Ivan Slapniˇar c

MATEMATIKA 1

http://www.fesb.hr/mat1
Fakultet elektrotehnike, strojarstva i brodogradnje Split, 2002.

Sadrˇaj z
Popis slika Popis tablica Predgovor 1 OSNOVE MATEMATIKE 1.1 Osnove matematiˇke logike . . . . . . . . c 1.2 Binarne relacije . . . . . . . . . . . . . . . 1.2.1 Uredeni skupovi . . . . . . . . . . 1.3 Funkcije . . . . . . . . . . . . . . . . . . . 1.3.1 Teorem o inverznoj funkciji . . . . 1.3.2 Ekvipotencija i beskonaˇni skupovi c 1.4 Prirodni brojevi . . . . . . . . . . . . . . . 1.4.1 Brojevni sustavi . . . . . . . . . . 1.4.2 Uredaj na skupu prirodnih brojeva 1.4.3 Binomni pouˇak . . . . . . . . . . c 1.5 Cijeli brojevi . . . . . . . . . . . . . . . . 1.6 Racionalni brojevi . . . . . . . . . . . . . 1.7 Realni brojevi . . . . . . . . . . . . . . . . 1.7.1 Aritmetika raˇunala . . . . . . . . c 1.7.2 Apsolutna vrijednost . . . . . . . . 1.8 Kompleksni brojevi . . . . . . . . . . . . . 1.8.1 Trigonometrijski oblik . . . . . . . 1.8.2 Eksponencijalni oblik . . . . . . . 2 LINEARNA ALGEBRA 2.1 Matrice . . . . . . . . . . . . . . . . . 2.1.1 Zbrajanje matrica . . . . . . . 2.1.2 Mnoˇenje matrice sa skalarom . z 2.1.3 Mnoˇenje matrica . . . . . . . z 2.1.4 Nul-matrica i jediniˇna matrica c v . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi xiii xv 1 2 4 5 7 8 9 10 12 12 13 16 17 19 20 21 23 25 28 31 32 34 34 35 37

2.1.5 Transponirana matrica . . . . . . . . 2.1.6 Joˇ o mnoˇenju matrica . . . . . . . s z 2.2 Matriˇni zapis sustava linearnih jednadˇbi . c z 2.3 Rjeˇavanje trokutastih sustava . . . . . . . s 2.4 Gaussova eliminacija . . . . . . . . . . . . . 2.4.1 Primjeri . . . . . . . . . . . . . . . . 2.4.2 Pivotiranje . . . . . . . . . . . . . . 2.4.3 Elementarne matrice transformacija 2.5 Linearna nezavisnost . . . . . . . . . . . . . 2.6 Rang matrice . . . . . . . . . . . . . . . . . 2.7 Kronecker–Capellijev teorem . . . . . . . . 2.8 Inverzna matrica . . . . . . . . . . . . . . . 2.9 Determinante . . . . . . . . . . . . . . . . . 2.9.1 Svojstva determinanti . . . . . . . . 2.9.2 Podmatrice i poddeterminante . . . 2.9.3 Laplaceov razvoj determinante . . . 2.9.4 Raˇunanje inverzne matrice . . . . . c 2.9.5 Cramerovo pravilo . . . . . . . . . . 2.10 Rjeˇavanje elektriˇne mreˇe . . . . . . . . . s c z

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

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

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

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

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

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

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

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

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

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

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

38 39 40 41 44 47 50 51 52 53 54 56 58 60 62 62 63 63 64

ˇ 3 VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA 71 3.1 Vektori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 3.2 Zbrajanje vektora . . . . . . . . . . . . . . . . . . . . . . . . . . 74 3.3 Mnoˇenje vektora skalarom . . . . . . . . . . . . . . . . . . . . 75 z 3.4 Prostor radijus-vektora . . . . . . . . . . . . . . . . . . . . . . . 77 3.5 Koordinatizacija . . . . . . . . . . . . . . . . . . . . . . . . . . 77 3.5.1 Koordinatizacija pravca . . . . . . . . . . . . . . . . . . 77 3.5.2 Koordinatizacija ravnine . . . . . . . . . . . . . . . . . . 78 3.5.3 Koordinatizacija prostora . . . . . . . . . . . . . . . . . 80 3.6 Duljina vektora, jediniˇni vektor, kut izmedu vektora i kosinusi c smjerova . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 3.7 Linearna nezavisnost vektora . . . . . . . . . . . . . . . . . . . 83 3.8 Baza prostora E . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 3.9 Skalarni produkt . . . . . . . . . . . . . . . . . . . . . . . . . . 85 3.10 Vektorski produkt . . . . . . . . . . . . . . . . . . . . . . . . . 87 3.11 Mjeˇoviti produkt . . . . . . . . . . . . . . . . . . . . . . . . . . 90 s 3.12 Vektorsko-vektorski produkt . . . . . . . . . . . . . . . . . . . . 93 3.13 Pravac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 3.14 Ravnina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.15 Primjene . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 3.15.1 Primjeri . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 vi

4 FUNKCIJE REALNE VARIJABLE 4.1 Naˇini zadavanja funkcija . . . . . . . . . c 4.1.1 Tabliˇno zadavanje . . . . . . . . . c 4.1.2 Eksplicitno zadavanje . . . . . . . 4.1.3 Implicitno zadavanje . . . . . . . . 4.1.4 Parametarsko zadavanje . . . . . . 4.2 Klasifikacija funkcija . . . . . . . . . . . . 4.3 Limes . . . . . . . . . . . . . . . . . . . . 4.3.1 Svojstva limesa . . . . . . . . . . . 4.3.2 Limes slijeva i zdesna . . . . . . . 4.3.3 Limes u beskonaˇnosti . . . . . . . c 4.3.4 Beskonaˇan limes . . . . . . . . . . c 4.4 Neprekidnost . . . . . . . . . . . . . . . . 4.4.1 Svojstva neprekidnih funkcija . . . 4.4.2 Vrste prekida . . . . . . . . . . . . 4.5 Asimptote . . . . . . . . . . . . . . . . . . 4.6 Pregled elementarnih funkcija . . . . . . . 4.6.1 Konstantna funkcija . . . . . . . . 4.6.2 Potencija . . . . . . . . . . . . . . 4.6.3 Eksponencijalna funkcija . . . . . . 4.6.4 Logaritamska funkcija . . . . . . . 4.6.5 Trigonometrijske funkcije . . . . . 4.6.6 Arkus funkcije . . . . . . . . . . . 4.6.7 Klasifikacija elementarnih funkcija 4.6.8 Polinomi i racionalne funkcije . . . 4.6.9 Hiperbolne i area funkcije . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

105 107 107 108 109 112 115 117 119 122 123 124 125 126 128 130 132 132 133 136 139 141 149 153 154 156 161 162 165 166 167 170 170 174 175 176 177 179 180 180 181

5 DERIVACIJE I PRIMJENE 5.1 Derivacija . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 Tangenta i normala . . . . . . . . . . . . . . . . . 5.1.2 Derivacije slijeva i zdesna . . . . . . . . . . . . . . 5.1.3 Pravila deriviranja . . . . . . . . . . . . . . . . . . 5.1.4 Deriviranje implicitno zadane funkcije . . . . . . . 5.1.5 Derivacije elementarnih funkcija . . . . . . . . . . 5.1.6 Logaritamsko deriviranje . . . . . . . . . . . . . . 5.2 Diferencijal . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Pribliˇno raˇunanje . . . . . . . . . . . . . . . . . . z c 5.3 Viˇe derivacije i diferencijali . . . . . . . . . . . . . . . . . s 5.4 Deriviranje parametarski zadane funkcije . . . . . . . . . . 5.5 Teoremi diferencijalnog raˇuna . . . . . . . . . . . . . . . c 5.5.1 Fermatov i Rolleov teorem . . . . . . . . . . . . . . 5.5.2 Cauchyjev i Lagrangeov teorem srednje vrijednosti vii

. . . . . . . . . . . . . . . . . . . . 5. . . . . . . monotonost i konvergencija 6. . . . . . . . . . . . . .9. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . .8 Zakrivljenost . . . . . . . . . . . . . . . . . . . . . . .3 Niz funkcija . . . . . . . . s z 5. . . . . . . . . . . .L’Hospitalovo pravilo i raˇunanje c oblika . . . . . . . . . . . . . . . . .7. . . . . . . .9 Ispitivanje toka funkcije . . .1. . . 6. . . . . . . . . . . . . . . . . . .2 Omedenost. .3 limesa . . . . . . . . . .1 Nuˇan uvjet konvergencije . 6.1 Ispitivanje konvergencije . . . . z 6. . . . . . .1. . . . . . . . . . . . . . . .4 Red funkcija .3 Apsolutna konvergencija . . .2. . . . . . . . . . . . . . . . . 5. . . . . . .6 Monotonost . . . . . . . . . . . . 5.1 Niz realnih brojeva . . .3 Broj e . .6 Dva vaˇna limesa . 6. . . z 6. .5 Taylorov red . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Indeks viii . . . . 5. . . . . . . . . . . . . . . . . . . . . .2 Red realnih brojeva . . . . .1. . .1. . 6. . . . . .4. .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Cauchyjev niz .1 Gomiliˇte i podniz . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . .2 Red potencija . . . . . . . . . . . . . . . 184 186 188 192 193 197 203 210 215 216 219 221 222 223 225 225 227 229 230 233 234 235 236 238 239 240 242 247 6 NIZOVI I REDOVI 6. . .4 Alternirani redovi . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . .7 Ekstremi . . . 6. .2 Kriteriji konvergencije . . . . . . .5. . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . .1. . . . . .10 Rjeˇavanje problema ravnoteˇe . neodredenih . 5. . . .4 Svojstva limesa . . . . . . . . 6. . . . . . . . . .3 Deriviranje reda funkcija . . . . . . . . . . . 6. . . . . . 6. 6. . . . . . . . . . . . . . s 6. . . . . . . . . . . .1 Geometrijski ekstrem . . . . . . . . . . . 5. . . .4. . . . .2. . . . . . 5. . . . . . . . . 6. . . . . .1 Parametarski zadana funkcija . . . . . . 6. . . . . . . . . . . . . .

. . 91 . . . . . 107 c Linearna interpolacija . . . . . . . . 86 . z Zbrajanje vektora (pravilo trokuta) Pravilo paralelograma . . s Volumen tetraedra . . . 74 .4 3. . . . . . . . . . . . . . . . 103 . . . . . . . . . . . . . . . . . . .12 3. . . . . . . . . . .6 3. . . . . . . . . . . . . . . 75 . . . . . . . . . . . . . . . . . . . .18 3. . . . . . . . . . . . . 96 . . . . 92 . .Popis slika 1. . . . . . 88 . . . . . . . . . . . . . . . . . . . .11 3. . Pravac kao presjek ravnina . . . . . Sjeciˇte pravca i ravnine . . . .2 Apsolutna vrijednost |x| . Ravnina u prostoru . . . . . . . . . . . . .3 1. . Elipsa u kompleksnoj ravnini . . . . . . . . . . . . . . . . . . . . . .7 3. . . . . . . . . Krug u kompleksnoj ravnini . . Pravac u prostoru . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 . . . . . . . . . . . . . . . . . . . . .15 3. z Ekvivalentne usmjerene duˇine . . . . . . 22 24 26 26 27 33 64 65 Pravci koji se sijeku . . . . . Skalarni produkt . . . . . . . . . . . . . . c z Standardna grana mreˇe . . . . . . 102 . .2 1. . . . 82 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 3. . . . . . . . .5 3. . . s Mjeˇoviti produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .16 3. . . . . . . . . 88 . . . . . . . . . . Asocijativnost zbrajanja vektora .4 1.1 2. . . .3 3. . . . . . . . . . 108 ix . . . . . . . . . Koordinatizacija prostora . . . . . . .20 4. . . . . . . . . . Pravilo poligona . c Projekcija toˇke na ravninu . . . . . . . . .2 3. 90 . . Komponente vektora . . . . . . . . . . . . . . . . . Koordinatizacija ravnine . . . . . .10 3. . . . . . 97 .2 2. . Vektorski produkt . . . . . . . . . . . . . .14 3. . . . . . . . . 73 . . . . . s Projekcija toˇke na pravac . 80 . Modul vektorskog produkta . . . . . . . . . .17 3. . . Kompleksni broj . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dio kompleksne ravnine . . . . . . . . . . . . .5 2. . . . . . . . . . . . . . . . . . . 104 Tabliˇno zadana funkcija . . . . . . c . . . . .1 1. 94 . . . . . . . . . . . . . . . . . . . . . . .19 3. . . . . . . . . . . . . . . Povrˇina trokuta .9 3. . . .1 4. . . . . Elektriˇna mreˇa . . . . . . . . . .8 3. . . . . . . . . . . . .1 3. . . . . . . . 76 . . . . . . . . 76 . . . . . .13 3.

. . . . . . . . . .17 4. . . . . . . . . . . . . . .34 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 111 112 113 113 118 120 123 124 125 126 128 129 131 133 134 135 136 137 137 138 138 139 140 142 143 145 146 147 148 149 150 151 151 152 153 156 158 159 159 Izolirana toˇka . . Potenciranje s prirodnim brojem . . . . . . . .25 4. . . Arkus tangens i arkus kotangens . . . . . . . . . . . . Implicitno zadana kruˇnica . Tangens . . . . . . . .35 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 Funkcija sin x . . . . Eksponencijalne funkcije 2x i 2−x . . . . . . Beskonaˇan limes . . . . . . . . . .18 4. . Funkcija y = cos(x)/x . . . . . . . Funkcija f (x) = log 1/2 x .24 4. Kotangens . . . . . . . . . . z Descartesov list . . . . . . . . . . . . . . . . . . . . . . . .26 4. . . . . . . . . . . . . . . . . . Tangens hiperbolni i kotangens hiperbolni . . . . . . . . . . c Neprekidna funkcija . . . . . . . . . . . . . . .4 4. . . . .32 4. . . . . . . . . . . . . . . . . . . . Funkcije 10x i ex . . . . . . . . . . . . . . . . . . . . . . . . . .33 4. . . . . . . . k ∈ N . . . . . . . . . . .23 4. . . Cikloida . . . . . . . . . . . . . . . . . . Funkcija 1/x . . Op´a sinusoida . . . . . . .27 4.28 4. Trigonometrijska kruˇnica . . . . . . . √ . . . . . . . . . . . . . . . . . . . . . . . . s Funkcija sign(x) . . . . . . 4 Funkcija galeb(x) = x2 . . . . . . √ Funkcija f (x) = x . Sinus hiperbolni i kosinus hiperbolni . .40 4. Funkcija arcsin(sin x) . . . Funkcija f (x) = 3 x √ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c Adicioni teoremi . . . . . . . . . .16 4. . . . . . . . . .7 4. . . . . . .39 4. . . . .19 4. . . . . . .9 4. . . . . . . . .8 4. . . . . . . . . . . . . . .20 4. . . . . . . . . .22 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 c x . . . . . . . Funkcije f (x) = x−k . . . . . . . . . . . . . . . . . . . .29 4. . . . . . . . . . . . . . . . . . . . . . . . . .31 4. . . . . . . . . Funkcija sin x/x . . . . . . . . . . . . . . . . . .1 Implicitno zadana funkcija x + arccos(xy) = 0 . . . . c Kosinusov pouˇak . . . . . . . . . . .36 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . .13 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . z Sinus i kosinus . . Area tangens hiperbolni i area kotangens hiperbolni . . . . . . . . . . . . . . . . . . . . . .42 5. . Arkus sinus . . . . . . . . . . . . . . . . . . . . .11 4. . .37 4. . . . . . . Kompozicije restrikcije sinusa s arkus sinusom . . . . . . . . . . . . . . . Funkcija f (x) = log 2 x . . . . . . . . . .14 4. . . . . . . .15 4. . . . . . . . . . . . . . . Area sinus hiperbolni i area kosinus hiperbolni . . . . . . . .4. . . . . . . . . . . Konstantna funkcija . . . . . . . . . . . . . . . . . . .10 4. . . . . . . . . . . . Kosa asimptota . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pravilo uklijeˇtene funkcije . .12 4. . . . . . . . . . . . . .38 4. . . . . . . . . . . . . . . . . Arkus kosinus . . .3 4. . . . . . . . . . . . . . .41 4.6 4.5 4. . . . Limes funkcije . . . . . . . . .21 4. . . . . . .30 4. . . . . . . . .

. . . . . . . . . Valjak upisan u stoˇac . . . . . Taylorov red za ln(1 + x) . . . . . . . . . . . . . . . . . Konvergencija geometrijskog reda funkcija Konvergencija reda potencija . .11 5. . . . . . . . . . . . . . . . .8 5. . . .9 5.5 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . s Konvergencija niza funkcija .16 5. . . . . . . . . . Fermatov teorem . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 6. . . . . . . . . . . .6 5. . . . . . .1 6. . . . Poloˇaj ravnoteˇe mehaniˇkog sustava . . . . . . . . . . . . . . . .2 5. . . . . . . . . . . . . z z c Proˇirenje po neprekidnosti . . . . . . . . . . . . .6 6. . . . . . .3 6. . . . . . . . . . . . . . . . . . . . . . .10 5. . . . . . . . . . . . . . . . . . .17 5. . . . . . . . . . . . . . . . . . . . . . . . Taylorov red za ex . . . . .13 5. . 166 171 175 181 183 183 188 189 192 194 195 196 203 207 208 209 210 227 236 238 241 244 245 246 248 xi . . . . . . Elipsa i tangenta . . . Varijable x i y Descartesovog lista . . . . . . . . . . . . . . . . . . . . . . . Taylorov red za ln((1 + x)/(1 − x)) . .12 5. . . .18 6. z Volumen upisanog valjka .4 6. . Taylorov red za sin x . Derivacije varijabli Descartesovog lista po parametru Derivacije Descartesovog lista po varijablama x i y . Geometrijska interpretacija Lagrangeovog teorema . . . . .4 5. . . . . . . . . . . . . . . . . . Diferencijal . . . . Strogo konveksna funkcija . . . . . . . . . . . . . . Pretpostavke Lagrangeovog teorema . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . . .7 5. . .8 Tangenta na krivulju . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lokalni i globalni ekstremi . . . . . . . . Graf iracionalne funkcije . . . . . . .14 5. . . . . . . . . . . . . . . . . . . . . . . . . Konkavna i konveksna funkcija . . . . . . . . . . . . . . . . . . .2 6. . . . .5 5. . . . . Intervali monotonosti . . . .3 5. . . . . .15 5. . .

.

. . . . . . . . . . . . . . . . . . .1 5. . . . 208 Zakrivljenost Descartesovog lista . . 209 xiii . . . . . . . . . . . . . 146 Monotonost Descartesovog lista . . .2 Brojevni sustavi . . . . . . . . .Popis tablica 1. . . . . .1 5. . . . . . . . 12 Osnovne vrijednosti trigonometrijskih funkcija .1 4. . . . . . . . . . .

.

Siki´. Funkcije c realne varijable. 1992. c U Splitu. B. a c u prvom redu studentima Fakulteta elektrotehnike. svezak). Viˇa matematika. Obradena su poglavlja Osnove matemz atike. Tehniˇka knjiga. I. Krni´ i Z. Vektorska algebra i analitiˇka geometrija. i 2. dio (1. Sliˇan sadrˇaj nalazi c z se u ve´ini istoimenih kolegija koji se predaju na tehniˇkim i prirodoslovnim c c fakultetima. Raˇun diferencijalni i integralni. Ugleˇi´. strojarstva i brodogradnje u Splitu (FESB). Skolska knjiga. c c Zagreb. rujna 2002. s s s U izradi ovog udˇbenika takoder je koriˇteno iskustvo i zabiljeˇke bivˇih i z sadaˇnjih nastavnika matematike na FESB-u pa im ovom prilikom iskazujem s svoju zahvalnost. Blanuˇa. Split. Predavanja iz matematiˇke analize I. Demidovi´. Budu´i se radi o standardnom sadrˇaju. Svuˇiliˇte u Splitu. Derivacije i primjene. c z Spomenut ´u samo neke od knjiga koje su utjecale na sadrˇaj. ˇ c ˇ L. Zadaci i rijeˇeni primjeri iz viˇe matematike. s s c Zagreb. te Nizovi i redovi. 1973. Tehniˇka c s s c knjiga. I. sc c c s 1989. dio. nije citirana posebna literatura. a koje prec z poruˇujem i ˇitatelju: c c D. Zagreb. N. U njoj je izloˇeno gradivo kolegija ”Matematika 1” po z sadrˇaju koji se predaje na FESB-u.Predgovor Ova knjiga namijenjena je studentima tehniˇkih i prirodnih znanosti. Autor xv . Za paˇljivo ˇitanje teksta i korisne primjedbe tijekom rada z c zahvaljujem se kolegi Marku Mati´u. 1978. Linearna algebra. P.

.

. . . .4. . . .1 1. . . . . . . . . . . . . . . .7. .7. . . . . . . . . . . . 2 4 5 7 8 9 12 12 1. . . . . . 17 Realni brojevi . . . . . . . . . . . . . . . . . . . . 28 . . 25 1. . OSNOVE MATEMATIKE 1. . . .1 1. . . . . . . . . . . . . . . 20 21 Kompleksni brojevi . .3. . . . . . . . . . c Brojevni sustavi . Ekvipotencija i beskonaˇni skupovi . . . . . . . .2 Eksponencijalni oblik . . . . . . . . . . . . . . . . . . . . .2 Teorem o inverznoj funkciji . . . . 19 1. .1 1. . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . .1 1. . . 1. . . c Apsolutna vrijednost . . . . . . 13 c 1. . Prirodni brojevi . . . . . .5 Cijeli brojevi . . . 16 1. 1. . . . . . . . . . . . . .2. . . . . .6 1. . 10 1. .1 Trigonometrijski oblik . . . .4. . 23 1. . . .3 Funkcije . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . .7 Racionalni brojevi . . . . . . . . . . . . . . . . . . . . . . . . . .8. .3 Binomni pouˇak . . . . .2 Osnove matematiˇke logike . . . . Uredaj na skupu prirodnih brojeva . . .1 Uredeni skupovi . . . . . . . .4 1. . . . . . . . . . . . . . . . . . . . . c Binarne relacije . . .8 Aritmetika raˇunala . . . . .3. . . . . . . .2 1. . . . . . . .8. . . . . . .2 1.

1 Sud je svaka smislena izjava koja moˇe biti samo istinita ili z neistinita. osim u prenesenom znaˇenju. z Primjer 1. kao i razne tipove relacija na skupovima. Na kraju. razmatrat ´emo detaljnije skupove c prirodnih. pa nije c c sud. Pri tome τ (A) = znaˇi A je istinit.1 Osnove matematiˇke logike c U ovom poglavlju definirat ´emo pojam suda. [A i B]. ” Jutro je pametc nije od veˇeri” nema smisla kao izjava. Zatim ´emo dati neke pojmove vezane c c uz skupove te detaljnije definirati pojam relacije. A ∨ B. [A ili B]. ve´ prema danu u c c kojem se izgovara. racionalnih.1 ” Je li danas ˇetvrtak?” nije sud nego pitanje. τ (A) τ (B) ⊥ ⊥ τ (A ∨ B) . τ (A) τ (B) ⊥ ⊥ τ (A ∧ B) ⊥ ⊥ ⊥ . A B. ” Danas je ˇetvrtak” je sud koji je istinit ili neistinit. Takoder ´emo vrlo op´enito definirati pojam funkcije te dati c c teorem o inverznoj funkciji. ⊥ ⊥ ⊥ – ekskluzivna disjunkcija. ” Svaki brod je jedrenjak” je neistinit sud. c c a τ (A) = ⊥ znaˇi A je neistinit. Istinitost suda A oznaˇimo s τ (A). . Definicija 1. ⊥ ⊥ – disjunkcija. odnosno laˇna. realnih i kompleksnih brojeva. [ili A ili B]. pojam predikata te vrste kvantifikatora. Osnovne operacije sa sudovima i njihove c tablice istinitosti su: – konjunkcija. 1. osnovne operacije sa suc dovima. cijelih.2 OSNOVE MATEMATIKE U ovoj glavi prvo ´emo definirati osnovne pojmove matematiˇke logike koji c c su potrebni za pra´enje predavanja. A ∧ B.

¬(A ∨ B) = ¬A ∧ ¬B. B i C vrijede DeMorganovi zakoni.1 Dajte primjere za osnovne operacije sa sudovima i protumaˇite c tablice istinitosti. A je dovoljan uvjet za c B. ⊥ Za sudove A. z τ (A) τ (B) ⊥ ⊥ τ (A ⇒ B) ⊥ . A ⇔ B. B je nuˇan uvjet za A]. [A povlaˇi B.1 Osnove matematiˇke logike c 3 τ (B) ⊥ ⊥ τ (A B) ⊥ ⊥ τ (A) . A ∧ (B ∨ C) = (A ∧ B) ∨ (A ∧ C). ¬(A ∧ B) = ¬A ∨ ¬B. Dajte primjere za DeMorganove zakone i zakone distribucije. . Zadatak 1.1. ¬A. A ⇒ B. i zakoni distribucije. z τ (A) τ (B) ⊥ ⊥ τ (A ⇔ B) ⊥ ⊥ . [ne A. A je nuˇan i dovoljan uvjet za B]. ⊥ ⊥ – implikacija. A je ako i samo ako je B. ⊥ ⊥ – ekvivalencija. ⊥ ⊥ – negacija. τ (A) ⊥ τ (¬A) . non A]. A ∨ (B ∧ C) = (A ∨ B) ∧ (A ∨ C). [A je ekvivalentno s B. iz A slijedi B.

c Kod izraˇavanja pomo´u predikata koristimo kvantifikatore: z c – univerzalni. odnosno postoji toˇno jedan x takav da je P (x).2 Ponovite pojmove podskupa. predikat x je roden prije y postaje sud kada su x i y dvije osobe. z ∈ S. Na primjer. Kartezijev produkt skupova c i binarnu relaciju te dati klasifikaciju binarnih relacija. {a. Tada vrijedi τ [(∀x)(∃y) τ [(∀y)(∃x) τ [(∀y)(∃!x) b) Neka P (x) glasi x2 = 4. (∀x)P (x). Predikat s dvije varijable oznaˇavamo s P (x. w ∈ S. P (x. {b}. tada je 2X = {∅. ako je X = {a. skup S = {x. y)] = ⊥. P (x)] = 1. Tu ˇinjenicu zapisuc jemo s x ∈ S. . unije skupova. {b. c}. presjeka skupova i razlike skupova te osnovna svojstva tih operacija. Skup je pojam koji se ne definira. t ∈ S. w} ima elemente x. uvijek je ∅ ∈ 2X i X ∈ 2X . y. recimo.2 Binarne relacije U ovom poglavlju definirat ´emo partitivni skup. z. Tada vrijedi τ [(∀x ∈ R) τ [(∃x ∈ R) P (x)] = ⊥. {a}. {a.4 OSNOVE MATEMATIKE Definicija 1. S ∅ oznaˇavamo prazan skup. odnosno postoji x takav da je P (x) te (∃!x)P (x). {a. Skup je zadan svojim elementima. y)] = . (∃x)P (x). c}}. i – egzistencijalni.2 Otvorena reˇenica ili predikat je izjavna reˇenica koja sadrˇi c c z parametre i koja postaje sud kada parametri poprime odredenu vrijednost. odnosno skup bez elemenata. c}. . odnosno za svaki x je P (x). b. nadskupa. Na primjer. Dakle. τ [(∃!x ∈ R) τ [(∃!x ∈ N) P (x)] = ⊥. dok. y). Partitivni skup skupa X je skup 2X ˇiji su elementi svi podskupovi skupa c X. / c Zadatak 1. . y. y)] = P (x. y) = x je roden prije y. {c}. c}. c Primjer 1. . z i w. b. y ∈ S. Na primjer. P (x)] = P (x. b}.2 a) Neka je P (x.

c Na primjer.4 Binarna relacija na skupu X je svaki podskup R ⊆ X × X. simetriˇna i tranzitivna.5 Relacija parcijalnog uredaja ≤ na skupu X je svaka binarna relacija na skupu X koje je refleksivna. gdje je x ∈ X i y ∈ Y . y) ∈ R ako su x i y rodeni istog dana. (2. Napomena 1. (3. donja meda. dodatno.2 Binarne relacije 5 Definicija 1. ako je X = {1.1 Uredeni skupovi U ovom poglavlju definirat ´emo relaciju parcijalnog uredaja i uredeni c skup te pojmove kao ˇto su gornja meda.1. pa je R relacija ekvivalencije. infimum. (2.1 Relacija ekvivalencije na skupu X cijepa taj skup na medusobno disjunktne podskupove. kaˇemo da je x u relaciji R s y. a). y). supremum. y ∈ X. x ≤ y moˇemo pisati i kao s z y ≥ x. Na primjer. (3. Definicija 1. Takoder. – relacija ekvivalencije ako je refleksivna. Ako su. tada je X × Y = {(1. y) ∈ R. odnosno X × Y = {(x. a X je ureden skup. i piˇemo x R y z s ili R(x. Takoder. . b). a). Definicija 1. y) : x ∈ X ∧ y ∈ Y }. (x R y ∧ y R z) ⇒ x R z. Ako je uredeni par (x. y). b). neka je X skup ljudi i neka je (x. svaka dva elementa skupa X u relaciji. Izreku (∀x ∈ X)(∀y ∈ X) kra´e ´emo zapisati kao c c ∀x. 3} i Y = {a.2. Oˇito vrijedi c x R x. Skup X se moˇe na z jedinstven naˇin prikazati kao unija tih klasa ekvivalencije. odnosno ∀x. 2. – simetriˇna ako x R y ⇒ y R x. s minimum i maksimum. c – tranzitivna ako (x R y ∧ y R z) ⇒ x R z. b)}. y ∈ X vrijedi x ≤ y ∨ y ≤ x. Binarna relacija je: – refleksivna ako je x R x za svaki x ∈ X. x R y ⇒ y R x. c 1. odnosno c (x ≤ y ∧ y ≤ x) ⇒ x = y. a). (1. X × ∅ = ∅ za svaki skup X. tada je ≤ relacija potpunog uredaja. b}. Ako je x ≤ y i x = y. tranzitivna i anti-simetriˇna.3 Direktni produkt ili Kartezijev produkt skupova X i Y je skup svih uredenih parova (x. takozvane klase ekvivalencije. piˇemo x < y.

zatvoreni interval definiramo kao [a. b) = {x ∈ X : a < x < b}. Najve´a donja meda je inf A = 5. dok A nema minimum. skup ljudi je potpuno ureden s relacijom ≤ koju definiramo x ≤ y ⇔ x nije stariji (viˇi. a sup A = max A = 8. ≤) ureden skup. 8] ⊆ R. c to je i min A = 5. b). 7. 3. b] = {x ∈ X : a ≤ x ≤ b}. S c . Neka je. s s Naravno. Skup A je omeden odozgo ako ima barem jednu gornju medu. a otvoreni interval definiramo kao (a. Donje mede skupa A su svi brojevi manji ili jednaki ˇetiri. 9. kao i skupove tipa c [a. ·) = {x ∈ X : a ≤ x}. 11. b] i [a. gornje mede skupa A su brojevi 8. Najve´a donja meda ili infimum skupa A je element inf A ∈ X sa svojstvima: – inf A je donja meda od A. – za svaku gornju medu M skupa A vrijedi sup A ≤ M . a kako je 5 ∈ A. 10. (i) Element m ∈ X je donja meda skupa A ako ∀a ∈ A vrijedi m ≤ a. Neka je. Donje mede skupa A su brojevi 1. . Nadalje. 8} ⊆ N. Najmanja gornja meda ili supremum skupa A je element sup A ∈ X sa svojstvima: – sup A je gornja meda od A. Definicija 1.6 OSNOVE MATEMATIKE kao Na primjer. Najmanji element ili minimum skupa A je element min A ∈ A koji je ujedno i donja meda skupa A.6 Neka je (X. dakle. Skup c A je omeden odozdo ako ima barem jednu donju medu. (a. . 2. (ii) Element M ∈ X je gornja meda skupa A ako ∀a ∈ A vrijedi a ≤ M . X = R i A = (4. 6. . na primjer X = N i A = {5. Z. skupovi N. Najve´i element ili maksimum skupa A je element max A ∈ A koji je c ujedno i gornja meda skupa A. pa je inf A = 4.. Ako je (X. ≤) ureden skup i A neprazan podskup od X. – za svaku donju medu m skupa A vrijedi m ≤ inf A. 4 i 5. Sliˇno definiramo i poluotvorene intervale. Q i R su potpuno uredeni sa standardnom relacijom uredaja ≤. Razliku izmedu infimuma i minimuma moˇemo ilustrirati na skupu realnih z brojeva.lakˇi) od y.

ako vrijedi Df = D g ∧ f (x) = g(x) za ∀x ∈ Df . Primijetimo da su infimum. 1. odnosno f = g. skup Y je podruˇje vrijedc c nosti ili kodomena funkcije f . u ovom sluˇaju funkciju. neka je m 1 = inf A i m2 = inf A. c Definicija 1. Skup X je podruˇje definicije ili domena funkcije f . s c c potrebno je definirati kada su dva objekta jednaka.3 Funkcije 7 druge strane. gdje je R f ⊆ V . a skup svih vrijednosti s c koje poprima zavisna varijabla oznaˇavamo s R f i zovemo slika funkcije.6. dok x Na primjer.1. dokazati vaˇan teorem o inverznoj funkciji te definirati ekvipoz tentnost skupova i beskonaˇne skupove.3 Funkcije U ovom poglavlju dat ´emo osnovne pojmove vezane uz funkcije i klasic fikaciju funkcija. a y je zavisna varijabla funkcije f . Joˇ koristimo oznaku s h = g ◦ f. supremum. Skup svih vrijednosti nezavisne varijable x za koje je funkcija doista definirana joˇ oznaˇavamo s D f .8 Funkcije f i g su jednake. Nakon ˇto smo definirali novi matematiˇki objekt. funkcije f (x) = x i g(x) = je Dg = R \ {0}. .9 Kompozicija funkcija f : X → Y i g : V → Z. elementi m1 i m2 su takoder donje mede skupa A. Prema definiciji 1. Definicija 1. z Koristimo oznake f : X → Y ili y = f (x). gornje mede skupa A su svi brojevi ve´i ili jednaki osam i vrijedi c sup A = max A = 8. Zaista. x je nezavisna varijabla ili argument funkcije f . x2 nisu jednake jer je Df = R. je funkcija h : X → Z definirana s h(x) = g(f (x)). c Rf = {y ∈ Y : (∃x ∈ Df ) takav da je y = f (x)} ⊆ Y. odnosno m1 ≤ m2 = inf A pa iz definicije 1. minimum i maksimum jedinstveni (ukoliko postoje). Definicija 1.7 Funkcija ili preslikavanje iz skupa X u skup Y je svako pravilo f po kojemu se elementu x ∈ X pridruˇuje jedinstveni element y ∈ Y . i m2 ≤ m1 = inf A.5 slijedi m1 = m2 .

funkcija g je restrikcija ili suˇenje funkcije f .1 Funkcija f : X → Y . 1.8 Kompozicija funkcija je asocijativna. za x = 0 za x = 0 = (h ◦ g)(f (x)) = ((h ◦ g) ◦ f )(x) jedna od beskonaˇno mogu´ih ekstenzija funkcije g. c .11 Funkcija f : X → Y je: – surjekcija ili preslikavanje na ako je R f = Y . c Definicija 1. Na primjer. odnosno g = f |Dg . a zove se inverzna c funkcija funkcije f i oznaˇava s f −1 .8. gdje su iX i iY odgovaraju´e identitete. OSNOVE MATEMATIKE Zaista. x ∈ Df . odnosno funkcija i X : X → X definirana s iX (x) = x za svaki x ∈ X. a funkcija f je ekstenzija ili proˇirenje z s funkcije g. Teorem 1. Jedan primjer bijekcije je identiteta. Primijetimo da je restrikcija uvijek jedinstvena. funkcija g(x) = x2 /x je restrikcija funkcije f (x) = x na skup Dg = R \ {0}. Tako je u ovom sluˇaju i funkcija f1 : R → R \ {0} definirana s c f1 (x) = x. odnosno h ◦ (g ◦ f ) = (h ◦ g) ◦ f. Funkcija g je jedinstvena. Definicija 1.10 Ako je Dg ⊆ Df i g(x) = f (x) za svaki x ∈ Dg . – bijekcija ili obostrano jednoznaˇno preslikavanje ako je surjekcija i injekc cija. c c 1. je bijekcija ako i samo ako postoji funkcija g : Y → X takva da je g ◦ f = i X i f ◦ g = iY . dok ekstenzija to nije. a funkcija f je ekstenzija funkcije g. – injekcija ili 1-1 preslikavanje ako f (x) = f (x ) ⇒ x = x za sve x. za proizvoljni x za koji je kompozicija definirana vrijedi (h ◦ (g ◦ f ))(x) = h((g ◦ f )(x)) = h(g(f (x))) pa tvrdnja slijedi iz definicije jednakosti funkcija 1. gdje je X = D f .1 Teorem o inverznoj funkciji Prvo ´emo definirati neke klase funkcija.3.

ako postoji bijekcija izmedu ta dva skupa. Zakljuˇujemo da je svaki element y ∈ Y slika nekog elementa x ∈ X pa je f c surjekcija. Potrebno je pokazati da je f bijekcija. To oˇito ne vrijedi samo za parne brojeve. zanimljivo je da parnih brojeva ima jednako mnogo kao i svih prirodnih brojeva. Skup X je konaˇan c ako nije beskonaˇan.3. za svaki c y ∈ Y vrijedi f (g(y)) = f (x) = y pa je f ◦ g = i Y i prvi smjer je dokazan. odnosno ima beskonaˇno mnogo elec c menata. Dokaˇimo da je f injekcija. Klasa ekvivac lencije kojoj pripada skup X zove se kardinalni broj skupa X i oznaˇava s c kard X. Definicija 1. Za svaki y ∈ Y vrijedi z g(y) = x = iX (g(y)) = (g1 ◦ f )(g(y)) = g1 (f (g(y))) = g1 (iY (y)) = g1 (y) pa je g = g1 prema definiciji 1. Pretpostavimo da postoje z dvije funkcije s traˇenim svojstvima. Svojstva funkcije g povlaˇe c f (x) = f (g(y)) = (f ◦ g)(y) = iY (y) = y. Na kraju dokaˇimo jedinstvenost funkcije g. jer je funkcija f (n) = c 2n bijekcija izmedu skupa prirodnih brojeva i skupa svih parnih brojeva. Odaberimo proizvoljni y ∈ Y . tada je z x = iX (x) = g(f (x)) = g(f (x )) = iX (x ) = x . ako je ekvipotentan sa svojim pravim podskupom.1. g i g 1 . c Na primjer. Za svaki x ∈ X vrijedi g(f (x)) = g(y) = x pa je g ◦ f = i X . f je bijekcija te smo dokazali i drugi smjer tvrdnje teorema. Neka je x = g(y). c . skup prirodnih brojeva N je beskonaˇan.12 Skup X je beskonaˇan. Neka postoji funkcija g s traˇenim z z svojstvima. Dakle. ako je f (x) = f (x ).2 Ekvipotencija i beskonaˇni skupovi c Zbog svojstava bijekcije prirodna je sljede´a definicija: skupovi X i Y su c ekvipotentni.3 Funkcije 9 Dokaz. Dokaˇimo drugi smjer tvrdnje teorema. Zaista. Sliˇno. Dakle. i skup svih brojeva koji c su djeljivi s tisu´u takoder ima jednako mnogo elemenata kao i skup N.11 z povlaˇi c (∀y ∈ Y )(∃!x ∈ X) takav da je y = f (x). Stoga moˇemo definirati funkciju g : Y → X pravilom z g(y) = x ˇim je c y = f (x). 1.8. odnosno imaju jednako mnogo elemenata. Potrebno je konstruirati funkciju g s traˇenim svojstvima. Neka je f bijekcija. Potrebno je dokazati oba smjera tvrdnje teorema. Ekvipotencija je oˇito relacija ekvivalencije na skupovima. Definicija 1.

13 Skup prirodnih brojeva N je skup koji zadovoljava ˇetiri Peanova c aksioma: P1. osnovne raˇunske c c operacije na tom skupu i njihova svojstva te relaciju potpunog uredaja.4.4 Prirodni brojevi U ovom poglavlju definirat ´emo skup prirodnih brojeva N. . ∀m. – mnoˇenje je funkcija · : N × N → N sa svojstvima z m·1 =m ∧ m · s(n) = (m · n) + m. Definicija 1. n ∈ N. Funkcije c + i · jedine su funkcije s gornjim svojstvima. Posebnu paˇnju posvetit ´emo principu matematiˇke indukcije i njegovoj primjeni na z c c dokazivanje binomnog pouˇka. P3. ∀m. postoji barem jedan element 1 ∈ N koji nije niˇiji sljedbenik. s je injekcija. Aksiom P4 zove se princip matematiˇke indukcije. postoji funkcija sljedbenika s : N → N. Ovaj teorem zapravo kaˇe da se uvijek radi o istom skupu N bez obzira z na to kako oznaˇavamo njegove elemente.1. c Operacije na skupu N definiramo na sljede´i naˇin: c c – zbrajanje je funkcija + : N × N → N sa svojstvima m + 1 = s(m) ∧ m + s(n) = s(m + n).13. Dva vaˇna teorema navodimo bez dokaza.2 Postoji toˇno jedan skup sa svojstvima iz definicije 1. n ∈ N. P2. odnosno c s(n) = 1 za svaki n ∈ N. z Teorem 1. Razni naˇini oznaˇavanja prirodnih c c c brojeva dani su u poglavlju 1. Ponovit ´emo i neke naˇine zapisivanja elemec c c nata skupa N. P4. tada je M = N.10 OSNOVE MATEMATIKE 1. ako je M ⊆ N i ako vrijedi (ii) n ∈ M ⇒ s(n) ∈ M . (i) 1 ∈ M .

Neka je M skup svih prirodnih brojeva za koje formula vrijedi. Za n = 1 formula c c oˇito vrijedi. tada je n+1 n i= i=1 i=1 i +n+1 = n(n + 1) n2 + n + 2n + 2 +n+1= 2 2 (n + 1)(n + 2) = . odnosno (m + n) + p = m + (n + p). (ii) komutativnost. Ako je n ∈ M .4. c c Primjer 1. Ovaj c uvjet zove se baza indukcije. n. n + 1 ∈ M pa aksiom P4 povlaˇi M = N. Princip matematiˇke indukcije P4 iz definicije 1. 2 Dakle. odnosno m · (n + p) = m · n + m · p. i = 1 + 2 + 3 + · · · + (n − 1) + n = n(n + 1) . (iii) distributivnost. U poglavlju 1.3 Mnoˇenje i zbrajanje imaju sljede´a svojstva: za sve m. 2 ∀n ∈ N. (v) m + n = m.13 koristimo za dokazic vanje raznih korisnih tvrdnji. odnosno ako formula vrijedi za n.4 Prirodni brojevi 11 Teorem 1. Stoga je 1 ∈ M i tako je ispunjen uvjet (i) aksioma P4. .3 taj princip ´emo koristiti za c dokazivanje binomnog pouˇka. (m + n) · p = m · p + n · p. odnosno formula vrijedi za c svaki n ∈ N. (iv) m + n = m + p ⇒ n = p.3 Dokaˇimo formulu z n i=1 (m · n) · p = m · (n · p). m · n = m · p ⇒ n = p. m · n = n · m. odnosno m + n = n + m. Pokaˇimo da je ispunjen i uvjet (ii) aksioma P4. a sada navodimo sljede´i primjer. p ∈ N z c vrijedi (i) asocijativnost.1. z odnosno korak indukcije. Koriste´i c princip matematiˇke indukcije dokazat ´emo da je M = N.

c ˇetiri i ˇest. Raˇunala c zbog tehniˇkih mogu´nosti kreiranja samo dvaju stabilnih stanja (prekidaˇ) c c c koriste sustav s bazom 2. Tada je m manji od n. Danas dijelove tog sustava koristimo za prikazivanja vremena (1 sat=60 minuta= 60 · 60 sekunda) i kutova. odnosno m < n.14 Neka su m.1.12 Decimalni sustav 1 s(1) = 1 + 1 = 2 s(2) = 2 + 1 = 3 s(3) = 3 + 1 = 4 5 6 7 8 9 10 11 12 13 14 15 16 Rimski brojevi I II III IIII ili IV V VI VII VIII IX X XI XII XIII XIV XV XVI Binarni sustav 1 10 11 100 101 110 111 1000 1001 1010 1011 1100 1101 1110 1111 10000 OSNOVE MATEMATIKE Heksadecimalni sustav 1 2 3 4 5 6 7 8 9 A B C D E F 10 Oktalni sustav 1 2 3 4 5 6 7 10 11 12 13 14 15 16 17 20 Tablica 1. tri.1: Brojevni sustavi 1. dok oznaka X za broj deset simbolizira dvije ruke. c c Definicija 1. m je manje ili jednako n. . odnosno binarni sustav. Kod rimskih brojeva oznaka V za broj pet zapravo simbolizira ruku koja ima pet prstiju. c s c c 1. ako vrijedi m < n ili m = n.4. odnosno m ≤ n.2 Uredaj na skupu prirodnih brojeva Uredaj definiramo na sljede´i naˇin. Radi lakˇeg baratanja s s binarnim brojevima koriste se oktalni sustav s bazom osam i heksadecimalni sustav s bazom 16. Iz babilonskih vremena smo naslijedili heksagezimalni sustav s bazom 60. n ∈ N. Nadalje. neki od c c kojih su dani u tablici 1. Taj sustav je praktiˇan jer je broj 12 djeljiv s dva. Koliˇinu 12 ˇesto zovemo tucet ili duzina.1 Brojevni sustavi Elemente skupa prirodnih brojeva oznaˇavamo na razne naˇine. U trgovini se takoder koristi i sustav s bazom 12.4. ako i samo ako postoji p ∈ N za koji je m + p = n.

6 i 1. Posebno je [1. Faktorijele su definirane rekurzivno s (n + 1)! = n!(n + 1) ili kao funkcija f : N → N zadana s f (1) = 1. n}.4 Broj razliˇitih kombinacija n-tog reda i k-tog razreda K n jednak c je binomnom koeficijentu n k = n! . k Teorem 1. c . . 3. . odnosno kard X = n. Skup X je prebrojiv ili prebrojivo beskonaˇan.1.} = N. i2 .4. k!(n − k)! Dokaz.2.7 je dokazano da skup svih razliˇitih permutacija n-tog reda c ima n! elemenata (n faktorijela). . n]N = {p ∈ N : 1 ≤ p ≤ n} = {1. n] N . U skladu s poglavljem 1. ˇto moˇemo uˇiniti na Kn c s z c naˇina. n] N u [1. . .5. Svaku permutaciju n-tog reda moˇemo dobiti u tri koraka: z k 1. n]N . . ≤) je diskretan ili diskretno ureden.2. odnosno za svaki n ∈ N vrijedi {p ∈ N : n < p < n + 1} = ∅. ·)N = {1. c Definicija 1. . ako je X ekvipotentan s [1. Skup prirodnih brojeva (N. odnosno c kard X = ℵ0 (alef nula).7 opiˇemo guste skupove Q i R. ik } ⊆ c [1. . s c U teoremu 2. f (n + 1) = f (n) · (n + 1). c Definicija 1. 2.4 Prirodni brojevi 13 S ovako definiranom relacijom potpunog uredaja N je ureden skup po definiciji 1. Ovo svojstvo ´e biti jasnije c kada u poglavljima 1.16 Permutacija n-tog reda je svaka bijekcija s [1. .1 moˇemo definirati intervale z [1.3 Binomni pouˇak c U ovom poglavlju definirat ´emo permutaciju i kombinaciju. n]N . uz dogovor 0! = 1. Sljede´a definicija nadopunjava definicije iz poglavlja 1. . s 1. 2. n]N . Pri tome je dopuˇten i sluˇaj k = 0.3. Kombinacija n-tog reda i k-tog razreda je svaki k-ˇlani podskup {i 1 . odaberemo jedan k-ˇlani podskup od [1. . opisati Pascalov c trokut i dokazati binomni pouˇak i neke njegove posljedice. ako je ekvipotentan s N.15 Skup X ima n elemenata.

Zadatak 1. Teorem 1. (1. odaberemo jednu permutaciju preostalog (n−k)-ˇlanog podskupa. .5 daje nam poznati Pascalov trokut: 1 1 1 1 1 1 1 . n. ˇto moˇemo c s z uˇiniti na (n − k)! naˇina. = ∀k. . osim rubnih. z Druga tvrdnja teorema 1. n ∈ N ∪ {0}. 2. 1. k < n.. c 3.3 Dokaˇite teorem 1. 2 · · · .14 OSNOVE MATEMATIKE 2.5 Vrijedi n k n n + k k+1 = n . n = 0.5. k+1 ∀k. ˇto moˇemo uˇiniti na k! s z c naˇina. . c c Ukupan broj permutacija n-tog reda stoga je jednak k n! = Kn · k! · (n − k)! pa je teorem dokazan. . n ∈ N ∪ {0}. odaberemo jednu permutaciju tog podskupa. Vidimo da je svaki element. . i to poredani po razredu k = 0. 6 5 15 4 10 20 3 6 10 15 2 3 4 5 6 1 1 1 1 1 1 . . 3.1) U n-tom retku Pascalovog trokuta nalaze se binomni koeficijenti n-tog reda. zbroj dvaju elemenata koji se nalaze s lijeve i desne strane u retku iznad. . . k ≤ n. n−k n+1 . 1.

13.6 (Binomni pouˇak) Za svaki n ∈ N vrijedi c n (a + b) = k=0 n n k n−k a b . Dokaˇimo z da je M = N.2) i Pascalov trokut (1. c c realne i kompleksne brojeve. Pokaˇimo da je ispunjen i korak indukcije. Binomni pouˇak dokazat ´emo za prirodne brojeve. Tehnika dokazivanja sliˇna je onoj iz Primjera 1. 0 1 Dakle.4 Prirodni brojevi 15 Teorem 1. 1 ∈ M pa je ispunjena baza indukcije. Za n = 1 formula vrijedi jer je (a + b)1 = 1 0 1 1 1 0 a b + a b . k (1. Teorem ´emo dokazati pomo´u principa matematiˇke indukcije P4 iz c c c definicije 1.1. odnosno uvjet (ii) aksioma P4. c Neka je M skup svih prirodnih brojeva za koje formula vrijedi. odnosno uvjet (i) aksioma P4. no on vrijedi i za racionalne.1) za n = 4 daju (a + b)4 = 4 4 0 4 3 1 4 2 2 4 1 3 4 0 4 a b a b + a b + a b + a b + 4 3 2 1 0 = b4 + 4ab3 + 6a2 b2 + 4a3 b + a4 . formula (1.3. Dokaz. Ako z .2) Na primjer.

1) jednak je 2 n . n+1 ∈ M pa aksiom P4 povlaˇi M = N i teorem je dokazan.16 OSNOVE MATEMATIKE je n ∈ M .5 Cijeli brojevi U ovom poglavlju ukratko ´emo dati osnovnu motivacija za uvodenje skupa c cijelih brojeva Z te navesti osnovna svojstva tog skupa. k U predzadnjoj jednakosti koristili smo Pascalov trokut (1. odnosno ako formula vrijedi za n.1 Za svaki n ∈ N vrijedi n (a − b) = (a + (−1)b) = i 2 = k=0 n n n n k=0 n (−1)n−k ak bn−k k n . . c Korolar 1. tada je n (a + b)n+1 = k=0 n n k n−k (a + b) a b k n k+1 n−k a b + k n k=0 = k=0 n+1 n k n−k+1 a b k n k=0 = k=1 n ak bn−(k−1) + k−1 n k=1 n k n−k+1 a b k n k=1 = + = = n n+1 0 a b + n n 0 n+1 a b 0 n n+1 0 a b + n n ak bn−k+1 + k−1 n k n−k+1 a b k n k=1 n n n + k−1 k ak bn−k+1 + n 0 n+1 a b 0 n + 1 n+1 0 a b + n+1 n+1 k=1 n + 1 0 n+1 n + 1 k n+1−k a b a b + 0 k = k=0 n + 1 k n+1−k a b . k odnosno zbroj elemenata u n-tom retku Pascalovog trokuta (1.1). 1. Dakle.

Stoga skup prirodnih brojeva N proˇirujemo s njegovom / s negativnom kopijom i dodajemo element 0 za koji vrijedi 0·m=0 i 0 + m = m. n) : m ∈ Z. 2 za n paran za n neparan bijekcija. odnosno m : m ∈ Z. 9). jer je funkcija f : N → Z definirana s f (n) = n 2.3.14 za m. a razlikuju se u tome ˇto Z nema najmanji element. Ako je pak n < m. − i · na skupu Z definiramo na poznati naˇin te za c c njih vrijede svojstva sliˇno kao u Teoremu 1. · i : te relaciju potpunog uredaja ≤ na skupu Q c . n ∈ N} definiramo relaciju ∼ s (m1 .1. ∀m ∈ Z. na primjer (2. n1 ) ∼ (m2 . Kako je broj p jedinstven.6 Racionalni brojevi U ovom poglavlju definirat ´emo skup racionalnih brojeva Q te dati osc novna svojstva tog skupa. n ∈ N vrijedi m < n ⇔ (∃p ∈ N) m + p = n. ≤) je diskretan kao i skup N. z tada n − m ∈ N. n ∈ N . ∼ je relacija ekvivalencije. 3) ∼ (4. odnosno oba skupa imaju jednako mnogo elemenata. c 1. s Skup Z je ekivipotentan s N. Skup (Z. moˇemo pisati p = n − m. Na skupu Z × N = {(m. 6) ∼ (6. c Uredaj na skupu Z uvodimo sliˇno kao u definiciji 1.14.6 Racionalni brojevi 17 Prema definiciji 1. Skup racionalnih brojeva Q je skup svih klasa ekvivalencije na skupu Z×N. n2 ) ⇔ m1 · n2 = m2 · n1 . − n−1 . Raˇunske operacije +. Q= n ∼ Raˇunske operacije +.

Dovoljno je dokazati da se izmedu svaka dva razliˇita racionalna broja c nalazi barem jedan racionalni broj. Sliˇno vrijedi q < q2 i c teorem je dokazan. na primjer 3 + 1 = 2 + 12 . Teorem 1.18 definiramo redom kako slijedi: m1 · n 2 + n 1 · m 2 m1 m2 + = . iste oznake za raˇunske operacije i c c c c relaciju uredaja imaju razliˇita znaˇenja na lijevim i desnim stranama. oba skupa imaju jednako mnogo c s elemenata. Dakle. Unatoˇ tome ˇto je Q gust. jer smo ”nove” operacije i relaciju c uredaja na lijevim stranama definirali pomo´u poznatih operacija i uredaja na skupu Z na desnim stranama. Dokaz.7 Skup Q je gust. m1 m2 ≤ ⇔ m1 · n2 ≤ n1 · m2 . skup Q je gust. n1 n2 Ovdje se zaista radi o definicijama. Raˇunske operacije i relacija uredaja na skupu Q su dobro definirane jer ne ovise o pred9 1 c stavniku klase ekvivalencije. Neka je q1 = Neka je q= q1 + q 2 m1 n2 + n 1 m2 .3. c Za razliku od skupova N i Z koji su diskretni. Tada je q1 < q jer je 2m1 n1 n2 < m1 n1 n2 + n1 n1 m2 . n1 · m 2 za m2 = 0. n1 q2 = m2 n2 i q1 < q2 odnosno m1 n2 < n1 m2 . = 2 2n1 n2 m1 . n1 n2 n1 · n 2 m1 · m 2 m1 m2 · = . a N prebrojiv. Naime. skupovi N i N × N su ekvipotentni jer je funkcija f : N → . n1 n2 n1 · n 2 m1 m2 : = n1 n2 m1 n1 m2 n2 OSNOVE MATEMATIKE = m1 · n 2 . Za raˇunske operacije 4 6 vrijede poznata svojstva sliˇno kao u teoremu 1. odnosno c c izmedu svaka dva razliˇita racionalna broja nalazi se beskonaˇno mnogo racionalnih brojeva.

Naime. Raˇunske operacije na skupu realnih brojeva definirane su na poznati naˇin c c te za njih vrijede svojstva sliˇno kao u teoremu 1. navesti njegova osc novna svojstva. Nanesemo li na brojevni pravac dijagonalu kvadrata sa √ stranicom duˇine jedan. nije istina. 1)f (1) znaˇi f (1) = (1. Oznaka (1. 1. c medutim. budu´i je skup Q c gust. √ √ c Ako je (A) 2 ∈ Q. To. Konaˇno. c c ako je τ (A ⇒ B) = i ako pokaˇemo da je τ (B) = ⊥.7 Realni brojevi 19 N × N definirana s (1. tada je (B) 2 = m . c .3. / Dokaz. z c c √ Teorem 1. c Sljede´i teorem navodimo bez dokaza. Medutim. mogli bismo pomisliti da njegovi elementi prekrivaju ˇitavi pravac.8 2 ∈ Q. 1). Skup realnih brojeva R je unija skupa racionalnih brojeva i skupa iracionalnih brojeva. Teorem ´emo dokazati koriste´i tehniku kontradikcije ili protuslovlja. 2)f (8) ··· ··· (1.7 Realni brojevi U ovom poglavlju definirat ´emo skup realnih bojeva. tada je n2 = (2p − 1)2 = 4(p2 − p) + 1 neparan. m i n nisu relativno prosti pa je tvrdnja (B) neistinita. 2)f (5) (2. No. tada je n 2 = (2p)2 = 4n2 takoder paran.17 Iracionalni brojevi su brojevi koji se nalaze na brojevnom pravcu. Iz (2p) 2 = 2n2 slijedi 2p2 = n2 pa je n takoder paran.1 slijedi τ (A) = ⊥. tada i tvrdnja (A) mora biti neistinita i teorem je dokazan. Kada racionalne brojeve nanosimo na brojevni pravac. 2)f (3) (1. a nisu elementi skupa Q. objasniti kako rade raˇunala i definirati apsolutnu vrijednost c realnog broja. 1)f (2) (3. 4)f (10) ··· ··· bijekcija. 1)f (1) (2. iz N ⊂ Q ⊂ Z × N zakljuˇujemo c c da je skup Q takoder ekvipotentan s N. 1)f (7) ··· (1. 3)f (6) (2. 1)f (4) (4. dobit ´emo po Pitagorinom pouˇku broj 2. Kako je Z ekvipotentan s N. tada prema tablici z istinitosti za implikaciju iz poglavlja 1. 3)f (9) (3. n odnosno ne mogu se dalje skratiti.1. a ako je n = 2p − 1 neparan. Prvo uoˇimo da je kvadrat prirodnog broja n paran ako i samo ako c je n paran: ako je n = 2p paran. odnosno m = 2p. Definicija 1. to c su i skupovi N i Z × N ekvipotentni. Dakle. tada je m 2 = 2n2 pa je prema prvom dijelu dokaza m paran. pri ˇemu su m i n relativno prosti.

