8 15
_
=
_
48 120
32 60
_
Dijeljenje skalarom radi na apsolutno isti na cin (sve dok taj skalar nije nula!)
Ako skup cijena iznajmljivanja automobila p = (139 160 205 340 430) uklju cuje
PDV od 17%, a vaa kompanija moe dobiti povrat poreza, dajte vektor v cijena
bez poreza.
3

v =
1
1, 17
p = (118, 80 136, 75 175, 21 290, 60 367, 52).
Mnoenje matrica
Ako mnoimo jednu matricu s drugommatricom, osnovno pravilo je da mnoimo
elemente du redova prve matrice sa odgovaraju cimelementima niz kolonu druge
matrice.
Najjednostavniji na cin da se ovo razumije je da prvo pogledamo nekoliko prim-
jera sa vektorima.
Vratimo se naem primjeru s po cetka i posmatrajmo vektore:
p = (139 160 205 340 430), q =
_
_
_
_
_
_
4
3
12
2
1
_
_
_
_
_
_
Dakle kao to smo uradili na po cetku, prvi element redovnog vektora mnoimo
sa prvim elementom kolonskog vektora, te to saberemo sa proizvodom drugog
elementa sa drugim, itd.

139 4 + 160 3 + 205 12 + 340 2 + 430 1 = 4606.

Posmatrajmo sada slu caj kada trebamo izra cunati sve cijene po sedmicama, tj.
A =
_
_
_
_
_
_
4 7 2
3 5 5
12 9 5
2 1 3
1 1 2
_
_
_
_
_
_
.
Kako bismo izra cunali sve cijene po sedmicama, trebamo na ci vektor
t = p A = (139 160 205 340 430)
_
_
_
_
_
_
4 7 2
3 5 5
12 9 5
2 1 3
1 1 2
_
_
_
_
_
_
Rezultat je
t = (4606 4388 3983).
4
Ako prva matrica pri mnoenju ima vie od jednog reda, onda se postupak pon-
avlja dok ne iskoristimo sve redove.
Pomnoimo matrice
A =
_
4 7
8 1
_
B =
_
7 5 2
4 8 1
_

A B =
_
4 7
8 1
__
7 5 2
4 8 1
_

=
_
4 7 + 7 4 4 5 + 7 8 4 2 + 7 1
8 7 + 1 4 8 5 + 1 8 8 2 + 1 1
_
=
_
56 76 15
60 48 17
_
Sad se moete zapitati ta se dogodi kada pokuamo pomnoiti matrice gdje se
broj elemenata du redova prve matrice ne poklapa sa brojem elemenata du
kolona druge matrice.
Odgovor je da se tada te matrice ne mogu mnoiti!
Dakle, ako matrica A ima red mn, a druga matrica B ima red r s, mnoenje
tih matrica je mogu ce ako i samo ako je n = r i tada matrica AB ima red ms.
Mnoenje matrica - opti slu caj
Generalnu mn matricu moemo napisati kao
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
U ovom optem slu caju kada mnoimo dvije matrice, A reda m n i B reda
n r
AB =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
_
_
_
_
b
11
b
12
. . . b
1r
b
21
b
22
. . . b
2r
.
.
.
.
.
.
.
.
.
.
.
.
b
n1
b
n2
. . . b
nr
_
_
_
_
_

