Tomislav Do sli c Nikola Sandri c

MATEMATIKA 1

Gradevinski fakultet Sveu cili ste u Zagrebu

Predgovor
Po stovani citatelji, u rukama imate nastavni materijal koji izla ze gradivo kolegija Matematika 1 za zda se pitate za sto nam, unato c studente prve godine Gradevinskog fakulteta. Mo dostupnosti niza dobrih ud zbenika na hrvatskom jeziku koji obraduju sadr zaje ovog kolegija, treba (i) ova skripta. Pitanje je to koje smo si i mi kao autori postavili kad smo procjenjivali trebamo li pristupiti radu na njoj. Odgovor do kojeg smo do sli o cito je bio dovoljno poticajan da ju napi semo; ponudit cemo ga i vama u nadi da ce i za vas biti dobra motivacija da se njome slu zite. Prvi dio odgovora je sadr zan u samom pitanju. To cno, postoji vi se dobrih ud zbenika, no niti jedan od njih ne pokriva u potpunosti program na seg kolegija. Jedan od uzroka takve situacije je i nedavna reforma visokog obrazovanja, koja je uvjetovala sa zimanje nastavnih planova i smanjenje broja i satnice matemati ckih kolegija. Posljedi cno, u okviru kolegija Matematika 1 na sli su se zajedno sadr zaji iz linearne algebre i iz matemati cke analize, dvaju podru cja koja su zbog svoga opsega i zna caja vrlo rijetko zastupljena u istom ud zbeniku. Nadalje, postoje ce knjige iz linearne algebre obuhva caju i teme kojima u na sem kolegiju nije bilo mjesta, kao sto su teorija grupa ili teorija linearnih operatora. Pisanjem materijala koji ce uklju civati samo relevantne sadr zaje iz obaju podru cja zeljeli smo otkloniti potrebu konzultiranja vi se ud zbenika i probleme vezane s njihovim nabavljanjem. Osim toga, zajedni cki okvir omogu cio je i standardiziranje notacije i olak sao pozivanje na prija snje rezultate. Drugi dio odgovora vezan je uz dojam da su postoje ci ud zbenici po koncepciji i na cinu izlaganja vi se orijentirani prema publici kojoj je matematika primarni interes. Shodno tomu, primjerena se pozornost posve cuje strogosti formulacije rezultata te njihovim izvodima i dokazima. Nama se, pak, cini da je u nastavnom i

ii materijalu namijenjenom studentima tehni ckih fakulteta nu zno i korisno u izvjesnoj mjeri odstupiti od tih standarda i umjesto na matemati cku rigoroznost naglasak staviti na motivaciju, primjere i primjene pojmova koji se obraduju. Skripta pred vama je rezultat na seg poku saja nala zenja dobrog kompromisa izmedu tih zahtjeva. Kompromis je vidljiv ve c i u samom izgledu teksta, posebno u dijelovima otisnutima sitnijim slovima. Te dijelove, koji uglavnom sadr ze dokaze, mogu ce je izostaviti pri spremanju ispita. Oni slu ze za zadovoljenje intelektualne znati zelje zahtjevnijeg citatelja. Pri pisanju skripte nismo se posebno trudili u ciniti ju sa zetom. Uostalom, Matematika 1 je opse zan kolegij, s velikom satnicom (4+4), koji nosi 9 ECTS bodova (najvi se na prvoj godini studija), i zeljeli smo ve c i samim opsegom skripte naglasiti potrebu kontinuiranog rada i u cenja. Ugodna nam je du znost zahvaliti Alanu Filipinu, Dori Pokaz i Martini Benkovi c, koji su pozorno citali dijelove rukopisa, predlo zili nam mnoga pobolj sanja i prona sli brojne pogre ske. Zahvaljujemo i studentima Matiji So cevu, Dejanu Stojakovi cu, Mati Stojanovu, Marku Vlaini cu i Igoru Daid zi cu koji su nam ukazali na pogre ske u ranijoj verziji skripte. Bit cemo zahvalni svima koji nas upozore na preostale propuste i nedostatke. U Zagrebu, rujna 2008. Tomislav Do sli c Nikola Sandri c

Sadr zaj
Predgovor Sadr zaj Uvod 1 Vektorski ra cun 1.1 Vektori i osnovne operacije s njima . . . . . . . . . . . . 1.2 Vektorski prostor XO (E ). Linearna kombinacija vektora . 1.3 Baza vektorskog prostora XO (E ). Koordinatni sustav . . 1.4 Vektorski prostor Rn . . . . . . . . . . . . . . . . . . . 1.5 Skalarni produkt . . . . . . . . . . . . . . . . . . . . . . 1.6 Digresija - determinante matrica 2. i 3. reda . . . . . . . 1.7 Desni i lijevi koordinatni sustavi. Orijentacija . . . . . . 1.8 Vektorski produkt . . . . . . . . . . . . . . . . . . . . . 1.9 Mje soviti produkt . . . . . . . . . . . . . . . . . . . . . 2 Analiti cka geometrija 2.1 Pravac u ravnini . . . . . . . . . . . . . . . . . . . . 2.1.1 Op ci oblik jednad zbe pravca u ravnini . . . . 2.1.2 Segmentni oblik . . . . . . . . . . . . . . . . 2.1.3 Kanonski oblik . . . . . . . . . . . . . . . . . 2.1.4 Pravac kroz dvije to cke . . . . . . . . . . . . 2.1.5 Eksplicitni oblik . . . . . . . . . . . . . . . . 2.1.6 Normirani oblik (normalni oblik) . . . . . . . 2.2 Odnosi to caka i pravaca u ravnini . . . . . . . . . . . 2.2.1 Kut dvaju pravaca. Paralelnost i okomitost . 2.2.2 Udaljenost to cke od pravca . . . . . . . . . . 2.2.3 Presjeci ste dvaju pravaca . . . . . . . . . . . 2.2.4 Uvjet presijecanja pravca i segmenta (du zine) 2.2.5 Uvjet presijecanja triju pravaca u istoj to cki . i iii 1 9 9 15 18 19 20 26 29 30 34 37 37 37 39 40 41 42 43 44 44 48 51 52 53

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

iii

iv
2.3 Pravac u prostoru . . . . . . . . . . . . . . . . . . . 2.3.1 Pravac kroz jednu to cku sa zadanim smjerom 2.3.2 Parametarske jednad zbe pravca . . . . . . . . 2.3.3 Kanonske jednad zbe pravca . . . . . . . . . . 2.3.4 Pravac kroz dvije to cke . . . . . . . . . . . . 2.3.5 Pravac zadan dvjema projekcijama . . . . . . 2.3.6 Sve zanj pravaca . . . . . . . . . . . . . . . . 2.3.7 Dijeljenje du zine u zadanom omjeru . . . . . Ravnina u prostoru . . . . . . . . . . . . . . . . . . 2.4.1 Normalni oblik jednad zbe ravnine . . . . . . . 2.4.2 Segmentni oblik jednad zbe ravnine . . . . . . 2.4.3 Op ci oblik jednad zbe ravnine . . . . . . . . . 2.4.4 Parametarski oblik jednad zbe ravnine . . . . . 2.4.5 Jednad zba ravnine kroz tri to cke . . . . . . . Odnosi ravnina i pravaca u prostoru . . . . . . . . . 2.5.1 Kut dviju ravnina . . . . . . . . . . . . . . . 2.5.2 Presjeci ste triju ravnina . . . . . . . . . . . . 2.5.3 Kut pravca i ravnine . . . . . . . . . . . . . . 2.5.4 Presjeci ste pravca i ravnine . . . . . . . . . . 2.5.5 Pripadnost pravca ravnini . . . . . . . . . . . 2.5.6 Kut dvaju pravaca . . . . . . . . . . . . . . . 2.5.7 Presjeci ste dvaju pravaca . . . . . . . . . . . 2.5.8 Udaljenost dvaju pravaca u prostoru . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 55 55 56 57 58 59 60 61 61 62 63 66 68 68 68 70 71 72 73 74 75 78 81 81 81 83 86 88 91 93 96 101 101 103 105 107 109 115 115

2.4

2.5

3 Matrice i linearni sustavi 3.1 Osnove matri cnog ra cuna . . . . . . . . . . . . . . . . . . . . . 3.1.1 Motivacija . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . 3.1.3 Linearna kombinacija matrica . . . . . . . . . . . . . . . 3.1.4 Mno zenje matrica . . . . . . . . . . . . . . . . . . . . . 3.1.5 Podmatrice i blok matrice . . . . . . . . . . . . . . . . . 3.1.6 Regularne matrice. Inverzna matrica . . . . . . . . . . . 3.1.7 Rang matrice. Elementarne transformacije . . . . . . . . 3.2 Linearni sustavi . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . 3.2.2 Geometrijska interpretacija. Kronecker-Capellijev teorem 3.2.3 Homogeni sustavi . . . . . . . . . . . . . . . . . . . . . 3.2.4 Rje savanje linearnog sustava . . . . . . . . . . . . . . . 3.2.5 Determinanta. Cramerovo pravilo . . . . . . . . . . . . 3.3 Problem svojstvenih vrijednosti . . . . . . . . . . . . . . . . . . 3.3.1 Matrice kao linearni operatori . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

v
3.3.2 Svojstvene vrijednosti i svojstveni vektori . . . . . . . . . . . . 118 125 125 125 128 132 134 135 135 138 140 144 145 145 146 147 149 153 153 153 155 156 158 167 172 176 181 182 182 188 193 197 199 202 208 211

4 Nizovi i redovi 4.1 Nizovi realnih brojeva . . . . . . . . . . . . . . . . . 4.1.1 Pojam niza . . . . . . . . . . . . . . . . . . . 4.1.2 Grani cna vrijednost niza. Konvergencija niza . 4.1.3 Ra cunanje s grani cnim vrijednostima . . . . . 4.1.4 Osnovni limesi . . . . . . . . . . . . . . . . . 4.2 Redovi realnih brojeva . . . . . . . . . . . . . . . . . 4.2.1 Pojam reda. Konvergencija reda . . . . . . . 4.2.2 Geometrijski red . . . . . . . . . . . . . . . . 4.2.3 Svojstva konvergentnih redova . . . . . . . . 4.2.4 Redovi s pozitivnim clanovima . . . . . . . . 4.3 Kriteriji konvergencije . . . . . . . . . . . . . . . . . 4.3.1 Kriterij usporedivanja . . . . . . . . . . . . . 4.3.2 DAlembertov kriterij . . . . . . . . . . . . . 4.3.3 Cauchyev kriterij . . . . . . . . . . . . . . . . 4.3.4 Leibnizov kriterij . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

5 Funkcije 5.1 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 Motivacija i denicija . . . . . . . . . . . . . . . . 5.1.2 Na cini zadavanja funkcije . . . . . . . . . . . . . . 5.1.3 Graf funkcije . . . . . . . . . . . . . . . . . . . . . 5.1.4 Pojmovi zna cajni za realne funkcije realne varijable 5.1.5 Osnovne ra cunske operacije s funkcijama . . . . . . 5.1.6 Kompozicija funkcija . . . . . . . . . . . . . . . . 5.1.7 Inverzna funkcija . . . . . . . . . . . . . . . . . . 5.2 Pregled elementarnih funkcija . . . . . . . . . . . . . . . . 5.2.1 Klasikacija i podjela realnih funkcija . . . . . . . . 5.2.2 Polinomi . . . . . . . . . . . . . . . . . . . . . . . 5.2.3 Racionalne funkcije . . . . . . . . . . . . . . . . . 5.2.4 Algebarske funkcije . . . . . . . . . . . . . . . . . 5.2.5 Eksponencijalne funkcije . . . . . . . . . . . . . . 5.2.6 Logaritamske funkcije . . . . . . . . . . . . . . . . 5.2.7 Trigonometrijske funkcije . . . . . . . . . . . . . . 5.2.8 Ciklometrijske (arkus) funkcije . . . . . . . . . . . 5.2.9 Hiperboli cke i area funkcije . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

vi
6 Uvod u diferencijalni ra cun 6.1 Neprekidnost i grani cne vrijednosti . . . . . . . . 6.1.1 Neprekidnost funkcije . . . . . . . . . . . 6.1.2 Svojstva neprekidnih funkcija . . . . . . . 6.1.3 Neprekidnost elementarnih funkcija . . . . 6.1.4 Grani cna vrijednost (limes) funkcije . . . 6.1.5 Neprekidnost i limes . . . . . . . . . . . . 6.1.6 Neodredeni oblici . . . . . . . . . . . . . 6.1.7 Ra cunanje limesa . . . . . . . . . . . . . 6.2 Derivacija funkcije . . . . . . . . . . . . . . . . . 6.2.1 Motivacija . . . . . . . . . . . . . . . . . 6.2.2 Derivacija funkcije u to cki . . . . . . . . . 6.2.3 Derivacija funkcije . . . . . . . . . . . . . 6.2.4 Ra cunanje derivacija . . . . . . . . . . . 6.2.5 Diferencijal funkcije i lokalna linearizacija 6.2.6 Derivacije vi seg reda . . . . . . . . . . . 6.2.7 Osnovni teoremi diferencijalnog ra cuna . . 6.2.8 Primjene derivacija . . . . . . . . . . . . 7 Uvod u integralni ra cun 7.1 Neodredeni integral . . . . . . . . . . . . . . . 7.1.1 Primitivna funkcija . . . . . . . . . . . 7.1.2 Neodredeni integral . . . . . . . . . . . 7.1.3 Metode integriranja . . . . . . . . . . . 7.2 Odredeni integral . . . . . . . . . . . . . . . . 7.2.1 Motivacija - problem povr sine (plo stine) 7.2.2 Svojstva odredenog integrala . . . . . . 7.3 Newton - Leibnizova formula . . . . . . . . . . 7.4 Nepravi integral . . . . . . . . . . . . . . . . . 7.5 Primjene integralnog ra cuna . . . . . . . . . . 7.5.1 Povr sina lika u ravnini . . . . . . . . . . 7.5.2 Volumen rotacijskog tijela . . . . . . . . 7.5.3 Te zi ste . . . . . . . . . . . . . . . . . . 7.5.4 Moment ustrajnosti (inercije) . . . . . . 7.5.5 Duljina i te zi ste luka ravne krivulje . . . 7.5.6 Povr sina rotacijske plohe . . . . . . . . 7.5.7 Primjene u zici . . . . . . . . . . . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

Uvod
Za sto (i kako) treba u citi matematiku? Matematika je nezaobilazan dio programa na svim tehni ckim fakultetima. Predaje se, tradicionalno, na prvim godinama i mnogim studentima predstavlja ozbiljnu, ponekad i nepremostivu prepreku na putu do stjecanja akademskog stupnja. Razumljivo je, stoga, da si mnogi studenti postavljaju pitanja: A za sto nam to, uop ce, treba? Za sto moramo ulagati puno truda i vremena u u cenje stvari koje nisu ono cime se u zivotu zelimo baviti? I za sto nam te stvari, ako nam i trebaju, predaju na apstraktan na cin koji nam je stran i koji nije blizak na soj svakodnevnoj praksi i iskustvu? Unato c tomu sto su to smislena i legitimna pitanja, ona se rijetko postavljaju javno i naglas - studenti se ne zele dovesti u polo zaj da im se s visoka odgovori kako je to jasno, o cito, da je tako uvijek bilo i da nije mogu ce biti dobar in zenjer ne znaju ci matematiku. Svrha je ovog uvodnog poglavlja odgovoriti na ta i sli cna pitanja i uvjeriti studente da je ulaganje truda i vremena u svladavanje programa ovog kolegija dobra investicija. Za po cetak, ispri cat cemo vam pri cu. Na nekom tr zi stu za pretplatnike se nadme cu dvije tvrtke mobilne telefonije, MobiFon i TeleZvon. MobiFon nudi usluge uz mjese cnu pretplatu od 200 kn i cijenu razgovora od 1 kn/min. TeleZvon tra zi 0 kn mjese cne pretplate, ali minuta razgovora napla cuje se 2 kn. Koju od njih odabrati ako o cekujemo da cemo telefonirati po 5 min svaki dan? Treba li taj izbor preporu citi i prijatelju koji pri ca po dva sata dnevno? U istom gradu su i dvije tvrtke za iznajmljivanje automobila. Tvrtka OdiMi tra zi 400 kn za vozilo i jo s 1 kn po prijedenom kilometru, dok tvrtka DojdiMi napla cuje 800 kn za po cetak i 0.5 kn po kilometru. Kod koje od njih treba iznajmiti automobil za odlazak u grad udaljen 600 km i povratak iz njega? Je li 1

2 to ista tvrtka kod koje treba iznajmiti vozilo za odlazak po poslovnog partnera na aerodrom udaljen 20 km? Na gornja ce pitanja odgovoriti svatko tko je svladao cetiri ra cunske operacije, jer odgovor ne zahtijeva ni sta vi se od nekoliko zbrajanja i mno zenja. Uz ne sto eksperimentiranja i pogadanja mogu ce je ustanoviti i da su za neku kilometra zu (ili minuta zu) tro skovi isti; u na sem primjeru, to je 800 km. No je li to jedina takva vrijednost? Mogu li se tro skovi podudarati i za neku manju vrijednost? Ili za neku ve cu? Mo zemo li biti sigurni da je na sva putovanja dulja od 800 km ponuda DojdiMi povoljnija od OdiMi, ili za neke velike udaljenosti ponovo OdiMi postaje jeftinija? I kako bismo u to uvjerili skeptika kojem to nije jasno i o cito? I mo ze li nam odgovor na ova pitanja nekako pomo ci odgovoriti na sli cna pitanja o mobitelima? Gornji su primjeri jednostavni, gotovo karikirani. Unato c tome, njihovom analizom mo zemo do ci do odgovora na neka od pitanja s po cetka ovog poglavlja. Prvo, uo cimo da je zajedni cka karakteristika obaju problema to sto ovise samo o stvarima koje se dobro opisuju brojevima. Nije bitan tip mobitela, niti marka automobila, niti grad u koji se putuje. Bitne su cijene, udaljenosti, trajanje. Bitni su, dakle, kvantitativni aspekti. Nadalje, jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte, vidimo da oba na sa problema imaju istu strukturu; u oba slu caja jedna veli cina (cijena) ovisi o drugoj (minute, kilometri) tako da se iznos druge mno zi konstantnim faktorom (cijena po minuti, po kilometru) i da se tome dodaje konstantan iznos (pretplata, startna cijena). Uz ne sto malo truda mogu ce je sjetiti se i drugih problema s takvom strukturom: cijena vo znje taksijem, tro skovi proizvodnje, porez. Jasno je da razumijevanje jednoga od njih zna ci i razumijevanje svih ostalih, i da sposobnost rje savanja jednog od njih zna ci i sposobnost rje savanja ostalih. Treba nam, dakle, okvir u kojem cemo mo ci formulirati i rije siti op ci, arhetipski, problem koji ce opisivati sve ostale probleme tog tipa. Takav nam okvir daje matematika. Matematika je, dakle, skup znanja i umije ca pomo cu kojih se realni objekti i njihovi odnosi prikazuju pomo cu apstraktnih objekata i njihovih odnosa. Takve prikaze zovemo matemati ckim modelima. Iz na sih primjera vidimo da se razli cite realne situacije mogu prikazivati istim matemati ckim modelom: linearna funkcija f (x) = ax + b slu zi nam i za opis situacije s mobitelima i s rent-acar tvrtkama. Vrijedno je, dakle, ulo ziti trud u razumijevanje svojstava linearne

3 funkcije, jer cemo to znanje mo ci primijeniti u brojnim realnim kontekstima. Na istom primjeru vidimo da matematika mora biti apstraktna: mobitelska matematika bi bila beskorisna kod rent-a-cara, i obratno; apstraktna matematika u kojoj baratamo linearnim funkcijama je korisna za sve probleme u kojima se javlja linearna ovisnost. Isto tako nema smisla govoriti o gradevinskoj matematici, jer sno bavljenje strukom jo s trebala i ekonomska, ekolo ska, bi gradevinaru za uspje geodetska, prometna i tko zna kakva sve jo s matematika. Bolje je, stoga imati i nau citi samo jednu, pa makar i apstraktnu. Primjeri iz na se pri cice su, ponavljamo, karikirani. Naveli smo ih stoga jer ste se s linearnom funkcijom i rje savanjem linearnih jednad zbi ve c sreli u dosada snjem tijeku svog obrazovanja. No znate li koji apstraktni matemati cki koncept opisuje kvantitativne aspekte zajedni cke izmjeni godi snjih doba, rada srca, izmjeni plime i oseke i skripanju tramvaja u zavoju? Znate li da su porast broja stanovnika na zemlji, koncentracija radioaktivnih tvari i zarada pri oro cenju nekog iznosa novca opisani istim matemati ckim modelom? Znate li sto je zajedni cki matemati cki model za osjetljivost ljudskog uha, kiselost sapuna i snagu potresa? I kako se pomo cu toga mo ze odrediti kolik je star pretpovijesni kostur? I znate li da ste i te stvari ve c u cili u srednjoj skoli? Mo zda vam se gornja pitanja cine nebitnima za va s budu ci rad. Svakako, sapuni, kosturi i porast broja stanovnika ne spadaju u probleme s kojima se svakodnevno susre ce in zenjer gradevine. No te sko je zanijekati da su nam sile, momenti, brzine i ubrzanja bitni. Sve se te veli cine matemati cki opisuju pomo cu pojma vektora. Isplati se, dakle, nau citi baratati vektorima, jer su oni nezaobilazni u problemima mehanike i statike. Nadalje, ravnote za nekog zikalnog sustava matemati cki se opisuje ne cim sto se zove diferencijalna jednad zba. Diferencijalna se zove stoga sto se u njoj pojavljuju derivacije nepoznate funkcije. No sto su derivacije? Matemati cki koncept kojim se opisuje i kvanticira brzina promjene neke veli cine. A kakve to ima veze s ravnote zom? Sila je, po 2. Newtonovom zakonu, produkt mase i ubrzanja, ubrzanje je promjena brzine u vremenu, a brzina je promjena polo zaja u vremenu. Izgleda, dakle, da su i derivacije ne sto sto treba zu je vezan i pojam te zi sta. A in zenjeru (pa i studentu) gradevine. Uz ravnote kako se odreduje polo zaj te zi sta nekog tijela? Integriranjem. A integriranje je postupak suprotan deriviranju. Dakle, i to nam treba. Nadamo se da vas je ovih nekoliko re cenica uvjerilo da su svi sadr zaji obuhva ceni

4 kolegijom Matematika 1 bitni za va se obrazovanje i rad. Nadamo se i da vas je pri ca o mobitelima i rent-a-caru uvjerila da je snaga matematike upravo u njenoj apstraktnosti. Ostaje nam jo s odgovoriti na dva pitanja koja se, takoder, ponekad cuju. Prvo je: A za sto to sve moramo u citi kad postoje priru cnici i tablice? Drugo je ne sto modernija ina cica: A za sto to sve moramo u citi kad imamo ra cunala i software? Podimo redom. Istina je da se mnoge stvari mogu na ci u priru cnicima i tablicama. To nam je dovoljno dok ostajemo u okviru onoga sto je netko negdje nekada ve c izra cunao, izprojektirao i izgradio. No sto ako po zelimo izgraditi ne sto ako po novo? Sto zelimo izgraditi ne sto na se, originalno, bez premca i uzora? Ako po zelimo (ili budemo primorani) biti kreativni? U tom slu caju, gotovo, knji sko, tabli cno znanje ne ce nam biti od velike koristi. Mi danas ne znamo tko ce od nas provesti svoj cijeli radni vijek kao rutinski in zenjer koji svoje znanje crpi iz tablica, a tko ce po zeljeti biti vi se od toga. Sto je najbolje, ni vi to ne znate. Mudro je, stoga, ne ograni citi si budu ce mogu cnosti i ne zatvoriti si vrata stru cnom i osobnom napredovanju. A upravo je to opasnost kojoj se izla zete oslanjaju ci se samo na tude znanje. Glede drugog pitanja, nepobitno je da nam ra cunala i software pru zaju brojne mogu cnosti koje prija snji nara staji stru cnjaka nisu imali. Tim se mogu cnostima treba u punoj mjeri koristiti. Te mogu cnosti medutim, nisu neiscrpne i neograni cene. Prvo je ograni cenje isto kao i kod literature - mo zemo na ci samo ono sto je netko ve c napravio, izra cunao ili isprogramirao. Drugo je ograni cenje suptilnije i vezano je s cinjenicom da ra cunala daju odgovore koji su dobri samo onoliko koliko su dobra pitanja koja im postavljamo. Ne znamo li dobro formulirati pitanje, i na korektno postavljeno pitanje mo ne cemo dobiti dobar odgovor. Cak zemo dobiti odgovor koji nije lako interpretirati. Prisjetimo se samo kako malo informacija ne skolovanom oku pru za rendgenska snimka ili elektrokardiogram. Dakle, ra cunala su korisna samo ako im znamo postaviti smisleno pitanje i ako znamo pravilno interpretirati odgovor. Nadamo se da su vas do sada re cene stvari uvjerile da treba (na)u citi matematiku. Sada kad vi se nije sporno za sto, recimo ne sto o tome kako to treba u ciniti. U dvije rije ci - s razumijevanjem. Nitko nema nikakve koristi od napamet nau cenog odgovora, izrecitirane denicije, sablonski rije senog zadatka. Ocjena ste cena temeljem takvog znanja nije korisna nikome, ponajmanje studentu koji

5 ju je dobio. Koristi od matematike koje smo gore spominjali imaju samo oni koji razumiju sto su nau cili. U cenje matematike, vi se nego ve cine stvari, podsje ca na izgradnju vrlo visoke zgrade. Najbitniji su temelji. A oni se u matematici pola zu od samih po cetaka formalnog obrazovanja. Kao sto se na lo sim temeljima ne mo ze izgraditi solidna zgrada, tako se s nedovoljnim predznanjem ne mo ze smisleno, s razumijevanjem, nau citi matematiku. Prvi je, dakle, preduvjet dobro predznanje. Kao ni jedan drugi predmet, matem atika ovisi o onome sto ste nau cili tijekom osnovne i srednje skole. Zelimo li vam dati nova znanja, moramo podrazumijevati da ih imate na cemu temeljiti. Na mnoge stvari koje ste culi cemo vas podsje cati i u ovoj knjizi i na nastavi, no ne bi bilo realno o cekivati da mo zemo time pokriti sadr zaje koji se provla ce kroz dvanaest godina obrazovanja. Svjesni smo da studenti dolaze na fakultet s razli citim razinama predznanja, kako zbog razlika u skolama, tako i zbog razli citih individualnih sklonosti prema matematici. No i studenti moraju biti svjesni da je stjecanje zajedni cke razine predznanja propisane srednjo skolskim programom isklju civo njihova odgovornost. Solidno svladan gimnazijski program dobar je temelj, no programi pojedinih srednjih stru cnih srednjih skola mogu se pokazati nedostatnima. Iskustvo nam govori da studenti iz takvih skola moraju ulo ziti vi se truda i napora kako bi mogli kvalitetno pratiti nastavu i usvajati nove sadr zaje. Iskustvo nam, takoder, pokazuje da uz takav pristup razlike u predznanju bivaju uspje sno nadoknadene. Drugi uvjet za uspje sno svladavanje programa kolegija je stalan i kontinuiran rad. Matematika je opse zan predmet. Razumijevanje je nu zan, no ne i dovoljan uvjet za uspjeh. Potrebna je i rutina. A rutina se stje ce samo radom i vje zbom. Pri tome ne mislimo samo na rutinu pri ra cunanju i rje savanju zadataka, ve ci na rutinu u prepoznavanju matemati ckog sadr zaja u nekom problemu i u izboru odgovaraju ceg matemati ckog modela. Razumijevanje i rutina su, dakle, dvije, komponente uspjeha. No va znu ulogu igra i njihov medusobni odnos te organizacija i balansiranje rada u njihovu postizanju. Pogre san se pristup naj ce s ce sre ce pri uobi cajenom odnosu prema teoriji i zadatcima. Uobi cajeno je naime, da se na pismenom dijelu ispita rje savaju zadatci, a na usmenom se provjerava poznavanje teorijskih osnova. Kako pismeni ispit prethodi usmenom (i eliminatoran je), tako studenti vrlo cesto prvo ula zu

6 napor u sablonsko rje savanje nekoliko tipova zadataka, a zatim, produ li pismeni ispit, poku savaju u dva - tri dana nau citi teoriju. Nedvojbeno je da takav pristup ponekad rezultira polaganjem ispita, no svaki tako polo zen ispit je gubitak za sve koji u tome sudjeluju. Najve ci je, svakako, gubitak za studenta koji je tako polo zio ispit. Ako ne mislite tako, poku sajte dati dobar odgovor na pitanje, kakva je korist od rje savanja zadataka bez njihovog razumijevanja? Nitko od vas ne ce za pla cu rje savati zadatke iz matematike. Ono sto ce vam u radu trebati, tj. prepoznavanje matemati ckih sadr zaja u stvarnim problemima, ne cete posti ci rje savanjem ispitnih zadataka. Ste ci cete to upoznaju ci apstraktne matemati cke koncepte i u ce ci se uo cavati ih u stvarnim situacijama. Ako nikad niste culi za linearnu funkciju, te sko cete ju prepoznati u na sim primjerima s po cetka; ako ne znate uvjete uz koje linearni sustav ima jedinstveno rje senje nikad ne cete biti sigurni da su uvjeti jedne od tvrtke povoljniji za sve udaljenosti ve ce od 800 km. Zadatci na ispitu slu ze tomu da se vidi jeste li ovladali matemati ckim (teorijskim, ako ho cete) konceptima koji se u njima javljaju, i jeste li stekli dovoljno rutine da ih mo zete rije siti u za to propisanom vremenu. I samo tomu. Dakle, prvo teorija, onda zadatci. Spomenuli smo da nam matematika jam ci da je ponuda tvrtke DojdiMi povoljnija za sve udaljenosti ve ce od 800 km. Time smo se dotakli jednog aspekta matemati ckog znanja o kome jo s nismo govorili: matemati cko znanje je sigurno, izvjesno, apsolutno. Ono ne ovisi o mjerenjima ni empiri ckim opa zanjima, ve c se se do njega dolazi postupkom logi ckog zaklju civanja. Drugim rije cima, matemati cke spoznaje se temelje na dokazima. Ilustrirajmo to na primjeru s kojim smo se svi sreli, na Pitagorinom pou cku. Pitagorin pou cak je tvrdnja da je u svakom pravokutnom trokutu kvadrat hipotenuze jednak zbroju kvadrata kateta. To se jo s uobi cajeno zapisuje kao a2 + b2 = c2 , gdje su s a i b ozna cene katete a s c hipotenuza pravokutnog trokuta. Za zadani pravokutni trokut je vrlo lako provjeriti da Pitagorin pou cak vrijedi. No takva provjera za jedan trokut ni sta ne govori o istinitosti pou cka za neki drugi trokut. Kako mo zemo biti sigurni da ta tvrdnja vrijedi za sve pravokutne trokute? Pogledajmo Sliku 1. Na njoj je u kvadrat ABCD upisan kvadrat A B C D , a ostatak cine cetiri sukladna pravokutna trokuta. Dakle je povr sina kvadrata ABCD jednaka zbroju povr sine kvadrata A B C D i cetverostruke povr sine jednog od tih trokuta, recimo A BB . No povr sina velikog kvadrata je jednaka

D a

b c

C a

D c c c A a A b B a B b

Slika 1: Pitagorin pou cak. kvadratu njegove stranice, a duljina stranice je zbroj kateta pravokutnog trokuta, a + b. Imamo 1 (a + b)2 = c2 + 4 ab. 2 Kvadriranjem izraza na lijevoj strani i sredivanjem dobivamo a2 + b2 = c2 , a to je upravo tvrdnja Pitagorinog pou cka. Kako gornji postupak mo zemo provesti za bilo koji pravokutan trokut, vidimo da i Pitagorin pou cak vrijedi za sve pravokutne trokute. Dali smo dokaz te tvrdnje. Ne trebamo vi se provjeravati njenu istinitost za svaki pojedina cni slu caj. Dokazi su bit matematike. Dokazi izdvajaju matemati cko znanje od svih ostalih vrsta znanja. Dokazi ga cine apsolutnim. Do matemati ckih se spoznaja dolazi na razne na cine: intuicijom, empirijom, formalnim manipulacijama, no matemati ckim istinama one postaju tek kad budu dokazane. Bilo bi, stoga, razumno o cekivati da u nastavnom materijalu za matemati cki kolegij sve relevantne tvrdnje budu potkrijepljene dokazima. Moramo vas, na zalost, razo carati. Prelistate li na brzinu ovu knjigu, vidjet cete da je ve cina tvrdnji izre cena bez i tamo gdje se nalazi dokaz, naj dokaza. Cak ce s ce je otisnut sitnijim slovima, sto upu cuje na mogu cnost preskakivanja tog dijela pri prvom citanju, pa i potpunog

8 izostavljanja. Takav je pristup rezultat kompromisa. S jedne smo strane zeljeli pro siriti knjigu dijelom materijala koji se odnosi na srednjo skolsko gradivo, a s druge smo strane morali voditi ra cuna o njenoj opse znosti i zadr zati ju u razumnim okvirima. Zainteresirani se citatelj za izostavljene dokaze mo ze obratiti nastavnicima ili ce ih potra ziti u literaturi. Evo na kraju i posljednjeg savjeta. Nastavni materijal koji imate pred sobom bit ce najbolje iskori sten u kombinaciji s redovitim pohadanjem predavanja. Treba ga gledati prije kao dopunu predavanjima nego kao zamjenu za njih. Tek kad je cavog zapisivanja i prepisivanja s plo ce mo ze se student osloboden potrebe grozni u potpunosti koncentrirati na ono sto se na predavanju govori. S druge strane, nastavnik osloboden pritiska detaljnog formuliranja iskaza i njegovog zapisivanja na plo cu mo ze vi se pozornosti posvetiti izlaganju konteksta i motivacije te tako vi se pribli ziti gradivo studentima. Nadamo se da ce tako ostvarena sinergija rezultirati kvalitetnijim nastavnim procesom i pobolj sati njegove u cinke.

Poglavlje 1 Vektorski ra cun

1.1 Vektori i osnovne operacije s njima

U egzaktnim znanostima osim skalarnih veli cina (masa, duljina, temperatura itd.) imamo i veli cine kod kojih nam je bitan smjer (brzina, sila, akceleracija itd.) Takve veli cine zovemo vektorskima. Temeljna je razlika izmedu skalarnih i vektorskih veli cina u tome sto nam je za matemati cki opis skalarne veli cine dovoljan jedan realan broj, dok nam za vektorske veli cine treba vi se realnih brojeva. U ovom cemo poglavlju opisati matemati cke koncepte i tehnike koje nam omogu cuju ekasno matemati cko modeliranje vektorskih veli cina. Primjer 1.1 Na 20 m od vas nalazi se kamion koji vozi brzinom od 72 km/h (20 m/s). Sto cete poduzeti? Za dono senje odluke o tome treba li sko citi u stranu ili ostati na mjestu nije nam dovoljna samo informacija o iznosu brzine. Treba nam i podatak jesmo li na pravcu kojim se kamion giba, i ako jesmo, giba li se prema nama ili od nas. Ozna cimo s E na s trodimenzonalni prostor koji ima to ckastu strukturu tj. njegovi elementi su to cke. Denicija 1.1 Neka su dane to cke P, Q E . Du zina P Q je skup svih to caka civo P i Q. pravca kroz P i Q koje se nalaze izmedu P i Q, uklju Primijetimo da iz Denicije 1.1 direktno slijedi da je P Q = QP . 9

10

POGLAVLJE 1. VEKTORSKI RACUN

Denicija 1.2 Vektor ili usmjerena du zina P Q je du zina kod koje su rubne to cke uredene, tj. jedna od njih je po cetak P a druga je kraj Q. Po cetak jo s zovemo hvati ste.

Q P P
Slika 1.1: Du zina i usmjerena du zina.

Iz Denicije 1.2 slijedi da je op cenito P Q = QP , jer imaju razli cite po cetke i krajeve. Denicija 1.3 Ka zemo da su vektori P Q i P Q jednaki ako postoji translacija prostora koja prevodi P u P i Q u Q .

Q Q P P
Slika 1.2: Jednakost vektora. Ova nam denicija zapravo govori da su dva vektora jednaka ako jedan vektor mo zemo translacijom prevesti na drugi. Koje su nam informacije nu zne i dovoljne da bismo mogli jedinstveno denirati vektor (jedinstvenost podrazumijevamo u smislu gornje denicije, tj. do na translaciju prostora)? ziti njegovu duljinu (normu, intenzitet). Duljinu 1. Prirodno je vektoru pridru vektora P Q ozna cavamo s d(P, Q) =| P Q |.

1.1. VEKTORI I OSNOVNE OPERACIJE S NJIMA 2. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.

11

3. Za vektor P Q ka zemo da je orijentiran od P prema Q, tj. po cinje u P a zavr sava u Q. Provjerimo jesu li nam ova tri uvjeta nu zna i dovoljna (u smislu Denicije 1.3). Ako za neki ne-nul vektor znamo njegovu duljinu i smjer, jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Denicije 1.3). Sada samo izaberemo orijentaciju koja nam treba. Napomena 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. Napomena 1.2 Ako uzmemo proizvoljnu to cku P E i zadani vektor a , onda postoji jedna jedina to cka Q E takva da vrijedi P Q = a . Denicija 1.4 Vektori a i b su kolinearni ako le ze na istom pravcu ili na paralelnim pravcima. Vektor kod kojeg su po cetak i kraj jednaki, tj. P = Q, zvat cemo nul vektor i ozna cavati s 0 . Pogledajmo sada neka svojstva nul vektora: 1. O cito je | 0 | = 0. 2. Nul vektor nema smjer jer ga mo zemo translatirati na svaki pravac (tj. kolinearan je sa svakim vektorom). 3. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. Zbroj vektora a i b deniramo kao vektor c = a + b koji dobijemo tako da po cetak vektora b translatiramo na kraj vektora a i vektorom c zovemo vektor koji ima po cetak u po cetku od a a kraj u kraju od b . Preciznije, uzmemo proizvoljni O E i uzmemo A, B E takve da je OA = a i AB = b . Iz Napomene 1.2 znamo da takve to cke A i B postoje i da su jedinstvene. Tada je c = OB .

12

POGLAVLJE 1. VEKTORSKI RACUN

R a G
Slika 1.3: Motivacija za deniciju zbrajanja vektora. Napomena 1.3 Za bilo koje tri to cke P, O, Q E vrijedi P Q = P O + OQ. Teorem 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede ce tvrdnje: 1. ( a + b )+ c = a +( b + c ) (asocijativnost). a + 0 = 0 + a = a (nul vektor je neutralni element u odnosu na 2. zbrajanje vektora). 3. Za svaki vektor a postoji vektor a takav da vrijedi a + a = a + a = 0 . Vektor a zovemo suprotni vektor vektora a , i ozna cavamo ga s a =a. a + b = b + a (komutativnost). 4.
B b a+b a b 0 A a+b a

Slika 1.4: Pravilo trokuta i pravilo paralelograma.

1.1. VEKTORI I OSNOVNE OPERACIJE S NJIMA

13

Teorem 1.1 nam ka ze da zbrajanje vektora ima ista svojstva kao obi cno zbrajanje realnih brojeva.

a + b+ c+ d a

Slika 1.5: Pravilo mnogokuta za zbrajanje vi se vektora. a iz Teorema 1.1 ima sljede ca svojstva: ima Napomena 1.4 Vektor a = istu du zinu i isti smjer kao i vektor a , ali je suprotne orijentacije. Dakle ako je a = AB , onda je a = BA. Za slu caj a + a pi semo 2 a (tj. vektor koji je istog smjera i iste orijentacije ali dvostruke duljine od vektora a ). Sli cno 2 a + a = 3 a , itd. Za n N imamo induktivno n a = (n 1) a + a . Jo s dodatno deniramo 1 a = a i 0 a = 0 . Time je motivirana sljede ca op ca denicija mno zenja vektora skalarom, tj. realnim brojem.
a , > 0 B 0 a,<0 a A B

Slika 1.6: Mno zenje vektora skalarom. Za R, deniramo a kao vektor: 1. cija je duljina jednaka ||| a |, 2. koji ima isti smjer kao a,

14

POGLAVLJE 1. VEKTORSKI RACUN 3. koji ima istu orijentaciju kao vektor a za > 0, a suprotnu orijentaciju od vektora a za < 0.

Teorem 1.2 (Svojstva mno zenja vektora skalarom) Za sve vektore i sve skalare vrijedi: 1. ( a + b ) = a + b (distributivnost obzirom na zbrajanje vektora), 2. ( + ) a = a + a (distributivnost obzirom na zbrajanje skalara), 3. ( a ) = () a (homogenost), 4. 1 a = a (postojanje jedinice). Denicija 1.5 Neka je V neki neprazan skup na kojem imamo denirane operacije zbrajanja elemenata i mno zenja elemenata skupa skalarom (realnim brojem) takve da vrijedi : 1. za sve a, b V je a + b V , 2. za svaki a V i svaki R je a V , 3. operacije zbrajanja i mno zenja sa skalarom zadovoljavaju svojstva iz Teorema 1.1 i Teorema 1.2. Tada ka zemo da je skup V (realni) vektorski prostor (realni jer su skalari realni brojevi). Elemente od skupa V zovemo vektori. Primjetimo da se u Deniciji 1.5 nigdje ne govori o geometrijskim veli cinama. Iz nje vidimo da pojam vektora nije ograni cen na geometrijske objekte. Vratimo se sada Deniciji 1.4 i poku sajmo denirati kolinearnost u drugim terminima. Neka je dan polupravac (zraka) s po cetkom u O, i neka je A = O to cka koja le zi na tom polupravcu. Tada je jasno da za proizvoljnu to cku P E vrijedi: P le zi na polupravcu ako i samo ako postoji R takav da je OP = OA. Ako su vektori a i b kolinearni, onda, uz pretpostavku a = 0 , postoji pravac

1.2. VEKTORSKI PROSTOR XO (E ). LINEARNA KOMBINACIJA VEKTORA15 p i to cke O, A, B E na p takve da je a = OA, b = OB . Imamo da je b = a , gdje je | a| = ako a i b imaju istu orijentaciju i |b| | a| = |b| ako a i b imaju suprotnu orijentaciju.

Imamo sljede ci zaklju cak: vektori a = 0 i b su kolinearni ako i samo ako postoji R takav da je b = a . Pri tome a i b = 0 imaju isti smjer za > 0 a suprotan za < 0. (Usporedimo ovo s Denicijom 1.4). Primijetimo jo s jednu zanimljivu stvar: za svaki vektor a = 0 mo zemo konstruirati jedini cni vektor ili ort vektor, tj. vektor koji ima du zinu 1 i ima isti smjer i orijentaciju kao i a . Kako je a = 0 , onda je | a | = 0, pa mo zemo a denirati a0 = cito je | a0 | = 1 i a0 ima isti smjer i orijentaciju kao i a, . O |a| te vrijedi a = | a | a0 .

1.2

Vektorski prostor XO (E ). Linearna kombinacija vektora

Neka je O E proizvoljna istaknuta to cka prostora E . Tada znamo da svakoj drugoj to cki P E pripada potpuno odreden vektor OP . Taj vektor zovemo radij-vektor ili vektor polo zaja to cke P u odnosu na to cku O. Na taj na cin imamo deniranu bijekciju izmedu skupa E i skupa XO (E ) = {OP : P E } (skup svih radij-vektora, odnosno svih vektora s po cetkom u O i zavr setkom negdje u E ). Bijekcija je konstruirana na prirodan na cin, tj. svakoj to cki P E pridru zen je vektor OP . Neka su sada a , b XO (E ) i R. Vektore a + b i a nanosimo od to cke O tako da je a + b XO (E ) i a XO (E ) (Napomena 1.1). Imamo zadane dvije operacije (funkcije): a , b ) a + b je funkcija sa XO (E ) XO (E ) XO (E ). 1. ( 2. (, a ) a je funkcija sa R XO (E ) XO (E ).

16

POGLAVLJE 1. VEKTORSKI RACUN

E
P

0
Slika 1.7: Radij-vektori u X0 (E ). Vidjeli smo da operacije zbrajanja vektora i mo zenja vektora skalarom zadovoljavaju svojstva iz Teorema 1.1 i Teorema 1.2. Stoga je skup XO (E ) vektorski prostor prostora E pridru zen to cki O (Denicija 1.5). Napomena 1.5 Uzmemo li neku drugu to cku Q E , Q = O, onda je XQ (E ) vektorski prostor prostora E pridru zen to cki Q ustvari translacija vektorskog prostora XO (E ) za vektor OQ. Napomena 1.6 Sli cno deniramo vektorski prostor XO (M ) = {OP : P M } za ravninu M i vektorski prostor XO (p) = {OP : P p} za pravac p. Neka su sada a1 , a2 , ..., an XO (E ), 1 , 2 , ..., n R. Tada za vektor a XO (E ) koji je oblika a = 1 a 1 + 2 a2 + + n an ka zemo da je linearna kombinacija vektora a1 , a2 , ..., an s koecijentima 1 , 2 , ..., n . Ka ze se jo s da je vektor a rastavljen u linearnu kombinaciju od a1 , a2 , ..., an . Denicija 1.6 Za vektore a1 , a2 , ..., an XO (E ) ka zemo da su linearno zav an = a 2 + + n a1 + 2 isni ako postoje skalari 1 , 2 , ..., n R takvi da je 1 0 i bar jedan od skalara 1 , 2 , ..., n je razli cit od nule. Vektori a1 , a2 , ..., an XO koji nisu lineano zavisni su linearno nezavisni . Napomena 1.7 Iz Denicije 1.6 izravno slijedi: a1 + a1 , a2 , ..., an XO su linearno nezavisni ako i samo ako iz 1 1. Vektori an = 0 slijedi da su 1 = 2 = n = 0. a 2 + + n 2

1.2. VEKTORSKI PROSTOR XO (E ). LINEARNA KOMBINACIJA VEKTORA17 2. Ako su a1 , a2 , ..., an XO linearno zavisni, onda barem jedan od njih mo zemo prikazati kao linearnu kombinaciju drugih. 3. Ako je barem jedan od vektora a1 , a2 , ..., an XO (E ) jednak nul vektoru, onda su ti vektori linearno zavisni, jer uz nul vektor mo zemo staviti proizvoljan skalar razli cit od nule. a , b XO (E ), onda su oni linearno zavisni ako 4. Ako imamo dva vektora i samo ako su kolinearni. Teorem 1.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. Tvrdnja Teorema 1.3 je jasna, jer se nalazimo na pravcu, a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.3 slijedi iz Napomene 1.7. Teorem 1.4 Ako su a , b bilo koja dva linearno nezavisna vektora iz XO (M ), onda je svaki vektor c XO (M ) mogu ce rastaviti u linearnu kombinaciju od se, takav rastav je jedinstven. a i b . Stovi Jednostavna posljedica Teorema 1.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. Teorem 1.5 Ako su a, b i c tri linearno nezavisna vektora iz XO (E ), onda je svaki vektor d XO (E ) mogu ce rastaviti kao linearnu kombinaciju vektora a , b i c . Stovi se, taj rastav je jedinstven. Iz Teorema 1.5 izravno slijedi da su svaka cetiri vektora iz XO (E ) linearno zavisna. Napomena 1.8 Neka su e1 , e2 i e3 vektori iz XO (E ) koji ne le ze u istoj ravnini. Tada su oni linearno nezavisni. Dokaz: Linearna kombinacija bilo koja dva vektora od e1 , e2 i e3 le zi u ravnini u kojoj le ze i ta dva vektora. Kako tre ci vektor po pretpostavci ne le zi u ravnini u kojoj le ze druga dva, on se ne mo ze izraziti kao njihova linearna konbinacija, pa slijedi da su oni linearno nezavisni.

18

POGLAVLJE 1. VEKTORSKI RACUN

1.3

Baza vektorskog prostora XO (E ). Koordinatni sustav

Denicija 1.7 Uredena trojka ( e1 , e2 , e3 ) triju linearno nezavisnih vektora iz XO (E ) zove se baza vektorskog prostora XO (E ). Analogno, uredeni par ( e1 , e2 ) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). Napomena 1.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). Neka je ( e1 , e2 , e3 ) bilo koja baza vektorskog prostora XO (E ) i a bilo koji vektor iz XO (E ). Tada je a = a1 e1 + a2 e2 + a3 e3 , pri cemu su skalari a1 , a2 i a3 jednozna cno odredeni vektorom a (Teorem 1.5). Kako su ti skalari jednozna cno odredeni, zaklju cujemo da nam je dovoljno znati tri skalara kao informaciju da bismo znali neki vektor u XO (E ). Skalare a1 , a2 i a3 zovemo komponente ili koordinate vektora a u bazi ( e1 , e2 , e3 ). Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E ) ima beskona cno mnogo. Zanimaju nas takve trojke (baze) u kojoj ce komponente svakog vektora iz XO (E ) biti jednostavne ili lake za odrediti. Konstruirajmo jednu takvu bazu na sljede ci na cin: Uzmimo to cku O kao ishodi ste Kartezijevog koodinatnog sustava, te to cke Ex = (1, 0, 0), Ey = (0, 1, 0) i Ez = (0, 0, 1). Denirajmo i = OEx , j = OEy i k = OEz . Kako vektori i , j , k ne le ze u istoj ravnini, prema Napomeni 1.8 oni su linearno nezavisni, pa cine bazu. Stovi se, duljine su im 1 i le ze na okomitim pravcima, pa ka zemo da cine ortonormiranu bazu vektorskog prostora XO (E ). Neka je sada a proizvoljan vektor iz XO (E ). Tada znamo da vrijedi a = ax i + ay j + az k i koordinate (ax , ay , az ) su jednozna cno odredene. Ako su sada a , b XO (E ), onda imamo a = ax i + ay j + az k b = bx i + by j + bz k . Iz svojstava zbrajanja vektora i mno zenja vektora skalarom (Teorem 1.1 i Teorem 1.2) imamo a + b = (ax + bx ) i + (ay + by ) j + (az + bz ) k .

1.4. VEKTORSKI PROSTOR RN

19

S druge strane vektor c = a + b takoder ima razvoj u bazi ( i , j , k ), tj. c = cx i + cy j + cz k . Zbog jednozna cnosti koecijenata imamo da je cx = ax + bx , cy = ay + by , cz = az + bz . Zaklju cujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju cih koordinata. Analogno, imamo a = (ax ) i + (ay ) j + (az ) k . Uzmimo sada bazu ( i , j , k ) i to cku P s koordinatama (x, y, z ). Tada je jasno da su koordinate vektora OP vezane uz koordinate to cke P , tj. vrijedi OP = x i + y j + z k . Za to cku P s koordinatama (x , y , z ) znamo da je OP = x i + y j + z k . Sada je, zbog P P = P O + OP = OP + OP = OP OP (pravilo trokuta za zbrajanje vektora), mogu ce prikazati P P kao P P = ( x x) i + ( y y ) j + ( z z ) k . Dakle, komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i po cetne to cke. Napomena 1.10 Vidjeli smo da je P P = (x x) i + (y y ) j + (z z ) k . Znamo da je |P P | = d(P, P ) = (x x)2 + (y y )2 + (z z )2 , pa slijedi da je duljina proizvoljnog vektora jednaka | a|=
2 2 a2 x + ay + az .

1.4

Vektorski prostor Rn

Neka je ( i , j , k ) bilo koja baza od XO (E ). Tada znamo da za proizvoljni a XO (E ) postoje i jedinstveni su ax , ay , az R takvi da je a = ax i +ay j +az k . Ako sada identiciramo a XO (E ) s uredenom trojkom njegovih koordinata, a = (ax , ay , az ), pravila za zbrajanje vektora i mno zenje vektora sa skalarom (koja su opisana u to cki 1.3) nam daju pravila za takve operacije nad uredenim trojkama:

20

POGLAVLJE 1. VEKTORSKI RACUN 1. (ax , ay , az ) + (bx , by , bz ) = (ax + bx , ay + by , az + bz ), 2. (ax , ay , az ) = (ax , ay , az ).

Sada zaboravimo geometriju (jer ne mo zemo lako predo citi takve skupove) i za proizvoljni n N denirajmo takve operacije nad uredenim n-torkama realnih brojeva (x1 , x2 , ..., xn ) gdje su xi R za i = 1, ..., n. Skup svih takvih n-torki ozna cavat cemo sa Rn . Dakle Rn = {(x1 , x2 , ..., xn ) : xi R za i = 1, ..., n}. Za (x1 , x2 , ..., xn ), (y1 , y2 , ..., yn ) Rn i R deniramo: (x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn ), (x1 , x2 , ..., xn ) = (x1 , x2 , ..., xn ). Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mno zenje skalarom zadovoljavaju svojstva analogna svojstvima iz Teorema 1.1 i Teorema 1.2. Odatle slijedi da je Rn vektorski prostor za proizvoljni n N. U to cki 1.3 smo vidjeli da se svaki vektor iz X0 (E ) mo ze prikazati kao linearna kombinacija vektora iz svake baze od X0 (E ). To svojstvo baze od X0 (E ) zovemo potpunost. Linearna nezavisnost baze jam ci jedinstvenost takvog prikaza. Sada n mo zemo denirati bazu u R kao potpun i linearno nezavisan skup vektora iz n R . Mo ze se pokazati da skup od n vektora ei = (0, ..., 0, 1, 0, ..., 0) cija je i-ta n koordinata 1 a sve ostale su nula, i = 1, ..., n, cini bazu u R . Kako ta baza ima n n vektora, ka zemo da je R n-dimenzionalni realni vektorski prostor.

1.5

Skalarni produkt

Vektori su generalizacija brojeva. Zelimo imati operacije koje imamo za brojeve i koje se svode na operacije s brojevima za n = 1 (slu caj n = 1 svodi se na vektorski prostor XO (p) ili R1 = R). Do sada smo vidjeli kako mo zemo vektore zbrajati i mno ziti skalarom. Zelimo uvesti i mno zenje vektora. Kao motivacija mo ze nam poslu ziti pojam rada sile na nekom putu. Znamo da je rad sile F na putu s dan formulom W = F s (odnosno W = | F || s |), ako su sila i put kolinearni. Zelimo imati sli can izraz i za slu caj kad F i s nisu kolinearni. U tu svrhu moramo na odgovaraju ci na cin denirati

1.5. SKALARNI PRODUKT

21

produkt dvaju vektora. Kako je rad skalarna veli cina, rezultat produkta vektora mora biti skalar. Osim toga, novodenirani produkt se za slu caj kolinearnosti F i s mora svoditi na gornju formulu za rad. Denicija 1.8 Neka su a = 0 i b = 0 . Skalarni produkt vektora a, b XO (E ) je skalar koji ozna cavamo s a b i deniramo formulom a b = | a || b | cos(), gdje je kut izmedu vektora a i b . (Uzimamo 0 , odnosno manji od a i b .) Ako je barem jedan od vektora a i b dvaju kutova izmedu vektora nul vektor, onda je a b = 0.

b a ab> 0

b a ab= 0

b a ab< 0

Slika 1.8: Uz deniciju skalarnog produkta.

Zaklju cujemo da iz a b = 0 (tj. iz | a || b | cos() = 0) slijedi da su ili a i b okomiti (tj. kut medu njima je 2 ) ili je barem jedan od njih nul vektor. u Sto ciniti ako a i b nemaju zajedni cko hvati ste (tj. nisu iz XO (E ))? Uzmimo njima jednake vektore a = OA i b = OB iz XO (E ), pa imamo deniran skalarni produkt za svaka dva vektora. Pogledajmo sada jedini cne vektore ( i , j , k ) baze pravokutnog koordi natnog sustava (iz to cke 1.3). Iz Tablice 1.1 vidimo da su vektori i , j , k medusobno okomiti (ortogonalni) i jedini cni (normirani), pa ka zemo da je ( i , j , k ) ortonormirana baza vektorskog prostora XO (E ). Primijetimo da ( i , j , k ) nije jedina takva baza (npr. ( k , j , i ) je druga takva baza). Svaka tri vektora ( a , b , c ) za koje vrijede relacije kao gore cine ortonormiranu bazu u XO (E ).

22 i j k

POGLAVLJE 1. VEKTORSKI RACUN i j 1 0 0 1 0 0 k 0 0 1

Tablica 1.1: Skalarno mno zenje vektora baze pravokutnog koordinatnog sustava Sada si postavimo pitanje, kako izra cunati skalarni produkt? Neka su a = ax i + ay j + az k i b = bx i + by j + bz k . Tada je a b = (ax bx ) i + (ay by ) j + (az bz ) k , odnosno | a b|=

(ax bx )2 + (ay by )2 + (az bz )2 ).

a b

Slika 1.9: Ra cunanje skalarnog produkta. Sada iz kosinusovog pou cka za trokut OAB imamo | a b |2 = | a |2 + | b |2 2| a || b | cos(). Kako je

a b = | a || b | cos()

1.5. SKALARNI PRODUKT to imamo

23

2 2 2 2 2 (ax bx )2 + (ay by )2 + (az bz )2 = a2 x + ay + az + bx + by + bz 2 a b . Odatle sredivanjem dobijemo a b = ax bx + ay by + az bz . Napomena 1.11 Primijetimo da skalarni produkt mo zemo generalizirati na vektore prostora proizvoljne dimenzije. Neka su x = (x1 , x2 , ..., xn ), y = (y1 , y2 , ..., yn ) Rn . Tada skalarni produkt vektora x i y deniramo kao x y = x1 y1 + x2 y2 + ... + xn yn . Teorem 1.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E ) i sve skalare iz R vrijedi: 1. ( a + b ) c = a c + b c (aditivnost), 2. ( a ) b = ( a b ) (homogenost), a b = b a (simetri cnost). 3. 1. Uvr stavaju ci b = a u deniciju skalarnog produkta dobijemo a a = | a || a |, tj. a a = a2 + a2 + a2 . | a|=
x y z

Ova se formula za du zinu vektora, sla ze s Napomenom 1.10. 2. Polaze ci od a b = | a || b | cos() dobivamo za ne-nul vektore a i b y +az bz a b = ax bx +ay b cos() = . 2 +a2 +a2 2 2 a b2 x y z x +by +bz | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. Denicija 1.9 Neka su V i W realni vektorski prostori. Za preslikavanje (funkciju) sa V u W , tj. f : V W ka zemo da je linearni operator ako vrijedi f ( a + b ) = f ( a ) + f ( b ) za sve a , b V i sve , R. Posebno, ako je vektorski prostor W = R, onda f zovemo linearni funkcional.

24

POGLAVLJE 1. VEKTORSKI RACUN

Primjer 1.2 Neka je c XO (E ) ksan vektor. Tada je skalarno mno zenje s ksnim vektorom c linearni funkcional.
Imamo deniranu funkciju f : XO (E ) R s f ( a) = a c . Neka su sada a, b XO (E ) i , R proizvoljni, onda imamo f ( a + b ) = ( a +b) c = a c +b c = f ( a ) + f ( b ).

Neka je sada ( i , j , k ) na sa standardna ortonormirana baza vektorskog pros tora XO (E ) (konstruirana u to cki 1.3). Tada za proizvoljni a XO (E ) vrijedi a = ax i + ay j + az k . Pomno zimo li sada prethodnu jednakost redom vek torima baze ( i , j , k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: ax = a i , ay = a j , az = a k. Dakle imamo a = ( a i ) i + ( a j ) j + ( a k)k. Napomena 1.12 Analogna formula a = ( a u ) u + ( a v ) v + ( a w ) w vrijedi za bilo koju ortonormiranu bazu, ( u , v , w ). Uzmimo proizvoljni jedini cni vektor a XO (E ) i rastavimo ga u proizvoljnoj 2 ortonormiranoj bazi ( i , j , k ) od XO (E ). Kako je | a | = 1, vrijedi a2 x + ay + a2 cito ax , ay , az [1, 1], pa postoje brojevi , , [0, ] z = 1. Tada su o takvi da je ax = cos , ay = cos , az = cos . Odatle je cos2 + cos2 + cos2 = 1 i a = cos i + cos j + cos k . Brojeve cos , cos , cos zovemo kosinusi smjera vektora a. Neka je sada a XO (E ), a = 0 proizvoljan (ne nu zno jedini cni) vektor. a Pogledajmo vektor a0 = c smo rekli (to cka 1.1) da je a0 jedini cni i iste . Ve |a| orijentacije i smjera kao i a . Stovi se, vrijedi ay ax az a0 = k. i + j + |a| |a| |a|

1.5. SKALARNI PRODUKT Dakle su kosinusi smjera vektora a denirani s

ax cos = , |a| ay cos = , |a| az cos = . |a|

25

Iz denicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. Mo zemo promatrati i op cenitiji problem: Kako projicirati zadani vektor na proizvoljni pravac? Neka je d XO (E ). Tada postoji D E takva da je d = OD. Uzmimo proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na p. Nadalje, neka je a XO (E ) proizvoljan vektor koji le zi na p i a0 njegov

D d

a0

Slika 1.10: Projekcija vektora na pravac. jedini cni vektor. Tada imamo d = OD + D D = a0 + D D. Mno ze ci gornju jednad zbu s a0 dobivamo a 0 d = a0 2 = , jer su a0 i D D okomiti. Dakle imamo OD = ( d a0 ) a0 jer je OD = a0 . Ako sada uvedemo oznaku d za OD , imamo d =(d a0 ) a0 .

26

POGLAVLJE 1. VEKTORSKI RACUN

1.6

Digresija - determinante matrica 2. i 3. reda

Iz prethodnih smo odjeljaka mogli vidjeti da se uvodenjem vektora i pravila za ra cunanje s njima dobiva mogu cnost sa zetog iskazivanja i zapisivanja rezultata. U ovom se odjeljku upoznajemo s pojmom determinante koji igra va znu ulogu u sa zetom i elegantnom formuliranju rezultata o linearnim sustavima, a koristan je i pri radu s vektorima. Determinante se povijesno javljaju u kontekstu rje savanja sustava linearnih jednad zbi. Pogledajmo sljede ci sustav: ax + by = cx + dy = . Ako pomno zimo prvu jednad zbu s d, drugu s b i zbrojimo ih, dobijemo (ad bc)x = d b, odnosno, za ad bc = 0, x= d b . ad bc

S druge strane, ako prvu jednad zbu pomno zimo s c, drugu s a i zbrojimo ih, dobijemo c a a c y= = . bc ad ad bc Koecijente na seg sustava mo zemo zapisati u obliku tablice koju zovemo matrica. a b A= . c d Sada za matricu A denirajmo funkciju det koja ce matrici A pridru zivati realan broj na sljede ci na cin: a b c d

det A = det

= ad bc.

1.6. DIGRESIJA - DETERMINANTE MATRICA 2. I 3. REDA Oznaka koju jo s koristimo je a b . Tada imamo c d a c a b c d

27

x=

b d a b c d

y=

Pri izvodenju ovih formula pretpostavljali smo da je ad bc = 0, tj. da smijemo dijeliti s det A. Ako to nije slu caj, to zna ci da je ad = bc, odnosno a = c b . To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d i c i + d j , odnosno paralelnosti pravaca deniranih izrazima ax + by = , cx + dy = . Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora. Analogno, za sustav s tri jednad zbe i tri nepoznanice imamo: a1 x + a2 y + a3 z = b1 x + b2 y + b3 z = c1 x + c2 y + c3 z = . Matrica tog sustava je matrica tre ceg reda, a1 a2 A = b1 b2 c1 c2 i dana je s a3 b3 . c3

Determinantu matrice tre ceg reda ra cunamo rekurzivno razvojem po prvom retku. U tom se razvoju pojavljuju determinate drugog reda: a1 a2 a3 b1 b2 b3 c1 c2 c3 b2 b3 c2 c3 b1 b3 c1 c3 b1 b2 . c1 c2

det A =

= a1

a2

+ a3

Determinante matrica drugog reda znamo ra cunati, tj. sveli smo problem ra cunanja determinante tre ceg reda na problem ra cunanja determinante drugog reda. Drugi na cin na koji mo zemo ra cunati determinante matrica tre ceg reda je Sarrusovo pravilo: ispod determinante dopi semo njena prva dva redka, pa onda

28

POGLAVLJE 1. VEKTORSKI RACUN

zbrojimo produkte elemenata na glavnoj dijagonali i njoj paralelnim pravcima i od toga oduzmemo produkte elemenata na sporednoj dijagonali i njoj paralelnim pravcima. Po tom pravilu imamo: a1 a2 a3 b1 b2 b3 c1 c2 c3 = a1 b2 c3 + a3 b1 c2 + a2 b3 c1 a3 b2 c1 a1 b3 c2 a2 b1 c3 .

Svojstva determinante: 1. Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante, tj.: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. Ako dva susjedna redka predznak, tj.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . a3 b3 c3

(stupca) zamijene mjesta, determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = a1 a2 a3 . c1 c2 c3

3. Ako su dva redka (stupca) u determinanti jednaka, determinanta je jednaka nuli. 4. Ako su svi elementi redka (stupca) pomno zeni istim skalarom, determinanta se mno zi tim skalarom,tj.: a1 a2 a3 b1 b2 b3 c1 c2 c3 5. Vrijedi: a1 + d1 a2 + d2 a3 + d3 b1 b2 b3 c1 c2 c3 = a1 a2 a3 b1 b2 b3 c1 c2 c3 d1 d2 d3 + b1 b2 b3 . c1 c2 c3 a1 a2 a3 = b1 b2 b3 . c1 c2 c3

Determinantama cemo se vi se baviti u poglavlju o rje savanju linearnih sustava. Ovdje smo uveli samo ona njihova svojstva koja ce nam trebati pri radu s vektorima.

1.7. DESNI I LIJEVI KOORDINATNI SUSTAVI. ORIJENTACIJA

29

1.7

Desni i lijevi koordinatni sustavi. jentacija

Ori-

Znamo da je za proizvoljnu to cku O E skup XO (E ) vektorski prostor. Neka je ( a , b , c ) neka baza od XO (E ). Tada uredenu trojku (O; a , b , c ) zovemo koordinatni sustav. Neka su sada O, O E i neka su ( i , j , k ) i ( i , j , k ) proizvoljne ortogonalne baze od XO (E ) odnosno XO (E ). Tada imamo dva pravokutna koodinatna sustava S = (O; i , j , k ) i S = (O ; i , j , k ). Postavlja se pitanje, je li mogu ce krutim gibanjem (rotacija, translacija ili oboje) prevesti S u S tako da O prijede u O, i u i , j u j i k u k ? Ako je to mogu ce, onda ka zemo da su S i S ekvivalentni ili jednako orijentirani. Kako to odrediti? Prvo translatiramo O u O, onda dovedemo i u i . Tada ravnina okomita na i u kojoj su j i k prijede u ravninu okomitu na i u kojoj su j i k . Sada rotacijom oko osi koja sadr zi i dovedemo j na j . Time vektor k padne na pravac vektora k : ili se preklopi s njim (tj. imaju istu orijentaciju), ili je suprotne orijentacije. Jasno je da je svaki tre ci pravokutni koordinatni sustav jednako orijentiran s to cno jednim od ova dva. Ili se poklopi sa S , ili sa S , ako S nije ekvivalentan sa S . To zna ci da se skup svih pravokutnih koordinatnih sustava raspada na dva podskupa. Koordinatne sustave u jednom podskupu zovemo desnima a drugom lijevima.
k

0 0
i j i k j

Slika 1.11: Desna i lijeva ortonormirana baza. Postavlja se pitanje, kako odrediti jesu li dva pravokutna sustava jednako

30

POGLAVLJE 1. VEKTORSKI RACUN

orijentirana ili nisu? Neka su S = (O; i , j , k ) i S = (O ; i , j , k ) dva pravokutna koordinatna sustava. Prika zimo i , j , k preko i , j , k : i = a1 i + a2 j + a3 k , j = b1 i + b2 j + b3 k , k = c1 i + c2 j + c3 k . Izra cunajmo D= a1 a2 a3 b1 b2 b3 . c1 c2 c3

Ako je D > 0, onda su S i S (odnosno njihove baze) jednako orijentirani, ako je D < 0, onda nisu. zno pravokutna) je D = 0. Napomena 1.13 Za svaka dva sustava S i S (ne nu Dakle, ako su S i S dva proizvoljna sustava (ne nu zno pravokutna), onda se orijentiranost od S i S ispituje analogno, tj. pomo cu determinante pripadaju ce matrice. Denicija 1.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani).