9. odnosno izmedu svaka dva razliˇita realna c broja postoji beskonaˇno racionalnih brojeva. 9. odnosno izmedu svaka dva razliˇita racionalna c broja postoji beskonaˇno realnih brojeva.001. z c raˇunala za prikazivanje brojeva i raˇunanje koriste jedan diskretni podskup c c skupa Q.3 ne vrijede. . .009.14. 10. .098.99. . 102.099. niti kao razlomak. broj 1 = 0.7. . Zamisc c limo raˇunalo koje za pohranjivanje brojeva i raˇunanje raspolaˇe s tri decic c z malna mjesta. .9 Vrijedi: OSNOVE MATEMATIKE (i) skup R je gust.41. . neprebrojiv gusti prebrojivi 1. . Princip rada raˇunala ilustrirat ´emo na jednostavnom primjeru. R . 1. . . . Zbog konaˇne memorije.0. . = c 3 ˙ 0. . 998. . . 10. 99. . 101. ali ga moˇemo zapisati kao razlomak. . . (v) elementi skupa R prekrivaju ˇitavi brojevni pravac. . .1. . 1. . . . . . . . . . .997.8.98. .1 Aritmetika raˇunala c √ Broj 2 ima beskonaˇni neperiodiˇni decimalni zapis pa ga ne moˇemo zac c z pisati ni kao decimalni broj.3333 .20 Teorem 1. U ovakvom raˇunalu moˇemo prikazati brojeve c z 999. c (ii) skup Q je gust u skupu R. . Sliˇno.2. s c z . . . . .101.00. . .3 ima beskonaˇni periodiˇni decimalni zapis pa ga ne moˇemo zapisati kao c c z decimalni broj. . 99. c (iii) skup R je gust u skupu Q. . .002. . odnosno izmedu svaka dva razliˇita realna broja postoji c beskonaˇno realnih brojeva. . c (iv) skup R je neprebrojiv.100.999.011. . 10. . .008. . s tim ˇto se decimalna toˇka moˇe pomicati. .010. tako da osnovni matematiˇki zakoni asocijacije i distribucije iz teoc rema 1. 100.998. 3. 9. c Odnos izmedu do sada opisanih skupova brojeva je sljede´i: c N N diskretni ⊂ Z ⊂ Z ⊂ ⊂Q Q ⊂ ⊂ R. .012. . .

Preciznije definicije funkcije c i grafa dane su u poglavlju 4. z No. za x ≥ 0. ovdje se duljina razmaka mijenja.4 = 200 + 0. na primjer.4 + (0. +∞) definirana s x. za x < 0. Teorem 1.4 + 0.4) + 0. Definicija 1. r).1%.4) + 0. dok c s c u drugom sluˇaju iznosi 0. ˇto je op´enito pravilo koje vrijedi za svako raˇunalo.18 Apsolutna vrijednost realnog broja je funkcija | | : R → [0.4 + 0.002.2. Na slici 1.5+0. Rezultat je toˇniji ako se prvo zbrajaju brojevi c c koji su bliˇe nuli. U odnosu na toˇan rezultat 201. n (ii) nejednakost trokuta. za razliku od skupova N i Z gdje su razmaci izmedu elemenata konstantni. |x| = −x. Ovakvo z s c c raˇunalo moˇe. odnosno op´enitije c xi ≤ |xi |. |5| = | − 5| = 5.6%. |x − y| = |y − x|.2 Apsolutna vrijednost U ovom poglavlju definirat ´emu apsolutnu vrijednost realnog broja i dokazati c neka njena svojstva. i=1 .4 = (200 + 0.1. ne z c moˇemo prikazati niti jedan broj izmedu 998 i 999 kao niti izmedu . |x| = | − x|. dok je 200 + (0.4) + 0.7. dati i toˇan rezultat (0. Na primjer.001 i . Na taj se naˇin osigurava mala pogreˇka s z c s kojom se mogu kvalitetno vrˇiti ˇeljeni proraˇuni. pogreˇka u prvom sluˇaju iznosi 0. |x + y| ≤ |x| + |y|. Graf funkcije y = f (x) definiramo kao skup svih toˇaka xy-ravnine za koje je y = f (x).1 prikazan je graf funkcije |x|.10 Za apsolutnu vrijednost vrijedi: (i) |x| < r ⇔ −r < x < r ⇔ n i=1 x ∈ (−r.8) = 200 + 1. naravno. c z c Princip rada svih raˇunala je isti.5)+200 = 1+200 = 201. U ovakvom raˇunalu asocijativnost ne vric jedi.4 = 200.2 = 201.7 Realni brojevi 21 Skup brojeva koje moˇemo prikazati je oˇito diskretan jer. |0| = 0. s z c 1.4)) = 200 + (0. s time ˇto stvarna raˇunala uglavnom c s c raspolaˇu s 16 decimalnih mjesta. jer je ((200 + 0.

6).22 OSNOVE MATEMATIKE 2 1 -2 -1 1 2 Slika 1. Tvrdnja oˇito vrijedi za n = 1 i c n = 2. Op´enitiju tvrdnju dokazujemo indukcijom c (vidi primjer 1. c (ii) Za svaki x ∈ R vrijedi x ≤ |x|. tada je |x + y| = −(x + y) = −x − y ≤ | − x| + | − y| = |x| + |y| pa je prva tvrdnja dokazana. Ako je x + y ≥ 0. y |y| Dokaz.3 i dokaz teorema 1. ≤ i=1 |xi | + |xn+1 | = . Za n ≥ 2 imamo n+1 n n xi = i=1 i=1 n xi + xn+1 ≤ i=1 n+1 i=1 xi + |xn+1 | |xi |. (iv) |x · y| = |x| · |y|. (v) |x| x = za y = 0. (i) Za x ≥ 0 nejednakost |x| < r povlaˇi x < r. a ako je x + y < 0. odnosno op´enitije c n n xi = i=1 i=1 |xi |. tada je |x + y| = x + y ≤ |x| + |y|. odnosno −r < x.1: Apsolutna vrijednost |x| (iii) |x − y| ≥ |x| − |y|. a za x < 0 nejednakost c |x| < r povlaˇi −x < r.

c z Motivacija za uvodenje kompleksnih brojeva je sljede´a: jednadˇba x 2 −1 = 0 ima dva rjeˇenja u skupu R.19 Skup kompleksnih brojeva C je skup svih brojeva oblika z = x + iy. Raˇunske c operacije su definirane na sljede´i naˇin: c c z1 + z2 = x1 + x2 + i(y1 + y2 ). z 1.8 Kompleksni brojevi U ovom poglavlju definirat ´emo skup kompleksnih brojeva C. y ∈ R. a realni broj y = Im z je imaginarni dio kompleksnog broja z. Realni broj x = Re z je realni dio kompleksnog broja z.10.6. i3 = −i. x1 + iy1 x2 − iy2 z1 = · z2 x2 + iy2 x2 − iy2 x1 x2 + y 1 y2 y1 x2 − x 1 y2 = +i . dok sliˇna jednadˇba x 2 + 1 = 0 s c z nema niti jedno rjeˇenje. Konjugirano kompleksni broj broja z = x + iy je broj z = x − iy. Stoga se imaginarna jedinica i definira tako ˇto su s s x = i i x = −i rjeˇenja jednadˇbe x2 + 1 = 0. z1 · z2 = (x1 + iy1 )(x2 + iy2 ) = x1 x2 + iy1 x2 + ix1 y2 + i2 y1 y2 = x1 x2 − y1 y2 + i(x1 y2 + x2 y1 ). i6 = −1. Neka su z1 = x1 + iy1 i z2 = x2 + iy2 dva kompleksna broja.6. i4 = −i · i = −(−1) = 1. . Zadatak 1. .1. ¯ Modul ili apsolutna vrijednost kompleksnog broja z je nenegativni realni broj r = |z| = x2 + y 2 . Definicija 1. Dva kompleksna broja su jednaka ako su im jednaki realni i imaginarni dijelovi.4 Dokaˇite tvrdnje (iii). (iv) i (v) teorema 1. gdje su x. trigonometric jski oblik kompleksnog broja i operacije s brojevima u trigonometrijskom obliku te eksponencijalni oblik kompleksnog broja. osnovne c raˇunske operacije s kompleksnim brojevima i njihova svojstva. . . Pretpostavljamo da ˇitatelj c poznaje osnovna svojstva trigonometrijskih i arkus funkcija iz poglavlja 4. .8 Kompleksni brojevi 23 pa nejednakost trokuta vrijedi za svaki n ∈ N. z1 − z2 = x1 − x2 + i(y1 − y2 ). Posebno je 0 = 0 + i0. x = 1 i x = −1. i5 = i.6. Iz ove definicije slijedi s z i2 = −1. 2 2 x2 + y 2 x2 + y 2 2 2 za z2 = 0.5 i 4.

24 Zadatak 1.5 Dokaˇite da za z, z1 , z2 ∈ C vrijedi: z a) z1 + z2 = z1 + z2 , ¯ ¯ b) z1 · z2 = z1 · z2 , ¯ ¯ c) z1 z2 = z1 ¯ , za z2 = 0, z2 ¯

OSNOVE MATEMATIKE

d) z = z, ¯ e) z = z ⇔ z ∈ R, ¯ f) z + z = 2 Re z, ¯ g) z − z = 2i Im z, ¯ h) z · z = z · z = |z|2 , ¯ ¯ i) |z| = 0 ⇔ z = 0, j) |z1 + z2 | ≤ |z1 | + |z2 | (nejednakost trokuta). Kompleksnom broju z = x + iy jednoznaˇno je pridruˇen uredeni par c z (x, y) ∈ R × R, odnosno toˇka T = (x, y) u ravnini, kao ˇto se vidi na slici 1.2. c s

y

z=x+iy, T=(x,y)

|x|=r ϕ 0 x

Slika 1.2: Kompleksni broj Iz slike 1.2 se vidi zaˇto su formule za zbrajanje kompleksnih brojeva sliˇne s c formulama za zbrajanje vektora, odnosno zaˇto se posebno zbrajaju realni, a s posebno imaginarni dijelovi.

1.8 Kompleksni brojevi

25

1.8.1

Trigonometrijski oblik

Kao ˇto se vidi na slici 1.2, kompleksni broj z = x + iy je jednoznaˇno s c − → odreden s modulom r i s kutom ϕ izmedu radij-vektora OT i pozitivnog smjera x-osi. Kut ϕ je argument broja z , odnosno ϕ = arg z. Trigonometrijski oblik kompleksnog broja glasi z = r(cos ϕ + i sin ϕ) = r cos ϕ + ir sin ϕ. Veze izmedu dva oblika su sljede´e: ako su zadani r i ϕ, tada je c x = Re z = r cos ϕ, a ako su zadani x i y, tada je y ϕ = arctg , x pri ˇemu kvadrant u kojem se nalazi ϕ treba odrediti sa slike odnosno iz predc znaka od x i y. r = |z| = x2 + y 2 , Primjer 1.4 a) Skup je krug radijusa dva sa srediˇtem u toˇki z 0 = i − 1 (vidi sliku 1.3). Zaista, s c iz definicije 1.19 slijedi |z − i + 1| ≤ 2 ⇔ Op´enito, skup c je krug radijusa r oko toˇke z0 . c b) Skup {z ∈ C : |z − z0 | ≤ r} (x + 1)2 + (y − 1)2 ≤ 2 ⇔ (x + 1)2 + (y − 1)2 ≤ 4. {z ∈ C : |z − i + 1| ≤ 2} y = Im z = r sin ϕ,

π ∧ Im z ≥ 1} 3 nacrtan je na slici 1.4. Pri tome se toˇke na iscrtkanom pravcu nalaze izvan c skupa, kao i toˇka u kojoj se dva pravca sijeku. c {z ∈ C : 0 < arg z < {z ∈ C : |z − 1| + |z + 2| = 5}

c) Skup je elipsa sa ˇariˇtima u toˇkama z 1 = 1 i z2 = −2 (vidi sliku 1.5). z s c {z ∈ C : |z − z1 | + |z − z2 | = r, z1 = z2 , r > 0} je skup svih toˇaka ˇiji je zbroj udaljenosti do dvije fiksne toˇke konstantan. c c c Mogu´a su tri sluˇaja: ako je |z1 − z2 | < r, tada se radi o elipsi; ako je c c |z1 − z2 | = r, tada se radi o duˇini koja spaja toˇke z 1 i z2 ; a ako je z c |z1 − z2 | > r, tada se radi o praznom skupu.

Op´enito, skup c

26

OSNOVE MATEMATIKE

i

-1

Slika 1.3: Krug u kompleksnoj ravnini

i

Slika 1.4: Dio kompleksne ravnine

Zadatak 1.6 Dokaˇite da je elipsa iz primjera 1.4.c zadana s formulom z
1 (x + 2 )2 y 2 + = 1. 6.25 4

Po uzoru na primjer 1.4.c analizirajte skup

{z ∈ C : |z − z1 | − |z − z2 | = r, z1 = z2 , r > 0}.

1.8 Kompleksni brojevi

27

-3

-2

-1/2

1

2

Slika 1.5: Elipsa u kompleksnoj ravnini

Trigonometrijski oblik kompleksnog broja omogu´uje jednostavno izvodenje c raˇunskih operacija. Adicioni teoremi daju c z1 · z2 = r1 (cos ϕ1 + i sin ϕ1 ) · r2 (cos ϕ2 + i sin ϕ2 ) = r1 r2 [cos ϕ1 cos ϕ2 − sin ϕ1 sin ϕ2 + i(sin ϕ1 cos ϕ2 + cos ϕ1 sin ϕ2 )] (1.3) = r1 r2 (cos(ϕ1 + ϕ2 ) + i sin(ϕ1 + ϕ2 )). Sliˇno, za z2 = 0 vrijedi c r1 z1 = (cos(ϕ1 − ϕ2 ) + i sin(ϕ1 − ϕ2 )). z2 r2 Iz formule (1.3) indukcijom slijedi
n n n n

zk =
k=1 k=1

rk

cos
k=1

ϕk + i sin
k=1

ϕk

.

Kada u gornju formulu uvrstimo z1 = · · · = zn = z = r(cos ϕ + i sin ϕ), dobijemo Moivreovu formulu za potenciranje s prirodnim brojem z n = r n (cos nϕ + i sin nϕ). (1.4)

Nadalje, n-ti korijen kompleksnog broja z je svaki kompleksni broj koji podignut na n-tu potenciju daje z. Vrijedi √ n z = zn =
1

√ ϕ + 2kπ ϕ + 2kπ n + i sin r cos , n n

k ∈ {0, 1, 2, . . . , n − 1}. (1.5)

28

OSNOVE MATEMATIKE

Naime, primjenom Moivreove formule (1.4) vidimo da svaki od brojeva na desnoj strani podignut na n-tu potenciju daje broj z, pa je stoga jednak ntom korijenu iz z. Zakljuˇujemo da svaki kompleksni broj, osim nule, ima n c medusobno razliˇitih n-tih korijena koji svi leˇe na srediˇnjoj kruˇnici radijusa c z s z √ n r i dijele tu kruˇnicu na n jednakih dijelova. z √ √ Primjer 1.5 Izraˇunajmo 6 1 = 6 1 + 0i. Trigonometrijski oblik glasi c 1 = 1 · (cos 0 + i sin 0), pa formula (1.5) daje √ 6 1 =1· cos 0 + 2kπ 0 + 2kπ + i sin , 6 6 k = 0, 1, 2, 3, 4, 5.

Uvrˇtavanje vrijednosti za k daje ˇest razliˇitih ˇestih korijena: s s c s w0 = cos 0 + i sin 0 = 1, √ π π 1 3 w1 = cos + i sin = + i , 3 3 2 2 √ 2π 2π 1 3 w2 = cos + i sin = − +i , 3 3 2 2 w3 = cos π + i sin π = −1, √ 4π 4π 1 3 w4 = cos + i sin = − −i , 3 3 2 √2 3 5π 1 5π + i sin = −i . w5 = cos 3 3 2 2

Zadatak 1.7 Nacrtajte sve kompleksne ˇeste korijene od jedan iz primjera s 1.5 i uvjerite se da dijele jediniˇnu kruˇnicu na ˇest jednakih dijelova. Zatim c z s √ √ √ 3 4 6 izraˇunajte i nacrtajte −1, i i 1 + i 3. c

1.8.2

Eksponencijalni oblik
eiϕ = cos ϕ + i sin ϕ.

Eksponencijalni ili Eulerov oblik kompleksnog broja glasi

Ova formula slijedi iz Taylorovih razvoja funkcija sin x, cos x i e x danih u primjeru 6.19 i zadatku 6.5. Kada formalno uvrstimo iϕ umjesto x u Taylorov razvoj funkcije ex , dobit ´emo c eiϕ = 1 + iϕ i2 ϕ2 i3 ϕ3 i4 ϕ4 i5 ϕ5 i6 ϕ6 i7 ϕ7 + + + + + + + ··· 1! 2! 3! 4! 5! 6! 7! ϕ2 ϕ3 ϕ4 ϕ5 ϕ6 ϕ7 ϕ −i + +i − −i + ··· . =1+i − 1! 2! 3! 4! 5! 6! 7!

. 1− +i ϕ ϕ3 ϕ5 ϕ7 − + − + ··· 1! 3! 5! 7! Pomo´u Eulerovog oblika moˇemo definirati potenciranje s kompleksnim c z eksponentom ez = ex+iy = ex · eiy = ex (cos y + i sin y).8 Kompleksni brojevi 29 Red na desnoj strani je apsolutno konvergentan pa po teoremu 6.1. a zatim imaginarne ˇlanove pa Taylorovi razvoji funkcija c cos x i sin x daju eiϕ = ϕ2 ϕ4 ϕ6 + − + ··· 2! 4! 6! = cos ϕ + i sin ϕ.12 smijemo prvo zbrojiti realne.

.

. .8 2. . . . . . . . . . . . .7 2. . . .5 2. . s z 34 35 37 38 39 Matriˇni zapis sustava linearnih jednadˇbi . . . . .4 Mnoˇenje matrice sa skalarom . .9. . . . . . . . . . . . .9. . . . . .1. . . . . . . . . . . . . . . . Joˇ o mnoˇenju matrica . . . . . . 58 2. . . . . . . . . . . 50 51 2. . . . . . . . . . . . . . . . .9 Linearna nezavisnost . . . . . . . . .10 Rjeˇavanje elektriˇne mreˇe . . . . .2 2. .1. . 52 Rang matrice . . . .6 2. . . . . . .6 2. . . . . . . . . . . . . . .1 Svojstva determinanti . . . . . . . 32 2. . . . . . . . . . . . . . . . .2 2. . . . . . . . . . .2. . . . . . . . . . . Raˇunanje inverzne matrice .2 2. . . . . . . . . . .9. . . .1. .3 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 2.4. . . . 44 2. . . . . . . . . . . .1 Zbrajanje matrica . . . . . . . .4. . . . . .4 Podmatrice i poddeterminante . . . . . . . . . . . . . . . . .1 Matrice . .1. . LINEARNA ALGEBRA 2. . . . . c 62 62 63 2. . . . . . . . . . . z Mnoˇenje matrica . . . . 56 Determinante . . .3 2. . . . . c Transponirana matrica . . . 60 2.1. . 41 s Gaussova eliminacija . . . . . . . . 40 c z Rjeˇavanje trokutastih sustava . Laplaceov razvoj determinante . . . . .3 Pivotiranje . . . . . . . . .5 2. Elementarne matrice transformacija . 34 2.9. . . . .1 Primjeri . 53 Kronecker–Capellijev teorem . 54 Inverzna matrica . . . . . . . . . . .2 2.3 2. . . . . 64 s c z . . . . . . .9. . . . . . . . . . .1. . . . . . . . .5 Cramerovo pravilo . . . . . . . . .4. . z Nul-matrica i jediniˇna matrica . . . . 47 2. . . . . . . . . . 63 2. . . . . . . . . .

Brojevi ai1 . . s Rjeˇenje sustava od m ≥ 2 jednadˇbi s n = 2 nepoznanice odgovara s z nalaˇenju sjeciˇta m pravaca u ravnini. . . sustav s 2x + y = 1 −x + y = −1 ima rjeˇenje u toˇki x = 2/3. z Definicija 2. . tada sustav nema rjeˇenje. tako da ´emo dati i osnovne pojmove o matricama i determinantama c c te operacijama s njima. Dok se ve´ina studenata ve´ susrela s problemom c c rjeˇavanja sustava linearnih jednadˇbi. Brojevi a ij . ain . Ako su svi brojevi a ij realni. s z s c Pojam ”linearnih” znaˇi da se u jednadˇbama nepoznanice pojavljuju samo c z na prvu potenciju i da se ne pojavljuju umnoˇci nepoznanica. s – ako ni prvi ni drugi sluˇaj ne vrijede.32 LINEARNA ALGEBRA U ovoj glavi definirat ´emo pojam sustava linearnih jednadˇbi i opisati c z postupak za njihovo rjeˇavanje. rijeˇiti ih. n ∈ N. tada piˇemo A ∈ Rm·n . y = −1/3 (slika 2.1 Matrice Matrice omogu´uju jednostavan zapis i rjeˇavanje sustava linearnih jedc s nadˇbi. c s U poznatom Kronecker–Capellijevom teoremu 2. Postupak se temelji na primjenama matriˇnog s c raˇuna. c c z 2. zove se matrica tipa m×n. . . 1 ≤ j ≤ n su elementi matrice ili komponente matrice.5 vidjet ´emo da su ova tri c sluˇaja jedina mogu´a i to za proizvoljni broj nepoznanica i jednadˇbi. ai2 . 1 ≤ i ≤ m. Oˇito vrijedi sljede´e: z s c c – m pravaca se moˇe sje´i u jednoj toˇki – pripadaju´i sustav ima toˇno z c c c c jedno rjeˇenje.1). . . koriˇtenje matrica je za ve´inu novost. s c – m pravaca moˇe leˇati na istom pravcu – pripadaju´i sustav ima beskonaˇno z z c c rjeˇenja. . s Tablica se stavlja u uglate ili oble zagrade. za takve je sustave lako ustanoviti da li su rjeˇivi z s te ako jesu.1 Pravokutna tablica brojeva   a11 a12 · · · a1n  a21 a22 · · · a2n    A= .   . .. . . . . am1 am2 · · · amn m. Za razliku od s sustava nelinearnih jednadˇbi. Na primjer.

A je matrica tipa 3 × 4. b.1: Pravci koji se sijeku tvore i-ti redak. .min{m. s Skup svih matrica tipa m × n joˇ oznaˇavamo s M mn . . x. Koriste se i oznake c A = (aij ). amin{m. ili s masnim z c s slovima. a.1 Matrice 33 1-2*x -1+x 2 1 -2 -1 -1 1 2 -2 Slika 2. A = [aij ]. . Ako je m = n kaˇemo da je A kvadratna matrica z reda n. Ako je m = 1 kaˇemo da je A retˇana matrica (ima samo jedan redak).2. X. Vektore moˇemo oznaˇavati i s malim ˇtampanim slovima a. Na primjer. b. a brojevi a11 . . B. a2j . amj tvore j-ti stupac. Matrice obiˇno s c c oznaˇavamo velikim tiskanim slovima. . . . .   a11 a12 π a14 A =  1 −0. a22 . . . x.127 1017 0  . A. A = (A)ij . brojevi a1j . z c a ako je n = 1 kaˇemo da je A stupˇana matrica. 5 7 9 11 . . Retˇane i stupˇane matrice z c c c se joˇ zovu vektori. A = (Aij ).n}.n} tvore dijagonalu matrice A.

u ovom sluˇaju matricu. (λ + µ)A = λA + µA. Drugim rijeˇima.1) . (A + B) + C = A + (B + C) 2.34 LINEARNA ALGEBRA B i c su primjeri retˇane odnosno stupˇane matrice. c c   0 √ B = 1 2 3 4 .2 Mnoˇenje matrice sa skalarom z Matrica se mnoˇi s nekim skalarom (brojem) tako da se svaki element z matrice pomnoˇi s tim brojem. Mogu se zbrajati samo matrice istog tipa. c Definicija 2. λ(µA) = (λµ)A. 2.1. Prvi korak je definirati kada su dva objekta jednaka.1 Zbrajanje matrica Uvedimo prvu operaciju s matricama. (2.1. matrice se zbrajaju ˇlan po ˇlan. elementi matrice B = λA su z c Bij = λaij . ˇelimo ih s c z nauˇiti usporedivati. tada je matrica C =A+B istog tipa kao i matrice A i B i vrijedi cij = aij + bij . j. Ako su matrice A i B istog tipa.2 Matrice A i B su jednake ako su istog tipa i ako je aij = bij za sve parove indeksa i. 12345 dok su d = 0 i E = x kvadratne matrice reda 1. a ujedno i stupˇane i c retˇane matrice c Nakon ˇto smo definirali novi objekt. Dakle. c =  2 . Svojstva zbrajanja su c c A+B =B+A (komutativnost) i (asocijativnost). Svojstva ove operacije proizlaze direktno iz svojstava mnoˇenja brojeva: z λ(A + B) = λA + λB.

1 . Neka je.1. ˇto je upravo element (2. U sljede´em primjeru su oba mnoˇenja definirana.3 Mnoˇenje matrica z Definicija mnoˇenja matrica je na prvi pogled neobiˇna.1 Matrice 35 2. s Na primjer. 3) umnoˇka s   b11  a11 a12 a13 a14  a21 a22 a23 a24  b21 b31 a31 a32 a33 a34 b41 b12 b22 b32 b42 b13 b23 b33 b43 b14 b24 b34 b44  b15 b25   b35  b45 nalazi se tako da stavite lijevi kaˇiprst na a 21 a desni na b13 i kaˇete ”puta”. Matrica C = A·B ima redaka koliko A i stupaca koliko B. 3) produkta. 1 1 1 1   1 1 1 1 1 = 3 . Tada je matrica C tipa m × n i vrijedi k cij = l=1 ail blj = ai1 b1j + ai2 b2j + · · · + aik bkj .      12 5 7 −2 1 2 3 1 2 0 −1 4 5 6 4 3 2 1  = 30 17 16 −5 48 29 25 −8 7 8 9 1 −1 1 −1 Uoˇimo da mnoˇenje u obrnutom poretku nije definirano stoga ˇto matrice c z s nisu ulanˇane. ali umnoˇci c c z s nisu istog tipa:     1 1 1 1 1 1 1 1 = 1 1 1 . Nastavite li na taj naˇin izraˇunat ´ete c c c c a21 b13 + a22 b23 + a23 b33 + a24 b43 .2) Element (2. A tipa m × k i B tipa k × n. (2. c z Matrice A i B moˇemo pomnoˇiti samo ako su ulanˇane. z z Tada pomiˇete kaˇiprste prema a22 i b23 govore´i ”plus” dok se kaˇiprsti c z c z pomiˇu i ”puta” kada stignu na cilj. dakle. odnosno ako A z z c ima onoliko stupaca koliko B ima redaka.2. ali upravo nam z c ona omogu´ava jednostvno zapisivanje sustava linearnih jednadˇbi.

Primijetimo da zbog op´enite nekomutativnosti mnoˇenja matrica. (i) neka je A tipa m × k. −1 1 −1 1 . B tipa k × l i C tipa l × n. B i z C i broj λ. ukoliko su svi umnoˇci definirani vrijedi: s (i) (AB)C = A(BC) (asocijativnost). moramo c z posebno navesti distributivnost prema mnoˇenju slijeva i zdesna. za razliku od mnoˇenja brojeva. 6 6 A= B= AB = BA = Iz prethodnih primjera zakljuˇujemo kako. 5 2 −1 −1 . 12 5 A= B= AB = BA = U ovom primjeru su. Tada je AB tipa . z Dokaz. z Teorem 2. (iv) λ(AB) = (λA)B = A(λB). 2 1 6 6 . ali nisu jednaki: c s 2 1 . jer se ova ˇinjenica lako zaboravi kada se manipulira s formuc lama koje sadrˇe matrice. 2 2 1 2 . z c Budite oprezni. (iii) (A + B)C = AC + BC (distributivnost).36 LINEARNA ALGEBRA U sljede´em primjeru su umnoˇci AB i BA istog tipa. oba umnoˇka jednaka: s 2 2 . 1 0 3 4 . c z mnoˇenje matrica op´enito nije komutativno.1 (Svojstva mnoˇenja matrica) Za proizvoljne matrice A. (ii) A(B + C) = AB + AC (distributivnost). pak.

Analogija kod matrica je jediniˇna matrica .2. odnosno x + 0 = 0 + x = x za svaki broj x. Za proizvoljni element matrice (AB)C vrijedi: l [(AB)C]ij = p=1 l [AB]ip Cpj k = p=1 l q=1 k s Aiq Bqp Cpj = raspiˇemo sumu = p=1 q=1 k l Aiq Bqp Cpj = zamijenimo redoslijed zbrajanja = q=1 p=1 k Aiq Bqp Cpj = grupiramo pribrojnike na drugi naˇin c l = q=1 k Aiq p=1 Bqp Cpj = q=1 Aiq [BC]qj = [A(BC)]ij . Na primjer. = + = + 4 5 6 4 5 6 0 0 0 0 0 0 4 5 6 Kod mnoˇenja brojeva broj 1 je neutralni element s obzirom na mnoˇenje. Na c z c .1. c jediniˇne matrice u odnosu na mnoˇenje slijeva i zdesna su razliˇitog reda.1 Matrice 37 m × l. Ostale tvrdnje dokazuju se sliˇno. z z odnosno x · 1 = 1 · x = x za svaki broj x. Ukoliko matrica nije kvadratna.4 Nul-matrica i jediniˇna matrica c Kod zbrajanja brojeva broj 0 je neutralni element s obzirom na zbrajanje. 1 2 3 1 2 3 0 0 0 0 0 0 1 2 3 . c 2. odnosno Omn kada ˇelimo naglasiti o kojem tipu se c z radi. Analogija kod matrica je nul-matrica koja ima sve elemente jednake nuli. Nulmatricu oznaˇavamo s O. a (AB)C je tipa m × n.

odnosno s I n ako ˇelimo naglasiti o kojoj c c z dimenziji se radi. 0 0 9 2 8 2 −1 dok je  T  1 2 3 1 2 3 2 4 5  = 2 4 5  . odnosno z Dij = 0 za i = j.38 primjer. dakle c Iij = 1 0 za i = j. 3 5 6 3 5 6  .     1 1 0 T 2 1 2 8 T = 2 9  . ako je A tipa m × n tada je AT tipa n × m. Jediniˇna matrica je poseban sluˇaj dijagonalne matrice. 2. lako vidimo da je   1 12 5 7 −2  30 17 16 −5 0 0 48 29 25 −8 0   0 1 0 0 0 0 1 0 LINEARNA ALGEBRA    0 12 5 7 −2 0   = 30 17 16 −5 . 0 48 29 25 −8 1 Jediniˇnu matricu oznaˇavamo s I. za i = j. D je dijagonalna c c matrica ako jedini ne-nula elementi leˇe na njenoj dijagonali.5 Transponirana matrica Uvedimo joˇ jedan novi pojam. 48 29 25 −8 0 0 1 48 29 25 −8 i za svaku matricu tipa m × n vrijedi Im A = AIn = A. Dakle. Na primjer.1. Op´enito je. Transponirana matrica matrice A je mas trica AT koja je definirana sa [AT ]ij = Aji . 1 2 0 −1 =   .     12 5 7 −2 1 0 0 12 5 7 −2 0 1 0 30 17 16 −5 = 30 17 16 −5 .

simetriˇne matrice su ˇeste u primjenama. c c (2. Matrica za koju je AT = A je simetriˇna matrica. Transponiranje se lijepo uklapa u ostale operacije s c matricama: (A + B)T = AT + B T . mnoˇenje matrica se moˇe interpretirati na joˇ dva naˇina: z z s c    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1 i    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1       1 2 3 4 1 2 0 + 5 4 3 2 + 6 1 −1 1 .2) zapravo znaˇi da se matrice mnoˇe na sljede´i naˇin: c z c c    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1  (1 · 1 + 2 · 4 + 3 · 1) 1 · 2 + 2 · 3 + 3 · (−1)) (1 · 0 + 2 · 2 + 3 · 1) (4 · 1 + 5 · 5 + 6 · 1) (4 · 2 + 5 · 3 + 6 · (−1)) (4 · 0 + 5 · 2 + 6 · 1)  (7 · 1 + 8 · 5 + 9 · 1) (7 · 2 + 8 · 3 + 9 · (−1)) (7 · 0 + 8 · 2 + 9 · 1)  No. (µA)T = µAT .1.1 Matrice 39 Oˇito je (AT )T = A. 9 8 7 9 8 7 9 8 7 . (AB)T = B T AT . Zbog oˇite simetrije u c c prirodi.6 Joˇ o mnoˇenju matrica s z Formula (2.2. 7 8 9                    3 2 1 3 2 1 3 2 1 1 4 + 4 5 + 1 6 2 4 + 3 5 + (−1) 6 0 4 + 2 5 + 1 6 .3) 2.

pri ˇemu su matrice A. a vektor b se zove slobodni vektor ili vektor slobodnih ˇlanova. −1 −x1 + x2 + 1 = 0 . x2 b= 1 . sustav u obliku c 2x1 + x2 − 1 = 0 b = 2 1 −1 1 1 . c.40 Zadatak 2. −1 (2.2 Napiˇite programe za mnoˇenje matrica na ova tri naˇina u s z c programskom jeziku Matlab. Programe moˇete napisati i u nekom drugom programskom jeziku (basic.2 Matriˇni zapis sustava linearnih jednadˇbi c z Sustav 2x1 + x2 = 1 −x1 + x2 = −1 moˇemo zapisati kao z 2 1 −1 1 odnosno kao Ax = b. Postoji li joˇ mogu´ih interpretacija s c matriˇnog mnoˇenja? c z 2. Zbog jednostavnosti moˇemo izostaviti vektor x jer se njegovo c z prisustvo podrazumijeva pa stoga ˇesto zapisujemo proˇirenu matricu sustava c s A Sliˇno. c++. x i b zadane s c A= 2 1 .1 Izraˇunajte umnoˇak c z    1 −1 2 1 2 0 9 3 4 −3 4 1 1 1 −1 na sva tri opisana naˇina. Pri tome moˇete koristiti program Octave Onz line. −1 1 x= x1 .4) x1 1 . FORTRAN ili java). c LINEARNA ALGEBRA Zadatak 2.2. = −1 x2 Istoznaˇnost ova dva zapisa slijedi iz definicije jednakosti matrica 2. z pascal. Matrica c A se zove matrica sustava.

Dokaz. Ovaj teorem nam zapravo kaˇe da je uvijek ispunjen toˇno jedan od tri z c sluˇaja: c 1. Matrica U je gornje trokutasta ako Drugim rijeˇima.3 Rjeˇavanje trokutastih sustava s i > j =⇒ uij = 0.5. odnosno elementi iznad dijagonale su nula. 2. z c Teorem 2. sustav ima toˇno jedno rjeˇenje. . Detalje o tome kada nastupa koji od ovih sluˇajeva s c daje nam Kronecker–Capellijev teorem 2. c s kao ˇto smo vidjeli u uvodu. sustav ima beskonaˇno rjeˇenja. c Sada moˇemo lako dokazati sljede´i teorem. tada je c s x(λ) = λx1 + (1 − λ)x2 s takoder rjeˇenje tog sustava za svaki λ ∈ R. Ax − b = O21 . Primjer gornje c z trokutaste matrice reda pet je   u11 u12 u13 u14 u15  0 u22 u23 u24 u25    0 u33 u34 u35  U = 0    0 0 0 u44 u45  0 0 0 0 u55 Sliˇno. matrica L je donje trokutasta ako c i < j =⇒ lij = 0. s 2. c s 3. pa je teorem dokazan. svi elementi koji leˇe ispod dijagonale su nula.2 Ako su x1 i x2 razliˇita rjeˇenja sustava Ax = b.3 Rjeˇavanje trokutastih sustava s 41 moˇemo zapisati kao z gdje je O21 odgovaraju´a nul-matrica. Iz svojstava mnoˇenja matrica skalarom i mnoˇenja matrica slijedi z z Ax(λ) = λAx1 + (1 − λ)Ax2 = λb + (1 − λ)b = b.2. sustav nema rjeˇenje.

u11 Kako su po pretpostavci dijagonalni elementi u ii razliˇiti od nule.42 LINEARNA ALGEBRA Teorem 2. Ovaj postupak se oˇito moˇe izvesti za proizvoljnu c c z dimenziju n pa je teorem dokazan. x1 = Ovaj postupak se jednostavno moˇe izvrˇiti na raˇunalu.i--){ for (j=n. b[i]=b[i]/u[i][i].i>=1. u33 Nastavljaju´i ovim postupkom dobijemo c x2 = i b2 − u23 x3 − u24 x4 − u25 x5 u22 b1 − u12 x2 − u13 x3 − u14 x4 − u15 x5 . u55 Dobivenu vrijednost od x5 moˇemo uvrstiti u ˇetvrtu jednadˇbu koju potom z c z rijeˇimo i dobijemo s b4 − u45 x5 . Odgovaraju´i z s c c program u programskom jeziku C glasi for (i=n.j--) b[i]=b[i]-u[i][j]*b[j]. x4 = u44 Uvrˇtavanjem x4 i x5 u tre´u jednadˇbu te rjeˇavanjem te jednadˇbe dobijemo s c z s z x3 = b3 − u34 x4 − u35 x5 . ove formule c jednoznaˇno odreduju xi . tada sustav U x = b ima jedinstveno rjeˇenje. c s Dokaz.j>i.3 Ako su svi dijagonalni elementi kvadratne gornje trokutaste matrice U razliˇiti od nule. Prvo napiˇimo sustav s s u skalarnom obliku u11 x1 + u12 x2 + u13 x3 + u14 x4 + u15 x5 = b1 u22 x2 + u23 x3 + u24 x4 + u25 x5 = b2 u33 x3 + u34 x4 + u35 x5 = b3 u44 x4 + u45 x5 = b4 u55 x5 = b5 Peta jednadˇba sadrˇi samo nepoznanicu x 5 i moˇemo je rijeˇiti odmah: z z z s x5 = b5 . Ilustrirajmo prvo rjeˇavanje sustava za n = 5. } .

. ovaj put napisan koriˇtenjem s uzlazne petlje. rjeˇavanje trokutastog sustava dimenzije n = 1000 traje oko s 1/30 sekunde.n b(i)=b(i)-u(i. izgleda ovako: do k=1.j)*b(j) enddo b(i)=b(i)/u(i.j)*b(j) end b(i)=b(i)/u(i. rjeˇenje x se nalazi na mjestu gdje se na poˇetku s s c nalazio vektor b.i) end Kako se trokutasti sustavi lako rjeˇavaju.i) enddo Broj raˇunskih operacija potrebnih za rjeˇavanje gornje trokutastog susc s tava iznosi n n(n + 1) − n ≈ n2 .j)*b(j) end b(i)=b(i)/l(i. Program za rjeˇavanje gornje trokutastog sustava u programskom jeziku s Matlab izgleda neˇto jednostavnije: s for i=n:-1:1 for j=n:-1:i+1 b(i)=b(i)-u(i. koja izvrˇavaju do 30 milijuna opc s eracija u sekundi. Postupak za rjeˇavanje donje trokutastog sustava Lx = b je sliˇan i dan s c je u sljede´em Matlab programu: c for i=1:n for j=i+1:n b(i)=b(i)-l(i.2.3 Rjeˇavanje trokutastih sustava s 43 Nakon zavrˇetka programa. rjeˇenje op´eg (netrokutastog) s s c sustava dobijemo tako da pomo´u Gaussove eliminacije zadani sustav svedemo c na trokutasti oblik. (2i − 1) = 2 2 i=1 Na modernim raˇunalima (Pentium 350).n i=n-k+1 do j=i+1.i) end Isti program u programskom jeziku FORTRAN.

3 Zadajte nekoliko gornje i donje trokutastih sustava i rijeˇite ih s pomo´u opisanih Matlab programa. z z Ove radnje odgovaraju sljede´im radnjama na proˇirenoj matrici sustava : c s (i’) neki redak pomnoˇimo s brojem razliˇitim od nule. 2.44 LINEARNA ALGEBRA Zadatak 2.4 Gaussova eliminacija Lako vidimo da se rjeˇenje sustava ne mijenja ako izvrˇimo bilo koju od s s sljede´ih radnji: c (i) neku jednadˇbu pomnoˇimo s brojem razliˇitim od nule. z (iii) jednu jednadˇbu pribrojimo drugoj. z z c (ii) zamijenimo dvije jednadˇbe. Taj postupak se zove Gaussova eliminacija. 3. Pri tome moˇete koristiti program Octave c z On-line. Radnje (i) i (iii) ˇesto vrˇimo istovremeno: jednoj jednadˇbi dodamo drugu c s z jednadˇbu pomnoˇenu s nekim brojem. 4 (2. z Koriste´i navedene transformacije matricu A svodimo na gornje trokutasti c oblik. (iii’) jedan redak pribrojimo drugome. Kombiniraju´i radnje (i’) i (iii’) imamo: jednom retku dodamo drugi redak c pomnoˇen s nekim brojem. Tada stavimo mi1 = ai1 /a11 . (iv’) zamijenimo dva stupca u matrici A. z c (ii’) zamijenimo dva retka.5) . Neka je zadan sustav 4 × 4 a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a21 x1 + a22 x2 + a23 x3 + a24 x4 = b2 a31 x1 + a32 x2 + a33 x3 + a34 x4 = b3 a41 x1 + a42 x2 + a43 x3 + a44 x4 = b4 Neka je a11 = 0. i = 2. z (iv) zamijenimo dvije varijable.

3.2. Tada stavimo mi2 = ai2 /a22 .3. 4). bi = bi − mi2 b2 . Rezultat c z z c z je gornje trokutasti sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a33 x3 + a34 x4 = b3 a44 x4 = b4 gdje je aij = aij − mi3 a2j . . Brojevi z mi1 kojima se u postupku eliminacije mnoˇi prva jednadˇba zovu se multipz z likatori. bi = bi − mi1 b1 . stavimo c mi3 = ai3 /a33 . 4 i oduzmemo drugu jednadˇbu pomnoˇenu s m i2 od i-te jednadˇbe (i = 3. Dobiveni gornje trokutasti sustav sada rijeˇimo na naˇin koji je opisan u s c poglavlju 2. i=4 i oduzmemo tre´u jednadˇbu pomnoˇenu s m i3 od ˇetvrte jednadˇbe. 4) z z z te dobijemo sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a32 x2 + a33 x3 + a34 x4 = b3 a42 x2 + a43 x3 + a44 x4 = b4 gdje je aij = aij − mi1 a1j . i = 3. z z z Rezultat je sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a33 x3 + a34 x4 = b3 a43 x3 + a44 x4 = b4 gdje je aij = aij − mi2 a2j . bi = bi − mi3 b2 . Konaˇno.4 Gaussova eliminacija 45 i oduzmemo prvu jednadˇbu pomnoˇenu s m i1 od i-te jednadˇbe (i = 2. Primijetimo da je varijabla x1 eliminirana iz tri posljednje jednadˇbe. Neka je i a22 = 0.

000. Postupak Gaussove eliminacije moˇemo interpretirati i kao mnoˇenje proˇirene z z s matrice sustava s lijeve strane s elementarnim matricama transformacije. b3  b4  0 0 . 6 2 3 Vidimo da je za ve´e dimenzije n broj raˇunskih operacija potreban za rjeˇavanje c c s trokutastog sustava zanemariv u odnosu na broj raˇunskih operacija potrebc c nih za svodenje na trokutasti oblik. Na modernim raˇunalima (Pentium 350). a za n = 1. koja izvrˇavaju do 30 milijuna operacija u sekundi. z Postupak Gaussove eliminacije koji smo upravo opisali za sustav reda ˇetiri c na oˇit se naˇin moˇe poop´iti na sustave proizvoljnog reda. −m41 0 0 1 Tada je A1 b1 = M 1 A 1 −m21 = −m31 −m41  a11  0 =  0 0  0 1 0 0 b 0 0 1 0 a13 a23 a33 a43  a11 0  a21 0  0 a31 1 a41 a14 a24 a34 a44 0 0 1 0 a12 a22 a32 a42  b1 b2  . neka je 1 0 0 1 M2 =  0 −m32 0 −m42 .5) i neka je s je A   1 0 0 0 −m21 1 0 0  M1 =  −m31 0 1 0 .2.000 traje 1003 puta duˇe.46 LINEARNA ALGEBRA Broj raˇunskih operacija potrebnih za svodenje kvadratnog sustava reda n c na gornje trokutasti oblik iznosi n i=1 2i(i − 1) = 2 n(n + 1) 2 n(n + 1)(2n + 1) −2 ≈ n3 .4. 0 1 a13 a23 a33 a43 a14 a24 a34 a44  b1 b2   b3  b4 a12 a22 a32 a42  Dalje. potrebno je dodatno koristiti postupak pivotiranja koji je opisan u poglavlju 2. Neka b proˇirena matrica sustava (2. svodenje sustava dimenzije s n = 1000 na trokutasti oblik traje oko 20 sekundi. odnosno oko 700 godina. dok za n = 10000 traje 6 sati. Ukoliko je neki od c c z c brojeva s kojima dijelimo jednak nuli.

2. neka je c  b1 0 0 1 0 a13 a23 a33 a43  0 a11 0  0  0  0 0 1 a14 a24 a34 a44 a12 a22 a32 a42  b1 b2  .4 Gaussova eliminacija 47 Tada je A2 b2 = M 2 A1  1 0 0 1 = 0 −m32 0 −m42  a11 a12  0 a22 =  0 0 0 0 Konaˇno.1 Primjeri Sljede´i primjeri pokazuju tri sluˇaja koja se mogu dogoditi prilikom rjeˇavanja c c s sustava pomo´u Gaussove eliminacije. b3  b4 a13 a23 a33 a43 a14 a24 a34 a44  b1 b2   b3  b4 a11 a12 a13  0 a22 a23 =  0 0 a33 0 0 0 Zadatak 2.4. c . 2. b3  b4  0 0 . 0 1 a13 a23 a33 a43 a14 a24 a34 a44  b1 b2   b3  b4 Tada je A3 1 0 M3 =  0 0 b3 = M 3 A2 1 0 = 0 0   b2 0 0 1 0 0 1 0 −m43 0 0 1 0 0 1 0 −m43  0 a11 a12   0 a22 0  0 0  0 0 0 1 a14 a24 a34 a44  b1 b2  .4 Napiˇite program za svodenje proˇirene matrice sustava na trokus s tasti oblik.

tada koristimo pojednostavljeno pisanje. Rjeˇenje sustava geometrijski odgovara toˇki s s c u kojoj se sijeku tri ravnine. Pri tom operacije biramo tako da. Sustav ima jedinstveno rjeˇenje. s c zapisujemo samo proˇirene matrice odgovaraju´ih sustava.4 idealan je za raˇunala. y = −11. Naime.1 rjeˇava se na sljede´i c s c . ukoliko s je mogu´e. a sa strane naznaˇimo s c c koje operacije na retcima vrˇimo.48 Primjer 2. 5  1 0 0 1 −2 1 0 1 0 0 5 −4 = 3 0 −3 1 0 5 1  5 −13 . Sustav iz primjera 2. x = 1. s c Kada sustav rjeˇavamo ”ruˇno”.1 Rijeˇimo sustav s x − 2y + z = 5 LINEARNA ALGEBRA 2x + y − 2z = −3 −x − y = 0 Tada imamo  1 0 0 1 −2 1 −2 1 0  2 1 −2 b = −1 −1 0 1 0 1  5 −13 . − 14 5   5 −13 5   5 −3 0 A1 b1 = M 1 A  1 −2 1 = 0 5 −4 0 −3 1 A2 b2 = M 2 A1 b1  1 −2 1 = 0 5 −4 0 0 −7 5 Iz ovog gornje trokutastog sustava lako vidimo da je z = 2. Postupak rjeˇavanja sustava opisan u poglavlju 2. izbjegnemo razlomke.

    1 − 2t x1 x2   t    = x3   0  . ˇto je toˇno. x1 = 1 − 2t. −14  5 −13 → 5 5 III + 3 II Sljede´i primjer pokazuje kako izgleda trokutasti oblik kada imamo paramc etarska rjeˇenja: s Primjer 2. odnosno beskonaˇno rjeˇenja koja ovise o s c s jednom parametru t.4 Gaussova eliminacija 49 naˇin: c  1 −2 1 2 1 −2 −1 −1 0   1 −2 1 5 −3 II − 2 I → 0 5 −4 III + I 0 −3 1 0 1 −2 1 0 5 −4 → 0 0 −7   5 −13 . Sustav ima parametarsko rjeˇenje. a iz drugog retka slijedi x3 = 0. Iz tre´eg retka slijedi s c c x4 = −1.2  1 2 −1 0 2 4 0 1  −1 −2 3 4 1 2 −5 −2   1 1 0 1  II − 2 I  → 0 −5 III + I 3 0 IV − I  1 0 → 0 0 2 −1 0 0 2 1 0 0 3 0 0 0 2 −1 0 0 2 1 0 2 4 0 −4 −2  1 −1 . −1 x4 t ∈ R. −3 0  1 −1  −4 III − II 2 IV + 2 II ˇ Cetvrti redak glasi 0 = 0. x2 = t. Vrijednosti nezavisnih varijabli x 1 i x2 dobijemo iz prvog retka.2. .

5.7.4. z c s c c pri ˇemu dolazi do pogreˇaka zaokruˇivanja kako je opisano u poglavlju 1. odnosno    s x1 x2   1 − s    = 2 2 . c s z Zbog toga se neka pitanja vezana uz Kronecker–Capellijev teorem.1 U praksi se sustavi jednadˇbi ˇesto rjeˇavaju koriste´i raˇunala. ˇto je nemogu´e pa sustav nema rjeˇenja.2 Pivotiranje Ukoliko je element kojim moramo dijeliti da bi dobili multiplikatore m ij jednak nuli.5) i odredivanje ranga matrice (vidi poglavlje 2. s c s Formalan opis sluˇajeva koji mogu nastati prilikom rjeˇavanja sustava daje c s nam Kronecker–Capellijev teorem 2.1. ne mogu rijeˇiti numeriˇkim raˇunanjem. s Primjer 2.6). s c c 2. 0 1  −2 2   4  III − 2 II 3 IV − II s∈R ˇ Cetvrti redak glasi 0 = 1. kao ˇto su s utvrdivanje linearne nezavisnosti skupa vektora (vidi poglavlje 2. s Sljede´i primjer pokazuje kako iz trokutastog oblika moˇemo zakljuˇiti da c z c sustav nema rjeˇenja. tada moramo zamijeniti odgovaraju´e retke proˇirene matrice c s .50 LINEARNA ALGEBRA Primijetimo da smo mogli i x1 uzeti za parametar. x3   0  −1 x4  je takoder oblik rjeˇenja sustava.3  2 −1 1 3 0 1 −1 2  −2 3 −3 1 2 0 0 5   −2 2 −1 1 3  0 1 −1 2 2  → 0 2 −2 4 6  III + I 1 IV − I 0 1 −1 2  2 −1 1 3 0 1 −1 2 → 0 0 0 0 0 0 0 0  −2 2 . Napomena 2.

Op´enito.2. No. U praksi je poˇeljno vrˇiti zamjenu redaka i kada je broj kojim dijelimo z s jako blizu nule. . (Pij )ij = (Pij )ji = 1. i ostale operacije na retcima moˇemo interpretirati na z sliˇan naˇin. Gotovi programi uvijek vrˇe zamjenu redaka i to na naˇin s c da se najve´i element po apsolutnoj vrijednosti u stupcu kojeg poniˇtavamo c s dovede na vode´u poziciju. Op´enito. Na taj naˇin uvijek vrijedi |m ij | ≤ 1 ˇto doprinosi c c s numeriˇkoj stabilnost algoritma. matrica z c Di se od jediniˇne matrice razlikuje samo u jednom elementu i to (D i )ii = 1 i c (Di )ii = 0. c 2.  0 0 .4.   1 1 1 1 1 0 0 → 0 1 1 1 1 0 1 1 0 1 1  1 1 1 0 1 1 → 0 −1 0 z = 1.  0 0 → 1 III − I   1 1 1 0 0 1 1  → 0 0 0 1 1 III + II x = 0.3 Elementarne matrice transformacija odgovara mnoˇenju drugog retka matrice A s brojem π. pomo´u produkta c c c   0 0 1 0 0 1 0 0  P13 A =  1 0 0 0 A 0 0 0 1 U poglavlju 2.  0 1 1 Na primjer. matrica P = P ij se s c c od jediniˇne matrice razlikuje samo u ˇetiri elementa i to c c (Pij )ii = (Pij )jj = 0. 1 pa je rjeˇenje sustava s y = −1.4 Gaussova eliminacija 51 sustava.4 smo vidjeli kako je pribrajanje jednom retku nekog drugog retka pomnoˇenog nekim brojem ekvivalentno mnoˇenju s elementarnom maz z tricom M s lijeva. Neka je A ∈ M45 . Na sliˇan naˇin. Tada produkt c c   1  π  A D2 A =   1  1 vrˇimo zamjenu prvog i tre´eg retka matrice A.

(b) ako medu vektorima a1 . · · · . · · · . zove se linearna kombinacija vektora a 1 . Drugim rijeˇima. · · · . odnosno c |λ1 | + |λ2 | + · · · + |λk | > 0. a njena inverzna matrica je P upravo P T (vidi poglavlje 2. λ k ∈ R λ1 a1 + λ 2 a2 + · · · + λ k ak = 0 ⇒ λ1 = · · · = λk = 0. · · · . Zadatak 2. tre´i stupac pomnoˇiti s dva? c z 2. Ona je simetriˇna. a2 . λ1 . ak su linearno nezavisni ako za sve skalare λ1 . U protivnom su vektori a1 .8). ak linearno zavisni. tada su ti vektori linearno zavisni. Bez dokaza navodimo sljede´e tvrdnje: c (a) ako je neki od vektora a1 . · · · .52 LINEARNA ALGEBRA Matrica P se zove matrica permutacije. zamijeniti drugi i peti stupac. Na koji naˇin moˇemo pomo´u mnoˇenja c z c z matrice A elementarnim matricama tre´em stupcu dodati trostruki prvi stuc pac.3 Vektori a1 . · · · . λk ∈ R. ak ∈ Mn1 stupˇani vektori. Vektor c a = λ 1 a1 + λ 2 a2 + · · · + λ k ak . · · · . · · · . P = P T . tada su ti vektori linearno zavisni. Definicija 2. Dakle. · · · . ak su linearno zavisni ako i samo ako postoje λ 1 . λ1 λ1 Linearna kombinacija i linearna nezavisnost retˇanih vektora definira se c analogno. ak nul-vektor. . · · · . λk c takvi da je λ1 a1 + λ 2 a2 + · · · + λ k ak = 0 i da je barem jedan od λi razliˇit od nule. a1 . tada je λk λ2 a1 = − a2 − · · · − ak . a2 . matrica P je regularna. ak . Ekvivalentna formulacija gornjeg s uvjeta glasi i λ2 > 0.5 Linearna nezavisnost Neka su a1 . Ovaj uvjet joˇ zapisujemo kao i |λi | > 0. Linearna zavisnost skupa vektora znaˇi i da je jedan c i od tih vektora linearna kombinacija preostalih – ako je na primjer λ 1 = 0. ak ima jednakih.5 Neka je A ∈ M45 . i vrijedi c T P = P P T = I.

