5 Sistemi linearnih jednaina

5.1 NEKE DEFINICIJE I TEOREME LINEARNE ALGEBRE

Pravougaonu matricu A, sa elementima ai , j , i = 1, 2,..., m; j = 1,2,..., n ,
a11 a 2 ,1 A= am,1 a12 a2 , 2 am, 2 a1, n a 2 ,n am , n

koja ima m vrsta i n kolona skraeno emo obeleavati kao:

A = [ai , j ]m , n
i zvaemo je matrica dimenzija m x n, ili matrica tipa m x n .

(5.1)

Kvadratna matrica
Matrica dimenzija nn, kod koje je broj vrsta jednak broju kolona, naziva se kvadratna matrica reda n: A = [ai , j ]n, n . Specijalni sluajevi kvadratne matrice su,

nulta, ako su joj svi elementi jednaki nuli: aij = 0, i = 1,2,..,n, j = 1,2,..,n donja trougaona L, ako je: aij = 0, i < j, gornja trougaona U, ako je: aij = 0, i > j

93

 a11 a 21 L= an1

a22 an 2

ann

a11 a12 a1n a22 a2n U= 0 ann

dijagonalna D, ako je: aij = 0, i j jedinina E, ako je dijagonalna i uz to: aii = 1, i = 1,2,..., n

a11 a22 D= 0

ann

1 1 E= 0

TEOREMA 1: Determinanta trougaone matrice A je jednaka:

det A = aii
n i =1

(5.2)

Transponovanje matrice
Meusobnom zamenom vrsta i kolona matrice A = [ai , j ]m ,n , dimenzija m x n, dobija se njena transponovana matrica B = [bi , j ]n, m dimenzija n x m, sa elementima:

bi , j = a j ,i , i = 1,2,..., n; j = 1, 2,..., m
i piemo: B = A T .

Kvadratna matrica A je simetrina ako je: A = AT

Za transponovanje zbira i proizvoda ( je skalar), vai: (A + B)T = AT + BT ( A)T = AT (A B)T = BT AT (5.3a)

(5.3b) (5.3c)

94

Inverzna matrica
Inverzna matrica kvadratne matrice A, ako postoji, je kvadratna matrica A-1, takva da vai: A A-1 = A-1A = E

(5.4)

Kvadratna matrica A je nesingularna (regularna), ako ima inverznu matricu i tada je: detA 0 singularna (neregularna), ako nema inverznu maticu i tada je: detA = 0 Ako su A i B regularne, onda vai: (A-1)-1 = A (A B)-1 = B-1 A-1 (5.5a) (5.5b)

Ortogonalna matrica
Ako je matrica A regularna i vai:
ATA = AAT = E A-1 = AT

(5.6)

tj, ako je njena transponovana matrica matrica, jednaka njenoj inverznoj matrici, onda se ona naziva ortogonalna matrica. S obzirom na postupak mnoenja dve matrice, primetimo da ovo znai:

da su njene vrste (kolone), posmatrane kao vektori, meusobno ortogonalne jer je skalarni proizvod dve razliite vrste (kolone) jednak nuli, (vandijagonalni element proizvoda AAT) da su vrste (kolone) jedinini vektori, jer je skalarni proizvod neke vrste (kolone) sa samom sobom jednak jedinici (dijagonalni element proizvoda AAT).

Rang matrice
Submatrica (podmatrica) matrice A = [ai , j ]m ,n je kvadratna matrica reda k min{m,n},

koju ine elementi u preseku bilo kojih k redova i k kolona matrice A.

Primer:
Neke submatrice 2. reda, matrice:

95

2 4 3 A= 1 2 1 0 1 1 su:

2 4 4 3 1 2, 1 1,
Za matricu A = [ai , j ]m ,n kaemo da ima rang r, rang(A) = r min {m,n}, ako je bar jedna submatrica reda r nesingularna, a sve submatrice vieg reda singularne.

Primer:
1 2 3 0 rang 3 8 7 2 =2 1 1 1 1 jer je: 1 2 3 2 3 0 1 2 det 0, det 2 3 8 = det 3 8 7 = 2 3 1 1 1 1 1 1

TEOREMA 2: Iz T1 sledi da je rang trougaone matrice jednak broju nenultih elemenata na glavnoj dijagonali.

Primer:
2 0 0 rang 1 0 0 = 2 , 0 0 5 2 0 det 0 0 5

Elementarne transformacije matrice. Ekvivalentne matrice

Sledee transformacije izvedene na nekoj matrici, nazivaju se elementarne transformacije:

Medusobna zamena dve vrste (kolone) matrice:

96

 Mnoenje neke vrste (kolone) kao vektora skalarom 0:

Dodavanje neke vrste (kolone), pomnoene skalarom , drugoj vrsti (koloni):

Elementarne matrice su matrice dobijene primenom neke od elementarnih transformacija na jedininu matricu E . Oznaavamo ih kao: Eij ,

(E )
T ij

- dobijena zamenom i- te i j- te vrste (kolone) (a )

Ei (a ),

T Eij (a ), Eij (a )

(E

T i

- dobijena mnoenjem i te vrste (kolone) skalarom a

- dobijena dodavanjem j te vrste (kolone), pomnoene sa a, i toj vrsti (koloni)

Primeri:
1 0 0 E= 0 1 0 , 0 0 1 0 0 1 T E13 = 0 1 0 = E13 1 0 0

97

1 0 0 T E 2 (3) = 0 3 0 = E 2 (3), 0 0 1
Zapaamo da vai:
T Eij = E ij ,

1 0 0 T E31 (2) = 0 1 0 = E13 (2) 2 0 1

E i (a ) = E iT (a),

E ij (a ) = E T ji ( a )

TEOREMA 3: Neku elementarnu transformaciju matrice A = [ai , j ]m ,n moemo da izvedemo,

nad vrstama, mnoei je s leva elementarnom matricom reda m, dobijenom istom takvom transformacijom na jedininoj matrici, nad kolonama, mnoei je s desna elementarnom matricom reda n, dobijenom istom takvom transformacijom na jedininoj matrici. Primeri: 1 2 3 1 2 3 0 4 7 0 4 7 = B, A= 8 1 2 (3) 2(1) 6 3 4 1 0 3 1 0 3 1 0 PA = 2 0 1 0 P = E31 (2) = 2 0
0 0 0 1 0 0 0 1 0 0 0 1

2 0 0 0 1 2 3 1 3 1 0 0 0 4 7 0 4 7 =B = 2 1 + 8 2 ( 2) 1 2 3 + 2 0 1 0 8 1 2 0 0 1 0 3 1 0 3 1 0 0 1 Q=E = 0 1 0 1 0 0
T 13

1 2 3 3 2 1 0 4 7 (1) (3) 7 4 0 = B, A = 8 1 2 2 1 8 0 3 1 1 3 0

1 2 3 3 2 1 0 4 7 0 0 1 7 4 0 0 1 0 = AQ = 2 1 8 = B 8 1 2 1 0 0 1 0 0 0 3 1 Ako je matrica B dobijena od matrice A nizom elementarnih transformacija kaemo da su to ekvivalentne matrice i piemo:

98

AB Ekvivalentne matrice imaju isti rang,

B A

rang (A) = rang (B) TEOREMA 4: Svaka matrica A = [ai , j ]m ,n se moe prevesti u ekvivalentnu trapeznu
matricu B = [bi , j ]m, n , koja kao podmatricu reda r, formiranu od elemenata u preseku prvih r min(m,n) vrsta i kolona ima gornju nesingularnu trougaonu matricu U (svi dijagonalni elementi razliiti od nule) i

bij = 0, b11 b12 0 b22 A 0 0 0 0

U skladu sa T2,

i > r ; j = 1,2,..., n b1, r +1 b1,n b2,r +1 b2, n br , r +1 br ,n 0 0

b1r b2 r brr
0 0 0

r vrsta (m r ) vrsta

(5.7)

rang(A) = rang(B) = rang(U) = r,

r min(m,n)

(5.8)

5.2. GAUSOV ALGORITAM ZA ODREDJIVANJE RANGA

Gausove transformacije na matrici A = [ai , j ]m ,n , radi odreivanja njenog ranga baziraju se

na T4 i imaju kao rezultat trapeznu matricu (5.7). One su identine elementarnim transformacijama na proirenoj matrici, u sklopu eliminacionog ili Gausovog postupka reavanja sistema linearnih jednaina. Tako se k- ti korak Gausovog algoritma za nalaenje ranga matrice A (k < n) sastoji u dodavanju k - te vrste matrice (uz pretpostavku da je dijagonalni element u toj vrsti razliit od nule), pomnoene odgovarajuim brojevima, vrstama ispod nje, redom, sa ciljem da elementi ispod dijagonalnog u k-toj koloni transformisane matrice budu jednaki nuli. Nakon (k-1) koraka Gausovog algoritma, izgled transformisane matrice je:

