Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

Predgovor
Poˇtovani ˇitatelji, s c u rukama imate nastavni materijal koji izlaˇe gradivo kolegija Matematika 1 za z z s c studente prve godine Gradevinskog fakulteta. Moˇda se pitate zaˇto nam, unatoˇ dostupnosti niza dobrih udˇbenika na hrvatskom jeziku koji obraduju sadrˇaje z z ovog kolegija, treba (i) ova skripta. Pitanje je to koje smo si i mi kao autori postavili kad smo procjenjivali trebamo li pristupiti radu na njoj. Odgovor do kojeg smo doˇli oˇito je bio dovoljno poticajan da ju napiˇemo; ponudit ´emo ga s c s c i vama u nadi da ´e i za vas biti dobra motivacija da se njome sluˇite. c z Prvi dio odgovora je sadrˇan u samom pitanju. Toˇno, postoji viˇe dobrih z c s udˇbenika, no niti jedan od njih ne pokriva u potpunosti program naˇeg kolegija. z s Jedan od uzroka takve situacije je i nedavna reforma visokog obrazovanja, koja je uvjetovala saˇimanje nastavnih planova i smanjenje broja i satnice matematiˇkih z c kolegija. Posljediˇno, u okviru kolegija Matematika 1 naˇli su se zajedno sadrˇaji c s z iz linearne algebre i iz matematiˇke analize, dvaju podruˇja koja su zbog svoga c c opsega i znaˇaja vrlo rijetko zastupljena u istom udˇbeniku. Nadalje, postoje´e c z c knjige iz linearne algebre obuhva´aju i teme kojima u naˇem kolegiju nije bilo c s mjesta, kao ˇto su teorija grupa ili teorija linearnih operatora. Pisanjem materijala s koji ´e ukljuˇivati samo relevantne sadrˇaje iz obaju podruˇja ˇeljeli smo otkloniti c c z c z potrebu konzultiranja viˇe udˇbenika i probleme vezane s njihovim nabavljanjem. s z Osim toga, zajedniˇki okvir omogu´io je i standardiziranje notacije i olakˇao c c s pozivanje na prijaˇnje rezultate. s Drugi dio odgovora vezan je uz dojam da su postoje´i udˇbenici po koncepc z ciji i naˇinu izlaganja viˇe orijentirani prema publici kojoj je matematika primarni c s interes. Shodno tomu, primjerena se pozornost posve´uje strogosti formulacije c rezultata te njihovim izvodima i dokazima. Nama se, pak, ˇini da je u nastavnom c i

ii materijalu namijenjenom studentima tehniˇkih fakulteta nuˇno i korisno u izvjesc z noj mjeri odstupiti od tih standarda i umjesto na matematiˇku rigoroznost nac glasak staviti na motivaciju, primjere i primjene pojmova koji se obraduju. Skripta pred vama je rezultat naˇeg pokuˇaja nalaˇenja dobrog kompromisa izmedu tih s s z zahtjeva. Kompromis je vidljiv ve´ i u samom izgledu teksta, posebno u dic jelovima otisnutima sitnijim slovima. Te dijelove, koji uglavnom sadrˇe dokaze, z mogu´e je izostaviti pri spremanju ispita. Oni sluˇe za zadovoljenje intelektualne c z znatiˇelje zahtjevnijeg ˇitatelja. z c Pri pisanju skripte nismo se posebno trudili uˇiniti ju saˇetom. Uostalom, c z Matematika 1 je opseˇan kolegij, s velikom satnicom (4+4), koji nosi 9 ECTS z bodova (najviˇe na prvoj godini studija), i ˇeljeli smo ve´ i samim opsegom skripte s z c naglasiti potrebu kontinuiranog rada i uˇenja. c Ugodna nam je duˇnost zahvaliti Alanu Filipinu, Dori Pokaz i Martini Benkovi´, z c koji su pozorno ˇitali dijelove rukopisa, predloˇili nam mnoga poboljˇanja i pronaˇli c z s s brojne pogreˇke. Zahvaljujemo i studentima Matiji Soˇevu, Dejanu Stojakovi´u, s c c Mati Stojanovu, Marku Vlaini´u i Igoru Daidˇi´u koji su nam ukazali na pogreˇke c zc s u ranijoj verziji skripte. Bit ´emo zahvalni svima koji nas upozore na preostale c propuste i nedostatke. U Zagrebu, rujna 2008. Tomislav Doˇli´ s c Nikola Sandri´ c

Sadrˇaj z
Predgovor Sadrˇaj z Uvod 1 Vektorski raˇun c 1.1 Vektori i osnovne operacije s njima . . . . . . . . . . . . 1.2 Vektorski prostor XO (E). Linearna kombinacija vektora . 1.3 Baza vektorskog prostora XO (E). Koordinatni sustav . . 1.4 Vektorski prostor Rn . . . . . . . . . . . . . . . . . . . 1.5 Skalarni produkt . . . . . . . . . . . . . . . . . . . . . . 1.6 Digresija - determinante matrica 2. i 3. reda . . . . . . . 1.7 Desni i lijevi koordinatni sustavi. Orijentacija . . . . . . 1.8 Vektorski produkt . . . . . . . . . . . . . . . . . . . . . 1.9 Mjeˇoviti produkt . . . . . . . . . . . . . . . . . . . . . s 2 Analitiˇka geometrija c 2.1 Pravac u ravnini . . . . . . . . . . . . . . . . . . . . 2.1.1 Op´i oblik jednadˇbe pravca u ravnini . . . . c z 2.1.2 Segmentni oblik . . . . . . . . . . . . . . . . 2.1.3 Kanonski oblik . . . . . . . . . . . . . . . . . 2.1.4 Pravac kroz dvije toˇke . . . . . . . . . . . . c 2.1.5 Eksplicitni oblik . . . . . . . . . . . . . . . . 2.1.6 Normirani oblik (normalni oblik) . . . . . . . 2.2 Odnosi toˇaka i pravaca u ravnini . . . . . . . . . . . c 2.2.1 Kut dvaju pravaca. Paralelnost i okomitost . 2.2.2 Udaljenost toˇke od pravca . . . . . . . . . . c 2.2.3 Presjeciˇte dvaju pravaca . . . . . . . . . . . s 2.2.4 Uvjet presijecanja pravca i segmenta (duˇine) z 2.2.5 Uvjet presijecanja triju pravaca u istoj toˇki . c i iii 1 9 9 15 18 19 20 26 29 30 34 37 37 37 39 40 41 42 43 44 44 48 51 52 53

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

iv
2.3 Pravac u prostoru . . . . . . . . . . . . . . . . . . . 2.3.1 Pravac kroz jednu toˇku sa zadanim smjerom c 2.3.2 Parametarske jednadˇbe pravca . . . . . . . . z 2.3.3 Kanonske jednadˇbe pravca . . . . . . . . . . z 2.3.4 Pravac kroz dvije toˇke . . . . . . . . . . . . c 2.3.5 Pravac zadan dvjema projekcijama . . . . . . 2.3.6 Sveˇanj pravaca . . . . . . . . . . . . . . . . z 2.3.7 Dijeljenje duˇine u zadanom omjeru . . . . . z Ravnina u prostoru . . . . . . . . . . . . . . . . . . 2.4.1 Normalni oblik jednadˇbe ravnine . . . . . . . z 2.4.2 Segmentni oblik jednadˇbe ravnine . . . . . . z 2.4.3 Op´i oblik jednadˇbe ravnine . . . . . . . . . c z 2.4.4 Parametarski oblik jednadˇbe ravnine . . . . . z 2.4.5 Jednadˇba ravnine kroz tri toˇke . . . . . . . z c Odnosi ravnina i pravaca u prostoru . . . . . . . . . 2.5.1 Kut dviju ravnina . . . . . . . . . . . . . . . 2.5.2 Presjeciˇte triju ravnina . . . . . . . . . . . . s 2.5.3 Kut pravca i ravnine . . . . . . . . . . . . . . 2.5.4 Presjeciˇte pravca i ravnine . . . . . . . . . . s 2.5.5 Pripadnost pravca ravnini . . . . . . . . . . . 2.5.6 Kut dvaju pravaca . . . . . . . . . . . . . . . 2.5.7 Presjeciˇte dvaju pravaca . . . . . . . . . . . s 2.5.8 Udaljenost dvaju pravaca u prostoru . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 55 55 56 57 58 59 60 61 61 62 63 66 68 68 68 70 71 72 73 74 75 78 81 81 81 83 86 88 91 93 96 101 101 103 105 107 109 115 115

2.4

2.5

3 Matrice i linearni sustavi 3.1 Osnove matriˇnog raˇuna . . . . . . . . . . . . . . . . . . . . . c c 3.1.1 Motivacija . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . 3.1.3 Linearna kombinacija matrica . . . . . . . . . . . . . . . 3.1.4 Mnoˇenje matrica . . . . . . . . . . . . . . . . . . . . . z 3.1.5 Podmatrice i blok matrice . . . . . . . . . . . . . . . . . 3.1.6 Regularne matrice. Inverzna matrica . . . . . . . . . . . 3.1.7 Rang matrice. Elementarne transformacije . . . . . . . . 3.2 Linearni sustavi . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . 3.2.2 Geometrijska interpretacija. Kronecker-Capellijev teorem 3.2.3 Homogeni sustavi . . . . . . . . . . . . . . . . . . . . . 3.2.4 Rjeˇavanje linearnog sustava . . . . . . . . . . . . . . . s 3.2.5 Determinanta. Cramerovo pravilo . . . . . . . . . . . . 3.3 Problem svojstvenih vrijednosti . . . . . . . . . . . . . . . . . . 3.3.1 Matrice kao linearni operatori . . . . . . . . . . . . . . .

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

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

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

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

4 Nizovi i redovi 4.1 Nizovi realnih brojeva . . . . . . . . . . . . . . . . . 4.1.1 Pojam niza . . . . . . . . . . . . . . . . . . . 4.1.2 Graniˇna vrijednost niza. Konvergencija niza . c 4.1.3 Raˇunanje s graniˇnim vrijednostima . . . . . c c 4.1.4 Osnovni limesi . . . . . . . . . . . . . . . . . 4.2 Redovi realnih brojeva . . . . . . . . . . . . . . . . . 4.2.1 Pojam reda. Konvergencija reda . . . . . . . 4.2.2 Geometrijski red . . . . . . . . . . . . . . . . 4.2.3 Svojstva konvergentnih redova . . . . . . . . 4.2.4 Redovi s pozitivnim ˇlanovima . . . . . . . . c 4.3 Kriteriji konvergencije . . . . . . . . . . . . . . . . . 4.3.1 Kriterij usporedivanja . . . . . . . . . . . . . 4.3.2 D’Alembertov kriterij . . . . . . . . . . . . . 4.3.3 Cauchyev kriterij . . . . . . . . . . . . . . . . 4.3.4 Leibnizov kriterij . . . . . . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

5 Funkcije 5.1 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 Motivacija i definicija . . . . . . . . . . . . . . . . 5.1.2 Naˇini zadavanja funkcije . . . . . . . . . . . . . . c 5.1.3 Graf funkcije . . . . . . . . . . . . . . . . . . . . . 5.1.4 Pojmovi znaˇajni za realne funkcije realne varijable c 5.1.5 Osnovne raˇunske operacije s funkcijama . . . . . . c 5.1.6 Kompozicija funkcija . . . . . . . . . . . . . . . . 5.1.7 Inverzna funkcija . . . . . . . . . . . . . . . . . . 5.2 Pregled elementarnih funkcija . . . . . . . . . . . . . . . . 5.2.1 Klasifikacija i podjela realnih funkcija . . . . . . . . 5.2.2 Polinomi . . . . . . . . . . . . . . . . . . . . . . . 5.2.3 Racionalne funkcije . . . . . . . . . . . . . . . . . 5.2.4 Algebarske funkcije . . . . . . . . . . . . . . . . . 5.2.5 Eksponencijalne funkcije . . . . . . . . . . . . . . 5.2.6 Logaritamske funkcije . . . . . . . . . . . . . . . . 5.2.7 Trigonometrijske funkcije . . . . . . . . . . . . . . 5.2.8 Ciklometrijske (arkus) funkcije . . . . . . . . . . . 5.2.9 Hiperboliˇke i area funkcije . . . . . . . . . . . . . c

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

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

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

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

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

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

7. . . . 6. . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . .5. . . . . . 7. . . . . . . . .2. . . . . . . . . . 6. . . . . .5 Duljina i teˇiˇte luka ravne krivulje . . . . .2 Neodredeni integral . .1 Povrˇina lika u ravnini . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . . . . . . . . . . . . . . . .8 Primjene derivacija . . . . . . . . . . . . c 6. . . . . . . . . . .2 Svojstva neprekidnih funkcija . . . . . . . . .1. . . . . . . . . . . . . . . c 6. .4 Graniˇna vrijednost (limes) funkcije . .Leibnizova formula . . . . s 6. . . . . . . . . . . . . . . . . .2. .2 Derivacija funkcije . . . . . . . 7. . . . . . . . . . . . . . .1 Primitivna funkcija . . . . . . . . . . . . . . . .5 Neprekidnost i limes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2.1 Neodredeni integral . . . . . . . . . . . 6. . . . . . .2. . . .5 Primjene integralnog raˇuna . . . . . . . . . . . . . . . . . . 6. . . . . . . .5. . . . . . . . . . . . c 6. . . . . . . . . . . .4 Moment ustrajnosti (inercije) . . . . . . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . 6. . . . . . . . . . .1 Motivacija . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . .1 Motivacija . . . . . . . .7 Primjene u fizici .3 Newton . c 6. .1.1. . . . . . . . . . . . . . . . . . . . . 7. . . . .2 Derivacija funkcije u toˇki . . s 7. . . . . . .2. . . . . . .3 Neprekidnost elementarnih funkcija . . .3 Metode integriranja . . . . . . . . . . . . . . . 7. . . . . . . 7. .1. . . . . .6 Derivacije viˇeg reda . . . . . . . . . . . . . . . . . . . . . . 6. . .7 Raˇunanje limesa . . . . . . . . . . . . zs 7. . . . . . . zs 7. . . . . . . . . . . . . . . . . . s 7. . . . . . . . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna .3 Derivacija funkcije . . . . . . . 6. . . .2. . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . .1. . . . . . . . . . . . . . . . . . . . . . . . c 7. . . . . . . . . . . 7. . 7 Uvod u integralni raˇun c 7. . . . . .2. . .2. . . . . . . . . . . . 7. . . . . . . . . . . . . . . . .4 Nepravi integral . . .6 Povrˇina rotacijske plohe . . .1 Neprekidnost funkcije . . . . . . . . . . . . . . . . . . . . .4 Raˇunanje derivacija .5. . .2 Volumen rotacijskog tijela . . . . c 6. . . . . . . . . . . .1. . .3 Teˇiˇte . . . . . .2. c 6. . .2.5. . . . . . . . . . . . . . . . . .5.1. . . . . . .2 Odredeni integral . 6. . . . . . . . . 7. . . . .5. . . . . . 7. . . . . . .1. . .2 Svojstva odredenog integrala . . . . . . . .6 Neodredeni oblici . . .vi 6 Uvod u diferencijalni raˇun c 6. . .1. . . . . . . . . . .

Tvrtka OdiMi traˇi 400 kn za vozilo i joˇ 1 kn po prijedenom kilometru. predaju na apstraktan naˇin koji nam je stran i koji nije blizak c naˇoj svakodnevnoj praksi i iskustvu? Unatoˇ tomu ˇto su to smislena i legitimna s c s pitanja. ponekad i nepremostivu prepreku na putu do stjecanja akademskog stupnja. uop´e. Svrha je ovog uvodnog c z c poglavlja odgovoriti na ta i sliˇna pitanja i uvjeriti studente da je ulaganje truda c i vremena u svladavanje programa ovog kolegija dobra investicija. oˇito. TeleZvon traˇi 0 kn mjeseˇne pretplate. Za poˇetak. ako c z z s nam i trebaju. MobiFon nudi usluge uz mjeseˇnu pretplatu od 200 kn c i cijenu razgovora od 1 kn/min. ispriˇat ´emo vam priˇu. da je tako uvijek bilo i z c da nije mogu´e biti dobar inˇenjer ne znaju´i matematiku.Uvod Zaˇto (i kako) treba uˇiti matematiku? s c Matematika je nezaobilazan dio programa na svim tehniˇkim fakultetima. ona se rijetko postavljaju javno i naglas . tradicionalno. na prvim godinama i mnogim studentima predstavlja ozbiljnu.studenti se ne ˇele dovesti u z poloˇaj da im se s visoka odgovori kako je to jasno. Kod koje od njih treba c c iznajmiti automobil za odlazak u grad udaljen 600 km i povratak iz njega? Je li 1 . stoga. c Predaje se. treba? Zaˇto moramo ulagati puno truda i vremena u uˇenje c s c stvari koje nisu ono ˇime se u ˇivotu ˇelimo baviti? I zaˇto nam te stvari. ali z c minuta razgovora napla´uje se 2 kn. zs c MobiFon i TeleZvon.5 kn po kilometru. da si mnogi studenti postavljaju pitanja: A zaˇto s nam to. dok tvrtka DojdiMi z s napla´uje 800 kn za poˇetak i 0. Koju od njih odabrati ako oˇekujemo da c c ´emo telefonirati po 5 min svaki dan? Treba li taj izbor preporuˇiti i prijatelju c c koji priˇa po dva sata dnevno? c U istom gradu su i dvije tvrtke za iznajmljivanje automobila. Razumljivo je. c c c c Na nekom trˇiˇtu za pretplatnike se nadme´u dvije tvrtke mobilne telefonije.

Uz neˇto s s z s eksperimentiranja i pogadanja mogu´e je ustanoviti i da su za neku kilometraˇu c z (ili minutaˇu) troˇkovi isti. gotovo karikirani. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. niti marka automobila. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. dakle. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. Treba nam. dakle. Iz naˇih primjera vidimo da se rac s zliˇite realne situacije mogu prikazivati istim matematiˇkim modelom: linearna c c funkcija f (x) = ax + b sluˇi nam i za opis situacije s mobitelima i s rent-az car tvrtkama. udaljenosti. ili za neke velike udaljenosti ponovo OdiMi postaje jeftinija? I kako bismo u to uvjerili skeptika kojem to nije jasno i oˇito? I c moˇe li nam odgovor na ova pitanja nekako pomo´i odgovoriti na sliˇna pitanja z c c o mobitelima? Gornji su primjeri jednostavni. z c c Prvo. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. trajanje. po kilometru) i da se tome dodaje konstantan iznos (pretplata. troˇkovi proizvodnje. Takav nam okvir daje matematika. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. niti grad u koji se putuje. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. startna cijena). u naˇem primjeru. s c s dakle. Bitne su cijene. Unatoˇ tome. uloˇiti trud u razumijevanje svojstava linearne z . No je li to jedina z s s takva vrijednost? Mogu li se troˇkovi podudarati i za neku manju vrijednost? Ili s za neku ve´u? Moˇemo li biti sigurni da je na sva putovanja dulja od 800 km c z ponuda DojdiMi povoljnija od OdiMi. to je 800 km. kvantitativni aspekti. Takve c prikaze zovemo matematiˇkim modelima. c Matematika je. dakle. arhetipski. porez. Nadalje. vidimo da oba naˇa s problema imaju istu strukturu. Nije bitan tip mobitela. Vrijedno je. Bitni su.2 to ista tvrtka kod koje treba iznajmiti vozilo za odlazak po poslovnog partnera na aerodrom udaljen 20 km? Na gornja ´e pitanja odgovoriti svatko tko je svladao ˇetiri raˇunske operacije. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja.

A z kako se odreduje poloˇaj teˇiˇta nekog tijela? Integriranjem. nauˇiti baratati vektorima. Na c c istom primjeru vidimo da matematika mora biti apstraktna: mobitelska matematika bi bila beskorisna kod rent-a-cara. brzine i ubrzanja bitni. jer ´emo to znanje mo´i primijeniti u brojnim realnim kontekstima. No ˇto su s s derivacije? Matematiˇki koncept kojim se opisuje i kvantificira brzina promjene c neke veliˇine. produkt mase i ubrzanja. Isto tako nema smisla govoriti o gradevinskoj matematici. Svakako. jer su oni nezaobilazni c u problemima mehanike i statike. izmjeni plime c s i oseke i ˇkripanju tramvaja u zavoju? Znate li da su porast broja stanovnika na s zemlji. koncentracija radioaktivnih tvari i zarada pri oroˇenju nekog iznosa novca c opisani istim matematiˇkim modelom? Znate li ˇto je zajedniˇki matematiˇki c s c c model za osjetljivost ljudskog uha. No teˇko je zanijekati da su nam sile. Isplati se. A integriranje je z zs postupak suprotan deriviranju. Naveli smo ih stoga jer ste s c se s linearnom funkcijom i rjeˇavanjem linearnih jednadˇbi ve´ sreli u dosadaˇnjem s z c s tijeku svog obrazovanja. i obratno. da su i derivacije neˇto ˇto treba z s s z zs inˇenjeru (pa i studentu) gradevine. Bolje je. ravnoteˇa nekog fizikalnog sustava z matematiˇki se opisuje neˇim ˇto se zove diferencijalna jednadˇba.3 funkcije. A kakve to ima veze s ravnoteˇom? Sila je. jer s s s bi gradevinaru za uspjeˇno bavljenje strukom joˇ trebala i ekonomska. Diferencijalna c c s z se zove stoga ˇto se u njoj pojavljuju derivacije nepoznate funkcije. dakle. prometna i tko zna kakva sve joˇ matematika. kosturi i porast broja stanovnika ne spadaju u probleme s kojima se svakodnevno susre´e inˇenjer gradevine. kiselost sapuna i snagu potresa? I kako se pomo´u toga moˇe odrediti kolik je star pretpovijesni kostur? I znate li da ste i c z te stvari ve´ uˇili u srednjoj ˇkoli? c c s Moˇda vam se gornja pitanja ˇine nebitnima za vaˇ budu´i rad. po 2. Izgleda. Dakle. ponavljamo. No znate li koji apstraktni matematiˇki koncept opisuje c kvantitativne aspekte zajedniˇke izmjeni godiˇnjih doba. stoga imati i s nauˇiti samo jednu. dakle. z c s c sapuni. pa makar i apstraktnu. ubrzanje je promjena brzine u vremenu. i to nam treba. apstraktna matematika u kojoj baratamo linearnim funkcijama je korisna za sve probleme u kojima se javlja linearna ovisnost. c Primjeri iz naˇe priˇice su. Sve se te veliˇine matematiˇki opisuju pomo´u c c c pojma vektora. c z s momenti. a brzina je promjena poloˇaja u vremenu. Nadalje. ekoloˇka. Uz ravnoteˇu je vezan i pojam teˇiˇta. Nadamo se da vas je ovih nekoliko reˇenica uvjerilo da su svi sadrˇaji obuhva´eni c z c . rada srca. karikirani. geodetska. Newtonovom c z zakonu.

knjiˇko. ponajmanje studentu koji c . Nadamo se i da vas je s priˇa o mobitelima i rent-a-caru uvjerila da je snaga matematike upravo u njenoj c apstraktnosti. ˇablonski rijeˇenog zadatka. nepobitno je da nam raˇunala i software pruˇaju brojne c z mogu´nosti koje prijaˇnji naraˇtaji struˇnjaka nisu imali. ni vi to ne znate. z c s tabliˇno znanje ne ´e nam biti od velike koristi. gotovo. s z raˇunala su korisna samo ako im znamo postaviti smisleno pitanje i ako znamo c pravilno interpretirati odgovor. z ˇ je najbolje. takoder. Sada kad viˇe nije sporno zaˇto. U dvije rijeˇi . Dakle. ne ograniˇiti si budu´e mogu´nosti i ne zatvoriti si vrata struˇnom i c c c c osobnom napredovanju. Mi danas ne znamo tko ´e od nas c c c provesti svoj cijeli radni vijek kao rutinski inˇenjer koji svoje znanje crpi iz tablica. Ne znamo li dobro formulirati pitanje. Tim se mogu´nostima c s s c c treba u punoj mjeri koristiti. To nam je dovoljno dok ostajemo u okviru onoga ˇto je netko negdje s nekada ve´ izraˇunao. Glede drugog pitanja. bez premca i uzora? Ako z s s poˇelimo (ili budemo primorani) biti kreativni? U tom sluˇaju. Te mogu´nosti medutim. Nitko nema nikakve koristi od napamet c c nauˇenog odgovora. Cak i na korektno postavljeno pitanje moˇemo c z dobiti odgovor koji nije lako interpretirati.4 kolegijom Matematika 1 bitni za vaˇe obrazovanje i rad. Istina je da se mnoge stvari mogu na´i u priruˇnicima i c c tablicama. No ˇto ako poˇelimo izgraditi neˇto c c s z s ˇ novo? Sto ako poˇelimo izgraditi neˇto naˇe. originalno. ˇ ne´emo dobiti dobar odgovor. A upravo je to opasnost kojoj se izlaˇete oslanjaju´i se z c samo na tude znanje. stoga. recimo neˇto o tome kako to treba s s s uˇiniti. Drugo je ograniˇenje suptilnije i c c c vezano je s ˇinjenicom da raˇunala daju odgovore koji su dobri samo onoliko koc c liko su dobra pitanja koja im postavljamo. nisu neiscrpne i neograniˇene. Ocjena c s s steˇena temeljem takvog znanja nije korisna nikome. c c Prvo je ograniˇenje isto kao i kod literature . izrecitirane definicije. Sto c z s je. Prisjetimo se samo kako malo informacija neˇkolovanom oku pruˇa rendgenska snimka ili elektrokardiogram. izraˇunao ili isprogramirao. Prvo je: A zaˇto to sve moramo uˇiti kad postoje priruˇnici i tablice? Drugo c s c c je neˇto modernija inaˇica: A zaˇto to sve moramo uˇiti kad imamo raˇunala i s c s c c software? Podimo redom. ponekad s ˇuju.s razumijevanjem.moˇemo na´i samo ono ˇto je c z c s netko ve´ napravio. Mudro a tko ´e poˇeljeti biti viˇe od toga. Nadamo se da su vas do sada reˇene stvari uvjerile da treba (na)uˇiti matemc c atiku. izprojektirao i izgradio. Ostaje nam joˇ odgovoriti na dva pitanja koja se.

s razumijevanjem. s Drugi uvjet za uspjeˇno svladavanje programa kolegija je stalan i kontinuiran s rad. Kako pismeni ispit prethodi usmenom (i eliminatoran je). z Iskustvo nam. c z Pri tome ne mislimo samo na rutinu pri raˇunanju i rjeˇavanju zadataka. komponente uspjeha.5 ju je dobio. Na c mnoge stvari koje ste ˇuli ´emo vas podsje´ati i u ovoj knjizi i na nastavi. c c Razumijevanje i rutina su. pokazuje da uz takav pristup razlike u predznanju bivaju uspjeˇno nadoknadene. Pogreˇan se pristup najˇeˇ´e sre´e pri uobiˇajenom odnosu prema teoriji s c sc c c i zadatcima. kako zbog razlika u ˇkolama. viˇe nego ve´ine stvari. tako studenti vrlo ˇesto prvo ulaˇu c z . ve´ i c s c na rutinu u prepoznavanju matematiˇkog sadrˇaja u nekom problemu i u izboru c z odgovaraju´eg matematiˇkog modela. c Prvi je. dvije. z nauˇiti matematiku. no programi pojedinih srednjih struˇnih srednjih ˇkola mogu se pokazati c s nedostatnima. Uobiˇajeno je naime. No i studenti moraju biti svjesni da je stjecanje zajedniˇke razine predznanja propisane srednjoˇkolskim programom c s iskljuˇivo njihova odgovornost. Matematika je opseˇan predmet. Potrebna je i rutina. A oni se u matematici polaˇu od samih poˇetaka z c formalnog obrazovanja. tako se s nedovoljnim predznanjem ne moˇe smisleno. A rutina se stjeˇe samo radom i vjeˇbom. dakle. da se na pismenom dijelu ispita rjeˇavaju zac s datci. Najbitniji su temelji. matemˇ atika ovisi o onome ˇto ste nauˇili tijekom osnovne i srednje ˇkole. preduvjet dobro predznanje. Solidno svladan gimnazijski program dobar je c temelj. s c Uˇenje matematike. a na usmenom se provjerava poznavanje teorijskih osnova. Iskustvo nam govori da studenti iz takvih ˇkola moraju uloˇiti viˇe s z s truda i napora kako bi mogli kvalitetno pratiti nastavu i usvajati nove sadrˇaje. moramo podrazumijevati da ih imate na ˇemu temeljiti. Svjesni smo da studenti dolaze na fakultet s razliˇitim razinama predznanja. dakle. Kao ni jedan drugi predmet. no ne i dovoljan z z uvjet za uspjeh. takoder. no c c c ne bi bilo realno oˇekivati da moˇemo time pokriti sadrˇaje koji se provlaˇe kroz c z z c dvanaest godina obrazovanja. Razumijevanje je nuˇan. No vaˇnu ulogu z igra i njihov medusobni odnos te organizacija i balansiranje rada u njihovu postizanju. Zelimo li vam s c s dati nova znanja. Koristi od matematike koje smo gore spominjali imaju samo oni koji razumiju ˇto su nauˇili. tako i zbog razliˇitih c s c individualnih sklonosti prema matematici. podsje´a na izgradnju vrlo visoke c s c c zgrade. Kao ˇto se na loˇim temeljima ne moˇe izgraditi solidna s s z zgrada.

tri dana ”nauˇiti teoriju”. No takva provjera za jedan trokut niˇta ne c s govori o istinitosti pouˇka za neki drugi trokut. z s kakva je korist od rjeˇavanja zadataka bez njihovog razumijevanja? Nitko od vas s ne ´e za pla´u rjeˇavati zadatke iz matematike. Nedvojbeno je da takav s c pristup ponekad rezultira polaganjem ispita. produ li piss s meni ispit. na Pitagorinom pouˇku. a zatim. Najve´i je. Za zadani pravokutni trokut je vrlo lako provjeriti da Pitagorin pouˇak vrijedi. Dakle. ako s c s c ne znate uvjete uz koje linearni sustav ima jedinstveno rjeˇenje nikad ne´ete biti s c sigurni da su uvjeti jedne od tvrtke povoljniji za sve udaljenosti ve´e od 800 km. c z ve´ se se do njega dolazi postupkom logiˇkog zakljuˇivanja. To se joˇ uobiˇajeno zapisuje kao a2 + b2 = c2 . pokuˇavaju u dva . prepoznavanje matematiˇkih sadrˇaja u stvarnim problemima. i jeste li stekli dovoljno c rutine da ih moˇete rijeˇiti u za to propisanom vremenu. a ostatak ˇine ˇetiri sukladna pravokutna trokuta. pokuˇajte dati dobar odgovor na pitanje. ne ´ete posti´i c z c c rjeˇavanjem ispitnih zadataka. onda zadatci. Spomenuli smo da nam matematika jamˇi da je ponuda tvrtke DojdiMi poc voljnija za sve udaljenosti ve´e od 800 km. I samo tomu.6 napor u ˇablonsko rjeˇavanje nekoliko tipova zadataka. svakako. Time smo se dotakli jednog aspekta c matematiˇkog znanja o kome joˇ nismo govorili: matematiˇko znanje je sigc s c urno. Kako moˇemo biti sigurni da ta c z tvrdnja vrijedi za sve pravokutne trokute? Pogledajmo Sliku 1. teˇko ´ete ju prepoznati u naˇim primjerima s poˇetka. c Zadatci na ispitu sluˇe tomu da se vidi jeste li ovladali matematiˇkim (”teoriz c jskim”. gubitak za studenta koji je tako c ”poloˇio” ispit. Ilustrirajmo to na primjeru s koc jim smo se svi sreli. Ako ne mislite tako. Drugim rijeˇima. No povrˇina velikog kvadrata je jednaka s . ako ho´ete) konceptima koji se u njima javljaju. no svaki tako poloˇen ispit je gubitak z za sve koji u tome sudjeluju. Pitagorin pouˇak je tvrdnja da je u c c svakom pravokutnom trokutu kvadrat hipotenuze jednak zbroju kvadrata kateta. izvjesno. Ste´i ´ete to upoznaju´i apstraktne matematiˇke s c c c c koncepte i uˇe´i se uoˇavati ih u stvarnim situacijama. z s prvo ”teorija”. Na njoj je u kvadrat ABCD upisan kvadrat A B C D . Ako nikad niste ˇuli za c c c c linearnu funkciju. c c s s c tj. Ono ˇto ´e vam u radu trebati. recimo A BB . Dakle je povrˇina kvadrata c c s ABCD jednaka zbroju povrˇine kvadrata A B C D i ˇetverostruke povrˇine s c s jednog od tih trokuta. c c c c matematiˇke spoznaje se temelje na dokazima. Ono ne ovisi o mjerenjima ni empiriˇkim opaˇanjima. gdje su s a i b oznaˇene katete s c c a s c hipotenuza pravokutnog trokuta. apsolutno.

Dokazi ga ˇine apsolutnim. naˇalost. Dali smo dokaz te tvrdnje.7 D a b c C’ a C D’ c c c A a A’ b B’ a B b b Slika 1: Pitagorin pouˇak. razoˇarati. z c Prelistate li na brzinu ovu knjigu. Cak i tamo gdje se nalazi dokaz. c kvadratu njegove stranice. pa i potpunog c c c . Do matematiˇkih se spozc c naja dolazi na razne naˇine: intuicijom. vidimo da i Pitagorin pouˇak vrijedi za sve c pravokutne trokute. a + b. c razumno oˇekivati da u nastavnom materijalu za matematiˇki kolegij sve relec c vantne tvrdnje budu potkrijepljene dokazima. Ne trebamo viˇe provjeravati s njenu istinitost za svaki pojedinaˇni sluˇaj. stoga. najˇeˇ´e je otisnut sitnijim slovima. c c Dokazi su bit matematike. formalnim manipulacijama. 2 Kvadriranjem izraza na lijevoj strani i sredivanjem dobivamo a2 + b2 = c2 . Kako gornji postupak moˇemo c z provesti za bilo koji pravokutan trokut. ˇto c sc s upu´uje na mogu´nost preskakivanja tog dijela pri prvom ˇitanju. c no matematiˇkim istinama one postaju tek kad budu dokazane. Bilo bi. a to je upravo tvrdnja Pitagorinog pouˇka. Moramo vas. Dokazi izdvajaju matematiˇko znanje od svih c ostalih vrsta znanja. empirijom. Imamo 1 (a + b)2 = c2 + 4 ab. vidjet ´ete da je ve´ina tvrdnji izreˇena bez c c c ˇ dokaza. a duljina stranice je zbroj kateta pravokutnog trokuta.