Iz primjera 2. takoder uvijek imaju rang jednak dimenziji.3. svaki skup od n linearno nezavisnih vekc tora n-dimenzionalnog prostora tvori jednu bazu tog prostora te se svaki vektor iz tog prostora moˇe prikazati kao linearna kombinacija vektora baze. Iz toga slijedi da je rang(A) = rang(AT ).6 Rang matrice 53 (c) ako su vektori a1 .4 zakljuˇujemo kako jediniˇna matrica I n ima rang n. Maksimalan broj linearno nezavisnih stupaca jednak je maksimalnom broju linearno nezavisnih redaka matrice (ovu tvrdnju navodimo bez dokaza). c Takoder. 0 1 su nezavisni. ako je A tipa m × n. · · · . Napomena 2. e3 . e4 } tvori jednu bazu ˇetverodimenzionalnog c vektorskog prostora M4 . tada je oˇito rang(A) ≤ min{m. Primjer 2. aq linearno zavisni za bilo koje vektore a k+1 .2 Skup vektora {e1 . ak+1 . e 3 =   . e3 . . Dodamo li ovom skupu peti vektor a = c T α β γ δ . (d) ako su vektori a1 . · · · . tada je svakih p < k vektora izabranih izmedu tih vektora takoder linearno nezavisno.6 Rang matrice Rang matrice A jednak je maksimalnom broju linearno nezavisnih stupaca.2. aq . · · · . jer λ1 e1 + λ 2 e2 + λ 3 e3 + λ 4 e4 = 0 povlaˇi λ1 = λ2 = λ3 = λ4 = 0. 0 0 1 0 0 0   0 0 e4 =   . · · · . Matrice c c Mi iz poglavlja 2. a = αe1 + βe2 + γe3 + δe4 . e2 .4 Vektori e1 . n}. tada su i vektori a1 . ak linearno nezavisni. a linearno zavisni jer je jedan od njih linearna kombinacija ostalih. Op´enito. e 2 =   . (e) bilo kojih n + 1 vektora iz skupa M n1 (ili M1n ) su linearno zavisni. · · · . z 2. e3 .4. ak linearno zavisni. e2 . e4 definirani s       1 0 0 0 1 0 e1 =   .4 te matrice Di i Pij iz poglavlja 2. e2 . tada su vektori e1 . e4 . ak .

zamjene dvaju redaka i dodavanja z c jednog retka drugome te istih operacija sa stupcima.54 LINEARNA ALGEBRA Iz ovih primjera zakljuˇujemo da rang matrice lako moˇemo raspoznati c z iz trokutastog oblika.  0 pri ˇemu je rang(A) jednak broju dijagonalnih elemenata koji su jednaki jedan. dakle.  1     0     .4 ne mijenjaju rang matrice.   . Tako je. c Kako A i B imaju isti rang. zakljuˇujemo da je postupak traˇenja ranga istovjetan c z s postupkom Gaussove eliminacije.4 Matrice A i B istog tipa su ekvivalentne ako imaju isti rang.. to i matricu B moˇemo svesti na isti oblik.7 Kronecker–Capellijev teorem Sljede´i teorem nam opisuje strukturu rjeˇenja sustava linearnih jednadˇbi c s z u ovisnosti o rangu matrice sustava i rangu proˇirene matrice sustava. a rang proˇirene matrice sustava s iz istog primjera jednak tri. a te matrice su regularne (vidi poglavlje 2. Piˇemo A ∼ B.8). rang matrice sustava iz primjera 2. dok je rang matrice sustava iz primjera 2..   .  . s Teorem 2.3 jednak dva. kao i rang matrice sustava iz primjera 2. Kako se sve navedene elementarne transformacije mogu izvesti mnoˇenjem z matrice A elementarnim matricama transformacija bilo s lijeva bilo s desna. s . tada se matrica B moˇe z dobiti iz matrice A pomo´u elementarnih transformacija koje se sastoje od c mnoˇenja retka s brojem razliˇitim od nule.2. Kako elementarne transformacije iz poglavlja 2. Pomo´u navedenih elementarnih transformacija matricu A moˇemo c z svesti na oblik   1   1     . Sada z lako nademo niz elementarnih transformacija koje matricu A prebacuju u matricu B. Definicija 2.1 jednak tri. zakljuˇujemo da je A ∼ B ako i c samo ako postoje regularne matrice matrice S i T takve da je B = SAT.4 Ako su matrice A i B ekvivalentne. Dokaz. 2.

zakljuˇujemo da z c je rang( A b ) = rang(A). s Dokaze tvrdnji (ii) i (iii) izostavljamo. c Posebno je lagana primjena Kronecker–Capellijevog teorema na homogene sustave. Kako se dodavanjem stupca rang ne moˇe smanjiti. zakljuˇujemo da je b linearna kombinacija c stupaca matrice A. Homogeni sustav oˇito uvijek ima trivijalno rjeˇenje x = 0. tada sustav ima beskonaˇno rjeˇenja koja su izraˇena pomo´u n − rang(A) c s z c parametara. (2. (i) Neka sustav ima rjeˇenje x = x1 x2 · · · s a1 .5 (Kronecker–Capelli) Za sustav Ax = b vrijedi: (i) Sustav ima rjeˇenje ako i samo ako matrice A i A s b imaju isti rang.6). neka je rang(A) = rang( A matrice A ima r linearno nezavisnih. Iz teorema 2. xn za koje vrijedi (2.6) xn T i neka su Dakle. b ) = r.5 c s slijedi da ´e homogeni sustav imati i netrivijalna (parametarska) rjeˇenja ako c s i samo ako je rang(A) < n. tada sustav ima ista rjeˇenja kao i s sustav koji dobijemo kada uzmemo rang(A) nezavisnih jednadˇbi.7 Kronecker–Capellijev teorem 55 Teorem 2. x2 . pri ˇemu je n broj nepoznanica. · · · . Zadatak 2.2 i 2.1. odnosno da postoje brojevi x 1 .6 zakljuˇujemo da matriˇno mnoˇenje Ax = c c z b moˇemo pisati i kao z x1 a1 + x2 a2 + · · · + xn an = b.3 prema teoremu 2. U matriˇnom obliku to odgovara zapisu Ax = b. Ako je rang(A) < n. Tada je rjeˇenje s s jedinstveno ako i samo ako je rang(A) = n. ˇto znaˇi da je x c s c rjeˇenje sustava. odnosno sustave oblika Ax = 0. Kako ve´ medu stupcima c Obratno. (iii) Neka sustav ima rjeˇenje i neka je n broj nepoznanica. Dokaz. a n stupci matrice A. (ii) Ako je rang(A) = rang( A b ).6 Protumaˇite primjere 2. Iz poglavlja 2. c .2. a 2 . · · · . b je linearna kombinacija stupaca matrice A pa je rang( A b )≤ rang(A).1. odnosno z rang(A) linearno nezavisnih redaka matrice A b . 2.5.

5 svaki od sustava Ax i = ei ima jedinstveno rjeˇenje. Matrica je singularna ako nije regularna. Sada imamo c Y T = Y T I = Y T (AX) = (Y T A)X = IX = X. (2. Stoga moˇemo uvesti oznaku B = A−1 . ∀x = 0. z c odnosno x · x−1 = x−1 · x = 1. Ako stavimo s Y = y1 y2 · · · yn . odnosno A je regularna. Dokaz. Dakle. . pa je X = Y T = A−1 . nesingularna) ako postoji matrica B ∈ Mn za koju vrijedi AB = BA = I. rang(A T ) = n povlaˇi da svaki od sustava c c c AT yi = ei ima jedinstveno rjeˇenje. c Teorem 2. Tada je C = CI = C(AB) = (CA)B = IB = B. c Definicija 2. Tu tvrdnju dokazujemo na sljede´i naˇin: pretpostavimo da je C neka druga matrica za koju vrijedi c c AC = CA = I. odnosno Y T A = I. Tada je oˇito AX = I.56 LINEARNA ALGEBRA 2. Matrica B je.8 Inverzna matrica Kod mnoˇenja realnih brojeva svaki broj razliˇit od nule ima svoj inverz. Neka je s X = x1 x2 · · · xn . ukoliko postoji. U skupu kvadratnih matrica Mn imamo sljede´u definiciju.5 Matrica A ∈ Mn je regularna (invertibilna. Sliˇno. za svaku regularnu matricu vrijedi AA−1 = A−1 A = I. jedinstvena.7) Kao ˇto kod brojeva broj nula nema inverz. Neka je rang(A) = n i neka ei oznaˇava i-ti stupac jediniˇne mac c trice.6 Matrica A ∈ Mn je regularna ako i samo ako je rang(A) = n. Po Kronecker–Capellijevom teoremu 2. Matrica A−1 zove se inverzna matrica z matrice A. postavlja se pitanje da li su s sve kvadratne matrice regularne. Odgovor na to pitanje daje sljede´i teorem. tada je oˇito AT Y = I.

z Zadatak 2.8 Inverzna matrica 57 Obratno. tada je A−1 = B.7). Svojstvo (i) slijedi iz teorema 2. No iz A−1 Ax = Ix = 0 slijedi da je x = 0. Ukoliko se ne moˇe dobiti ovaj oblik. svi sustavi Axi = ei imaju zajedniˇku matricu sustava pa proˇirene c s matrice svih n sustava moˇemo pisati zajedno.  . Skup Gn svih regularnih matrica ima sljede´a svojstva: c (i) Gn = Mn . c Naime. Kako su stupci od A zavisni. svojstvo (iii) slijedi iz (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIA−1 = AA−1 = I. B ∈ Gn . a svojstvo (iv) slijedi iz (2. z A I .2. Kada pomo´u elementarnih transformacija dobijemo oblik c I B .6 nam daje postupak za raˇunanje inverzne matrice.6. Dokaz teorema 2.7). A je singularna. (iv) (A−1 )−1 = A za ∀A ∈ Gn . svojstvo (ii) vrijedi jer II = I povlaˇi c I −1 = I. odnosno rang(A) < n. (iii) (AB)−1 = B −1 A−1 za ∀A.7 Nadite inverznu matricu matrice  1 2 3 A = 4 5 6  7 8 6 i provjerite da vrijedi (2. neka je A regularna. Pretpostavimo da teorem ne vrijedi. ˇto je s kontradikcija. zakljuˇujemo da postoji vektor c x = 0 takav da je Ax = 0. (ii) I ∈ Gn .

a drugo mjesto z u permutaciji moˇemo popuniti s preostalih n − 1 brojeva. n je svaka uredena n-torka (i 1 . .3) (1. . . in ) zamijenimo mjesta brojevima ip i iq . (ii) ako u permutaciji (i1 . Sada pomo´u q − p − 1 zamjena susjednih elemenata c ulijevo prebacimo element iq s pozicije q − 1 na poziciju p. Permutacija brojeva 1. . tada se parnost promijeni. a neparna inaˇe.3. . . in ) u kojoj se svaki od brojeva 1.9 Determinante Za definiciju determinante potreban nam je pojam permutacije. . . iq−1 vrate na svoja originalna mjesta. i2 . . (i) Prvo mjesto u permutaciji moˇemo popuniti s n brojeva. dakle neparni broj s zamjena susjednih elemenata pa se parnost promijenila. iq pomakli za jedno mjesto ulijevo.3. Tada ip moˇemo prebaciti na q-tu poziciji s q − p zamjena susjednih elemez nata udesno.7 Vrijedi sljede´e: c (i) broj permutacija od n brojeva jednak je n(n − 1)(n − 2) · · · 1 ≡ n!. . z (ii) Ako dva susjedna elementa zamijene mjesta. n javlja toˇno jedanput. p = q. . To vrijedi za svaki n. Brojevi i p i iq su u inc verziji ako je p < q i ip > iq .1. . .58 LINEARNA ALGEBRA 2. . parnost ´e se promijeniti.2. . Pri tome su se svi elementi i p+1 .1. 2.3) (2. Permutacija je parna ako je broj inverzija u njoj paran.2) (3. .1) # inverzija 0 1 1 2 2 3 parnost parna neparna neparna parna parna neparna Vidimo da je pola permutacija parno. Teorem 2. . . . . . 2. c Dokaz.2. 3.1) (3. . Ukupno smo izvrˇili 2(q − p) − 1. To znaˇi da z c prva dva mjesta moˇemo popuniti na n(n − 1) razliˇitih naˇina pa prvu z c c tvrdnju moˇemo dokazati indukcijom. Pretpostavimo sada da je q − p > 1. a pola neparno. . i2 . Pri tome se ostali elementi ip+1 . . . 2.2) (2. broj inverzija i parnost: permutacija (1. odnosno i p i iq nisu susjedi. Sljede´a tablica prikazuje sve permutacije brojeva c c 1. a i p i iq su zamijenili mjesta.

2. . a k(π) je broj inc verzija u permutaciji π.9. .8) pri ˇemu je Πn skup svih permutacija π = (i1 . .9 Izraˇunajte determinantu matrice 3 × 3 prema formuli (2. Formulu za determinantu matrice 3 × 3 jednostavnije pamtimo pomo´u Sarc rusovog pravila.9 Determinante 59 Zadatak 2. z Definicija 2. . pri ˇemu su indeksi redaka navedeni u osnovnoj permutaciji c (1. i2 .8) ima toˇno jedan element iz svakog retka i z c svakog stupca. c c Svaki umnoˇak u formuli (2. Za izraˇunavanje formule (2.2. a zatim zamijenite i2 i i5 na naˇin koji je opisan u dokazu teorema 2. 3. n). (2. No.1 ´emo s c c vidjeti kako se determinante efikasno raˇunaju pomo´u Gaussove eliminacije.8) potrebno je (n − 1)n! mnoˇenja i n! − 1 c z zbrajanja. Na primjer. . s c a b = ad − bc. c Sada moˇemo definirati determinantu. . 2. . 7. 6.9) π∈Π Zadatak 2. (2. c d i a11 a12 a13 a21 a22 a23 = + a11 a22 a33 − a11 a23 a32 − a12 a21 a33 a31 a32 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 . svaki umnoˇak moˇemo zapisati i tako da indeksi stupaca z z budu u osnovnoj permutaciji. .9) i c usporedite s izrazom (2. Stoga vrijedi det(A) = (−1)k(π) ai1 1 ai2 2 · · · ain n .6 Determinanta matrice A = (a ij ) ∈ Mn je broj det(A) = π∈Πn (−1)k(π) a1i1 a2i2 · · · anin .8). Indeksi redaka tada stoje u inverznoj permutaciji permutacije π. U poglavlju 2. 5. Moˇe se pokazati da inverzna permutacija ima istu z parnost kao i π. 4).8 Odredite parnost permutacije (1. in ).9) kojeg smo dobili prema formuli (2.7. Determinantu matrice A joˇ oznaˇavamo s |A|. ˇto je praktiˇno neizvedivo za veliki n. .

Determinanta matrice s dva jednaka stupca je nula. Determinanta je multilinearna funkcija svojih stupaca. odnosno ··· βb + γc · · · = β · · · b ··· + γ ··· c ··· .9. Iz ovog svojstva zakljuˇujemo c da sva svojstva koja ´emo navesti za retke vrijede i za stupce. tada svi umnoˇci u (2.9). Determinanta trokutaste matrice jednaka je produktu elemenata na dijagonali. tada je det(A) = 0.8).8). Zamjenom dvaju stupaca u svakom umnoˇku u formuli (2. c D3. Ovo svojstvo slijedi direktno iz formule (2. Ako je A recimo gornje trokutasta matrica.1 Svojstva determinanti Navodimo najvaˇnija svojstva determinanti. s D4. D2. det(A) = det(AT ). Koji broj jedini ostaje isti kada promijeni predznak? D5. Zamjenom dvaju stupaca determinanta mijenja predznak. Posebno zakljuˇujemo da c za matricu A1 koja se dobije tako ˇto se svi elementi nekog stupca matrice s A pomnoˇe s brojem α vrijedi z det(A1 ) = α det(A). ako matrica A ima nul-stupac. a kako smo zamijenili iste retke determinanta se ne mijenja.7 u svakom umnoˇku parnost permutacije promijeni.60 LINEARNA ALGEBRA 2. Dokazi nekih tvrdnji dani su z u obliku uputa ili naznaka ili u vrlo saˇetom obliku.8) i (2. imaju barem jedan element iz donjeg trokuta pa su jednaki nula. Jednakost vrijedi zbog formula (2. Svojstvo slijedi stoga ˇto po svojstvu D3 zamjenom dvaju redaka deters minanta mijenja predznak. z D1. z Po svojstvu D5 vrijedi . Takoder. za jediniˇnu matricu vrijedi c det(I) = 1. osim s a11 a22 · · · ann . Na primjer. Determinanta se ne mijenja ako jednom stupcu pribrojimo neki drugi stupac pomnoˇen s nekim brojem. D6.8) dolazi do s zamjene dvaju elemenata u permutaciji drugih indeksa pa se po teoremu 2.

Na primjer.4. odnosno rang(A) < n.2. c c . tada c je determinanta polazne matrice jednaka determinanti trokutaste matrice. det(A) D8. D7. tada matrica A mora biti singularna. D5 i D6 lako moˇemo pratiti kako se c z determinanta mijenja kada vrˇimo elementarne transformacije na matrici – s determinanta ili promijeni predznak ili se uve´a za neki faktor ili ostane ista. odnosno ako je matrica regularna.9) i pomo´u Gaussove eliminacije (vidi primjer 2. za regularnu matricu A det(AA−1 ) = det(A) det(A−1 ) = det(I) = 1 povlaˇi c det(A−1 ) = 1 .3 Koriste´i svojstva D3. Napose. Napomena 2. Zadatak 2. jer bi u protivnom det(A) det(A −1 ) = 1 povlaˇilo det(A) = c 0. a po svojstvu D4 je druga determinanta na desnoj strani jednaka nula. Tada je c z s det(A) = 0 po svojstvu D5. koriste´i operacije iz svojstva D6. Ako je rang(A) < n. ako koristimo samo matrice transc formacije Mi opisane u poglavlju 2.1). Za matrice A. determinantu s lako izraˇunamo po svojstvu D1. tada je jedan od stupaca linearna kombinacija ostalih pa ga. Determinanta je razliˇita od nule ako i samo ako su stupci matrice linc earno nezavisni. ˇija je determinanta jednaka jedan. moˇemo poniˇtiti.9 Determinante 61 ··· a + βb · · · b ··· = ··· + β ··· a ··· b ··· b ··· b ··· . c Nakon ˇto Gaussovom eliminacijom dobijemo trokutasti oblik. Obratno. ako je det(A) = 0. B ∈ Mn vrijedi det(AB) = det(A) det(B).10 Izraˇunajte c 1 −2 1 2 1 −2 −1 −1 0 pomo´u formule (2.

Sliˇno. Neka je zadana z c matrica A tipa m × n. Na primjer.9. ako pribrojnike grupiramo po elementima koji se nalaze u j-tom stupcu. n det(A) = j=1 aij Aij . c tada dobijemo razvoj determinante po elementima j-tog stupca. (ii) Barem jedna poddeterminanta od A reda r je razliˇita od nule. Teorem 2. kao i svaki element od A. a sve c poddeterminante reda ve´eg od r su jednake nula. = 42(−1)(−1)1+1 8 2 = 42 0 8 2 0 20 16 −3 0 20 16 −3 .8) ili (2. Na presjeku r redaka i s stupaca matrice A nalazi se matrica tipa r × s koju zovemo podmatrica ili submatrica matrice A.9.62 LINEARNA ALGEBRA 2.2 Podmatrice i poddeterminante Rang matrice moˇemo definirati i pomo´u podmatrica. koriste´i svojstva determinanti i Laplaceov razvoj imamo c −2 8 8 −4 3 12 15 −3 =2·3·7 7 28 −14 14 3 8 4 3 −1 1 1 3 4 4 −2 4 5 −1 II + I III + I 4 −2 2 8 4 3 IV + 3 I −1 4 4 −2 8 9 −3 0 8 9 −3 0 = 4032. Poddeterminante matrice A su determinante kvadratnih podmatrica matrice A. Algebarski komplement ili kofaktor elementa aij je broj Aij = (−1)i+j Dij .8 Sljede´e tvrdnje su ekvivalentne: c (i) rang(A) = r. Naravno da je i A svoja vlastita podmatrica.9) grupiramo po elementima koji se nalaze u i-tom retku dobijemo Laplaceov razvoj determinante po elementima i-tog retka.3 Laplaceov razvoj determinante Neka Dij oznaˇava determinantu podmatrice koja se dobije kada iz kvadratne c matrice A ispustimo i-ti redak i j-ti stupac. c 2. Ako pribrojnike u formulama (2. n det(A) = i=1 aij Aij .

11 Nadite inverznu matricu matrice A iz zadatka 2.2. k Za i = j suma na desnoj strani predstavlja Laplaceov razvoj determinante matrice A po i-tom retku pa je (AB)ii = 1. 1 det(A) Aki bk = k 1 Di det(A) . Stavimo B = AT / det(A).4 Raˇunanje inverzne matrice c Postoji joˇ jedan vaˇan izraz za inverznu matricu.9. Tada je (AB)ij = k aik bkj = 1 det(A) aik Ajk .5 Cramerovo pravilo Sljede´i teorem daje formulu za rjeˇenje sustava linearnih jednadˇbi kada c s z je matrica sustava regularna.9 Determinante 63 2. Sliˇno se pokaˇe BA = I pa je teorem dokazan. det(A) ˜ Dokaz. Tada je A−1 = 1 ˜ AT . 2.9 Neka je A regularna matrica i neka je A matrica ˇiji su elementi c algebarski komplementi Aij . Tada su komponente rjeˇenja sustava Ax = b dane s s xi = Dokaz. s z ˜ Teorem 2. c z Zadatak 2. Dakle.7 koriste´i c prethodni teorem. Matrica A je regularna pa je x = A−1 b = 1 ˜ AT b. det(A) Di .9.10 (Cramer) Neka je A regularna matrica i neka je D i determinanta matrice koja se dobije kada se i-ti stupac matrice A zamijeni s vektorom b. AB = I. Za i = j suma na desnoj strani predstavlja Laplaceov razvoj determinante s dva jednaka retka pa je jednaka nuli. Teorem 2. det(A) Ova jednakost napisana po komponentama glasi xi = pa je teorem dokazan.

64 Zadatak 2.12 Neka je matrica sustava a11 x1 + a12 x2 = b1 a21 x1 + a22 x2 = b2

LINEARNA ALGEBRA

regularna. Rijeˇite sustav pomo´u Cramerovog pravila i provjerite rjeˇenje. s c s

2.10

Rjeˇavanje elektriˇne mreˇe s c z

U ovom poglavlju pokazat ´emo kako se pomo´u matriˇnog raˇuna mogu c c c c rjeˇavati elektriˇne mreˇe. Zanimljivo ja da se u tom postupku koriste mnoga s c z svojstva matrica i sustava jednadˇbi koja smo opisali u prethodnim poglavljima. z Stoga pra´enje primjera nije jednostavno i zahtijeva odliˇno poznavanje prethodc c nih poglavlja. Promotrimo mreˇu prikazanu na slici 2.2 1 . z
4

5 3 2 3 4 6

1 7 1

2

Slika 2.2: Elektriˇna mreˇa c z Grane mreˇe su oznaˇene s brojevima od 1 do 7, a ˇvorovi mreˇe s brojez c c z vima od 1 do 4. Grana k se sastoji od serijskog spoja otpora R k i naponskog ˇ izvora Uk , a kroz granu teˇe struja Ik (vidi Sliku 2.3). Cvor i ima napon c (potencijal) Vi . Naˇ zadatak je izraˇunati struje I k ako znamo otpore Rk i s c naponske izvore Uk . Za rjeˇavanje mreˇe koristimo dva zakona: s z
1

Ovaj primjer izradio je prof. dr. sc. Kreˇimir Veseli´, Fernuniversit¨t Hagen, Njemaˇka. s c a c

2.10 Rjeˇavanje elektriˇne mreˇe s c z
Rk i Uk

65
+
j

+
Ik

-

Slika 2.3: Standardna grana mreˇe z

– prvi Kirchoffov zakon po kojemu je zbroj struja koje ulaze u pojedini ˇvor jednak nula i c – Ohmov zakon po kojemu je struja kroz otpor = napon na otporu . otpor

Ako struje koje ulaze u ˇvor oznaˇimo s predznakom −, a struje koje izlaze c c iz ˇvora s predznakom +, tada prvi Kirchoffov zakon primijenjen na ˇvorove c c 1–4 daje I1 +I2 +I3 −I7 = 0 −I1 −I4 +I6 = 0 −I2 +I4 +I5 = 0 −I3 −I5 −I6 = 0

Vidimo da se radi o homogenom sustavu linearnih jednadˇbi koji ima ˇetiri z c jednadˇbe i sedam nepoznanica, I1 , . . . , I7 . Ako je z   I1 I2      1 1 1 −1 I3    −1  −1 1  , A= I = I4  ,    −1 1 1 I5    −1 −1 −1 I6  I7 tada matriˇni zapis sustava glasi c AI = 0. (2.10)

Matrica A zove se matrica incidencija ili matrica susjedstva zadane elektriˇne c mreˇe. Ako zadnji stupac matrice A premjestimo na prvo mjesto, dobit ´emo z c gornje trokutastu matricu pa lako vidimo da je rang(A) = 4. Ako k-ti vodiˇ ide od ˇvora i prema ˇvoru j, tada Ohmov zakon daje c c c Rk Ik = V i − V j + U k .

66

LINEARNA ALGEBRA

Dakle, imamo joˇ jedan sustav linearnih jednadˇbi koji glasi s z R1 I1 = V 1 − V 2 + U 1

R2 I2 = V 1 − V 3 + U 2

R3 I3 = V 1 − V 4 + U 3

R4 I4 = −V2 + V3 + U4 R5 I5 = V 3 − V 4 + U 5 R6 I6 = V 2 − V 4 + U 6

R7 I7 = −V1 + 0 + U7

Neka je R dijagonalna matrica otpora vodiˇa (matrica ˇiji su dijagonalni elc c ementi otpori), V vektor napona ˇvorova i U vektor naponskih izvora na c vodiˇima, c     U1 R1  U2     R2     V1  U3   R3  V2     ,  ,  R4 V =  U = U4  . R=    V3  U5   R5     V4  U6   R6 U7 R7 Uz ove oznake gornji sustav moˇemo zapisati u matriˇnom obliku kao z c RI = AT V + U. (2.11)

Primijetimo da se i u matriˇnom zapisu Ohmovog zakona ponovo javlja mac trica incidencija A, ovaj put transponirana. Matrica R je dijagonalna, a njeni dijagonalni elementi (otpori) su ve´i od c nule pa je prema tome R regularna i vrijedi 1 
R1

R−1

Kada jednadˇbu (2.11) pomnoˇimo s matricom R −1 s lijeve strane, dobit z z ´emo novi ekvivalentan sustav c I = R−1 AT V + R−1 U. (2.12)

     =    

1 R2

1 R3

1 R4

1 R5

1 R6

1 R7

         

2.10 Rjeˇavanje elektriˇne mreˇe s c z

67

Pomnoˇimo sada ovu jednadˇbu s matricom incidencija A s lijeve strane. To z z nam daje sustav AI = AR−1 AT V + AR−1 U = 0. (2.13) Zadnja jednakost u ovoj jednadˇbi slijedi iz prvog Kirchoffovog zakona (2.10). z Radi lakˇeg snalaˇenja uvedimo nove oznake, s z K = AR−1 AT , L = −AR−1 U. (2.14)

Matrica K i vektor L su poznati jer su matrice A i R i vektor U zadani. Matrica K je dimenzije 4 × 4, a vektor L je dimenzije 4 × 1. Matrica K je simetriˇna jer je c K T = (AR−1 AT )T = (AT )T (R−1 )T AT = AR−1 AT = K. Uz ove oznake jednadˇba (2.13) daje sustav od ˇetiri jednadˇbe i ˇetiri nepozz c z c nanice KV = L. (2.15) Primijetimo da u elektriˇnoj mreˇi ˇvorova uvijek ima manje nego vodiˇa. c z c c Stoga je ovaj sustav manjih dimenzija od sustava (2.10) pa je njega povoljnije rjeˇavati. s Prema Kronecker-Cappelijevom teoremu sustav (2.15) ´e imati jedinstveno c rjeˇenje V ako i samo ako je rang(K) = 4. Da je taj uvjet zaista ispuns jen moˇemo zakljuˇiti pomo´u sljede´eg vaˇnog teorema koji navodimo bez z c c c z dokaza. Teorem 2.11 Ako je matrica A tipa m × k i matrica B tipa k × n, tada je rang(A) + rang(B) − k ≤ rang(AB) ≤ min{rang(A), rang(B)}. Pored toga, za svaku matricu A vrijedi rang(AAT ) = rang(AT A) = rang(A). Da bi primijenili teorem 2.11, uoˇimo da matricu K moˇemo zapisati kao c z K = AR−1 AT = AS −1 (S −1 )T AT = F F T , gdje je F = AS −1 , a S = (sij ) je dijagonalna matrica ˇiji su dijagonalni c √ elementi skk = Rk . Kako je rang(A) = 4 i rang(S) = rang(R) = 7, prva tvrdnja teorema 2.11 daje 4 + 7 − 7 ≤ rang(AS −1 ) = rang(F ) ≤ min{4, 7}, odnosno rang(F ) = 4. Druga tvrdnja teorema 2.11 sada povlaˇi rang(K) = c rang(F ) = 4 pa sustav (2.15) ima jedinstveno rjeˇenje V . s

68

LINEARNA ALGEBRA

Konaˇno, nakon ˇto smo izraˇunali napone u ˇvorovima V , struje kroz c s c c vodiˇe I lako izraˇunamo uvrˇtavanjem u jednadˇbu (2.12). c c s z Za kraj, izraˇunajmo napone u ˇvorovima V i struje u vodiˇima I za elekc c c triˇnu mreˇu sa slike 2.2 za sluˇaj kada su otpori svih vodiˇa jednaki 10 oma, c z c c Rk = 10 Ω, a u vodiˇima 1, 4 i 5 se nalaze naponski izvori od jednog volta, c U1 = U4 = U5 = 1 V. Uvrˇtavanje u relaciju (2.14) daje s  0.4 −0.1 −0.1 −0.1  −0.1 0.3 −0.1 −0.1  , K=  −0.1 −0.1 0.3 −0.1  −0.1 −0.1 −0.1 0.3  Rjeˇenje sustava (2.15) daje napone u ˇvorovima s c 0  0.75 V =  −0.25 0.5  0.025 0.025 −0.05 0 0.025 0.025 0   V V  , V  V A A A A A A A   −0.1  0.2   L=  −0.2  . 0.1 

a uvrˇtavanje u jednadˇbu (2.12) daje struje u vodiˇima s z c

    I =    

    .    

Zadatak 2.13 Gornje rjeˇenje dobiveno je pomo´u sljede´eg programa napisanog s c c u programskom jeziku Matlab: A=[1 1 1 0 0 0 -1; -1 0 0 -1 0 1 0; 0 -1 0 1 1 0 0; 0 0 -1 0 -1 -1 0] R=diag([10 10 10 10 10 10 10]) U=[1 0 0 1 1 0 0]’ R1=inv(R) K=A*R1*A’ L=-A*R1*U V=K\L I=R1*(A’*V+U) U prvom retku programa matrica A je zadana po retcima, pri ˇemu su c retci odvojeni znakom ;. U drugom retku programa naredba diag koristi se

. Zadajte neku drugu elektriˇnu mreˇu i rijeˇite je na isti naˇin. c s Izvedite gornji program u Matlabu.10 Rjeˇavanje elektriˇne mreˇe s c z 69 za kreiranje dijagonalne matrice ˇiji su dijagonalni elementi jednaki elemenc tima zadanog vektora. Zatim rijeˇite elektriˇnu mreˇu sa slike s c z 2. petom i zadnjem retku znak ’ oznaˇava c c transponiranu matricu. U ˇetvrtom retku koristi se naredba inv koja daje c inverznu matricu.2 za neke druge vrijednosti otpora R k i naponskih izvora Uk . U sedmom retku znak \ znaˇi rjeˇavanje sustava. U tre´em. Pri rjeˇavanju zadatka moˇete c z s c s z koristiti program Octave On-line.2.

.

. . . . . . . . . . . . . . . . 101 . .5. . . . . .6 Duljina vektora. . . . . . . .2 3.2 Koordinatizacija pravca . . . . . . . . . . . . . . . . . . . . . .15 Primjene . . .5. . . . . . . . . . 72 Zbrajanje vektora . . . . 82 3. . . . . . . . . . . . . . . . . . . . . . . . . . 83 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3. 75 z Prostor radijus-vektora . . . . . . . . . . . . . . . . . . . . . . . . . . 93 3.11 Mjeˇoviti produkt . . Koordinatizacija ravnine . . .7 Linearna nezavisnost vektora . . . . . 87 3.3. . . . . . .12 Vektorsko-vektorski produkt . . . . .5 Vektori . . 74 Mnoˇenje vektora skalarom . . . 98 3. . . .1 3. . . . . . . . . . . . . . . . . . . . VEKTORSKA ALGEBRA I ˇ ANALITICKA GEOMETRIJA 3. . . .14 Ravnina . . . . . . . . . . 85 3. . . . . . . . . . . . . . . . . . . .15. . . . . . . . . . 90 s 3. . .4 3. . . . . jediniˇni vektor. . 77 3.13 Pravac . . . . . . 77 78 3. . . . . . . . . . . . . . . . . . .3 Koordinatizacija prostora . . . . . . .10 Vektorski produkt . . . . . .1 Primjeri . . . . .1 3. kut izmedu vekc tora i kosinusi smjerova . . . . . . . . .9 Baza prostora E . . . . . . . .5. . . . . . . . 77 Koordinatizacija . . . . 80 3. . .8 3. . . . . . . . . . . . . . . . . . . 84 Skalarni produkt . . . . . .3 3. . . . . . . . . . . . . . . . . . . . . . . . 93 3.

c. a toˇku Q svrˇetak. ako duˇine P Q i P Q imaju zajedniˇko poloviˇte (vidi sliku 3.4. c Nul-vektor je vektor koji ima poˇetak i kraj u istoj toˇki. . Kod raˇunanja produkata vektora svoju c primjenu nalaze i determinante dimenzije 3 × 3. kut i prostor pozs nati. relacija ekvivalencije je refleksivna. simetriˇna i tranzc − − → − − → itivna. odnosno z z c toˇka P je poˇetak ili hvatiˇte. ravnina. c − − −→ → − Usmjerene duˇine P Q i P Q su ekvivalentne. usmjerene duˇine i vekc z z tora te navesti osnovno svojstvo trodimenzionalnog Euklidskog prostora E. c. pravaca i ravnina.1 zaista relacija ekvivalencije. . .1 Vektori U ovom poglavlju definirat ´emo pojmove duˇine. Oˇito je P Q ∼ P Q pa je relacija ∼ refleksivna. . . ako je c − −→ − − − − → −→ − → P Q ∼ P Q . odnosno z − − − → −→ PQ ∼ P Q . . b. . c c Definicija 3. Takoder. Dokaˇimo da je relacija ∼ iz definicije 3. c 3. c c − − → Usmjerena duˇina P Q je duˇina kod koje su rubne toˇke uredene. Nul-vektor c c oznaˇavamo s 0. Pretpostavljamo da su pojmovi kao ˇto su pravac. s z c z . Dokaz tranzic tivnosti je neˇto sloˇeniji. . tada je duljina (norma z ili intenzitet) vektora a jednaka udaljenosti toˇaka P i Q. z Prema definiciji 1.1 Duˇina P Q je skup svih toˇaka pravca kroz toˇke P i Q koje se z c c s z nalaze izmedu toˇaka P i Q ukljuˇivˇi i njih. a.72 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U ovoj glavi definirat ´emo pojam vektora. Udaljenost toˇaka P i Q c c s c s c − − → se u ovom sluˇaju zove duljina (norma ili intenzitet) usmjerene duˇine P Q i c z − − → oznaˇava s |P Q|. b. prikaz vektora u koordinatnom sustavu z te produkte vektora s vektorom. Ukoliko toˇke P . Duljina duˇine P Q je udaljenost toˇaka P i Q i oznaˇava se s d(P. Vektore oznaˇavamo s z c a. z c s Vektor je klasa ekvivalencije usmjerenih duˇina. tada je i P Q ∼ P Q pa je relacija ∼ simetriˇna. vrijedi |0| = 0. − − → Ako je usmjerena duˇina P Q predstavnik vektora a. osnovne operacije s vektorima c (zbrajanje i mnoˇenje sa skalarom). a njegovi predstavnici su sve usmjerene duˇine c z − − → oblika P P . P i Q ne leˇe na istom pravcu. Potom ´emo pomo´u vektora c c izvesti jednadˇbu pravca u prostoru i jednadˇbu ravnine te objasniti kako z z ispitujemo medusobne odnose toˇaka. Q) ili |P Q|.1) . Duljinu vektora c oznaˇavamo s |a|. Q.

a − − → P Q samo jedan predstavnik tog vektora. ako je − − − → −→ PQ ∼ P Q ∧ −→ −− − −→ P Q ∼P Q . c z S ovim postupkom je vektor a sveden na poˇetak P odnosno nanesen na P . Stoga uglavnom ne´emo c praviti razliku izmedu vektora i njegovog predstavnika. Stoga. Q ) ∧ d(P. Dakle −→ − − → −− P Q ∼ P Q pa je relacija ∼ tranzitivna. Tada su i toˇke P QQ P c c susjedni vrhovi nekog paralelograma ili degeneriranog paralelograma. zbog osnovnog svojstva euklidskog prostora uvijek je jasno o kojem se vektoru radi. P i Q leˇe na istom pravcu. a isto vrijedi i za toˇke P Q Q P . Premda taj zapis nije sasvim korektan jer je vektor a klasa ekvivalencije.1). Q.1: Ekvivalentne usmjerene duˇine z − − − → −→ tada je P Q ∼ P Q ako i samo ako su toˇke P QQ P susjedni vrhovi paraleloc grama (vidi sliku 3. Q) = d(P . tada postoji c − − → jedinstvena toˇka Q takva da je usmjerena duˇina P Q predstavnik vektora a. c U primjenama ˇesto piˇemo i c s − − → a = P Q. Q ). Vezu izmedu usmjerenih duˇina i vektora daje nam osnovno svojstvo eukz lidskog prostora: ako je P ∈ E proizvoljna toˇka i a zadani vektor. tada su toˇke P QQ P susjedni vrhovi nekog paralelograma ili degeneriranog c paralelograma. . Ukoliko toˇke P . U ovom sluˇaju kaˇemo da su toˇke P QQ P susjedni vrhovi degeneriranog c z c paralelograma.1 Vektori Q 73 P Q’ P’ Slika 3. tada c z − − − → −→ je P Q ∼ P Q ako i samo ako vrijedi d(P. P ) = d(Q.3.

Ovakav naˇin zbrajanja vektora zove c se pravilo trokuta i prikazan je na slici 3. . Posebno. −→ − b = OB. . . A1 . Vektori a i b imaju istu orijentaciju ako se toˇke A i B nalaze s iste strane c toˇke O. nul-vektor je kolinearan sa svakim vektorom i za njega nema smisla govoriti o orijentaciji. −→ − Zbroj vektora a i b je vektor c = OB. . an = An−1 An .3 Neka su zadani vektori a i b i toˇke O. B c=a+b b O a A Slika 3. . Viˇe vektora zbrajamo po pravilu poligona kao ˇto je prikazano na s s slici 3. c c Iz definicije slijedi da su dva vektora jednaka ako su kolinearni. a2 . . a2 = A1 A2 . A2 . . . moˇemo odbrati toˇke O.2 Zbrajanje vektora U ovom poglavlju definirat ´emo operaciju zbrajanja vektora te dati njena c osnovna svojstva.74 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA Definicija 3. A i B takve da je c − → a = OA. an i toˇke O.2 Vektori a i b su kolinearni ako leˇe na istom ili paralelnim z pravcima. . A i B z c koje leˇe na istom pravcu takve da je z − → a = OA. . − − → b = AB. .2. Definicija 3. Vektori a i b imaju suprotnu orijentaciju ako se toˇke A i B nalaze c c s razliˇitih strana toˇke O.3. istog smjera i jednake duljine.2: Zbrajanje vektora (pravilo trokuta) Vektore takoder moˇemo zbrajati i po pravilu paralelograma koje je prikazano z na slici 3. An takve c da je −→ − −− −→ −− − − −→ a1 = OA1 . . Ako su vektori a i b kolinearni.4: ako su zadani vektori a1 . 3. .

tada z c c λa = 0. Z3 i Z4 slijede direktno iz definicije zbrajanja vektora.5. . Produkt vektora a c i skalara λ je vektor −→ − b = λa = OB. Z3. − → Ako je a = 0. za svaki vektor a = P Q postoji suprotni vektor −a = QP takav da je a + (−a) = a − a = 0. ∀λ ∈ R. Zbrajanje vektora ima sljede´a svojstva: c Z1.3 je Mnoˇenje vektora skalarom z Vektor a mnoˇimo s realnim brojem λ na sljede´i naˇin: ako je a = 0. Suprotni vektor je kolinearan s a.3: Pravilo paralelograma tada je −→ − a = a1 + a2 + · · · + an = OAn . (asocijativnost). Svojstva Z2. (a + b) + c = a + (b + c) Z2. − − → − − → Z4.3 Mnoˇenje vektora skalarom z 75 a+b b a O Slika 3. a + b = b + a (komutativnost). dok je svojstvo Z1 prikazano na slici 3. odaberemo toˇke O i A takve da je a = OA. za nul-vektor 0 vrijedi a + 0 = 0 + a = a. 3.3. ima istu duljinu i suprotnu orijentaciju.

– za λ < 0 toˇka B leˇi sa suprotne strane toˇke O od toˇke A i vrijedi c z c c d(O. B) = λ · d(O. Mnoˇenje vektora skalarom ima sljede´a svojstva: z c M1. A). |b| = −λ|a| = |λ| |a|.5: Asocijativnost zbrajanja vektora pri ˇemu toˇka B leˇi na pravcu koji prolazi kroz toˇke O i A i c c z c – za λ > 0 toˇka B leˇi s iste strane toˇke O kao toˇka A i vrijedi c z c c d(O.4: Pravilo poligona b a a+b b+c c (a+b)+c=a+(b+c) Slika 3. B) = −λd(O. |b| = λ|a|. (λ + µ)a = λa + µa. . M2.76 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA c a b d a+b+c+d Slika 3. A). λ(a + b) = λa + λb.

1 Koordinatizacija pravca Koordinatizaciju pravca definiramo na sljede´i naˇin: odaberemo pravac p c c kroz toˇku O ∈ E te na njemu nanesemo brojevni pravac tako da je nula u toˇki c c − → O. M4. jer c se operacije s vektorima svode na odgovaraju´e operacije s brojevima. uz dodatak ˇto zbroj opet mora biti u skupu V O pa se koristi pravilo s paralelograma. i). ∀a. Vektor i je jednoznaˇno odreden i vrijedi z c c d(O.3. Skup radijus vektora V O je z c s skup svih takvih vektora. (λµ)a = λ(µa). Vektor OP je radijus-vektor c c ili vektor poloˇaja toˇke P u odnosu na hvatiˇte O. 0 a = 0. Jediniˇni vektor i definiramo kao i = OI. pri ˇemu vrijede svojstva M1–M5. u c koordinatnom sustavu (O. 3.2. S ovim smo na pravcu p zadali koordinatni sustav (O. − → Broj x je skalarna komponenta vektora OT . c 3. Pri tome vrijede svojstva Z1–Z4. Po pravilu o mnoˇenju vektora skalarom iz poglavlja 3. I) = |i| = 1. Svakoj toˇki T koja leˇi na pravcu p jednoznaˇno je pridruˇena njena apc z c z − → scisa x i vektor OT . svakoj s c c − − → − − → toˇki P pripada jednoznaˇno odreden vektor OP .4 Prostor radijus-vektora 77 M3. Zbog jednoznaˇnosti prikaza. i) koristimo sljede´e oznake c − → − → OT = {x} ili OT = x . Ako u prostoru E odaberemo toˇku O.3 z vrijedi − → − → OT = x · OI = x i. . 1 a = a. pri ˇemu je broju 1 brojevnog c c pravca pridruˇena toˇka I. Na taj naˇin se pojednostavnjuje rukovanje s vektorima.5.5 Koordinatizacija c c Uvodenje koordinatnog sustava omogu´ava predstavljanje vektora pomo´u realnih brojeva. M5.4 Prostor radijus-vektora U mnogim primjenama je praktiˇno uzeti predstavnike vektora koji svi c imaju hvatiˇte u istoj toˇki. Mnoˇenje radijus-vektora skalarom definira se kao i mnoˇenje vektora skalarom z z u poglavlju 3. ∀a. c 3. Zbrajanje radijus-vektora definira se kao i zbrajanje vektora u poglavlju 3.3.

III. i. |i| = |j| = 1. − → − → 4 (OS + 2 OT ) = 28 i = 28 . i IV. − → j = OJ. II. na primjer.6). redom. odnosno suprotno od kazaljke sata. kvadrant c (slika 3. − → OT = 2 i = 2 . Toˇke I i J su odabrane tako da toˇka I rotacijom oko toˇke O za kut π/2 u c c c pozitivnom smjeru.6.6: Koordinatizacija ravnine Brojevni pravac koji smo nanijeli na pravac p zove se apscisna os ili x-os. pri ˇemu je c − → i = OI.78 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA Uvodenjem koordinatizacije operacije s vektorima sveli smo na operacije s brojevima: ako je − → OS = 3 i = 3 . Osi dijele ravninu ρ na ˇetiri kvadranta i to na I. a brojevni pravac koji smo nanijeli na pravac q zove se ordinatna os ili y-os. i) i (O. .5. j). prelazi u toˇku J. j). 3. tada je.. Na pravcima p i q definiramo koordinatne sustave c (O. Zatim odaberemo medusobno okomite pravce p i q koji leˇe u ravnini s ρ i prolaze kroz toˇku O. II Q y I T a J j x i III I P IV Slika 3.2 Koordinatizacija ravnine U ravnini ρ koja se nalazi u prostoru E prvo odaberemo toˇku O kao c z ishodiˇte. S c ovim smo u ravnini ρ zadali desni pravokutni (ortogonalni) koordinatni sustav (O.. koji je prikazan na slici 3.

Toˇka P u koordinatnom sustavu (O. − → Brojevi x i y su skalarne komponente radijus-vektora OT odnosno vektora a.6). Kako su skalarne komponente jednoznaˇno odredene toˇkom T . Poglavlje ´emo zavrˇiti s dvije definicije: vektori koji leˇe u ravnini ρ su c s z kolinearni ravnini ρ. a= x y . a= x . Pravac kroz toˇku T . a vektori su komplanarni ako imaju predstavnike koji su kolinearni jednoj ravnini. Tada je 3 (a + b) = 3 (2 i − 3 j + i + j) = 9 i − 6 j. j) ima koordinatu y. Primjer 3. Na primjer. i) c c c ima koordinatu x.3. c − → Neka je a = OT radijus-vektor u ravnini ρ. Zbrajanje vektora i c mnoˇenje vektora skalarom stoga odgovara zbrajanju matrica i mnoˇenju maz z trica skalarom. koji je paralelan s c c pravcem q. za oznaˇavanje c c c vektora koristimo skra´ene zapise c a = {x. odnosno x je apscisa. vektori i. . − → − → − → Radijus-vektori x OI i y OJ su vektorske komponente radijus-vektora OT . c c x i y su koordinate toˇke T = (x. y}.5 Koordinatizacija 79 Neka toˇka T pripada ravnini ρ. sijeˇe pravac p u toˇki P .2 vrijedi (slika 3. y) u sustavu (O. a vektori x i i y j su vektorske komponente vektora a.6) − → − → − → OT = x OI + y OJ. y ∈ R. i. y Vidimo da vektor u ravnini moˇemo zapisati kao retˇanu matricu dimenz c zije 1 × 2 ili kao stupˇanu matricu dimenzije 2 × 1. c a y je ordinata toˇke T (slika 3. Pravac kroz toˇku T koji je paralelan s pravcem p sijeˇe c c pravac q u toˇki Q. Toˇka Q u koordinatnom sustavu (O. odnosno 3 (a + b) = 3 2 1 + −3 1 = 9 . j i a = x i+y j su komplanarni za ∀x. −6 b = i + j. Prema pravilu o zbrajanju vektora iz poglavlja 3.1 Neka je a = 2 i − 3 j. j). odnosno a = x i + y j.

Ravnine paralelne s koordinatnim osima koje c prolaze kroz toˇku T sijeku koordinatne osi u toˇkama P . r R z −→ − k = OK. c c Koordinate tih toˇaka u koordinatnim sustavima (O. j.3 Koordinatizacija prostora Koordinatizaciju trodimenzionalnog prostora E dobijemo sliˇno kao u prethodc nim poglavljima. Q i R (slika 3. j) na naˇin opisan u poglavlju 3. Neka je zadana toˇka T ∈ E.7.80 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA 3. c Potom na pravcu r definiramo koordinatni sustav (O. (O. y-os i z-os). j i k zadovoljavaju pravilo desnog vijka. i.5. U ravnini razapetoj s pravcima p i q definiramo c desni pravokutni koordinatni sustav (O. Prvo odaberemo ishodiˇte O i medusobno okomite pravce p. i).7). j) i (O. x-z i y-z. Time smo definirali desni pravokutni koordinatni sustav (O.5. ordinatna i aplikatna os (x-os.7: Koordinatizacija prostora Brojevni pravci koje smo nanijeli na pravce p.2. Pri tome vrijedi − → i = OI. i. |i| = |j| = |k| = 1. − → j = OJ. zovu se koordinatne ravnine i dijele prostor na osam oktanata. s q i r koji prolaze kroz toˇku O. T K k y i I j J Q q a x P p T’ Slika 3. k) u prostoru E koji je prikazan na slici 3. koje su odredene odgovaraju´im koordinatnim osima. k) jednake c . Tri ravnine c x-y. k) tako da vektori i. q i r su koordinatne osi i to redom apscisna.

c − → Brojevi x. zbrajanje vektora i mnoˇenje vektora c z skalarom odgovara zbrajanju matrica i mnoˇenju matrica skalarom. i. koordinatni sustav se moˇe definirati i s pravcima koji nisu medusobno okomiti.5 Koordinatizacija 81 su x. 2. odnosno Dakle. odnosno x je apscisa. y i z su takoder skalarne komponente vektora a = OT u sustavu (O. j. c c Skalarne komponente jednoznaˇno su odredene toˇkom T pa za oznaˇavanje c vektora koristimo skra´ene zapise c   x a = {x. 2}. 0. y i z su koordinate toˇke T .1 Kod definicije pravokutnih koordinatnih sustava u ovom i prethodnom poglavlju koristili smo medusobno okomite pravce. zB − z A A = (1. − − → −→ − − → AB = OB − OA. Brojevi x.3. z Kako vektor u prostoru moˇemo zapisati ili kao retˇanu matricu dimenzije z c 1×3 ili stupˇanu matricu dimenzije 3×1.2 Neka su zadane toˇke A = (x A . odnosno z c usmjerene duˇine koja je zadana s dvije toˇke. Napomena 3. −2. Na primjer. 5) ⇒ − − → AB = {−2. z . odnosno a = x i + y j + z k. a = y  . y je c ordinata. z}.   xB − x A − − → AB = (xB − xA ) i + (yB − yA ) j + (zB − zA ) k =  yB − yA  . yB .7) − − → −→ − − → − → − → −→ − OT = OT + OR = x OI + y OJ + z OK. zB ). y i z. 3) ∧ B = (−1. z c Primjer 3. Prema pravilu o zbrajanju vektora iz poglavlja 3. a= x y z . Kao c ˇto se vidi na slici 3. z U koordinatnom sustavu moˇemo na´i skalarne komponente vektora. k). Medutim. a z je aplikata toˇke T .2 vrijedi (slika 3. zA ) i B = (xB . y.8 vrijedi s − → − − → −→ − OA + AB = OB. yA .

3. Jediniˇni vektor vektora a = 0 je vektor c a . jediniˇni vektor. j i k su sami svoji jediniˇni vektori. z} jednaka je |a| = (3. kod koordinatizacije prostora c c moˇemo uzeti bilo koju koordinatizaciju neke odabrane ravnine u prostoru i z tre´i pravac koji prolazi kroz ishodiˇte i ne leˇi u toj ravnini (vidi poglavlje c s z 3.7) dobijemo: c −→ − − → − − → − − → −→ − − − → |OT |2 = |OT |2 + |OR|2 = |OP |2 + |OQ|2 + |OR|2 .1) Naime. |a| |a| odnosno jediniˇni vektor ima duljinu jedan. kolinearan je vektoru a i ima istu c orijentaciju.6 Duljina vektora. y. Na primjer. Duljina ili norma vektora a = {x. vektori i.82 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA B O A Slika 3. c .8). dvostrukom primjenom Pitagorinog pouˇka (slika 3. a0 = |a| Iz definicije slijedi |a0 | = a 1 = |a| = 1. kut izmedu c vektora i kosinusi smjerova x2 + y 2 + z 2 . Sliˇno.8: Komponente vektora Tako kod koordinatizacije ravnine moˇemo uzeti bilo koja dva pravca koja z prolaze kroz toˇku O i nisu paralelna.

b) = ∠(OA.5. cos β = y x2 + y 2 + z 2 . 14 14 14 1 cos α = √ . z − −→ → − ∠(a. λk ∈ R . c tada je cos α = Oˇito je c a0 = cos α i + cos β j + cos γ k. Kut izmedu vektora a i b definiramo kao kut izmedu usmjerenih − → −→ − duˇina OA i OB. 14 2 cos γ = √ . 1 = cos2 α + cos2 β + cos2 γ. Vektori a1 . λk ∈ R.7 Linearna nezavisnost vektora 83 − → −→ − Neka je a. Kosinusi smjerova su kosinusi priklonih kutova. Prikloni kutovi vektora a = 0 su kutovi koje taj vektor zatvara s vektorima i. 3. ak je vektor a = λ 1 a1 + λ 2 a2 + · · · + λ k ak . 14 x x2 + y 2 + z 2 . redom. c Linearna kombinacija vektora a1 .9 (vidi primjer 3.3 Ako je a = i − 3 j + 2 k. c Dokaz. λ1 a1 + λ 2 a2 + · · · + λ k ak = 0 ⇒ λ1 .1 Kosinusi smjerova vektora a = 0 jednaki su skalarnim komponentama jediniˇnog vektora a0 . · · · . b = 0 i neka su OA i OB njihovi predstavnici s hvatiˇtem u toˇki s c O. Tvrdnja slijedi iz definicije skalarnog produkta u poglavlju 3.3. · · · . · · · . tada je 3 2 1 a0 = √ i − √ j + √ k. 14 3 cos β = − √ .6). pri ˇemu smo se ovdje c c ograniˇili na trodimenzionalni prostor. Teorem 3. cos γ = z x2 + y 2 + z 2 . Ako je a = x i + y j + z k i ako priklone kutove oznaˇimo redom s α. Primjer 3. · · · . OB). j i k. β i γ. ak su linearno nezavisni ako za sve skalare λ 1 . a2 . λ1 = · · · = λk = 0.7 Linearna nezavisnost vektora Definicija linearne nezavisnosti vektora u prostoru E jednaka je definiciji linearne nezavisnosti stupˇanih vektora iz poglavlja 2.

2) Sljede´i primjer prikazuje postupak transformacije iz jedne baze u drugu. −1}. b. · · · visnoˇ´u stupaca matrice sc  x1 x2 · · ·  y1 y2 · · · z1 z2 · · · . Drugim rijeˇima.1 matrica A regularna. Definirajmo matricu b = {1.9. λk takvi da je λ1 a1 + λ2 a2 + · · · + λk ak = 0. ak ekvivalentna s linearnom neza xk yk  . −1. odnosno njeni stupci su linearno nezavisni. zk }. z1 }.  c = {0. 0. ak c su linearno zavisni ako i samo ako postoje λ 1 .5 Neka su u sustavu (O. 3. · · · . (3. · · · . pri ˇemu je c Ako je |λi | > 0.84 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U protivnom su vektori linearno zavisni. b i c ˇine bazu prostora E i definic raju koordinatni sustav (O. j. k) zadani vektori a = {1.8 Baza prostora E Svaka tri linearno nezavisna vektora a. a1 = {x1 . b i c ˇine bazu. · · · . Vrijedi det A = −2 = 0 pa je prema svojstvu c D8 iz poglavlja 2. zk Primjer 3. 1}. ak = {xk .4 Svaka dva kolinearna vektora i svaka tri komplanarna vektora su linearno zavisna. c Svaka dva nekolinearna vektora i svaka tri nekomplanarna vektora su linearno nezavisna. i. y1 . Primjer 3. odnosno c d = α a + β b + γ c. 2}. a. c  1 1 0 A = −1 0 1  1 2 −1 . vektori a. Svaka ˇetiri vektora u prostoru E su linearno zavisna. Dakle. vektori a 1 . 1. yk . ˇiji su stupci zadani vektori. Svaki vektor d iz prostora E moˇe se z jednoznaˇno prikazati kao linearna kombinacija vektora baze. tada je linearna nezavisnost vektora a 1 . c odnosno iz jednog koordinatnog sustava u drugi. c).

a · a = |a| |a| = |a|2 .3. S2.4 Skalarni produkt vektora a i b je broj a · b = |a| |b| cos ∠(a. j. k) zapis     2 1 e = A −1 = −1 . b) > π/2. Joˇ koristimo oznake a b i (a. odnosno z         0 1 1 1 2 = α −1 + β 0 + γ  1  . . b. c) trebamo rijeˇiti s jednadˇbu (3. S4. i · j = j · i = i · k = k · i = j · k = k · j = 0. b) ≤ π/2. −1 2 1 3 Iz interpretacije matriˇnog mnoˇenja u poglavlju 2. 3 1 2 −1 γ Rjeˇenje sustava je α = −3/2.1. b).6 vidimo da je ovo zac z pravo sustav linearnih jednadˇbi z      1 1 1 0 α −1 0 1  β  = 2 . vektor e = 2 a − b + c ima u sustavu (O. odnosno s 3 5 1 d = − a + b + c. S3. i.9 Skalarni produkt Definicija 3. s Skalarni produkt ima sljede´a svojstva: c S1. 1 −1 3. β = 5/2 i γ = 1/2.2).9 Skalarni produkt 85 Da bi vektor d = i+2 j+3 k prikazali u sustavu (O. 2 2 2 Obratno. a · b ≥ 0 ako je ∠(a. b). a. vrijedi i · i = j · j = k · k = 1. a · b = 0 ako je a = 0 ili b = 0 ili a ⊥ b. a a · b < 0 ako je ∠(a.

(distributivnost). λ(a · b) = (λa) · b = a · (λb) b ab a Slika 3.2 omogu´uju raˇunanje kuta c c izmedu dva vektora u prostoru pomo´u formule c cos ∠(a.9: Skalarni produkt U koordinatnom sustavu raˇunanje skalarnog produkta je vrlo jednostavno. iz definicija matriˇnog c c mnoˇenja u poglavlju 2. Definicija skalarnog produkta 3. c Teorem 3.2 Ako je a = ax i + ay j + az k. tada je a · b = a x bx + a y by + a z bz .4 i teorem 3. a · b = b · a (komutativnost). a · (b + c) = a · b + a · c S8. b) = a·b . c S6. Dokaz.5 slijedi da z skalarni produkt moˇemo zapisati i kao z a · b = aT b. Ako su vektori a i b zadani kao stupˇane matrice.86 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA S5. Tvrdnja slijedi iz svojstava S7.3 i transponirane matrice u poglavlju 2. S8 i S3. gdje je duljina projekcije vektora b na pravac definiran s vektorom a pomnoˇena z s odgovaraju´im predznakom prema svojstvu S2 (slika 3. |a| |b| b = bx i + by j + bz k.9).1. a · b = |a| ba . (homogenost).1. ba = |b| cos ∠(a. b) S7. .

z} zatvara s c vektorom i jednak je cos ∠(a. Pored toga. 3. gdje je A = (1. kosinus priklonog kuta kojeg vektor a = {x. i) = ˇime smo dokazali teorem 3. b. (distributivnost). ako je |c| > 0. i × j = k. tada je c⊥a ∧ c ⊥ b. 2) i C = (1. c Vektorski produkt ima sljede´a svojstva: c V1.5 Vektorski produkt vektora a i b je vektor c = a × b takav da je |c| = |a| |b| sin ∠(a.1. 0) pravokutan? Je li jednakokraˇan? c a·i = |a| |i| x x2 + y2 + z 2 . |a| |b| 4+9+1 1+1 2 7 Na isti naˇin. V2. a × b = −b × a (anti-komutativnost). V3.3. i × k = −j. 1. −1. 1. c pri ˇemu uredena trojka vektora (a. j × i = −k. a × b = 0 ako je a = 0 ili b = 0 ili ako su vektori a i b kolinearni. c Zadatak 3. vrijedi i × i = j × j = k × k = 0.1 Je li trokut ABC. 1).6 Kosinus kuta izmedu vektora a = {2. a × (b + c) = a × b + a × c V5.10). B = (0. c) ˇini desni sustav (slika 3. 1} i b = {1. y. −3. 3. k × j = −i. b). k × i = j. λ(a × b) = (λa) × b = a × (λb) . b) = a·b 2·1−3·1+1·0 1 √ =√ =− √ . j × k = i. (homogenost). 0} jednak je cos ∠(a.10 Vektorski produkt 87 Primjer 3.10 Vektorski produkt Definicija 3. V4.