99

 a11 0 0 0 0

a12 a
(1) 22

a1k a
(1) 2k

a1 j a
(1) 2j

0 0 0

a a a

( k 1) kk

a a a

( k 1) kj

( k 1) ik

( k 1) ij

( k 1) mk

( k 1) mj

a1n (1) a2 n ( k 1) akn ( k 1) ain ( k 1) amn

U eksponentu nekog elementa matrice, naznaen je broj transformacija koje je taj element doiveo. Pretpostavimo da je,
( k 1) akk 0

to je uslov za izvoenje k-tog koraka. Ako uslov nije ispunjen, onda se zamenom k-te i neke druge vrste (kolone), postigne da on bude zadovoljen. Sledea formula opisuje k-ti korak algoritma:
a
(k ) ij

=a

( k 1) ij

( k 1) ( k 1) aik akj ( k 1) akk

, j = k + 1, k + 2,..., n , i = k + 1, k + 2,..., m

(5.9)

Gausov postupak se zavrava kada:

su svi elementi u vrstama k do m jednaki nuli, ili k = m (nema vie vrsta), ili k=n (nema vie kolona)

Mogui oblici rezultujue trapezne matrice su prikazani na slikama 5.1 i 5.2:

mn

r=m

r<m

Slika 5.1a - Rezultujua matrica u sluaju m n

100

nm

r=n

r<n

Slika 5.1b - Rezultujua matrica u sluaju n m

Primer:
1 2 1 2 3 0 1 2 3 0 2 0 7 14 7 ( 0 7 3 8 7 ( 2 ) 2 (1) 3) + ( 2 ) / 7 ( 3 ) + (1) 1 1 1 1 0 1 2 1 0 0
r=2

3 0 14 7 0 0

5.3. LINEARNA ZAVISNOST VRSTA (KOLONA) MATRICE Vektori

Pod vektorom a, podrazumevamo ureenu n-torku ili niz od n realnih brojeva, koje zovemo koordinate vektora. Vektor sa n koordinata, zvaemo n-dimenzionalan vektor.

Primeri:

2 0 1 dvodimenzionalan vektor a: a = , etvorodimenzioni vektor b: b = , 0 2 5 x vektor poloaja take M(x,y,z) u Dekartovom koordinatnom sistemu: r ( M ) = y z

101

Linearna zavisnost vektora

Kae se da su vektori a i , i = 1, 2,..., k linearno zavisni, ako postoje brojevi

i , i = 1,2,..., k od kojih je bar jedan razliit od nule, takvi da je:

a
k i =1

i i

=0

(5.10)

To znai da se bar jedan od njih moe predstaviti kao linearna kombinacija ostalih:

a j = i a i , j = 1,2,..., k
k

(5.11)

gde su i skalari i zovu se koeficijenti linearne kombinacije (5.11).

i =1 i j

Primeri: a)
2a1 a 2 + 0a 3 + 0a 4 = 0 a1 = b) 1 1 a 2 + 0a 3 + 0a 4 = a 2 2 2 a 2 = 2a1

1 1 2a1 a 2 + 0a 3 + 4a 4 = 0 a1 = a 2 + 0a 3 2a 4 = a 2 2a 4 2 2 a 2 = 2a1 + 4a 4 1 1 a 4 = a1 + a 2 2 4
Trivijalan sluaj linearne kombinacije je da je samo jedan od brojeva i u (5.10) razliit od nule. Tada je oigledno jedini vektor koji se moe izraziti kao linearna kombinacija ostalih (5.11) nula vektor, jer su svi koeficijenti i jednaki nuli. U daljim razmatranjima, izuzeemo trivijalan sluaj. Ako je jednaina (5.10) zadovoljena samo kada su svi skalari jednaki nuli i = 0, i = 1,2,..., k , onda se kae da su vektori a i , i = 1, 2,..., k linearno nezavisni. Drugim reima, nijedan od njih se ne moe izraziti kao linearna kombinacija (5.11) ostalih. Ako je skup vektora a i , i = 1, 2,..., k linearno nezavisan (skup linearno nezavisnih vektora), lako je pokazati da je i svaki njegov podskup takoe linearno nezavisan. Tako se moe govoriti o maksimalnom broju linearno nezavisnih vektora u nekom skupu vektora.

Primeri:
a) Skup tri vektora u ravni Oxy (n = 2),

102

 2.5 1.25 2.5 a1 = 2.5i + j = , a2 = , a3 = 1 0.5 1

nije linearno nezavisan. Na primer: Bilo koja dva od 3 data vektora su linearno zavisni od treeg, tj. mogu se dobiti mnoenjem treeg vektora nekim skalarom 0. Na primer, a 2 = 0.5a1 , a 3 = a1 Maksimalan broj linearno nezavisnih vektora je k = 1. Vektori su kolinearni - lee na jednoj pravoj u Oxy ravni, koja prolazi kroz koordinatni poetak. b) Vektori u Oxy ravni, a1+ a3 + 0a2= 0, 0a1+ a2 0.5a3= 0, ...

1 2 2 a1 = i + 2 j = , a 2 = , a 3 = 2 2 1
su 3 linearno zavisna vektora. Na primer: a1+ 0.5a2+ a3 = 0 . Vektori ne lee na jednoj pravoj i maksimalan broj linearno nezavisnih vektora je k = n = 2. Svaki par od data 3 vektora ini skup linearno nezavisnih, dakle nekolinearnih, vektora. Na primer, 0a1 + 0a2 = 0 Bilo koji od posmatranih vektora je neka linearna kombinacija ostala dva. Na primer, a 3 = (a1 + 0.5a 2 )

a) a1

y j=b2 i=b1 a2

k=1

b)

y a1

k = n= 2

x a3 a2 = 0.5a3 = - 0.5a1

a3 a2

xx

a3 = - a1

a3 = - (a1 +0.5a2)

Vektorski prostori i potprostori

Beskonaan skup svih n - dimenzionalnih vektora (vektori sa n koordinata) zajedno sa operacijama:

mnoenja vektora skalarom sabiranja vektora

103

 skalarnog mnoenja vektora

naziva se n - dimenzionalni vektorski prostor. Maksimalan broj linearno nezavisnih vektora u n-dimenzionalnom vektorskom prostoru je tano jednak n. Bilo koji skup, koji sadri maksimalan broj linearno nezavisnih vektora naziva se baza vektorskog prostora, a njeni elementi b i , i = 1,2,..., k , bazni vektori. Iz definicije linearne zavisnosti vektora, sledi da su svi ostali vektori neke linearne kombinacije baznih vektora. Jedna oigledna baza n dimenzionalnog vektorskog prostora su vektori:

1 0 0 1 b1 = , b2 = , 0 0

0 0 , bn = 1

Ta baza se naziva kanonina baza. Kanoninu bazu u trodimenzionalnom Euklidskom prostoru ine ortovi (jedinini vektori) i, j i k, jer se svaki vektor v u tom prostoru (brzina, sila itd.) moe razloiti na ta tri vektora, tj. prikazati kao linearna kombinacija: v = x1i + x2 j + x3k iji su koeficijenti koordinate ili komponente vektora v u koordinatnim pravcima. U n - dimenzionalnom vektorskom prostoru, odabrani skup od k (k n) linearno nezavisnih vektora formira jednu bazu k dimenzionog vektorskog potprostora u kome je svaki vektor jednak nekoj linearnoj kombinacija odabranih baznih vektora. Primeri: a) U prethodnom primeru a), svi kolinearni vektori, koji lee na pravoj definisanoj bilo kojim od tri data dvodimenzionalna vektora, ine jedan 1- dimenzioni vektorski potprostor, za iju se bazu moe uzeti recimo vektor a1 b) U prethodnom primeru b), maksimalan broj linearno nezavisnih od data tri dvodimenzionalna vektora (n = 2) je: k = n = 2. Poto nijedan par od tri data vektora ne lei na jednoj pravoj, on se moe uzeti kao baza 2- dimenzionalnog vektorskog potprostora. Ako bi pak, dva od tri vektora bili kolinearni, recimo a1 i a2 oni ne bi mogli initi bazu 2-dimenzionalnog potprostora. c) Tri komplanarna, nekolinearna vektora u trodimenzionalnom prostoru (slika)
z n=3 k=2

a2 x a3 y a1

104

Poto vektori lee u jednoj ravni, linearno su zavisni i i bilo koji od njih se moe raloiti po ostala dva. Maksimalan broj linearno nezavisnih vektora je 2 i bilo koja dva od tri vektora, ako nisu kolinearni, mogu da se uzmu kao baza 2-dimenzionog vektorskog potprostora, koga ine svi vektori u datoj ravni. d) Tri nekomplanarna vektora u trodimenzionalnom prostoru (slika). Vektori ne lee u istoj ravni, pa su linearno nezavisni:

1a1+ 2a2+ 3a3 = 0,

za

1= 2= 3= 0

i formiraju jednu bazu 3- dimenzionog vektorskog (pot)prostora.

k=n=3

a2 x a3 y a1

Broj nezavisnih vrsta (kolona) matrice

Vrste i kolone neke matrice A = [aij ]m, n su vektori. Pri tom razlikujemo:

horizontalne vektore ili vektor- vrste, sa po n koordinata (elemenata) vertikalne vektore ili vektor- kolone, sa po m koordinata (elemenata)

Dogovoriemo se da se pod nekim vektorom a, b, c, itd. podrazumeva vertikalni vektor. Horizontalan vektor emo onda oznaavati kao transponovani vertikalan vektor.