Takav je pristup rezultat kompromisa. c z Evo na kraju i posljednjeg savjeta. Nadamo se da ´e tako ostvarena sinergija s z c rezultirati kvalitetnijim nastavnim procesom i poboljˇati njegove uˇinke. S jedne smo strane ˇeljeli z proˇiriti knjigu dijelom materijala koji se odnosi na srednjoˇkolsko gradivo.8 izostavljanja. s c . Treba c s ga gledati prije kao dopunu predavanjima nego kao zamjenu za njih. Nastavni materijal koji imate pred sobom bit ´e najbolje iskoriˇten u kombinaciji s redovitim pohadanjem predavanja. Tek kad je c c z student osloboden potrebe grozniˇavog zapisivanja i prepisivanja s ploˇe moˇe se u potpunosti koncentrirati na ono ˇto se na predavanju govori. a s s s druge smo strane morali voditi raˇuna o njenoj opseˇnosti i zadrˇati ju u razumc z z nim okvirima. s nastavnik osloboden pritiska detaljnog formuliranja iskaza i njegovog zapisivanja na ploˇu moˇe viˇe pozornosti posvetiti izlaganju konteksta i motivacije te tako c z s viˇe pribliˇiti gradivo studentima. Zainteresirani se ˇitatelj za izostavljene dokaze moˇe obratiti c z nastavnicima ili ´e ih potraˇiti u literaturi. S druge strane.

1 direktno slijedi da je P Q = QP . c s c njegovi elementi su toˇke. i ako jesmo. ukljuˇivo P i Q. Primijetimo da iz Definicije 1. c Definicija 1. temperatura itd.1 Neka su dane toˇke P.) c imamo i veliˇine kod kojih nam je bitan smjer (brzina.1 Vektori i osnovne operacije s njima U egzaktnim znanostima osim skalarnih veliˇina (masa. Sto ´ete poduzeti? Za donoˇenje odluke o tome treba li skoˇiti u stranu ili ostati na mjestu nije s c nam dovoljna samo informacija o iznosu brzine. 9 .) Takve c veliˇine zovemo vektorskima. Temeljna je razlika izmedu skalarnih i vektorskih c veliˇina u tome ˇto nam je za matematiˇki opis skalarne veliˇine dovoljan jedan c s c c realan broj. U ovom c s ´emo poglavlju opisati matematiˇke koncepte i tehnike koje nam omogu´uju c c c efikasno matematiˇko modeliranje vektorskih veliˇina. sila.Poglavlje 1 Vektorski raˇun c 1. Duˇina P Q je skup svih toˇaka c z c c pravca kroz P i Q koje se nalaze izmedu P i Q.♠ Oznaˇimo s E naˇ trodimenzonalni prostor koji ima toˇkastu strukturu tj. Treba nam i podatak jesmo li na pravcu kojim se kamion giba. Q ∈ E. akceleracija itd.1 Na 20 m od vas nalazi se kamion koji vozi brzinom od 72 km/h ˇ c (20 m/s). c c Primjer 1. dok nam za vektorske veliˇine treba viˇe realnih brojeva. giba li se prema nama ili od nas. duljina.

jer imaju razliˇite poˇetke i c c c krajeve. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. VEKTORSKI RACUN − → Definicija 1. Q) =| P Q |. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. intenzitet).10 ˇ POGLAVLJE 1. do na translaciju prostora)? z 1. jedna od njih je poˇetak P a druga je kraj Q. − − → −→ Definicija 1. z z Q − → − → Iz Definicije 1. Duljinu − → − → vektora P Q oznaˇavamo s d(P. Poˇetak joˇ c c c s zovemo hvatiˇte.2 slijedi da je op´enito P Q = QP .2: Jednakost vektora. s Q P P Slika 1. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi.1: Duˇina i usmjerena duˇina. tj. c .3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q . tj. Q Q’ P P’ Slika 1.

jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. z kolinearan je sa svakim vektorom). B ∈ E takve da je OA = − i AB = b . Preciznije. Za vektor P Q kaˇemo da je orijentiran od P prema Q. c 2.3). Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. Vektor kod kojeg su poˇetak i kraj jednaki. Pogledajmo sada neka svojstva nul vektora: c − → 1.1. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2.3). postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1.1. tj. Iz a Napomene 1. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. → Napomena 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b .2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. onda c a − → − →. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju.2 znamo da takve toˇke A i B postoje i da su jedinstvene.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. poˇinje u P a z c zavrˇava u Q. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. 11 − → 3. Napomena 1. → c . tj. Sada samo izaberemo orijentaciju koja nam treba. Tada je c − − → − = OB. Oˇito je | 0 | = 0. P = Q. 3.

12 ˇ POGLAVLJE 1. O. i oznaˇavamo ga s → 0 . − + b = b + − (komutativnost). − → − → − → Napomena 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . Q ∈ E vrijedi P Q = P O + OQ. ♣ B b a+b a b 0 A a+b a b Slika 1.4: Pravilo trokuta i pravilo paralelograma. .3 Za bilo koje tri toˇke P. a c a c → − → → → − → a a a 2. Vektor a zovemo suprotni vektor vektora a c − → −. (− + b ) + − = → + ( b + − ) (asocijativnost). VEKTORSKI RACUN R a G Slika 1.3: Motivacija za definiciju zbrajanja vektora. → a =−a → − → → → − a a 4. c Teorem 1. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). − → → − → → → → − 3.

realnim brojem. ali je suprotne orijentacije.1 ima sljede´a svojstva: ima →. itd. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. tj. a a → Za sluˇaj → + − piˇemo 2− (tj. → BA.6: Mnoˇenje vektora skalarom.4 Vektor a = −→ iz Teorema 1.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. Sliˇno 2− + − = 3→. c a − 2.λ<0 a A B Slika 1.1. d c a + b+ c+ d a b Slika 1.1. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. definiramo λ− kao vektor: a → 1. λ > 0 B’ 0 λa. λa . Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. ˇija je duljina jednaka |λ||− |.5: Pravilo mnogokuta za zbrajanje viˇe vektora. koji ima isti smjer kao →. z → Za λ ∈ R. s → − − a c Napomena 1. Za n ∈ N a c a a a − = (n − 1)− + − . VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. a .

onda. 2. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. i neka je A = O c toˇka koja leˇi na tom polupravcu. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . b ∈ V je a + b ∈ V . VEKTORSKI RACUN → 3. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA. uz pretpostavku − = 0 . (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1.1 i Teorema 1.5 nigdje ne govori o geometrijskim veliˇinama.♣ a a Definicija 1. Primjetimo da se u Definiciji 1. − → → → → − Ako su vektori − i b kolinearni. 3. a a → − 4. Neka je dan polupravac (zraka) s poˇetkom u O. → od vektora a Teorem 1. a a a − → 3.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. za sve a. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). c Vratimo se sada Definiciji 1. λ(µ→) = (λµ)− (homogenost).2. a suprotnu orijentaciju a − za λ < 0.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. 1 · − = → (postojanje jedinice). postoji pravac a a . a a → → → 2. koji ima istu orijentaciju kao vektor − za λ > 0. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).14 ˇ POGLAVLJE 1. Elemente od skupa V zovemo vektori.

B ∈ E na p takve da je − = OA. tj. Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. → →→ te vrijedi a a a0 1.2. tj. z → − → − → → → Neka su sada − . odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. Bijekcija je konstruirana na prirodan naˇin. Imamo da je c a − → → b = λ− . b ∈ XO (E) i λ ∈ R. (− . Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E).2 Vektorski prostor XO (E). a a . svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP .1). (Usporedimo ovo s Definicijom 1. (λ. Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. A. b = OB. gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. onda je |− | = 0. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). pa moˇemo a a a z − → − = a . a → → − − → Imamo sljede´i zakljuˇak: vektori − = 0 i b su kolinearni ako i samo ako c c a − → → − → → → − postoji λ ∈ R takav da je b = λ− . Kako je → = 0 .4). → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . VEKTORSKI PROSTOR XO (E). − → 2.1.

a a1 a2 an → − − Definicija 1. .. Vektori − .2...6 Za vektore − .. − .. − . − → Napomena 1. λn je razliˇit od nule.. . λ2 . → → → Neka su sada − .16 ˇ POGLAVLJE 1. Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − .7 Iz Definicije 1......5 Uzmemo li neku drugu toˇku Q ∈ E.. Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1.. ... .. λ2 .. . − ..... − . z c Napomena 1.6 izravno slijedi: → → → → a1 a1 a2 an 1. . →..5).6 Sliˇno definiramo vektorski prostor XO (M ) = {OP : P ∈ M } c − → za ravninu M i vektorski prostor XO (p) = {OP : P ∈ p} za pravac p. − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0. .. → ∈ → → − 0 i bar jedan od skalara λ1 . λn . Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . − . onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ. λ2 . Q = O. .. − ..1 i Teorema 1. Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − . λn ∈ R. Napomena 1. λ1 ..7: Radij-vektori u X0 (E). → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1. . λ2 .. . − ∈ XO (E).. ... → s koeficijentima λ1 . VEKTORSKI RACUN E P 0 Slika 1.

Ako imamo dva vektora − . takav rastav je jedinstven. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. . Teorem 1. Ako su − .2. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.♣ → → → ˇ s a b c Iz Teorema 1. Stoviˇe.. taj rastav je jedinstven. e1 e2 e3 z Tada su oni linearno nezavisni.3 je jasna. jer se nalazimo na pravcu. c − → − Napomena 1. → → − → Teorem 1.1. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.. Ako je barem jedan od vektora − .. z → − − 3.7. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . pa z z slijedi da su oni linearno nezavisni. onda su oni linearno zavisni ako i samo ako su kolinearni. on se ne moˇe izraziti kao njihova linearna konbinacija. b i − tri linearno nezavisna vektora iz XO (E). VEKTORSKI PROSTOR XO (E). Stoviˇe. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .3 slijedi iz Napomene 1.5 Ako su − . ♣ Tvrdnja Teorema 1.4 Ako su − . b bilo koja dva linearno nezavisna vektora iz XO (M ). jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . . b ∈ XO (E). onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. → → − Teorem 1. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. c − → → a 4.♣ . → ∈ XO (E) jednak nul veka1 a2 an toru. − i − ..8 Neka su →. →. onda su ti vektori linearno zavisni. →.♣ → a s Jednostavna posljedica Teorema 1..4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. → ∈ XO linearno zavisni.

pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . 0). Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . Ey = (0. 1). te toˇke Ex = c s c −→ − − → −→ − → − (1. j = OEy i − → −→ − − − − → → → k = OEz . Definirajmo i = OEx . 0.7 Uredena trojka (− . − . − → − → Neka je (→. ay .1 i Teorem z 1. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. pa ˇine bazu. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). k ne leˇe u istoj ravnini. prema Napomeni 1. Analogno. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). Kako vektori i . Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. c →.18 ˇ POGLAVLJE 1. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . 1. a2 i a3 − → → → vektor iz XO (E). Koordinatni sustav → − → Definicija 1. uredeni par → − (− . a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. z c → → Neka je sada − proizvoljan vektor iz XO (E).8 z ˇ oni su linearno nezavisni. VEKTORSKI RACUN 1. →. →). az ) su jednoznaˇno odredene. Skalare a1 .3 Baza vektorskog prostora XO (E). Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. pri ˇemu su skalari a1 . →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . duljine su im 1 i leˇe na okomitim c s z pravcima. − ∈ XO (E). − . Tada je a e1 e2 e3 c − (Teorem 1. a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. → → a b i j k . 0) i Ez = (0.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). Stoviˇe. j . e1 e2 Napomena 1. 0.5).

cy = ay + by . VEKTORSKI PROSTOR RN 19 → − − − → → → → → − S druge strane vektor − = − + b takoder ima razvoj u bazi ( i . k ) i toˇku P s koordinatama (x. imamo − → → − − → − λ→ = (λax ) i + (λay ) j + (λaz ) k . P ) = (x − x)2 + (y − y)2 + (z − z)2 . Zbog jednoznaˇnosti koeficijenata imamo da je → c i j k c cx = ax + bx . komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i poˇetne toˇke. mogu´e prikazati P P kao c −→ − − → − → − → P P = (x − x) i + (y − y) j + (z − z) k . y . Zakljuˇujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju´ih c c koordinata. j .10 Vidjeli smo da je P P = (x − x) i + (y − y) j + (z − z) k . tj.3) nam daju pravila za takve operacije nad uredenim c trojkama: . zbog P P = P O + OP = −OP + OP = OP − OP (pravilo trokuta −→ − za zbrajanje vektora). pa slijedi da je duljina proizvoljnog vektora jednaka → |− | = a a2 + a2 + a2 . Tada znamo da za proizvoljni → ∈ a → → → − = ax − +ay − +az − . x y z 1. a − = (ax . az ∈ R takvi da je a i j → Ako sada identificiramo − ∈ XO (E) s uredenom trojkom njegovih koordinata. k ) bilo koja baza od XO (E). k ). Tada je c − → jasno da su koordinate vektora OP vezane uz koordinate toˇke P . Analogno. z). a − − − → → → Uzmimo sada bazu ( i . → k XO (E) postoje i jedinstveni su ax . y. c a → → − − = cx − + cy → + cz − . z ) znamo da je OP = x i + y j + z k .4.1. vrijedi c → − − → − → − → OP = x i + y j + z k . j .4 Vektorski prostor Rn → − → − → − − Neka je ( i . cz = az + bz . c −→ − − − − − → −→ − → −→ −→ − → Sada je. pravila za zbrajanje vektora i mnoˇenje vektora sa skalarom → a z (koja su opisana u toˇki 1. −→ − − → − → → − Za toˇku P s koordinatama (x . tj. −→ − Znamo da je |P P | = d(P. c c −→ − − → − → → − Napomena 1. −→ − Dakle. ay . az ). ay . j .

1. xn ) + (y1 . Dakle Rn = {(x1 . ako su sila i put kolinearni. x2 . . ... . (ax . x2 .. λx2 . Kako ta baza ima c n n vektora.. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). az + bz ). 0.. ˇini bazu u R ... x2 ...... i = 1. λxn ). yn ) = (x1 + y1 . . VEKTORSKI RACUN 1. yn ) ∈ Rn i λ ∈ R definiramo: (x1 .20 ˇ POGLAVLJE 1. .. Sada zaboravimo geometriju (jer ne moˇemo lako predoˇiti takve skupove) i z c za proizvoljni n ∈ N definirajmo takve operacije nad uredenim n-torkama realnih brojeva (x1 . λ(ax . xn + yn ).. . bz ) = (ax + bx .. λ(x1 .. z 1. n}. 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. .. Moˇe se pokazati da skup od n vektora −i = (0. . Zelimo uvesti i mnoˇenje vektora. Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . 0. xn ) : xi ∈ R za i = 1.. kaˇemo da je R n-dimenzionalni realni vektorski prostor.. by .. n. az ) = (λax . (y1 . y2 . 2. .. Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. . ay . ay + by . x2 . y2 . c c Za (x1 . ....2.. U toˇki 1.. xn ) gdje su xi ∈ R za i = 1. xn ) = (λx1 . Skup svih takvih n-torki oznaˇavat ´emo sa Rn . az ) + (bx .1 i Teorema 1.3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. n... x2 + y2 ..... ay .. Zelimo imati operacije koje imamo za brojeve i koje se svode na operacije s brojevima za n = 1 (sluˇaj n = 1 svodi se na c vektorski prostor XO (p) ili R1 = R). U tu svrhu moramo na odgovaraju´i naˇin definirati c c .. Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom.. . λay .. To svojstvo baze od X0 (E) zovemo potpunost.. x2 . xn ).5 Skalarni produkt ˇ Vektori su generalizacija brojeva... λaz ). .... Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu.

→ − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. onda je → · b = 0. odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). k ) − − − → → → nije jedina takva baza (npr. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). − − − → → → Pogledajmo sada jediniˇne vektore ( i .3). s − → → − → → − − → → Definicija 1. Osim toga. k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. j . pa kaˇemo da je ( i . ( k . j . j . Kako je rad skalarna veliˇina.5. i ) je druga takva baza). (Uzimamo 0 ≤ ϕ ≤ π.1. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . j .8 Neka su − = 0 i b = 0 . b .8: Uz definiciju skalarnog produkta. Iz Tablice 1. iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. Skalarni produkt vektora − .1 vidimo da su vektori i .) Ako je barem jedan od vektora → i b → − − nul vektor. Primijetimo da ( i . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). rezultat produkta vektora c − → mora biti skalar. a c c . kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. Svaka tri vektora − → → → (− . SKALARNI PRODUKT 21 produkt dvaju vektora. j .

22 · → − i → − j → − k ˇ POGLAVLJE 1.9: Raˇunanje skalarnog produkta. a −b b ϕ a Slika 1.1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje. kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k . Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− . VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1. − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ). a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b . c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ).

Za preslikavanje (funkciju) sa V u W . tj.1. → → Neka su − = (x1 .. . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . a x y z Ova se formula za duˇinu vektora..9 Neka su V i W realni vektorski prostori.♣ − → → → → 1. ako je vektorski prostor W = R.5.. a onda f zovemo linearni funkcional. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. (− + b ) · − = − · → + b · → (aditivnost).. y2 . Definicija 1. slaˇe s Napomenom 1. tj. a c a c c → → → − → − 2. + xn yn .. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . b ∈ V i sve λ. a a → − → → − − a a c 3.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. yn ) ∈ Rn . SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . − = (y1 .. − → a b Napomena 1. Posebno. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . x2 ..11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. . Polaze´i od − · b = |− || b | cos(ϕ) dobivamo za ne-nul vektore − i b c a a a − − →→ a b √ cos(ϕ) = − · − = √ 2ax bx +ay by +az bz2 2 .. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . → · b = b · − (simetriˇnost). . z z → → − → − → − → → 2. (λ− ) · b = λ(− · b ) (homogenost). xn ). → → x y Teorem 1.10. µ ∈ R.

ay = cos β. cos γ zovemo kosinusi smjera vektora − . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − . → → − → − →→ → →→ a a i i a j j a k k Napomena 1. pa postoje brojevi α.♠ a a c a c c a − → − → − → Neka je sada ( i . ay . b ∈ a a c a XO (E) i λ. vrijedi a2 + a2 + a x y 2 az = 1. Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . µ ∈ R proizvoljni. − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. π] c takvi da je ax = cos α. a → → → − Neka je sada − ∈ XO (E). − ). → a i j k → Brojeve cos α. j . γ ∈ [0. Stoviˇe.3).24 ˇ POGLAVLJE 1. Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i .12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. Tada je skalarno mnoˇenje s c z − linearni funkcional. 1]. az = cos γ. (− . − . cos β. Kako je |− | = 1.2 Neka je − ∈ XO (E) fiksan vektor. Tada su oˇito ax . Neka su sada →. j . az ∈ [−1. u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . VEKTORSKI RACUN → Primjer 1. β. vrijedi a s → − → → = ax → + ay − + az − . Ve´ smo rekli (toˇka 1. k ) od XO (E). onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). ay = − · j . − a0 →| i − −| j → −| k → |a |a |a . a a z c − → a → − Pogledajmo vektor − = − . j . k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1. az = − · k .1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − .

10: Projekcija vektora na pravac. Tada postoji D ∈ E takva da je d = OD. neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1. − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi.1. Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. Dakle imamo OD = ( d · − )− jer je OD = λ− . a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . Nadalje. Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E).5. SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . → |a| az cos γ = → . imamo − → → →→ − d = ( d · − )− . a0 a0 . jediniˇni vektor. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D. a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → |a| ay cos β = − .

reda Iz prethodnih smo odjeljaka mogli vidjeti da se uvodenjem vektora i pravila za raˇunanje s njima dobiva mogu´nost saˇetog iskazivanja i zapisivanja rezultata. dobijemo z z (ad − bc)x = αd − βb. z z dobijemo αc − βa βa − αc y= = . a b A= . ad − bc S druge strane. drugu s −a i zbrojimo ih.determinante matrica 2. i 3. za ad − bc = 0.6 Digresija . ako prvu jednadˇbu pomnoˇimo s c. Ako pomnoˇimo prvu jednadˇbu s d. a koristan je z i pri radu s vektorima.26 ˇ POGLAVLJE 1. x= αd − βb . drugu s −b i zbrojimo ih. VEKTORSKI RACUN 1. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. c d Sada za matricu A definirajmo funkciju det koja ´e matrici A pridruˇivati realan c z broj na sljede´i naˇin: c c a b c d det A = det = ad − bc. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. . c c z U ovom se odjeljku upoznajemo s pojmom determinante koji igra vaˇnu ulogu u z saˇetom i elegantnom formuliranju rezultata o linearnim sustavima. odnosno.

c c U tom se razvoju pojavljuju determinate drugog reda: a1 a2 a3 b1 b2 b3 c1 c2 c3 b2 b3 c2 c3 b1 b3 c1 c3 b1 b2 . Matrica tog sustava je matrica tre´eg reda. REDA Oznaka koju joˇ koristimo je s a b . Pri izvodenju ovih formula pretpostavljali smo da je ad − bc = 0. odnosno paralelnosti pravaca definiranih izrazima ax + by = α. DIGRESIJA . sveli smo problem raˇunanja c c determinante tre´eg reda na problem raˇunanja determinante drugog reda. odnosno a = c c c − → − → b . to znaˇi da je ad = bc. Analogno.DETERMINANTE MATRICA 2.1. da smijemo dijeliti s det A.6. c3 Determinantu matrice tre´eg reda raˇunamo rekurzivno razvojem po prvom retku. To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d − → − → i c i + d j . c  a1 a2  A =  b1 b2 c1 c2 i dana je s  a3  b3  . za sustav s tri jednadˇbe i tri nepoznanice imamo: z a1 x + a2 y + a3 z = α b1 x + b2 y + b3 z = β c1 x + c2 y + c3 z = γ. c c Drugi naˇin na koji moˇemo raˇunati determinante matrica tre´eg reda je Sarc z c c rusovo pravilo: ispod determinante dopiˇemo njena prva dva redka. I 3. Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora. Tada imamo c d a α c β a b c d 27 x= α b β d a b c d i y= . Ako to nije sluˇaj. c1 c2 det A = = a1 − a2 + a3 Determinante matrica drugog reda znamo raˇunati. tj. tj. cx + dy = β. pa onda s .

c1 c2 c3 Determinantama ´emo se viˇe baviti u poglavlju o rjeˇavanju linearnih sustava. Po tom pravilu imamo: a1 a2 a3 b1 b2 b3 c1 c2 c3 = a1 b2 c3 + a3 b1 c2 + a2 b3 c1 − a3 b2 c1 − a1 b3 c2 − a2 b1 c3 . .tj. tj. determinanta je jednaka nuli. Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante. determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = − a1 a2 a3 . 4. Svojstva determinante: 1. Ako su dva redka (stupca) u determinanti jednaka. c1 c2 c3 a1 a2 a3 = λ b1 b2 b3 . c1 c2 c3 3. Ako dva susjedna redka predznak. Vrijedi: a1 + d1 a2 + d2 a3 + d3 b1 b2 b3 c1 c2 c3 = a1 a2 a3 b1 b2 b3 c1 c2 c3 d1 d2 d3 + b1 b2 b3 .28 ˇ POGLAVLJE 1. c s s Ovdje smo uveli samo ona njihova svojstva koja ´e nam trebati pri radu s vekc torima. VEKTORSKI RACUN zbrojimo produkte elemenata na glavnoj dijagonali i njoj paralelnim pravcima i od toga oduzmemo produkte elemenata na sporednoj dijagonali i njoj paralelnim pravcima. a3 b3 c3 (stupca) zamijene mjesta. tj.: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5.: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. determinanta z se mnoˇi tim skalarom. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 .

jentacija Ori- Znamo da je za proizvoljnu toˇku O ∈ E skup XO (E) vektorski prostor. i . Postavlja se pitanje. − ) neka baza od XO (E). k ). Neka je c − . To znaˇi da se skup svih pravokutnih koordinatnih sustava raspada na dva c podskupa. O ∈ E i neka su ( i . ili je suprotne orijentacije.7 Desni i lijevi koordinatni sustavi.7. Sada − → − → − → − → rotacijom oko osi koja sadrˇi i dovedemo j na j . Postavlja se pitanje. k ) i S = (O . onda kaˇemo da su S i S ekvivalentni ili jednako orijenc z tirani. ili sa S . Tada ravnina okomita na − → − − → → − → − → → − i u kojoj su j i k prijede u ravninu okomitu na i u kojoj su j i k . k ) i ( i . Tada uredenu trojku (O. kako odrediti jesu li dva pravokutna sustava jednako . j . →. ORIJENTACIJA 29 1. Neka su sada O. Koordinatne sustave u jednom podskupu zovemo desnima a drugom lijevima. i u i .11: Desna i lijeva ortonormirana baza. Ili se poklopi sa S. Kako to odrediti? − − → → Prvo translatiramo O u O. − . − . ako S nije ekvivalentan c sa S. j . Time vektor k padne na z − → pravac vektora k : ili se preklopi s njim (tj. i . Tada imamo dva − → − → − → − → − → − → pravokutna koodinatna sustava S = (O. translacija ili oboje) c → − → − − − − → − → → → prevesti S u S tako da O prijede u O. j . onda dovedemo i u i . k ) proizvoljne ortogonalne baze od XO (E) odnosno XO (E). k 0 0 i j i k j Slika 1. DESNI I LIJEVI KOORDINATNI SUSTAVI.1. je li mogu´e krutim gibanjem (rotacija. imaju istu orijentaciju). − ) zovemo → − → → → → (a b c a b c → → → → − → − − − − → − koordinatni sustav. Jasno je da je svaki tre´i pravokutni koordinatni sustav jednako orijentiran s c toˇno jednim od ova dva. j . j u j i k u k ? Ako je to mogu´e.

onda nisu. Dakle. pomo´u determinante pripadaju´e c c matrice. ako je D < 0. onda se z orijentiranost od S i S ispituje analogno. k ) pravokutni normirani c c → → − desni koordinatni sustav.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. c1 c2 c3 Ako je D > 0. j . k ) i S = (O . j . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . j . tj.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. − → − → → − − → j = b1 i + b2 j + b3 k . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna).10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). z Napomena 1. k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. 1. i . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. k : z − → − → − → − → i = a1 i + a2 j + a3 k . j . k preko i . Definicija 1.30 ˇ POGLAVLJE 1. onda su S i S (odnosno njihove baze) jednako orijentirani.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). → → a b i j k . i . j . − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. − → − → − → − → k = c1 i + c2 j + c3 k . i . Prikaˇimo i .

imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). tj. → → → − → → − (a b c a c b c − − → → − → 3. a a a Napomena 1.6. b nul vektor.♣ → a . (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . Po pretpostavci je |→| = 0 i | b | = 0. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. i ϕ = 0 ili ϕ = π. jer je nul vektor kolinearan sa svakim vektorom.♣ Primijetimo da tvrdnje Teorema 1. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az .8.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. pa je cos2 ϕ = 1. c c z Teorem 1. c Dokaz: − → → Ako je barem jedan od vektora − . pa desna strana formule za duljinu vektora − × b iˇˇezava. → × ( b + − ) = − × b + − × − . To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. − → − → |a a sc a b → − → → − pa i − × b = 0 . Tada je |− × b | = 0. neka je − × b = 0 . ϕ = 0 ili ϕ = π. − → → → − → − → → 2.1. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . a c → i → kolinearni. → × b = −( b × − ) a a (antikomutativnost). Zbog − · − = |→||− | cos ϕ. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . Neka su sada oba vektora razliˇita od nul vektora. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju).7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. kao saˇeti zapis. Kako je − · b = |→|| b | cos ϕ. Tada je |→ × − | = 0. a → − → → → → − → − → − Obratno. Dakle a − → − i b su kolinearni.

i . k ). i neka − − − → → → − → − − → − → − → → → − a su → = ax i + ay j + az k i b = bx i + by j + bz k zapisi vektora − i b u a − − − − → → → − → − → → → bazi ( i . k ) pravokutni normirani desni koordinatni sustav. j . − × b ) c a a a a → → − je jedna baza.7). j . Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k . tj. Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0. Pitanje je sad je li − × b orijentiran. Imamo: c c ax ay az bx by bz ay bz − az by az bx − ax bz ax by − ay bx D= = (ay bz − az by )2 + (az bx − ax bz )2 + (ax by − ay bx )2 > 0. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni. iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ. − − − → → → Neka je (O. prema ”gore” ili prema a ”dolje”? ax b b a Slika 1. . a a → → − Neka su − i b nekolinearni.32 ˇ POGLAVLJE 1. Izraˇunajmo sada determinantu D (opisanu u toˇki 1. (− . b .12: Vektorski produkt.

8. Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . b . j .2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. j . i . pravila za vektorsko mnoˇenje te gornju tablicu) z z .1.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. Uzmimo npr. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i .13 vidimo da je → = − × − . k ) koje ´e nam c c biti koristno pri raˇunanju. k ) desni koordinatni sustav (pravokutni i normirani). vektore ortonormirane baze ( i . a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . k ).13: Kutna brzina. j . pravila za skalarno mnoˇenje. j . − × b ) desni (op´enito nepravokutni) koordinatni sustav. Sa Slike 1. VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. ω r v v ω 0 r Slika 1. to je − → → → → − (O. − . dok je s druge strane i × ( i × j ) = − j tj. − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. k ).

− ) neka desna ortonormirana baza. → − → − →→ → →− a a b a b a a a b imamo odnosno − → − × (→ × − ) + (− · − )→ − (− · →)− = − → → →− → − → → a b a a b a a a b 0 tj.9 Mjeˇoviti produkt s − → → − → − − → → − − → − → → Neka su zadani vektori − = ax i + ay j + az k . a a → a |− |2 a |→| a − → − → Dobili smo formulu za rastav vektora b na vektor kolinearan s → i vektor okomit na − za a a −. → c i j k i j k − · (− × − ) definiramo s → → → Tada njihov mjeˇoviti produkt a s b c → · (− × − ) = − → → a b c ax ay az bx by bz . − − − → → → →→ − − − → → (− · − ) b = → × ( b × →) + (→ · b )− . − → → → a b a a a b 0 Kako je − × (→ × − ) = (→ · − )− − (− · − )→. a c a c c a Primjenom gornjih formula lagano se dokazuje Jacobijev identitet: → → → → − × (− × − ) + − × (→ × − ) + → × (− × →) = − . − . imamo: a c − → − − − × (→ × − ) + → × (− × →) + − × (− × − ) = →. gdje je (− . → unaprijed zadani a 1. cx cy cz odnosno s → · (− × − ) = ax by bz − → → a b c cy cz − ay bx bz cx cz + az bx by . → − → − → − a b c b c a c a b 0 → → → − Ako u Jacobijev identitet uvrstimo − = − = 0 .34 da vrijede slijede´e korisne formule: c ˇ POGLAVLJE 1. cx cy . → → − → → → a b a b a a a a b 0 → − − → × (− × →) + − × (− × − ) = →. b = bx i + by j + bz k i a → − → → → → − = cx → + cy − + cz − . Podijelimo li ovaj izraz sa |− |2 dobijemo: a a a a a a a − → − → →·− → − → → 1 → b = a b − + − 2 − × ( b × − ). VEKTORSKI RACUN → − → × (− × →) = (− · →)− − (→ · − )− − → − → − →→ a b c a c b a b c → − − − → → − − − → →→ (→ × b ) × → = (− · − ) b − ( b · →)− .

b . b . → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. → − → − → → → → Napomena 1. b . |→ × b | je povrˇina paralelograma razapetog s → i b .ˇ 1. s → → − → Definicija 1. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . − . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. − komplanarni po Napomeni 1.16 oni su linearno zavisni. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. pa tvrdnja slijedi a c iz svojstava determinante 3. pa kako je − okomit na b × − . vektorsko mnoˇenje i mjeˇoviti z z s produkt. a a − → → − → − − → − 2. kako je a c → − − → → − − → − · ( b × c ) = 0. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru.♣. b = 0 i → = 0 . onda − → − Obratno. Tada. Tada je: → → → a b c → − → − → − − → 1. − ∈ XO (E). a | b | sin ϕ visina paralelograma. b . zakljuˇujemo da su vektori → i b × c okomiti. − . jer je a a c → − − → |→ · b | = |− || cos ϕ|. − → − i samo ako su a b c − → → → Ako su − .16 Vektori →.14: Mjeˇoviti produkt triju vektora.6.11 Za vektore − .9.17 Za vektore − . Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . gdje je |→| baza. MJESOVITI PRODUKT 35 bx c a c b Slika 1. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. z → − − − a c Napomena 1. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . → komplanarni. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje.4 i 5 iz toˇke 1. Pretpostavimo zato da su − = 0 . a a .

Tada je volumen tetraedra ˇiji su vrhovi toˇke Pi i = 1. i . 4 (u pravokutnom koordic − − → →→− natnom sustavu (O. − ). P1 . 3. Veliˇina → − − − → → ( b × c )| = | a b c a b c c − − → → →|| cos ϕ| je duljina visine paralelepipeda. Dokaz: −− − − −− −→ − → −→ −− − − −− −→ − → −→ Uzmimo vektore P1 P2 . yi . Tada je volumen paralelepipeda razapetog s P1 P2 . a | a s − → Pomo´u mjeˇovitog produkta moˇemo proizvoljan vektor d prikazati u proizvoljnoj (ne nuˇnoj c s z z → − .36 ˇ POGLAVLJE 1. P3 . P1 P4 . − . VEKTORSKI RACUN → → → − − → − → → 3. P3 . P1 . Neka je dan − ∈ XO (E) i neka je (→. 2. Kako je volumen tetraedra ˇiji su vrhovi Pi i = 1. P1 . P3 . k )). P1 P4 . 3. Tada vrijedi: → − → − → − ·(→×− ) − d b c d = − → − →− →·(− ×→) a a b c − → − − → − → → d ·( a × c ) − ·(→×− ) b + → − → a b c → → − − − → d ·( a × b ) − → →·(→×− ) c . − . 2. P1 P4 jednak apsolutnoj vrijednosti broja x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . − ) proizvoljna → → → − → → ortonormiranoj) bazi ( a b c d a b c baza od XO (E). zi ) i = 1. b . − | b × c | je povrˇina baze. jer je |− · a c a c a − − → → − ||→ × →|| cos ϕ| (ϕ je kut izmedu → i − × − ). − .18 Neka su dane toˇke Pi = (xi . − − → a b c Napomena 1. 2. |− ·( b × →)| je volumen paralelepipeda razapetog s − . 4 c c jednak apsolutnoj vrijednost broja 1 6 x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . 3.♣ 1 6 volumena paralelepipeda . imamo tvrdnju. 4 jednak c −− − − −− −→ − → −→ razapetog s P1 P2 . j .

j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1. no c vaˇno je znati da se na sliˇan naˇin mogu opisati i sloˇeniji geometrijski objekti z c c z kao ˇto su krivulje i plohe. B B 37 . s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata.3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. taj skup je neprazan. Ako je B = 0. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru. c c s 2. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O.Poglavlje 2 Analitiˇka geometrija c 2. onda za c proizvoljni x0 imamo C A y0 = − x0 − . Ta jednadˇba opisuje neki skup toˇaka u ravnini. pri ˇemu su A. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . Takav analitiˇki opis ne ovisi o geometrijskom zoru.1. i . a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule.

y ) 0 0 (x . tj.y) Slika 2. vrijedi Ax0 + By0 + C = 0. y0 ) okomit na vektor − = A i + B j . onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA. s z z Napomena 2. onda − i → nisu okomiti.1 Ako imamo dvije jednadˇbe. B. y) leˇi na pravcu p. tj. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. ako toˇka (x. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 0. y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p.38 ˇ POGLAVLJE 2. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. . Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. − · − = c z r n r n 0. s c z Joˇ se naziva i implicitna jednadˇba pravca.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. C takvima da je barem jedan od A i B razliˇit c 2 2 od nule (to se joˇ formulira i kao A + B > 0) je op´a jednadˇba pravca. pa zbog okomitosti imamo − · → = 0.1: Pravac u ravnini. Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 . y) ne leˇi na pravcu p. Definicija 2. c p n r (x . → − r n → − → → Ako toˇka (x. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. B = tB i C = tC. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . c n Zaista. Ax + By + C = 0 i A x + B y + C = 0. i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0.