11).11: Modul vektorskog produkta V6. .88 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA c b a Slika 3. tada je a × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − ay bx ) k. Teorem 3.3 Ako je a = ax i + ay j + az k. norma |a × b| jednaka je povrˇini paralelograma ˇto ga razapinju vektori s s a i b (slika 3.10: Vektorski produkt b |b| sin ϕ ϕ a Slika 3. b = bx i + by j + bz k. U pravokutnom koordinatnom sustavu vektorski produkt raˇunamo pomo´u c c determinante.

1. Kako je − − → AB = {−1. vrijedi P i j k − → − → 1 1− −1 −3 −1 = |AB × AC| = 2 2 2 1 −3 1√ 1 = |i (9 + 1) − j (3 + 2) + k (−1 + 6)| = 150 ≈ 6.7 Izraˇunajmo povrˇinu trokuta c s A = (1. −3}. – svojstva V4 i V5 odgovaraju svojstvu D5.3. 2.2 Svojstva vektorskog produkta odgovaraju svojstvima determinanti iz poglavlja 2. a nismo ga morali niti skicirati. ABC zadanog s C = (3. – svojstvo V3 odgovara svojstvu D3 koje kaˇe da zamjenom dvaju redaka z determinanta mijenja predznak.5 i teorem 3. 3). −3. 0). 2 2 Uoˇimo da smo na jednostavan naˇin rijeˇili naoˇigled sloˇeni problem. jer ´e u tom sluˇaju c z z c c c povrˇina trokuta biti nula. 3. B = (0. z − → AC = {2. Napomena 3. s s s Na isti naˇin moˇemo provjeriti leˇe li tri toˇke na pravcu. Primjer 3.12. Tvrdnja slijedi iz svojstava V2.3 omogu´uju raˇunanje povrˇine c c s poligonalnih likova u ravnini.1: – prvi dio svojstva V2 odgovara svojstvu D4 koje kaˇe da je determinanta z s dva jednaka retka jednaka nuli.9. −1}. Povrˇina trokuta jednaka je polovici povrˇine paralelograma razapetog s veks s − − − → → torima AB i AC (slika 3. jer smo c c s c z naˇli povrˇinu trokuta smjeˇtenog u prostoru. −1.12). V4 i V5. s Na sliˇan naˇin moˇemo izraˇunati povrˇinu bilo kojeg poligonalnog lika u c c z c s prostoru.10 Vektorski produkt 89 odnosno i j k a × b = ax ay az . ABC . Definicija vektorskog produkta 3. bx by bz Dokaz. 2). jer svaki takav lik moˇemo podijeliti na trokute.

tada je |c| cos ∠(a × b. b i s c je broj (a × b) · c = |a × b| |c| cos ∠(a × b. c) = |a| |b| sin ∠(a.12: Povrˇina trokuta s Zadatak 3. c).90 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z A B 2 3 y 1 3 C x Slika 3.6 Mjeˇoviti produkt ili vektorsko-skalarni produkt vektora a.2 Izraˇunajte povrˇinu trokuta iz prethodnog primjera pomo´u c s c − − −→ → − paralelograma razapetog s vektorima BA i BC. . Moˇe li se zadatak rijeˇiti ako z s − − −→ → − promatramo paralelogram razapet s vektorima AB i BC? 3. Mjeˇoviti produkt jednak je volumenu ili negativnoj vrijednosti volumena s paralelopipeda kojeg razapinju vektori a. b) |c| cos ∠(a × b. b i c. Naime. |a| |b| sin ∠(a.11 Mjeˇoviti produkt s Definicija 3. b) je povrˇina baze koja je razapeta vektorima a i b. c). c) = ±|c| sin ∠(ρ. a ako s ρ oznaˇimo ravninu s c baze.

az }. tada je ax ay az (a × b) · c = bx by bz cx cy cz Dokaz. .13).2 i 3. cy . ay . Tvrdnja slijedi iz teorema 3. by . Sliˇno kao ˇto pomo´u vektorskog produkta moˇemo raˇunati povrˇine c s c z c s poligonalnih likova (primjer 3. b = {bx .9. bz }. C = (−1. s Takoder zakljuˇujemo da je (a × b) · c = 0 ako i samo ako je barem jedan c od vektora nul-vektor ili ako su vektori komplanarni. 0). 0). 3. 1). Primjer 3. 3. cz }.7).8 Izraˇunajmo volumen tetraedra ABCD zadanog toˇkama c c A = (0. c = {cx .4 i svojstvo determinante D3 iz poglavlja c 2.1 dokaˇite da je z (a × b) · c = (b × c) · a = (c × a) · b = −(a × c) · b = −(b × a) · c = −(c × b) · a. −1.4 moˇemo raˇunati volumene svih tijela koja su omedena samo s ravnim z c plohama.3. odnosno linearno zavisni. c v b a Slika 3.13: Mjeˇoviti produkt s Teorem 3. 4).3. tako pomo´u mjeˇovitog produkta i teorema c s 3. 1.3 Koriste´i teorem 3.11 Mjeˇoviti produkt s 91 ˇto je jednako visini ili negativnoj vrijednosti visine (slika 3. Zadatak 3. B = (3.4 Ako je a = {ax . D = (1.

4}. AD = {1. BC i BD.14: Volumen tetraedra Zadatak 3. 0}. 2. Na sliˇan naˇin moˇemo izraˇunati volumen bilo kojeg c c z c z tijela koje je omedeno samo s ravnim plohama. Kako je − − → − → −→ − AB = {3.92 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA Volumen tetraedra jednak je ˇestini volumena paralelopipeda razapetog veks − − − → → −→ − torima AB.4 Izraˇunajte volumen tetraedra iz prethodnog primjera pomo´u c c − −→ −→ − − → − paralelopipeda razapetog s vektorima BA. Moramo li uzeti vektore s hvatiˇtem u istom vrhu? s . 4. AC = {−1. jer smo c c s c z naˇli volumen tijela. vrijedi − → − → −→ − 1 1 − V = |(AB × AC) · AD| = 6 6 3 4 0 −1 4 1 1 2 4 = 62 6 Uoˇimo da smo na jednostavan naˇin rijeˇili naoˇigled sloˇen problem. AC i AD (slika 3. jer ´e u tom sluˇaju volumen z c c c c tetraedra biti nula.14). 4. jer svako takvo tijelo moˇemo podijeliti na tetraedre. 1}. a nismo ga morali niti skicirati. z D C 1 A 1 3 y 3 B x Slika 3. Na isti naˇin moˇemo s c z provjeriti leˇe li ˇetiri toˇke u istoj ravnini.

3) i (3. c z Sliˇno.12 Vektorsko-vektorski produkt Vektorsko-vektorski produkt vektora a. odnosno postoji c z t ∈ R takav da je (slika 3. c z Zadatak 3. b i c zadani kao z u teoremu 3.3) odnosno. k)   a s = b . (3. imamo vektorsku jednadˇbu pravca z r − r1 = t s. t ∈ R. . − → r = OT .4) ako su vektori a. −→ − r1 = OT1 . z t ∈ R. Neka je u koordinatnom sustavu (O. Za svaku c c − → −→ − − toˇku T koja leˇi na pravcu p vektori T1 T2 i T1 T su kolinearni. (3.5 Dokaˇite formule (3. odnosno r = r1 + t s.3.4) pa rezultiraju´i vektor leˇi u ravnini razapetoj s vektorima b i c. b i c je vektor (a × b) × c. z1   x r = y  . Moˇe se pokazati da vrijedi z (a × b) × c = b (a · c) − a (b · c).13 Pravac Pravac p je u prostoru E zadan s dvije razliˇite toˇke T 1 i T2 . Uz oznake −→ − s = T1 T2 . i. rezultiraju´i vektor leˇi u ravnini razapetoj s vektorima a i b. j. 3.15) −→ − −→ − T1 T = t T1 T2 . Za vektor smjera moˇemo uzeti i bilo koji z drugi vektor koji je kolinearan s vektorom s. c   x1 r 1 =  y1  . (3.5) Vektor s je vektor smjera pravca p.4. c a × (b × c) = b (a · c) − c (a · b).12 Vektorsko-vektorski produkt 93 3.

15: Pravac u prostoru Eliminacijom parametra t iz jednadˇbe (3.6) dobivamo kanonsku (simetriˇnu) z c jednadˇbu pravca z y − y1 z − z1 x − x1 = = . 0 0 2 . 0}. a vektor smjera joj je i = {1. 0.94 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA T1 s T2 r T 1 p r Slika 3. s No.6) y = y1 + b t   z = z1 + c t t ∈ R. x-os prolazi ishodiˇtem O = (0. x+5 y z √ = = .9 Jednadˇba x-osi glasi z  x = t  y=0   z=0 odnosno Tada vektorska jednadˇba pravca (3. 0). 0. (3. 1 0 0 Naime. s Primjer 3.5) prelazi u parametarsku jednadˇbu pravca z z  x = x1 + a t  t ∈ R. (3.7) a b c U gornjoj formuli nazivnici ne oznaˇavaju dijeljenje nego skalarne komponente c vektora smjera pa ih piˇemo i onda kada su jednaki nula. x y z = = .

5 jednadˇbe linearno zavz isne. iz z koje onda lako dobijemo parametarsku jednadˇbu pravca (3.13 Pravac 95 je takoder jednadˇba x-osi.14).16) 2x + y + z + 1 = 0 x − y + 2z − 1 = 0. −1. Dakle. 1 1 1 1 Kada zbrojimo prvu i drugu jednadˇbu dobijemo 3x + 3z = 0. (3. odnosno z z x z x = ili = .3.9) eliminacijom jedne od varijabli dobijemo kanonsku jednadˇbu (3. z z Primjer 3.10 Nadimo kanonsku i parametarsku jednadˇbu pravca zadanog s (slika 3.7). b (x − x1 ) = a (y − y1 ) c (x − x1 ) = a (z − z1 ) c (y − y1 ) = b (z − z1 ). −1 1 1 Pravac prolazi toˇkom T = (0. 1 −1 −1 1 Stoga kanonska jednadˇba pravca glasi z x y+1 z = = . z s Stoga su prema Kronecker-Capellijevom teoremu 2. Iz sustava (3. A1 x + B 1 y + C 1 z + D 1 = 0 A2 x + B2 y + C2 z + D2 = 0. (3. Kad od prve jednadˇbe oduzmemo dvostruku drugu dobijemo 3y − 3z + 3 = 0.7) je zapisan sustav od tri linearne jednadˇbe s tri nepoznanz ice. 1}.8) Ove jednadˇbe definiraju pravac pa sustav ima jednoparametarsko rjeˇenje. pravac moˇemo zadati s dvije linearno nezavisne jednadˇbe s tri z z nepoznanice. y = −1 + t   z=t . a sustav je ekvivalentan sustavu od dvije linearno nezavisne jednadˇbe z koje odaberemo medu njima. 0) i ima vektor smjera s = {−1. c Parametarska jednadˇba glasi z  x = −t  t ∈ R. z odnosno y+1 z y z−1 = ili = . z U formuli (3.9) od kojih svaka predstavlja jednu ravninu u prostoru (poglavlje 3.6). 1.

Posebno. dobijemo jednadˇbu pravaca kroz c z toˇku T1 = (x1 . Stoga je volumen paralelopipeda ˇto ga razapinju s ti vektori jednak nula (primjer 3.8) prelazi u b (x − x1 ) = a (y − y1 ). (3. odnosno −→ − → − → − − − T1 T · (T1 T2 × T1 T3 ) = 0.6). Ako odaberemo toˇku T1 = (0. b (x − x1 ).16: Pravac kao presjek ravnina Primjer 3.96 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA p -2*x-y-1 (-x+y+1)/2 z 3 0 -3 -3 -2 -1 x 0 1 2 3 -3 -2 -1 0 1 2 y 3 Slika 3. Ako je a = 0. (3.11 Ako pravac p leˇi u x-y ravnini.10) . tada svi izrazi koji sadrˇe z z varijablu z u (3.7) i (3.17). l).8) nestaju.8). Za svaku toˇku T koja leˇi u ravnini ρ vektori T1 T . T1 T2 i T1 T3 c z su komplanarni (slika 3. dobijemo c c c poznatu jednadˇbu z y = k x + l.14 Ravnina Ravnina ρ je u prostoru E zadana s tri toˇke T 1 . a b Oznaˇimo li koeficijent smjera s k = a . (3. c y − y1 = y − y1 = k (x − x1 ). y1 ) s koeficijentom smjera k. pri ˇemu je l odsjeˇak na y-osi. imamo 3. T2 i T3 koje ne leˇe na c z −→ − → − → − − − istom pravcu.

y. A(x − x1 ) + B(y − y1 ) + C(z − z1 ) = 0. z c z Sredivanje gornje jednadˇbe daje op´i oblik jednadˇbe ravnine Ax + By + Cz + D = 0.3. z}. i. n r1 T1 T2 ρ T r T3 Slika 3. r1 = {x1 . j.13) (3. (3. (3. −→ −→ − − n = T1 T2 × T1 T3 . − → r = OT . k) n = {A. B.11) prelazi u jednadˇbu ravnine kroz toˇku z z c T1 = (x1 . Svaki vektor kolinearan s n je takoder normala ravnine ρ. z1 }. y1 .12) . r = {x. y1 .17: Ravnina u prostoru Ako je u koordinatnom sustavu (O.11) Vektor n je normalni vektor ili normala ravnine ρ. z1 ). C}. tada vektorska jednadˇba ravnine (3.14 Ravnina 97 Uz oznake −→ − r1 = OT1 . jednadˇba (3.10) prelazi u vektorsku jednadˇbu ravnine z z (r − r1 ) · n = 0.

14) rjeˇavanjem determinante s x−a y z −a b 0 = 0 −a 0 c dobijemo segmentni oblik jednadˇbe ravnine z x y z + + = 1. t ∈ R.12) i (3. Paralelni pravci mogu. b. tada jednadˇbu (3.98 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U obje jednadˇbe (3. c = 0. Ti = (xi . tada iz (3. z). 2. s T1 = (a. zi ). c).14) Ako ravnina ρ ne prolazi ishodiˇtem i ako za toˇke T 1 .14) ekvivalentna s z z x y z x1 y1 z1 x2 y2 z2 x3 y3 z3 1 1 = 0. 0). T2 i T3 odaberemo s c sjeciˇta ravnine s koordinatnim osima. yi . b. x3 − x 1 y3 − y 1 z3 − z 1 Zadatak 3. a b c a. T2 = (0. 0. b. 1 1 (3.15 Primjene Pomo´u vektora i operacija s njima te pomo´u raznih oblika jednadˇbi c c z pravca i ravnine moˇemo ispitivati ˇitav niz meduodnosa i svojstava: z c a) Medusobni odnosi pravaca i ravnina. 3. z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 = 0. 0. 3. 1. y.6 Pokaˇite da je jednadˇba (3. i = 1. To nam daje z z c jednadˇbu ravnine kroz tri toˇke. B i C su skalarne komponente z vektora normale n. p1 p2 . ako za njihove vektore smjera vrijedi s1 = t s2 . . Ako je T = (x. Pravci p1 i p2 su paralelni. T3 = (0.10) moˇemo zapisati pomo´u determinante.13) brojevi A. c = 0. a. ali ne moraju leˇati jedan na z drugom. 0).

|s| |n| c) Projekcije. Najˇeˇ´e traˇimo ortogonalne projekcije. Okomiti pravci se mogu sje´i. c 2. Kut izmedu pravaca p1 i p2 nalazimo pomo´u skalarnog produkta vekc tora smjera. ρ2 ) = |n1 | |n2 | 7. ali ne moraju leˇati jedna na z drugoj. Paralelne ravnine mogu. ρ1 ⊥ ρ2 .13). 5. T = p ∩ ρ: sjeciˇte traˇimo c c s z tako da parametarsku jednadˇbu pravca uvrstimo u op´i oblik jednadˇbe z c z ravnine i rijeˇimo linearni sustav od jedne jednadˇbe s jednom nepozs z nanicom (primjer 3. Pravac p koji je presjek ravnina ρ 1 i ρ2 . Kut izmedu pravca p i ravnine ρ nalazimo pomo´u skalranog produkta c vektora smjera i normale sin ∠(p.12). . ako za njihove vektore smjera vrijedi s1 · s2 = 0. cos ∠(p1 . Projekcija pravca p na ravninu ρ. c 3. Projekcija toˇke T na ravninu ρ (primjer 3. p = ρ1 ∩ ρ2 . 6. cos ∠(ρ1 . T = p1 ∩ p2 . Kut izmedu ravnina ρ1 i ρ2 nalazimo pomo´u skalranog produkta norc mala. s·n .15 Primjene 99 2. 3. p2 ) = |s1 | |s2 | 4. ali moˇemo traˇiti i projekcije u c sc z z z bilo kojem smjeru. ρ) = b) Sjeciˇta.14).3. Projekcija toˇke T na pravac p (primjer 3. Ravnine ρ1 i ρ2 su paralelne. c 2. ρ1 ρ2 . s 1. Toˇka T u kojoj se sijeku pravci p 1 i p2 . ali mogu biti i mimosmjerni. c 3. t ∈ R. Toˇka T u kojoj pravac p sijeˇe ravninu ρ. ako za njihove normale vrijedi n1 · n2 = 0. 1. Pravci p1 i p2 su okomiti. Ravnine ρ1 i ρ2 su okomite. n1 · n 2 . d) Udaljenosti. Okomite ravnine se sijeku u pravcu. s1 · s 2 . ako za njihove normale vrijedi n1 = t n2 . p1 ⊥ p2 .

z1 ) i T2 = (x2 . p2 ). a radijus je udaljenost srediˇta s od bilo kojeg vrha. a onda izraˇunamo d(T. d(p1 . 5. c 4. f) Povrˇine i volumeni. Udaljenost pravca p i ravnine ρ. odnosno okomz s s ica podignutih od sredine stranice trokuta. 4. d(ρ1 . c 3. y1 . ρ) = | T T | (primjer 3. Udaljenost ravnina ρ1 i ρ2 .13). a s povrˇine trokuta raˇunamo pomo´u vektorskog produkta kao u primjeru s c c 3. Udaljenost toˇke T od ravnine ρ: prvo nademo projekciju T toˇke T na c c −→ − ravninu ρ. T2 ) = |T1 T2 | = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 . Ortocentar – sjeciˇte visina. Udaljenost pravaca p1 i p2 . Udaljenost toˇke T od pravca p: prvo nademo projekciju T toˇke T na c −→ − pravac p. Udaljenost toˇaka T1 = (x1 . a onda izraˇunamo d(T. z .1) slijedi −→ − d(T1 . c 2. ρ2 ). Teˇiˇte – sjeciˇte teˇiˇnica. 6. s 1. e) Analiza trokuta. odnosno okomica spuˇtenih iz vrha trokuta s s na nasuprotnu stranicu. odnosno pravaca z s s koji raspolovljuju unutarnje kutove trokuta. y2 . Postupci za ispitivanje ovih meduodnosa i svojstava detaljno su opisani u vjeˇbama. ρ). 2. Povrˇina poligonalnih likova u prostoru – lik rastavljamo na trokute.14). Opisana kruˇnica – srediˇte je sjeciˇte simetrala stranica. 3. Volumeni tijela omedenih samo s ravnim plohama – tijelo rastavljamo na tetraedre.100 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA 1. d(p.7.2 i formule za duljinu vekz tora (3. odnosno pravaca koji spajaju vrh trokuta sa zs s zs sredinom nasuprotne stranice.8. p) = | T T | (primjer 3. 1. a povrˇine tetraedara raˇunamo pomo´u mjeˇovitog produkta s c c s kao u primjeru 3. 2. z2 ): iz postupka c nalaˇenja komponenata vektora u primjeru 3. a radijus je udaljenost srediˇta s od bilo koje stranice. Upisana kruˇnica – srediˇte je sjeciˇte simetrala kutova.

y = 1 i z = −1 pa je traˇena toˇka T jednaka (slika 3. y = 3 + 2t   z = 2 + 3t Uvrˇtavanje u jednadˇbu ravnine daje s z 1 − t + 2(3 + 2t) + 2 + 3t − 3 = 0. −1}.1 Primjeri Sljede´i primjeri ilustriraju nalaˇenje sjeciˇta pravca i ravnine..19)..12: parametarska jednadˇba s z pravca p glasi  x = 4 + t  t∈R y = 6 + 2t   z = −1 − t . 4.18) z c p ∩ ρ = T = (2. Toˇka T je sjeciˇte pravca p i ravnine ρ c c s (slika 3. Nadimo sjeciˇte pravca i ravnine kao u primjeru 3.. a okomita je na pravac p. Normala ravnine ρ jednaka je vektoru smjera pravca p. projekcije c z s toˇke na pravac i udaljenosti toˇke od pravca te projekcije toˇke na ravninu i c c c udaljenosti toˇke od ravnine. c Primjer 3. 5) na pravac c p .3. 1.12 Odredimo toˇku T u kojoj se sijeku pravac c p . odnosno t = −1.15. Primjer 3..13 Odredimo projekciju T toˇke T = (4. −1). n = s = {1.15 Primjene 101 3. Parametarska jednadˇba pravca glasi z  x = 1 − t  t ∈ R. Uvrˇtavanje ove vrijednosti t u parametarsku jednadˇbu s z pravca daje x = 2. Ravnina prolazi toˇkom T pa formula (3. c Za odredivanje projekcije odredit ´emo pomo´nu ravninu ρ koja prolazi c c toˇkom T .12) daje c x − 4 + 2(y − 4) − (z − 5) = 0. 2. x−1 y−3 z−2 = = −1 2 3 i ravnina ρ zadana s x + 2y + z − 3 = 0. y−6 z+1 x−4 = = 1 2 −1 i udaljenost toˇke T od pravca p.

3 3 3 . 3 Primjer 3.83. s = n = {3.18: Sjeciˇte pravca i ravnine s 5 s pa uvrˇtavanje u jednadˇbu ravnine daje t = − 3 .102 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z p 1 y ρ 2 T x Slika 3. 6. . . Uvrˇtavanje t u params z etarsku jednadˇbu pravca daje z T = Konaˇno.. 5) na ravninu c ρ . 4. c s Vektor smjera pravca p jednak je normali ravnine ρ.. + 8 −4 3 2 + 2 −5 3 2 √ 210 = ≈ 4. a okomit je na c c c c ravninu ρ. c −→ − d(T. c Prvo ´emo na´i pomo´ni pravac p koji prolazi toˇkom T . 3x + 6y + 2z − 6 = 0 i udaljenost toˇke T od ravnine ρ. p) = |T T | = 7 −4 3 2 7 8 2 . 2}.14 Odredimo projekciju T toˇke T = (4. Toˇka T je tada sjeciˇte pravca i ravnine (slika 3.20).

49 49 49 ≈ (1. −0. Pravac prolazi toˇkom T pa njegova parametarska jednadˇba glasi c z  x = 4 + 3t  t ∈ R.9.37).71. 49 . uvrˇtavanje u jednadˇbu ravnine daje t = c s z − 40 . ρ) = |T T | = ≈ 5.15 Primjene 103 z T d(T.3. .p) 8/3 4 y 7/3 T’ n=s 4 x p ρ Slika 3.55. 3.19: Projekcija toˇke na pravac c Sliˇno kao u prethodnom primjeru. odnosno 49 T = Konaˇno c 76 −44 165 . y = 4 + 6t   z = 5 + 2t −→ − 280 d(T.

20: Projekcija toˇke na ravninu c .104 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z T T’ p s=n 4 y 76/49 4 ρ x Slika 3.

. . . . . . 4. Limes . . . . . . . . . . . . . 4. . . .3. c 4.1. . . . . . . . . . . . . . . . . . . . . . . . .1. . . . .2 Potencija . . . . .2 4. . . . .9 Hiperbolne i area funkcije . . . . . . 4. . . . . . . . . . . .1. . .6.3 Eksponencijalna funkcija . . . . . . . . .4. . . . . . . . . . . . 4. . . . . .2 Eksplicitno zadavanje . . . . . . . . . . . . .5 4. . . . . . . . .4 4. . . . . . . . 4. . .6. . . . . . . . . .2 Limes slijeva i zdesna . . . . .1 Svojstva limesa . . . . . . . . . . . .3 4. . . . . . Asimptote . . . . . . .3. . . . . . . . . . . c 4. . . . . . . . .1 Naˇini zadavanja funkcija . . . . . . . . . . . .4 Parametarsko zadavanje . . . . . . . . . . .6. . .7 Klasifikacija elementarnih funkcija . . 4. . . . . 107 107 108 109 112 115 117 119 122 123 124 125 126 128 130 132 132 133 136 139 141 149 153 154 156 4. . . . .2 Vrste prekida . . .6.4 Beskonaˇan limes . . . . . . . . . . . . . . .6. . . . . 4.1 Konstantna funkcija . . . . . . . . . . . . . . . . . . .1. . . . . . .6 Arkus funkcije . . . 4. .1 Tabliˇno zadavanje . .4. . . . . . . . . . . . . . . . . 4. . c 4. . . . .6. . . . . .6. .3 Limes u beskonaˇnosti . . . . 4.6 . . 4. . .3. . . . . .3. . .8 Polinomi i racionalne funkcije . 4. . . . .5 Trigonometrijske funkcije . . . . . . . . . . . . . . . . . . . . . . 4. . . 4. . . . . . . . Pregled elementarnih funkcija . . . . . . . . . .1 Svojstva neprekidnih funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . FUNKCIJE REALNE VARIJABLE 4. Klasifikacija funkcija . . . . . c Neprekidnost . . . . . . . . 4.3 Implicitno zadavanje . .6. . .6. . . .4 Logaritamska funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4. . . . . . .

a na kraju c ´emo dati pregled elementarnih funkcija i njihovih svojstava. Precizne definicije s grafa funkcije ovise o naˇinu zadavanja funkcije pa ´emo ih navesti kasnije u c c odgovaraju´im poglavljima. odnosno definirati neke vaˇne klase funkcija. posve´ene su ispitivanju realnih c c funkcija realne varijable. pri ˇemu D oznaˇava domenu. dakle funkcije kod kojih su domena. c – simetriju (parnost ili neparnost). – skicirati funkciju. zakrivljenosti i ekstrema. c – podruˇja monotonosti (rastu´a ili padaju´a funkcija). Posebno ´emo promatrati tipove funkcija c koje se javljaju u tehniˇkim primjenama. a to su funkcije oblika c f : D → K.7). to u daljnjem izlaganju ˇesto ne´emo praviti razliku izmedu funkcije c c i njenog grafa. Za c c ispitivanje funkcije potrebno je znati: – podruˇje definicije ili domenu. D. Zatim ´emo z c opisati pojam limesa te pomo´u njega uvesti pojam neprekidnosti i opisati c vrste prekida. c U sljede´im poglavljima opisat ´emo naˇine zadavanja funkcija. i kodomena podskupovi skupa realnih brojeva. c . koriste se kod nalaˇenja limesa te c z kod ispitivanja monotonosti. ukljuˇuju´i ∞ i −∞ s c c c kad god to ima smisla te u toˇkama prekida (limesi i asimptote). c – ponaˇanje funkcije u rubovima podruˇja definicije. K ⊆ R. Derivacije. odnosno lokalne i globalne minimume i maksimume. Kako je svakoj funkciji jednoznaˇno pridruˇen c c z njen graf. c – podruˇje neprekidnosti. te dati c c c klasifikaciju funkcija. – periodiˇnost. – odrediti inverznu funkciju ukoliko je zadana funkcija bijekcija. odnosno c toˇke u kojima dolazi do promjene zakrivljenosti. c Potom ´emo definirati pojam asimptote i opisati kako ih nalazimo. ukoliko je iz konteksta jasno na ˇto se misli. c – ekstreme. c – podruˇje vrijednosti ili kodomenu.106 FUNKCIJE REALNE VARIJABLE Ova glava kao i sljede´a o derivacijama. a K kodomenu funkcije (vidi definiciju 1. Graf funkcije op´enito moˇemo definirati kao prikaz ovisnosti varijabli x i c z y pomo´u krivulje u ravnini. c c c – zakrivljenost (konveksnost ili konkavnost) i toˇke infleksije. koje su tema sljede´e glave. Takoder ´emo navesti i svojstva limesa i neprekidnih funkcija.

1 Tabliˇno zadavanje c Tabliˇno zadavanje funkcija je ˇesto u primjenama. implicitno i parametarski. Tako se na primjer z c temperatura ili tlak zraka mjeri su meteoroloˇkim stanicama. Najjednostavnija je linearna interpolacija kod koje se vrijednosti . a kod prikaza se s u meteoroloˇkim kartama te vrijednosti interpoliraju glatkim krivuljama. Za odredivanje vrijednosti funkcije u ostalim toˇkama koristimo postupak c interpolacije. jer se vrijednost zac c visne varijable moˇe izmjeriti samo u nekim toˇkama.1 Naˇini zadavanja funkcija c 107 4. 0 -1 1 1 3 3 4 5 5 7 8 6 7 6 5 4 3 2 1 0 1 -1 2 3 4 5 6 7 8 Slika 4. y) : y = f (x)}.1.1: Tabliˇno zadana funkcija c Graf tabliˇno zadane funkcije je skup toˇaka u ravini. z c 4. S ⊂ R 2 .1.4. s Funkcija zadana s x y = f (x) prikazana je na slici 4. definiran s c c S = {(x. eksplicitno.1 Naˇini zadavanja funkcija c Funkciju moˇemo zadati tabliˇno.

na primjer (slika 4.2). gdje je f (x) izraz koji sadrˇi samo nezavisnu varijablu x. xi+1 ) se uzima (vidi primjer 3. cos x. za x ∈ (x i . log x.6) = y(1) + y(3) − y(1) (2. xi+1 − xi 7 6 5 4 3 2 1 0 1 -1 2 3 4 5 6 7 8 Slika 4. eksplicitno z zadana funkcija je preslikavanje f : D → K pri ˇemu su domena D i kodomena c .6 − 1) = 2. U tabliz c cama su zadane vrijednosti elementarnih funkcija kao sin x. Dakle. dok se vrijednosti funkcija u ostalim toˇkama nalaze c c odgovaraju´om interpolacijom.6 3−1 yi+1 − yi (x − xi ).2: Linearna interpolacija Vaˇan primjer tabliˇno zadanih funkcija su i logaritamske tablice. f (2. Dakle.2 Eksplicitno zadavanje Eksplicitno se funkcija zadaje pomo´u pravila c y = f (x). ln x i ex u odredenim toˇkama.1. c 4.11) c f (x) = y = yi + Tako je.108 FUNKCIJE REALNE VARIJABLE funkcije izmedu dvije susjedne toˇke grafa prikazuju kao da leˇe na pravcu c z izmedu te dvije toˇke.

Opiˇite rijeˇima izgled funkcije. Slijedi xy ∈ [−1. ˇto c z s daje xy = cos(−x) = cos(x) (u zadnjoj jednakosti koristili smo ˇinjenicu da je c kosinus parna funkcija. y) = 0. Za x i xy koji zadovoljavaju prethodna ograniˇenja moˇemo uzeti kosinus lijeve i desne strane jednakosti (4. Primjer implicitno zadane funkcije je x + arccos(xy) = 0. ali u ovom sluˇaj potrebne su dodatne transformacije. π] je inverzna funkcija kosinusa (vidi poglavlje 4.3 Implicitno zadavanje Implicitno se funkcija zadaje pomo´u pravila c F (x. gdje je F (x. y) : F (x.1. x ∈ D}. Primjer eksplicitno zadane funkcije je y= x3 − 2 . y) : y = f (x).6). Funkcija arccos : [−1. odnosno x ∈ [−π. c Zadatak 4. y) izraz koji sadrˇi nezavisnu varijablu x i zavisnu varijablu y. a kako je kosinus jednak nula u svim toˇkama c π π xk = 2 + kπ. definirana s Γ = {(x. Domena je skup svih vrijednosti nezavisne varijable x za koje izraz f (x) ima smisla (definicija 1.7). zakljuˇujemo da je D = R \ { 2 + kπ : k ∈ Z}. definirana s Γ = {(x. 0]. 1]. 2 cos x Domenu funkcije odredujemo iz definicija elementarnih funkcija. Za x = 0 slijedi y= cos(x) .1). Domenu funkcije ponovo odredujemo iz definicija elementarnih funkcija. (4.5).1 Nacrtajte funkciju u raznim podruˇjima pomo´u programa Netc c Plot i uvjerite se da je K = R. Funkciju moˇemo zapisati i kao z arccos(xy) = −x. 1] → c [0.6. vidi poglavlje 4.6. k ∈ Z. x .1) Slijedi −x ∈ [0.1 Naˇini zadavanja funkcija c 109 K podskupovi skupa R. π]. Γ ⊂ R 2 .4. z Graf implicitno zadane funkcije je krivulja u ravini. y) = 0}. Graf eksplicitno zadane funkcije je krivulja u ravini. s c 4. Γ ⊂ R 2 . Znamo da se ne smije dijeliti s nulom. Pri tome jednoj vrijednosti nezavisne varijable x ∈ D odgovara samo jedna vrijednost zavisne varijable y.

z s Primjer 4.3). izrazom F (x.5 -1 -0. y) = 0 moˇe biti zadano z viˇe eksplicitno zadanih funkcija. z s c ovim izrazom eksplicitno su zadane dvije osnovne funkcije.5 -2 -1. od kojih svaka predstavlja jednu polukruˇnicu.3: Implicitno zadana funkcija x + arccos(xy) = 0 Za razliku od prethodnog primjera.1 [Kruˇnica] Izrazom z x2 + (y − 1)2 − 4 = 0 implicitno je zadana kruˇnica sa srediˇtem u toˇki (0. jednadˇba z z (y − 1)2 = 4 − x2 povlaˇi c y−1= 4 − x2 ili y − 1 = − 4 − x2 .5 0 -5 -10 Slika 4. . c -3 -2. s c Zakljuˇimo: funkcija x + arccos(xy) = 0 definirana je za x ∈ [−π. 2 ˇto je nemogu´e. Sama funkcija y = cos(x)/x definirana je na ve´em c podruˇju. 1) radijusa 2. U tom sluˇaju jednoj vrijednosti varijable x s c moˇe odgovarati viˇe vrijednosti varijable y. x ∈ R \ {0} (slika 4. Na primjer.1) jer uvrˇtavanje nule c s daje π = arccos 0 = −0.110 FUNKCIJE REALNE VARIJABLE Da x mora biti razliˇit od nule slijedi i iz formule (4. Zaista. 0) i na c tom intervalu poprima iste vrijednosti kao eksplicitno zadana funkcija y = cos(x)/x (vidi sliku 4. y 1 (x) i y2 (x).4).

1 Op´enito. izraz c (x − x0 )2 + (y − y0 )2 = r 2 je implicitna jednadˇba kruˇnice radijusa r sa srediˇtem u toˇki (x 0 . Premda funkciju (slika 4.6) nije mogu´e jednostavno rastaviti na eksplicitno c zadane funkcije kao u primjeru 4.5).1 Naˇini zadavanja funkcija c 111 10 5 -10 -5 5 10 -5 -10 Slika 4.12). 2] (slika 4. moˇemo je analizirati u parametarskom z obliku (primjeri 4.4: Funkcija y = cos(x)/x odnosno y1 = 1 + 4 − x2 i y2 = 1 − 4 − x2 .4. c c Primjer 4. y0 ).4 i 4. Napomena 4. Kako izraz pod korijenom mora bit ve´i ili jednak nuli.2 Descartesov list je krivulja zadana s izrazom x3 + y 3 − 3xy = 0. . domene su D 1 = D2 = c [−2. z z s c Implicitno zadane funkcije ˇesto nije mogu´e svesti na eksplicitni oblik.1.

2) Kao i kod implicitno zadanih funkcije. x = ϕ(t) y = ψ(t). y) : x = ϕ(t).1 glase z z x = 2 sin t y = 1 + 2 cos t. Γ ⊂ R 2 . definirana s Γ = {(x. z z Uoˇljivo je da je ovo samo jedna od beskonaˇno mogu´ih parametarskih jedc c c nadˇbi ove kruˇnice (navedite joˇ barem jednu). t ∈ T }. z s Na primjer. t ∈ [0. y = ψ(t).1.1. 2π]. Graf parametarski zadane funkcije je krivulja u ravini. Lako se provjeri da x i y zadovoljavaju jednadˇbu kruˇnice iz primjera 4. kod parametarski zadane funkcije jednoj vrijednosti varijable x moˇe odgovarati viˇe vrijednosti varijable y. z z s .4 Parametarsko zadavanje Funkcija se zadaje parametarski tako da se x i y zadaju kao funkcije parametra t.112 FUNKCIJE REALNE VARIJABLE 3 1+sqrt(4-x**2) 1-sqrt(4-x**2) 2 1 0 -2 -1 -1 0 1 2 Slika 4. t ∈ T ⊆ R. (4. parametarska jednadˇba kruˇnice iz primjera 4.5: Implicitno zadana kruˇnica z 4.

r r 2*r*pi Slika 4.2 (a) Epicikloida je krivulja koju opisuje toˇka na kruˇnici kada c z se ta kruˇnica bez klizanja kotrlja po vanjskom rubu druge kruˇnice.4.7: Cikloida Zadatak 4. t ∈ R.3 Cikloida je krivulja koju opisuje fiksna toˇka kruˇnice kada se c z ta kruˇnica kotrlja bez klizanja po pravcu.7) x = r(t − sin t) y = r(1 − cos t). Parametarska jednadˇba cikloide z z glasi (slika 4. z z Hipocikloida je krivulja koju opisuje toˇka na kruˇnici kada se ta kruˇnica c z z .1 Naˇini zadavanja funkcija c 113 3 2 1 0 -3 -2 -1 -1 -2 -3 0 1 2 3 Slika 4.6: Descartesov list Primjer 4.

Zadatak 4. c Primjer 4.4 Izvedimo parametarsku jednadˇbu Descartesovog lista iz primz jera 4. 1) i [1.6 dobijemo kada parametar t poprima vrijednosti u intervalima (−∞. Nadite jeds z nadˇbe epicikloide i hipocikloide u matematiˇkom priruˇniku i nacrtajte z c c te krivulje pomo´u programa NetPlot. (c) Kako glasi jednadˇba cikloide koja polazi iz toˇke (1. c dok se analogni teorem za sluˇaj funkcije x = g(y) dobije zamjenom varijabli. dok se implicitno i parametarski zadane funkcije analiziraju pomo´u odgovaraju´ih prilagodbi tih rezulc c tata. c . 3t . s z U ovoj i sljede´oj glavi vidjet ´emo da su najbolje razvijeni teoretski rezulc c tati za analiziranje eksplicitno zadanih funkcija. [0.2. y t3 + 1 − 3t Dakle.114 FUNKCIJE REALNE VARIJABLE bez klizanja kotrlja po unutraˇnjem rubu druge kruˇnice. 0). c (b) Izvedite implicitnu jednadˇbu cikloide: z x+ 2ry − y 2 − r arccos r−y r = 0. (−1.3 Koje dijelove Descartesovog lista na slici 4. Sljede´i teorem nam daje uvjete za postojanje funkcije y = f (x). y = 0. Stoga je kod ispitivanja parametarski zadanih funkcija vaˇno znati kada z je i na kojem podruˇju s x i y eksplicitno zadana funkcija y = f (x) ili x = g(y). tada jednadˇbu c z moˇemo podijeliti s y 3 ˇto daje z s x 1 x3 + 1 − 3 · = 0. ∞)? Kod rjeˇavanja zadatka moˇete koristiti program NetPlot. −1). t3 + 1 3 t2 x = ty = 3 . Iz jednadˇbe z x3 + y 3 − 3xy = 0 vidimo da krivulja prolazi kroz toˇku (0. 0). c Pri tome je vaˇno uoˇiti da su kod parametarski zadanih funkcija varijable x i y z c ravnopravne. 0)? Provjerite rjeˇenje z c s pomo´u programa NetPlot. Ako je x. 3 y y y Uvedimo novu varijablu t= ˇto daje s x y 1 = 0. t +1 y= t ∈ R \ {−1}.

y = ψ(t) = ψ(ϕ−1 (ϕ(t))) = ψ(ϕ−1 (x)) = f (x). D.2) graf neke parametarski zadane funkcije.1 postoji inverzna funkcija ϕ−1 : D → T . Definicija 4.2 Klasifikacija funkcija U ovom poglavlju definirat ´emo ˇto su c s – omedene i neomedene funkcije. – rastu´e i padaju´e (monotone) funkcije i c c – periodiˇne funkcije. K ⊆ R. Definicija 4. – parne i neparne funkcije. c Dokaz.2 Funkcija f je parna ako je f (−x) = f (x) za svaki x ∈ D. funkcija s xn .7.1 Neka je skup Γ definiran relacijom (4. Kako je ϕ injekcija. tada je Γ ujedno i graf eksplicitno zadane funkcije y = f (x) pri ˇemu je f = ψ ◦ ϕ −1 . i teorem je dokazan.4. Oˇito i kod parne i neparne funkcije podruˇje definicije mora biti simetriˇno c c c s obzirom na ishodiˇte. Neka je skup D = ϕ(T ) slika funkcije ϕ.1 Funkcija f je omedena ako postoji broj m takav da je |f (x)| ≤ m za svaki x ∈ D. a ujedno i surjekcija sa skupa T na skup D.2 Klasifikacija funkcija 115 Teorem 4. c Neka je f : D → K. Ako je funkcija ϕ injekcija. Na primjer. funkcija |x| iz poglavlja 1. Oˇito vrijedi c f : D → R. Funkcija f je neomedena ako nije omedena. Na primjer. a neparna ako je f (−x) = −f (x) za svaki x ∈ D. 4. zakljuˇujemo da je ϕ bijekcija c izmedu skupova T i D.2 je neomedena jer za svaki m > 0 postoji x ∈ D takav da je |x| > m. Po Teoremu o inverznoj funkciji 1. Definirajmo kompoziciju f = ψ ◦ ϕ −1 . Nadalje. n∈N .

Sliˇno. x2 ∈ A) x1 < x2 ⇒ f (x1 ) < f (x2 ). Ako je A = D tada kaˇemo da je funkcija f (strogo) rastu´a ili padaju´a bez z c c navodenja skupa.116 FUNKCIJE REALNE VARIJABLE je parna za n paran. ⇒ f (x1 ) ≥ f (x2 ). funkcija f je padaju´a ili silazna na intervalu A ⊆ D ako c c (∀x1 . Konstantna c funkcija f (x) = 2 (slika 4. Funkcija je po dijelovima monotona ako se podruˇje definicije D moˇe rasc z taviti na konaˇno mnogo podintervala takvih da je na svakom od njih funkcija c monotona. joˇ kaˇemo i da je (strogo) monoc c s z tona. Funkcija |x| je parna: ako je x > 0. ∞). 0] i strogo c rastu´a na intervalu [0. x2 ∈ A) x1 < x2 a strogo padaju´a na intervalu A ⊆ D ako c (∀x1 . . Najmanji pozitivni P s ovim svojstvom c zove se osnovni period ili period funkcije f . x2 ∈ A) x1 < x2 ⇒ f (x1 ) > f (x2 ). tada je −x < 0 pa vrijedi | − x| = −(−x) = x = |x|.17) je monotona i to istovremeno i rastu´a i padaju´a c c na ˇitavoj domeni (ali ne strogo). Ako je funkcija (strogo) rastu´a ili padaju´a. Na primjer. a ako je x < 0 tada je −x > 0 pa vrijedi | − x| = −x = |x|.3 Funkcija f je rastu´a ili uzlazna na intervalu A ⊆ D ako c (∀x1 . a neparna za n neparan pa odatle i nazivi: f (−x) = (−x)n = (−1)n xn = (−1)n f (x). c Definicija 4. funkcija |x| je strogo padaju´a na intervalu (−∞.4 Funkcija f je periodiˇna ako postoji broj P = 0 takav da za c svaki x ∈ D vrijedi f (x + P ) = f (x). Funkcija f je strogo rastu´a na intervalu A ⊆ D ako c (∀x1 . dakle po dijelovima strogo monotona. Tada oˇito mora vrijediti x + P ∈ D. x2 ∈ A) x1 < x2 ⇒ f (x1 ) ≤ f (x2 ). Definicija 4.

Nadalje. 1). [x] : R → Z je definirana s c [x] = k. tada kaˇemo da funkcija f divergira u toˇki x 0 . k ≤ x < k + 1. tada kaˇemo da f (x) teˇi prema z c z z a kada x teˇi prema x0 . z c Ako limx→x0 f (x) ne postoji.3 Limes 117 Primjeri periodiˇnih funkcija su trigonometrijske funkcije. limes u beskonaˇnosti i c c beskonaˇan limes. Takoder ´emo definirati limes slijeva i zdesna. za svaki n ∈ N vrijedi f (x + n) = x + n − [x + n] = x + n − ([x] + n) = x + n − [x] − n = x − [x] = f (x) pa je f periodiˇna funkcija s osnovnim periodom P = 1. Pored ove. tada kaˇemo da funkcija f konvergira u toˇki x 0 . c Definicija 4. odnosno z f (x) → a kada x → x0 . imamo i matematiˇku definiciju: s c x→x0 lim f (x) = a ako (slika 4. . viˇe intuitivne definicije limesa. c Primjer 4.4 Nacrtajte funkcije [x] i f iz primjera 4.8) (∀ε > 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ ⇒ |f (x) − a| < ε. k ∈ Z. U ovom poglavlju definirat ´emo limes funkcije i dati njegova svoc jstva.5 Ako se vrijednost funkcije f (x) pribliˇava vrijednosti a kada z se nezavisna varijabla x pribliˇava toˇki x 0 . Definirajmo funkciju f : R → R s f (x) = x − [x].5 Funkcija najve´e cijelo. 4. c Zadatak 4.3) z c Ako limx→x0 f (x) postoji. to je Rf = [0. Kako je 0 ≤ f (x) < 1. odnosno c z x→x0 lim f (x) = a.3 Limes Pojam limesa je jedan od najvaˇnijih pojmova za razumijevanje analize z funkcija.5. Broj a je limes ili graniˇna vrijednost funkcije f kada x teˇi prema x 0 .4. (4.

.3). Napomena 4.δ x x +δ 0 0 0 Slika 4. takav da se vrijednost funkcije c c nalazi u prvom intervalu. no z taj interval je sadrˇan u polaznom intervalu oko a pa je relacija (4. precizna definicija limesa (4. a z c da nije definirana u toj toˇki.118 FUNKCIJE REALNE VARIJABLE Iako izgleda sloˇeno.8).2 Limes je jedinstven. ˇim se x nalazi u drugom intervalu.3) nuˇna je za dokazivanje z z raznih svojstava limesa kao u teoremima 4. Dokaz. odnosno da postoje dva razliˇita limesa u toˇki x 0 .3. c c x→x0 lim f (x) = a i x→x0 lim f (x) = b.2 i 4. Pretpostavimo suprotno c c od tvrdnje teorema. Dokaz ´emo provesti pomo´u kontradikcije. ali mora biti definirana u nekoj okolini te c toˇke. Drugim rijeˇima.3) su op´enito mali brojevi c c (vidi sliku 4. U ovom sluˇaju c c se za x iz drugog intervala vrijednosti funkcije nalaze u uˇem intervalu.2 (1) Veliˇine ε i δ u definiciji (4. z Teorem 4. za svaki inc terval oko toˇke a postoji interval oko toˇke x 0 .5 vidimo da funkcija f moˇe imati limes u nekoj toˇki.8: Limes funkcije Slika 4.ε x .8 prikazuje situaciju iz relacije (4. c a+ ε a a. (2) Iz definicije 4.3) zadovolz jena. Dokaˇimo prvi teorem o limesu.

Dokaz. δg }. b + ε).10 (ii). Dokaˇimo prvo svojstvo. Prema relaciji (4. x→x0 x→x0 x→x0 lim (f · g)(x) = lim f (x) · lim g(x). Tada bi za δ = min{δa .3) postoje δ a i δb takvi da |x − x0 | < δa ⇒ f (x) ∈ (a − ε. Dobili smo kontradikciju pa je teorem dokazan.3 (Osnovna svojstva limesa) Neka funkcije f i g imaju limese kada x → x0 . Tada vrijedi x→x0 lim (f + g)(x) = lim f (x) + lim g(x). Prema relaciji (4. x→x0 x→x0 x→x0 lim f limx→x0 f (x) . x→x0 x→x0 x→x0 lim (f − g)(x) = lim f (x) − lim g(x). (x) = g limx→x0 g(x) uz x→x0 lim g(x) = 0.1 Svojstva limesa Za praktiˇno raˇunanje limesa ne koristimo relaciju (4. 2 pri ˇemu su a i b odgovaraju´i limesi.3). Neka je δ = min{δ f .3 Limes 119 Odaberimo ε = (b − a)/3.3) z postoje δf i δg takvi da |x − x0 | < δf ⇒ |f (x) − a| < ε 2 ∧ |x − x0 | < δg ⇒ |g(x) − b| < ε . δb } moralo vrijediti |x − x0 | < δ ⇒ f (x) ∈ (a − ε.4. No.3). Ostale tvrdnje dokazuju se na sliˇan naˇin pomo´u relacije (4. Tada |x−x0 | < c c δ povlaˇi c |(f +g)(x)−(a+b)| = |f (x)−a+g(x)−b| ≤ |f (x)−a|+|g(x)−b| < ε ε + =ε 2 2 i tvrdnja je dokazana. a + ε) ∧ f (x) ∈ (b − ε. to je s nemogu´e.3. c 4. a + ε) ∧ |x − x0 | < δb ⇒ f (x) ∈ (b − ε. U gornjoj nejednakosti koristili smo nejednakost trokuta za apsolutnu vrijednost iz teorema 1. nego svojstva c c limesa i osnovne limese koje ´emo upoznati tijekom predavanja. Odaberimo ε > 0. kako su intervali na desnoj strani disjunktni zbog naˇeg izbora ε. b + ε). c c c . c Teorem 4.

Teorem 4.4 (Pravilo uklijeˇtene funkcije) Neka je s x→x0 lim f (x) = lim g(x) = a.4) x→0 . x→x0 x→x0 lim (cf (x)) = c lim f (x). x (4. x→x0 Ako postoji δ > 0 takav da za funkciju h vrijedi x ∈ (x0 − δ) ∪ (x0 + δ) tada je takoder x→x0 ⇒ f (x) ≤ h(x) ≤ g(x).9 g(x) h(x) a f(x) x0 Slika 4.120 Posebno. c x→x0 lim f (x) = 0. x→x0 f (x) limx→x0 f (x) Sljede´a dva teorema navodimo bez dokaza. x→x0 c c lim = .6 Dokaˇimo da je z lim sin x = 1. lim h(x) = a.9: Pravilo uklijeˇtene funkcije s Primjer 4. za konstantu c vrijedi x→x0 FUNKCIJE REALNE VARIJABLE lim (c + f (x)) = c + lim f (x). Situacija opisana u teoremu prikazana je na slici 4.

6. cos x sin x Sliˇno.4) vrijedi po teoremu 4.5 (Pravilo zamjene) Neka funkcije f i g imaju iste vrijednosti u nekoj okolini toˇke x0 .4) izraˇunajte c lim sin 2x . tre´u tvrdnju teorema c c 4. x x→0 ˇ Cemu je jednak limes sin x 2 ? x→0 x lim Teorem 4. lim 1 = 1. Jednakost (4.5 Koriste´i formulu sin 2x = 2 sin x cos x. za x = 0 vrijedi i reciproˇna nejednakost c 1> Kako je x→0 sin x > cos x. dijele´i nejednakost sa sin x < 0 ponovo imamo c x 1 > > 1. Zadatak 4. (x0 − δ.3 i jednakost (4. osim moˇda u samoj toˇki x0 .11. x→x0 x→x0 .27 zakljuˇujemo da za x > 0 vrijedi c tg x > x > sin x.4. Tada c z c je lim f (x) = lim g(x). za x < 0 vrijedi (negativni brojevi) c tg x < x < sin x. Iz slike 4.4) se lijepo vidi i na slici 4. x lim cos x = 1. x0 + δ).3 Limes 121 Neka je x blizu nule. x→0 jednakost (4. pa dijele´i nejednakost sa sin x > 0 imamo c x 1 > > 1. cos x sin x Dakle.

3. x→x0 −0 |x| lim Iz slike 4.2 Limes slijeva i zdesna Kada nezavisna varijabla x teˇi k x 0 slijeva ili zdesna. Napomena 4. Odredimo limese slijeva i zdesna u toˇki x0 = 0: za x > 0 vrijedi sign(x) = x/x = 1 pa je c x = 1. ako (∀ε > 0) (∃δ > 0) x ∈ D ∩ (x0 .122 FUNKCIJE REALNE VARIJABLE 4. x0 + δ) ⇒ |f (x) − a| < ε. x0 ) ⇒ |f (x) − a| < ε. ako (∀ε > 0) (∃δ > 0) x ∈ D ∩ (x0 − δ.7 Funkcija predznak ili signum definirana je na sljede´i naˇin: c c sign : R \ {0} → R.1 vrijede i za limese s lijeva i zdesna. Sliˇno. odnosno c c x→x0 +0 lim f (x) = a.3 Svojstva limesa iz poglavlja 4. limesi ne moraju z biti jednaki. odnosno c x→x0 −0 lim f (x) = a. Vrijednost a je limes slijeva funkcije f u toˇki x 0 .10 vidimo da za svaki ε > 0 moˇemo uzeti bilo koji δ > 0. x→x0 +0 |x| lim Za x < 0 vrijedi sign(x) = x/(−x) = −1 pa je x = −1. z . vrijednost a je limes zdesna funkcije f u toˇki x 0 . sign(x) = x . Primjer 4.10).3. |x| ˇ Cesto se po dogovoru uzima sign(0) = 1 (vidi sliku 4.

Za c z razliku od prvog primjera.4 Svojstva limesa iz poglavlja 4.10: Funkcija sign(x) 4.3 Limes 123 1 -1 Slika 4.4. vrijedi (vidi sliku 4.12): 1 = 0+ .8 a) Kako je funkcija sinus omedena. z Vrijednost a je limes funkcije f kada x → +∞ (limes u desnom kraju).1 vrijede i za limese u beskonaˇnosti. x→+∞ ako (∀ε > 0) (∃M > 0) x∈D ∧ x>M ⇒ |f (x) − a| < ε. c Primjer 4. Sliˇno. c odnosno lim f (x) = a. lim = 0. vrijednost a je limes funkcije f kada x → −∞ (limes u lijevom kraju). ovdje moˇemo ˇak odrediti da li f (x) → 0 s z c gornje ili donje strane (vidi sliku 4. x→+∞ x x→−∞ x b) Funkcija f (x) = 1/x oˇito teˇi k nuli kada x → +∞ i kada x → −∞. zanima c c nas postoji li limes funkcije kada nezavisna varijabla x teˇi k −∞ ili +∞.3. x→−∞ x lim . | sin x| ≤ 1.11) sin x sin x lim = 0. x→−∞ ako (∀ε > 0) (∃M < 0) x∈D ∧ x<M ⇒ |f (x) − a| < ε. Napomena 4. odnosno lim f (x) = a.3 Limes u beskonaˇnosti c Ako je podruˇje definicije D neograniˇene s jedne ili s obje strane.3. x→+∞ x lim 1 = 0− .

2 −0. Napomena 4.5 Beskonaˇne limese slijeva i zdesna definiramo na sliˇan naˇin. odnosno z x→x0 lim f (x) = +∞. c c c Svojstva limesa iz poglavlja 4.3. odnosno c z x→x0 ako (∀M < 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ ⇒ f (x) < M. x .124 1 0. Funkcija f teˇi u +∞ kada x → x0 . ako (∀M > 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ lim f (x) = −∞.8 0.4 0.11: Funkcija sin x/x 4. funkcija f teˇi u −∞ kada x → x 0 . lako se vidi da je (slika 4.1 vrijede i za beskonaˇne limese.2 ε 0 −ε −0. ⇒ f (x) > M.4 Beskonaˇan limes c c z c Kada x → x0 takoder je mogu´e da vrijednosti funkcije f teˇe u beskonaˇnost. Sliˇno.3.13) x→0−0 lim 1 = −∞.4 FUNKCIJE REALNE VARIJABLE 10 M 20 30 40 50 Slika 4. c Na primjer. x x→0+0 lim 1 = +∞.6 0.

4 Neprekidnost 125 ε M Slika 4. c opisati vrste prekida koje funkcija moˇe imati te definirati asimptote i opisati z postupak za njihovo nalaˇenje.4. z Intuitivna definicija neprekidnosti je sljede´a: funkcija je neprekidna ako c njen graf moˇemo nacrtati bez podizanja olovke s papira. . x → 0 + 0. Stroga matematiˇka c definicija neprekidnosti koristi pojam limesa. Medutim. x2 g(x) = 1 x3 kada x → 0 − 0. dati svojstva neprekidnih funkcija.4 Neprekidnost Definirat ´emo svojstvo neprekidnosti. x → +∞ i x → −∞ ? 4. Definicija 4.6 Koji su limesi funkcija f (x) = 1 .6 Funkcija f je neprekidna u toˇki x 0 ∈ D ako je c x→x0 lim f (x) = f (x0 ).12: Funkcija 1/x Zadatak 4. ova definiz cija nas ne zadovoljava jer pomo´u nje nismo u mogu´nosti dokazati razna c c svojstva neprekidnih funkcija koja koristimo u analizi.