1.8

Vektorski produkt

Vektorski produkt denira se samo za vektore trodimenzionalnog prostora (vidjeli smo u to cki 1.4 da postoje n-dimenzionalni vektorski prostori za svako n N a u Napomeni 1.10 vidjeli smo da mo zemo denirati skalarni produkt na ndimenzionalnom vektorskom prostoru Rn ). Neka je O cvrsta to cka u prostoru E i (O; i , j , k ) pravokutni normirani desni koordinatni sustav. Vektorski produkt vektora a i b je vektor a b = (ay bz az by ) i + (az bx ax bz ) j + (ax by ay bx ) k ,

1.8. VEKTORSKI PRODUKT odnosno a b = i j k ax ay az . bx by bz

31

Determinantu u ovoj formuli shva camo cisto formalno, kao sa zeti zapis. Teorem 1.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E ) i sve skalare iz R vrijedi: 1. ( a ) b = ( a ) ( b ) = ( a b) (homogenost),

2. a ( b + c)= a b + a c, (a + b ) c = a c + b c (distributivnost prema zbrajanju), 3. a b = ( b a) (antikomutativnost).

Primijetimo da tvrdnje Teorema 1.7 slijede izravno iz svojstava determinante koja smo vidjeli u to cki 1.6. Duljina vektora a b je dana formulom | a b |2 = | a |2 | b |2 ( a b )2 . Napomena 1.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. To uklju cuje i slu caj kad je jedan od njih (ili cak oba) nul vektor, jer je nul vektor kolinearan sa svakim vektorom. Dokaz:

Ako je barem jedan od vektora a , b nul vektor, tvrdnja slijedi lagano iz formule za duljinu vektora a b . Neka su sada oba vektora razli cita od nul vektora. Neka su a i b kolinearni. Zbog a b = | a || b | cos , i = 0 ili = , imamo ( a b )2 = | a |2 | b |2 1, pa desna strana formule za duljinu vektora a b i s cezava. Tada je | a b | = 0, pa i a b = 0 . Obratno, neka je a b = 0 . Tada je | a b | = 0, pa iz formule za duljinu | a b| imamo 0 = | a |2 | b |2 ( a b )2 . Kako je a b = | a || b | cos , imamo 0 = | a |2 | b |2 (1 cos2 ). Po pretpostavci je | a | = 0 i | b | = 0, pa je cos2 = 1, tj. = 0 ili = . Dakle a i b su kolinearni.

32

POGLAVLJE 1. VEKTORSKI RACUN

Ako a i b nisu kolinearni, iz formule za duljinu | a b | slijedi | a b |2 = | a |2 | b |2 (1 cos2 ) = | a |2 | b |2 sin2 . Dakle imamo | a b | = | a || b | sin .

Neka su a i b nekolinearni. Tada iz svojstva skalarnog produkta i formule za vektorski produkt imamo: a ( a b)=0 b ( a b ) = 0. To zna ci da je a b okomit na ravninu u kojoj su a i b , tj. ( a , b , a b) je jedna baza. Pitanje je sad je li a b orijentiran, prema gore ili prema dolje?

ax b

b a
Slika 1.12: Vektorski produkt. Neka je (O; i , j , k ) pravokutni normirani desni koordinatni sustav, i neka a i b u su a = ax i + ay j + az k i b = bx i + by j + bz k zapisi vektora bazi ( i , j , k ). Tada je a b = (ay bz az by ) i + (az bx ax bz ) j + (ax by ay bx ) k . Izra cunajmo sada determinantu D (opisanu u to cki 1.7). Imamo: ax ay az bx by bz ay bz az by az bx ax bz ax by ay bx

D=

(ay bz az by )2 + (az bx ax bz )2 + (ax by ay bx )2 > 0.

1.8. VEKTORSKI PRODUKT

33

Kako je (O; i , j , k ) desni koordinatni sustav (pravokutni i normirani), to je (O; a , b , a b ) desni (op cenito nepravokutni) koordinatni sustav. Pogledajmo slijede ce svojstvo ortonormirane baze ( i , j , k ) koje ce nam biti koristno pri ra cunanju. i j k i j 0 k -k 0 j -i k -j i 0

Tablica 1.2: Vektorsko mno zenje vektora ortonormirane baze zenje nije asoNapomena 1.15 Primijetimo jednu bitnu stvar: vektorsko mno cijativno. Uzmimo npr. vektore ortonormirane baze ( i , j , k ). Tada je ( i i ) j = 0 , dok je s druge strane i ( i j ) = j tj. ( i i ) j = i ( i j ). Vektorski produkt je koristan pri matemati ckom opisivanju veli cina kao sto je kutna brzina. Sa Slike 1.13 vidimo da je = r v.

v 0 r

Slika 1.13: Kutna brzina.

Lako se mo ze dokazati (iskoristimo mogu cnost prikaza vektora u ortonormiranoj bazi ( i , j , k ), pravila za skalarno mno zenje, pravila za vektorsko mno zenje te gornju tablicu)

34
da vrijede slijede ce korisne formule:

POGLAVLJE 1. VEKTORSKI RACUN

a (b c ) = ( a c ) b ( a b ) c ( a b) c = ( a c)b (b c ) a. Primjenom gornjih formula lagano se dokazuje Jacobijev identitet: a (b c ) + b ( c a)+ c ( a b)= 0. Ako u Jacobijev identitet uvrstimo a = c = 0 , imamo: a (b a ) + b ( a a)+ a ( a b)= 0, a (b a)+ a ( a b)= 0. Kako je a ( a b ) = ( a b ) a ( a a)b, imamo odnosno

a (b a ) + ( a b ) a ( a a)b = 0 tj. ( a a)b = a (b a ) + ( a b ) a . Podijelimo li ovaj izraz sa | a |2 dobijemo: 1 b b = a a + a (b a ). | a |2 | a |2 Dobili smo formulu za rastav vektora b na vektor kolinearan s a i vektor okomit na a za unaprijed zadani a .

1.9

Mje soviti produkt

Neka su zadani vektori a = ax i + ay j + az k , b = bx i + by j + bz k i c = cx i + cy j + cz k , gdje je ( i , j , k ) neka desna ortonormirana baza. Tada njihov mje soviti produkt a ( b c ) deniramo s a ( b c)= ax ay az bx by bz , cx cy cz

odnosno s by bz a ( b c ) = ax cy cz ay bx bz cx cz + az bx by . cx cy

 1.9. MJESOVITI PRODUKT

35

bx c

a c b

Slika 1.14: Mje soviti produkt triju vektora. Denicija 1.11 Za vektore a , b , c XO (E ) ka zemo da su komplanarni ako le ze u istoj ravnini. a , b , c XO (E ) su komplanarni ako i samo ako Napomena 1.16 Vektori su linearno zavisni. Napomena 1.17 Za vektore a , b , c XO (E ) vrijedi a ( b c ) = 0 ako i samo ako su a , b , c komplanarni.
Ako su a , b , c komplanarni po Napomeni 1.16 oni su linearno zavisni, pa tvrdnja slijedi iz svojstava determinante 3,4 i 5 iz to cke 1.6. Obratno, ako je a ( b c ) = 0 i ako je barem jedan od njih jednak nul vektoru, onda tvrdnja lagano slijedi. Pretpostavimo zato da su a = 0, b = 0 i c = 0 . Tada, kako je a (b c ) = 0, zaklju cujemo da su vektori a i b c okomiti. No znamo da je vektor b c okomit na ravninu u kojoj le ze b i c , pa kako je a okomit na b c , zaklju cujemo da on le zi u ravnini u kojoj le ze i b i c ..

Dokaz:

Do sada smo spomenuli skalarno mno zenje, vektorsko mno zenje i mje soviti produkt. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su a , b , c XO (E ). Tada je: 1. | a b | je duljina projekcije od a na b za jedini cni vektor b , jer je | a b | = | a || cos |. 2. | a b | je povr sina paralelograma razapetog s a i b , jer je | a b|= | a || b | sin , gdje je | a | baza, a | b | sin visina paralelograma.

36

POGLAVLJE 1. VEKTORSKI RACUN 3. | a ( b c )| je volumen paralelepipeda razapetog s a , b , c , jer je | a ( b c )| = | a || b c || cos | ( je kut izmedu a i b c ). Veli cina | b c | je povr sina baze, a | a || cos | je duljina visine paralelepipeda.

Pomo cu mje sovitog produkta mo zemo proizvoljan vektor d prikazati u proizvoljnoj (ne nu znoj ortonormiranoj) bazi ( a , b , c ). Neka je dan d XO (E ) i neka je ( a , b , c ) proizvoljna baza od XO (E ). Tada vrijedi: d ( b c ) d = a a ( b c) d ( a c ) b + a ( b c ) d ( a b ) c. a ( b c)

Napomena 1.18 Neka su dane to cke Pi = (xi , yi , zi ) i = 1, 2, 3, 4 (u pravokutnom koordi natnom sustavu (O; i , j , k )). Tada je volumen tetraedra ciji su vrhovi to cke Pi i = 1, 2, 3, 4 jednak apsolutnoj vrijednost broja 1 6 x2 x1 x3 x1 x4 x1 y2 y1 y3 y1 y4 y1 z2 z1 z3 z1 z4 z1

Dokaz: Uzmimo vektore P1 P2 , P1 , P3 , P1 P4 . Tada je volumen paralelepipeda razapetog s P1 P2 , P1 , P3 , P1 P4 jednak apsolutnoj vrijednosti broja x2 x1 x3 x1 x4 x1 y2 y1 y3 y1 y4 y1 z2 z1 z3 z1 z4 z1

Kako je volumen tetraedra ciji su vrhovi Pi i = 1, 2, 3, 4 jednak razapetog s P1 P2 , P1 , P3 , P1 P4 , imamo tvrdnju.

1 6

volumena paralelepipeda

Poglavlje 2 Analiti cka geometrija

2.1 Pravac u ravnini

U ovom poglavlju bavimo se analiti ckom opisom geometrijskih objekata. Ograni cit cemo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru, no va zno je znati da se na sli can na cin mogu opisati i slo zeniji geometrijski objekti kao sto su krivulje i plohe. Takav analiti cki opis ne ovisi o geometrijskom zoru, pa se pomo cu tog aparata mogu prikazivati i prou cavati objekti u vi se dimenzija.

2.1.1

Op ci oblik jednad zbe pravca u ravnini

Neka je (O; i , j ) ksirani pravokutni koordinatni sustav u ravnini (baza ( i , j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz to cke 1.3) kojeg jo s ozna cavamo Oxy i kojeg cemo nadalje bez napomene koristiti u ravnini. Promotrimo jednad zbu prvog stupnja Ax + By + C = 0, pri cemu su A, B i C realne konstante i barem jedan od A i B je razli cit od nule. Ta jednad zba opisuje neki skup to caka u ravnini, a zbog uvjeta da je barem jedan od A i B razli cit od nule, taj skup je neprazan. Ako je B = 0, onda za proizvoljni x0 imamo C A y0 = x0 . B B 37

38

POGLAVLJE 2. ANALITICKA GEOMETRIJA

Dakle postoji to cka (x0 , y0 ) iz ravnine koja zadovoljava jednad zbu Ax + By + C = 0, tj. vrijedi Ax0 + By0 + C = 0. Oduzimanjem ovih dviju jednad zbi dobijemo jednad zbu A(x x0 ) + B (y y0 ) = 0 koja je ekvivalentna jednad zbi Ax + By + C = 0. Poka zimo sada da je jednad zbom A(x x0 ) + B (y y0 ) = 0 odreden pravac p kroz to cku (x0 , y0 ) okomit na vektor n =A i +B j . Zaista, ako to cka (x, y ) le zi na pravcu p, onda je taj pravac nositelj vektora r = (x x0 ) i + (y y0 ) j , pa zbog okomitosti imamo r n = 0. Kako je r n = A(x x0 ) + B (y y0 ) = 0 imamo A(x x0 ) + B (y y0 ) = 0. Ako to cka (x, y ) ne le zi na pravcu p, onda r i n nisu okomiti, tj. r n = 0, odnosno ne vrijedi A(x x0 ) + B (y y0 ) = 0. Dakle sve to cke na p zadovoljavaju A(x x0 )+ B (y y0 ) = 0, i niti jedna to cka izvan p ne zadovoljava A(x x0 )+ B (y y0 ) = 0. To zna ci da A(x x0 )+ B (y y0 ) = 0 zadovoljavaju samo i jedino to cke s pravca p.

p n r (x ,y )
0 0

(x ,y)

Slika 2.1: Pravac u ravnini. Denicija 2.1 Jednad zba Ax + By + C = 0 s proizvoljnim koecijentima A, B, C takvima da je barem jedan od A i B razli cit 2 2 od nule (to se jo s formulira i kao A + B > 0) je op ca jednad zba pravca. Jo s se naziva i implicitna jednad zba pravca. zbe, Ax + By + C = 0 i A x + B y + Napomena 2.1 Ako imamo dvije jednad C = 0, onda one odreduju isti pravac ako i samo ako postoji t R takav da je A = tA, B = tB i C = tC .

2.1. PRAVAC U RAVNINI Dokaz:

39

Ako jednad zbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac, zna ci da prolaze kroz istu to cku (x0 , y0 ) i da je za svaku drugu to cku (x, y ) tog pravca vektor r = (x x0 ) i + (y y0 ) j okomit na n = A i + B j i na n = A i + B j . Dakle su vektori n i n kolinearni, tj. postoji t R takav da je n = t n . Odatle je A = tA i B = tB , no kako jednad zbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac zna ci da je i C = tC . Obratno, ako postoji t R takav da je A = tA, B = tB i C = tC , onda su o cito n = A i + B j i n = A i + B j kolinearni, pa je dovoljno provjeriti da pravci p (pravac odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu to cku. O cito je (x0 , y0 ) rje senje jednad zbe Ax + By + C = 0 ako i samo ako je (x0 , y0 ) rje senje jednad zbe A x + B y + C = 0, pa imamo tvrdnju.

Pogledajmo sada neke posebne slu cajeve jednad zbe pravca (tzv. nepotpune oblike): 1. Ako je C = 0, onda pravac prolazi kroz ishodi ste, jer je to cka (0, 0) rje senje jednad zbe Ax + By = 0. 2. Ako je B = 0, onda je pravac paralelan s osi y , jer je tada vektor n oblika n =Ai. 3. Ako je A = 0, onda je pravac paralelan s osi x, jer je tada vektor n oblika n =Bj. 4. Ako je B = C = 0, onda je pravac os y , jer je (0, 0) rje senje jednad zbe Ax = 0 i vektor n je oblika n = A i . 5. Ako je A = C = 0, onda je pravac os x, jer je (0, 0) rje senje jednad zbe By = 0 i vektor n je oblika n =bj.

2.1.2

Segmentni oblik

Polazimo od potpunog oblika jednad zbe pravca Ax + By + C = 0. Pretpostavimo da je C = 0 i podijelimo jednad zbu Ax + By + C = 0 s C . Dobijemo B A x + C y = 1. Ako su A i B razli citi od 0 to mo zemo pisati kao C y x + C = 1. C A B

40

POGLAVLJE 2. ANALITICKA GEOMETRIJA

C Uvedemo li oznake a = C i b = B , imamo A

x a

y b

= 1.

Ovakav oblik jednad zbe pravca zovemo segmentni oblik jednad zbe pravca. Uo cimo sljede ce: ako je x = 0, onda je y = b, a ako je y = 0, onda je x = a, tj. pravac prolazi kroz to cke (0, b) i (a, 0). Dakle je geometrijsko zna cenje veli cina a i b dano to ckama u kojima pravac sije ce koordinatne osi.
y

Slika 2.2: Segmentni oblik jednad zbe pravca.

2.1.3

Kanonski oblik

Jasno je da je pravac jedinstveno odreden to ckom kojom prolazi i vektorom smjera (vektor na kojem le zi).

s=mi+nj P1 = (x 1,y 1 )
Slika 2.3: Kanonski oblik jednad zbe pravca.

2.1. PRAVAC U RAVNINI

41

Sada zelimo na ci jednad zbu pravca p ako znamo to cku P1 = (x1 , y1 ) kroz koju prolazi pravac i vektor smjera pravca s = m i + n j . To cka P = (x, y ) le zi na p ako i samo ako su vektori r = P1 P = (x x1 ) i + (y y1 ) j i s kolinearni, tj. ako postoji R takav da je r = s . Iz uvjeta x x1 = m i y y1 = n eliminiranjem konstante proporcionalnosti dobijemo
xx1 m

y y1 n .

Ovaj oblik jednad zbe pravca zovemo kanonski oblik jednad zbe pravca. Napomena 2.2 Parametri m i n u nazivnicima kanonske jednad zbe su formalni, u smislu da jedan od njih mo ze biti jednak nuli (ali ne oba), jer brojevi m i n nam samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. Npr. x x1 y y1 = m 0 zna ci da je 0(x x1 ) = m(y y1 ), tj. y = y1 . Dakle imamo pravac paralelan s osi x, bez komponente u smjeru j , sto se vidi i iz vektora smjera s = m i +0 j .

2.1.4

Pravac kroz dvije to cke

Ako uzmemo dvije razli cite to cke P = (x1 , y1 ) i Q = (x2 , y2 ) u ravnini M , onda je jasno da njima prolazi jedinstveni pravac p. Nadimo jednad zbu tog pravca.

p Q = (x2 ,y 2 ) P = (x 1,y 1 )
Slika 2.4: Pravac kroz dvije to cke. Uo cimo da je vektor P Q = (x2 x1 ) i + (y2 y1 ) j u stvari vektor smjera pravca p, a kako p po pretpostavci prolazi to ckom P , iz kanonske jednad zbe

42

POGLAVLJE 2. ANALITICKA GEOMETRIJA

pravca imamo da je jednad zba pravca kroz dvije to cke

xx1 x2 x1

y y1 y2 y1

ili y=
y2 y1 (x x2 x1

x1 ) + y 1 .

Pravac kroz jednu to cku s koecijentom smjera Neka je zadan pravac p u ravnini svojom kanonskom jednad zbom (tj. znamo n to cku kroz koju prolazi) uz pretpostavku da je m = 0. Uvode ci oznaku k = m , dobivamo jednad zbu pravca kroz jednu to cku s koecijentom smjera: y y1 = k (x x1 ). Veli cinu k zovemo koecijent smjera pravca p.

2.1.5

Eksplicitni oblik

Neka je zadan pravac p u ravnini jednad zbom kroz jednu to cku i koecijentom smjera, y y1 = k (x x1 ). Tada je y = kx kx1 + y1 . Uvedemo li oznaku l = kx1 , dobivamo eksplicitni oblik jednad zbe pravca: y = kx + l.
y

l 0 x

Slika 2.5: Eksplicitni oblik jednad zbe pravca.

2.1. PRAVAC U RAVNINI Napomena 2.3 Za x = 0 imamo y = l tj. pravac prolazi to ckom (0, l).

43

n Uzeli smo da je k = m . Sto to zna ci? Znamo da su m i n komponente vektora smjera pravca p. Neka je kut koji vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. s vektorom i ). n , imamo Kako je tg = m k = tg .

2.1.6

Normirani oblik (normalni oblik)

Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy ). Povucimo sada kroz O pravac q okomit na p. Ozna cimo s P0 to cku presjeka i s d njenu udaljenost od ishodi sta |OP0 |, tj. d = |OP0 |. Neka je n = a i + b j jedini cni vektor na pravcu q , tj. a2 + b2 = 1.
y q

P0 x r P p

Slika 2.6: Normirani oblik jednad zbe pravca. Jasno je da su a, b [1, 1], pa tada postoje , [0, ] takvi da je a = cos i b = cos . Ovdje su cos i cos kosinusi smjera vektora n odnosno pravca p (to cka 1.5). Zbog komplementarnosti kutova i ( = 2 ) je cos = sin , pa imamo n = cos i + sin j . To cka P = (x, y ) le zi na pravcu p ako i samo ako projekcija vektora OP = r na pravac q ima duljinu d, tj. P = (x, y ) le zi na pravcu p ako i samo ako je r n = d. Jednad zbu r n = d, odnosno x cos + y sin = d

44

POGLAVLJE 2. ANALITICKA GEOMETRIJA

zovemo normirani oblik jednad zbe pravca.

Ako je pravac u ravnini zadan svojom implicitnom (op com) jednad zbom Ax + By + C = 0, postavlja se pitanje kako prona ci njegov normirani oblik. Pretpostavimo da je x cos + y sin d = 0 njegov normirani oblik, po Napomeni 2.1 mora postojati t R takav da bude tAx + tBy + tC = x cos + y sin d za sve x i y , dakle mora biti tA = cos , tB = sin , tC = d.

Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = A2 1 , + B2

a iz tre ce jednakosti zbog d > 0 nalazimo da je sign t = sign C (tj. predznak od t je jednak suprotnom predznaku od C ). Stoga je t= 1 .

sign C

A2 + B 2

Dakle normirani oblik jednad zbe pravca Ax + By + C = 0 glasi Ax+By +C sign C A2 +B 2

= 0.

2.2
2.2.1

Odnosi to caka i pravaca u ravnini

Kut dvaju pravaca. Paralelnost i okomitost

Odredimo kut dvaju pravaca u ovisnosti o obliku jednad zbe kojom su zadani.

 2.2. ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op ci oblik: Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. Vektori koji su okomiti na p1 odnosno p2 su dani s n1 = A1 i + B1 j odnosno s n2 = A2 i + B2 j .

45

Denicija 2.2 Kut izmedu pravaca p1 i p2 zadanih u op cem obliku deni n1 i n2 . ramo kao kut izmedu Neka je kut izmedu n1 i n2 . Tada imamo n1 n2 cos = = |n1 ||n2 | A1 A2 + B1 B2
2 A2 1 + B1 2 A2 2 + B2

Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos =

A1 A2 + B1 B2 . 2 2 A2 A2 1 +B1 2 +B2

n1 i n2 Napomena 2.4 Pravci p1 i p2 su paralelni ako i samo ako su kolinearni, tj. ako i samo ako postoji R takav da je n1 = n2 , odnosno ako i samo ako je A1 B1 = . A2 B2 Napomena 2.5 Pravci p1 i p2 su okomiti ako i samo ako je n1 n2 = 0 tj. ako i samo ako je A1 A2 + B1 B2 = 0.

46 b) Kanonski oblik:

POGLAVLJE 2. ANALITICKA GEOMETRIJA

Neka su p1 i p2 zadani s y y1 x x1 = m1 n1 odnosno s y y2 x x2 = . m2 n2 s1 = m1 i + n1 j odnosno s s2 = m2 i + n2 j .

Tada su vektori smjera pravaca p1 i p2 dani s

Denicija 2.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku deniramo kao kut njihovih vektora smjera. Kako je kosinus kuta izmedu s1 i s2 dan s s1 s2 cos = = | s1 || s2 | m1 m2 + n1 n2
2 m2 1 + n1 2 m2 2 + n2

to je kosinus kuta izmedu p1 i p2 dan s

n1 n2 1 m2 + cos = m 2 2 2 m1 +n1 m2 +n2 2

Napomena 2.6 Pravci p1 i p2 su paralelni ako i samo ako su s1 i s2 kolinearni, tj. ako i samo ako postoji R takav da je s1 = s2 , odnosno ako i samo ako je n1 m1 = . m2 n2 Napomena 2.7 Pravci p1 i p2 su okomiti ako i samo ako je s1 s2 = 0, tj. ako i samo ako je m1 m2 + n1 n2 = 0 .

 2.2. ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednad zbama y = k1 x + l1 , y = k2 x + l2 . Tada su koecijenti smjera pravaca p1 i p2 dani s k1 = tg 1 , k2 = tg 2 ,

47

gdje su 1 odnosno 2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi.

p p

2 1

Slika 2.7: Kut dvaju pravaca. Denicija 2.4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku deniramo kao razliku kutova 2 i 1 . Neka je = 2 1 . Tada imamo tg = tg (2 1 ) = tg 2 tg 1 , 1 + tg 1 tg 2

odnosno tangens kuta izmedu p1 i p2 je dan formulom tg =

k2 k1 1 +k1 k2

48

POGLAVLJE 2. ANALITICKA GEOMETRIJA Napomena 2.8 Pravci p1 i p2 su paralelni ako i samo ako je = 0, tj. ako i samo ako je 1 = 2 , odnosno ako i samo ako je k1 = k2 . Napomena 2.9 Pravci p1 i p2 su okomiti ako i samo ako je = , tj. 2 ako i samo ako je tg = , odnosno ako i samo ako je 1 + k1 k2 = 0. To je ekvivalentno s 1 k1 = . k2

2.2.2

Udaljenost to cke od pravca

Neka su dani to cka P0 = (x0 , y0 ) i pravac p u ravnini. Zanima nas udaljenost to cke P0 od pravca p. Denicija 2.5 Udaljenost to cke P0 od pravca p je udaljenost to cke P0 do presjeci sta pravca p s pravcem kroz P0 okomitim na p. Napomena 2.10 Udaljenost to cke P0 od pravca p mo zemo denirati i na drugi na cin koji je ekvivalentan s Denicijom 2.5. Udaljenost to cke P0 od pravca p je udaljenost od P0 do njene ortogonalne projekcije na p. Izra cunajmo sada udaljenost to cke P0 od pravca p. Neka je pravac p dan u normiranom obliku, tj. x cos + y sin = d, i neka je n = cos i + sin j (kao u to cki 2.1.7). Denirajmo sada broj koji cemo zvati otklon s (P0 , p) = x0 cos + y0 sin d. Uo cimo da je broj x0 cos + y0 sin u stvari projekcija vektora OP0 na vektor n = cos i + sin j . Otklon je jednak udaljenosti to cke P0 od pravca p ako je to cka P0 s one strane pravca p na koju pokazuje vektor n (tj. sa suprotne strane od ishodi sta) jer je tada

 2.2. ODNOSI TOCAKA I PRAVACA U RAVNINI

49

(P0 , p) 0, a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodi ste jer je tada (P0 , p) < 0. Dakle je udaljenost to cke P0 od pravca p d(P0 , p) = |x0 cos + y0 sin d|.

Ako je pravac p u ravnini zadan svojom implicitnom (op com) jednad zbom Ax + By + C = 0, onda iz to cke 2.1.6 znamo da njegova jednad zba u normiranom obliku glasi Ax + By + C = 0. sign C A2 + B 2 Dakle udaljenost to cke P0 = (x0 , y0 ) od pravca p je d(P0 , p) = odnosno d(P0 , p) =
|Ax0 +By0 +C | . A2 +B 2

Ax0 + By0 + C , sign C A2 + B 2

Koriste ci gornju formulu za udaljenost to cke od pravca cija je jednad zba zadana u op cem obliku, lagano mo zemo izvesti i formule za udaljenost to cke od pravca cija je jednad zba zadana u bilo kojem obliku spomenutom u to cki 2.1 (segmentni, kanonski, pravac kroz dvije to cke, eksplicitni). Ukoliko je jednad zba pravca p zadana: a) u segmentnom obliku, tj. odnosno bx + ay ab = 0, udaljenost to cke P0 = (x0 , y0 ) od pravca p je d(P0 , p) =
|bx0 +ay0 ab| ; a2 +b2

x y + = 1, a b

50

POGLAVLJE 2. ANALITICKA GEOMETRIJA b) u kanonskom obliku kroz to cku P1 = (x1 , y1 ) s vektorom smjera s = (m, n), tj. y y1 x x1 = , m n odnosno nx my nx1 + my1 = 0, udaljenost to cke P0 = (x0 , y0 ) od pravca p je d(P0 , p) =
|nx0 my0 nx1 +my1 | ; m2 +n2

c) kroz dvije to cke P1 = (x1 , y1 ) i P2 = (x2 , y2 ), tj. x x1 y y1 = , x2 x1 y2 y1 odnosno (y2 y1 )x (x2 x1 )y (y2 y1 )x1 + (x2 x1 )y1 = 0, udaljenost to cke P0 = (x0 , y0 ) od pravca p je d(P0 , p) =
|(y2 y1 )x0 (x2 x1 )y0 (y2 y1 )x1 +(x2 x1 )y1 |

(x2 x1 )2 +(y2 y1 )2

d) u eksplicitnom obliku, tj. y = kx + l, odnosno kx y + l = 0, udaljenost to cke P0 = (x0 , y0 ) od pravca p je d(P0 , p) =

|kx0 y0 +l| . k2 +1

 2.2. ODNOSI TOCAKA I PRAVACA U RAVNINI

51

2.2.3

Presjeci ste dvaju pravaca

Neka su dana dva pravca u ravnini. Tada su njihovi mogu ci polo zaji u ravnini slijede ci: 1. sijeku se u jednoj to cki, 2. paralelni su, 3. poklapaju se, tj. identi cni su.

p = p 1 2

Slika 2.8: Mogu ci polo zaji pravaca u ravnini. U slu caju da se sijeku u jednoj to cki, zovimo je S = (xs , ys ), koordinate to cke S dobiju se kao rje senja sustava dviju linearnih jednad zbi s dvjema nepoznanicama. Npr. ako se pravci p1 i p2 sijeku u jednoj to cki S = (xs , ys ) i dani su u op cem obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema to cki 1.6 B1 C1 B2 C2 A1 B1 A2 B2 = 0,

xs =

52 i

POGLAVLJE 2. ANALITICKA GEOMETRIJA

ys =

C1 A1 C2 A2 A1 B1 A2 B2

Uo cimo sljede cu cinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomena 2.4). Napomena 2.11 Ako je A 1 B1 A 2 B2 = 0,

onda su p1 i p2 paralelni. Vrijedi i obrat, ako su p1 i p2 paralelni, onda je A 1 B1 A 2 B2 = 0.

2.2.4

Uvjet presijecanja pravca i segmenta (du zine)

U to cki 2.2.2 denirali smo otklon to cke P0 od pravca p koji je dan u normiranom obliku x cos + y sin = d formulom (P0 , p) = x0 cos + y0 sin d. Pokazali smo da je udaljenost to cke P0 od pravca p jednaka | (P0 , p)|. Osim udaljenosti, otklon nam (kroz svoj predznak) daje i drugu informaciju: (P0 , p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje n = cos i + sin j . Odatle imamo sljede ci zaklju cak: pravac p presijeca du zinu AB ako su brojevi (A, p) i (B, p) suprotnog predznaka.

 2.2. ODNOSI TOCAKA I PRAVACA U RAVNINI

53

2.2.5

Uvjet presijecanja triju pravaca u istoj to cki

Neka su dana tri pravca p1 , p2 , p3 u ravnini u op cem obliku, tj. A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A 3 x + B3 y + C 3 = 0 . Tra zimo uvjet za postojanje to cno jednog presjeci sta. Da bi se p1 , p2 , p3 sjekli u jednoj to cki barem jedna od determinanata A1 B1 , A2 B2 A 1 B1 , A 3 B3 A2 B2 A3 B3

mora biti razli cita od nule, jer ako su sve tri jednake nuli, onda prema Napomeni 2.11 presjeci ste ili ne postoji ili ih ima beskona cno mnogo. Neka se sada, bez smanjenja op cenitosti, p1 i p2 sijeku u jednoj to cki. Ozna cimo ju sa S = (xs , ys ). Tada p3 mora prolaziti kroz S , tj. mora pripadati sve znju pravaca odredenom s p1 i p2 . mo Sto zemo iz ovoga zaklju citi? Kako se nalazimo u ravnini, po Teoremu 1.4 vektori n1 = A1 i + B1 j , n2 = A2 i + B2 j , n3 = A3 i + B3 j su linearno zavisni, tj. postoje , R takvi da je n3 = n1 + n2 . Dakle imamo A3 = A1 + A2 B3 = B1 + B2 . Doka zimo da je i C3 = C1 + C2 .

54

POGLAVLJE 2. ANALITICKA GEOMETRIJA

Kako p1 , p2 , p3 po pretpostavci prolaze istom to ckom, S , imamo A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0, ali kako vrijedi A3 = A1 + A2 B3 = B1 + B2 lagano dobijemo da je C3 = C1 + C2 . Dakle dobili smo da pravac p3 pripada sve znju odredenom s p1 i p2 ako i samo ako vrijedi A3 x + B3 y + C3 = (A1 x + B1 y + C1 ) + (A2 x + B2 y + C2 ) = 0 za neke , R. Drugim rije cima, vektori (A1 , B1 , C1 ), (A2 , B2 , C2 ), (A3 , B3 , C3 ) su linearno zavisni, pa po svojstvima determinante 4. i 5. iz to cke 1.6 imamo da je A1 B1 C1 A2 B2 C2 A3 B3 C3

= 0.

Zna ci uvjet presijecanja triju pravaca u istoj to cki je A1 B1 C1 A2 B2 C2 A3 B3 C3 i barem jedna od triju determinanta A 1 B1 , A 2 B2 je razli cita od nule. A1 B1 , A3 B3 A2 B2 A2 B2

=0

2.3. PRAVAC U PROSTORU

55

2.3
2.3.1

Pravac u prostoru
Pravac kroz jednu to cku sa zadanim smjerom

Neka su dani vektor s i to cka P0 u prostoru i neka je r0 njezin radij-vektor (to cka 1.2). Zelimo na ci jednad zbu pravca p kroz to cku P0 sa smjerom s. To cka P E le zi na pravcu p ako i samo ako je P0 P = t s za neki t R. Neka je r radij-vektor to cke P . Tada imamo P0 P = r r0 , odnosno jednad zba pravca kroz to cku P0 s vektorom smjera s je dana s r = r0 + t s.

p ts P0 r 0 s r0

Slika 2.9: Pravac u prostoru.

2.3.2

Parametarske jednad zbe pravca

Neka je pravac p kroz to cku P0 = (x0 , y0 , z0 ) zadan vektorom smjera s = a i + b j + c k . Tada znamo da je jednad zba pravca dana s r = r0 + t s . Sada, kako je r0 = x0 i + y0 j + z0 k i za proizvoljnu to cku P = (x, y, z ) E njezin radij vektor r je r =x i +y j +zk, imamo: P le zi na pravcu p ako i samo ako je (x, y, z ) = (x0 + ta, y0 + tb, z0 + tc).

56 Jednad zbe

POGLAVLJE 2. ANALITICKA GEOMETRIJA

x = x0 + ta, y = y0 + tb, z = z0 + tc zovemo parametarske jednad zbe pravca kroz to cku P0 sa smjerom s.

2.3.3

Kanonske jednad zbe pravca

Neka je dan pravac p u prostoru s parametarskim jednad zbama kroz P0 u smjeru s . Eliminacijom parametra t iz parametarskih jednad zbi dobijemo
xx0 a

y y0 b

z z0 c .

To su kanonske jednad zbe pravca kroz P0 u smjeru s. Napomena 2.12 Ako je pravac p u prostoru odreden to ckom P0 i vektorom smjera s , onda P E le zi na p ako i samo ako su P0 P i s kolinearni. Prema Napomeni 1.14 to je ekvivalentno s P0 P s = 0. Raspisano po koordinatama to glasi ((y y0 )c(z z0 )b) i +((z z0 )a(xx0 )c) j +((xx0 )b(y y0 )a) k = 0 . Kako su vektori baze linearno nezavisni, njihova linearna kombinacija je jednaka nuli samo ako su svi koecijenti jednaki nuli. Izjedna cavaju ci s nulom koecijente uz i , j i k dobivamo kanonske jednad zbe pravca. Napomena 2.13 Ako je pravac u prostoru zadan kanonskim jednad zbama y y0 z z0 x x0 = = a b c onda iz njih izravno citamo citamo sljede ce informacije: ckom (x0 , y0 , z0 ) i 1. pravac p prolazi to 2. vektor smjera pravca p je dan s (a, b, c) odnosno a, b, c su koecijenti smjera pravca p.

2.3. PRAVAC U PROSTORU

57

Posebno, kanonska jednad zba pravca kroz ishodi ste sa vektorom smjera s = (a, b, c) je dana s x y z = = . a b c Ako je dan pravac u prostoru s to ckom kroz koju prolazi i vektorom smjera i ako je taj vektor smjera jedini cni, onda ima dva kosinusa smjera. Zbog komplementarnosti, jedan kosinus smjera prelazi u sinus, i njihov omjer daje koecijent smjera (to cka 2.1.5 i to cka 2.1.6). Ako je pravac u prostoru zadan to ckom kroz koju prolazi i vektorom smjera s = (a, b, c), onda znamo da je vektor a b c 1 s = , , s0 = |s| |s| |s| |s| jedini cni, istog smjera i orijentacije kao i s , pa odreduje isti pravac. Iz to cke 1.5 znamo da postoje kosinusi smjera vektora s0 , odnosno postoje , , [0, ] takvi da je a cos = , |s| b cos = , |s| c cos = . |s|

Dakle koecijenti smjera a, b, c su razmjerni s kosinusima smjera i koecijent razmjernosti je | s | = a2 + b2 + c2 .

2.3.4

Pravac kroz dvije to cke

Neka su dane dvije razli cite to cke P1 = (x1 , y1 , z1 ) i P2 = (x2 , y2 , z2 ) u prostoru. Tada kroz njh prolazi jedinstveni pravac p. Odredimo njegovu jednad zbu. Znamo iz to cke 2.3.1 da je pravac jedinstveno odreden to ckom kojom prolazi i vektorom smjera. Uzmimo sada npr. to cku P1 kao to cku kojom prolazi p i denirajmo s = P1 P2 . Kako p prolazi i to ckom P2 jasno je da s le zi na p, tj. s je vektor smjera pravca p. Ozna cimo s r radij vektor proizvoljne to cke P E , s r1 radij vektor to cke P1 i s r2 radij vektor to cke P2 . Sada imamo da je s = P1 P2 = r2 r1 , pa iz to cke 2.3.1 imamo: to cka P le zi na pravcu p ako i samo ako P zadovoljava jednad zbu r = r1 + t( r2 r1 ).

58

POGLAVLJE 2. ANALITICKA GEOMETRIJA

P2 P1 r1 0 r2

Slika 2.10: Pravac kroz dvije to cke u prostoru. Taj izraz zovemo jednad zba pravca kroz dvije to cke. Ako sada r = r1 + t( r2 r1 ) raspi semo koordinatno dobijemo jednad zbe x = x1 + t(x2 x1 ), y = y1 + t(y2 y1 ), z = z1 + t(z2 z1 ) koje zovemo parametarske jedad zbe pravca kroz dvije to cke. xx1 Eliminacijom parametra t iz parametarskih jednad zbi dobijemo jednad zbu x = 2 x1 y y1 z z1 = z2 z1 koju zovemo kanonska jednad zba pravca kroz dvije to cke. y2 y1

2.3.5

Pravac zadan dvjema projekcijama

Neka je pravac p kroz to cku P0 = (x0 , y0 , z0 ) s vektorom smjera s = (a, b, c) zadan svojom kanonskom jednad zbom x x0 y y0 z z0 = = . a b c Iz jednakosti prvog i tre ceg omjera dobivamo a a a x = x0 + (z z0 ) = z + x0 z0 , c c c odnosno, uz oznake m =
a c

i m1 = a z, c 0 x = mz + m1 .

Analogno, iz jednakosti drugog i tre ceg omjera imamo b b b y = y0 + (z z0 ) = z + y0 z0 , c c c

2.3. PRAVAC U PROSTORU odnosno, uz oznake n =

b c b i n1 = c z0 ,

59

y = nz + n1 . Dakle, vrijedi
xm1 m

y n1 n

= z.

y=nz+n 1 x =mz+m

y 0

(m ,n )
1 1

Slika 2.11: Pravac zadan dvjema projekcijama.

Napomena 2.14 Iz to cke 2.3.3 slijedi da su kosinusi smjera vektora smjera iz kanonske jednad zbe x m1 y n1 = =z m n dani s cos = m2 m , + n2 + 1 cos = m2 n , + n2 + 1 cos = m2 1 . + n2 + 1

2.3.6

Sve zanj pravaca

Sve zanj pravaca sa sredi stem u to cki T0 = (x0 , y0 , z0 ) je skup svih pravaca koji prolaze kroz tu to cku. Tada za svaki izbor a, b, c R koji nisu svi jednaki nuli y0 z0 xx0 = z opisuju neki pravac iz tog sve znja. jednad zbe a = y b c

60

POGLAVLJE 2. ANALITICKA GEOMETRIJA

2.3.7

Dijeljenje du zine u zadanom omjeru

Neka su dane to cke A = (x1 , y1 , z1 ) i B = (x2 , y2 , z2 ) u prostoru. Neka to cka C n dijeli du zinu AB u omjeru m za n, m N, tj. AC : CB = m : n. Ako je r1 = x1 i + y1 j + z1 k radij vektor to cke A i r2 = x2 i + y2 j + z2 k
B n C m A r r2

Slika 2.12: Dijeljenje du zine u zadanom omjeru. radij vektor to cke B , onda je radij vektor to cke C dan s = r1 + AC. Kako je i imamo AC = n AB m+n

AB = r2 r1 , = r1 +

n n m r1 + r2 . ( r2 r1 ) = m+n m+n m+n Dakle koordinate to cke C su

1 +nx2 my1 +ny2 mz1 +nz2 ( mx m+n , m+n , m+n ).

Napomena 2.15 Ako je m = n dobivamo koordinate polovi sta du zine AB . Imamo 1 = ( r1 + r2 ), 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= , , . 2 2 2

2.4. RAVNINA U PROSTORU

61

2.4
2.4.1

Ravnina u prostoru
Normalni oblik jednad zbe ravnine

Neka je ravnina u prostoru E koja ne prolazi kroz ishodi ste (tj. to cku O) i koja sije ce sve tri koordinatne osi. Povucimo okomicu iz to cke O na ravninu . 0 Neka ta okomica sije ce u to cki P0 i neka je |OP0 | = p. Neka je n0 = OP p (tj. jedini cni vektor istog smjera i orijentacije kao i OP0 ) i neka su , , kutovi sto ih n0 zatvara s pozitivnim smjerovima osi x, y, z redom (tj. s vektorima baze i , j , k iz to cke 1.3 ). To zna ci da je n0 = cos i + cos j + cos k . Tada proizvoljna to cku P E le zi u ako i samo ako je projekcija njenog radij-vektora r na pravac odreden s n0 duljine to cno p.
P . P0 d r n0 0 M

Slika 2.13: Normalni oblik jednad zbe ravnine. Drugim rje cima to cka P E s radij-vektorom r le zi u ako i samo ako r zadovoljava jednad zbu r n0 = p. Taj izraz zovemo normalni (ili Hesseov) oblik jednad zbe ravnine, a vektor n0 zovemo normala ravnine . Posebno, ako prolazi kroz ishodi ste (tj. to cku O), onda je p = 0, pa je normalna jednad zba ravnine oblika r n0 = 0.

62

POGLAVLJE 2. ANALITICKA GEOMETRIJA

Imamo okomitost radij-vektora r to cke P E na n0 . Napomena 2.16 Ako to cka P E ima koordinate (x, y, z ), onda je skalarni oblik normalne jednad zbe ravnine dan s x cos + y cos + z cos p = 0. Napomena 2.17 Normalni oblik jednad zbe ravnine je zgodan za odredivanje udaljenosti to cke od ravnine. Neka je M = (x1 , y1 , z1 ) E proizvoljna. Kao i kod pravca (to cka 2.2.2) vektor n0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju pokazuje normala. Ako sada kroz M povu cemo ravninu koja je paralelna s , duljina okomice do ce biti p + d (za neki d R, jer je duljina okomice do jednaka p), a kako M le zi u , mora biti x1 cos + y1 cos + z1 cos = p + d (jer je, ravnina paralelna s pa ima istu normalu n0 = cos i + cos j + cos k kao i ). Kako je d, u stvari, udaljenost ravnine od ravnine , udaljenost to cke M od ravnine je d = x1 cos + y1 cos + z1 cos p, ako je M s one strane na koju pokazuje n0 . Za to cke s druge strane bit ce d < 0. Imamo ne sto analogno otklonu iz to cke 2.2.2. Stoga je udaljenost to cke M od ravnine dana s d(M, ) = |x1 cos + y1 cos + z1 cos p|.

2.4.2

Segmentni oblik jednad zbe ravnine

Neka je ravnina u prostoru E takva da ne prolazi kroz ishodi ste i neka sije ce sve tri koordinatne osi. Nadalje, neka su to cke A = (a, 0, 0), B = (0, b, 0), C = (0, 0, c), redom, to cke u kojima sije ce koordinatne osi x, y, z . Sada, kako su A, B, C , iz normalne jednad zbe ravnine imamo, OA n0 = p, OB n0 = p, OC n0 = p.

2.4. RAVNINA U PROSTORU

z C

63

c b a A x 0 B y

Slika 2.14: Segmentni oblik jednad zbe ravnine. Dakle, a cos = p, Odatle, b cos = p, c cos = p.

p p p cos = , cos = , cos = . a b c Uvr stavanjem u skalarni oblik normalne jednad zbe ravnine dobivamo jednad zbu
x a

+y b +

z c

=1

koju zovemo segmentni oblik jednad zbe ravnine.

2.4.3

Op ci oblik jednad zbe ravnine

Promatramo izraz oblika Ax + By + Cz + D = 0 : pri cemu je barem jedan od A, B, C razli cit od nule (ili ekvivalentno A2 + B 2 + A x B yD . C 2 > 0). Bez smanjenja op cenitosti, neka je C = 0, tj. z = C C C Tada postoji to cka (x0 , y0 , z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za A proizvoljne x0 i y0 je z0 = C x0 B y D ). Oduzimanjem izraza Ax0 + By0 + C 0 C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednad zbu ekvivalentnu jednad zbi Ax + By + Cz + D = 0 A(x x0 ) + B (y y0 ) + C (z z0 ) = 0.

64

POGLAVLJE 2. ANALITICKA GEOMETRIJA

P . 0

r P

Slika 2.15: Op ci oblik jednad zbe ravnine. Poka zimo sada da je jednad zbom A(x x0 ) + B (y y0 ) + C (z z0 ) = 0 opisana ravnina u prostoru kroz to cku P0 = (x0 , y0 , z0 ) i okomita na vektor n = (A, B, C ). Zaista, ako je to cka P = (x, y, z ) to cka u takvoj ravnini, onda je jasno da i vektor r = P0 P le zi u toj ravnini. Onda je n r = 0, odnosno, kako je n r = A(x x0 ) + B (y y0 ) + C (z z0 ), imamo da izraz A(x x0 ) + B (y y0 ) + C (z z0 ) = 0 vrijedi za sve to cke na toj ravnini. S druge strane, ako P E ne le zi u ravnini, onda o cito r = P0 P i n nisu okomiti (jer P0 P ne le zi u ravnini), tj. ne vrijedi A(x x0 ) + B (y y0 ) + C (z z0 ) = 0. Dakle, jednad zba A(x x0 ) + B (y y0 ) + C (z z0 ) = 0 je jednad zba ravnine kroz to cku P0 = (x0 , y0 , z0 ) koja je okomita na vektor n = (A, B, C ). Izraz Ax + By + Cz + D = 0 zovemo op ci oblik jednad zbe ravnine. ce jednad zbe ravnine lagano se prelazi na normalni diNapomena 2.18 Iz op jeljenjem s R = A2 + B 2 + C 2 , pri cemu se uzima predznak suprotan od

2.4. RAVNINA U PROSTORU predznaka od D. Dakle imamo cos =

65

A , R

cos =

B , R

cos =

C . R

Vektor normale n0 je normirani vektor n = (A, B, C ), tj. istog su smjera cemo i vektor n zvati vektor i orijentacije, pa odreduju istu ravninu. Stoga normale. Napomena 2.19 Ako je ravnina dana u op cem obliku Ax + By + Cz + D = 0, onda su koordinate A, B, C vektora normale n razmjerne s kosinusima cina smjera (Napomena 2.18) i koecijent razmjernosti je A2 + B 2 + C 2 . Veli |D| je udaljenost od ishodi sta (to cka 2.4.1). A2 +B 2 +C 2 Napomena 2.20 Neka je dana to cka M = (x1 , y1 , z1 ) E . Tada je, po Napomeni 2.17, udaljenost to cke M od ravnine Ax + By + Cz + D = 0 dana s d(M, ) =
|Ax1 +By1 +Cz1 +D| . A2 +B 2 +C 2

Ako je ravnina dana u op cem obliku Ax + By + Cz + D = 0 i ako je C = 0, onda je A B D z = x y . C C C

A , b1 = B i c1 = D . Dakle imamo jednad zbu Ozna cimo a1 = C C C

z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednad zbe ravnine. Pogledajmo sada specijalne slu cajeve jednad zbe ravnine (tzv. nepotpune oblike): cito da O = (0, 0, 0) zadovoljava op cu jednad zbu 1. Ako je D = 0, onda je o ravnine Ax + By + Cz = 0, tj. ravnina prolazi kroz ishodi ste. 2. Ako je C = 0, onda normala n = (A, B, 0) nema komponentu u smjeru osi z (tj. k ), pa imamo cos = 0. Tada je jasno da je ravnina paralelna s osi z i da sije ce koordinatnu ravninu Oxy u pravcu Ax + By + D = 0.

66
z

POGLAVLJE 2. ANALITICKA GEOMETRIJA

z z z

0 x a

y x

y x

y x

Slika 2.16: Ravnine u posebnim polo zajima. 3. Ako je B = C = 0, onda normala n = (A, 0, 0) ima komponentu samo u smjeru osi x. Imamo Ax + D = 0, odnosno x = D , ravnina je paralelna A s koordinatnom ravninom Oyz . 4. Ako je B = C = D = 0, onda prema 1. ravnina prolazi kroz ishodi ste a prema 3. ravnina je paralelna s koordinatnom ravninom Oyz . Dakle zaklju cujemo da je ravnina Ax = 0 koordinatna ravnina Oyz . Od cetiri parametra, A, B, C i D, imamo samo tri nezavisna, jer jedan parametar mo zemo eliminirati dijele ci onim od A, B, C koji je razli cit od nule.

2.4.4

Parametarski oblik jednad zbe ravnine

Neka je dana ravnina koja prolazi to ckom P0 E i neka su s1 i s2 linearno nezavisni vektori takvi da je ravnina paralelna s njima. To cka P E le zi u ravnini ako i samo ako vrijedi P0 P = u s1 + v s2 . (Za P E takvu da je P vektori P0 P , s1 i s2 su komplanarni). Ako ozna cimo s r radij-vektor to cke P E a s r0 radij vektor to cke P0 , zbog P0 P = r r0 gornja jednad zba prelazi u jednad zbu r = r0 + u s1 + v s2 , koju zovemo parametarska jednad zba ravnine. Varijable u i v zovemo parametri, a vektore s1 i s2 vektori smjera.

2.4. RAVNINA U PROSTORU

P s2 P
0

67

s1 r r
0

Slika 2.17: Ravnina zadana parametarski. Nek je P0 = (x0 , y0 , z0 ), s1 = (a1 , b1 , c1 ), s2 = (a2 , b2 , c2 ). Tada P = (x, y, z ) E le zi u ravnini ako i samo ako vrijedi r = r0 +u s1 +v s2 . Raspisuju ci po koordinatama dobijemo jednad zbe x = x0 + ua1 + va2 , y = y0 + ub1 + vb2 , z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednad zbe ravnine. Napomena 2.21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu i dobije se cijela ravnina. Kako imamo dva parametra (u i v ), vidi se da je ravnina dvodimenzionalni objekt u prostoru. Napomena 2.22 Eliminacijom parametara iz skalarnog oblika parametarske jednad zbe ravnine dobijemo jednad zbu ravnine kroz zadanu to cku P0 = (x0 , y0 , z0 ) i dva vektora smjera s1 = (a1 , b 1 , c 1 ) i s2 = (a2 , b2 , c2 ) : x x0 y y0 z z0 a1 b1 c1 a2 b2 c2

= 0.

Dajmo sada geometrijsku interpretaciju gornje jednad zbe. To cka P E le zi u ravnini ako i samo ako vrijedi P0 P = u s1 + v s2 ,

68

POGLAVLJE 2. ANALITICKA GEOMETRIJA

odnosno, ako i samo ako su P0 P , s1 , s2 komplanarni. Po Napomeni 1.16, vektori P0 P , s1 , s2 su komplanarni ako i samo ako je P0 P ( s1 s2 ) = x x0 y y0 z z0 a1 b1 c1 a2 b2 c2

= 0.

2.4.5

Jednad zba ravnine kroz tri to cke

Neka su dane tri to cke P1 = (x1 , y1 , z1 ), P2 = (x2 , y2 , z2 ), P3 = (x3 , y3 , z3 ) u prostoru takve da ne le ze na istom pravcu. Zanima nas jednad zba ravnine koju cke. Kako to cke P1 , P2 , P3 ne le ze na istom pravcu, onda su odreduju te tri to vektori P1 P2 i P1 P3 nekolinearni. Dakle, mo zemo uzeti da su P1 P2 i P1 P3 vektori smjera ravnine kroz tri to cke P1 , P2 , P3 (uzmemo npr. to cku P1 kao ksnu to cku kroz koju ravnina prolazi). Kao i u to cki 2.4.4, to cka P E le zi u ravnini ako i samo ako su vektori P1 P , P1 P2 , P1 P3 komplanarni. Po Napomeni 1.16 to je evivalentno s P1 P (P1 P2 P1 P3 ) = 0. Kako je P1 P (P1 P2 P1 P3 ) = x x1 y y1 z z1 x2 x1 y2 y1 z2 z1 x3 x1 y3 y1 z3 z1

to dobivamo jednad zbu ravnine kroz tri to cke P1 , P2 , P3 u obliku x x1 y y1 z z1 x2 x1 y2 y1 z2 z1 x3 x1 y3 y1 z3 z1

= 0.

2.5
2.5.1

Odnosi ravnina i pravaca u prostoru

Kut dviju ravnina

Neka su 1 i 2 dvije ravnine dane jednad zbama A1 x + B1 y + C1 z + D1 = 0

2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0.

69

Denicija 2.6 Kut izmedu 1 i 2 je kut izmedu njihovih normala n1 = (A1 , B1 , C1 ) i n2 = (A2 , B2 , C2 ). Kako je kosinus kuta izmedu n1 i n2 dan s n1 n2 cos = = |n1 ||n2 | A1 A2 + B1 B2 + C1 C2
2 2 A2 1 + B1 + C 1 2 2 A2 2 + B2 + C 2

imamo da je kosinus kuta izmedu 1 i 2 dan s cos =

A1 A2 +B1 B2 +C1 C2 . 2 2 2 2 A2 A2 1 +B1 +C1 2 +B2 +C2

Napomena 2.23 Ravnine 1 i 2 ce biti paralelne ako i samo ako su n1 i n2 kolinearni, tj. ako i samo ako postoji R takav da je n2 = n1 , odnosno ako i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . Napomena 2.24 Ravnine 1 i 2 ce biti okomite ako i samo ako su n1 i n2 okomiti, tj. ako i samo ako je n1 n2 = 0, odnosno ako i samo ako vrijedi A1 A2 + B1 B2 + C1 C2 = 0. Sada mo zemo sa zeto iskazati tvrdnju o svim mogu cim polo zajima dviju ravnina u prostoru. Teorem 2.1 Promatrajmo dvije ravnine zadane jednad zbama A1 x + B1 y + C1 z + D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. Tada vrijedi jedna (i samo jedna) od sljede cih triju tvrdnji: 1. Ravnine se ne sijeku. 2. Ravnine se sijeku u jednom i samo jednom pravcu. 3. Ravnine se podudaraju.

70

POGLAVLJE 2. ANALITICKA GEOMETRIJA

1 1 1 1 Prvi slu caj se de sava ako je A = B = C = D . Proporcionalnost prvih triju A2 B2 C2 D2 A1 1 1 1 koecijenata izra zava paralelnost ravnina. Ako je jo si A =B =C =D , onda B2 C2 D2 2 se ravnine podudaraju, imamo tre ci slu caj. Kona cno, drugi slu caj imamo ako A1 B1 B1 C1 C1 A1 vrijedi barem jedna od nejednakosti A2 = B2 , B2 = C2 , C2 = A2 , tj. ako ravnine nisu paralelne. Ako ravnine nisu paralelne, onda se one moraju sje ci, i njihov presjek je pravac. Dakle pravac u prostoru mo zemo zadati i parom jednad zbi dviju neparalelnih ravnina. Korisno je znati kako iz tog oblika mo zemo do ci do kanonskih jednad zbi. U tu svrhu treba na ci bar jednu to cku u presjeku ravnina. Kako ravnine nisu paralelne, naru sava se barem jedan od omjera iz Napomene A1 C1 A 1 B1 i , 2.23. To zna ci da je bar jedna od determinanata A2 C2 A 2 B2

B1 C1 A 1 B1 razli cita od nule. Uzmimo, odredenosti radi, da je = 0. B2 C2 A 2 B2 Uvr stavaju ci z = 0 u jednad zbe ravnina dobivamo sustav cije rje senje nam daje to cku T0 na pravcu presjeka. Njene su koordinate B1 D1 B2 D2 T0 = , A1 B1 A2 B2 D1 A1 D2 A2 A1 B1 A2 B2 , 0 .

Vektor smjera p pravca presjeka mora biti okomit na obje normale pa ga mo zemo uzeti kao njihov vektorski produkt, p = n1 n2 = (B1 C2 B2 C1 ) i + (C1 A2 C2 A1 ) j + (A1 B2 A2 B1 ) k . Sada imamo sve elemente (koordinate to cke T0 i komponete vektora p ) za formiranje kanonskih jednad zbi pravca p.

2.5.2

Presjeci ste triju ravnina

Neka su dane tri ravnine 1 , 2 i 3 s jednad zbama A1 x + B1 y + C1 z + D1 = 0, A2 x + B2 y + C2 z + D2 = 0, A3 x + B3 y + C3 z + D3 = 0.

2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU

71

Zna ci, sve to cke prostora koje se nalaze u presjeci stu 1 , 2 i 3 moraju zadovoljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. Uvedimo slijede ce oznake za determinante A1 B1 C1 A2 B2 C2 , A3 B3 C3 A1 D1 C1 A2 D2 C2 , A3 D3 C3 D1 B1 C1 D2 B2 C2 , D3 B3 C3 A1 B1 D1 A2 B2 D2 . A3 B3 D3

x =

y =

z =

Ako je = 0 (sada su x, y, z nepoznanice), onda je presjeci ste jedinstveno (tj. jedna to cka, to cka 2.4.5) i koordinate su mu
x y z , ,

Zna ci dobili smo uvjet da se tri ravnine sijeku u to cki i koordinate te to cke. Koji su slu cajevi jo s mogu ci? Mogu ce je da nema rje senja (bilo koje dvije ravnine se ne sijeku, tj. paralelne su), rje senje je neki pravac (sve tri se sijeku u jednom pravcu) i rje senje je ravnina (sve tri ravnine se podudaraju).

2.5.3

Kut pravca i ravnine

Neka je dan pravac p u prostoru kroz to cku P0 s vektorom smjera s = (a, b, c) i ravnina svojom jednad zbom Ax + By + Cz + D = 0. Denicija 2.7 Kut izmedu pravca p i ravnine je komplement kuta izmedu s = (a, b, c) i n = (A, B, C ).

72

POGLAVLJE 2. ANALITICKA GEOMETRIJA

Zna ci, ako je kut izmedu s = (a, b, c) i n = (A, B, C ) onda je kut 2 izmedu p i jednak . s = (a, b, c) i n = (A, B, C ) dan s Kako je kosinus kuta izmedu cos( ) = 2 s n aA + bB + cC = | s || n | a2 + b2 + c2 A2 + B 2 + C 2

) = sin , imamo da je sinus kuta izmedu p i dan izrazom i kako je cos( 2 sin =
aA+bB +cC . a2 +b2 +c2 A2 +B 2 +C 2

Napomena 2.25 Pravac p i ravnina su okomiti ako i samo ako su s i n kolinearni, tj. ako i samo ako postoji R takav da je n = s , odnosno ako i samo ako vrijedi A : a = B : b = C : c. Napomena 2.26 Pravac p i ravnina ce biti paralelni ako i samo ako su s i n okomiti, tj. ako i samo ako je s n = 0, odnosno ako i samo ako vrijedi aA + bB + cC = 0.

2.5.4

Presjeci ste pravca i ravnine

Neka je pravac p u prostoru dan s x = mz + m1 , i ravnina s Ax + By + Cz + D = 0. Uvr stavanjem jednad zbi pravca u op ci oblik jednad zbe ravnine dobijemo jednad zbu za tre cu koordinatu to cke presjeci sta, tj. z0 = Am1 + Bn1 + D . Am + Bn + C y = nz + n1

Sada vra canjem u gornje jednad zbe dobijemo da je to cka presjeka

1 +Bnn1 +Dn 1 +Bn1 +D 1 +Bmn1 +Dm + m1 , Anm + n1 , Am Amm . Am+Bn+C Am+Bn+C Am+Bn+C

2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C

73

jednak nuli, tj. ako nema kona cnog z koji je rje senje, dobivamo jo s jedan uvjet paralelnosti Am + Bn + C = 0. Ako je pravac p zadan parametarski jednad zbom x = x1 + at, y = y1 + bt, z = z1 + ct,

onda uvr stavanje u op cu jednad zbu ravnine daje jednad zbu za vrijednost parametra t koja odgovara presjeci stu t= Koordinate presjeka su
+By1 +Cz1 +D +By1 +Cz1 +D +By1 +Cz1 +D x1 a Ax1Aa , y1 b Ax1Aa , z1 c Ax1Aa . +Bb+Cc +Bb+Cc +Bb+Cc

Ax1 + By1 + Cz1 + D . Aa + Bb + Cc

Napomena 2.28 Ako ne postoji takav t koji je kona can, tj. ako je nazivnik od Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli, imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0.

2.5.5

Pripadnost pravca ravnini

xx0 a

Uvjet pripadnosti pravca dan je parom jednad zbi

y y0 b

z z0 c

ravnini Ax + By + Cz + D = 0

Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. Prva jednad zba izra zava cinjenicu da to cka (x0 , y0 , z0 ) (kojom prolazi pravac) le zi u danoj ravnini, a druga je uvjet paralelnosti pravca i ravnine. Sada mo zemo sa zeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine.

74

POGLAVLJE 2. ANALITICKA GEOMETRIJA

Teorem 2.2 Neka su ravnina i pravac zadani jednad zbama Ax + By + Cz + D = y y0 xx0 z z0 0 i a = b = c . Tada vrijedi jedna (i samo jedna) od sljede cih triju tvrdnji: 1. Pravac i ravnina se ne sijeku. cki. 2. Pravac i ravnina se sijeku u samo jednoj to 3. Pravac je sadr zan u ravnini. U prvom i tre cem slu caju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). Ako jo s imaju i zajedni cku to cku (Ax0 + By0 + Cz0 + D = 0), onda pravac le zi u ravnini (tre ci slu caj). Drugi slu caj je karakteriziran s Aa + Bb + Cc = 0.

2.5.6

Kut dvaju pravaca

Neka su dani pravci u prostoru p1 i p2 kroz to cke P1 = (x1 , y1 , z1 ) odnosno P2 = (x2 , y2 , z2 ) s vektorima smjera s1 = (a1 , b1 , c1 ) odnosno s2 = (a2 , b2 , c2 ), redom. Denicija 2.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera s1 i s2 .

Slika 2.18: Mimosmjerni pravci. Znamo da je kosinus kuta izmedu s1 i s2 jednak s1 s2 = cos = | s1 || s2 | a1 a2 + b1 b2 + c1 c2 a2 1
2 + b2 1 + c1 2 2 a2 2 + b2 + c2

2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos =
a1 a2 +b1 b2 +c1 c2 . 2 2 2 2 a2 a2 1 +b1 +c1 2 +b2 +c2

75

ako se pravci ne sijeku, tj. mimoilaze se? Sto Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. To cemo u ciniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadr zi p2 . s1 i Napomena 2.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su s2 kolinearni, tj. ako i samo ako postoji R takav da je s1 = s2 , odnosno ako i samo ako je b1 c1 a1 = = . a2 b2 c2 To jo s ozna cavamo s a1 : b1 : c1 = a2 : b2 : c2 . Napomena 2.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su s1 i s2 okomiti, tj. ako i samo ako je s1 s2 = 0, odnosno ako i samo ako je a1 a2 + b1 b2 + c1 c2 = 0.

2.5.7

Presjeci ste dvaju pravaca

Problem postojanja presjeci sta dvaju pravaca u prostoru je slo zeniji nego u ravnini. Dajemo prvo odgovor za posebni slu caj kad su pravci zadani dvjema projekcijama. Neka su pravci p1 i p2 dani jednad zbama x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1

(to cka 2.3.5). Izjedna cavanjem izraza za x i za y dobijemo da je tre ca koordinata to cke presjeka dana s n n1 m m1 = 1 . z= 1 mm nn

76

POGLAVLJE 2. ANALITICKA GEOMETRIJA

Sada lagano dobijemo da su koordinate to cke presjeka dane s

n1 n1 1 m1 m 1 n1 n ( mm , nnn mm n , nn ).

Rije simo sada problem presjeci sta dvaju pravaca u op cem slu caju Neka su dani pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 , y1 , z1 ) odnosno P2 = (x2 , y2 , z2 ) s pripadaju cim vektorima smjera s1 = (a1 , b1 , c1 ) odnosno s2 = (a2 , b2 , c2 ). Tada su njihove kanonske jednad zbe dane s y y1 z z1 x x1 = = a1 b1 c1 i y y2 z z2 x x2 = = . a2 b2 c2 Jasno je da ako se p1 i p2 sijeku, onda moraju le zati u istoj ravnini. Neka je to ravnina Ax + By + Cz + D = 0. Nadimo sada uvjet da pravci p1 i p2 le ze u istoj ravnini. To zna ci da i to cke P1 = (x1 , y1 , z1 ) i P2 = (x2 , y2 , z2 ) i vektori s1 = (a1 , b1 , c1 ) i s2 = (a2 , b2 , c2 ) le ze u toj ravnini. To cnije, to cke le ze u toj ravnini, a vektori su paralelni s njom. To nam daje uvjete na A, B, C, D. Kako P1 = (x1 , y1 , z1 ) i P2 = (x2 , y2 , z2 ) le ze u ravnini, imamo Ax1 + By1 + Cz1 + D = 0 Ax2 + By2 + Cz2 + D = 0. Kako su s 1 = (a 1 , b 1 , c 1 ) i s2 = (a2 , b2 , c2 ) paralelni sa ravninom, iz Napomene 2.27 imamo Aa1 + Bb1 + Cc1 = 0 Aa2 + Bb2 + Cc2 = 0. Dobili smo sustav od cetiri linearne jednad zbe (A, B, C, D su nepoznanice), i to homogeni. On ima netrivijalno rje senje ako i samo ako mu je determinanta jednaka nuli, odnosno x1 y1 z1 1 x2 y2 z2 1 = 0. a1 b1 c1 0 a2 b2 c2 0

2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU

77

Primjenom pravila 5. i 6. iz to cke 1.6 na gornju determinantu (tj. prvi redak pomno zimo sa 1 i dodamo drugom i razvijemo determinantu po zadnjem stupcu) to se transformira u x2 x1 y2 y1 z2 z1 a1 b1 c1 a2 b2 c2

= 0.

Time smo dobili uvjet da pravci p1 i p2 le ze u istoj ravnini. Mo ze se desiti da su oni paralelni, pa nema presjeci sta. Prema Napomeni 2.29, pravci p1 i p2 ce se sje ci ako je x2 x1 y2 y1 z2 z1 a1 b1 c1 a2 b2 c2 i ne vrijedi a1 : b1 : c1 = a2 : b2 : c2 . Pomo cu gornje determinante mo zemo karakterizirati sva cetiri mogu ca polo zaja dvaju pravaca u prostoru. Teorem 2.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede cih tvrdnji: 1. Pravci su mimosmjerni, tj. ne le ze u istoj ravnini. 2. Pravci le ze u istoj ravnini i ne sijeku se. 3. Pravci le ze u istoj ravnini i sijeku se u jednoj to cki. 4. Pravci se podudaraju. Prvi slu caj odgovara situaciji u kojoj je determinanta razli cita od nule. U drugom slu caju su drugi i tre ci redak determinante proporcionalni (paralelnost pravaca) ali nisu proporcionalni prvom. Ako su sva tri redka proporcionalna, imamo isti pravac, cetvrti slu caj. U tre cem slu caju drugi i tre ci redak nisu proporcionalni (pravci nisu paralelni), no prvi se redak mo ze izraziti kao njihova linearna kompozicija. Pozabavimo se slu cajem mimosmjernih pravaca. =0

78

POGLAVLJE 2. ANALITICKA GEOMETRIJA

2.5.8

Udaljenost dvaju pravaca u prostoru

Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 , y1 , z1 ) odnosno P2 = (x2 , y2 , z2 ) s pripadaju cim vektorima smjera s1 = (a1 , b1 , c1 ) odnosno s2 = (a2 , b2 , c2 ). Onda su njihove kanonske jednad zbe dane s y y1 z z1 x x1 = = a1 b1 c1 i x x2 y y2 z z2 = = . a2 b2 c2 Denicija 2.9 Udaljenost pravca p1 od pravca p2 je duljina zajedni cke okomice na ta dva pravca. Izra cunajmo duljinu zajedni cke okomice: Polo zimo kroz p1 ravninu paralelnu s p2 (tj. p1 le zi u ravnini). Tada je duljina zajedni cke okomice jednaka udaljenosti bilo koje to cke na p2 do (jer su p2 i paralelni). Dakle, kako p1 le zi u i je paralelna sa p2 , imamo da prolazi kroz P1 = (x1 , y1 , z1 ) i paralelna je sa s1 = (a1 , b1 , c1 ) i s2 = (a2 , b2 , c2 ). Iz Napomene 2.22, jednad zba ravnine je dana s x x1 y y1 z z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x x1 ) b1 c1 b2 c2 + (y y1 ) c1 a1 c2 a2 + ( z z1 ) a1 b1 a2 b2 = 0.