Ako je A = C = 0. c Obratno. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. onda je pravac paralelan s osi y. onda pravac prolazi kroz ishodiˇte. Ako je B = C = 0. z → 2. tj.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. Dakle → → r i j n i j n i j → − − → − i n kolinearni. pa imamo tvrdnju. Dobijemo z B A x + −C y = 1. n n 2. znaˇi z c da prolaze kroz istu toˇku (x0 . → → Ax = 0 i vektor n n i 5. nepotpune obc z like): 1. onda je pravac os x. C −A −B . jer je tada vektor − oblika n − → →=Ai. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. Ako je A = 0. pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. ako postoji t ∈ R takav da je A = tA. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. − n → 3. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . jer je (0. onda je pravac os y. y0 ) i da je za svaku drugu toˇku (x. jer je toˇka (0. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. jer je (0. Oˇito je (x0 . postoji t ∈ R takav da je n = t− . y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. Ako je B = 0. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . − n 4. Odatle je A = tA i → → su vektori n n B = tB. B = tB i C = tC. Ako je C = 0.1. onda je pravac paralelan s osi x.2. jer je tada vektor − oblika n − → →=Bj.1.

y 1 ) Slika 2. z 2.40 ˇ POGLAVLJE 2. c c y b a 0 x Slika 2. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. 0). a ako je y = 0. c c tj.2: Segmentni oblik jednadˇbe pravca. z .1. imamo A x a + y b = 1.3: Kanonski oblik jednadˇbe pravca. pravac prolazi kroz toˇke (0. b) i (a. onda je x = a.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . z z Uoˇimo sljede´e: ako je x = 0. z p s=mi+nj P1 = (x 1. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. onda je y = b.

tj. iz kanonske jednadˇbe c z . x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ).4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 .4: Pravac kroz dvije toˇke. z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). z z Napomena 2. jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. Toˇka P = (x.1. a kako p po pretpostavci prolazi toˇkom P . y1 ) i Q = (x2 . Dakle imamo pravac paralelan s osi c → − → − − → − x. Nadimo jednadˇbu tog pravca. c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p.y 1 ) Slika 2. Npr. Iz uvjeta x − x1 = λm i − − kolinearni. y) − koju prolazi pravac i vektor smjera pravca s i j c − − − → − = −1→ = (x − x1 )→ + (y − y1 )→ i − → PP leˇi na p ako i samo ako su vektori r z i j s → = λ→. tj. y1 ) kroz z c z c → → → = m− + n− .1. z p Q = (x2 . bez komponente u smjeru j . s s 2.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni. y2 ) u ravnini M .y 2 ) P = (x 1.2. y = y1 . onda c c je jasno da njima prolazi jedinstveni pravac p. Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 . ˇto se vidi i iz vektora smjera → = m i + 0 j .

Uvode´i oznaku k = m . Uvedemo li oznaku l = −kx1 . y l ϕ 0 x Slika 2. c 2.42 ˇ POGLAVLJE 2. dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. z . y − y1 = k(x − x1 ). c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0.1. ANALITICKA GEOMETRIJA pravca imamo da je jednadˇba pravca kroz dvije toˇke z c x−x1 x2 −x1 = y−y1 y2 −y1 ili y= y2 −y1 (x x2 −x1 − x1 ) + y 1 . Tada je y = kx − kx1 + y1 .5: Eksplicitni oblik jednadˇbe pravca. Veliˇinu k zovemo koeficijent smjera pravca p.5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera.

Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. pravac prolazi toˇkom (0. y) leˇi na pravcu p ako i samo ako je z − · − = d. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj.3 Za x = 0 imamo y = l tj.5). tj. c − → − → → pa imamo − = cos ψ i + sin ψ j . Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). → → r n Jednadˇbu − · − = d. z Jasno je da su a. n c y q n θ P0 x r P p 0 Slika 2. l). P = (x. Povucimo sada kroz O pravac q okomit na p. Neka je − = a i + b j jediniˇni vektor na pravcu q.6: Normirani oblik jednadˇbe pravca. c c s − → − → → d = |OP0 |. b ∈ [−1. s vektorom i ). 2.2. odnosno z → → r n x cos ψ + y sin ψ = d . pa tada postoje ψ. 1]. n Kako je tg ϕ = m . n − → → Toˇka P = (x. π] takvi da je a = cos ψ − i b = cos φ.1. a2 + b2 = 1. imamo k = tg ϕ. c 43 n ˇ Uzeli smo da je k = m . PRAVAC U RAVNINI Napomena 2. φ ∈ [0.1. tj. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. tj.

2. postavlja se pitanje kako prona´i njegov normirani oblik. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani.44 ˇ POGLAVLJE 2. −sign C · A2 + B 2 Dakle normirani oblik jednadˇbe pravca z Ax + By + C = 0 glasi Ax+By+C √ −sign C A2 +B 2 = 0.2.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. z . + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. tC = −d.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. tB = sin ψ. dakle mora biti tA = cos ψ. Stoga je t= 1 √ .2 2. po Napomeni 2. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . predznak od t je jednak suprotnom predznaku od C). z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.

ako i samo ako je A1 A2 + B1 B2 = 0.2. → n i j 45 Definicija 2. A2 B2 → → Napomena 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . −1 → Neka je ϕ kut izmedu → i −2 .ˇ 2.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . → → kolinearni. ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0.4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. tj. .

7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. ako i samo ako postoji λ ∈ R takav da je − = λ− . s1 s2 tj. ako i samo ako je m1 m2 + n1 n2 = 0. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . . m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . → → Napomena 2.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. m2 n2 → → Napomena 2. tj. − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. s1 s2 odnosno ako i samo ako je n1 m1 = .46 b) Kanonski oblik: ˇ POGLAVLJE 2.

k2 = tg ϕ2 . Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . Neka je ϕ = ϕ2 − ϕ1 .7: Kut dvaju pravaca. 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . y = k2 x + l2 . Definicija 2. .2. ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 .4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 . 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2.ˇ 2.

odnosno ako i samo ako je k1 = k2 . Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. To je ekvivalentno s 1 k1 = − . ANALITICKA GEOMETRIJA Napomena 2.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. Zanima nas udaljenost c toˇke P0 od pravca p.7).1. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . 2 ako i samo ako je tg ϕ = ∞. tj.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .48 ˇ POGLAVLJE 2. sa suprotne strane od ishodiˇta) jer je tada n s . odnosno ako i samo ako je 1 + k1 k2 = 0. p) = x0 cos ψ + y0 sin ψ − d. Neka je pravac p dan u c c normiranom obliku. Napomena 2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . tj.5. c Definicija 2. ako i samo ako je ϕ1 = ϕ2 .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. y0 ) i pravac p u ravnini. x cos ψ + y sin ψ = d. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. k2 2.2. tj.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. s Napomena 2.

eksplicitni). p) = |Ax0 +By0 +C| √ . onda iz toˇke 2. odnosno bx + ay − ab = 0. pravac kroz dvije toˇke. a2 +b2 x y + = 1. p) ≥ 0. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . −sign C A2 + B 2 Koriste´i gornju formulu za udaljenost toˇke od pravca ˇija je jednadˇba c c c z zadana u op´em obliku. y0 ) od pravca p je c d(P0 . y0 ) od pravca p je c d(P0 . c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 .ˇ 2. udaljenost toˇke P0 = (x0 .1.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . a b . a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . p) = |x0 cos ψ + y0 sin ψ − d|. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. p) = |bx0 +ay0 −ab| √ . kanonski. A2 +B 2 Ax0 + By0 + C √ .2.1 c z c (segmentni. p) < 0. tj. lagano moˇemo izvesti i formule za udaljenost toˇke od c z c pravca ˇija je jednadˇba zadana u bilo kojem obliku spomenutom u toˇki 2. p) = odnosno d(P0 .

ANALITICKA GEOMETRIJA → b) u kanonskom obliku kroz toˇku P1 = (x1 . tj. n). y2 ). y0 ) od pravca p je c d(P0 . k2 +1 . d) u eksplicitnom obliku. y = kx + l. p) = |(y2 −y1 )x0 −(x2 −x1 )y0 −(y2 −y1 )x1 +(x2 −x1 )y1 | √ (x2 −x1 )2 +(y2 −y1 )2 . m2 +n2 c) kroz dvije toˇke P1 = (x1 . odnosno kx − y + l = 0. c x − x1 y − y1 = . y − y1 x − x1 = . y1 ) s vektorom smjera − = c s (m. udaljenost toˇke P0 = (x0 . y0 ) od pravca p je c d(P0 . y1 ) i P2 = (x2 . m n odnosno nx − my − nx1 + my1 = 0. p) = |kx0 −y0 +l| √ . udaljenost toˇke P0 = (x0 . p) = |nx0 −my0 −nx1 +my1 | √ . y0 ) od pravca p je c d(P0 . udaljenost toˇke P0 = (x0 .50 ˇ POGLAVLJE 2. tj. tj. x2 − x1 y2 − y1 odnosno (y2 − y1 )x − (x2 − x1 )y − (y2 − y1 )x1 + (x2 − x1 )y1 = 0.

koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. tj. 3.ˇ 2.2. poklapaju se. xs = . Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. ys ). ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. c 2. Npr.8: Mogu´i poloˇaji pravaca u ravnini.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . paralelni su.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. sijeku se u jednoj toˇki. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. identiˇni su. c z U sluˇaju da se sijeku u jednoj toˇki.2. zovimo je S = (xs .

4). onda je A 1 B1 A 2 B2 = 0.52 i ˇ POGLAVLJE 2. p) suprotnog predznaka.11 Ako je A 1 B1 A 2 B2 = 0. 2. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 .2. Napomena 2. p)|. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . Osim udaljenosti. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A.2. p) = x0 cos ψ + y0 sin ψ − d. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j .4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. onda su p1 i p2 paralelni. . Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . p) i δ(B. ako su p1 i p2 paralelni. Vrijedi i obrat.

s c Neka se sada. . p3 u ravnini u op´em obliku. β ∈ R takvi da je −3 = α→ + β −2 . onda prema Napomeni c 2. mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. p1 i p2 sijeku u jednoj toˇki.5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . Dokaˇimo da je i z C3 = αC1 + βC2 . tj. tj. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. po Teoremu 1.4 vektori → → −1 = A1 − + B1 − . c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. postoje α. tj.2. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta.ˇ 2. ys ). z c s Da bi se p1 . Tada p3 mora prolaziti kroz S. → n i j → → −2 = A2 − + B2 − . p2 . → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. Oznaˇimo c c c ju sa S = (xs . p2 . jer ako su sve tri jednake nuli.2. bez smanjenja op´enitosti. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . A2 B2 A 1 B1 .

i 5. (A3 .6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. vektori (A1 . B1 . iz toˇke 1. pa po svojstvima determinante 4. Dakle dobili smo da pravac p3 pripada sveˇnju odredenom s p1 i p2 ako i samo z ako vrijedi A3 x + B3 y + C3 = α(A1 x + B1 y + C1 ) + β(A2 x + B2 y + C2 ) = 0 za neke α. p2 . B3 . p3 po pretpostavci prolaze istom toˇkom. C3 ) su linearno zac visni. c A1 B1 . A3 B3 A2 B2 A2 B2 =0 . imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 .54 ˇ POGLAVLJE 2. A 2 B2 je razliˇita od nule. B2 . C1 ). S. Drugim rijeˇima. (A2 . ANALITICKA GEOMETRIJA Kako p1 . Znaˇi uvjet presijecanja triju pravaca u istoj toˇki je c c A1 B1 C1 A2 B2 C2 A3 B3 C3 i barem jedna od triju determinanta A 1 B1 . C2 ). β ∈ R.

→ − → r r0 s p ts P0 r 0 s r0 Slika 2. 2.3. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . y. → → → a i + b j + c k . c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 .3 2. Neka c z s −→ → → − − radij-vektor toˇke P . z0 + tc). z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x.3. PRAVAC U PROSTORU 55 2. y0 . Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− .1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1.2). y.2. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x.9: Pravac u prostoru. z) = (x0 + ta. y0 + tb.3. . Tada imamo P0 P = − − − . Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.

Kako su vektori baze linearno nezavisni. y = y0 + tb.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . j i k dobivamo kanonske jednadˇbe pravca. c) odnosno a. z c s 2.3. vektor smjera pravca p je dan s (a. z Napomena 2.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. Prema s z Napomeni 1. pravac p prolazi toˇkom (x0 . y0 . s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . b.13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . z s Napomena 2. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . z0 ) i 2. b. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . c su koeficijenti smjera pravca p. ANALITICKA GEOMETRIJA x = x0 + ta.56 Jednadˇbe z ˇ POGLAVLJE 2. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. .

3. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a.5 i toˇka 2. c c Tada kroz njh prolazi jedinstveni pravac p.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. − →| s →| |→| |→| |s |s s s − jediniˇni. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . odnosno postoje c s0 α.6). → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. Uzmimo sada npr.3. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . c). toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . Odredimo njegovu jednadˇbu. z Znamo iz toˇke 2. −| |s Dakle koeficijenti smjera a. − → z definirajmo s P c s − je vektor smjera pravca p.1. jedan kosinus smjera prelazi u sinus. tj.1. π] takvi da je a cos α = − . a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . PRAVAC U PROSTORU 57 → Posebno. Zbog komplec mentarnosti. s 2. − . z1 ) i P2 = (x2 .3. → − → → r r1 r2 r1 . b. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. y1 . →| |s c cos γ = → . pa odreduje isti pravac. β. onda znamo da je vektor → s a b c 1 → s0 = − − = − . →| |s b cos β = − . pa iz toˇke − − s r2 c s r2 r1 c 2. γ ∈ [0. c) je dana s x y z = = .3. istog smjera i orijentacije kao i →. b. i njihov omjer daje koeficijent smjera (toˇka 2. b. y2 .2.5 znamo da postoje kosinusi smjera vektora − . onda ima dva kosinusa smjera. Sada imamo da je → = P1 P2 = → − →.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). z2 ) u prostoru. c s → Iz toˇke 1. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a.

z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke. uz oznake m = a c i m1 = − a z0 .10: Pravac kroz dvije toˇke u prostoru. z0 ) s vektorom smjera − = (a. b. c c c . z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke.3. a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . y = y1 + t(y2 − y1 ). z c y2 −y1 2 −z 2. Analogno.58 ˇ POGLAVLJE 2. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. c c c odnosno. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . c x = mz + m1 . y0 .5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 .

PRAVAC U PROSTORU odnosno.3. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja.3. Napomena 2.3. Dakle.2. uz oznake n = b c b i n1 = − c z0 . z y=nz+n 1 x =mz+m 1 y 0 x (m .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .n ) 1 1 Slika 2.14 Iz toˇke 2. z b c . y0 . vrijedi x−m1 m = y−n1 n = z. + n2 + 1 cos γ = √ m2 1 .3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m . + n2 + 1 2. 59 y = nz + n1 . Tada za svaki izbor a. + n2 + 1 cos β = √ m2 n . b.11: Pravac zadan dvjema projekcijama. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.

s z Imamo → = 1 (− + − ). . AC : CB = m : n.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . z1 ) i B = (x2 . y1 .7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . my1 +ny2 . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. z → − − → − → − → − → → − → → Ako je − = x1 i + y1 j + z1 k radij vektor toˇke A i − = x2 i + y2 j + z2 k r1 c r2 B n C m A ρ r r2 1 0 Slika 2. z2 ) u prostoru. ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − .12: Dijeljenje duˇine u zadanom omjeru. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . m ∈ N. .60 ˇ POGLAVLJE 2.3. mz1 +nz2 ). ANALITICKA GEOMETRIJA 2. 2 2 2 . r2 r1 →=− + − → ρ r1 n m → → → − + n −. z → c radij vektor toˇke B. m+n m+n m+n Napomena 2. y2 . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. tj.

onda je p = 0. γ kutovi c → zatvara s pozitivnim smjerovima osi x. s vektorima baze −0 ˇto ih n s − − − → → → i . pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. y. β. Neka je −0 = OP0 c c n p −→ − (tj. P0 d r π n0 0 M Slika 2. → → radij-vektora r n c P . z redom (tj.4 2. ako Π prolazi kroz ishodiˇte (tj. toˇku O) i s c koja sijeˇe sve tri koordinatne osi.4. toˇku O).4.13: Normalni oblik jednadˇbe ravnine. Povucimo okomicu iz toˇke O na ravninu Π. RAVNINA U PROSTORU 61 2. a vektor z −0 zovemo normala ravnine Π.3 ). → → r n . c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj.2. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. k iz toˇke 1. → n Posebno. j . jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p. → n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − .

62 ˇ POGLAVLJE 2. kako su A. udaljenost ravnine Π od ravnine Π . redom. 2.4.2. neka su toˇke A = (a. → ako je M s one strane Π na koju pokazuje −0 . B. Napomena 2. Nadalje.16 Ako toˇka P ∈ E ima koordinate (x.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. B = (0.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. 0. n . a c kako M leˇi u Π . udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. y. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. c). c c Sada. iz normalne jednadˇbe ravnine imamo. 0). b. 0). ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). Za toˇke s druge strane bit ´e n c c d < 0. Imamo neˇto analogno otklonu iz toˇke 2.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. 0. C = c (0. c Neka je M = (x1 . C ∈ Π. duljina okomice c do Π ´e biti p + d (za neki d ∈ R.2. z − − → OA · → = p. z. Kako je d. toˇke u kojima Π sijeˇe koordinatne osi x. r n Napomena 2. jer je duljina okomice do Π jednaka p). u stvari. n − → → OC · −0 = p. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. y1 .2. Kao i kod pravca (toˇka 2. z). y. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. n0 − − → → OB · −0 = p. z1 ) ∈ E proizvoljna.

cos β = . c cos γ = p. a b c Uvrˇtavanjem u skalarni oblik normalne jednadˇbe ravnine dobivamo jednadˇbu s z z x a +y+ b z c =1 koju zovemo segmentni oblik jednadˇbe ravnine. Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0.4. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ).3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. y0 . p p p cos α = . c C C Tada postoji toˇka (x0 .4. neka je C = 0. cos γ = .14: Segmentni oblik jednadˇbe ravnine. a cos α = p.2. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). z Dakle. . z 2. Odatle. b cos β = p. B. tj. Bez smanjenja op´enitosti. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. z = − C x − B y − D .

y. z0 ) i okomita na vektor c − = (A. Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. pri ˇemu se uzima predznak suprotan od c . odnosno.15: Op´i oblik jednadˇbe ravnine. c z c z Napomena 2. jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . C). z0 ) koja je okomita na vektor z c − = (A. Dakle.64 ˇ POGLAVLJE 2. C). kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ). c −→ → − S druge strane.18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. z) toˇka u takvoj ravnini. → n Zaista. tj. ako je toˇka P = (x. y0 . ANALITICKA GEOMETRIJA P . ako P ∈ E ne leˇi u ravnini. 0 r P n π 0 Slika 2. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). Onda je − · − = 0. y0 . onda je jasno da i c c − − = −0→ leˇi u toj ravnini. imamo da izraz → − n r A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 vrijedi za sve toˇke na toj ravnini. c z Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 z z opisana ravnina u prostoru kroz toˇku P0 = (x0 . B. B.

Ako je D = 0. C). tj. RAVNINA U PROSTORU predznaka od D.4.4. b1 = − B i c1 = − D . c onda je A B D z =− x− y− .18) i koeficijent razmjernosti je A2 + B 2 + C 2 . 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. Dakle imamo cos α = 65 A . Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. s → 2.20 Neka je dana toˇka M = (x1 . y1 . onda su koordinate A. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. nepotpune obc z like): c c z 1. onda je oˇito da O = (0.2. Ako je C = 0.17. R → → Vektor normale −0 je normirani vektor − = (A. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. po c Napomeni 2. pa odreduju istu ravninu. R cos β = B . C C C A z Oznaˇimo a1 = − C . istog su smjera n n → c n i orijentacije. k ). Napomena 2. 0. Stoga ´emo i vektor − zvati vektor normale. Tada je. B. ravnina prolazi kroz ishodiˇte. z1 ) ∈ E.1). B. s c A2 +B 2 +C 2 Napomena 2. 0) nema komponentu u smjeru n − → osi z (tj. pa imamo cos γ = 0. c . udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. B. R cos γ = C . onda normala − = (A. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. tj. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. Π) = |Ax1 +By1 +Cz1 +D| √ .

B. ravnina je paralelna s koordinatnom ravninom Oyz. 0. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz.4. A. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. c Od ˇetiri parametra. Ako je B = C = 0. Imamo Ax + D = 0. z → 3. z c c 2. onda prema 1. 0) ima komponentu samo u n smjeru osi x. ravnina prolazi kroz ishodiˇte s a prema 3. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. 4. s1 s2 . odnosno x = − D . Ako je B = C = D = 0. ravnina je paralelna A s koordinatnom ravninom Oyz. − i − su komplanarni). onda normala − = (A. B. Varijable u i v zovemo parametri. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. C koji je razliˇit od nule. imamo samo tri nezavisna. z → − a vektore − i → vektori smjera.4 Parametarski oblik jednadˇbe ravnine z → → Neka je dana ravnina Π koja prolazi toˇkom P0 ∈ E i neka su − i − linearno c s1 s2 nezavisni vektori takvi da je ravnina Π paralelna s njima. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . C i D.16: Ravnine u posebnim poloˇajima.66 z ˇ POGLAVLJE 2.

y = y0 + ub1 + vb2 . Napomena 2. Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . Kako imamo dva parametra (u i v). y0 .2. z Napomena 2. vidi se da je ravnina dvodimenzionalni objekt u prostoru. b2 . y0 . Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. z0 ) z z c → → i dva vektora smjera − = (a1 . → − Nek je P0 = (x0 . → = (a2 .22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. − = (a1 . b1 . Tada P = s1 s2 → − (x. z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. c1 ). c1 ) i − = (a2 . s1 s2 . b1 . z0 ).21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0.4. b2 . y. c2 ).17: Ravnina zadana parametarski.

2. ako i samo ako su P0 P . z3 ) u c prostoru takve da ne leˇe na istom pravcu.1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 .4.5. ANALITICKA GEOMETRIJA −→ → − − odnosno. z1 ). y3 . − .68 ˇ POGLAVLJE 2. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . vektori s1 s2 −→ → − − − → P0 P . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . P2 . P3 (uzmemo npr. P1 P3 komplanarni. P1 P2 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. Po Napomeni 1. P2 = (x2 .4. z2 ). Kao i u toˇki 2. P3 = (x3 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.4. Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 .16. y1 . 2. Dakle. s1 . s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. P3 ne leˇe na istom pravcu. P2 . Po Napomeni 1.5 2. Kako toˇke P1 . → komplanarni. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P2 . y2 .

24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. B1 . tj.5. 3. odnosno ako → → kolinearni. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. C1 ) n → i −2 = (A2 . ♣ .6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. ako i samo ako je −1 · −2 = 0. Ravnine se podudaraju. Ravnine se ne sijeku. tj. Teorem 2.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . B2 . 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 . Ravnine se sijeku u jednom i samo jednom pravcu.2. −1 → Napomena 2. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. C2 ). Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . 2. 69 −1 Definicija 2.

p z 2. A3 x + B3 y + C3 z + D3 = 0.   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . Ako je joˇ i A2 = B1 = C1 = D1 . drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 .2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . tj. 0 . p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . C1 = A1 . Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. 2. Konaˇno. odredenosti radi. A2 x + B2 y + C2 z + D2 = 0. B1 = C2 . Njene su koordinate c B1 D1   B2 D2 T0 =  . B2 C2 A 2 B2 Uvrˇtavaju´i z = 0 u jednadˇbe ravnina dobivamo sustav ˇije rjeˇenje nam daje s c z c s toˇku T0 na pravcu presjeka. Uzmimo. imamo tre´i sluˇaj. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0.5.23.   → Vektor smjera − pravca presjeka mora biti okomit na obje normale pa ga moˇemo p z − − = → × −2 = (B1 C2 − B2 C1 )→ + (C1 A2 − → −1 → uzeti kao njihov vektorski produkt. onda se one moraju sje´i. i njihov c presjek je pravac. z c c Kako ravnine nisu paralelne. . onda z s A1 B2 C2 D2 se ravnine podudaraju. da je c = 0. ako ravnine A2 B2 B2 C2 A2 nisu paralelne. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi.70 ˇ POGLAVLJE 2. Ako ravnine nisu paralelne. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina.

onda je presjeciˇte jedinstveno (tj. b.4.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. 2. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. tj. z nepoznanice). C). A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . s jedna toˇka. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). B. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. c) i − = (A.5.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a.5. ∆ . y. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. Π2 i Π3 moraju zadoc c s voljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. toˇka 2. paralelne su). → → s n . Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 .2.5) i koordinate su mu c c ∆x ∆y ∆z ∆. ∆. b. z Definicija 2. c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 .

Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. tj. c) i − = (A. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . C) onda je kut c s n 2 izmedu p i Π jednak ϕ. ANALITICKA GEOMETRIJA → → Znaˇi. b. → Napomena 2. ako i samo ako je − · − = 0.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. tj. − Am1 +Bn1 +D . B. b.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ .72 ˇ POGLAVLJE 2.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . ako je π − ϕ kut izmedu − = (a. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. → → s n Kako je kosinus kuta izmedu − = (a. odnosno ako → − kolinearni. C) dan s cos( π − ϕ) = 2 − ·− → → s n aA + bB + cC →||− | = √a2 + b2 + c2 √A2 + B 2 + C 2 − → |s n i kako je cos( π − ϕ) = sin ϕ.5. z c c s z0 = − Am1 + Bn1 + D . i ravnina Π s Ax + By + Cz + D = 0. 2. c) i − = (A. − Anm1 +Bnn1 +Dn + n1 . Am+Bn+C Am+Bn+C Am+Bn+C . tj. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. B.

dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. a druga je uvjet paralelnosti pravca i ravnine. Ax1 + By1 + Cz1 + D .5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. z1 − c Ax1Aa+Bb+Cc+D . z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. z = z1 + ct.5. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2.28 Ako ne postoji takav t koji je konaˇan. tj. y = y1 + bt. z z . tj. ako nema konaˇnog z koji je rjeˇenje. y0 . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. 2. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli.2. onda uvrˇtavanje u op´u jednadˇbu ravnine daje jednadˇbu za vrijednost parames c z z tra t koja odgovara presjeciˇtu s t=− Koordinate presjeka su +By1 +Cz1 +By1 +Cz1 +By1 +Cz1 x1 − a Ax1Aa+Bb+Cc+D .5. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. Aa + Bb + Cc Napomena 2. y1 − b Ax1Aa+Bb+Cc+D .

c2 ). → → s1 s2 p 2 p 1 Slika 2. c 2. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. y2 . y1 . .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).5. Pravac i ravnina se ne sijeku. c1 ) odnosno − = (a2 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). b1 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . c c c 2. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). z2 ) s vektorima smjera − = (a1 .74 ˇ POGLAVLJE 2. Pravac i ravnina se sijeku u samo jednoj toˇki.18: Mimosmjerni pravci. z1 ) odnosno c → → P2 = (x2 . Definicija 2. b2 . → → Znamo da je kosinus kuta izmedu − i − jednak s1 s2 →·− − → s1 s2 cos ϕ = − − = |→||→| s1 s2 a1 a2 + b1 b2 + c1 c2 a2 1 + b2 + c2 1 1 a2 + b2 + c2 2 2 2 . Pravac je sadrˇan u ravnini. ANALITICKA GEOMETRIJA Teorem 2.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . 3. s1 s2 redom.

odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. z= 1 m−m n−n .7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .3. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. c c z → s1 Napomena 2. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . 2.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.5. tj. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. → Napomena 2. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.5. tj.2. ako i samo ako je → · − = 0.5). ako i samo ako postoji λ ∈ R takav da je − = λ→. tj.

y2 . z1 ) i P2 = (x2 . a vektori → i s2 z c c z su paralelni s njom. B. D. Neka je to z ravnina Ax + By + Cz + D = 0. nnn−n1 n . − To znaˇi da i toˇke P1 = (x1 . y2 . c2 ). z2 ) s pripadaju´im vektorima smjera − = (a1 . z1 ) odnosno → P2 = (x2 . Toˇnije.76 ˇ POGLAVLJE 2. m−m n−n Rijeˇimo sada problem presjeciˇta dvaju pravaca u op´em sluˇaju s s c c Neka su dani pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . z1 ) i P2 = (x2 . ANALITICKA GEOMETRIJA Sada lagano dobijemo da su koordinate toˇke presjeka dane s c 1 −n ( mm1 −m1 m . Nadimo sada uvjet da pravci p1 i p2 leˇe u z istoj ravnini. a1 b1 c1 0 a2 b2 c2 0 . On ima netrivijalno rjeˇenje ako i samo ako mu je determinanta s jednaka nuli. To nam daje uvjete na A. → − Kako su − = (a1 . c1 ) i → = (a2 . c2 ) paralelni sa ravninom. B. z2 ) i vektori → = (a1 . imamo z Ax1 + By1 + Cz1 + D = 0 Ax2 + By2 + Cz2 + D = 0. b2 . b1 . D su nepoznanice). toˇke leˇe u toj ravnini. odnosno x1 y1 z1 1 x2 y2 z2 1 = 0. Tada su njihove kanonske jednadˇbe dane s → s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i y − y2 z − z2 x − x2 = = . b2 . C. c1 ) odnosno c s1 − = (a2 . y1 . y2 . Kako P1 = (x1 . c1 ) c c s1 − = (a2 . Dobili smo sustav od ˇetiri linearne jednadˇbe (A. C. c2 ) leˇe u toj ravnini. i c z to homogeni.27 imamo Aa1 + Bb1 + Cc1 = 0 Aa2 + Bb2 + Cc2 = 0. n1 −n1 ). y1 . onda moraju leˇati u istoj ravnini. b1 . b1 . iz Napomene s1 s2 2. z2 ) leˇe u ravnini. y1 . b2 . a2 b2 c2 Jasno je da ako se p1 i p2 sijeku.

c =0 . pa nema presjeciˇta. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. Prema Napomeni 2. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. z s pravci p1 i p2 ´e se sje´i ako je c c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 i ne vrijedi a1 : b1 : c1 = a2 : b2 : c2 .3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Ako su sva tri redka proporcionalna. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). imamo isti pravac. ˇetvrti sluˇaj.6 na gornju determinantu (tj. i 6. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Pravci se podudaraju. iz toˇke 1.5. tj. Teorem 2.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. z Moˇe se desiti da su oni paralelni. Pravci leˇe u istoj ravnini i ne sijeku se. ne leˇe u istoj ravnini. z 2. Pozabavimo se sluˇajem mimosmjernih pravaca. z 3.2. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.29. z c 4. Pravci su mimosmjerni. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0.

c1 ) i − = (a2 . y2 .78 ˇ POGLAVLJE 2. a2 b2 c2 a2 b2 c2 . a2 b2 c2 Definicija 2. z2 ) s pripadaju´im vektorima smjera − = (a1 . imamo da Π prolazi z → → kroz P1 = (x1 . b2 .9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). kako p1 leˇi u Π i Π je paralelna sa p2 . y1 . b1 . Onda su njihove kanonske jednadˇbe dane s → odnosno s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i x − x2 y − y2 z − z2 = = . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . c2 ). . c1 ) c s1 − = (a2 . ANALITICKA GEOMETRIJA 2. Iz s1 s2 Napomene 2. . y1 . Dakle. c2 ). b1 .22.5. b2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . p1 leˇi u ravnini). z1 ) i paralelna je sa − = (a1 . = 0. jednadˇba ravnine Π je dana s z x − x1 y − y1 z − z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x − x1 ) b1 c1 b2 c2 + (y − y1 ) c1 a1 c2 a2 + (z − z1 ) a1 b1 a2 b2 = 0. z1 ) → odnosno P2 = (x2 .

onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 2 d(P2 . p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . ˇto je toˇka. prema Napomeni 2. → → → n s1 s2 Time smo dobili izraz kao i gore tj. y2 . ˇto znamo izraˇunati. zovimo je M . (Uzmemo c s c li ravninu okomitu na p1 kroz P1 . c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. . onda su p1 i p2 paralelni. Tada pogledamo presjek te ravnine i pravca p2 .20. y1 .5. → − Ako su − i → kolinearni. kako konstruirati ravninu kroz toˇku P1 = (x1 . b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . uzmimo toˇku P2 = (x2 . ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π. Napomena 2. pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . z2 ). − = → n b1 c1 c1 a1 a1 b1 .31 Kako znamo da postoji ravnina Π takva da p1 leˇi u njoj i z paralelna je sa p2 ? Ekvivalentno je pitanje.2. . Tada je. → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). d(p1 . jasno je da moˇemo uzeti da joj je normala z − . z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni.

.