Primeri:

0 a= 2 , 3

bT = [1, 2.5, 0.5, 3]

Ako dozvolimo da elementi matrica i vektora mogu da budu vektori i matrice, onda je oigledno da neku matricu A = [aij ]m, n , moemo da prikaemo alternativno kao:

105

 (1 x n) matricu, tj. vektor- vrstu, iji su elementi, m- dimenzionalni vektori- kolone (m x 1) matricu, tj. vektor- kolonu iji su elementi , n- dimenzionalni vektori- vrste
A = [a1 a 2
T b1 a1 j T a b2 2j an ] = , a j = , b T bi 2 bin ] i = [bi1 T b m amj

(5.12)

TEOREMA 5: Maksimalan broj linearno nezavisnih vektora - vrsta matrice A = [aij ]m, n , jednak je maksimalnom broju linearno nezavisnih vektora- kolona i jednak je rangu matrice. Iz teoreme neposredno sledi: rang (A ) = rang ( AT ) (5.13)

Neka je rang matrice A = [aij ]m, n jednak r i neka je submatrica reda r u gornjem levom uglu matrice A, nesingularna. Znai da su prvih r kolona, a j , j = 1,2,..., r matrice linearno nezavisne, kao i prvih r vrsta, bT i , i = 1, 2,..., r . Ostale kolone (vrste) su onda neke linearne kombinacije tih r kolona (vrsta):

a j = 1 j a1 + 2 j a 2 +

+ rj a r , j = r + 1, r + 2,..., n

(5.14a) (5.14b)

T T T bT i = 1i b1 + 2 i b 2 ++ ri b r , i = r + 1, r + 2,

,m

5.4 ODREDIVANJE BROJA NEZAVISNIH HEMIJSKIH REAKCIJA

Da bi mogli da iskoristimo metode linearne algebre u stehiometriji, koristiemo sledei uopteni prikaz hemijske reakcije, tj. stehiometrijske jednaine:

106

 A = 0
Nc i i i =1

(5.15)

Nc je broj supstanci koje uestvuju u reakciji. Ai oznaava susptancu, koja uestvuje u reakciji, tj. njen molekul, a i njen stehiometrijski koeficijent, pri emu vai dogovor:

> 0 i < 0 Primer:

Stehiometrijsku jednainu:

za produkt reakcije za reaktant u reakciji

CH 4 + H 2O = CO + 3H 2
prevodimo, prebacujui molekule reaktanata na desnu stranu znaka jednakosti, u ekvivalentnu, koja ima oblik (5.15):

CO + 3H 2 CH 4 H 2O = 0
Ako supstance oznaimo kao: A1 = CH 4 , A2 = H 2O, A3 = CO, A4 = H 2 imamo:

1 = 2 = 1, 3 = 1, 4 = 3
i posmatranoj reakciji dodeljujemo horizontalan vektor: r T = [1, 1, 1, 3] Ako se u sistemu odigrava vie reakcija, njihove stehiometrijske jednaine se prikazuju na sledei nain:

NC i =1

ij

Ai = 0,

j = 1,2,..., N r

(5.16)

gde su: Ai - komponenta i u reakcionoj smei ij - stehiometrijski koeficijent i-te komponente u j-toj reakciji Nc - broj komponenata u sistemu Nr - broj reakcija u sistemu

Primer:
Reakcije izmeu komponenata C, O2, CO i CO2 C + 1/2 O2 = CO CO + 1/2O2 = CO2 (R1) (R2)

107

CO2 + C = 2CO U formi (5.16) one izgledaju:

(R3)

- C - 1/2 O2 + CO = 0 - 1/2O2 - CO + CO2 = 0 -C + 2CO - CO2 = 0

(R1) (R2) (R3)

pri emu smo komponente numerisali kao: C(1), O2(2), CO (3) i CO2(4). Jasno je da je sistem reakcija (5.16) definisan matricom stehiometrijskih koeficijenata dimenzija (Nc x NR) koju zovemo stehiometrijska matrica S: S = [ij ] N c , N r (5.17)

Primer:
Stehiometrijska matrica za sistem reakcija u prethodnom primeru je:

0 1 1 1 / 2 1 / 2 0 S= 1 2 1 1 1 0

Praktian problem u stehiometriji je odreivanje broja nezavisnih reakcija, tj. stehiometrijskih jednaina u nekom reakcionom sistemu. Nezavisna hemijska reakcija u skupu Nr reakcija je ona, ija se stehiometrijska jednaina ne moe dobiti kao linearna kombinacija ostalih. U transponovanoj stehiometrijskoj matrici, vrste jednoznano odgovaraju reakcijama, tj. stehiometrijskim jednainama, a kolone komponentama.

11 21 T S = 1 j 2 j 1,N 2, N r r

i1 ij i,Nr

NC ,1 r1T NC , j = rjT T NC, Nr rNr

j - ta reakcija

i - ta komponenta

Sledi da je broj nezavisnih hemijskih reakcija NR u sistemu od Nr reakcija:

NR = rang (S) = rang (ST)

(5.18)

108

Zadatak 5.1 Odrediti broj i odabrati jedan skup nezavisnih reakcija u reakcionom sistemu:
2NO + O2 = 2NO2 2NO = N2 + O2 N2 + 2O2 = 2NO2 4NH3 + 3O2 = 2N2 + 6H2O 4NH3 + 6NO = 5N2 + 6H2O (1) (2) (3) (4) (5)

Reenje:
U sistemu imamo Nr = 5 reakcija i Nc = 6 komponenata. Ako komponente oznaimo kao:
NO2 = A1, N2 = A2, O2 = A3, NO = A4, H2O = A5, NH3 = A6

transponovana stehiometrijska matrica sistema e biti:

A1 A2 A3 A4 r 2 0 1 2 0 1 1 2 r T S = r = 2 1 2 0 r 0 2 3 0 r 0 6 0 5
T 1 T 2 T 3 T 4 T 5

A5 A6 0 0 0 0 0 0 6 4 6 4

Sprovodimo Gausov postupak za nalaenje ranga matrice ST:

2 0 0 ( 3) + ( 2 ) ( 4) 2( 2) ( 5) 5( 2 ) 0 0 ( 4 )(3 )

A1 A2 A3 A4 2 0 1 2 0 1 1 2 2 1 2 0 0 2 3 0 0 6 0 5

0 1 2 0 0 2 0 1 1 2 0 0 0 0 0 0 0 0 ( 3) ( 5 ) 0 5 4 6 4 0 0 5 4 6 4 0 0 1 1 1 0 5 0 0 0 0 2 2 4 0 0 0 0 0 0 6 4 0 0 0 0

A5 0 0 0 6 6

A6 0 2 0 1 2 0 1 0 1 2 0 1 1 2 0 ( 3) (1) 4 0 2 3 0 4 0 6 0 5

0 1 2 0 0 1 1 2 0 0 0 5 4 6 4 0 5 4 6 4 0 0 0 0 0

0 0 0 0 0 0 6 4 6 4

2 0 0 0 0

109

Dobili smo: rang(ST) = 3 Kao nezavisne (bazne) reakcije moemo da odaberemo one, koje odgovaraju prvim trima vrstama u rezultujuoj matrici (poto su one sigurno linearno nezavisne), a poto je u Gausovom postupku bilo premetanja vrsta (zamena 3. i 5. vrste u 3. koraku), to su 1, 2. i 5. vrsta u polaznoj matrici. Jedan skup nezavisnih ili baznih reakcija je: (1) (2) (5) 2A 1 - A 3 - 2A 4 = 0
A 2 + A 3 - 2A 4 = 0