= 0.

Iz gornje jednad zbe vidimo da je normala od dana s n = a1 b1 c1 a1 b1 c1 , , a2 b2 c2 a2 b2 c2 .

2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU

79

Kako je duljina zajedni cke okomice jednaka udaljenosti od bilo koje to cke na p2 do , uzmimo to cku P2 = (x2 , y2 , z2 ). Tada je, prema Napomeni 2.20, x2 x1 y2 y1 z2 z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno, x2 x1 y2 y1 z2 z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2
2

d(P2 , ) =

c1 a1 c2 a2

a1 b1 a2 b2

d(p1 , p2 ) =

c1 a1 c2 a2

a1 b1 a2 b2

Napomena 2.31 Kako znamo da postoji ravnina takva da p1 le zi u njoj i paralelna je sa p2 ? Ekvivalentno je pitanje, kako konstruirati ravninu kroz to cku P1 = (x1 , y1 , z1 ) paralelnu s vektorima s1 i s2 ? Ako su s1 i s2 nekolinearni, onda uzmemo da je normala ravnine n = s1 s2 . Time smo dobili izraz kao i gore tj. n = b1 c1 c1 a1 a1 b1 , , b2 c2 c2 a2 a2 b2

i imamo odredenu ravninu kroz P1 . Ako su s1 i s2 kolinearni, onda su p1 i p2 paralelni, pa je udaljenost p1 od p2 jednaka udaljenosti bilo koje to cke s p2 do p1 , sto znamo izra cunati. (Uzmemo li ravninu okomitu na p1 kroz P1 , jasno je da mo zemo uzeti da joj je normala s1 . Tada pogledamo presjek te ravnine i pravca p2 , sto je to cka, zovimo je M . Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ).

Poglavlje 3 Matrice i linearni sustavi

3.1
3.1.1

Osnove matri cnog ra cuna

Motivacija

Promotrimo sustav linearnih jednad zbi x z + 2u = 3 2y + z + u = 1 x +y z = 1

2x + y + z + u = 3. To je sustav od cetiri linearne algebarske jednad zbe s nepoznanicama x, y, z i u. U primjeru iz to cke 1.6 smo vidjeli da je kod uvodenja pojma determinante dobra ideja tretirati sve koecijente (brojeve uz x, y, z i u) kao jedinstveni objekt (matricu). Ako bismo uspjeli razviti ra cun takvih objekata, onda bismo mogli sustav linearnih jednad zbi gledati kao linearnu jednad zbu u jednoj nepoznanici. Npr. za gornji sustav bismo imali A= 1 0 1 2 0 1 2 1 1 1 1 1 81 2 1 0 1 ,

82

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI X= B= x y z u 3 1 1 3 , .

Dakle na s sustav od cetiri linearne jednad zbe s cetiri nepoznanice bi se mogao napisati kao linearna jednad zba s jednom nepoznanicom AX =B gdje je operacija mno zenje objekata koje cemo prou cavati i koju cemo denirati. Promotrimo problem jedne linearne jednad zbe s jednom nepoznanicom ax = b. Imamo dva slu caja: 1. Ako je a = 0, onda postoji jedinstveno rje senje x0 od ax = b i vrijedi x0 = 2. Ako je a = 0, onda: a) za b = 0 ne postoji x0 koji zadovoljava jednad zbu ax = b, zbu ax = b. b) za b = 0 svaki x0 R zadovoljava jednad Na s je cilj generalizirati teoriju jedne linearne jednad zbe s jednom nepoznanicom na slu caj vi se linearnih jednad zbi s vi se nepoznanica. Pri tome trebamo rije siti neke probleme, kao npr. denirati operacije (zbrajanje, mno zenje takvih objekata), smisao jednakosti (denirati kada ce dva takva objekta biti jednaka), inverzije (denirati inverz objekta, koji bi bio generalizacija recipro cnosti brojeva), denirati analogone za a = 0, a = 0, b = 0, b = 0 itd. b = a1 b. a

 3.1. OSNOVE MATRICNOG RACUNA

83

3.1.2

Osnovni pojmovi

Denicija 3.1 Neka su m i n prirodni brojevi. Pravokutna shema u kojoj je u m redaka i n stupaca slo zeno m n realnih brojeva zove se matrica tipa m n. A=

a11 a21 . . .

a12 a22 . . .

a13 a23 . . .

a1n a2n . . .

am1 am2 am3 amn Matrica A ima m redaka i n stupaca. Realni brojevi slo zeni u matricu su njeni elementi. Svaki element je indeksiran s dva indeksa: prvi je redni broj redka, drugi je redni broj stupca na cijem se presjeku nalazi taj element. Npr. element aij se nalazi na presjeku i-tog redka i j -tog stupca. Neka je A matrica kao gore. Zbog jednostavnosti zapisa nju jo s zapisujemo kao
n A = [aij ]m, i=1,j =1

ili samo A = [aij ]. Primjer 3.1 M= 1 0 1 2 3 1

Matrica M je realna matrica tipa (2 3). Brojevi aik , k = 1, ..., n matrice A cine i-ti redak matrice A (prvi indeks je ksan, drugi se mijenja od 1 do n). Brojevi akj , k = 1, ..., m matrice A cine j -ti stupac matrice A (drugi indeks je ksan, prvi se mijenja od 1 do m). Ako je m = n, tj. ako je matrica A oblika a11 a12 a1n a21 a22 a2n , A= . . . .. . . . . . . . an1 an2 ann

84

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

ka zemo da je kvadratna, i to n-tog reda. U kvadratnoj matrici elementi s jednakim indeksima, tj. a11 , a22 , ..., ann cine glavnu dijagonalu. Zbroj svih elemenata glavne dijagonale kvadratne matrice zovemo tragom te matrice i ozna cavamo tr A. tr A = a11 + a22 + + ann . Kvadratna matrica A je dijagonalna ako a11 0 0 a22 A= . . . . . . 0 0 je aij = 0 za i = j , tj. 0 0 . .. . . . . ann

Ako su u dijagonalnoj matrici svi elementi na glavnoj dijagonali jednaki, tj. a11 = a22 = ... = ann = a, matrica je skalarna. Skalarna matrica s jedinicama na glavnoj dijagonali se zove jedini cna i ozna cava sa In . Takvu matricu 1 0 0 0 1 0 In = . . . . . . . . . . . . 0 0 1 mo zemo sa zeto pisati In = [ij ], pri cemu je ij = 1, i = j . 0, i = j

Simbol ij zovemo Kroneckerova delta. Matrica ciji su svi elementi jednaki nuli zove se nul matrica. Ako je kvadratna, onda je reda n, ako nije, onda je tipa m n. Ozna cavamo ju s 0mn . Primjer 3.2 Sljede ce redom, 0 0 0 0 0 0 matrice su nul matrice i to reda 3, tipa 2 4 i tipa 2 1, 0 0 , 0 0 0 0 0 0 0 0 0 0 0

 3.1. OSNOVE MATRICNOG RACUNA

85

Neka je A = [aij ] matrica tipa m n. Matrica B = [bij ] tipa n m za koju je bji = aij za i = 1, ..., m, j = 1, ..., n je transponirana matrica matrice A. Ozna cavamo ju s AT . Primjer 3.3 Ako je A= onda je 2 3 4 0 1 2 ,

2 0 AT = 3 1 . 4 2

Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta. Sli cno se denira donja trokutasta matrica, tj. A = [aij ] je donja trokutasta ako je aij = 0 za i < j . Primjer 3.4 Matrica A 2 0 A= 0 0 je gornja trokutasta, dok je B donja trokutasta 3 1 0 2 0 0 1 4 2 B = 3 7 0 . , 0 1 0 0 1 2 0 0 2

Kvadratna matrica A je simetri cna ako je AT = A, tj. aij = aji za i, j = 1, ..., n. Ako je AT = A, tj. aij = aji za i, j = 1, ..., n, matrica A je antisimetri cna (kososimetri cna). Primjer 3.5 Matrica A 1 A= 4 7 je simetri cna, dok je B antisimetri cna 4 7 0 1 2 B = 1 0 3 . 2 7 , 7 3 2 3 0

Napomena 3.1 Elementi iznad i ispod glavne dijagonale simetri cne matrice simetri cni su u odnosu na glavnu dijagonalu, tj. zrcale se jedni u druge. Za elemente glavne dijagonale antisimetri cne matrice vrijedi aii = aii za i = 1, ..., n, odnosno vrijedi aii = 0 za i = 1, ..., n. Dakle elementi glavne dijagonale antisimetri cne matrice su nu zno nule. Elementi iznad i ispod glavne dijagonale simetri cni su u odnosu na glavnu dijagonalu, ali suprotnog predznaka.

86

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

3.1.3

Linearna kombinacija matrica

Ozna cimo skup svih matrica tipa m n s Mmn . Uvedimo sada pojam biti jednak u skup Mmn koji ce biti generalizacija jednakosti realnih brojeva. Primjetimo da je za m = n = 1 skup M11 u stvari skup R, a na R znamo sto zna ci biti jednak. Denicija 3.2 Matrice A Mmn i B Mmn su jednake ako je aij = bij za sve i = 1, ..., m; j = 1, ..., n. Pi semo A = B . Napomena 3.2 Jednakost matrica se denira samo za matrice istog tipa. Denicija 3.3 Zbroj matrica A = [aij ] Mmn i B = [bij ] Mmn je matrica C = [cij ] Mmn s elementima cij = aij + bij za i = 1, ..., m; j = 1, ..., n, tj. a1n b11 b1n . . . . . . + . . . = am1 amn bm1 bmn a11 + b11 a1n + b1n . . . . . . . am1 + bm1 amn + bmn Napomena 3.3 Zbroj matrica se denira samo za matrice istog tipa. Denirajmo sada mno zenje matrice skalarom. Denicija 3.4 Za matricu A = [aij ] Mmn i skalar R deniramo matricu A = [bij ] Mmn s elementima bij = aij za sve i = 1, ..., m; j = 1, ..., n, tj. a11 . A = . . am1 a11 a1n a1n . . . . . . . . . = . am1 amn amn

a11 . C =A+B = . .

Pogledajmo sada neka svojstva zbrajanja i mno zenja matrica skalarom koja izravno slijede iz Denicije 3.3 odnosno Denicije 3.4.

 3.1. OSNOVE MATRICNOG RACUNA

87

Teorem 3.1 (Svojstva zbrajanja matrica i mno zenja skalarom) Za sve matrice A, B, C Mmn i sve skalare iz , R vrijedi: 1. (A + B ) + C = A + (B + C ) (asocijativnost), 2. A + B = B + A (komutativnost), 3. (A + B ) = A + B (distributivnost), 4. (A) = ( )A (homogenost). Iz Teorema 3.1 slijedi da je skup Mmn uz operacije zbrajanja i mno zenja skalarom vektorski prostor. Njegovi su elementi (vektori) matrice tipa m n. Unato c tome sto nije rije c o geometrijskim objektima za njih imaju smisla pojmovi kao sto su linearna zavisnost i nezavisnost, linearna kombinacija i linearni rastav. Denicija 3.5 Neka su A1 , A2 , ..., Ak Mmn matrice i 1 , ..., k R skalari. Matrica A = 1 A1 + ... + k Ak je linearna kombinacija matrica A1 , A2 , ..., Ak s koecijentima 1 , ..., k . Ka zemo da je A rastavljena (razlo zena, razvijena) u linearni spoj po matricama A1 , A2 , ..., Ak . Linearna kombinacija je netrivijalna ako je barem jedan 1 , ..., k razli cit od nule. Napomena 3.4 Ako je matrica A rastavljena u linearni spoj po matricama A1 , A2 , ..., Ak Mmn , onda je i A Mmn , sto slijedi izravno iz Denicije 3.3 odnosno Denicije 3.4. Mo ze se pokazati da skup svih m n matrica Eij koje na mjestu (i, j ) imaju jedinicu, a na svim ostalim mjestima nule cini bazu u Mmn . Dakle je dimenzija vektorskog prostora Mmn jednaka mn. Operacije zbrajanja i mno zenja skalarom su dobro uskladene s operacijom transponiranja. zuje njenu transponiranu matricu A Teorem 3.2 Funkcija koja matrici pridru AT sa Mmn u Mnm ima sljede ca svojstva:

88

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI 1. (A + B )T = AT + B T za sve A, B Mmn , 2. (A)T = AT za sve A Mmn i sve R, 3. (AT )T = A za sve A Mmn . Dokaz: Tvrdnja izravno slijedi iz denicije transponiranja, Denicije 3.3 i Denicije 3.4.

Napomena 3.5 Svaka kvadratna matrica A se mo ze napisati kao zbroj simetri cne i antisimetri cne matrice istog reda: A = As + Aa ,
T gdje za As vrijedi AT s = As , a za Aa vrijedi Aa = Aa .

Dokaz: Stavimo As = i Aa =

1 (A + AT ) 2 1 (A AT ). 2

T O cito je AT s = As , Aa = Aa i A = As + Aa . Dakle imamo tvrdnju.

3.1.4

Mno zenje matrica

Mno zenje matrica mo ze se denirati na razne na cine. Najjednostavnije bi bilo denirati ga analogno zbrajanju matrica. Tako bismo za matrice A = [aij ], B = [bij ] Mmn mogli denirati matricu C kao produkt matrica A, B , gdje su elementi od C dani s cij = aij bij za i = 1, ..., m i j = 1, ..., n. O cito je tako denirana matrica C Mmn . Iako jednostavna, takva denicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. Takoder, nema podlogu u zici, geometriji, itd. Mno zenje treba denirati tako da bude uskladeno s tim zahtjevima. To nam name ce sljede cu deniciju. Produkt matrica A i B denira se samo ako matrica A ima onoliko stupaca koliko matrica B ima redaka. Produkt A B takvih matrica

 3.1. OSNOVE MATRICNOG RACUNA

89

A i B je matrica ciji je broj redaka jednak broju redaka od A, a broj stupaca je jednak broju stupaca od B . Za takve matrice A i B ka zemo da su ulan cane, tj. broj stupaca od A je jednak broju redaka od B . Denicija 3.6 Neka je A = [aij ] Mmn i B = [bij ] Mnp . Produkt matrica A i B je matrica C = A B = [cij ] Mmp ciji su elementi zadani formulom
n

cij =
k=1

aik bkj = ai1 b1j + ai2 b2j + ..., ain bnj ,

i = 1, ..., m, j = 1, ..., p.

n i m .

= j n

(i,j)

Slika 3.1: Produkt matrica. Napomena 3.6 Neka je A = [aij ] Mmn i B = [bij ] Mnp . Tada je i-ti redak matrice A jednak (ai1 , ai2 , ..., ain ), za i = 1, ..., m, a j -ti stupac matrice B je (b1j , b2j , ..., bnj ), za j = 1, ..., p. Dakle, na redke matrice A i stupce matrice B mo zemo gledati kao na vektore iz Rn (to cka 1.4). Znamo da je skalarni produkt takva dva vektora (recimo i-tog redka od A i j -tog stupca od B ) jednak (ai1 , ai2 , ..., ain ) (b1j , b2j , ..., bnj ) = ai1 b1j + ai2 b2j + ... + ain bnj . Dakle zaklju cujemo da na mjestu (i, j ) u matrici C = A B stoji element koji je jednak skalarnom produktu i-tog redka matrice A i j -tog stupca matrice B . Mno zenje matrica vodi ra cuna o poredku operanada. Mo ze se dogoditi da za matrice A i B produkt A B postoji, a da B A nije ni deniran. Npr. ako su A Mmn i B Mnp i m = p, onda je A B Mmp , a B A nije denirano. Ako je m = p = n, imamo A B Mmp , a B A Mnn . Dakle opet je A B = B A.

90

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

Na kraju, za n = m = p, tj. A, B Mnn takoder op cenito vrijedi A B = B A, jer npr. za n = 2 imamo 0 1 0 0 a s druge strane, 1 0 1 1 0 1 0 0 = 0 1 0 1 . 1 0 1 1 = 1 1 0 0 ,

Dakle mno zenje matrica je op cenito nekomutativno. Teorem 3.3 (Svojstva mno zenja matrica) Za sve matrice A, B, C takve da promatrani produkti postoje vrijedi: 1. (A B ) C = A (B C ) (asocijativnost), gdje je A Mmn , B Mnp i C Mpq , 2. C (A + B ) = C A + C B (A + B ) D = A D + B D (lijeva distributivnost i desna distributivnost), gdje su A, B Mmn , C Mpm i D Mnq , 3. (A D) = (A) D = A (D), gdje je R, A Mmn i D Mnp , 4. A 0np = 0mp , gdje je A Mmn , 0pm A = 0pn , gdje je A Mmn , 5. Im A = A, A In = A, gdje su A Mmn , Im Mmm i In Mnn (In i Im su jedini cne matrice). Posebno vrijedi A In = In A = A, za A Mnn .

 3.1. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Denicija 3.3, 3.4, 3.6.

91

Uz ovakvu deniciju mno zenja matrica linearni sustav od m jednad zbi s n nepoznanica mo zemo u kompaktnom vidu pisati kao Ax = b (ili A x = b ),

gdje je A Mmn matrica koecijenata (dobijemo je tako da redom koecijente uz nepoznanice svake linearne jednad zbe upisujemo u redke od A, svaka linearna jednad zba ide u svoj redak), b = [b1 , ..., bm ]T poznata matrica desnih strana i x = [x1 , ..., xn ]T nepoznata matrica.

3.1.5

Podmatrice i blok matrice

Neka je A Mmn . Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r s elemenata od A. Slo zimo li ih u (r s) matricu, dobivamo podmatricu matrice A. Primjer 3.6 Neka je 2 3 4 1 A = 1 2 1 3 . 1 0 3 0

Neka je r = s = 2. Izaberimo dva redka, npr. prvi i tre ci, i dva stupca npr. drugi i tre ci. Na presjecima ovih redaka i stupaca le ze cetiri elementa od A i to su 3, 4, 0, 3. Slo zimo li ih u (2 2) matricu, dobijemo podmatricu 3 4 0 3 matrice A. Ako su izabrani redci i stupci uzastopni, takvu podmatricu zovemo blok. Matricu ciji su elementi blokovi (matrice) zovemo blok matrica.

92 Primjer 3.7 Neka je

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

A=

a11 a21 a31 a41

a12 a22 a32 a42

a13 a23 a33 a43

a14 a24 a34 a44

a15 a25 a35 a45

Izaberimo prva dva redka i prva dva stupca, zatim prva dva redka i zadnja tri stupca, druga dva redka i prva dva stupca, te druga dva redka i zadnja tri stupca. Tada redom dobijemo blokove matrice A A11 = a11 a12 a21 a22 a31 a32 a41 a42 , A12 = a13 a14 a15 a23 a24 a25 a33 a34 a35 a43 a44 a45 ,

A21 =

A22 =

Sada matricu A mo zemo prikazati u obliku A= dakle A postaje blok matrica. Napomena 3.7 Neka je A Mmn . Ako izaberemo svih m redaka i prvi stupac, svih m redaka i drugi stupac,..., svih m redaka i n-ti stupac, matrica A prelazi u blok matricu ciji su blokovi stupci od A. Ako stupce od A ozna cimo sa ai i = 1, ..., n, onda je blok matrica A oblika A = [ a1 , ..., a n] i zovemo je blok matrica stupaca. Analogno se konstruira blok matrica redaka. Naka je A Mmn i B Mnp . Prema Napomeni 3.7 matricu B mo zemo zapisati kao blok matricu stupaca, tj. B = [ b1 , ..., b p ]. Sada se lagano provjeri da vrijedi A B = A [ b1 , ..., b p ] = [A b1 , ..., A b p ]. A11 A12 A21 A22 ,

 3.1. OSNOVE MATRICNOG RACUNA

93

3.1.6

Regularne matrice. Inverzna matrica

Ograni cimo se samo na kvadratne matrice n-tog reda, tj. na skup Mnn kojeg cemo kra ce ozna cavati s Mn . Iz svojstva 5. Teorema 3.3 znamo da za proizvoljnu A Mn vrijedi A In = In A = A. U to cki 3.1.4 smo vidjeli da je mno zenje kvadratnih matrica op cenito nekomutativno. Postoje i druga svojstva kojima se mno zenje matrica razlikuje od mno zenja brojeva. Npr. 1. U skupu R vrijedi: ako je a b = 0, onda je barem jedan od a ili b jednak nuli. U skupu Mn to ne vrijedi: 0 1 0 0 0 1 0 0 = 0 0 0 0 .

Dakle postoje ne nul matrice ciji je produkt nul matrica. 2. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz, tj. postoji broj koji pomno zen s a daje 1. U Mn to ne vrijedi: 0 1 0 0 a b c d = c d 0 0 = 1 0 0 1 ,

dakle ne postoji izbor brojeva a, b, c, d koji bi pomno zen s matricom 0 1 0 0 davao jedini cnu matricu. Napomena 3.8 Za neke kvadratne matrice postoji matrica koja pomno zena s njom daje jedini cnu. Npr. neka je dana matrica 0 1 1 0 .

Konstruirajmo sada matricu takvu da ako ju pomno zimo s 0 1 1 0

94

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

rezultat bude jedini cna matrica. 0 1 1 0 a b c d = c d a b .

Ako uzmemo a = d = 0 i b = c = 1 imamo 0 1 1 0 Dakle multiplikativni inverz od 0 1 1 0 je ona sama. zemo da je regularna (invertibilna) ako Denicija 3.7 Za matricu A Mn ka postoji matrica B Mn takva da je A B = B A = In . Za matricu A koja nije regularna ka zemo da je singularna. Napomena 3.9 Neka je A Mn regularna, tj. neka postoji matrica B Mn takva da je A B = B A = In . Tada je B jednozna cno odredena s A. Dokaz: Neka je C Mn neka matrica za koju vrijedi A C = C A = In . Sada imamo C = C In = C (A B ) = (C A) B = In B = B. Zna ci, ako je A Mn regularna onda postoji matrica B Mn takva da je A B = B A = In i takva je matrica jedinstvena. Stoga B zovemo inverznom matricom matrice A i ozna cavamo s B = A1 . Dakle je A A1 = A1 A = In . Skup svih regularnih matrica n-tog reda ozna cavamo s Gn . Teorem 3.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: 0 1 1 0 = 1 0 0 1 .

 3.1. OSNOVE MATRICNOG RACUNA 1. Ako je A Gn onda je i A1 Gn i (A1 )1 = A. 2. Ako su A, B Gn onda je A B Gn i (A B )1 = B 1 A1 .

1 = In . 3. In Gn i In

95

4. Gn = Mn , preciznije Gn Mn . 5. 0n / Gn . zemo da je ortogonalna ako je Denicija 3.8 Za matricu A Mn ka A AT = AT A = In .

Napomena 3.10 Neka je A = [aij ] Mn ortogonalna. U Napomeni 3.6 smo rekli da na redke i stupce od A mo zemo gledati kao na vektore iz Rn . Tada je i-ti redak matrice A (ai1 , ai2 , ..., ain ) za i = 1, ..., n, a j -ti stupac matrice AT je (aj 1 , aj 2 , ..., ajn ) za j = 1, ..., n. (To je, u stvari, j -ti redak od A). Skalarni produkt takva dva vektora (recimo i-tog iz A i j -tog iz AT ) jednak je (ai1 , ai2 , ..., ain ) (aj 1 , aj 2 , ..., ajn ) = ai1 aj 1 + ai2 aj 2 + ... + ain ajn . Zaklju cujemo da na mjestu (i, j ) u matrici A AT stoji element koji je jednak skalarnom produktu i-tog redka matrice A i j -tog stupca matrice AT . Kako je po pretpostavci A ortogonalna, vrijedi A AT = AT A = In . Dakle i matrica AT A ima iste elemente, stovi se vrijedi da je (ai1 , ai2 , ..., ain ) (aj 1 , aj 2 , ..., ajn ) = ai1 aj 1 + ai2 aj 2 + ... + ain ajn = ij odnosno (ai1 , ai2 , ..., ain ) (aj 1 , aj 2 , ..., ajn ) = ai1 aj 1 + ai2 aj 2 + ... + ain ajn = 0 za i = j i
2 2 (ai1 , ai2 , ..., ain ) (aj 1 , aj 2 , ..., ajn ) = a2 i1 + ai2 + ... + ain = 1

za i = j . Dakle redci (odnosno stupci) ortogonalne matrice A cine ortonormirani podskup vektorskog prostora Rn . Stovi se, mo ze se dokazati da cine ortonormiranu bazu od Rn .

96

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

3.1.7

Rang matrice. Elementarne transformacije

Neka je A = [aij ] Mmn . Iz Napomene 3.6 znamo da stupce, tj. matrice iz Mm1 , mo zemo promatrati kao vektore u vektorskom prostoru Rm . Sli cno, njene n redke, matrice iz M1n , mo zemo promatrati kao vektore u R . To nam omogu cava pro sirivanje pojmova linearne kombinacije, linearne zavisnosti/nezavisnosti, skalarnog produkta na stupce i redke matrica (jer je Rn vektorski prostor). Denicija 3.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] Mmn zove se rang po redcima matrice A. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. Iska zimo sada jedan bitan rezultat. Teorem 3.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] Mmn jednak je broju linearno nezavisnih stupaca od A. Kako je po Teoremu 3.5 rang po redcima jednak rangu po stupcima proizvoljne matrice A Mmn , onda cemo taj broj zvati rang matrice A i ozna cavati s r(A). Za proizvoljnu matricu A Mmn iz Teorema 3.5 izravno slijedi da je r(A) = r(AT ). Denicija 3.10 Neka je V vektorski prostor (Denicija 1.5) i neka je L neki podskup od V . Za L ka zemo da je vektorski podprostor vektorskog prostora V ako je i sam vektorski prostor (tj. vrijede svojstva 1., 2. i 3. iz Denicije 1.5). Denicija 3.11 Neka su a1 , ..., an Rm . Podprostor razapet vektorima a1 , ..., an je skup svih linearnih kombinacija vektora a1 , ..., an . Ozna cavamo ga s L( a1 , ..., an ). an : 1 , ..., n R}. a1 + ... + n L( a1 , ..., an ) = {1 Napomena 3.11 O cito je da je L( a1 , ..., an ) Rm , i izravno iz Denicije 3.10 slijedi da je L( a1 , ..., an ) podprostor od Rm .

 3.1. OSNOVE MATRICNOG RACUNA

97

Denicija 3.12 Neka su a1 , ..., an Rm . Neka je L( a1 , ..., an ) podprostor m od R razapet sa a1 , ..., an . Dimenziju vektorskog prostora L( a1 , ..., an ) deniramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 , ..., an }. Ozna cavamo je s dim(L( a1 , ..., an )). Napomena 3.12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. Napomena 3.13 Kako vektori a1 , ..., an razapinju L( a1 , ..., an ), znamo da je u bazi najvi se n vektora. Stoga vrijedi dim(L( a1 , ..., an )) n. Vratimo se na konkretan vektorski prostor, Mmn . Neka je A Mmn . Neka je R(A) podprostor od Rm razapet stupcima matrice A, i R (A) podprostor Rn razapet redcima od matrice A. Napomena 3.14 Uz gornje oznake iz Teorema 3.5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). Napomena 3.15 Iz Napomene 3.13 imamo da je r(A) min(m, n). Iska zimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn . Teorem 3.6 Matrica A Mn je regularna ako i samo ako je r(A) = n. Primjer 3.8 Vrijedi: 1. Neka je 0 Mmn nul matrica. Tada je r(0) = 0, jer je skup { 0 } uvijek linearno zavisan. 2. Neka je In Mn . Tada je o cito r(In ) = n.

98

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI 3. Neka je dana B M5,6 s

B=

1 0 0 0 0

0 1 0 0 0

0 0 1 0 0

2 5 8 0 0

3 6 9 0 0

4 7 0 0 0

Jasno je da cetvrti i peti redak matrice B ne mogu sudjelovati u skupu linearno nezavisnih redaka, jer svaki skup koji sadr zi nul vektor je linearno zavisan. Nadalje, komponentu 1 na mjestu a11 u prvom redku ne mo zemo dobiti ni u kakvoj linearnoj kombinaciji drugog i tre ceg redka. Sli cno vrijedi i za komponentu na mjestu a22 i a33 . Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. Dakle, iz Teorema 3.5 imamo da je r(B ) = 3. Iz Primjera 3.8 vidimo da je lagano izra cunati rang jedini cne matrice (za In Mn , r(In ) = n) i matrice koja izgleda kao i matrica B , tj. na pozicijama a11 , ..., akk za k min(m, n) ima jedinice, na aij za j < i ima nule, na aij za i < j , j = 2, ..., k , ima nule, na aij za i = k + 1, ..., m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k ). Dakle, bilo bi dobro svesti op cu matricu A na In (ako je kvadratna) ili na ne sto tipa B . Pitanje je, kako to u ciniti?

Sljede ce operacije s matricama zovemo elementarnim transformacijama: 1. Zamjena dvaju redaka (stupaca); 2. Mno zenje redka (stupca) skalarom = 0; 3. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. Primjer 3.9 Neka je matrica M M4 0 1 M = 0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0 .

 3.1. OSNOVE MATRICNOG RACUNA

99

Zamjenom prvog i drugog redka te tre ceg i cetvrtog, matrica M prelazi u jedini cnu. Denicija 3.13 Matrice A, B Mmn su ekvivalentne ako se jedna dobiva iz druge pomo cu kona cno mnogo elementarnih transformacija. Napomena 3.16 Geometrijskim se zaklju civanjem mo zemo uvjeriti da elementarne transformacije ne mijenjaju rang matrice. Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima), jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu. Isto tako, ako pomno zimo redak (stupac) skalarom = 0 ne ce se promijeniti rang po redcima (stupcima), jer mno zenje skalarom ne mijenja polo zaj tog vektora u odnosu na ostale, ve c samo njegovu duljinu. Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti. Dakle, ekvivalentne matrice imaju isti rang, tj. primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. Neka je A Mmn , A = 0. Primjenom elementarnih transformacija u kona cno mnogo koraka dolazimo do njoj ekvivalentne matrice H Mmn koja je oblika H= Ir 01 02 03 ,

gdje je r min(m, n), Ir Mr , 01 Mr,nr , 02 Mmr,r i 03 Mmr,nr (01 , 02 , 03 su nul matrice). Kako je r(A) = r(H ) = r, ovim smo dobili postupak (algoritam) za ra cunanje ranga matrice A. Matrica H je Hermiteova forma matrice A. Primijenimo li na H elementarne transformacije obrnutim redom, prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A, tj. u bazu podprostora razapetog redcima odnosno stupcima od A. a 1 , ..., a n iz Rm i ako treba odredNapomena 3.17 Ako imamo n vektora iti bazu prostora L( a 1 , ..., a n ), sastavi se matrica A = [ a 1 , ..., a n ] (vektori a 1 , ..., a n cine stupce matrice A) i tra zi se r = r(A) linearno nezavisnih stupaca od A. Dakle dobijemo matricu H . Sada primjenom elementarnih transformacija obrnutim redom nad matricom H dolazimo do baze od L( a 1 , ..., a n ).

100

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

Sljede ci nam rezultat govori da se mo zemo ograni citi na elementarne transformacije samo nad redcima matrice.

Teorem 3.7 Svaka matrica A = [A0 , D] Mrp , p r, kod koje je A0 Mr regularna mo ze se elementarnim transformacijama samo nad redcima svesti na matricu oblika [Ir , R], gdje je Ir Mr jedini cna. Pravilo za ra cunanje inverzne matrice: Ako je zadana matrica A Mn i ako treba ispitati je li ona regularna, te ako je, na ci njen inverz, formiramo matricu [A, In ] i elementarnim transformacijama nad redcima svodimo je na oblik [In , R] (Teorem 3.7). Ako je to mogu ce, onda 1 je A = R, a ako nije, A je singularna.
Za sto to vrijedi? Elementarne transformacije nad redcima odgovaraju mno zenju matrice s lijeva elementarnim matricama. Primjerice, zamjena i-tog i j -tog redka matrice A posti ze se mno zenjem matrice A s lijeva matricom Qij koja je dobivena zamjenom i-tog i j -tog redka u jedini cnoj matrici I . Sli cno, mno zenje i-tog redka matrice A skalarom = 0 odgovara mno zenju matrice A s lijeva matricom Qi () koja se dobije iz jedini cne matrice zamjenom jedinice u i-tom redku s . Kona cno, mno zenje matrice A s lijeva matricom Qi (; j ) koja se dobije dodavanjem j -tog redka jedini cne matrice pomno zenog s i-tom redku jedini cne matrice, odgovara dodavanju i-tom redku matrice A njenog j -tog redka pomno zenog s . Jasno je da se svaki kona cni niz elementarnih transformacija mo ze opisati nizom mno zenja matrice A s lijeva matricama tipa Qij , Qi () i Qi (; j ). Te matrice zovemo elementarnim matricama. Ako smo primjenom q elementarnih transformacija nad redcima matrice [A, In ] dobili matricu [In , R] (tj. ako je A regularna) mi smo zapravo matricu [A, In ] mno zili s lijeva s q elementarnih matrica Q1 , ..., Qq . Dakle imamo [Q1 Q2 Qq A, Q1 Q2 Qq In ] = [In , R]. Odatle je Q1 Q2 Qq = R

Q1 Q2 Qq A = In , pa je R A = In , odnosno R = A1 .

3.2. LINEARNI SUSTAVI

101

3.2
3.2.1

Linearni sustavi
Osnovni pojmovi

Promatramo sustav od m linearnih jednad zbi s n nepoznanica x1 , ..., xn s koecijentima aij , i = 1, ..., m, j = 1, ..., n i slobodnim clanovima b1 , ..., bm : a11 x1 + a12 x2 + ... + a1n xn = b1 a21 x1 + a22 x2 + ... + a2n xn = b2 . . . . . . am1 x1 + am2 x2 + ... + amn xn = bm . Uredena n-torka (c1 , c2 , ..., cn ) je rje senje gornjeg sustava ako pri uvr stavanju x1 = c1 ,...,xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. Npr., uredena cetvorka (1, 0, 2, 1) je rje senje sustava s po cetka ovog poglavlja. Za sustav ka zemo da je homogen ako je b1 = ... = bm = 0. Ako je barem jedan bi = 0, i = 1, ..., m, sustav je nehomogen. Ako sustav ima barem jedno rje senje ka zemo da je sustav konzistentan, suglasan ili mogu c. Ako sustav nema rje senja, ka zemo da je nekonzistentan, proturje can ili nemogu c. Napomena 3.18 Primijetimo: 1. Ako za neki i = 1, ..., m vrijedi ai1 = ... = ain = 0, a bi = 0, sustav je nemogu c. senje 2. Homogeni sustav je uvijek mogu c, jer x1 = ... = xn = 0 daje rje svakog homogenog sustava. Takvo rje senje zovemo trivijalno. Ako je (c1 , c2 , ..., cn ) rje senje homogenog sustava i barem jedan ci = 0, i = 1, ..., n, imamo netrivijalno rje senje. senje ne mo ze biti rje senje nehomogenog sustava. 3. Trivijalno rje Denicija 3.14 Za dva sustava ka zemo da su ekvivalentna ako je svako rje senje jednoga ujedno rje senje drugoga i obrnuto.

102

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

Napomena 3.19 Ekvivalentni sustavi ne moraju imati isti broj jednad zbi, no moraju imati isti broj nepoznanica (da bismo uop ce mogli govoriti o jednakosti rje senja). Sustav a11 x1 + a12 x2 + ... + a1n xn = b1 a21 x1 + a22 x2 + ... + a2n xn = b2 . . . . . . am1 x1 + am2 x2 + ... + amn xn = bm zapisujemo u matri cnom obliku kao Ax = b ili A x = b. a1n . . . .

Ovdje je A matrica sustava dana s a11 . A= . .

am1 amn Stupac x je nepoznata matrica, i dana je s x = [x1 , ..., xn ]T . Stupac b je matrica slobodnih clanova dana s b = [b1 , ..., bm ]T . Jasno je da uz standardno mno zenje ulan canih matrica zapisi A x = b i a11 x1 + a12 x2 + ... + a1n xn = b1 a21 x1 + a22 x2 + ... + a2n xn = b2

3.2. LINEARNI SUSTAVI . . . . . .

103

am1 x1 + am2 x2 + ... + amn xn = bm predstavljaju isti sustav. Matricu Ab = [A, b ], a11 . Ab = . . a1n . . . b1 . . .

am1 amn bm zovemo pro sirena matrica sustava.

3.2.2

Geometrijska interpretacija. Kronecker-Capellijev teorem

Poku sajmo sada geometrijski interpretirati rje senje sustava A x = b. Ozna cimo s a 1 , ..., a n vektor stupce matrice sustava A A = [ a 1 , ..., a n ]. Pro sirena matrica sustava ima oblik Ab = [ a 1 , ..., a n , b ]. Nadalje, vrijedi A x = x1 a 1 + ... + xn a n, tj. vektor A x je linearna kombinacija vektora a 1 , ..., a n. Dakle, zaklju cujemo da sustav A x = b ima rje senje ako i samo ako se vektor b mo ze prikazati kao linearna kombinacija vektora a 1 , ..., a n , tj. ako i samo a n , tj. tra ze se ako je b L( a 1 , ..., a n ) (jer b = A x = x1 a 1 + ... + xn x1 , ..., xn R takvi da je b linearna kombinacija od x1 a 1 + ... + xn a n ). Rije siti sustav A x = b zna ci na ci sve mogu ce prikaze vektora b kao linearne kombinacije vektora a 1 , ..., a n. Geometrijska nam interpretacija daje kriterij egzistencije i jedinstvenosti rje senja sustava A x = b.

104

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

Teorem 3.8 Za sve matrice A Mmn i b Mm1 vrijedi: I. (Kronecker-Capelli) Sustav A x = b ima barem jedno rje senje ako i samo ako matrica sustava A i pro sirena matrica sustava Ab imaju isti rang. II. Ako je r = r(A) = r(Ab ), onda je sustav A x = b ekvivalentan sustavu koji se dobije uzimanjem bilo kojih r nezavisnih jednad zbi, tj. bilo kojih r linearno nezavisnih redaka u A. III. Ako je n = m, sustav A x = b ima jedinstveno rje senje ako i samo ako 1 je A regularna. To je rje senje dano s x = A b .
Dokaz: (Dokazujemo samo tvrdnju III.) Ako je n = m i A regularna, onda rang pro sirene matrice ne mo ze biti ve ci od n (jer iz Teorema 3.6 imamo da je r(A) = n), pa je sustav konzistentan, dakle ima bar jedno rje senje. 1 1 Uvr stavaju ci vektor A b u sustav vidimo da je taj vektor rje senje, jer je A(A b ) = b . Ako je A x = b , mno ze ci s lijeva s A1 vidimo da je x = A1 b , tj. da je A1 b i jedino rje senje od A x = b. Obrnuto, neka je m = n i sustav A x = b ima jedinstveno rje senje x . To zna ci da je b linearna kombinacija stupaca od A. Neka su sada 1 , ..., n R takvi da je 1 a 1 + ... + n a n = 0 ( a 1 , ..., a n su vektor stupci od A). Ho cemo pokazati da je 1 = ... = n = 0 (tj. da su stupci od A linearno nezavisni, odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3.6). Iz b = ( 1 + x 1 ) a 1 + ... + (n + xn ) an slijedi da je vektor + x rje senje od A x = b . Iz pretpostavke jedinstvenosti slijedi da je + x = x tj. = 0 , odnosno 1 = ... = n = 0. Dakle stupci od A su linearno nezavisni, tj. A je regularna.

Napomena 3.20 Primijetimo da ako imamo homogeni sustav A x = 0 onda o cito vrijedi da je r(A) = r(A0 ), tj. po Teoremu 3.8 homogeni sustav je uvijek rje siv. Iz Napomene 3.18 znamo da je jedno rje senje homogenog sustava sigurno x = 0. Napomena 3.21 Ako sustav A x = b ima dva rje senja, onda ih ima beskona cno mnogo.
Dokaz:

3.2. LINEARNI SUSTAVI

105

Neka su u i v dva razli cita rje senja sustava A x = b . Tada je, A u = b i A v = b. Stavimo z = u + (1 ) v , gdje je R proizvoljan. Tada imamo A z = A u + (1 )A v = b + (1 ) b = b , sto zna ci da je i z rje senje od A x = b .

Iz Teorema 3.8 i Napomene 3.20 izravno slijedi: skup svih rje senja sustava A x = b mo ze biti prazan (r(A) = r(Ab )), jedno clan (A je kvadratna i regularna) ili beskona can.

3.2.3

Homogeni sustavi

Iz Napomene 3.18 znamo da homogeni sustav uvijek ima trivijalno rje senje x = 0 . Ozna cimo skup svih rje senja homogenog sustava A x = 0 s N (A), tj. N (A) = { x Rn : A x = 0 }. O cito je 0 N (A). Napomena 3.22 N (A) je podprostor od Rn , tj. skup svih rje senja homogenog n sustava je vektorski podprostor od R .
Dokaz: O cito je N (A) Rn . Treba provjeriti da N (A) ima svojstva iz Denicije 1.5. Svojstva iz Teorema 1.1 i Teorema 1.2 su o cito zadovoljena, dakle doka zimo da za proizvoljne u , v N (A) vrijedi i u + v N (A) i takoder za proizvoljne u N (A) i R vrijedi i u N (A). Kako je A u = A v = 0 imamo A( u + v ) = A u + A v = 0, dakle u + v N (A). Kako je A u = 0 imamo

A u = A u = 0.

Dakle je N (A) vektorski podprostor od Rn .

106

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

Iz Napomene 3.22 zaklju cujemo da ako su u1 , ..., ut rje senja homogenog sustava A x = 0 , onda je i njihova linearna kombinacija rje senje tog sustava. Dimenzija podprostora N (A) zove se defekt matrice A. Teorem 3.9 Za sve matrice A Mmn i b Mm1 vrijedi: u 0 Rn bilo koje rje senje (nehomogenog) sustava A x = b, I. Ako je onda je skup svih rje senja tog (nehomogenog) sustava A x = b dan s u 0 + N (A) = { u0+ y : y N (A)}. II. Neka (nehomogeni) sustav A x = b ima isti broj jednad zbi i nepoznanica (n = m). Tada pripadni homogeni sustav A x = 0 ima samo trivijalno rje senje ako i samo ako je matrica A tog sustava regularna.

Dokaz: (Dokazujemo samo tvrdnju II.) Ako je matrica A sustava A x = b regularna, onda po Teoremu 3.8 sustav A x = b ima jedinstveno rje senje A1 b . Kako je iz Teorema 3.9 I. svako rje senje od A x = b dano s 1 A b + y za y N (A), iz jedinstvenosti zaklju cujemo da je y = 0 , tj. N (A) = { 0 }. Dakle rje senje od A x = 0 je samo 0 . Obrnuto, ako A x = 0 ima samo trivijalno rje senje i ako je u 0 neko rje senje sustava A x = b . Onda, prema Teoremu 3.9, svako rje senje je oblika u 0 + 0 , tj. rje senje je jedinstveno. Po Teoremu 3.8 je matrica A regularna.

Napomena 3.23 Primijetimo: 1. Tvrdnja Teorema 3.9 I. nam ka ze da ako znamo jedno rje senje a 0 (ne homogenog) sustava A x = b i sva rje senja pripadaju ceg homogenog sustava A x = 0 (to je vektorski prostor N (A)), onda su sva rje senja od A x = b dana s a 0 + y , gdje je y N (A). 2. Tvrdnja Teorema 3.9 II. ka ze: ili nehomogeni sustav s istim brojem jednad zbi i nepoznanica ima jedinstveno rje senje, ili pripadaju ci homogeni sustav s istim brojem jednad zbi i nepoznanica ima netrivijalno rje senje.

3.2. LINEARNI SUSTAVI

107

3.2.4

Rje savanje linearnog sustava

Opi simo sada postupak rje savanja linearnog sustava A x = b od m jednad zbi s n nepoznanica. Prvo treba odrediti rangove matrica A i Ab . Ako oni nisu jednaki, b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.8). Ako su rangovi jednaki (r(A) = r(Ab ) = r), uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. Iz Teorema 3.8 II. slijedi da mo zemo ispustiti preostalih m r redaka matrice A (tj. m r jednad zbi) i dobiti sustav ekvivalentan polaznomu: a11 x1 + ... + a1r xr + a1r+1 xr+1 + ... + a1n xn = b1 . . . . . .

ar1 x1 + ... + arr xr + arr+1 xr+1 + ... + arn xn = br . Nadalje, prebacimo clanove s nepoznanicama xr+1 , ..., xn na desnu stranu i dobijemo: a11 x1 + ... + a1r xr = b1 a1r+1 xr+1 ... a1n xn . . . . . .

ar1 x1 + ... + arr xr = br arr+1 xr+1 ... arn xn . Uvedimo novi vektor desnih strana (c), kao i (c) = bi air+1 cr+1 ... ain cn za i = 1, ..., r, pri cemu su cr+1 , ..., cn proizvoljni realni parametri. Dakle, imamo sustav x 0 = (c), A0 pri cemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka i prvih r stupaca. Kako je r(A0 ) = r, iz Teorema 3.6 imamo da je A0 regularna, pa ovaj sustav ima jedinstveno rje senje 1 x 0 = A 0 (c)

108 koje je oblika

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

x 0 = [c1 , ..., cr ]T . Dakle, iz Teorema 3.8 II, c = [c1 , ..., cr , cr+1 , ..., cn ]T je rje senje sustava A x = b. Brojevi cr+1 , ..., cn su slobodni prametri, dok brojevi c1 , ..., cr ovise o njima i o matricama A (kroz A0 ) i b (kroz (c)) (jer za ksne cr+1 , ..., cn postoje 1 T jedinstveni c1 , ..., cr koji su dani s A 0 (c) = [c1 , ..., cr ] ). U to cki 3.1.7 odnosno to cki 3.2.3 vidjeli smo da su za prozvoljnu matricu A Mmn skupovi R(A) odnosno N (A) vektorski prostori. Broj dimR(A) smo zvali rang od A, a broj dimN (A) defekt od A. Teorem 3.10 (O rangu i defektu) Za sve matrice A Mmn i b Mm1 vrijedi: I. dimR(A) + dimN (A) = n. II. Konzistentan sustav A x = b ima jedinstveno rje senje ako i samo ako je rang matrice sustava jednak broju nepoznanica, tj. r(A) = dimR(A) = n. Iz Teorema 3.10 I. izravno slijedi da ako znamo rang od A Mmn onda znamo i defekt koji je jednak n r(A), i obratno. Teorem 3.11 Ako je ( u r+1 , ..., u n ) bilo koja baza prostora N (A) (dimN (A) = n r) matrice A Mmn i u 0 bilo koje rje senje sustava A x = b , onda je op ce rje senje sustava A x = b dano s u 0 + r+1 u r+1 + ... + n u n, pri cemu su r+1 , ..., n proizvoljni parametri. Napomena 3.24 Tvrdnja Teorema 3.11 izravno slijedi iz Teorema 3.9, jer je skup svih rje senja od A x = b dan s u 0 + N (A). Kako je ( u r+1 , ..., u n ) baza od N (A), onda je svako rje senje od A x = b oblika u n, u r+1 + ... + n u 0 + r+1 pri cemu su r+1 , ..., n proizvoljni parametri.

3.2. LINEARNI SUSTAVI

109

Glavni dio postupka rje savanja linearnog sustava A x = b sadr zan je u odredivanju rangova od A i Ab . Radimo li to elementarnim transformacijama samo nad redcima, imamo postupak Gaussovih eliminacija. Ovaj se postupak mo ze primijeniti na sve matrice, uz male modikacije je numeri cki stabilan, slo zenost mu je 3 n (tj. za A Mn broj elementarnih operacija zbrajanja i mno zenja je n3 ). Za neke se posebne matrice druge, posebno dizajnirane, metode mogu pokazati br zima (manja im je slo zenost). Opisani postupak za rje savanje linearnih sutava se uz male preinake mo ze primijeniti i na istovremeno rje savanje vi se linearnih sustava s istom matricom sustava A Mmn i razli citim desnim stranama b 1 , ..., b p , tj. na rje savanje matri cne jednad zbe AX = B (rje senje X je iz Mnp ). Elementarne transformacije nad redcima pro sirene matrice sustava A x = b vode do rje senja na mjestu desne strane (tj. lagano mo zemo o citati rje senje).
Za sto? Argument je isti kao i kod pravila za ra cunanje inverza matrice iz to cke 3.1.6. Elementarne transformacije nad redcima pro sirene matrice sustava A x = b odgovaraju mno zenju pro sirene matrice s lijeva elementarnim matricama. Ako smo primjenom q elementarnih transformacija nad redcima matrice [A, b ] dobili matricu [A , b ] (gdje je matrica A takva da na pozicijama a11 , ..., akk za k min(m, n) ima jedinice, na aij za j < i ima nule, na aij za i < j , j = 2, ..., k , ima nule, na aij za i = k + 1, ..., m ima nule, a ostale pozicije su nebitne), mi smo zapravo matricu [A, b ] mno zili s lijeva elementarnim matricama Q1 , ..., Qq . Dakle imamo [Q1 Q2 Qq A, Q1 Q2 Qq b ] = [A , b ]. Odatle je Q1 Q2 Qq b = b Q1 Q2 Qq A = A .

3.2.5

Determinanta. Cramerovo pravilo

Determinanta je funkcija koja matrici A Mn pridru zuje realan broj koji ozna cujemo s det A, tj. A det A.

110

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

U to cki 1.6 smo vidjeli kako se deniraju determinante matrica drugog i tre ceg reda. Ako je A M2 oblika A= onda znamo da je det A = a1 b2 a2 b1 . Ako je A M3 zadana s a1 a2 a3 A = b1 b2 b3 , c1 c2 c3 onda razvojem po prvom redku znamo da je det A = a1 b2 b3 c2 c3 a2 b1 b3 c1 c3 + a3 b1 b2 . c1 c2 a1 a2 b1 b2 ,

Determinanta matrice reda n > 3 se denira induktivno. Za A Mn , n > 3, ozna cimo s A1k , k = 1, ..., n, matricu koja se iz A dobije ispu stanjem prvog redka i k -tog stupca. Tada se det A denira sa det A = a11 det A11 a12 det A12 + ... + (1)n1 a1n det A1n , odnosno
n

det A =
k=1

(1)k1 a1k det A1k .

Napomena 3.25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 , u stvari skup R). Tada za A M1 oblika A = [a] deniramo det A = a. Sada o cito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice reda n 2.

3.2. LINEARNI SUSTAVI Formula det A =

k=1 n

111

(1)k1 a1k det A1k

za determinatu matrice A Mn , n 2, je razvoj determinante po prvom redku. Neka je A Mn dijagonalna matrica. Tada lagano iz formule
n

det A =
k=1

(1)k1 a1k det A1k

zaklju cujemo da je det A jednaka produktu elemenata dijagonale. Posebno je det In = 1. Navedimo sada neka svojstva determinante koja se dokazuju matemati ckom indukcijom i koja uvelike olak savaju ra cunanje determinante proizvoljne matrice A Mn , n 2. Svojstva determinante su: 1. Ako svi elementi nekog redka ili stupca matrice A Mn i s cezavaju, onda je det A = 0. 2. Ako je A Mn trokutasta (gornja ili donja), onda je det A = a11 a22 ann . 3. Ako dva stupca ili dva redka u matrici A Mn zamijene mjesta, determinanta mijenja predznak, det(Qij A) = det A. Matrica Qij Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (to cka 3.1.7, pravilo za ra cunanje inverza matrice). 4. Ako su dva redka ili dva stupca matrice A Mn jednaka, onda je det A = 0.

112

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

5. Ako je i-ti stupac matrice A Mn oblika a i = b + c, gdje su b i c proizvoljne matrice iz Mn1 i , R, onda je det[ a 1 , ..., a i , ..., a n] = det[ a 1 , ..., b + c , ..., a n] = det[ a 1 , ..., b , ..., a n ] + det[ a 1 , ..., c , ..., a n ]. Analogno vrijedi i za redke. 6. Ako nekom stupcu matrice A Mn dodamo linearnu kombinaciju ostalih stupaca, determinanta se ne mijenja. Analogno vrijedi i za redke. 7. Ako je neki stupac determinante linearni spoj ostalih stupaca, determinanta je jednaka nuli. Analogno vrijedi i za redke. 8. Ako je matrica A Mn singularna, onda je det A = det AT = 0. Determinanta dijagonalne matrice jednaka je produktu elemenata dijagonale. Stovi se, iz drugog svojstva determinante znamo da je determinanta trokutaste matrice takoder produkt elemenata dijagonale. Bilo bi dobro (ako je mogu ce) proizvoljnu matricu A Mn transformirati u trokutastu ciju determinantu znamo lagano izra cunati. Ovih osam svojstava nam to omogu cava, tj. mo zemo ra cunati determinantu tzv. metodom eliminacije. Metodom eliminacije ra cunanje determinante proizvoljne matrice A Mn svodimo na ra cunanje determinante trokutaste matrice koja ima do na predznak istu determinantu. To cinimo tako da uzmemo prvi element na dijagonali matrice A i koriste ci sesto pravilo poni stavamo sve elemente u prvom stupcu ispod njega (ako radimo transformaciju u gornju trokutastu, ako zelimo donju trokutastu onda kre cemo od zadnjeg elementa na dijagonali). Nadalje, uzimamo drugi element na dijagonali i koriste ci sesto pravilo cinimo istu stvar tj. poni stavamo sve elemente u stupcu

3.2. LINEARNI SUSTAVI

113

ispod njega, itd. Radimo sve analogno sve do zadnjeg elementa na dijagonali. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. ai+1,i+1 = 0), onda pomo cu tre ceg pravila dovodimo iz preostalih n i redaka i n i stupaca element razli cit od nule na poziciju ai+1,i+1 (naravno, vode ci ra cuna o predznaku determinante) i nastavljamo postupak kao i prije. Ako to nije mogu ce, tj. u ostalih n i redaka i n i stupaca su sve nule onda smo gotovi. zenjem matrica. Va zno svojstvo determinante je njena uskladenost s mno Teorem 3.12 Za proizvoljne matrice A, B Mn vrijedi det(AB ) = det A det B. Napomena 3.26 Ako je A Mn regularna, onda je det A = 0, det A1 = 0 i vrijedi det A1 = (det A)1 .
Dokaz: Iz Teorema 3.12 imamo det(AA1 ) = (det A)(det A1 ) = 1. Dakle o cito je det A = 0, 1 1 1 det A = 0 i vrijedi det A = (det A) .

Teorem 3.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A Mn vrijedi
n

det A =
k=1

(1)i+k aik det Aik .

U Teoremu 3.13 je s Aik ozna cena matrica iz Mn1 dobivena iz A ispu stanjem i-tog redka i k -tog stupca. Teorem 3.13 tvrdi da determinantu mo zemo razviti po proizvoljnom redku. Teorem 3.14 Za proizvoljnu matricu A Mn vrijedi det A = det AT . Iz Teorema 3.14 izravno slijedi da determinantu mo zemo denirati i preko razvoja po elementima stupca. Teorem 3.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A Mn vrijedi
n

det A =
k=1

(1)i+k aki det Aki .

114 Veli cinu

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

(1)i+k det Aik zovemo kofaktor elementa aik . Denicija 3.15 Kofaktor ili adjunkta matrice A Mn je matrica iz Mn kojoj na mjestu (i, k ) stoji kofaktor elementa aki matrice A, tj. (1)k+i det Aki . Kofaktor matrice A ozna cavamo s kof (A). Napomena 3.27 Ako se elementi redka (stupca) matrice A Mn pomno ze kofaktorima drugog redka (stupca) i rezultati zbroje, dobiva se 0 ako je uzet redak (stupac) razli cit od polaznog. Ina ce je zbroj det A.
Dokaz: Neka su uzeti i-ti i j -ti redak. Promatramo zbroj
n

(1)j +k aik det Ajk .

k=1

O cito, ako je i = j , onda je po Teoremu 3.13 prethodni zbroj jednak det A, a ako je i = j onda zbroj
n

(1)j +k aik det Ajk

k=1

predstavlja determinantu matrice kojoj su i-ti i j -ti redak jednaki. Po cetvrtom svojstvu determinante znamo da je to jednako nula. Analogno ide dokaz za stupce.

Iz Napomene 3.27 izravno slijedi: Teorem 3.16 Za svaku matricu A Mn vrijedi A kof (A) = kof (A) A = (det A) In . Napomena 3.28 U Napomeni 3.26 smo vidjeli da ako je A Mn regularna, onda je det A = 0. Vrijedi i obrat, tj. ako je det A = 0 onda je A regularna i A1 je dana formulom A1 =
kof (A) . det A

Dokaz: Ako je det A = 0, onda iz Teorema 3.16 imamo da je 1 kof (A) A = In . det A Dakle A je regularna i A1 =
kof (A) det A .

3.3. PROBLEM SVOJSTVENIH VRIJEDNOSTI

115

Iz Napomene 3.26 i Napomene 3.28 imamo dobru karakterizaciju regularnosti matrice A Mn . A je regularna ako i samo ako je det A = 0. Iz Teorema 3.8 znamo da je rje senje linearnog sustava A x = b od n jednad zbi s n nepoznanica jedinstveno ako i samo ako je matrica koecijenata A regularna. Rje senje je dano s x = A1 b . Sljede ci teorem nam daje jo s jedan na cin ra cunanja rje senja linearnog sustava A x = b od n jednad zbi s n nepoznanica uz uvjet da je matrica koecijenata A regularna. x = Teorem 3.17 (Cramer) Neka je A matrica koecijenata linearnog sustava A b od n jednad zbi s n nepoznanica. Ako je matrica A regularna, onda je rje senje tog sustava dano s x1 = D1 , D x2 = D2 Dn , . . . , xn = , D D

pri cemu je D = det A, a Dk , k = 1, ..., n, je determinanta matrice koja se dobiva iz A zamjenom k -tog stupca a k stupcem desnih strana b .

3.3
3.3.1

Problem svojstvenih vrijednosti

Matrice kao linearni operatori

Neka je A Mmn proizvoljna matrica. Za svaki vektor x iz vektorskog prostora n R = Mn1 deniran je vektor A x (kao produkt matrica A i x ) iz vektorskog m prostora R = Mm1 . Stovi se, iz svojstava matri cnog mno zenja slijedi da je A( x + y ) = A x + A y , za sve , R i sve x , y Rn . Dakle funkcija x A x prevodi linearnu kombinaciju u linearnu kombinaciju. Takvu funkciju zovemo linearni operator. Denicija 3.16 Funkcija F : Rn Rm zove se linearni operator ako vrijedi F ( x + y ) = F ( x ) + F ( y) za sve , R i sve x , y Rn . Ako je m = 1, Rm = R, onda takav linearni operator zovemo linearnim funkcionalom.

116

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

Napomena 3.29 Funkcije medu vektorskim prostorima uobi cajeno je zvati operatorima. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. Iz Denicije 3.16 slijedi da svaka matrica A Mmn denira jedan linearni operator A : Rn Rm formulom y = A x. Neka su F : Rn Rm i G : Rn Rm operatori. Deniramo zbrajanje operatora na sljede ci na cin (F + G)( x ) = F ( x ) + G( x ). Denirajmo jo s i mno zenje operatora F : Rn Rm proizvoljnim skalarom R na sljede ci na cin (F )( x ) = F ( x ). Napomena 3.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.
Dokaz: Doka zimo da skup svih linearnih operatora zadovoljava svojstva Denicije 1.5. O cito je da prethodno denirano zbrajanje linearnih operatora i mno zenje linearnog operatora s skalarom zadovoljavaju svojstva iz Teorema 1.1 i Teorema 1.2, dakle zadovoljavaju tre ce svojstvo Denicije 1.5. Doka zimo da vrijede i prva dva. Neka su F : Rn Rm i G : Rn Rm linarni operatori. Doka zimo da je i F + G linearni operator, tj. da vrijedi (F + G)( x + y ) = (F + G)( x ) + (F + G)( y) za sve , R i sve x, y Rn . Kako je (F + G)( x + y ) = F ( x + y ) + G( x + y) i kako su F i G linearni, tvrdnja slijedi. Doka zimo sada da za proizvoljni linearni operator F : Rn Rm i proizvoljni R vrijedi (F )( x + y ) = (F ) x + (F ) y za sve , R i sve x, y Rn . Tvrdnja lagano slijedi iz linearnosti od F i cinjenice da je (F )( x + y ) = F ( x + y ). Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor.

3.3. PROBLEM SVOJSTVENIH VRIJEDNOSTI

117

Neka su F : Rn Rm i G : Rp Rq operatori. Ako je p = m deniramo funkciju H : Rn Rq formulom H ( x ) = G(F ( x )) i zovemo ju kompozicija operatora F i G i ozna cavamo s H = G F . Analogno ako je q = n deniramo kompoziciju operatora G i F formulom F G : Rp Rm (F G)( x ) = F (G( x )). Teorem 3.18 Kompozicija linearnih operatora (ako postoji) je linearni operator. Rekli smo da je svaka matrica A Mmn linearni operator sa Rn u Rm . Postavlja se pitanje vrijedi li obrat? Tj. je li svaki linearni operator F : Rn Rm neka matrica iz Mmn ? Pogledajmo vektore e 1 , ..., e n Rn dane sa e i = (0, ..., 1, ..., 0), i = 1, ..., n, gdje je jedinica na i-tom mjestu. Lagano se provjeri da vektori e 1 , ..., en cine ortonormiran skup vektora, linearno su nezavisni i da vrijedi L( e 1 , ..., e n ) = Rn . Zaklju cujemo da je skup { e 1 , ..., e n } ortonormirana baza vektroskog prostora n R koju zovemo kanonskom bazom. Neka je F : Rn Rm proizvoljan linearni operator. Nadalje, neka je F Mmn matrica takva da je njen i-ti stupac vektor F ( e i ) Rm , i = 1, ..., n, rastavljen u kanonskoj bazi ( f 1 , ..., f m ) od Rm . Tada za proizvoljni x = (x1 , ..., xn ) Rn vrijedi x = x1 e 1 + ... + xn en i F x = x1 F ( e 1 ) + ... + xn F ( e n ) = F (x1 e 1 + ... + xn e n ) = F ( x ), tj. matrica F i linearni operator F se podudaraju za proizvoljni x Rn . Dakle, na svaki linearni operator F : Rn Rm mo zemo gledati kao na matricu iz Mmn ciji je i-ti stupac a i , i = 1, ..., n, vektor F ( e i ), i = 1, ..., n, koji je rastavljen u kanonskoj bazi ( f 1 , ..., f m ) od Rm , a i = F ( e i ), i = 1, ..., n. Tu matricu nazivamo prikazom linearnog operatora F u paru baza ( e 1 , ..., e n) i ( f 1 , ..., f m ). O cito je da ako uzmemo neki drugi par baza (ne nu zno ortonormiran) od Rn i Rm , linearni operator F ce imati druga ciji prikaz. Dakle, linearni operator u razli citim parovima baza ima razli cite prikaze. Stoga treba voditi ra cuna s kojim parovima baza radimo.

118

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

Napomena 3.31 Neka su F : Rn Rp i G : Rp Rm linearni operatori. Tada je po Teoremu 3.18 njihova kompozicija H = G F : Rn Rm linearni operator i matrica tog operatora se ra cuna kao produkt matrica od G i F , tj. H =GF .
Napomena 3.32 Neka je F : Rn Rm proizvoljan linearni operator i F Mmn njegova matrica. Lako se mo ze dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potpros tor prostora Rn . Stovi se vrijedi da je r(F ) = dim(F (Rn )). Dakle dimenziju slike linearnog operatora takoder zovemo rang. Nadalje, iz to cke 3.2.3 znamo da je N (F ) = { x Rn : F x = 0 } vektorski potprostor prostora Rn i dimN (F ) zovemo defekt matrice F . Kako su F i F ustvari isti linearni oper atori, vrijedi N (F ) = N (F ) = { x Rn : F ( x ) = 0 }, odnosno dimN (F ) = dimN (F ). Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Neka je F : Rn Rm proizvoljan linearni operator. Iz Napomene 3.32 i Teorema 3.10 izravno slijedi teorem o rangu i defektu za linearni operator, tj. vrijedi dimN (F ) + dimR(F ) = n.

Primjer 3.10 Pogledajmo sljede ce primjere: 1. Neka je dan operator projekcije p2 : R3 R2 formulom p2 (x, y, z ) = (x, y ). Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Njegova je matrica dana s 1 0 0 0 1 0 .

O cito je rang od p2 jednak dva (jer je slika xy ravnina), a defekt jedan. 2. Neka je dan operator projekcije p1 : R3 R1 formulom p1 (x, y, z ) = x. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Njegova je matrica dana s 1 0 0 . O cito je rang od p1 jednak jedan (jer je slika x-os), a defekt dva.

3.3.2

Svojstvene vrijednosti i svojstveni vektori

Neke je F : Rn Rn linearni operator (tj. F Mn ). Operator F vektoru iz Rn pridru zuje vektor iz Rn . Sada nas zanima kada su ti vektori kolinearni.

3.3. PROBLEM SVOJSTVENIH VRIJEDNOSTI

119

Denicija 3.17 Neka je A Mn . Realni broj 0 zove se svojstvena (karakteristi cna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul vektor x 0 Rn da vrijedi A x 0 = 0 x 0. Vektor x 0 Rn , x 0 = 0 je svojstveni (karakteristi cni) vektor matrice A koji pripada svojstvenoj vrijednosti 0 . Napomena 3.33 Primijetimo: 1. Ako je x 0 = 0 svojstveni vektor matrice A Mn onda on pripada samo jednoj svojstvenoj vrijednosti. 2. Ako je 0 svojstvena vrijednost od A Mn onda njoj pripada beskona cno mnogo svojstvenih vektora.
Dokaz: 1. Izravno iz Denicije 3.17. 2. Neka je x 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti 0 , tj. A x0 = 0 x 0 . Nadalje, neka je R = 0 proizvoljan. Tada vrijedi A( x 0 ) = A x 0 = 0 x 0 = 0 ( x 0 ). Dakle za svaki R, = 0, vektor x 0 je takoder svojstveni vektor od A koji pripada svojstvenoj vrijednosti 0 .

Napomena 3.34 Skup S (0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti 0 od A Mn dodavanjem nul vektora postaje vektorski podprostor od Rn .
Dokaz: O cito je S (0 ) podskup od Rn . Doka zimo jo s da je S (0 ) vektorski prostor, tj. da zadovoljava uvjete Denicije 1.5. Svojstva iz Teorema 1.1 i Teorema 1.2 o cito zadovoljava. Nadalje neka su x, y S (0 ), tj. vrijedi A x = 0 x i A y = 0 y. Doka zimo da je x + y S (0 ). Imamo A( x + y ) = 0 x + 0 y = 0 ( x + y ),

120

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

pa je x + y S (0 ). Doka zimo jo s da je za proizvoljni x S (0 ) i proizvoljni R x S (0 ). Imamo A( x ) = 0 x = 0 ( x ), pa je x S (0 ). Dakle imamo tvrdnju.

Neka je A Mn i 0 svojstvena vrijednost od A. Tada skup S (0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti 0 . Sada se postavlja pitanje kako odrediti svojstvene vrijednosti i svojstvene vektore prozvoljne matrice iz Mn ? Ako je 0 svojstvena vrijednost matrice A Mn , onda je x 0 Rn , x0 = 0, svojstveni vektor koji pripada svojstvenoj vrijednosti 0 ako i samo ako je A x 0 = 0 x 0, tj. ako i samo ako vrijedi (A 0 In ) x0 = 0. Dakle, zaklju cujemo da je x 0 Rn , x 0 = 0 , svojstveni vektor koji pripada svojstvenoj vrijednosti 0 ako i samo ako je x 0 netrivijalno rje senje homogenog sustava (A 0 In ) x = 0. Stovi se, iz gornje jednad zbe vidimo da ce R biti svojstvena vrijednost matrice A Mn ako i samo ako homogeni sustav (A In ) x = 0 ima netrivijalno rije senje x 0 . Po Teoremu 3.8 homogeni sustav (A In ) x = 0 ce imati netrivijalno rje senje ako i samo ako je matrica A In singularna, sto je ekvivalentno s uvjetom det(A In ) = 0. Dakle ce R biti svojstvena vrijednost matrice A Mn ako i samo ako je det(A In ) = 0.