=
_
_
_
_
_
c
11
c
12
. . . c
1r
c
21
c
22
. . . c
2r
.
.
.
.
.
.
.
.
.
.
.
.
c
m1
c
m2
. . . c
mr
_
_
_
_
_
= C
5
Ovdje su elementi matrice C dati sa
c
11
= a
11
b
11
+a
12
b
21
+. . . +a
1n
b
n1
c
12
= a
11
b
12
+a
12
b
22
+. . . +a
1n
b
n2
.
.
.
.
.
.
.
.
.
c
mr
= a
m1
b
1r
+a
m2
b
2r
+. . . +a
mn
b
nr
Na dite proizvod matrica
A =
_
_
4 2 12
6 0 20
1 8 5
_
_
, B =
_
_
10 0, 5 1 7
6 3 8 2, 5
4 4 2 0
_
_
Na dite proizvod matrica
A =
_
_
4 2 12
6 0 20
1 8 5
_
_
, B =
_
_
10 0, 5 1 7
6 3 8 2, 5
4 4 2 0
_
_
Na dite proizvod matrica
A =
_
_
3 1 2
1 0 3
4 0 2
_
_
, B =
_
_
0
1
5
3
10
1
1
5
7
10
0
2
5

1
10
_
_
Jedini cna matrica
Zadnja matrica AB predstavlja primjer speci cne matarice. Matrica sa jedni-
cama na svojoj principalnoj dijagonali i nulama svugdje drugo se zove jedini cna
matrica. Ozna cava se sa I. Jedini cna matrica mora uvijek biti kvadratna, tj. reda
n n.
Bilo koja matrica reda m n pomnoena sa jedini cnom matricom reda n n
ostaje nepromjenjena, tj.
A I = A.
Matrica koja na svim elementima ima nulu se zove nula matrica.
Problem dijeljenja
Problemu dijeljenja matrica se pristupa preko derivacije inverzne matrice.
6
Jedna od motivacija za traenje inverzne matrice je rjeavanje sistema jedna cina.
Npr.
3x
1
+ 8x
2
+x
3
+ 2x
4
= 96
20x
1
2x
2
+ 4x
3
+ 0.5x
4
= 69
11x
1
+ 3x
2
+ 3x
3
5x
4
= 75
x
1
+ 12x
2
+x
3
+ 8x
4
= 134
Ove jedna cine moemo da predstavimo u matri cnoj formi Ax = b, naime
Ax =
_
_
_
_
3 8 1 2
20 2 4 0.5
11 3 3 5
1 12 1 8
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
=
_
_
_
_
96
69
75
134
_
_
_
_
= b
Kako rijeiti ovaj sistem jedna cina koriste ci se gornjim matri cnim oblikom?
Sjetite se jedini cne matrice - ukoliko bismo na neki na cin mogli pomnoiti obje
strane jedna cine odgovaraju com matricom B tako da sa lijeve strane jednakosti
dobijemo BA = I, tada bi na desnoj strani jednakosti dobili rjeenje sistema
jedna cina Bb!
No nalaenje te matrice B nije trivijalna stvar.
Inverzna matrica A
1
matrice A je matrica za koju imamo AA
1
= I.
Uslovi za postojanje inverzne matrice
Inverznu matricu A
1
moemo samo prona ci za kvadratnu matricu A.
U nekim slu cajevima matrica A
1
ne ce postojati!
Matrica A je inverzibilna ako i samo ako postoji matrica A
1
za koju vrijedi
AA
1
= I.
Nula matrica nije inverzibilna.
Linearna zavisnost dva ili vie redova (ili kolona) unutar matrice tako der onemogu cava
inverziju.
Predznanja za inverzne matrice
Kako bismo pronali inverznu matricu, moramo posmatrati slijede ce koncepte u
matri cnoj teoriji:
Determinate;
7
Minore;
Kofaktore;
Adjunktnu matricu.
1.1.3 Determinante
Svakoj kvadratnoj matrici A moemo pripisati jedinstven broj koji se naziva de-
terminanta matrice det A
Determinanta (kvadratne) matrice 1 1 je sam jedini element matrice!
Determinanta (kvadratne) matrice 2 2 je broj koji dobijemo kada pomnoimo
elemente na suprotnim cokovima i oduzmemo ih, tj.

a
11
a
12
a
21
a
22

= a
11
a
22
a
12
a
21
.
Na ci determinantu matrice
_
5 7
4 9
_
.
Sarusovo pravilo
Sarusovo pravilo je jednostavan na cin za izra cunati determinantu tre ceg reda.