2NO + O2 = 2NO2 2NO = N2 + O2 4NH3 + 6NO = 5N2 + 6H2O

5A 2 - 6A 4 + 4A 5 - 4A 6 = 0

Ostale reakcije: (3) (4) 2A 1 - A 2 - 2A 3 = 0 2A2 - 3A3 + 6A5 - 4A6 = 0

N2 + 2O2 = 2NO2

4NH3 + 3O2 = 2N2 + 6H2O

su zavisne i neke su linearne kombinacije nezavisnih (vidi jednaine 5.14a,b). Te kombinacije su: (3) = (1) - (2), (4) = (5) 3(2)

Koeficijenti u tim kombinacijama se dobijaju reavanjem odgovarajucih sistema linearnih jednaina. Na primer za 3. reakciju, treba odrediti koeficijente i u linearnoj kombinaciji: r3 = 1r1 + 2r2 + 3r5 odnosno,

2 2 0 0 5 1 0 1 2 1 1 0 = 1 + 2 + 3 6 2 2 0 0 6 0 0 4 0 0 0
Iz te vektorske jednaine sledi sistem od 6 linearnih jednaina sa nepoznatima 1 , 2 , 3 :

110

21 + 0 2 + 0 3 = 2 01 + 2 + 5 3 = 1

1 + 2 + 0 3 = 2 21 2 2 6 3 = 0
01 + 0 2 4 3 = 0 01 + 0 2 + 6 3 = 0

To je saglasan sistem, pa se reava sistem od tri odabrane nezavisne jednaine. Recimo, ako odaberemo prvu, drugu i poslednju, onda iz poslednje dobijamo:

3 = 0 Smenom u 1. jednainu i reavanjem po 1 dobijamo:

1 = 1
i konano, sa tim vrednostima, iz 2. jednaine dobijamo:

2 = 1

5.5 EGZISTENCIJA REENJA SISTEMA LINEARNIH JEDNAINA

Posmatrajmo sistem od m linearnih jednaina sa n nepoznatih: a11 x1 + a12 x2 + a21 x1 + a22 x2 + am1 x1 + am 2 x2 + + a1n xn = b1 + a2n xn = b2 + amn xn = bm (5.19)

ili u vektorskom obliku:

Ax = b

(5.20)

gde su:
x1 b1 x b 2 2 A = [aij ]m ,n , x = , b = xn bm

111

Trebae nam proirena matrica sistema, koju emo oznaiti sa [A b] i koju dobijamo kada
matrici sistema A dodamo, kao kolonu, vektor slobodnih koeficijenata b:

a11 a 21 [A b ] = [ A, b] = am1

a12 a22

a1n a2 n

am 2 amn

b1 b2 bm

Kroneker-Kapelijeva teorema
TEOREMA 6 (Kronecker- Capelli): Sistem linearnih jednaina ili krae SLJ (5.19) je saglasan (ima reenje) ako i samo ako je: r = rang ( A ) = rang [ A b] ili, ako rang ove matrice sistema i proirene matrice oznaimo sa rA , rAb , r = rA = rAb min (m,n) Pri tom, SLJ ima: (5.21)

ako je r = n, jedinstveno reenje - korektan i odreen problem ako je r < n, beskonano mnogo reenja korektan i neodreen problem.

U protivnom, ako je rA < rAb, kae se da je sistem protivurean ili nesaglasan, ili da je problem nekorektan. Sluajevi korektnog odreenog problema su:

Kvadratni SLJ, tj. r = m = n. Matrica sistema je nesingularna (det A 0) i reenje se dobija mnoenjem s leva obe strane jednaine (5.20), inverznom matricom:

x = A 1b

(5.22)

Pravougaoni SLJ, tj r = n < m. Od ukupno m jednaina, nezavisno je n, a "viak" od (m - n) jednaina su neke linearne kombinacije tih n jednaina. Tako, reenje dobijeno reavanjem kvadratnog sistema sa n nezavisnih jednaina, zadovoljava i ostale jednaine (vidi reenje Zadatka 5.1)
Sluajevi korektnog neodreenog problema su:

r = m < n , to znai su u sistemu sve jednaine nezavisne (r = m ), ali one sadre vie nepoznatih od broja jednaina, pa je problem neodreen, tj. ima beskonano mnogo reenja.

112

 r < m < n ili r < n m , to znai da je od ukupno m , nezavisno r jednaina, koje sadre vie od r nepoznatih.
Njegovo reavanje e biti objanjeno kasnije.

Primer 1:
2x + y = 4 x - y = -1 (1) (2) (n = m = 2)

Gausove transformacije proirene matrice:

1 4 2 1 4 2 1 1 1 ( 2 ) (1) / 2 0 1.5 3 rA = rAb = n = 2

Sistem ima jedinstveno reenje: x = 1, y = 2 Geometrijska interpretacija: Prave 2x + y = 4 i x - y = -1 se seku u taki (1,2)

Primer 2:
2x + 3y = 6 (1) 4x + 6y = 12 (2) (n = m = 2)

2 3 6 2 3 6 4 6 12 ( r = rA = rAb = 1 2 ) 2 (1) 0 0 0
Jednaine nisu nezavisne (r < m): druga se moe dobiti mnoenjem prve sa 2. Sistem je saglasan i ima beskonano mnogo reenja. Geometrijska interpretacija: prave (1) i (2) se poklapaju.

Primer 3:
2x + 3y = 6 (1) 4x + 6y = 24 (2) (n = m = 2)

2 3 6 2 3 6 2 6 3 4 6 24 ( 0 12 0 rA = 1, rAb = 2 2 ) 2 (1) 0 0 12
Sistem je nesaglasan nekorektan problem. Geometrijski: paralelne prave.
y

1 1

x
(1) (2)

113

Primer 4:
2x + y + z = 4 x - y + 2z = -1 (1) (2) (n = 3, m = 2 < n )

1 1 4 2 1 1 4 2 1 1 2 1 ( , r = rA = rAb = m = 2 2 ) (1) / 2 0 1.5 1.5 3 Sistem je saglasan i ima beskonano mnogo reenja (r < n) korektan neodreen problem. Geometrijska interpretacija: presek 2 ravni.

Primer 5:
2x + y + z = 4 6x + 3y + 3z = 12 (1) (2) (n = 3, m = 2 < n) r = rA = rAb = 1< m,

2 1 1 4 2 1 1 4 6 3 3 12 ( 2 ) 3(1) 0 0 0 0

Druga jednaina se dobija iz prve, mnoenjem sa 3. Problem je neodreen i korektan. Geometrijska interpretacija: 2 ravni koje se poklapaju.
z reenje - ravan

114

Primer 6:
2x + 3y - z = 6 4x + 6y - 2z = 10

2 3 1 6 2 3 1 6 2 6 1 3 4 6 2 10 ( 0 0 0 2 0 2 0 0 2 ) 2(1)
rA = 1, rAb = 2

(1) (2)

(n = 3, m = 2 < n)

Sistem je nesaglasan, tj. problem je nekorektan. Geometrijska interpretacija: dve paralelne ravni

Primer 7:
2x + y = 4 x - y = -1 x + 2y = 5 (1) (2) (3)

(n = 2, m= 3 > n)

Trea jednaina se dobija oduzimanjem druge od prve. Korektan odreen problem, koji ima jedinstveno reenje: x = 1, y = 2. Geometrijska interpretacija: tri prave, koje se seku u jednoj taki.

r = rA = rAb = 2

y
(1) (2)

(3)

Primer 8:
2x + 3y = 6 (1) 4x + 6y = 12 (2) 6x + 9y = 18 (3) rA = rAb = 1 Samo jedna jednaina je nezavisna. Jednaine (2) i (3) se dobijaju mnoenjem (1) sa 2, odnosno 3. Problem je korektan neodreen. Geometrijska interpretacija: tri prave, koje se poklapaju.