3.3. PROBLEM SVOJSTVENIH VRIJEDNOSTI

121

Za proizvoljni R i proizvoljnu matricu A = [aij ] Mn vrijedi (A In ) = [bij ], gdje su bij = aij za i = j i bij = aij za i = j . Dakle, funkcija det(A In ) je polinom stupnja n u varijabli . Taj polinom, u oznaci KA (), zovemo svojstveni ili karakteristi cni polinom matrice A. O cito je KA () oblika KA () = (1)n n + a1 n1 + ... + an . Ako stavimo = 0 dobijemo KA (0) = an = det A. Nadalje, koecijent a1 iz KA () je o cito koecijent uz n1 u sumandu oblika (a11 ) (ann ) kojeg dobijemo u razvoju determinante. Odatle je a1 = (1)n1 a11 + ... + (1)n1 ann , tj. a1 = (1)n1 trA. Skup nulto caka (korijena) svojstvenog polinoma KA () zovemo spektar matrice A. Dakle, 0 R je svojstvena vrijednost matrice A Mn ako i samo ako se 0 nalazi u spektru od A, tj. ako i samo ako je KA (0 ) = 0. Primjer 3.11 Neka je dan linearni operator A : R2 R2 matricom A= cos sin sin cos

gdje je R, = k k Z. Linearni operator A ustvari predstavlja rotaciju u ravnini za kut oko ishodi sta. Izra cunajmo svojstvene vrijednosti od A. Imamo det(A I2 ) = cos sin sin cos = 2 2 cos + 1.

122

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

O cito je det(A I2 ) = 0 ako i samo ako je 2 2 cos + 1 = 0. Rje savanjem te jednad zbe dobivamo da su svojstvene vrijednosti od A 1,2 = cos Kako je = k , k Z, imamo cos2 1 < 0 tj. svojstvene vrijednosti od A nisu realni brojevi. Dakle iz Primjera 3.11 zaklju cujemo da se mo ze dogoditi da za proizvoljnu matricu A Mn svojstveni polinom KA () nema realnih nulto caka, tj. da A nema realnih svojstvenih vrijednosti. cna matrica. Tada su sve njene svojstvene Teorem 3.19 Neka je A Mn simetri vrijednosti realne. Pronala zenje svojstvenih vrijednosti matrice A Mn je ekvivalentno rje savanju jednad zbe det(A In ) = 0, tj. pronala zenju nulto cki karakteristi cnog polinoma KA (). Medutim, jednad zba det(A In ) = 0 nije uvijek trivijalna za rje savanje. Za velike matrice karakteristi cni polinom KA () je polinom velikog stupnja cije je nulto cke te sko na ci. Stoga se koriste razne pribli zne metode, iterativne metode, itd. Za neke specijalne oblike matrica mo zemo lagano izra cunati svojstvene vrijednosti i svojstvene vektore. Tako npr. za trokutaste, nul matrice, skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. Nadalje, za nul matrice, jedini cne i skalarne matrice svaki ne-nul vektor je svojstveni vektor. Za dijagonalne matrice, svaki vektor kanonske ortonormirane baze od Rn je svojstven. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A Mn transformirati u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. Denicija 3.18 Za matrice A, B Mn ka zemo da su sli cne ako postoji regularna matrica P Mn takva da vrijedi B = P 1 AP. cos2 1.

3.3. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3.20 Sli cne matrice imaju iste svojstvene vrijednosti.

123

Transformirati matricu A Mn u dijagonalnu, tj. dijagonalizirati matricu A, zna ci da treba prona ci regularnu matricu P takvu da je matrica P 1 AP dijagonalna. To nije uvijek mogu ce. Primjer 3.12 Neka je matrica A dana s
A= 2 0 1 2 .

Poku sajmo je dijagonalizirati, tj. poku sajmo prona ci regularnu matricu P = takvu da vrijedi P 1 AP = Uo cimo da je gornja jednakost ekvivalentna s AP = P dakle imamo 2a 2b a + 2 c b + 2d Odnosno, imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. Primijetimo da a, b, c, d ne mogu svi biti istodobno nula. Takoder nikoja tri od a, b, c, d ne mogu biti nula, jer u suprotnom matrica P nije regularna. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. Dakle, pretpostavimo prvo da je b = c = 0. Tada iz tre ce jednad zbe imamo da je a = 0 sto ne mo ze biti, analogno vrijedi za a = d = 0. Uzmimo sada da je samo a = 0, onda iz druge jednad zbe imamo da je y = 2, a iz cetvrte b=0 sto ne mo ze biti. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. Dakle ostaje nam samo slu caj kada su a, b, c, d svi razli citi od nule. Tada iz prve jednad zbe imamo x = 2 a iz tre ce a = 0 , sto ne mo ze biti. Dakle matricu A ne mo zemo dijagonalizirati. = ax by cx dy . x 0 0 y , x 0 0 y . a b c d

124

POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI

Iz Primjera 3.12 vidimo da ne mo zemo svaku matricu dijagonalizirati. Ipak, pokazuje se da je svaku simetri cnu matricu mogu ce dijagonalizirati. Teorem 3.21 Neka je A Mn simetri cna. Tada postoji ortonormirana baza od Rn takva da je svaki vektor te baze svojstveni vektor matrice A. Napomena 3.35 Matrica A Mn je u stvari linearni operator A : Rn Rn . Ako je A jo s simetri cna onda iz Teorema 3.21 znamo da postoji ortonormirana n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A. Dakle smo za dani operator A na sli bazu u kojoj je njegova matrica posebno jednostavna, dijagonalna. Teorem 3.22 Matrica A Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.
Dokaz: Ako je A regularna onda znamo da je det(A 0) = det A = 0. Dakle 0 nije svojstvena vrijednost. Obratno, ako 0 nije svojstvena vrijednost od A onda je det(A 0) = det A = 0, tj. A je regularna.

Teorem 3.23 Neka je A Mn regularna matrica cije su svojstvene vrijednosti jednake 1 , ..., n . Tada su svojstvene vrijednosti matrice A1 dane s 1 1 ci se svojstveni vektori podudaraju. 1 , ..., n , a odgovaraju
Neka je A Mn i neka je 0 jedna njena svojstvena vrijednost. Tada iz Napomene 3.34 znamo da je skup S (0 ) potprostor od Rn . Dimenziju dim(S (0 )) zovemo geometrijska kratnost od 0 . cimo da je dim(S (0 )) u stvari defekt matrice A 0 In . Napomena 3.36 Uo Rekli smo da je 0 svojstvena vrijednost od A Mn ako i samo ako je 0 nulto cka od KA (). Kako je KA () polinom n-tog stupnja, iz osnovnog teorema algebre (Teorem 5.5) znamo da ze biti istih i koje ne moraju sve (mo zda KA () ima n nulto caka 1 , ..., n , medu kojima mo niti jedna) biti realni brojevi. Sada, ako je 0 svojstvena vrijednost od A Mn , tj. nulto cka od KA (), ona se u nizu nulto caka 1 , ..., n od KA () pojavljuje barem jednom. Broj pojavljivanja svojstvene vrijednosti 0 u nizu nulto caka 1 , ..., n od KA () zovemo algebarska kratnost od 0 . Teorem 3.24 Neka je A Mn i neka je 0 njena svojstvena vrijednost. Tada je algebarska kratnost od 0 uvijek ve ca ili jednaka od njene geometrijske kratnosti.

Poglavlje 4 Nizovi i redovi

4.1
4.1.1

Nizovi realnih brojeva

Pojam niza

Niz je matemati cki koncept koji opisuje situaciju u kojoj su elementi nekog skupa poredani, tj. indeksirani prirodnim brojevima. Denicija 4.1 Niz (slijed) u nepraznom skupu A je funkcija a : N A. Vrijednost funkcije a na elementu n N uobi cajeno je ozna cavati s an umjesto a(n). Argument n zovemo indeks. Nas zanimaju nizovi realnih brojeva, tj. funkcije a : N R. Elemente niza, tj. brojeve a1 , a2 , ... zovemo clanovi niza. Umjesto zapisa a1 , a2 , ... za niz jo s cemo koristiti i zapis (an )nN ili samo (an ). Ako je an = 0 za kona cno mnogo n N ka zemo da je niz kona can. Nas ce zanimati beskona cni nizovi. Niz mo zemo zadati na vi se na cina: - listom ili popisom (ovakvo zadavanje niza se koristi samo za kona cne nizove), - formulom (npr. an = n2 + 1), - rekurzijom (npr. an = 2an1 , a1 = 1), - svojstvom (npr. an je broj triangulacija mnogokuta dijagonalama). 125

126

POGLAVLJE 4. NIZOVI I REDOVI

Primjer 4.1 Pogledajmo sljede ce primjere: 1. Niz prirodnih brojeva po cinje s 1, 2, 3, ..., a op ci clan mu je zadan formulom an = n. 2. Niz kvadrata prirodnih brojeva zadan je formulom an = n2 , a po cinje clanovima 1, 4, 9, .... cinje brojevima 2, 3, 5, 7, 11, 13, 17, .... Za njegov 3. Niz prostih brojeva po op ci clan ne postoji formula. 4. Niz Fibonaccijevih brojeva zadan je pravilom an = an1 + an2 i po cetnim vrijednostima a0 = 0, a1 = 1. To je primjer niza zadanog rekurzijom. Niz (an ) je rastu ci ako je an+1 an za svaki n N. Niz (an ) je padaju ci ako je an+1 an za svaki n N. Ako su nejednakosti stroge, imamo strogo rastu ci odnosno strogo padaju ci niz. Ako je niz rastu ci ili padaju ci, ka zemo da je monoton. Niz (an ) je pozitivan (negativan) ako je an 0, an 0 za svaki n N. Ako su nejednakosti stroge, imamo strogo pozitivan (strogo negativan) niz. Ponekad se nizovi za koje vrijedi an 0 za svaki n N zovu i nenegativni, a pozitivnima se zovu nizovi s an > 0 za svaki n N. Denirajmo funkciju sign : R R formulom 1, x < 0 sign x = 0, x = 0 . 1, x > 0 Funkcija sign realnom broju pridru zuje njegov predznak. Ako je sign an = 0 i sign an = sign an +1 za svaki n N, onda ka zemo da je niz (an ) alterniraju ci. ce primjere: Primjer 4.2 Pogledajmo sljede 1. Niz an = n je strogo rastu ci i pozitivan. 2. Niz an =
1 n

je strogo padaju ci i pozitivan.

3. Niz an = log n je rastu ci i pozitivan jer je a1 = ... = a9 = 0, a10 = ... = a99 = 1, a100 = ... = a999 = 2,...

4.1. NIZOVI REALNIH BROJEVA 4. Niz an = (1)n nije monoton nego alterniraju ci. Podniz niza (an ) je niz dobiven ispu stanjem nekih clanova iz niza (an ).

127

Denicija 4.2 Za niz (bn ) ka zemo da je podniz niza (an ) ako postoji strogo rastu ci niz (pn ) u N tj. strogo rastu ca funkcija p : N N takva da vrijedi bn = ap(n) , za svaki n N. Denicija 4.3 Za niz (an ) ka zemo da je ograni cen ili omeden ako postoji realan broj M > 0 takav da je |an | < M , za svaki n N, ili, ekvivalentno, ako je M < an < M , za svaki n N. ce primjere: Primjer 4.3 Pogledajmo sljede je omeden niz jer je funkcija sinus omedena, i mo 1. Niz an = sin zemo uzeti n npr. M = 2. 2. Niz an = n nije omeden jer za svaki M > 0 postoji n N takav da je n > M . Dovoljno je uzeti n > M 2 . Niz (an ) je aritmeti cki ako je an+1 an = d, za svaki n N, gdje je d R konstanta. Formula op ceg clana aritmeti ckog niza je an = a1 + (n 1)d. Ako je d > 0 onda je (an ) strogo rastu ci, za d < 0 niz (an ) je strogo padaju ci a za d = 0 imamo konstantni niz an = a1 , za svaki n N. Uo cimo da za aritmeti cki niz (an ) vrijedi formula an =
an1 +an+1 , 2

za svaki n N, tj. svaki clan niza (osim prvog) je aritmeti cka sredina svojih susjeda. Niz (an ) je geometrijski ako je
an+1 an

= q,

128

POGLAVLJE 4. NIZOVI I REDOVI

za svaki n N, gdje je q R, q = 0, konstanta. Formula op ceg clana geometrijskog niza je an = a1 q n1 . Ako je q < 0 onda je niz (an ) alterniraju ci. Za a1 > 0 i q > 1 niz raste, za a1 > 0 i 0 < q < 1 niz pada. Za a1 < 0 i q > 1 niz pada, za a1 < 0 i 0 < q < 1 niz raste. Uo cimo da za geometrijski niz (an ) takav da je a1 > 0 i q > 0 vrijedi formula an = an1 an+1 , za svaki n N, tj. svaki clan niza osim prvog je geometrijska sredina svojih susjeda. ce primjere: Primjer 4.4 Pogledajmo sljede 1. Za aritmeti cki niz 1, 4, 7, 10, 13, ... je a1 = 1, d = 3 i an = 3n 2. 2. Za aritmeti cki niz 8, 6, 4, 2, 0, 2, 4, ... je a1 = 8, d = 2 i an = 2n + 10. 3. Za geometrijski niz 1, 2, 4, 8, 16, ... je a1 = 1, q = 2 i an = 2n1 . 4. Za geometrijski niz 1, 1, 1, 1, 1, ... je a1 = 1, q = 1 i an = (1)n1 .

4.1.2

Grani cna vrijednost niza. Konvergencija niza

1 , za svaki n N. Njegove vrijedPogledajmo niz (an ) zadan formulom an = n nosti padaju i prilaze po volji blizu broju 0. Sli cno, vrijednosti niza (an ) zadanog n1 formulom an = n se pribli zavaju po volji blizu broju 1. S druge strane, vrijednosti nizova (an ), (bn ) i (cn ) zadanih formulama an = (1)n , bn = (1)n n i cn = n2 , ne pribli zavaju se za velike vrijednosti indeksa n niti jednom ksnom realnom broju. Dakle se ti nizovi kvalitativno druga cije pona saju.

cna vrijednost ili limes niza (an ) ako Denicija 4.4 Realni broj L je grani ( > 0)(n0 N) takav da (n > n0 ) (|an L| < ). To pi semo an L ili L = lim an .
n

4.1. NIZOVI REALNIH BROJEVA

129

Uvjet |an L| < iz Denicije 4.4 ustvari zna ci < an L < odnosno L < an < + L. Dakle, Denicija 4.4 ustvari govori da je realni broj L limes niza (an ) ako izvan proizvoljno malog intervala oko limesa ostaje samo kona cno mnogo clanova niza. Denicija 4.5 Niz (an ) je konvergentan ako postoji L R za koji je L = lim an .
n

Ina ce ka zemo da je (an ) divergentan. Napomena 4.1 Ako je niz (an ) konvergentan onda je njegov limes jedinstven.
Dokaz: Pretpostavimo suprotno, tj. da niz (an ) ima bar dva limesa L i L . Uzmimo sada da je jednak |L L |, pa kako su L i L limesi niza (an ) za = |L L | postoje n1 , n2 N takvi da za sve n > n1 i n > n2 vrijedi |an L| < 2 i |an L | < 2 . Dakle za n > n1 i n > n2 imamo = |L L | = |L an + an L | |L an | + |an L | < . Dobili smo da je < , sto ne mo ze biti. Dakle pretpostavka da postoje bar dva limesa je pogre sna.

Primjer 4.5 Pogledajmo sljede ce primjere:

1 1. Neka je niz (an ) dan formulom an = n . Tada je

1 = 0. n n lim

Zaista, uzmimo > 0 proizvoljan. Pitanje je: mo zemo li na ci n0 N takav 1 da je n 0 < , za svaki n > n0 ? O cito je dovoljno uzeti n0 = 1 . 100 100 Za mali , npr. = 10 , n0 = 10 , sto je vrlo velik, no jo s uvijek kona can broj. 2. Neka je niz (an ) dan formulom an = lim
n2 . n2 1

Tada je

n2 = 1. n n2 1

130

POGLAVLJE 4. NIZOVI I REDOVI Zaista, uzmimo > 0 proizvoljan. Tra zimo n0 N takav da je , za svaki n > n0 . Izraz . Odatle slijedi n21 < 1 je dovoljno uzeti n0 =
n2 1 < n2 1 2 2 n n 1 je uvijek pozitivan pa imamo n2 1 < n2 1 1 +1 2 2 , tj. (n 1) > 1, tj. n > . Dakle za n0 +1 .

Pogledajmo sada pona sanje nizova koji nisu konvergentni. Denicija 4.6 Ka zemo da niz (an ) te zi u + ako (M > 0)(n0 N) takav da (n > n0 ) (an > M ). To pi semo
n

lim an = +.

Analogno, ka zemo da niz (an ) te zi u ako (M > 0)(n0 N) takav da (n > n0 ) (an < M ), i pi semo
n

lim an = .

Primjer 4.6 Neka je niz (an ) dan formulom an = n2 . Tada je

n

lim an = +.

Neka je M > 0 proizvoljan. Tada je za n0 dovoljno uzeti an > M za svaki n > n0 .

M , pa je

Napomena 4.2 Treba imati u vidu da +, / R, pa su nizovi koji te ze u + ili ustvari divergentni. Ka ze se da su divergentni u u zem smislu. n Pogledajmo pona sanje niza (bn ) danog formulom bn = (1) . U blizini broja 1 i broja 1 ima beskona cno mnogo clanova niza. Ipak, to nisu grani cne vrijednosti, jer izvan proizvoljno male okoline tih brojeva ostaje beskona cno mnogo n clanova niza (a ne kona cno mnogo). Dakle niz bn = (1) ne te zi ni u beskona cnu ni u kona cnu granicu. Ka zemo da takav niz divergira u sirem smislu.

4.1. NIZOVI REALNIH BROJEVA

131

Denicija 4.7 Realni broj G je gomili ste niza (an ) ako se u proizvoljno maloj okolini broja G nalazi beskona cno mnogo clanova niza. Primjer 4.7 Niz (an ) dan formulom an = n nema gomili ste. cna vrijednost niza (ako postoji) je i gomili ste tog niza. Napomena 4.3 Grani n Obrat ne vrijedi. Npr. niz (an ) zadan formulom an = (1) ima dva gomili sta 1 i 1, ali nema limesa. Iz Napomene 4.3 vidimo da niz mo ze imati vi se gomili sta. Najve ce gomili ste niza (an ) (ako postoji) zovemo limes superior od (an ) i ozna cavamo ga lim sup an , dok najmanje gomili ste (ako postoji) niza (an ) zovemo limes inferior od (an ) i ozna cavamo ga lim inf an . Rekli smo da je realni broj G gomili ste niza (an ) ako se u proizvoljno maloj okolini broja G nalazi beskona cno mnogo clanova niza. Ako uzmemo te clanove niza dobivamo jedan podniz niza (an ), tj. vrijedi: Teorem 4.1 Realni broj G je gomili ste niza (an ) ako i samo ako postoji podniz (bn ) niza (an ) koji konvergira u G. Napomena 4.4 Ako je niz (an ) konvegentan s limesom L onda je lim sup an = lim inf an = L. Teorem 4.2 (Bolzano-Weierstrass) Svaki omeden niz ima barem jedno gomili ste, tj. barem jedan konvergentan podniz. Pogledajmo sada neka svojstva konvergentnih nizova: cno mnogo clanova ne utje ce na limes. 1. Promjena kona 2. Svaki konvergentan niz je ograni cen. 3. Svaki podniz konvergentnog niza te zi prema istoj grani cnoj vrijednost kao i sam niz. ze no i ne mora biti clan niza (npr. an = 4. Limes mo bn = 1, 1 je clan niza).
1 , n

0 nije clan niza,

132

POGLAVLJE 4. NIZOVI I REDOVI

4.1.3

Ra cunanje s grani cnim vrijednostima

Ra cunanje grani cnih vrijednosti izravno iz denicije je nespretno, ako ne i nemogu ce. Npr. konvergira li, i ako da, prema kojoj vrijednosti, niz (an ) zadan formulom an = 3n4 5n2 + 7n 1 ? 2n4 7n3 + 3n + 2

Prvo bi trebalo pogoditi limes L, pa dokazati da ( > 0)(n0 N) takav da (n > n0 ) (|an L| < ). Mi cemo poku sati izbje ci ovakav na cin ra cunanja limesa direktno iz denicije, tj. izgradit cemo repertoar osnovnih limesa i pravila pomo cu kojih se slo zeniji slu cajevi svode na jednostavnije. Teorem 4.3 Neka je (an ) niz s pozitivnim clanovima. Tada an 0 1 . an

Teorem 4.4 Neka su (an ) i (bn ) konvergentni nizovi, te c R proizvoljan. Tada vrijedi: 1. lim (an bn ) = lim an lim bn ,
n n n

2. lim (can ) = c lim an ,

n n

3. lim (an bn ) = lim an lim bn ,

n n n

4. ako je bn = 0 i

lim bn = 0, onda je

lim an an = n . n bn lim bn lim

n

Napomena 4.5 Neka je (an ) konvergentan niz. Onda vrijedi

n

lim |an | =

lim an .

Ako je r R, r = 0, proizvoljan i an 0 za svaki n N, onda vrijedi

n

lim

an =

lim an .

4.1. NIZOVI REALNIH BROJEVA

133

Teorem 4.5 Beskona cni geometrijski niz (an ) s kvocijentom q je konvergentan za |q | < 1 a divergentan za |q | > 1. Za |q | < 1 je lim an = 0.
n

Dokaz: Iz to cke 4.1.1 znamo da je op ci clan geometrijskog niza dan formulom an = a1 q n1 . Prema Teoremu 4.4 dovoljno je promatrati niz s a1 = 1, tj. niz 1, q, q 2 , q 3 , .... Pogledajmo prvo slu caj |q | < 1. Uzmimo proizvoljan > 0 i pogledajmo nejednad zbu |q n 0| = |q n | < . To je ekvivalentno s |q |n < . Logaritmiranjem se dobije n log |q | < log , jer je log |q | < 0. Imamo log n> . log |q | Dakle svi clanovi niza 1, q, q 2 , q 3 , ... za koje je n >
n log log |q |

padaju u interval (, ), pa je

lim an = 0.
1 |q n |

Neka je sada |q | > 1. Tada je

n

1 |q |

< 1, pa prema prethodnom niz

n n

0. Sada, po

Teoremu 4.3 imamo |q | , dakle ili q , ili q alternira po predznaku (za q < 1) i raste u beskona cnost po apsolutnoj vrijednosti, dakle divergira ili u u zem, ili u sirem smislu.

Napomena 4.6 Beskona cni geometrijski niz (an ) s kvocijentom q = 1 je konvergentan niz za koji vrijedi an = a1 , za svaki n N. Ako je pak q = 1 imamo alterniraju ci niz an = a1 (1)n1 , dakle divergentan. Napomena 4.7 Jasno je da beskona cni aritmeti cki niz (an ) s razlikom d konvergira ako i samo ako je d = 0. Teorem 4.6 Monoton, ograni cen niz je konvergentan.
Dokaz: Neka je (an ) monoton i ograni cen. Tada po Teoremu 4.2 niz (an ) ima barem jedno gomili ste. Kako je (an ) monoton, on mo ze imati najvi se jedno gomili ste. U suprotnom, ako (an ) ima barem dva gomili sta G i G , G > G , i ako npr. (an ) raste, izvan proizvoljno male okoline oko G imamo kona cno mnogo clanova. Tj. postoji okolina oko G u kojoj je samo kona cno mnogo clanova, sto ne mo ze biti jer je G gomili ste. Dakle imamo samo jedno gomili ste, tj. vrijedi lim inf an = lim sup an R. Onda je po Napomeni 4.4, niz (an ) konvergentan.

Teorem 4.6 je tipi cni teorem egzistencije, tj. znamo da ne sto postoji, no ne znamo koliko je i kako to na ci, odrediti, izra cunati.

134

POGLAVLJE 4. NIZOVI I REDOVI

Teorem 4.7 (Nu zan i dovoljan uvjet konvergencije niza) Niz (an ) konvergira ako i samo ako ( > 0)(n0 N) takav da (n > n0 ) (|an an+r | < , r N). Teorem 4.7 je najop cenitiji. Daje nu zne i dovoljne uvjete konvergencije niza i u njemu guriraju samo clanovi niza. On u stvari ka ze da niz (an ) konvergira ako i samo ako razlike medu po volji udaljenim clanovima niza postaju po volji male, tj. te ze k nuli.

4.1.4

Osnovni limesi

Pogledajmo sada neke osnovne limese: 1. Neka je niz (an ) dan formulom an = n , gdje je > 0, = 1, proizvoljan. Tada vrijedi , ako je > 1 lim an = n 0, ako je 0 < < 1.
| , gdje je R proizvoljan. Tada 2. Neka je niz (an ) dan formulom an = | n! vrijedi lim an = 0.
n

3. Neka je niz (an ) dan formulom an = n , gdje je > 0 proizvoljan. Tada vrijedi lim an = 1.
n

4. Neka je niz (an ) dan formulom an = n , gdje je R proizvoljan. Tada vrijedi , ako je > 0 lim an = 1, ako je = 0. n 0, ako je < 0 5. Neka je niz (an ) dan formulom an = n n. Tada vrijedi
n

lim an = 1.
1 n . n

6. Neka je niz (an ) dan formulom an = 1 +

n

Tada vrijedi

lim an = e.

4.2. REDOVI REALNIH BROJEVA

135

4.2
4.2.1

Redovi realnih brojeva

Pojam reda. Konvergencija reda

Ako u beskona cnom nizu (an ), tj. a1 , a2 , a3 , ... zareze zamijenimo plusevima dobijemo beskona cni red. No, za sto bi to netko zelio napraviti? Ako clanovi niza predstavljaju doprinose, sto je kumulativni efekt prvih n clanova niza? To je
n

a1 + a2 + ... + an =
k=1

ak = Sn ,

tj. n-ta parcijalna suma. Dakle, nizu (an ) smo pridru zili niz parcijalnih suma (Sn ). Za svaki kona can n veli cina Sn je dobro denirana, kona cna suma. Sto se zbiva ako zbrojimo sve clanove niza (an )?
n

Izraz
k=1

ak prelazi u
k=1

ak , a kona cna suma postaje red.

Denicija 4.8 Neka je (an ) niz. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ), (Sn )), gdje je (Sn ) niz parcijalnih suma niza (an ). Red dobiven od niza (an ) ozna cavamo s an . Denicija 4.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). Ako je S = lim Sn < , ka zemo da je suma reda jednaka S i n pi semo

an = S.
n=1

Ako niz parcijalnih suma (Sn ) divergira, ka zemo da i red Napomena 4.8 Oznaka sumu reda an . an je oznaka za red, a oznaka

an divergira.

an je oznaka za
n=1

Primjer 4.8 Pogledajmo sljede ce primjere:

136 1. Red

POGLAVLJE 4. NIZOVI I REDOVI n divergira jer za svaki n N je Sn = 1 + 2 + ... + n = odnosno

n

n(n + 1) , 2

lim Sn = .

2. Red

1 n

divergira jer se mo ze pokazati da za svaki n N vrijedi S2n > n + 1. 2

3. Red

1 n!

konvergira i suma mu je

n=1

1 = e 1. n!

4. Red

1 n(n+1)

konvergira jer za svaki n N vrijedi 1 1 1 = . n(n + 1) n n+1

Dakle imamo Sn = 1 za svaki n N. Kako je

n

1 , n+1

lim Sn = 1,

imamo da red

1 n(n+1)

konvergira i suma mu je jednaka

n=1

1 = 1. n(n + 1)

5. Red

1 2n

konvergira jer za svaki n N i svaki x R vrijedi (1 + x + x2 + ... + xn )(1 x) = 1 xn+1 .

Dakle, za x =

1 2

imamo Sn = 1
1 2n+1 1 2

1=1

1 , 2n

4.2. REDOVI REALNIH BROJEVA za svaki n N. Kako je

n

137

lim Sn = 1

imamo da red

1 2n

konvergira i suma mu je jednaka

n=1

1 = 1. 2n
n

Napomena 4.9 Ako red Dokaz: Neka je S suma reda

an konvergira onda je lim an = 0.

an , tj. S = lim Sn =
n n=1

an . Nadalje, o cito vrijedi

Sn+1 = Sn + an+1 . Pu staju ci limes po n u beskona cnost u gornjoj jednakosti dobivamo S = S + lim an+1 ,
n

odnosno
n

lim an+1 = 0.

1 1 Napomena 4.10 Iz Primjera 4.8 znamo da red = divergira i da je lim n n n 0. Dakle zaklju cujemo da obrat tvrdnje iz Napomene 4.9 op cenito ne vrijedi, tj. ako op ci clan niza (an ) konvergira u nulu, onda op cenito red an ne mora konvergirati. Denicija 4.10 Red an apsolutno konvergira ako konvergira red |a n |. Ako red an konvergira, a red |an | ne konvergira, ka zemo da red an konvergira uvjetno. Primjer 4.9 Red
1 (1)n1 n konvergira i suma mu je

(1)n1
n=1

1 = ln 2, n
1 (1)n1 n uvjetno konvergentan.

dok red

1 n

divergira (Primjer 4.8). Dakle je red

Teorem 4.8 Ako red apsolutno konvergira, onda on konvergira i obi cno. Uo cimo da iz Primjera 4.9 ne slijedi obrat Teorema 4.8.

138

POGLAVLJE 4. NIZOVI I REDOVI

4.2.2

Geometrijski red

Red oblika a1 + a1 q + a1 q 2 + ... = a1 q n1 , gdje su a1 , q R proizvoljni, zovemo geometrijski red s kvocijentom q . Teorem 4.9 Geometrijski red a1 q n1 je konvergentan ako i samo ako je |q | < 1. Za |q | < 1 njegova je suma jednaka

a1 q n1 =
n=1

a1 . 1q

Dokaz: Ako je a1 = 0 onda red a1 q n1 o cito konvergira i suma mu je nula. Pretpostavimo da je a1 = 0 i |q | < 1. Pogledajmo n-tu parcijalnu sumu, tj. Sn = a1 + a1 q + a1 q 2 + ... + a1 q n1 . Ako Sn pomno zimo s q dobivamo qSn = a1 q + a1 q 2 + a1 q 3 + ... + a1 q n . Nadalje, imamo Sn qSn = a1 (1 q n ), tj. vrijedi Sn = a1 za svaki n N. Iz Teorema 4.5 imamo da je lim Sn = a1 lim a1 1 qn = . n 1 q 1q 1 qn , 1q

Dakle limes niza parcijalnih suma je kona can, pa geometrijski red za |q | < 1 konvergira i suma mu je jednaka a1 . a1 q n1 = 1q n=1 Obrnuto, pretpostavimo da geometrijski red a1 q n1 konvergira i doka zimo da je onda n1 |q | < 1. Pretpostavimo suprotno, tj. da geometrijski red a1 q konvergira i da je |q | 1. Ako je q = 1, onda je o cito an = a1 , pa je Sn = na1 , a to divergira za svaki a1 = 0. Ako je q = 1, onda je o cito an = a1 (1)n1 . Nadalje kako je
n

lim an = 0

4.2. REDOVI REALNIH BROJEVA

za a1 = 0, iz Napomene 4.9 zaklju cujemo da red Ako je |q | > 1 i q > 0, onda imamo
n n

139
a1 (1)n1 divergira.

lim an = lim a1 q n1 = a1 lim q n1 ,

n

a po Teoremu 4.5 je
n

lim q n1 = . lim Sn = , a1 q n1 divergira i to u u zem smislu.

Dakle je
n

pa iz Napomene 4.9 zaklju cujemo da red I na kraju ako je |q | > 1 q < 0 imamo
n n

lim an = lim a1 q n1 = a1 lim q n1 ,

n

a po Teoremu 4.5 je
n

lim q n1 = 0.

Dakle iz Napomene 4.9 zaklju cujemo da red a1 q n1 divergira u sirem smislu (jer niz a1 q n1 alternira). Dakle ako geometrijski red a1 q n1 konvergira mora biti |q | < 1.

Primjer 4.10 Pogledajmo sljede ce primjere: 1. Neka je dan geometrijski red Teorema 4.9 znamo da red
1 . 2n1 1

2n1

O cito je a1 = 1 i q = 1 . Tada iz 2 konvergira i suma mu je 1 1

1 2

1 2n1

= 2.

n=1

2. Neka je a R oblika a = 0.333... Tada o cito vrijedi 0.333... = i o cito je a1 = iq = konvergira i suma mu je
3 10

3 3 3 + + + ... = 10 100 1000

1 . 10

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = . n 10 10 1 10 3

Napomena 4.11 Uo cimo da nam formula 3 1 = n 10 3

n=1

govori da racionalan broj malnim brojem.

1 3

mo zemo s proizvoljnom to cno s cu aproksimirati deci-

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

Rekli smo da red an konvergira ako i samo ako konvergira njegov niz parcijalnih suma Sn . Dakle, iz Teorema 4.7 imamo nu zan i dovoljan uvjet konvergencije reda an : Teorem 4.10 (Nu zan i dovoljan uvjet konvergencije reda) Red vergira ako i samo ako an kon-

( > 0)(n0 N) takav da (n > n0 ) (|Sn Sn+r | < , r N). Uo cimo da je izraz |Sn Sn+r | < iz Teorema 4.10 jednak izrazu |an+1 + an+2 + ... + an+r | < . Dakle, Teorem 4.10 tvrdi da red an konvergira ako i samo ako se apsolutna vrijednost zbroja bilo kojeg kona cnog broja uzastopnih clanova niza (an ) mo ze u ciniti dovoljnom malom, po cnemo li od dovoljno dalekog clana niza (tj. dovoljno velikog n N). Kriterij Teorema 4.10 nije jako koristan u praksi, jer je uvjet te sko provjeriti. Dakle, bilo bi dobro prona ci kriterije konvergencije reda cije uvjete je lak se provjeriti. Cijena toga ce biti slabljenje kriterija, tako da cemo obi cno dobivati samo dovoljnost za konvergenciju. O cito je da ako izostavimo prvih kona cno mnogo clanova reda an onda, se konvergentnost novog reda ne mijenja (tj. ako red an konvergira onda, konvergira i novi red, ako red an divergira onda divergira i novi red). Dakle, ako red an konvergira onda, konvergira i red an+1 + an+2 + ..., za svaki n N. Red an+1 + an+2 + ... zovemo ostatak reda Ako red an konvergira i suma mu je S , vrijedi S = Sn + Rn , za svaki n N, gdje je Rn suma reda an+1 + an+2 + .... Nadalje, kako Sn S , tako mora Rn 0. Dakle, ostatak konvergentnog reda te zi u 0 za n . an .

4.2. REDOVI REALNIH BROJEVA

141

Napomena 4.12 Rekli smo, ako je red an konvergentan sa sumom S , onda vrijedi S = Sn + Rn , za svaki n N. Dakle ostatak reda daje pogre sku aproksimacije pri zamjeni prave sume reda S n-tom parcijalnom sumom Sn , odnosno Rn = S Sn . Napomena 4.13 Red an konvergira ako i samo ako konvergira i red an+1 + an+2 + ..., za svaki n N.
Dokaz: Ako red an konvergira onda, o cito konvergira i red an+1 + an+2 + ..., za svaki n N. Obrnuto, ako red an+1 + an+2 + ... konvergira onda, o cito konvergira i red an , jer smo redu an+1 + an+2 + ... dodali samo kona cno mnogo clanova a1 , ..., an , cija je suma o cito kona cna.

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:

bn konvergentni redovi i neka je

n=1

an = A i
n=1

bn =

B . Tada je konvergentan i red 2. Neka je

(an bn ) i vrijedi
n=1

(an bn ) = A B .

an konvergentan red sa sumom A i neka je c R. Tada je

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

neka je niz (cn ) zadan formulom cn = an bn . Tada je n-ta parcijalna suma reda cn = (an bn ) dana s
n n

Cn =
i=1

ci =
i=1

(ai bi ) = An Bn .

Kako limes desne strane u gornjoj formuli postoji, i jednak je A B , tako mora postojati i biti jednak tome limes lijeve strane, a to je upravo suma reda (an bn ).
n

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

an . Nadalje, neka je niz (cn ) zadan cn = can dana s

formulom cn = can . Tada je n-ta parcijalna suma reda

n n

Cn =
i=1

ci =
i=1

cai = cAn .

142

POGLAVLJE 4. NIZOVI I REDOVI

Kako limes desne strane u gornjoj formuli postoji, i jednak je cA, tako mora postojati i biti jednak tome limes lijeve strane, a to je upravo suma reda can .

Primjer 4.11 Neka je dan red

(1)n , tj.

1 + 1 1 + 1 1 + ... Tada po Napomeni 4.9 taj red divergira. S druge strane pogledajmo red (1 + 1) + (1 + 1) + (1 + 1) + ... Ovaj red o cito konvergira i suma mu je nula. Dakle, zaklju cujemo da kod grupiranja clanova (ispu stanje ili dodavanje zagrada) moramo biti pa zljivi. Teorem 4.12 Ako clanove konvergentnog reda grupiramo, po redu kojim dolaze, u kona cne skupine, i od zbrojeva tih skupina napravimo novi red, taj red konvergira i suma mu je jednaka sumi polaznog reda. Dakle, Teorem 4.12 tvrdi da ako u konvergentnom redu po redu kojim dolaze u kona cne skupine an clanove grupiramo

(a1 + ... + ap ) + (ap+1 + ... + ar ) + (ar+1 + ... + as ) + ..., i ako od zbrojeva tih skupina u1 = a1 + ... + ap , u2 = ap+1 + ... + ar , u3 = ar+1 + ... + as , ... formiramo novi red un , on konvergira. Takoder vrijedi

an =
n=1 n=1

un .

Napomena 4.14 Primijetimo da iz Primjera 4.11 slijedi da je u Teoremu 4.12 konvergencija reda bitan uvjet da bismo mogli grupirati clanove u kona cne skupine.

4.2. REDOVI REALNIH BROJEVA Napomena 4.15 Za sto je suma reda vergentnog reda an ?

143 un iz Teorema 4.12 jednaka sumi kon-

Dokaz: O cito je niz parcijalnih suma niza (un ), tj. reda un , podniz niza parcijalnih suma reda an , dakle podniz konvergentnog niza. Sada tvrdnja lagano slijedi iz tre ceg svojstva konvergentnih nizova iz to cke 4.1.2.

Teorem 4.12 je poop cenje svojstva asocijativnosti zbrajanja na beskona cne konvergentne sume (tj. mo zemo po volji ubacivati i izbacivati zagrade). Medutim za komutativnost se to ne mo ze napraviti (ne smijemo permutirati clanove). Primjer 4.12 U Primjeru 4.9 smo spomenuli da red (1)n1 1 1 1 1 1 1 1 = 1 + + + + ... n 2 3 4 5 6 7 8 konvergira i suma mu je

n=1

(1)n1 = ln 2. n

Zapi simo isti red na drugi na cin, s ispremije sanim clanovima 1 1 1 1 1 1 1 1 1 1 + + + ... = 2 4 3 6 8 5 10 12 7

1 1 1 1 1 1 1 1 1 (1 ) + ( ) + ( ) + ( ... = 2 4 3 6 8 5 10 12 7 1 1 1 1 1 1 + + + ... = 2 4 6 8 10 12 1 1 1 1 1 1 1 1 (1 + + + + ...). 2 2 3 4 5 6 7 8 Dobili smo 1 ln 2 = ln 2, 2 sto ne mo ze biti. Dakle, iz Primjera 4.12 zaklju cujemo da op cenito ne smijemo permutirati clanove reda (niti konvergentnog), jer se u tom slu caju suma mo ze promijeniti. Postoje redovi kod kojih se to smije u ciniti.

144

POGLAVLJE 4. NIZOVI I REDOVI

Teorem 4.13 Ako red apsolutno konvergira onda, njegova suma ne ovisi o poretku clanova. Ako su svi clanovi konvergentnog reda pozitivni onda, o cito red i apsolutno konvergira pa po Teoremu 4.13 zaklju cujemo da suma takvog reda ne ovisi o poretku clanova.

4.2.4

Redovi s pozitivnim clanovima

Za red an ka zemo da je red s pozitivnim clanovima ako je an 0 za svaki n N. Jasno je da je niz parcijalnih suma reda s pozitivnim clanovima monotono rastu ci, dakle red s pozitivnim clanovima ne mo ze divergirati u sirem smislu (suma je ili kona cna ili +). Ako je S suma reda s pozitivnim clanovima, pri cemu dopu stamo slu caj S = + (tj. ako red divergira), onda je jasno da je Sn S za svaki n N. an red s pozitivnim clanovima i neka je (cn ) omeden Teorem 4.14 Neka je niz pozitivnih brojeva. Ako red an konvergira, onda konvergira i red cn an .
Dokaz: Kako je (cn ) omeden niz, to postoji M > 0 takav da je M > cn za svaki n N. Nadalje, neka je A suma reda an . Tada znamo da je za svaki n N n-ta parcijalna suma od an manja ili jednaka od sume A reda an .
n

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

ci cn an . O cito je niz (Sn ) pozitivan i rastu

niz, dakle monoton. Nadalje, vrijedi

n n n

Sn =
i=1

cn an
i=1

M an = M
i=1

an M A.

Monoton niz parcijalnih suma (Sn ) reda red cn an konvergentan.

cn an je ograni cen, pa iz Teorema 4.6 slijedi da je

Neka su dani redovi

an i

bn . Za red

cn = a1 b1 +(a1 b2 + a2 b1 )+(a1 b3 + a2 b2 + a3 b1 )+(a1 b4 + a2 b3 + a3 b2 + a4 b1 )+ ... ka zemo da je produkt redova an i bn .

4.3. KRITERIJI KONVERGENCIJE

145

Teorem 4.15 Neka su an i bn konvergentni redovi s pozitivnim clanovima cije su sume jednake A i B , redom. Tada je konvergentan i njihov produkt, tj. red cn = a1 b1 +(a1 b2 + a2 b1 )+(a1 b3 + a2 b2 + a3 b1 )+(a1 b4 + a2 b3 + a3 b2 + a4 b1 )+ ... konvergira i njegova suma je jednaka AB .

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim clanovima,

Teorem 4.16 Neka je an red u R i neka je (bn 0 za svaki n N), takav da 1. 2. Tada red bn majorira bn konvergira. an apsolutno konvergira i vrijedi

an , tj. |an | bn , za svaki n N,

an
n=1 n=1

|an |
n=1

bn .

Napomena 4.16 Neka su an i je an bn , za svaki n N. Onda 1. ako red

bn redovi s pozitivnim clanovima takvi da an i vrijedi

bn konvergira onda, konvergira i red

an
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

Dokaz: 1. Slijedi izravno iz Teorema 4.16. 2. Red an divergira ako i samo ako divergira niz parcijalnih suma (An ) reda an . Kako je po pretpostavci 0 an bn , onda je o cito Bn An , dakle i niz parcijalnih suma reda bn divergira, pa i on sam.

146

POGLAVLJE 4. NIZOVI I REDOVI

Neka je (an ) proizvoljan niz. Red oblika an xn , gdje je x R proizvoljan, zovemo red potencija. O cito je za x = 0 svaki red potencija konvergentan. Za x = 0 imamo sljede ci rezultat: an xn Teorem 4.17 Ako red potencija 0 konvergira za neki x0 R, onda konn vergira apsolutno i red an x za sve x R za koje je |x| < |x0 |. Ako red n an x0 divergira, divergira i red an xn za sve x R za koje je |x| > |x0 |. Primjer 4.13 1. Neka je an = 1, za svaki n N. Tada iz Teorema 4.9 znamo da red potencija xn1 konvergira za svaki x R takav da je 1 |x| < 1, i suma mu je 1 . x
1 2. Neka je an = n , za svaki n N. Tada red potencija ! konvergira za svaki x R i suma mu je ex . 1 xn 1 (n1)!

4.3.2

DAlembertov kriterij

an red s pozitivnim clanovima. Ako postoji R, Teorem 4.18 Neka je 0 < < 1, i n0 N takav da je an+1 , an za svaki n n0 , onda red an konvergira.

Dokaz: Neka su R, 0 < < 1, i n0 N takvi da vrijedi an+1 , an za svaki n n0 . Dakle imamo an0 +1 an0 , an0 +2 an0 +1 2 an0 , an0 +3 an0 +2 3 an0 , . . . , an0 +m m an0 , za svaki m N. Dakle, red an0 + an0 +1 + ...

4.3. KRITERIJI KONVERGENCIJE

147

je majoriran geometrijskim redom an0 n1 s kvocijentom < 1 koji po Teoremu 4.9 konvergira. Sada iz Napomene 4.16 imamo da i red an0 + an0 +1 + ... konvergira. Kako se dodavanjem kona cno mnogo clanova konvergentnom redu konvergencija ne ce promijeniti, imamo da red an konvergira.

Napomena 4.17 U primjenama se ce s ce koristi slabiji oblik Teorema 4.18 u kojem se zahtijeva da niz kvocijenata susjednih clanova reda konvergira (ima limes): Neka je an red s pozitivnim clanovima. Ako postoji limes an+1 = l, n an lim onda red an konvergira za l < 1, divergira za l > 1, a ne mo zemo ni sta zaklju citi za l = 1. Primjer 4.14 1. Neka je dan red divergira, ali vrijedi
1 . n

Tada iz Primjera 4.8 znamo da on = 1.

1 n+1 lim n 1 n

2. Neka je dan red vrijedi

1 . n2

Tada iz Primjera 4.8 znamo da on konvergira, ali

1 (n+1)2 lim 1 n n2

= 1.

Iz ovog primjera vidimo za sto smo u Napomeni 4.17 rekli da ne mo zemo odlu citi o konvergenciji reda za l = 1.

4.3.3

Cauchyev kriterij

Teorem 4.19 Neka je an red s pozitivnim clanovima. Ako postoji R, 0 < < 1, i n0 N takav da je n za svaki n n0 , onda red an ,

an konvergira.

148

POGLAVLJE 4. NIZOVI I REDOVI

Napomena 4.18 U primjenama se ce s ce koristi slabiji oblik Teorema 4.19 u kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim clanovima. Ako postoji limes
n

lim

an = l,

onda red an konvergira za l < 1, divergira za l > 1, a ne mo zemo ni sta zaklju citi za l = 1.
1 Primjer 4.15 Analogno kao i u Primjeru 4.14 za red odnosno red n znamo da divergira odnosno konvergira, a iz to cke 4.1.4 znamo da je 1 n2

lim

1 = lim n n

1 = 1. n2

Dakle slu caj l = 1 nam ne govori ni sta o konvergenciji reda. Cauchyev kriterij je ja ci, tj. postoje situacije u kojima on mo ze a DAlembertov kriterij ne mo ze odlu citi. Ne sto sli cno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa konvergencije redova potencija (podru cja na kojem red potencija konvergira). Teorem 4.20 Neka je an xn red potencija, (an ) niz u R i x R prozvoljan. Ako postoji lim sup n |an | i lim sup n |an | = 0, onda za = 1 lim sup
n

|a n |

vrijedi: red potencija an xn konvergira apsolutno za svaki x R za koji je |x| < , a divergira za sve x R za koje je |x| > . Broj (ako postoji) =
1 lim sup n |an |

iz Teorema 4.20 zovemo radijus konvergencije reda potencija

a n xn .

4.3. KRITERIJI KONVERGENCIJE Primjer 4.16 1. Neka je dan red potencija lim sup
n

149
1 n x . n

Tada je

1 = lim n n

1 = 1, n
1 n x n

dakle je = 1. Po Teoremu 4.20 red potencija |x| < 1, a divergira za |x| > 1.

konvergira za

Pogledajmo sada ako je |x| = 1. Ako je x = 1, onda iz Primjera 4.9 1 znamo da red (1)n konvergira i suma mu je ln 2, dok za x = 1 red n 1 divergira. n 2. Neka je dan red potencija lim sup
n

1 n x . n2

Tada je
n

1 = lim n n2

1 = 1, n2
1 n x n2

dakle je = 1. Po Teoremu 4.20 red potencija |x| < 1, a divergira za |x| > 1.

konvergira za

Pogledajmo sada ako je |x| = 1. Ako je x = 1 onda, iz Primjera 4.8 znamo 1 1 da red konvergira, dakle i apsolutno konvergira red (1)n . Iz n2 n2 1 Teorema 4.8 imamo da konvergira i red (1)n . Dakle red potencija n2 1 n x konvergira za |x| 1. n2 Teoremu 4.20 smo vidjeli da red potencija an xn konvergira za |x| < , a divergira za |x| > (ako lim sup n |an | postoji). Teorem 4.20 ni sta ne govori za x R takve da je |x| = , ali smo u Primjeru 4.16 vidjeli da red potencija an xn mo ze konvergirati i divergirati za x R takve da je |x| = . Dakle za |x| = moramo posebno provjeriti konvergenciju reda potencija.

4.3.4

Leibnizov kriterij

Ako red ima kona can broj clanova s negativnim predznakom, to nije problem (jer konvergencija reda ovisi o ostatku reda); problem se pojavljuje ako ih je beskona cno mnogo (npr. sin n, tg n , (1)n , itd.). Specijalni slu caj je kad clanovi reda alterniraju po predznaku. Tada imamo sljede ci kriterij (Leibnizov):

150 Teorem 4.21 Ako red

POGLAVLJE 4. NIZOVI I REDOVI an alternira, ako je |an | |an+1 | i ako je

n

lim an = 0,

onda taj red konvergira.

Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . Ako red po cinje pozitivnim clanom, tj. ako je a1 0, onda je podniz od Sn indeksiran parnim indeksima rastu ci, onaj indeksiran neparnim indeksima je padaju ci. Ako red po cinje negativnim clanom, onda imamo obratnu situaciju. Zaista, S2n+2 = S2n + a2n+1 + a2n+2 . Kako je po pretpostavci a2n+1 0, a2n+2 0 i |a2n+1 | |a2n+2 |, imamo a2n+1 + a2n+2 0, dakle je S2n+2 S2n za svaki n N. Analogno se doka ze da je S2n1 S2n+1 za svaki n N. Nadalje, vrijedi S2n = a1 (a2 a3 ) ... (a2n2 a2n1 ) + a2n = a1 [(a2 a3 ) + ... + (a2n2 a2n1 ) a2n ]. Kako smo pretpostavili da je a2n1 pozitivan, a a2n negativan za svaki n N, te kako vrijedi |an | |an+1 |, imamo da je S2n razlika od a1 i strogo pozitivnog broja, tj. S2n je omeden s a1 . Analogno se doka ze da je S2n1 takoder omeden sa a1 . Kako je niz S2n odnosno S2n1 rastu ci odnosno padaju ci, iz Teorema 4.6 slijedi da su nizovi konvergentni. Nadalje, vrijedi
n

lim |S2n+1 S2n | = lim |a2n+1 | = 0,

n

dakle nizovi S2n i S2n1 konvergiraju istom limesu S , koji je suma reda jer je S2n S S2n1 , za svaki n N. Kako je niz (an ) alterniraju ci i vrijedi |an | |an+1 |, imamo da je pogre ska aproksimacije sume S reda an sa Sn manja od apsolutne vrijednosti prvog ispu stenog clana, tj. |Rn | = |S Sn | |an+1 |, i istog je predznaka kao taj clan.

4.3. KRITERIJI KONVERGENCIJE Primjer 4.17 Iz Teorema 4.21 izravno slijedi da red (1)n 1 n

151

s kojim smo se sreli u prija snjim primjerima konvergira.

Poglavlje 5 Funkcije
5.1
5.1.1

Osnovni pojmovi
Motivacija i denicija

Mnoge su veli cine u prirodi i u zivotu ovisne o drugim veli cinama: opseg kru znice o njenom polumjeru; cijena dijamanta o njegovoj te zini, cisto ci, manama, bru senju; uspjeh na ispitu o ulo zenom trudu, kvaliteti nastavnih materijala, sklonosti prema predmetu. Matemati cki modeli takvih situacija temelje se na pojmu funkcije. Kad se veli cine koje promatramo daju dobro kvanticirati, njihov odnos promatramo pomo cu realnih funkcija realne varijable. Denicija 5.1 Neka su dani neprazni skupovi X i Y . Funkcija ili preslikavanje sa X u Y je pravilo f koje svakom elementu x iz X pridru zuje jedan jedini element iz Y . Element y iz Y pridru zen elementu x iz X se zove vrijednost funkcije f na elementu x; elementi iz X su argumenti funkcije f . To pridru zivanje se ozna cuje y = f (x), ili f : x y, ili x f (x). 153

154

POGLAVLJE 5. FUNKCIJE

Skup X se zove podru cje denicije ili domena funkcije f . Skup Y se zove kodomena funkcije f . Skup svih mogu cih vrijednosti funkcije f (u oznaci R(f )) zove se podru cje vrijednosti ili slika funkcije f . Prirodna domena funkcije f (u oznaci D(f )) je skup svih mogu cih argumenata za koje se mo ze odrediti vrijednost funkcije. Problem odredivanja prirodne domene pojavljuje se kad domena nije specicirana. Napomena 5.1 Za proizvoljnu funkciju f : X Y o cito vrijedi R(f ) Y . Dakle za funkciju f koja elementima iz X pridru zuje elemente iz Y imamo sljede ce oznake f : X Y ili, ako zelimo biti precizniji, f : D(f ) R(f ). Neka je funkcija f : X Y , te neka je A X . Tada funkciju g : A Y deniranu sa g (x) = f (x), za svaki x A, zovemo restrikcija funkcije f na skup A i ozna cavamo sa g = f |A . Neka je funkcija f : X Y , te neka je A X . Tada funkciju g : A Y za koju vrijedi g (x) = f (x) za svaki x X , zovemo pro sirenjem funkcije f na skup A. Pro sirenje ne mora biti jedinstveno. Ako su veli cine, ciju ovisnost (odnos) promatramo, takve da se svaka mo ze izraziti realnim brojem, mo zemo to modelirati funkcijom ciji su argumenti i cije su vrijednosti realni brojevi. Govorimo o realnim funkcijama realne varijable. Pi semo f : R R, pri cemu i domena i slika mogu biti podskupovi skupa R. Veli cinu x je uobi cajeno nazivati argumentom ili nezavisnom varijablom, a veli cinu y zavisnom varijablom; veli cinu x mo zemo mijenjati po volji, a vrijednost veli cine y ovisi, na na cin propisan pravilom f , o vrijednosti veli cine x.

5.1. OSNOVNI POJMOVI

155

5.1.2

Na cini zadavanja funkcije

Imamo tri osnovna na cina zadavanja funkcije tj. opisivanja funkcijske ovisnosti: tabli cno, gra cki i formulom (analiti ckim izrazom). Dakako, svaki od tih na cina ima svoje prednosti i mane. - Prednost tabli cnog zadavanja ili opisivanja funkcije je da je ponekad to jedini na cin zadavanja, a mana je da ne znamo vrijednosti funkcije izvan podru cja podataka tablice i izmedu vrijednosti u kojima je poznata funkcija. - Ako imamo gra cki opisanu funkciju, onda su prednosti zornost, kompaktnost, preglednost, dok su mane neto cnost o citavanja i nemogu cnost kori stenja vrijednosti izvan crtanog podru cja. - Za fukciju zadanu formulom prednost je da znamo sve o funkciji, dok je mana netrivijalnost dola zenja do tih informacija. Dakako, prela zenje iz jednog oblika u drugi je mogu ce, ali u nekim slu cajevima to je vrlo te sko. - Prelazak iz tabli cnog oblika u gra cki je lagan, naravno ako imamo dovoljan broj tabli cnih vrijednosti. - Problem da se na osnovi tabli cnih vrijednosti funkcije dobije formula funkcije je vrlo netrivijalan. Koriste se metode interpolacije, aproksimacije, itd. Klju cno je imati dobru ideju o mogu coj klasi funkcija kojoj na sa funkcija pripada. - Prijelaz iz gra ckog oblika u tabli cni je lagan, do na to cnost o citavanja. - Problem pronala zenja formule funkcije na osnovi poznavanja njenog grafa je sli can problemu pronala zenja formule funkcije pri poznavanju tabli cnih vrijednosti, tj. vrlo je netrivijalan problem. Prvo treba iz oblika grafa pogoditi u koju skupinu spada ta funkcija, a nakon toga odrediti njene numeri cke parametre. celno trivijalno dobivanje - Naravno, ako znamo formulu funkcije, onda je na tablice vrijednosti iste funkcije.

156

POGLAVLJE 5. FUNKCIJE - Na kraju, problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak, no izvediv. U nastavku cemo se baviti ovim problemom.

5.1.3

Graf funkcije

Funkcije se zorno prikazuju grafovima. Graf funkcije f je krivulja u ravnini koja sadr zi to cke cije su koordinate vezane funkcijom f , tj. graf funkcije f dobijemo kad sve parove oblika (x, f (x)), x D(f ), prika zemo u koordinatnom sustavu. Denicija 5.2 Graf realne funkcije f realne varijable f : D(f ) R(f ) je skup (f ) = {(x, f (x)); x D(f )} R2 . Drugim rije cima, graf funkcije f sadr zi sve to cke ravnine (x, y ) za koje je y = f (x), i gra cki prikazuje ovisnost y R(f ) o x D(f ) zadanu funkcijom f .
y f(x) f(x2)

0 f(x1)

x1

x2

Slika 5.1: Koordinate to caka na grafu funkcije. Napomena 5.2 Uo cimo da vrijedi: D(f ) = x (f ) (tj. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = y (f ) (tj. projekcija grafa na y -os je slika od f ).

5.1. OSNOVNI POJMOVI

y

157

(f)
0 x

Slika 5.2: Graf funkcije f i njegove projekcije na koordinatne osi. Napomena 5.3 Uo cimo da nije svaka krivulja u ravnini graf neke funkcije. Npr. kru znica u ravnini nije graf niti jedne funkcije, jer postoji pravac paralelan s y osi koji sije ce kru znicu u dvije to cke, a to zna ci da se jednom realnom broju pridru zuju dvije vrijednosti funkcije, sto je suprotno s denicijom funkcije.

Iz Napomene 5.3 zaklju cujemo: da bi krivulja u ravnini bila graf neke funkcije nu zno i dovoljno je da svaki pravac paralelan s osi y sije ce krivulju u najvi se jednoj to cki.
y

x0 0 x

Slika 5.3: Primjer krivulje koja nije graf funkcije.

158

POGLAVLJE 5. FUNKCIJE

Nuli ste funkcije f je vrijednost argumenta za koju je vrijednost funkcije jednaka nuli, tj. x0 D(f ) je nuli ste funkcije f ako je f (x0 ) = 0. Dakle, nuli sta funkcije f se nalaze rje savanjem jednad zbe f (x) = 0 u skupu D(f ). Gledamo li graf funkcije f , onda su nulto cke od f presjeci sta grafa funkcije i x osi, tj. to cke oblika (x0 , 0) (f ). Nuli ste je apscisa nulto cke. Napomena 5.4 Presjek grafa funkcije f s osi y (ako postoji) je (najvi se jedna) to cka s apscisom 0 i ordinatom f (0). To, dakako, ne mora biti nulto cka funkcije (npr. f (x) = cos x, za x = 0 je f (0) = 1), pa ovu to cku ne smijemo pobrkati s nulto ckama. Osim podru cja denicije, podru cja vrijednosti i nulto caka, kao sto smo rekli, iz grafa funkcije jo s mo zemo vidjeti lokalne i globalne ekstreme (tj. to cke u kojima funkcija posti ze lokalni ili globalni maksimum ili minimum, ako postoje), intervale monotosti (tj. podru cja gdje funkcija raste ili pada), to cke prekida i asimptotsko pona sanje.

5.1.4

Pojmovi zna cajni za realne funkcije realne varijable

Pojam funkcije je vrlo op cenit i obuhva ca sve mogu ce vrste ovisnosti jedne veli cine o drugoj. Pokazuje se da najve ci broj funkcija koje se pojavljuju u primjenama ima i neka dodatna svojstva. U ovoj to cki bavit cemo se pojmovima i svojstvima funkcija koja su karakteristi cna za funkcije koje opisuje ovisnost jedne kvantitativne veli cine o drugoj (tj. realne funkcije realne varijable). Ti su pojmovi vezani uz usporedbe vrijednosti, ekstremne vrijednosti, bliskost argumenata i sli cno. Neka je interval I = a, b R sadr zan u podru cju denicije funkcije f , tj. I D(f ). Tada ka zemo da funkcija f raste na intervalu I ako za svake dvije vrijednosti x1 , x2 I za koje je x1 < x2 vrijedi f (x1 ) f (x2 ). Ako za takve dvije vrijednosti x1 , x2 I vrijedi f (x1 ) f (x2 ), ka zemo da funkcija f pada zemo da je funkcija f na I . Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge, ka strogo raste, odnosno strogo pada na I . Ako funkcija f ne mijenja pona sanje na intervalu I (tj. f je (strogo) padaju ca ili (strogo) rastu ca na I ), ka zemo da je f (strogo) monotona na intervalu I .

5.1. OSNOVNI POJMOVI

159

Funkcija raste (pada) u to cki x0 R ako raste (pada) na nekom intervalu I koji sadr zi to cku x0 . Primjer 5.1 1. Funkcija f : R R zadana formulom f (x) = x je denirana na cijelom R, tj. D(f ) = R, i strogo je rastu ca na svakom intervalu u R, pa i na cijelom R. Posebno, funkcija f (x) = x je strogo rastu ca u svakoj to cki iz R, i strogo je monotona na svakom intervalu u R. 2. Funkcija f : R R zadana formulom f (x) = x je denirana na cijelom R, tj. D(f ) = R, i strogo je padaju ca na svakom intervalu u R, pa i na cijelom R. Posebno, funkcija f (x) = x je strogo padaju ca u svakoj to cki iz R, i strogo je monotona na svakom intervalu u R. 3. Funkcija f : R R zadana formulom f (x) = 5 je denirana na cijelom R, tj. D(f ) = R. Uo cimo da je funkcija f (x) = 5 i rastu ca i padaju ca (ali ne strogo) na svakom intervalu u R, pa i na cijelom R. Posebno, funkcija f (x) = 5 je monotona u svakoj to cki iz R. 4. Funkcija f : R R zadana formulom f (x) = x2 je denirana na cijelom R, tj. D(f ) = R, i slika su joj svi nenegativni realni brojevi, tj. R(f ) = {x R : x 0}. Funkcija f (x) = x2 je strogo rastu ca na svakom intervalu u [0, + i strogo padaju ca na svakom intervalu u , 0]. Dakle, funkcija f (x) = x2 je strogo rastu ca u svakoj to cki iz 0, + , strogo padaju ca u svakoj to cki iz , 0 , dok u 0 nije ni rastu ca ni padaju ca. Svaki interval oblika x0 , x0 + gdje je to cka x0 R i R, > 0, zovemo okolina to cke x0 . Ako za sve to cke x iz neke okoline to cke x0 D(f ) vrijedi f (x) f (x0 ), ka zemo da u to cki x0 funkcija f ima lokalni maksimum. Analogno, ako postoji > 0 takav da za x0 D(f ) vrijedi x0 , x0 + D(f ) i ako je f (x) f (x0 ),

160

POGLAVLJE 5. FUNKCIJE

za svaki x x0 , x0 + , onda ka zemo da funkcija f u to cki x0 ima lokalni minimum. Ako su nejednakosti stroge, govorimo o strogom lokalnom maksimumu odnosno minimumu. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. Ako vrijedi f (x) f (x0 ) za sve x D(f ), onda ka zemo da funkcija f ima u x0 D(f ) globalni maksimum; ako je f (x) f (x0 ) za sve x D(f ), onda ka zemo da funkcija f ima u x0 D(f ) globalni minimum. Analogno, ako su nejednakosti stroge, govorimo o strogom globalnom maksimumu odnosno minimumu. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. Primjer 5.2 1. Funkcija f : R R zadana formulom f (x) = x2 je strogo rastu ca na svakom intervalu u [0, + i strogo padaju ca na svakom intervalu u , 0]. Dakle, u to ckama iz R \ {0} f nema lokalnih ekstrema. Nadalje, o cito je da je 0 strogi lokalni minimum za svaku okolinu oko 0, dakle je i strogi globalni minimum. 2. Funkcija f : R R zadana formulom f (x) = x2 je strogo padaju ca na svakom intervalu u [0, + a strogo rastu ca na svakom intervalu u , 0]. Dakle u to ckama iz R \ {0} f nema lokalnih ekstrema. Nadalje, o cito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0, dakle je i strogi globalni maksimum. 3. Funkcija f : R R zadana formulom f (x) = 5 je i rastu ca i padaju ca na svakom intervalu u R, dakle svaki x R je lokalni maksimum i minimum, pa i globalni maksimum i minimum. 4. Funkcija f : R R zadana formulom f (x) = x je strogo rastu ca na svakom intervalu u R, pa i na cijelom R. Dakle f nema lokalnih pa ni globalnih ekstrema. cimo, ako je x0 D(f ) lokalni ekstrem funkcije f , onda on Napomena 5.5 Uo ne mora biti i globalni, dok je svaki globalni ekstrem i lokalni.

5.1. OSNOVNI POJMOVI

10 5

161

-10

-5 -5 -10

10

Slika 5.4: Primjer funkcije s lokalnim ekstremima. Problem nala zenja ekstrema je vrlo bitan. Uglavnom zahtijeva primjenu diferencijalnog ra cuna. Kod nala zenja globalnih ekstrema se pojavljuje problem ruba podru cja (jer ima funkcija kojima je prirodno podru cje vrijednosti segment ili poluotvoreni interval, tj. D(f ) = [a, b], D(f ) = [a, b ili D(f ) = a, b]), gdje nam metode diferencijalnog ra cuna ne poma zu (jer nisu primjenjive na rubovima segmenta). Ako je podru cje denicije funkcije f simetri cno s obzirom na ishodi ste, tj. x D(f ) povla ci x D(f ), onda ima smisla promatrati pona sanje vrijednosti funkcije kod promjene predznaka argumenta. Ako vrijedi f (x) = f (x), za svaki x D(f ) , onda ka zemo da je funkcija f parna. Ako vrijedi f (x) = f (x), za svaki x D(f ), onda ka zemo da je funkcija f neparna. cito je graf parne funkcije krivulja zrcalno simetri cna s obzirom Napomena 5.6 O na y os, dok je graf neparne funkcije krivulja centralno simetri cna s obzirom na ishodi ste. Primjer 5.3 1. Funkcije f (x) = x2 , f (x) = x4 , f (x) = |x|, f (x) = parne fukcije. 2. Funkcije f (x) = x, f (x) = x3 , f (x) = x|x| su neparne.
1 , |x|

su

162

POGLAVLJE 5. FUNKCIJE

5 4 3 2 -2 -1 1 2

10 7.5 5 2.5 -1 1 2 3 -3 -2-2.5 -5 -7.5 -10

Slika 5.5: Primjer parne (lijevo) i neparne (desno) funkcije. Primjer 5.4 Neka je funkcija f : R R takva da ima svojstvo da je i parna i neparna. Dakle imamo da vrijedi f (x) = f (x) = f (x), tj. f (x) = 0 za svaki x R. Zaklju cujemo da je jedina funkcija s tim svojstvom-nul funkcija. Pona sanje funkcije u blizini rubova prirodnog podru cja denicije zovemo njenim asimptotskim pona sanjem. Jasno je da rubovi prirodnog podru cja denicije mogu biti kona cni i beskona cni (npr. za funkciju deniranu formulom f (x) = x je D(f ) = [0, + , tj. jedan rub je kona can a drugi beskona can). Imamo sljede ce mogu ce slu cajeve pona sanja funkcije u blizini rubova prirodnog podru cja denicije funkcije: 1. Rub prirodnog podru cja denicije funkcije je kona can: a) Funkcija je denirana u rubu prirodnog podru cja denicije. Npr. neka je funkcija f : [1, 1] R dana formulom f (x) = 1 x2 . Funkcija iz na seg primjera ima i u drugom rubu x = 1 regularnu to cku. Tada je o cito f denirana u kona cnom rubu prirodnog podru cja denicije, tj. postoji i kona can je broj f (1). Takav je rub regularna to cka. cja denicije ali ima b) Funkcija nije denirana u rubu prirodnog podru svojstvo da kad se argumenti iz prirodnog podru cja denicije proizvoljno

5.1. OSNOVNI POJMOVI

163

pribli zavaju rubu vrijednosti funkcije ostaju kona cne. (Npr. neka je funkcija f : 0, + R dana formulom f (x) = xx . Tada o cito f nije denirana u kona cnom rubu prirodnog podru cja denicije, ali ako se argumenti proizvoljno pribli zavaju to cki 0 vrijednost funkcije se pribli zava (ali ne dose ze) vrijednost 1.) c) Funkcija nije denirana u rubu prirodnog podru cja denicije i ima svojstvo da kad se argumenti iz prirodnog podru cja denicije proizvoljno pribli zavaju rubu vrijednost funkcije raste ili pada u + ili . Ako je a R taj rub, onda se graf funkcije proizvoljno blizu pribli zava vertikalnom pravcu x = a, ali ga nikada ne ce sje ci ili dotaknuti (jer funkcija uop ce nije denirana u tom rubu). (Npr. neka je funkcija 1 . Tada o cito f nije f : 1, + R dana formulom f (x) = x 1 denirana u kona cnom rubu prirodnog podru cja denicije i ako se argumenti proizvoljno pribli zavaju to cki 1 vrijednost funkcije raste u +. Graf funkcije f se po volji blizu pribli zava pravcu x = 1.)