1 −1 0  1 1 1 81 .1 Osnove matriˇnog raˇuna c c Motivacija Promotrimo sustav linearnih jednadˇbi z x − z + 2u = −3 2y + z + u = 1 x +y −z = −1 2x + y + z + u = 3. z i c z u.1 3. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici. z i u) kao jedinstveni objekt (matricu). y. Ako bismo uspjeli razviti raˇun takvih objekata. z z Npr. U primjeru iz toˇke 1. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x.Poglavlje 3 Matrice i linearni sustavi 3. y.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x.1.

smisao jednakosti (definirati kada ´e dva takva objekta biti jedc naka). MATRICE I LINEARNI SUSTAVI    X=     B=  x y z u −3 1 −1 3    .82 POGLAVLJE 3. ”a = 0”. Naˇ je cilj generalizirati ”teoriju” jedne linearne jednadˇbe s jednom nepoznans z icom na sluˇaj viˇe linearnih jednadˇbi s viˇe nepoznanica. z z b) za b = 0 svaki x0 ∈ R zadovoljava jednadˇbu ax = b. kao npr. ”b = 0”. a . koji bi bio generalizacija reciproˇnosti c brojeva). onda: a) za b = 0 ne postoji x0 koji zadovoljava jednadˇbu ax = b. b = a−1 b. Promotrimo problem jedne linearne jednadˇbe s jednom nepoznanicom z ax = b. Ako je a = 0.  Dakle naˇ sustav od ˇetiri linearne jednadˇbe s ˇetiri nepoznanice bi se mogao s c z c napisati kao linearna jednadˇba s jednom nepoznanicom z A·X =B gdje je operacija ” · ” mnoˇenje objekata koje ´emo prouˇavati i koju ´emo z c c c definirati.     . definirati operacije (”zbrajanje”. definirati analogone za ”a = 0”. Imamo dva sluˇaja: c 1. ”b = 0” itd. onda postoji jedinstveno rjeˇenje x0 od ax = b i vrijedi s x0 = 2. Pri tome trebamo c s z s rijeˇiti neke probleme. ”mnoˇenje” s z takvih objekata). Ako je a = 0. inverzije (definirati inverz objekta.

prvi se mijenja od 1 do m). Brojevi akj . Realni brojevi sloˇeni u matricu su njeni z elementi. . . . · · · a1n · · · a2n . Pravokutna shema u kojoj je u m redaka i n stupaca sloˇeno m · n realnih brojeva zove se matrica tipa m × n. . . .. ako je matrica A oblika   a11 a12 · · · a1n    a21 a22 · · · a2n   . z    A=         a11 a21 .2 Osnovni pojmovi Definicija 3. . Zbog jednostavnosti zapisa nju joˇ zapisujemo kao s A = [aij ]m. drugi se mijenja od 1 do n). .j=1 ili samo A = [aij ]. .. .♠ Brojevi aik .. drugi je redni broj stupca na ˇijem se presjeku nalazi taj element.. . A= . k = 1. m matrice A ˇine j-ti stupac matrice A (drugi indeks je c fiksan. Npr. Neka je A matrica kao gore. . Primjer 3. k = 1. element c aij se nalazi na presjeku i-tog redka i j-tog stupca. . .1. OSNOVE MATRICNOG RACUNA 83 3.ˇ ˇ 3. Ako je m = n. .  . .. . . Svaki element je indeksiran s dva indeksa: prvi je redni broj redka.1 Neka su m i n prirodni brojevi... am1 am2 am3 · · · amn Matrica A ima m redaka i n stupaca. n matrice A ˇine i-ti redak matrice A (prvi indeks je c fiksan.1.1 M= 1 0 −1 2 3 1 Matrica M je realna matrica tipa (2 × 3). a12 a22 . a13 a23 . tj.   . n i=1. an1 an2 · · · ann .

i = j Simbol δij zovemo Kroneckerova delta.  . i to n-tog reda. Ako je kvadratna..  ··· 0  ··· 0  . Kvadratna matrica A je dijagonalna ako  a11 0   0 a22 A= . a11 = a22 = . ako nije.  .  · · · ann Ako su u dijagonalnoj matrici svi elementi na glavnoj dijagonali jednaki.  . c onda je reda n. .  . . . . . Matrica ˇiji su svi elementi jednaki nuli zove se nul matrica. Takvu matricu c c   1 0 ··· 0    0 1 ··· 0   . 0 0 je aij = 0 za i = j. . pri ˇemu je z z c δij = 1. . . tj. 0. matrica je skalarna.2 Sljede´e c redom.. a22 . a11 .  0  0 . . .. Skalarna matrica s jedinicama na glavnoj dijagonali se zove jediniˇna i oznaˇava sa In . c Primjer 3.  . MATRICE I LINEARNI SUSTAVI kaˇemo da je kvadratna.♠ . Zbroj svih elemenata glavne dijagonale kvadratne mac trice zovemo tragom te matrice i oznaˇavamo tr A. 0 0 ··· 1 moˇemo saˇeto pisati In = [δij ].. tj.. i = j . ann ˇine glavnu dijagonalu..84 POGLAVLJE 3.. . c tr A = a11 + a22 + · · · + ann . z U kvadratnoj matrici elementi s jednakim indeksima. . tj.. Oznaˇavamo ju s 0mn . . 0 0 0 0 0 0 0 0 0 0 0 .  0 0   0 0 0 0 matrice su nul matrice i to reda 3.  .  In =  . tipa 2 × 4 i tipa 2 × 1. = ann = a. onda je tipa m × n. .

n..♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta. A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. n je transponirana matrica matrice A.. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A. n. aij = aji za i. dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  .. tj. Oznaˇavamo ju s AT . . aij = −aji za i. c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1. 7 3 −2 −3 0 Napomena 3.1. Sliˇno se definira donja trokutasta matrica.  2 0   AT =  3 1  ..3 Ako je A= onda je 2 3 4 0 1 2  . n. j = c T 1. Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu.. tj.. c c Primjer 3. ali suprotnog predznaka. Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule.4 Matrica A  2  0  A=  0 0 je gornja trokutasta. .. zrcale se jedni u druge..ˇ ˇ 3.5 Matrica A  1  A= 4 7 je simetriˇna.. . . tj...♠ 2 7 ... matrica A je antisimetriˇna (kososimetriˇna). c Primjer 3. odnosno vrijedi aii = 0 za i = 1... j = 1. j = 1. OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n. c . Primjer 3. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  . m.. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1.1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu.♠ .. tj. n.. . . Ako je A = −A.

Definicija 3.    · · · a1n b11 · · · b1n . . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1.. MATRICE I LINEARNI SUSTAVI 3. .. tj. m.. . . + . .3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn . am1     λa11 · · · λa1n · · · a1n .. C =A+B = .2 Jednakost matrica se definira samo za matrice istog tipa.   .   .86 POGLAVLJE 3. m..  .  . . . . . . Definirajmo sada mnoˇenje matrice skalarom. n. λam1 · · · λamn · · · amn  a11  ..3 Zbroj matrica se definira samo za matrice istog tipa. . .2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1.. z Definicija 3. ... a na R znamo ˇto znaˇi s c ”biti jednak”. s Napomena 3. Definicija 3. ... = ..4. . ..3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1.  . j = 1. m.. a11  . .. am1 + bm1 · · · amn + bmn Napomena 3. tj. j = 1.. . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. j = 1.1. .3 odnosno Definicije 3.. n. . . am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   . .. . . Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. = . Piˇemo A = B. λA = λ  . n.

.♣ Iz Teorema 3....3 odnosno Definicije 3. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja.. linearna kombinacija i linearni rastav.1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. Njegovi su elementi (”vektori”) matrice tipa m × n.. . C ∈ Mmn i sve skalare iz α.. onda je i A ∈ Mmn .1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A.4... α(βA) = (αβ)A (homogenost).. . Ak . Ak ∈ Mmn . z Teorem 3. + λk Ak je linearna kombinacija matrica A1 . .. a na svim ostalim mjestima nule ˇini bazu u Mmn . Ak s koeficijentima λ1 .. OSNOVE MATRICNOG RACUNA 87 Teorem 3. A2 .. ˇto slijedi izravno iz Definicije s 3. (A + B) + C = A + (B + C) (asocijativnost).1.... λk ∈ R skalari... β ∈ R vrijedi: 1. . razvijena) u linearni spoj po matricama z z A1 . A2 ..4 Ako je matrica A rastavljena u linearni spoj po matricama A1 .2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . A2 . Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. 3. j) imaju z jedinicu. Napomena 3. Matrica A = λ1 A1 + . .. B.. s Definicija 3.. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . Kaˇemo da je A rastavljena (razloˇena. α(A + B) = αA + αB (distributivnost). Ak ∈ Mmn matrice i λ1 . 4.5 Neka su A1 . λk razliˇit od c nule. 2. λk . A + B = B + A (komutativnost). .. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. . A2 .ˇ ˇ 3.

5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa .♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. Takoder.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. Tako bismo za matrice A = [aij ].1. Iako jednostavna. gdje za As vrijedi AT = As . s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). nema podlogu u fizici. geometriji. B ∈ Mmn .. n. AT = −Aa i A = As + Aa . ♣ c s a 3. Oˇito je tako definirana matrica C ∈ Mmn . gdje su elementi od C dani s cij = aij bij za i = 1. (A + B)T = AT + B T za sve A.4. a za Aa vrijedi AT = −Aa . itd. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. 2 Oˇito je AT = As .88 POGLAVLJE 3. B. Definicije 3. MATRICE I LINEARNI SUSTAVI 1.. Produkt A·B takvih matrica . (AT )T = A za sve A ∈ Mmn . Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka.. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. m i j = 1. . 2. . Dakle imamo tvrdnju. Napomena 3.. To nam z name´e sljede´u definiciju.3 i Definicije 3.. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima.. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. 3.

imamo A·B ∈ Mmp ... onda je A · B ∈ Mmp .. m. i = 1.1: Produkt matrica.. za j = 1. . ain bnj . . a j-ti stupac matrice B je (b1j ...... p p = j n (i.ˇ ˇ 3. ai2 ..1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . broj stupaca od A je jednak broju redaka od B.... Dakle opet je A·B = B ·A. j = 1.. Napomena 3. Definicija 3. . bnj )... . Npr. a B ·A ∈ Mnn .. Tada je i-ti redak matrice A jednak (ai1 . Produkt matrica A i B je matrica C = A · B = [cij ] ∈ Mmp ˇiji su elementi zadani formulom c n cij = k=1 aik bkj = ai1 b1j + ai2 b2j + . a da B · A nije ni definiran. ako su A ∈ Mmn i B ∈ Mnp i m = p... ain ) · (b1j .. m. + ain bnj .. ... . B = C Slika 3.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . Mnoˇenje matrica vodi raˇuna o poredku operanada. Dakle zakljuˇujemo da na mjestu (i. z c tj. b2j ..j) m A . p. . Dakle. a B · A nije definirano. p. Za takve matrice A i B kaˇemo da su ulanˇane. na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 . a broj stupaca je c jednak broju stupaca od B.. .4). za i = 1. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A.... ai2 . . b2j . Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji.. n i m . ain ). bnj ) = ai1 b1j + ai2 b2j + . Ako je m = p = n. j) u matrici C = A · B stoji element koji je c jednak skalarnom produktu i-tog redka matrice A i j-tog stupca matrice B.

90 POGLAVLJE 3. c Posebno vrijedi A · In = In · A = A. A. MATRICE I LINEARNI SUSTAVI Na kraju. B ∈ Mnn takoder op´enito vrijedi A · B = B · A. gdje je α ∈ R. 4.3 (Svojstva mnoˇenja matrica) Za sve matrice A. A ∈ Mmn i D ∈ Mnp . za n = 2 imamo 0 1 0 0 a s druge strane. gdje je A ∈ Mmn . B ∈ Mnp i C ∈ Mpq . gdje su A. 5. gdje je A ∈ Mmn . 0pm · A = 0pn . A · In = A. C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . c jer npr. (A · B) · C = A · (B · C) (asocijativnost). 3. tj. A · 0np = 0mp . za A ∈ Mnn . B. . gdje je A ∈ Mmn . gdje su A ∈ Mmn . B ∈ Mmn . α(A · D) = (αA) · D = A · (αD). · 1 0 1 1 = 1 1 0 0 . C takve da z promatrani produkti postoje vrijedi: 1. z c Teorem 3. Dakle mnoˇenje matrica je op´enito nekomutativno. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice). Im · A = A. za n = m = p. 2. C ∈ Mpm i D ∈ Mnq .

. c drugi i tre´i.5 Podmatrice i blok matrice Neka je A ∈ Mmn . OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.ˇ ˇ 3. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. npr.1. i dva stupca npr. . Sloˇimo li ih u (r ×s) matricu. 1 0 3 0  Neka je r = s = 2. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. dobijemo podmatricu z 3 4 0 3 matrice A. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A.3.. 0. prvi i tre´i...1. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ).6 Neka je  2 3 4 1   A =  −1 2 1 3  . 3. bm ]T poznata matrica desnih strana i z x = [x1 . Primjer 3.6. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. takvu podmatricu zovemo blok. 3. dobivamo podmatricu z matrice A.4. b = [b1 . . Izaberimo dva redka. svaka linearna z jednadˇba ide u svoj redak). 3. xn ]T nepoznata matrica.♠ Ako su izabrani redci i stupci uzastopni. 4... c . 3. Sloˇimo li ih u (2 × 2) matricu.

svih m redaka i n-ti stupac.. b p ]. . te druga dva redka i zadnja tri stupca. MATRICE I LINEARNI SUSTAVI    A=  a11 a21 a31 a41 a12 a22 a32 a42 a13 a23 a33 a43 a14 a24 a34 a44 a15 a25 a35 a45      Izaberimo prva dva redka i prva dva stupca. Analogno se konstruira blok matrica redaka. Ako izaberemo svih m redaka i prvi stupac. Tada redom dobijemo blokove matrice A A11 = a11 a12 a21 a22 a31 a32 a41 a42 . .. Sada se lagano provjeri da vrijedi − → − → − → − → A · B = A · [ b1 . A22 = ..7 Neka je A ∈ Mmn .. . ....♠ Napomena 3. − → − → B = [ b1 . druga dva redka i prva dva stupca.7 Neka je POGLAVLJE 3.7 matricu B moˇemo zapisati z kao blok matricu stupaca. A · b p ]. Prema Napomeni 3.... A11 A12 A21 A22 ... .. Ako stupce od A oznaˇimo sa −i c c a i = 1. onda je blok matrica A oblika → → A = [− .... b p ] = [A · b1 .. matrica A prelazi → u blok matricu ˇiji su blokovi stupci od A. . zatim prva dva redka i zadnja tri stupca. tj.92 Primjer 3. Sada matricu A moˇemo prikazati u obliku z A= dakle A postaje blok matrica... Naka je A ∈ Mmn i B ∈ Mnp . − n ] a1 a i zovemo je blok matrica stupaca. A21 = . n. A12 = a13 a14 a15 a23 a24 a25 a33 a34 a35 a43 a44 a45 . svih m redaka i drugi stupac.

Teorema 3.1. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. c. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. dakle ne postoji izbor brojeva a. postoji broj koji pomnoˇen s a daje 1. Npr. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . tj. U toˇki 3. c 2.ˇ ˇ 3. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. c c c Iz svojstva 5.1.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. U skupu R vrijedi: ako je a · b = 0.1. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . tj. neka je dana matrica c 0 1 1 0 . OSNOVE MATRICNOG RACUNA 93 3.6 Regularne matrice. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. Npr. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . b. 1. onda je barem jedan od a ili b jednak nuli. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . c Napomena 3.

MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . z Napomena 3. tj. . z Definicija 3. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. Tada je B jednoznaˇno odredena s A. Ako uzmemo a = d = 0 i b = c = 1 imamo 0 1 1 0 Dakle multiplikativni inverz od 0 1 1 0 je ona sama. c Teorem 3.94 POGLAVLJE 3. c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In .9 Neka je A ∈ Mn regularna. Dakle je A · A−1 = A−1 · A = c In . c 0 1 1 0 · a b c d = c d a b . Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . Za matricu A koja nije regularna kaˇemo da je singularna. Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn .♣ Znaˇi. neka postoji matrica B ∈ Mn takva da je A · B = B · A = In .7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In .

ajn ) = ai1 aj1 + ai2 aj2 + . Gn = Mn . Dakle i matrica AT · A ima iste elemente.8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In .. + ain ajn .. Zakljuˇujemo da na mjestu (i. ai2 . ˇtoviˇe vrijedi da je s s (ai1 . −1 3. . (To je. vrijedi A · AT = AT · A = In .. . .. . . ai2 . In ∈ Gn i In = In ... ai2 . preciznije Gn ⊂ Mn . . Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A.. ain ) · (aj1 . aj2 ..... 5... a j-ti stupac matrice AT je (aj1 . ain ) za i = 1. + ain ajn = δij odnosno (ai1 .10 Neka je A = [aij ] ∈ Mn ortogonalna. Tada je i-ti redak matrice A z (ai1 . Napomena 3.... + a2 = 1 i1 i2 in za i = j.... j-ti redak od A). j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . . U Napomeni 3.ˇ ˇ 3. Stoviˇe. + ain ajn = 0 za i = j i (ai1 ..... 0n ∈ Gn . n... ajn ) = ai1 aj1 + ai2 aj2 + . n. s z c ... ..6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn . B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 ... ajn ) = ai1 aj1 + ai2 aj2 + . Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn .. ai2 .. 2. OSNOVE MATRICNOG RACUNA 1. ain ) · (aj1 .. aj2 . ai2 .. ajn ) za j = 1.... .. Ako su A. Kako je po pretpostavci A ortogonalna. moˇe se dokazati da ˇine ortonormiranu bazu od Rn . u stvari.. aj2 . aj2 . . aj2 .. ain ) · (aj1 . 95 4. . ajn ) = a2 + a2 + . .1.. Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 ... ain ) · (aj1 .♣ / z Definicija 3..

. matrice iz Mm1 .♣ Kako je po Teoremu 3.10 Neka je V vektorski prostor (Definicija 1. . . a1 an → → i izravno iz Definicije 3... Sliˇno. →) ⊆ Rm .5). MATRICE I LINEARNI SUSTAVI 3.. − ∈ Rm .. linearne zavisnosti/nezavisnosti. → → Definicija 3. Oznaˇavamo ga → → → → a1 an a1 an c − .10 slijedi da je L(− ....96 POGLAVLJE 3. tj.... .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . − ) = {λ1 − + . matrice iz M1n . Iskaˇimo sada jedan bitan rezultat. a1 an Napomena 3.. .1.6 znamo da stupce..5) i neka je L neki podskup od V .. To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. . Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. Definicija 3. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).. moˇemo promatrati kao vektore u vektorskom prostoru Rm .... . Podprostor razapet vektorima a1 an − .. − .. iz Definicije 1. moˇemo promatrati kao vektore u R . njene z c n redke. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). Definicija 3. a1 an . − ) podprostor od Rm .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A..11 Neka su − .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.11 Oˇito je da je c − − L(→. z Teorem 3.. i 3.... 2. vrijede svojstva 1... Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj.7 Rang matrice. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . .. − ). Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. λn ∈ R}.5 izravno slijedi da je r(A) = r(AT ). → → s L( a1 an → → → → an a1 L(− . − je skup svih linearnih kombinacija vektora − . Iz Napomene 3. + λn − : λ1 .

. . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. Tada je r(0) = 0.. − razapinju L(− .. ..13 Kako vektori − ...13 imamo da je r(A) ≤ min(m. →}. Tada je oˇito r(In ) = n. Napomena 3. c .. → → → → Napomena 3... i R (A) podprostor Rn razapet redcima od matrice A.1. z Teorem 3.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n.. znamo da je u a1 an a1 an bazi najviˇe n vektora. Neka je A ∈ Mmn . − ) podprostor a1 an a1 an m − .. Dimenziju vektorskog prostora L(− . 2. n). .. Neka je R(A) podprostor od Rm razapet stupcima matrice A. →)) ≤ n. − )..15 Iz Napomene 3.ˇ ˇ 3. Neka je L(− . Stoga vrijedi s − − dim(L(→.... Mmn ..12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. . .. .. Neka je In ∈ Mn . . − .12 Neka su − . − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Neka je 0 ∈ Mmn nul matrica.14 Uz gornje oznake iz Teorema 3.... a1 an Vratimo se na konkretan vektorski prostor.. jer je skup { 0 } uvijek linearno zavisan. − ∈ Rm .8 Vrijedi: − → 1. .. . − ) → → → → od R razapet sa a1 an a1 an →. Napomena 3.. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .♣ Primjer 3..5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). − )).. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3.

. n) ima jedinice. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice.♠ Iz Primjera 3. Dakle. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . Zamjena dvaju redaka (stupaca)..6 s     B=    1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 2 5 8 0 0 3 6 9 0 0 4 7 0 0 0     . c c r(In ) = n) i matrice koja izgleda kao i matrica B. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. Mnoˇenje redka (stupca) skalarom λ = 0. Dakle. j = 2. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1...    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. MATRICE I LINEARNI SUSTAVI 3.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .  .98 POGLAVLJE 3. ima nule. na pozicijama a11 .. Pitanje je.. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B.9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . 2. na aij za j < i ima nule.5 imamo da je r(B) = 3. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. . Neka je dana B ∈ M5. na aij za i = k + 1. . na aij za i < j. Primjer 3. iz Teorema 3. k. . Nadalje. akk za k ≤ min(m... z 3. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. tj.

. Dakle dobijemo matricu H. 01 ∈ Mr. 02 . jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale.. − n ). ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima). . tj. u bazu podprostora razapetog redcima odnosno stupcima od A. . a a . prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A. .. OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog. n).. ve´ samo njegovu duljinu. c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti. Primijenimo li na H elementarne transformacije obrnutim redom. jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu..17 Ako imamo n vektora − 1 .♠ c Definicija 3. Isto tako. 02 ∈ Mm−r. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija..r i 03 ∈ Mm−r. − n ). c c Napomena 3. Neka je A ∈ Mmn . Dakle.ˇ ˇ 3..13 Matrice A.. ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 .. ekvivalentne matrice imaju isti rang.n−r (01 . primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang.. Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima). A = 0.. Matrica H je Hermiteova forma matrice A.n−r . ... Ir ∈ Mr . − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A..1. − n ] (vektori a a a a − 1 . → → a a Napomena 3.16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice. tj. gdje je r ≤ min(m. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 . 03 su nul matrice). . sastavi se matrica A = [− 1 . matrica M prelazi u jec c diniˇnu.. Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 . Kako je r(A) = r(H) = r.

Ako smo primjenom q elementarnih transformacija nad redcima matrice [A. Jasno je da se svaki konaˇni niz z c elementarnih transformacija moˇe opisati nizom mnoˇenja matrice A s lijeva matricama tipa z z Qij . te ako je. MATRICE I LINEARNI SUSTAVI Sljede´i nam rezultat govori da se moˇemo ograniˇiti na elementarne transforc z c macije samo nad redcima matrice. odgovara dodavanju c z c i-tom redku matrice A njenog j-tog redka pomnoˇenog s λ. In ] i elementarnim transformacijama c nad redcima svodimo je na oblik [In .100 POGLAVLJE 3.. Ako je to mogu´e. mnoˇenje i-tog redka matrice A skalarom λ = 0 odgovara mnoˇenju matrice A s c z z lijeva matricom Qi (λ) koja se dobije iz jediniˇne matrice zamjenom jedinice u i-tom redku s c λ. . mnoˇenje matrice A s lijeva matricom Qi (λ. p ≥ r. . R]... Zaˇto to vrijedi? s Elementarne transformacije nad redcima odgovaraju mnoˇenju matrice s lijeva elementarnim z matricama. ako je A regularna) mi smo zapravo matricu [A. kod koje je A0 ∈ Mr regularna moˇe se elementarnim transformacijama samo nad redcima svesti na z matricu oblika [Ir . Teorem 3. Dakle imamo [Q1 · Q2 · · · Qq · A. Primjerice. Qq . In ] mnoˇili s lijeva s q elementarnih z matrica Q1 . R]. Sliˇno. formiramo matricu [A. Qi (λ) i Qi (λ. zamjena i-tog i j-tog redka matrice A postiˇe se mnoˇenjem matrice z z A s lijeva matricom Qij koja je dobivena zamjenom i-tog i j-tog redka u jediniˇnoj matrici c I.7 Svaka matrica A = [A0 . onda c −1 je A = R. A je singularna. Konaˇno. Odatle je Q1 · Q2 · · · Qq = R Q1 · Q2 · · · Qq · A = In . j) koja se dobije dodavanjem j-tog c z redka jediniˇne matrice pomnoˇenog s λ i-tom redku jediniˇne matrice. In ] dobili matricu [In . pa je R · A = In . Te matrice zovemo elementarnim matricama. R] (tj. D] ∈ Mrp .♣ c Pravilo za raˇunanje inverzne matrice: c Ako je zadana matrica A ∈ Mn i ako treba ispitati je li ona regularna. na´i njen inverz. Q1 · Q2 · · · Qq · In ] = [In . R] (Teorem 3. gdje je Ir ∈ Mr jediniˇna. a ako nije. j).7). odnosno R = A−1 .

−1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja. = bm = 0..2 3. m. + amn xn = bm ..18 Primijetimo: 1. c s z proturjeˇan ili nemogu´. c2 . = ain = 0... j = 1. s z suglasan ili mogu´... . . s .. imamo netrivijalno rjeˇenje. Definicija 3.. Homogeni sustav je uvijek mogu´... c2 . s s z s 3. = xn = 0 daje rjeˇenje c svakog homogenog sustava. m vrijedi ai1 = . . Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan. . Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava.xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima... n i slobodnim ˇlanovima b1 .. kaˇemo da je nekonzistentan... sustav je nehomogen.1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . . sustav je nemogu´. n... xn s z koeficijentima aij .. 2.3. a bi = 0.. .. 0. am1 x1 + am2 x2 + . Za sustav kaˇemo da je homogen ako je b1 = . .... cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. m... ...2. i = 1. . .. + a1n xn = b1 a21 x1 + a22 x2 + ...2. + a2n xn = b2 . s i = 1. Npr. i = 1... . . Uredena n-torka (c1 ... uredena ˇetvorka (1. Ako za neki i = 1.. Takvo rjeˇenje zovemo trivijalno.. jer x1 = . Ako je barem z jedan bi = 0. c s 2.... . bm : c a11 x1 + a12 x2 + .. .... c c Napomena 3. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 ..14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. Ako sustav nema rjeˇenja. LINEARNI SUSTAVI 101 3. s Ako je (c1 .

. .102 POGLAVLJE 3. i dana je s − = [x1 ..19 Ekvivalentni sustavi ne moraju imati isti broj jednadˇbi..... . am1 · · · amn Stupac x je nepoznata matrica. .. Ovdje je A matrica sustava dana s  a11  . . A= ..  . s Sustav a11 x1 + a12 x2 + . + a2n xn = b2 . → x Stupac b je matrica slobodnih ˇlanova dana s c − → b = [b1 . . am1 x1 + am2 x2 + . x  · · · a1n .. bm ]T . . . no z moraju imati isti broj nepoznanica (da bismo uop´e mogli govoriti o jednakosti c rjeˇenja). + a1n xn = b1 a21 x1 + a22 x2 + .. + a1n xn = b1 a21 x1 + a22 x2 + ... + amn xn = bm zapisujemo u matriˇnom obliku kao c Ax = b ili − → − A→ = b . + a2n xn = b2 . . MATRICE I LINEARNI SUSTAVI Napomena 3. xn ]T .. ... Jasno je da uz standardno mnoˇenje ulanˇanih matrica zapisi z c − → → A− = b x i a11 x1 + a12 x2 + .. .

Ab =  . Kronecker-Capellijev teorem → → − Pokuˇajmo sada geometrijski interpretirati rjeˇenje sustava A− = b .. s 3. . → → kombinacije vektora a a Geometrijska nam interpretacija daje kriterij egzistencije i jedinstvenosti rjeˇenja s − → → sustava A− = b . + amn xn = bm predstavljaju isti sustav. →n ].... a11  . xn ∈ R takvi da je b linearna kombinacija od x1 a − → − → → Rijeˇiti sustav A− = b znaˇi na´i sve mogu´e prikaze vektora b kao linearne s x c c c − 1 . → a x1 .... b ]... .. tj.. x a a → → → tj. vektor A− je linearna kombinacija vektora − 1 .. − n ... vrijedi → → − A− = x1 − 1 + . →n ... a a Proˇirena matrica sustava ima oblik s → → → − Ab = [− 1 . + xn →n . b ]. . . + xn →n ).2 Geometrijska interpretacija. . . ..  . am1 · · · amn bm zovemo proˇirena matrica sustava. traˇe se → − → a z a ako je b ∈ L( a a x → − − − 1 + .. .. .. . . a a Nadalje. s s x → → Oznaˇimo s − 1 ..3.2..  b1 . − n .. − → Matricu Ab = [A. LINEARNI SUSTAVI . ako i samo z a a − → − → − → − 1 . − n . ...  ... zakljuˇujemo da sustav A x c s − → − − b moˇe prikazati kao linearna kombinacija vektora →1 .. tj. + xn →n . . →n ) (jer b = A− = x1 − 1 + .2. x .  · · · a1n .. .. .. x a a − → − = b ima rjeˇenje ako i samo ako se vektor → Dakle.. . 103 am1 x1 + am2 x2 + . − n vektor stupce matrice sustava A c a a − − A = [→1 .

Ho´emo pokazati da je λ1 = . odnosno λ1 = ... (Kronecker-Capelli) − → → Sustav A− = b ima barem jedno rjeˇenje ako i samo ako matrica sustava x s A i proˇirena matrica sustava Ab imaju isti rang. = λn = 0. = λn = 0 a a a c (tj. λn ∈ R takvi da je λ1 →1 + . onda ih ima beskonaˇno x s c mnogo.. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. s x → → − → Obrnuto.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). − n su vektor stupci od A). jer je A(A b ) = b . tj.) Ako je n = m i A regularna. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b . Dokaz: . Ako je n = m. Dakle stupci od A su linearno x x nezavisni.. po Teoremu 3.104 POGLAVLJE 3.. MATRICE I LINEARNI SUSTAVI Teorem 3. s − → → II. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje.6). onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . → − x 0 → → − Napomena 3.. tj. onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. A je regularna.. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. s c s → − → → − → − → Ako je A− = b . tj. da su stupci od A linearno nezavisni. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. → → − III. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3. bilo kojih r z linearno nezavisnih redaka u A. . → je A regularna. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. ♣ − → − Napomena 3. Iz − → → − b = (λ1 + x1 )− 1 + .18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →.21 Ako sustav A− = b ima dva rjeˇenja. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . pa je sustav konzistentan.. + a − → → → → λn − n = 0 (− 1 . Neka su sada λ1 . Ako je r = r(A) = r(Ab ).. Iz Napomene 3...8 homogeni sustav je uvijek c rjeˇiv.. dakle ima bar jedno rjeˇenje. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b .. tj. λ = 0 . .6 imamo da je r(A) = n).8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I..

c 3. Tada je.8 i Napomene 3. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . gdje je λ ∈ R proizvoljan.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . tj.2 su oˇito zadovoljena.2. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . u v u v − → dakle → + − ∈ N (A). c Svojstva iz Teorema 1. Dokaz: Oˇito je N (A) ⊆ Rn .3 Homogeni sustavi → Iz Napomene 3.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). → ∈ N (A) vrijedi i → − u v − + → ∈ N (A) → − u v → i takoder za proizvoljne − ∈ N (A) i λ ∈ R vrijedi i u → λ− ∈ N (A). x x − → Oˇito je 0 ∈ N (A).22 N (A) je podprostor od Rn .1 i Teorema 1. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A).2.♣ s c z s x → Iz Teorema 3. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. u u Dakle je N (A) vektorski podprostor od Rn . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. tj.3. dakle dokaˇimo da za proizvoljne c z − . Treba provjeriti da N (A) ima svojstva iz Definicije 1.♣ . c Napomena 3. A− = b i A− = b .5. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− .

Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . .8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . s Dokaz: (Dokazujemo samo tvrdnju II.. rjeˇenje je x s u s jedinstveno. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). Kako je iz Teorema 3. Teorem 3..♣ Napomena 3. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. N (A) = { 0 }.9 I.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . Tvrdnja Teorema 3. svako rjeˇenje je oblika − 0 + 0 . svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). → → → → u u y y − → → II. ut rjeˇenja homogenog sustava c s − = − . y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . iz jedinstvenosti zakljuˇujemo da je − = 0 . Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna.9. Po Teoremu 3. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}..106 POGLAVLJE 3.) − → → − → − Ako je matrica A sustava A− = b regularna. gdje je − ∈ N (A).8 je matrica A regularna. prema Teoremu 3. nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)).9 II. s x → − → → Obrnuto. tj. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − .23 Primijetimo: → 1. → → → → Ax a y y 2. onda je i njihova linearna kombinacija rjeˇenje tog sustava. onda po Teoremu 3. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.22 zakljuˇujemo da ako su u1 .9 I. tj. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. Onda. z s . Tvrdnja Teorema 3.

..... . . c Dakle.. Ako su rangovi jednaki (r(A) = r(Ab ) = r).8).. Kako je r(A0 ) = r. . LINEARNI SUSTAVI 107 3... − → Uvedimo novi vektor desnih strana β (c).. iz Teorema 3. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . ar1 x1 + ... . .. pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca.. Iz Teorema 3. . . − ain cn za i = 1. + arr xr + arr+1 xr+1 + ...... + arn xn = br . + a1n xn = b1 . kao βi (c) = bi − air+1 cr+1 − . cn proizvoljni realni parametri.. − a1n xn . xn na desnu stranu i doc bijemo: a11 x1 + . − arn xn .6 imamo da je A0 regularna. pri ˇemu su cr+1 . + a1r xr = b1 − a1r+1 xr+1 − . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj..2. . + arr xr = br − arr+1 xr+1 − .. prebacimo ˇlanove s nepoznanicama xr+1 .8 II. . elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A.4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. − → Prvo treba odrediti rangove matrica A i Ab . Nadalje. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. ... pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . imamo sustav − → − x A0 →0 = β (c). .2.. Ako oni nisu jednaki. + a1r xr + a1r+1 xr+1 + .. .. r. .3. ar1 x1 + .

tj. . Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. i obratno.... dimR(A) + dimN (A) = n. a broj dimN (A) defekt od A. → → − II.. − u u u pri ˇemu su µr+1 . ... ..108 koje je oblika POGLAVLJE 3.. cr koji su dani s A−1 β (c) = [c1 . Brojevi cr+1 .. Broj dimR(A) smo zvali rang od A....1.. − = [c1 . Kako je (− r+1 . µn proizvoljni parametri. → → Teorem 3. cr ]T ..2..10 I. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . .... → x → → Dakle. cn ]T je rjeˇenje sustava A− = c s x − → b. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + .9.11 Ako je (− r+1 . iz Teorema 3. . cr+1 . .10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. − − → u u u pri ˇemu su µr+1 .. c . .♣ c Napomena 3. Teorem 3. r(A) = dimR(A) = n. cn su slobodni prametri. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b ..7 odnosno toˇki 3.. µn proizvoljni parametri. cr . .. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . .. dok brojevi c1 .. 0 U toˇki 3. .♣ Iz Teorema 3...11 izravno slijedi iz Teorema 3.. + µn − n .. cn postoje → − jedinstveni c1 . cr ]T )...8 II.... .24 Tvrdnja Teorema 3......3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori. − n ) baza s x u u u − → − = b oblika → od N (A). izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A)... . + µn − n . jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). MATRICE I LINEARNI SUSTAVI − 0 = [c1 .

Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A.. b p . posebno dizajnirane. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). . akk za k ≤ min(m...3. n) ima jedinice. .. j = 2... z Za neke se posebne matrice druge. b ] (gdje je matrica A takva da na pozicijama a11 ..2.. metode mogu pokazati brˇima (manja im je sloˇenost). tj... na aij za i = k + 1. uz male modifikacije je numeriˇki stabilan. na aij za j < i ima nule. m ima nule. imamo postupak Gaussovih eliminacija. Radimo li to elementarnim transformacijama samo nad redcima. sloˇenost mu je c z 3 ∼ n (tj. k. lagano moˇemo oˇitati rjeˇenje). .1.. Q1 · Q2 · · · Qq · b ] = [A . a ostale pozicije su ”nebitne”). b ] mnoˇili s lijeva elementarnim matricama Q1 . b ] dobili matricu [A . Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. − → mi smo zapravo matricu [A. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. 3. na aij za i < j. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj. . b ]. tj. .6. z z Opisani postupak za rjeˇavanje linearnih sutava se uz male preinake moˇe s z primijeniti i na istovremeno rjeˇavanje viˇe linearnih sustava s istom matricom s s − → − → sustava A ∈ Mmn i razliˇitim desnim stranama b 1 . ..2.. Qq . Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ).. ima nule.. Ovaj se postupak moˇe primiz jeniti na sve matrice. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab .5 Determinanta. A −→ det A.

Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . oznaˇimo s A1k . k = 1. Napomena 3. Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2.. u stvari skup R). + (−1)n−1 a1n det A1n . .6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. Tada za A ∈ M1 oblika A = [a] definiramo det A = a. Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . MATRICE I LINEARNI SUSTAVI U toˇki 1.. matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. n. odnosno n det A = k=1 (−1)k−1 a1k det A1k .110 POGLAVLJE 3. c1 c2 c3  onda razvojem po prvom redku znamo da je det A = a1 b2 b3 c2 c3 − a2 b1 b3 c1 c3 + a3 b1 b2 .. Determinanta matrice reda n > 3 se definira induktivno. c1 c2 a1 a2 b1 b2 .25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 ... Za A ∈ Mn . . n > 3.

Posebno je c det In = 1. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. n ≥ 2. je razvoj determinante po prvom redku. Svojstva determinante su: 1. 2.2. onda je det A = a11 a22 · · · ann . . Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. onda je det A = 0. onda sc je det A = 0. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka.3.7. determinanta mijenja predznak. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. Ako je A ∈ Mn trokutasta (gornja ili donja). 3.1. n ≥ 2. c 4. Neka je A ∈ Mn dijagonalna matrica. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . pravilo za c raˇunanje inverza matrice). det(Qij A) = − det A.

To ˇinimo tako da uzmemo prvi element na dijagonali matrice A i koriste´i ˇesto c c s pravilo poniˇtavamo sve elemente u prvom stupcu ispod njega (ako radimo transs formaciju u gornju trokutastu.. determinanta se ne mijenja.. Ako je matrica A ∈ Mn singularna. MATRICE I LINEARNI SUSTAVI 5. onda je det A = det AT = 0. Analogno vrijedi i za redke. . ˇ Stoviˇe. − n ] = a c a − → → → → → → λ det[− 1 . − . iz drugog svojstva determinante znamo da je determinanta trokutaste s matrice takoder produkt elemenata dijagonale... . determinanta je jednaka nuli... µ ∈ R. Bilo bi dobro (ako je mogu´e) c proizvoljnu matricu A ∈ Mn ”transformirati” u trokutastu ˇiju determinantu c znamo lagano izraˇunati... 7. Analogno vrijedi i za redke.. uzimamo drugi element na dijagonali i koriste´i ˇesto pravilo ˇinimo istu stvar tj. . − n ] + µ det[− 1 . → → a b c − → → gdje su b i − proizvoljne matrice iz Mn1 i λ.. Ako je neki stupac determinante linearni spoj ostalih stupaca. moˇemo c c z raˇunati determinantu tzv.. poniˇtavamo sve elemente u stupcu c s c s . 8. c Metodom eliminacije raˇunanje determinante proizvoljne matrice A ∈ Mn svodimo c na raˇunanje determinante trokutaste matrice koja ima do na predznak istu dec terminantu... λ b + µ− . . Ako nekom stupcu matrice A ∈ Mn dodamo linearnu kombinaciju ostalih stupaca. Ako je i-ti stupac matrice A ∈ Mn oblika → − i = λ− + µ− . onda je c → − − det[− 1 .. 6. a a a c a Analogno vrijedi i za redke. →i . →n ] = a a a → − → → → det[− 1 . ...112 POGLAVLJE 3. ako ˇelimo donju trokutastu onda kre´emo od z c zadnjeg elementa na dijagonali). . .. Determinanta dijagonalne matrice jednaka je produktu elemenata dijagonale..... b . ... Nadalje. tj.. − n ]. Ovih osam svojstava nam to omogu´ava. metodom eliminacije.

det A−1 = 0 i vrijedi det A−1 = (det A)−1 . B ∈ Mn vrijedi det(AB) = det A · det B. ♣ U Teoremu 3. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. onda je det A = 0.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik . Ako to nije mogu´e.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1.♣ Teorem 3. tj. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .3.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . LINEARNI SUSTAVI 113 ispod njega. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. Teorem 3. ♣ Napomena 3. ai+1.2.i+1 = 0).13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.i+1 (naravno. Teorem 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali. Teorem 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. itd. ♣ Iz Teorema 3. Dakle oˇito je det A = 0.26 Ako je A ∈ Mn regularna. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1. ♣ .12 Za proizvoljne matrice A. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. z Teorem 3.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Dokaz: Iz Teorema 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.

ako je i = j.♣ . Vrijedi i obrat. det A Dokaz: Ako je det A = 0. c Napomena 3. tj. (−1)k+i det Aki .16 imamo da je 1 kof (A) · A = In . ♣ Napomena 3. Kofaktor matrice A oznaˇavamo s kof (A). dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. Promatramo zbroj n (−1)j+k aik det Ajk . onda je po Teoremu 3.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. tj. onda iz Teorema 3. c c Dokaz: Neka su uzeti i-ti i j-ti redak.26 smo vidjeli da ako je A ∈ Mn regularna.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. Definicija 3.114 Veliˇinu c POGLAVLJE 3. k=1 Oˇito. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.27 izravno slijedi: Teorem 3.28 U Napomeni 3. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki. Analogno ide dokaz za stupce. k) stoji kofaktor elementa aki matrice A. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .♣ Iz Napomene 3. onda je det A = 0. det A Dakle A je regularna i A−1 = kof (A) det A .13 prethodni zbroj jednak det A. Inaˇe je zbroj det A.

onda je rjeˇenje z s tog sustava dano s x1 = D1 .3 3. D x2 = D2 Dn . . A je regularna ako i samo ako je det A = 0. µ ∈ R i sve − ... → ∈ Rn .1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. Takvu x x funkciju zovemo linearni operator.3. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b .3.♣ a 3. − → → Iz Teorema 3. Rjeˇenje je dano s − = A−1 b . Ako je m = 1. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . µ ∈ R i sve − . . → ∈ Rn . s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. a Dk . . . . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. k = 1. xn = .28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. Za svaki vektor → iz vektorskog prostora x n − → R = Mn1 definiran je vektor A→ (kao produkt matrica A i − ) iz vektorskog x x m ˇ prostora R = Mm1 . Definicija 3.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna..3. → x Teorem 3.26 i Napomene 3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. . Stoviˇe. n. Rm = R. D D pri ˇemu je D = det A.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. za sve λ. Ako je matrica A regularna. onda takav linearni x y operator zovemo linearnim funkcionalom.

Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. Iz Definicije 3.5. tvrdnja slijedi. MATRICE I LINEARNI SUSTAVI Napomena 3. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.♣ . µ ∈ R i sve →.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . − ∈ Rn . Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. µ ∈ R i sve →. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).2. Dokaˇimo da vrijede i prva dva.116 POGLAVLJE 3. − ∈ Rn .5. dakle zadovoljavaju tre´e svojstvo Definic cije 1. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ).30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.1 i Teorema 1. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. x x Napomena 3. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. tj. Dokaˇimo da je i F + G linearni z operator.

.. neka je F ∈ Mmn → matrica takva da je njen i-ti stupac vektor F (− i ) ∈ Rm ...♣ Rekli smo da je svaka matrica A ∈ Mmn linearni operator sa Rn u Rm . . Tada za proizvoljni − = (x1 . .. Oˇito je da ako uzmemo neki drugi par baza (ne nuˇno ortonormiran) od Rn c z m i R .. rastavljen u e → − → − m → kanonskoj bazi ( f 1 . . . Neka je F : Rn −→ Rm proizvoljan linearni operator.....3. x n m na svaki linearni operator F : R −→ R moˇemo gledati kao na matricu iz z − i .... f m ) od Rm . + xn − n i → → → vrijedi x e e → → → → → → F − = x1 F (− 1 ) + ... Nadalje. − n } ortonormirana baza vektroskog prostora c e e n R koju zovemo kanonskom bazom. i = 1..... n. → → ortonormiran skup vektora... f m )... Dakle.. matrica F i linearni operator F se podudaraju za proizvoljni → ∈ Rn ... i = 1. − n ˇine e e − 1 . .. 1. Stoga treba voditi raˇuna s kojim c c c parovima baza radimo. je li svaki linearni operator F : Rn −→ Rm neka matrica iz Mmn ? → → − Pogledajmo vektore − 1 . .. linearni operator u c c razliˇitim parovima baza ima razliˇite prikaze. Lagano se provjeri da vektori − 1 . koji je → → Mmn ˇiji je i-ti stupac a c e − → − → → → rastavljen u kanonskoj bazi ( f 1 . linearni operator F ´e imati drugaˇiji prikaz. − n ) = Rn . .. xn ) ∈ Rn x − = x1 − 1 + . − i = F (− i ). i = 1... n. . Tu a e − → matricu nazivamo prikazom linearnog operatora F u paru baza (→1 . Postavlja se pitanje vrijedi li obrat? Tj. i = 1. + xn − n ) = F (− )...18 Kompozicija linearnih operatora (ako postoji) je linearni operator. n. linearno su nezavisni i da vrijedi L( e e → → Zakljuˇujemo da je skup {− 1 . ..3.. . .. i = 1. . .. Ako je p = m definiramo funkciju H : Rn −→ Rq formulom − − H(→) = G(F (→)) x x i zovemo ju kompozicija operatora F i G i oznaˇavamo s H = G ◦ F . PROBLEM SVOJSTVENIH VRIJEDNOSTI 117 Neka su F : Rn −→ Rm i G : Rp −→ Rq operatori. n..... . Dakle.. x x Teorem 3. .. − n ) e e − → → − i ( f 1 ...... f m ) od R . c Analogno ako je q = n definiramo kompoziciju operatora G i F formulom F ◦G : Rp −→ Rm → → (F ◦ G)(− ) = F (G(− ))... x e e e e x − tj. 0). − n ∈ Rn dane sa →i = (0. + xn F (− n ) = F (x1 − 1 + . vektor F (− i ). n. ...... e e e → → c gdje je jedinica na i-tom mjestu.

31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori.10 izravno slijedi teorem o rangu i defektu za linearni operator. a defekt jedan. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. c 2.32 i Teorema 3. − → → → Nadalje. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . z) = (x. F ∈ Mn ).2. Njegova je matrica dana s 1 0 0 0 1 0 .3. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Sada nas zanima kada su ti vektori kolinearni. Neka je F : Rn −→ Rm proizvoljan linearni operator. iz toˇke 3.10 Pogledajmo sljede´e primjere: c 1. tj. Primjer 3. Napomena 3.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. z) = x. Njegova je matrica dana s 1 0 0 . MATRICE I LINEARNI SUSTAVI Napomena 3. tj. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . y). odnosno dimN (F ) = dimN (F ).♠ c 3. Oˇito je rang od p1 jednak jedan (jer je slika x-os). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. vrijedi dimN (F ) + dimR(F ) = n.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . y. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. c H =GF .118 POGLAVLJE 3. z . Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . Kako su F i F ustvari isti linearni oper− → − → atori. y. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Iz Napomene 3. Tada je po Teoremu 3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. a defekt dva.

A− 0 = x x − 0 . 2.2 oˇito zadovoljava.3.17 Neka je A ∈ Mn . Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 .5. → → Svojstva iz Teorema 1. x y x y x y . y y → → Dokaˇimo da je − + − ∈ S(λ0 ). Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. c x y tj.3. neka je µ ∈ R µ = 0 proizvoljan. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Nadalje neka su − . Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. x x x x → Dakle za svaki µ ∈ R.1 i Teorema 1. Dokaz: Oˇito je S(λ0 ) podskup od Rn .33 Primijetimo: → 1. Napomena 3. Nadalje. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . µ = 0.17. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . Dokaz: 1. x x → → Vektor − 0 ∈ Rn . tj. Izravno iz Definicije 3. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . ♣ Napomena 3. − ∈ S(λ0 ). tj. da c z s zadovoljava uvjete Definicije 1. → → 2.

→0 = 0 . Dakle imamo tvrdnju. x − → − → Dakle. . MATRICE I LINEARNI SUSTAVI − → pa je → + − ∈ S(λ0 ). svojstveni vektor koji pripada c x x → svojstvenoj vrijednosti λ0 ako i samo ako je − 0 netrivijalno rjeˇenje homogenog x s sustava → → − (A − λ0 In )− = 0 . iz gornje jednadˇbe vidimo da ´e λ ∈ R biti svojstvena vrijednost matrice s z c A ∈ Mn ako i samo ako homogeni sustav → → − (A − λIn )− = 0 x − ima netrivijalno rijeˇenje →0 . − 0 = 0 . x y → → Dokaˇimo joˇ da je za proizvoljni − ∈ S(λ0 ) i proizvoljni µ ∈ R µ− ∈ S(λ0 ). x ˇ Stoviˇe. Imamo z s x x → → → A(µ− ) = µλ0 − = λ0 (µ− ). x x svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 ako i samo ako je → → A − 0 = λ0 − 0 .♣ x Neka je A ∈ Mn i λ0 svojstvena vrijednost od A. x x tj.8 homogeni sustav s x → → − (A − λIn )− = 0 x ´e imati netrivijalno rjeˇenje ako i samo ako je matrica A − λIn singularna. ako i samo ako vrijedi − → → (A − λ0 In )− 0 = 0 . Po Teoremu 3.120 POGLAVLJE 3. Dakle ´e λ ∈ R biti svojstvena vrijednost matrice A ∈ Mn ako i samo ako je c det(A − λIn ) = 0. Sada se postavlja pitanje kako odrediti svojstvene vrijednosti i svojstvene vektore prozvoljne matrice iz Mn ? − → − − Ako je λ0 svojstvena vrijednost matrice A ∈ Mn . Tada skup S(λ0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti λ0 . ˇto c s s je ekvivalentno s uvjetom det(A − λIn ) = 0. x x x − pa je µ→ ∈ S(λ0 ). onda je →0 ∈ Rn . zakljuˇujemo da je →0 ∈ Rn .

Odatle je a1 = (−1)n−1 a11 + . ako i samo ako je KA (λ0 ) = 0.. Nadalje.11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R. Dakle. Primjer 3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ]. . Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta.3.3. tj. + (−1)n−1 ann . Dakle.. Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + . ϕ = kπ k ∈ Z. Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1. + an . Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A. Ako stavimo λ = 0 dobijemo KA (0) = an = det A. Taj polinom. tj. s Izraˇunajmo svojstvene vrijednosti od A. gdje su bij = aij za i = j i bij = aij − λ za i = j. λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A. funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ. a1 = (−1)n−1 trA... koeficijent a1 iz KA (λ) je oˇito koeficijent uz λn−1 u sumandu oblika c (a11 − λ) · · · (ann − λ) kojeg dobijemo u razvoju determinante. u oznaci KA (λ). zovemo svojstveni ili karakteristiˇni polinom c matrice A.

2 = cos ϕ ± Kako je ϕ = kπ.19 Neka je A ∈ Mn simetriˇna matrica. Definicija 3. cos2 ϕ − 1. Tako npr. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. c Teorem 3. da A c nema realnih svojstvenih vrijednosti. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. Tada su sve njene svojstvene vrijednosti realne.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. Medutim. za nul matrice.♠ Dakle iz Primjera 3. k ∈ Z. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali.122 POGLAVLJE 3. svaki vektor kanonske ortonormirane baze od Rn je svojstven. Za dijagonalne matrice. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore.18 Za matrice A. . z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. imamo cos2 ϕ − 1 < 0 tj. iterativne metode. c s c z itd. tj. za trokutaste. tj. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. Stoga se koriste razne pribliˇne metode. svojstvene vrijednosti od A nisu realni brojevi. Nadalje. nul matrice. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0.

♠ c s z z = ax by cx dy . jer u suprotnom matrica P nije regularna. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. d ne mogu svi biti istodobno nula. ˇto ne moˇe biti. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. c. x 0 0 y . x 0 0 y . pokuˇajmo prona´i regularnu matricu s s c P = takvu da vrijedi P −1 AP = Uoˇimo da je gornja jednakost ekvivalentna s c AP = P dakle imamo 2a 2b a + 2c b + 2d Odnosno. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. c.20 Sliˇne matrice imaju iste svojstvene vrijednosti. d ne mogu biti nula. onda iz druge jednadˇbe imamo da je y = 2. b.12 Neka je matrica A dana s A= 2 0 1 2 . b. z Uzmimo sada da je samo a = 0. Dakle matricu A ne moˇemo dijagonalizirati. s z Dakle ostaje nam samo sluˇaj kada su a. a b c d . imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. pretpostavimo prvo da je b = c = 0.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. c Primjer 3. c. tj. tj. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. To nije uvijek mogu´e. dijagonalizirati matricu A. znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. analogno vrijedi za a = d = 0. Dakle. Pokuˇajmo je dijagonalizirati. Takoder nikoja tri od a.3. Primijetimo da a.3. b. d svi razliˇiti od nule. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti.

. . λn . ♣ Teorem 3.. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. λn od KA (λ) pojavljuje barem jednom. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .34 znamo da je skup S(λ0 ) potprostor od Rn . medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi.21 Neka je A ∈ Mn simetriˇna. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 ..124 POGLAVLJE 3. λn od KA (λ) zovemo algebarska kratnost od λ0 . A je regularna. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. λ−1 . c Teorem 3. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . ako je λ0 svojstvena vrijednost od A ∈ Mn . .22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.5) znamo da z z KA (λ) ima n nultoˇaka λ1 .21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A. Dakle 0 nije svojstvena vrijednost.♣ c . Ako je A joˇ simetriˇna onda iz Teorema 3. MATRICE I LINEARNI SUSTAVI Iz Primjera 3... c Napomena 3. .. a odgovaraju´i se svojstveni vektori podudaraju. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0... . c Kako je KA (λ) polinom n-tog stupnja.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . tj. Tada iz Napomene 3. .36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . s Teorem 3. Sada..♣ Napomena 3.. c c Teorem 3. nultoˇka od KA (λ). Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). λn .12 vidimo da ne moˇemo svaku matricu dijagonalizirati. Obratno..♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . ona se u nizu c nultoˇaka λ1 .. tj. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.. Ipak.. iz osnovnog teorema algebre (Teorem 5.. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. dijagonalna.

Poglavlje 4 Nizovi i redovi
4.1
4.1.1

Nizovi realnih brojeva
Pojam niza

Niz je matematiˇki koncept koji opisuje situaciju u kojoj su elementi nekog skupa c poredani, tj. indeksirani prirodnim brojevima. Definicija 4.1 Niz (slijed) u nepraznom skupu A je funkcija a : N −→ A. Vrijednost funkcije a na elementu n ∈ N uobiˇajeno je oznaˇavati s an umjesto c c a(n). Argument n zovemo indeks. Nas zanimaju nizovi realnih brojeva, tj. funkcije a : N −→ R. Elemente niza, tj. brojeve a1 , a2 , ... zovemo ˇlanovi niza. Umjesto zapisa a1 , a2 , ... za niz joˇ ´emo c sc koristiti i zapis (an )n∈N ili samo (an ). Ako je an = 0 za konaˇno mnogo n ∈ N kaˇemo da je niz konaˇan. Nas ´e c z c c zanimati beskonaˇni nizovi. c Niz moˇemo zadati na viˇe naˇina: z s c - listom ili popisom (ovakvo zadavanje niza se koristi samo za konaˇne nic zove), - formulom (npr. an = n2 + 1), - rekurzijom (npr. an = 2an−1 , a1 = 1), - svojstvom (npr. an je broj triangulacija mnogokuta dijagonalama). 125

126

POGLAVLJE 4. NIZOVI I REDOVI

Primjer 4.1 Pogledajmo sljede´e primjere: c 1. Niz prirodnih brojeva poˇinje s 1, 2, 3, ..., a op´i ˇlan mu je zadan formulom c c c an = n. 2. Niz kvadrata prirodnih brojeva zadan je formulom an = n2 , a poˇinje c ˇlanovima 1, 4, 9, .... c c 3. Niz prostih brojeva poˇinje brojevima 2, 3, 5, 7, 11, 13, 17, .... Za njegov op´i ˇlan ne postoji formula. c c 4. Niz Fibonaccijevih brojeva zadan je pravilom an = an−1 + an−2 i poˇetnim c vrijednostima a0 = 0, a1 = 1. To je primjer niza zadanog rekurzijom.♠ Niz (an ) je rastu´i ako je an+1 ≥ an za svaki n ∈ N. Niz (an ) je padaju´i c c ako je an+1 ≤ an za svaki n ∈ N. Ako su nejednakosti stroge, imamo strogo rastu´i odnosno strogo padaju´i niz. Ako je niz rastu´i ili padaju´i, kaˇemo c c c c z da je monoton. Niz (an ) je pozitivan (negativan) ako je an ≥ 0, an ≤ 0 za svaki n ∈ N. Ako su nejednakosti stroge, imamo strogo pozitivan (strogo negativan) niz. Ponekad se nizovi za koje vrijedi an ≥ 0 za svaki n ∈ N zovu i nenegativni, a pozitivnima se zovu nizovi s an > 0 za svaki n ∈ N. Definirajmo funkciju sign : R −→ R formulom   −1, x < 0  sign x = 0, x = 0 .   1, x > 0 Funkcija sign realnom broju pridruˇuje njegov predznak. z Ako je sign an = 0 i sign an = sign an+1 za svaki n ∈ N, onda kaˇemo da je z niz (an ) alterniraju´i. c c Primjer 4.2 Pogledajmo sljede´e primjere: 1. Niz an = n je strogo rastu´i i pozitivan. c 2. Niz an =
1 √ n

je strogo padaju´i i pozitivan. c

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

4.1. NIZOVI REALNIH BROJEVA 4. Niz an = (−1)n nije monoton nego alterniraju´i.♠ c Podniz niza (an ) je niz dobiven ispuˇtanjem nekih ˇlanova iz niza (an ). s c

127

Definicija 4.2 Za niz (bn ) kaˇemo da je podniz niza (an ) ako postoji strogo z rastu´i niz (pn ) u N tj. strogo rastu´a funkcija p : N −→ N takva da vrijedi c c bn = ap(n) , za svaki n ∈ N. Definicija 4.3 Za niz (an ) kaˇemo da je ograniˇen ili omeden ako postoji z c realan broj M > 0 takav da je |an | < M , za svaki n ∈ N, ili, ekvivalentno, ako je −M < an < M , za svaki n ∈ N. c Primjer 4.3 Pogledajmo sljede´e primjere: 1. Niz an = sin π je omeden niz jer je funkcija sinus omedena, i moˇemo uzeti z n npr. M = 2. √ 2. Niz an = n nije omeden jer za svaki M > 0 postoji n ∈ N takav da je √ n > M . Dovoljno je uzeti n > M 2 .♠ Niz (an ) je aritmetiˇki ako je c an+1 − an = d, za svaki n ∈ N, gdje je d ∈ R konstanta. Formula op´eg ˇlana aritmetiˇkog niza c c c je an = a1 + (n − 1)d. Ako je d > 0 onda je (an ) strogo rastu´i, za d < 0 niz (an ) je strogo padaju´i c c a za d = 0 imamo konstantni niz an = a1 , za svaki n ∈ N. Uoˇimo da za c aritmetiˇki niz (an ) vrijedi formula c an =
an−1 +an+1 , 2

za svaki n ∈ N, tj. svaki ˇlan niza (osim prvog) je aritmetiˇka sredina svojih c c susjeda. Niz (an ) je geometrijski ako je
an+1 an

= q,

128

POGLAVLJE 4. NIZOVI I REDOVI

za svaki n ∈ N, gdje je q ∈ R, q = 0, konstanta. Formula op´eg ˇlana geometric c jskog niza je an = a1 q n−1 . Ako je q < 0 onda je niz (an ) alterniraju´i. Za a1 > 0 i q > 1 niz raste, za c a1 > 0 i 0 < q < 1 niz pada. Za a1 < 0 i q > 1 niz pada, za a1 < 0 i 0 < q < 1 niz raste. Uoˇimo da za geometrijski niz (an ) takav da je a1 > 0 i q > 0 vrijedi c formula √ an = an−1 an+1 , za svaki n ∈ N, tj. svaki ˇlan niza osim prvog je geometrijska sredina svojih c susjeda. c Primjer 4.4 Pogledajmo sljede´e primjere: 1. Za aritmetiˇki niz 1, 4, 7, 10, 13, ... je a1 = 1, d = 3 i an = 3n − 2. c 2. Za aritmetiˇki niz 8, 6, 4, 2, 0, −2, −4, ... je a1 = 8, d = −2 i an = −2n + c 10. 3. Za geometrijski niz 1, 2, 4, 8, 16, ... je a1 = 1, q = 2 i an = 2n−1 . 4. Za geometrijski niz 1, −1, 1, −1, 1, ... je a1 = 1, q = −1 i an = (−1)n−1 .♠

4.1.2

Graniˇna vrijednost niza. Konvergencija niza c

1 Pogledajmo niz (an ) zadan formulom an = n , za svaki n ∈ N. Njegove vrijednosti padaju i prilaze po volji blizu broju 0. Sliˇno, vrijednosti niza (an ) zadanog c n−1 formulom an = n se pribliˇavaju po volji blizu broju 1. S druge strane, vriz jednosti nizova (an ), (bn ) i (cn ) zadanih formulama an = (−1)n , bn = (−1)n n i cn = n2 , ne pribliˇavaju se za velike vrijednosti indeksa n niti jednom fiksnom z realnom broju. Dakle se ti nizovi kvalitativno drugaˇije ponaˇaju. c s

c Definicija 4.4 Realni broj L je graniˇna vrijednost ili limes niza (an ) ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). To piˇemo an −→ L ili L = lim an . s
n−→∞

4.1. NIZOVI REALNIH BROJEVA

129

Uvjet |an − L| < ε iz Definicije 4.4 ustvari znaˇi −ε < an − L < ε odnosno c L − ε < an < ε + L. Dakle, Definicija 4.4 ustvari govori da je realni broj L limes niza (an ) ako izvan proizvoljno malog intervala oko limesa ostaje samo konaˇno c mnogo ˇlanova niza. c Definicija 4.5 Niz (an ) je konvergentan ako postoji L ∈ R za koji je L = lim an .
n−→∞

Inaˇe kaˇemo da je (an ) divergentan. c z Napomena 4.1 Ako je niz (an ) konvergentan onda je njegov limes jedinstven.
Dokaz: Pretpostavimo suprotno, tj. da niz (an ) ima bar dva limesa L i L . Uzmimo sada da je ε jednak |L − L |, pa kako su L i L limesi niza (an ) za ε = |L − L | postoje n1 , n2 ∈ N takvi ε ε da za sve n > n1 i n > n2 vrijedi |an − L| < 2 i |an − L | < 2 . Dakle za n > n1 i n > n2 imamo ε = |L − L | = |L − an + an − L | ≤ |L − an | + |an − L | < ε. Dobili smo da je ε < ε, ˇto ne moˇe biti. Dakle pretpostavka da postoje bar dva limesa je s z pogreˇna. ♣ s

Primjer 4.5 Pogledajmo sljede´e primjere: c
1 1. Neka je niz (an ) dan formulom an = n . Tada je

1 = 0. n−→∞ n lim

Zaista, uzmimo ε > 0 proizvoljan. Pitanje je: moˇemo li na´i n0 ∈ N takav z c 1 da je n − 0 < ε, za svaki n > n0 ? Oˇito je dovoljno uzeti n0 = 1 . c ε −100 100 Za mali ε, npr. ε = 10 , n0 = 10 , ˇto je vrlo velik, no joˇ uvijek s s konaˇan broj. c 2. Neka je niz (an ) dan formulom an = lim
n2 . n2 −1

Tada je

n2 = 1. n−→∞ n2 − 1

130

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

Pogledajmo sada ponaˇanje nizova koji nisu konvergentni. s Definicija 4.6 Kaˇemo da niz (an ) teˇi u +∞ ako z z (∀M > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (an > M ). To piˇemo s
n−→∞

lim an = +∞.

Analogno, kaˇemo da niz (an ) teˇi u −∞ ako z z (∀M > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (an < −M ), i piˇemo s
n−→∞

lim an = −∞.

Primjer 4.6 Neka je niz (an ) dan formulom an = n2 . Tada je
n−→∞

lim an = +∞. √

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

M , pa je

Napomena 4.2 Treba imati u vidu da +∞, −∞ ∈ R, pa su nizovi koji teˇe u / z +∞ ili −∞ ustvari divergentni. Kaˇe se da su divergentni u uˇem smislu. z z n Pogledajmo ponaˇanje niza (bn ) danog formulom bn = (−1) . U blizini broja s 1 i broja −1 ima beskonaˇno mnogo ˇlanova niza. Ipak, to nisu graniˇne vrijedc c c nosti, jer izvan proizvoljno male okoline tih brojeva ostaje beskonaˇno mnogo c n ˇlanova niza (a ne konaˇno mnogo). Dakle niz bn = (−1) ne teˇi ni u c c z beskonaˇnu ni u konaˇnu granicu. Kaˇemo da takav niz divergira u ˇirem c c z s smislu.

4.1. NIZOVI REALNIH BROJEVA

131

Definicija 4.7 Realni broj G je gomiliˇte niza (an ) ako se u proizvoljno maloj s okolini broja G nalazi beskonaˇno mnogo ˇlanova niza. c c Primjer 4.7 Niz (an ) dan formulom an = n nema gomiliˇte.♠ s c s Napomena 4.3 Graniˇna vrijednost niza (ako postoji) je i gomiliˇte tog niza. n Obrat ne vrijedi. Npr. niz (an ) zadan formulom an = (−1) ima dva gomiliˇta s −1 i 1, ali nema limesa. Iz Napomene 4.3 vidimo da niz moˇe imati viˇe gomiliˇta. Najve´e gomiliˇte niza z s s c s (an ) (ako postoji) zovemo limes superior od (an ) i oznaˇavamo ga c lim sup an , dok najmanje gomiliˇte (ako postoji) niza (an ) zovemo limes inferior od (an ) s i oznaˇavamo ga c lim inf an . Rekli smo da je realni broj G gomiliˇte niza (an ) ako se u proizvoljno maloj okolini s broja G nalazi beskonaˇno mnogo ˇlanova niza. Ako uzmemo te ˇlanove niza c c c dobivamo jedan podniz niza (an ), tj. vrijedi: Teorem 4.1 Realni broj G je gomiliˇte niza (an ) ako i samo ako postoji podniz s (bn ) niza (an ) koji konvergira u G.♣ Napomena 4.4 Ako je niz (an ) konvegentan s limesom L onda je lim sup an = lim inf an = L. Teorem 4.2 (Bolzano-Weierstrass) Svaki omeden niz ima barem jedno gomiliˇte, s tj. barem jedan konvergentan podniz.♣ Pogledajmo sada neka svojstva konvergentnih nizova: c c c 1. Promjena konaˇno mnogo ˇlanova ne utjeˇe na limes. 2. Svaki konvergentan niz je ograniˇen. c 3. Svaki podniz konvergentnog niza teˇi prema istoj graniˇnoj vrijednost kao z c i sam niz. z c 4. Limes moˇe no i ne mora biti ˇlan niza (npr. an = bn = 1, 1 je ˇlan niza). c
1 , n

0 nije ˇlan niza, c

konvergira li. onda je lim an an = n−→∞ . c Teorem 4. Tada c an −→ 0 ⇔ 1 −→ ∞. Tada vrijedi: 1. r = 0. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. c s c c c tj. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije.♣ an Teorem 4. ako je bn = 0 i n−→∞ lim bn = 0.3 Neka je (an ) niz s pozitivnim ˇlanovima. n−→∞ n−→∞ 3. i ako da. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. n−→∞ n−→∞ n−→∞ 4. NIZOVI I REDOVI 4. prema kojoj vrijednosti.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. proizvoljan i an ≥ 0 za svaki n ∈ N. .132 POGLAVLJE 4.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno.1. lim (an ± bn ) = lim an ± lim bn . lim (can ) = c lim an .5 Neka je (an ) konvergentan niz. c c c Npr. ako ne i nemogu´e. Ako je r ∈ R. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an .4 Neka su (an ) i (bn ) konvergentni nizovi. n−→∞ n−→∞ n−→∞ 2. te c ∈ R proizvoljan. lim (an bn ) = lim an lim bn .

2 niz (an ) ima barem jedno c gomiliˇte. Tada po Teoremu 4.3 imamo |q | −→ ∞. za svaki n ∈ N. q. q 3 .1. niz (an ) s konvergentan. dakle divergira ili u uˇem. NIZOVI REALNIH BROJEVA 133 Teorem 4. 1 |q n | Neka je sada |q| > 1.4 dovoljno je promatrati niz s a1 = 1. c Napomena 4. tj. Tj. znamo da neˇto postoji. . q 2 . no ne c s znamo koliko je i kako to na´i. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. Logaritmiranjem se dobije n log |q| < log ε. dakle ili q −→ ∞. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. Tada je n 1 |q| < 1. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. U suprotnom. c Dokaz: Neka je (an ) monoton i ograniˇen. ε).. log |q| Dakle svi ˇlanovi niza 1. niz 1.♣ c z s Napomena 4.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . n−→∞ Dokaz: Iz toˇke 4. Pogledajmo prvo sluˇaj |q| < 1. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . G > G . po Teoremu 4. dakle divergentan.4. Za |q| < 1 je lim an = 0. Imamo log ε n> . izraˇunati. odrediti. Teorem 4. To je ekvivalentno s |q| < ε. c c c Prema Teoremu 4. Sada. Dakle imamo samo c c s z s jedno gomiliˇte. ako s z s s (an ) ima barem dva gomiliˇta G i G . .6 Monoton..7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. q 3 . on moˇe imati najviˇe jedno gomiliˇte... Kako je (an ) monoton. (an ) raste. ili u ˇirem smislu.4.♣ Teorem 4. i ako npr. tj.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . pa je lim an = 0. vrijedi lim inf an = lim sup an ∈ R. q 2 . za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε.6 je tipiˇni teorem egzistencije.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. pa prema prethodnom niz n n −→ 0. jer je log |q| < 0. q. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. Onda je po Napomeni 4. ograniˇen niz je konvergentan.1.. ˇto ne moˇe biti jer je G gomiliˇte. tj. c c .

proizvoljan. Tada vrijedi   ∞. Tada n! vrijedi lim an = 0. Neka je niz (an ) dan formulom an = n n. Tada vrijedi lim an = 1. ako je λ < 0 √ 5. . NIZOVI I REDOVI Teorem 4. ako je λ = 0.♣ Teorem 4. n−→∞ n−→∞ n 4. tj. gdje je λ > 0. λ = 1.7 je najop´enitiji. 2. gdje je λ ∈ R proizvoljan. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. Neka je niz (an ) dan formulom an = nλ . gdje je λ ∈ R proizvoljan. gdje je λ > 0 proizvoljan. Tada vrijedi n−→∞ lim an = 1. ako je 0 < λ < 1. ako je λ > 1 lim an = n−→∞ 0. ∀r ∈ N). c z 4. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. ako je λ > 0  lim an = 1.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε.1. √ 3. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. Tada vrijedi ∞. Neka je niz (an ) dan formulom an = λn .4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. teˇe k nuli. n−→∞   0. n 6. Neka je niz (an ) dan formulom an = |λ| . 1 n . Neka je niz (an ) dan formulom an = n λ.134 POGLAVLJE 4.