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

a
11
a
12
a
21
a
22
a
31
a
32
= a
11
a
22
a
33
+a
12
a
23
a
31
+a
13
a
21
a
32
a
31
a
22
a
13
a
32
a
23
a
11
a
33
a
21
a
12
Pojam minora
Denicija 1.1. Minor M
ij
elementa a
ij
matrice A je subdeterminanta koja se dobije
iz det A brisanjem i-te vrste i j-te kolone.
Primjer.
A =
_
_
1 2 3
0 1 4
2 0 3
_
_
, M
23
=

1 2
2 0

= 4,
M
13
=

0 1
2 0

= 2
8
Pojam kofaktora
Denicija 1.2. Kofaktor ili algebarski komplement A
ij
elementa a
ij
matrice A
A
ij
:= (1)
i+j
M
ij
Primjer.
A
23
= (1)
2+3
M
23
= 4, A
13
= (1)
1+3
M
23
= 2
Laplaceov teorem
Teorem 1.1. Laplaceov teorem nam daje na cin ra cunanja determinante proizvoljne
kvadratne matrice, po formuli
det A =
n

j=1
a
ij
A
ij
=
n

i=1
a
ij
A
ij
Primjedba. Prvo se zove razvoj po i-toj vrsti, a drugo razvoj po j-toj koloni.
Primjedba. Laplaceov razvoj je najbolje raditi po onom redu (ili koloni) u kojoj ima
najvie nula! Mogu ce je, ne mijenjaju ci vrijednost determinante posti ci da u nekom
redu (koloni) imamo to ve ci broj nula. To se postie koritenjem osobina determinanti.
Determinanta matrice tre ceg reda
Za generalnu matricu tre ceg reda, determinanta se moe izra cunati po formuli:

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

=
a
11

_
a
22
a
23
a
32
a
33
_

a
12

_
a
21
a
23
a
31
a
33
_

+a
13

_
a
21
a
22
a
31
a
32
_

.
Primjedba. Iako smo determinantu matrice 3 3 nali posmatraju ci du prvog reda,
mogli smo to uraditi du bilo kojeg drugog reda ili kolone! No u tom slu caju treba
obratiti panju!
Primjer. Na ci determinantu matrice
_
_
4 6 1
2 5 2
9 0 4
_
_
.
1.1.4 Osobine determinanti
P1 det A
T
= det A
9
Primjer.
A =
_
2 0
3 1
_
.
P2 Zamjenom dvaju redova (ili kolona)unutar determinante mijenja se znak deter-
minante, no ne i numeri cka vrijednost.
Primjer.

2 1
1 4

.
P3 Determinantu mnoimo nekim brojem tako da joj sve elemente jednog reda (ili
kolone) pomnoimo tim brojem. Druk cije, zajedni cki faktor nekog reda (ili
kolone) se moe izvu ci ispred determinante.
Primjer.
A =
_
2 2
3 6
_
.
P4 Determinanta je jednaka nuli ako su svi elementi jednog reda (ili kolone) jednaki
nuli.
P5 Determinanta je jednaka nuli ako su elementi jednog reda (ili kolone) propor-
cionalni odgovaraju cim elementima nekog drugog reda (odnosno kolone)
Primjer.

1 2 3 4
0 1 5 8
2 4 6 8
1 0 3 4

= 0.
P6 Vrijednost determinante se ne ce promijeniti ako elementima jednog reda (ili kolo
ne) dodamo odgovaraju ce elemente nekog drugog reda (kolone) pomnoene jed-
nim istim brojem.
Primjer.