1 x

Slika 5.6: Pona sanje funkcije u kona cnom rubu podru cja denicije. cja denicije funkcije je beskona can; 2. Rub prirodnog podru a) Vrijednost funkcije raste ili pada u + ili kada argumenti prirodnog podru cja denicije idu u beskona cni rub, tj. + ili , ali taj rast ili pad je br zi od rasta ili pada svakog pravca u ravnini. To zna ci da, ne postoji pravac kojem se graf funkcije po volji blizu pribli zava kada argumenti prirodnog podru cja denicije idu u beskona cni rub. (Npr. neka je funkcija f : [0, + R dana formulom f (x) = 2x . Tada o cito f strogo raste u +, i to br ze od svakog pravca.)

164

POGLAVLJE 5. FUNKCIJE b) Vrijednost funkcije raste ili pada u + ili kada argumenti prirodnog podru cja denicije idu u beskona cni rub, tj. + ili , i taj rast ili pad je jednak rastu ili padu nekog kosog pravca u ravnini (tj. y = ax + b i a = 0, jer kad bi a bio nula tada vrijednosti funkcije ne bi rasle ili padale u beskona cnost). Dakle, postoji pravac kojem se graf funkcije po volji blizu pribli zava kada argumenti prirodnog podru cja denicije idu u beskona cni rub. (Npr. neka je funkcija f : R R dana formulom f (x) = x ex . Tada za velike vrijednosti od x izraz ex postaje vrlo mali, i cijeli izraz x ex je dobro aproksimiran izrazom x. Dakle, zaklju cujemo, kada argument funkcije f ide u +, graf funkcije f se proizvoljno blizu pribli zava pravcu y = x). cnom broju a, ali nikad c) Vrijednost funkcije raste ili pada prema kona ga ne dosti ze, kada argumenti prirodnog podru cja denicije idu u beskona cni rub. To zna ci da se graf funkcije po volji blizu pribli zava pravcu y = a kada argumenti prirodnog podru cja denicije idu u beskona cni rub. (Npr. neka je funkcija f : R R dana formulom f (x) = ex +1. O cito, kada argument x ide u +, tada se vrijednost x izraza e + 1 proizvoljno blizu pribli zava broju jedan. Odnosno, kada argumenti funkcije f postaju dovoljno veliki, graf funkcije se proizvoljno blizu (odozgo) pribli zava pravcu y = 1).

Slika 5.7: Pona sanje funkcije u beskona cnom rubu podru cja denicije. Ako postoji pravac kojem se graf funkcije po volji blizu pribli zava, ka zemo da funkcija (odnosno njen graf) ima asimptotu. Postoje horizontalne, vertikalne i kose asimptote. Funkcija mo ze imati vertikalnu asimptotu samo u kona cnom rubu, a druge dvije

5.1. OSNOVNI POJMOVI samo u beskona cno dalekom rubu domene.

165

Napomena 5.7 Ako funkcija ima asimptotu, onda ona mo ze imati najvi se jednu asimptotu u jednom rubu. Kad bi imala dvije asimptote u jednom rubu, zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribli zava svakoj od asimptota, slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribli zavaju jedna drugoj. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. pravac). Denirajmo sada pojam neprekidnosti funkcije. Intuitivno, funkcija je neprekidna ako se njezin graf mo ze nacrtati bez podizanja olovke s papira. Denicija 5.3 Realna funkcija realne varijable f : I = a, b R, gdje je I D(f ), je neprekidna u to cki x0 I ako ( > 0)( > 0) takav da (|x x0 | < ) (|f (x) f (x0 )| < ). Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj to cki intervala I. Denicija 5.3 ka ze da je funkcija f : I = a, b R neprekidna u x0 I ako za proizvoljnu okolinu oko vrijednosti f (x0 ) postoji okolina oko x0 koja se cijela preslika u okolinu oko f (x0 ). Odnosno, ako ( > 0)( > 0) takav da je f ( x0 , x0 + ) f (x0 ) , f (x0 ) + . Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Primjer 5.5 Neka je dana funkcija sign : R R formulom 1, x > 0 sign x = 0, x = 0 1 x < 0 Funkcija f ima prekid u 0, dok je u svim drugim to ckama neprekidna.
1 Uzmimo = 2 . Tada za svaki > 0 i sve x R za koje je |x 0| = |x| < 1 . Dakle nula je to cka prekida od f . vrijedi |f (x) f (0)| = |f (x)| = 1 > 2

166

POGLAVLJE 5. FUNKCIJE

y 1
0

x 1

Slika 5.8: Funkcija sign(x). Ako je x0 > 0, onda za proizvoljni > 0 i za = |x0 | imamo da za sve x R za koje je |x x0 | < vrijedi |f (x) f (x0 | = |1 1| = 0 < , tj. funkcija je neprekidna u x0 . Analogo se doka ze za x0 < 0.

Denicija 5.4 Realna funkcija realne varijable f : I = a, b R, gdje je I D(f ), je ograni cena ili omedena na I ako postoje realni brojevi m, M R takvi da je m f (x) M, za svaki x I . Napomena 5.8 Ako u Deniciji 5.4 stavimo M = max{|m|, |M |} dobijemo ekvivalentnu deniciju: Realna funkcija realne varijable f : I = a, b R, gdje je I D(f ), je ograni cena na I ako postoji realan broj M R, M > 0, takav da je |f (x)| M , za svaki x I . Napomena 5.9 Iz Denicije 5.4, tj. iz uvjeta m f (x) M, za svaki x I , slijedi da je graf ograni cene funkcije sadr zan u horizontalnoj traci izmedu pravaca y = m i y = M. Napomena 5.10 Ako je funkcija f : I = a, b R neprekidna u to cki x0 I , onda je funkcija f ograni cena na nekoj okolini oko x0 .

5.1. OSNOVNI POJMOVI

167

Napomena 5.11 Ako funkcija ima prekid u to cki, onda ona mo ze ali i ne mora biti ograni cena na nekoj okolini to cke prekida. Npr. funkcija f : R R dana formulom 1 , x=0 x f (x) = 0, x = 0 ima prekid u nuli (jer kada se argument pribli zava prema nuli vrijednost funkcije raste odnosno pada prema + odnosno , dok je sama vrijednost funkcije f (0) = 0). O cito je funkcija f neograni cena na svakoj okolini oko nule. S druge strane, funkcija sign : R R iz Primjera 5.5 za koju znamo da ima prekid u nuli je o cito ograni cena na svakoj okolini oko nule.

5.1.5

Osnovne ra cunske operacije s funkcijama

Za dane dvije realne funkcije realne varijable postavlja se pitanje mo zemo li, i kako, vr siti ra cunske operacije s njima? Elementarne ra cunske operacije s funkcijama deniraju se preko operacija nad njihovim vrijednostima, tj. realnim brojevima, tako da smo operacije s funkcijama denirali dosta prirodno (onako kako smo i o cekivali). Za zadane dvije funkcije f, g : R R, deniramo njihov - zbroj ili razliku s (f g )(x) = f (x) g (x), pri cemu je x D(f ) D(g ), tj. D(f g ) = D(f ) D(g ); - produkt s (f g )(x) = f (x)g (x), pri cemu je x D(f ) D(g ), tj. D(f g ) = D(f ) D(g ); - kvocijent s
f g

(x) =

f (x) , g (x)

168

POGLAVLJE 5. FUNKCIJE pri cemu je x D(f ) D(g ) ali takav da je g (x) = 0, tj. D
f g

= (D(f ) D(g )) \ {x D(g ) : g (x) = 0}.

Napomena 5.12 Primijetimo da je za proizvoljnu funkciju f : R R i proizvoljni R funkcija h : R R dana formulom h(x) = f (x) u stvari produkt funkcija f : R R i g : R R, gdje je g konstantna funkcija g (x) = za svaki x R. Funkciju h ozna cavamo sa f i o cito je D(f ) = D(f ). Dakle imamo denirano mno zenje funkcije skalarom.
c denirano zbrajanje funkcija i mno zenja funkcija skalarom (NapomNapomena 5.13 Uz ve ena 5.12) o cito je da je skup svih funkcija f : R R vektorski prostor (Denicija 1.5). Preciznije, skup svih realnih funkcija realne varijable je beskona cno dimenzionalan vektorski prostor. Beskona cno dimenzionalan je jer ne mo zemo na ci niti jednu kona cnu bazu za taj pros2 n tor. Npr. skup funkcija {1, x, x , ..., x } je linearno nezavisan skup za svaki n N (linearna nezavisnost proizlazi iz Teorema 5.3), dakle beskona cni skup {xn , n = 0, 1, ...} je sadr zan u nekoj bazi od vektorskog prostora realnih funkcija realne varijable.

Pogledajmo sada neke specijalne slu cajeve ra cunskih operacija s funkcijama. Neka su f, g : R R, pri cemu je f proizvoljna, a g dana formulom g (x) = c, c R. Uo cimo da je D(g ) = R, pa je D(f g ) = D(f ), D(f g ) = D(f ) i g D f = {x D(f ) : f (x) = 0}. 1. Pogledajmo funkciju f + g u ovisnosti o c R. a) Ako je c = 0, onda je (f + g )(x) = f (x) za svaki x D(f ). Tj. graf funkcije f + g je isti kao i graf funkcije f . b) Ako je c > 0, onda je (f + g )(x) = f (x) + c za svaki x D(f ). Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. c) Ako je c < 0, onda je (f + g )(x) = f (x) c za svaki x D(f ). Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema dolje.

5.1. OSNOVNI POJMOVI

169

f(x)+c c f(x) x

Slika 5.9: Graf funkcije f (x) + c za c > 0. 2. Pogledajmo funkciju f g u ovisnosti o c R. a) Ako je c = 0, onda je (f g )(x) = 0 za svaki x D(f ). Graf funkcije f g je pravac y = 0 ili x os. b) Ako je 0 < c < 1, onda je (f g )(x) = cf (x) za svaki x D(f ), tj. vrijedi |(f g )(x)| |f (x)|, pri cemu jednakost vrijedi samo u nulto ckama od f . Dakle, funkcija f g ima iste nulto cke kao i funkcija f , dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. Graf funkcije f g je sli can grafu funkcije f , samo je usporen pad i rast funkcije f .
y 2 f(x)

f(x) x

Slika 5.10: Graf funkcije 2f (x).

170

POGLAVLJE 5. FUNKCIJE c) Ako je c > 1, onda je (f g )(x) = cf (x) za svaki x D(f ), tj. vrijedi |(f g )(x)| |f (x)|, pri cemu jednakost vrijedi samo u nulto ckama od f . Dakle, funkcija f g ima iste nulto cke kao i funkcija f , dok su druge vrijednosti po apsolutnoj vrijednosti uve cane c puta. Graf funkcije f g je sli can grafu funkcije f samo je ubrzan pad i rast funkcije f . d) Ako je c = 1, onda je (f g )(x) = f (x) za svaki x D(f ). Graf funkcije f g je isti kao i graf funkcije f . e) Ako je c = 1, onda je (f g )(x) = f (x) za svaki x D(f ). Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os.

f(x) x f(x)

Slika 5.11: Graf funkcije f (x). f) Ako je 1 < c < 0, onda je (f g )(x) = cf (x) za svaki x D(f ), tj. vrijedi |(f g )(x)| |f (x)|, pri cemu jednakost vrijedi samo u nulto ckama od f . Dakle, funkcija f g ima iste nulto cke kao i funkcija f , dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta, ali su suprotnog predznaka. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g |)(x) = |c|f (x) s obzirom na x os. g) Ako je c < 1, onda je (f g )(x) = cf (x) za svaki x D(f ), tj. vrijedi |(f g )(x)| |f (x)|, pri cemu jednakost vrijedi samo u nulto ckama od f . Dakle, funkcija f g ima iste nulto cke kao i funkcija f , dok su druge vrijednosti po apsolutnoj vrijednosti uve cane |c| puta, ali su suprotnog

5.1. OSNOVNI POJMOVI

171

predznaka. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g |)(x) = |c|f (x) s obzirom na x os. 3. Pogledajmo funkciju
g f

u ovisnosti o c R. .
g f

g a) Ako je c = 0, onda je f (x) = 0 za svaki x D

, tj. funkcija

g f

je jednaka pravcu y = 0 na skupu D

g f

g g b) Ako je c = 1, onda je f (x) = f (1x) za svaki x D f . Uo cimo prvo g cke. Ako funkcija f ima nulto cke, onda o cito da funkcija f nema nulto g funkcija f u njima nije denirana. Nulto cke od f su rubovi prirodnog g g podru cja denicije od f (to cka 5.1.4), tj. funkcija f u njima ima vertikalne asimptote. Dakle, kada se argument x pribli zava nulto cki g od f funkcija f ce rasti odnosno padati u + odnosno . Na g ostalim podru cjima funkcija f ce rasti s vrijednostima f (1x) tamo gdje g funkcija f pada i obratno, gdje funkcija f raste, tamo funkcija f pada.

Ostale situacije u ovisnosti o c R svode se na slu cajeve 2 b), c), f), g) i 3 b). cito je zbroj dviju rastu cih funkcija rastu ca funkcija (na poNapomena 5.14 O dru cju gdje je zbroj deniran). Zbroj dviju padaju cih funkcija je padaju ca funkcija. Za ostale operacije ova tvrdnja ne vrijedi, npr. za f, g : R R dane formulama f (x) = x2 i g (x) = x znamo da su obje strogo rastu ce na , 0 ali funkcije (f g )(x) = x3 i f (x) = x g

su strogo padaju ce na , 0 .

172

POGLAVLJE 5. FUNKCIJE

Pogledajmo jo s kako se elementarne operacije sla zu s parno s cu odnosno neparno s cu. Neka su f, g : R R funkcije. Tada izravno iz denicije parnosti i neparnosti imamo: 1. Ako su obje neparne, onda je funkcija f g neparna, te funkcije f g i obje parne. 2. Ako su obje parne, onda su funkcije f g , f g i
f g f g

sve parne.

3. Ako je jedna funkcija, recimo g , neparna a f parna, onda funkcija f g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija, Primjer obje neparne. 5.4), dok su funkcije f g i f g

5.1.6

Kompozicija funkcija

Ponekad je o funkcijama korisno razmi sljati kao o strojevima koji uzimaju odredenu sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu. Kao sto cesto izlaz jednog stroja slu zi kao ulaz drugome, tako cesto i vrijednost jedne funkcije slu zi kao argument druge. Tim se postupkom mogu stvarati nove funkcije. Matemati cki se to formalizira pojmom kompozicija funkcija.
h

f A B

g C

Slika 5.12: Kompozicija funkcija. Denicija 5.5 Za dane funkcije f : A B i g : B C deniramo funkciju h : A C koju zovemo kompozicija funkcija f i g (u oznaci g f ) formulom (g f )(x) = g (f (x)), za svaki x D(f ) takav da je f (x) D(g ). Dakle D(g f ) = {x D(f ) : f (x) D(g )}.

5.1. OSNOVNI POJMOVI Primjer 5.6 Odredimo kompozicije g f i f g funkcija f (x) = 3x i g (x) = 2 3x 6x = . 3x + 1 3x + 1 2x 6x = . x+1 x+1

173
2x . x+1

(g f )(x) = g (3x) = (f g )(x) = f 2x x+1

=3

Iz Primjera 5.6 vidimo da operacija kompozicije funkcija nije komutativna, tj. da je, op cenito, g f = f g . Napomena 5.15 Ako vrijednosti funkcije f mo zemo padaju u njenu domenu, funkciju f komponirati samu sa sobom. U takvom slu caju pi semo f 2 = f f . Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f .
1 Primjer 5.7 Neka je dana funkcija f (x) formulom f (x) = x . Tada je o cito D(f ) = R(f ), tj. mo zemo gledati funkciju f f . Tako imamo

(f f )(x) = sto je o cito razli cito od vrijednosti (f (x))2 =

1
1 x

= x,

1 . x2

Funkcija f : R R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sli cnu ulogu kao i broj 1 s obzirom na operaciju mno zenja realnih brojeva. Naime, za tu funkciju vrijedi g f = f g = g , za svaku funkciju g : R R. Funkciju f (x) = x zovemo identiteta i ozna cavamo je s i(x) ili id(x). Dakle imamo f id = id f = f, za proizvoljnu funkciju f . Napomena 5.16 Primijetimo da kompozicija f id = id f = f uvijek postoji za svaku funkciju f , jer je D(id f ) = D(f id) = D(f ).

174

POGLAVLJE 5. FUNKCIJE

Pogledajmo jo s neka svojstva kompozicije funkcija. 1. Monotonost kompozicije u ovisnosti o monotonosti komponenata. a) Ako su funkcije f i g rastu ce, onda za x1 , x2 D(g f ) takve da vrijedi x1 x2 imamo (g f )(x1 ) = g (f (x1 )) (zbog rasta od f i g ) g (f (x2 )) = (g f )(x2 ), tj. njihova kompozicija je rastu ca. ce, onda za x1 , x2 D(g f ) takve da b) Ako su funkcije f i g padaju vrijedi x1 x2 imamo (g f )(x1 ) = g (f (x1 )) (zbog pada od f i g ) g (f (x2 )) = (g f )(x2 ), tj. njihova kompozicija je rastu ca. c) Ako je funkcija f rastu ca a g padaju ca, onda za x1 , x2 D(g f ) takve da vrijedi x1 x2 imamo (g f )(x1 ) = g (f (x1 )) (zbog rasta od f i pada od g ) g (f (x2 )) = (g f )(x2 ), tj. njihova kompozicija je padaju ca. d) Ako je funkcija f padaju ca a g rastu ca, onda za x1 , x2 D(g f ) takve da vrijedi x1 x2 imamo (g f )(x1 ) = g (f (x1 )) (zbog pada od f i rasta od g ) g (f (x2 )) = (g f )(x2 ), tj. njihova kompozicija je padaju ca.

5.1. OSNOVNI POJMOVI 2. Parnost kompozicije u ovisnosti o parnosti komponenata.

175

a) Ako su funkcije f i g parne, onda je i kompozicija g f parna jer vrijedi (g f )(x) = g (f (x)) = g (f (x)) = (g f )(x). b) Ako su funkcije f i g neparne, onda je kompozicija g f neparna jer vrijedi (g f )(x) = g (f (x)) = g (f (x)) = g (f (x)) = (g f )(x). c) Ako je funkcija f parna a g neparna, onda je kompozicija g f parna jer vrijedi (g f )(x) = g (f (x)) = g (f (x)) = (g f )(x). d) Ako je funkcija f neparna a g parna, onda je kompozicija g f parna jer vrijedi (g f )(x) = g (f (x)) = g (f (x)) = g (f (x)) = (g f )(x).

N N P

P P P

N P

Slika 5.13: Kompozicija funkcija. zno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji 3. Va funkcija. To cnije, ako je funkcija f neprekidna u x0 , a funkcija g denirana i neprekidna u f (x0 ), onda je i kompozicija g f neprekidna u x0 , ali to cemo detaljnije razraditi kasnije.

176

POGLAVLJE 5. FUNKCIJE

5.1.7

Inverzna funkcija

Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost posti ze. To je za neke funkcije mogu ce, a za neke nije. Primjer 5.8 Tro skovi rada stroja su 200 kn/h, i jo s 500 kn za dovoz i odvoz. Jasno je da ce nas npr. 10 sati rada stroja ko stati 2500 kn. Pogledajmo sada obratni problem. Koliko si dugo mo zemo priu stiti stroj ako na raspolaganju imamo 1300 kn? Ozna cimo s x vrijeme rada stroja a s y iznos novaca. Tada je o cito iznos novca u ovisnosti o vremenu rada stroja dan s y (x) = 200x + 500. Nas zanima x(y ). Dakle imamo, 200x + 500 = 1300. Rje savaju ci tu jednad zbu po x dobijemo x = 4 h. Uspjeli smo rije siti problem, tj. za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena, i obrnuto, za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. Primjer 5.9 Neka je dana funkcija b koja svakom studentu pridru zuje broj bodova na teorijskom dijelu kolokvija, tj. b : studenti {0, 1, 2, ..., 12}. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na zalost, mo ze biti vi se studenata koji su imali nula bodova. Dakle, zaklju cujemo da ne postoji jedinstveni argument funkcije b cija je vrijednost 0. Ne mo zemo rije siti problem. Denicija 5.6 Funkcija f : A B je injekcija ako za svaki x1 , x2 D(f ) uvjet x1 = x2 povla ci f (x1 ) = f (x2 ). Drugim rije cima, injekcija razli citim vrijednostima argumenta pridru zuje razli cite funkcijske vrijednosti. Ka ze se i da f ne lijepi argumente.

5.1. OSNOVNI POJMOVI

y y

177

Slika 5.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). Napomena 5.17 Uo cimo da je uvjet injektivnosti funkcije f iz Denicije 5.6 ekvivalentan sljede cem: za x1 , x2 D(f ), f (x1 ) = f (x2 ) povla ci x1 = x2 .

Denicija 5.7 Funkcija f : A B je surjekcija ako za svaki y R(f ) postoji x D(f ) takav da je y = f (x). Napomena 5.18 Primijetimo da je svaka funkcija f : A B uvijek surjekcija na svoju sliku, tj. f : D(f ) R(f ) je uvijek surjekcija. Denicija 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. Injektivnost, surjektivnost i bijektivnost su va zna svojstva realnih funkcija. S njima se naj ce s ce susre cemo kod rje savanja jednad zbi. Surjektivnost osigurava postojanje rje senja, a injektivnost njegovu jedinstvenost. Injektivnost se na grafu realne funkcije manifestira cinjenicom da se presjek grafa i pravca y = c sastoji od najvi se jedne to cke, za bilo koji c R. Primjer 5.10 Funkcija f (x) = xn , n N, je injekcija za neparan n, ali ne i za paran n, jer pravac y = 1 sije ce graf funkcije f (x) = xn za parno n u to ckama (1, 1) i (1, 1). Primjer 5.11 U Primjeru 5.8 izra cunali smo da je x(1300) = 4. Ako sada umjesto y = 1300 uzmemo bilo koji c R i rije simo jednad zbu 200x + 500 = c,

178 dobivamo formulu za x u terminima c, x(c) = c 500 . 200

POGLAVLJE 5. FUNKCIJE

Komponiramo li (uvrstimo) formulu za c(x) i x(c), dobivamo c(x(c)) = 200 x(c(x)) = c 500 + 500 = c, 200

(200x 500) + 500 = x. 200

Denicija 5.9 Za zadanu funkciju f : A B ka zemo da ima inverznu funkciju ako postoji funkcija g : B A takva da je (f g )(x) = (g f )(x) = x. Funkciju g ozna cavamo s g = f 1 i pi semo g (x) = f 1 (x). (f f 1 )(x) = (f 1 f )(x) = x f (f 1 (x)) = f 1 (f (x)) = x. Dakle, funkcija g : B A je inverzna funkcija funkcije f : A B ako i samo ako vrijedi f g = g f = id.

4 3 2 1

-4

-2 -1 -2 -3 -4

Slika 5.15: Graf funkcije i njoj inverzne funkcije.

5.1. OSNOVNI POJMOVI

179

Napomena 5.19 Funkcija f : A B ima inverznu funkciju ako i samo ako je bijekcija. Tada je funkcija koja vrijednostima slike od f pridru zuje argumente od f dobro denirana. Neka je f : D(f ) R(f ) i za x D(f ) neka je y = f (x) R(f ). Tada je dobro denirana funkcija g : R(f ) D(f ) formulom g (y ) = g (f (x)) = x. To je o cito inverzna funkcija od f , jer je f g = g f = id. Problem odredivanja bijektivnosti mo zemo svesti na problem odredivanja injektivnosti jer je svaka funkcija surjekcija na svoju sliku. Dakle, kad govorimo o inverzima funkcija f : R R, uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. Primjer 5.12 Funkcija f : R R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5.10), no njezine restrikcije na , 0] i [0, + jesu. Dakle, f | ,0] i f |[0,+ su bijekcije s inverzima g1 : [0, + , 0], g1 (x) = x, i g2 : [0, + [0, + , g2 (x) = x. Napomena 5.20 Ako je funkcija f : R R strogo monotona, onda je ona o cito i bijekcija na svoju sliku, pa ima i inverznu funkciju. Primijetimo da ako f nije strogo monotona nego samo monotona, onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. Teorem 5.1 Inverzna funkcija strogo rastu ce funkcije je strogo rastu ca, a strogo padaju ce funkcije strogo padaju ca. Dokaz: Neka je f : R R strogo rastu ca. Tada iz Napomene 5.20 znamo da f ima inverznu funkciju g . Dakle vrijedi f g = g f = id. Kad g ne bi bila strogo rastu ca funkcija onda niti f g ne bi bila strogo rastu ca. No f g = id, a ona je strogo rastu ca funkcija. Analogno se doka ze tvrdnja ako je f strogo padaju ca.

180

POGLAVLJE 5. FUNKCIJE

Teorem 5.2 Inverzna funkcija neparne funkcije je neparna. Dokaz: Neka je funkcija f neparna bijekcija i neka je f 1 njena inverzna funkcija. Tada imamo f 1 (f (x)) = f 1 (f (x)) = x = f 1 (f (x)). Dakle, f 1 je neparna. Iz Primjera 5.12 slijedi da tvrdnju Teorema 5.2 ne mo zemo izre ci za parne funkcije. Napomena 5.21 Primijetimo da iz uvjeta f f 1 = f 1 f = id slijedi da su graf funkcije f i graf njoj inverzne f 1 zrcalno simetri cni s obzirom na pravac y = id(x) = x. Poku sajmo sada, prakti cno izra cunati, inverznu funkciju proizvoljne bijekcije f : R R. Kako za inverznu funkciju vrijedi f (f 1 (x)) = x, zaklju cujemo da se odredivanje funkcije f 1 svodi na rje savanje jednad zbe f (f 1 (x)) = x po nepoznanici f 1 (x). Primjer 5.13 Odredimo inverznu funkciju za funkciju f : R+ 0 R(f ) danu formulom f (x) = x2 4. Rje savaju ci jednad zbu f (f 1 (x)) = x po f 1 (x) dobivamo f 1 (x) = x + 4.

Predznak + odabrali smo kako bi f 1 (x) bila rastu ca funkcija, jer je f (x) rastu ca. Analogno kao u Primjeru 5.13 funkcija f (x) = xn za paran n je denirana na cijelom R i slika joj je [0, + , ali nije bijekcija. Ako zelimo prona ci inverznu funkciju od f moramo f restringirati na , 0] ili [0, + gdje je bijekcija. Tada je njena inverzna funkcija g : [0, + , 0] odnosno

5.2. PREGLED ELEMENTARNIH FUNKCIJA

181

g : [0, + [0, + dana formulom n x odnosno n x. Ako je n neparan, onda je f bijekcija sa R u R i inverzna funkcija joj je g : R R dana formulom g (x) = n x. i za funkcije koje imaju inverze, nije uvijek mogu Cak ce te inverzne funkcije eksplicitno zapisati pomo cu elementarnih funkcija. Primjer takve funkcije je x f (x) = xe . Restrikcija te funkcije na interval [1, + je bijekcija, tj. ima inverznu funkciju, no ona se ne mo ze izraziti kao kona cna kombinacija elementarnih funkcija.
0.8 0.6 0.4 0.2 -3 -2 -1 -0.2 -0.4 1 2

Slika 5.16: Graf funkcije f (x) = xex .

5.2

Pregled elementarnih funkcija

Funkcije koje se u primjeni naj ce s ce pojavljuju dobile su tijekom povijesti posebna imena i oznaku. Naj ce s ce i najjednostavnije zovemo elementarnim funkcijama. S mnogima od njih smo se ve c susreli tijekom dosada snjeg obrazovanja pa u ovom odjeljku samo ukratko podsje camo na njihova osnovna svojstva. Osim elementarnih postoje i tzv. specijalne funkcije kojima se ovdje ne cemo baviti. Pojam funkcije je vrlo op cenit i obuhva ca i tipove ovisnosti koji nemaju veliku prakti cnu primjenu.

182

POGLAVLJE 5. FUNKCIJE

5.2.1

Klasikacija i podjela realnih funkcija

1. Elementarne a) Algebarske - Polinomi - Racionalne funkcije - Ostale algebarske funkcije b) Transcendentne - Eksponencijalne - Logaritamske - Trigonometrijske - Ciklometrijske - Hiperboli cke - Area 2. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale

5.2.2

Polinomi

Za svaki realan broj x mogu ce je izra cunati svaku njegovu potenciju s nenegativnim cjelobrojnim eksponentom k 0, xk = x x x .
k

Po deniciji stavljamo x0 = 1, za svaki x R. Zbrajaju ci kona cno mnogo takvih potencija istog broja x R, mno zenih nekim koecijentima, dolazimo do pojma

5.2. PREGLED ELEMENTARNIH FUNKCIJA

183

polinoma. Polinomi su konceptualno najjednostavije funkcije. Vrijednost polinoma P (x) mo ze se izra cunati kona cnim brojem operacija zbrajanja i mno zenja za svaki realan broj x. Dakle je svaki polinom deniran na cijelom skupu R. Denicija 5.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom
n

Pn (x) =
i=0

ai xi = an xn + an1 xn1 + . . . + a2 x2 + a1 x + a0 .

Ovdje podrazumijevamo da je an = 0. Stupanj polinoma je najvi sa potencija nezavisne varijable x u formuli za Pn (x). Realne konstante an , . . . ,a1 , a0 su koecijenti polinoma Pn (x). Koecijent an je vode ci, a a0 je slobodni koecijent.
10 7.5 5 2.5 -3 -2 -1 -2.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200

60 40 20 -2 -1 -20 -40 1 2 3 4

Slika 5.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 1)(x2 4) = x6 5x4 +4x2 , P5 (x) = x(x 2)(x 4)2 (x +3) = x5 7x4 + 2x3 +64x2 96x, P4 = (x 1)(x 3)(x +2)2 i P7 = (x +1)(x 1)3 (x 2)(x 3)2 . Denicija 5.11 Dva polinoma P i Q su jednaka, ako su jednaki kao funkcije, tj. P, Q : R R su jednaki ako je P (x) = Q(x) za svaki x R. Polinom P : R R takav da vrijedi P (x) = 0 za svaki x R zovemo nulpolinom.

184

POGLAVLJE 5. FUNKCIJE
n

Teorem 5.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = ... = an = 0.
i=0

ai xi jest nulpoli-

Kao posljedicu Teorema 5.3 mo zemo sada dati drugu karakterizaciju jednakosti polinoma iz Denicije 5.11, tj.:
n m

Teorem 5.4 Polinomi Pn (x) =

i=0

a i x i Q m ( x) =
i=0

bi xi su jednaki ako i

samo ako je m = n i ai = bi , za sve i = 0, 1, ..., n.

Broj x0 R za koji je Pn (x0 ) = 0 je realna nulto cka polinoma Pn . Pravilnije bi bilo re ci da je takav broj nuli ste polinoma, a to cka u kojoj graf polinoma sije ce os x da je nulto cka. Apscisa nulto cke je nuli ste, a ordinata je, naravno, 0. Ka zemo da je x0 nulto cka k -tog reda polinoma Pn ako je Pn (x) = (x x0 )k Qnk (x), pri cemu je Qnk (x) polinom stupnja n k u varijabli x i Qnk (x0 ) = 0. Broj k zove se red ili kratnost nulto cke x0 . Primjer 5.14 Polinom f (x) = x ima u x = 0 nulto cku prvog reda. Polinom f (x) = (x1)2 ima u to cki x = 1 nulto cku drugog reda. Polinom f (x) = (x2)3 ima u x = 2 nulto cku tre ceg reda.
2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.01 -0.02 4 0.02 3 2 0.01 1.5 2 2.5 3

Slika 5.18: Primjeri nulto caka razli cite kratnosti iz Primjera 5.14.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

185

Napomena 5.22 U nulto ckama neparnog reda polinom mijenja predznak, dok u nulto ckama parnog reda nema promjene predznaka.
Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6.8). Ako je x0 R nulto cka reda k od Pn (x), onda znamo da Pn (x) mo zemo zapisati kao Pn (x) = (x x0 )k Qnk (x), gdje je k red nulto cke x0 i Qnk (x) polinom stupnja n k takav da je Qnk (x0 ) = 0, tj. po Teoremu 6.3 Qnk (x) = 0 na nekoj oklini oko x0 . Ako je k neparan, onda iz Teorema 6.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x x0 )k < 0, dok za x > x0 vrijedi (x x0 )k > 0. Dakle Pn (x) mijenja predznak u nulto cki x0 neparnog reda. Ako je k paran, onda iz Teorema 6.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x x0 )k > 0. Dakle Pn (x) ne mijenja predznak u nulto cki x0 parnog reda.

Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Graf linearne funkcije je pravac s koecijentom smjera a i odsje ckom na osi y jednakim b. Za a = 0 imamo konstantnu funkciju p(x) = b. Linearna funkcija p(x) = ax + b je rastu ca ako je a 0, a padaju ca ako je a 0. Ako su ove nejednakosti stroge, ka zemo da je linearna funkcija strogo rastu ca, odnosno strogo padaju ca. Pona sanje linearne funkcije je isto na cijelom podru cju denicije - ako raste u nekoj to cki, raste na cijelom R. b O cito za a = 0 linearna funkcija ima to cno jednu nulto cku a .
1000 800 600 400 200 200 400 600 800 1000

Slika 5.19: Graf linearne funkcije f (x) = x + 75, za x 0. Funkcija p : R R dana formulom p(x) = ax2 + bx + c, a = 0, je polinom drugog stupnja ili kvadratna funkcija. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y . Otvor joj je okrenut prema gore ako je a > 0, a prema dolje ako je a < 0. Tjeme

186
6 4 2 -5 -4 -3 -2 -1 -2 -4 -6

POGLAVLJE 5. FUNKCIJE

Slika 5.20: Graf kvadratne funkcije f (x) = x2 + 3x 4. parabole ima koordinate (b/2a, D/4a), gdje je D diskriminanta kvadratne funkcije D = b2 4ac. Nulto cke kvadratne funkcije dane su formulom x1,2 =
b D , 2a

i realne su ako je D 0. Vidimo da je pronala zenje nulto caka polinoma prvog i drugog stupnja relativno lagano. Za polinome tre ceg i cetvrtog stupnja takoder postoje formule za ra cunanje njihovih nulto caka, dok za polinome stupnja vi seg od cetiri takve formule ne postoje. Tra zenje nulto caka polinoma stupnja vi seg od cetiri (ako polinom nema neki posebni oblik, npr. P7 (x) = (x 4)7 ) svodi se na numeri cke metode. Teorem 5.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima to cno n kompleksnih nulto caka. Iz Teorema 5.5 direktno slijedi da svaki polinom n-tog stupnja mo ze imati najvi se n realnih nulto caka. Napomena 5.23 Polinom neparnog stupnja mora imati barem jednu nulto cku.
Dokaz: Za dovoljno velike pozitivne x R o cito Pn (x) poprima velike pozitivne vrijednosti (ako je an > 0, ina ce velike negativne vrijednosti), dok za velike negativne x R o cito Pn (x) poprima velike negativne vrijednosti (ako je an > 0, ina ce velike pozitivne). Zbog neprekidnosti polinoma na R (Teorem 6.8) graf polinoma mora negdje sje ci x os, tj. mora postojati broj x0 R koji ce biti nulto cka od Pn (x).

5.2. PREGLED ELEMENTARNIH FUNKCIJA

187

Primjer 5.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nulto cke jer je D < 0. Dakle, iz Primjera 5.15 zaklju cujemo da polinom parnog stupnja mo ze i ne mora imati realne nulto cke.
n

Za velike apsolutne vrijednosti argumenta polinom Pn (x) =

i=0

ai xi se

pona sa kao njegov vode ci clan, tj. kao funkcija an xn , jer za velike apsolutne vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve ci od broja i x , i = 1, ..., n 1. Primjer 5.16 Pogledajmo funkciju (polinom) Pn (x) = xn . 1. Ako je n = 1, onda je P1 (x) = x linearna funkcija, tj. pravac y = x. O cito je D(P1 ) = R(P1 ) = R, P1 (x) strogo raste na R, dakle je bijekcija, neparna je i ima nulto cku u (0, 0). 2. Ako je n paran broj, onda je o cito funkcija Pn (x) = xn parna, tj. graf joj je zrcalno simetri can s obzirom na y os, dakle nije injekcija. Nadalje, vrijedi D(Pn ) = R, R(Pn ) = [0, + . Strogo pada na , 0], strogo raste na [0, + i ima nulto cku u (0, 0).
4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3

Slika 5.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. 3. Ako je n neparan broj, onda je o cito funkcija Pn (x) = xn neparna, tj. graf joj je centralno simetri can s obzirom na ishodi ste. Nadalje vrijedi D(Pn ) = R(Pn ) = R, Pn (x) strogo raste na R, dakle je bijekcija i ima nulto cku u (0, 0).

188

POGLAVLJE 5. FUNKCIJE

Napomena 5.24 Uo cimo da za polinom prvog stupnja (linearnu funkciju) nema smisla govoriti o asimptotama. Vertikalnu ne mo ze imati jer je svaki polinom neprekidna funkcija, dok za kosu ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac, tj. sam sebi je asimptota. Napomena 5.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu.
Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6.8) zaklju cujemo da polinom stupnja n > 1 ne mo ze imati vertikalnu asimptotu.
n

Nadalje, kako se polinom Pn (x) =

i=0

ai xi , n > 1, za velike apsulutne vrijednosti argumenta

pona sa kao an xn i jer je n > 1 zaklju cujemo da polinom Pn (x) ne mo ze imati niti horizontalnu n niti kosu asimptotu jer funkcija an x puno br ze raste ili pada od svakog pravca.

Osim promatranih polinoma jedne varijable mo zemo promatrati i polinome vi se varijabli. Naravno, u tom slu caju se situacija komplicira. Npr. ne mo zemo govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli), problem poni stavanja je vrlo kompliciran, problem asimptotike je slo zeniji, itd. Denicija 5.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom
n m

Pnm (x, y ) =
i=0 j =0

aij xi y j .

Realne konstante aij , i = 1, ..., n, j = 1, ..., m, su koecijenti polinoma Pnm (x).

5.2.3

Racionalne funkcije

O cito je zbroj, razlika, umno zak i kompozicija polinoma ponovo polinom, ali kvocijent dvaju polinoma op cenito nije polinom. Dakle, dijeljenjem polinoma izlazimo iz te klase funkcija, sli cno kao sto dijeljenjem prirodnih (ili cijelih) brojeva dobivamo brojeve koji (op cenito) nisu prirodni. Po analogiji s racionalnim brojevima, kvocijente dvaju polinoma nazivamo racionalnim funkcijama. Za

5.2. PREGLED ELEMENTARNIH FUNKCIJA

189

razliku od polinoma, racionalne funkcije op cenito nisu denirane na cijelom skupu R jer se njihove vrijednosti ne mogu izra cunati u to ckama u kojima im se nazivnik poni stava. Naravno, postoje i racionalne funkcije kojima se nazivnik nigdje ne poni stava; takve su denirane na cijelom R. Polinomi su specijalni slu caj racionalnih funkcija kojima je polinom u nazivniku jednak 1. Denicija 5.13 Funkcija f : R R je racionalna ako je oblika f (x) =
Pn (x) , Qm (x)

pri cemu su Pn (x) i Qm (x) polinomi u x. Primjer 5.17 Pogledajmo sljede ce primjere: 1. Funkcija f dana formulom f (x) = 2. Funkcija g dana formulom g (x) =
x+2 x2 3 x sin x x1

je racionalna funkcija. nije racionalna funkcija. je racionalna funkcija.

3. Funkcija hR dana formulom h(x) = 4. Funkcija i dana formulom i(x) =

x7 5 23xx3

2 x+1 x

nije racionalna funkcija.

5. Funkcija j dana formulom j (x) = x13 je polinom, ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. 6. Funkcija k dana formulom k (x) =
2 23x

je racionalna funkcija.

Pn (x) Racionalna funkcija f (x) = Q je denirana u svim realnim brojevima osim u m (x) onima za koje se nazivnik poni stava, tj. nulto ckama nazivnika. Dakle,

D(f ) = {x R; Qm (x) = 0}. (Smatramo da je racionalna funkcija ve c skra cena, tj. da ne postoji x0 R koji je nulto cka i brojnika i nazivnika.) Dakle, racionalna funkcija nije denirana u najvi se kona cno mnogo to caka iz R. Nulto cke racionalne funkcije su nulto cke njenog brojnika. Dakle, f (x) = Pn (x) = 0 ako i samo ako je Pn (x) = 0. Qm (x) Nulto cke nazivnika se zovu polovi racionalne funkcije. U polu racionalna funkcija nije denirana. Red pola je red odgovaraju ce nulto cke nazivnika.

190

POGLAVLJE 5. FUNKCIJE
100 75 50 25 -1 -0.5 -25 -50 -75 -100 0.5 1 80 60 40 20 -1 -0.5 0.5
1 x

Slika 5.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x 2 (desno).

(lijevo) i pola

Napomena 5.26 Ako je pol parnog reda, onda vrijednosti racionalne funkcije s njegove lijeve i desne strane te ze u istu beskona cnost, dok za polove neparnog reda, vrijednosti funkcije s lijeve i desne strane pola te ze u suprotne beskona cnosti. Dokaz: Red pola je red nulto cke nazivnika. Sada tvrdnja izravno slijedi iz Napomene 5.22. Za odredenu kombinaciju stupnjeva brojnika i nazivnika, kao i u to ckama u kojima se nazivnik poni stava, racionalna funkcija pokazuje pona sanje koje nismo nalazili kod polinoma - graf racionalne funkcije mo ze imati asimptote: 1. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podru cja denicije racionalne funkcije). U okolini polova vrijednosti racionalne funkcije postaju po volji velike (idu u +) ili po volji male (idu u ) s jedne i s druge strane (Napomena 5.26). 2. Osim vertikalnih, racionalne funkcije mogu imati jo s i horizontalne i kose asimptote, i to na vanjskim rubovima prirodnog podru cja denicije, tj. kad argument ide u + i . Dakle, imamo
n n

f (x) =

Pn (x) = Qm (x)

ai x
i=0 m

x =

n i=0 m

ai xin . bi x
i=0 im

bi x
i=0

xm

5.2. PREGLED ELEMENTARNIH FUNKCIJA

n m

191 ai x
in

Sada kada argument ide u beskona cnost izraz

i=0

odnosno
i=0

bi xim

ide u an odnosno u bm . Dakle za velike x racionalna funkcija f se pona sa kao

an nm . bm x
an nm a) Ako je n < m, onda izraz b x postaje po volji blizu nuli kada m argument ide u beskona cnost. Racionalna funkcija ima horizontalnu asimptotu y = 0.

b) Ako je n = m, onda racionalna funkcija ima horizontalnu asimptotu y = c, gdje je c jednak kvocijentu vode cih koecijenata polinoma u an brojniku i nazivniku, bn .
an nm x raste ili c) Ako je n > m + 1, onda je n m > 1, tj. izraz b m an pada br ze od pravca bm x, odnosno racionalna funkcija (koja se za an nm velike vrijednosti argumenta pona sa kao b x ) raste ili pada br ze m od pravca. Dakle, racionalna funkcija nema ni horizontalne ni kose asimptote.

d) Ako je n = m + 1, onda je n m = 1, odnosno racionalna fukcija se an u beskona cnosti pona sa kao b x. Preciznije, imamo m
m+1 m

f (x) =

Pm+1 (x) = Qm (x)

ai xi
i=0 m

= b i xi

am+1 x
m

m+1

ai xi +
i=0 m

= b i xi

b i xi
i=0 m i=0

i=0

x (am+1 x)
m

x +

m i=0 m

ai xim . bi xim
i=0

xm
i=0 m

bi xim

xm

Sada kad pustimo da argument ide u beskona cnost drugi pribrojnik,

xm

ai xim
i=0 m

tj.
xm

, se pribli zava broju bi x

im

am , bm

dok prvi pribrojnik, tj.

i=0

192
xm (am+1 x) , m i m xm bi x i=0 m

POGLAVLJE 5. FUNKCIJE ide u

am+1 x, bm

jer
i=0

bi xim ide u bm . Dakle, kada

argument ide u beskona cnost, racionalna funkcija se pribli zava pravcu (kosoj asimptoti)
am+1 bm x

am bm .

4 2 -1 -2 -4 1 2 3 -6 -4 -2

4 2 2 -2 -4 4

1 1 Slika 5.23: Primjer racionalnih funkcija f (x) = 1 x (lijevo), f (x) = x + x 1 (desno) i njihovih asimptota.

Napomena 5.27 Analogno kao i kod vertikalnih asimptota, racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. Dakle, ako racionalna funkcija ima asimptotu y = c kad x te zi u +, onda je isti pravac horizontalna asimptota i kad x te zi u . Primjer 5.18 Neka je dana funkcija f : R R formulom f (x) = x2 + 1. O cito je D(f ) = R, R(f ) = [1, + , f je parna, tj. zrcalno simetri cna obzirom na y os, dakle nije injekcija. Nadalje, f strogo pada na , 0] i za svaki x , 0 vrijedi f (x) > x, f strogo raste na [0, + i za svaki x 0, + vrijedi f (x) > x. Za dovoljno velike po apsolutnoj vrijednosti argumente funkcija f se proizvoljno blizu pribi zava pravcu y = x (za x < 0) odnosno pravcu y = x (za x > 0). Dakle pravci y = x i y = x su kose asimptote funkcije f . Primjetimo da pravci y = x i y = x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1, + . Iz Primjera 5.18 zaklju cujemo da za funkcije koje nisu racionalne (jo s ka zemo da su iracionalne) svojstvo iz Napomene 5.27 ne mora vrijediti.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

3 2 1 -4 -2 -1 -2 -3 2 4

193

Slika 5.24: Primjer iracionalne funkcije f (x) = iz Primjera 5.18.

x2 + 1 i njenih asimptota

ze na istu stranu imati i horizontalnu i kosu Napomena 5.28 Funkcija ne mo asimptotu, jer u suprotnom ne bi bila funkcija.

5.2.4

Algebarske funkcije

Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. Denicija 5.14 Funkcija f : R R je algebarska ako postoji polinom od dvije varijable P (x, y ) takav da vrijedi P (x, f (x)) = 0. Napomena 5.29 Svaki polinom i racionalna funkcija su algebarske funkcije.
Dokaz: Neka je dan proizvoljni polinom Pn (x). Denirajmo polinom u dvije varijable s P (x, y ) = Pn (x) y . Tada je o cito P (x, Pn (x)) = 0, dakle je svaki polinom algebarska funkcija. Neka je sada f (x) = funkcija i algebarska.
Pn (x) Qm (x)

proizvoljna racionalna funkcija. Denirajmo polinom u dvije

varijable s P (x, y ) = Qm (x)y Pn (x). Tada je o cito P (x, f (x)) = 0, dakle je svaka racionalna

Primjer 5.19 1. Funkcija f dana formulom f (x) = n x je algebarska za svaki n N jer za polinom P (x, y ) = x y n o cito je P (x, f (x)) = 0.

194

POGLAVLJE 5. FUNKCIJE

1 2. Funkcija f dana formulom f (x) = n x je algebarska za svaki n N jer za polinom P (x, y ) = xy n 1 o cito je P (x, f (x)) = 0.

Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zaklju cujemo da je prirodno podru cje denicije algebarske funkcije cijeli R bez nulto caka nazivnika i bez podru cja gdje nisu denirani parni korijeni (Primjer 5.13). Primjer 5.20 1. Neka je dana algebarska funkcija f formulom f (x) = x. Funkcija f je inverzna funkcija restrikcije funkcije g (x) = x2 na [0, + . Dakle, je D(f ) = R(f ) = [0, + (Primjer 5.13), f strogo raste na domeni i f je denirana u kona cnom rubu prirodnog podru cja denicije, tj. 0 je regularna to cka (to cka 5.1.4), dakle nema vertikalnu asimptotu. Nadalje, kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zaklju cujemo da f nema kosu asimptotu. Horizontalnu ne mo ze imati zbog strogog rasta i neomedenosti. 2. Neka je dana algebarska funkcija f formulom f (x) = 3 x. Funkcija f je inverzna funkcija funkcije g (x) = x3 , koja je bijekcija sa R na R. Dakle, je D(f ) = R(f ) = R (Primjer 5.13), f strogo raste na R i neomedena je, dakle nema niti vertikalnu niti horizontalnu asimptotu. Nadalje, kako za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zaklju cujemo da f nema kosu asimptotu.
1 3. Neka je dana algebarska funkcija f formulom f (x) = x . Funkcija f je 1 denirana svugdje osim u to ckama u kojima je x 1 = 0 i x 1 < 0 (Primjer 5.13). Dakle, je D(f ) = 1, + i R(f ) = 0, + , f strogo pada na domeni i f nije denirana u kona cnom rubu prirodnog podru cja denicije, tj. u 1 (to cka 5.1.4). Kada se argument sve vi se pribli zava broju 1, vrijednost funkcije raste u + i njen se graf prozvoljno blizu pribli zava pravcu x = 1, tj. ima vertikalnu asimptotu x = 1. Nadalje, za velike argumente vrijednosti funkcije se proizvoljno blizu pribli zavaju nuli, tj. pravac y = 0 je horizontalna asimptota funkcije f , dok kosu asimptotu ne mo ze imati zbog Napomene 5.28. 1 4. Neka je dana algebarska funkcija f formulom f (x) = 1 + 4 x . Funkcija f je denirana svugdje osim u to ckama u kojima je 4 x = 0 i x < 0

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

(Primjer 5.13). Dakle, je D(f ) = 0, + i R(f ) = 1, + , f strogo pada na domeni i f nije denirana u kona cnom rubu prirodnog podru cja denicije, tj. u 0 (to cka 5.1.4). Kada se argument sve vi se pribli zava broju 0, vrijednost funkcije raste u + i prozvoljno se blizu pribli zava pravcu x = 0, tj. ima vertikalnu asimptotu x = 0. Nadalje, za velike argumente vrijednost funkcije se proizvoljno blizu pribli zava broju 1, tj. pravac y = 1 je horizontalna asimptota funkcije f , dok kosu asimptotu ne mo ze imati zbog Napomene 5.28. 5. Neka je dana algebarska funkcija f formulom f (x) = x2 1. Funkcija f je denirana svugdje osim u to ckama u kojima je x2 1 < 0 (Primjer 5.13). Dakle, je D(f ) = R \ 1, 1 i R(f ) = [0, + , f je parna i strogo pada na , 1] a strogo raste na [1, + . Denirana je u kona cnim rubovima prirodnog podru cja denicije, tj. 1 i 1 su regularne to cke (to cka 5.1.4), dakle nema vertikalnu asimptotu. Horizontalnu ne mo ze imati zbog strogog rasta i neomedenosti. Za dovoljno velike po apsolutnoj vrijednosti argumente vrijednost funkcije se pribli zava pravcu y = x (za x < 1) odnosno pravcu y = x (za x > 1). Dakle f ima kose asimptote. Iz Primjera 5.20 vidimo da algebarskoj funkciji kona cni rubovi mogu biti regularni, a mo ze u njima imati i vertikalnu asimptotu. U beskona cnim rubovima imamo sva tri pona sanja, kao i kod racionalne funkcije, tj. mo ze se dogoditi da nema asimptote ali i da imamo kosu ili horizontalnu (ali ne obje na istoj strani, Napomena 5.28). Potencije Izraz oblika ab zovemo potencijom s bazom a i eksponentom b. Za cjelobrojni pozitivni eksponent b potenciju s eksponentom b deniramo kao ab = a a . . . a, pri cemu se baza a pojavljuje b puta kao faktor u umno sku na desnoj strani gornje jednakosti. Primjer funkcije u kojoj jedna veli cina ovisi o potenciji druge veli cine je ovisnost povr sine kruga o njegovom polumjeru: P (r) = r2 .

196

POGLAVLJE 5. FUNKCIJE

Ovako denirane potencije su specijalni slu caj polinoma s kojima smo se ve c susreli. Pokazuje se da se potencije mogu denirati i za eksponente koji nisu prirodni brojevi. Ako je eksponent potencije negativan cijeli broj n za n N, deniramo xn formulom xn = x1n . Takve potencije ne mo zemo izra cunati kad je x = 0. n Dakle je podru cje denicije funkcije f (x) = x cijeli skup R bez to cke 0. Ponovo, podru cje vrijednosti i oblik grafa ovise o parnosti eksponenta n. Funkcija n f (x) = x za parno n je parna funkcija, dakle nije injekcija, strogo pada na 0, + dok na , 0 strogo raste. Funkcija f (x) = xn za neparno n je neparna funkcija, i strogo pada na , 0 i na 0, + , dakle je injekcija.
10 7.5 8 5 2.5 -2 -1 -2.5 -5 -7.5 -10 -2 -1 1 2 2 1 2 6 4 10

Slika 5.25: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. I s ovakvim smo se potencijama ve c susretali kad smo govorili o racionalnim funkcijama. Za razlomljene eksponente oblika b = m pri cemu je m Z, n N, deniramo n n m/n x = xm . Za parne n takve su funkcije denirane samo za nenegativne vrijednosti nezavisne varijable x (jer je funkcija f (x) = n x za parno n inverzna funkcija funkcije g |[0,+ (x) = xn ); za neparne n, denirane su na cijelom R (jer je funkcija f (x) = n x za neparno n inverzna funkcija funkcije g (x) = xn koja je bijekcija sa R u R). Dakle, u ovoj to cki denirali smo potencije kojima smo eksponent pro sirili prvo sa skupa N na skup Z, a nakon toga i na skup Q. Sada je pitanje mo zemo li, i kako, denirati potenciju s proizvoljnim realnim brojem kao eksponentom? To je mogu ce, ali ne za sve baze (za negativne baze ne mo zemo). Dolazimo do pojma eksponencijalne funkcije.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

1.5 1 0.5 1 -3 -2 -1 -0.5 -1 -1.5 1 2 3 0.75 0.5 0.25 0.5 1 1.5 2 2.5 3 1.75 1.5 1.25

197

Slika 5.26: Grafovi funkcije f (x) = x1/n za neparne (lijevo) i parne (desno) n.

5.2.5

Eksponencijalne funkcije

Eksponencijalne se funkcije prirodno javljaju kao matemati cki modeli situacija u kojima je promjena neke veli cine proporcionalna toj veli cini. Primjeri su rast populacije, prirast biomase, razmno zavanje bakterija, raspadanje radioaktivnih tvari, ra cunanje kamate itd. Denicija 5.15 Eksponencijalna funkcija s bazom a (a > 0, rana formulom f (x) = ax . a = 1) je deni-

Osnovica ili baza eksponencijalne funkcije je faktor za koji se promijeni vrijednost funkcije kada se vrijednost argumenta promijeni za 1. Ako je a > 1, imamo eksponencijalni rast, ako je a < 1, imamo eksponencijalni (ras)pad. Nezavisna varijabla se nalazi u eksponentu, odatle i ime. To je i temeljna razlika od polinoma u kojima se nezavisna varijabla nalazi u bazi potencije, a eksponenti su konstantni. Vrijednosti eksponencijalne funkcije mogu se izra cunati za sve realne brojeve. x Dakle je D(a ) = R, za svaku bazu a. Vrijednosti eksponencijalne funkcije su strogo pozitivne; nije mogu ce potenciranjem pozitivne baze dobiti kao rezultat negativan broj ili nulu. To zna ci da je R(ax ) = R+ = 0, . Za a > 1 funkcija f (x) = ax strogo raste na R. Za dovoljno velike argumente n ta funkcija raste br ze od bilo koje potencije. To zna ci da veli cina x postaje po ax 1 x volji mala za svaki n N i za dovoljno veliki x. Kako je a = ax , slijedi da ax te zi k nuli kada argumet x te zi u . Dakle je os x jednostrana (lijeva) horizontalna asimptota grafa funkcije f (x) = ax .

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

-3

-2

-1

Slika 5.27: Grafovi funkcija f (x) = ex (lijevo) i f (x) = (1/e)x = ex (desno). Za baze 0 < a < 1, graf funkcije f (x) = ax dobivamo iz grafa funkcije 1 x 1 g ( x) = a zrcaljenjem preko y -osi. (Za 0 < a < 1 je a > 1). Dakle x x x funkcija f (x) = a je strogo padaju ca, D(a ) = R, R(a ) = 0, + , za x 0 < a < 1 funkcija a raste neograni ceno kada argument x te zi u i x os joj je jednostrana (desna) horizontalna asimptota. Temeljno svojstvo eksponencijalnih funkcija izdvaja od svih mogu cih baza x jednu kao najprirodniju. Naime, ozna cimo li promjenu veli cine a s (ax ), uvjet proporcionalnosti se iskazuje kao (ax ) = k ax , pri cemu je k konstanta proporcionalnosti koja ovisi o bazi a. Najjednostavnija konstanta proporcionalnosti je k = 1. Mo ze se pokazati da se ta konstanta posti ze za to cno jednu bazu. Tu bazu ozna cavamo slovom e. Pribli zna vrijednost broja e je e = 2.718281828... Broj e je jedna od fundamentalnih konstanta prirode, sli cno kao konstanta . Kasnije cemo pokazati da se svaka eksponencijalna funkcija mo ze prikazati kao x px eksponencijalna funkcija s bazom e, tj. a = e , za neki p R. Teorem 5.6 (Osnovna svojstva eksponencijalne funkcije) Za svaki a > 0 vrijedi: 1. ax = ay = x = y ;

5.2. PREGLED ELEMENTARNIH FUNKCIJA 2. ax ay = ax+y ; 3.

ax ay

199

= axy ;

4. (ax )y = axy ; 5. (a b)x = ax bx ; 6.

a x b

ax ; bx

7. a0 = 1. Posljedica sedmog svojstva iz Teorema 5.6 je da grafovi svih eksponencijalnih funkcija prolaze kroz to cku (0, 1). Napomena 5.30 Ponekad se eksponencijalna funkcija zapisuje u bazi oblika 1 + r > 0, tj. f (x) = (1 + r)x . Za r > 0 imamo interpretaciju r kao brzine rasta. Za r < 0 imamo brzinu (ras)pada. Funkcija ax za a > 0 je bijekcija sa R u 0, + , dakle ima inverznu funkciju koju zovemo logaritamska funkcija.

5.2.6

Logaritamske funkcije

Primjer 5.21 Izotop ugljika C 14 je zastupljen u odredenoj koli cini u svim zivim bi cima. Nakon prestanka izmjene tvari s okolinom, tj. nakon smrti organizma, radioaktivni C 14 se vi se ne obnavlja i zate cena koli cina se po cinje raspadati. Od 14 ukupne koli cine C u organizmu pola se raspadne za 5730 godina. Dakle je x godina nakon smrti organizma po cetna koli cina C 14 svedena na C (x) = C0 1 2
x 5730

Ovdje je C0 koli cina izotopa C 14 u zivoj tvari. Koliko je davno zivio organizam ako je po cetna koli cina C 14 svedena na jednu sesnaestinu?
0 Treba rje siti jednad zbu C (x) = C . Koriste ci cinjenicu da je 16 = 24 i iz 16 Teorema 5.6, dobivamo C0 C0 C0 = 4 = x , 16 2 2 5730 i odatle je x = 4 5730 = 28920 godina.

200

POGLAVLJE 5. FUNKCIJE

bismo u Sto cinili da se nije radilo o cjelobrojnoj potenciji broja 2 (npr. da je po cetna koli cina C 14 svedena na jednu sedamnaestinu), tj. da ne mo zemo iskoristiti Teorem 5.6? Denicija 5.16 Neka je a > 0, a = 1. Logaritam pozitivnog realnog broja x po bazi a je broj c kojim treba potencirati bazu a da bi se dobio broj x. c = loga x ac = x. Iz Denicije 5.16 imamo aloga x = x i loga ac = c, tj. logaritamska funkcija s bazom a je inverzna eksponencijalnoj funkciji s istom bazom.
4 3 2 1

-4

-2 -1 -2 -3 -4

Slika 5.28: Graf funkcije f (x) = 2x (lijevo) i njoj inverzne funkcije f 1 (x) = log2 x (desno). Logaritam s bazom 10 zovemo dekadski ili Briggsov i ozna cavamo s log x, tj. ne pi semo bazu 10. Logaritam po bazi e zovemo prirodni ili Napierov i ozna cavamo s ln x. U primjenama se jo s pojavljuju i logaritmi s bazom 2, ld x . Iz Denicije 5.16 vidimo da logaritme mo zemo ra cunati samo za pozitivne realne brojeve. Dakle je D(loga ) = 0, + , za svaki a > 0. Iz Teorema 5.1 zaklju cujemo da loga (x) strogo raste za a > 1, dok za 0 < a < 1 loga (x) strogo pada. R(loga ) = R, za svaki a > 0. Kako je ax u 0 jednako 1, imamo da je

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

loga (1) = 0, tj. graf od loga (x) prolazi kroz to cku (1, 0). Kako je x os lijeva (a > 1) odnosno desna (0 < a < 1) horizontalna asimptota od ax , zaklju cujemo da vrijednosti funkcije loga (x) te ze u kada vrijednosti argumenta te ze u nulu za a > 1, odnosno vrijednosti funkcije loga (x) te ze u + kada vrijednosti argumenta te ze u nulu za 0 < a < 1. Os y je vertikalna asimptota. Teorem 5.7 (Osnovna svojstva logaritamske funkcije) Neka su x i y pozitivni realni brojevi. Tada za svaki a > 0 vrijedi: 1. loga (xy ) = loga x + loga y ; 2. loga
x y

= loga x loga y ;

3. loga xr = r loga x; 4. loga a = 1; loga 1 = 0; 5. loga ay = y ; aloga x = x;

6. log1/a x = loga x; 7. loga x = loga y = x = y. Iz Teorema 5.7, svojstvo 6, vidimo da graf logaritamske funkcije s bazom 0 < a < 1 dobivamo zrcaljenjem preko osi x grafa logaritamske funkcije s bazom 1/a i obrnuto.
3 2 1 2 -1 -2 -3 -4 -5 -1 -2 -3
1 2

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

Slika 5.29: Grafovi logaritamskih funkcija s bazom 2 (lijevo) i bazom (desno).

202

POGLAVLJE 5. FUNKCIJE

Vrijednosti logaritma istog broja x po dvjema razli citim bazama povezane su sljede com formulom: x = blogb x = (aloga b )logb x = aloga b logb x tj. imamo loga x = loga b logb x. Vidimo da su vrijednosti logaritma proporcionalne. Konstantu proporcionalnosti 1 zovemo transformacijskim modulom, ili modulom M = loga b = log ba prijelaza. Zahvaljuju ci gornjoj relaciji, dovoljno je poznavati vrijednosti logaritamske funkcije za jednu bazu; za sve ostale baze koristimo se odgovaraju cim modulima prijelaza. Moduli prijelaza su korisni i pri svodenju funkcije f (x) = ax na funkciju ex . Iz svojstava operacije potenciranja slijedi ax = (eln a )x = eM x , gdje je M = ln a. Vrijednosti dekadskih logaritama su tabelirane u logaritamskim tablicama, koje su nekad bile nezaobilazno pomagalo svakog in zenjera. S porastom dostupnosti elektroni ckih ra cunala va znost logaritama kao ra cunalnih pomagala po cela se smanjivati, no logaritamska funkcija je i dalje bitna za opis i razumijevanje mnogih prirodnih pojava.

5.2.7

Trigonometrijske funkcije

Trigonometrijske funkcije su sinus ili sin x, kosinus ili cos x, tangens ili tg x i kotangens ili ctg x. Povijesno se pojavljuju u metri ckim problemima vezanim za pravokutni trokut. Odatle im i ime. Ako je dan pravokutni trokut sa vrhovima A, B, C , katetama a, b i hipotenuzom c (stranica a je nasuprot vrha A, itd.) i kutovima , , (kut je uz vrh A, itd.), onda vrijedi: b a sin = , cos = , c c a b tg = , ctg = . b a

5.2. PREGLED ELEMENTARNIH FUNKCIJA

203

Vrijednosti ovih funkcija nisu nezavisne. Svaka od njih se mo ze izraziti preko bilo koje od preostalih. Primjerice, iz Pitagorinog pou cka slijedi sin2 + cos2 = 1. Odatle je cos = Nadalje, a tg = = b 1 sin2 .
a c b c

sin , cos cos ctg = . sin Napomena 5.31 Predmetak ko u kosinus i kotangens dolazi zbog komplementarnosti kuta, tj. = cos = sin(90o ), ctg = tg(90o ).

Trigonometrijske funkcije prvotno su bile denirane za siljaste kutove. Odgovaraju com konstrukcijom mogu se poop citi i na realne brojeve. Prvo nam treba veza izmedu kuta i broja. Neka je K kru znica polumjera r u ravnini sa sredi stem u ishodi stu. Neka je dan proizvoljni kut . Ako sada povu cemo polupravac (zraku) s po cetkom u ishodi stu koji zatvara s pozitivnim djelom x osi kut , onda on sije ce kru znicu u jednoj to cki T . Pogledajmo dio kru znice (luk) izmedu to caka (r, 0) (presjek kru znice i pozitivnog dijela x osi) i T (gledan u smjeru suprotnom od kazaljke na satu). O cito je kut vezan s duljinom luka, tj. imamo preslikavanje koje svakom kutu pridru zuje jedinstvenu duljinu luka s po cetkom u to cki (r, 0). Ovo preslikavanje je o cito bijekcija. Dakle, umjesto kuta mo zemo gledati odgovaraju cu duljinu luka. Za r = 1, opseg kru znice je 2 , a duljina luka koji odgovara kutu mo ze se uzeti kao mjera tog kuta. Tako punom kutu odgovara mjera 2 , ispru zenom , a pravom 2 . Jedinica u kojoj je ta mjera izra zena zovemo radijan. Tako npr. pravi kut ima radijana. Dakle, 1 radijan je kut za koji je duljina luka jednaka polumjeru. 2 Neka je sada dana jedini cna kru znica u ravnini sa sredi stem u ishodi stu i pravac koji prolazi to ckom (1, 0) paralelan s osi y . Uzmimo koordinatni sustav na pravcu (tj. identicirajmo ga sa skupom R) tako da mu ishodi ste padne u to cku

204
1

POGLAVLJE 5. FUNKCIJE

sin x 0 cos x

x 1

Slika 5.30: Trigonometrijska kru znica i vrijednosti sinusa i kosinusa kuta x. (1, 0). Denirajmo sada preslikavanje koje ce namatati pravac na kru znicu. Pri tome polupravac na kojem su smje steni pozitivni brojevi namatamo na kru znicu suprotno gibanju kazaljke na satu, a polupravac na kojem su smje steni negativni brojevi namatamo na kru znicu u skladu s gibanjem kazaljke na satu. Time svakom realnom broju t s pravca pridru zili smo jedinstvenu to cku T = (xt , yt ) na kru znici. Jasno je da za t [0, 2 ] (tj. t je siljasti kut) pravokutnosti trokuta sa katetama xt , yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. Ako je t [ , ], onda 2 t nije siljast, ali o cito vrijedi xt = xt i yt = yt . Dakle za t [ 2 , ] mo zemo denirati cos t = cos( t) i sin t = sin( t). Sli cno, ako je t [, 32 ], onda je o cito xt = x 3 t i yt = y 3 t . Dakle za t [, 32 ] mo zemo 2 2 3 3 3 denirati cos t = cos( 2 t) i sin t = sin( 2 t). Ako je t [ 2 , 2 ], onda vrijedi xt = x2t i yt = y2t . Dakle za t [ 32 , 2 ] mo zemo denirati cos t = cos(2 t) i sin t = sin(2 t). Pro sirili smo funkcije sinus i kosinus sa siljastih kutova, tj. s [0, 2 ], na kutove iz [0, 2 ]. Analogno se sinus i kosinus pro sire s [0, ] na [ , 0] odnosno na [2, 0] (pri cemu je namatanje u smjeru 2 2 kazaljke na satu). Naravno, sada mo zemo sinus i kosinus analogno pro sirivati na R. Nakon sto namotamo komad duljine 2 , situacija se po cinje ponavljati. Ka zemo da su sin i cos periodi cke funkcije. Dakle vrijedi sin(t + 2k ) = sin t, cos(t + 2k ) = cos t

5.2. PREGLED ELEMENTARNIH FUNKCIJA

205

za svaki k Z. Svaki 2k , k Z, je period funkcija sin i cos. Najmanji pozitivni period je 2 i zovemo ga temeljni period. Dakle zbog periodi cnosti namatanjem pravca na kru znicu mo zemo vrijednosti trigonometrijskih funkcija pridru ziti i argumentima izvan intervala [0, ], odnosno 2 vrijednosti sinusa i kosinusa mo zemo denirati za sve realne brojeve. Dakle je D(sin) = D(cos) = R. Nadalje, vidimo da je 1 cos t 1, 1 sin t 1, za svaki t R. To zna ci R(sin) = R(cos) = [1, 1].
2 1.5 1 0.5 -10 -5 -0.5 -1 -1.5 -2 5 10 -10 -5 2 1.5 1 0.5 -0.5 -1 -1.5 -2 5 10

Slika 5.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).