126

FUNKCIJE REALNE VARIJABLE

M δ

Slika 4.13: Beskonaˇan limes c

Funkcija f je neprekidna na skupu A ⊆ D ako je neprekidna u svakoj toˇki c skupa A. Funkcija f je neprekidna ako je neprekidna u svakoj toˇki svoga c podruˇja definicije D. c Pomo´u ove definicije i definicije limesa (4.3) moˇemo dokazati nekoliko c z izuzetno vaˇnih svojstava neprekidnih funkcija. Tri teorema u sljede´em poglavlju z c navodimo bez dokaza.

4.4.1

Svojstva neprekidnih funkcija

Teorem 4.6 Neka su funkcije f i g neprekidne u toˇki x (na skupu A). Tada c f uz su u toˇki x (na skupu A) neprekidne i funkcije f + g, f − g, f · g i c g g(x) = 0 (g(x) = 0 za svaki x ∈ A). Dokaz ovog teorema sliˇan je dokazu teorema 4.3. c Teorem 4.7 (i) Ako je funkcija f neprekidna u toˇki x, a funkcija g neprekidna c u toˇki y = f (x), tada je kompozicija g ◦ f neprekidna u toˇki x. c c (ii) Ako je
x→x0

lim f (x) = y

4.4 Neprekidnost

127

i ako je funkcija g neprekidna u toˇki y, tada je c
x→x0

lim g(f (x)) = g lim f (x) = g(y).
x→x0

Druga tvrdnja teorema nam olakˇava nalaˇenje limesa, jer nam omogu´ava da s z c s limesom ”udemo” u neprekidnu funkciju. Primjer 4.9 a) Zbog neprekidnosti funkcije e x i teorema 4.7 (ii) vrijedi
2x2 −1

x→+∞

lim e 1−x2 = e

limx→+∞

2x2 −1 1−x2

= e−2 =

1 . e2

b) Broj e je definiran kao (vidi poglavlje 6.1.3) e = lim 1+ 1 x √
x x→0+0

x→+∞

= lim (1 + x) x . x i teorema 4.7 (ii) vrijedi
1

1

Zbog neprekidnosti funkcija ln x i lim ln(1 + x) 2x = ln
1

x→0+0

x→0+0
1 2

lim (1 + x) 2x = ln

x→0+0

lim (1 + x) x

1

1 2

1 1 = ln e = ln e = . 2 2 Teorem 4.8 Neka je funkcija f neprekidna na zatvorenom intervalu [a, b], a < b. Tada vrijedi: (i) ako restrikcija f |[a,b] nije konstanta, tada je slika tog intervala, f ([a, b]) = [c, d] ⊆ R, takoder zatvoreni interval; (ii) restrikcija f |[a,b] poprima na intervalu [a, b] svoj minimum i maksimum, kao i svaku vrijednost izmedu njih. Situacija iz teorema prikazana je na slici 4.14. Zatvorenost intervala je bitna, jer je funkcija na slici neprekidna i na intervalu (e, a], ali teorem ne vrijedi. Napomena 4.6 Druga tvrdnja teorema 4.8 ima vaˇan korolar: ako je sign f (a) = z sign f (b), tada postoji toˇka x ∈ (a, b) takva da je f (x) = 0. Ovu ˇinjenicu c c koriste numeriˇke metode za nalaˇenje nul-toˇaka funkcije, kao, na primjer, c z c metoda bisekcije.

128

FUNKCIJE REALNE VARIJABLE

d

a e c b

Slika 4.14: Neprekidna funkcija

4.4.2

Vrste prekida

Razlikujemo tri vrste prekida funkcije: uklonjivi prekid, prekid prve vrste i prekid druge vrste. Definicija 4.7 Neka je funkcija f definirana u nekoj okolini (x 0 − ε, x0 + ε), osim moˇda u samoj toˇki x0 . Funkcija f ima uklonjivi prekid u toˇki x 0 ako z c c je lim f (x) = lim f (x) = a ∈ R,
x→x0 −0 x→x0 +0

pri ˇemu f ili nije definirana u toˇki x 0 ili je f (x0 ) = a. Prekid se ukloni tako c c ˇto se definira f (x0 ) = a. s Funkcija f ima prekid prve vrste u toˇki x 0 ako su limesi slijeva i zdesna u c toˇki x0 konaˇni i razliˇiti. c c c Funkcija f ima prekid druge vrste u toˇki x 0 ako je barem jedan od limesa c slijeva ili zdesna beskonaˇan ili ne postoji. c Na primjer, funkcija f (x) = x2 /x ima uklonjivi prekid u toˇki x = 0. c Prekid se ukloni tako ˇto definiramo f (0) = 0, u kojem sluˇaju dobijemo s c neprekidnu funkciju f (x) = x. Funkcija sign(x) (slika 4.10) ima u toˇki x = 0 c

4.4 Neprekidnost

129

prekid prve vrste. Naime, u toj toˇki postoje limesi slijeva i zdesna koji su c −1 (slika 4.12), x−2 , x−3 , . . . , sve imaju prekid konaˇni, ali razliˇiti. Funkcije x c c druge vrste u toˇki x = 0, jer su limesi s obje strane beskonaˇni. c c Primjer 4.10 Navodimo dva zanimljiva primjera prekida druge vrste. a) Funkcija f (x) = 0, x≤0 1 sin x , x > 0

1 ima prekid druge vrste u toˇki x = 0 (vidi sliku 4.15). Naime, funkcija sin x c sve brˇe titra kada x → 0 + 0 pa limes zdesna ne postoji (u svakom, ma z koliko malom, intervalu oko nule funkcija poprimi sve vrijednosti izmedu −1 i 1).

b) Funkcija f : R → {0, 1} definirana s f (x) = 1, 0, x∈Q x∈R\Q

c ima u svakoj toˇki prekid druge vrste. Naime, kako su po teoremu 1.9 (ii) i (iii) skupovi R i Q gusti jedan u drugom, funkcija nema limes ni u jednoj toˇki (u svakom, ma koliko malom, intervalu oko bilo koje toˇke funkcija c c beskonaˇno puta poprimi vrijednost 0 i vrijednost 1). c

1

-2

-1

0

1

2

3

-1

1 Slika 4.15: Funkcija sin x

130

FUNKCIJE REALNE VARIJABLE

4.5

Asimptote

tada je pravac y = kx + l kosa asimptota funkcije f u lijevoj strani. Kosu asimptotu funkcije f u desnoj strani definiramo analogno. Izvedimo formule (4.5). Prema slici 4.16 udaljenost od toˇke na krivulji do c asimptote je d(M, L). Prema definiciji asimptote d(M, L) → 0 kada x → +∞. Kako je cos α = 0 konstanta, zakljuˇujemo da c d(M, L) → 0 ⇔ d(M, N ) → 0 ⇔
x→+∞

Asimptota funkcije je pravac sa svojstvom da udaljenost izmedu toˇke c na grafu funkcije i tog pravca teˇi k nuli kada toˇka na grafu odmiˇe u z c c beskonaˇnost. Funkcija moˇe imati vertikalne, horizontalne i kose asimptote. c z Pravac x = x0 je vertikalna asimptota funkcije f u toˇki x 0 s lijeve strane c ako je limx→x0 −0 f (x) = +∞ ili limx→x0 −0 f (x) = −∞. Analogno, pravac x = x0 je vertikalna asimptota funkcije f u toˇki x 0 s desne strane ako je c limx→x0 +0 f (x) = +∞ ili limx→x0 +0 f (x) = −∞. Vertikalne asimptote se mogu nalaziti u toˇkama prekida funkcije ili u otvorenim rubovima podruˇja c c definicije. 1 Na primjer, pravac x = 0 je vertikalna asimptota funkcije x s obje strane (slika 4.12). Pravac x = 0 je vertikalna asimptota funkcija ln x, log x i log 2 x (slika 4.25) s desne strane. U ovom sluˇaju vertikalna asimptota se nalazi u c rubu podruˇja definicije. c Pravac y = y0 je horizontalna asimptota funkcije f u lijevoj strani ako je limx→−∞ f (x) = y0 . Analogno, pravac y = y0 je horizontalna asimptota funkcije f u desnoj strani ako je lim x→+∞ f (x) = y0 . Na primjer pravac y = 0 1 je horizontalna asimptota funkcije x u obje strane, kao i y = 0 horizontalna asimptota funkcija 2x i ex u lijevoj strani (slika 4.23). Ako je f (x) = k, lim (f (x) − kx) = l, (4.5) lim x→−∞ x→−∞ x pri ˇemu je c k = 0, −∞, +∞, l = −∞, +∞,

lim |f (x) − (kx + l)| = 0.

Zadnji uvjet, koji je ekvivalentan s
x→+∞

lim (f (x) − kx − l) = 0

(4.6)

je oˇito nuˇan i dovoljan uvjet za postojanje kose asimptote. Gornja jednakost c z je ekvivalentna s limx→+∞ (f (x) − kx) = l. Nadalje, (4.6) povlaˇi c f (x) − kx − l = 0, x→+∞ x lim pa je limx→+∞
f (x) x

= k.

Potraˇimo kosu asimptotu: vrijedi z f (x) x = lim =1 x→+∞ x x→+∞ 1 + x lim pa je k = 1.16: Kosa asimptota Primjer 4. pravac y = x − 1 je kosa asimptota funkcije f u desnoj strani. Pokuˇajte skicirati funkciju.5 Asimptote 131 f(x) M y=kx+l N α L Slika 4. Dakle. Vrijedi lim f (x) = lim x2 · 1 x2 1 x2 x2 1+x x→+∞ x→+∞ (1 + x) · = lim 1 = +∞ x→+∞ 0 + 0 pa funkcija nema horizontalnu asimptotu u desnoj strani. Potraˇimo l: vrijedi z lim (f (x) − kx) = lim x2 −x 1+x = lim −x = −1 x→+∞ 1 + x x→+∞ x→+∞ pa je l = −1.11 u lijevoj strani i u s toˇki prekida x = −1.4.7 Ispitajte ponaˇanje funkcije iz primjera 4.11 Ispitajmo ponaˇanje funkcije s f (x) = u desnoj strani. c s . Zadatak 4.

5) primjenjujemo z na sljede´i naˇin: c c k = lim y(t) y = lim = lim x→−∞ x t→−1−0 x(t) t→−1−0 x→−∞ t→−1−0 3t t3 +1 3 t2 t3 +1 = t→−1−0 lim 1 = −1.132 FUNKCIJE REALNE VARIJABLE Primjer 4. c z 4. y = y(t) = 3 .4: 3t 3 t2 . pri ˇemu je c ∈ R. 3+1 3 +1 t→−1−0 t→−1−0 t (−1 − 0) −0 3 t2 3 (−1)2 3 lim x(t) = lim 3 = = = +∞.17). Funkcija f : R → {c}.12 Asimptote moˇemo traˇiti i kod parametarski zadanih funkcija. ∀x ∈ R. Sliˇno se pokaˇe da je isti pravac kosa asimptota i u desnoj strani . t→−1+0 t→−1+0 t + 1 (−1 + 0)3 + 1 +0 lim x(t) = lim Potraˇimo prvo kosu asimptotu u lijevoj strani. t ∈ R \ {−1}. Konstantna funkcija je neprekidna. omedena. . z z Dokaˇimo da je pravac y = −x − 1 kosa asimptota Descartesovog lista iz primz jera 4. definirana s c zove se konstantna funkcija (slika 4. prvo moramo utvrditi za koje vrijednosti parametra x teˇi u beskonaˇno.6 Pregled elementarnih funkcija Opisat ´emo elementarne funkcije i njihova svojstva. pravac y = −x−1 je kosa asimptota Descartesovog lista u lijevoj strani.2 kao ˇto je prikazano na slici 4. t 3 t2 3t + 3 t3 + 1 t + 1 l = lim (y − kx) = = t→−1−0 lim (y(t) − (−1)x(t)) = t→−1−0 lim lim 3 t = −1. 1+t 3 (−1) 3t = lim = 3+1 2−t+1 2 − (−1) + 1 t→−1−0 t t (−1) Dakle. Formule (4.6. Vrijedi z c x = x(t) = 3 t2 3 (−1)2 3 = = = −∞.6. monotona. parna. Detaljno poznavanje c svih elementarnih funkcija i svih njihovih svojstava nuˇno je za uspjeˇnu z s analizu funkcija. nema vertikalne ni kose asimptote te je oˇito sama sebi horizontalna asimptota u oba c kraja. t3 + 1 t +1 Kako su x i y funkcije parametra t. Descartesov list je u parametarskom s obliku zadan s formulama kao u primjeru 4.1 Konstantna funkcija f (x) = c. 4.

1. Potenciranje s racionalnim eksponentom Funkciju f (x) = x n = 1 √ n x . (x · y) = x · y . Potenciranje je definirano rekurzivno: x0 = 1. x1 = x.17: Konstantna funkcija 4. (00 je nedefinirano) n ∈ N.6. xn+1 = xn · x. tada su dobro definirane i funkcije f : R\{0} → R (vidi sliku 4.18. n Primjeri potencija dani su na slici 4. Ako je x = 0 i k ∈ N. Pravila potenciranja se lako dokaˇu indukcijom: z xm+n = xm · xn . dok je za paran n restrikcija funkcije xn na interval [0.19) 1 f (x) = x−k = k . ∀x = 0.2 Potencija Potenciranje s prirodnim brojem je funkcija f : R → R definirana s f (x) = xn . Vidimo da su (ne)parne potencije (ne)parne funkcije. (x ) = x n m n m·n n (P1) (P2) (P3) .6 Pregled elementarnih funkcija 133 c Slika 4.4. n ∈ Z ukoliko su izrazi dobro definirani. (P2) i (P3) vrijede ∀m. Takoder vidimo da je za neparan n funkcija x n bijekcija pa ima inverznu funkciju po teoremu 1. x Pravila (P1). ∞) bijekcija pa ima inverznu funkciju. odnosno ukoliko nazivnik nije nula.

33333 . .33333 u programu Gnuplot tako daje sliku funkcije samo za x > 0. Naredba za crtanje funkcije x 0.8 Uz sliku 4. dok se lijeva strana dobije tako ˇto se nacrta s 0.7. raˇunala barataju c znamo da je x samo s diskretnim podskupom skupa Q (vidi poglavlje 1. funkcija −(−x) Nadalje. = 0. .7 Graf inverzne funkcije simetriˇan je grafu zadane funkcije s c obzirom na simetralu I i III kvadranta. ukoliko je n paran (vidi slike 4. Mi 1/3 inverzna funkcija funkcije x 3 . Uoˇite da je c √ c c funkcija 3 x = x1/3 nacrtana iz dva dijela na pomalo neobiˇan naˇin.3 ima beskonaˇni periodiˇni decimalni zapis.6. ∞). Stoga programi c c za crtanje funkcije oblika x1/k takve sluˇajeve ˇesto tretiraju kao potencije c c s realnim eksponentom koje su definirane samo za x > 0 (vidi poglavlje 4.18: Potenciranje s prirodnim brojem definiramo kao inverznu funkciju funkcije x n ili njene restrikcije na interval [0. to jest pravac y = x.2). Medutim. . Napomena 4. 1 1 1 1 xn 1 .1.21).3333 .21 vezana je zanimljiva primjedba. za n ∈ N moˇemo definirati funkciju z f (x) = x− n = pri ˇemu je c D(x− n ) = D(x n )\{0}.134 FUNKCIJE REALNE VARIJABLE 1 1 -1 x x**2 x**3 Slika 4. a broj 1 = 3 ˙ 0. Napomena 4.20 i 4.

m m ∈ Z. m 1 1 . D = R. Ukoliko m i n nisu relativno prosti tada moˇe do´i do situacije kao u sljede´em z c c primjeru: √ √ f (x) = ( 4 x)2 = x. n ∈ N.8 Koje od funkcija xk . su omedene (odozdo. 2 3 D(x 3 ) = R. pri ˇemu se podruˇje definicije odreduje na temelju prethodnih pravila. Na c c primjer. neprekidne ili imaju prekide (kakvi su ti prekidi) te koje imaju vertikalne. D(x 2 ) = [0. ∞) √ 4 galeb(x) = x2 . k ∈ Z. Zadatak 4.6 Pregled elementarnih funkcija 135 x**(-1) x**(-2) 1 -1 -1 1 Slika 4. x1/k . monotone ili po dijelovima monotone. k ∈ N z Takoder moˇemo definirati i funkcije oblika f (x) = x n .19: Funkcije f (x) = x−k . ∞). odozgo).4. D = [0. horizontalne ili kose asimptote ? Prisjetimo se da je skup racionalnih brojeva Q zapravo skup klasa ekvivalencije na skupu Z × N. parne ili neparne. Ukoliko su m i n relativno prosti tada je podruˇje c definicije uvijek jednoznaˇno odredeno i vrijedi c x n = (xm ) n = (x n )m .

20. 0x = 0. x >x .136 FUNKCIJE REALNE VARIJABLE 1 x**2 sqrt(x) x -1 1 Slika 4. funkcija galeb(x) prikazana je na slici 4.1). . b (P4) (P5) (P6) ⇒ x <x .3 Eksponencijalna funkcija ˇije se vrijednosti raˇunaju po prethodnim pravilima potenciranja. za x > 1  xa = 1. Iz svojstva c c (P5) slijedi da je expa za a > 1 strogo rastu´a funkcija. a b a 4. √ Sliˇno je i x2 = |x| (vidi sliku 1. Pravila potenciranja (P1). za a > 1 c Ako fiksiramo bazu a ∈ R+ = (0.20: Funkcija f (x) = √ x Dok je prva funkcija prikazana na slici 4. ∞). (P2) i (P3) vrijede i za potenciranje s racionalnim i realnim brojevima. a = 1. Pored toga. za x = 1  1  −a (x) .6.22. Takoder. expa (x) ≡ expa x = ax . za x < 1. c Potenciranje s realnim brojem Za x > 0 i a ∈ R definiramo funkciju f (x) = x a sa  inf{xq : q ∈ Q ∧ q > a}. tada moˇemo definirati z funkciju expa : R → R+ . a 00 je neodredeni oblik. a takoder vrijede i sljede´a svojstva: c [(0 < x < y) ∧ (a > 0)] [(x > 1) ∧ (a < b)] [(0 < x < 1) ∧ (a < b)] ⇒ ⇒ xa < y a . ∀x = 0.

4. Dakle. Nadalje.33333) x Slika 4.6 Pregled elementarnih funkcija 137 1 -1 -1 1 x**3 x**(0. Broj e se zove c 1 -1 1 Slika 4.21: Funkcija f (x) = √ 3 x funkcija expa ima horizontalnu asimptotu y = 0 kada x → −∞. za a a < 1 funkcija expa je strogo padaju´a i ima horizontalnu asimptotu y = 0 c kada x → +∞.23). a c to je funkcija exp 1 simetriˇna funkciji expa s obzirom na y-os.9 Posebno se ˇesto koriste funkcije 10 x i ex .22: Funkcija galeb(x) = √ 4 x2 . expa je uvijek bijekcija (vidi sliku 4. kako je 1 x = a−x . Napomena 4.33333) -(-x)**(0.

(vidi sliku 4.7182 . . z 10**x e**x e 1 1/e -1 1 Slika 4.23: Eksponencijalne funkcije 2 x i 2−x baza prirodnih logaritama. .138 FUNKCIJE REALNE VARIJABLE 2**x 2**(-x) 2 1 -2 -1 -1/2 1/2 1 2 Slika 4. definiran je kao 1 n n e = lim n→∞ 1+ = lim x→+∞ 1+ 1 x x .24: Funkcije 10x i ex . i pribliˇno je jednak e ≈ 2.24).

26): loga ≡ exp−1 : R+ → R. Zadatak 4. ∀x ∈ R+ . loga (x) (expa ◦ log a )(x) = a = x. ln je kratica od logaritam naturalis.25: Funkcija f (x) = log 2 x Zbog svojstava inverznih funkcija vrijedi (teorem 1.25 i 4. logaritamsku funkciju definiramo kao inverznu funkciju eksponencijalne funkcije (vidi slike 4. .6. loge x ≡ ln x. log(x)/log(2) 2**x x 2 1 -2 -1 -1/2 -1 1/2 1 2 Slika 4.4.4 Logaritamska funkcija Kako je expa bijekcija.6 Pregled elementarnih funkcija 139 4. ∀x ∈ R. i prirodni logaritmi s bazom e. a Posebno se koriste Briggsovi ili dekadski logaritmi s bazom 10.1) (log a ◦ expa )(x) = log a (ax ) = x.9 Nacrtajte funkcije log a (ax ) i aloga (x) . log10 x ≡ log x.

Uvrˇtavanje b = aloga b u gornju nejednakost i primjena svojstva potenciranja s (P2) daju aloga x = aloga b logb x = aloga b·logb x . x loga = loga x − log a y.26: Funkcija f (x) = log 1/2 x Svojstva logaritama Najvaˇnija svojstva logaritamskih funkcija su: z loga x = loga b · logb x (veza dvaju baza). odnosno svojstvo (L1) vrijedi. x > 0. to moraju biti jednaki i eksponenti.140 FUNKCIJE REALNE VARIJABLE log(x)/log(0. Dokaz svojstva (L1): jednakost x = x moˇemo koriste´i logaritme s bazama a z c i b zapisati kao aloga x = blogb x .5) 2**(-x) x 2 1 1/2 -2 -1 -1 1/2 1 2 -2 Slika 4. y > 0. Kako su u prethodnoj jednakosti baze jednake. 1 loga b = . x. y > 0. logb a loga (x · y) = log a x + log a y. y loga xy = y log a x. x. . x > 0. x =a r r·loga x (L1) (L2) (L3) (L4) (L5) (L6) .

26 koriˇtena su svojstva (L1) i (L2). monotone. log 3 x i log 1/3 x.14159265358979323846264338327950288419716939937508 Broj π moˇemo definirati na razliˇite naˇine. Broj π ima beskonaˇni neperiodiˇni decimalni zapis.5 Trigonometrijske funkcije Promotrimo srediˇnju jediniˇnu kruˇnicu implicitno zadanu s s c z x2 + y 2 = 1.10 Kako ve´ina programa za crtanje funkcija moˇe crtati samo c z funkcije log x i ln x. Tako je. π moˇemo definirati i pomo´u sume beskonaˇnog reda brojeva (vidi poglavlje 6.10 Nacrtajte funkcije log x. Program Gnuplot pomo´u kojeg su nacrtane s c slike funkciju ln x oznaˇava s log(x). funkcije omedene. c Napomena 4. 1 3 5 7 9 11 .25 i 4. Tu kruˇnicu ´emo u ovom sluˇaju joˇ zvati i trigonometrijska kruˇnica. na primjer.7) n − 1 korijen z c c Takoder.6. Njen z c c s z opseg jednak je O = 2rπ = 2 · 1 · π. a njegovih prvih pedeset c c znamenaka glasi 3.4): π=4 ∞ n=0 (−1)n =4 2n + 1 1 1 1 1 1 1 − + − + − + ··· .1): c π = lim 2n n→+∞ 2− 2+ 2+ √ 2··· (4.6 Pregled elementarnih funkcija 141 Dokaz svojstva (L2): kada u svojstvo (L1) uvrstimo x = a dobijemo 1 = log a a = loga b · logb a. Dokaz svojstva (L3): sliˇno kao u dokazu svojstva (L1) izraz xy = x·y moˇemo c z zapisati kao aloga (xy) = aloga x · aloga y = aloga x+loga y . π jednak z c c limesu beskonaˇnog niza brojeva (vidi zadatak 6.4. ln x. c Zadatak 4. neprekidne i imaju li asimptote? Jesu li te 4. Svojstva (L4–L6) dokazuju se sliˇno. kod crtanja funkcija log 2 x i log 1/2 x na slikama 4.2.

– sin x je neparna.edu/∼arnold/graphics. cos x je apscisa. odnosno vrijedi sin x.ima. a sin x c ordinata toˇke T u kojoj se nalazi broj x. 1]. z Tada se toˇka x brojevnog pravca nalazi u toˇki c c T = (cos x.27: Trigonometrijska kruˇnica z Promatraju´i sliku 4. cos : R → [−1.html.1% nalazi se na http://www. . sin x) u koordinatnom sustavu (slika 4. Drugim rijeˇima. a cos x je parna funkcija (definicija 4.0) Slika 4.1).142 FUNKCIJE REALNE VARIJABLE Zanimljiva priˇa o tome kako je Arhimed izraˇunao broj π s pogreˇkom manc c s jom od 0.umn. Definirajmo prvo funkcije sinus i kosinus.27 moˇemo zakljuˇiti sljede´e: c z c c – funkcije sin x i cos x su omedene (definicija 4.2). 0) u koordinatnom sustavu ravnine. dok se pozitivni dio brojevnog pravca namata na kruˇnicu u pozitivnom smjeru (obrnuto od kazaljke na satu). c tg x x sin x T 0 cos x I=(1.27). Na trigonometrijsku kruˇnicu z nanesimo brojevni pravac tako da se broj 0 brojevnog pravca nalazi u toˇki c I = (1.

– nul-toˇke funkcija sin x i cos x su c sin x = 0 cos x = 0 ⇔ ⇔ x = kπ. z s Funkcije sin x i cos x prikazane su na slici 4.28: Sinus i kosinus Pomo´u sinusa i kosinusa definiramo tangens i kotangens: c tg x ≡ tan x = sin x .8) – primjena Pitagorinog pouˇka na pravokutni trokut s katetama sin x i c cos x i hipotenuzom jednakom 1 daje osnovni trigonometrijski identitet sin2 x + cos2 x = 1 (4.6). stoga ˇto vrijedi za svaki x ∈ R). 2 (4. a ne jednadˇba. dok kotangens nije c definiran u nul-toˇkama sinusa. sin x Vidimo da tangens nije definiran u nul-toˇkama kosinusa.4. – sin x i cos x su neprekidne funkcije (definicija 4.6 Pregled elementarnih funkcija 143 – sin x i cos x su periodiˇne funkcije a osnovnim periodom 2π (definicija c 4. Formula (4.9) (gornji izraz je identitet. k ∈ Z. sin(x) 1 -pi -pi/2 -1 pi/2 pi 2*pi cos(x) 1 -pi -pi/2 -1 pi/2 pi 2*pi Slika 4.28.4). k ∈ Z.8) i definicije sinusa i kosinusa c . π x = + kπ. cos x ctg x = cos x .

30 zakljuˇujemo sljede´e: c c c – obje funkcije tg x i ctg x su neparne. Sliˇna analizu moˇemo napraviti i za funkciju ctg x. + (k + 1)π . 2 ctg : R \ {kπ : k ∈ Z} → R. k ∈ Z. tg x 1−0 sin x = = +∞. Definicija funkcije cos x (vidi slike 4. Promatraju´i slike 4.7).30. (k + 1)π).27.27 i 4. . funkcija tg x u svim toˇkama prekida ima prekid druge vrste (definicija 4. k ∈ Z limes slijeva jednak +∞. – tg x je strogo rastu´a funkcija (definicija 4.29 i 4. 2 su vertikalne asimptote s obje strane (vidi poglavlje 4. k ∈ Z. cos x 1 geometrijski prikaz tangensa je kao na slici 4. moramo posebno s c promotriti limese slijeva i zdesna. Tangens i kotangens c z prikazani su na slikama 4.28) povlaˇi c x→ π −0 2 1 . π π −0 x→ 2 +0 x→ 2 +0 cos x lim tg x = x→ π −0 2 lim z c c Iz ove analize takoder moˇemo zakljuˇiti da je u svim toˇkama oblika x = π/2 + kπ. tg : R \ U svim toˇkama u kojima su obje funkcije definirane oˇito vrijedi c c ctg x = Pored toga. Dakle. i to stoga ˇto su kvocijent jedne s parne i jedne neparne funkcije (definicija 4. cos x +0 sin x 1−0 lim tg x = lim = = −∞. Da bi odredili ponaˇanje funkcije tg x u toˇkama prekida.2). zbog proporcionalnosti sin x tg x = .144 stoga povlaˇe c FUNKCIJE REALNE VARIJABLE π + kπ : k ∈ Z → R. k ∈ Z. 2 2 a ctg x je strogo padaju´a funkcija na svakom podintervalu otvorenog c intervala (kπ.5). c a pravci π x = + kπ. a limes zdesna jednak −∞.29 i 4.3) na svakom podintervalu c otvorenog intervala π π + kπ.

.8)). 3π/4. a nul-toˇke funkcije c c c ctg x su nul-toˇke funkcije cos x (vidi formulu (4. A. .11 Osnovne vrijednosti funkcija sin x. parnost. c 2π/3. . −π/4. . odnosno neparnost).29: Tangens – tg x i ctg x su periodiˇne funkcije a osnovnim periodom 2π (definicija c 4. c Napomena 4. . −π/2. A]. ω > 0. . 5π/6. – nul-toˇke funkcije tg x su nul-toˇke funkcije sin x.6 Pregled elementarnih funkcija 145 1 -pi -pi/2 1 pi/2 pi 3*pi/2 2*pi Slika 4. 7π/12.4. −π/3. . Broj A je amplituda i vrijedi f : R → [−A. moˇemo odrediti pomo´u prethodnih vrijedc z c nosti i adicionih teorema koji su opisani kasnije. cos x i tg x nalaze se u tablici 4. lako odredimo koriste´i tablicu i svojstva funkcija (pec riodiˇnost.1 Vrijednosti ovih funkcija u toˇkama −π/6. Vrijednosti funkcija u nekim drugim c toˇkama kao π/12.4). . Op´a sinusoida c Op´a sinusoida je funkcija oblika c f (x) = A sin(ωx + ϕ). .

a kako je osnovni period funkcije sin x jednak 2π. odnosno nul-toˇka desno od koje op´a sinusoida poˇinje rasti. c c c je ϕ x0 = − . formula za fazni pomak slijedi iz jednakosti ωx + ϕ = 0. formula za period slijedi iz x 0 π/6 π/4 π/3 π/2 sin x 0 1/2 √ √2/2 3/2 1 cos x √1 √3/2 2/2 1/2 0 tg x √0 3/3 1 √ 3 − Tablica 4.1: Osnovne vrijednosti trigonometrijskih funkcija . ω Kako je sin 0 = 0.30: Kotangens Osnovni period op´e sinusoide je c P = 2π .146 FUNKCIJE REALNE VARIJABLE 1 -pi -pi/2 1 pi/2 pi 3*pi/2 2*pi Slika 4. ω a fazni pomak.

4.6 Pregled elementarnih funkcija

147

jednakosti sin(ω(x + P ) + ϕ) = sin(ωx + ϕ) Na primjer, op´a sinusoida c f (x) = 2 sin(3x − 1) ima amplitudu A = 2, period 2π/3 i nul-toˇku x 0 = 1/3 (slika 4.31). c
2*sin(3*x-1) 2

ωP = 2π.

1/3

1/3+pi/3

-2

Slika 4.31: Op´a sinusoida c Funkciju cos x takoder moˇemo promatrati kao op´u sinusoidu uz A = 1, z c ω = 1 i ϕ = π/2, odnosno π . cos x = sin x + 2 Sliˇno je i c sin x = cos(x − π/2). (4.10) Kosinusov pouˇak i adicioni teoremi c U ovom poglavlju izvest ´emo neke veze izmedu trigonometrijskih funkcija. c Za pravokutni trokut s katetama a i b i hipotenuzom c, Pitagorin pouˇak c glasi c2 = a2 + b2 . Za trokut koji nije pravokutan Pitagorin pouˇak i osnovni c trigonometrijski identitet (4.9) daju kosinusov pouˇak (vidi sliku 4.32): c c2 = (b sin x)2 + (b cos x − a)2 = b2 sin2 x + b2 cos2 x − 2ab cos x + a2 = a2 + b2 − 2ab cos x.

148

FUNKCIJE REALNE VARIJABLE

b c

b sin x

x a b cos x - a

Slika 4.32: Kosinusov pouˇak c

Adicioni teoremi nam daju formule za sinus i kosinus zbroja i razlike kutova. Promotrimo sliku 4.33. Primjena kosinusovog pouˇka na trokut OQP daje c |P Q|2 = 12 + 12 − 2 cos(u − t). S druge strane, iz Pitagorinog pouˇka slijedi c |P Q|2 = (cos t − cos u)2 + (sin u − sin t)2

= cos2 t − 2 cos t cos u + cos2 u + sin2 u − 2 sin u sin t + sin2 t = 1 + 1 − 2 cos t cos u − 2 sin u sin t.

Izjednaˇavanje gornjih izraza daje prvi adicioni teorem c cos(u − t) = cos u cos t + sin u sin t. Kako je sinus neparna, a kosinus parna funkcija, zamjena t → −t daje cos(u + t) = cos u cos t − sin u sin t. Dalje, za u = t imamo cos 2t = cos2 t − sin2 t. Zamjena t → t − π/2 u (A2) daje cos u + t − π π π = cos u cos t − − sin u sin t − 2 2 2 (A3) (A2) (A1)

4.6 Pregled elementarnih funkcija

149

Q=(cos u, sin u)

P=(cos t, sin t) u t O 1

Slika 4.33: Adicioni teoremi

pa jednakost (4.10) povlaˇi c sin(u + t) = cos u sin t + sin u cos t. Konaˇno, kada u (A4) izvrˇimo zamjenu t → −t imamo c s sin(u − t) = − cos u sin t + sin u cos t, a kada u (A4) uvrstimo u = t imamo sin 2t = 2 sin t cos t. (A6) (A5) (A4)

Koriste´i osnovne adicione teoreme moˇemo izvesti i razne druge formule. c z
1 Zadatak 4.11 Izvedite formule koje funkcije sin 3x, sin 4x, sin 2 x, cos 3x, cos 4x i cos 1 x prikazuju pomo´u funkcija sin x i cos x. Izvedite joˇ nekoc s 2 c liko veza izmedu trigonometrijskih funkcija koje se nalaze u Matematiˇkom priruˇniku ili logaritamskim tablicama. c

4.6.6

Arkus funkcije

Arkus funkcije ili ciklometrijske funkcije su inverzne funkcije odgovaraju´ih c restrikcija trigonometrijskih funkcija. Naime, ni jedna od trigonometrijskih

150

FUNKCIJE REALNE VARIJABLE

funkcija nije bijekcija (funkcija ne moˇe biti bijekcija ˇim je periodiˇna). Medutim, z c c u primjenama se ˇesto javlja potreba za njihovim inverzima, pa su inverzi c definirani za pogodno odabrane restrikcije koje jesu bijekcije. Pri tome se najˇeˇ´e biraju restrikcije na odgovaraju´i interval koji je najbliˇi nuli. c sc c z Na slici 4.28 vidimo da je restrikcija sinusa na interval [−π/2, π/2] bijekcija. Arkus sinus je inverzna funkcija te restrikcije pa vrijedi arcsin ≡ sin−1 : [−1, 1] → − π π , . 2 2

Funkcija arcsin x prikazana je na slici 4.34. Vidimo da je funkcija strogo rastu´a, neparna, neprekidna i nema asimptota. c
sin(x) asin(x) pi/2

1

-pi/2

-1

1

pi/2

-1

-pi/2

Slika 4.34: Arkus sinus Prema Teoremu o inverznoj funkciji 1.1 vrijedi (slika 4.35): arcsin(sin x) = x, sin(arcsin x) = x, x∈ − π π , , 2 2 x ∈ [−1, 1]

Medutim, funkcija arcsin(sin x) je definirana za svaki x ∈ R, a njen graf dan je na slici 4.36. Funkcija arkus kosinus je inverzna funkcija restrikcije funkcije cos x na interval [0, π] (vidi sliku 4.28) i vrijedi arccos ≡ cos−1 : [−1, 1] → [0, π].

4.6 Pregled elementarnih funkcija

151

asin(sin(x)) pi/2

sin(asin(x))

1

-pi/2

pi/2

-1 -1

1

-pi/2

Slika 4.35: Kompozicije restrikcije sinusa s arkus sinusom

pi/2

asin(sin(x))

-pi

-pi/2 -pi/2

pi/2

pi

Slika 4.36: Funkcija arcsin(sin x)

Funkcija arccos x prikazana je na slici 4.37. Ona je strogo padaju´a, neprekidna c i nema asimptota. Funkcija arkus tangens je inverzna funkcija restrikcije funkcije tg x na interval (−π/2, π/2) (vidi sliku 4.29) i vrijedi π π arctg ≡ tg −1 : R → − , . 2 2 Funkcija arctg x je strogo rastu´a, neparna i neprekidna te ima horizontalne c asimptote i to pravac y = −π/2 u lijevom i y = π/2 u desnom kraju (slika 4.38). Sliˇno, funkcija arkus kotangens je inverzna funkcija restrikcije funkcije c ctg x na interval (0, π) (vidi sliku 4.30) pa vrijedi arcctg ≡ ctg −1 : R → (0, π). Funkcija arcctg x je strogo padaju´a i neprekidna te ima horizontalne asimpc tote i to pravac y = π u lijevom i y = 0 u desnom kraju (slika 4.38). Kako

tu funkciju smo nacrtali .37: Arkus kosinus program za crtanje Gnuplot nema ugradenu funkciju arcctg x.152 FUNKCIJE REALNE VARIJABLE acos(x) pi pi/2 -1 1 Slika 4.

f (x) = sin(arccos x).6. Pri tome je (f ± g)(x) = f (x) ± g(x). (x) = g g(x) g(x) = 0. f (x) = ctg(arcctg x). f (x) f . 4. Primjer 4.6 Pregled elementarnih funkcija 153 koriste´i vezu c arcctg x = π − arctg x. f (x) = tg(arctg x). f (x) = arcctg(ctg x). f (x) = arccos(cos x). +∞) → R zadana s √ 2 f (x) = 3x −2 · sin( 4 x) + 1 je elementarna funkcija jer je sastavljena na sljede´i naˇin: c c f = [f1 ◦ (f2 − f3 )] · (f4 ◦ f5 ) + f6 .4.13 Funkcija f : [0. (f · g)(x) = f (x) · g(x). f (x) = arctg(tg x).7 Klasifikacija elementarnih funkcija Elementarna funkcija je svaka funkcija koja nastaje primjenjuju´i konaˇan c c broj puta zbrajanje. mnoˇenje.38: Arkus tangens i arkus kotangens Zadatak 4. oduzimanje. dijeljenje i komponiranje na do z sada opisane elementarne funkcije.12 Nacrtajte funkcije f (x) = cos(arccos x). f (x) = arccos(sin x). . 2 pi atan(x) pi/2-atan(x) pi/2 -1 -pi/2 1 Slika 4.

f3 (x) = 2.6. Za polinome vrijedi sljede´i vaˇan teorem kojeg navodimo bez dokaza. odnosno pn (zi ) = 0 ⇔ pn (¯i ) = 0.8 Polinomi i racionalne funkcije n Polinom n-tog stupnja je funkcija pn (x) = an x + an−1 x n n−1 + · · · + a 2 x + a1 x + a 0 = 2 ai xi . Na primjer.8). . a od transcendentnih funkcija posebno nas zanimaju hiperbolne funkcije i njima inverzne area funkcije (vidi poglavlje 4. dok je funkcija f (x) = x2 + 1 2x3 − 5x √ 2 4 x2 + 1 2x3 − 5x 5 transcendentna.6. FUNKCIJE REALNE VARIJABLE f2 (x) = x2 . 4. f6 (x) = 1.8). Drugim rijeˇima. Nadalje. a c z koji slijedi iz poznatog Osnovnog teorema algebre. . p n se c c dade rastaviti kao pn (x) = an xn + · · · + a1 x + a0 = an (x − z1 )(x − z2 ) · · · (x − zn ). Napomenimo da c je prirodno definirati i polinome ˇiji su koeficijenti kompleksni brojevi. Sve ostale elementarne funkcije su transcendentne funkcije. funkcija f (x) = je algebarska. . n.6.6. .154 gdje je f1 (x) = exp3 (x). f4 (x) = sin(x). i = 1. Teorem 4.9 Svaki polinom n-tog stupnja p n ima toˇno n kompleksnih nulc toˇaka zi za koje vrijedi pn (zi ) = 0. Od algebarskih funkcija posebno nas zanimaju polinomi i racionalne funkcije (vidi poglavlje 4. 2.2 i racionalne funkcije s racionalnim koeficijentima (vidi poglavlje 4. z .9). √ f5 (x) = 4 x. i=0 pri ˇemu su koeficijenti ai realni brojevi i vrijedi an = 0.6. Takvi c polinomi se razmatraju u Matematici 3. Algebarske funkcije su one elementarne funkcije koje nastaju komponiranjem potencije s racionalnim eksponentom (vidi poglavlje 4. strogo kompleksne nul-toˇke (one za koje je Im z i = 0) se uvijek c javljaju u konjugirano kompleksnim parovima.

2 2 2 2 Sliˇno.6 Pregled elementarnih funkcija 155 Primijetimo da u iskazu teorema nul-toˇke z i ne moraju biti medusobno c razliˇite.4. tada kaˇemo z da je r prava racionalna funkcija. Tako polinom drugog stupnja moˇe imati samo ili dvije realne ili dvije konjugirano komz pleksne nul-toˇke. Zadnja tvrdnja teorema takoder ima zanimljive posljedice.13 Nacrtajte nekoliko polinoma razliˇitih stupnjeva pomo´u proc c grama NetPlot i opiˇite njihovo ponaˇanje. odnosno vrijedi l < m. tada kaˇemo da je z k-terostruka nul-toˇka polinoma p n ili nul-toˇka z c c kratnosti k. odnosno vrijedi r(x) = sk (x) + tl (x) . Na primjer. s s Racionalna funkcija je kvocijent dvaju polinoma. qm (x) pri ˇemu su sk i tl takoder polinomi. polinom tre´eg stupnja moˇe imati ili tri ili jednu realnu nul-toˇku. c c z c a polinom ˇetvrtog stupnja moˇe imati ili ˇetiri ili dvije ili nijednu realnu c z c nul-toˇku. Ako je stupanj brojnika manji od stupnja nazivnika. r(x) = Oˇito vrijedi c U toˇkama prekida racionalna funkcija ima ili vertikalu asimptotu s obje strane c ili uklonjivi prekid. c Zadatak 4. c 1 2x2 − x − 1 = 2(x − 1) x + . n < m. Ostatak c tl (x) qm (x) je prava racionalna funkcija. Ako je neki broj z nul-toˇka koja se u gornjem rastavu pojavljuje c c k puta. Ako je n ≥ m. pn (x) . 4x − 11 2x3 − x2 + 4x − 2 = 2x + 3 + 2 . 2 − 2x + 3 x x − 2x + 3 . 2 √ √ −1 + i 3 −1 − i 3 2 x +x+1= x− x− 2 2 √ √ 1 3 3 1 = x+ −i x+ +i . qm (x) r : R \ {x ∈ R : qm (x) = 0} → R. tada moˇemo podijeliti z polinom pn s polinomom qm . Na primjer. a ne moˇe imati jednu realnu i jednu strogo kompleksnu c z nul-toˇku.

Sinus hiperbolni je funkcija sh : R → R.6. 2 sh x = ex − e−x . ch x = ex + e−x .3). 2 Funkcije sh x i ch x prikazane su na slici 4.39: Sinus hiperbolni i kosinus hiperbolni Vidimo da je sinus hiperbolni neparna. 3 2 1 -2 -1 -1 -2 -3 1 2 sinh(x) cosh(x) Slika 4. Veze izmedu hiperbolnih funkcija sliˇne z c c su vezama izmedu trigonometrijskih funkcija. Kosinus hiperbolni se joˇ c s zove i lanˇanica.9 Hiperbolne i area funkcije Hiperbolne funkcije definiramo pomo´u eksponencijalne funkcije e x (poglavlje c 4. a kosinus hiperbolni je funkcija ch : R → [1. Hiperbolne funkcije su zanimljive jer su rjeˇenja mnogih problema u s fizici i tehnici izraˇena pomo´u njih.156 FUNKCIJE REALNE VARIJABLE 4. a kosinus hiperbolni parna funkcija te da je sinus hiperbolni strogo rastu´a funkcija. jer lanac objeˇen o dvije toˇke u gravitacijskom polju zauzme c s c . +∞).6.39.

area kosinus hiperbolni. lim cth x.14 Dokaˇite svojstva (4. area tangens hiperbolni i area kotangens hiperbolni .4. 1). a pravac x = 0 je vertikalna asimptota s obje strane. Funkcije area sinus hiperbolni.15 Koriste´i svojstva funkcije e x izraˇunajte limese c c lim th x. Zadatak 4. Primijetimo da su sve hiperbolne funkcije bijekcije. lim cth x. strogo rastu´a i neprekidna te ima horizontalne asimptote y = −1 i lijevom c i y = 1 u desnom kraju. +∞). ch x ch x cth x = . a kotangens hiperbolni kao kvocijent kosinusa i sinusa. osim ch x pa za kosinus hiperbolni inverznu funkciju definiramo za restrikciju ch | [0. Funkcije th x i cth x prikazane su na slici 4. (4. sh x th : R → (−1. Usporedite ta svojstva s trigonometrijz skim identitetom (4. lim cth x. Funkcija cth x je neparna. Za funkcije sh x i ch x vrijedi ch2 x − sh2 x = 1 ch 2x = sh2 x + ch2 x sh 2x = 2 sh x ch x. x→−∞ x→+∞ x→−∞ x→0−0 x→+∞ x→0+0 Area funkcije su inverzne funkcije hiperbolnih funkcija. cth : R \ {0} → (−∞. tangens hiperbolni definiramo c kao kvocijent sinusa i kosinusa.6 Pregled elementarnih funkcija 157 oblik dijela te krivulje.11).9) i adicionim teoremima (A3) i (A6). Opiˇite sliˇnosti i s c razlike? Sliˇno kao kod trigonometrijskih funkcija. Njene horizontalne asimptote su takoder c pravci y = −1 i lijevom i y = 1 u desnom kraju.11) Zadatak 4. odnosno th x = sh x . lim cth x. −1) ∪ (1. Funkcija th x je neparna.40.+∞) . lim th x. strogo padaju´a i ima c prekid druge vrste u toˇki x = 0.

arch : [1. 1 x+1 arcth x = cth−1 x = ln .12).41.158 FUNKCIJE REALNE VARIJABLE 3 2 1 -3 -2 -1 -1 -2 -3 1 2 3 tanh(x) 1/tanh(x) Slika 4.42. arth x = th−1 x = ln 2 1−x arth : (−1. Funkcije arsh x i arch x prikazane su na slici 4. Zadatak 4.16 a) Dokaˇite da su formule za area funkcije te njihove domene z i kodomene zaista dane s odgovaraju´im izrazima u (4. (4. c b) Koje su horizontalne i vertikalne asimptote funkcija arth x i arcth x (vidi . x2 + 1).40: Tangens hiperbolni i kotangens hiperbolni definirane su redom na sljede´i naˇin: c c arsh x = sh−1 x = ln(x + arch x = ch−1 x = ln(x + arsh : R → R. 2 x−1 arcth : (−∞. +∞) → [0.12) Area funkcije se ponekad oznaˇavaju i s velikim poˇetnim slovom kao na c c primjer Arsh x. a funkcije arth x i arcth x na slici 4. −1) ∪ (1. +∞). x2 − 1). 1) → R. 1 1+x . +∞) → R \ {0}.

6 Pregled elementarnih funkcija 159 asinh(x) log(x+sqrt(x**2-1)) 2 1 -2 -1 -1 1 2 -2 Slika 4.42: Area tangens hiperbolni i area kotangens hiperbolni .41: Area sinus hiperbolni i area kosinus hiperbolni atanh(x) log((x+1)/(x-1))/2 2 1 -3 -2 -1 -1 -2 1 2 3 Slika 4.4.

42)? Dokaˇite da su to asimptote tako ˇto ´ete izraˇunati odgoz s c c varaju´e limese. f (x) = arth(th x).160 FUNKCIJE REALNE VARIJABLE sliku 4. f (x) = arcth(cth x). f (x) = cth(arcth x). f (x) = ch(arch x). c c) Nacrtajte funkcije f (x) = sh(arsh x). . f (x) = arch(ch x). f (x) = arsh(sh x). f (x) = th(arth x).

.3 5. . .7. 166 Pravila deriviranja . . . . . . . 192 Zakrivljenost .1 Pribliˇno raˇunanje . . . . . 180 5. . . . . . . 203 5. . . . . .1.1. . . . . . . . .8 5. . . . . . . .5 5. . . . DERIVACIJE I PRIMJENE 5. .3 Cauchyjev i Lagrangeov teorem srednje vrijednosti . . . .1 Fermatov i Rolleov teorem . . . . . . . 167 Deriviranje implicitno zadane funkcije . 184 Monotonost . . 165 5. .1. .1. . . . . . . .5.3 5. . . . . . . . . . .5. . . . . . . . .5. . 181 L’Hospitalovo pravilo i raˇunanje limesa neodredenih c oblika . . . . .1 Tangenta i normala . 193 Ispitivanje toka funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 c 5. . . . . . .2 5. . . . . . .5. 177 s Deriviranje parametarski zadane funkcije . . . . . . . . . . .2 5. . . 197 5. . .1. . . . . . . . 175 5. . .4 5. . . . . . . .2. .10 Rjeˇavanje problema ravnoteˇe .1 Geometrijski ekstrem . . . . . 162 5.4 5. . . 188 5. . . .2 5. . . . .1. . . . 170 Logaritamsko deriviranje . . . . . . . . . . . . . 170 Derivacije elementarnih funkcija . . . . . 174 Diferencijal . . . . . . . . . . . . . . .6 5. . . .1 Parametarski zadana funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Derivacije slijeva i zdesna . . . . . . . . .1 Derivacija . . . . . . . 179 Teoremi diferencijalnog raˇuna . . .6 5. 176 z c Viˇe derivacije i diferencijali . . . . . . .7 5. . . .9 Ekstremi . . . . . . .9. . 210 s z . . . . . . . . . . . . . . .

tada je f neprekidno derivabilna ili glatka funkcija.1). c nalaˇenje toˇaka u kojima funkcija dostiˇe najmanju ili najve´u vrijednost te z c z c odredivanje podruˇja na kojima je funkcija konkavna ili konveksna. tada je f derivabilna funkcija. tada je funkcija f derivabilna na skupu A. Rjeˇavanje c s navedenih zadataka sastavni je dio rjeˇavanja mnogih problema koji se javljaju s u inˇenjerskim primjenama pa je stoga potpuno poznavanje diferencijalnog z raˇuna nuˇno za svakog inˇenjera. c . f (x) definirana na ovaj naˇin c c je takoder funkcija i vrijedi f : A ⊆ D → R. c z z Klasiˇne primjene zbog kojih se u XVII.1). Definicija limesa 4. c izvesti formule za jednadˇbe tangente i normale i dati osnovna pravila deriviz ranja. Ako je pored toga funkcija f neprekidna.1 Derivacija U ovom poglavlju definirat ´emo derivaciju te derivacije slijeva i zdesna. stolje´u i razvio diferencijalni c c raˇun su nalaˇenje brzine i ubrzanja (primjer 5. 5.162 DERIVACIJE I PRIMJENE Ova je glava posve´ena derivacijama i njihovim primjenama. Ako je A ⊂ D. To je jedno c od najvaˇnijih podruˇja matematiˇke analize.1 Funkcija f : D → R je derivabilna u toˇki x 0 ∈ D ako postoji c limes f (x) − f (x0 ) = f (x0 ).1 Ako je funkcija f derivabilna u toˇki x 0 . Definicija 5.1. tada je i neprekidna u c toj toˇki. joˇ poznato i kao diferencijalni z c c s raˇun. c Za derivaciju op´enito moˇemo re´i je da je ona mjera promjene.2) i nalaˇenje jednadˇbe tanc z z z gente (poglavlje 5. z c z Teorem 5. premda je funkcija f definirana u toj toˇki (vidi sliku 5. lim x→x0 x − x0 Broj f (x0 ) je derivacija funkcije f u toˇki x 0 . Stoga nam c z c c derivacije omogu´uju odredivanje podruˇja na kojem funkcija raste ili pada. a ako je A = D. c Dokaˇimo sljede´i vaˇan teorem. Potom ´emo izvesti formule za derivacije svih elementarnih funkcija iz c poglavlja 4.6.5 povlaˇi da u izoliranoj toˇki x 0 derivacija f (x0 ) ne c c postoji.

1 Derivacija 163 f(x) f(x ) 0 x 0 x Slika 5. c Dakle. c Ako u definiciji 5. ne mora imati c derivaciju u toj toˇki (vidi primjer 5. a prirast funkcije y = f (x) u toˇki x 0 oznaˇimo s c c ∆f (x0 ) ≡ ∆y = f (x0 + ∆x) − f (x0 ).1: Izolirana toˇka c Dokaz.5. limx→x0 f (x) = f (x0 ). Obrat teorema c ne vrijedi. tada imamo f (x0 + ∆x) − f (x0 ) ∆f (x0 ) ∆y = lim = lim . pa je funkcija f neprekidna u toˇki x 0 po definiciji 4.1) . ∆x→0 ∆x→0 ∆x→0 ∆x ∆x ∆x Kada u ovoj formuli zamijenimo x0 s x. f (x0 ) = lim f (x) = lim ∆x→0 f (x + ∆x) − f (x) ∆f (x) ∆y = lim = lim .1 prirast nezavisne varijable u toˇki x 0 oznaˇimo s c c ∆x = x − x0 . Derivabilnost funkcije f u toˇki x 0 povlaˇi c c x→x0 lim (f (x) − f (x0 )) = lim f (x) − f (x0 ) (x − x0 ) x − x0 f (x) − f (x0 ) = lim lim (x − x0 ) x→x0 x→x0 x − x0 = f (x0 ) lim (x − x0 ) x→x0 x→x0 = 0. odnosno ako je funkcija f neprekidna u toˇki x 0 .6. dobijemo izraz za derivaciju koji je pogodan za primjene. Vidimo da funkcija nema derivaciju u toˇkama prekida.3). ∆x→0 ∆x ∆x→0 ∆x ∆x (5.

. d) Adicioni teoremi (A4) i (A5) povlaˇe c sin(u + t) − sin(u − t) = 2 cos u sin t. jer su im derivacije neprekidne. Primjena ove formule daje (sin x) = lim sin(x + ∆x) − sin(x) ∆x→0 ∆x ∆x sin[(x + 2 ) + ∆x ] − sin[(x + ∆x ) − ∆x ] 2 2 2 = lim ∆x→0 ∆x 2 sin ∆x 2 cos(x + ∆x ) sin ∆x ∆x 2 2 2 = lim lim cos x + = lim ∆x→0 ∆x→0 ∆x ∆x ∆x→0 2 = cos x.3 o limesu c produkta.1 i formuli (5. ∆x→0 ∆x→0 ∆x ∆x ∆x c) Za funkciju f (x) = x2 vrijedi f (x) = lim (x + ∆x)2 − x2 f (x + ∆x) − f (x) = lim ∆x→0 ∆x→0 ∆x ∆x x2 + 2x∆x + (∆x)2 − x2 = lim (2x + ∆x) = lim ∆x→0 ∆x→0 ∆x = 2x. e) Na sliˇan naˇin moˇemo pokazati da je c c z (cos x) = − sin x.5.1) brojnik i nazivnik istovremeno teˇe k nuli.164 DERIVACIJE I PRIMJENE Iz teorema 5. a u zadnjoj jednakosti koristili smo zadatak 4. ∆x→0 ∆x ∆x→0 ∆x b) Za funkciju f (x) = cx vrijedi f (x) = lim ∆x→0 f (x + ∆x) − f (x) c(x + ∆x) − cx c∆x = lim = lim = c.1 slijedi da u definiciji 5. ˇto nam daje c s formule za derivacije zadanih funkcija. Medutim.1 sve ove funkcije glatke.1 a) Za konstantnu funkciju f (x) = c po formuli (5. Dokaˇite ovu formulu. z Primijetimo da su po definiciji 5. Primjer 5. U predzadnjoj jednakosti koristili smo tre´u tvrdnju teorema 4.1) vrijedi f (x) = lim ∆x→0 c−c f (x + ∆x) − f (x) = lim = lim 0 = 0. takvi neodredeni limesi se mogu izraˇunati. odnosno derivacija je definirana kao limes neodredenog z 0 oblika 0 .

filozof i matematiˇar.1 Tangenta i normala Gottfried Wilhelm Leibnitz. f (x)). c v0 = v(t0 ) = lim t→t0 s − s0 ∆s = lim = f (t0 ). f (x0 )) i (x. (5. odnosno f (0) = 0. tada sekanta teˇi k tangenti krivulje y = f (x) u toˇki z c (x0 . ∆t→0 ∆t t − t0 Dakle. a do trenutka t > t0 put s = f (t). t − t0 ∆t Ako je f derivabilna funkcija. Pretpostavimo da je kretanje zapoˇelo c c iz ishodiˇta. stolje´u je nezac c visno od Newtona razvio osnove diferencijalnog raˇuna rjeˇavaju´i problem c s c nalaˇenja tangente zadane krivulje u nekoj toˇki. f (x0 )). c pri ˇemu je x0 = x. mehanici s i op´enito tehnici. o derivaciji kao c c c c ”mjeri promjene”. je pravac s koeficijentom (vidi sliku 5. Sekanta krivulje y = f (x) koja prolazi toˇkama (x 0 . pri ˇemu je f derivabilna c funkcija.1.5. Oˇito vrijedi c c x → x0 ⇒ tg α → tg α0 = f (x0 ).2) c tg α = f (x) − f (x0 ) . Vidimo da u ovom sluˇaju vrijedi op´enita tvrdnja.2) Stoga je jednadˇba tangente na krivulju y = f (x) u toˇki x 0 dana s z c y − f (x0 ) = f (x0 )(x − x0 ). z c Neka je krivulja zadana s formulom y = f (x). tada kada t → t 0 gornji izraz teˇi k trenutaˇnoj z c brzini toˇke T u trenutku t0 . . c c Primjer 5.2 Neka je s s = f (t) dan zakon prema kojem se toˇka T giba po pravcu. u XVII. a t oznaˇava vrijeme. stolje´u zapoˇeo razvijati diferenc c c cijalni raˇun bave´i se problemom odredivanja brzine. Prosjeˇna brzina kojom se toˇka c c T gibala u vremenu od trenutka t0 do trenutka t jednaka je s − s0 ∆s = . izreˇena na poˇetku poglavlja. 5. Na sliˇan naˇin moˇemo pokazati c c z i da je ubrzanje (akceleracija) derivacija brzine po vremenu. ˇiji je koeficijent smjera jednak tg α 0 . Isaac Newton je u XVII.1 Derivacija 165 Derivacija je nezaobilazni alat u rjeˇavanju mnogih problema u fizici. Tada toˇka T do trenutka t 0 prevali put s c s0 = f (t0 ). pri ˇemu s oznaˇava c c c prijedeni put. brzina je derivacija puta po vremenu. x − x0 Kada x → x0 .

f (x+ ) = lim ∆x→0+0 ∆x ukoliko limes na desnoj strani postoji. c 5. f (x0 ) pri ˇemu smo pretpostavili da je f (x0 ) = 0. .2 Derivacije slijeva i zdesna Ako u definiciji 5.2 Derivacija slijeva funkcije f u toˇki x je broj c f (x− ) = lim f (x + ∆x) − f (x) . ∆x ∆x→0−0 ukoliko limes na desnoj strani postoji.3.1 ili formuli (5.2). Jednadˇba normale stoga glasi c z y − f (x0 ) = − 1 (x − x0 ). dobit ´emo derivaciju slijeva odnosno c zdesna u zadanoj toˇki.1. Derivacija zdesna funkcije f u toˇki x c je broj f (x + ∆x) − f (x) .1) umjesto limesa izraˇunamo limes slijeva c odnosno zdesna (vidi poglavlje 4.2: Tangenta na krivulju Normala na krivulju y = f (x) u toˇki x 0 je pravac koji prolazi kroz toˇku c c (x0 . f (x0 )) i okomit je na tangentu u toj toˇki.166 DERIVACIJE I PRIMJENE f(x0) f(x) α x α0 x0 Slika 5. c Definicija 5.