1 2 0 3
2 1 4 2
1 0 1 3
2 4 1 2

.
P7 det(A B) = det A det B
Primjer.
A =
_
1 2
3 4
_
, B =
_
0 1
2 3
_
10
1.1.5 Izra cunavanje inverzne matrice
Denicija 1.3. Neka je A kvadratna matrica n n. Ako postoji kvadratna matrica
X
nn
takva da je
AX = XA = I,
tada se ona naziva inverznom matricom matrice A. Obi cno se ozna cava sa A
1
.
Dakle imamo da je
AA
1
= A
1
A = I.
Osobine inverznih matrica
1. Nema svaka matrica svoju inverznu matricu. Prije svega, mora biti kvadratna
matrica. Ako kvadratna matrica ima inverznu matricu, onda se ona naziva regu-
larnom, a ina ce se zove singularnom.
2. Ako postoji A
1
, onda je i A inverzna matrica matrice A
1
, tj.
(A
1
)
1
= A.
3. Ako inverzna matrica postoji, ona je jedinstvena.
4. (AB)
1
= B
1
A
1
. (Dokaz.)
5. (A
T
)
1
= (A
1
)
T
(Primjer.)
Uslovi za postojanje inverzne matrice
Inverznu matricu A
1
moemo samo prona ci za kvadratnu matricu A.
U nekim slu cajevima matrica A
1
ne ce postojati!
Matrica A je inverzibilna ako i samo ako postoji matrica A
1
za koju vrijedi
AA
1
= I.
Nula matrica nije inverzibilna.
Linearna zavisnost dva ili vie redova (ili kolona) unutar matrice tako der onemogu cava
inverziju.
Teorem 1.2. Matrica A je singularna ako i samo ako je det A = 0.
Dokaz. det(A A
1
) = det A det(A
1
) = det I = 1.
Odavdje slijedi da je det A = 0! Dakle, kriterij regularnosti matrice A je da imamo
det A = 0.
11
Kofaktorska matrica
Denicija 1.4. Kofaktorska matrica matrice A je matrica koja sadri kofaktore eleme-
nata matrice A na odgovaraju cim mjestima
cof(A) =
_
_
_
_
_
A
11
A
12
. . . A
1n
A
21
A
22
. . . A
2n
.
.
.
.
.
.
.
.
.
.
.
.
A
n1
A
n2
. . . A
nn
_
_
_
_
_
.
Adjungirana matrica
Denicija 1.5. Adjungirana matrica matrice A je matrica denisana sa adj(A) =
(cof(A))
T
, tj.
adj(A) =
_
_
_
_
_
A
11
A
21
. . . A
n1
A
12
A
22
. . . A
n2
.
.
.
.
.
.
.
.
.
.
.
.
A
1n
A
2n
. . . A
nn
_
_
_
_
_
.
Inverzna matrica - KONA

CNO!
Teorem 1.3. Neka je kvadratna matrica A regularna (det A = 0). Tada postoji in-
verzna matrica A
1
i imamo da je
A
1
=
1
det A
adj(A).
Primjer. A =
_
1 3
2 4
_
.
Algoritam izra cunavanja inverzne matrice
1. IZRA

CUNAJTE DETERMINANTU det A!!! Ako je det A = 0, onda za-

klju cimo regularnost i inverzna matrica postoji.
2. Izra cunajte sve minore matrice A.
3. Izra cunajte sve kofaktore matrice A i napiite cof(A).
4. Izra cunajte adj(A) = [cof(A)]
T
.
5. Podijelite adj(A) sa determinantom!!!
6. Dobivena matrica je A
1
. PROVJERITE REZULTAT!!
Primjer.
A =
_
_
1 2 0
1 0 3
2 1 4
_
_
.
12
Primjena u rjeavanju matri cnih jedna cina
Matri cna jedna cina je jedna cina u kojoj su nepoznate i koecijenti matrice.
Primjer. A X = B. Tada ovo rjeavamo tako to pomnoimo cijelu jednakost s lijeve
strane sa A
1
.
A X = B A
1
A X = A
1
B I X = A
1
B,
dakle X = A
1
B.
Primjer. A =
_
2 1
0 3
_
, B =
_
1 2
0 4
_
. Rijeiti A X = B.
1.1.6 Linearna (ne)zavisnost matrica
Mi cemo razmatrati samo linearnu (ne)zavisnost kolonskih i redovnih matrica (vek-
tora).
Za dvije matrice v
1
, v
2
kaemo da su linearno nezavisne ukoliko