(n = 2, m= 3 > n)

Primer 9:
2x + y = 4 (1)

115

x - y = -1 x+y=5 rA= 2, rAb= 3

(2) (3)

(n = 2, m= 3 > n)

Sistem je nesaglasan. Geometrijska interpretacija: tri prave, koje se ne seku u jednoj taki.
y
(2)

x
(3) (1)

Broj stepeni slobode i reavanje saglasnog neodreenog SLJ

Pod brojem stepeni slobode d saglasnog SLJ, podrazumeva se razlika broja nepoznatih i zajednikog ranga matrice sistema i proirene matrice sistema:

= 0 d = nr > 0

odredjen problem neodredjen problem

(5.23)

i predstavlja broj nepoznatih, kojima se moraju zadati neke vrednosti (tzv. slobodne promenljive) da bi se mogle odrediti vrednosti preostalih r nepoznatih. Na primer, u primerima 2, 4 i 8 broj stepeni slobode je 1: jednoj od nepoznatih (slobodna promenljiva) se zadaju neke vrednosti. U primeru 5 imamo dva stepena slobode dve od tri nepoznate su slobodne promenljive (npr. za odabrani par vrednosti x i y, z se dobija kao trea koordinata take u ravni, definisanoj jednainama sistema) . Neka je submatrica koju ine elementi u preseku prvih r vrsta i r kolona proirene matrice [A b] nesingularna. To se uvek moe postii elementarnim transformacijama meusobna

zamena mesta vrsta (kolona), to znai prenumeraciju jednaina (nepoznatih). Tako je prvih r jednaina meusobno nezavisno, a svaka od preostalih m - r je neka njihova linearna kombinacija, pa e je zadovoljiti reenje tih r jednaina. Postupak se sastoji u tome da: 1. Uzmemo samo prvih r jednaina (u specijalnom sluaju r = m < n, to su sve jednaine)

116

2. U tom sistemu, nepoznate xr+1, ..., xn prebacimo na desne strane jednaina

3. Uzimajui proizvoljne vrednosti za te nepoznate, reavamo rezultujui sistem od r jednaina sa r nepoznatih

Primer:
x1- 2x2+3x3= 1 3x1+ 2x2- 4x3= 2 5x1- 2x2+2x3= 4 (1) (2) (3)

1 1 2 3 1 1 2 3 3 2 4 2 0 8 13 1 2 )3(1) ( (3 )5(1) 5 2 2 4 0 0 0 0

rA= rAb= 2

Prve dve jednaine su nezavisne, a trea je njihova linearna kombinacija: Uzimamo prve dve jednaine i nepoznatu x3 (slobodna promen.) prebacujemo na desnu stranu :
x1- 2x2= 1- 3x3

(3) = 2(1) + (2)

Eliminiemo iz druge jednaine nepoznatu x1 tako to od druge oduzmemo prvu jednainu, pomnoenu sa 3. Rezultat je ekvivalentan sistem:
x1- 2x2= 1- 3x3 8x2= -1 + 13x3

3x1+ 2x2= 2 + 4x3

Iz druge dobijamo x2 u funkciji slobodne promenljive:

1 13 x2 = + x3 8 8 i smenom tog izraza u prvu i reavanjem po x1: x1 = 3 1 + x3 4 4

Za svaku odabranu vrednost za slobodnu promenljivu x3 dobijamo jedan par vrednosti x1 i x2 , tj. jedno od beskonano mnogo reenja datog SLJ.

Homogen SLJ
U sluaju da je vektor slobodnih koeficijenata jednak nuli imamo homogen SLJ:
Ax = 0

(5.23)

U skladu sa T6, homogen SLJ (5.23) je uvek saglasan jer iz b = 0 sledi:

117

rA= rAb = r i ima oigledno reenje x = 0, koje se naziva trivijalno. Da bi homogen SLJ imao i netrivijalna reenja (beskonano mnogo), potrebno je i dovoljno da bude: r<n tj. da bude neodreen. U sluaju kvadratnog sistema (m = n), to znai da je matrica A singularna (det A = 0). Netrivijalna reenja se dobijaju opisanim postupkom za reavanje saglasnih neodreenih SLJ.

5.6 GAUSOV ELIMINACIONI METOD REAVANJA SLJ

U daljem izlaganju emo se ograniiti na kvadratne saglasne SLJ: r = n = m. Postoji dva tipa postupaka za njhovo reavanje:

direktni ili eliminacioni iterativni

rezultat ekvivalentan (ima isto reenje kao polazni sistem) trougaoni sistem jednaina (matrica sistema je gornja trougaona), sa proirenom matricom:

Najpoznatiji eliminacioni postupak je Gausov. Elementarne transformacije identine onima za odreivanje ranga matrice, sprovode se na proirenoj matrici [A b] i imaju za

11 12 0 22 [A b] 0 0 0 0

2 ,n

1,n

n-1,n-1 n-1,n 0 n,n

1 2 n1 n

(5.24)

pri emu su dijagonalni elementi i,i 0, jer je u skladu sa pretpostavkom, rA = n (det(A) 0). U k tom koraku postupka, uz uslov ak, k 0, vri se ustvari eliminacija nepoznate xk iz jednaina: k + 1, k + 2,..., n. Meusobnoj zameni vrsta (kolona), da bi se, ako je neophodno, na poziciju (k,k) u matrici doveo nenulti element, odgovara prenumeracija jednaina (promenljivih). Rezultujui trougaoni sistem (5.24) se zatim reava unazad, povratnim zamenama, tako da se iz poslednje jednaine izrauna xn, onda iz pretposlednje xn-1 itd:

xn =

n 1 i i,j x j , i = n 1, n 2,...,1 xi = i,i j =i +1

n n,n

(5.25)

118

Originalan Gausov metod doiveo je razliite modifikacije, sa ciljem smanjivanja akumulacije greaka zaokruivanja u toku raunskog procesa, tj. gubitka sigurnih cifara. Naime, svaki od koraka Gausovog algoritma ukljuuje operaciju oduzimanja, koja moe da prouzrokuje gubitak znaajnih cifara (ako su bliski operandi), to naroito u u sluaju reavanja velikih sistema jednaina (veliki broj operacija) moe da obezvredi krajnje rezultate. Radi se dakle o potencijalno nestabilnom ili loe uslovljenom raunskom postupku tj. sistem koji se reava moe da bude loe uslovljen (osetljiv na promene koeficijenata u jednainama). Jedan od kriterijuma loe uslovljenosti kvadratnog saglasnog SLJ je mala vrednost determinante sistema, kada se on pribliava neodreenom saglasnom sistemu. Pomenute modifikacije nee biti obraene u ovom materijalu.

5.7 GAUS - ORDANOV ELIMINACIONI METOD

Kod Gaus-ordanov postupka (Gauss-Jordan), u k-tom koraku se nepoznata xk eliminie ne samo iz jednaina k + 1, k + 2, ... , n, ve i iz prethodnih jednaina: 1,2,. .., k 1. Tako je krajnji rezultat dijagonalan SLJ, sa proirenom matricom:
11 0 [A b] 0 22 0 0 0 0 1 2 n

(5.26)

n,n

ija se reenja dobijaju direktno:

Ako se jo prva jednaina sistema sa proirenom matricom (5.26) podeli sa 11, druga sa 22, ... , poslednja sa n,n rezultat e biti SLJ sa jedininom matricom sistema, tj. proirenom matricom:

xi= i/i,i, i = 1,2,...,n

1 0 0 1 0 1 0 2 0 0 1 n

ija se reenja dobijaju direktno:

xi = i , i = 1,2,...,n

Ukupan broj osnovnih raunskih operacija, a time i raunsko vreme, za Gaus - ordanov postupak je vei nego za Gausov, to ga ini i osetljivijim na greke zaokruivanja u sluaju loe uslovljeninih SLJ.

Izraunavanje inverzne matrice

119

Uprkos navedenom nedostatku, Gaus - ordanov postupak ipak ima primenu i to za izraunavanje inverzne matrice, neke nesingularne matrice A, paralelnom primenom opisanih transformacija na jedininu matricu E. Naime, u skladu sa T3 (poglavlje 5.1), primena prve transformacije na matrici A, reda n, odgovara njenom mnoenju s leva matricom T1= T1E, koja se dobija primenom iste transformacije na matrici E, reda n . Na taj nain, primena prve i druge transformacije odgovara mnoenju matrice A sleva matricom T2T1E. Tako, primena niza svih n Gaus ordanovih transformacija, kojima se matrica transformie u jedininu, opisana je jednainom:

(Tn Tn -1 T1E)A = E
iz koje sledi,
Tn Tn-1 T1E = A 1

matricu. Kao to smo se uverili, matrica E e pri tom da se transformie u matricu A-1:
a11 a [ A E] = 21 a n1 a12 a1n a n 2 a nn a22 a 2n 1 0 0 1 0 0 b11 b12 0 1 0 b 0 1 0 b22 21 0 0 1 0 0 1 bn1 bn 2

Tako se inverzna matrica neke nesingularne matrice A moe dobiti primenom Gausordanovih transformacija na proirenu matricu [A E] , sa ciljem da se A prevede u jedininu
b1n bn = [E A 1 ] bnn

5.8 REAVANJE TRODIJAGONALNOG SLJ

U hemijsko inenjerskim proraunima se sreu SLJ specijalnog tipa: tro- ili tridijagonalni linearni sistemi, kod kojih prva i poslednja jednaina sadre samo po dve nepoznate, a ostale jednaine po tri nepoznate i to tako da matrica sistema ima trodijagonalnu formu (svi elementi van tri dijagonale su jednaki nuli):

Bx = d,

a1 c 2 0 B= 0 0 0

b1 a2 c3 0 0 0

0 b2 a3

0 0 b3 cn 2

0 0 0 an 2 cn1 0

bn 2 an1 cn

0 0

0 0 0 0 bn1 an

(5.27)