Napomena 5.32 Lako je vidjeti da je kosinus parna funkcija, dok je sinus neparna. Nadalje, zbog periodi cnosti, parnosti i neparnosti jasno je da je dovoljno znati vrijednosti jedne od tih funkcija na [0, ]. 2 Sinus i kosinus u primjenama slu ze za opis periodi ckih pojava, npr. za opis oscilacija, krvnoga tlaka, napona, temperatura kroz godinu, plime i oseke, itd. U mehanici i elektrotehnici se cesto govori o oscilacijama u terminima perioda, amplitude i faze. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [1, 1], tj. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. Nadalje, vidjeli smo da im je temeljni period 2 i da imaju takvo pona sanje da je vrijednost sinusa u nuli nula i u jedan, a kosinusa obrnuto, tj. 2 1 u nuli i 0 u 2 . Ka zemo da im je faza nula. Medutim, u prirodi ima pojava koje se ne pona saju tako, tj. imaju amplitudu razli citu od 1, period razli cit od 2 i ne

206

POGLAVLJE 5. FUNKCIJE

nul fazu. Malom modikacijom sinusa i kosinusa mogu se opisati i takve pojave, formulom A sin(Bx x0 ).
Amplituda ove funkcije je A (jer je amplituda sinusa 1), period je 2 za B = 0 B (jer je period sinusa 2 ) i pomak u fazi, tj. pomak funkcije na x osi je x0 .

Napomena 5.33 Zbog periodi cnosti, funkcije sinus i kosinus nisu injekcije, dakle niti bijekcije, na svoju sliku. Iz konstrukcije pro sirenja lagano se vidi da je sinus strogo rastu ca na [ 2 , 2 ], a kosinus strogo padaju ca na [0, ]. Dakle, Sin x = sin |[ , ]x 2 2 i Cos x = cos |[0 ,] x su bijekcije na [1, 1]. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kru znici. Ako imamo jedini cnu kru znicu u ravnini s sredi stem u ishodi stu i pravac paralelan s osi y koji prolazi to ckom (1, 0) (jo s ga zovemo tangensna os), onda je inter pretacija vrijednosti tg t za t [0, 2 ] udaljenost to caka (1, 0) i P na tangensnoj osi, gdje je to cka P presjek polupravca iz ishodi sta kroz to cku T (to cka u koju se preslika t namatanjem na kru znicu). Sli cno kao i sinus i kosinus, i funkciju tangens pro sirujemo izvan intervala [0, 2 ]. Dakle formula sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0, tj. imamo D(tg) = R \ {(2k + 1) , k Z}, 2 sto se vidi i s trigonometrijske kru znice. Jasno je kada se t pribli zava to ckama zi s jedne strane u + a s druge u oblika (2k + 1) 2 tada vrijednost tangensa te . U tim to ckama tangens ima vertikalnu asimptotu. Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. Iz interpretacije tangensa s trigonometrijske kru znice jasno je da je tg t = tg (t + k ) = tg t ,

5.2. PREGLED ELEMENTARNIH FUNKCIJA

207

za svaki t R \ {(2k + 1) , k Z}. Dakle je funkcija tangens periodi cna s 2 temeljnim periodom i vrijedi R(tg) = R. Sli cno se interpretira i kotangens. Ako imamo jedini cnu kru znicu u ravnini s centrom u ishodi stu i pravac paralelan s osi x koji prolazi to ckom (0, 1) (jo s ga zovemo kotangensna os), onda je interpretacija vrijednosti ctg t za t [0, 2 ] udaljenost to caka (0, 1) i Q na kotangesnoj osi, gdje je to cka Q presjek polupravca iz ishodi ste kroz to cku T i kotangensne osi. Sli cno kao i sinus i kosinus, i funkciju kotangens pro sirujemo na gotovo cijeli R.
1 P T x 0 1 tg x ctg x Q

Slika 5.32: Trigonometrijska kru znica i vrijednosti tangensa i kotangensa kuta x. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. Imamo ctg t = D(ctg) = R \ {k, k Z}, sto se vidi i s trigonometrijske kru znice. Kada se t pribli zava to ckama oblika k tada vrijednost kotangensa te zi s jedne strane u + a s druge u , pa u tim to ckama kotangens ima vertikalnu asimptotu. Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. Iz interpretacije kotangensa s trigonometrijske kru znice jasno je da je ctg (t + k ) = ctg t ,

208

POGLAVLJE 5. FUNKCIJE

za svaki t R \ {k, k Z}. Funkcija kotangens je periodi cna s temeljnim periodom i vrijedi R(ctg) = R.

4 2 -10 -5 -2 -4 5 10 -10 -5

4 2 5 -2 -4 10

Slika 5.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). Napomena 5.34 Zbog periodi cnosti, ni tangens ni kotangens nisu injekcije, dakle niti bijekcije, na svoju sliku. Iz konstrukcije pro sirenja lagano se vidi da je tangens strogo rastu ca na 2 , 2 , a kotangens strogo padaju ca na 0, . Dakle, njihove restrikcije Tg x = tg| , x 2 2 i Ctg x = ctg| 0, x su bijekcije s tih intervala na R.

5.2.8

Ciklometrijske (arkus) funkcije

Trigonometrijske funkcije su periodi cne, dakle nisu bijekcije. Npr. jednad zba sin x = c zbog periodi cnosti sinusa ima beskona cno mnogo rje senja za 1 c 1, a nema rje senja za c / [1, 1]. Dakle sinus nema inverznu funkciju, a isto vrijedi i za ostale trigonometrijske funkcije. Zato se kod trigonometrijskih funkcija ograni cimo na maksimalne intervale na , ], kosinus na kojima su one bijekcije. Dakle, restringirajmo sinus na [ 2 2 , i kotangens na 0, . Tada prema Napomeni 5.33 [0, ], tangens na 2 2

5.2. PREGLED ELEMENTARNIH FUNKCIJA

209

i Napomeni 5.34 znamo da su funkcije sin |[ ce, a , ] i tg| , strogo rastu 2 2 2 2 cos |[0,] i ctg| 0, strogo padaju ce, dakle su i bijekcije. Tako restringirane trigonometrijske funkcije imaju inverzne funkcije, koje zovemo arkus funkcije. One zadanoj vrijednosti trigonometrijske funkcije pridru zuju vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije posti ze. Za x [1, 1] deniramo arcsin x kao rje senje t [ 2 , 2 ] jednad zbe sin t = senje jednad zbe postoji i jedinstveno je. Dakle, x. Kako je sin |[ , ] bijekcija, rje 2 2 dobro je denirana funkcija arkus sinus arcsin : [1, 1] [ , ], 2 2 koja je inverzna funkciji sin |[ , ]. 2 2 Analogno deniramo funkciju arkus kosinus arccos : [1, 1] [0, ], inverznu funkciji cos |[0,] .

1.5 1 0.5 -1 -0.5 -0.5 0.5 1 -1 -1.5

3 2.5 2 1.5 1 0.5 -1 -0.5 0.5 1

Slika 5.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). Iz Teorema 5.1 i Napomene 5.33 slijedi da je arcsin strogo rastu ca, a arccos strogo padaju ca na [1, 1]. Nadalje, o cito je D(arcsin) = D(arccos) = [1, 1], R(arcsin) = [ , ], 2 2 R(arccos) = [0, ],

i rubne to cke 1 i 1 prirodnog podru cja denicije su regularne za arcsin i za arccos. Za x R deniramo arctg x kao rje senje t , jednad zbe tg t = x . 2 2 senje jednad zbe postoji i jedinstveno je. Dakle, Kako je tg| , bijekcija, rje 2 2 dobro je denirana funkcija arkus tangens arctg : R , , 2 2

210 koja je inverzna funkciji tg| , . 2 2 Analogno deniramo funkciju arkus kotangens

POGLAVLJE 5. FUNKCIJE

arcctg : R 0, , inverznu funkciji ctg| 0, .

-4

2 1.5 1 0.5 -2 -0.5 -1 -1.5 -2

4 3.5 3 2.5 2 1.5 1 0.5 -4 -2

Slika 5.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). Iz Teorema 5.1 i Napomene 5.34 slijedi da je arctg strogo rastu ca a arcctg strogo padaju ca na R. Nadalje, o cito je D(arctg) = D(arcctg) = R, R(arctg) = , , R(arcctg) = 0, . 2 2 Kako su pravci x = i x = odnosno pravci x = 0 i x = verikalne 2 2 asimptote od tg| , odnosno ctg| 0, imamo da su pravci y = 2 i y = 2 2 2 odnosno pravci y = 0 i y = horizontalne asimptote od arctg odnosno arcctg. Napomena 5.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju ce intervale. Zbog periodi cnosti smo mogli odabrati i neke druge intervale restrikcije, tako da bi smo dobili arkus funkcije denirane na tim intervalima. Dakle, pri tra zenju rje senja t jednad zbe, npr. sin x = t, treba voditi ra cuna u kojem se intervalu periodi cnosti trigonometrijske funkcije nalazi broj x. cje denicije trigonometrijske Sljede ca stvar na koju treba takoder paziti je podru i arkus funkcije. Npr. funkcija sin arcsin je denirana i jednaka je funkciji id na intervalu [1, 1], dok funkcija arcsin sin je denirana i jednaka je funkciji id , ]. Dakle ne mo zemo re ci da je sin arcsin = arcsin sin jer na intervalu [ 2 2 nemaju isto podru cje denicije.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

211

5.2.9

Hiperboli cke i area funkcije

Hiperboli cke funkcije deniramo sljede cim formulama: e x + e x , 2 e x e x sh x = , 2 sh x e x e x th x = = x , ch x e + e x 1 , cth x = th x i zovemo ih redom kosinus hiperboli cki, sinus hiperboli cki, tanges hiperboli cki i kotanges hiperboli cki. Hiperboli cke (ili hiperbolne) funkcije su po nekim svojstvima sli cne trigonometrijskim funkcijama, iako se deniraju u terminima eksponencijalne funkcije. Primjerice, vrijedi ch x = ch2 x sh2 x = 1 , za svaki x R. Napomena 5.36 Iz jednakosti ch2 x sh2 x = 1 dolazi ime hiperboli cke, jer 2 2 je jednad zba x y = 1 jednad zba hiperbole u ravnini. Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Kako je ch zadan u terminima eksponencijalne funkcije zaklju cujemo da je D(ch) = R. Lagano se vidi da je ch x > 0 , za svaki x R. Nadalje, parna je, dakle nije injekcija, neograni cena je, strogo pada na , 0] i strogo raste na [0, + . Dakle je R(ch) = [1, + i nema asimptote. 2. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. Lako se vidi da je neparna, strogo raste na R, neograni cena je pa je R(sh) = R i nema asimptote. 3. Kako ch nema nulto cke zaklju cujemo da je D(th) = R. Zbog neparnosti od sh i parnosti od ch, th je neparna. Strogo raste na R. Iz formule lagano slijedi da je |th x | < 1 , za svaki x R. Stovi se, kada argument te zi u + th x se sve vi se pribli zava pravcu y = 1, a kad argument te zi u th x se sve vi se pribli zava pravcu y = 1. Dakle th ima dvije horizonzalne asimptote, y = 1 i y = 1, i R(th) = 1, 1 .

212
6 4 2 -4 -2 -2 -4 -6 2 4

POGLAVLJE 5. FUNKCIJE
6 5 4 3 2 1 -4 -2 2 4

Slika 5.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). 4. Kako je jedina nulto cka od th to cka 0 zaklju cujemo da je D(cth) = R \{0} i cth u 0 ima vertikalnu asimptotu. Zbog neparnosti od th i cth je neparna. Kako th strogo raste na R, cth strogo pada na R \ {0}. Nadalje, kako je |th x | < 1 , za svaki x R, imamo da je |cth x | > 1 , za svaki x R \{0}. Kako se th x pribli zava pravcu y = 1 kada x te zi u + i y = 1 kada x te zi u , to mora i cth x . Dakle cth ima i dvije horizontalne asimptote, y = 1 i y = 1, i R(cth) = R \ [1, 1].
1.5 1 0.5 -4 -2 -0.5 -1 -1.5 2 4 -4 -2 -2 -4

4 2 2 4

Slika 5.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). Sve hiperboli cke funkcije su bijekcije sa svoje prirodne domene na svoju sliku, osim funkcije ch. Ako ch, zbog parnosti, restringiramo na , 0] ili [0, + , ch postaje bijekcija na svoju sliku. Funkcije inverzne hiperboli ckima zovu se area funkcije, preciznije areakosinus hiperboli cki ili Arch, areasinus hiperboli cki ili Arsh, areatanges hiperboli cki ili Arth i areakotanges hiperboli cki ili Arcth. Kako su formule za hiperboli cke funkcije dane u terminima eksponencijalne, formule za area funkcije mogu se izraziti u terminima logaritamske funkcije. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih, tj. imamo:

5.2. PREGLED ELEMENTARNIH FUNKCIJA

213

1. Ako smo ch restringirali na [0, +), onda je D(Arch) = [1, + i R(Arch) = [0, + . Iz Teorema 5.1 zaklju cujemo da Arch strogo raste, 1 joj je regularna to cka i nema asimptote jer ih nema niti ch. 2. O cito je D(Arsh) = R(Arsh) = R, iz Teorema 5.1 slijedi da Arsh strogo raste i nema asimptote jer ih nema niti sh.
3 2 1 -4 -2 -1 -2 -3 2 4 3 2.5 2 1.5 1 0.5 0.5 1 1.5 2 2.5 3

Slika 5.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). cito je D(Arth) = 1, 1 , R(Arth) = R i iz Teorema 5.1 slijedi da 3. O Arth strogo raste. Kako su y = 1 i y = 1 horizontalne asimptote od th, onda su rubovi 1 i 1, tj. pravci x = 1 i x = 1, vertikalne asimptote od Arth. 4. O cito je D(Arcth) = R \ [1, 1], R(Arth) = R \ {0} i iz Teorema 5.1 slijedi da Arcth strogo pada. Kako su y = 1, y = 1 horizontalne, a x = 0 vertikalna asimptota od cth, onda su rubovi 1 i 1, tj. pravci x = 1 i x = 1, vertikalne asimptote od Arth, a pravac y = 0 horizontalna asimptota.
3 2 1 -1 -0.5 -1 -2 -3 0.5 1 -4 -2 -1 -2 -3 3 2 1 2 4

Slika 5.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).

Poglavlje 6 Uvod u diferencijalni ra cun

6.1
6.1.1

Neprekidnost i grani cne vrijednosti

Neprekidnost funkcije

Primjer 6.1 Promatrajmo funkciju koja opisuje visinu po starine u ovisnosti o masi po siljke. Neka je visina po starine za pisma mase do (uklju civo) 20 g jednaka 2.8 kn, a za pisma mase preko 20 g neka je po starina dana formulom c(m) = 3.5 + 0.05(m 20) kn. (Masa m je izra zena u gramima, a visina po starine c u kunama). Dakle imamo c(m) = 2.8, 0 m 20 3.5 + 0.05(m 20), m > 20.

Graf te funkcije prikazan je na slici 6.1. Promatrajmo pona sanje vrijednosti funkcije c(m) u okolini to caka m = 10, m = 20 i m = 30. Vidimo da je pona sanje u okolini to cke m = 20 kvalitativno druga cije od pona sanja u okolini drugih dviju to caka. Naime, u to ckama m = 10 i m = 30 (i u svim drugim to ckama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom promjenom vrijednosti funkcije. Za to cke m < 20 nema nikakve promjene u vrijednosti funkcije, a za to cke m > 20 promjena argumenta za neku malu vrijednost h = m rezultira promjenom funkcije za vrijednost 0.05h (c = 0.05h = 0.05m). Zelimo li promjenu vrijednosti funkcije odr zati manjom od nekog unaprijed zadanog broja M , moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M c(m2 ) c(m1 ) = 0.05(m2 m1 ), onda je 215

216

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

5 4 3 2 1 10 20 30 40 50

Slika 6.1: Graf visine po starine u ovisnosti o masi po siljke. 20M (m2 m1 )). S druge strane, proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + m ce rezultirati skokom vrijednosti funkcije c za barem 0.7 kn, i ne postoji dovoljno mali m koji bi rezultirao manjom promjenom vrijednosti funkcije c. Vizualnom inspekcijom grafa vidimo da u to cki m = 20 funkcija c(m) ima skok, odnosno da graf funkcije ima prekid u toj to cki. Denicija 6.1 Funkcija f je neprekidna (ili neprekinuta) u to cki x0 D(f ) ako za svaki > 0 postoji > 0 takav da (|x x0 | < ) = (|f (x) f (x0 )| < ). Funkcija je neprekidna na skupu I R ako je neprekidna u svakoj to cki skupa I. Denicija 6.1 je samo tehni cka formalizacija zahtjeva da mali pomaci u argumentu rezultiraju malim pomacima u vrijednosti funkcije. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. Neformalna geometrijska interpretacija neprekidnosti funkcije u to cki je da pri crtanju grafa funkcije u toj to cki ne moramo podi ci olovku s papira. Napomena 6.1 Ako za dano > 0 i neko > 0 vrijedi Denicija 6.1 onda za svako > pogotovo vrijedi (|x x0 | < ) = (|f (x) f (x0 )| < ).

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI

217

Zato je za neprekidnost funkcije f u to cki x0 dovoljno da za svaki > 0, koji je manji od nekog ksnog strogo pozitivnog broja, postoji > 0 za koji vrijedi Denicija 6.1. Drugim rije cima treba pa znju obratiti na malene > 0. Ako za dani > 0 i neki > 0 vrijedi Denicija 6.1 onda za svaki 0 < < pogotovo vrijedi (|x x0 | < ) = (|f (x) f (x0 )| < ). Prema tome za svaki > 0 ako postoji jedan > 0, onda postoji i beskona cno mnogo takvih > 0 da vrijedi Denicija 6.1. No, nama je dovoljno samo jedan takav > 0 sto je i nazna ceno u Deniciji 6.1. cki x0 Napomena 6.2 Iz Denicije 6.1 slijedi da funkcija f ima prekid u to D(f ) ako postoji > 0 takav da za svaki > 0 postoji x D(f ) takav da (|x x0 | < ) i (|f (x ) f (x0 )| > ). Primjer 6.2 Funkcija c(m) iz Primjera 6.1 ima prekid u to cki c = 20, ali je ona neprekidna s lijeva u toj to cki. Odnosno c(m) aproksimira c(20) s to cno s cu do , ako je m lijevo od 20 i dovoljno blizu 20. S druge strane, ako je m > 20 i m blizu 20, ipak m(c) nije blizu m(20). Primjer 6.2 nam daje ideju za sljede cu deniciju: Denicija 6.2 Funkcija f je neprekidna s lijeva u to cki x0 D(f ) ako za svaki > 0 postoji > 0 takav da (x x0 ; |x x0 | < ) = (|f (x) f (x0 )| < ). Analogno, ka zemo da je funkcija f neprekidna s desna u to cki x0 D(f ) ako za svaki > 0 postoji > 0 takav da (x x0 ; |x x0 | < ) = (|f (x) f (x0 )| < ).

6.1.2

Svojstva neprekidnih funkcija

Teorem 6.1 Neka su funkcije f, g : R R denirane i neprekidne u to cki x0 R. Tada su u to cki x0 neprekidne i funkije:

218 1. f + g , 2. f g , 3. f g , 4.
f , g

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

ako je g (x0 ) = 0.

Teorem 6.2 Neka su funkcije f, g : R R takve da je denirano (g f )(x0 ), i x0 D(f ) i f (x0 ) D(g ). Ako je funkcija f neprekidna u x0 , i funkcija g neprekidna u f (x0 ), onda je funkcija g f neprekidna u x0 . cki c I , i neka je f (c) > 0 Teorem 6.3 Neka je f : I R neprekidna u to (f (c) < 0). Tada postoji > 0 takav da je f (x) > 0 (f (x) < 0) za sve x c , c + .
Dokaz: Pretpostavimo suprotno, tj. da je f (c) > 0 i za svaki > 0 postoji x (c , c + ) takav da je f (x ) 0. Uzmimo = f (c). Tada za svaki > 0, po pretpostavci, postoji x (c , c + ), tj. |x c| < , za koji je f (x ) 0. Tada je |f (x ) f (c)| > f (c) = . Dakle, f ima prekid u to cki c, sto je suprotno pretpostavci. Analogno se doka ze slu caj f (c) < 0.

Teorem 6.4 Neka je funkcija f : R R neprekidna na segmentu [a, b], i neka je f (a)f (b) < 0. Tada postoji x0 a, b takav da je f (x0 ) = 0. Teorem 6.4 ka ze da ako imamo neprekidnu funkciju na segmentu takvu da su njene vrijednosti u rubovima suprotnog predznaka, onda njezin graf mora negdje sje ci x os, tj. mora imati nulto cku. Primjer 6.3 Iz Napomene 5.11 znamo da je funkcija f : R R dana formulom 1 , x=0 x f (x) = 1, x = 0 svugdje neprekidna osim u nuli. Ako pogledamo funkciju f restringiranu na segment [1, 1], tj. f |[1,1] : [1, 1] R, onda je o cito f (1)f (1) = 1 < 0, ali o cito f nema nulto cku na segmentu [1, 1] (jer je nema na cijelom R).

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.3 slijedi da je uvjet neprekidnosti iz Teorema 6.4 nu zan.

219

Prisjetimo se da je funkcija f : R R ograni cena ili omedena na intervalu I R ako postoje m, M R takvi da je m f (x) M, za svaki x I (Denicija 5.4) Teorem 6.5 Funkcija neprekidna na segmentu je i ograni cena na segmentu. Tvrdnja Teorema 6.5 ne vrijedi za otvorene intervale. Npr. funkcija f (x) = neprekidna na 0, 1 , ali o cito je neomedena.
1 x

je

Teorem 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R R neprekidna na [a, b]. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. Teorem 6.6 ka ze da je slika segmenta neprekidnom funkcijom segment. Tvrdnja Teorema 6.6 ne vrijedi za otvorene intervale. Npr. slika otvorenog intervala , funkcijom tg je R, i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu , . 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. Pitanje je sad, mo zemo li ne sto re ci o funkciji koja preslikava otvoreni interval u otvoreni interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval, onda je ta funkcija i neprekidna. Teorem 6.7 Neka je funkcija f : R R strogo monotona na otvorenom intervalu I R, i neka je slika intervala I funkcijom f otvoreni interval I R. Tada je funkcija f neprekidna na intervalu I . Nadalje, postoji inverzna funkcija f 1 i ona je neprekidna na intervalu I .

6.1.3

Neprekidnost elementarnih funkcija

Primjer 6.4 Funkcije f, g : R R dane formulama f (x) = c i g (x) = x su neprekidne na R.

220

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

1. Doka zimo da je funkcija f (x) = c neprekidna u proizvoljnoj to cki x0 R. Uzmimo proizvoljni > 0, i nadimo > 0 takvo da (|x x0 | < ) = (|f (x) f (x0 )| < ). Budu ci da je f (x) f (x0 ) = c c = 0, slijedi da za mo zemo uzeti bilo koji pozitivan broj. 2. Doka zimo da je funkcija f (x) = x neprekidna u proizvoljnoj to cki x0 R. Uzmimo proizvoljni > 0, i nadimo > 0 takvo da (|x x0 | < ) = (|f (x) f (x0 )| < ). Budu ci da je |f (x) f (x0 )| = |x x0 |, slijedi da mo zemo uzeti = . Iz Primjera 6.4 i Teorema 6.1 direktno imamo:
n

Teorem 6.8 Svaki polinom Pn (x) =

i=0

ai xi je neprekidan na R. Svaka racionalna

funkcija je neprekidna na cijelom svom prirodnom podru cju denicije.

Dokaz: U Primjeru 6.4 dokazali smo da je funkcija f (x) = x neprekidna na R. Iz Teorema 6.1 sada slijedi da je na R neprekidna i funkcija x2 . Na isti na cin se zaklju ci da su xi , i = 0, 1, ..., n, neprekidne na R. Zbog neprekidnosti konstantne funkcije na R (Primjer 6.4) i Teorema 6.1, na R su neprekidne i funkcije ai xi , i = 0, 1, ..., n. Na kraju, takoder iz Teorema 7.1, zaklju cujemo da je i suma od ai xi , i = 0, 1, ..., n, tj. polinom Pn (x) neprekidan na R. Neprekidnost racionalne funkcije na cijelom svom prirodnom podru cju denicije slijedi izravno iz Teorema 6.1, jer je svaka racionalna funkcija kvocijent dvaju polinoma.

Napomena 6.3 Mo ze se pokazati i da su sve algebarske funkcije neprekidne tamo gdje su denirane. Teorem 6.9 Eksponencijalne, logaritamske, trigonometrijske, arkus, hiperboli cke i area funkcije su neprekidne na svojim domenama.
Dokaz: Neprekidnost eksponencijalnih, logaritamskih, hiperboli ckih (osim kosinusa hiperbolnog), area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.7. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.1. Neprekidnost funkcija tg i ctg na cijelom podru cju denicije lagano slijedi iz Teorema 6.7 i periodi cnosti, jer su njihove restrikcije npr. na intervale 2 , 2 odnosno 0, monotone bijekcije na R, dakle iz Teorema 6.7 su neprekidne. Nadalje, takoder iz Teorema 6.7 imamo da su neprekidne i funkcije arctg i arcctg.

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI

221

Restrikcije funkcija sin x i cos x na intervale 2 , 2 i 0, su monotone bijekcije na 1, 1 , dakle su po Teoremu 6.7 i neprekidne. Sada lagano zaklju cujemo da su funkcije sin i cos zbog periodi cnosti neprekidne na R \ { + k : k Z } odnosno na R \ {k : k Z}. 2 Doka zimo jo s da je sin neprekidna u 2 i 2 , analogno se dokazuje za ostale to cke oblika 2 + k , k Z. Znamo da za funkciju sin x i proizvoljni a R vrijedi da je

sin x sin a = 2 sin Ako sada stavimo da je a =

2,

xa x+a cos . 2 2

imamo 2x + 2x cos . 4 4

sin x = 1 + 2 sin

Ako pustimo da x varira po intervalu 0, 32 , onda 2x4 varira po intervalu 4 , 2 , dakle + je funkcija f (x) = sin 2x4 neprekidna na 0, 32 . Isto tako 2x4 varira po intervalu 4, 3 3 kada x varira po intervalu 0, 2 . Sada imamo da je sin x neprekidna na 0, 2 , posebno je neprekidna u 2 . Zbog neparnosti imamo da je sin x neprekidna i u 2 . Analogno se dokazuje neprekidnost u svim to ckama oblika 2 + k , k Z. Neprekidnost funkcije cos x na R lagano slijedi iz formule

cos x = sin(x +

). 2

Zbog stroge monotonosti funkcija sin x, cos x i ch x redom na intervalima 2 , 2 , 0, i 0, + iz Teorema 6.7 imamo da su neprekidne funkcije arcsin x, arccos x i Arch x redom na intervalima 1, 1 , 1, 1 i 1, + . Kako su one denirane i u rubovima intervala zelimo da su neprekidne i tamo. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u 1 i neprekidne s lijeva u 1, te da je Arch x neprekidna s desna u 1. Doka zimo da je arccos x neprekidna s lijeva u 1. Uzmimo proizvoljan > 0 i pronadimo > 0 takav da vrijedi

(x 1; |x 1| < ) = (| arccos x arccos 1| < ). Kako je arccos 1 = 0 i arccos x 0 za x 1, imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan > 0 pronademo > 0 takav da vrijedi (1 x < ) = (arccos x < ). Za proizvoljan > 0 uzmimo = 1 cos . O cito je > 0. Naravno za tako denirani i proizvoljni ne mora vrijediti > 0, tj. mo zemo dobiti i = 0, ali u Napomeni 6.1 smo rekli da kada govorimo o proizvoljnosti broja promatramo male . Tada za x 1 za koje je 1 x < imamo 1 x < 1 cos , sto je ekvivalentno s arccos x < . Dakle je arccos x neprekidna s lijeva u to cki 1. Analogno se dokazuju i druge jednostrane neprekidnosti. Dakle su funkcije arccos x, arcsin x i Arch x redom neprekidne na [1, 1], [1, 1] i [1, + .

222

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su denirane.

6.1.4

Grani cna vrijednost (limes) funkcije

1. Funkcija f : R R dana formulom f (x) = x2 3x + 2 x1

Primjer 6.5

nije denirana u to cki x = 1. Pogledajmo kako se pona saju njene vrijednosti u okolini to cke x = 1. Ra cunaju ci te vrijednosti, vidimo da su one blizu vrijednosti 1; za vrijednosti od x koje su malo ve ce od 1, vrijednosti funkcije su malo ve ce od 1, za x malo manji od 1, vrijednosti funkcije su malo manje od 1. Dakle, zaklju cujemo, dodemo li s x dovoljno blizu to cki 1, dovest cemo vrijednosti funkcije proizvoljno blizu vrijednosti 1. 2. Za funkciju f : R R danu formulom f (x) = 1 x2

imamo problem u nuli, tj. funkcija nije denirana u to cki 0. Pogledajmo kako se pona saju vrijednosti funkcije f u okolini to cke 0. Jasno je da ako uzmemo to cku x po apsolutnoj vrijednosti dovoljno malu, tj. dovoljno blizu nule, vrijednost funkcije postaje ve ce od po volji velikog realnog broja. 3. Funkcija f : R R dana formulom f (x) = 1 x

takoder ima problem u nuli, tj. funkcija nije denirana u to cki 0. Pogledajmo kako se pona saju vrijednosti funkcije f u okolini to cke 0. Ako uzmemo to cku x dovoljno malu, ali pozitivnu, vrijednost funkcije postaje ve ce od po volji velikog pozitivnog realnog broja. S druge strane, ako uzmemo to cku x dovoljno malu, ali negativnu, vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. 4. Za funkciju f : R R danu formulom f (x) = arctg x

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI

223

znamo iz to cke 5.2.8 da za velike vrijednost argumenta vrijednosti funkcije postaju po volji bliske broju , tj. pravac y = je horizontalna asimptota. 2 2 5. Neka je dana funkcija f : R R formulom f (x) = xx . Primijetimo prvo da ona nije denirana za vrijednosti manje od nule (to cka 5.2.5), a ne znamo izra cunati ni njenu vrijednost za x = 0. Dakle, ako zelimo promatrati pona sanje oko nule, moramo se ograni citi samo na pozitivne vrijednosti. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. 6. Za funkciju f : R R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribli zavaju niti jednoj odredenoj realnoj vrijednosti za velike vrijednosti argumenta. Situacije iz Primjera 6.5 matemati cki opisujemo pojmom limesa ili grani cne vrijednosti funkcije. Denicija 6.3 Neka je funkcija f : R R denirana na nekoj okolini to cke c, osim, mo zda u samoj to cki c. Realni broj L je limes ili grani cna vrijednost funkcije f u to cki c ako za svaki > 0 postoji > 0 takav da (0 < |x c| < ) = (|f (x) L| < ). Ako funkcija ima limes L u to cki c, onda pi semo L = lim f (x).
xc

Ako limes postoji on je i jedinstven: Teorem 6.10 Neka je dana funkcija f : R R koja je denirana na nekoj okolini to cke c, osim, mo zda u samoj to cki c. Neka postoje realni brojevi L i M takvi da za svaki > 0 postoji > 0, takav da (0 < |x c| < ) = (|f (x) L| < ; |f (x) M | < ).

224 Tada je L = M .

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Dokaz: Pretpostavimo suprotno, tj. da je M = L. Uzmimo sada = 1 2 |M L|. Tada za taj , po pretpostavci, postoji > 0, takav da (|x c| < ) = (|f (x) L| < ; |f (x) M | < ). Ali, |M L| = |M f (x) + f (x) L| |f (x) M | + |f (x) L| < 2 vrijedi za argumente iz domene od f za koje je |x c| < . Dakle imamo |M L| < |M L|, sto ne mo ze biti. Dakle je M = L.

cimo da je denicija limesa (Denicija 6.2) jako sli cna deniNapomena 6.4 Uo ciji neprekidnosti (Denicija 6.1) (vidjet cemo kasnije da su to ustvari blisko povezani pojmovi), ali postoji bitna razlika. U deniciji limesa ne zahtijevamo da funkcija bude denirana u to cki u kojoj gledamo limes, dok je za neprekidnost to nu zno da bi se uop ce moglo govoriti o neprekidnosti u to cki. Uz malu zloporabu notacije mo zemo Deniciju 6.3 pro siriti tako da uklju cuje i c = + odnosno c = . Pri tome uzimamo da je svaki otvoreni interval oblika (M, +) okolina od +, i svaki interval oblika (, M ) je okolina od . Tada ka zemo da je L = lim f (x) ako za svaki > 0 postoji M > 0 takav da
x+

(x > M ) = (|f (x) L| < ). Analogno, L = lim f (x) ako za svaki > 0 postoji M > 0 takav da
x

(x < M ) = (|f (x) L| < ). Po analogiji s divergencijom niza u u zem smislu (Denicija 4.6 i Napomena 4.2) mo zemo pro siriti deniciju limesa tako da uklju cuje i slu caj L = + odnosno L = , pri cemu, naravno ne zaboravljamo, +, / R. Ka zemo da je lim f (x) = + ako za svaki M > 0 postoji > 0 takav da
xc

(0 < |x c| < ) = (f (x) > M ).

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Analogno, lim f (x) = ako za svaki M > 0 postoji > 0 takav da
xc

225

(0 < |x c| < ) = (f (x) < M ). Deniciju 6.3 mo zemo pro siriti i na slu caj c = + odnosno c = i L = + odnosno . Ka zemo da je lim f (x) = + ako za svaki M > 0 postoji N > 0 takav da x+ za sve (x > N ) = (f (x) > M );
x+

lim f (x) = ako za svaki M > 0 postoji N > 0 takav da za sve (x > N ) = (f (x) < M );

lim f (x) = + ako za svaki M > 0 postoji N > 0 takav da za sve (x < N ) = (f (x) > M );

lim f (x) = ako za svaki M > 0 postoji N > 0 takav da za sve (x < N ) = (f (x) < M ).

Zelimo li naglasiti da se argument x pribli zava vrijednosti c samo s jedne strane, recimo odozgo, tj. s desna, pi semo
xc+

lim f (x).

Dakle, za funkciju f : R R deniranu na nekoj okolini to cke c, osim, mo zda, u samoj to cki c ka zemo da ima limes L R s desna u to cki c i pi semo L = lim f (x)
xc+

ako za svaki > 0 postoji > 0 takav da (x > c; |x c| < ) = (|f (x) L| < ). Za funkciju f : R R deniranu na nekoj okolini to cke c, osim, mo zda u samoj to cki c ka zemo da ima limes L R s lijeva u to cki c i pi semo L = lim f (x)
xc

ako za svaki > 0 postoji > 0 takav da (x < c; |x c| < ) = (|f (x) L| < ).

226

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Teorem 6.11 Neka je funkcija f : R R denirana na nekoj okolini to cke c, osim, mo zda u samoj to cki c. Funkcija f ima limes L (L mo ze biti i + i ) u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L.
Dokaz: Ako funkcija f ima limes L u to cki c, onda je jasno iz Denicije 6.3 i denicija limesa s desna i limesa s lijeva da oni postoje i da su jednaki L. Obrnuto, ako postoje limesi s lijeva i s desna i oni su jednaki L, onda iz Denicije 6.3 direktno slijedi da postoji i limes u to cki c i jednak je L.

Primjer 6.6 Opi simo sada pomo cu limesa Primjer 6.5. 1. lim 2. lim 3. x2 3x + 2 = 1, x1 x1 1 = + , x0 x2 lim

1 1 = + i lim = , tj. limesi s lijeva i s desna su razli citi x0+ x x0 x 1 dakle ne postoji lim , x0 x 4. lim arctg x = , x+ 2 5.
x0+

lim xx = 1,
x+

6. ne postoji

lim sin x.

6.1.5

Neprekidnost i limes

Primjer 6.7 Iz Primjera 5.5 znamo da funkcija 1, x < 0 sign x = 0, x = 0 1, x > 0 ima prekid u nuli. Nadalje je o cito da je
x0+

lim sign x = 1 ,

x 0

lim sign x = 1 .

Dakle je
x0+

lim sign x = sign 0

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i

x0

227

lim sign x = sign 0 .

Primjer 6.8 Funkcija f : R R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.1 i Primjer 6.4). Nadalje, o cito vrijedi f (2) = lim f (x).
x2

Primjeri 6.7 i 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u to cki. Zaista imamo: cki c ako i samo ako je Teorem 6.12 Funkcija f : R R je neprekidna u to
xc

lim f (x) = f (c).

Dokaz: Izravno iz Denicije 6.1 i 6.3. Teorem 6.12 ka ze da ako je funkcija neprekidna u to cki c, onda limes i funkcija komutiraju tj. imamo
xc

lim f (x) = f (c) = f ( lim x).

xc

Napomena 6.5 U Teoremu 6.12 se podrazumijeva da je funkcija f denirana u to cki c (Napomena 6.4) i da limes mora postojati, tj. kona can je broj. Sada direktno iz Napomene 6.5 imamo sljede ci rezultat za kompoziciju funkcija: Teorem 6.13 Neka je funkcija g : R R neprekidna, i neka postoji limes funkcije f u to cki c. Tada je
xc

lim g (f (x)) = g ( lim f (x)).

xc

Analogno kao Teorem 6.12 imamo: Teorem 6.14 Funkcija f : R R je neprekidna s lijeva (s desna) u to cki c ako i samo ako je lim f (x) = f (c)
xc

( lim f (x) = f (c)).

xc+

Dokaz: Izravno iz Denicije 6.2 i denicije jednostranog limesa.

228

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Teorem 6.15 Funkcija f : R R je neprekidna u to cki c ako i samo ako postoje limesi s lijeva i s desna u to cki c i ako vrijedi
xc

lim f (x) = lim f (x) = f (c).

xc+

Dokaz: Izravno iz Teorema 6.11, 6.12 i 6.14.

6.1.6

Neodredeni oblici

Za sto moramo ra cunati limese? Za sto ne mo zemo naprosto uvrstiti vrijednost argumenta u formulu? Odgovor je da mo zemo uvrstiti, no mo ze se desiti da dobijemo izraz koji nije deniran, jer operacije nisu denirane i operandi nisu realni brojevi. To se posebno odnosi na veli cine + i . Kako one nisu realni brojevi, neka od pravila za ra cunanje s realnim brojevima ne vrijede za ra cunanje s + i . Pravila za ra cunanje s beskona cnim veli cinama: 1. (+) + (+) = +; 2. + a = +, a R proizvoljan; 3. () + () = ; 4. a = , a R proizvoljan; 5. (+) (+) = +; 6. (+) () = ; 7. () () = +; 8. (+) a = +, a > 0 , a < 0; , a > 0 +, a < 0;

9. () a = 10.
a +

= 0, a R proizvoljan;

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11.

a

229

= 0, a R proizvoljan.

Sljede ce operacije s beskona cnim veli cinama nisu denirane: 1.

+ , + + , , + ;

2. (+) + (); 3. + 0, 4. (+)0 , 5. 1+ , 0; ()0 ; 1 .

Osim s beskona cnim veli cinama, mogu se desiti i situacije u kojima se javljaju nedenirane operacije s nulom: 1.
0 ; 0

2. 00 . Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. Sedam veli canstvenih: 0 , 0 , , 0, 0 , 1 , 0 .

zna Sto ci da je izraz neodreden? Ako se uvr stavanjem vrijednosti x = c u funkciju f (x) dobije realan broj, onda je to i limes od f (x) kad x c. Ako se dobije jedan od neodredenih oblika, onda taj izraz treba transformirati u ne sto sto ce se dati izra cunati. Iz Primjera 6.6 znamo da vrijednost izraza 0 koji se dobije uvr stavanjem 0 x2 3x+2 ze da je vrijednosti x = 1 u funkciju f (x) = x1 je 1. Analogno se doka vrijednost izraza za koji se dobije uvr stavanjem vrijednosti x = 2 u funkciju x2 3x+2 f (x) = x2 je 1. Dakle, s jedne strane smo dobili da je vrijednost izraza 0 jednaka 1 a s druge strane 1, pa je 0 neodreden oblik. 0 0

230

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

6.1.7

Ra cunanje limesa

Neki temeljni limesi 1. lim xn = +, n N proizvoljan; , n N neparan +, n N paran;

x+

x+

2. 3.

lim xn =

lim xn = lim xn = 0, n N proizvoljan; +, > 0 0, < 0;

x0

4. 5. 6.

x+

lim x =

x0+

lim xn = lim xn = +, n N paran; lim xn = +, lim xn = , n N neparan;

x0+

x0

7.

x0+

lim x =

0, >0 +, < 0; +, a>1 0, 0 < a < 1; 0, a>1 +, 0 < a < 1; +, a>1 , 0 < a < 1; , a>1 +, 0 < a < 1.

8.

x+

lim ax =

9.

lim ax =

10.

x+

lim loga x =

11.

x0+

lim loga x =

U gornjim pravilima svuda imamo R. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija.

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI

Primjer 6.9 Doka zimo da je
x+

231

lim

loga x = +,

za a > 1, a R. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) = (loga x > M ). Iz to cke 5.2.6 znamo da je za a > 1 logaritamska funkcija strogo rastu ca na (0, +) i da joj je slika cijeli R. Dakle, za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) = (loga x > M ). To zna ci da je
x+

lim

loga x = +.

Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6.9, koriste ci denicije limesa i jednostranih limesa (to cka 6.1.4), svojstva potencija, eksponencijalnih i logaritamskih funkcija, tj. njihov rast, pad, parnost, neparnost i sli cno. Osim ovih limesa, va znu ulogu igraju i sin x x0 x lim Teorem 6.16 lim i 1 lim (1 + )x . x+ x

sin x = 1. x0 x

Dokaz: Uzmimo trigonometrijsku (jedini cnu) kru znicu sa sredi stem u ishodi stu O i pravac paralelan s osi y koji prolazi to ckom B = (1, 0) u ravnini. Kako gledamo x x limes funkcije sin kada x 0, i zbog parnosti od sin , jasno je da je dovoljno x x ) i namotamo ga promatrati x (0, 2 ). Kada s pravca uzmemo x (0, 2 na kru znicu on se preslikava u to cku A = (cos x, sin x). Ozna cimo s A = (cos x, 0), ortogonalnu projekcija to cke A na x os, i s B = (1, tg x ), presjek polupravca kroz ishodi ste i to cku A s tangesnom osi (interpretacija tangensa preko trigonometrijske kru znice). Jasno je da se trokut OAA nalazi unutar kru znog isje cka OBA , koji se nalazi unutar trokuta OBB . Dakle imamo P (OAA ) P (OBA ) P (OBB ).

232

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

B tg x

sin x x 0 A

Slika 6.2: Uz izvod osnovnog trigonometrijskog limesa. Povr sina kru znog isje cka s duljinom luka x dana je formulom P (OBA ) = odnosno P (OBA ) = jer je kru znica jedini cna. Dakle imamo 1 x 1 sin x cos x 1 tg x . 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x odnosno x 1 , sin x cos x xr , 2 x 2

sin x 1 cos x. cos x x Pustimo li sada x 0 u gornjoj nejednakosti, i iz cinjenice da je lim cos x = cos 0 = 1 (Teorem 6.12) dobijemo 1 lim odnosno
x0 x0

sin x 1, x0 x sin x = 1. x

lim

 6.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.17

x+

233

lim

1+

1 x

= e.

Primjer 6.10 ex 1 = 1, x0 x lim i ax 1 = ln a, x0 x lim

a > 0, a R.
Promatramo prvo
x0

lim

1 ln(1 + x) = lim ln(1 + x) x . x0 x

Iz Teorema 6.12 i Teorema 6.17 slijedi

x0

lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.

x0

Dakle je
x0

lim

ln(1 + x) = 1. x

Ozna cimo sada ex 1 sa t. Tada je jasno da t 0 kada x 0, i da je x = ln(t + 1). Zbog toga je ex 1 t lim = lim = 1. x0 t0 ln(t + 1) x Iz to cke 5.2.6 znamo da za proizvoljni a > 0 vrijedi ax = ex ln a . Dakle imamo ax 1 ex ln a 1 = lim . x0 x0 x x lim Sada uz zamjenu varijable t = ex ln a 1 imamo da t 0 kad x 0 i x = imamo ea ln x 1 t lim = lim ln(t+1) = ln a. x0 t 0 x
ln a ln(t+1) ln a .

Dakle

234

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Svojstva limesa i pravila za njihovo ra cunanje Teorem 6.18 Neka postoje

xc

lim f (x) lim g (x)

i
xc

funkcija f, g : R R. Tada 1. funkcija f g ima limes u to cki c i vrijedi

xc

lim (f (x) g (x)) = lim f (x) lim g (x);

xc xc

2. funkcija f ima limes u to cki c za proizvoljan R i vrijedi

xc

lim (f (x)) = lim f (x);

xc

cki c i vrijedi 3. funkcija f g ima limes u to

xc

lim (f (x) g (x)) = lim f (x) lim g (x);

xc xc

4. funkcija

f g

ima limes u to cki c i vrijedi lim f (x) g (x) =

xc

lim f (x) lim g (x)

xc

xc

ako je g (c) = 0 i lim g (x) = 0.

xc

Teoremi 6.13, 6.16, 6.17, 6.18 i temeljni limesi iz to cke 6.1.7 su nam dovoljni za ra cunanje gotovo svih limesa.

6.2
6.2.1

Derivacija funkcije
Motivacija

Osim pona sanja vrijednosti neke veli cine i na cina na koji ona ovisi o nekoj drugoj veli cini va zno je znati i kako se brzo ona mijenja kada se mijenja veli cina o kojoj ona ovisi.

6.2. DERIVACIJA FUNKCIJE

235

Primjer 6.11 Automobil je put od Zagreba do Karlovca (50 km) pre sao za pola sata. Kojom se prosje cnom brzinom kretao? Prema formuli

s v= , t

gdje je s prijedeni put, a t vrijeme za koje smo pre sli taj put, dobivamo v= 50 km = 100 . 0.5 h

Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. 15 minuta nakon polaska. Kretanje je promjena polo zaja u vremenu. Trenutna brzina, za razliku od prosje cne, zahtijeva podrobnije razmatranje. Ideja je koristiti ono sto znamo, tj. promatrati prosje cnu brzinu na sve kra cim i kra cim intervalima oko trenutka koji nas zanima. Promatramo prosje cnu brzinu na vremenskom intervalu (a, b). Dana je formulom v= s(b) s(a) , ba

gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. Uzmimo a = t0 , b = t0 + t, za neki mali t i pogledajmo prosje cnu brzinu na [t0 , t0 + t], tj. s(t0 + t) s(t0 ) v= . t je t manji, to bolje ovaj izraz aproksimira pravu brzinu u t = t0 . No Sto uvrstimo li t = 0 u gornju formulu, dobivamo neodredeni izraz tipa 0 . Dakle, 0 moramo promatrati limes. Deniramo brzinu u to cki t0 s v (t0 ) = lim s(t0 + t) s(t0 ) . t0 t

Ova formula predstavlja osnovnu ideju i temelj diferencijalnog ra cuna. Dok je Newton do sao do otkri ca diferencijalnog ra cuna preko problema brzine, je Leibniz diferencijalni ra cun otkrio preko problema tangente.

236

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Primjer 6.12 Projektil je ba cen vertikalno u vis u trenutku t = 0 nekom po cetnom brzinom v0 s visine y0 . Iz zike znamo da je visina projektila u trenutku t dana formulom 1 y (t) = y0 + v0 t gt2 . 2

y t y t 0 t y

Slika 6.3: Ovisnost visine projektila o vremenu. Prosje cna brzina projektila u drugoj sekundi njegovog leta je y (2) y (1) . 21 Prosje cna brzina u 1001-oj milisekundi je y (1.001) y (1) . 1.001 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. Op cenito, prosje cna brzina projektila u vremenskom intervalu [t0 , t0 + t] je dana izrazom y y (t0 + t) y (t0 ) = . t t
y No izraz je tangens kuta koji sekanta krivulje y = y (t) kroz to cke (t0 , y (t0 )) i t (t0 +t, y (t0 +t)) zatvara s osi x, a to je jednako koecijent smjera te sekante. Dakle, prosje cna brzina odgovara koecijentu smjera sekante,

y = tg . t

6.2. DERIVACIJA FUNKCIJE

y y

237

y t 0 t 0 t

Slika 6.4: Sekante i tangenta. Prava brzina u trenutku t0 bi onda odgovarala koecijetu smjera tangente na krivulju y = y (t) u to cki s apscisom t0 . Time smo mehani cki problem odredivanja trenutne brzine sveli na geometrijski problem odredivanja koecijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.

6.2.2

Derivacija funkcije u to cki

f x

U Primjeru 6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veli cini x.

mjeri brzinu promjene veli cine

Denicija 6.4 Neka je funkcija f denirana na nekom otvorenom intervalu I koji sadr zi to cku x0 , tj. f : I R, x0 I . Ako postoji f (x0 + x) f (x0 ) , x0 x lim onda ka zemo da je funkcija f diferencijabilna ili derivabilna u to cki x0 i broj f (x0 ) = lim f (x0 + x) f (x0 ) x0 x

zovemo derivacija funkcije f u to cki x0 . Primjer 6.13 Izra cunajmo derivaciju funkcije f (x) = x2 u to cki x0 = 3.

(3 + x)2 32 f (3 + x) f (3) = lim = lim (6+x) = 6. f (3) = lim x0 x0 x0 x x

238

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Primjer 6.14 Odredimo derivaciju funkcije f (x) = sin x u to cki x0 = .

f ( ) = lim lim

f ( + x) f ( ) sin( + x) sin = lim = x0 x0 x x

sin cos x + cos sin x sin cos sin x = lim = x0 x0 x x sin x cos lim = cos = 1. x0 x

6.2.3

Derivacija funkcije

Ako je funkcija f derivabilna u svakoj to cki nekog otvorenog intervala I , onda je pravilom x f (x) dobro denirana jedna funkcija na I . Tu funkciju zovemo derivacija funkcije f i ozna cavamo s f (x). Dakle je f (x) = lim f (x + x) f (x) . x0 x

Napomena 6.6 Uo cimo bitnu razliku. Derivacija funkcije f u to cki x0 je broj, koji se ozna cava sa f (x0 ). Derivacija funkcije f (na nekom intervalu I na kojem je denirana i na kojem je u svakoj to cki diferencijabilna) je funkcija, koja se ozna cava s f (x) i koja svakoj vrijednosti x I pridru zuje broj f (x). Primjer 6.15 Pogledajmo sljede ce primjere: 1. Derivacija funkcije f (x) = kx + l je f (x) = k , za proizvoljne k, l R.

f (x) = lim

kx + k x + l kx l f (x + x) f (x) = lim = x0 x0 x x
x0

lim k = k.

Dakle brzina promjene linearne funkcije je konstanta.

6.2. DERIVACIJA FUNKCIJE

239

U specijalnom slu caju kada je k = 0, tj. funkcija f (x) = l je konstanta, a iz gornjeg ra cuna imamo da je f (x) = 0. Dakle je promjena brzine konstantne funkcije nula, sto smo i o cekivali. 2. Derivacija funkcije f (x) = x2 je f (x) = 2x.

f (x) = lim lim

f (x + x) f (x) (x + x)2 x2 = lim = x0 x0 x x

x2 + 2 x x + x2 x2 = lim (2x + x) = 2x. x0 x0 x Primjer 6.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. f (x + x) f (x) = x0 x

f (x) = lim lim

sin(x + x) sin x sin x cos x + cos x sin x sin x = lim = x0 x0 x x

x0

lim

sin x(cos x 1) sin x cos x + lim = x 0 x x cos x 1 sin x + cos x lim . x0 x0 x x cos 2x 1 = 2 sin2 x

sin x lim Kako je

imamo 2 sin2 cos x 1 sin x sin x lim +cos x lim = cos x+sin x lim x0 x0 x x0 x x cos x sin x lim
x sin 2 x 2 x 2

x0

x0

lim sin

x 2

= cos x sin x 1 0 = cos x.

240

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Gra cka interpretacija Ako je u nekoj to cki derivacija funkcije pozitivna, to zna ci da je koecijent smjera tangente u toj to cki pozitivan, odnosno da je tangenta pravac koji raste. Ako je funkcija denirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala, onda je funkcija f rastu ca na tom intervalu (jer je tangenta u svakoj to cki tog intervala rastu ca). Sli cno, ako je f (x) < 0 na nekom intervalu, funkcija pada na tom intervalu. U to ckama gdje je f (x) = 0, tangenta je paralelna s osi x. Tu funkcija niti raste niti pada. Takve to cke zovemo stacionarne to cke.

6.2.4

Ra cunanje derivacija

Kako je denicija derivacije (Denicija 6.4) ustvari limes funkcije f (x + x) f (x) , x mogu se javiti neki problemi pri ra cunanju derivacije. To su npr., problem postojanja limesa, problem razli citih vrijednosti s lijeva i zdesna, problem kona cnosti limesa, problem rubova domene. Primjer 6.17 1. Funkcija f : R R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Pogledajmo sljede ce limese: L= i lim f (x0 + x) f (x0 ) x

x0+

f (x0 + x) f (x0 ) . x Lagano se vidi da je M = 1 i L = 1. Dakle iz Teorema 6.11 zaklju cujemo da f (x0 + x) f (x0 ) lim x0 x ne postoji, tj. ne postoji f (0). M=
x0

lim

6.2. DERIVACIJA FUNKCIJE 2. Funkcija f : R R dana formulom f (x) = Pogledajmo sljede ci limes: 3 x0 + x 3 x0 f (x0 + x) f (x0 ) lim = lim = x0 x0 x x 3 x 1 . lim = lim 3 x0 x x0 x2 Iz to cke 6.1.7 imamo da je lim 3 1 x2 = +, 3

241 x nije derivabilna u x0 = 0.

x0

dakle ne postoji f (0). 3. Funkcija f : R R dana formulom f (x) = x0 = 0 . Pogledajmo sljede ci limes:
3 (x0 + x)2 f (x0 + x) f (x0 ) lim = lim x0 x0 x x 3 x2 1 . lim = lim 3 x0 x x0 x 3

x2 nije derivabilna u

x2 0

Iz to cke 6.1.7 imamo da je lim 3 1 = +, x

x0

dakle ne postoji f (0). Teorem 6.19 Neka je funkcija f derivabilna u to cki x0 otvorenog intervala I , x0 I D(f ). Tada je f i neprekidna u x0 .
Dokaz: Fukcija f je derivabilna u x0 D(f ), dakle postoji limes f (x0 ) = lim f (x0 + x) f (x0 ) . x

x0

242

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Denirajmo sada funkciju g : I R formulom g (x0 + x) = Kako je

x0 f (x0 +x)f (x0 ) , x

f (x0 ),

x = 0 . x = 0

lim g (x0 + x) = g (x0 ) = f (x0 )

iz Teorema 6.12 zaklju cujemo da je funkcija g neprekidna u x0 . Nadalje, za x = 0 vrijedi f (x0 + x) = g (x0 + x)x + f (x0 ). Sada imamo
x0 x0

lim f (x0 + x) = lim (g (x0 + x)x + f (x0 )) =

x0 x0 x0

lim g (x0 + x) lim x + lim f (x0 ) = g (x0 ) 0 + f (x0 ) = f (x0 ).

Iz Teorema 6.12 imamo da je f neprekidna u x0 .

Obrat Teorema 6.19 op cenito ne vrijedi. Sve tri funkcije iz Primjera 6.17 su neprekidne u nuli, ali vidjeli smo da nisu derivabilne.

Derivacija zbroja, razlike, produkta i kvocijenta funkcija Teorem 6.20 Neka su funkcije f, g : R R derivabilne na otvorenom intervalu I D(f ), I D(g ). Tada su na I derivabilne i funkcije f g , f g i f g (tamo gdje je denirana, tj. za one x I za koje je g (x) = 0), i vrijedi 1. (f (x) g (x)) = f (x) g (x) 2. (f (x) g (x)) = f (x)g (x) + f (x)g (x) 3.
f (x) g (x)

f (x)g (x)f (x)g (x) . g 2 (x)

Dokaz: 1. (f (x) g (x)) = lim lim

x0

(f (x + x) g (x + x)) (f (x) g (x)) = x

x0

f (x + x) f (x) g (x + x) g (x) lim = f (x) g (x). x 0 x x

6.2. DERIVACIJA FUNKCIJE

2. (f (x) g (x)) = lim lim f (x + x) g (x + x) f (x) g (x) = x

243

x0

f (x + x) g (x + x) f (x) g (x + x) + f (x) g (x + x) f (x)g (x) = x0 x lim g (x + x) g (x + x) g (x) f (x + x) f (x) + lim f (x) = x0 x x f (x) lim g (x + x) + f (x)g (x).
x0

x0

Sada iz Teorema 6.19 imamo

x0

lim g (x + x) = g (x), odnosno

(f (x) g (x)) = f (x)g (x) + f (x)g (x). 3. Izra cunajmo prvo

1 g (x)

. Kako je g (x)

1 g (x)

= 1, imamo g (x) = 0. Dakle

1 g (x)

= 0, tj. po

pravilu derivacije produkta g (x) g(1 x) + g (x) 1 g (x) Kako je

f (x) g (x)

1 g (x)

g (x) . g 2 (x)
f (x) g (x)

f (x) g(1 x) , po pravilu deriviranja produkta imamo =

f (x) g (x)

f (x) g(1 x) + f (x)

1 g (x)

f (x)g (x) g 2 (x) ,

tj.

f (x) g (x)

f (x)g (x) f (x)g (x) . g 2 (x)

Napomena 6.7 Neka je funkcija f : R R derivabilna na otvorenom intervalu I D(f ). Tada je funkcija f , gdje je R proizvoljan, derivabilna na I i vrijedi (f ) (x) = f (x), za svaki x I . Dokaz: Denirajmo funkciju g : R R formulom g (x) = . O cito je D(g ) = R, dakle je po Teoremu 6.20 funkcija g f = f derivabilna na I i vrijedi (f ) (x) = 0 f (x) + f (x) = f (x), za svaki x I .

244

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Derivacija kompozicije funkcija Teorem 6.21 Neka je funkcija f : R R derivabilna u to cki x otvorenog intervala I , x I D(f ), i funkcija g : R R derivabilna u to cki f (x) otvorenog intervala J , f (x) J D(g ). Tada je funkcija g f derivabilna u x i vrijedi (g f ) (x) = g (f (x)) f (x). Gornju formulu za derivaciju kompozicije funkcija zovemo lan cano pravilo. Primjer 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g f , gdje je g (x) = x2 , f (x) = sin x. Dakle, iz Teorema 6.21, Primjera 6.15 i Primjera 6.16 imamo h (x) = (g f ) (x) = g (f (x)) f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. Izra cunajmo jo s i (f g ) . Dakle imamo (f g ) (x) = f (g (x))g (x) = cos(x2 )(2x) = 2x cos x2 . Derivacija inverzne funkcije Specijalan slu caj kompozicije funkcija je kada je funkcija g inverzna funkciji f , 1 tj. g = f . Dakle imamo f 1 (f (x)) = x. Sada primjenom Teorema 6.21 imamo (f 1 f ) (x) = (f 1 ) (f (x))f (x) = 1, odnosno (f 1 ) (f (x)) = 1 . f (x)

Ovo se, naravno, mo ze provesti samo ako je f (x) = 0. Teorem 6.22 Neka je funkcija f : R R derivabilna na intervalu I , f (x) = 0 na I i neka postoji f 1 . Tada je f 1 derivabilna i vrijedi (f 1 ) (f (x)) =
1 . f (x)

6.2. DERIVACIJA FUNKCIJE Primjer 6.19 Pogledajmo sljede ce primjere:

1 1. Derivacija funkcije g (x) = ln x je g (x) = x .

245

Pogledajmo prvo derivaciju funkcije f (x) = ex . Dakle imamo ex+x ex ex 1 = ex lim . x0 x0 x x Iz Primjera 6.10 imamo da je f (x) = lim ex 1 = 1, x0 x lim dakle je f (x) = ex . Kako je (f g )(x) = x iz Teorema 6.22 imamo da je f (g (x))g (x) = eln x g (x) = xg (x) = 1, odnosno g (x) = 2. Derivacija funkcije g (x) = 1 . x
1 . 2 x

x je g (x) =

Iz Primjera 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x, i vrijedi (f g )(x) = x. Iz Teorema 6.22 imamo da je f (g (x))g (x) = 2 xg (x) = 1, odnosno 1 g (x) = . 2 x

Derivacije elementarnih funkcija Na osnovi Teorema 6.20, 6.21 i 6.22 mogu se izra cunati derivacije svih elementarnih funkcija. Osnovne derivacije dajemo u sljede coj tablici. Derivacije svih drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.20, 6.21 i 6.22 i derivacijama iz donje tablice. cuje da provjere donje formule samostalno. Napomena 6.8 Studentima se preporu

246 f (x) c x ex ax ln x loga x sin x cos x tg x ctg x arcsin x

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN f (x) 0 x1 ex ax ln a

1 x 1 x ln a

f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x

f (x) 11 x2
1 1+x2 1 1+ x2

ch x sh x
1 ch2 x 1 sh2 x 1 1+x2 1 x2 1 1 1x2 1 1x2

cos x sin x
1 cos2 x sin12 x 1 1x2

Tablica 6.1: Derivacije elementarnih funkcija

6.2.5

Diferencijal funkcije i lokalna linearizacija

Pretpostavimo da nas za danu funkciju f : I R zanima kako se promijeni vrijednost funkcije u to cki x0 I kada se argument promijeni za x. To can iznos promjene vrijednosti funkcije je f (x0 + x) f (x0 ), no to je ponekad te sko izra cunati. Umjesto te vrijednosti lak se je izra cunati razliku f izmedu f (x0 ) i to cke na tangenti funkcije f kroz to cku (x0 , f (x0 )) s f apscisom x0 + x. Jasno je da je x = tg , odnosno f = tg x , gdje je kut izmedu tangente funkcije f u to cki (x0 , f (x0 )) i osi x. Iz formule f = tg x vidimo da ce za male vrijednosti od x i pogre ska f (f (x0 + x) f (x0 )) u cinjena zamjenom krivulje y = f (x) tangentom kroz (x0 , f (x0 )) biti dosta mala, tj. vrijednost f ce biti to bli za vrijednosti f (x0 + x) f (x0 ) sto je manji

6.2. DERIVACIJA FUNKCIJE

247

x. Prijedemo li sada sa kona cnog prirasta x funkcije f na beskona cno mali prirast dx, veli cinu df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u to cki x0 . Ako f ima derivaciju u svakoj to cki nekog otvorenog intervala I , onda je s df (x) = f (x)dx deniran diferencijal funkcije f na intervalu I .
y
f(x)

x0

x 0+ x

Slika 6.5: Diferencijal funkcije. Rekli smo da je derivacija funkcije f u to cki x0 I ustvari koecijent smjera tangente na graf funkcije f u to cki (x0 , f (x0 )). Dakle, jednad zba tangente u to cki (x0 , f (x0 )) na graf funkcije f je dana s y f (x0 ) = f (x0 )(x x0 ), odnosno s y = f (x0 ) + f (x0 )(x x0 ) (to cka 2.1.5). Teorem 6.23 Neka je f : I R derivabilna u to cki x0 I i g (x) = f (x0 ) + f (x0 )(x x0 ). Tada od svih polinoma stupnja najvi se jedan, polinom g najbolje aproksimira funkciju f u neposrednoj okolini to cke x0 .

248

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

-1

-0.5 -1

0.5

1.5

Slika 6.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke to cke. Kako se u okolini to cke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem 6.23), to su razlike ordinata na grafu i na tangenti male za istu apscisu. Dakle, dovoljno blizu to cki x0 mo zemo graf funkcije f zamijeniti komadom tangente: f (x) f (x0 ) + f (x0 )(x x0 ). Gornja formula predstavlja lokalnu linearizaciju funkcije f u to cki x = x0 . Primjer 6.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u to cki x0 = 0. Iz Primjera 6.16 znamo da je f (x) = cos x, dakle je f (0) = cos 0 = 1. Imamo f (x) sin 0 + cos 0(x 0) = x, odnosno sin x x na dovoljno maloj okolini oko x0 = 0. Zamjena funkcije f (x) = sin x funkcijom g (x) = x za male x omogu cava jednostavno rje savanje diferencijalne jednad zbe koja opisuje gibanje njihala za male otklone. Za velike otklone to ne mo zemo u ciniti jer nemamo vi se dobru aproksimaciju funkcijom g (x) = x i njihalo se vi se ne pona sa kao harmoni cki oscilator.

6.2. DERIVACIJA FUNKCIJE

249

Primjer 6.21 Pravilo 70 za udvostru cenje iznosa novca ulo zenog uz i% kamata godi snje. Koliko godina treba da se novac ulo zen uz i% kamata godi snje udvostru ci? Stavimo r =
i . 100

Tada je suma novca nakon t godina dana formulom S (t) = G(1 + r)t ,

gdje je G glavnica. Nas zanima vrijeme koje mora pro ci da se ulo zeni novac udvostru ci. Rje savamo jednad zbu S (t) = 2G. Imamo 2G = G(1 + r)t , odnosno 2 = (1 + r)t . Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . ln(1 + r)

Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. 1 Kako je f (0) = 0, f (r) = 1+ , odnosno f (0) = 1, imamo r f (r) f (0) + f (0)(r 0) = r. Dakle imamo ln(1 + r) r na dovoljno maloj okolini oko to cke r = 0. Sada imamo ln 2 100 ln 2 70 ln 2 = . t= ln(1 + r) r i i Dakle dobili smo formulu za pribli zno vrijeme udvostru cenja ulo zenog novca. Uo cimo da je iz te formule puno lak se izra cunati vrijeme nego iz to cne formule t= ln 2 . ln(1 + r)

Za male r je u cinjena pogre ska takoder mala.

250

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 1 + x u to cki

Primjer 6.22 Pronadimo lokalnu linearizaciju funkcije f (x) = x0 = 0 . Kako je f (0) = 1, f (x) =
1 2 1+x

odnosno f (0) =

1 2

imamo

x f (x) f (0) + f (0)(x 0) = 1 + . 2 Dakle je 1+x1+ x 2

na dovoljno maloj okolini oko to cke x0 = 0.