2 4. Konvergencija reda Ako u beskonaˇnom nizu (an ).8 Neka je (an ) niz. zareze zamijenimo plusevima c dobijemo beskonaˇni red. .1 Redovi realnih brojeva Pojam reda. (Sn )). tj. a3 . Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). Ako je S = lim Sn < ∞. REDOVI REALNIH BROJEVA 135 4. a oznaka an divergira. No. Definicija 4..2. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . Dakle..2. a konaˇna suma postaje red.4. c Definicija 4..9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). konaˇna suma. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). n-ta parcijalna suma. + an = k=1 ak = Sn . kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. tj. ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . ∞ an je oznaka za n=1 Primjer 4. n=1 Ako niz parcijalnih suma (Sn ) divergira. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. an je oznaka za red. Za svaki konaˇan n z c veliˇina Sn je dobro definirana. a1 . kaˇemo da i red z Napomena 4.8 Oznaka sumu reda an . a2 ..8 Pogledajmo sljede´e primjere: c . Red dobiven od niza (an ) oznaˇavamo s c an . gdje je (Sn ) niz parcijalnih suma niza (an ).

n(n + 1) n n+1 Dakle imamo Sn = 1 − za svaki n ∈ N. n(n + 1) 5. Red 1 2n konvergira jer za svaki n ∈ N i svaki x ∈ R vrijedi (1 + x + x2 + .. n! 4. 2n . Red 1 n(n+1) konvergira jer za svaki n ∈ N vrijedi 1 1 1 = − . imamo da red 1 n(n+1) konvergira i suma mu je jednaka ∞ n=1 1 = 1. NIZOVI I REDOVI n divergira jer za svaki n ∈ N je Sn = 1 + 2 + .. + n = odnosno n−→∞ n(n + 1) . 2 3. 2 lim Sn = ∞. + xn )(1 − x) = 1 − xn+1 .. Red POGLAVLJE 4.136 1. Red 1 n divergira jer se moˇe pokazati da za svaki n ∈ N vrijedi z S2n > n + 1. Dakle.. n+1 lim Sn = 1. Kako je n−→∞ 1 . 2. za x = 1 2 imamo Sn = 1− 1 2n+1 1 2 −1=1− 1 . Red 1 n! konvergira i suma mu je ∞ n=1 1 = e − 1.

♣ c Uoˇimo da iz Primjera 4.10 Red an apsolutno konvergira ako konvergira red |an |.10 Iz Primjera 4.4.♣ 1 1 Napomena 4.8 Ako red apsolutno konvergira. REDOVI REALNIH BROJEVA za svaki n ∈ N. Primjer 4. Nadalje. c c ako op´i ˇlan niza (an ) konvergira u nulu. tj.9 ne slijedi obrat Teorema 4. n 1 (−1)n−1 n uvjetno konvergentan. S = lim Sn = n−→∞ n=1 an . Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .2. Dakle je red Teorem 4.9 op´enito ne vrijedi. a red |an | ne konvergira.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.♠ 2n n−→∞ ∞ Napomena 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.8 znamo da red = divergira i da je lim n n−→∞ n 0. c . Definicija 4. onda on konvergira i obiˇno. onda op´enito red c c c an ne mora konvergirati. tj.8). oˇito vrijedi c Sn+1 = Sn + an+1 .♠ dok red 1 n divergira (Primjer 4. Ako red an konvergira. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.8. kaˇemo da red z an konvergira uvjetno. n−→∞ odnosno n−→∞ lim an+1 = 0. an .

1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan.138 POGLAVLJE 4. vrijedi Sn = a1 za svaki n ∈ N. pa je Sn = na1 .2. Nadalje. Pretpostavimo suprotno. Teorem 4. + a1 q n . c Ako je q = −1.5 imamo da je lim Sn = a1 lim a1 1 − qn = .. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . c Pretpostavimo da je a1 = 0 i |q| < 1. tj. imamo Sn − qSn = a1 (1 − q n ).. Pogledajmo n-tu parcijalnu sumu. tj. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. + a1 q n−1 . Iz Teorema 4. onda je oˇito an = a1 (−1)n−1 . 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. gdje su a1 .. n−→∞ 1 − q 1−q 1 − qn . da geometrijski red a1 q konvergira i da je |q| ≥ 1.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. tj. Ako je q = 1.. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . Sn = a1 + a1 q + a1 q 2 + . q ∈ R proizvoljni.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . Nadalje kako je c n−→∞ lim an = 0 . a1 q n−1 = 1−q n=1 Obrnuto. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . a to divergira za svaki a1 = 0. zovemo geometrijski red s kvocijentom q. = a1 q n−1 .. NIZOVI I REDOVI 4. onda je oˇito an = a1 ..

4.2. REDOVI REALNIH BROJEVA
za a1 = 0, iz Napomene 4.9 zakljuˇujemo da red c Ako je |q| > 1 i q > 0, onda imamo
n−→∞ n−→∞

139
a1 (−1)n−1 divergira.

lim an = lim a1 q n−1 = a1 lim q n−1 ,
n−→∞

a po Teoremu 4.5 je
n−→∞

lim q n−1 = ∞. lim Sn = ∞, a1 q n−1 divergira i to u uˇem smislu. z

Dakle je
n−→∞

pa iz Napomene 4.9 zakljuˇujemo da red c I na kraju ako je |q| > 1 q < 0 imamo
n−→∞ n−→∞

lim an = lim a1 q n−1 = a1 lim q n−1 ,
n−→∞

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

Dakle iz Napomene 4.9 zakljuˇujemo da red a1 q n−1 divergira u ˇirem smislu (jer niz a1 q n−1 c s alternira). Dakle ako geometrijski red a1 q n−1 konvergira mora biti |q| < 1.♣

Primjer 4.10 Pogledajmo sljede´e primjere: c 1. Neka je dan geometrijski red Teorema 4.9 znamo da red
∞ 1 . 2n−1 1

2n−1

Oˇito je a1 = 1 i q = 1 . Tada iz c 2 konvergira i suma mu je 1 1−
1 2

1 2n−1

=

= 2.

n=1

2. Neka je a ∈ R oblika a = 0.333... Tada oˇito vrijedi c 0.333... = i oˇito je a1 = c iq = konvergira i suma mu je
∞ 3 10

3 3 3 + + + ... = 10 100 1000
1 . 10

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

Napomena 4.11 Uoˇimo da nam formula c 3 1 = n 10 3

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

(∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|Sn − Sn+r | < ε, ∀r ∈ N).♣ Uoˇimo da je izraz c |Sn − Sn+r | < ε iz Teorema 4.10 jednak izrazu |an+1 + an+2 + ... + an+r | < ε. Dakle, Teorem 4.10 tvrdi da red an konvergira ako i samo ako se apsolutna vrijednost zbroja bilo kojeg konaˇnog broja uzastopnih ˇlanova niza (an ) moˇe c c z uˇiniti dovoljnom malom, poˇnemo li od dovoljno dalekog ˇlana niza (tj. doc c c voljno velikog n ∈ N). Kriterij Teorema 4.10 nije jako koristan u praksi, jer je uvjet teˇko provjeriti. s Dakle, bilo bi dobro prona´i kriterije konvergencije reda ˇije uvjete je lakˇe provc c s jeriti. Cijena toga ´e biti slabljenje kriterija, tako da ´emo obiˇno dobivati samo c c c dovoljnost za konvergenciju. Oˇito je da ako izostavimo prvih konaˇno mnogo ˇlanova reda c c c an onda, se konvergentnost novog reda ne mijenja (tj. ako red an konvergira onda, konvergira i novi red, ako red an divergira onda divergira i novi red). Dakle, ako red an konvergira onda, konvergira i red an+1 + an+2 + ..., za svaki n ∈ N. Red an+1 + an+2 + ... zovemo ostatak reda Ako red an konvergira i suma mu je S, vrijedi S = Sn + Rn , za svaki n ∈ N, gdje je Rn suma reda an+1 + an+2 + .... Nadalje, kako Sn −→ S, tako mora Rn −→ 0. Dakle, ostatak konvergentnog reda teˇi u 0 za n −→ ∞. z an .

4.2. REDOVI REALNIH BROJEVA

141

Napomena 4.12 Rekli smo, ako je red an konvergentan sa sumom S, onda vrijedi S = Sn + Rn , za svaki n ∈ N. Dakle ostatak reda daje pogreˇku aproksis macije pri zamjeni prave sume reda S n-tom parcijalnom sumom Sn , odnosno Rn = S − Sn . Napomena 4.13 Red an konvergira ako i samo ako konvergira i red an+1 + an+2 + ..., za svaki n ∈ N.
Dokaz: Ako red an konvergira onda, oˇito konvergira i red an+1 + an+2 + ..., za svaki n ∈ N. c Obrnuto, ako red an+1 + an+2 + ... konvergira onda, oˇito konvergira i red c an , jer smo redu an+1 + an+2 + ... dodali samo konaˇno mnogo ˇlanova a1 , ..., an , ˇija je suma oˇito konaˇna.♣ c c c c c

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

POGLAVLJE 4. NIZOVI I REDOVI
Kako limes desne strane u gornjoj formuli postoji, i jednak je cA, tako mora postojati i biti jednak tome limes lijeve strane, a to je upravo suma reda can ♣.

Primjer 4.11 Neka je dan red

(−1)n , tj.

−1 + 1 − 1 + 1 − 1 + ... Tada po Napomeni 4.9 taj red divergira. S druge strane pogledajmo red (−1 + 1) + (−1 + 1) + (−1 + 1) + ... Ovaj red oˇito konvergira i suma mu je nula. c Dakle, zakljuˇujemo da kod grupiranja ˇlanova (ispuˇtanje ili dodavanje zagrada) c c s moramo biti paˇljivi.♠ z Teorem 4.12 Ako ˇlanove konvergentnog reda grupiramo, po redu kojim dolaze, c u konaˇne skupine, i od zbrojeva tih skupina napravimo novi red, taj red konverc gira i suma mu je jednaka sumi polaznog reda.♣ Dakle, Teorem 4.12 tvrdi da ako u konvergentnom redu po redu kojim dolaze u konaˇne skupine c an ˇlanove grupiramo c

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

an =
n=1 n=1

un .

Napomena 4.14 Primijetimo da iz Primjera 4.11 slijedi da je u Teoremu 4.12 konvergencija reda bitan uvjet da bismo mogli grupirati ˇlanove u konaˇne skupine. c c

4.2. REDOVI REALNIH BROJEVA Napomena 4.15 Zaˇto je suma reda s vergentnog reda an ?

143 un iz Teorema 4.12 jednaka sumi kon-

Dokaz: Oˇito je niz parcijalnih suma niza (un ), tj. reda c un , podniz niza parcijalnih suma reda an , dakle podniz konvergentnog niza. Sada tvrdnja lagano slijedi iz tre´eg svojstva c konvergentnih nizova iz toˇke 4.1.2.♣ c

Teorem 4.12 je poop´enje svojstva asocijativnosti zbrajanja na beskonaˇne konc c vergentne sume (tj. moˇemo po volji ubacivati i izbacivati zagrade). Medutim z za komutativnost se to ne moˇe napraviti (ne smijemo permutirati ˇlanove). z c Primjer 4.12 U Primjeru 4.9 smo spomenuli da red (−1)n−1 1 1 1 1 1 1 1 = 1 − + − + − + − + ... n 2 3 4 5 6 7 8 konvergira i suma mu je

n=1

(−1)n−1 = ln 2. n

Zapiˇimo isti red na drugi naˇin, s ispremijeˇanim ˇlanovima s c s c 1− 1 1 1 1 1 1 1 1 1 − + − − + − − + − ... = 2 4 3 6 8 5 10 12 7

1 1 1 1 1 1 1 1 1 (1 − ) − + ( − ) − + ( − ) − + ( − ... = 2 4 3 6 8 5 10 12 7 1 1 1 1 1 1 − + − + − + ... = 2 4 6 8 10 12 1 1 1 1 1 1 1 1 (1 − + − + − + − + ...). 2 2 3 4 5 6 7 8 Dobili smo 1 ln 2 = ln 2, 2 ˇto ne moˇe biti.♠ s z Dakle, iz Primjera 4.12 zakljuˇujemo da op´enito ne smijemo permutirati ˇlanove c c c reda (niti konvergentnog), jer se u tom sluˇaju suma moˇe promijeniti. Postoje c z redovi kod kojih se to smije uˇiniti. c

144

POGLAVLJE 4. NIZOVI I REDOVI

Teorem 4.13 Ako red apsolutno konvergira onda, njegova suma ne ovisi o poretku ˇlanova.♣ c Ako su svi ˇlanovi konvergentnog reda pozitivni onda, oˇito red i apsolutno konc c vergira pa po Teoremu 4.13 zakljuˇujemo da suma takvog reda ne ovisi o poretku c ˇlanova. c

4.2.4

Redovi s pozitivnim ˇlanovima c

Za red an kaˇemo da je red s pozitivnim ˇlanovima ako je an ≥ 0 za svaki z c n ∈ N. Jasno je da je niz parcijalnih suma reda s pozitivnim ˇlanovima monotono rastu´i, c c dakle red s pozitivnim ˇlanovima ne moˇe divergirati u ˇirem smislu (suma je ili c z s konaˇna ili +∞). c Ako je S suma reda s pozitivnim ˇlanovima, pri ˇemu dopuˇtamo sluˇaj S = +∞ c c s c (tj. ako red divergira), onda je jasno da je Sn ≤ S za svaki n ∈ N. an red s pozitivnim ˇlanovima i neka je (cn ) omeden c Teorem 4.14 Neka je niz pozitivnih brojeva. Ako red an konvergira, onda konvergira i red cn an .
Dokaz: Kako je (cn ) omeden niz, to postoji M > 0 takav da je M > cn za svaki n ∈ N. Nadalje, neka je A suma reda an . Tada znamo da je za svaki n ∈ N n-ta parcijalna suma od an manja ili jednaka od sume A reda an .
n

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

c cn an . Oˇito je niz (Sn ) pozitivan i rastu´i c

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

cn an je ograniˇen, pa iz Teorema 4.6 slijedi da je c

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

Red oblika an xn . i n0 ∈ N takvi da vrijedi an+1 ≤ λ. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. c Teorem 4.3. an0 +m ≤ λm an0 . an za svaki n ≥ n0 . Dakle imamo an0 +1 ≤ λan0 . onda konTeorem 4. onda red an konvergira.146 POGLAVLJE 4.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. za svaki m ∈ N. za svaki n ∈ N.. i suma mu je 1−x . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex .17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |.♣ Primjer 4. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . Ako red n an x0 divergira. .13 1. zovemo red potencija. i n0 ∈ N takav da je an+1 ≤ λ. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . red an0 + an0 +1 + . . Dakle. . . an za svaki n ≥ n0 . .18 Neka je 0 < λ < 1. Ako postoji λ ∈ R. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. Oˇito je za x = 0 svaki red potencija konvergentan. Neka je an = n! . Tada iz Teorema 4. Neka je an = 1.. za svaki n ∈ N. 0 < λ < 1.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. Dokaz: Neka su λ ∈ R. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. 1 2.♠ 1 xn−1 (n−1)! 4. gdje je x ∈ R proizvoljan.

8 znamo da on konvergira.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.♣ .4. Neka je dan red vrijedi 1 .19 Neka je an red s pozitivnim ˇlanovima.. Neka je dan red divergira. Ako postoji λ ∈ R.3.9 konvergira. a ne moˇemo niˇta z s zakljuˇiti za l = 1. Sada iz Napomene 4.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. ali vrijedi 1 .♣ Napomena 4. divergira za l > 1. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. c Primjer 4.8 znamo da on = 1. 4. n2 Tada iz Primjera 4. n Tada iz Primjera 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.3 Cauchyev kriterij Teorem 4. konvergira.14 1..16 imamo da i red an0 + an0 +1 + . onda red an ≤ λ. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.3. Ako postoji limes c an+1 = l. imamo da red c an konvergira. c 0 < λ < 1. an konvergira. 1 n+1 lim n−→∞ 1 n 2.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. n−→∞ an lim onda red an konvergira za l < 1.

z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. Ako postoji limes c n−→∞ lim √ n an = l. NIZOVI I REDOVI Napomena 4. tj.14 za red odnosno red n znamo da divergira odnosno konvergira. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.15 Analogno kao i u Primjeru 4. c Teorem 4.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. a divergira za sve x ∈ R za koje je |x| > ρ.20 zovemo radijus konvergencije reda potencija a n xn . Ako postoji lim sup n |an | i lim sup n |an | = 0. . (an ) niz u R i x ∈ R prozvoljan.20 Neka je an xn red potencija.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. c 1 Primjer 4. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. a ne moˇemo niˇta z s zakljuˇiti za l = 1. divergira za l > 1.1.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. onda red an konvergira za l < 1.♠ c s Cauchyev kriterij je jaˇi. a iz toˇke 4.148 POGLAVLJE 4.

20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Neka je dan red potencija lim sup n 1 n x .16 1. a divergira za |x| > 1. Ako je x = 1 onda.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.20 red potencija |x| < 1. (−1)n . n Tada je 1 = lim n−→∞ n n 1 = 1. Po Teoremu 4.8 znamo 1 1 da red konvergira. Po Teoremu 4.8 imamo da konvergira i red (−1)n . tg n. Teorem 4. dok za x = 1 red n 1 divergira. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. Neka je dan red potencija lim sup n 149 1 n x . n 2. problem se pojavljuje ako ih je beskonaˇno mnogo (npr.20 red potencija |x| < 1.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. iz Primjera 4. konvergira za Pogledajmo sada ako je |x| = 1. Tada imamo sljede´i kriterij (Leibnic c zov): . c sin n. n 1 n x n dakle je ρ = 1. a divergira za |x| > 1. dakle i apsolutno konvergira red (−1)n .4. n2 1 n x n2 dakle je ρ = 1.♠ n2 Teoremu 4.).9 1 znamo da red (−1)n konvergira i suma mu je ln 2. itd.3. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Ako je x = −1.3. a divergira za |x| > ρ (ako lim sup n |an | postoji). Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. onda iz Primjera 4. Iz n2 n2 1 Teorema 4.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). ali smo u Primjeru 4. 4. KRITERIJI KONVERGENCIJE Primjer 4. konvergira za Pogledajmo sada ako je |x| = 1.

onda imamo obratnu c c c situaciju. vrijedi S2n = a1 − (−a2 − a3 ) − . imamo da je S2n razlika od a1 i strogo pozitivnog broja. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. c c ako je a1 ≥ 0. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. tj.150 Teorem 4. tj. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. S2n je omeden s a1 .21 Ako red POGLAVLJE 4. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + . a a2n negativan za svaki n ∈ N. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N. i istog je predznaka kao taj ˇlan.. te kako vrijedi |an | ≥ |an+1 |. Zaista..♣ c . iz Teorema 4. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . tj. za svaki n ∈ N. dakle je S2n+2 ≥ S2n za svaki n ∈ N.. Ako red poˇinje negativnim ˇlanom. onaj indeksiran c neparnim indeksima je padaju´i. imamo a2n+1 + a2n+2 ≥ 0. S2n+2 = S2n + a2n+1 + a2n+2 . onda taj red konvergira. Ako red poˇinje pozitivnim ˇlanom.. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . Nadalje. NIZOVI I REDOVI an alternira. Kako smo pretpostavili da je a2n−1 pozitivan. Nadalje. s c |Rn | = |S − Sn | ≤ |an+1 |. + (−a2n−2 − a2n−1 ) − a2n ]. onda je podniz od Sn indeksiran parnim indeksima rastu´i.6 slijedi da su nizovi konvergentni. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. Kako je po pretpostavci a2n+1 ≥ 0. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0.

KRITERIJI KONVERGENCIJE Primjer 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.4.17 Iz Teorema 4.3.♠ s .

.

z c c s uspjeh na ispitu o uloˇenom trudu. Funkcija ili preslikavanje sa X u Y je pravilo f koje svakom elementu x iz X pridruˇuje jedan jedini element z iz Y . To pridruˇivanje se z oznaˇuje c y = f (x).1 5.Poglavlje 5 Funkcije 5. sklonosti prema z predmetu. Element y iz Y pridruˇen elementu x iz X se zove vrijednost funkcije z f na elementu x. ili f : x −→ y. njihov odnos promatramo pomo´u rec alnih funkcija realne varijable. elementi iz X su argumenti funkcije f . cijena dijamanta o njegovoj teˇini. manama. Matematiˇki modeli takvih situacija temelje se na pojmu funkcije.1 Neka su dani neprazni skupovi X i Y . ili x −→ f (x). ˇisto´i.1 Osnovni pojmovi Motivacija i definicija Mnoge su veliˇine u prirodi i u ˇivotu ovisne o drugim veliˇinama: opseg kruˇnice c z c z o njenom polumjeru. Kad se veliˇine c c koje promatramo daju dobro kvantificirati. kvaliteti nastavnih materijala. bruˇenju.1. Definicija 5. 153 .

Problem odredivanja prirodne z domene pojavljuje se kad domena nije specificirana. a veliˇinu y zavisnom c varijablom. Govorimo o realnim funkcijama realne varijable. veliˇinu x moˇemo mijenjati po volji. z f : D(f ) −→ R(f ). zovemo proˇirenjem funkcije f na s skup A. o vrijednosti veliˇine x. te neka je A ⊇ X. Veliˇinu x je uobiˇajeno c c c nazivati argumentom ili nezavisnom varijablom. c Dakle za funkciju f koja elementima iz X pridruˇuje elemente iz Y imamo z sljede´e oznake c f : X −→ Y ili. moˇemo to modelirati funkcijom ˇiji su argumenti i ˇije z c c su vrijednosti realni brojevi. Tada funkciju g : A −→ Y za koju vrijedi g(x) = f (x) za svaki x ∈ X. FUNKCIJE Skup X se zove podruˇje definicije ili domena funkcije f .154 POGLAVLJE 5. Neka je funkcija f : X −→ Y . Tada funkciju g : A −→ Y definiranu sa g(x) = f (x). Napomena 5. Skup svih mogu´ih vrijednosti funkcije f (u oznaci R(f )) c zove se podruˇje vrijednosti ili slika funkcije f .1 Za proizvoljnu funkciju f : X −→ Y oˇito vrijedi R(f ) ⊆ Y . Piˇemo s f : R −→ R. ako ˇelimo biti precizniji. c z c na naˇin propisan pravilom f . s Ako su veliˇine. pri ˇemu i domena i slika mogu biti podskupovi skupa R. Skup Y se zove c kodomena funkcije f . c Neka je funkcija f : X −→ Y . ˇiju ovisnost (odnos) promatramo. a vrijednost veliˇine y ovisi. c Prirodna domena funkcije f (u oznaci D(f )) je skup svih mogu´ih argumec nata za koje se moˇe odrediti vrijednost funkcije. Proˇirenje ne mora biti jedinstveno. takve da se svaka moˇe c c z izraziti realnim brojem. za svaki x ∈ A. c c . zovemo restrikcija funkcije f na skup A i oznaˇavamo sa g = f |A . te neka je A ⊆ X.

Prelazak iz tabliˇnog oblika u grafiˇki je lagan.1. Dakako. c c . . do na toˇnost oˇitavanja. c . s c . prelaˇenje iz jednog oblika u drugi je mogu´e.1.Problem pronalaˇenja formule funkcije na osnovi poznavanja njenog grafa z je sliˇan problemu pronalaˇenja formule funkcije pri poznavanju tabliˇnih c z c vrijednosti.Prednost tabliˇnog zadavanja ili opisivanja funkcije je da je ponekad to c jedini naˇin zadavanja. svaki od tih naˇina c c c c ima svoje prednosti i mane. tj. s . Koriste se metode interpolacije. vrlo je netrivijalan problem. naravno ako imamo dovoljan c c broj tabliˇnih vrijednosti. .Problem da se na osnovi tabliˇnih vrijednosti funkcije dobije formula funkcije c je vrlo netrivijalan. onda su prednosti zornost.2 Naˇini zadavanja funkcije c Imamo tri osnovna naˇina zadavanja funkcije tj. OSNOVNI POJMOVI 155 5. preglednost.5. z Dakako. dok je mana netrivijalnost dolaˇenja do tih informacija. a mana je da ne znamo vrijednosti funkcije izvan c podruˇja podataka tablice i izmedu vrijednosti u kojima je poznata funkcija. Kljuˇno je imati dobru ideju o mogu´oj klasi funkcija kojoj naˇa funkcija c c s pripada. grafiˇki i formulom (analitiˇkim izrazom).Za fukciju zadanu formulom prednost je da znamo sve o funkciji.Prijelaz iz grafiˇkog oblika u tabliˇni je lagan. c c c c . komc paktnost. ako znamo formulu funkcije. itd. Prvo treba iz oblika grafa pogoditi u koju skupinu spada ta funkcija. ali u nekim sluˇajevima z c c to je vrlo teˇko.Ako imamo grafiˇki opisanu funkciju. . dok su mane netoˇnost oˇitavanja i nemogu´nost c c c koriˇtenja vrijednosti izvan crtanog podruˇja. aproksimacije. onda je naˇelno trivijalno dobivanje tablice vrijednosti iste funkcije. a nakon toga odrediti njene numeriˇke parametre. c .Naravno. opisivanja funkcijske ovisnosti: c tabliˇno.

x ∈ D(f ). graf funkcije f dobijemo z c c kad sve parove oblika (x. graf funkcije f sadrˇi sve toˇke ravnine (x. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. tj.Na kraju. Drugim rijeˇima. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. f (x)).2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x.1: Koordinate toˇaka na grafu funkcije. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. f (x)).156 POGLAVLJE 5. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . c Napomena 5. projekcija grafa na y-os je slika od f ). z Definicija 5. no izvediv. y) za koje je y = c z c f (x). prikaˇemo u koordinatnom sustavu. x ∈ D(f )} ⊂ R2 . FUNKCIJE .1. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f .2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. 5. U nastavku ´emo se baviti ovim problec mom.3 Graf funkcije Funkcije se zorno prikazuju grafovima. .

Napomena 5.2: Graf funkcije f i njegove projekcije na koordinatne osi.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki. z s Iz Napomene 5.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. c kruˇnica u ravnini nije graf niti jedne funkcije.1. c y x0 0 x Slika 5. ˇto je suprotno s definicijom funkcije. Npr. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. . a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.5.3: Primjer krivulje koja nije graf funkcije.

kaˇemo da je f (strogo) monotona na intervalu I. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0. ako postoje). ekstremne vrijednosti. za x = 0 je f (0) = 1). ne mora biti nultoˇka funkcije c c (npr. Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. toˇke prekida i asimptotsko c c ponaˇanje. pa ovu toˇku ne smijemo pobrkati s c nultoˇkama. tj. Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge. To. toˇke oblika (x0 . nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ). Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva. iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. Gledamo li graf funkcije f . f (x) = cos x.4 Pojmovi znaˇajni za realne funkcije realne varic jable Pojam funkcije je vrlo op´enit i obuhva´a sve mogu´e vrste ovisnosti jedne veliˇine c c c c o drugoj. b ⊆ R sadrˇan u podruˇju definicije funkcije f . Ti su pojmovi vezani c uz usporedbe vrijednosti.1. Ako za takve dvije vrijednosti x1 . tj. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. kaˇemo da je funkcija f strogo raste. tj. f je (strogo) padaju´a s c ili (strogo) rastu´a na I). c Neka je interval I = a. s Dakle. podruˇja vrijednosti i nultoˇaka. intervale z monotosti (tj. odnosno strogo pada na I. s 5. kao ˇto smo rekli. c Osim podruˇja definicije. bliskost argumenata i sliˇno. kaˇemo da funkcija f pada z z na I. c s c Napomena 5. U ovoj toˇki bavit ´emo se pojmovima i svojstvima c c funkcija koja su karakteristiˇna za funkcije koje opisuje ovisnost jedne kvantitac tivne veliˇine o drugoj (tj. podruˇja gdje funkcija raste ili pada).4 Presjek grafa funkcije f s osi y (ako postoji) je (najviˇe jedna) s toˇka s apscisom 0 i ordinatom f (0). Nuliˇte je apscisa nultoˇke. dakako. toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. c z . x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ). z c I ⊆ D(f ). FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. realne funkcije realne varijable).158 POGLAVLJE 5. 0) ∈ Γ(f ).

zovemo c okolina toˇke x0 . x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. i slika su joj svi nenegativni realni brojevi.1. funkcija f (x) = 5 je monotona u svakoj toˇki iz R. c Dakle. z c Primjer 5. tj. c 4. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ).♠ c Svaki interval oblika x0 − ε. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0. funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R. +∞ i strogo padaju´a na svakom intervalu u −∞. D(f ) = R. x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). pa i na cijelom R. +∞ . Uoˇimo da je funkcija f (x) = 5 i rastu´a i padaju´a (ali c c c ne strogo) na svakom intervalu u R. c c strogo padaju´a u svakoj toˇki iz −∞. Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. 0 . funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. R(f ) = {x ∈ R : x ≥ 0}. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε. . ε > 0. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. pa i na c cijelom R. D(f ) = R. tj. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. i strogo je padaju´a na svakom intervalu u R. D(f ) = R. Posebno. 3. c 2. tj.1 1. Posebno. i strogo je monotona na svakom intervalu u R. Posebno. tj.5. dok u 0 nije ni rastu´a ni c c c padaju´a. Analogno. 0]. tj. pa i na cijelom R. D(f ) = R. i strogo je monotona na svakom intervalu u R. i strogo je rastu´a na svakom intervalu c u R. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R.

5 Uoˇimo. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. c Nadalje. onda on ne mora biti i globalni. . c dakle je i strogi globalni minimum. +∞ i strogo padaju´a na svakom interc c valu u −∞. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. 2. ako su nejednakosti stroge.♠ c Napomena 5. Primjer 5. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). govorimo o strogom globalnom maksimumu odnosno minimumu. 0]. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. FUNKCIJE za svaki x ∈ x0 − ε. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. Ako su nejednakosti stroge. Analogno. u toˇkama iz R \ {0} f nema lokalnih ekstrema. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. dakle je i c strogi globalni maksimum. Nadalje.160 POGLAVLJE 5. govorimo o strogom lokalnom maksimumu odnosno minimumu. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). dakle svaki x ∈ R je lokalni maksimum i minimum. 3. Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. pa i na cijelom R. Dakle f nema lokalnih pa ni globalnih ekstrema.2 1. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. pa i globalni maksimum i minimum. +∞ a strogo rastu´a na svakom intervalu u c −∞. 4. Dakle. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. 0]. x0 + ε . ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . dok je svaki globalni ekstrem i lokalni.

z Ako vrijedi f (−x) = −f (x). za svaki x ∈ D(f ) . Ako vrijedi f (−x) = f (x). onda kaˇemo da je funkcija f parna. s Primjer 5. D(f ) = [a. 2. f (x) = x|x| su neparne. b].3 1. Problem nalaˇenja ekstrema je vrlo bitan. Funkcije f (x) = x2 . tj. f (x) = x4 .5. za svaki x ∈ D(f ). dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. Kod nalaˇenja globalnih ekstrema se pojavljuje problem ruba c z podruˇja (jer ima funkcija kojima je prirodno podruˇje vrijednosti segment ili c c poluotvoreni interval.1. |x| su .♠ 1 .4: Primjer funkcije s lokalnim ekstremima. f (x) = parne fukcije. b ili D(f ) = a. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. f (x) = x3 . b]). onda kaˇemo da je funkcija f neparna. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. z c c Napomena 5. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. f (x) = |x|. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). Funkcije f (x) = x. tj. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). D(f ) = [a.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os.