120

Sa ciljem znaajne utede memorijskog prostora i raunskog vremena pri reavanju veih tridijagonalnih sistema, Tomas (Thomas) je predloio eliminacioni postupak, koji se bazira na tzv. LU faktorizaciji, tj teoremi: TEOREMA 7: Svaka regularna matrica A se moe na jedinstven nain prikazati kao proizvod jedne donje i jedne gornje trougaone matrice ( LU faktorizacija): A = LU U skladu sa teoremom, trodijagonalnu matricu B je mogue faktorizovati kao: B = WQ
w1 c 2 0 W= 0 0 0 1 q1 0 0 0 0 1 q 0 0 0 2 0 0 1 q3 0 0 , Q= 0 0 1 qn 1 0 wn 1 0 0 0

(5.28)

pri emu su donja trougaona matrica W i gornja trougaona matrica Q samo bidijagonalne:
0 w2 c3 0 0 w3 0 cn1 0 wn1 cn

(5.29)

Njihove elemente dobijamo iz (5.28). Tako, na primer, izjednaujui odgovarajue elemente u prvoj vrsti matrice B i proizvoda WQ dobijamo: w1 = a1 w1q1 = b1 q1 = b1/w1 a u drugoj vrsti: c2 = c2 c2q1 + w2 = a2 w2 = a2 - c2q1 w2q2 = b2 q2 = b2/w2 Tako izvodimo algoritam:

w1 = a1 ; qi 1 =

bi 1 , wi = ai ci qi 1 , i = 2,3,..., n wi 1

(5.30)

Ako jo definiemo vektor g na sledei nain: d = Wg onda polazni sistem jednaina postaje: (5.31)

WQx = Wg
i ako ga sleva pomnoimo sa matricom W-1: Qx = g

(5.32)

121

Sistem (5.32) se lako reava, budui da je, prethodno izraunata matrica Q bidijagonalna. Vektor g raunamo iz (5.31):
w1 c 2 Wg = 0 0 0 w2 c3 0 0 g1 w1 g1 d1 0 0 g2 c g + w2 g 2 d 2 2 1 w3 0 g 3 = c3 g 2 + w3 g 3 = d 3 cn wn g n cn g n1 + wn g n d n 0

g1 =

d1 ; w1

gi =

d i ci g i 1 , wi

i = 2,3,...,n

(5.33)

Preostalo je da se rei sistem (5.32), povratnim zamenama: 1 q1 0 0 x1 x1 + q1 x2 g1 0 1 q 0 x x + q x g 2 2 3 2 2 2 = = Qx = 0 0 1 qn1 xn 1 xn1 + qn1 xn g n1 xn 1 0 0 0 xn gn

xn = g n ;

xi = g i qi xi +1 ,

i = n 1,n 2,..., 1

(5.34)

Moemo da rezimiramo Tomasov postupak: 1. Odrediti vektore w i q pomou jednaine (5.30) 2. Izraunati vektor g, pomou jednaine (5.33) 3. Dobiti reenja sistema iz jednaine(5.34)

Zadatak 5.2 Reiti sledei SLJ:

x1 + 2 x2 = 1 3x1 + 2 x2 + 0.5 x3 = 2

x2 + 2 x3 + 2 x4 = 4
5 x3 3 x4 = 3

Reenje (Mathcad):
ORIGIN:= 1 n := 4

122

Matrica sistema je trodijagonalna: 1 3 A := 0 0

Vektor slobodnih koeficijenata: 1 2 d := 4 3

2 0.5 0 1 2 2 0 5 3
2 0 0

Vektori a,b i c (dijagonale):

1 2 a := 2 3
w := a
1

2 0.5 b := 2 0

0 3 c := 1 5

Racunanje vektora w i q: b i := 2 q
i1 i1 i1

:=

w b

w := a c q
i i

i i1

i := 3

i1

:=

i1 i1

w b

w := a c q
i i

i i1

i := 4

i1

:=

i1 i1

w := a c q
i i

i i1

2 q = 0.125 1.067

d Racunanje vektora g: g :=
1

1 4 w= 1.875 8.333

1 1

0.25 g= 2.267 1
1

i := 2

g :=
i

d c g
i

i i1 i

i := 3

g :=
i

d c g
i

i i1 i

i := 4

g :=
i

d c g
i

i i1 i

Povratna zamena: x := g
n n

i := n 1 , n 2 .. 1

x := g q x
i i

i i+ 1

Resenje:

Provera:

0 0 A x d = 0 0

0.2 0.4 x= 1.2 1

123

5.9 LINEARNA ALGEBRA U MATHCAD-U

Mathcad ima odreen broj operatora i funkcija za manipulaciju vektorima i matricama. Pri tom: Pod vektorom se u Mathcad-u podrazumeva vektor-kolona (vertikalni vektor) Operator mnoenja predstavlja matrino mnoenje ako su argumenti matrice Ako su argumenti vektori, operator mnoenja daje skalarni proizvod Neki matrino-vektorske operatori se mogu realizovati pomou Matrix alata od kojih su najvaniji alati za,

formiranje matrice-vektora, izbor pojedinanog elementa matrice ili vektora izbor kolone matrice, nalaenje inverzne matrice date kvadratne matrice, nalaenje transponovane matrice, nalaenje determinante matrice (primenjen na matricu daje determinantu a primenjen na vektor daje intenzitet vektora), vektorizaciju, tj. primenu operatora i funkcija, koje su inae definisane nad skalarima, na svim elementima neke matrice (vektora)

Od matrino-vektorskih funkcija naveemo sledee (za preostale funkcije i ostale detalje konsultovati Help): rows(M) - daje kao rezultat broj redova matrice M cols(M) - daje kao rezultat broj kolona matrice M length(v) - daje kao rezultat broj elemenata vektora v last(v) - daje indeks poslednjeg elementa vektora v rank(M) - daje kao rezultat rang matrice M (kvadratne ili pravougaone) submatrix(M,r1,r2,k1,k2) - izdvajanje podmatrice iz matrice M i to od vrste sa indeksom r1 do r2 i kolone sa indeksom od k1 do k2. stack(A,B,C...) - daje kao rezultat matricu ije kolone predstavljaju spojene odgovarajue kolone matrica A,B,C... (u redosledu odozgo, prema dole). Sve matrice moraju imati isti broj kolona. augment(A,B,C...) - daje kao rezultat matricu ije vrste predstavljaju spojene odgovarajue vrste matrica A,B,C... (u redosledu s leva na desno). Sve matrice moraju imati isti broj vrsta. lsolve(A,b) - daje kao rezultat reenje saglasnog odreenog kvadratnog sistema linearnih jednaina Ax = b ( rangA = n = m).

Reavanje SLJ pomou Solve Block-a

U Mathcad-u se za reavanje SLJ moe koristiti i tzv. Solve Block. Treba naglasiti da je ovaj nain, u principu, namenjen reavanju sistema nelinearnih algebarskih jednaina. Solve Block omoguuje reavanje saglasnih, kvadratnih (n = m) i pravougaonih (n m) SLJ 124

 odreenih i neodreenih (jedan set vrednosti ostalih, za odabrane vrednosti slobodnih promenljivih) SLJ Solve Block-a poinje sa Given a zavrava se pozivom funkcije Find. Argumenti funkcije Find su imena nepoznatih ija se reenja trae, razdvojene zarezima (npr. x1, x2 , x3). Funkcija Find kao rezultat vraa vektor reenja (vektor x). Izmeu Given i Find je definisan SLJ koji se reava i to ne pomou operatora za dodelu vrednosti ( :=) nego pomou relacionog operatora jednako (=) iz Boolean kompleta alata. Solve Block zahteva polazne procene nepoznatih, zato to se podrazumeva sistem nelinearnih jednaina. U sluaju kada se reava SLJ, mada su polazne procene obavezne, njihove vrednosti su irelevantne i mogu se odabrati bilo kakve vrednosti (na primer, to je najlake, sve nulte vrednosti). Primer: (Mathcad)

ORIGIN := 1
Kvadratni sistem

Ax

b 3 2 5

5 2 5 A := 3 8 4 b := 6 6 1 n := rows(A) m := cols( A) A = 256 rank( A) = 3 n= 3 m= 3

- broj redova - broj kolona - determinanta matrice

rank(augment( A , b) ) = 3

Sistem je saglasan i ima jedinstveno resenje: (rang = broj promenljivih) Resenje- Matricni racun x := A
1

0.75 x = 0.055 0.172 0.75 x = 0.055 0.172

Resenje- Funkcija lsolve

x := lsolve( A , b)