6.2.6

Derivacije vi seg reda

Ponekad je bitno znati i brzinu promjene brzine promjene. Npr., ubrzanje ili akceleracija je brzina promjene brzine, dakle derivacija brzine. Kako je sama brzina derivacija puta po vremenu imamo da je ubrzanje derivacija (po vremenu) derivacije puta po vremenu. To je druga derivacija puta po vremenu. To nas vodi do op ce denicije. Ako je funkcija f derivabilna u svakoj to cki otvorenog intervala I D(f ), onda iz to cke 6.2.3 znamo da je dobro denirana funkcija x f (x), za svaki x I. Sada ako u to cki x0 I postoji limes f (x0 + x) f (x0 ) , x0 x lim ka zemo da funkcija f ima drugu derivaciju u to cki x0 i pi semo f (x0 ) = lim f (x0 + x) f (x0 ) . x0 x

Gornjim je izrazom denirano preslikavanje x0 f (x0 ). Dakle, ako je to pridru zivanje denirano u svakoj to cki nekog intervala J D(f ) = I , onda se funkcija x f (x)

6.2. DERIVACIJA FUNKCIJE ozna cava s f i zove druga derivacija funkcije f (na J ). Dakle, vrijedi f (x) = [f (x)] , za svaki x J . Analogno se deniraju i derivacije vi seg reda: f (x), i vrijedi f (n) (x) = [f (n1) (x)] , f IV (x), . . . , f (n) (x),

251

za svaki n N. Geometrijska interpretacija predznaka i iznosa prve derivacije je nagib i strmina tangente. Geometrijska interpretacija predznaka druge derivacije vezana je uz konveksnost i konkavnost grafa funkcije, a njezinog iznosa uz zakrivljenost grafa. (Graf linearne funkcije je pravac. Druga derivacija linerane funkcije je identi cki jednaka nuli, tj. pravac se ne zakrivljuje. Odatle ideja da se druga derivacija ve ze uz zakrivljenost. Odnos nije jednostavan, zakrivljenost funkcije f u to cki x je dana s |f (x)| (x) = , (1 + [f (x)]2 )3 gdje je (x) = 1 (x)

polumjer kru znice koja se od svih mogu cih kru znica najbolje priljubljuje uz graf funkcije f u to cki (x, f (x)). O tome ce biti vi se rije ci u Matematici II.) Pozitivnost druge derivacije zna ci rast prve derivacije; negativnost druge derivacije zna ci pad prve derivacije. Dakle, ako je (u nekoj to cki) (na nekom intervalu) f (x) > 0 to zna ci da koecijent smjera tangente na graf funkcije f raste kad idemo tim intervalom s lijeva na desno. Ka zemo da je funkcija f konveksna na tom intervalu. Ako je f (x) < 0 na intervalu, koecijent smjera tangente pada s lijeva na desno. Takve funkcije zovemo konkavnima (na promatranom intervalu). Pojmovi konveksnosti i konkavnosti imaju smisla i u to cki, tj. funkcija f je konveksna u x0 ako je f (x0 ) > 0, a konkavna u x0 ako je f (x0 ) < 0. To cke u kojima se f (x) poni stava i mijenja predznak su zanimljive jer se u

252
y

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

y

f(x) f(x)

Slika 6.7: Konveksna (lijevo) i konkavna (desno) glatka funkcija. njima graf funkcije pona sa vrlo sli cno tangenti, tj. ravan je (lokalno) i prelazi s jedne strane tangente na drugu. Takve to cke se zovu to cke prijevoja ili to cke ineksije. To su to cke prijelaza iz konveksnosti u konkavnost i obratno. U tim to ckama funkcija najbr ze odnosno najsporije raste odnosno pada. Primjer 6.23 Funkcija f : R R dana formulom f (x) = x3 ima to cku ineksije u x0 = 0. O cito je f (x) = 3x2 , odnosno f (x) = 6x. Dakle je f (x) = 0 ako i samo ako je x = x0 = 0. Nadalje je f (x) > 0 za x > 0 i f (x) < 0 za x < 0, tj. f je konveksna na 0, + i konkavna na , 0 . Dakle x0 = 0 je to cka ineksije.

6.2.7

Osnovni teoremi diferencijalnog ra cuna

Vidjeli smo da je neprekidnost funkcije u to cki i na intervalu svojstvo koje je nu zno za postojanje derivacije u to cki (na intervalu) (Teorem 6.19). Zelimo li raditi s derivacijama vi seg reda, ne samo funkcija, nego i njene derivacije moraju biti neprekidne. Funkcija f : I R je klase C 1 (I ) ako ima prvu derivaciju na I i ako je ta prva derivacija neprekidna na I . Sli cno, funkcija f je klase C k (I ) ako ima sve derivacije do uklju civo reda k na I i ako je f (k) neprekidna na I . Za funkcije neprekidne na I ka zemo da su klase C 0 (I ) ili samo C (I ). Ako funkcija ima neprekidne derivacije bilo kojeg reda, kao npr. f (x) = ex , f (x) = sin x na

6.2. DERIVACIJA FUNKCIJE R, ka zemo da su klase C (I ). Za funkcije iz C 1 (I ), C 2 (I ),...,C (I ) ka zemo jo s da su glatke.

253

Napomena 6.9 Iz Teorema 6.1, Teorema 6.20 i Napomene 6.7 direktno slijedi da su skupovi C 0 (I ), C 1 (I ), ... i C (I ) realni vektorski prostori. Stovi se, to su podprostori realnog vektorskog prostora svih funkcija f : I R (Napomena 5.13). Beskona cnodimenzionalni su, jer 2 n npr. skup {1, x, x , ..., x } je linearno nezavisan za svaki n N (Teorem 5.3), i svaka funkcija iz tog skupa ima derivaciju svakog reda na I . Dakle beskona cni skup {xn : n = 0, 1, ...} se nalazi u nekoj bazi svakog od tih vektorskih prostora.

Napomena 6.10 Vrijedi C 0 (I ) C 1 (I ) C 2 (I ) ... C (I ).

Dokaz: O cito vrijedi C 0 (I ) C 1 (I ) C 2 (I ) ... C (I ), jer ako je npr. funkcija klase n + 1, onda ona mora biti i klase n, n = 0, 1, .... Iz Primjera 6.17 znamo da za funkciju danu formulom f (x) = |x| vrijedi f / C 1 (I ) na intervalu 0 0 1 I oko nule, ali o cito je da je f C (I ), dakle je C (I ) C (I ). Denirajmo funkciju f : R R formulom f= 1, 1 (x 1)2 + 2, x1 . 1<x2

Slika 6.8: Funkcija cija druga derivacija nije neprekidna.

Kako je
x1

lim f (x) = 1 = f (1)

254

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

iz Teorema 6.12 zaklju cujemo da je f neprekidna na D(f ) = , 2 . Kako je f (x) = i

x1

0, x1 2 , 1(x1)

x1 1<x2

lim f (x) = 0 = f (1)

imamo da je f neprekidna na , 2 , dakle je f C 1 , 2 . Pogledajmo drugu dervaciju od f . Imamo 0, x1 . f (x) = 1 , 1<x2 3

(x(2x))

Kako je
x1

lim f (x) = 0

x1+

lim f (x) = 1 / C 2 , 2 ,

zaklju cujemo da f nije neprekidna u x = 1, ima skok s 0 na 1. Dakle f odnosno je C 1 , 2 C 2 , 2 .

Ovaj je primjer zanimljiv jer pokazuje da pri prijelazu s ravnog komada na kru zni luk dolazi do skoka druge derivacije. Kako je zikalna interpretacija druge derivacije ubrzanje to zna ci da tu dolazi do skoka sile. To je razlog za sto se kod cesta i pruga takvi prijelazi ne rade. Op cenito se stroga inkluzija dokazuje promatranjem funkcije f (x) = xn x na [0, + . Teorem 6.24 (Fermatova lema-nu zan uvjet ekstrema) Neka je f : I 1 R klase C (I ) i neka f ima lokalni ekstrem u to cki x0 I . Tada je f (x0 ) = 0.

y
f(x)

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

Geometrijska interpretacija Teorema 6.24 je da u to cki lokalnog ekstrema glatke funkcije tangenta mora biti paralelna s x osi. To vrijedi i za lokalne minimume i maksimume. Napomena 6.11 Primijetimo: 1. Uvjet f C 1 (I ) iz Teorema 6.24 je bitan. Jasno je da funkcija f (x) = |x 1| ima lokalni ( cak i globalni) ekstrem u x = 1, no iz Primjera 6.16 znamo da f (1) ne postoji, pa se ne mo ze niti poni stavati. 2. Uvjet f (x0 ) = 0 nije i dovoljan da bi funkcija f C 1 (I ) imala u x0 I lokalni ekstrem. Za funkciju f (x) = x3 vrijedi f (0) = 0, ali znamo da ona strogo raste na R, dakle ne mo ze imati ekstreme.
y

f(x)

Slika 6.10: Glatkost funkcije je nu zna u Fermatovoj lemi. Teorem 6.25 (Rolleov teorem) Neka je f : I R klase C 1 (I ) i neka je f (a) = f (b) = 0 za neke a, b I , a < b. Tada postoji x0 a, b takav da je f (x0 ) = 0.
Dokaz: Kako je funkcija f neprekidna na segmentu [a, b] prema Teoremu 6.6 funkcija f poprima svoj minimum m i maksimum M na [a, b], tj. postoje to cke x1 , x2 [a, b] za koje je f (x1 ) = m i f (x2 ) = M . Ako je m = M onda je f konstantna na [a, b], tj. je f (x) = 0, za svaki x (a, b). Dakle u tom slu caju svaki x0 (a, b) zadovoljava tvrdnju teorema. Ako je m < M , onda je barem jedan od brojeva m i M razli cit od nule. Pretpostavimo da je

256

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

M = 0. Kako je f (a) = f (b) = 0 i f (x2 ) = M to je x2 = a i x2 = b. Dakle je to cka x2 unutarnja to cka segmenta [a, b]. Kako je f diferencijabilna u to cki x2 i ima maksimum u x2 iz Teorema 6.24 imamo da je f (x2 ) = 0. Analogno se doka ze kada je m = 0.

Teorem 6.25 ka ze da ako imamo neprekidno diferencijabilnu funkciju na I koja se poni stava u dvjema to ckama iz I , onda u barem jednoj to cki izmedu tih dviju to caka funkcija ima lokalni ekstrem.
y

f(x)

x0

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

Napomena 6.12 Primijetimo da je Teorem 6.25 u stvari Teorem 6.4 primijenjen na funkciju f . Kako je prva derivacija funkcije u to cki koecijent smjera tangente, odnosno, daje nam informaciju o rastu i padu funkcije u to cki, jasno je da kada funkcija f ide iz nulto cke (a, 0) prema sljede coj nulto cki tada ako raste (pada) zbog neprekidnosti mora padati (rasti) pri dolasku u tu sljede cu nulto cku. Dakle postoje to cke x1 , x2 [a, b] za koje je f (x1 ) > 0 (f (x1 ) < 0) i f (x2 ) < 0 (f (x2 ) > 0), odnosno je f (x1 )f (x2 ) < 0, pa po Teoremu 6.4 postoji x0 [x1 , x2 ] za koju je f (x0 ) = 0. Na slici 6.11 je prikazana najjednostavnija situacija kad izmedu a i b nema drugih nulto caka. Teorem 6.26 (Lagrangeov teorem srednje vrijednosti) Neka je f C 1 (I ). Tada za sve a < b, a, b I , postoji x a, b takav da je f (b) f (a) = f (x )(b a).

6.2. DERIVACIJA FUNKCIJE

257

Dokaz: Neka su a, b I , a < b, proizvoljne. Neka je L pravac kroz to cke (a, f (a)) i (b, f (b)), tj. L(x) = f (a) + Tada o cito funkcija F (x) = f (x) L(x) zadovoljava Teorem 6.25, tj. postoji x a, b za koju je F (x ) = 0. Kako je F (x) = f (x) L (x) = f (x) imamo f (b) f (a) = f (x )(b a). f (b) f (a) , ba f (b) f (a) (x a). ba

y
f(x)

x0

Slika 6.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.

Napomena 6.13 Primijetimo: 1. Ako jednad zbu f (b) f (a) = f (x )(b a) zapi semo u obliku f (b) f (a) = f (x ), ba onda Teorem 6.26 ka ze da za svaku sekantu kroz to cke (a, f (a)) i (b, f (b)) postoji to cka x a, b u kojoj je tangenta paralelna s tom sekantom.

258

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

2. Uvjet f C 1 (I ) iz Teorema 6.26 je bitan. Ako je dana funkcija f : R R formulom 3x, x 1 f (x) = 3 x > 1, o cito je
x1

lim f (x) = 3 = f (1),

pa je, po Teoremu 6.12, f neprekidna na R. Kako je f (x) = 3, x 1 , 0 x>1

o cito f ima prekid u x = 1. Dakle je f C 0 (R) i f / C 1 (R). Sada za a = 0 i b = 2 imamo f (b) f (a) = 1, ba ali ne postoji x 0, 2 za koji je f (x ) = 1.

y
f(x)

Slika 6.13: Glatkost je nu zna u Lagrangeovom teoremu srednje vrijednosti. Iz Teorema 6.26 imamo da za svaki x iz neke okoline od a imamo x a, x za koji je f (x) f (a) = f (x ). xa To mo zemo pisati kao f (x) = f (a) + f (x )(x a).

6.2. DERIVACIJA FUNKCIJE

259

Broj x ovisi o x, i ne znamo ga to cno, ne znamo u kojoj to cki je tangenta paralelna sa sekantom kroz (a, f (a)) i (x, f (x)), no u nekoj to cki sigurno je. Usporedimo to s lokalnom linearizacijom (to cka 6.2.5). Lokalna linearizacija funkcije f oko to cke x0 je dana s f (x) f (x0 ) + f (x0 )(x x0 ), tj. imamo pribli zni izraz. S druge strane, iz Teorema 6.26 imamo da je f (x) = f (x0 ) + f (x )(x x0 ), tj. imamo to can izraz, ali ne znamo za koji x . Zamjenom to cne vrijednosti f (x ) pribli znom vrijedno s cu f (x0 ) dobijemo lokalnu linearizaciju, tj. poznavaju ci prvu derivaciju f (x0 ) mo zemo aproksimirati funkciju u okolini to cke x0 . Koliko je ta aproksimcija dobra? Odnosno, poznavaju ci vrijednosti vi sih derivacija u x0 , mo zemo li dobiti bolju aproksimaciju funkcije f u okolini to cke x0 ? Teorem 6.27 (Taylorov teorem srednje vrijednosti) Neka je f : I R klase C n+1 (I ) i neka je x0 I . Tada za svaki x I postoji cx izmedu x0 i x takav da vrijedi
n

f (x) =
i=0

f (i) (x0 ) f (n+1) (cx ) (x x0 )i + (x x0 )n+1 = i! (n + 1)! f ( x0 ) f (n) (x0 ) f (n+1) (cx ) (xx0 )2 +...+ (xx0 )n + (xx0 )n+1 . 2! n! (n + 1)!

f (x0 )+f (x0 )(xx0 )+ Izraz

n

f (x) =
i=0

f (i) (x0 ) f (n+1) (cx ) ( x x0 ) i + (x x0 )n+1 i! (n + 1)!

se zove Taylorova formula. Sastoji se od Taylorovog polinoma n-tog stupnja

n

Tn (x) =
i=0

f (i) (x0 ) (x x0 )i i!

i ostatka Rn (x) =
f (n+1) (cx ) (x (n+1)!

x0 )n+1 .

Napomena 6.14 Za n = 0 Teorem 6.27 je ba s Lagrangeov teorem srednje vrijednosti, tj. Teorem 6.26.

260

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Za slu caj n = 1 dobivamo f (x) = f (x0 ) + f (x0 )(x x0 ) + Ostatak f (cx ) (x x0 )2 . 2!

f (cx ) (x x0 )2 2 predstavlja gre sku lokalne linearizacije R2 (x) = f (x) f (x0 ) + f (x0 )(x x0 ) funkcije f u okolini to cke x0 . Dakle, ocjenjivanje pogre ske u cinjene pri linearizaciji svodi se na ocjenjivanje veli cine |f (cx )|. Sli cno kao i Teorem 6.23, Taylorovi polinomi se najbolje priljubljuju (dakle najbolje aproksimiraju) uz graf funkcije f u okolini to cke (x0 , f (x0 )) od svih polinoma danog stupnja. Daleko od x0 aproksimacija mo ze biti (i obi cno je) vrlo lo sa. Aproksimacija je dobra lokalno. Primjer 6.24 Neka je dana funcija f (x) = sin x. Tada su Taylorovi polinomi u okolini to cke x0 = 0 dani sa T0 (x) = f (0) = 0, T1 (x) = f (0) + f (0)x = x,

x2 = x, 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x , ... 2 3! 6 T2 (x) = f (0) + f (0)x + f (0)
n

Tn (x) =
i=0

(1)i

x2i+1 . (2i + 1)!

Ako je f C (I ) onda Taylorov polinom postoji za svaki stupanj n N. Dakle, dobro je deniran red f (x) = f (x0 ) + f (x0 )(x x0 ) + f ( x0 ) (x x0 )2 + ... 2!

6.2. DERIVACIJA FUNKCIJE

261

Medutim taj red mo ze divergirati za svako x = x0 , odnosno konvergirati nekoj (x0 ) drugoj funkciji. Red f (x) = f (x0 ) + f (x0 )(x x0 ) + f 2! (x x0 )2 + ... ce konvergirati funkciji f u okolini to cke x0 ako je
n

lim (f (x) Tn (x)) = lim Rn (x) = 0,

n

gdje je Tn (x) = f (x0 ) + f (x0 )(x x0 ) + i Rn (x) = f (x) Tn (x). Tada red f (x) =
nN0

f ( x0 ) f (n) (x0 ) (x x0 )2 + ... + (x x0 )n 2! n!

f (n) (x0 ) (x x0 )n n!

zovemo Taylorov red funkcije f . Primijetimo da je Taylorov red red potencija u varijabli (x x0 ) (to cka 4.3.1). U posebnom slu caju za x0 = 0 red f (x) =
nN0

f (n) (0) n x n!

zovemo McLaurinov red funkcije f . Mo ze se pokazati da su funkcije ex , sin x, cos x prikazive pomo cu svojih McLaurinovih redova na cijelom R, tj. da je radijus konvergencije odgovaraju cih McLaurinovih redova beskona can:

ex =
n=0

xn , n!

sin x =
n=0

(1)n

x2n+1 , (2n + 1)!

cos x =
n=0

(1)n

x2 n . (2n)!

Napomena 6.15 Taylorovi redovi obi cno sporo konvergiraju, dakle nisu jako dobri za numeriku.

6.2.8

Primjene derivacija

Monotonost i lokalni ekstremi Teorem 6.28 Neka je f C 1 (I ) za neki interval I .

262

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

1. Funkcija f raste na I ako i samo ako je f (x) 0, za svaki x I . 2. Funkcija f pada na I ako i samo ako je f (x) 0, za svaki x I .
Dokaz: ca funkcija na I . Tada za x > 0 vrijedi f (x + x) f (x), 1. Neka je f C 1 (I ) rastu pa je f (x + x) f (x) 0, x za svaki x I . Limes nenegativne funkcije mora i sam biti nenegativan, pa je f (x) = lim za svaki x I . Obratno, neka je f (x) 0 za svaki x I i neka je x > 0. Tada, po Teoremu 6.26 postoji x (x, x + x) takav da je f (x + x) f (x) = f (x )x. Kako je desna strana gornje jednad zbe nenegativna, to je i lijeva strana takva, dakle funkcija f raste na I . 2. Dokaz ide na sli can na cin.
x0

f (x + x) f (x) 0, x

Primjer 6.25 Funkcija f : R R dana formulom f (x) = x3 je strogo rastu ca na R i vrijedi f (0) = 0. Dakle ne vrijedi f (x) > 0 na R. Iz Primjera 6.25 zaklju cujemo da u Teoremu 6.28 ne mo zemo nejednakosti tipa () zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. Jedan smjer bismo mogli dokazati; ako za funkciju f C 1 (I ) vrijedi f (x) > 0 (f (x) < 0) na I , onda funkcija strogo raste (pada) na I . Ovaj smjer se dokazuje analogno kao u Teoremu 6.28 primjenom Teorema 6.26. Medutim, obratna tvrdnja ne mora vrijediti, zbog cinjenice da limes strogo pozitivne (negativne) veli cine ne mora biti strogo pozitivan (negativan) ve c mo ze biti jednak nuli (npr. lim x2 = 0).
x0

U Teoremu 6.24 smo vidjeli da, ako je x0 I to cka lokalnog ekstrema funkcije 1 f C (I ), onda je f (x0 ) = 0. Iz Napomene 6.11 imamo da obrat ne vrijedi. To cke u kojima se prva derivacija poni stava ce nam ipak biti zanimljive, jer se medu njima nalaze potencijalni ekstremi.

6.2. DERIVACIJA FUNKCIJE

263

Denicija 6.5 To cke u kojima se prva derivacija funkcije iz C 1 (I ) poni stava zovu se stacionarne to cke. Dakle, u stacionarnim to ckama je tangenta na graf funkcije paralelna s osi x. Kao sto smo rekli, u stacionarnoj to cki funkcija mo ze, ali i ne mora, imati lokalni ekstrem. To ovisi o promjeni pona sanja funkcije u toj to cki, a ta se promjena pona sanja o cituje kroz promjenu predznaka derivacije. Ako derivacija ne mijenja predznak, u stacionarnoj to cki nema lokalnog ekstrema (imamo rast ili pad na nekoj okolini te to cke); ina ce ima lokalni ekstrem (s jedne strane to cke funkcija raste (pada), a s druge pada (raste)). Teorem 6.29 Neka je f C 1 (I ) i f (x0 ) = 0 za neki x0 I . Funkcija f ima lokalni ekstrem u to cki x0 ako i samo ako f (x) mijenja predznak u to cki x0 . Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 , onda u x0 funkcija f ima lokalni minimum, ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 , onda u x0 funkcija f ima lokalni maksimum. Dokaz: Izravno iz to cke 5.1.4, Teorema 6.24, Teorema 6.28. Konveksnost, konkavnost i to cke ineksije Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. U formulaciji cemo zahtijevati ne sto ve cu glatko cu funkcije (tj. da je barem f C 2 (I )), jer konveksnost i konkavnost ovise o predznaku druge derivacije. Denicija 6.6 Neprekidna funkcija f : I R je konveksna na I ako je f za sve x1 , x2 I . Ako je f x1 + x2 2 f (x1 ) + f (x2 ) , 2 x1 + x2 2 f (x1 ) + f (x2 ) , 2

za sve x1 , x2 I , ka zemo da je f konkavna na I . Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I .

264

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Denicija 6.6 ka ze da je funkcija f : I R konveksna ako je za sve x1 , x2 I slika aritmeti cke sredine od x1 i x2 manja ili jednaka od aritmeti cke sredine slika x1 i x2 , a konkavna ako je za sve x1 , x2 I slika aritmeti cke sredine od x1 i x2 ve ca ili jednaka od aritmeti cke sredine slika x1 i x2 . Dakle, izmedu x1 , x2 I graf konveksne funkcije je ispod, a graf konkavne funkcije iznad sekante kroz to cke (x1 , f (x1 )) i (x2 , f (x2 )). Ako je funkcija f dovoljno glatka (barem klase C 2 (I )), konveksnost i konkavnost su odredene predznakom druge derivacije. Teorem 6.30 Neka je f : I R klase C 2 (I ). 1. Funkcija f je konveksna na I ako i samo ako je f (x) 0, za svaki x I . 2. Funkcija f je konkavna na I ako i samo ako je f (x) 0, za svaki x I . Teorem 6.31 Neka je x0 stacionarna to cka funkcije f C 2 (I ). 1. Ako je f (x0 ) > 0, funkcija f ima u x0 I lokalni minimum. 2. Ako je f (x0 ) < 0, funkcija f ima u x0 I lokalni maksimum.
Dokaz: 1. Uzmimo stacionarnu to cku x0 za koju je f (x) > 0. Zbog neprekidnosti druge derivacije, druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6.3). Uzmimo x proizvoljan iz te okoline. Onda ce i to cka cx iz Teorema 6.27 biti iz te okoline, jer se nalazi izmedu x0 i x. Dakle je f (cx ) > 0. Primijenimo li Teorem 6.27 za slu caj n = 1, imamo f (x) = f (x0 )+ f (x0 )(x x0 )+ f (cx ) f (cx ) (x x0 )2 = f (x0 )+ (x x0 )2 f (x0 ). 2 2

Dakle u to cki x0 funkcija f ima lokalni minimum. 2. Dokaz ide na sli can na cin.

Uvjet f (x) 0 (f (x) 0), iz Teorema 6.31, da funkcija f C 2 (I ) ima lokani maksimum (minimum) nije nu zan. Npr. funkcija f : R R dana formulom f (x) = x4 o cito ima u x = 0 (globalni) minimum, ali je f (0) = 0.

6.2. DERIVACIJA FUNKCIJE

265

Denicija 6.7 Neka je f : I R i c I . Neka postoji > 0 takav da je funkcija f na c , c strogo konveksna i na c, c + strogo konkavna ili je na c , c strogo konkavna i na c, c + strogo konveksna. Tada ka zemo da je to cka c to cka ineksije funkcije f . Ka ze se jo s da je to cka (c, f (c)) to cka ineksije grafa funkcije f . Teorem 6.32 Neka je f C 2 (I ). Ako je c I to cka ineksije od f , onda je f (c) = 0.
Dokaz: Bez smanjenja op cenitosti, neka je f na c , c strogo konveksna i na c, c + strogo konkavna za neki > 0. Tada iz Teorema 6.30 imamo da funkcija f raste na (c , c) i pada na (c, c + ). Dakle, f ima lokalni maksimum u c, pa je po Teoremu 6.24 f (c) = 0.

Uvjet f (c) = 0 iz Teorema 6.32 nije i dovoljan da bi funkcija f C 2 (I ) imala u to cki c I to cku ineksije. Npr. za funkciju f : R R danu formulom 4 f (x) = x vrijedi f (0) = 0, ali je f (x) > 0 za x , 0 i f (x) > 0 za x 0, . Dakle je konveksna na , 0 i 0, , pa x = 0 ne mo ze biti to cka ineksije. Teorem 6.33 Neka funkcija f C 2 (I ) zadovoljava uvjet f (c) = 0 za neki c I i neka f (x) mijenja predznak u c. Onda je c to cka ineksije od f . Dokaz: Izravno iz Denicije 6.7. Ra cunanje limesa - LHospitalovo pravilo Teorem 6.34 Neka su f i g derivabilne funkcije na I osim, mo zda, u x0 I . Neka je lim f (x) = lim g (x) = 0. Ako je g (x) = 0 za svaki x = x0 , x I , i ako postoji
xx0 xx0

xx0

lim

f (x) = L, g (x)

onda je i

xx0

lim

f (x) = L. g ( x)

Dokaz: Promatrajmo slu caj kad su f i g dovoljno glatke (bar klase C 2 (I )) i g (x) = 0 za svaki x = x0 , x I . Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g (x0 ) = lim g (x) = 0. Iz Teorema 6.27 imamo
xx0 xx0

f (x) = f (x0 )(x x0 ) + r1 (x x0 )(x x0 )

266
i

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

g (x) = g (x0 )(x x0 ) + r2 (x x0 )(x x0 ), gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. Za x = x0 vrijedi f (x0 ) + r1 (x x0 ) f (x) = . g (x) g (x0 ) + r2 (x x0 ) Pu staju ci x x0 iz gornje jednad zbe i jer je r1 (0) = r2 (0) = 0 dobivamo
xx0

lim

f (x) f (x0 ) = . g (x) g (x0 )

Sada zbog neprekidnosti od f i g u x0 (Teorem 6.12) i iz Teorema 6.18 imamo lim f (x) f (x0 ) = = g (x) g (x0 )
xx0

lim f (x) lim g (x) = lim

xx0

xx0

xx0

f (x) . g (x)
f g

Na Teorem 6.34 mo zemo gledati i kao na teorem o pro sirenju funkcije neprekidnosti u to cki x0 (Teorem 6.12). Napomena 6.16 Neka su funkcije f, g C n+1 (I ) i neka vrijedi f (x0 ) = 0, g (x0 ) = 0, f (x0 ) = 0, . . . f (n) (x0 ) = 0, g (n+1) (x0 ) = 0.

po

g (x0 ) = 0, . . . g (n) (x0 ) = 0,

Tada, analogno kao u dokazu Teorema 6.34, iz Teorema 6.27 imamo

xx0

lim

f (x) f (n+1) (x) = lim (n+1) . g (x) xx0 g (x)

Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u to cki njihovog presjeka denira se kao kut izmedu njihovih tangenti u toj to cki. Znamo da je tg 1 = f1 (x0 ), tg 2 = f2 (x0 ),

gdje je x0 apscisa to cke presjeka grafova funkcija f1 i f2 , 1 odnosno 2 kutovi koje tangente na f1 odnosno f2 u to cki x0 zatvaraju s pozitivnim smjerom x osi. Dakle, kut izmedu f1 i f2 u to cki x0 je = 2 1 .

6.2. DERIVACIJA FUNKCIJE

267

y f (x)
1

f2 (x) 0 x

Slika 6.14: Kut izmedu dviju krivulja. Iz to cke 2.2.1 imamo da je tg = tg (2 1 ) = Odatle je = arctg tg 2 tg 1 f (x0 ) f1 (x0 ) = 2 . 1 + tg 1 tg 2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) f1 (x0 ) . 1 + f1 (x0 )f2 (x0 )

Napomena 6.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u to cki x0 ako i samo ako je = 2 , odnosno ako i samo ako je tg = , tj. ako i samo ako je f1 (x0 )f2 (x0 ) = 1. Ako je = 0, onda je i tg = 0 , dakle je f1 (x0 ) = f2 (x0 ). To zna ci da u to cki (x0 , f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedni cku tangentu, pa mo zemo re ci da se diraju u toj to cki. Primjer 6.26 Odredimo kut izmedu krivulja xy = a i y 2 x2 = a, a > 0. Zapi semo li krivulje u eksplicitnom obliku imamo y= y= a = f1 (x), x

a + x2 = f2 (x).

268

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

Nadimo presjeci ste krivulja f1 i f2 , tj. nadimo rje senje jednad zbe f1 (x) = f2 (x). Iz a = a + x2 x kvadriranjem dolazimo do bikvadratne jednad zbe po x, tj. x4 + ax2 a2 = 0. Supstitucijom x2 = u dobivamo u2 + au a2 = 0, a odatle je u=a

51 2

(drugo rje senje je negativno). Uzimaju ci pozitivno rje senje jednad zbe x =a imamo za apscisu to cke presjeka x0 = Deriviraju ci f1 i f2 po x dobivamo f1 (x) = Nadalje je f1 (x0 )f2 (x0 ) = a x0 a + x2 0 = ... = 1. a , x2 f2 (x) = x . a + x2 a 51 . 2
2

51 , 2

Dakle, f1 i f2 su okomite u to cki x0 , odnosno sve krivulje f1 (x) i f2 (x) su medusobno okomite (tj. okomite su za svaki a > 0).

6.2. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije

269

Metode diferencijalnog ra cuna su klju cne pri skiciranju grafa funkcije zadane formulom. Postupak: 1. Odrediti domenu funkcije (prirodno podru cje denicije); cnost; 2. Ispitati parnost, neparnost, periodi 3. Prona ci to cke presjeka grafa funkcije s koordinatnim osima; 4. Ispitati pona sanje na rubovima domene (asimptote); 5. Prona ci stacionarne to cke; 6. Odrediti intervale monotonosti i lokalne ekstreme; 7. Prona ci intervale konveksnosti, konkavnosti i to cke ineksije; ziti sve dobivene podatke u graf funkcije. 8. Slo Postupak je, u izvjesnom smislu, samokorigiraju ci. Ako se rezultat nekog koraka ne sla ze s rezultatima prija snjih koraka, to upu cuje na pogre sku u ra cunu. Prakti cni ekstremalni problemi Diferencijalni nam ra cun daje ekasan i gotovo mehani cki na cin odredivanja ekstrema u raznim prakti cnim problemima. Primjer 6.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve ceg volumena. Iz geometrijskih i prakti cnih razloga je jasno da uz svaki vrh treba izrezat kvadratni komad i da duljina stranice tog komada treba biti ista za sve vrhove. Ozna cimo li tu duljinu s x, volumen kutije bit ce dan formulom V (x) = (a 2x)2 x. Nadalje je V (x) = (a 2x)(a 6x).

270

POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

x a x

Slika 6.15: Kako napraviti kutiju najve ceg volumena?. Iz uvjeta V ( x) = 0 nalazimo stacionarne to cke a x1 = , 6 a x2 = . 2

Jasno je to cka x1 = a odgovara lokalnom maksimumu, jer tu funkcija V (x) 6 prelazi iz pozitivnih u negativne vrijednosti, dakle funkcija V (x) prelazi iz rasta u pad. Istim zaklju civanjem se vidi da x2 = a daje lokalni minimum. Maksimalni 2 volumen je 2 a = a3 . V 6 27 Primjer 6.28 Odredite dimenzije pravokutnog gradili sta povr sine 1 ha takvog da su tro skovi njenog ogradivanja minimalni.
1 . Ozna cimo dimenzije gradili sta s x i y . Iz P = xy = 1 slijedi da je y = x (Ovdje su x i y u jedinicama ciji produkt daje 1 ha, dakle u stotinama metara.) 1 , Tro skovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x i oni ce biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = 1 x + x . Deriviraju ci f (x) i izjedna cavaju ci f (x) s nulom nalazimo stacionarne to cke x1 = 1 i x2 = 1. Druga o cito nema smisla u danom kontekstu, a za prvu se lako provjeri da je u njoj lokalni minimum. Dakle je od svih pravokutnika zadane povr sine najjeftinije ograditi kvadrat. Za povr sinu od 1 ha to daje kvadrat stranice 100 m.

6.2. DERIVACIJA FUNKCIJE

271

1 Do istog smo rje senja mogli do ci i na drugi na cin. Izraz x + x je dvostruka 1 aritmeti cka sredina veli cina x i x . Poznato je da je aritmeti cka sredina dviju pozitivnih veli cina uvijek ve ca ili jednaka od njihove geometrijske sredine (AG nejednakost), a da se jednakost posti ze samo za slu caj da su te veli cine jednake. 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1, slijedi da je x + x 1. 1 Nadalje, minimalna vrijednost 1 se posti ze za slu caj kad je x = x , tj. za x = 1. Usporedimo sada ova dva pristupa. U prvom smo slu caju slijedili poznatu proceduru i nismo ovisili o nadahnu cu niti o vezama s drugim podru cjima matematike. U drugom pristupu, koji je elegantniji, pozvali smo se na rezultat koji, dodu se, je dio matemati cke op ce kulture, no kojeg se ipak treba sjetiti i dovesti u vezu s danim problemom. Snaga pristupa preko diferencijalnog ra cuna je upravo u tome sto daje postupak koji se mo ze provesti rutinski i gotovo mehani cki.

Poglavlje 7 Uvod u integralni ra cun

7.1
7.1.1

Neodredeni integral
Primitivna funkcija

U praksi se cesto javlja potreba odredivanja nepoznate funkcije cija nam je derivacija poznata. Npr., iz poznate brzine kojom se tijelo giba zelimo odrediti njegov polo zaj u budu cnosti; iz poznate brzine rasta populacije zelimo predvidjeti njeno kretanje u idu cih nekoliko godina; iz poznate stope inacije zelimo procijeniti budu ce tro skove zivota. Ako su te veli cine konstantne, odgovor je jednostavan - treba ih samo mno ziti vremenom. Tijelo koje se giba konstantan brzinom v bit ce za t sekundi to cno v t metara udaljeno od svog sada snjeg polo zaja. Ako se populacija pove cava za 100 clanova godi snje, za n godina bit ce ih za n 100 vi se nego danas. No sto ako se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu, v = v (t)? Ili prirast populacije nije konstantan, ve c raste s vremenom? Nije uvijek u pitanju ovisnost o vremenu. Kako odrediti funkciju (nepoznatu) za koju nam je u svakoj to cki poznat koecijent smjera tangente na njen graf? Iz gornjih primjera vidimo da postoji potreba za operacijom ili postupkom koji ce poni stavati u cinak deriviranja. Derivaciju mo zemo promatrati kao funkciju n+1 koja funkciji f C (I ) pridru zuje funkciju f C n (I ), n = 0, 1, 2, ..., . Iz Napomene 6.9 znamo da su skupovi C n (I ), n = 0, 1, 2, ..., , vektorski prostori s obzirom na zbrajanje funkcija i mno zenje funkcija skalarom. Dakle je funkcija 273

274

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

deriviranja operator. Iz Teorema 6.20 i Napomene 6.7 izravno slijedi da je operator deriviranja linearan. Zanima nas, ako postoji, linearan operator koji mu je inverzan. Citaju ci tablicu derivacija elementarnih funkcija iz to cke 6.2.5 s desna na lijevo vidimo da za neke elementarne funkcije postoje funkcije cije su one derivacije. Primjerice, iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x). Uvedimo prvo ime za takve funkcije, a onda pogledajmo kada postoje i koja su im svojstva. Denicija 7.1 Neka je f neprekidna funkcija na I R. Funkcija F : I R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I . Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 funkcije cos x, da je x primitivna funkcija funkcije x, itd. Stovi se, vidimo da je 2 svaka konstanta C R primitivna funkcija funkcije f (x) = 0, jer je derivacija svake konstante jednaka nuli. Odatle slijedi va zno svojstvo primitivnih funkcija.

F(x)+5 F(x)+e F(x)+1 F(x) F(x)2 F(x)7

f(x)

Slika 7.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). Teorem 7.1 Neka je F primitivna funkcija funkcije f na I R. Tada je i F + C primitivna funkcija funkcije f na I za svaki C R i sve primitivne funkcije od f na I su oblika F + C , C R.

7.1. NEODREDENI INTEGRAL

Dokaz: Neka je C R proizvoljan. Tada je (F (x) + C ) = F (x) + 0 = F (x) = f (x).

275

Dakle imamo prvu tvrdnju. Uzmimo sada dvije razli cite primitivne funkcije od f na I i ozna cimo ih s F i G. Za njihovu razliku H (x) = F (x) G(x) i proizvoljni x0 I iz Teorema 6.26 imamo H (x) H (x0 ) = H (c)(x x0 ), gdje je c neka to cka izmedu x i x0 . Zbog H (c) = F (c) G (c) = f (c) f (c) = 0, slijedi H (x) = H (x0 ) za svaki x I , tj. H je konstantna funkcija. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu, a to je upravo druga tvrdnja teorema.

7.1.2

Neodredeni integral

U literaturi se primitivna funkcija funkcije f naziva jo s i njenom antiderivacijom. To nije to cno inverz od derivacije, jer linearni operator deriviranja nije injektivan: on skup svih primitivnih funkcija od f , koji je po Teoremu 7.1 beskona can, salje u f. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . Pi semo f (x)dx = F (x) + C. Interpretirajmo elemente ove formule: je znak integrala, dolazi od S kao suma; f (x) je integrand; dx pokazuje po cemu se integrira; F (x) je primitivna funkcija funkcije f (x); C R je konstanta integracije.

Neodredene integrale nekih elementarnih funkcija mo zemo o citati iz tablice derivacija elementarnih funkcija (to cka 6.2.4). Ostale ra cunamo koriste ci svojstva

276

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

neodredenog integrala. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.20 i Napomena 6.7). Odnose se na operacije zbrajanja funkcija i mno zenja funkcija skalarom. Za ostale operacije nema jednostavnih pravila. Teorem 7.2 f (x)dx = f (x).

Dokaz: Neka je F primitivna funkcija funkcije f . Kako je imamo f (x)dx

f (x)dx = F (x) + C ,

= (F (x) + C ) = F (x) = f (x).

Napomena 7.1 Iz Teorema 7.1 slijedi da je za f C 1 (I ) f (x)dx = f (x) + C. Teorem 7.3 Vrijedi: 1. 2. (f (x) g (x))dx = cf (x)dx = c f (x)dx g (x)dx,

f (x)dx.

Dokaz: 1. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g . O cito je, zbog linearnosti derivacije, F G primitivna funkcija funkcije f g . Dakle je (f (x) g (x))dx = F (x) G(x) + C = f (x)dx g (x)dx.

2. Neka je F primitivna funkcija funkcije f . O cito je, zbog linearnosti derivacije, cF primitivna funkcija funkcije cf . Dakle je cf (x)dx = cF (x) + C = c f (x)dx.

7.1. NEODREDENI INTEGRAL

277

f (x) x ex ax
1 x 1 x ln a 1 1x2 1 x2 +1 x+1 +1

f (x)dx + C ( = 1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C ln |x + x2 + 1| + C

f ( x) sin x cos x
1 cos2 x 1 sin2 x 1 1+x2 1 1x2 1 x2 1

f (x)dx cos x + C sin x + C tg x + C ctg x + C arctg x + C 1 +1 ln | x |+C 2 x1 2 ln |x + x 1| + C

Tablica 7.1: Tabli cni integrali Koriste ci svojstva Teorema 7.3 i gornju tablicu mo zemo ra cunati jednostavnije integrale. Tako mo zemo integrirati polinome i jednostavnije racionalne, eksponencijalne i trigonometrijske funkcije. Za ostale funkcije moramo razviti metode kojima cemo njihovu integraciju svesti na gornje, tzv. tabli cne integrale.

7.1.3

Metode integriranja

Deriviranje je mehani cka procedura: uz dovoljno vremena i strpljivosti mogu ce je, koriste ci pravila i tablicu derivacija (to cka 6.2.4), izra cunati derivaciju bilo koje elementarne funkcije. S druge strane, postoje dosta jednostavne elementarne 2 funkcije ciji integrali nisu elementarne funkcije. Najpoznatiji primjer je ex dx, koji se ne mo ze izraziti kao kona cna kombinacija elementarnih funkcija. Nije lako unaprijed re ci koja se funkcija uop ce mo ze integrirati. Ako se i mo ze integrirati, to obi cno nije lako. Izravna integracija U izravnoj integraciji se koriste tabli cni integrali (to cka 7.1.2) i svojstva iz Teorema 7.3. Primjer 7.1 Pogledajmo sljede ce primjere:

278

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

1. Odredimo integral funkcije f (x) = x2 + sin x. Koriste ci Teorem 7.3 i tabli cne integrale imamo: (x2 + sin x)dx = x2 dx + sin x dx = x3 cos x + C. 3

2. Odredimo funkciju cija tangenta u to cki s apscisom x ima koecijent smjera 2 3x + 1, i ciji graf prolazi kroz to cku (1, 3). Drugim rje cima, odredimo 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi to ckom (1, 3). Koriste ci Teorem 7.3 i tabli cne integrale imamo: (3x2 + 1)dx = x3 + x + C = F (x).

y 3

0 1 x

Slika 7.2: Primitivne funkcije funkcije 3x2 + 1. Konstantu integracije C R odredujemo iz uvjeta F (1) = 3. Dakle je 3 = F (1) = 1 + 1 + C, pa je C = 1. Tra zena funkcija je F (x) = x3 + x + 1. Dakle funkcija 3x2 + 1 ima beskona cno mnogo primitivnih funkcija, i one 3 su oblika x + x + C . Samo jedna prolazi to ckom (1, 3), i to je x3 + x +1.

7.1. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom

279

Izravnom integracijom se, op cenito, ne mogu integrirati produkti funkcija (osim za polinome, ili u posebnim slu cajevima kad se oni mogu pretvoriti u zbroj ili razliku kao kod nekih trigonometrijskih izraza). Ipak, ima jedan slu caj kad se produkt funkcija lako integrira. To je slu caj kad je jedan od faktora u produktu jednak derivaciji drugoga. Razlog je tomu cinjenica da se takvi produkti dobivaju deriviranjem kompozicije funkcija, tj. deriviranjem slo zenih funkcija. Primjer 7.2 Odredimo integral funkcije f (x) = sin x cos x. Integral sin x cos x dx ne mo zemo izravno rije siti koriste ci Teorem 7.3 i tabli cne integrale. No uo cimo da se izraz sin x cos x dx mo ze pisati kao sin x(sin x) dx. Koriste ci izraz za diferencijal (to cka 6.2.5), ovo mo zemo pisati kao sin x d(sin x). Dakle je sin x cos x dx = Uvode ci oznaku u = sin x, gornji se integral svodi na u du, a to znamo da je
u2 2

sin x d(sin x).

+ C . Dakle je sin x cos x dx = 1 2 sin x + C. 2

280

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

U Primjeru 7.2 smo vidjeli na cin ra cunanja integrala zamjenom varijable ili supstitucijom. Ista se ideja mo ze primijeniti i ako jedan faktor nije cista derivacija drugoga. Primjer 7.3 Odredimo integral funkcije f (x) = sin5 x cos x. Zamjenom varijabli kao u Primjeru 7.2 vidimo da se izraz sin5 x cos x dx mo ze pisati kao u5 du, a to je diferencijal od u6 + C. 6 Dakle je sin x cos x dx =
5

u du =

u6 u6 1 d( + C ) = + C = sin6 x + C. 6 6 6

Promatrajmo op ceniti slu caj u kojem se pojavljuje produkt oblika g (u(x))u (x) kao integrand. Uo cavaju ci da je izraz u (x)dx u stvari diferencijal argumenta funkcije g , tj. d(u(x)) = u (x)dx, mo zemo podintegralnu funkciju pisati kao g (u)du. Ako je G(u) primitivna funkcija od g (u), onda iz G (u) = g (u)u (x) slijedi dG(u) = G (u)du = g (u)u (x)dx = g (u)du. Odatle dobivamo op ce pravilo: g (u(x))u (x)dx = G(u(x)) + C.

7.1. NEODREDENI INTEGRAL Primjer 7.4 Odredimo integral funkcije f (x) = tg x .

281

sin x Integral tg x dx nije tabli cni, a nije ni produkt. Uo cimo da kvocijent cos x mo zemo pisati kao 1 sin x, cos x i da je sin x derivacija od cos x. Manipuliramo malo izraz pod integralom kako bismo ga sveli na oblik pogodan za supstituciju:

tg x dx =

sin x dx = cos x

1 sin x dx = cos x

1 ( sin x )dx = cos x

d(cos x) = cos x

du = ln |u| + C = ln | cos x| + C. u

Napomena 7.2 Uo cimo posebno jednostavan slu caj zamjene varijable: u = ax + b, f (ax + b)dx = f (u) du 1 = a a du = a dx

1 1 f (u)du = F (u) + C = F (ax + b) + C. a a

Klju cni korak pri supstituciji je izbor nove varijable u koja ce podintegralni izraz svesti na derivaciju slo zene funkcije. Nakon uvodenja nove varijable u iz podintegralnog izraza mora posve nestati varijabla x, kako iz integranda, tako i iz diferencijala. Dakle, dio s dx mora se mo ci zgodno izraziti u terminima difrencijala novouvedene varijable u. Primjer 7.5 Odredimo integral funkcije f (x) =
3x . x2 1

Uvedimo supstituciju u = x2 1. Sada je du = 2x dx, pa je dx = Uvrstimo u integral, imamo 3x dx = 3 x2 1 Da smo imali x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln |x2 1| + C. u 2 2 du . 2x

1 dx, 1 to se ne bi dalo rije siti gornjom supstitucijom jer se dx ne bi dao izraziti preko du. x2

282

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan lako integrira, a drugi se deriviranjen pojednostavnjuje. Polazimo od formule za derivaciju produkta funkcija, (uv ) = u v + v u. Pi su ci to kao diferencijal imamo d(uv ) = (uv ) dx = u v dx + v u dx = v du + u dv. Integriraju ci obje strane gornje jednakosti dobivamo uv = To mo zemo pisati u dv = uv ili, zbog dv = v dx, du = u dx, u(x)v (x)dx = u(x)v (x) Mo zemo to iskazati u obliku teorema: Teorem 7.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I , tj. klase C 1 (I ). Tada vrijedi u(x)v (x)dx = u(x)v (x) u (x)v (x)dx. u (x)v (x)dx. v du, v du + u dv.

Napomena 7.3 Pravilo parcijalne integracije se naj ce s ce zapisuje i pamti kao u dv = uv Primjer 7.6 Pogledajmo sljede ce primjere: 1. Odredimo integral funkcije f (x) = x cos x. Imamo produkt u kojem oba faktora znamo lako integrirati. Koji od njih treba odabrati kao v ? v du.

7.1. NEODREDENI INTEGRAL

283

Stavimo u = x, v = cos x, tj. dv = v dx = cos x dx. Sada je v = sin x, du = u dx = dx. Imamo x cos x dx = x sin x sin x dx = x sin x + cos x + C.

Do cega bi doveo suprotni izbor? Imali bismo u = cos x, v = x, tj. 2 , du = sin x dx. Imamo dv = v dx = x dx. Sada je v = x 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx.

Dobili smo integral koji je kompliciraniji od polaznog. 2. Odredimo integral funkcije f (x) = x2 ex . Pou ceni prethodnim primjerom stavljamo dv = ex dx, tj. v = ex , i u = x2 , sto daje du = u dx = 2x dx i v = ex . Dobivamo x2 ex dx = x2 ex 2 xex dx.

Jo s nismo izra cunali polazni integral, no sveli smo ga na jednostavniji integral xex dx. Primijenimo li parcijalnu integraciju jo s jednom, dobivamo xex dx = xex Kona cno, x2 ex dx = (x2 2x + 2)ex + C. Iz Primjera 7.6 mo zemo zaklju citi da ce se parcijalnom integracijom mo ci integrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. Takvi se produkti jo s mogu integrirati i metodom neodredenih koecijenata. Parcijalnom se integracijom mo zemo poslu ziti i kad, na prvi pogled, nema produkta u podintegralnoj funkciji. ce primjere: Primjer 7.7 Pogledajmo sljede ex dx = xex ex + C.

284

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

1. Odredimo integral funkcije f (x) = ln x. Stavimo dv = dx, tj. v = 1, i u = ln x, sto daje du = u dx = Dobivamo ln x dx = x ln x x dx = x ln x x + C. x
dx x

i v = x.

2. Odredimo integral funkcije f (x) = arctg x . Stavimo dv = dx, tj. v = 1, i u = arctg x , sto daje du = u dx = v = x. Dobivamo arctg x dx = x arctg x Sada analogno kao i u Primjeru 7.5 imamo x dx 1 = ln(x2 + 1) + C. 2 x +1 2 Imamo arctg x dx = x arctg x 1 ln(x 2 + 1 ) + C . 2 x dx . x2 + 1
dx 1+x2

Jo s jedna mogu cnost primjene parcijalne integracije ilustrirana je sljede cim primjerima: Primjer 7.8 Ozna cimo I= Sada imamo I= sin2 x dx = sin x sin x dx. sin2 x dx. 1. Odredimo integral funkcije f (x) = sin2 x.

Stavimo dv = sin x dx, tj. v = sin x, i u = sin x, sto daje du = u dx = cos x dx i v = cos x. Dobivamo I= sin2 x dx = sin x sin x dx = sin x cos x + cos2 x dx =

7.1. NEODREDENI INTEGRAL sin x cos x+ (1sin2 x)dx = xsin x cos x Odatle je 2I = x sin x cos x, pa je I= 1 sin2 x dx = (x sin x cos x) + C. 2

285 sin2 x dx = xsin x cos xI.

2. Parcijalnom integracijom mogu se izvesti i rekurzivne formule. Odredimo integral funkcije f (x) = sinm x. Ozna cimo Im = Sada imamo Im = sinm x dx = sinm1 x sin x dx. sinm x dx.

Stavimo dv = sin x dx, tj. v = sin x, i u = sinm1 x, sto daje du = m2 u dx = (m 1) sin x cos x dx i v = cos x. Dobivamo Im = sinm x dx = sinm1 x sin x dx = sinm2 cos2 x dx = sinm2 (1 sin2 x)dx =

sinm1 x cos x + (m 1) sinm1 x cos x + (m 1)

sinm1 x cos x + (m 1)Im2 (m 1)Im . Odatle je Im = 1 m1 sinm1 x cos x + Im2 . m m

Formula za Im je rekurzivna, tj. daje nam Im u terminima integrala s ni zom potencijom funkcije sin x. Kako znamo I0 i I1 , nakon kona cno mnogo primjena gornje formule do ci cemo do eksplicitnog izraza za Im . Sli cno se ra cunaju i integrali cosm x dx, sinm x dx, sinm x cosn x dx.

286

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Integriranje racionalnih funkcija Podsjetimo se da je racionalna funkcija funkcija oblika R(x) = Pn (x) , Qm (x)

gdje su Pn (x) i Qm (x) polinomi stupnja n i m, redom. Pretpostavljamo da su Pn (x) i Qm (x) skra ceni, tj. da nemaju zajedni ckih faktora i da je n < m. Ako nije, mo zemo podijeliti polinom u brojniku polinomom u nazivniku. Rezultat ce biti polinom stupnja n m i ostatak u vidu racionalne funkcije kojoj je stupanj brojnika manji od stupnja nazivnika. Polinomijalni komad se izravno integrira, i problem je sveden na integraciju racionlne funkcije s n < m. Ponekad se takva racionalna funkcija jo s zove i prava racionalna funkcija. Sve se racionalne funkcije mogu integrirati. Neke se mogu zgodnim supstitucijama svesti na tabli cne integrale. ce primjere: Primjer 7.9 Pogledajmo sljede 1. Odredimo integral funkcije f (x) =
3x . x2 +5

Uvedimo supstituciju u = x2 + 5. Sada je du = 2x dx, pa je dx = Uvrstimo u integral, imamo x2 3x dx = 3 +5 x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln(x2 + 5) + C. u 2 2

1 . x2 +9

du . 2x

2. Odredimo integral funkcije f (x) = Imamo

x2

1 dx = +9 9

(x )2 3
dx . 3

dx . +1 Uvrstimo u integral, imamo

Uvedimo supstituciju u = x , pa je du = 3 x2 dx 1 = +9 9 (x )2 3 dx 1 = 3 +1 u2

du 1 1 x = arctg u +C = arctg +C . +1 3 3 3

7.1. NEODREDENI INTEGRAL 3. Odredimo integral funkcije f (x) =

1 . x3

287

Uvedimo supstituciju u = x 3, pa je du = dx. Uvrstimo u integral, imamo dx = x3 du = ln |u| + C = ln |x 3| + C. u

Integriranje racionalnih funkcija za koje ne mo zemo na ci zgodnu supstituciju temelji se na metodi rastava racionalne fukcije na parcijalne (djelomi cne) razlomke. Ideja metode je na celno jednostavna: polinom u nazivniku se faktorizira u linearne i kvadratne faktore i zatim se R(x) prika ze kao zbroj razlomaka u cijim su nazivnicima potencije linearnih i kvadratnih faktora, a u brojnicima konstante ili linearni polinomi. Time se dobiva sustav linearnih jednad zbi za koecijente u brojnicima parcijalnih razlomaka. Nakon nala zenja tih koecijenata parcijalne razlomke integriramo izravno iz tablice pomo cu jednostavnih supstitucija. Metoda se temelji na sljede cim svojstvima polinoma.
Napomena 7.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koecijentima. Tada vrijedi: 1. ako je x0 C nulto cka od Pn (x), onda polinom (x x0 ) dijeli Pn (x); 2. ako je x0 C nulto cka od Pn (x), onda je to i x0 ; cka kratnosti r od Pn (x), onda je to i x0 . 3. ako je x0 C nulto (Ovdje x0 ozna cava konjugirano kompleksni broj od x0 , tj. ako je x0 C oblika a + bi, gdje su a, b R, onda je x0 = a bi.) Dokaz: 1. Dijeljenjem polinoma Pn (x) polinomom (x x0 ) dobivamo polinom stupnja n 1, Qn1 (x), i ostatak r(x) koji je polinom stupnja 0, tj. konstanta, r(x) = C R. Dakle imamo Pn (x) = (x x0 )Qn1 + C. Uvr stavaju ci nulto cku x0 u gornju jednad zbu imamo C = 0, tj. polinom (x x0 ) dijeli polinom Pn (x). 2. Ako je x0 R, onda je x0 = x0 , pa tvrdnja o cito vrijedi. Neka je x0 C \ R. Kako je Pn (x) polinom s realnim koecijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0.

288

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

3. Ako je x0 R, onda je x0 = x0 , pa tvrdnja o cito vrijedi. Neka je x0 C \ R. Kako je x0 nulto cka kratnosti r od Pn (x), onda je po tvrdnji 2. i x0 nulto cka kratnosti jedan ili vi se od Pn (x). Iz 1. znamo da Pn (x) mo zemo podijeliti polinomom (x x0 )(x x0 ). Neka je Pn2 (x) = Pn (x) : ((x x0 )(x x0 )). Kako je x0 nulto cka kratnosti r od Pn (x), to je x0 nulto cka kratnosti r 1 od Pn2 (x). Dakle je po tvrdnji 2. x0 nulto cka od Pn2 (x), odnosno x0 je nulto cka kratnosti dva ili vi se od Pn (x). Nastavljaju ci ovaj postupak nakon r koraka zaklju cujemo da je x0 cno r. Ne mo ze nulto cka kratnosti r ili vi se od Pn (x). Medutim, njena kratnost je to biti ve ca jer bi u suprotnom x0 = x0 bila nulto cka od Pn (x) kratnosti ve ce od r sto je suprotno pretpostavci.
n

Napomena 7.5 Iz Teorema 5.5 znamo da svaki polinom Pn (x) =

i=0

ai xi stupnja n > 0

ze s realnim koecijentima ima to cno n kompleksnih nulto caka z1 , ..., zn , medu kojima mo biti istih. Neka su x1 , x2 , ..., xs sve razli cite nulto cke medu z1 , ..., zn od Pn (x) s pripadnim kratnostima r1 , r2 , ..., rs , redom, r1 + r2 + ... + rs = n. Iz Napomene 7.4 direktno slijedi da se Pn (x) mo ze zapisati kao Pn (x) = an (x x1 )r1 (x x2 )r2 (x xs )rs . Medutim, medu brojevima x1 , x2 , ..., xs , odnosno medu linearnim fakorima (x x1 ), (x x2 ), ..., (x xs ), s n, ima mo zda onih s komplesnim koecijentima. Mi zelimo isklju civo raditi s realnim koecijentima. Neka je = u + vi, v = 0, jedna kompleksna nulto cka medu razli citim nulto ckama x1 , x2 , ..., xs od Pn (x) kratnosti r . Tada je po Napomeni 7.4 i = u vi nulto cka od Pn (x) kratnosti r . Dakle, u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x (u + vi))r i (x (u vi))r . Mno ze ci ta dva faktora dobivamo (x (u + vi))r (x (u vi))r = (x2 2ux + u2 + v 2 )r . Dakle svaki polinom Pn (x) s realnim koecijentima mo zemo zapisati kao produkt razli citih linearnih i kvadratnih faktora s realnim koecijentima i pripadaju cim kratnostima, tj. Pn (x) = an (x )r (x )r (x2 + ax + b)rab (x2 + cx + d)rcd gdje je (r + r + ...) + 2(rab + rcd + ...) = n, x2 + ax + b = (x (e + f i))(x + (e f i)), f = 0, x2 + cx + d = (x (g + hi))(x + (g hi)), h = 0, ... i gdje su , , ... razli cite realne nulto cke s pripadnim kratnostima r , r , ... i e + f i, g + hi, ... razli cite kompleksne nulto cke s pripadnim kratnostima rab , rcd , ..., medu razli citim nulto ckama x1 , x2 , ..., xs od Pn (x). Kvadratni faktori nemaju realnih korijena, tj. a2 4b < 0, c2 4d < 0, ...

7.1. NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7.5, tj. Qm (x) = (x )r (x )r (x2 + ax + b)rab (x2 + cx + d)rcd ,

289

gdje je (r + r + ...) + 2(rab + rcd + ...) = m. Tada R(x) mo zemo pisati kao R(x) = Pn (x) Ar A1 A2 + ... + + = + 2 Qm (x) x (x ) (x )r

Br B1 B2 + + ... + + ...+ 2 x (x ) (x )r M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + ... + 2 ab + 2 2 x + ax + b (x + ax + b) (x + ax + b)rab R1 x + L1 R2 x + L2 Rrcd x + Lrcd + + ... + + ... x2 + cx + d (x2 + cx + d)2 (x2 + cx + d)rcd Svodenjem desne strane na zajedni cki nazivnik i mno zenjem s Qm (x) dobivamo jednakost Pn (x) = S (x), pri cemu je S (x) polinom u cijim se koecijentima pojavljuju nepoznati koecijenti A1 , ..., Ar , B1 , ..., Br , M1 , N1 , ..., Mrab , Nrab , ... iz brojnika desne strane. Izjedna cavanjem koecijenata uz iste potencije od x u Pn (x) i S (x) (Teorem 5.4) dobivamo sustav linearnih jednad zbi iz kojeg nalazimo nepoznate koecijente u brojnicima parcijalnih razlomaka. Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A , (x )p Prvi slu caj je gotovo trivijalan:
A dx (x)p

Mx + N . (x2 + ax + b)q

A (p1)(x + C, p > 1 )p1

A ln |x | + C,

p = 1.

Drugi je slu caj osjetno slo zeniji. Supstitucijom t= x+ b

a 2 a2 4

290 dobivamo

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Mx + N a2 q+ 1 aM 2 (N ) ) dx = ( b 2 q (x + ax + b) 4 2 (b a2 q+1 ) M 4 tdt . + 1)q

(t2

dt + + 1)q

(t2

Time smo problem sveli na odredivanje integrala I1,q = (t2 t dt + 1)q i I2,q = (t2 dt . + 1)q

Integral I1,q se lako izra cuna supstitucijom u = t2 + 1: I1,q =

(b a ) q 1 1 4 + C, 2(q 1) (x2 +ax+b)q1 1 ln |x2 + ax + b| + C, 2
2

q>1 q = 1.

Integracija integrala I2,q je slo zenija. Dobiva se I2,q =

q 3 +2 I2,q1 , q>1 2q2 arctg frac2x + a 4b a2 + C, q = 1. t 2(q 1)(t2 +1)q1

(Ra cun kojim se dolazi do ove formule izostavljamo.) Kako je formula za I2,q rekurzivna, i kako znamo izra cunati integral I2,1 , nakon kona cno mnogo primjena gornje formule do ci cemo do eksplicitnog izraza za I2,q . Time je problem integracije racionalne funkcije u potpunosti rije sen. Integral racionalne funkcije izra zava se preko kombinacije racionalnih funkcija, logaritama i arkustangensa. Primjer 7.10 Odredimo integral racionalne funkcije f (x) = Polazimo od faktorizacije x3 2x2 + x = x(x 1)2 . Imamo 2x2 3x + 3 A B D = + + . x3 2x2 + x x (x 1)2 x 1
2x2 3x+3 . x3 2x2 +x

7.1. NEODREDENI INTEGRAL Odatle slijedi

291

2x2 3x +3 = A(x 1)2 + Bx + Dx(x 1) = (A + D)x2 +(2A D + B )x + A. To nam daje sustav A+D =2 2A + B D = 3 A = 3. Rje senje je A = 3, B = 2, D = 1. Dakle je 2x2 3x + 3 dx = 3 x3 2x2 + x 3 ln |x| dx +2 x dx (x 1)2 dx = x1

2 ln |x 1| + C. x1

Ako su nuli sta nazivnika jednostruka, sustav za koecijente se mo ze lako rje siti njihovim uvr stavanjem: Primjer 7.11 Odredimo integral racionalne funkcije f (x) = Imamo
x+2 . x(x2)(x+1)

x+2 A B D = + + . x(x 2)(x + 1) x x2 x+1

Svodenjem na zajedni cki nazivnik dobivamo x + 2 = A(x + 1)(x 2) + Bx(x + 1) + Dx(x 2). Uvr stavaju ci nuli ste x = 0 dobivamo A = 1; uvr stavaju ci nuli ste x = 1 1 2 dobivamo D = 3 ; uvr stavaju ci nuli ste x = 2 dobivamo B = 3 . Dakle je x+2 dx = x(x 2)(x + 1) ln |x| + dx 2 + x 3 dx 1 + x2 3 dx = x+1

2 1 ln |x 2| + ln |x + 1| + C. 3 3

292

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Na integriranje racionalnih funkcija svodi se i integriranje racionalnih funkcija eksponencijalne funkcije i racionalnih funkcija hiperboli ckih funkcija. Racionalna fukcija eksponencijalne funkcije je, npr. f ( x) = (e2x )3 + 2e2x 3 . e2x 5

Neka je R(eax ) racionalna funkcija eksponencijalne funkcije eax . Supstitucijom 1 dt 1 dt =a . Dakle je eax = t, tj. aeax dx = dt, dobivamo dx = a eax t R(eax )dx = sto znamo rije siti. Racionalna funkcija u varijablama sin x i cos x mo ze se takoder integrirati kao racionalna funkcija varijable uvedene supstitucijom tg x = t. To je tzv. 2 univerzalna trigonometrijska supstitucija. Ona daje cos x =
1t2 , 1+t2 1 a R(t) dt, t

sin x =

2t , 1+t2

dx =

2 dt . 1+t2

Primjer 7.12 Odredimo integral funkcije f (x) =

1 . 5+sin x+3 cos x

Koriste ci univerzalnu trigonometrijsku supstituciju imamo 1 dx = 5 + sin x + 3 cos x

2 dt 1+t2 2t 3t2 + 31+ 1+t2 t2

5+

5+

5t 2

2 dt = + 2t + 3 3t2

t2

dt = +t+4

2tg x +1 15 1 2t + 1 2 2 ( ) arctg + C = arctg 2 + C. 4 15 15 15 Sli cnom se supstitucijom, th x = t, integriranje racionlne funkcije od sh x, 2 ch x svodi na integriranje racionlne funkcije od t. Imamo sh x =
2t , 1t2

ch x =

1+t2 , 1t2

dx =

2 dt . 1t2

7.2. ODREDENI INTEGRAL

293

7.2
7.2.1

Odredeni integral
Motivacija - problem povr sine (plo stine)

Problem odredivanja povr sine (plo stine) geometrijskog lika lako je rje siti ako je taj lik omeden ravnim komadima granice, tj. du zinama. Lik se triangulira, tj. podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. Uz te uvjete povr sina lika je jednaka zbroju povr sina svih trokuta u triangulaciji. Kako povr sinu trokuta znamo ra cunati, problem mo zemo smatrati u biti rije senim. P =
i

P (Ti ),

gdje se zbraja po svim trokutima triangulacije Ti .

T1 T2 T3 T4

Slika 7.3: Triangulacija podru cja u ravnini omedenog du zinama.

Napomena 7.6 Bilo bi korektnije govoriti o odredivanju plo stine ravnog lika nego o odredivanju njegove povr sine. Povr sina je geometrijska kategorija, ploha. cin slu zi kao mjera povr sine. Imaju ci to Plo stina je realan broj koji na odreden na na umu mi cemo uglavnom i dalje govoriti o povr sini, jer je to uobi cajenije. ako neki komadi granice ravninskog lika nisu ravni, ako su ti komadi krivulje? Sto zine i Promatramo najjednostavniji takav slu caj, kad imamo lik omeden s tri du jednim komadom krivulje. Takav lik cesto zovemo krivuljnim trapezom.

294

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

y f(x)

P
0 a
Slika 7.4: Krivuljni trapez. Op cenit slu caj se mo ze svesti na zbroj povr sina krivuljnih trapeza cija unija cini zadani lik. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne stranice paralelne s koordinatnim osima, i da komad krivulje bude graf neke funkcije. Neka je ta funkcija neprekidna.

KT

KT2 KT

KT3

Slika 7.5: Rastav ravnog lika na krivuljne trapeze. Promatrajmo, dakle, krivuljni trapez omeden odozdo komadom osi x, s lijeva pravcem x = a, zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a, b] funkcije f (x). (Funkcija f je strogo pozitivna na [a, b] ako je f (x) > 0, za svaki x [a, b].) Po Teoremu 6.6, funkcija f na segmentu [a, b]

7.2. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost. Dakle je m f (x) M, x [a, b],

295

gdje je m minimum, a M maksimum funkcije f na [a, b]. Sada se krivuljni trapez kojeg promatramo mo ze cijeli upisati u pravokutnik kojem je osnovica segment [a, b] i visina M . S druge strane, pravokutnik s osnovicom [a, b] i visinom m je cijeli sadr zan u na sem krivuljnom trapezu. Ozna cimo li tra zenu plo stinu s P , odavde slijedi (b a)m P (b a)M. Imamo gornju i donju ocjenu nepoznate veli cine P . Ta je ocjena to bolja sto

y M

f(x)

m 0 a

P
b x

Slika 7.6: Gornja i donja meda za plo stinu krivuljnog trapeza. je manja razlika vrijednosti M i m. Smanjenje te razlike mo ze se posti ci podjelom segmenta [a, b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima. Ideja je da se uzimanjem sve u zih i u zih osnovica nepoznata plo stina P mo ze po volji dobro aproksimirati zbrojevima povr sina pravokutnika upisanih ili opisanih malim krivuljnim trapezima. Podijelimo segment [a, b] na bilo kakav na cin na n podsegmenata to ckama x1 < x2 < ... < xn1 , pri cemu su xi a, b za svaki i = 1, ..., n 1. Krajeve segmenta [a, b] ozna cimo s x0 = a i xn = b. Ozna cimo duljine malih segmenata s xi = xi xi1 , i = 1, ...n. Ozna cimo s mi i Mi najmanju i najve cu vrijednost funkcije f na segmentu [xi1 , xi ], i = 1, ..., n (brojevi mi i Mi

296

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

postoje po Teoremu 6.6). Uvijek je m mi Mi M, i = 1, ...n,

jer najmanja (najve ca) vrijednost na podsegmentu ne mo ze biti manja (ve ca) od najmanje (najve ce) vrijednosti na cijelom segmentu.

00 11 000 111 00 11 11111 00000 00 11 000 111 11 00 00 11 1 0 000 111 00 11 000 111 00 11 000 111 00 11 0 11 0 00 11 00 11
0 a b x

f(x)

Slika 7.7: Podjela intervala na podintervale i odgovaraju ce aproksimacije plo stine pravokutnicima. Ozna cimo li sada zadanu podjelu {x1 , x2 , ..., xn1 } s r, jasno je da su toj podjeli r pridru zena dva broja s(r) i S (r), koji predstavljaju zbrojeve povr sina upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele:
n n

s(r) =
i=1

mi xi ,

S (r) =
i=1

Mi xi .

Veli cine S (r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za podjelu r na segmentu [a, b]. Zbog mi Mi , i = 1, ..., n, imamo s(r) S (r), a zbog m mi i Mi M , i = 1, ..., n, imamo
n n n

S (r ) =
i=1

Mi xi
i=1

M xi = M
i=1

xi = M (b a).