1) vrijedi z f g (x) = lim f (x + ∆x)g(x) − f (x)g(x + ∆x) ∆x→0 ∆x→0 ∆x g(x + ∆x)g(x)∆x f (x + ∆x)g(x) − f (x)g(x) + f (x)g(x) − f (x)g(x + ∆x) = lim ∆x→0 g(x + ∆x)g(x)∆x = lim = lim = f (x+∆x)−f (x) g(x) ∆x ∆x→0 f (x+∆x) g(x+∆x) − f (x) g(x) − f (x) g(x+∆x)−g(x) ∆x g(x + ∆x)g(x) − lim∆x→0 f (x) g(x+∆x)−g(x) ∆x lim∆x→0 g(x + ∆x)g(x) f (x)g(x) − f (x)g (x) = . g : D → R derivabilne na skupu A ⊆ D.7 i prikazana na slici 4. (f − g) (x) = f (x) − g (x). Primjer 5.3 Funkcija |x| (definicija 1.5. c Vidimo da derivacija |x| ima u toˇki x = 0 prekid prve vrste te da funkcija c |x| ima u toˇki x = 0 derivacije slijeva i zdesna. 5.2 Ako su funkcije f. g 2 (x) g(x) = 0. Prema formuli (5. ali je moramo rastaviti kako bi je mogli derivirati: – za x ≥ 0 vrijedi |x| = x pa je |x| = 1.1) zakljuˇujemo da c c derivacija f (x) postoji ako i samo ako u toˇki x postoje derivacije slijeva i c zdesna i ako su one jednake. f g (x) = (f · g) (x) = f (x)g(x) + f (x)g (x). Dakle.1 Derivacija 167 Usporeduju´i ovu definiciju s definicijom derivacije (5. tada za svaki x ∈ A vrijedi (f + g) (x) = f (x) + g (x). Teorem 5.3 Pravila deriviranja Pravila koja ´emo dati u ovom poglavlju znatno olakˇavaju raˇunanje c s c derivacija zadanih funkcija. g 2 (x) lim∆x→0 f (x+∆x)−f (x) g(x) ∆x . – za x < 0 vrijedi |x| = −x pa je |x| = −1. Dokaz.18) je neprekidna. pri ˇemu je funkcija sign definirana u primjeru 4.1. f (x)g(x) − f (x)g (x) . Dokaˇimo zadnju tvrdnju teorema.10. c |x| = sign(x).

1 povlaˇe c cos2 x + sin2 x sin x (sin x) · cos x − sin x · (cos x) = = cos x cos2 x cos2 x 1 . Dokaz prve tri tvrdnje ostavljamo za vjeˇbu. c . = cos2 x cos x (cos x) · sin x − cos x · (sin x) − cos2 x − sin2 x (ctg x) = = = 2 sin x sin x sin2 x 1 =− 2 . Tada je c (f −1 ) (y) = 1 .3 (Deriviranje inverzne funkcije) Neka je funkcija f : D → K bijekcija. Neka je inverzna c funkcija f −1 : K → D neprekidna u toˇki y = f (x).1 povlaˇe c c (x3 ) = (x2 · x) = (x2 ) · x + x2 · (x) = 2x · x + x2 · 1 = 3x2 . (x ) 2x 2 y Sada na lijevoj i na desnoj strani imamo funkciju od y pa moˇemo zamijeniti z y s x ˇto nam daje standardni zapis s √ 1 ( x) = √ . neka je derivabilna u toˇki x i neka je f (x) = 0.2 i primjer 5. s z Primjer 5. f (x) Primjer 5.2 i primjer 5. Dodatno ograniˇenje x = 0 smo morali uvesti jer dijeljenje s nulom nije c √ c mogu´e. c Teorem 5. 2 x x > 0.3 daje 1 1 1 √ ( y) = 2 = = √ . sin x (tg x) = Primijetimo da po su definiciji 5. jer su im derivacije neprekidne na ˇitavom podruˇju definicije.20 vidimo da funkcija x nema derivaciju u toˇki x = 0.5 a) Za funkciju y = x2 koja ima inverznu funkciju za x ≥ 0 teorem 5. c c Sljede´a dva teorema navodimo bez dokaza.168 DERIVACIJE I PRIMJENE ˇto je i trebalo dokazati.4 a) Tre´a tvrdnja teorema 5. ˇ b) Cetvrta tvrdnja teorema 5.1 sve derivirane funkcije glatke. Na slici 4.

tada je (y 2 ) = 2yy . π/2] vrijedi (arcsin y) = 1 1 = = (sin x) cos x 1 1 − sin x 2 = 1 odnosno.6 a) Ako je y = f (x). Primjer 5. tada je kompozicija c c g ◦ f derivabilna u toˇki x i vrijedi c [g(f (x))] = g (y)f (x) = g (f (x))f (x). dok njena derivacija nije definirana u rubovima tog intervala kako bi se izbjeglo dijeljenje s nulom.6. nakon zamjene y s x.6. Teorem 5. Tako za funkciju f (x) = sin(cos x) vrijedi f (x) = cos(cos x)(cos x) = cos(cos x)(− sin x). 1 .4 i logaritamskom deriviranju 5. b) Ako je y = f (x). Sada ´emo navesti samo dva primjera.6 i primjer 5.5. (arctg x) = 1 . nakon zamjene y s x. (arcsin x) = √ 1 − x2 1 − y2 .1 i 5. . 1). tada teorem 5.1 povlaˇe c (sin y) = (cos y)y . c) Za funkciju y = tg x koja ima inverznu funkciju za x ∈ (−π/2. x ∈ (−1. Ovaj naˇin deriviranja je vrlo ˇest.4 (Deriviranje kompozicije funkcija) Ako je funkcija f derivabilna u toˇki x.6). c c c a dvije vaˇne primjene dat ´emo u poglavljima o deriviranju implicitno zadane z c funkcije 5. π/2) (vidi sliku 4.1. Tako iz primjera 5.38) vrijedi (arctg y) = 1 = (tg x) 1 1 cos2 x = cos2 x = 1 1 2 x = 1 + y2 . 1 + tg odnosno.4 za y = x3 − 3x2 + 5x slijedi [(x3 − 3x2 + 5x)2 ] = 2(x3 − 3x2 + 5x)(x3 − 3x2 + 5x) = 2(x3 − 3x2 + 5x)(3x2 − 6x + 5). a funkcija g derivabilna u toˇki y = f (x). Funkcija arcsin x je definirana na intervalu [−1. 1] (poglavlje 4. 1 + x2 x ∈ R.1 Derivacija 169 b) Za funkciju y = sin x koja ima inverznu funkciju za x ∈ [−π/2.1.

4 odnosno y =− x . Pored toga.6. Za toˇku u c kojoj traˇimo jednadˇbu tangente vrijedi z z y(1) = + √ 3 12 1− = 4 2 (pozitivnu vrijednost korijena smo uzeli zbog uvjeta y > 0) pa je koeficijent smjera tangente dan s 1 y (1) = − √ .1. Na primjer. Dakle. 2x + 2yy = 0.3.6.4.170 DERIVACIJE I PRIMJENE 5. 2 3 z z Uvrˇtavanje u formulu (5. c z jednake su im i derivacije. s 1 2 y =− √ x+ √ . . (5. Kako su lijeva i desna strana jednadˇbe elipse jednake. y) = 0 deriviramo tako da izraze koji sadrˇe zavisnu varijablu y deriviramo koriste´i Teorem o deriviranju kompoziz c cije 5.3) 5. ˇelimo odrediti tangentu na elipsu z x2 + y2 = 1 4 u toˇki x = 1.4 Deriviranje implicitno zadane funkcije Implicitno zadanu funkciju F (x. y > 0. y 2 deriviramo kao u primjeru 5. 2 3 3 Zadana elipsa i njena tangenta prikazane su na slici 5.2) nakon sredivanja daje jednadˇbu traˇene tangente.5 Derivacije elementarnih funkcija U ovom poglavlju izvest ´emo derivacije osnovnih elementarnih funkcija iz c poglavlja 4.1. 4y Vidimo da smo dobili izraz za derivaciju y kao funkciju od x i y.

Ove formule su dokazane u primjerima 5.5): 1 .4. (cos x) = − sin x.3: Elipsa i tangenta Trigonometrijske i arkus funkcije Za trigonometrijske funkcije iz poglavlja 4.1 i 5. x ∈ R. 1 + x2 Eksponencijalna i logaritamska funkcija Za eksponencijalnu funkciju definiranu u poglavlju 4. 1 (tg x) = .5 vrijedi: (sin x) = cos x.4) x ∈ (−1.3 vrijedi (ax ) = ax ln a.1 Derivacija 171 1 1 2 Slika 5. x ∈ (−1.5. 1 − x2 1 . cos2 x 1 (ctg x) = − 2 . 1). sin x x ∈ R. x ∈ R.6 vrijedi (vidi primjer 5.6.6. (arcsin x) = √ 1 − x2 1 (arccos x) = − √ . Za arkus funkcije definirane u poglavlju 4.6. x ∈ R \ {π/2 + kπ : k ∈ Z}. x ∈ R \ {kπ : k ∈ Z}. 1). a > 0. (arctg x) = 1 + x2 1 (arcctg x) = − . x ∈ R. . x ∈ R. (5.

1) i teorem 4.4 vrijedi (log a x) = Posebno. za a = e imamo 1 .3. x Zaista. za a = e zbog ln e = 1 vrijedi (ex ) = ex . odnosno ∆x = ˇto povlaˇi s c ∆x → 0 (ax ) = ax lim ⇔ t t → 0. = ax ln a lim ˇto smo i ˇeljeli dokazati. x ln a a > 0.3 imamo z c (ax ) = lim ax a∆x − ax ax (a∆x − 1) ax+∆x − ax = lim = lim ∆x→0 ∆x→0 ∆x→0 ∆x ∆x ∆x ∆x − 1 a = ax lim .6. 1 . Izvod formule je neˇto s sloˇeniji.9 b) imamo c t→0 ln(t+1) ln a t→0 1 t ln(t + 1) . (5. ∆x→0 ∆x Uvedimo supstituciju a∆x = t + 1. teorem 4. y) (a a ln a x ln a .172 Posebno. ln a 1 ln(t + 1) 1 = ax ln a limt→0 ln(t + 1)1/t 1 = ax ln a ln limt→0 (t + 1)1/t 1 = ax ln a ln e = ax ln a. Teorem o deriviranju inverzne funkcije 5.7 i primjer 4. DERIVACIJE I PRIMJENE x ∈ R. Koriste´i definiciju derivacije (5. Koriste´i redom teorem 4.4) daju (ln x) = (log a x) = 1 1 1 = y = . x > 0.5) pa je ex jedina funkcija koju deriviranje ”ne mijenja”. a = 1. s z Za logaritamsku funkciju iz poglavlja 4.3 i formula (5.

x ∈ R.6. (ch x) = sh x.7) Zadatak 5.5) i osnovnih pravila deriviranja: (sh x) = ch x. Dokaˇimo ovu formulu: koriste´i Teorem o deriviranju kompozicije 5. ch x 1 (cth x) = − 2 .6.2 Nadite jednadˇbe tangente i normale na krivulju y = u toˇki x = eπ/6 .1 Derivacija 173 Hiperbolne i area funkcije Derivacije hiperbolnih funkcija iz poglavlja 4. sh x x ∈ R. (arth x) = 1 − x2 1 (arcth x) = .2). c 3 sin(ln x) . 1 − x2 x ∈ R. −1) ∪ (1. x ∈ R. +∞). r ∈ R.6): 1 .5. 2−1 x 1 . x ∈ (1. 1).4 i forz c mule za derivaciju eksponencijalne i logaritamske funkcije imamo 1 = rxr−1 . (xr ) = er ln x = er ln x (r ln x) = xr r z Zadatak 5.7) i skicirajte te funkcije. z c) Nadite asimptote funkcija u (5. (5.6) Derivacije area funkcija dobijemo primjenjuju´i Teorem o deriviranju inc verzne funkcije 5. x Formula za derivaciju potencije vrijedi i u svim ostalim sluˇajevima u koc jima je xr definirano (vidi poglavlje 4.1 a) Opiˇite sliˇnosti i razlike izmedu derivacija hiperbolnih i area s c funkcija i derivacija trigonometrijskih i arkus funkcija. b) Dokaˇite formule (5. (5. x > 0. +∞).7).9 lako dobijemo pomo´u c formule (5. Potencije Derivacija potencije dana je s (xr ) = rxr−1 .6) i (5. x ∈ (−∞. x ∈ R \ {0}.3 na formule (5. x ∈ (−1. (arsh x) = √ 1 + x2 1 (arch x) = √ . 1 (th x) = 2 .

y x x 1+x pri ˇemu smo ln y derivirali po teoremu 5. x 1 x − 1 1 . ln(1 + x) + x 1+x Zadatak 5. – sredimo dobivenu jednakost.7 Izraˇunajmo derivaciju funkcije c y = (1 + x) x . c c Primjer 5. x . f (x) Postupak kojim se dolazi do derivacije sastoji se od tri koraka koji se lako pamte: – logaritmiramo obje strane. pri ˇemu y deriviramo kao sloˇenu funkciju (komc z poziciju).6 Logaritamsko deriviranje Logaritamsko deriviranje koristimo za deriviranje funkcija oblika y = h(x) = f (x)g(x) . Konaˇno.1.4. sredivanje ove jednakosti c c daje y =y − 1 1 1 ln(1 + x) + · 2 x x 1+x = (1 + x) x 1 1 1 ln(1 + x). – deriviramo obje strane. y = xx . U onim toˇkama u kojima derivacija postoji vrijedi c f (x)g(x) = f (x)g(x) g (x) ln(f (x)) + g(x) f (x) . Ovaj jednostavan postupak ilustrirat ´emo sljede´im primjerom.174 DERIVACIJE I PRIMJENE 5.3 Izraˇunajte derivacije funkcija c y = xx . Logaritmiranje daje ln y = Deriviranje obaju strana daje 1 1 1 1 y = − 2 ln(1 + x) + · · 1.

2 Diferencijal Za razliku od derivacije koja daje koeficijent smjera tangenta. f (x) + dy) jer je tg α = f (x). s c c .4. B = (x + ∆x. y+ ∆ y=f(x+∆ x) y+dy y=f(x) dy=f’(x)∆ x x x+ ∆ x Slika 5. a ˇto ”pribliˇno c z s z jednako” zavisi od primjene.1) i definicije 5.2 Diferencijal 175 5. c Definicija 5. Viˇe o tome bit ´e govora u sljede´em poglavlju.3 slijedi ∆y − dy ∆y = lim − f (x) = f (x) − f (x) = 0. za dovoljno male ∆x vrijedi ∆y ≈ dy. Sto je ”dovoljno malo”. Geometrijsko znaˇenje diferencijala prikazano je na slici 5.5. To se takoder c z z moˇe vidjeti i na slici 5. z Isto tako. Ono slijedi c iz definicije tangensa kuta u pravokutnom trokutu ABC s vrhovima A = (x.8) ˇ Oznaka ”≈” znaˇi ”pribliˇno jednako”. ∆x→0 ∆x→0 ∆x ∆x lim pa zakljuˇujemo da razlika ∆y − dy teˇi k nuli brˇe od ∆x.3 Neka je funkcija y = f (x) derivabilna u toˇki x. f (x)) i C = (x + ∆x.4. diferencijal je linearna aproksimacija prirasta funkcije u okolini neke toˇke. f (x)).4: Diferencijal Iz formule (5. Diferencijal c funkcije f u toˇki x je izraz c dy ≡ df (x) = f (x)∆x. (5.

.2 z c c imamo d(f · g) = (f · g) dx = (f · g + f · g )dx = f dx · g + f · g dx = df · g + f · dg.10) zapravo znaˇe da krivulju moˇemo dobro aproksimirati c z s njenom tangentom za dovoljno male vrijednosti od ∆x. Takoder.5 Ako su funkcije f. Dokaz. Dokaˇimo.176 DERIVACIJE I PRIMJENE Diferencijal se lako raˇuna pomo´u derivacija. Svojstva diferencijala sliˇna su svojstvima derivacija iz teorema 5. Neka smo z z c vrijednost nezavisne varijable x izmjerili s pogreˇkom koja po apsolutnoj vris jednosti ne prelazi neki ∆x.8) apsolutna pogreˇka u tako izraˇunatoj s c vrijednosti funkcije pribliˇno iznosi z |∆y| ≈ |dy| = |f (x)∆x|. na primjer.2.1)). g2 g(x) = 0. df · g − f · dg . d(f − g) = df − dg. Ostale tvrdnje lako se dokaˇu na sliˇan naˇin. c f (x) = Teorem 5.9) dy . odnosno (5. na primjer. Koriste´i teorem 5. c c d sin x ≡ d(sin x) = (sin x) ∆x = cos x∆x. tre´u tvrdnju teorema.2. Tako je.10) i (5. s s c Formule (5. dx ≡ d(x) = (x) ∆x = ∆x. (5. d f g = d(f · g) = df · g + f · dg. z c c 5. Ako pomo´u tako izraˇunatog x raˇunamo vric c c jednost funkcije y = f (x). tada u svakoj toˇki x ∈ A vrijedi c d(f + g) = df + dg. g : D → R derivabilne na skupu A ⊆ D.8) i (5. Iz ove jednakosti i definicije diferencijala slijedi dy = f (x)dx. tada po (5.1 Pribliˇno raˇunanje z c Jedna od vaˇnih primjena diferencijala je pribliˇno raˇunanje.10) dx ˇto je joˇ jedan naˇin zapisivanja derivacije (usporedite formule (5.

Primjer 5.5. y = ekx · k = kekx . Indukcijom definiramo n-tu derivaciju funkcije f kao derivaciju njene (n−1)-ve derivacije. f (n) = f (n−1) . Njena derivacija f : A ⊆ D → R je takoder funkcija pa je moˇemo derivirati. Koriste´i diferencijal imamo c √ 4 84 = f (x0 + ∆x) ≈ f (x0 ) + df (x0 ) = f (x0 ) + f (x0 )∆x 3 3 3 1 ˙ = f (x0 ) + (1 + x0 )− 4 ∆x = 3 + · 1 · = 3.9 a) Za viˇe derivacije funkcije y = e kx vrijedi s y = kekx · k = k 2 ekx . 27 Definirajmo funkciju √ f (x) = 3 4 1 + x i odaberimo x0 = 0 i ∆x = 1/27.3 Viˇe derivacije i diferencijali s 177 ∆y dy ≈ . Taylorov red je tema kojom se bavi poglavlje 6.027. y = k 2 ekx · k = k 3 ekx . c dok relativna pogreˇka iznosi s 5. c √ c Pri raˇunanju 4 84 zaporavo smo koristili prva dva ˇlana Taylorovog reda c odabrane funkcije. Druga derivacija funkcije f je z derivacija funkcije f . c z Vrijedi √ √ 1 4 4 84 = 4 81 + 3 = 3 1 + . 4 4 27 Toˇna vrijednost na ˇetiri decimale je 3.8 Izraˇunajmo pribliˇno 4 84 koriste´i ˇinjenicu da je 4 81 = 3. s c √ √ c c Primjer 5. y y Ovo je krasna ideja.3 Viˇe derivacije i diferencijali s Neka je f : D → R zadana funkcija.0274 pa smo u ovom sluˇaju uz vrlo jedc c c nostavne operacije dobili dobru aproksimaciju izbjegavˇi pri tome raˇunanje s c ˇetvrtog korijena. .5 pa ´e c tamo takoder biti viˇe rijeˇi o ocjeni pogreˇke prilikom ovakvog pribliˇnog s c s z raˇunanja. uz uvjet da znamo preciznije kazati ˇto znaˇi ”≈”. odnosno f ≡ (f ) : B ⊆ A ⊆ D → R.

tada je diferencijal n-tog reda funkcije f dan s dn f ≡ dn y = d(dn−1 )y = f (n) dxn . . y V = 0. y = 6a3 x + 2a2 . Iz ove formule slijedi joˇ jedan koristan izraz za drugu derivaciju: s f (x) = d2 y . k > n.11) Nadalje.178 DERIVACIJE I PRIMJENE pa indukcijom zakljuˇujemo da je n-ta derivacija jednaka c y (n) = k n ekx . dx2 (5. Lako vidimo da op´enito za polinom n-tog stupnja p n (x) vrijedi c (k) pn (x) = 0. b) Za polinom y = a 3 x3 + a 2 x2 + a 1 x + a 0 vrijedi y = 3a3 x2 + 2a2 x + a1 . . Diferencijal drugog reda funkcije f je diferencijal njenog diferencijala dy. odnosno d2 f ≡ d2 y = d(dy). y IV = 0. ako je y = f (x) n puta derivabilna funkcija. y = 6a3 . . Primijetimo da se ovdje prilikom deriviranja dx tretira kao konstanta. Neka je y = f (x) dva puta s derivabilna funkcija. Pri tome prema formuli (5. Diferencijale viˇeg reda definiramo analogno.9) vrijedi d2 y = d(dy) = (dy) dx = (f (x)dx) dx = f (x)dx · dx = f (x)dx2 . .

Dakle.3). −2 sin t Odredimo t: iz x = 1 = cos t slijedi cos t =√ pa je t = π/3 ili t = −π/3.10) daje y = cos t . ˙ x = ϕ (t). z z Formulu za drugu derivaciju parametarski zadane funkcije takoder dobijemo primjenom formule (5. y > 0.10): c c f (x) = d(ψ(t)) ψ (t)dt ψ (t) dy = = = . dx d(ϕ(t)) ϕ (t)dt ϕ (t) ˇ Cesto se koristi i kra´i zapis c y = y ˙ . 3 xdt ˙ x ˙ c Ovu formulu smo takoder mogli izvesti koriste´i formulu (5. t ∈ D ⊆ R.11). u toˇki x = 1. Ovo je parametarski zadana elipsa iz poglavlja 5. Formula (5.10 Odredimo tangentu na krivulju zadanu s x = 2 cos t. ˙ pri ˇemu y oznaˇava deriviranje po nezavisnoj varijabli x. 1/2 Uvjet y > 0 povlaˇi t = π/3 i y = sin π/3 = 3/2. t ∈ [0.4 Deriviranje parametarski zadane funkcije Jedna od vaˇnih primjena diferencijala je deriviranje parametarski zadanih z funkcija. x ˙ y = ψ (t). a x i y oznaˇava c c ˙ ˙ c deriviranje po parametru. y = ψ(t). c y (1) = 1 cos π 1 3 2 π = − √3 = − √ −2 sin 3 2 3 2 2 pa je jednadˇba traˇene tangente dana s (5.10): d(y ) y = = dx d y ˙ x ˙ xdt ˙ y x − y¨ ¨˙ ˙x dt 2 y x − y¨ ¨˙ ˙x x ˙ = = . Derivaciju parametarski zadane funkcije x = ϕ(t).1. y = sin t.5. 2π].3. Primjer 5.4 Deriviranje parametarski zadane funkcije 179 5.4 c koja je prikazana na slici 5. . raˇunamo pomo´u formule (5.

Cauchyjev teorem sluˇi za dokazivanje z L’Hospitalovog pravila. Lagrangeov teorem i L’Hospitalov teorem (L’Hospitalovo pravilo).180 DERIVACIJE I PRIMJENE 5. Rolleov teorem. b) (dokaz u sluˇaju najmanje vrijednosti je sliˇan).1 Fermatov i Rolleov teorem Teorem 5.5 promatramo zatvoreni interval [a. Fermatov teorem sluˇi z za ispitivanje ekstrema (poglavlje 5. Odnose izmedu navedenih teorema moˇemo prikazati c i shematski: Lagrange Rolle Fermat ekstremi Cauchy L’Hospital neodredjeni oblici monotonost 5. Cauchyjev teorem. Ako derivacija u toˇki c c c postoji.5): f (c− ) = lim f (x) − f (c) − ≥ 0. Odabir otvorenog intervala u iskazu Fermatovog teorema je vaˇan stoga z ˇto je u sluˇaju zatvorenog intervala mogu´e da funkcija poprima najmanju ili s c c najve´u vrijednost u toˇki koja se nalazi u intervalu. c c To su Fermatov teorem. c tada u toˇki x = c postoje i derivacije slijeva i zdesna i one su jednake. Rolleov teorem sluˇi za dokazivanje Cauchyjevog teorema srednje vrijednosti. Ako f (c) postoji. b) ⊆ D svoju c najmanju ili najve´u vrijednost na intervalu (a. tada .5 Teoremi diferencijalnog raˇuna c U ovom poglavlju dokazat ´emo osnovne teoreme diferencijalnog raˇuna. oba moraju biti jednaka nuli pa je f (c) = 0. b]. x→c+0 x−c + x→c−0 Kako su ova dva limesa jednaka. Vrijedi c (vidi sliku 5.7) i za dokazivanje Rolleovog teorema. Dokaz. tada je teorem dokazan.5. a L’Hospitalovo pravilo sluˇi za nalaˇenje limesa u z z z sluˇaju neodredenih oblika. a u kojoj derivacija nije c c nula: ako na primjeru sa slike 5. Dokaˇimo teorem za sluˇaj da funkcija f u toˇki c poprima najve´u z c c c vrijednost na intervalu (a. z Lagrangeov teorem slijedi iz Cauchyjevog teorema i sluˇi za dokazivanje Teoz rema o monotonosti (poglavlje 5.6 (Fermat) Neka funkcija f poprima u toˇki c ∈ (a. tada je f (c) = 0. = x−c − − f (x) − f (c) = f (c+ ) = lim ≤ 0. b). c c Ako f nije derivabilna u toˇki c.6).

Razlikujemo dva sluˇaja. b) u nekoj toˇki c ∈ (a. Tada postoji toˇka c ∈ (a. b) te neka je f (a) = f (b).7. tada ona poprima svoju najve´u ili najmanju c vrijednost na intervalu (a. b] i derivabilne na otvorenom intervalu (a. ∀x ∈ [a.5: Fermatov teorem funkcija svoju najmanju vrijednost na tom intervalu dostiˇe upravo u toˇki b z c u kojoj je oˇito f (b) = 0.1 Funkcija f moˇe imati ekstrem u toˇki x ∈ D samo ako nije z c derivabilna u x (odnosno. b) takva da je f (c) = 0. Ako f nije konstantna.8 (Cauchy) Neka su funkcije f i g neprekidne na zatvorenom intervalu [a. c Korolar 5. b) pa je teorem dokazan. b]. b]. b) te neka je g (x) = 0 . Ako je funkcija f konstantna na intervalu c [a.6. derivabilna na otvorenom intervalu (a.7 (Rolle) Neka je funkcija f neprekidna na zatvorenom intervalu [a. odnosno f (x) = k. b) pa tvrdnja slijedi iz Ferc matovog teorema 5.5. b]. 5. Viˇe govora o ekstremima bit ´e u poglavlju 5. ∀x ∈ (a. c Dokaz.5 Teoremi diferencijalnog raˇuna c 181 f(c) f(x) a c x b Slika 5.2 Cauchyjev i Lagrangeov teorem srednje vrijednosti Teorem 5. ako f ne postoji u x) ili ako je f (x) = 0. c Posljedica Fermatovog teorema je i sljede´i korolar. tada je f (x) = 0.5. s c Teorem 5.

Sada moˇemo definirati funkciju c z F (x) = f (x) − f (a) − f (b) − f (a) (g(x) − g(a)). g(b) − g(a) . f (c)). Vrijednost f (b) − f (a) b−a je koeficijent smjera sekante koja prolazi kroz toˇke A = (a. b). takva je i F .7 pa postoji toˇka c ∈ (a.182 DERIVACIJE I PRIMJENE za svaki x ∈ (a. kao ˇto je sluˇaj na slici 5. b) povlaˇi da je g(a) = g(b). Ako u Cauchyjevom teoremu odaberemo g(x) = x. b−a Lagrangeov teorem ima zanimljivu geometrijsku interpretaciju koja je prikazana na slici 5. Pretpostavka g (x) = 0 za svaki x ∈ (a. ako bi vrijedilo g(a) = g(b). kako su f c i g neprekidne na intervalu [a. b] i derivabilne na intervalu (a. c z Teorem 5. b). Zbog toga se ˇesto za c c oba teorema u ovom poglavlju koristi i naziv Teorem srednje vrijednosti. Primijetimo da Lagrangeov teorem samo kaˇe da toˇka c postoji. f (b)). b). Oˇito vrijedi DF = Df ∩ Dg i F (a) = F (b) = 0. Funkcija F stoga ispunjava pretpostavke Rolleovog teorema 5. c Naime. Dakle. tada bi po Rolleovom teoremu postojala toˇka x iz intervala (a. Nadalje. Lagrangeov teorem dakle znaˇi da (ako su ispunjene pretpostavke) c postoji toˇka u kojoj je tangenta paralelna sa sekantom. b) takva da je F (c) = 0. g(b) − g(a) Funkcija F je dobro definirana jer je nazivnik u gornjem izrazu razliˇit od c nule. Moˇe c s c s c z li postojati beskonaˇno takvih toˇaka? c c f (b) − f (a) g (c). Tada postoji toˇka c ∈ (a. To ne iskljuˇuje z c c mogu´nost da postoji viˇe takvih toˇaka.6. f (a)) i B = c (b. b) za koju je g (x) = 0.9 (Lagrange) Neka je funkcija f neprekidna na zatvorenom intervalu [a. b) takva da je f (b) − f (a) f (c) = . g (c) g(b) − g(a) Dokaz. b] i derivabilna na otvorenom intervalu (a. c 0 = F (c) = f (c) − i teorem je dokazan. b) takva da je c f (b) − f (a) f (c) = . tada je g (x) = 1 i g(b) − g(a) = b − a pa imamo sljede´i vaˇan teorem. Tada postoji toˇka c c ∈ (a.6. a vrijednost f (c) je koeficijent smjera tangente kroz toˇku C = c (c.

b).7: Pretpostavke Lagrangeovog teorema Tvrdnju Lagrangeovog teorema moˇemo zapisati na joˇ nekoliko naˇina.7 a) c pa traˇena toˇka c ne postoji. Uz oznaku ϑ≡ c−a b−a .5 Teoremi diferencijalnog raˇuna c 183 f(b) f(c) f(c) f(a) a c c b Slika 5.7 b) pa traˇena toˇka c opet ne postoji. c z c f(b) f(b) f(a) a b f(a) a b a) b) Slika 5.6: Geometrijska interpretacija Lagrangeovog teorema Da bi bolje razumjeli Lagrangeov teorem. Ukoliko je f neprekidna ali nije derivabilna.5. vaˇno je uoˇiti zbog ˇega su vaˇne z c c z pretpostavke da je f neprekidna na intervalu [a. Ukoliko f nije neprekidna. z c tada je mogu´a situacija kao na slici 5. z s c ˇ Cesto se koristi zapis f (b) − f (a) = f (c)(b − a). b] i derivabilna na intervalu (a. tada je mogu´a situacija kao na slici 5.

pri ˇemu je k ∈ R ili c k = +∞ ili k = −∞. g : D → R vrijedi lim f (x) = 0. b). 5. 0 ∞ . to je f (c) = g(c) = 0 pa je f (x) − f (c) f (x) = . x→c x→c pri ˇemu je c ∈ (a. b) ⊆ D. Dalje. 1∞ .5.3 L’Hospitalovo pravilo i raˇunanje limesa neodredenih c oblika Kod raˇunanja limesa moˇe se pojaviti jedan od sedam neodredenih oblika. b] i c neprekidno derivabilne na skupu (a. c) ∪ (c. DERIVACIJE I PRIMJENE 0 < ϑ < 1. pa se Lagrangeov teorem ˇesto zapisuje u obliku c f (b) − f (a) = f (a + ϑ(b − a))(b − a). c). g(x) g(x) − g(c) Za svaki x ∈ (a.8 na intervalu [x. Teorem 5. za koju je c ¯ ¯ f (x) f (x) − f (c) f (¯) x = = .11). ∞ 0 · ∞. b). Kako su f i g neprekidne. Ako postoji limx→c f (x)/g (x) = k. Neka su f i g neprekidne na skupu [a. x→c g (x) g(x) Dokaz. ∞ − ∞. koriste´i oznake a = x i b = x + ∆x moˇemo pisati c z ∆f (x) = f (x + ∆x) − f (x) = f (x + ϑ∆x)∆x. ∞0 . c) ∪ (c. Neodredeni oblici 0/0 i ∞/∞ rjeˇavaju se pomo´u L’Hospitalovog pravila. b) funkcije f i g ispunjavaju pretpostavke Cauchyjevog teorema 5. tada je x→c lim f (x) f (x) = lim = k. 0 < ϑ < 1. c] ako je x < c. Po Cauchyjevom teoremu postoji toˇka x ∈ (x. s c c c a ostali neodredeni oblici se pomo´u odgovaraju´ih transformacija svode na jedan od ova dva oblika (vidi primjer 5. 0 < ϑ < 1. c z 0 . c) ∪ (c. lim g(x) = 0.10 (L’Hospitalovo pravilo) Neka za funkcije f. g(x) g(x) − g(c) g (¯) x .184 vrijedi c = a + ϑ(b − a). x). odnosno x ∈ (c. 00 . odnosno [c. x] ako je x > c. Neka je g(x) = 0 za svaki x ∈ (a.

b).11). daje s c ¯ c f (x) f (¯) x f (¯) x = lim = lim = k.5 Teoremi diferencijalnog raˇuna c 185 Prijelaz na limes kada x → c i koriˇtenje ˇinjenice da x → c ˇim x → c. c (iii) Ostali neodredeni oblici se pogodnim transformacijama mogu svesti na jedan od oblika 0/0 ili ∞/∞ (vidi primjer 5.5. x x→+∞ e x→+∞ e x→+∞ e ∞ ∞ lim Iz ovog primjera indukcijom moˇemo zakljuˇiti da eksponencijalna funkcija z c s bazom ve´om od 1 raste brˇe od bilo koje potencije! c z c) U ovom primjeru potrebno je izvrˇiti nekoliko transformacija.1 (i) L’Hospitalovo pravilo vijedi i kada x → +∞ ili x → −∞. tada moˇemo iskoristiti z teorem 4. Primjer 5. Vaˇno je uoˇiti da pretpostavke L’Hospitalovog teorema traˇe samo da z c z limes limx→c f (x)/g (x) postoji.12 ili neke njegove varijante iz prethodne toˇke (vidi primjer 5. a ne da je g (c) = 0. Izraˇunajmo s c x→0+0 lim xx = 00 = lim ex ln x = elimx→0+0 x ln x . x→c g(x) x→c g (¯) x→c g (¯) ¯ x x lim i teorem je dokazan. = lim x→0 x x→0 1 0 lim b) U sljede´em sluˇaju L’Hospitalovo pravilo moramo primijeniti dva puta: c c x2 ∞ ∞ 2x 2 = = lim x = = lim x = 0. za neodredeni oblik ∞/∞ te za limese i derivacije slijeva ili zdesna. Ukoliko dodatno vrijedi g (c) = 0.3 pa dokaz L’Hospitalovog teorema postaje joˇ jednostavniji: s f (x) f (x) − f (c) lim = lim = lim x→c g(x) x→c g(x) − g(c) x→c f (x)−f (c) x−c g(x)−g(c) x−c = limx→c f (x)−f (c) x−c g(x)−g(c) limx→c x−c = f (c) .11). odnosno g (x) = 0 za svaki x ∈ (a. x→0+0 . (ii) L’Hospitalovo pravilo se moˇe primijeniti viˇe puta uzastopce ako se z s ponovo dobije jedan od neodredenih oblika 0/0 ili ∞/∞ te ako nove funkcije ispunjavaju uvjete teorema 5. g (c) Napomena 5.11 a) Limes kojeg smo izraˇunali u primjeru 4.6 moˇemo joˇ jedc z s nostavnije izraˇunati pomo´u L’Hospitalovog pravila: c c 0 sin x cos x = = 1.

b). tada je funkcija f strogo rastu´a na c intervalu (a. traˇeni limes je z x→0+0 lim xx = e0 = 1.3.7 (vidi primjer 4.6 Monotonost Predznak derivacije nam takoder kazuje da li funkcija raste ili pada na nekom intervalu. Izraˇunajmo limes u eksponentu posebno: c lim x ln x = (0 · (−∞)) = lim = lim x = 0. Tada vrijedi: (i) funkcija f je rastu´a na intervalu (a.9). Dokaˇimo prvu tvrdnju. b).186 DERIVACIJE I PRIMJENE U zadnjoj jednakosti koristili smo neprekidnost funkcije e x i teorem 4. b) ako i samo ako je f (x) ≤ 0 za c svaki x ∈ (a. (iv) ako je f (x) < 0 za svaki x ∈ (a. b). Dokaz.11 Neka je funkcija f derivabilna na intervalu (a. tada je funkcija f strogo padaju´a c na intervalu (a. x→0+0 ln x 1 x x→0+0 x→0+0 = 1 −∞ x = lim x→0+0 − 1 +∞ x2 Dakle. z c . Pojam rastu´e i padaju´e (monotone) funkcije dan je u c c definiciji 4. b). d) Sljede´i primjer takoder moˇemo primijeniti na ˇiroku klasu zadataka: c z s lim 1 x − x − 1 ln x = (∞ − ∞) = lim x ln x − (x − 1) x→1 (x − 1) ln x 1 ln x + x x − 1 0 = = lim x→1 ln x + (x − 1) 1 0 x 0 = lim x→1 0 1 x 1 x x→1 = + 1 x2 = 1 . Teorem 5. (iii) ako je f (x) > 0 za svaki x ∈ (a. U dokazu sljede´eg teorema koristit ´emo Lagrangeov teorem c c srednje vrijednosti 5. b) ako i samo ako je f (x) ≥ 0 za c svaki x ∈ (a. b). (ii) funkcija f je padaju´a na intervalu (a. pri ˇemu treba dokazati oba smjera. 2 5. b).9. b).

Po Lagrangeovom c teoremu 5. b) i neka je z f (x) ≥ 0 za svaki x ∈ (a. moˇemo uzeti funkciju y = x 3 s z koja je strogo rastu´a na ˇitavom skupu R.5. b). Odaberimo proizvoljni x ∈ (a. +∞). c Dok prve dvije tvrdnje teorema vrijede u jednom i u drugom smjeru (ako i samo ako). za ∆x < 0 vrijedi f (x + ∆x) ≤ f (x) pa je c ∆x→0−0 lim f (x + ∆x) − f (x) ≥ 0. Neka je f derivabilna na intervalu (a. b). −1) s z c c ˇ i (1. c Odaberimo dvije toˇke x1 . Dokaˇimo drugi smjer. odnosno f je strogo padaju´a na c c intervalu (−1. Trebamo dokazati da je f rastu´a po definiciji 4.9 postoji toˇka c ∈ (x1 . odnosno f je c z rastu´a na intervalu (a. Nakon rjeˇavanja nejednadˇbe zakljuˇujemo da je f rastu´a na intervalima (−∞. zakljuˇujemo da je nuˇno f (x2 ) ≥ f (x1 ). funkcija f pada za 3x2 − 3 ≤ 0. Stoviˇe. to je f (x) = f (x + ∆x) − f (x) f (x + ∆x) − f (x) = lim ≥ 0. b).8. Kao primjer zaˇto kod tih tvrdnji ne vrijedi drugi smjer. ∆x→0−0 ∆x→0+0 ∆x ∆x lim Toˇka x je bila proizvoljno odabrana pa zakljuˇujemo da je f (x) ≥ 0 za svaki c c x ∈ (a. x2 ) takva da je c f (x2 ) − f (x1 ) = f (c) ≥ 0. x2 − x 1 Kako je x2 − x1 > 0. Dokaz c ostalih tvrdnji je sliˇan. Stoga funkcija f raste za 3x2 − 3 ≥ 0. b). za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x) pa je f (x + ∆x) − f (x) ≥ 0. c c Sliˇno. Trebamo dokazati da c je f (x) ≥ 0 za svaki x ∈ (a. poˇto u prethodnoj nejednakosti jednakost vrijedi samo s s za x = −1 i x = 1. . ∆x S druge strane.3. takve da je x1 < x2 . S ovim smo dokazali prvu tvrdnju teorema. ali je y (0) = 0. ∆x→0+0 ∆x lim Kako je f derivabilna. zakljuˇujemo da je na tim intervalima f strogo rastu´a. Kako je f rastu´a. b). Vrijedi f (x) = 3x2 − 3. b). 1). zadnje dvije tvrdnje vrijede samo u jednom smjeru. Funkcija f i njena derivacija prikazane su na slici 5. x2 ∈ (a. c c Primjer 5.12 Odredimo intervale monotonosti funkcije f (x) = x 3 − 3x − 2. b).6 Monotonost 187 Neka je f rastu´a i derivabilna na intervalu (a.

c + ε). U definiciji lokalnih ekstrema te u iskazima i dokazima teorema o ekstremima. (ii) Funkcija f ima lokalni maksimum f (c) u toˇki c ∈ D ako postoji εc okolina toˇke c takva da je f neprekidna na toj okolini i pri tome vrijedi c f (x) < f (c) za svaki x ∈ (c − ε. c) ∪ (c.7 Ekstremi Kod ekstrema razlikujemo lokalne i globalne ekstreme. Razlike izmedu lokalnih i globalnih ekstrema prikazane su na slici 5.188 DERIVACIJE I PRIMJENE 1 -1 1 x**3-3*x-2 3*x**2-3 Slika 5. c) ∪ (c. koristimo pojam ε-okoline: ε-okolina toˇke x je interval (x − ε. c Definicija 5. Kod lokalnih ekstrema se traˇi da je vrijednost funkcije u toˇki ekstrema strogo z c . (iii) Funkcija f ima globalni minimum f (c) u toˇki c ∈ D ako je f (x) ≥ f (c) c za svaki x ∈ D. (iv) Funkcija f ima globalni maksimum f (c) u toˇki c ∈ D ako je f (x) ≤ f (c) c za svaki x ∈ D.11.8: Intervali monotonosti 5.6 i Teorem o monotonosti 5. Za ispitivanje lokalnih ekstrema koristimo Fermatov teorem 5.4 (i) Funkcija f ima lokalni minimum f (c) u toˇki c ∈ D ako c postoji ε-okolina toˇke c takva da je f neprekidna na toj okolini i pri c tome vrijedi f (x) > f (c) za svaki x ∈ (c − ε. x + ε) pri c ˇemu je ε > 0.9. c + ε).

niti globalni ekstrem. j] :→ R vrijedi sljede´e: c – ni jedna toˇka u intervalu [a. potrebna nam je sljede´a definicija. c – u toˇki i funkcija ima lokalni minimum. c Definicija 5. Toˇka c je kritiˇna toˇka funkcije f ako je c c c c c stacionarna toˇka ili ako f nije derivabilna u toˇki c.9: Lokalni i globalni ekstremi Za iskazivanje teorema koji daju uvjete za postojanje ekstrema.7 Ekstremi 189 najmanja ili najve´a na nekoj okolini. a ni jedna nije c c toˇka lokalnog minimuma. definicija globalnih c ekstrema dozvoljava da se globalni ekstrem nalazi u viˇe toˇaka pa ˇak i na s c c nekom intervalu. f ] su toˇke globalnog minimuma. ali ne i globalni maksimum. Na primjer. za prikazanu funkciju f : [a.5 Neka je funkcija f neprekidna u toˇki c. c – sve toˇke u intervalu [e. c – u toˇki d funkcija ima lokalni maksimum. c – u toˇki c funkcija ima lokalni minimum. S druge strane. Toˇka c je stacionarna c c toˇka funkcije f ako je f (c) = 0. c – u toˇki g funkcija istovremeno ima lokalni i globalni maksimum. c c .5. c a b c d e f g h i j Slika 5. b] nije ni lokalni. ali ne i globalni minimum.

c Teorem 5.190 DERIVACIJE I PRIMJENE Na primjer. Ako je f derivabilna u toˇki c i ima lokalni ekstrem s c u toj toˇki. tada je c c c kritiˇna toˇka funkcije f . Kritiˇne toˇke su sve navedene c c c toˇke te joˇ toˇke a.4 funkcija f ima u toˇki c najve´u ili najmanju c c c vijednost na nekoj ε-okolini toˇke c. z Za iskazivanje teorema koji daju dovoljne uvjete za postojanje ekstrema. tada je teorem dokazan c (nemamo ˇto dokazivati).12 daje samo nuˇan. Teorem c 5. a ne i dovoljan uvjet za z postojanje lokalnog ekstrema. c .12 vrijedi jer je funkcije nije derivabilna u toˇki 0. c c) Za funkciju f (x) = x3 vrijedi f (x) = 3x2 pa je f (0) = 0.12 vrijedi jer je f (x) = 2x pa je f (0) = 0. c s c Razlikujemo dvije vrste uvjeta za postojanje lokalnog ekstrema u nekoj toˇki: nuˇan uvjet je uvjet kojeg ispunjava svaka toˇka u kojoj funkcija ima c z c lokalni ekstrem. c c Dokaz.6 vrijedi c f (c) = 0. c Definicija 5. c + ε). b. c b) Funkcija f (x) = |x| ima lokalni (i globalni) minimum u toˇki x = 0. Ako funkcija f nije derivabilna u toˇki c.12 (Nuˇan uvjet za postojanje ekstrema) Neka je funkcija f z neprekidna u toˇki c. odnosno teorem daje samo nuˇan uvjet za postojanje ekstrema. Teorem 5. Sada po Fermatovom teoremu 5. b) i (e. d. potrebna nam je sljede´a definicija.9 ima lokalne ekstreme ujedno i kritiˇne toˇke te funkcije. ako postoji ε > 0 takav c da su vrijednosti funkcije f na intervalu (c−ε. c) stalnog i suprotnog predznaka od vrijednosti te funkcije na intervalu (c. c c Teorem 5.9 stacionarne toˇke su sve toˇke c c u intervalima (a. g i i u kojima funkcija prikazana c na slici 5. c s Primjer 5.13 a) Funkcija f (x) = x2 ima lokalni (i globalni) minimum u toˇki x = 0.12 ne vrijedi. d i g. tada po definiciji 5. jer funkcija nema lokalne ekstreme u ostalim kritiˇnim toˇkama. Primijetimo da funkcija moˇe mijenjati predznak u nekoj toˇki. dovoljan uvjet je uvjet koji znaˇi da funkcija u nekoj toˇki c c ima lokalni ekstrem ˇim je taj uvjet ispunjen. e. Medutim.6 Funkcija f mijenja predznak u toˇki c. za funkciju prikazanu na slici 5. Na primjer.12 ´emo ilustrirati joˇ jednim primjerom. S druge c c strane. vidimo da su toˇke c. f (0) nije lokalni ekstrem pa vidimo da obrat teorema 5. f . Ako funkcija f ima lokalni ekstrem u toˇki c. h i i. vidimo da teorem 5. a da pri z c tome nije definirana u toj toˇki. f ) te toˇke c.

c c tada je f (c) lokalni minimum. c c c To pak znaˇi da funkcija f strogo pada lijevo od toˇke c. tada je f (c) lokalni maksimum. tada funkcija c f ima lokalni ekstrem u toˇki c. Teorem 5. prva derivacija f mijenja c predznak u toˇki c i to s − na + pa po teoremu 5.1 znaˇi da prva derivacija f postoji ne samo u c toˇki c. Za x < c c je x − c < 0 pa gornja nejednakost povlaˇi f (x) < 0. Kako je f (c) = 0. c c . To znaˇi da c c c je prva derivacija f strogo rastu´a na toj okolini. c) i strogo raste na intervalu (c.7 Ekstremi 191 Teorem 5. Ako derivacija f mijenja predznak s − na +. Ako je f (c) = 0. ve´ i u nekoj ε-okolini toˇke c. x→c x − c x→c x−c Zadnja jednakost vrijedi jer je c stacionarna toˇka pa je f (c) = 0.11 funkcija f strogo pada na intervalu (c−ε. Ako derivacija c f mijenja predznak s + na −. Neka je f (c) > 0. a ako f mijenja predznak s + na −. dok funkcija iz primjera 5. Dakle. Stoga funkcija f ima u toˇki c lokalni minimum po definiciji 5. tada je f (c) lokalni maksimum.13 funkcija f ima lokalni c minimum u toˇki c. Druga derivacija f je derivacija prve derivacije pa pretpostavka da f (c) postoji zbog definicije 5.14 (Dovoljan uvjet za postojanje ekstrema) Neka je u stacionarnoj toˇki c funkcija f dva puta derivabilna. tada je f ve´a od nule i na nekoj okolini toˇke c.13 c) te uvjete ne ispunjava.13 (Dovoljan uvjet za postojanje ekstrema) Ako prva derivacija f mijenja predznak u kritiˇnoj toˇki c. c Na primjer. a strogo raste desno c c od toˇke c pa je c toˇka lokalnog minimuma.13 a) i b) ispunjavaju uvjete teorema. Dokaz. c+ε). tada c c je f (c) lokalni minimum.5. Za x > c je x − c > 0 c pa gornja nejednakost povlaˇi f (x) > 0. Dovoljan uvjet za postojanje ekstrema moˇemo izraziti i pomo´u druge z c derivacije. Pri tome vrijedi sljede´e: ako je f (c) > 0. tada funkcija f ima lokalni ekstrem c c u toˇki c. Sliˇno se dokaˇe da za f (c) = 0 i f (c) < 0 funkcija f c c z ima u toˇki c lokalni maksimum. c Prethodni dokaz moˇemo rijeˇima iskazati i na sljede´i naˇin: ako je z c c c f (c) > 0. zac kljuˇujemo da je f negativna lijevo od toˇke c i pozitivna desno do toˇke c. a ako je f (c) < 0. funkcije iz primjera 5. tada po teoremu 5. tada na sliˇan naˇin zakljuˇujemo da funkcija c c c f ima u toˇki c lokalni maksimum.4. Dokaz. Tada vrijedi c c c 0 < f (c) = lim f (x) f (x) − f (c) = lim . Pri tome vrijedi sljede´e: ako f mijenja predznak s − na +.

Rijeˇimo sljede´i zadatak: od svih valjaka koje moˇemo upisati u zadani s c z stoˇac visine h i radijusa baze r.192 DERIVACIJE I PRIMJENE Na primjer. teorem ne moˇemo primijeniti na funkciju f (x) = |x| u toˇki z c x = 0. nadimo onaj koji ima najve´i volumen. na naˇin da donja baza valjka leˇi na bazi z c z stoˇca.10. s c Stoˇac i valjak prikazani su na slici 5. h y x r Slika 5. c S druge strane. funkcija f (x) = x2 ispunjava uvjete teorema 5. jer nije derivabilna u toj toˇki. Teorem takoder ne moˇemo primijeniti c z niti na funkciju f (x) = x3 u toˇki x = 0. jer je f (0) = 0 i f (0) = 0. Volumen traˇenog valjka je z z V = yx2 π.18).7. Ograniˇenja c s c c se ˇesto javljaju prilikom rjeˇavanja geometrijskih i fizikalnih problema pa odac s tle i naziv geometrijski ekstrem. a f (0) = 2 > 0 pa se u toˇki x = 0 nalazi lokalni minimum. Sliˇnost trokuta s c .1 Geometrijski ekstrem U ovom poglavlju objasnit ´emo postupak traˇenje globalnih ekstrema u c z sluˇaju kada su u problemu koji rjeˇavamo zadana neka ograniˇenja. c z s 5.10: Valjak upisan u stoˇac z Naˇ cilj je izraziti volumen kao funkciju jedne varijable te na´i njen maks c simum uz zadani uvjet da se valjak nalazi unutar stoˇca. c jer je f (0) = 0. U tom c sluˇaju moˇemo koristiti viˇe derivacije (vidi teorem 5.14 u toˇki x = 0.

Dakle. t ∈ (0. funkcija f je strogo konveksna odnosno strogo c konkavna. c pri ˇemu vaˇnu ulogu ima druga derivacija zadane funkcije.8 Zakrivljenost U ovom poglavlju opisat ´emo postupak za ispitivanje zakrivljenosti funkcije. Vrijedi h h V (x) = π (2x(r − x) + x2 (−1)) = π x(−3x + 2r). x = 0 i x = 2r/3. r V (x) je neprekidna funkcija. zakljuˇujemo da je x = 2r/3 toˇka lokalnog c c maksimuma.7 Funkcija f je konveksna na intervalu (a. Potraˇimo s z lokalne ekstreme funkcije V (x). a u naˇem zadatku x poprima vrijednosti u ins tervalu [0. x2 ∈ (a. V = 5. Kako je V (x) > 0 za x ∈ (0. . Po teoremu 4.8 neprekidna funkcija poprima na zatvorenom intervalu svoj maksimum i minimum pa zadani problem sigurno ima rjeˇenje. jer je V (0) = 0. Iz istog razloga zakljuˇujemo da je x = 2r/3 ujedno i toˇka c c globalnog maksimuma promatrane funkcije na intervalu [0. 1). r). traˇeni z valjak ima radijus x = 2r/3.11. r r Jednadˇba V (x) = 0 ima dva rjeˇenja. h V = V (x) = (r − x) x2 π. r odnosno Dakle. b) ⊆ D ako za proizvoljne toˇke c c x1 . r]. ˇto se takoder vidi sa slike. b) ⊆ D ako za proizvoljne toˇke x1 . 1). s Pored toga. t ∈ (0. r]. funkcija f je konkavna na intervalu (a. 27 Ovisnost volumena upisanog valjka o njegovom radijusu prikazana je na slici 5. b) takve da je x1 = x2 vrijedi f (t x1 + (1 − t) x2 ) ≥ t f (x1 ) + (1 − t) f (x2 ). Prvo rjeˇenje nije z s s rjeˇenje naˇeg zadatka. vrijedi V (0) = 0 i V (r) = 0. x2 ∈ (a.8 Zakrivljenost 193 daje r−x r = . y h h y = (r − x) . b) takve da je x1 = x2 vrijedi c f (t x1 + (1 − t) x2 ) ≤ t f (x1 ) + (1 − t) f (x2 ).5. U sluˇaju strogih nejednakosti. c z Definicija 5. visinu y = h/3 i volumen 4 2 r hπ. 2r/3) s s i V (x) < 0 za x ∈ (2r/3. Sliˇno.

12).12).2 za konkavne funkcije? . Napomena 5. ali ne i strogo konkavna. b). Zadatak 5.12. graf restrikcije c f |[x1 .7.13 a) je konkavna. f (x2 ) (vidi sliku c 5. x2 ∈ (a. tada je f (strogo) konveksna na intervalu (a.4 Kako glase tvrdnje analogne onima iz napomene 5. Funkcija prikazana na slici c 5. Na istoj slici je prikazano i geometrijsko znaˇenje definicije 5. b). b). f (x1 )) i (x2 . b) takve da je x1 < x2 . d) ako je funkcija f derivabilna na intervalu (a.194 DERIVACIJE I PRIMJENE V(x) 2r/3 r Slika 5.11: Volumen upisanog valjka Strogo konveksna funkcija prikazana je na slici 5. b) graf se nalazi iznad tangente u toj toˇki (vidi sliku c c 5. b) ako i samo ako je derivacija f (strogo) rastu´a na c intervalu (a. c) za proizvoljne toˇke x1 . dok je funkcija na slici 5.2 Za graf konveksne funkcije vrijedi sljede´e: c a) graf zakre´e na gore na intervalu (a.13 b) istovremeno i konveksna i konkavna. c b) u svakoj toˇki x ∈ (a.x2 ] nalazi se ispod spojnice toˇaka (x 1 .