125

Solve block x1 := 0 Given x2 := 0 x3 := 0 1. Polazne procene 2. Pocetak Solve Block-a

x1 A x2 x3

X := Find( x1 , x2 , x3) Provera: 0.75 X = 0.055 0.172

3. Zavrsetak Solve Block-a

3 AX = 2 5

3 b = 2 5

=============================================================
Kvadratni sistem - saglasan i neodredjen

6 6 A := 6 12
Resenje A = 0

6 5 1 6 1 5 12 2 10
6 5 x := A
1

3 3 b := 5 10
x= Ne moze na ovaj nacin

Matrica sistema je singularna rank( augment( A , b)) = 3

rank( A) = 3

Sistem je saglasan i ima beskonacno mnogo resenja (rang < broj promenljivih) d := cols( A) rank( A) x1 := 0 x2 := 0 d=1 broj stepeni slobode

x3 := 0

x4 := 0

126

Given

x1 x2 A x3 x4

X := Find(x1 , x2 , x3 , x4)

0.778 0 X= 0.333 0

3 3 AX = 5 10

3 3 b= 5 10

Kako se vidi iz prethodnog primera, Mathcad daje jedno od beskonano mnogo reenja. Pri tom je odabranoj slobodnoj promenljivoj (tako da rezultujui redukovan kvadratni SLJ bude saglasan) dodeljena nulta vrednost. Meutim, poto se u reenju ovog primera javljaju dve nulte vrednosti, za promenljive x2 i x4, ne moemo da zakljuimo koja od njih je odabrana kao slobodna promenljiva.

Korisnik moe sam da bira slobodne promenljive i njihove vrednosti, koje definie unutar Solve Block-a. Pri tom je vano naglasiti, da je dozvoljen izbor onaj, koji za rezultat ima nesingularnu (r x r) submatricu matrice sistema A (r = rangA), kao matricu redukovanog SLJ, koji sadri preostale nepoznate (vidi reavanje saglasnog neodreenog SLJ u Pogl. 5.5). Ako taj uslov nije zadovoljen, rezultujui redukovani SLJ e biti nesaglasan jer je rang matrice sistema manji od ranga r proirene matrice. Fiksirajmo, u prethodnom primeru, na primer, promenljivu x1.
x1 := 0 Given x2 := 0 x3 := 0 x4 := 0

x1 x2 A x3 x4
x1 3

Unutar solve block-a mogu figurisati vise jednacina (nejednacina) nego sto imamo promenljivih

fiksirana promenljiva

X := Find( x1 , x2 , x3 , x4)

3 2.222 X= 0.333 0

3 3 A X = 5 10

3 3 b = 5 10
127

Dobili smo jedno od reenja neodreenog saglasnog sistema. Izbor promenljive x4 kao slobodne, meutim nije dozvoljen:

Primer: Mathcad
x1 := 0 Given x1 x2 := 0 x3 := 0 x4 := 0

x2 A x3 x4
x4

fiks X=

X := Find(x1 , x2 , x3 , x4)

Ovakav sistem se ne moze resiti. Ako pogledamo rezultujuci sistem.

x1 6 x1 + 6 x2 5 x3 + 20 6 x + 6 x 5 x 10 x2 1 2 3 A 6 x + 6 x + x + 50 x 3 1 2 3 12 x 12 x 2 x 100 fiks 1 2 3
matrica sistema Sada je A1 X b1 gde su: 5 5 2 1

3 3 b= 5 10

vektor rezultata

6 6 6 6 A1 := 6 6 12 12
rank( A1) = 2

17 13 b1 := b 45 90

rank( augment( A1 , b1) ) = 3

U sledeem primeru su ilustrovane sledee mogunosti:

kao argument funkcije Find smo koristili vektor nepoznatih x. Ovo je korisno ako imamo veliki broj jednaina u sistemu

128

 nulte polazne procene se realizuju dodeljivanjem nulte vrednosti samo poslednjem elementu vektora x4. Mathcad automatski dodeljuje nulte vrednosti svim prethodnim, nedefinisanim elementima vektora. Primer: Mathcad
Pravougaoni sistem - vise jednacina od promenljivih

1 3 2 A := 4 3 2
rank( A) = 4

8 2 5 10 2 16

3 1 4 1 8 2 3 1 10 12
5

12 8 1 b := 2 8 10

rank( augment( A , b) ) = 4

d := cols( A) rank( A) d = 0
x4 := 0 Given A x X := Find( x) b

sistem je saglasan i odredjen

0.775 X= 2.204 3.5

1.221

12 8 1 AX = 2 8 10

12 8 1 b= 2 8 10

129

ZADACI
5.1 a) Polazei od (5.3c) dokazati da vai:
( ABC)T = CT B T A T b) Date su matrice:
1 1 3 5 1 2 1 1 2 A = 2 3 1 , B = 1 4 3 , C = 1 3 0 4 1 2 3 2 1 2 0 2 Koristei Mathcad alat za transponovanje matrice, sa datim matricama proveriti pravila: (1) ( A + B)T = AT + BT , (2) ( AB)T = B T A T , (3) ( ABC)T = CT B T A T c) Pokazati, koristei Mathcad alat da je matrica DDT simetrina, gde je : 3 1 1 4 D= 1 7 17 3 2 2 4 3 5.2 a) Dokazati da vai: ( ABC) 1 = C 1B 1 A 1 , (A 1 ) T = ( A T ) 1

b) Koristei Matcad funkciju rank uveriti se da su matrice A,B i C iz prethodnog zadatka nesingularne (regularne) c) Koristei Mathcad alate proveriti, na matricama iz prethodnog zadatka pravila: (1) det(A T ) = det(A ) , (2) det(A 1 ) = 1 / det(A) , (3) det(AB) = det A det B (4) ( A 1 ) 1 = A , (5) ( AB) 1 = B 1A 1 , (6) ( ABC) 1 = C1B 1A 1

5.3 Koristei Mathcad alate i funkcije, izraunati matricu X iz jednaine:

( A 2E) X = A + E
gde je E jedinina matrica (generisati je funkcijom identity), a A je matrica: 0 1 2 A= 2 3 4 1 0 1

130

Reenje:

05 0.5 1 X= 1 6 3 0 . 5 05 1

5.4 U lekciji V Praktikuma, date su: funkcija za zamenu dve vrste matrice, Zamvrsta i funkcija za mnoenje neke vrste matrice skalarom a, Vrstaxa. Dodaemo im i funkciju za treu elementarnu transformaciju nad vrstama matrice: dodavanje vrste j pomnoene skalarom a, vrsti i :
Vplusv( A , i, j, a) := AA i i j A A + a A
T

AA

return A

2 1 0 3 1 3 1 5 A= 3 1 1 1 2 4 0 1 sledee transformacije, redom: (1) treu vrstu, pomnoenu sa 5, dodati prvoj, (2) pomnoiti drugu vrstu sa 4, (3) zameniti drugu i treu vrstu. Rezultujua matrica je matrica B. Kakve su (meusobno) matrica A i B? Mogu li one imati razliite rangove? b) Iste transformacije izvesti na jedininoj matrici istog reda, sa matricom P kao rezultatom i onda proveriti Teoremu 3. 5.5 Po ugledu na funkcije za izvoenje elementranih transformacija nad vrstama (prethodni zadatak) definisati funkcije: Zamkol, Kolxa, Kplusk za izvoenje istih transformacija na kolonama. Zapaziti da su one krae, jer nije neophodno transponovanje matric, poto Mathcad ima alat za rad sa kolonama neke matrice kao sa vektorima. a) Formirati matricu Q, takvu da se mnoenjem matrice A iz prethodnog zadatka tom matricom, realizuju sledee transformacije na matrici A, redom: (1) Zamena prve i tree kolone, (2) Oduzimanje prve od etvrte kolone, (3) Deljenje etvrte kolone sa 2. 5.6 Za ekvivalentne matrice A i B se kae da su sline, ako postoji regularna matrica P takva da je :

a) Koristei date funkcije za izvoenje elementarnih transformacija, izvesti na matrici A

B = P 1AP
Matrica P se zove matrica transformacije ili transformiua matrica. a) Dokazati (teorijski) da sline matrice imaju jednake determinante. b) Uveriti se da je matrica:

131

1 1 T= 1 1
ortogonalna.