1
v
1
+
2
v
2
= 0
1
=
2
= 0.
Za porodicu matrica v
1
, v
2
, . . . , v
n
kaemo da su linearno nezavisni ukoliko

1
v
1
+
2
v
2
+. . . +
n
v
n
= 0
1
=
2
= . . . =
n
= 0.
U suprotnom, kaemo da su linearno zavisni. Linearna zavisnost slijedi ako
barem jedan od
i
= 0.
Primjer. Provjerite linearnu (ne)zavisnost vektora v
1
, v
2
, v
3
i vektora v
1
, v
2
, v
3
, v
4
:
v
1
= (0, 0, 1), v
2
= (0, 2, 2), v
3
= (1, 2, 1), v
4
= (4, 2, 3)
Primjer. Provjerite linearnu (ne)zavisnost vektora v
1
, v
2
, v
3
i vektora v
1
, v
2
, v
3
, v
4
:
v
1
= (1, 2, 0), v
2
= (1, 0, 3), v
3
= (1, 2, 4)
1.1.7 Rang matrice
Koncept linearne zavisnosti vektora (tj. matrica) nam omogu cava uvo denje jednog
vanog pojma i osobine matrica, naime rang matrice. Vano je napomenuti da, za
razliku od determinanti, rang matrice A moemo prona ci za bilo koju matricu A, tj.
dimenzija mn.
Denicija 1.6. Ako je maksimalni broj linearno nezavisnih redova koji moemo na ci
u matrici A jednak broju r, tada taj broj nazivamo rang matrice A i ozna cavamo ga sa
r(A).
13
Primjedba. Rang matrice r(A) tako der u isto vrijeme ozna cava maksimalni broj lin-
earno nezavisnih kolona!
Primjedba. Rang matrice moe biti maksimalno m ili n, tj.
r(A) min(m, n).
Primjedba. Po deniciji, nn regularna matrica ima n linearno nezavisnih redova (tj.
kolona) pa ima rang r(A) = n.
S obzirom na vezu linearne zavisnosti i determinanti, rang matrice moemo dru-
ga cije denisati:
Denicija 1.7. Rang matrice r(A) je maksimalni red determinante razli cite od nule
koja se moe formirati od redova i kolona te matrice!
Izra cunavanje ranga matrice
Pri odre divanju ranga matrice koristit cemo tzv. elementarne transformacija ma-
trice:
1. zamjena mjesta dva reda ili dvije kolone;
2. mnoenje reda ili kolone nekim brojem razli citim od nule;
3. elementima jednog reda (kolone) moemo dodati odgovaraju ce elemente drugog
reda (kolone).
Primjenom ovih transformacija, dobit ce se matrica koja ima isti rang kao i po cetna
matrica (kaemo A B ako r(A) = r(B)).
Ovaj postupak ide na na cin da svaki naredni red ima jednu nulu vie od prethodnog,
to se naziva i postupak Gaussove eliminacije.
Ovaj postupak je sli can onome vi denom kod izra cunavanja determinanti (svo denje
kolone ili reda na to vie nula). Rang ove dvije matrice ce biti isti zato to ce se vrijed-
nost maksimalne determinante moda promjeniti, no nikada ne moe postati jednaka
nuli! Po zavrenoj Gaussovoj eliminaciji, rang je u stvari broj redova (tj. kolona) koji
imaju barem jedan element razli cit od nule!
Primjer.
_
_
_
_
1 2 3 4
2 1 0 1
3 1 2 3
5 0 2 4
_
_
_
_
Primjer.
_
_
_
_
2 4 1 3
1 2 1 0
0 0 2 2
3 6 2 5
_
_
_
_
14