Ako je f (x) > 0 za svaki x ∈ (a.5x 1 +0. takva da je f strogo konveksna na intervalu (c − ε.2 c d). b). f (c)) je toˇka c c infleksije grafa funkcije f .5x2 x x2 b Slika 5. to po definiciji derivacije na tom intervalu postoji i prva derivacija f . Definicija 5. b). funkcija f (x) = x4 je konveksna na ˇitavom skupu R.5x2 ) a x1 0.8 Zakrivljenost 195 0.5 f(x1 )+0. (c − ε. b). c Ovaj teorem daje samo dovoljan.12: Strogo konveksna funkcija Teorem 5. .8 Glatka funkcija f ima infleksiju u toˇki c ako postoji ε-okolina c toˇke c. b). c) c i strogo konkavna na intervalu (c. b). ali ne i nuˇan uvjet zakrivljenosti.5x1 +0.5 f(x2 ) f(0.5.11 prva derivacija f strogo rastu´a na tom intervalu pa je funkcija f konveksna po napomeni 5. ali je f (0) = 0. Dokaz druge tvrdnje je sliˇan. Na z primjer. tada je funkcija f strogo konveksna na intervalu (a. c + ε) ∈ D.15 (Dovoljan uvjet zakrivljenosti) Neka je funkcija f dva puta derivabilna na intervalu (a. Dokaˇimo prvu tvrdnju teorema. b). c U prouˇavanju funkcija zanimaju nas toˇke u kojima se zakrivljenost mic c jenja. b). Kako f postoji na intervalu (a. Ako z je f (x) > 0 za svaki x ∈ (a. Dokaz. tada je funkcija f strogo konkavna na intervalu (a. Toˇka (c. tada je po teoremu 5. Ako je f (x) < 0 za svaki x ∈ (a. c + ε) ili obrnuto.

ili obrnuto pa stoga c c ima infleksiju u toˇki c. Dakle. Oˇito je f (x) < 0 za −π/2 < x < 0 i f (x) > 0 za 0 < x < π/2. a konkavna desno od toˇke c.16 (Nuˇan uvjet za postojanje infleksije) Ako funkcija f ima z infleksiju u toˇki c i ako f (c) postoji. za funkciju f (x) = tg x vrijedi f (x) = (−2) cos−3 x(− sin x).12. a samo prva funkcija ima infleksiju u toˇki x = 0. Neka f mijenja predznak u toˇki c. Tada je po teoremu 5. tada je f (c) = 0.17 (Dovoljan uvjet za postojanje infleksije) Neka je funkcija dva puta derivabilna na nekoj ε-okolini toˇke c. za funkcije f (x) = x 3 i f (x) = x4 vrijedi f (0) = 0.1 povlaˇi da prva derivacija c f postoji u nekoj okolini toˇke c. Neka funkcija f ima infleksiju u toˇki c i to tako da c c je. f (0) = 0.2 d) znaˇi da je f strogo rastu´a lijevo od toˇke c c c c c i strogo padaju´a desno od toˇke c. c Na primjer. tada funkcija f ima infleksiju u toˇki c. pa ima infleksiju u toˇki x = 0.13: Konkavna i konveksna funkcija Teorem 5. c Dokaz. ali ne i dovoljan uvjet za postojanje z infleksije. c funkcija tg x je po teoremu 5. to c c je i neprekidna u toˇki c. Takoder. c c Dokaz. definicija derivacije 5. Kako f (c) postoji. odnosno f ima lokalni maksimum u toˇki c c c c. c . kako je f derivabilna u toˇki c.15 konkavna za −π/2 < x < 0 i konveksna za 0 < x < π/2. Prethodni teorem daje samo nuˇan. No tada je f (c) = 0 po teoremu 5. dok druga nema.196 DERIVACIJE I PRIMJENE a b a b a) b) Slika 5. Ako f c z c mijenja predznak u toˇki c.15 funkcija c f konveksna lijevo od toˇke c. osim moˇda u toˇki c. na primjer. c Teorem 5. strogo konveksna lijevo od toˇke c i strogo konkavna desno od c toˇke c. Na primjer. To po napomeni 5.

2. cos x. odnosno tangenta u toˇki infleksije zatvara s x-osi kut od c π/4.4.14 a) Za funkciju f (x) = x4 vrijedi f (0) = f (0) = 0.6. zadana funkcija ima po teoremu 5. odnosno tangenta u toˇki infleksije je paralelna s x-osi.9 Ispitivanje toka funkcije 197 Konaˇno. pri ˇemu je n ≥ 3.5. Sljede´i vaˇan teorem navodimo bez dokaza. c Zadatak 5. tada funkcija f ima infleksiju u toˇki c. Kod toˇaka c infleksije utvrdite da li se radi o horizontalnim ili kosim infleksijama. f V (0) = 120 = 0. tada funkcija f ima lokalni ekstrem u toˇki c i to s c minimum za f (n) (c) > 0 i maksimum za f (n) (c) < 0.18 toˇka x = 0 toˇka infleksije. sh x i arctg x. iz teorema 5. c c jer je f (0) = 0.7) ne moˇe biti periodiˇna c z c ako ne sadrˇi neku od trigonometrijskih funkcija. f (0) = 2 = 0 pa je po teoremu 5.18 Neka funkcija f ima u nekoj ε-okolini toˇke c neprekidne derivacije c do ukljuˇivo reda n. Podruˇje definicije – potrebno je poznavati elementarne funkcije iz poglavlja c 4. c c c jer je f (0) = 1. Ispitivanje funkcije y = f (x) c sastoji se od sljede´ih koraka: c 1. c 3. Pri tome je vaˇno c c z uoˇiti da elementarna funkcija (vidi poglavlje 4. s z z 2. c b) Za funkciju f (x) = x5 vrijedi f (0) = f (0) = f IV (0) = 0.5 Ispitajte podruˇja konveksnosti i konkavnosti te nadite toˇke c infleksije i lokalne ekstreme funkcija sin x. Kako je n = 5 neparan.18 slijedi da zadana funkcija ima infleksiju u toˇki x = 0. Ako je n neparan. Primjer 5. z . U ovom sluˇaju radi se o ”horizontalnoj infleksiji”. za ispitivanje lokalnih ekstrema i toˇaka infleksije moˇemo koc c z ristiti i viˇe derivacije. f IV (0) = 24 = 0. f (n) (c) = 0. 5. s c z Teorem 5. Periodiˇnost – provjerava se pomo´u definicije 4.6 i postupke za rjeˇavanje jednadˇbi ili nejednadˇbi. U ovom sluˇaju radi se o ”kosoj infleksiji”. c c) Za funkciju f (x) = tg x vrijedi f (0) = 0. Parnost – provjerava se pomo´u definicije 4.9 Ispitivanje toka funkcije Ispitivanje toka funkcije je sloˇen postupak u kojem se primjenjuje sve ˇto z s je do sada reˇeno o funkcijama i derivacijama. Neka je c c f (c) = f (c) = · · · = f (n−1) (c) = 0. Ako je n paran i c ako je uz to joˇ i f (c) = 0.18 lokalni minimum u toˇki x = 0. Kako je f (0) = 0 i f IV (0) > 0.

5 sastoji se od nalaˇenje limesa te primjene L’Hospitalovog z pravila iz poglavlja 5. Provjera dos z voljnih uvjeta ekstrema moˇe se vrˇiti na tri naˇina: z s c a) pomo´u promjene predznaka prve derivacije (teorem 5. s c .18. Intervali zakrivljenosti – prvo je potrebno izraˇunati drugu derivaciju c f . z b) kod traˇenja horizontalnih i kosih asimptota limese kada x → −∞ i z kada x → +∞ uvijek treba raˇunati posebno. c c odnosno pogreˇke u prethodnom raˇunu te ih ispraviti.5. U tom sluˇaju potrebno je prvo na´i s c c toˇke u kojima je druga derivacija f jednaka nuli.2 d). odnosno toˇke koje ispunjavaju dovoljne uvjete infleksije c po teoremu 5. Intervali monotonosti – nakon ˇto smo u prethodnoj toˇki izraˇunali s c c c prvu derivaciju f . z 10. odnosno potrebno je odrediti podruˇje c c c definicije prve derivacije f i rijeˇiti jednadˇbu f (x) = 0. intervale monotonosti odredujemo promatraju´i predznake od f po teoremu 5.3 ukoliko je to potrebno.18).5.13).12. Ekstremi – potrebno je provjeriti nuˇne i dovoljne uvjeta ekstrema. Prilikom crtanja grafa mogu´e je otkriti nelogiˇnosti.17. lim x→+∞ x x→−∞ x 6. 8.11. c s z 5. c s 7.14) ili c c) pomo´u viˇih derivacija (teorem 5. c b) pomo´u druge derivacije (teorem 5. Za provjeru dovoljnih uvjeta infleksije moˇemo koristiti z i viˇe derivacije po teoremu 5.16. Provz jera nuˇnih uvjeta vrˇi se po teoremu 5.15 promatraju´i predznake od f . Potrebno je na´i stacionarne z s c i kritiˇne toˇke po definiciji 5. Pri tome je nuˇno voditi z raˇuna o sljede´em: c c a) asimptote je najbolje traˇiti u opisanom redoslijedu. horizontalne i kose) – postupak koji je opisan u poglavlju 4. odnosno toˇke koje c c zadovoljavaju nuˇan uvjet infleksije po teoremu 5. Potom intervale konveksnosti i konkavnosti moˇemo odrediti pomo´u z c z teorema 5. Asimptote (vertikalne. c c) treba biti oprezan u sluˇaju parnih korijena kada x → −∞. Nul-toˇke – postupak se sastoji od rjeˇavanja jednadˇbe f (x) = 0. 9.198 DERIVACIJE I PRIMJENE 4. Takoder moˇemo pogledati c gdje prva derivacija f raste. Graf funkcije – potrebno je sve do sada dobivene informacije o funkciji spojiti u suvislu sliku. na primjer c √ √ x2 x2 = − lim = −1. a gdje pada i primijeniti napomenu 5. Toˇke infleksije – potrebno je na´i toˇke u kojima druga derivacija f c c c mijenja predznak.

Vrijedi s z 3 3 2x2 − x3 . U desnoj strani vrijedi lim f (x) = lim 3 x→+∞ x→+∞ 2x2 − x3 = lim 3 3 x→+∞ x3 2 −1 x = lim x x→+∞ 2 − 1 = (+∞) · (−1) = −∞ x pa funkcija nema horizontalnu asimptotu ni u desnoj strani. 3. no dobili smo korisne informacije. 2x2 − x3 = 0 ⇔ 2x2 − x3 = 0 ⇔ x2 (2 − x) = 0 pa su nul-toˇke jednake x1 = 0 i x2 = 2.9 Ispitivanje toka funkcije 199 Kao primjer. 2. Dakle. ispitat ´emo tok i nacrtati graf funkcije c y = f (x) = 1. Podruˇje definicije c Domena funkcije je D = R. a ne sadrˇi neku od trigonometric z jskih funkcija.5. jer je elementarna. c 5. Zakljuˇujemo da funkcija nije ni parna ni neparna jer je f (−x) = f (x) i c f (−x) = −f (x). dok je f (1) = 3 2 − 1 = 3 1 = 1. b) Horizontalne asimptote U lijevoj strani vrijedi lim f (x) = lim 3 x→−∞ x→−∞ 2x2 − x3 = lim 3 3 x→−∞ x3 2 −1 x = lim x x→−∞ 2 − 1 = (−∞) · (−1) = +∞ x pa funkcija nema horizontalnu asimptotu u lijevoj strani. Asimptote a) Vertikalne asimptote Funkcija nema vertikalnih asimptota jer je D = R. Periodiˇnost c Funkcija nije periodiˇna. . Nul-toˇke c Rijeˇimo jednadˇbu y = 0. funkcija nema horizontalnih asimptota. 4. Parnost √ √ √ √ Vrijedi f (−1) = 3 2 + 1 = 3 3.

200 c) Kose asimptote U lijevoj strani vrijedi lim f (x) = lim x→−∞ x 3 DERIVACIJE I PRIMJENE x→−∞ 2x2 − x3 · 1 = lim x x→−∞ 3 2 − 1 = −1 ≡ k. pravac y = −x + 2 3 2 x x→+∞ 1 2 3 x = − x→+∞ −1 −2/3 1 − x2 2 x2 2 2 −1 x→+∞ 3 x −2/3 = 2 ≡ l. x→+∞ 2 3 2 x x→−∞ 1 2 3 x = − 0 0 2 x2 x→−∞ −1 −2/3 1 − x2 2 2 −1 x→−∞ 3 x −2/3 = 2 ≡ l. U desnoj 1 = lim x x→+∞ 2 − 1 = −1 ≡ k. x→−∞ lim f (x) − kx = lim 3 x→−∞ 2x2 − x3 + x = (+∞ − ∞) 3 = lim x x→−∞ 2 −1+1 x −1+1 1 x = (−∞ · 0) 3 = lim = lim = lim Dakle. 3 je kosa asimptota u lijevoj strani. x Dalje. 3 je kosa asimptota i u desnoj strani. x 3 2x2 − x3 · 3 lim f (x) − kx = lim 3 x→+∞ 2x2 − x3 + x = (−∞ + ∞) 3 = lim x x→+∞ 3 2 −1+1 x −1+1 1 x = (+∞ · 0) 0 0 = lim = lim = lim Dakle. pravac y = −x + strani vrijedi f (x) = lim x→+∞ x→+∞ x lim Dalje. .

a strogo rastu´a na intervalu (0.5. +∞). (ii) Za x ∈ (0. 0). Vrijednost lokalnog maksimuma je f (4/3) = 2 4/3. 2}. Dakle. funkcija f je strogo padaju´a na intervalu c c (−∞. Podruˇje definicije derivacije jednako je D f = R \ {0. imamo tri toˇke koje zadovoljavaju nuˇan uvjet ekstrema. Drugim rijeˇima. funkcija f je strogo padaju´a na intervalu c c (4/3. odnosno provjerit ´emo da li u c c c kritiˇnim toˇkama prva derivacija mijenja predznak. 4/3). a nazivnik manji of nule pa je c f (x) < 0. b) Iz (ii) i (iii) slijedi da funkcija ima lokalni maksimum u √ cnoj toˇki kritiˇ c 3 x3 = 4/3. x(2 − x)2 Vidimo da je stacionarna toˇka (tre´a kritiˇna toˇka) jednaka x 3 = 4/3. +∞). c Drugim rijeˇima. 4/3) su i brojnik i nazivnik ve´i od nule. 0) i (4/3. Drugim rijeˇima. odnosno vrijedi f (x) = 1 · 3 3 4 − 3x . c . Vrijednost lokalnog minimuma je f (0) = 0. dvije c kritiˇne toˇke funkcije su x1 = 0 i x2 = 2. c c (iii) Za x > 4/3 je brojnik manji od nule. c c Funkcija nema globalni maksimum ni globalni minimum jer je kodomena jednaka R. c) Iz (iii) takoder slijedi da funkcija nema lokalni ekstrem u kritiˇnoj toˇki c c x2 = 2. odnosno c funkcija je strogo padaju´a s obje strane te toˇke. jer prva derivacija ne mijenja predznak u toj toˇki. c c c c Dakle. Za x ∈ Df moˇemo skratiti x u c c z brojniku i nazivniku. Intervali monotonosti Monotonost smo ve´ ispitali u prethodnoj toˇki: funkcija je strogo padaju´a c c c na intervalima (−∞.9 Ispitivanje toka funkcije 201 6. 7. Dovoljne uvjete ekstrema z provjerit ´emo pomo´u prve derivacije. Ekstremi Izraˇunajmo prvu derivaciju: c 1 1 f (x) = (2x2 − x3 )−2/3 (4x − 3x2 ) = · 3 3 3 x(4 − 3x) x4 (2 − x)2 . odnosno c z u kojima funkcija moˇe imati lokalne ekstreme. funkcija f je strogo rastu´a na intervalu (0. Iz prethodnog razmatranja moˇemo zakljuˇiti sljede´e: z c c a) Iz (i) i (ii) slijedi da funkcija ima lokalni minimum u kritiˇnoj toˇki c c x1 = 0. pa je f (x) > 0. Imamo tri sluˇaja: c c c (i) Za x < 0 je brojnik ve´i od nule. 4/3). a nazivnik ve´i od nule pa je c f (x) < 0.

Za x > 2 je f (x) > 0 pa je funkcija f konveksna po teoremu 5. = 3 4 (2 − x)5 9 x x2 (2 − x)4 = Vidimo da je predznak od f obrnut od predznaka izraza 2 − x. Graf funkcije Kombiniraju´i sve prethodne rezultate dobijemo graf zadane funkcije i c njene kose asimptote. c 10. 2−1 x f (x) = x2/3 (1 + x)3 . f (x) = xe− 4 + 4x . Toˇke infleksije c Iz razmatranja zakrivljenosti u prethodnoj toˇki.15.8. e2x + 1 1 f (x) = x2 − 1 · ln √ . s s c c x 3 . f (x) = arctg ex − f (x) = (x − 1)e x−1 .202 8. x2 1 ln 2 e2x . s s Zadatak 5.6 Ispitajte tok i skicirajte grafove sljede´ih funkcija: c f (x) = 1 − ln x .17 zakljuˇujemo c c da je x = 2 jedina toˇka infleksije funkcije f . Dakle. 9.14. za x < 2 je f (x) < 0 pa je funkcija f konkavna po teoremu 5. 1 x+1 f (x) = e x2 −3x−4 . Rjeˇenja provjerite tako ˇto ´ete funkcije nacrtati pomo´u programa NetPlot. Kako je slika nacrtana pomo´u programa Gnuplot. po teoremu 5. Intervali zakrivljenosti Izraˇunajmo drugu derivaciju: c 3 2 1 −3 x(2 − x) − f (x) = · 3 DERIVACIJE I PRIMJENE 4−3x [(2 3[x(2−x)2 ]2/3 3 − x)2 + x · 2(2 − x)(−1)] 1 1 −3(x(2 − x)2 ) − 3 (4 − 3x)(2 − x)(2 − 3x) · 3 3 x4 (2 − x)8 −8 . funkciju smo morali nacrtati iz dva dijela. koji je prikazan na slici 5. kao c ˇto je objaˇnjeno u napomeni 4.15.

z kako su kod parametarski zadanih funkcija varijable x i y ravnopravne.2 nema smisla. koji je u parametarskom obliku zadan s 3t 3 t2 . postupak ispitivanja takvih funkcija moˇe biti sloˇeniji od ispitivanja eksplicitno z z zadanih funkcija. x = x(t) = 3 t +1 t +1 1. Kod parametarski zadanih c funkcija ima smisla koristiti sljede´u definiciju: funkcija je parna ako je njen c graf simetriˇan s obzirom na y-os.4 i 4. 2. uz odgovaraju´e izmjene. Podruˇje definicije c Funkcija je definirana za t ∈ R \ {−1}. to definicija parne i neparne funkcije s na naˇin dan u definiciji 4. varijable x i y poprimaju sve vrijednosti iz skupa R.1 Parametarski zadana funkcija Postupak opisan u prethodnim poglavljima se.67 2/3 4/3 2 Slika 5.12.5. Ispitivanje toka parametarski zadane funkcije ilustrirat ´emo na primjeru c Descartesovog lista iz primjera 4.14: Graf iracionalne funkcije 5. Medutim. y = y(t) = 3 .33) .33) -x+0.9.9 Ispitivanje toka funkcije 203 (2*x**2-x**3)**(0. 4.2. a neparna ako je njen graf simetriˇan s c c . c moˇe primijeniti i za ispitivanje toka parametarski zadane funkcije.(-2*x**2+x**3)**(0. Parnost Kako kod implicitno zadane funkcije jednoj vrijednosti varijable x moˇe z odgovarati viˇe vrijednosti varijable y. Primijetimo da za ove vrijednosti parametra t.

y(t)) = (x(t 1 ). Nul-toˇke c c Jednadˇba x(t) = 0 povlaˇi t = 0. s c .2. Uvrˇtavanje c c s 3 + 1)/(t3 + 1). y(t)) takoder element grafa funkcije. ˇto je nemogu´e pa zau drugu jednakost daje −1 = (t s c kljuˇujemo da funkcije nije neparna. c 3. t3 + 1 t1 + 1 y(t) ≡ t3 3 t1 3t = 3 ≡ y(t1 ). t1 = 0 gornje jednakosti povlaˇe c − 3 t2 3t t3 + 1 2 = 3 t = t3 + 1 . y(t1 )). y(t1 )). +1 t1 + 1 Gornje jednakosti su ispunjene samo za t = t 1 = 0. No. za t. za t. Naime. Naime. −y(t)) = (x(t1 ). No. y(t)) elec ment grafa funkcije. tada postoji t1 ∈ R \ {−1} takav da je (−x(t). c c a ne sadrˇe neku od trigonometrijskih funkcija. c c Uvrˇtavanje u drugu jednakost daje −1 = (t 3 + 1)/(−t3 + 1). Ako je toˇka (x(t). Uvrˇtavanje u definiciju funkcije daje s −x(t) ≡ − t3 3 t2 3 t2 = 3 1 ≡ x(t1 ). jer su x i y zadane pomo´u elementarnih funkcija. = 3 t3 + 1 t1 + 1 Nakon kra´enja prva jednakost povlaˇi −t/t 1 = 1. y(t)) element grafa funkcije. gornje jednakosti su ispunjene samo za t = c t1 = 0. Pretpostavimo da je funkcija parna. Uvrˇtavanje u s definiciju funkcije daje −x(t) ≡ − 3 t2 3 t2 = 3 1 ≡ x(t1 ). Ako je toˇka (x(t). +1 t1 + 1 −y(t) ≡ − 3t 3 t1 ≡ y(t1 ). odnosno t1 = −t. s c c Kao i u prethodnom sluˇaju. a jednadˇba y(t) = 0 takoder povlaˇi z c z t = 0 pa je ishodiˇte jedina nul-toˇka funkcije. Periodiˇnost c Funkcija nije periodiˇna. tada je i toˇka (−x(t). =− 3 t1 3 t2 t1 + 1 1 Nakon kra´enja prva jednakost povlaˇi t/t 1 = 1. tada c je i toˇka (−x(t). odnosno t1 = t. t1 = 0 gornje jednakosti povlaˇe c − t3 + 1 3 t2 3t = 3 . z 4. tada postoji c t1 ∈ R \ {−1} takav da je (−x(t). Ispitajmo parnost zadane funkcije po prethodnoj definiciji. Primijetimo da je ova definicija ukljuˇuje definiciju s c 4.204 DERIVACIJE I PRIMJENE obzirom na ishodiˇte. 3 t1 1 1 Pretpostavimo sada da je funkcija neparna. odnosno s t3 − 1 = t3 + 1 ˇto je nemogu´e pa zakljuˇujemo da funkcije nije parna. −y(t)) takoder element grafa c funkcije.

kao i viˇe derivacije.18. 6. Asimptote a) Vertikalne asimptote Funkcija nema vertikalnih asimptota jer je x ∈ R. raˇunamo po pravilima o s c deriviranju parametarski zadanih funkcija iz poglavlja 5. Ekstremi Za razliku od implicitno zadane funkcije. kod ispitivanje ekstrema i monotonosti potrebno z je voditi raˇuna o mnogim detaljima. Sliˇno. 3 x ˙ Zbog sloˇenosti postupka.7. Vrijedi x(t) = ˙ 6 t (t3 + 1) − 3 t2 · 3 t2 3 t (−t3 + 2) = . odnosno lokalno najmanji ili najve´i y i c b) lokalni ekstrem po y.13. (t3 + 1)2 (t3 + 1)2 3 (t3 + 1) − 3 t · 3 t2 3 (−2 t3 + 1) y(t) = ˙ = . c c) Kose asimptote U primjeru 4. No. kod parametarski zadane funkcije su varijable x i y ravnopravne pa moˇemo imati dvije vrste lokalnih ekz strema: a) lokalni ekstrem po x. c Nadimo ekstreme po x. b) Horizontalne asimptote U primjeru 4. 5.12 smo pokazali da x → −∞ kada t → −1 − 0.14 i 5.4: yx = y ˙ . x → c +∞ kada t → −1 + 0. odnosno lokalno najmanji ili najve´i x. c Pri tome derivacije yx i xy . x ˙ xy = x ˙ . (t3 + 1)2 (t3 + 1)2 .5.12 smo pokazali da je pravac y = −x − 1 kosa asimptota u obje strane. c z c s Ekstreme po x i po y takoder traˇimo pomo´u prve i viˇih derivacija kako je opisano u poglavlju 5. y ˙ yx = y x − y¨ ¨˙ ˙x . 5. t→−1−0 lim y(t) = t→−1−0 t3 lim 3t 3 (−1) −3 = = = +∞ 3+1 +1 (−1 − 0) −0 pa funkcija nema horizontalnu asimptotu u lijevoj strani.12.9 Ispitivanje toka funkcije 205 5. odnosno koriste´i teoreme 5. 3 +1 +1 (−1 + 0) +0 zakljuˇujemo da funkcija nema horizontalnu asimptotu ni u desnoj strani. Kako je t→−1+0 lim y(t) = t→−1+0 t3 lim 3 (−1) −3 3t = = = −∞.

7. U okolini toˇke t 1 je y(t) > 0. teorem c c 5. To je u ovom sluˇaju c jednostavno. Vrijedi xy = t (−t3 + 2) x(t) ˙ = . a pozitivna lijevo od c te toˇke. to ´e sigurno biti ispunjeno ako je u okolini promatrane toˇke c c funkcija x(t) injekcija.4. Po c c teoremu 4. da bi mogli ispravno primijeniti teoreme o nuˇnim i dovoljnim uvjetima ekstrema iz poglavlja 5. t (−t3 + 2) Po Teoremu o nuˇnim uvjetima ekstrema 5.12 imamo tri toˇke u kojima z c se mogu nalaziti lokalni ekstremi i to za vrijednosti parametra t 1 = 0. c c s s c Medutim.206 Dakle. nije z dovoljno! Naime. Vidimo da u okolini toˇke t 2 vrijedi x(t) > 0 c c c ˙ pa je po Teoremu o monotonosti 5. y(t) ˙ −2 t3 + 1 √ Oˇito je u okolinama toˇaka t1 = 0 i t3 = 3 2 derivacija y(t) = 0 pa c c ˙ je funkcija y(t) injekcija.1. jer se radi o racionalnim funkcijama. Kako yx mijenja predznak s + na − u okolini toˇke t 2 . funkcije x(t) i y(t) te njihove s c derivacije po parametru t i po x i y prikazane su na slikama 5. zapravo znaˇi c c da je derivacija xy negativna desno od toˇke y(t3 ). a kako xy mijenja predznak s − na + radi se o lokalnom minimumu. Pogledajmo sada ekstreme po y. kako bi zaista bili sigurni da se radi o lokalnom maksimumu po x u smislu definicije 5. medutim.11 funkcija x(t) strogo rastu´a u okolini c toˇke t2 . 5. y(t) ˙ yx = = x(t) ˙ 3 (t3 +1)−3 t·3 t2 (t3 +1)2 6 t (t3 +1)−3 t2 ·3 t2 (t3 +1)2 DERIVACIJE I PRIMJENE = −2 t3 + 1 . √ √ t2 = 1/ 3 2 i t3 = 3 2. potrebno je da z je u okolini kritiˇnih toˇaka zaista definirana neka funkcija y = f (x). x(t) je sigurno injekcija tamo gdje je strogo rastu´a ili padaju´a. c U okolini toˇke t3 derivacija xy takoder mijenja predznak s − na + pa bi c mogli zakljuˇiti da se radi o lokalnom minimumu po y. To.13 nam kaˇe da se radi o lokalnom maksimumu. . Naime. ˇinjenica da y(t) pada. odnosno y(t) je c ˙ rastu´a.16 i 5. zakljuˇujemo da se zapravo ˙ c c radi o lokalnom maksimumu. Kako je u toj c okolini y(t) < 0. moramo joˇ provjeriti da i funkcija x(t) s raste u okolini toˇke t2 . (Obrnuti s c sluˇaj pokazat ´emo kasnije).15. to smo ve´ pokazali jer je u toj okolini x(t) > 0 c c ˙ pa je naˇ zakljuˇak da se radi o lokalnom minimumu opravdan. s ovim joˇ nismo rijeˇili status toˇaka t 1 i t3 . Medutim. odnosno y(t) je padaju´a. Radi lakˇeg pra´enja prethodnog izlaganja. ˇto je zapravo definicija lokalnog maksimuma gledano od desne c s prema lijevoj strani. Vidimo da je prilikom ispitivanja toka parametarski zadane funkcije korisno detaljno ispitati i tokove funkcija x(t) i y(t).17. S druge strane. No.

8. Tako iz oblika funkcija x(t) s i y(t) na slici 5. Iz tablice 5. odnosno za x ∈ (0.15 zakljuˇujemo se na dijelu grafa funkcije ista vrijednosti c varijable x javlja za tri razliˇite toˇke (konkretno. (0.1 prikazani c c su redom intervali parametra t. sliku 5. svakoj vrijednosti t ∈ (−∞. Radi lakˇeg crtanja grafa c s funkcije prikazani su i odgovaraju´i intervali u kojima se nalazi varijabla x c te vrijednost derivacije x(t) iz koje zakljuˇujemo da li na danom intervalu ˙ c x(t) raste ili pada. t 2 ). −1) odgovara toˇno jedan x (funkcija x(t) je na tom intervalu c injekcija). monotonost odgovaraju´e funkcije y = f (x).11. kao i da svakoj vrijednosti x ∈ (0.5. +∞)).1 se takoder lijepo vidi da graf krivulje ima petlju za √ ∈ t √ (0. 0).15: Varijable x i y Descartesovog lista Ove slike nam daju joˇ neke korisne informacije. +∞). U tablici 5. Zakrivljenost Ispitat ´emo zakrivljenost od y kao funkcije od x. 3 4) odgovaraju tri vrijednosti varijable y. t2 ) i (t2 . kako funkcija x(t) raste na intervalu (0. S druge strane. zakljuˇujemo da tu graf funkcije ima petlju.17 iz koje vidimo da li na odgovaraju´em intervalu c . Takoder. isti x se javlja za po jedan c c t iz intervala (−1. Pri tome ´emo koristiti c c napomenu 5. a pada na intervalu (t2 . +∞). 3 4]. c c Radi preglednosti rezultate ´emo prikazati tabliˇno. vrijednost derivacije y x te kao posljedica.2 d). Intervali monotonosti Ispitat ´emo monotonost od y kao funkcije od x koriste´i teorem 5. c 7.9 Ispitivanje toka funkcije 207 3*t**2 / (t**3+1) 3*t / (t**3+1) -1 t0 t1 t2 Slika 5.

208 DERIVACIJE I PRIMJENE 3*t*(-t**3+2) / (t**3+1)**2 3*(-2*t**3+1) / (t**3+1)**2 -1 t0 t1 t2 Slika 5.1: Monotonost Descartesovog lista derivacija yx raste ili pada te sliku 5. to zapravo znaˇi da yx raste kada x raste pa je graf funkcije na tom intervalu c konveksan. . – ako na nekom intervalu yx pada i pri tome x(t) raste. t2 ) (t2 . a pri tome x(t) pada. to zapravo znaˇi da yx pada kada x raste pa je graf funkcije na tom intervalu c konkavan. +∞) yx − − + − + y = f (x) pada pada raste pada raste x(t) (−∞. 0) (0. – ako na nekom intervalu yx raste. tada je graf funkcije na tom intervalu konveksan.16: Derivacije varijabli Descartesovog lista po parametru t (−∞. – ako na nekom intervalu yx pada. 0) (0. a pri tome x(t) pada. +∞) √ (0. t1 ) (t1 . −1) (−1.15 iz koje vidimo da li funkcija x(t) raste ili pada. 3 4) √ (0. Zakljuˇujemo na sljede´i naˇin: c c c – ako na nekom intervalu yx raste i pri tome x(t) raste. 3 4) x(t) ˙ − − + + − Tablica 5. tada je graf funkcije na tom intervalu konkavan. 3√ √ 2) ( 3 2.

c c t (−∞. U tablici 5. t2 ) (t2 .2 dani c c su redom intervali parametra t. 0) (0.2: Zakrivljenost Descartesovog lista 9.8 i tablice 5.2 slijedi da se infleksije √ c √ nalaze u toˇkama za koje 3 3 je t = 0 i t = t2 .5. 0) i ( 4. +∞) yx pada pada pada pada pada x(t) pada pada raste raste pada zakrivljenost konveksna konveksna konkavna konkavna konveksna Tablica 5. Toˇke infleksije c Iz definicije 5. Graf funkcije Kombiniraju´i sve prethodne rezultate dobijemo graf zadane funkcije i c njene kose asimptote.6. odnosno u toˇkama (0. ponaˇanje varijable s s x(t) i konaˇan zakljuˇak o zakrivljenosti. −1) (−1. c 10.9 Ispitivanje toka funkcije 209 (-2*t**3+1) / (t*(-t**3+2)) t*(-t**3+2) / (-2*t**3+1) -1 t0 t1 t2 Slika 5. . t1 ) (t1 .17: Derivacije Descartesovog lista po varijablama x i y Radi preglednosti rezultate ´emo opet prikazati tabliˇno. 2). ponaˇanje derivacije y x . koji je prikazan na slici 4.

18: Poloˇaj ravnoteˇe mehaniˇkog sustava z z c Sa slike 5. Potencijalna energija E zadanog sustava u polju sile teˇe s gravitacijskom konstantom g dana je jednadˇbom z z E = −m1 g|EF | − m2 g|OC|. Njemaˇka. Fernuniversit¨t Hagen. Zadatak je odrediti ima li navedeni mehaniˇki sustav z c poloˇaj ravnoteˇe. Ovdje ´emo kao ilustraciju detaljno opisati postupak c rijeˇavanja problema ravnoteˇe prikazanog na slici 5.10 Rjeˇavanje problema ravnoteˇe s z Diferencijalni raˇun izloˇen u prethodnim poglavljima ima mnoge vaˇne c z z primjene u fizici i tehnici. a c ¤¡¤¡ £ £ ¡¤¡ ¡£¡¤£ £¤¡¤¡£¤¡£ ¡£¡¡£ ¤£¤¡¤¡£¤ £¡£¡¡£ ¤¡¤¡£¤ £¡£¡£¤¡ ¡¡¡££ m1 ¡ ¡ ¢  ¢¡¢¡ ¡ ¡ ¢ ¢ ¢¡¢¡¢  ¡ ¡  ¢¡¢¡¢  ¡ ¡ ¡¡ ¢  F . kao ˇto je poznato. na´i taj poloˇaj. Pri tome je r < d i m1 > m2 .18: s z Preko koluta radijusa r koji se nalazi na udaljenosti d od ishodiˇta s namotana je nit duljine l na ˇijim su krajevima objeˇeni utezi s c s masama m1 i m2 . a uteg s masom m 2 se takoder bez trenja kliˇe po y-osi. imati ravnoteˇu tamo gdje je potencijalna c s z energija minimalna. Dieter Keim.12) Sustav ´e. (5. 1 z z c z B A O r α D E α C m2 Slika 5.210 DERIVACIJE I PRIMJENE 5. Kolut se oko svoje osi vrti bez trenja.18 vidimo da je d = |OD|. te ukoliko ima. Naˇ je zadatak stoga izraziti potencijalnu energiju kao s 1 Ovaj zadatak izradio je dr. sc.

Zapravo se u ovom sluˇaju takoder radi o geometrijskom ekstremu (vidi poglavlje 5. utvrditi da li ta funkcija ima minimum te na´i minic mum ukoliko postoji. Zbog sliˇnosti trokuta c vrijedi ∠ADB = ∠ACO = α.1).10 Rjeˇavanje problema ravnoteˇe s z 211 funkciju jedne varijable. Pokazuje se da je najpogodnija varijabla kut α. uvrˇtavanje izraza (5.5. π/2]. sin α Sada treba utvrditi ima li funkcija E(α) minimum za α ∈ (0.14) sin α Konaˇno. (5. c Pogledajmo prvo kako se funkcija ponaˇa u rubovima intervala. Vrijedi s π r − d + m2 gr. Oˇito je α ∈ (0. 2 d−r lim E(α) = lim −m1 g l − πr − α→0+0 α→0+0 sin α E(π/2) = −m1 g l − d−r sin α 1 = −m1 g(l − πr) + g(m1 − m2 )(d − r) lim α→0+0 sin α = +∞. c l1 = (π − α)r.12) daje traˇenu c s z funkciju |EF | = l − (π − α)r − E ≡ E(α) = −m1 g l − (π − α)r − d − r cos α sin α − m2 g d cos α − r . Trokut ACO je c pravokutan pa je |OA| . Vrijedi |CB| = |CA| + |AB| = pa je d cos α − r sin α d − r cos α |OC| + r tg α = +r = cos α sin α cos α cos α sin α d − r cos α .7. cos α sin α sin α Oznaˇimo s l1 duljinu dijela niti namotanog na kolut. Tada je |EF | = l − l1 − |CB|.13) d cos α − r cos α d cos α − r · = .13) i (5. π/2]. − m2 g . |OC| = tg α Zbog pravokutnosti trokuta ADB vrijedi |OA| = |OD| − |AD| = d − |AD| = d − pa je |OC| = r cos α (5.14) u formulu (5.

m1 Kako je derivacija E (α) neprekidna na promatranom intervalu.8 nam garantira da funkcija na tom intervalu dostiˇe z svoj minimum. Takav ε sigurno postoji c jer je limα→0+0 E(α) = +∞.212 DERIVACIJE I PRIMJENE U zadnjoj jednakosti smo koristili ˇinjenicu da zbog pretpostavki vrijedi m 1 − c m2 > 0 i d − r > 0. to je α 0 jedina kritiˇna toˇka funkcije E(α). No. z z c Da bi odredili poloˇaj ravnoteˇe. r m2 . π/2] pri ˇemu je ε > 0 takav da je E(ε) > E(π/2). jer ˇak i ako z c poloˇaj ravnoteˇe ne budemo mogli toˇno odrediti. = sin2 α Izjednaˇavanje (brojnika) s nulom daje kvadratnu jednadˇbu po cos α. kako je funkcija E(α) na tom intervalu neprekidna. Rjeˇenja ove jednadˇbe su s z (cos α)1. zadani sustav ima poloˇaj ravnoteˇe. S druge strane. Dakle. c c . Promotrimo funkciju E(α) na zatvorenom intervalu [ε. 2m1 gr m1 gd + m2 gr ± d . teorem 4. po s c pretpostavci je 0 < m2 /m1 < 1 pa je rjeˇenje jednadˇbe E (α) = 0 dano s s z cos α0 = odnosno α0 = arccos m2 . c z (m1 gr) cos2 α − (m1 gd + m2 gr) cos α + m2 gd = 0.2 = (m1 gd + m2 gr)2 − 4 · m1 gr · m2 gd 2m1 gr m1 gd + m2 gr ± (m1 gd − m2 gr)2 = . nadimo prvo derivaciju zadane funkcije: z z E (α) = −m1 g r − r sin α · sin α − (d − r cos α) cos α sin2 α −d sin α sin α − (d cos α − r) cos α −m2 g sin2 α −m1 g(d − r cos α) cos α − m2 g(−d + r cos α) . znamo da on postoji. m1 odnosno (cos α)1 = (cos α)2 = Kako je d > r to je d/r > 1 pa je prvo rjeˇenje nemogu´e. m1 m2 . z z Ovim smo napravili vaˇan korak u analizi zadanog sustava.

Kako je α0 c c jedina nul-toˇka derivacije na promatranom intervalu. c c Zadani sustav ´e zauzeti poloˇaj ravnoteˇe za kut α 0 = arccos(m2 /m1 ).5. nego samo o omjeru masa utega. Kako je E (α0 ) = 0.14. slijedi da je E (α) < 0 c za α ∈ (0. Zaista. niti o duljini niti l. α0 ) i E (α) > 0 za α ∈ (α0 . = −m1 g(r sin α) cos α − m1 g(d − r cos α)(− sin α) − m2 g(−r sin α) sin2 α gr(m2 − m1 cos α) + m1 g sin α(d − r cos α) = . c Trebamo joˇ ustanoviti da se u toˇki α 0 nalazi i globalni minimum zadane s c funkcije na promatranom intervalu. π/2) pa zakljuˇujemo je α0 toˇka globalnog minimuma. to jest B(x) = 0. . tada drugu derivaciju u toj toˇki moˇemo c z jednostavnije izraˇunati koriste´i sljede´u jednakost c c c f (x) = Dakle. Na primjer. tada se uteg s masom m 1 podigne. ni o c z z radijusu koluta r. Teorem o monotonosti 5. Pri tome c c moˇemo koristiti postupak skra´enog deriviranja koji se sastoji u sljede´em: z c c ako je derivacija neke funkcije razlomak f (x) = B(x) N (x) i ako je f (x) = 0. sin2 α 0 + m1 g sin α0 (d − r cos α0 ) >0 sin2 α0 B (x)N (x) − B(x)N (x) B (x)N (x) − 0 · N (x) B (x) = = . to je c c E (α) negativna lijevo od toˇke α0 .11 povlaˇi c da je funkcija E(α) strogo padaju´a na intervalu (0. α 0 ) i strogo rastu´a na c c intervalu (α0 . π/2). c z z Zanimljivo je uoˇiti da poloˇaj ravnoteˇe ne ovisi ni o udaljenosti d. 2 (x) 2 (x) N N N (x) Vrijedi E (α0 ) = pa funkcija E(α) ima u toˇki α0 lokalni minimum. a c uteg s masom m2 spusti. a pozitivna desno od toˇke α0 .10 Rjeˇavanje problema ravnoteˇe s z 213 Dovoljan uvjet ekstrema provjerit ´emo pomo´u teorema 5. kada se udaljenost d pove´a. kako je E (α0 ) > 0 to znaˇi da je c derivacija E (α) rastu´a u nekoj okolini toˇke α 0 . E (α)skr.

.

. . . . 238 6. . 222 Svojstva limesa . . . . . . . .4 Alternirani redovi . . . . . . . . . . . . . . 227 6. . . . . monotonost i konvergencija . . .1. 242 . . . . . . . . . . . . . . . . .1. . . . 235 6. .3 Niz funkcija . . . . . . .2 Omedenost. .2. . . . . . . . . . . . . . . . . . . . . . . . 236 6. . . . . 240 Taylorov red . . . . . . . . .2. . . . . . 223 Cauchyjev niz . . . . . . . . . . . . 239 Deriviranje reda funkcija . . . . . . . . . . . . . . .3 Kriteriji konvergencije . . . . . . . . .1 Nuˇan uvjet konvergencije . .5 6. .1. . . . . . . . . .4. . 225 Dva vaˇna limesa . . . 221 Broj e . . 219 s 6. . .4 Red funkcija . .2 6. . . . . . . . . . .4. . . . . . . . .4.3 6. . . . . .2. . . . . . . . . . . . . 229 z 6. .5 Red potencija . . . . . . . . 225 z Red realnih brojeva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 6. . .1. .2 6. . .2 6. . . . . . . 230 Apsolutna konvergencija .4 6. . . . . . . . . 233 6. . . .2. . . . NIZOVI I REDOVI 6. . . .1 Ispitivanje konvergencije . . . . . . . . .1 Niz realnih brojeva . . . . . 234 6. . . . . . . . . . . . . . . . . . . .1. . . 216 6.6 6. . . .6. . . . . . . . . . . . . .1. . . . .1 Gomiliˇte i podniz . . . . . . . . . . . . .

. c Broj a(n) ≡ an je n-ti ˇlan niza. . sin x. .1 a) Niz ˇiji je op´i ˇlan c c c an = glasi 1 4 9 16 .. Naime.1 Niz realnih brojeva U ovom poglavlju definirat ´emo niz realnih brojeva. Redovi brojeva su zapravo sume beskonaˇno pribrojnika koji se zbrac jaju u zadanom redoslijedu i premda je tih pribrojnika beskonaˇno. njihova c suma moˇe biti konaˇna. kod niza svaki ˇlan ima toˇno odredeno mjesto na kojem se nalazi. dok kod skupa to c c nije sluˇaj.1 Niz realnih brojeva (kra´e niz) je svaka funkcija a : N → R. a 3 . ∗. . c Niz moˇemo oznaˇiti tako da napiˇemo prvih nekoliko ˇlanova i op´i ˇlan: z c s c c c a1 . a n . . /.. .. c c Kod redova funkcija najzanimljiviji su redovi potencija. Takoder koristimo oznake (an ) ili {an }. . e c c osnovnih raˇunskih operacija +. c limes niza. Taylorov red nam omogu´uje raˇunanje vrijednosti elementarnih c c x . S tim problemima bavili su se ve´ grˇki matematiˇari z c c c c pa ´emo objasniti poznati Zenonov paradoks o Ahilu i kornjaˇi. Pri tome treba razlikovati niz {an } od skupa {an : n ∈ N}. osnovne tipove nizova. bavit ´emo c z c c se nizovima realnih brojeva. . ako se elementi ponavljaju. ˇiji je sadrˇaj za ve´inu studenata potpuno nov. . cos x. Definicija 6. . Primjer 6. odnosno konvergenciju niza. a 2 . tada skup ostaje isti. 3 5 7 9 n2 2n + 1 . log x) do unaprijed zadane toˇnosti pomo´u funkcija (npr. Jedna od najvaˇnijih primjena takvih redova je razvoj elementarnih funkcija u Taylorov red z potencija. redovima realnih brojeva te nizovima i redovima funkcija. Definicija niza je vrlo jednostavna. dokazati jedinstvenost limesa te dati nekoliko primjera. Takoder. . −. dok se c niz mijenja. c 6.216 NIZOVI I REDOVI U ovoj glavi.

c c c c monoton) ako je takva pripadna funkcija a : N → R. . . n 2 3 4 5 6 1 1 < = an .3 Realan broj a je graniˇna vrijednost ili limes niza {a n } ako c (∀ε > 0)(∃nε ∈ N) takav da n ≥ nε ⇒ |an − a| < ε. 8. . n+1 n Niz koji ima limes je konvergentan odnosno konvergira. Ovo je takozvani stacionarni niz. 8. an = 1 n  .6.  n za n neparan. . glasi 1 2 1 4 1 0. .1 Niz realnih brojeva 217 b) Niz zadan s pravilom  1 − n  . . . strogo rastu´i. 2n. n ≤ 3. . 4. . . . . . odnosno niz sa svojstvom (∃r ∈ R.2 Niz {an } je rastu´i (padaju´i. Na primjer. . 8. . 2 3 4 5 6 c) Niz zadan s pravilom an = glasi 2. 3 2 5 4 7 (−1)n + n = 0. 8. − . . Definicija 6. n 2 3 4 je monoton (strogo padaju´i) jer vrijedi c an+1 = S druge strane. . ∃n0 ∈ N) takvi da n ≥ n0 ⇒ an = r. . . niz an = nije monoton. 6. . za n paran. − . strogo padaju´i. U protivnom je niz divergentan odnosno divergira. . Definicija 6. niz an = 1 1 1 1 = 1. . . n ≥ 4. . 8.

s Na kraju dokaˇimo jedinstvenost limesa. niz {an } divergira prema −∞ ako vrijedi c (∀r < 0)(∃nr ∈ N) takav da n ≥ nr ⇒ an < r. lim an = a. Tada 1 1 1 − 0 < ε ⇔ < ε ⇔ < n. . z s . a + c ε) sadrˇi beskonaˇno ˇlanova niza. Na primjer. nalaze unutar intervala (−0.2). niz an = n divergira u +∞. ε S [x] oznaˇavamo najve´e cijelo pozitivnog broja x. lim n→∞ lim an = a.2 c c je nε = 6 pa se ˇlanovi niza a6 . n Zaista. a8 . dok se izvan toga intervala nalazi samo z c c konaˇno ˇlanova niza. c Kada smanjimo ε.1 Niz moˇe imati najviˇe jedan limes. u prvom sluˇaju iz definicije 6. dok je uvijek beskonaˇno ˇlanova niza unutar tog c c intervala. neka je ε > 0 proizvoljan. za ε = 0. . z Teorem 6. a + ε). tada ve´i broj (ali uvijek konaˇan) ˇlanova niza ostane c c c izvan intervala (a − ε. Sliˇno. Sliˇno. c c Konvergenciju niza oznaˇavamo na sljede´e naˇine: c c c an → a. u drugom sluˇaju iz definicije 6. Primjer 6. a niz an = −n2 divergira u −∞. Definicija 6. n n ε pa je nε = 1 + 1.4 joˇ kaˇemo da niz {a n } konvergira prema +∞ i c s z piˇemo lim an = +∞.4 Niz {an } divergira prema +∞ ako vrijedi (∀r > 0)(∃nr ∈ N) takav da n ≥ nr ⇒ an > r. Napomena 6. 0.2 Dokaˇimo z {an } → a. Postupkom iz primjera 6. 1 = 0.4 joˇ kaˇemo da s c c s z niz {an } konvergira prema −∞ i piˇemo lim a n = −∞.2 rijeˇili smo osnovnu nejednadˇbu konvergencije s z za niz {an }.218 NIZOVI I REDOVI Iz definicije zakljuˇujemo da kod konvergentog niza svaki ε interval (a − ε.1 Zbog jedinstvenosti terminologije u nastavku izlaganja. a7 . Na primjer. .2.

dok se izvan toga intervala nalazi samo konaˇno ˇlanova niza. c 6. odnosno 2. a najmanje gomic s c liˇte zove se limes inferior i oznaˇava s lim inf. a + ε) mora nalaziti beskonaˇno ¯ c ˇlanova niza.1 Gomiliˇte i podniz s Definicija 6. Kako su intervali disjunktni. .6. b) Niz an = n(1 − (−1)n ). . n > n) takav da an < r. . Oˇito je lim inf a n = −1 i s c lim sup an = 1. 0. Dalje. Primjer 6. n > n) takav da an > r. n > n) takav da |an − r| < ε. . a −∞ je gomilˇte niza {an } ako s (∀r < 0)(∀n ∈ N)(∃n ∈ N. odnosno − . s je takoder divergentan i ima gomiliˇta 0 i +∞ te vrijedi lim inf a n = 0 i lim sup an = +∞. 6.1 Niz realnih brojeva 219 Dokaz. s c Limes je ujedno i gomiliˇte. − . +∞ je gomilˇte niza {an } ako s (∀r > 0)(∀n ∈ N)(∃n ∈ N. to a ¯ je nemogu´e. ali se i izvan te c c c c okoline takoder nalazi beskonaˇno ˇlanova niza. Tada se unutar intervala (a − ε. razs s lika izmedu gomiliˇta i limesa je u tome ˇto se unutar svake ε-okoline gomiliˇta s s s r (koje nije ujedno i limes) nalazi beskonaˇno ˇlanova niza. 0. dok gomiliˇte ne mora biti limes. Ukoliko je niz konvergentan. . 10. n+1 2 3 4 5 6 7 je divergentan i ima dva gomiliˇta 1 i −1. .5 Broj r je gomiliˇte niza {a n } ako se u svakoj ε-okolini broja r s nalazi beskonaˇno mnogo ˇlanova niza. Neka je ¯ c c ε = |a − a|/2. c c c Isto mora vrijediti i za interval (¯ − ε. tada je oˇito c lim an = lim sup an = lim inf an . 0. Neka su a i a dva razliˇita (konaˇna) limesa niza {a n }. Najve´e gomiliˇte zove se limes superior i oznaˇava s lim sup. . Nadalje. . odnosno c c (∀ε > 0)(∀n ∈ N)(∃n ∈ N. . a + ε).1. − .3 a) Niz an = (−1)n n 1 2 3 4 5 6 . .

6.4. 1.6 Podniz niza a : N → R je svaka kompozicija a ◦ n. n n+1 zove se geometrijski niz.. 1. . q 2 ... c s z Primjer 6.4 Niz an = q n . q ∈ R. Za |q| > 1 niz divergira. zakljuˇujemo sljede´e: c s c c (i) broj r je gomiliˇte niza {an } ako i samo ako postoji (barem jedan) podniz s {ank } koji konvergira prema r..1. · · · . . (ii) ako je niz {an } konvergentan. q 3 . .. Za |q| < 1 niz konvergira prema nuli. q 4 . −1. za q > 1 niz divergira prema +∞ po definiciji 6.− . K-ti ˇlan podniza a ◦ n je c c (a ◦ n)(k) = a(n(k)) = an(k) = ank .220 NIZOVI I REDOVI Definicija 6. Kombiniraju´i definicije podniza i gomiliˇta 6. . 2 4 6 Sljede´i primjer opisuje ponaˇanje jednog vaˇnog niza. c c Podniz je oˇito ponovo niz. podniz {a2n } niza an = (−1)n glasi 2 4 6 .. pa ima dva gomiliˇta 1 i −1. 1. 3 5 7 a podniz {a2n−1 } istog niza glasi 1 3 5 − . 1.. gdje je n : N → N strogo rastu´a funkcija. s Posebno. .− . odnosno konvergira prema +∞ po napomeni 6. n→∞ . . 1. c Na primjer. . Drugim rijeˇima. tada za svaki podniz {a nk } vrijedi k→∞ lim ank = lim an .. Za q = −1 niz glasi −1. odnosno q. Za q = 1 niz je stacionaran. −1. 1. i konvergira prema 1. podniz se dobije iz polaznog niza preskakanjem ˇlanova.5 i 6. .

Tada se ˇlanovi niza c anε .1 Niz realnih brojeva 221 6. a − ε} ≤ an ≤ max{a1 . . . a3 = 2. Nastavljaju´i ovim postupkom c c dobivamo strogo uzlazni niz n1 < n 2 < · · · < n k < · · · . a2 = 3. anε −1 . {ank } je rastu´i podniz niza {an } i teorem je dokazan. Prema definiciji skupa M vrijedi a n1 ≤ a n2 ≤ · · · ≤ a nk ≤ · · · . To znaˇi da za svaki n vrijedi c min{a1 . jer bi u protivnom n1 bio iz M .1.3 Svaki niz ima monotoni podniz. 2 ∈ M . c Ako je skup M beskonaˇan. a + ε} i teorem je dokazan. Teorem 6. . Dokaz. Oˇito je i n2 ∈ M . .6. . . anε +2 . Definirajmo skup M = {m ∈ N : n ≥ m ⇒ an ≥ am }. Odaberimo ε > 0. Skup M ⊆ N je ili konaˇan ili beskonaˇan pa c c svaki od tih sluˇajeva razmatramo posebno. .2 Omedenost. tada u njemu moˇemo odabrati strogo uzlazni c z niz n1 < n 2 < · · · < n k < · · · . Na primjer. . . a4 = 4. Dokaz. odaberimo n1 ∈ N koji je ve´i od svih elemenata c c od M . anε +1 . tada je 1 ∈ M . 3 ∈ M . a + ε). ˇiji su elementi iz skupa N \ M . c Dakle. monotonost i konvergencija U ovom poglavlju dokazat ´emo ˇetiri teorema koji povezuju monotonost. Teorem 6. . Neka je zadan niz {an }. . a5 = 5 i an = n za n ≥ 6. Neka je a = lim an . a2 . anε −1 . Vrijedi c a n1 > a n2 > · · · > a nk > · · · c pa je {ank } strogo padaju´i podniz niza {an }. Tada postoji n2 ∈ N takav da je n2 > n1 i an2 < an1 . a2 . nalaze unutar intervala (a − ε. Ako je skup M konaˇan.2 Svaki konvergentan niz je omeden. . ako je niz zadan s a1 = 1. c c omedenost i konvergenciju nizova i podnizova.

Naime.4. Ako je zadani niz omeden. 6. Teorem 6.222 NIZOVI I REDOVI Teorem 6. ˇto s je u suprotnosti s pretpostavkom da je a infimum. a2 .5 (Bolzano—Weierstrass) Svaki omeden niz ima konvergentan podniz.3 svaki niz ima monotoni podniz. Limes tog niza c oznaˇavamo s e.4 Svaki monoton i omeden niz je konvergentan. Dakle.71828182845904523536028747135266249775724709369995 . u protivnom bi postojao ε > 0 takav da je a n ≥ a + ε za svaki n. a = inf{a 1 . Po teoremu 6. a njegovih prvih pedeset c c znamenaka glasi 2. Prethodna dva teorema nam takoder koriste za dokazivanje poznatog Bolzano–Weierstrassovog teorema. Niz je padaju´i pa za n ≥ nε vrijedi c a ≤ an ≤ anε ≤ a + ε.1 povlaˇi lim a n = a i teorem je c dokazan.3 dat ´emo definiciju broja e. odnosno |an − a| < ε. c 1 n . definicija 6. odnosno c c baze prirodnih logaritama. e = lim 1 + n→∞ n Broj e ima beskonaˇni neperiodiˇni decimalni zapis. Dokazat ´emo sluˇaj kada je niz {a n } padaju´i. tada je i monotoni podniz omeden pa podniz konvergira po teoremu 6. Tada (∀ε > 0)(∃nε ∈ N) takav da anε < a + ε.1.4. Koriste´i ovaj teorem u poglavlju 6.1. Dokaz. Dokaz. · · · }. Neka je a najve´a c c c c c c donja meda skupa ˇiji su elementi ˇlanovi niza.3 Broj e Dokazat ´emo da je niz c an = 1+ 1 n n rastu´i i omeden odozgo pa stoga konvergira po teoremu 6.

c c 6.1 Niz realnih brojeva 223 Dokaˇimo da je zadani niz omeden: z 1 +1 n n n = k=0 n k n 1 n k 1n−k 1− 1 2k−1 2 n ··· 1 − k−1 n =1+ k=1 n 1 1 1· 1− k! n 1 ≤1+ k! n k=1 ≤1+ < 3.2 Broj e takoder moˇemo izraˇunati i kao sumu beskonaˇnog z c c reda brojeva (vidi formulu (6.2 i zadatak 6.7) vrijedi lim bn = π.1. . Napomena 6.4 Svojstva limesa Svojstva limesa nizova sliˇna su svojstvima limesa funkcija koja su dana u c poglavlju 4. Zadatak 6. √ bn = 2n+1 2 − an . an = 2 + an−1 .1 Niz (4.1. Prema (4.3 pa ga c c stoga izostavljamo.7).1) u poglavlju 6.5 naveden kao jedna od mogu´ih c definicija broja π. Dokaz sljede´eg teorema sliˇan je dokazu teorema 4.6. k=1 =1+2 1− 1 2n Dokaˇimo da je zadani niz strogo rastu´i: z c 1 +1 n n n = k=0 n+1 n 1 ≤ k nk n k=0 n+1 1 k (n + 1)k 1 +1 n+1 n+1 < k=0 1 n+1 = k (n + 1)k . Dokaˇite da je niz {bn } konvergentan tako ˇto z s ´ete pokazati da je strogo rastu´i i omeden odozgo.6.5). koji je u poglavlju 4.2. Takoder moˇemo dokazati z lim 1− 1 n −n n→∞ = e. a1 = 2.3. moˇemo definirati i rekurzivno kao niz {b n } koji je definiran z formulama: √ √ b 1 = 22 2 − a 1 .