Sli cno, m(b a) s(r),

7.2. ODREDENI INTEGRAL pa vrijedi m(b a) s(r) S (r) M (b a).

297

Dakle su obje veli cine s(r) i S (r) ograni cene i odozdo i odozgo za svaku podjelu r. se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju Sto podjelu segmenta [a, b]? Istim zaklju civanjem kao gore vidimo da se gornja Darbouxova suma ne pove cava, a donja se ne smanjuje. To vrijedi ako se podjela pronjuje, tj. ako su stare to cke u podjeli podskup novih. Dakle, tada je svaki mali krivuljni trapez stare podjele rastavljen na kona can broj jo s manjih krivuljnih trapeza. Uzmimo u svakom segmentu [xi1 , xi ] to cku si , i = 1, ..., n. Kako je mi f (si ) Mi , i = 1, ..., n, to vrijedi
n n n

mi xi
i=1 n i=1

f (si )xi
i=1

Mi xi .

Izraz
i=1

f (si )xi zovemo integralna suma funkcije f . Ako uzimanjem sve

nijih i nijih podjela od [a, b] gornja i donja Darbouxova suma te ze prema vrijednostima koje su jednake i koje ne ovise o na cinu dijeljenja od [a, b], onda i integralna suma izmedu njih mora te ziti prema istoj vrijednosti. Pokazuje se da je to uvijek slu caj za neprekidnu funkciju f . Denicija 7.2 Neka je f neprekidna funkcija na [a, b]. Tada veli cinu
n xi 0

lim

f (si )xi
i=1

zovemo odredeni integral funkcije f na segmentu [a, b] i ozna cavamo s

b

f (x)dx.
a

Krajevi segmenta [a, b] su granice integrala (donja i gornja). Funkcija f (x) je podintegralna funkcija ili integrand. Veli cina x je varijabla integracije. Napomena 7.7 Iz gornjih smo razmatranja vidjeli da se plo stina ravnog lika omedenog osi x, pravcima x = a i x = b, te komadom grafa pozitivne neprekidne (na [a, b]) funkcije f denira kao odredeni integral funkcije f u granicama od a do b.

298

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Denicija 7.3 Ako za funkciju f mo zemo denirati odredeni integral na [a, b] ka zemo da je f integrabilna na [a, b]. Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti, tj. nisu integrabilne. Primjer 7.13 Dirichletova funkcija, f (x) = nije integrabilna. Uo cimo da za svaku podjelu r segmenta [a, b] imamo mi = 0 i Mi = 1, i = 1, ..., n. Dakle je s(r) = 0 i S (r) = b a za svaku podjelu r segmenta [a, b]. Gornja i donja Darbouxova suma uvijek te ze razli citim vrijednostima (b a i 0), tj. Dirichletova funkcija nije integrabilna. Napomena 7.8 Dirichletova funkcija ima prekid u svakoj to cki. Iz Primjera 7.13 vidimo da nisu sve funkcije na segmentu [a, b] integrabilne. Koje jesu? Neprekidne sigurno jesu. Koje jo s? Teorem 7.5 Svaka monotona funkcija na [a, b] je integrabilna. Teorem 7.6 Svaka neprekidna funkcija na [a, b] je integrabilna. Napomena 7.9 Uo cimo da ako je f monotona funkcija na [a, b], onda je ona i ograni cena. Dokaz: Ako f raste na [a, b], onda je f (a) f (x) f (b), za svaki x [a, b], dakle je f ograni cena funkcija na [a, b]. Analogno se doka ze slu caj kada f pada na [a, b]. Primjer 7.14 1. Izra cunajmo iz denicije
b

1, xQ 0, x R \ Q,

1 dx.
a

7.2. ODREDENI INTEGRAL

299

O cito je funkcija f (x) = 1 neprekidna na [a, b]. Za svaku podjelu r segmenta [a, b] je mi = Mi = f (si ) = 1, i = 1, ..., n. Dakle imamo
n n n n n

xi =
i=1 i=1

mi xi = s(r)
i=1

f (si )xi S (r) =

i=1

Mi xi =
i=1

xi .

Kako je S (r) = s(r) = b a prijelazom na limes dobivamo

b b

ba
a

f (x)dx =
a b

1 dx b a,

dakle je
a

1 dx = b a. cunajmo 2. Izra
a

x dx.

y f(x)=x

x x x 1 2 3

Slika 7.8: Ra cunanje odredenog integrala funkcije f (x) = x iz denicije. O cito je funkcija f (x) = x neprekidna na [a, b]. Podijelimo segment [a, b] a . Sada je mi = a + (i 1)x, Mi = na n jednakih djelova, x = b n a + ix. Dakle imamo
n n n

s(r) =
i=1

mi x = x
i=1

(a + (i 1)x) = nax + x

2 i=1

(i 1) =

nax + x2

n(n 1) b a (b a)2 n(n 1) = na + = 2 n n2 2

300

POGLAVLJE 7. UVOD U INTEGRALNI RACUN n 1 (b a)2 a(b a) + . n 2 Prijelazom na limes dobivamo (b a)2 b2 a2 lim s(r) = a(b a) + = . n 2 2 2 Analogno dobijemo da je S (r) = dakle je
b

b2 a2 , 2 2 b2 a2 . 2 2

x dx =
a

ako funkcija nije pozitivna na [a, b]? Ako je f neprekidna i negativna na Sto [a, b] (f (x) 0, za svaki x [a, b]) mo zemo napraviti analognu konstrukciju mjere povri sine krivuljnog trapeza omedenog odozgo s osi x, s lijeva s pravcem x = a, zdesna pravcem x = b i odozdo grafom funkcije f , tj. odredenog integrala
b

f (x)dx, kao i za neprekidnu pozitivnu funkciju. Medutim, u ovom slu caju ce biti m 0 i M 0, i za svaku podjelu r segmenta [a, b] ce biti mi 0 i ce Mi 0, i = 1, ..., n. Dakle vrijednost odredenog integrala negativne funkcije biti nepozitivan broj, tj.
b a

f (x)dx 0.
a

Ako je neprekidna funkcija f na [a, b] takva da je pozitivna na [a, c] i negativna na [c, b] (zbog neprekidnosti je f (c) = 0), za neki c a, b , onda je
b

f (x)dx
a

razlika plo stine P1 ispod grafa pozitivnog dijela funkcije f (nad [a, c]) i plo stine P2 iznad grafa negativnog dijela funkcije f (nad [c, b]). Dakle, u op cem slu caju odredeni integral je algebarski zbroj plo stina izmedu osi x i grafa krivulje. Po tomu je pravilu
2

sin x dx = 0.
0

7.2. ODREDENI INTEGRAL

301

7.2.2
a

Svojstva odredenog integrala

f (x)dx = 0.
a

1.

Dokaz: Za bilo koju podjelu r segmenta [a, a] su gornja i donja Darbouxova suma
a

jednake nula, pa je
a a b

f (x)dx = 0.

2.
b

f (x)dx =
a

f (x)dx.

Dokaz: Ako je a < b onda ce u Darbouxovim sumama i integralnoj sumi kojima

a

se denira
b

f (x)dx vrijednosti xi , i = 1, ..., n, biti negativne, a vri-

jednosti mi , Mi i f (si ), i = 1, ..., n, ostaju iste. Dakle odredeni integral mijenja predznak ako se zamijene granice.
b c b

3.
a

f (x)dx =
a

f (x)dx +
c

f (x)dx,

za svaku to cku c a, b .

Ovo se zove aditivnost integrala po podru cju integracije. Dokaz: Rezultat slijedi jer se uzimanjem to cke c a, b u svaku podjelu od [a, b]
n

zbrojevi
i=1

f (si )xi rastavljaju u zbrojeve u kojima su svi si < c i u

c b

zbrojeve u kojima su svi si > c, i = 1, ..., n. Prijelazom na limes prvi zbrojevi te ze u

a

f (x)dx, a drugi u
c

f (x)dx.

Ovo se poop cuje i na kona can zbroj pribrojnika, tj.

b a1 a2 b

f (x)dx =
a a

f (x)dx +
a1

f (x)dx + ... +
an1

f (x)dx,

za a < a1 < a2 < ... < an1 < b.

302

POGLAVLJE 7. UVOD U INTEGRALNI RACUN Uo cimo da ovo svojstvo vijedi i za c / a, b ako uzmemo u obzir svojstvo 2. Za c < a < b imamo
b a b

f (x)dx =
c c

f (x)dx +
a

f (x)dx,

pa onda vrijedi
b a b c b

f (x)dx =
a c

f (x)dx +
c

f (x)dx =
a

f (x)dx +
c

f (x)dx.

Analogno se doka ze ako je a < b < c. Napomena 7.10 Iz ovog svojstva slijedi da i funkcije koje na [a, b] imaju kona cno mnogo to caka prekida u kojima imaju kona cne skokove (f : I R ima u c I kona can skok ako je | lim+ f (x) lim f (x)| < +)
xc xc b

imaju odredeni integral. To mo zemo napraviti tako da integral zapi semo u obliku
b a1 a2 b a

f (x)dx

f (x)dx =
a a

f (x)dx +
a1

f (x)dx + ... +
an1

f (x)dx,

gdje su a < a1 < a2 < ... < an1 < b sve to cke prekida od f na [a, b]. Kako je f neprekidna, na svakom segmentu [a, a1 ], ..., [an1 , b] znamo
a1 b

izra cunati integrale

a b

f (x)dx, ...,
an1

f (x)dx, dakle znamo izra cunati

i
a

f (x)dx.

Denicija 7.4 Funkcija f : [a, b] R je po dijelovima monotona ako postoji n N i to cke a < a1 < a2 < ... < an < b, takve da je f monotona na svakom segmentu [a, a1 ], ..., [an , b]. Dakle, iz Teorema 7.5 i svojstva 3. izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna.

7.2. ODREDENI INTEGRAL

b b b

303 f (x)dx g (x)dx,

a

4.
a

(f (x) g (x))dx =
a

ili aditivnost integrala.

Dokaz: Aditivnost integrala slijedi izravno iz Denicije 7.2 i Teorema 6.18.

b b

5.
a

cf (x)dx = c
a

f (x)dx,

gdje je c R proizvoljan.

Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Denicije 7.2 i Teorema 6.18.
cimo skup svih integrabilnih funkcija na I = [a, b] Napomena 7.11 Ako s R(I ) ozna (skup R(I ) nije prazan, unutra se sigurno nalaze sve neprekidne funkcije na [a, b]), onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I ) beskona cnodimenzionalni vektorski prostor. Stovi se, R(I ) je podprostor realnog vektorskog prostora svih funkcija f : I R (Napomena 5.13). Beskona cnodimenzionalan je, jer npr. skup {1, x, x2 , ..., xn } je linearno nezavisan za svaki n N (Teorem 5.3), i svaka funkcija iz tog skupa je neprekidna na I , dakle i integrabilna. Dakle beskona cni skup {xn : n = 0, 1, ...} se nalazi u nekoj bazi od R(I ). Nadalje, iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I ).

6. Ako je funkcija f : [a, b] R takva da je f (x) = 0 osim u kona cno mnogo to caka, onda je
b

f (x)dx = 0.
a

Dokaz: Uzmimo prvo da je f (x) = 0 osim mo zda u to cki c [a, b] i da je f (c) > 0. O cito je tada m = 0, M = f (c) i za svaku podjelu r segmenta [a, b] to cka c pada u to cno jedan [xj 1 , xj ], pa je mi = 0, i = 1, ..., n, Mi = 0, i = 1, ..., j 1, j + 1, ..., n, i Mj = f (c). Dakle je s(r) = 0 i S (r) = Mj xj . Prelaze ci na limes dobivamo da je
xj 0

lim

S ( r ) = 0,

304
dakle je

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

f (x)dx = 0.
a

U slu caju kad je f (x) = 0 osim u kona cno mnogo to caka, i kad f nije nu zno pozitivna dokaz ide posve analogno tako da segment [a, b] po svojstvu 3. rastavimo na kona can broj podsegmenata koji sadr ze najvi se jedno nuli ste funkcije f , i prema dokazanome je
b

f (x)dx = 0.
a

Kao izravnu posljedicu imamo: ako se funkcije g i h razlikuju na [a, b] u samo kona cno mnogo to caka onda je
b b

g (x)dx =
a a

h(x)dx.

7.

a) Ako je f : [a, a] R neparna, onda je

a

f (x)dx = 0.
a

b) Ako je f : [a, a] R parna, onda je

a a

f (x)dx = 2
a 0

f (x)dx.

Dokaz:
a 0 a 0 a

a)
a

f (x)dx =
a 0

f (x)dx+
0 a

f (x)dx =
a a

f (x)dx+
0 a

f (x)dx =

a a

f (x)dx +
0 0

f (x)dx =
0 a

f (x)dx +
0 0

f (x)dx = 0.
a

b)
a

f (x)dx =
a a

f (x)dx+
0 a

f (x)dx =
a a

f (x)dx+
0

f (x)dx =

f (x)dx +
0 0

f (x)dx = 2
0

f (x)dx.

7.2. ODREDENI INTEGRAL

305

8. Ako je f neprekidna i nenegativna funkcija na [a, b] i ako je f (c) > 0 za neki c [a, b], onda je
b

f (x)dx > 0.
a

Dokaz: Kako je f (c) > 0 za neki c [a, b] iz Teorema 6.3 slijedi da postoji interval I [a, b] oko to cke c takav da je f (x) > 0, za svaki x I . Dakle postoje x1 , x2 I takve da je x1 < c < x2 . Iz pozitivnosti funkcije f na [a, b] odnosno stroge pozitivnosti na [x1 , x2 ] imamo
x2

f (x)dx > 0,
x1

odnosno
b x1 x2 b

f (x)dx =
a a

f (x)dx +
x1

f (x)dx +
x2

f (x)dx > 0.

9. Neka su f i g neprekidne funkcije na [a, b] takve da je f (x) g (x) za svaki x [a, b]. Tada je
b b

f (x)dx
a a

g (x)dx.

Ako je f (c) < g (c) za bar jedno c [a, b] onda vrijedi stroga nejednakost. Ovo svojstvo se zove svojstvo monotonosti integrala.
Dokaz: Po Teoremu 7.8 je dobro denirana funkcija F C 1 [a, b] formulom
x

F (x) =
a

(g ( ) f ( ))d,

i o cito ima pozitivnu derivaciju, tj. F (x) = g (x) f (x) 0. Dakle, po Teoremu 6.28 F raste na [a, b]. Odatle slijedi da je F (b) F (a) = 0, odnosno
b

F (b) =
a

(g ( ) f ( ))d 0.

Ako je f (c) < g (c) za bar jedno c [a, b], onda je F (c) = g (c) f (c) > 0. Kako je funkcija F = g f neprekidna na [a, b] tada iz Teorema 6.3 slijedi da postoji interval

306

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

I [a, b] oko to cke c takav da je F (x) > 0, za svaki x I , odnosno po Teoremu 6.28 F strogo raste na I . Dakle postoje x1 , x2 I takve da je x1 < x2 i F (x1 ) < F (x2 ). Kako je F (a) F (x1 ) i F (x2 ) F (b), imamo da je F (b) > F (a) = 0, odnosno imamo strogu nejednakost.

10. Neka je f : [a, b] R. O cito vrijedi |f (x)| f (x) |f (x)|, za svaki x [a, b]. Nadalje, iz svojstva 9. imamo da je
b b b

|f (x)|dx
a

f (x)dx
a

|f (x)|dx,

tj.
a

f (x)dx
a

|f (x)|dx.

11. Teorem 7.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a, b]. Tada postoji to cka c [a, b] takva da je
b

f (x)dx = f (c)(b a).

a

Dokaz: Po Teoremu 6.6, iz neprekidnosti funkcije f na [a, b] slijedi da f dosti ze svoj minimum m i maksimum M na [a, b], tj. m f (x) M , za svaki x [a, b]. Ako f nije konstanta na [a, b], iz svojstva 9. i Primjera 7.14 slijedi
b b b

m(b a) = m
a

dx <
a

f (x)dx < M
a

dx = M (b a).

Nadalje iz Teorema 6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M , pa postoji barem jedan c [a, b] za koji je
b

f (x)dx = f (c)(b a).

a

Izraz

1 ba

f (x)dx
a

7.2. ODREDENI INTEGRAL

y

307

M f(x) m 0 a b x

Slika 7.9: Teorem srednje vrijednosti za odredeni integral. se zove srednja vrijednost funkcije f na segmentu [a, b]. Povr sina ispod grafa neprekidne funkcije f nad [a, b] jednaka je povr sini pravokutnika s
b

osnovicom b a i visinom

1 ba

f (x)dx. Odatle ime teoremu.

a

Teorem 7.7 ka ze da je srednja vrijednost neprekidne funkcije na segmentu [a, b] jednaka vrijednosti te funkcije u nekoj to cki tog segmenta. Napomena 7.12 Srednja vrijednost je poop cenje pojma aritmeti cke srea1 +a2 +...+an dine (aritmeti cka sredina od a1 , a2 , ..., an R je a = ). n Za funkcije koje nisu neprekidne Teorem 7.7 ne mora vrijediti: Primjer 7.15 Neka je dana funkcija f : R R formulom f (x) = 1, x 0 1, x < 0.

O cito je da funkcija f ima prekid u x0 = 0. Nadalje, kako je f neparna funkcija, iz svojstva 7. imamo da je
1

f (x)dx = 0,
1

medutim ne postoji to cka c [1, 1] za koju je f (c) = 0.

308

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

y

0 1 1 x

Slika 7.10: Teorem srednje vrijednosti ne mora vrijediti za funkcije koje nisu neprekidne.

7.3

Newton - Leibnizova formula

Ra cunanje odredenih integrala izravno iz denicije mukotrpno je i te sko izvedivo cak i za jednostavne funkcije. Sre com, postoji veza izmedu primitivne funkcije i odredenog integrala koja omogu cuje ra cunanje odredenih integrala pomo cu cemo tu vezu u najjednostavnijem slu caju, kad je podinneodredenih. Dokazat tegralna funkcija neprekidna. Prije formuliranja i dokazivanja teorema, promatrajmo na segmentu [a, b] neprekidnu
x

i, jednostavnosti radi, pozitivnu funkciju f . Za svaki x [a, b] postoji

a

f ( )d ,

i taj je broj jednak plo stini izmedu grafa funkcije f i osi x omedenoj vertikalnim pravcima x = a i x. Dakle imamo pridru zivanje koje svakom x [a, b] pridru zi plo stinu ispod grafa funkcije f desno od a i lijevo od x. Tim je pridru zivanjem denirana funkcija koju ozna cimo s F . Imamo x F (x), gdje je F (x) =
a x

f ( )d.

Pokazat cemo da je ta funkcija F derivabilna na [a, b] i izra cunat cemo njenu derivaciju. Teorem 7.8 Neka je f C [a, b]. Funkcija F denirana formulom
x

F (x) =
a

f ( )d

7.3. NEWTON - LEIBNIZOVA FORMULA je derivabilna na [a, b] i vrijedi F (x) = f (x). Dokaz: Ra cunamo derivaciju od F po deniciji:
x+x x x+x

309

F = F (x + x) F (x) =
a

f ( )d
a

f ( )d =
x

f ( )d.

Ho cemo gledati

F . x0 x Funkcija f je neprekidna na [a, b], pa onda i na svakom podsegmentu [x, x +x]. lim

y f(x)

F(x) x+ x

b x

Slika 7.11: Funkcija F (x). Onda ona na tom segmentu poprima svoj minimum m u 1 i maksimum M u 2 (Teorem 6.6). Po Teoremu 7.7 vrijedi
x+x

mx
x

f ( )d M x, F M = f (2 ). x

odnosno f (1 ) = m

310

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Prijelazom na limes kad x 0, to cke 1 i 2 moraju te ziti prema x, pa imamo

x0

lim f (1 ) lim

F lim f (2 ). x0 x x0

Kad 1 x, onda, zbog neprekidnosti funkcije f na [a, b], mora vrijediti f (1 ) f (x) (Teorem 6.12). Sli cno i za 2 x. Odatle slijedi f (x) lim tj. f (x) F (x) f (x), tj. F (x) = f (x). Dakle je F (x) derivabilna funkcija na cijelom [a, b] i F (x) = f (x).
x x0

F f (x), x

Teorem 7.8 ka ze da je
a

f ( )d primitivna funkcija funkcije f . Sli cna se tvrdnja

mo ze dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integrabilnosti, no dokaz je bitno slo zeniji. Teorem 7.9 (Newton - Leibnizova formula) Neka je funkcija f denirana i neprekidna na [a, b] Tada postoji primitivna funkcija F funkcije f i vrijedi
b

f (x)dx = F (b) F (a).

a

Dokaz: Prema Teoremu 7.8 znamo da je F (x) =

a

f ( )d primitivna funkcija

funkcije f . Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. iz to cke 7.2.2 dobivamo

x b

F (a) =
a

f (a)d = 0,
b

F (b) =
a

f ( )d.

Odatle je
a

f (x)dx = F (b) F (a). Newton - Leibnizova formula je jedan od najzna cajnijih rezultata cijele matemati cke analize. U njoj se povezuju odredeni integral, do kojeg dolazimo preko limesa niza integralnih suma, i neodredeni, do kojeg smo do sli poku savaju ci invertirati

7.3. NEWTON - LEIBNIZOVA FORMULA

311

linearni operator deriviranja. Time je omogu cena primjena metoda razvijenih za neodredene integrale na ra cunanje odredenih. Desna strana Newton - Leibnizove formule se jo s kra ce pi se kao F (b) F (a) = F (x) .
a b

Citamo to kao F (x) u granicama od a do b. Kod primjene na ra cunanje odredenih integrala, u metodama izravne integracije se samo na kraju u izra cunati neodredeni integral uvrste granice, i od vrijednosti u gornjoj granici se oduzme vrijednost u donjoj granici. Pri tome nestane konstanta integracije. Kod metode zamjene varijabli jedan na cin je da se provede ra cun do kraja, da se u kona cni neodredeni integral vrati putem obrnute supstitucije originalna varijabla integriranja i da se onda uvrste originalne granice. Stvari se znaju zakomplicirati ako ima vi se supstitucija. Drugi pristup je da se kod svake supstitucije osim podintegralne funkcije i diferencijala modiciraju i granice. Onda na kraju ne treba vra cati natrag originalnu varijablu integracije ni originalne granice. Prilikom izbora supstitucije treba jo s voditi ra cuna o neprekidnosti derivacije supstitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro deniran). Teorem 7.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija neprekidna na segmentu [, ] i neka na [, ] ima neprekidnu derivaciju . Ako vrijednosti funkcije na [, ] ne izlaze izvan segmenta [a, b], i ako je () = a, ( ) = b, onda za f C ([a, b]) vrijedi formula zamjene varijabli
b

f (x)dx =
a

f ((t)) (t)dt.

Primjer 7.16 Izra cunajmo

3 3

4 x2 dx.

Stavimo (t) = 2 sin t. Iz (t) = 3, tj. sin t = 23 imamo t1 = . 3 3 3 cito funkcija : [ 2 , 2 ] Analogno, iz (t) = 3 dobijemo t2 = 3 . Sada o

312

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

R zadovoljava uvjete Teorema 7.10, dakle imamo

3

4
3

x2

dx =

2 cos t

4 4 sin t dt = 4
3

cos2 t dt =

1 2 (1 + cos 2t)dt = 2(t + sin 2t) 2 3

4 + 3. 3

Kod parcijalne integracije situacija je jednostavnija, samo se uvrste granice:

b b

u(x)v (x)dx =
a b b a

[(u(x)v (x)) u (x)v (x)]dx =

b b

(u(x)v (x)) dx
a a

u (x)v (x)dx = u(x)v (x)

a a b b

u (x)v (x)dx,

tj. u dv = uv
a b a

v du.

Primjer 7.17 Izra cunajmo

0

xex dx.

Iz Primjera 7.6 imamo

1 0

xex dx = xex
0 0

ex dx = e ex

1 0

= e e + 1 = 1.

7.4

Nepravi integral

Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6.6 i omedena) na podru cju integracije, kao i da je samo podru cje integracije kona cno. Vrijednosti integrala mogu se ponekad (ali ne uvijek) izra cunati i ako su neki od tih uvjeta naru seni. U takvim slu cajevima govorimo o nepravim integralima. Promatramo prvo slu caj kad integrand nije ograni cen na podru cju integracije. Neka je funkcija f neprekidna na [a, b i neka je
xb

lim f (x) = +.

7.4. NEPRAVI INTEGRAL

313

Znamo da za svaki x [a, b postoji integral te funkcije u granicama od a do x, tj. postoji

x

f ( )d.
x a

Ako funkcija
a

f ( )d te zi prema nekoj kona cnoj grani cnoj vrijednosti L R

b

kada x b, ka zemo da nepravi integral konvergira i pi semo

b x a

f ( )d ima vrijednost ili da

f ( )d = lim
a

xb

f ( )d = L.
a

Ako promatrani limes ne postoji, ka zemo da integral divergira ili da nema zna cenja.

y f(x)

Slika 7.12: Nepravi integral funkcije koja nije ograni cena na podru cju integracije. Sli cno se radi u slu cajevima kad f (x) za x b, te za slu cajeve kad funkcija nije ograni cena u donjoj granici integracije, tj. u to cki a. Primjer 7.18 1. Integral dx 1 x2 0 + kada x 1 . Znamo da je = arcsin
x 0 1

je nepravi integral, jer

x 0

1 1x2

d 1 2

= arcsin x,

314 i znamo da je

POGLAVLJE 7. UVOD U INTEGRALNI RACUN , 2

x1 1

lim arcsin x =

pa onda znamo i da
0

dx konvergira i da je 1 x2
1

dx = . 2 2 1x
1 0

2. Integral

dx x

je nepravi integral, jer

1 x 1 x

+ kada x 0 + . Ra cunamo
1 x

d =2

= 2(1

x).

Nadalje imamo
1 x0+ 1

lim

d = 2 lim (1 x) = 2. x0+

Dakle
0

dx konvergira i x
1 0

dx = 2. x
1 0

3. Integral

dx x

je nepravi integral, jer

1 x

+ kada x 0 + . Ra cunamo
1 x

d = ln

1 x

= ln x.

Nadalje imamo
1 x0+

lim

d = lim+ ( ln x) = +. x0

Dakle ovaj nepravi integral divergira.

7.4. NEPRAVI INTEGRAL

315

Ako se to cka u kojoj funkcija nije denirana nalazi u segmentu integracije, taj interval se rastavi u dva intervala s tom to ckom kao granicom, tj.
b c1 b

f (x)dx = lim
a

1 0

f (x)dx + lim
a

2 0 b

f (x)dx.
c+2

Ako oba limesa na desnoj strani postoje, onda divergira.

1 a

f (x)dx konvergira, ina ce

Primjer 7.19

1. Izra cunajmo
1 1 x2

dx . x2

Funkcija f (x) = imamo

1 1

nije denirana u to cki x0 = 0 segmenta [1, 1]. Dakle dx + lim x2 2 0

1 2

dx = lim 1 0 x2

1 1

dx 1 = lim ( 2 1 0 x x

1 1

)+ lim (
2 0

1 x

1 2

)=

1 1 1 1 + lim = + . 2 0 2 1 0 1 lim
1

Dakle
1

dx divergira. x2
b

2. Izra cunajmo
a

dx . (x b)n

Stavimo (t) = t + b. Iz (t) = a, tj. t + b = a imamo t1 = a b. Analogno, iz (t) = b dobijemo t2 = 0. Sada o cito funkcija : [a b, 0] R zadovoljava uvjete Teorema 7.10, dakle imamo
b a

dx = (x b)n

0 ab

dt . tn

Ako je n < 0, onda je n > 0 pa imamo

0 ab

dt tn+1 = tn n + 1

0 ab

(a b)1n . 1n

Ako je n = 0 imamo
0 a b

dt = tn

dt = t
ab

0 ab

= b a.

316

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

1 Ako je n 1, onda funkcija f (x) = (x nije denirana u desnom rubu b)n 1 segmenta [a, b], odnosno funkcija g (t) = tn nije denirana u desnom rubu segmenta [a b, 0]. Integral 0 ab

dt tn
1 tn

je nepravi integral za n 1, jer t1 n + za paran n i neparan n kada t 0 . Znamo da je

t ab

za

d = ln | | n

t ab

= ln |t| ln(b a),

za n = 1 i
t ab

d n+1 = n n + 1

t ab

(a b)n+1 tn+1 , n + 1 n + 1

za n > 1. Kako je
t0

lim (ln |t| ln(b a)) =

i za paran n i

tn+1 (b a)n+1 = +, t0 n + 1 n + 1 lim tn+1 (b a)n+1 = t0 n + 1 n + 1 lim

0 ab

za neparan n, integral

dx divergira za n 1. Dakle tn
b a

dx (x b)n

konvergira za n < 1, divergira za n 1. Problem konvergencije nepravih integrala mo ze se rje savati sli cnim metodama kao problem konvergencije redova. Uz svojstvo monotonosti integrala (svojstvo 9. iz to cke 7.2.2) npr. Primjer 7.19 mo ze poslu ziti pri usporedivanju. Promatrajmo sada drugi mogu ci izvor problema, tj. situaciju kad podru cje integracije nije ograni ceno. Neka je funkcija f neprekidna na [a, + . Znamo

7.4. NEPRAVI INTEGRAL

317

f(x) 0 a x

Slika 7.13: Nepravi integral po neograni cenom podru cju integracije. da za svaki x [a, + postoji integral te funkcije u granicama od a do x, tj. postoji
x

f ( )d.
a x

Ako funkcija
a

f ( )d te zi prema nekoj kona cnoj grani cnoj vrijednosti kada

+

x +, ka zemo da nepravi integral vergira i pi semo

+ a

f ( )d ima vrijednost ili da kon-

f (x)dx = lim
a

x+

f ( )d.
a

Ako promatrani limes ne postoji, ka zemo da integral divergira. Sli cno postupamo i za slu caj
b

f (x)dx,

pa i za slu caj

f (x)dx.

Primjer 7.20

1. Izra cunajmo
+ 0

ex dx.

318 Imamo
+ 0

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

ex dx = lim

x 0

x+

e d = lim (e ) = 1 lim ex = 1.
x+ 0 x+

Dakle gornji nepravi integral konvergira. 2. Izra cunajmo

1 +

dx . x

Imamo
+ 1

dx = lim x+ x

x 1

x d = lim (ln ) = lim ln x = +. x+ x+ 1

Dakle vidimo da ovaj nepravi integral divergira. Mo ze se pokazati da nepravi integral + dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p 1. cunajmo 3. Izra
1 +

dx . x2

Imamo
+ 1

dx = lim x+ x2

x 1

d 1 x 1 = lim ( ) = lim + 1 = 1. 2 x+ x+ x 1
+

4. Izra cunajmo

dx . 1 + x2

Zbog neparnosti funkcije arctg imamo

+

dx = lim 1 + x2 x+

x x

d = lim (arctg 1 + 2 x+
x+

x x

)=

x+

lim (arctg x arctg (x)) = 2 lim arctg x = .

Zanimljivo je da neomedena povr sina ispod grafa racionalne funkcije ima transcendentnu kona cnu vrijednost .

 7.5. PRIMJENE INTEGRALNOG RACUNA

319

7.5
7.5.1

Primjene integralnog ra cuna

Povr sina lika u ravnini
b

U to cki 7.2.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a, b] R broj f (x)dx
a

predstavlja plo stinu lika omedenog grafom funkcije f , osi x, pravcem x = a i pravcem x = b. Ako je funkcija f neprekidna i negativna na [a, b], onda broj
b

f (x)dx
a

predstavlja plo stinu povr sine omedene grafom funkcije f , osi x, pravcem x = a i pravcem x = b, ali negativnog predznaka. Nadalje, ako je f : [a, b] R neprekidna takva da je pozitivna na [a, c] i negativna na [c, b], za neki c a, b , onda
b

f (x)dx
a

je razlika plo stine povr sine P1 ispod grafa pozitivnog dijela funkcije f (nad [a, c]) i plo stine povr sine P2 iznad grafa negativnog dijela funkcije f (nad [c, b]), tj.
b

f (x)dx = P1 P2 .
a

Plo stina povr sine izmedu grafa funkcije f , osi x, pravca x = a i pravca x = b, tj. broj P1 + P2 , jednaka je
c b

P = P1 + P2 =
a

f (x)dx
c

f (x)dx.

Iz gornjih razmatranja imamo da je plo stina povr sine izmedu grafova fukcija f1 i f2 omedena pravcima x = a i x = b, gdje su f1 , f2 : [a, b] R neprekidne i takve da je f1 (x) f2 (x), za svaki x [a, b], dana s
b

(f1 (x) f2 (x))dx.

a

320

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

f (x) 1

f (x) 2 0 a b x

Slika 7.14: Plo stina lika omedenog grafovima dviju funkcija.

Ako je g : [c, d] R neprekidna i pozitivna funkcija u varijabli y , tj. promatramo krivulju x = g (y ), onda je plo stina povr sine omedene grafom funkcije g , osi y , pravcem y = c i pravcem y = d dana s
d

g (y )dy.
c

y d

P
c 0 g(y)

Slika 7.15: Plo stina lika omedenog grafom funkcije od y . Analogno se deniraju i ostali odredeni integrali (plo stine), tj. za slu caj kada je funkcija g negativna, odredeni integral proizvoljne neprekidne funkcije, plo stinu

 7.5. PRIMJENE INTEGRALNOG RACUNA

321

omedenu grafom proizvoljne neprekidne funkcije, osi y , pravcem y = c i pravcem y = d i plo stinu izmedu grafova neprekidnih funcija g1 i g2 na [c, d] takvih da je g1 (y ) g2 (y ), za svaki y [c, d].

7.5.2

Volumen rotacijskog tijela

Promatramo neko tijelo u tri dimenzije, recimo sto zac visine H i polumjera osnovice r. Nare zemo ga na tanke plo ske, recimo visine h = H , n N, i u n svakom sloju izmedu visine h i h + h, h = 0, h, ..., H h, zamijenimo komad sto zca, tj. krnji sto zac visine h, valjkom iste visine s osnovicom jednakom gornjoj (tj. manjoj) osnovici krnjeg sto zca. Za veliki n N ce zbroj

Slika 7.16: Volumen sto zca kao limes sume volumena tankih valjaka. volumena tih valj ci ca biti dobra aproksimacija volumena sto zca. Za n , tj. za h 0, dobit cemo to cnu formulu za volumen sto zca. Promatrajmo sada tijelo T u tri dimenzije omedeno ravninama x = a i x = b te plohom koja nastaje rotacijom grafa funkcije f oko osi x. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a, b]. Podijelimo segment [a, b] na n dijelova pomo cu to caka a = x0 < x1 < ... < xn1 < xn = b. Time je i tijelo T podijeljeno na n slojeva. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 , i = 0, 1, ..., n 1, zamijenimo valjkom cija osnovica ima polumjer f (xi ) a visina je xi+1 = xi+1 xi . Povr sinu osnovice tog valj ci ca

322
y

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

f(x) T

Slika 7.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. ozna cimo s P (xi ). Promatramo zbroj svih volumena tih valj ci ca:
n1

P (xi )xi+1 .
i=0

Prijedemo na limes; ako taj limes postoji kad n , tj. kad max xi+1 0, onda gornja suma te zi prema vrijednosti koja nije ni sta drugo do li odredeni integral od a do b funkcije P (x) koja daje povr sinu popre cnog presjeka tijela T ravninom paralelnom s ravninom yz kroz to cku (x, 0, 0). No taj popre cni presjek 2 je krug, a njegova povr sina za zadani x je jednaka f (x) . S druge strane, u limesu zbroj volumena valj ci ca te zi prema volumenu tijela T . Odatle slijedi formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a, b] R oko osi x omedenog ravninama x = a i x = b:
b b

Vx =
a

P (x)dx =
a

f 2 (x)dx.

Primjer 7.21 Izra cunajmo volumen tijela koje nastaje rotacijom luka sinusoide izmedu x = 0 i x = oko osi x. Iz Primjera 7.8 imamo

Vx =
0

1 sin2 (x)dx = [ (x sin x cos x)] 2

2 . 2

 7.5. PRIMJENE INTEGRALNOG RACUNA

323

Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povr sine popre cnog presjeka P na odredenoj visini. Primjer 7.22 Izra cunajmo volumen sto zca visine H i polumjera osnovice R.

y R

Slika 7.18: Volumen sto zca nastalog rotacijom du zine oko osi x. Po gornjoj formuli, koriste ci cinjenicu da takav sto zac nastaje rotacijom grafa funkcije R y= x H oko osi x, imamo
H

Vx =
0

R2 2 R2 x dx = 2 H2 H

H 0

R 2 x3 x dx = 2 H 3
2

H 0

1 = R2 H. 3

Pomo cu ove formule mo zemo ra cunati i volumene tijela koja nastaju rotacijom zatvorenih krivulja oko x osi. Dakle, ako su f1 , f2 : [a, b] R neprekidne i takve da je f1 (x) f2 (x), za svaki x [a, b], onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s
b

V =
a

2 2 (x))dx. (x) f2 (f1

324
y

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

f 1 (x)

f 2 (x) 0 a b x

Slika 7.19: Volumen tijela nastalog rotacijom podru cja omedenog grafovima dviju funkcija oko osi x. Primjer 7.23 Izra cunajmo volumen torusa koji nastaje rotacijom kru znice x2 + ( y R ) 2 = r 2 , R > r.
y R r

Slika 7.20: Volumen torusa nastalog rotacijom kru znice sa sredi stem na osi y oko osi x. Iz jednad zbe kru znice x2 + (y R)2 = r2 imamo f1 (x) = R + r 2 x2 , f2 (x) = R r 2 x2 ,

 7.5. PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =

r

325

2 2 f1 (x) f2 (x) = 4R r2 x2 .
r

4R r2 x2 dx = 4R

r r

r2 x2 dx.

Sada iz Primjera 7.16 imamo

r

V = 4R
r

r2 x2 dx = 4R

r2 x 1 x [arcsin + sin(2 arcsin )] 2 r 2 r

r r

2Rr2 2 = 2Rr2 . Ovaj rezultat je posebni slu caj prvog Guldinovog teorema. Teorem 7.11 (Prvi Guldinov teorem) Volumen tijela koje nastaje rotacijom lika oko osi x jednak je produktu povr sine lika i opsega kru znice koju pri rotaciji opisuje te zi ste lika. Na Guldinov teorem cemo se vratiti kasnije. Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a, x = b, x osi i grafom (pozitivne i neprekidne na [a, b]) funkcije f . Podijelimo li opet segment [a, b] na n dijelova, rotacijom komada izmedu [xi1 , xi ], i = 1, ..., n, nastaje cilindri cni sloj. Zamijenimo li komad grafa od f iznad segmenta [xi1 , xi ] konstantom f (xi ), volumen tog komada mo zemo izra cunati. Razre zemo ga po izvodnici i razmotamo, dobijemo prizmu, tj. paralelepiped sa stranicama osnovice f (xi ) i 2xi , debljine xi = xi xi1 . Volumen tog paralelepipeda je pribli zno jednak 2xi f (xi )xi , a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. U limesu, to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a, b] R oko osi y
b

Vy = 2
a

xf (x)dx.

326

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

y

Slika 7.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y . Primjer 7.24 Izra cunajmo volumen tijela koje nastaje rotacijom funkcije f : [0, 1] R dane formulom f (x) = x2 oko osi y i osi x. Imamo
1

Vy = 2
0 1

xx2 dx = 2
0 1 0

x3 =

4 x 2
1 0

1 0

, 2

Vx =
0

(x2 )2 dx =

x4 =

5 x 5

. 5

7.5.3

Te zi ste

Te zi ste homogenog ravnog lika Neka je funkcija f neprekidna i pozitivna na [a, b]. Promatramo lik omeden pravcima x = a, x = b, segmentom [a, b] na osi x i grafom funkcije f nad [a, b]. Uzmemo li skare i izre zemo taj lik, dobijemo tanko tijelo. Pretpostavimo da je materijal na kojem je lik bio nacrtan homogen, tj. da mu je gusto ca svuda ista. Zelimo odrediti te zi ste izrezanog lika. (Te zi ste je to cka u kojoj, ako podupremo tijelo, ono ostaje u ravnote zi.) Iz klasi cne mehanike znamo da za sustav materijalnih to caka s masama mi smje stenima u to ckama (xi , yi ),

 7.5. PRIMJENE INTEGRALNOG RACUNA i = 1, ..., n, vrijedi

n

327

m1 x1 + m2 x2 + ... + mn xn xT = = m1 + m2 + ... + mn

m i xi
i=1 n

mi
i=1 n

m1 y1 + m2 y2 + ... + mn yn yT = = m1 + m2 + ... + mn

mi yi
i=1 n

. mi

i=1

Ovdje su xT i yT koordinate te zi sta materijalnih to caka. Suma nazivnika je ukupna masa sustava, a izrazi u brojnicima su stati cki ili linearni momenti
n

sustava masa, i to
i=1

mi xi s obzirom na os y (jer su brojevi xi , i = 1, ..., n,

n

udaljenosti to caka od osi y ), a

i=1

mi yi s obzirom na os x (jer su brojevi yi ,

i = 1, ..., n, udaljenosti to caka od osi x). Ozna cimo li te stati cke momente s My i Mx , redom, a ukupnu masu s M , imamo xT = My , M yT = Mx . M

Izrazi za sustav od n (kona cno mnogo) materijalnih to caka izvode se induktivno: za jednu materijalnu to cku koordinate te zi sta su o cito koordinate same materijalne to cke, ako imamo dvije materijalne to cke, onda koordinate te zi sta se lagano nalaze preko zakona ravnote ze za poluge. Induktivno, ako te zi ste od n materijalnih to caka s masama m1 , m2 , ..., mn ima koordinate (xT , yT ) i ako dodamo u sustav jo s jednu materijalnu to cku s masom m na poziciju (x, y ), onda je to sustav od dvije materijalne to cke s masama m1 + ... + mn i m na pozicijama, redom, (xT , yT ) i (x, y ), a koordinate te zi sta tog sustava slijede iz zakona ravnote ze za poluge F1 k1 = F2 k2 , odnosno m1 k1 = m2 k2 ,

328

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

gdje su k1 i k2 duljine krakova poluge, a F1 i F2 odnosno m1 i m2 sile odnosno mase na pripadne krakove poluge. Ideja za ra cunanje te zi sta lika je: podijelimo lik na male pravokutnike i zamijenimo lik sustavom materijalnih to caka od kojih ce svaka biti smje stena
y f(x) f(si )

00 0000011 11111 00 11 00 11 00 11 00 11 00 11 00 11 00 11 a x x

i1 i

Slika 7.22: Te zi ste homogenog krivuljnog trapeza. u te zi stu jednog pravokutnika (a to znamo odrediti) i imat ce masu jednaku masi pravokutnika. Pove canjem broja pravokutnika te zi ste takvog sustava materijalnih to caka bit ce sve bolja i bolja aproksimacija te zi sta lika. Podijelimo segment [a, b] na n dijelova [xi1 , xi ], i = 1, ..., n. Promatramo pravokutnik visine f (si ) nad [xi1 , xi ] za neki si [xi1 , xi ]. Uz konstantnu gusto cu mase , njegova masa je jednaka f (si )xi , xi = xi xi1 , a te zi ste xi1 +xi 1 mu ima ordinatu 2 f (si ) i apscisu . Ra cunamo stati cki moment tog sus2 tava materijalnih to caka s obzirom na os x. To se dobije zbrajanjem po svim pravokutnicima, dakle n 1 f 2 (si )xi . 2 i=1 Prijelazom na sve nije i nije podjele segmenta [a, b], ovaj ce izraz u limesu 2 postati odredeni integral od a do b funkcije 2 f (x). Dakle je
1 Mx = 2 b a

f 2 (x)dx.

Stati cki moment s obzirom na os y ra cuna se sli cno. Masa pravokutnika je i xi1 +xi +xi dalje f (si )xi , a apscisa njegovog te zi sta je . Kako je broj xi1 2 2 izmedu xi1 i xi , a ta udaljenost je mala, mo zemo uzeti da je apscisa te zi sta

 7.5. PRIMJENE INTEGRALNOG RACUNA

329

pravokutnika, recimo, upravo xi . Zbrajaju ci po svim pravokutnicima dobivamo

n

xi f (si )xi ,
i=1

a to u limesu daje My =
b a

xf (x)dx.

Kako je masa promatranog lika jednaka M = P, pri cemu je P njegova povr sina ( sto znamo izra cunati), to nam formule za koordinate te zi sta glase xT =
b a xf (x)dx b a f (x)dx

yT =

1 2

b 2 a f (x)dx b a f (x)dx

Sada je jasno sto govori prvi Guldinov teorem (Teorem 7.11). Primjer 7.25 Odredimo te zi ste polukruga radijusa r sa sredi stem u ishodi stu.

Slika 7.23: Te zi ste homogenog polukruga. Imamo f (x) = r2 x2 . Iz simetrije je jasno da mora biti xT = 0. Takoder, iz Primjera 7.16 znamo da je
r r

f (x)dx =
r r

1 r2 x2 dx = r2 . 2

330

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Ostaje izra cunati yT . Kako je 1 2 imamo yT =

r r

f 2 (x)dx =

1 2

2 (r2 x2 )dx = r3 , 3 r 4r , 3

r ). pa te zi ste ima koordinate (0, 4 3 Analognim ra cunom bismo dobili te zi ste polukruga radijusa r sa sredi stem u r 2 2 ishodi stu, ali opisanog funkcijom f (x) = r x . Dakle te zi ste je (0, 4 ). 3

Primjer 7.26 Sada mo zemo, po prvom Guldinovu teoremu, izra cunati razliku izmedu volumena vanjskog i unutarnjeg dijela torusa. Neka je dan torus T koji nastaje rotacijom kru znice radijusa r sa sredi stem u R, R > r, tj. x2 + ( y R ) 2 = r 2 . Tada su, po prvom Guldinovu teoremu i Primjeru 7.25, volumen vanjskog Vv i volumen unutarnjeg Vu dijela torusa dani s 1 4r 4 Vv = r2 (2(R + ) ) = r2 R 2 + r3 2 3 3 1 4r 4 Vu = r2 (2(R ) ) = r2 R 2 r3 . 2 3 3 Dakle je 8 Vv Vu = r3 . 3

Zbog aditivnosti momenata (ako u sustav od n materijalnih to caka sa momentima Mx i My dodamo jo s jednu materijalnu to cku mase m na koordinate (u, v ) tada su novi momenti jednaki Mx + my i My + mx), te zi ste lika omedenog zatvorenom krivuljom (tj. dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a, b] takvih da je f2 (x) f1 (x), za svaki x [a, b], i omedenim pravcima x = a i x = b) ra cuna se po formulama Mx = 1 2 My =
b a b a 2 (x)dx 1 f2 2 b a b a 2 (x)dx, f1

xf2 (x)dx

xf1 (x)dx,

 7.5. PRIMJENE INTEGRALNOG RACUNA xT =

My , M

331

yT =

Mx , M

gdje je M plo stina izmedu grafova neprekidnih funkcija f1 i f2 na [a, b] omedena pravcima x = a i x = b, tj.
b b

M=
a

f2 (x)dx
a

f1 (x)dx.

Napomena 7.13 Koordinate te zi sta se mogu izra cunati i iz prvog Guldinovog teorema. Te zi ste homogenog rotacijskog tijela Promatramo rotacijsko tijelo koje nastaje vrtnjom grafa (pozitivne i neprekidne na [a, b]) funkcije f oko osi x. Zbog simetrije, te zi ste ce le zati na osi rotacije, tj. na osi x. Zanima nas njegova apscisa. Podijelimo segment [a, b] na n podsegmenata to ckama a = x0 < x1 < ... < xn1 < xn = b. Obujam dijela tijela izmedu ravnina x = xi1 i x = xi , i = 1, ..., n, je izmedu obujama valjaka 2 m2 ca vrijednost funkcije f i xi i Mi xi , gdje su mi i Mi najmanja i najve na [xi1 , xi ] i xi = xi xi1 . Zbog neprekidnosti od f , volumen tog dijela (sloja) tijela je Vi = f 2 (si ) xi , gdje je si [xi1 , xi ]. Uz konstantnu gusto cu , masa tog komadi ca je f 2 (si ) xi . Mo zemo smatrati da je ta masa koncentrirana u te zi stu tog sloja, a to je u sredi stu valjka. Dakle mu je apscisa si . Sad imamo sustav materijalnih to caka mase mi = Vi = f 2 (si ) xi u koordinatama (si , 0). Ra cunamo stati cki moment s obzirom na os y , My :
n

My =
i=1

si f 2 (si )xi .

U limesu xi 0 ovo prelazi u odredeni integral My = pa za apscisu te zi sta dobivamo xT =

b 2 a xf (x)dx b 2 a f (x)dx

b a

xf 2 (x)dx,

b a x dm b a dm

Ovdje smo s dm ozna cili veli cinu dm = f 2 (x)dx; njenim integriranjen od a do b dobije se masa rotacijskog tijela, M=
b a

dm.

332

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Sli cnim razmatranjem dobijemo da se te zi ste tijela koje se dobije rotacijom grafa funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f 1 funkcije f , koja je funkcija varijable y ) yT =
b 1 (y ))2 dy a y (f b 1 (y ))2 dy a (f

b a y dm b a dm

Primjer 7.27 Odredimo apscisu te zi sta sto sca visine H i polumjera osnovice R R kojeg dobijemo rotacijom pravca f (x) = H x za = 1.
y R

111 000 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111

Slika 7.24: Te zi ste homogenog sto zca. Imamo

H

My =
0

R2 xf (x)dx = 2 H
2

H 0

1 x3 dx = R2 H 2 . 4

3 Zbog M = V = 1 R2 H , dobivamo xT = 4 H , tj. te zi ste se nalazi na cetvrtini 3 visine sto zca, mjereno od osnovice.

Primjer 7.28 Odredimo te zi ste polukugle koja nastaje rotacijom polukru znice znica sa sredi stem u ishodi stu polumjera R) oko osi f (x) = R2 x2 (polukru y , za = 1. Kako je f 1 (y ) =
R

R2 y 2 za x [0, R] imamo y (f 1 (y ))2 dy =

0 R

Mx =
0

y (R2 y 2 )dy = =3 R. 8

4 R . 4

Zbog M = V =

14 3 R , 23

dobivamo xT =

Mx M

 7.5. PRIMJENE INTEGRALNOG RACUNA

333

Po formulama koje smo izveli mogu se ra cunati i koordinate te zi sta tijela kojima gusto ca nije konstantna, ve c se mijenja kao funkcija koordinate po kojoj se integrira. U tom slu caju bismo imali dm = (x)f 2 (x)dx, i vi se ne bi izlazio kao konstanta izvan integrala. Iz zikalnih razloga uzimamo (x) > 0 na [a, b] ( je gusto ca mase).

7.5.4

Moment ustrajnosti (inercije)

Za materijalnu to cku mase m deniramo njen moment ustrajnosti, moment tromosti ili moment inercije s obzirom na zadanu to cku, pravac ili ravninu kao produkt mase to cke i kvadrata udaljenosti do zadane to cke, pravca ili ravnine. Pi semo I = mr2 , gdje je r re cena udaljenost. Veli cina I se jo s zove i kvadratni moment, a ako je s obzirom na to cku, zove se i polarni moment. Za sustav od n materijalnih to caka s masama m1 , m2 , ..., mn na udaljenostima r1 , r2 , ..., rn od zadane to cke, pravca ili ravnine imamo
n

I=
i=1

2 mi ri .

Kao i stati cki moment, moment inercije je aditivan. Pomo cu integrala mo zemo denirati momente inercije i za ravne likove i za tijela. Promatramo prvo homogeni pravokutnik sa stranicama a i b smje sten u ravnini tako da mu stranica b le zi na osi y , a stranica a le zi na x osi. Izra cunajmo njegov moment inercije s obzirom na os x. Podijelimo stranicu b, tj. segment [0, b] na osi y , na n dijelova 0 = y0 < y1 < ... < yn = b. Tako smo na s pravokutnik podijelili na male pravokutnike sa stranicama a i yi = yi yi1 , i = 1, ..., n. Masa svakog malog pravokutnika je ayi , a njegovo te zi ste, tj. mjesto u kojem smatramo da je masa koncentrirana ima ordinatu si , gdje je si [yi1 , yi ]. Za veliki n je si xi , dakle je moment inercije malog pravokutnika aproksimiran s ayi s2 i . Zbrajanjem po svim malim pravokutnicima

334

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

y b y i+1 1111111 0000000 0000000 y i 1111111

11111111111111111111 00000000000000000000 a x 0
Slika 7.25: Moment inercije homogenog pravokutnika.
n

dobivamo
i=1

ayi s2 zi u i , a to, za yi 0, te
b

a
a

y 2 dy = a

b3 1 1 = abb2 = M b2 = Ix , 3 3 3

tj.
1 Ix = 3 M b2 ,

gdje je M = ab masa pravokutnika. Sli cno se dobije da je M a2 . Iy = 1 3 Ako je pravokutnik smje sten tako da ga osi x i y raspolavljaju, dobije se Ix =
1 M b2 , 12

Iy =

1 M a2 . 12

Promatramo sad homogen ravan lik omeden komadom [a, b] osi x, pravcima x = a i x = b, te grafom (pozitivne i neprekidne na [a, b]) funkcije f . Podijelimo lik na n malih pravokutnika s osnovicama [xi1 , xi ] i visinama f (si ), i = 1, ..., n, za si [xi , xi+1 ]. Za svaki od tih pravokutnika je moment tromosti s obzirom na os x jednak 1 1 Mi f 2 (si ) = f 3 (si )xi , 3 3

 7.5. PRIMJENE INTEGRALNOG RACUNA gdje je xi = xi xi1 . Zbrajanjem po svim pravokutnicima dobivamo
n

335

i=1

1 3 f (si )xi , 3

sto u limesu za xi 0 daje 1 Ix = 3

b a

f 3 (x)dx.

Uvedemo li oznake dP = f (x)dx, dm = dP = f (x)dx, imamo Ix = Sli cnim se razmatranjem dobije Iy =

d c 1 3 b a

f 2 (x)dm.

g 2 (y )dm,

pri cemu je lik omeden pravcima y = c i y = d, komadom [c, d] osi y i grafom pozitivne i neprekidne na [c, d] funkcije g . Neka je dana materijalna to cka mase m s koordinatama (x, y ). Znamo da je 2 2 Ix = mx i Iy = my . Broj r = x2 + y 2 je udaljenost materijalne to cke od ishodi sta, pa je moment tromosti s obzirom na ishodi ste I0 jednak I0 = mr2 = mx2 + my 2 = Ix + Iy . Tako za pravokutnik s po cetka ove to cke imamo I0 = 1 M (a2 + b2 ), 3 a ako mu je ishodi ste u sredini, onda je I0 =
1 M (a2 12

+ b2 ).

Primjer 7.29 Izra cunajmo moment inercije polukruga sa sredi stem u ishodi stu i polumjera r obzirom na x os, za = 1. O cito je f (x) = r2 x2 , dakle je 1 Ix = 3
r 3

(r2 x2 ) 2 dx.

336

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Stavimo (t) = r cos t. Iz (t) = r imamo t1 = . Analogno iz (t) = r imamo t2 = 0. O cito funkcija : [0, ] R zadovoljava Teorem 7.10, pa je 1 Ix = 3 1 (r x ) dx = 3 3
2 2
3 2

r4 r (1 cos t) (r sin t)dt = 3

3 2
3 2

sin4 t dt.

Sada iz Primjera 7.8 imamo

1 Ix = r4 . 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 = r2 r2 = M r2 . 4 4 4 Takoder zbog simetrije, moment inercije cijelog kruga obzirom na y os je Iy = Ix , dakle je 1 I0 = Ix + Iy = M r2 . 2 Kombinacijom razmatranja iz to cke 7.5.2 i ovih gore dolazimo do formule za moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a, b]) oko osi x s obzirom na ravninu kroz ishodi ste: Ir =
b a

x2 f 2 (x)dx.

Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 2
b a

f 4 (x)dx.

Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = r4 h, 2 2 a onda se interval [a, b] podijeli na male podsegmente [xi1 , xi ], i = 1, ..., n, i zbroje se momenti inercije malih valjaka polumjera f (si ), gdje je si [xi1 , xi ], i visine xi = xi xi1 . Prijelazom na limes dobijemo gornju formulu. ce i polumjera r s obzirom Primjer 7.30 Moment inercije homogene kugle gusto na promjer kao os vrtnje dan je formulom 2 Ix = M r2 . 5

 7.5. PRIMJENE INTEGRALNOG RACUNA

337

Bez smanjenja op cenitosti mo zemo pretpostaviti da smo danu kuglu dobili vrtnjom polukruga f (x) = r2 x2 oko osi x. Takoder je jasno da je zbog simetri cnosti svejedno koji pravac kroz sredi ste uzmemo kao os vrtnje, pa uzmimo os x. Sada iz gornje formule imamo 1 Ix = 2 1 f 4 (x)dx = 2 r
r r r

(r2 x2 )2 dx =

8 5 2 r = M r 2 . 15 5

7.5.5

Duljina i te zi ste luka ravne krivulje

Promatramo luk ravne krivulje koja je na [a, b] zadana kao graf funkcije f C 1 [a, b] eksplicitnom formulom y = f (x). Podijelimo segment [a, b] na podsegmente [xi1 , xi ], i = 1, ..., n. Duljina luka od to cke A = (a, f (a)) do to cke B = (b, f (b)) bit ce aproksimirana duljinom izlomljene crte koja se sastoji od spojnica to caka (xi1 , f (xi1 )) i (xi , f (xi )). Duljina svakog takvog komada je, po Pitagorinu pou cku, jednaka di =
2 x2 i + (f (xi ) f (xi1 )) ,

gdje je xi = xi xi1 , i = 1, ..., n. Zbrajaju ci dobivamo duljinu izlomljene crte

y f(x) f x A a x x+ x
i

Slika 7.26: Duljina luka zadanog kao graf funkcije f (x).

n

1+
i=1

f (xi ) f (xi1 ) xi

xi =
i=1

1 + f (si )xi ,

338

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

gdje je si [xi1 , xi ], i = 1, ..., n. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.26). Za limes kad xi 0 imamo da je duljina luka AB jednaka s=
b a

1 + [f (x)]2 dx.

Sli cnim se razmatranjem dobivaju i stati cki momenti luka krivulje homogene gusto ce, mase , a onda i koordinate te zi sta: xT =
b a

1+[f (x)]2 dx , s

yT =

b a

f (x)

1+[f (x)]2 dx . s

7.5.6

Povr sina rotacijske plohe

Neka neprekidna i pozitivna funkcija f na [a, b] rotira oko osi x. Dijeljenjem segmenta [a, b] na podsegmente [xi1 , xi ], i = 1, ..., n, mo zemo na svakom takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x pla stom krnjeg sto sca s osnovicama f 2 (xi1 ) i f 2 (xi ) . Kako je povr sina
y f(x) T

Slika 7.27: Plo stina pla sta rotacijskog tijela. pla sta krnjeg sto zca polumjera donje osnovice R, polumjera gornje osnovice r i duljine izvodnice l jednaka l(R + r), imamo da je povr sina pla sta krnjeg sto zca u na sem slu caju jednaka
2 x2 i + (f (xi ) f (xi1 )) (f (xi1 ) + f (xi )),

 7.5. PRIMJENE INTEGRALNOG RACUNA gdje je xi = xi xi1 . Zbrajaju ci sva ta oplo sja krnjih sto zaca dobivamo
n

339

i=1

1+

f (xi ) f (xi1 ) xi
n

(f (xi1 ) + f (xi ))xi =

2
i=1

f (si ) 1 + f (si )xi ,

gdje je si [xi1 , xi ], i = 1, ..., n. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.26). To u limesu daje formulu za povr sinu rotacijske plohe P = 2
b a

f (x)

1 + [f (x)]2 dx = 2

b a

f (x)ds.

Ovdje smo s ds ozna cili diferencijal luka, ds = 1 + [f (x)]2 dx.

Primjer 7.31 Izra cunajmo oplo sje kugle, tj. plo stinu sfere polumjera r. Bez smanjenja op cenitosti mo zemo pretpostaviti da smo danu kuglu dobili 2 vrtnjom polukruga f (x) = r x2 oko osi x. Sada iz gornje formule imamo
r r

P = 2
r

f (x) 1 + [f

(x)]2 dx

= 2
r

r2

x2 dx

= 2
r

r dx = 4r2 .

Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. Teorem 7.12 (Drugi Guldinov teorem) Povr sina rotacijske plohe nastale rotacijom luka AB oko osi x jednaka je produktu duljine luka i opsega kru znice sto je pri rotaciji opi se te zi ste luka.

7.5.7

Primjene u zici

Prijedeni put pri nejednolikom gibanju Pomo cu integrala mo zemo odrediti prijedeni put u vremenu izmedu trenutka t1 i t2 ako nam je poznata vrijednost brzine v (t) u svakom trenutku izmedu t1 i t2 . To cnije, ako znamo polo zaj tijela u trenutku t1 = 0, i ako je taj polo zaj dan izrazom s(0) = s0 , onda u svakom trenutku t > 0 imamo
t

s(t) =
0

v (t)dt + s0 .

340

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

Za slu caj konstantne brzine v (t) = v , gornja se formula svodi na izraz s(t) = vt + s0 . Rad sile Sila je tipi can primjer vektorske veli cine. Ako konstantna sila F djeluje na putu duljine | s | u smjeru vektora s , ona pri tome vr si rad W = F s. Ako su vektori F i s kolinearni, dobivamo poznatu formulu za rad W = F s. Promatrajmo sada slu caj sile konstantnog smjera ciji iznos se neprekidno mijenja. Jednostavnosti radi, uzmimo da je F (x) = F (x) i . Podijelimo segment [a, b] na n posegmenata to ckama a = x0 < x1 < x2 < ... < xn1 < xn = b i pretpostavimo da je na svakom segmentu [xi1 , xi ], i = 1, ..., n, duljine xi , i = 1, ..., n, sila konstantna, recimo F (xi ).

F(x)

W
0 a b x

Slika 7.28: Rad sile F (x) na putu [a, b]. Tada je suma

F (xi )xi xi
i=1

 7.5. PRIMJENE INTEGRALNOG RACUNA

341

dobra aproksimacija rada koji sila F (x) izvr si na putu [a, b]. Iz neprekidnosti funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove cavaju ci neograni ceno broj podintervala dok njihova duljina te zi u nulu mo zemo dobiti tra zenu formulu za rad sile F (x) na putu [a, b]
b

W =
a

F (x)dx.

Odavde odmah slijedi da je rad sile F (x) na putu [a, b] po iznosu jednak komadu povr sine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. Primjer 7.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno ulo ziti rad W1 . Koliki je rad potrebno ulo ziti za rastezanje iste opruge za duljinu 3x? Prema Hookeovom zakonu, sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju, F = kx. Konstanta k nam nije zadana u ovom primjeru, no nije ni bitna. Bitna je cinjenica da sila linearno ovisi o rastezanju. Tada ce njen integral (tj. rad) biti kvadratna funkcija pomaka x, pa slijedi da za rastezanje 3x treba ulo ziti rad 9W1 . Posebno va zan slu caj je rad sile te ze. Iz zike znamo da je za podizanje tijela mase m na visinu h potrebno ulo ziti rad W = mgh, pri cemu je g 9.80665 m/s2 ubrzanje Zemljine sile te ze na njenoj povr sini. Tu podrazumijevamo da je visina h jako mala u osnosu na polumijer Zemlje. To je formula dobivena integriranjem konstantne sile mg od 0 do h. Ako sila nije konstantna, tj. ako se masa tijela mijenja, onda je
b

W (h) =
a

F (x)dx.

Primjer 7.33 Jarak duljine 10 m, sirine 2 m i dubine 1 m ciji je popre cni presjek jednakokra cni trokut ispunjen je vodom. Koliki je rad potrebno ulo ziti za isu sivanje jarka? Za isu sivanje jarka potrebno je svu vodu iz njega di ci (barem) do njegove povr sine. Problem rje sevamo tako da izra cunamo masu vode u sloju izmedu dubine x i x + x te rad potreban ze njeno podizanje do povr sine, i nakon toga

342

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

10m

2m 1m

Slika 7.29: Jarak iz Primjera 7.33. zbrojimo sve te doprinose uzimaju ci sve tanje i tanje slojeve. Prijelazom na limes dobivamo
h

W =g
0

x m(x)dx,

pri cemu je m(x) masa vode u sloju debljine dx na dubini x. Postavimo koordinatni sustav tako da ishodi ste bude na sredini stranice koja predstavlja povr sinu jarka, a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. U tom je koordinatnom sustavu sirina jarka na dubini x dana formulom y = 2(h x).

x 0 y

Slika 7.30: Jarak iz Primjera 7.33. Dakle sloj vode na dubini x ima masu m(x) = 2(1 x) 10 103 dx kg . (Ovdje smo uzeli da je gusto ca vode jednaka 103 kg/m3 , duljina jarka je 10 m, sirina 2(1 x) m, a debljina sloja je dx metara). Integriraju ci doprinose svih dubina od 0 do h = 1 m, imamo
1 1

W =g
0

20000(1 x)xdx = 20000g

0

(x x2 )dx = 32688.83 J.

 7.5. PRIMJENE INTEGRALNOG RACUNA

343

Zadatak smo mogli i jednostavnije rje siti uo cavaju ci da je te zi ste vode u jarku 1 na dubini od 3 m ( jer je te zi ste trokuta na tre cini te zi snice, a te zi snica se ovdje podudara sa simetralom i visinom) a njena te zina je 98066 N . To mo zemo u ciniti jer se iznos g (x) ne mijenja zna cajno s promjenom x. Veli cinu g (x) mo zemo smatrati konstantnom ako je razlika visina dovoljno mala. Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. ziti da se tijelo (npr. projektil) te zine P Primjer 7.34 Koliki je rad potreban ulo podigne na visinu h iznad Zemljine povr sine? Ako h nije zanemarivo malo u usporedbi s polumjerom Zemljine R ne smijemo vi se uzimati g kao konstantnu veli cinu. Po Newtonovom zakonu znamo da je sila kojom Zemlja djeluje na tjelo mase mp na udaljenosti x od sredi sta zemlje mz mp jednaka F (x) = G x2 . (Ovdje je mz masa Zemlje, mp masa projektila i G univerzalna gravitacijska konstanta). No ta sila je, po deniciji, upravo te zina K tijela. Uzimaju ci da su mp , mz i G konstante, imamo F (x) = x2 , gdje smo s K ozna cili K = Gmz mp . Za x = R imamo te zinu tijela na povr sini Zemlje, 2 K PR 2 F (R) = R zeni rad je sada jednak 2 = P . Dakle je K = P R i F (x) = x2 . Tra
R+h

W (h) =
R

P R2 dx = P R2 2 x

R +h R

dx P Rh = . 2 x R+h

Uo cimo da gornji ra cun ne bi bio valjan za raketu cija se masa mijenja, tj. smanjenje zbog utro ska goriva. Hidrostati cki tlak Po Pascalovom zakonu, sila P kojom teku cina speci cne te zine djeluje na povr sinu S na dubini h dana je formulom P = hS . Polaze ci od te formule mogu ce je izra cunati ukupnu silu kojom teku cina djeluje na stijenke posude i/ili na objekte s kojima je u kontaktu. To se posti ze integriranjem po dubini sile na mali element povr sine. znog presjeka polumjera 1 m zatvoren je zasunom. Primjer 7.35 Kanal polukru Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan?

344

POGLAVLJE 7. UVOD U INTEGRALNI RACUN

0 1
Slika 7.31: Kanal iz Primjera 7.35.

Primjer ostavljamo bez rje senja kako bi ga studenti mogli samostalno formulirati i rje siti primjenjuju ci Pascalov zakon i odredeni integral.

Bibliograja
[1] D. Blanu sa, Vi sa matematika I i II, Tehni cka knjiga, Zagreb, 1974. [2] K. Horvati c, Linearna algebra, Tehni cka knjiga, Zagreb, 2004. [3] V.A. Ilin, E.G. Poznjak, Analiti ceskaja geometrija, Nauka, Moskva, 1981. [4] S. Kurepa, Uvod u linearnu algebru, Skolska knjiga, Zagreb, 1978. cka analiza 1 i 2, Tehni cka knjiga, Zagreb, 1976. [5] S. Kurepa, Matemati Markovi [6] Z. c, Uvod u vi su analizu I i II, Sveu cili ste u Zagrebu, 1961. [7] B. Pavkovi c, D. Veljan, Elementarna matematika 1 i 2, Skolska knjiga, Zagreb, 1995. ceskaja geometrija, Nauka, Moskva, 1979. [8] M.M. Postnikov, Analiti [9] B. Zalar, Te zi s ca in vztrajnostni momenti, DMFA, Ljubljana, 2005.

345