1] −→ R dana formulom f (x) = 1 − x2 .5 -10 Slika 5.5: Primjer parne (lijevo) i neparne (desno) funkcije. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . postoji i konaˇan je broj f (−1). tj. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. tj. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Npr. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Primjer 5. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1.5 5 2. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. Dakle imamo da vrijedi f (−x) = f (x) = −f (x).5 -1 -3 -2-2.162 POGLAVLJE 5. neka c √ je funkcija f : [−1. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. jedan rub je konaˇan a drugi beskonaˇan). +∞ .♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. tj. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku.5 1 2 3 -5 -7. Takav je rub c c regularna toˇka. f (x) = 0 za svaki x ∈ R.

tj.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. (Npr. +∞ −→ R dana formulom f (x) = xx . +∞ ili −∞. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. c c (Npr. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1.) c z . ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. To znaˇi z c da. neka je funkcija f : [0. neka je z c funkcija f : 0. neka je funkcija c 1 c f : 1. (Npr. Tada oˇito f strogo raste u +∞. +∞ −→ R dana formulom f (x) = 2x . OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije.1. +∞ −→ R dana formulom f (x) = x−1 . i to brˇe od svakog pravca. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a.5. Ako z je a ∈ R taj rub.) z y y y −1 0 1 x 0 x 0 1 x Slika 5.) z z c) Funkcija nije definirana u rubu prirodnog podruˇja definicije i ima svoc jstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c pribliˇavaju rubu vrijednost funkcije raste ili pada u +∞ ili −∞. Tada oˇito f nije definirana u konaˇnom rubu prirodnog podruˇja definicije i ako se c c argumenti proizvoljno pribliˇavaju toˇki 1 vrijednost funkcije raste u z c +∞. s c c c c 2. Rub prirodnog podruˇja definicije funkcije je beskonaˇan.

graf funkcije se proizvoljno blizu (odozgo) pribliˇava pravcu y = 1). neka je funkcija f : R −→ R c dana formulom f (x) = x − e−x . tada se vrijednost c −x izraza e + 1 proizvoljno blizu pribliˇava broju jedan. i taj rast c c ili pad je ”jednak” rastu ili padu nekog kosog pravca u ravnini (tj. s c c Ako postoji pravac kojem se graf funkcije po volji blizu pribliˇava. Odnosno. Oˇito. ali nikad ga ne dostiˇe.164 POGLAVLJE 5. z y y y 0 x 0 x 0 x Slika 5. Funkcija moˇe imati vertikalnu asimptotu samo u konaˇnom rubu. To znaˇi da se graf funkcije po volji blizu pribliˇava c c z pravcu y = a kada argumenti prirodnog podruˇja definicije idu u c beskonaˇni rub. z c c) Vrijednost funkcije raste ili pada prema konaˇnom broju a. kada argument funkcije f ide u +∞. (Npr. vertikalne i kose asimptote. Dakle. i cijeli izraz x − e−x je dobro aproksimiran izrazom x. jer kad bi a bio nula tada vrijednosti funkcije ne bi rasle ili padale u beskonaˇnost). y = ax + b i a = 0. kada argument x ide u +∞. Dakle. +∞ ili −∞.7: Ponaˇanje funkcije u beskonaˇnom rubu podruˇja definicije. kaˇemo da z z funkcija (odnosno njen graf) ima asimptotu. c graf funkcije f se proizvoljno blizu pribliˇava pravcu y = x). postoji pravac kojem se graf c funkcije po volji blizu pribliˇava kada argumenti prirodnog podruˇja z c definicije idu u beskonaˇni rub. z kada argumenti funkcije f postaju dovoljno veliki. tj. a druge dvije z c . Tada za velike vrijednosti od x izraz e−x postaje vrlo mali. neka je funkcija f : R −→ R dana formulom c f (x) = e−x +1. FUNKCIJE b) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. Postoje horizontalne. kada argumenti prirodnog podruˇja definicije idu u z c beskonaˇni rub. (Npr. zakljuˇujemo.

x = 0   −1 x < 0 Funkcija f ima prekid u 0. Definicija 5. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene.3 Realna funkcija realne varijable f : I = a.3 kaˇe da je funkcija f : I = a. pravac).1. Dakle nula je toˇka prekida od f . b −→ R neprekidna u x0 ∈ I ako z za proizvoljnu okolinu oko vrijednosti f (x0 ) postoji okolina oko x0 koja se cijela preslika u okolinu oko f (x0 ). x > 0  sign x = 0. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. x0 + δ ) ⊆ f (x0 ) − ε. c 165 Napomena 5. Primjer 5. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Tada za svaki δ > 0 i sve x ∈ R za koje je |x − 0| = |x| < δ 1 c vrijedi |f (x) − f (0)| = |f (x)| = 1 > 2 . Definirajmo sada pojam neprekidnosti funkcije.5 Neka je dana funkcija sign : R −→ R formulom   1. z Definicija 5. Intuitivno. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. gdje je I ⊆ D(f ). f (x0 ) + ε . dok je u svim drugim toˇkama neprekidna. c 1 Uzmimo ε = 2 . Odnosno. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. .7 Ako funkcija ima asimptotu.5. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. b −→ R. Kad bi imala dvije asimptote u jednom rubu.

gdje je I ⊆ D(f ).4 Realna funkcija realne varijable f : I = a. b −→ R. je ograniˇena na I ako postoji realan broj M ∈ R. M > 0. FUNKCIJE y 1 0 x −1 Slika 5. funkcija je neprekidna u x0 . slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.9 Iz Definicije 5. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. iz uvjeta m ≤ f (x) ≤ M. M ∈ R c takvi da je m ≤ f (x) ≤ M. je ograniˇena ili omedena na I ako postoje realni brojevi m. onda je funkcija f ograniˇena na nekoj okolini oko x0 . Napomena 5.166 POGLAVLJE 5. za svaki x ∈ I. c . tj.8: Funkcija sign(x). takav da je c |f (x)| ≤ M . tj. za svaki x ∈ I. Napomena 5. b −→ R neprekidna u toˇki c x0 ∈ I.♠ z Definicija 5. Ako je x0 > 0. b −→ R.4 stavimo M = max{|m|. Napomena 5. Analogo se dokaˇe za x0 < 0.4.8 Ako u Definiciji 5. gdje je I ⊆ D(f ).10 Ako je funkcija f : I = a. za svaki x ∈ I. onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε.

c Za zadane dvije funkcije f. x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. funkcija f : R −→ R dana c c formulom 1 . tj. x=0 x f (x) = 0. funkcija sign : R −→ R iz Primjera 5.zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). g(x) . . dok je sama vrijednost funkcije f (0) = 0). pri ˇemu je x ∈ D(f ) ∩ D(g). g : R −→ R. tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali).11 Ako funkcija ima prekid u toˇki. Npr. onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida.5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima.kvocijent s f g (x) = f (x) . realnim brojevima. OSNOVNI POJMOVI 167 Napomena 5.produkt s (f g)(x) = f (x)g(x). . c D(f g) = D(f ) ∩ D(g). c c 5. i z kako. c D(f ± g) = D(f ) ∩ D(g). c c S druge strane. tj.1.5. pri ˇemu je x ∈ D(f ) ∩ D(g). tj. definiramo njihov .1.

x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.3).168 POGLAVLJE 5. 1. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). x. dakle beskonaˇni skup {xn . z c z Napomena 5. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. n = 0. pa je D(f ± g) = D(f ). a) Ako je c = 0. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ).5).12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1.. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. . Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. pri ˇemu je f proizvoljna. Uoˇimo da je D(g) = R. a g dana formulom g(x) = c. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. skup funkcija {1..12 Primijetimo da je za proizvoljnu funkciju f : R −→ R i proizvoljni λ ∈ R funkcija h : R −→ R dana formulom h(x) = λf (x) u stvari produkt funkcija f : R −→ R i g : R −→ R. b) Ako je c > 0. Dakle imamo definirano c c mnoˇenje funkcije skalarom. x .. Npr. 1. c c Neka su f. . c c ∈ R. tj. Napomena 5. Tj.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. . graf funkcije f + g je isti kao i graf funkcije f . g : R −→ R.. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ).13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5.. c Preciznije. c) Ako je c < 0. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ).

onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Dakle. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. Graf funkcije f g je sliˇan grafu funkcije f .9: Graf funkcije f (x) + c za c > 0. onda je (f g)(x) = 0 za svaki x ∈ D(f ). . Graf funkcije f g je pravac y = 0 ili x os. funkcija f g ima iste nultoˇke kao i funkcija c c f . a) Ako je c = 0. samo je usporen pad i rast c funkcije f . pri ˇemu jednakost vrijedi samo u c nultoˇkama od f .10: Graf funkcije 2f (x). b) Ako je 0 < c < 1. 2. tj.5. Pogledajmo funkciju f g u ovisnosti o c ∈ R.1. y 2 f(x) 0 f(x) x Slika 5. vrijedi |(f g)(x)| ≤ |f (x)|.

onda je (f g)(x) = −f (x) za svaki x ∈ D(f ). Graf funkcije f g je isti kao i graf funkcije f . g) Ako je c < −1. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. vrijedi |(f g)(x)| ≥ |f (x)|. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . Dakle. vrijedi |(f g)(x)| ≤ |f (x)|. vrijedi |(f g)(x)| ≥ |f (x)|. ali su suprotnog c . onda je (f g)(x) = f (x) za svaki x ∈ D(f ). dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta.170 POGLAVLJE 5.11: Graf funkcije −f (x). y 0 f(x) x −f(x) Slika 5. f) Ako je −1 < c < 0. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija f . ali su suprotnog predznaka. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). FUNKCIJE c) Ako je c > 1. c d) Ako je c = 1. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . Dakle. Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . tj. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . tj. e) Ako je c = −1. tj. funkcija f g ima iste nultoˇke kao i funkcija f . dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. Dakle. funkcija f g ima iste nultoˇke kao i funkcija c c f .

c). funkcija f u njima ima c c vertikalne asimptote. c c c Za ostale operacije ova tvrdnja ne vrijedi. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. tj.1. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. gdje funkcija f raste.4). 3. . npr. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. onda oˇito g funkcija f u njima nije definirana. f). Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. onda je f (x) = f (x) za svaki x ∈ D f . za f. g g 1 b) Ako je c = 1. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. Dakle.1.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b).5. g f g a) Ako je c = 0. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Pogledajmo funkciju g f u ovisnosti o c ∈ R. tamo funkcija f pada. Ako funkcija f ima nultoˇke. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. funkcija g f je jednaka pravcu y = 0 na skupu D g f . OSNOVNI POJMOVI 171 predznaka. 0 . onda je f (x) = 0 za svaki x ∈ D . Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. c . c c c Napomena 5. tj. c g) i 3 b).

Ako su obje neparne. Matematiˇki se to formalizira pojmom kompozicija funkcija. c h f A B g C Slika 5. . Primjer 5.1. f g i f g f g sve parne.6 Kompozicija funkcija Ponekad je o funkcijama korisno razmiˇljati kao o strojevima koji uzimaju odredenu s sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu. Ako su obje parne. recimo g. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. dok su funkcije f g i f obje neparne.5 Za dane funkcije f : A −→ B i g : B −→ C definiramo funkciju h : A −→ C koju zovemo kompozicija funkcija f i g (u oznaci g ◦f ) formulom (g ◦ f )(x) = g(f (x)). Ako je jedna funkcija. Definicija 5. Neka su f. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Tim se postupkom mogu stvarati nove z funkcije. 3. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}.172 POGLAVLJE 5. g 5. onda je funkcija f ± g neparna. te funkcije f g i obje parne. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. 2. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. g : R −→ R funkcije. onda su funkcije f ± g.4). neparna a f parna.12: Kompozicija funkcija.

c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . za proizvoljnu funkciju f . x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. za svaku funkciju g : R −→ R. tj. Naime.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = .♠ x+1 x+1 173 2x . tj. 1 Primjer 5.5. OSNOVNI POJMOVI Primjer 5. .16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . 3x + 1 3x + 1 2x 6x = . jer je D(id ◦ f ) = D(f ◦ id) = D(f ). za tu funkciju vrijedi g ◦ f = f ◦ g = g.6 vidimo da operacija kompozicije funkcija nije komutativna. g ◦ f = f ◦ g. Tada je oˇito c D(f ) = R(f ).♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva.7 Neka je dana funkcija f (x) formulom f (x) = x . Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. op´enito.1. Dakle imamo f ◦ id = id ◦ f = f. c Napomena 5. da je. z funkciju f komponirati samu sa sobom. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. 1 . Napomena 5. moˇemo gledati funkciju f ◦ f . U takvom sluˇaju piˇemo f 2 = f ◦ f .

c c) Ako je funkcija f rastu´a a g padaju´a. Monotonost kompozicije u ovisnosti o monotonosti komponenata. njihova kompozicija je rastu´a. a) Ako su funkcije f i g rastu´e. onda za x1 . tj. x2 ∈ D(g ◦ f ) takve da vrijedi x1 ≤ x2 imamo (g ◦ f )(x1 ) = g(f (x1 )) ≤ (zbog pada od f i g) ≤ g(f (x2 )) = (g ◦ f )(x2 ). njihova kompozicija je padaju´a. njihova kompozicija je padaju´a. tj. s 1. tj. c c b) Ako su funkcije f i g padaju´e. x2 ∈ D(g ◦ f ) takve da c vrijedi x1 ≤ x2 imamo (g ◦ f )(x1 ) = g(f (x1 )) ≤ (zbog rasta od f i g) ≤ g(f (x2 )) = (g ◦ f )(x2 ). tj. c . onda za x1 . x2 ∈ D(g ◦ f ) c c takve da vrijedi x1 ≤ x2 imamo (g ◦ f )(x1 ) = g(f (x1 )) ≥ (zbog rasta od f i pada od g) ≥ g(f (x2 )) = (g ◦ f )(x2 ). FUNKCIJE Pogledajmo joˇ neka svojstva kompozicije funkcija. onda za x1 . njihova kompozicija je rastu´a.174 POGLAVLJE 5. c d) Ako je funkcija f padaju´a a g rastu´a. onda za x1 . x2 ∈ D(g ◦ f ) c c takve da vrijedi x1 ≤ x2 imamo (g ◦ f )(x1 ) = g(f (x1 )) ≥ (zbog pada od f i rasta od g) ≥ g(f (x2 )) = (g ◦ f )(x2 ).

a funkcija g definirana c i neprekidna u f (x0 ). onda je i kompozicija g ◦ f neprekidna u x0 . Parnost kompozicije u ovisnosti o parnosti komponenata. b) Ako su funkcije f i g neparne. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x).13: Kompozicija funkcija. ako je funkcija f neprekidna u x0 . Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). g f N N P P P P g f N P Slika 5. d) Ako je funkcija f neparna a g parna.1. z 3. ali to ´emo detaljnije razraditi kasnije. 175 a) Ako su funkcije f i g parne. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). c . c) Ako je funkcija f parna a g neparna. Toˇnije.5. OSNOVNI POJMOVI 2. onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x).

♠ z s Definicija 5. moˇe biti viˇe studenata koji su imali nula bodova. . tj. Nas zanima x(y). Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. 200x + 500 = 1300. s s Jasno je da ´e nas npr.. 1. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). Ne c c moˇemo rijeˇiti problem. To je za neke funkcije mogu´e.♠ Primjer 5. a za z c neke nije. 2.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . Uspjeli smo rijeˇiti problem. i obrnuto.. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. FUNKCIJE 5. i joˇ 500 kn za dovoz i odvoz. c s Pogledajmo sada obratni problem. 12}. Drugim rijeˇima. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. Koliko si dugo moˇemo priuˇtiti stroj ako na z s raspolaganju imamo 1300 kn? Oznaˇimo s x vrijeme rada stroja a s y iznos novaca.1. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. Dakle. Kaˇe se i da z c z f ne lijepi argumente.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe.. tj. Dakle imamo. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. 10 sati rada stroja koˇtati 2500 kn.8 Troˇkovi rada stroja su 200 kn/h.176 POGLAVLJE 5. b : studenti −→ {0. Primjer 5. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. .

Napomena 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. za bilo koji c ∈ R. 1) i (1.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. tj. f : D(f ) → R(f ) je uvijek surjekcija. ali ne i za paran n. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. n ∈ N. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. a injektivnost njegovu jedinstvenost. 1).♠ Primjer 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .10 Funkcija f (x) = xn . c c Definicija 5. .5. x2 ∈ D(f ). S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. Injektivnost.1.6 c ekvivalentan sljede´em: za x1 . je injekcija za neparan n.8 izraˇunali smo da je x(1300) = 4.11 U Primjeru 5. Napomena 5. s c Primjer 5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. Definicija 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x).

9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x.178 dobivamo formulu za x u terminima c. Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x). c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x.15: Graf funkcije i njoj inverzne funkcije. Dakle. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id. 200 (200x − 500) + 500 = x. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c).♠ 200 Definicija 5. dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c. . x(c) = c − 500 . 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5. 200 POGLAVLJE 5.

Dakle.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. i √ g2 : [0. OSNOVNI POJMOVI 179 Napomena 5. g1 (x) = − x. a ona c c je strogo rastu´a funkcija. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. kad govorimo o inverzima funkcija f : R −→ R. To je oˇito inverzna funkcija od f . +∞ jesu. +∞ −→ −∞.20 Ako je funkcija f : R −→ R strogo monotona.10).1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Tada iz Napomene 5. Teorem 5. No f ◦ g = id. onda je ona oˇito i bijekcija na svoju sliku. Primjer 5.20 znamo da f c ima inverznu funkciju g.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. 0] i [0. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne.♣ z c . +∞ −→ [0. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. 0]. pa ima i inverznu funkciju.5. +∞ . Dakle vrijedi f ◦ g = g ◦ f = id.0] √ i f |[0.1. no njezine restrikcije na −∞. f | −∞.♠ Napomena 5. g2 (x) = x. a strogo c c padaju´e funkcije strogo padaju´a.+∞ su bijekcije s inverzima g1 : [0. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). jer je c f ◦ g = g ◦ f = id. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. c Primijetimo da ako f nije strogo monotona nego samo monotona. Dakle. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.

2 Inverzna funkcija neparne funkcije je neparna. z c Napomena 5. jer je f (x) c rastu´a. 0] ili [0.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0.21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. FUNKCIJE Teorem 5.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4.2 ne moˇemo izre´i za parne funkcije. +∞ . 0] odnosno .♠ c Analogno kao u Primjeru 5. Dakle. ali nije bijekcija. praktiˇno izraˇunati. f −1 je neparna. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. Primjer 5. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞.12 slijedi da tvrdnju Teorema 5. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. Tada je njena inverzna funkcija g : [0. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). +∞ −→ −∞. +∞ gdje je bijekcija. Pokuˇajmo sada.180 POGLAVLJE 5.♣ Iz Primjera 5.

ˇ Cak i za funkcije koje imaju inverze.2. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. 0. +∞ −→ [0.5.16: Graf funkcije f (x) = xex . 5. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. +∞ je bijekcija.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku.2 -3 -2 -1 -0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.4 0. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.6 0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. Ako je n neparan. Primjer takve funkcije je c x f (x) = xe . tj. +∞ dana formulom − n x odnosno n x. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva.8 0. ima inverznu funkciju. specijalne funkcije kojima se ovdje ne´emo c baviti. c .2 -0. c Osim elementarnih postoje i tzv. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.4 1 2 Slika 5. Restrikcija te funkcije na interval [−1.

xk = x · x · · · x . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Hiperboliˇke c . mnoˇenih nekim koeficijentima. k Po definiciji stavljamo x0 = 1.1 Klasifikacija i podjela realnih funkcija 1. Elementarne a) Algebarske .2.Trigonometrijske .Eksponencijalne .Ostale algebarske funkcije b) Transcendentne .Polinomi .182 POGLAVLJE 5. FUNKCIJE 5.Racionalne funkcije .2.Ciklometrijske .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Area 2. za svaki x ∈ R.Logaritamske . dolazimo do pojma z .

ako su jednaki kao funkcije. a0 su koeficijenti polinoma Pn (x). Ovdje podrazumijevamo da je an = 0. . Koeficijent an je vode´i.a1 . + a2 x2 + a1 x + a0 . . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. tj. Definicija 5. .17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 .10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5.2. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Definicija 5. a a0 je slobodni koeficijent. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. c 10 7. P. .5 5 2. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).5 -3 -2 -1 -2.5. Polinomi su konceptualno najjednostavije funkcije. . Dakle je svaki polinom definiran na cijelom skupu R. .11 Dva polinoma P i Q su jednaka. . Realne konstante an . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x.

♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.14.11. FUNKCIJE n Teorem 5.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.5 2 2.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi ..18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. c c c s naravno. a ordinata je. 0. 1. c c .14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma..: n m Teorem 5. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).02 3 2 0.01 -0. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.... Apscisa nultoˇke je nuliˇte.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .01 1. tj. n. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. c Primjer 5.184 POGLAVLJE 5.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. Broj c k zove se red ili kratnost nultoˇke x0 . .3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .02 4 0. za sve i = 0. = an = 0.5 3 Slika 5.

8). Ako je x0 ∈ R nultoˇka reda k c od Pn (x). kaˇemo da je linearna funkcija strogo rastu´a. Ako je k neparan.2.5. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. je polinom drugog stupnja ili kvadratna funkcija. a = 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y.3 Qn−k (x) = 0 na nekoj oklini oko x0 . PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. dok c u nultoˇkama parnog reda nema promjene predznaka. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. Za a = 0 imamo konstantnu funkciju p(x) = b. Ako je k paran. onda iz Teorema 6. Tjeme . onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Otvor joj je okrenut prema gore ako je a > 0.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. tj. onda iz Teorema 6. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije .19: Graf linearne funkcije f (x) = x + 75. dok za x > x0 vrijedi (x − x0 )k > 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda.22 U nultoˇkama neparnog reda polinom mijenja predznak.ako raste u s c nekoj toˇki. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Ako su ove nejednakosti c c stroge. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. a prema dolje ako je a < 0. odnosno strogo padaju´a. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. po Teoremu c 6. za x ≥ 0. raste na cijelom R. a padaju´a ako je a ≤ 0.

Nultoˇke kvadratne funkcije dane su formulom c x1. c Napomena 5.2 = √ −b± D . Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. inaˇe velike pozitivne).5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. parabole ima koordinate (−b/2a. npr.♣ c c .23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. 2a i realne su ako je D ≥ 0. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.8) graf polinoma mora negdje sje´i x os. FUNKCIJE 1 2 Slika 5.♣ c Iz Teorema 5. inaˇe velike negativne vrijednosti).20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. tj. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. Zbog neprekidnosti c polinoma na R (Teorem 6. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. −D/4a). Teorem 5.

tj. 1. onda je oˇito funkcija Pn (x) = xn parna. +∞ i ima nultoˇku u (0. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x .5..15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. pravac y = x.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. kao funkcija an xn . c graf joj je centralno simetriˇan s obzirom na ishodiˇte.♠ Dakle. tj. dakle nije injekcija. 0). Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. Oˇito je D(P1 ) = R(P1 ) = R. 0). dakle je bijekcija i ima nultoˇku u (0. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5.♠ c . R(Pn ) = [0. Nadalje. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n.16 Pogledajmo funkciju (polinom) Pn (x) = xn . 0). n − 1. graf c joj je zrcalno simetriˇan s obzirom na y os. tj. Strogo pada na −∞. +∞ . Pn (x) strogo raste na R. onda je oˇito funkcija Pn (x) = xn neparna. 3..2. . dakle je bijekcija. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. Primjer 5. strogo raste na [0. Ako je n neparan broj. Ako je n = 1. tj. c vrijedi D(Pn ) = R. P1 (x) strogo raste na R. c 2. Ako je n paran broj. i = 1. 0]. onda je P1 (x) = x linearna funkcija. iz Primjera 5. c neparna je i ima nultoˇku u (0..

problem s asimptotike je sloˇeniji. itd.. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli).. ali c z kvocijent dvaju polinoma op´enito nije polinom.3 Racionalne funkcije Oˇito je zbroj. Napomena 5. j = 1. su koeficijenti polinoma Pnm (x). umnoˇak i kompozicija polinoma ponovo polinom. razlika. Za ..♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. .24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. 5. Po analogiji s racionalnim c brojevima.. . n.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. FUNKCIJE Napomena 5. dijeljenjem polinoma c izlazimo iz te klase funkcija. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. n > 1.2. problem poniˇtavanja je vrlo kompliciran.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. Realne konstante aij .. i = 1. tj. z Definicija 5. sam sebi je asimptota. za velike apsulutne vrijednosti argumenta ponaˇa kao an xn i jer je n > 1 zakljuˇujemo da polinom Pn (x) ne moˇe imati niti horizontalnu s c z n niti kosu asimptotu jer funkcija an x puno brˇe raste ili pada od svakog pravca. z n Nadalje. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. m. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. kako se polinom Pn (x) = i=0 ai xi .. Naravno. u tom sluˇaju se situacija komplicira. y) = i=0 j=0 aij xi y j . Npr.188 POGLAVLJE 5.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. Dakle. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac.

Red pola je red odgovaraju´e nultoˇke nazivnika. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1.) Dakle. nije racionalna funkcija. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. Naravno. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. nultoˇkama nazivnika.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. tj. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. 3. Funkcija j dana formulom j(x) = x−13 je polinom. Dakle. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. Definicija 5. Funkcija f dana formulom f (x) = 2. tj. je racionalna funkcija. takve su definirane na cijelom R. c c . (Smatramo da je racionalna funkcija ve´ skra´ena. U polu racionalna funkcija c nije definirana. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Qm (x) = 0}.17 Pogledajmo sljede´e primjere: c 1. s c D(f ) = {x ∈ R. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava.2. c Primjer 5. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . 5. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. 6. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Dakle.5. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. Funkcija hR dana formulom h(x) = 4. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R.

kad c argument ide u +∞ i −∞. dok za polove neparnog z c reda. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma .5 0. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). z c Dokaz: Red pola je red nultoˇke nazivnika.26). i to na vanjskim rubovima prirodnog podruˇja definicije.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. tj. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. Dakle. FUNKCIJE 100 75 50 25 -1 -0. Sada tvrdnja izravno slijedi iz Napomene c 5. 2. Osim vertikalnih.5 1 x 1 Slika 5.5 1 80 60 40 20 -1 -0. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5.graf racionalne funkcije moˇe imati asimptote: z 1.5 -25 -50 -75 -100 0.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). kao i u toˇkama u c kojima se nazivnik poniˇtava. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.22.190 POGLAVLJE 5. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . bi x i=0 i−m bi x i=0 i xm .26 Ako je pol parnog reda. (lijevo) i pola Napomena 5. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.

onda racionalna funkcija ima horizontalnu asimptotu y = c. d) Ako je n = m + 1. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. onda je n − m = 1. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. onda je n − m > 1. b) Ako je n = m. Preciznije. i=0 . izraz bm xn−m raste ili an pada brˇe od pravca bm x.2. PREGLED ELEMENTARNIH FUNKCIJA n m 191 ai x i−n Sada kada argument ide u beskonaˇnost izraz c i=0 odnosno i=0 bi xi−m ide u an odnosno u bm . tj. bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. xm . Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . bm dok prvi pribrojnik.5. tj. racionalna funkcija nema ni horizontalne ni kose asimptote. se pribliˇava broju z bi x i−m am . bn . bm x an a) Ako je n < m. Racionalna funkcija ima horizontalnu c asimptotu y = 0. an c) Ako je n > m + 1. Dakle. gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. imamo c s m+1 m f (x) = Pm+1 (x) = Qm (x) ai xi i=0 m = b i xi am+1 x m m+1 ai xi + i=0 m = b i xi b i xi i=0 m i=0 i=0 x (am+1 x) m m x + m i=0 m ai xi−m . c xm ai xi−m i=0 m tj.

z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞.♠ Iz Primjera 5. dakle nije injekcija.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). +∞ vrijedi f (x) > x.27 Analogno kao i kod vertikalnih asimptota. 0] i za svaki x ∈ −∞. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. m i−m xm bi x i=0 m POGLAVLJE 5. +∞ . 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. . Nadalje.27 ne mora vrijediti. 0 vrijedi f (x) > −x. f strogo pada na −∞. +∞ . racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . R(f ) = [1. bm jer i=0 bi xi−m ide u bm . Dakle. zrcalno simetriˇna obzirom c c na y os. f je parna. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . f strogo raste na [0. Napomena 5.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. Dakle. tj. Za dovoljno velike po apsolutnoj vrijednosti argumente funkcija f se proizvoljno blizu pribiˇava pravcu y = −x (za x < 0) odnosno pravcu y = x (za x > 0). kada argument ide u beskonaˇnost. z √ Primjer 5.192 xm (am+1 x) . +∞ i za svaki x ∈ 0. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. Oˇito je D(f ) = R. f (x) = x + x (desno) i njihovih asimptota. FUNKCIJE ide u am+1 x.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5.

jer u suprotnom ne bi bila funkcija.19 1. dakle je svaki polinom algebarska funkcija. Definicija 5.18.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. Tada je oˇito P (x. Dokaz: Neka je dan proizvoljni polinom Pn (x). ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. Definirajmo polinom u dvije varijable s P (x. Definirajmo polinom u dvije varijable s P (x. 5. dakle je svaka racionalna c √ Primjer 5. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. y) = Pn (x) − y.29 Svaki polinom i racionalna funkcija su algebarske funkcije. Pn (x)) = 0. Tada je oˇito P (x. y) takav da vrijedi P (x. f (x)) = 0. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. f (x)) = 0.2. y) = Qm (x)y −Pn (x).2. c . Napomena 5.5. √ x2 + 1 i njenih asimptota z Napomena 5. c Neka je sada f (x) = funkcija i algebarska. f (x)) = 0. y) = x − y n oˇito je P (x.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu.

Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. +∞ . f (x)) = 0. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x.28.1. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . koja je bijekcija sa R na R. je D(f ) = R(f ) = [0. f strogo raste na R i neomedena je.194 POGLAVLJE 5. Nadalje. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . tj. z √ 2. 0 je regularna toˇka (toˇka 5. c c tj. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. z tj. z 1 4. √ Primjer 5. Nadalje. +∞ (Primjer 5. +∞ . +∞ i R(f ) = 0.1. je D(f ) = 1. c c √ Nadalje.13). Funkcija f je inverzna funkcija funkcije g(x) = x3 . Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0.13). kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. y) = xy n − 1 oˇito je P (x. dakle nema vertikalnu asimptotu. FUNKCIJE 1 2.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5. Neka je dana algebarska funkcija f formulom f (x) = 3 x. dakle nema niti vertikalnu niti horizontalnu asimptotu. dok kosu asimptotu ne moˇe imati zbog Napomene 5. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. Kada se argument sve viˇe pribliˇava c s z broju 1.13). f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. c 1 3. je D(f ) = R(f ) = R (Primjer 5. Neka je dana algebarska funkcija f formulom f (x) = x.20 1. tj. Dakle. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. pravac y = 0 je horizontalna asimptota funkcije f . Dakle. Dakle. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5.4).13). u 1 (toˇka 5. ima vertikalnu asimptotu x = 1.4).

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

(Primjer 5.13). Dakle, je D(f ) = 0, +∞ i R(f ) = 1, +∞ , f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije, tj. u 0 (toˇka 5.1.4). Kada se argument sve viˇe pribliˇava broju c s z 0, vrijednost funkcije raste u +∞ i prozvoljno se blizu pribliˇava pravcu z x = 0, tj. ima vertikalnu asimptotu x = 0. Nadalje, za velike argumente vrijednost funkcije se proizvoljno blizu pribliˇava broju 1, tj. pravac y = 1 z je horizontalna asimptota funkcije f , dok kosu asimptotu ne moˇe imati z zbog Napomene 5.28. √ 5. Neka je dana algebarska funkcija f formulom f (x) = x2 − 1. Funkcija f je definirana svugdje osim u toˇkama u kojima je x2 − 1 < 0 (Primjer c 5.13). Dakle, je D(f ) = R \ −1, 1 i R(f ) = [0, +∞ , f je parna i strogo pada na −∞, −1] a strogo raste na [1, +∞ . Definirana je u konaˇnim c rubovima prirodnog podruˇja definicije, tj. −1 i 1 su regularne toˇke (toˇka c c c 5.1.4), dakle nema vertikalnu asimptotu. Horizontalnu ne moˇe imati zbog z strogog rasta i neomedenosti. Za dovoljno velike po apsolutnoj vrijednosti argumente vrijednost funkcije se pribliˇava pravcu y = −x (za x < −1) z odnosno pravcu y = x (za x > 1). Dakle f ima kose asimptote.♠ Iz Primjera 5.20 vidimo da algebarskoj funkciji konaˇni rubovi mogu biti reguc larni, a moˇe u njima imati i vertikalnu asimptotu. U beskonaˇnim rubovima z c imamo sva tri ponaˇanja, kao i kod racionalne funkcije, tj. moˇe se dogoditi da s z nema asimptote ali i da imamo kosu ili horizontalnu (ali ne obje na istoj strani, Napomena 5.28). Potencije Izraz oblika ab zovemo potencijom s bazom a i eksponentom b. Za cjelobrojni pozitivni eksponent b potenciju s eksponentom b definiramo kao ab = a · a · . . . · a, pri ˇemu se baza a pojavljuje b puta kao faktor u umnoˇku na desnoj strani gornje c s jednakosti. Primjer funkcije u kojoj jedna veliˇina ovisi o potenciji druge veliˇine je ovisnost c c povrˇine kruga o njegovom polumjeru: s P (r) = π · r2 .

196

POGLAVLJE 5. FUNKCIJE

Ovako definirane potencije su specijalni sluˇaj polinoma s kojima smo se ve´ c c susreli. Pokazuje se da se potencije mogu definirati i za eksponente koji nisu prirodni brojevi. Ako je eksponent potencije negativan cijeli broj −n za n ∈ N, definiramo x−n formulom x−n = x1n . Takve potencije ne moˇemo izraˇunati kad je x = 0. z c −n Dakle je podruˇje definicije funkcije f (x) = x c cijeli skup R bez toˇke 0. c Ponovo, podruˇje vrijednosti i oblik grafa ovise o parnosti eksponenta n. Funkcija c −n f (x) = x za parno n je parna funkcija, dakle nije injekcija, strogo pada na 0, +∞ dok na −∞, 0 strogo raste. Funkcija f (x) = x−n za neparno n je neparna funkcija, i strogo pada na −∞, 0 i na 0, +∞ , dakle je injekcija.
10 7.5 8 5 2.5 -2 -1 -2.5 -5 -7.5 -10 -2 -1 1 2 2 1 2 6 4 10

Slika 5.25: Grafovi funkcije f (x) = x−n za neparne (lijevo) i parne (desno) n. I s ovakvim smo se potencijama ve´ susretali kad smo govorili o racionalnim c funkcijama. Za razlomljene eksponente oblika b = m pri ˇemu je m ∈ Z, n ∈ N, definiramo c n √ n m/n x = xm . Za parne n takve su funkcije definirane samo za nenegativne √ vrijednosti nezavisne varijable x (jer je funkcija f (x) = n x za parno n inverzna funkcija funkcije g|[0,+∞ (x) = xn ); za neparne n, definirane su na cijelom R (jer √ je funkcija f (x) = n x za neparno n inverzna funkcija funkcije g(x) = xn koja je bijekcija sa R u R). Dakle, u ovoj toˇki definirali smo potencije kojima smo eksponent proˇirili c s prvo sa skupa N na skup Z, a nakon toga i na skup Q. Sada je pitanje moˇemo z li, i kako, definirati potenciju s proizvoljnim realnim brojem kao eksponentom? To je mogu´e, ali ne za sve baze (za negativne baze ne moˇemo). Dolazimo do c z pojma eksponencijalne funkcije.

5.2. PREGLED ELEMENTARNIH FUNKCIJA
1.5 1 0.5 1 -3 -2 -1 -0.5 -1 -1.5 1 2 3 0.75 0.5 0.25 0.5 1 1.5 2 2.5 3 1.75 1.5 1.25

197

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

5.2.5

Eksponencijalne funkcije

Eksponencijalne se funkcije prirodno javljaju kao matematiˇki modeli situacija c u kojima je promjena neke veliˇine proporcionalna toj veliˇini. Primjeri su rast c c populacije, prirast biomase, razmnoˇavanje bakterija, raspadanje radioaktivnih z tvari, raˇunanje kamate itd. c Definicija 5.15 Eksponencijalna funkcija s bazom a (a > 0, rana formulom f (x) = ax . a = 1) je defini-

Osnovica ili baza eksponencijalne funkcije je faktor za koji se promijeni vrijednost funkcije kada se vrijednost argumenta promijeni za 1. Ako je a > 1, imamo eksponencijalni rast, ako je a < 1, imamo eksponencijalni (ras)pad. Nezavisna varijabla se nalazi u eksponentu, odatle i ime. To je i temeljna razlika od polinoma u kojima se nezavisna varijabla nalazi u bazi potencije, a eksponenti su konstantni. Vrijednosti eksponencijalne funkcije mogu se izraˇunati za sve realne brojeve. c x Dakle je D(a ) = R, za svaku bazu a. Vrijednosti eksponencijalne funkcije su strogo pozitivne; nije mogu´e potenciranjem pozitivne baze dobiti kao rezultat c negativan broj ili nulu. To znaˇi da je R(ax ) = R+ = 0, ∞ . c Za a > 1 funkcija f (x) = ax strogo raste na R. Za dovoljno velike argumente n ta funkcija raste brˇe od bilo koje potencije. To znaˇi da veliˇina xx postaje po z c c a volji mala za svaki n ∈ N i za dovoljno veliki x. Kako je a−x = a1x , slijedi da ax teˇi k nuli kada argumet x teˇi u −∞. Dakle je os x jednostrana (lijeva) z z horizontalna asimptota grafa funkcije f (x) = ax .

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

Slika 5.27: Grafovi funkcija f (x) = ex (lijevo) i f (x) = (1/e)x = e−x (desno). Za baze 0 < a < 1, graf funkcije f (x) = ax dobivamo iz grafa funkcije 1 x 1 g(x) = a zrcaljenjem preko y-osi. (Za 0 < a < 1 je a > 1). Dakle funkcija f (x) = ax je strogo padaju´a, D(ax ) = R, R(ax ) = 0, +∞ , za c x 0 < a < 1 funkcija a raste neograniˇeno kada argument x teˇi u −∞ i x os joj c z je jednostrana (desna) horizontalna asimptota. Temeljno svojstvo eksponencijalnih funkcija izdvaja od svih mogu´ih baza c x jednu kao najprirodniju. Naime, oznaˇimo li promjenu veliˇine a s ∆(ax ), uvjet c c proporcionalnosti se iskazuje kao ∆(ax ) = k · ax , pri ˇemu je k konstanta proporcionalnosti koja ovisi o bazi a. Najjednostavnija c konstanta proporcionalnosti je k = 1. Moˇe se pokazati da se ta konstanta z postiˇe za toˇno jednu bazu. Tu bazu oznaˇavamo slovom e. Pribliˇna vrijednost z c c z broja e je e = 2.718281828... Broj e je jedna od fundamentalnih konstanta prirode, sliˇno kao konstanta π. c Kasnije ´emo pokazati da se svaka eksponencijalna funkcija moˇe prikazati kao c z x px eksponencijalna funkcija s bazom e, tj. a = e , za neki p ∈ R. Teorem 5.6 (Osnovna svojstva eksponencijalne funkcije) Za svaki a > 0 vrijedi: 1. ax = ay =⇒ x = y;

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

199

= ax−y ;

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

=

ax ; bx

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

5.2.6

Logaritamske funkcije

Primjer 5.21 Izotop ugljika C 14 je zastupljen u odredenoj koliˇini u svim ˇivim c z bi´ima. Nakon prestanka izmjene tvari s okolinom, tj. nakon smrti organizma, c radioaktivni C 14 se viˇe ne obnavlja i zateˇena koliˇina se poˇinje raspadati. Od s c c c 14 ukupne koliˇine C u organizmu pola se raspadne za 5730 godina. Dakle je x c godina nakon smrti organizma poˇetna koliˇina C 14 svedena na c c C(x) = C0 1 2
x 5730

.