(iv) ako za svaki n vrijedi bn = 0 i ako je lim bn = 0.7 Ako za nizove {an }. vrijedi lim an = lim a2 = 1 2 + ... Tada vrijedi: (i) lim(an + bn ) = lim(an ) + lim(bn ). (iii) lim(an · bn ) = lim(an ) · lim(bn ). c . 2 n 2 Sljede´i teorem je sliˇan pravilu o uklijeˇtenoj funkciji 4. bn = x. tada je lim an bn = (lim an )lim bn . bn lim bn (v) ako za svaki n vrijedi an > 0 i ako je lim an > 0. tada je lim(an )x = (lim an )x . c. 4 4 1 2 n(n a3 = 1 2 3 + + . 1 n 1 n c = 0. tada je lim an lim an = . tada je i lim bn = a. cn + d a. ako je bn stacionaran niz. c n k . (an + b) · (cn + d) · = lim a + lim c + b n d n = a . n2 odnosno a1 = 1. d ∈ R. c c s Teorem 6. {bn } i {cn } postoji n0 ∈ N takav da n ≥ n0 povlaˇi an ≤ bn ≤ cn i ako je lim an = lim cn = a.4.5 a) Za niz an = vrijedi lim an = lim b) Za niz an = k=1 an + b . + 1) n2 = lim 1 n+1 1 · lim = . Posebno. b.6 Neka su nizovi {an } i {bn } konvergentni..224 NIZOVI I REDOVI Teorem 6. 32 32 32 . Primjer 6. (ii) lim(an − bn ) = lim(an ) − lim(bn ).

1. ln(1 + ε) . Zaista. ∀k ∈ N) vrijedi |an+k − an | < ε.7 Niz an = 1 n je Cauchyjev pa prema tome konvergira.7 Niz {an } je Cauchyjev niz ako (∀ε > 0)(∃nε ∈ N) takav da (∀n ≥ nε .8 Niz je konvergentan ako i samo ako je Cauchyjev. konvergenciju niza moˇemo z ispitati i bez poznavanja limesa.6.5 Cauchyjev niz Prilikom dokazivanja konvergencije pomo´u osnovne nejednadˇbe konverc z gencije potrebno je poznavati limes niza. 1 1 1 1 1 1 <ε⇔ − − <ε⇔ <ε+ . budu´i je −1 ≤ sin n ≤ 1. s c s z Za a = 1 tvrdnja je oˇita. 1 n < ε. to za svaki n ∈ N vrijedi c − 1 sin n 1 ≤ ≤ . odnosno moˇemo z 6. No. n n n 1 Kako − n → 0 i 1 n → 0. 6. Teorem 6. Za a > 1 vrijedi c √ √ √ | n a − 1| < ε ⇔ n a − 1 < ε ⇔ n a < 1 + ε.6 Dva vaˇna limesa z lim √ n a=1 za a > 0. Logaritmiraju´i obje strane dobivamo c 1 ln a ln a < ln(1 + ε) ⇔ <n n ln(1 + ε) odnosno nε = ln a + 1. n Zaista. tvrdnja slijedi iz teorema 6. Pokaˇimo z tako ˇto ´emo rijeˇiti osnovnu nejednadˇbu konvergencije. Primjer 6.6 Pokaˇimo z sin n → 0. Definicija 6.7.1.1 Niz realnih brojeva 225 Primjer 6. n+k n n n+k n n+k Posljednja nejednakost je sigurno ispunjena ˇim je c 1 uzeti nε = [ ε ] + 1.

. t→0 x→+∞ 1+ 1 x x . Slika 6. ln a nε = + 1. na primjer. iz s c definicije broja e iz poglavlja 6.1.3 slijedi e = lim a zamjenom x = 1/t slijedi e = lim (1 + t)1/t . L’Hospitalovo pravilo .1 prikazuje (1 + 1/x)x i (1 + 1/n)n . Logaritmiraju´i obje strane dobivamo c ln(1 − ε) < ln a 1 ln a ⇔ n > .2 Pokaˇite z lim √ √ n n = lim x x = 1 x→+∞ tako ˇto ´ete rijeˇiti osnovnu nejednadˇbu konvergencije te pomo´u proˇirenja s c s z c s po neprekidnosti. Postupak proˇirenja po neprekidnosti se ˇesto koristi. x→+∞ √ Sada na limx→+∞ x a moˇemo primijeniti tehnike za nalaˇenje limesa funkcija z z realne varijable (logaritamsko deriviranje. Tako. . Zadatak 6. . . u ovom sluˇaju je c n→∞ lim √ √ n a = lim x a. ). ln(1 − ε) Gornji limes mogli smo odrediti i primjenjuju´i proˇirenje po neprekidnosti.226 Za a < 1 vrijedi NIZOVI I REDOVI √ √ √ | n a − 1| < ε ⇔ 1 − n a < ε ⇔ 1 − ε < n a. Dakle. n ln(1 − ε) Nejednakost je promijenila smjer prilikom dijeljenja s negativnim brojem ln(1− ε). Dakle. y = lim a1/x ⇔ ln y = ln( lim a1/x ) = lim x→+∞ x→+∞ x→+∞ 1 ln a = 0 x pa je y = 1. c s Naime.

Koristimo oznake ∞ n=1 an .2 Red realnih brojeva 227 3 2 1 (1+1/x)**x exp(1) "a_n" 2 4 6 8 10 Slika 6. odnosno sumu beskonaˇno c c mnogo sumanada.2 Red realnih brojeva U ovom poglavlju definirat ´emo red realnih brojeva. an . c . a c Niz {sk } je jednoznaˇno odreden nizom {an } i oˇito vrijedi c sk+1 = sk + ak+1 .6. Konvergencija reda definira se pomo´u niza parcijalnih suma. je k-ta parcijalna suma reda . Definicija 6. zatim konvergenciju reda pomo´u niza parcijalnih suma. c dat ´emo nuˇne i dovoljne uvjete konvergencije te uvesti pojmove apsolutne i c z uvjetne konvergencije.8 Red realnih brojeva (kra´e red) je zbroj beskonaˇno (prebrojivo c c mnogo) pribrojnika koji se nalaze u zadanom poretku.1: Proˇirenje po neprekidnosti s 6. a1 + a2 + a3 + · · · + a n + · · · k n=1 an Broj an je n-ti ˇlan reda. Broj sk = c niz {sk } je niz parcijalnih suma.

4) pa geometrijski red konvergira i vrijedi ∞ 1 . ˇto je paradoks. Ako krenu c z istovremeno. niz {a n } je zbrojiv ili sumabilan. Ako je red konvergentan. ˇto u ovom sluˇaju nije toˇno.9 Red konvergira ako konvergira niz parcijalnih suma. q n−1 = lim sk = k→∞ 1−q n=1 Za q ≥ 1 je q n−1 = +∞. a za q ≤ −1 niz {sk } nema limes. . Primjer 6.8 Promotrimo geometrijski red ∞ n=1 q n−1 = ∞ n=0 qn odnosno 1 + q + q 2 + q 3 + q 4 + · · · .228 NIZOVI I REDOVI Definicija 6. a 10 puta je brˇi. c c c s Zenon sluˇatelja navodi na zakljuˇak da zbroj od beskonaˇno udaljenosti mora s c c biti beskonaˇan. Dok Ahil stigne do novog c c poloˇaja kornjaˇe. Joˇ koristimo izraze: red je konvergentan. q n−1 = 1n−1 = +∞. suma reda jednaka je limesu niza parcijalnih suma.9 Zenon je postavio sljede´e pitanje poznato kao Zenonov paradoks: c Ahil se nalazi 1 metar iza kornjaˇe. s Primjer 6. dok Ahil stigne do poˇetnog poloˇaja kornjaˇe. Stoga Ahil nikad ne´e sti´i kornjaˇu. Iz Za q = 1 oˇito vrijedi sk = k pa je c (1 + q + q 2 + q 3 + · · · + q k−1 )(1 − q) = 1 − q k za q = 1 slijedi k sk = n=1 q n−1 = 1 − qk . s = lim sk = k→∞ an . kornjaˇa ´e odmaknuti malo naprijed i tako z c c c dalje. Zapravo se radi o geometric s c c jskom redu i Ahil stigne kornjaˇu nakon c 1+ 1 10 1 1 + + ··· = 1 = 9 10 100 1 − 10 metara. 1−q Za |q| < 1 vrijedi q k → 0 (vidi primjer 6. koc z c rnjaˇa ´e odmaknuti malo naprijed.

ˇto povlaˇi limk→∞ sk = +∞. limm→∞ s2m = +∞. Sada imamo c lim an = lim(sn − sn−1 ) i teorem je dokazan. 6.6. vrijedi lim s n−1 = s. Napomena 6. Dokaˇimo tu tvrdnju: niz parcijalnih suma {s k } je strogo rastu´i.6 (ii) = lim sn − lim sn−1 = 0 Primjer 6. Kako limes niza ne ovisi o c pomicanju indeksa za konaˇan broj mjesta. a divergira za p ≤ 1. ˇto ´emo analizirati u sljede´em s c c poglavlju. a za njegov podniz {s2m } vrijedi 1 1 s 2m = + + 1 2 1 1 1 1 + + + + ··· 5 6 7 8 1 1 1 + m−1 + ··· + m + m−1 + 1 2 2 +2 2 1 1 1 1 1 1 1 + + ··· + >1 + + + + + + 2 4 4 8 8 8 8 m =1 + .2. Teorem 6.2 Red realnih brojeva 229 6. odnosno z 1 z c n = +∞. tada red z c Dokaz. Tm.9 Ako je red Teorem moˇemo iskazati drukˇije: ako je lim a n = 0. Neka je s= an = lim sn . an divergira. .10 Harmonijski red 1 n 1 ispunjava nuˇan uvjet konvergencije jer je lim n = 0. ali divergira. tada je lim an = 0.1 Nuˇan uvjet konvergencije z an konvergentan. pri ˇemu je {sn } limes niza parcijalnih suma. 2 + 1 1 + 3 4 1 1 1 + m + ··· + m m 2 2 2 s c Dakle.3 Red 1 np konvergira za p > 1.

zapravo se radi o dva odvojena pitanja: 1) Da li zadani red konvergira? 2) Ukoliko red konvergira. bn > 0 za ∀n ∈ N. tada red bn divergira. s Medutim. a ako je q > 1. bn (iii) D’Alembertov kriterij. c red bn je majoranta reda an . Teorem 6. Neka je lim Ako je q < 1. tada red .230 NIZOVI I REDOVI 6. tada oba reda ili konvergiraju ili divergiraju. tada red divergira. Neka je lim Tada vrijedi: (a) ako je 0 < r < +∞. Tada vrijede sljede´i kriteriji konvergencije: c c (i) Poredbeni kriterij I. tada red an konvergira. a red an je minoranta reda bn .2 Kriteriji konvergencije Kod razmatranja konvergencije geometrijskog reda u primjeru 6. tada red bn divergira. an an an konvergira. an divergira. istovremeno smo odgovorili na pitanje da li red konvergira i naˇli njegovu sumu.10 (Kriteriji konvergencije) Neka su an i bn redovi s pozitivnim ˇlanovima. an konvergira.8. na prvo pitanje ˇesto moˇemo odgovoriti koriste´i c c c z c jedan od ˇetiri kriterija konvergencije koje navodimo u ovom poglavlju. (ii) Poredbeni kriterij II. Tako kod redova s ˇiji su svi ˇlanovi pozitivni.2. an+1 = q. tada red bn konvergira. bn konvergira. a divergentan ako ima divergentnu minorantu.10 Neka su an i bn redovi s pozitivnim ˇlanovima. (b) ako je r = 0 i red (c) ako je r = 0 i red (d) ako je r = +∞ i red (e) ako je r = +∞ i red an divergira. koja mu je suma? ˇ Cesto je lakˇe odgovoriti na prvo. Ako postoji n0 ∈ N takav da n ≥ n0 povlaˇi an ≤ bn . Red je konvergentan ako ima konvergentnu majorantu. c Definicija 6. nego na drugo pitanje. an = r. odnosno c an .

n(n + 1) Zbog 1 1 1 = − n(n + 1) n n+1 . (v) Raabeov kriterij. Dokazat ´emo samo prvu varijantu poredbenog kriterija.4. tada red Dokaz. c Primjer 6. a ako je q < 1. a ako je q > 1.2 Red realnih brojeva 231 (iv) Cauchyjev kriterij. an an konvergira.12 Promotrimo red 1 . tada red divergira. niz {sk } je i strogo rastu´i pa konvergira po teoremu 6. tada red divergira. Druga c tvrdnja je oˇita. Primjer 6.10). Kako je an > 0. dok dokaze c ostalih tvrdnji izostavljamo. sk ≤ b. red 1 np divergira za p < 1 zbog istog razloga (vidi napomenu 6. Niz parcijalnih suma {sk } reda an je omeden odozgo. c z dakle kada je lim an+1 /an = 1. Neka je lim n 1 − Ako je q > 1. tada red an konvergira. Neka je lim Ako je q < 1.11 Kako je 1 n ≤ 1 √ .3). an √ n an = q. n red 1 √ n 1 divergira jer ima divergentnu minorantu c n (vidi primjer 6. an+1 an = q. Dat ´emo nekoliko primjera. Op´enito. Neka red an ima konvergentnu majorantu bn = b i neka je an ≤ bn . c Raabeov kriterij se obiˇno koristi tek kada zakaˇe D’Alembertov kriterij.6.

2 1 n n = = lim < 1.13 Ispitajmo konvergenciju reda n 3n po D’Alembertovom i Cauchyjevom kriteriju.1) dokazat ´e se u zadatku 6. 6.14 Sljede´i vaˇan red daje nam prikaz broja e: c z 1 1 1 1 = 1 + 1 + + + + · · · = e. No. k+1 =1− Stoga je 1 n(n+1) = lim sk = 1. n Primjer 6. Red konvergira po D’Alembertovom kriteriju jer je lim an+1 = lim an n+1 3n+1 n 3n = lim n+1 1 = < 1. tada kon- Zadnju jednakost ´emo dokazati u Matematici 3. Red 1 (n + 1)2 takoder konvergira jer ima konvergentnu majorantu vergira i red π 1 1 =1+ = .1) = lim 1 = 0 < 1. prema poredc c 1 benom kriteriju red p konvergira za p ≥ 2 (vidi napomenu 6. n+1 Zadnja jednakost u formuli (6.5. c . n! 2! 3! 4! n=0 Red konvergira po D’Alembertovom kriteriju jer je an+1 = lim lim an 1 (n+1)! 1 n! ∞ (6.3).232 vrijedi k NIZOVI I REDOVI sk = n=1 1 1 1 1 1 1 1 1 1 = 1 − + − + − + ··· + + − n(n + 1) 2 2 3 3 4 k−1 k k+1 1 . 3n 3 Red konvergira po Cauchyjevom kriteriju jer je √ n √ n n Zad. n2 (n + 1)2 6 1 n(n+1) . Konaˇno. lim an = lim n 3 3 3 Primjer 6.

c z Teorem 6.3 Apsolutna konvergencija U prethodnom poglavlju dani su kriteriji konvergencije za redove s pozitivnim ˇlanovima. naravno. c Redovi koji su konvergentni. c Apsolutno konvergentni redovi imaju sljede´e vaˇno i korisno svojstvo. Teorem 6. tada je i konvergentan.3) 2 4 8 16 32 64 su apsolutno konvergentni jer je njihov red apsolutnih vrijednosti konvergentan geometrijski red 1/2n−1 .2. Sljede´a dva teorema vezana uz apsolutno konvergentne redove navodimo c bez dokaza. razliˇite. Na primjer. Za redove s pozitivnim ˇlanovima koje smo razmatrali u prethodnom poglavlju c vrijedi an = |an | pa nema razlike izmedu konvergencije i apsolutne konvergencije.2) 1 1 1 1 1 1 − + − − + ··· (6. suma reda (6.2. U nekim sluˇajevima pomaˇe nam teorem o apsolutnoj konverz c z genciji.11 Red an je apsolutno konvergentan odnosno konvergira apsolutno ako konvergira red |an |. Sume su im.4). to jest redoslijed zbrajanja ne utjeˇe na sumu reda. 3 Sliˇno.3) jednaka je c 1+ 1 1 + + ··· 8 64 − = 1 1 1 + + + ··· 2 16 128 1 1 1 1− − = 2 4 1− 1 8 − 2 .6.2 Red realnih brojeva 233 6. 7 1 1 1 + + + ··· 4 32 256 .12 Apsolutno konvergentnom redu smijemo komutirati sumande. Po prethodnom teoremu suma reda (6. Definicija 6.11 Ako je red apsolutno konvergentan. Razmatranje redova ˇiji ˇlanovi imaju razliˇite predznake c c c c je sloˇenije. ali nisu apsolutno konvergentni nemaju ovo svojstvo (vidi poglavlje 6. redovi 1− i 1− 1 1 1 1 1 1 + − + − + ··· 2 4 8 16 32 64 (6.2) jednaka je 1+ 1 1 1 + + + ··· 4 16 64 − 1 1 1 + + + ··· 2 8 32 = 1 1− 1 4 − 1 1 · 2 1− 1 4 = 2 .

c 1 1 = 2n 2 1 = +∞. alternirani harmonijski red (−1)n−1 1 1 1 1 = 1 − + − + · · · = ln 2 n 2 3 4 konvergira po Leibnitzovom kriteriju. ali ne konvergira apsolutno jer red apso1 lutnih vrijednosti c n divergira. odnosno z suma reda koji je konvergentan ali nije apsolutno konvergentan ovisi o redoslijedu zbrajanja.2) i (6. je sloˇenije. c Ovaj postupak moˇemo ponavljati unedogled jer je svaki ostatak od pozitivnog z i negativnog dijela i dalje beskonaˇan. zatim onoliko pozitivnih ˇlanova dok ne predemo s. pomaˇe nam Leibnitzov kriterij konvergencije.4 Alternirani redovi Razmatranje redova ˇiji ˇlanovi imaju razliˇite predznake. Dakle. zatim uzmemo onoliko negativnih ˇlanova dok se ne vratimo ispod s.21. a koji nisu apc c c solutno konvergentni.3) jer su i pozitivni i negativni dijelovi tih redova konaˇni. suma ´e biti jednaka s. Ovakav postupak oˇito ne moˇemo provesti c c z za redove (6. Teorem 6. Prvo primijetimo da su i pozitivni i negativni dio alterniranog harmonijskog reda beskonaˇni.234 NIZOVI I REDOVI 6. i tako dalje. Pokaˇimo da teorem 6. n 1 1 > 2n − 1 2 1 = +∞. moˇemo posti´i bilo koju unc z c aprijed zadanu sumu s (recimo s > 0): uzmemo onoliko pozitivnih ˇlanova c c dok ne predemo s. Zadnja jednakost bit ´e dokazana u Matematici 2. Pomo´u ovog reda moˇemo izraˇunati vrijednost broja π. Na primjer. medutim konverc z c gencija je vrlo spora. a pri c c tome koristimo sve ˇlanove reda.12 ne vrijedi za alternirani harmonijski red.13 (Leibnitz) Alternirani red an konvergira ako vrijedi: (i) (∃n0 ∈ N) takav da n ≥ n0 povlaˇi |an+1 | ≤ |an |.2. Zadnju jednakost ´emo dokazati u primjeru 6. c . z Red an za koji je sign an+1 = − sign an za svaki n zove se alternirani red. ali ne konvergira apsolutno jer 1 c red 2n−1 divergira. Alternirani red (−1)n−1 1 1 1 1 1 1 π = − + − + − + ··· = 2n − 1 1 3 5 7 9 11 4 n=1 takoder konvergira po Leibnitzovom kriteriju. c (ii) lim an = 0. n ∞ Izborom odgovaraju´eg redoslijeda zbrajanja. U posebnom sluˇaju kada predznaci alterniz c raju.

. f2 (x). Niz funkcija {fn } konvergira po toˇkama ili obiˇno prema funkciji f 0 na skupu A ako {fn (x)} → c c f0 (x) za ∀x ∈ A. . .6. f 3 . Ako nx. x2 . Promotrimo prvo toˇke x = 0 i x = 1. .ε ≡ nε . c Promotrimo konvergenciju niza funkcija (6. x. niz funkcija {fn } c konvergira uniformno ili jednoliko prema funkciji f 0 . Na primjer. f n . (6. dok obrnuto c op´enito ne vrijedi.3 Niz funkcija 235 6.ε ∈ N) takav da n ≥ nx. . . vidimo da niz konvergira za x ∈ (−1. pri ˇemu je f (n) = fn : D → R.4. konvergenciju u toˇki te c c obiˇnu i uniformnu konvergenciju na nekom skupu. Za x = 0 niz je stacionaran c . . Niz konvergira obiˇno ˇto ´emo vidjeti rjeˇavaju´i osnovnu nejednadˇbu konc s c s c z vergencije. 1] → {0. Oznaˇimo s R D skup svih funkcija iz D u c R.4). ili f1 (x). Funkcija f0 je limes niza funkcija {fn (x)}. f3 (x). . . . 1] prema funkciji f0 : (−1. . . .13 Niz funkcija {fn } konvergira u toˇki x prema funkciji f 0 c ako niz realnih brojeva {fn (x)} konvergira prema f0 (x). . . c f1 . . .ε ⇒ |fn (x) − f0 (x)| ≤ ε.3 Niz funkcija U ovom poglavlju definirat ´emo niz funkcija. Niz funkcija je svaka funkcija f : N → R D . x3 . . za x = 1. . {fn (x)}. xn−1 . . . fn (x). c Definicija 6.4) Definicija 6. x4 . Simboliˇki zapisujemo: c (∀x ∈ A)(∀ε > 0)(∃nx.12 Neka je D ⊆ R. c Niz funkcija oznaˇavamo s {fn }. Iz definicije slijedi da je uniformna konvergencija jaˇe svojstvo. odnosno c niz funkcija koji konvergira uniformno konvergira i po toˇkama. 1} zadanoj s f0 (x) = 0 1 za − 1 < x < 1. c Funkcija fn ≡ fn (x) je n-ti ˇlan niza. . . niz funkcija zadan s fn (x) = xn−1 glasi 1.ε ne ovisi o x ve´ samo o ε. odnosno nx. odnosno n→∞ lim fn = f0 . . Iz svojstava geometrijskog niza danog u primjeru 6. f 2 .

To se ne moˇe dogoditi kada se radi o uniformnoj konvergenciji. te c c obiˇnu. Zadatak 6.5 0.ε = 2 za ∀ε > 0. tada je f0 takoder neprekidna funkcija.3 Pokaˇite da niz neprekidnih funkcija f n (x) = sinnnx konvergira z uniformno prema neprekidnoj funkciji f 0 (x) = 0 na ˇitavom skupu R. Sliˇno se dobije u sluˇaju −1 < x < 0 pa se radi o obiˇnoj konvergenciji. Konvergencija niza prikazana je na slici 6.2. Za 0 < x < 1 vrijedi c 1 0. Za x = 1 niz je stacionaran c s c od poˇetka pa je n0. z Teorem 6.14 Ako niz neprekidnih funkcija {f n } konvergira uniformno prema funkciji f0 . apsolutnu i uniformnu konvergenciju na nekom skupu.ε = ln x + 1. nx.5 x x**2 x**3 x**4 x**5 x**10 x**25 1 -0. konvergenciju u toˇki. limes nije neprekidna c funkcija. ε c c Dakle. c 6.5 -1 -0.2: Konvergencija niza funkcija Premda su svi ˇlanovi niza {xn−1 } neprekidne funkcije. c |xn − 0| < ε ⇔ n ln x < ε ⇔ n > poˇevˇi od drugog ˇlana pa je n0.4 Red funkcija U ovom poglavlju definirat ´emo red funkcija.ε = 1 za ∀ε > 0. ln x Prilikom dijeljenja negativnim brojem ln x nejednakost je promijenila smjer.236 NIZOVI I REDOVI ε .5 -1 Slika 6. Pokazat ´emo c c .

(iii) Red funkcija fn konvergira apsolutno na skupu A ako red brojeva |fn (x)| konvergira za ∀x ∈ A. f 1 + f2 + f3 + · · · + f n + · · · .15 (i) Red funkcija fn konvergira u toˇki x prema funkciji c s ako red realnih brojeva fn (x) konvergira prema s(x). Definicija 6. Funkcija fn je n-ti ˇlan reda. konvergenciju u nekoj toˇki i obiˇnu konvergenciju moˇemo definic c z rati na dva naˇina: preko reda brojeva ili preko niza parcijalnih suma. a funkcija c k sk = n=1 fn je k-ta parcijalna suma.14 Red funkcija je zbroj beskonaˇno (prebrojivo mnogo) funkcija. odnosno ako sk (x) → s(x) za ∀x ∈ A.6. . Definicija 6. Niz funkcija {s k } je niz parcijalnih suma reda funkcija fn . Na primjer. odnosno ako niz realnih brojeva sk (x) konvergira prema s(x). c pored obiˇne konvergencije imamo joˇ dvije razliˇite vrste konvergencije. (ii) Red funkcija fn konvergira po toˇkama ili obiˇno prema funkciji s na c c skupu A ako fn (x) konvergira prema s(x) za ∀x ∈ A. Koristimo i oznake c ∞ n=1 fn (x). apc s c solutnu i uniformnu. Takoder. (iv) Red funkcija fn konvergira uniformno prema funkciji s na skupu A ako niz funkcija {sk } konvergira uniformno prema funkciji s na skupu A. Dakle. red funkcija xn−1 moˇemo zapisati i kao z 1 + x + x 2 + x3 + · · · + x n + · · · . c ∞ n=1 fn .4 Red funkcija 237 kako se moˇe odrediti podruˇje konvergencije reda funkcija te dati jedan lako z c primjenjiv kriterij konvergencije. pri ˇemu je fn : D → R.

za koje dani red konvergira. Konvergencija je apsolutna jer red |x|n−1 konvergira za ∀x ∈ (−1. (6. Postupak ´emo objasniti na primjeru.5 0.238 NIZOVI I REDOVI Primjer 6. a prikazana je na slici 6. 1/(1-x) 6 1+x+x**2 1+x+x**2+x**3 1+x+x**2+x**3+x**4+x**5+x**6+x**7+x**8+x**9+x**10 5 4 3 2 1 -1 -0. Konvergencija je takoder uniformna prema teoremu 6.4. c Zadan je red funkcija ∞ xn−1 . n n→∞ |1 − x| |1 − x| 1−x n−1 .15 Iz svojstava geometrijskog reda iz primjera 6. 1−x ∀x ∈ (−1.2.1 Ispitivanje konvergencije Ispitati konvergenciju reda funkcija znaˇi na´i podruˇje. 1). odnosno sve vric c c ˇ jednosti x.8 slijedi da za geometrijski red funkcija vrijedi 1 + x + x 2 + x3 + x4 + · · · = 1 . Cesto ispitujemo podruˇje apsoc lutne konvergencije koriste´i kriterije konvergencije za redove realnih brojeva c iz poglavlja 6.10 daje lim n n→∞ |fn (x)| = lim n n→∞ |x|n−1 |x| n x = lim = .16.3.5 1 Slika 6.5) (1 − x)n n=1 Cauchyjev kriterij iz teorema 6. 1).2.3: Konvergencija geometrijskog reda funkcija 6.

Teorem 6.6) konvergira uniformno i apsolutno na svakom segmentu [x0 −ρ . Podruˇje konvergencije reda potencija daje nam sljede´i teorem kojeg ´emo c c c dokazati u Matematici 3. red (6. gdje je ρ < ρ. tada red potencija konvergira za ∀x ∈ R. odnosno (∃n0 ∈ N) takav da n ≥ n0 ⇒ |fn (x)| ≤ an .2 Red potencija ∞ n=0 fn Red potencija je poseban red funkcija n . Na primjer.6. ako je ρ = 0. pri ˇemu je fn : D → R.4 Red funkcija 239 Dakle. tada red potencija konvergira samo u toˇki c x = x0 (trivijalno). U toˇki x = 1/2 Cauchyjev kriterij ne daje odluku c pa ´emo taj sluˇaj razmotriti posebno: c c fn 1 2 = 1 n−1 2 1 n 2 = 2 = +∞. ∀x ∈ D. Konvergenciju u toˇkama x = x0 − ρ i x = x0 + ρ treba ispitati posebno. 1/2). x0 +ρ]. Radijus konvergencije reda potencija je broj ρ= 1 lim sup n |an | ili ρ= 1 lim sup an+1 an . 6. a ako je ρ = +∞.15 (Weierstrass) Red funkcija fn . Uniformnu konvergenciju moˇemo ispitati na sljede´i naˇin. c .4.5) konvergira apsolutno za sve toˇke x ∈ R \ {1} za koje je c x < 1. a divergira na skupu R\[x0 −ρ. 1−x odnosno za x ∈ (−∞. an ∈ R. odnosno x0 ) ∞ n=0 za koji je fn (x) = an (x − (6. c konvergira uniformno na skupu D ako ima konvergentnu majorantu an .16 Red potencija (6. x0 +ρ ]. z c c Teorem 6.6) an (x − x0 )n ili a0 + a1 (x − x0 ) + a2 (x − x0 )2 + a3 (x − x0 )3 + · · · + an (x − x0 )n + · · · .

n! Ispitivanje konvergencije u rubovima intervala je sloˇenije pa ga izostavite. n2 Ovdje je takoder x0 = 0. U toˇki x = −1 red n 1 (alternirani harmonijski red. zadani red konvergira apsolutno za x ∈ [−1. tada vrijedi fn (x) Posebno za red potencija vrijedi ∞ n=0 ∞ n=1 = fn (x). .3 Deriviranje reda funkcija Kada funkcija s(x) = fn (x) nije elementarna. z 6. poglavlje 6.4 Nadite podruˇje apsolutne konvergencije reda nn n x . ve´ navodimo sljede´i zanimljiv primc c c jer. U toˇki x = 1 red glasi c pa konvergira (vidi poglavlje n2 n 1 pa konvergira jer konvergira ap6. ako su sve derivacije fn (x) neprekidne i ako red fn (x) konvergira. Kako je ρ = 1.2). c Primjer 6.10). n Ovdje je oˇito x0 = 0. ili nema prikladan analitiˇki izraz. a u toˇki x = −1 red glasi (−1) n2 c solutno (teorem 6.17 Zadan je red potencija 1 n x . Dakle.2. 1). c c Zadatak 6. ∞ n=0 an (x − x0 )n = nan (x − x0 )n−1 = )n (n + 1)an+1 (x − x0 )n u svim toˇkama u kojima red c an (x − x0 konvergira. 1].11).2) c lim sup n NIZOVI I REDOVI |an | = lim sup n 1 = 1. Prethodne tvrdnje ne´emo dokazivati. c z c c Naime.2. zadani red konvergira za x ∈ [−1. U 1 toˇki x = 1 red glasi c c n pa divergira (vidi primjer 6. a divergira inaˇe. njenu derivaciju moˇemo raˇunati deriviraju´i pripadni red funkcija. 1). red konvergira uniformno i apsolutno 1 na intervalu (−1.4. 1).16 Zadan je red potencija 1 n x .4) pa konvergira glasi (−1) n po Leibnitzovom kriteriju. Dakle.240 Primjer 6. a divergira inaˇe. n to je ρ = 1 pa red konvergira uniformno i apsolutno na intervalu (−1. Kako je (vidi zadatak 6.

6.5 1 Slika 6. 1−x |x| < 1. Za geometrijski red vrijedi ∞ n=0 xn = 1 . Ovaj red potencija takoder konvergira za |x| < 1 pa stoga za |x| < 1 vrijedi ∞ n=1 nxn−1 = ∞ n=0 (xn ) = ∞ n=0 xn = 1 1−x = 1 .4 Red funkcija 241 Primjer 6. (1 − x)2 Konvergencija reda prikazana je na slici 6.4. ∞ n=1 Osim toga ∞ n=0 (xn ) = ∞ n=0 nxn−1 = nxn−1 .18 Izraˇunajmo sumu reda potencija c nxn−1 = 1 + 2x + 3x2 + 4x3 + · · · + nxn−1 + · · · za |x| < 1.5 0.4: Konvergencija reda potencija . 1/(1-x)**2 1+2*x+3*x**2 1+2*x+3*x**2+4*x**3 1+2*x+3*x**2+4*x**3+5*x**4+6*x**5+7*x**6+8*x**7+9*x**8 8 10 6 4 2 -1 -0.

n! (6.10) Posebno je vaˇna primjena Taylorovog razvoja na elementarne funkcije. x) i za ∀x ∈ (a.9) ako i samo ako niz ostataka {Rn (x)} teˇi k nuli za ∀x ∈ (a. a izraz u formuli (6.9) zove se Taylorov red ili Taylorov razvoj funkcije f u toˇki c x0 .5 Taylorov red Razvoj elementarnih funkcija u Taylorov red jedna je od najvaˇnijih primz jena dosadaˇnjih rezultata ove glave. b) derivacije proizvoljnog reda. b) vrijedi c f (x) = f (x0 )+ f (x0 ) f (x0 ) f (x0 ) (x − x0 ) + (x − x0 )2 + (x − x0 )3 + 1! 2! 3! f (n) (x0 ) ··· + (x − x0 )n + Rn (x).7) n! (x − x0 )n+1 (1 − θ)n+1−p f (n+1) (x0 + θ(x − x0 )) p · n! gdje je Rn (x) = (6.18 Neka funkcija f ima na intervalu (a. z .8) je Schl¨mlio chov oblik ostatka. b). n! a za p = n + 1 dobivamo Lagrangeov oblik ostatka Rn (x) = Rn (x) = (x − x0 )n+1 (n+1) f (x0 + θ(x − x0 )). Dokazi teorema koje c c c navodimo su sloˇeni pa ih izostavljamo. b) vrijedi c f (x) = f (x0 ) + ∞ n=1 f (n) (x0 ) (x − x0 )n n! (6.8) za p ∈ N i 0 < θ < 1.242 NIZOVI I REDOVI 6. Taylorov razvoj u toˇki x0 = 0 zove se MacLaurinov razvoj. b) i za ∀x ∈ (a. c f (x) = f (0) + ∞ n=1 f (n) (0) n x . z Red potencija (6. (6. (n + 1)! Teorem 6. e x i ln x do ˇeljene toˇnosti c z c i to koriste´i samo ˇetiri osnovne raˇunske operacije. Tada za proizvoljnu toˇku x0 ∈ (a. za p = 1 dobivamo Cauchyjev oblik ostatka (x − x0 )n+1 (1 − θ)n f (n+1) (x0 + θ(x − x0 )).7) zove se Taylorova formula . Tada za proizvoljnu toˇku x0 ∈ (a. Posebno. b) derivaciju reda n + 1. Pomo´u Taylorove formule moˇemo s c z raˇunati vrijednosti elementarnih funkcija kao sin x.17 Neka funkcija f ima na intervalu (a. Formula (6. z Teorem 6.

5 Taylorov red 243 Teorem 6.19 Nadimo MacLaurinov razvoj funkcije f (x) = sin x. Po D’Alembertovom kriteriju lim |x2n+1 | (2n+1)! |x2n−1 | (2n−1)! = lim x2 = 0.11) Zadatak joˇ nije gotov.0002 = 0.4.8416 ± 0. f (x) = − sin x.0002. (2n − 1)! (6. f (x) = − cos x.10) daje x x3 x5 x7 sin x = − + − +··· = 1! 3! 5! 7! ∞ n=1 (−1)n+1 x2n−1 .6. f (x) = cos x. . . 6 120 . Primjer 6. f (0) = 0. f V (0) = 1. IV f (0) = 1.11) vrijedi za ∀x ∈ R. Uvrˇtavanje s f (0) = 0. c c Primjer 6. . 2n(2n + 1) odnosno ρ = +∞ (vidi poglavlje 6.7) koristimo za raˇunanje vrijednosti elementarnih c funkcija.0002. pa formula (6. sin 1 = 1 − x7 1 | − cos(θx)| ≤ < 0. (x) = sin x.2). Konvergencija Taylorovog reda prikazana je na slici 6. f f V (x) = cos x. Po teoremu 6.19 Taylorov red elementarne funkcije f (x) konvergira prema f (x) u svakoj toˇki svog podruˇja konvergencije. Taylorovu formulu (6. 7! 7! 1 1 ˙ + ± 0. jer ne znamo za koje vrijednosti x formula (6.19 formula vrijedi za sve x za koje red na desnoj strani konvergira. u formulu (6. .11) s vrijedi. f IV (0) = 0.5.20 S kolikom toˇnoˇ´u c sc x− x3 x5 + 3! 5! Pogreˇku ´emo s c aproksimira funkciju sin x za |x| ≤ 1? Koliko je sin 1? izraˇunati koriste´i Lagrangeov oblika ostatka: c c |R6 (x)| = Dakle. f (0) = −1.

25 c na ovaj naˇin sin 0.5 -3 -2 -1 -0. jer je na primjer |R 6 (0.25)| = 0. . Toˇnost je joˇ ve´a za manje c c s c 7 /7! < 1. Izraˇunajte vrijednosti od x.1. odnosno c c polinomi manjeg stupnja s kojima se postiˇe ista ili ve´a toˇnost.25 i sin 0.5 1 2 3 -1 Slika 6. Konvergencija s s Taylorovog reda za funkciju ex prikazana je na slici 6. 2! 3! 4! n! n=1 ∞ ˇto je joˇ jedan prikaz broja e pored definicije iz poglavlja 6.6.244 sin(x) x-x**3/6 x-x**3/6+x**5/120 x-x**3/6+x**5/120-x**7/5040 NIZOVI I REDOVI 1 0. Za x = 1 prethodna formula daje e=1+1+ 1 1 1 1 + + + ··· = 1 + .5 i usporedite s rezultatima koje daje kalkulator! c Raˇunala raˇunaju funkcije sin x. z c c Zadatak 6.3. odnosno c c c c koriste´i samo osnovne raˇunske operacije. e x i ln x na sliˇan naˇin.5 Izraˇunajte MacLaurinove razvoje c x2n x2 x4 x6 (−1)n + − + ··· = 1 + . Postoje i ”bolji” polinomi. cos x.3·10−8 .5: Taylorov red za sin x Ovo je gotovo toˇnost logaritamskih tablica. cos x = 1 − 2! 4! 6! (2n)! n=1 i ex = 1 + x x2 x3 x4 + + + + ··· = 1 + 1! 2! 3! 4! ∞ n=1 ∞ ∀x ∈ R. xn . n! ∀x ∈ R.

1+x 1 f (x) = − . (1 + x)4 f (x) = (−1)(−2) zakljuˇujemo c f (n) (x) = (−1)n−1 (n − 1)! pa je Uvrˇtavanje u formulu (6. (1 + x)n (−1)n−1 n x n (6. c Primjer 6.10) daje s ln(1 + x) = f (n) (0) = (−1)n−1 (n − 1)!.6: Taylorov red za ex Funkciju ln x ne razvijamo u Taylorov red direktno. (1 + x)2 f (x) = 1 . nego koristimo jedan od sljede´a dva MacLaurinova razvoja.21 Nadimo MacLaurinov razvoj funkcije f (x) = ln(1 + x). (1 + x)3 1 f IV (x) = (−1)(−2)(−3) .6.5 Taylorov red 245 exp(x) 1+x+x**2/2 1+x+x**2/2+x**3/6 6 1+x+x**2/2+x**3/6+x**4/24 5 4 3 2 1 -5 -4 -3 -2 -1 1 Slika 6.12) . ∞ n=1 1 . Iz 1 .

4 0.4). 1 -0. na primjer. ali moˇemo korisiti sljede´i razvoj. s Dakle.12) ne z c koristi.4. formula (6.8 -0. 1] pa pomo´u nje moˇemo izraˇunati c z c vrijednosti funkcije ln x za x ∈ (0.7: Taylorov red za ln(1 + x) Ukoliko ˇelimo izraˇunati.4 0. tada nam formula (6.10. odnosno za koje vrijednosti x red potencija na desnoj strani konvergira. ln 3. 2 3 4 ˇto nam daje sumu alterniranog harmonijskog reda iz poglavlja 6.246 NIZOVI I REDOVI pa preostaje odrediti za koje vrijednosti x formula vrijedi.12) uvrstimo x = 1. U toˇki x = −1 red glasi − c n pa divergira kao ˇto smo pokazali u primjeru 6.2. z c . ln 2 moˇemo izraˇunati tako z c ˇto u formulu (6. Na primjer.4. 1).7. Radijus konvergencije reda potencija je (vidi poglavlje 6.8 -1 log(1+x) x-x**2/2+x**3/3 x-x**2/2+x**3/3-x**4/4+x**5/5 -2 Slika 6. Kons vergencija reda prikazana je na slici 6. 1 Dalje.2. 2]. u toˇki x = 1 red glasi (−1)n−1 n pa konvergira po Leibnitzovom c 1 kriteriju (vidi poglavlje 6. s ln 2 = 1 − 1 1 1 + − + ··· .12) vrijedi za x ∈ (−1.2) ρ= 1 lim sup |an+1 | |an | = 1 n =1 lim n+1 pa formula (6.12) vrijedi za x ∈ (−1.

U toˇki x = 1 c 1 1 red glasi 2 c 2n−1 pa divergira.10) daje s ln 1+x =2 1−x ∞ n=1 1 1 + (n − 1)! . (6.13) konvergira za |x| < 1. (1 + x)4 (1 − x)4 f (x) = Zakljuˇujemo c f (n) (x) = (−1)n−1 (n − 1)! pa je f (n) (0) = ((−1)n−1 + 1)(n − 1)!. 2 (1 + x) (1 − x)2 1 1 + 1(−2) (−1). x2n−1 x3 x5 x7 =2 x+ + + + ··· 2n − 1 3 5 7 .12).13) vrijedi za x ∈ (−1. Konvergencija reda prikazana je na s c slici 6. f (x) = (−1)(−2) (1 + x)3 (1 − x)3 1 1 f IV (x) = (−1)(−2)(−3) + 1 · 2(−3) (−1).6 Koliko ˇlanova reda treba za raˇunanje ln 2 na ˇetiri decimale c c c kada koristimo formulu (6. odnosno f (2n−1) (0) = 2(2n − 2)!. a u toˇki x = −1 red glasi −2 2n−1 pa takoder divergira. Kako je lim |an+1 | = |an | x2 .13) uvrstiti x = 3 .6. Primjer 6. Na primjer.22 Nadimo MacLaurinov razvoj funkcije f (x) = ln f (x) = ln(1 + x) − ln(1 − x) slijedi Iz 1 1 + .8. 1) pa pomo´u nje moˇemo izraˇunati c z c vrijednosti funkcije ln x za ∀x ∈ R.13) Preostaje odrediti za koje vrijednosti x formula vrijedi. Dakle. Uvrˇtavanje u formulu (6. n (1 + x) (1 − x)n f (2n) (0) = 0. ln 3 moˇemo izraˇunati tako z c 2 ˇto ´emo u formulu (6.13)? . 1+x 1−x 1 1 f (x) = − + (−1) (−1). red na desnoj strani formule (6. formula (6. Zadatak 6. a koliko kada koristimo formulu (6.5 Taylorov red 247 1+x 1−x .

8 -2 -3 Slika 6.4 -1 0.8: Taylorov red za ln((1 + x)/(1 − x)) .8 -0.4 0.248 NIZOVI I REDOVI log((1+x)/(1-x)) 2*(x+x**3/3) 2*(x+x**3/3+x**5/5) 3 2 1 -0.

130 vertikalna. 145. 5 simetriˇna. 5 anti-simetriˇna. 75 B baza eksponencijalne funkcije. 12 binomni koeficijent. 151 asimptota. 139 brojevni pravac. 19. 81 apscisa. 4 / ∨. 3 ∈. 13 ∅. 4 ∀. 5 refleksivna. 20 brojevni sustav binarni. 62 amplituda. 130. 12 heksadecimalni. 4 ¬. 157. 13 n k . 150 arkus kotangens. 4 ∈. 12 heksagezimalni. 136 logaritamske funkcije. 12 oktalni. 157 tangens hiperbolni. 87 aplikata. 148. 150 arkus tangens. 20 c arkus kosinus. 157 kotangens hiperbolni. 11.2 ∧. 157 argument funkcije. 164 algebarski komplement. 5 c ekvivalencije. 53. 7 kompleksnog broja. 2 A adicioni teoremi. 5 binarni sustav. 12 rimski. 15 c Briggs. 130. 25 aritmetika raˇunala. 84 bijekcija. 21. 4 ∃. 167 kompleksnog broja. 12 decimalni. 12 . 3 ℵ0 . 2 . 157 sinus hiperbolni. 198 horzontalna. 155 asocijativnost. 13 binomni pouˇak. 8 binarna relacija. 140 baza prostora. 5 c tranzitivna. 5 parcijalnog uredaja. 77. 130 kosa. 23 area kosinus hiperbolni. 145 anti-komutativnost. 151 arkus sinus. 81 apsolutna vrijednost. 79.Indeks ⇔.

108 glatka. 157 derivacija. 175. 168 kompozicije funkcija. 113 ekstenzija. 177. 178 implicitno zadane funkcije. 114. 146 FORTRAN. 2 ekskluzivna. 162 eksponencijalna. 176 drugog reda. 190. 87 domena. 139. 7. 136 derivacija. 73 expa . 86. 169 parametarski zadane funkcije. 173 argument. 7 arkus. 185 baza. 162. 156 derivacija. 153 eskplicitno zadana. 3 derivacija. 117 c hiperbolna. 198 dovoljan uvjet. 222. 166 viˇeg reda. 197 s zdesna. 8 ekstrem. 171 ekstenzija. 179 euklidski prostor. 109 derivacija. 195. 112. 111. 42 C. 109. 197. 72 z usmjerena. 186 c algebarska. 170 parametarski zadana. 171 ciklometrijska. 7. 59 Laplaceov razvoj. 106. 226 eipcikloida.250 C C. 13 fazni pomak. 178 s direktni produkt. 192. 162 graf. 72 duljina. 8 elementarna. 63 D DeMorganovi zakoni. 188. 60 diferencijal. 198 c graniˇna vrijednost. 198 toˇka infleksije. 136. 167. 127. 198 INDEKS geometrijski. 5 disjunkcija. 136. 132. 191. 149 derivacija. 107. 179 slijeva. 188 lokalni. 3 duˇina. 106 donja meda. 166 Descartesov list. 3 elipsa implicitno zadana. 178 viˇeg reda. 132 strogo padaju´a. 72. 188. 194. 173 implicitno zadana. 112 Cramerovo pravilo. 197 nuˇan uvjet. 211 globalni. 9 ekvivalencija. 198 z ekvipotencija. 11. 137. 156. 139. 82 E e. 62 svojstva. 43 funkcija. 177. 170 . 6 dovoljan uvjet. 170 inverzne funkcije. 2 distributivnost. 132 ispitivanje toka. 23 cikloida. 139 F faktorijele. 154 area. 203 determinanta. 176 druga. 149 derivabilna.

7. 197 c podruˇje vrijednosti. 193. 47 Gnuplot. 139 svojstva. 133. 154. 126 nul-toˇka. 136 pravila potenciranja. 139 derivacija. 113 homogeni sustav. 197 periodiˇna. 116. 6 poluotvoreni. 169 konkavna. 140 monotona. 115 neparna. 72 interpolacija. 8 implikacija. 140 Briggsovi logaritmi. 7. 139 dekadski logaritmi. 72 s I identiteta. 115 padaju´a. 152. 197 c po dijelovima monotona. 8 intenzitet. 139 derivacija. 115. 7. 21 graniˇna vrijednost. 197 kompozicija. 116 podruˇje definicije. 6 infleksija. 8 silazna. 116. 203 parna. 3 infimum. 7 strogo konkavna. 115. 116. 186 c restrikcija. 55 homogenost. 139. 58 inverzna. 106 c potencija. 195. 141. 44. 133 s prirodnim brojem. 171 vrijednosti. 154 trigonometrijska. 112 derivacija. 107 interval otvoreni. 6. 136 prava racionalna. 107 c transcendentna. 117–119. 134 ispitivanje toka. 145 uzlazna.INDEKS 251 rastu´a. 126 derivacija. 87 hvatiˇte. 197. 156 derivacija. 173 pravila. 198 konstantna. 138 prirodni logaritmi. 197 neprekidna. 185 derivacija. 116 G Gaussova eliminacija. 106. 198 limes. 186 c tabliˇna. 127 inverzija. 198 c omedena. 193 strogo padaju´a. 86. 139 baza. 168 graf. 8. 155 . 6 graf. 154 s realnim brojem. 12 hipocikloida. 125. 198 neomedena. 116 c strogo rastu´a. 116. 132. 186 c parametarska. 217 c H heksadecimalni sustav. 186. 116. 116 slika. 219 s gornja meda. 172 prirodni logaritam. 133 s racionalnim brojem. 133. 134. 127 logaritamska. 202 gomiliˇte. 195. 195. 155 racionalna. 193. 141. 198 injekcija. 193 strogo konveksna. 164 konveksna. 6 zatvoreni. 179 ispitivanje toka.

231 Weierstrassov. 147 c kotangens. 165 limes beskonaˇan. 235. 157 kriterij konvergencije. 237 jednolika. 122. 110 parametarska jednadˇba. 80 kosinus. 235 slijeva. 4 L L’Hospitalovo pravilo. 87 kosinusov pouˇak. 13 kompleksni broj n-ti korijen. 184. 226 lanˇanica. 5 klasa ekvivalencije. 11. 80 ortogonalni. 19 K kardinalni broj. 23 konjugirani. 28 imaginarni dio. 112 z kut. 77 desni. 2 konvergencija apsolutna. 139 log a . 78 kvantifikator egzistencijalni. 143. 23 trigonometrijski oblik. 78. 84 linearna nezavisnost. 62 kombinacija. 108. 25 eksponencijalni oblik. 9 Kartezijev produkt. 99 kvadrant. 219 u beskonaˇnosti. 52. 83. 139 log. 80 ravnine. 124 c funkcije. 99 izmedu ravnina. 84 ln. 23. 230 Cauchyjev. 184 niza brojeva. 80 pravokutni. 106 kofaktor. 99 izmedu pravca i ravnine. 25 komutativnost. 147. 4 univerzalni. 122. 234 poredbeni. 189. 139 logaritamske tablice. 150 hiperbolni. 77 prostora. 239 kritiˇna toˇka. 219 neodredeni oblik.252 inverzna funkcija. 27 argument. 123 c u desnom kraju. 86 konjunkcija. 156 c Leibnitz. 83 linearna zavisnost. 217 niza funkcija. 125. 83. 78. 28 Eulerov oblik. 142. 86 izmedu pravaca. 52. 231 INDEKS D’Alembertov. 78 koordinatni sustav. 8 iracionalni brojevi. 154 potenciranje. 78. 198 c c kruˇnica z implicitno zadana. 235 uniformna. 123 zdesna. 123 u lijevom kraju. 237 koordinatizacija pravca. 7. 156 kosinus smjera. 198. 230 Leibnitzov. 151 hiperbolni. 52. 124 linearna kombinacija. 27 realni dio. 230 Raabeov. 149 . Gottfried Wilhelm. 117–119. 75. 5 kodomena. 127 inferior. 124 superior.

46. 235 c konvergentan. 217. 188 oktalni sustav. 54 elementarna matrica transformacije. 35. 82 normala. 223 monoton. 10 z modul kompleksnog broja. s 44. 109. 27 . 235 limes. 235 obiˇna konvergencija. 235 geometrijski. 97. 12 opisana kruˇnica. 10 najve´e cijelo. 63 jediniˇna. 217 niz funkcija. 56 inverzna. 188 minoranta. 217 omeden. 37. 230 mjeˇoviti produkt. 117 c negacija. 81 logaritamsko deriviranje. 174 M MacLaurinov razvoj. 114. 37 proˇirena matrica sustava. 34 minimum. 235 ˇlan. 39 z mnoˇenje sa skalarom.INDEKS 253 N N. 40. 33 dijagonalna. 39 c singularna. 43 matrica. 90 s mnoˇenje. 225 padaju´i. 38 trokutasta. 56 transponirana. 235 norma. 56. 216 stacionaran. 48 rang. 217 svojstva. 237 rastu´i. 155. 217. 166 nuˇan uvjet. 6 globalni. 235 c jednolika konvergencija. 218 funkcija. 235 konvergencija po toˇkama. 32 dijagonala. 217 c realnih brojeva. 72. 235 limes. 3 z O okolina. 23 Moivreova formula. 62 regularna. 188 lokalni. 6 globalni. 221 osnovna nejednadˇba konvergenz cije. 41 zbrajanje. Isaac. 225. 227. 225 divergentan. 222. 3 nejednakost trokuta. 100 z ordinata. 53 c matrica sustava. 165 niz ˇlan. 56 simetriˇna. 34 z nul-matrica. 230 maksimum. 235 c uniformna konvergencija. 38 ekvivalentne matrice. 220 konvergentan. 242 majoranta. 188 lokalni. 216 c Cauchyjev. 217 c parcijalnih suma. 79. 32 invertibilna. 21 NetPlot. 51 elementi. 188 Matlab. 218. 40 mnoˇenje. 202 Newton. 53.

237 Pascalov trokut. 99 op´i oblik. 154. 93 kanonska jednadˇba. 89 pravac. 128 preslikavanje. 50 poddeterminanta. 116 permutacija. 99 segmentni oblik. 74 pravilo uklijeˇtene funkcije. 130. 29 povrˇina s paralelograma. 155 nul-toˇka. 74 poligona. 176 relativna. 97 okomite ravnine. 8 c prikloni kut. 10 c proˇirenje. 242 o otvorena reˇenica. 239 ravnina. 96 vektor smjera. 62 podniz. 223. 177 polinom. 8 na. 8 s proˇirenje po neprekidnosti. 100 osnovni teorem algebre. 10 period. 98 vektorska jednadˇba. 234 Pitagorin pouˇak. 128 prve vrste. 226 s projekcija ortogonalna. 98 parametarska jednadˇba. 97 z red . 96 jednadˇba kroz toˇku. 99 c toˇke na ravninu. 62 podmatrica. 98 c normala. 227. 88 poligonalnog lika. 16 Peanovi aksiomi. 4 c P parametar. 93 INDEKS vektorska jednadˇba. 21 s apsolutna. 128 uklonjivi. 94 z presjek ravnina. 99 toˇke na pravac. 143. 222 pogreˇka. 49 s parcijalna suma. 83. 17 R R. 120 s pravilo zamjene. 99 c Q Q. 99 pravca na ravninu. 87 princip matematiˇke indukcije. 97 c paralelne ravnine. 95 u ravnini. 121 predikat. 100 trokuta. 112 parametarsko rjeˇenje. 116 osnovni. 7 1-1. 94 z okomiti pravci. 220. 82. 242 Lagrangeov. 8 obostrano jednoznaˇno. 141. 99 paralelni pravci.254 ortocentar. 154 c potenciranje s kompleksnim eksponentom. 93 z pravilo paralelograma. 148 c pivotiranje. 97 z c kroz tri toˇke. 13. 58 π. 242 Schl¨mlichov. 155 druge vrste. 154 ostatak Cauchyjev. 74 trokuta. 19 radijus konvergencije. 4 prekid. 14.

16 . 165 sign. 242 Taylorov red. 40. 239 relacija ekvivalencije. 127 S sekanta. 8 z sud. 4 prebrojiv. 9. 9 c neprebrojiv. 238 c red potencija. 156 sin. 20 kompleksnih brojeva. 234 alternirani harmonijski. 17 realnih brojeva. 145 c amplituda. 41. 165. 192 z suˇenje. 72 parcijalnog uredaja. 4 gust. 5. 237 podruˇje konvergencije. 242 Taylorova formula. 99 pravca i ravnine. 229 z parcijalna suma. 237 c geometrijski. 146 sjeciˇte s pravaca. 85 skup.INDEKS 255 diskretan. 233 geometrijski. 10 racionalnih brojeva. 4 beskonaˇan. 198 c stoˇac. 151 hiperbolni. 5 potpunog uredaja. 177. 8. 6 partitivni. 227 realnih brojeva. 228 nuˇan uvjet konvergencije. 9 c cijelih brojeva. 157 tangenta. 85 jedinstveno rjeˇenje. 13 restrikcija. 19 ureden. 13 c prirodnih brojeva. 242 red funkcija. 77. 145 fazni pomak. 99 ravnina. 18. 13 prebrojivo beskonaˇan. 227 Taylorov. 237 ˇlan. 150 hiperbolni. 176 jednadˇba. 228 harmonijski. 143. 45 T tangens. 20 omeden odozdo. 63. 123 sinusoida op´a. 81 skalarni produkt. 55 s parametarsko rjeˇenje. 170 aproksimacija krivulje. 234 apsolutno konvergentan. 6 surjekcija. 23 konaˇan. 5. 6 omeden odozgo. 99 skalarna komponenta. 13. 8 sustav linearnih jednadˇbi. 229 konvergentan. 227 c alternirani. 40 stacionarna toˇka. z 55. 122 sinus. 2 supremum. 4 prazan. 242 teˇiˇte trokuta. 5. 165 z Taylorov razvoj. 123. 177. 79. 100 zs ˇlan. 55 s trokutasti sustav. 28. 142. 13 slika funkcije. 32. 189. 238 konvergentan. 13 element. 17 ekvipotentni skupovi. 7 slobodni vektor. 2 istinitost.

180 Kronecker–Capelli. 181. 90 tetraedra. 222 Cauchy. 100 ravnina. 157 U udaljenost pravaca. 186 Rolle. 75 zbrajanje.256 Teorem Bolzano–Weierstrass. 163 zavisna. 100 c upisana kruˇnica. 72 jediniˇni. 77 suprotni. 33. 75 z nul-vektor. 228 . 181 Fermat. 7 vektor. 239 trigonometrijska kruˇnica. 141 z trigonometrijski identitet. 3 zbrajanje. 100 c toˇke od ravnine. 16 zakoni distribucije. 93 INDEKS vektorska komponenta. 100 z V valjak. 143. 79. 82 c kolinearan. 100 toˇaka. 90 vektorsko-vektorski produkt. 100 c toˇke od pravca. 77 z radijus-vektor. 84 komplanaran. 234 o monotonosti. 182 Weierstrass. 192 varijabla nezavisna. 87 vektorsko-skalarni produkt. 10 Zenonov paradoks. 52. 54 L’Hospital. 72 orijentacija. 7. 184. 181 srednje vrijednosti. 74 poloˇaja. 100 Z Z. 198 Lagrange. 84 mnoˇenje skalarom. 74 vektor smjera. 74. 100 pravca i ravnine. 93 volumen paralelopipeda. 182 Leibnitz. 79 vektorski produkt. 91 tijela s ravnim plohama. 79.

Sign up to vote on this title
UsefulNot useful