12 2 1 2 1 2 1 2 2 1 2 1 2 1 2 2 1 2 1 2 1 2 12 12

b) Pokazati da se matrica:

0 1 1 1 1 0 1 1 A= 1 1 0 1 1 1 1 0

transformacijom T-1AT, prevodi u dijagonalnu matricu D. Kakve su (meusobno) matrice A i D? c) Izraunati na osnovu Teoreme 1 determinantu matrice D. d) Uveriti se da matrice A i D imaju jednake determinante (koristiti Mathcad-alat). 5.7 a) Koliki, najvie, moe biti rang matrice:

1 2 3 1 1 2 2 1 1 0 2 2 A = 2 5 8 4 3 1 0 1 2 7 5 6 1 1 1 1 1 2

b) Odrediti njen stvarni rang, koristei funkcije Zamvrsta i Gaus (Glava V u Paraktikumu) i uporedi rezultat sa onim dobijenim funkcijom rank. c) Koliko linearno nezavisnih kolona ima matrica A? Koliki je broj linearno nezavisnih vrsta matrice? d) Odabrati jedan set nezavisnih vrsta (kolona) i napisati (u optem obliku) jednaine kojima se ostale vrste (kolone) date matrice mogu dobiti od nezavisnih vrsta (kolona). 5.8 Data je matrica:

3 a A= 1 2

4 4 10 1 7 17 3 2 4 3 1 1

a) Odrediti a tako da matrica ima najmanji rang. b) Koliki je njen rang za ostale vrednosti a. Reenje: a) 0 b) 3 5.9 Koristei funkcije Zamvrsta, Gaus i Vrstaxa (Glava V u Paraktikumu), izvriti inverziju matrice: 132

10 7 A= 8 7

7 5 6 5 6 10 9 5 9 10 7 8

Gaus-ordanovim postupkom i proveriti rezultat. 5.10 Koristei Mathcad alat i funkciju augment, proveriti na najbri nain da li su meusobno ortogonalni vektori:

1 2 1.5 1 1 2 1.5 1 a= , b= , c= , d= 1 2 1.5 1 1 2 1.5 1

5.11 a) Koliki najvie moe da bude broj linearno nezavisnih 4-dimenzionih vektora u skupu od n vektora gde je n > 4 ? b) Odrediti stvarni maksimalan broj linearno nezavisnih vektora u skupu:

1 2 1 3 2 2 3 2 3 1 a= , b= , c= , d= , e= 4 0 2 4 2 0 3 1 3 2

Reenje: b) 4
5.12 a) Pokazati da je maksimalan broj linearno nezavisnih vektora k u skupu:
T a1 = [4 1 3 2], aT 2 6 4], aT 1 4 2], aT 2 8 4] 2 = [8 3 = [3 4 = [6 jednak 2. b) U datom skupu vektora nai sve mogue baze k - dimenzionog potprostora, k = 2 . Koristiti za to mogunost "deljenja" dva vektora u Mathcad-u iji je rezultat vektor, iji su elementi kolinici odgovarajuih elemenata prvog i drugog vektora.

Reenje: a) Mathcad: b) (a1,a3), (a1,a4), (a2,a3), (a2,a4)

A := stack a1 , a2, a3 , a4

rank( A ) = 2

5.13 a) Pokazati da je u sistemu reakcija:

(1) CH 3OH + 1 2 O2 = CH 2O + H 2O (2) CH 3OH = CH 2O + H 2 (3) CH 3OH = CO + 2 H 2 (4) CH 3OH + 3 2 O2 = CO2 + 2H 2O

(5) CH 3OH + H 2 = CH 4 + H 2O (6) CH 3OH + O2 = HCOOH + H 2O (7) H 2 + 1 2 O2 = H 2O (8) CO + 1 2 O2 = CO2

(najvei) broj linearno nezavisnih reakcija jednak 6

133

b) Korienjem funkcija rank i submatrix uveriti se da se kao jedan set nezavisnih reakcija mogu uzeti reakcije (1) - (6) Reenje: a) Mathcad : rank( S) = 6 b) Mathcad : rank( submatrix( ST , 0 , 5 , 0 , 8) ) = 6 5.14 Pokazati, koristei funkciju rank da je sledei sistem jednaina:

2 x1 + x2 x3 x4 + x5 = 1 x1 x2 + x3 + x4 2 x5 = 0 3 x1 + 3x2 3 x3 3x4 + bx5 = 2 4 x1 + 5 x2 5 x3 5 x4 + ax5 = 4

a) za a = 7, b = 4 nesaglasan b) za a = 6, b = 5 nesaglasan c) za a = 6, b = 4 saglasan i ima 2 stepena slobode 5.15 Ispitati da li je sledei sistem jednaina saglasan i odreen 3 x1 x2 2 x3 + x4 = 1 2 x1 + x2 + x3 + 3 x4 = 6

x1 + 3 x2 + 2 x3 + 4 x4 = 1 2 x1 2 x2 + 3 x3 2 x4 = 7
i ako jeste, reiti ga (1) pomou Mathcad alata (2) koristei funkciju lsolve 2 1 rank( A ) = 4 lsolve ( A , b ) = 3 0 Reenje: Mathcad : 5.16 a) Pokazati da je sledei sistem jednaina

x1 + 2 x2 + 3x3 2 x4 = 6
2 x1 x2 2 x3 3x4 = 8 3 x1 + 2 x2 x3 + 2 x4 = 4 2 x1 3 x2 + 2 x3 + x4 = 8

x1 3 x2 5 x3 x4 = 2
8 x1 + x2 + 5 x4 = 0 saglasan i odreen.. b) Uveriti se da su prve 4 jednaine nezavisne i imajui to u vidu, nai reenje sistema pomou funckije lsolve. c) Reiti polazni sistem pomou SOLVE bloka. 5.17a) Postaviti sistem linearnih jednaina (tj. definisati matricu sistema i vektor slobodnih lanova), ije reenje daje koeficijente u linearnoj kombinaciji, kojom se vektor e u Zadatku 5.11 dobija iz ostala 4 vektora. b) uveriti se da je taj sistem saglasan i odreen 134

c) izraunati te koeficijente pomou funkcije lsolve i proveriti reenje

Reenje: a) Mathcad : abcd := augment ( a , b , c , d ) b) Mathcad : rank( abcd ) = 4 0 0 lsolve ( abcd , e) = 1 1 c)Mathcad:
5.18a) Postaviti sisteme linearnih jednaina, ija reenja daje koeficijente u linearnim kombinacijama, kojima se reakcije (7) i (8) u Zadatku 5.13 dobijaju iz prethodnih reakcija. b) uveriti se da su to saglasni i odreeni sistemi c) izraunati te koeficijente pomou dva SOLVE bloka i proveriti reenja d) izraunati traene koeficijente u jednom SOLVE bloku
A := submatrix( S , 0 , 8 , 0 , 5) 6 7 r8 := S r := S Reenje: a) Mathcad: 7

rank( A ) rank( A )

rank augment A , r7 rank augment A , r8

b) Mathcad: c) Mathcad: d) Mathcad:

A 7 A

r 7 A 8

( (

)) = 1 )) = 1

augment r 7 , r 8

r8

5.19 a) Uveriti se da sistemi reakcija: I II H 2O = H + OH H 2O = H 2 + 0.5O2

H 2O = OH + 0.5 H 2 H 2 = 2H

H 2O + H = H 2 + OH OH + H = H 2 + O

O2 = 2O OH + O = O2 + H sadre samo nezavisne reakcije. b) Koristei SOLVE blok, pronai linearne kombinacije, kojima se reakcije sistema II dobijaju iz reakcija sistema I i proveriti reenja.
Reenje: a) Mathcad :
b) Mathcad :
rank S1 = 4 S 1 S2

( )

rank S2 = 4

( )

5.20 a) Proveriti saglasnost sledeih sistema jednaina.

x1 x2 + x3 = 4
1) 2 x1 + 3x3 = 5 4 x1 + 8 x2 + 10 x3 = 2

x1 3 x2 + 3x3 + x4 + x5 = 0
2) 6 x1 x2 + x3 + 2 x4 x5 = 6

2 x2 + 3 x3 = 7

2 x1 + 3x2 2 x3 x4 + 2 x5 = 4

135

x1 + 4 x2 + 3x3 x4 = 0 3) 3 x1 + 7 x2 + 24 x3 18 x4 = 4 2 x1 + 9 x2 + 3x3 + x4 = 1 4)

x1 x2 + 2 x3 + x4 = 0 2 x1 3 x2 + 4 x3 = 5 x1 + x2 + x3 = 2 4 x1 4 x2 + 8 x3 + 4 x4 = 0

b) Reive sisteme reiti pomou SOLVE bloka. Za neodreene sisteme dobiti jedan skup reenja, sa proizvoljnim izborom vrednosti slobodnih promenljivih. 5.21 Sledei sistem jednaina x1 + 0.5 x2 = 0.66 0.1x1 + x2 + 0.4 x3 = 0.47 0.1x2 + x3 + 0.4 x4 = 0.33 0.2 x3 + 1.2 x4 = 0.194 reiti Tomasovim postupkom i to a) direktnom realizacijom algoritma u Mathcad-u b) korienjem funkcije Th (Praktikum, XVI-4) 0. 5 0.32 Reenje: a),b) X = 0.25 0.12

136