Ovdje je C0 koliˇina izotopa C 14 u ˇivoj tvari. c z Koliko je davno ˇivio organizam ako je poˇetna koliˇina C 14 svedena na jednu z c c ˇesnaestinu? s Treba rjeˇiti jednadˇbu C(x) = C0 . Koriste´i ˇinjenicu da je 16 = 24 i iz s z c c 16 Teorema 5.6, dobivamo C0 C0 C0 = 4 = x , 16 2 2 5730 i odatle je x = 4 · 5730 = 28920 godina.♠

200

POGLAVLJE 5. FUNKCIJE

ˇ Sto bismo uˇinili da se nije radilo o cjelobrojnoj potenciji broja 2 (npr. da je c poˇetna koliˇina C 14 svedena na jednu sedamnaestinu), tj. da ne moˇemo iskoc c z ristiti Teorem 5.6? Definicija 5.16 Neka je a > 0, a = 1. Logaritam pozitivnog realnog broja x po bazi a je broj c kojim treba potencirati bazu a da bi se dobio broj x. c = loga x ⇐⇒ ac = x. Iz Definicije 5.16 imamo aloga x = x i loga ac = c, tj. logaritamska funkcija s bazom a je inverzna eksponencijalnoj funkciji s istom bazom.
4 3 2 1

-4

-2 -1 -2 -3 -4

2

4

Slika 5.28: Graf funkcije f (x) = 2x (lijevo) i njoj inverzne funkcije f −1 (x) = log2 x (desno). Logaritam s bazom 10 zovemo dekadski ili Briggsov i oznaˇavamo s log x, c tj. ne piˇemo bazu 10. Logaritam po bazi e zovemo prirodni ili Napierov s i oznaˇavamo s ln x. U primjenama se joˇ pojavljuju i logaritmi s bazom 2, c s ld x . Iz Definicije 5.16 vidimo da logaritme moˇemo raˇunati samo za pozitivne z c realne brojeve. Dakle je D(loga ) = 0, +∞ , za svaki a > 0. Iz Teorema 5.1 zakljuˇujemo da loga (x) strogo raste za a > 1, dok za 0 < a < 1 loga (x) strogo c pada. R(loga ) = R, za svaki a > 0. Kako je ax u 0 jednako 1, imamo da je

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

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

= loga x − loga y;

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

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

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

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

itd. Povijesno se pojavljuju u metriˇkim problemima vezanim za pravokutni trokut. dovoljno je poznavati vrijednosti logaric tamske funkcije za jednu bazu. C. b a . FUNKCIJE Vrijednosti logaritma istog broja x po dvjema razliˇitim bazama povezane su c sljede´om formulom: c x = blogb x = (aloga b )logb x = aloga b logb x tj. Vidimo da su vrijednosti logaritma proporcionalne. S porastom dostupz nosti elektroniˇkih raˇunala vaˇnost logaritama kao raˇunalnih pomagala poˇela c c z c c se smanjivati. koje su nekad bile nezaobilazno pomagalo svakog inˇenjera. B. no logaritamska funkcija je i dalje bitna za opis i razumijevanje mnogih prirodnih pojava.). c c a b tg α = .7 Trigonometrijske funkcije Trigonometrijske funkcije su sinus ili sin x. onda vrijedi: b a sin α = . b i hipotenuzom c (stranica a je nasuprot vrha A. Konstantu proporcionalnosti 1 M = loga b = log a zovemo transformacijskim modulom. kosinus ili cos x. itd.202 POGLAVLJE 5. 5. ili modulom b prijelaza. za sve ostale baze koristimo se odgovaraju´im c modulima prijelaza. cos α = . β. Vrijednosti dekadskih logaritama su tabelirane u logaritamskim tablicama. ctg α = . γ (kut α je uz vrh A. Ako je dan pravokutni trokut sa vrhovima A.) i kutovima α. Zahvaljuju´i gornjoj relaciji. tangens ili tg x i kotangens ili ctg x.2. imamo loga x = loga b logb x. gdje je M = ln a. Moduli prijelaza su korisni i pri svodenju funkcije f (x) = ax na funkciju ex . c Odatle im i ime. katetama a. Iz svojstava operacije potenciranja slijedi ax = (eln a )x = eM x .

iz Pitagorinog pouˇka slijedi c sin2 α + cos2 α = 1. Trigonometrijske funkcije prvotno su bile definirane za ˇiljaste kutove. ctg α = tg(90o − α). Ako sada povuˇemo polupravac (zraku) s poˇetkom u ishodiˇtu c c s koji zatvara s pozitivnim djelom x osi kut α. Primjerice. ispruˇenom π. Prvo nam treba c c veza izmedu kuta i broja. Oˇito je kut α vezan s duljinom luka. 0) (presjek kruˇnice c z c z i pozitivnog dijela x osi) i T (gledan u smjeru suprotnom od kazaljke na satu). Odatle je cos α = Nadalje. a tg α = = b 1 − sin2 α.31 Predmetak ko u kosinus i kotangens dolazi zbog komplementarnosti kuta. Svaka od njih se moˇe izraziti preko bilo z koje od preostalih. imamo preslikavanje koje svakom kutu c pridruˇuje jedinstvenu duljinu luka s poˇetkom u toˇki (r. 0) paralelan s osi y. Dakle. umjesto kuta moˇemo gledati odgovaraju´u duljinu luka. cos α cos α ctg α = . tj. Odgos varaju´om konstrukcijom mogu se poop´iti i na realne brojeve. Uzmimo koordinatni sustav na c pravcu (tj. tj. Tako punom kutu odgovara mjera 2π. sin α Napomena 5. Pogledajmo dio kruˇnice (luk) izmedu toˇaka (r. a c b c sin α . identificirajmo ga sa skupom R) tako da mu ishodiˇte padne u toˇku s c . opseg kruˇnice je 2π. 1 radijan je kut za koji je duljina luka jednaka polumjeru. PREGLED ELEMENTARNIH FUNKCIJA 203 Vrijednosti ovih funkcija nisu nezavisne. Neka je K kruˇnica polumjera r u ravnini sa srediˇtem u ishodiˇtu. = cos α = sin(90o − α).5. pravi kut ima z π radijana. ”Jedinica” u kojoj je ta mjera izraˇena zovemo radijan. Neka je dan z s s proizvoljni kut α. Dakle. c z c Za r = 1.2. a duljina luka koji odgovara kutu α moˇe se z z uzeti kao mjera tog kuta. 0). onda on sijeˇe kruˇnicu u jednoj c z toˇki T . Ovo preslikavanje je z c c oˇito bijekcija. 2 Neka je sada dana jediniˇna kruˇnica u ravnini sa srediˇtem u ishodiˇtu i c z s s pravac koji prolazi toˇkom (1. z π a pravom 2 . Tako npr.

s [0. 0). ako je t ∈ [π. 2π]. Dakle vrijedi c sin(t + 2kπ) = sin t. onda vrijedi xt = x2π−t i yt = −y2π−t . Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. FUNKCIJE sin x 0 cos x x 1 Slika 5. Dakle za t ∈ [π. z (1. cos(t + 2kπ) = cos t . Naravno. c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). tj. 2 ]. Ako je t ∈ [ π . Sliˇno. Nakon ˇto z s s namotamo komad duljine 2π. π]. Dakle za t ∈ [ π . 0] odnosno na [−2π. 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). Kaˇemo da su sin c z i cos periodiˇke funkcije. situacija se poˇinje ponavljati. z c z π Jasno je da za t ∈ [0. Analogno se sinus i kosinus s proˇire s [0. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). onda 2 t nije ˇiljast. Dakle za t ∈ [ 3π . 2π]. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . π ] na [− π . sada moˇemo sinus i kosinus analogno proˇirivati na R. 2 ] (tj.30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. 3π ]. Ako je t ∈ [ 2 .204 1 POGLAVLJE 5. yt ) na kruˇnici. na kutove iz [0. Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu.

amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. c amplitude i faze. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. a kosinusa obrnuto. Svaki 2kπ. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. Nadalje.5 -0. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). −1 ≤ sin t ≤ 1. Najmanji pozitivni period je 2π i zovemo ga temeljni period.5 1 0. 1]. za opis osz c cilacija. To znaˇi R(sin) = R(cos) = [−1. 1].5.5 -2 5 10 Slika 5.2. krvnoga tlaka. tj. Medutim. s 2 1 u nuli i 0 u π . tj. Kaˇemo da im je faza nula. plime i oseke. zbog periodiˇnosti.5 -10 -5 -0. k ∈ Z. π ]. npr. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z.5 1 0. Nadalje. je period funkcija sin i cos. temperatura kroz godinu. vidimo da je −1 ≤ cos t ≤ 1.5 -1 -1. period razliˇit od 2π i ne s c c . parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. Napomena 5. π ].5 -2 5 10 -10 -5 2 1. c 2 1. za svaki t ∈ R. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. imaju amplitudu razliˇitu od 1. tj.5 -1 -1. napona.32 Lako je vidjeti da je kosinus parna funkcija. Dakle je z D(sin) = D(cos) = R. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. dok je sinus neparna. Nadalje. itd. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1.

period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. tj. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. 2 ]. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . k ∈ Z}. Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. dakle c niti bijekcije. . onda je interc s π pretacija vrijednosti tg t za t ∈ [0. Amplituda ove funkcije je A (jer je amplituda sinusa 1). z Ako imamo jediniˇnu kruˇnicu u ravnini s srediˇtem u ishodiˇtu i pravac paralelan c z s s s osi y koji prolazi toˇkom (1. i funkciju z c π tangens proˇirujemo izvan intervala [0. Napomena 5.206 POGLAVLJE 5. FUNKCIJE nul fazu. gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu). formulom A sin(Bx − x0 ). pomak funkcije na x osi je x0 . Sliˇno kao i sinus i kosinus. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. 0) i P na tangensnoj c osi. 0) (joˇ ga zovemo tangensna os). imamo π D(tg) = R \ {(2k + 1) .π] x su bijekcije na [−1. 1]. na svoju sliku. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. π].33 Zbog periodiˇnosti. c c Sin x = sin |[− π . Jasno je kada se t pribliˇava toˇkama s z z c π z oblika (2k + 1) 2 tada vrijednost tangensa teˇi s jedne strane u +∞ a s druge u −∞. 2 ]. Dakle. 2 ˇto se vidi i s trigonometrijske kruˇnice. Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. a kosinus strogo padaju´a na [0. funkcije sinus i kosinus nisu injekcije. 2 ] udaljenost toˇaka (1. U tim toˇkama tangens ima vertikalnu asimptotu. π ] x 2 2 i Cos x = cos |[0 . tj.

PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . 2 ] udaljenost toˇaka (0. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. s 1 P T x 0 1 tg x ctg x Q Slika 5. k ∈ Z}. onda je interpretacija vrijednosti ctg t za t ∈ [0. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. ˇto se vidi i s trigonometrijske kruˇnice. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi.5. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. k ∈ Z}. 1) i Q na kotangesnoj osi.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. Imamo ctg t = D(ctg) = R \ {kπ. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R.2. Sliˇno kao i sinus i kosinus. . i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. 1) (joˇ s c s π ga zovemo kotangensna os). pa u tim z toˇkama kotangens ima vertikalnu asimptotu. Sliˇno se interpretira i kotangens.

na svoju sliku. π . tangens na − 2 . 1]. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. ni tangens ni kotangens nisu injekcije. Dakle sinus nema inverznu funkciju. Napomena 5.208 POGLAVLJE 5. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. π]. c dakle niti bijekcije.π x su bijekcije s tih intervala na R. c c Dakle. k ∈ Z}.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. 5. restringirajmo sinus na [− π . Dakle.2. π x 2 2 i Ctg x = ctg| 0. Npr. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . kosinus na 2 2 π π [0. 2 . a c c s nema rjeˇenja za c ∈ [−1. 2 i kotangens na 0. π ]. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. a isto vrijedi s / i za ostale trigonometrijske funkcije. a kotangens strogo padaju´a na 0. Tada prema Napomeni 5.34 Zbog periodiˇnosti. dakle nisu bijekcije. njihove restrikcije Tg x = tg| − π .33 .33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). FUNKCIJE za svaki t ∈ R \ {kπ. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. π .

2. π ] . π ] i tg| − π .5 -1 -0. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . Nadalje.34 znamo da su funkcije sin |[− π .5 -0. π ] bijekcija.5 -1 -0. 1]. ]. rjeˇenje jednadˇbe postoji i jedinstveno je. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5.5 1 -1 -1. dakle su i bijekcije.5 1 Slika 5. inverznu funkciji cos |[0. 2 ] jednadˇbe sin t = s z s z x.π] .π strogo padaju´e. 1. ]. Dakle.5 1 0. π π R(arcsin) = [− .1 i Napomene 5. π]. . c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. koje zovemo arkus funkcije.5 0. 1] −→ [0.5 3 2. s z 2 2 s z Kako je tg| − π . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). a c 2 2 2 2 cos |[0. π strogo rastu´e.5 2 1. Dakle. 1]. oˇito je c c D(arcsin) = D(arccos) = [−1. z π π Za x ∈ [−1. rjeˇenje jednadˇbe postoji i jedinstveno je. Iz Teorema 5. 1] −→ [− . 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. a arccos c strogo padaju´a na [−1.33 slijedi da je arcsin strogo rastu´a. 2 2 koja je inverzna funkciji sin |[− π .π] i ctg| 0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.5 0. π jednadˇbe tg t = x . 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .5.5 1 0. 2 2 . 2 2 R(arccos) = [0. Kako je sin |[− π . π]. π bijekcija.

R(arctg) = − . π ]. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. Nadalje. z s z sin x = t. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.210 koja je inverzna funkciji tg| − π .5 1 0. tako da bi smo dobili arkus funkcije definirane na tim intervalima.5 -4 -2 2 4 Slika 5.5 -2 2 4 4 3.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. 1]. inverznu funkciji ctg| 0. c .35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). -4 2 1. 2 odnosno ctg| 0.5 -1 -1.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 . pri traˇenju rjeˇenja t jednadˇbe. FUNKCIJE arcctg : R −→ 0. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.5 -2 -0.5 3 2. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. .π . Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. npr. π . c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.5 1 0.5 2 1. Dakle. π . Iz Teorema 5. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . Napomena 5. π . Npr.1 i Napomene 5. R(arcctg) = 0. oˇito je c c π π D(arctg) = D(arcctg) = R.

. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Iz formule lagano ˇ slijedi da je |th x | < 1 . Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. za svaki x ∈ R. Lako se vidi da je neparna. neograniˇena je. tanges hiperc c boliˇki i kotanges hiperboliˇki. sinus hiperboliˇki. iako se definiraju u terc minima eksponencijalne funkcije.5. +∞ i nema asimptote. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. 2 e x − e −x sh x = . Dakle th ima dvije horizonzalne s z asimptote. 2 sh x e x − e −x th x = = x . vrijedi ch x = ch2 x − sh2 x = 1 . strogo pada na −∞. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. Strogo raste na R. i R(th) = −1. strogo raste na R. 2. Lagano se vidi da je ch x > 0 . y = −1 i y = 1. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R.2. th je neparna. neograniˇena c je pa je R(sh) = R i nema asimptote. Napomena 5. Primjerice. +∞ . z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. za svaki x ∈ R. 1 . za svaki x ∈ R. ch x e + e −x 1 . 3.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. Stoviˇe.2. parna je. Dakle je R(ch) = [1.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. PREGLED ELEMENTARNIH FUNKCIJA 211 5. cth x = th x i zovemo ih redom kosinus hiperboliˇki. Nadalje. 0] i c strogo raste na [0. dakle nije injekcija. Zbog neparnosti c c od sh i parnosti od ch.

Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). tj. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth.5 -1 -1. to mora i cth x . Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. 1]. preciznije areakosc inus hiperboliˇki ili Arch. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. +∞ . Dakle cth ima i dvije horizontalne asimptote.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). kako je |th x | < 1 . ch postaje bijekcija na svoju sliku. 4. Zbog neparnosti od th i cth je neparna. imamo: . z y = −1 i y = 1. restringiramo na −∞. 0] ili [0. areasinus hiperboliˇki ili Arsh. za svaki x ∈ R. za svaki x ∈ R\{0}.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. imamo da je |cth x | > 1 . zbog parnosti. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. Funkcije inverzne hiperboliˇkima zovu se area funkcije. Ako ch. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5.5 -4 -2 -0. c osim funkcije ch. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. Nadalje. Kako je jedina nultoˇka od th toˇka 0 zakljuˇujemo da je D(cth) = R\{0} c c c i cth u 0 ima vertikalnu asimptotu.5 1 0. Kako th strogo raste na R. i R(cth) = R \ [−1. 1. cth strogo pada na R \ {0}.

4. . iz Teorema 5. tj.5.5 -1 -2 -3 0.1 zakljuˇujemo da Arch strogo raste.5 1 1.5 1 0. Iz Teorema 5. a pravac y = 0 horizontalna asimptota. pravci x = −1 i x = 1. onda su rubovi −1 i 1.1 c slijedi da Arcth strogo pada. c 2. pravci x = −1 i x = 1.5 0. +∞ i R(Arch) = [0. 3 2 1 -1 -0. onda su rubovi −1 i 1. vertikalne asimptote od Arth. 1].38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno).5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. onda je D(Arch) = [1. Kako su y = −1 i y = 1 horizontalne asimptote od th.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. Oˇito je D(Arcth) = R \ [−1. 1 . Ako smo ch restringirali na [0. c 3. tj. PREGLED ELEMENTARNIH FUNKCIJA 213 1. +∞ . R(Arth) = R \ {0} i iz Teorema 5. +∞). Oˇito je D(Arth) = −1. Oˇito je D(Arsh) = R(Arsh) = R.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).1 slijedi da Arth strogo raste. vertikalne asimptote od Arth.5 2 1. R(Arth) = R i iz Teorema 5. a x = 0 vertikalna asimptota od cth. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. Kako su y = −1.5 2 2. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. y = 1 horizontalne.2.5 3 Slika 5.

.

05h (∆c = ˇ 0.5 + 0.05(m2 − m1 ).1.05(m − 20) kn.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. a visina poˇtarine c u z s kunama). a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.05∆m).1 6. 0 ≤ m ≤ 20 3. m = 20 i m = 30. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. (Masa m je izraˇena u gramima.5 + 0. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . onda je 215 . a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. Naime.8 kn. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. Dakle imamo c(m) = 2.1.8.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05h = 0.05(m − 20). u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. m > 20. Graf te funkcije prikazan je na slici 6. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.

Definicija 6.♠ c Definicija 6. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. .216 ˇ POGLAVLJE 6. odnosno da graf funkcije ima prekid u toj toˇki. S druge strane.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). c c Napomena 6. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok.7 kn.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. s s 20M ≥ (m2 − m1 )).1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6.

1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε). g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.ˇ 6.2 Svojstva neprekidnih funkcija Teorem 6.2 nam daje ideju za sljede´u definiciju: c Definicija 6. s c c Napomena 6. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. ako je m lijevo od 20 i dovoljno blizu 20.1 Neka su funkcije f. ipak m(c) nije blizu m(20). onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.♠ Primjer 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. ako je m > 20 i m blizu 20.2 Funkcija c(m) iz Primjera 6.1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1.1. 6.1.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . Primjer 6.2 Iz Definicije 6. S druge strane. Tada su u toˇki x0 neprekidne i funkije: c .1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). No. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. Analogno. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1 ima prekid u toˇki c = 20. ali je ona c neprekidna s lijeva u toj toˇki. koji c je manji od nekog fiksnog strogo pozitivnog broja. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). postoji δ > 0 za koji vrijedi Definicija 6. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 .1.

c + δ). onda je funkcija g ◦ f neprekidna u x0 . ali oˇito f nema nultoˇku na segmentu c c c [−1. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ.♣ c Teorem 6. 3. Dokaz: Pretpostavimo suprotno.11 znamo da je funkcija f : R −→ R dana formulom 1 .♣ z c Teorem 6.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. 1] −→ R. Dakle. b takav da je f (x0 ) = 0.218 1. Ako pogledamo funkciju f restringiranu na segment [−1. po pretpostavci. 4. i funkcija g neprekidna u f (x0 ). c + δ .3 Iz Napomene 5.♠ . x=0 x f (x) = 1. tj.♣ Teorem 6. 2.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. ˇto je suprotno pretpostavci. Tada za svaki δ > 0. tj. |xδ − c| < δ. Tada je |f (xδ ) − f (c)| > f (c) = ε. c s Analogno se dokaˇe sluˇaj f (c) < 0. Uzmimo ε = f (c). za koji je f (xδ ) ≤ 0. mora imati nultoˇku. tj. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. postoji xδ ∈ (c − δ. 1]. i neka je f (a)f (b) < 0. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. f − g. Tada postoji x0 ∈ a. g : R −→ R takve da je definirano (g ◦ f )(x0 ). f ima prekid u toˇki c. f |[−1.♣ Teorem 6. Ako je funkcija f neprekidna u x0 .4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. c c Primjer 6.2 Neka su funkcije f. i neka je f (c) > 0 (f (c) < 0).1] : [−1. onda je oˇito f (−1)f (1) = −1 < 0. c + δ) takav da je f (xδ ) ≤ 0. 1] (jer je nema na cijelom R). b]. f . g ˇ POGLAVLJE 6. f + g. f · g. x = 0 svugdje neprekidna osim u nuli. tj. onda njezin graf mora negdje sjeˇi x os. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).

1. M ∈ R takvi da je m ≤ f (x) ≤ M. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. Tada je funkcija f neprekidna na intervalu I.4) Teorem 6. moˇemo li neˇto re´i o funkciji koja preslikava otvoreni interval u otvoreni z s c interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval. onda je ta funkcija i neprekidna. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.♣ Teorem 6. c 1 x je Teorem 6.4 Funkcije f. π .♣ 6. b]. Npr. Npr. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. Tvrdnja z Teorema 6.6 ne vrijedi za otvorene intervale. . Teorem 6.4 nuˇan. 1 .3 Neprekidnost elementarnih funkcija Primjer 6. za svaki x ∈ I (Definicija 5. π funkcijom tg je R.ˇ 6.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. ali oˇito je neomedena. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. Nadalje.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.♣ c Tvrdnja Teorema 6. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Pitanje je sad. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.5 ne vrijedi za otvorene intervale. slika otvorenog intervala − π .1. funkcija f (x) = neprekidna na 0.3 slijedi da je uvjet neprekidnosti iz Teorema 6.

.. logaritamskih. . Zbog neprekidnosti konstantne funkcije na R (Primjer 6..7.9 Eksponencijalne. i = 0. 1. Dokaz: Neprekidnost eksponencijalnih. i = 0.. 1.1 sada slijedi da je na R neprekidna i funkcija x2 .. n. . Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. 1.4 i Teorema 6.. tj. takoder iz Teorema 6.1. .220 ˇ POGLAVLJE 6. jer je svaka racionalna funkcija kvocijent dvaju polinoma. Na kraju. na intervale − π .1 direktno imamo: n Teorem 6. arkus.7 su neprekidne. π odnosno 0.7 c i periodiˇnosti.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. z c Uzmimo proizvoljni ε > 0.1. Na isti naˇin se zakljuˇi da su xi . logaritamske. z 2. slijedi da c moˇemo uzeti δ = ε. trigonometrijske. dakle iz Teorema 6.. Nadalje.7 imamo da su neprekidne i funkcije arctg i arcctg.1.1. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.♠ z Iz Primjera 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).4 dokazali smo da je funkcija f (x) = x neprekidna na R. polinom Pn (x) neprekidan na R.4) i Teorema 6. c Dokaz: U Primjeru 6. UVOD U DIFERENCIJALNI RACUN 1. takoder iz Teorema 7.♣ Napomena 6. jer su njihove restrikcije npr. c c neprekidne na R. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. n. Iz Teorema 6. . na R su neprekidne i funkcije ai xi . zakljuˇujemo c da je i suma od ai xi . i = 0. Teorem 6. hiperboliˇkih (osim kosinusa hiperbolnog). c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. π monotone c 2 2 bijekcije na R. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. Budu´i da je f (x) − f (x0 ) = c − c = 0. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Budu´i da je |f (x) − f (x0 )| = |x − x0 |.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. z c Uzmimo proizvoljni ε > 0. n... Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.

dakle su po Teoremu 6. Sada imamo da je sin x neprekidna na 0. Isto tako 2x+π varira po intervalu π .7 imamo da su neprekidne funkcije arcsin x. 3π . 0. π 2 2 i 0. te da je Arch x neprekidna s desna u 1. Znamo da za funkciju sin x i proizvoljni a ∈ R vrijedi da je sin x − sin a = 2 sin Ako sada stavimo da je a = π 2. arcsin x i Arch x redom neprekidne na [−1. Oˇito je δ > 0. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. 1 . +∞ . Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. π 4 2 4 4 kada x varira po intervalu 0.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. 3π . 3π . 1 i 1. [−1.1. 2 2 imamo 2x + π 2x − π cos . 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. 1]. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. onda 2x−π varira po intervalu − π . Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. Dakle su funkcije arccos x. +∞ . 1 . Dakle je arccos x neprekidna s lijeva u toˇki 1. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). k ∈ Z. tj. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . π i 0. π su monotone bijekcije na 2 2 −1. π . cos x i ch x redom na intervalima − π . Zbog neparnosti imamo da je sin x neprekidna i u − π . +∞ iz Teorema 6. moˇemo dobiti i δ = 0. k ∈ Z.7 i neprekidne. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. ˇto je ekvivalentno s s arccos x < ε. c Analogno se dokazuju i druge jednostrane neprekidnosti. Dokaˇimo da je arccos x neprekidna s lijeva u 1. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. π . c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). 1] i [1. ♣ . Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. ali u Napomeni 6. 3π . x−a x+a cos . analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ.ˇ 6. −1. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. 2 Zbog stroge monotonosti funkcija sin x. arccos x i Arch x redom na intervalima −1. posebno je 2 2 neprekidna u π . imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε). Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0.

Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. za x malo manji od 1. S druge strane. Ako uzmemo s c toˇku x dovoljno malu. dodemo li s x dovoljno blizu c toˇki 1. 4. ali pozitivnu. Dakle. ako uzmemo toˇku c x dovoljno malu.4 Graniˇna vrijednost (limes) funkcije c 1. zakljuˇujemo. Raˇunaju´i te vrijednosti. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. vrijednosti c funkcije su malo ve´e od −1. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. funkcija nije definirana u toˇki 0.5 nije definirana u toˇki x = 1. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. funkcija nije definirana u toˇki 0. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. za vrijednosti od x koje su malo ve´e od 1.222 ˇ POGLAVLJE 6. dovoljno blizu c nule.1. tj. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. vidimo da su one c c c blizu vrijednosti −1. c 3. tj. vrijednosti funkcije c su malo manje od −1. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. Za funkciju f : R −→ R danu formulom f (x) = arctg x . tj. 6. c c 2. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. ali negativnu.

Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. Ako funkcija ima limes L u toˇki c.5).3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. .ˇ 6. Definicija 6. a ne znamo izraˇunati ni njenu vrijednost za x = 0. moˇda u samoj toˇki c. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta.2.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. moˇda u samoj toˇki c. 6.2. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε.♠ Situacije iz Primjera 6.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . osim. pravac y = π je horizontalna asimptota. x−→c Ako limes postoji on je i jedinstven: Teorem 6. |f (x) − M | < ε). Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). Dakle. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. 2 2 5. tj. Neka je dana funkcija f : R −→ R formulom f (x) = xx . osim. onda piˇemo c s L = lim f (x). ako c ˇelimo promatrati ponaˇanje oko nule.1.

ali postoji bitna razlika. Analogno. ˇto ne moˇe biti. naravno ne zaboravljamo. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. . Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. Uzmimo sada ε = 1 |M − L|. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. tj. Dakle imamo |M − L| < |M − L|. −∞ ∈ R. +∞) okolina od +∞. Dakle je M = L. Pri tome uzimamo da je svaki otvoreni interval oblika (M. postoji δ > 0. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). pri ˇemu. ˇ POGLAVLJE 6. +∞. i svaki interval oblika (−∞.6 i Napomz ena 4. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. 2 po pretpostavci. |M − L| = |M − f (x) + f (x) − L| ≤ |f (x) − M | + |f (x) − L| < 2ε vrijedi za argumente iz domene od f za koje je |x − c| < δ.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ). Ali.2) jako sliˇna definiciji neprekidnosti (Definicija 6. |f (x) − M | < ε).224 Tada je L = M . da je M = L. Tada za taj ε. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε.♣ s z c c Napomena 6. M ) je okolina od −∞.4 Uoˇimo da je definicija limesa (Definicija 6.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. Tada kaˇemo da je L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da z x−→+∞ (x > M ) =⇒ (|f (x) − L| < ε).

ˇ Zelimo li naglasiti da se argument x pribliˇava vrijednosti c samo s jedne z strane.3 moˇemo proˇiriti i na sluˇaj c = +∞ odnosno c = −∞ i z s c L = +∞ odnosno −∞. Za funkciju f : R −→ R definiranu na nekoj okolini toˇke c. recimo odozgo. piˇemo s x−→c+ lim f (x). osim. Dakle. c z u samoj toˇki c kaˇemo da ima limes L ∈ R s desna u toˇki c i piˇemo c z c s L = lim f (x) x−→c+ ako za svaki ε > 0 postoji δ > 0 takav da (x > c. s desna. Definiciju 6. osim. x−→−∞ lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) > M ). tj. lim f (x) = −∞ ako za svaki M > 0 postoji δ > 0 takav da x−→c 225 (0 < |x − c| < δ) =⇒ (f (x) < −M ). Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da z x−→+∞ za sve (x > N ) =⇒ (f (x) > M ). . x−→−∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) < −M ). moˇda u c z samoj toˇki c kaˇemo da ima limes L ∈ R s lijeva u toˇki c i piˇemo c z c s L = lim f (x) x−→c− ako za svaki ε > 0 postoji δ > 0 takav da (x < c. moˇda.1.ˇ 6. |x − c| < δ) =⇒ (|f (x) − L| < ε). x−→+∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (f (x) < −M ). |x − c| < δ) =⇒ (|f (x) − L| < ε). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Analogno. za funkciju f : R −→ R definiranu na nekoj okolini toˇke c.

x−→+∞ 2 5. x−→0 x2 lim 1 1 = +∞ i lim = −∞. x = 0   1. Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. lim arctg x = . x−→+∞ 6.♠ 6.6 Opiˇimo sada pomo´u limesa Primjer 6.7 Iz Primjera 5. ako postoje limesi s lijeva i s desna i oni su jednaki L.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. c osim. lim 2.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x −→0 − lim sign x = −1 .5 Neprekidnost i limes Primjer 6. x > 0 ima prekid u nuli. ♣ c Primjer 6. Dokaz: Ako funkcija f ima limes L u toˇki c. onda je jasno iz Definicije 6. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x2 − 3x + 2 = −1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . onda iz Definicije 6. s c 1. x < 0  sign x = 0. x−→0+ lim xx = 1.1. x−→1 x−1 1 = +∞. lim 3. Obrnuto. Dakle je x−→0+ lim sign x = sign 0 . UVOD U DIFERENCIJALNI RACUN Teorem 6.5 znamo da funkcija   −1. moˇda u samoj toˇki c. x−→0 x π 4. tj.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. ne postoji lim sin x.5.226 ˇ POGLAVLJE 6.

4) i da limes mora postojati.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. Tada je c x−→c lim g(f (x)) = g( lim f (x)).12 kaˇe da ako je funkcija neprekidna u toˇki c. x−→c Napomena 6.5 U Teoremu 6.♣ .2 i definicije jednostranog limesa.3. Nadalje.13 Neka je funkcija g : R −→ R neprekidna.7 i 6. onda limes i funkcija z c ”komutiraju” tj.ˇ 6.♣ x−→c Analogno kao Teorem 6.♠ Primjer 6. Dokaz: Izravno iz Definicije 6.4). c c Sada direktno iz Napomene 6.1. konaˇan je broj. imamo x−→c lim f (x) = f (c) = f ( lim x). i neka postoji limes funkcije f u toˇki c.♣ Teorem 6. Zaista imamo: c c Teorem 6. tj. x−→c+ Dokaz: Izravno iz Definicije 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .♠ x−→2 Primjeri 6.12 imamo: Teorem 6.1 i Primjer 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.1 i 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. oˇito vrijedi c f (2) = lim f (x).12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).

228 ˇ POGLAVLJE 6. a < 0. −∞ ± a = −∞. To se posebno odnosi na veliˇine +∞ i −∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. 5. 3. a > 0 +∞. 2.14. a ∈ R proizvoljan. a ∈ R proizvoljan. 7. . (+∞) · (−∞) = −∞. (+∞) + (+∞) = +∞. 9. Kako one nisu realni brojevi. (−∞) · a = 10. jer operacije nisu definirane i operandi nisu realni brojevi. 6. 8. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞.1. 4.11. x−→c+ Dokaz: Izravno iz Teorema 6. no moˇe se desiti da dobijemo izraz koji nije z z definiran. a > 0 −∞.♣ 6. (+∞) · a = +∞. a ∈ R proizvoljan. (−∞) · (−∞) = +∞. (+∞) · (+∞) = +∞. −∞.12 i 6. a < 0. a +∞ = 0.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. +∞ ± a = +∞. 6.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). UVOD U DIFERENCIJALNI RACUN Teorem 6. (−∞) + (−∞) = −∞.

∞ · 0. 1∞ . 0 0 . ”Sedam veliˇanstvenih”: c 0 . Osim s beskonaˇnim veliˇinama. 0 ∞ . 0∞ . −∞ · 0. pa je 0 neodreden oblik. s s c c Iz Primjera 6. +∞ +∞ . Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. (+∞) + (−∞). +∞ −∞ .1. a ∈ R proizvoljan.ˇ 6. 1+∞ . 1−∞ . +∞ · 0. ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. 00 . ∞0 . −∞ −∞ . onda s je to i limes od f (x) kad x −→ c. +∞ . 5. Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. 3. 4. ∞ ∞ − ∞. a −∞ 229 = 0. 0 2. (+∞)0 . Dakle. −∞ 2. (−∞)0 . 0 . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1.6 znamo da ”vrijednost” izraza 0 koji se dobije ”uvrˇtavanjem” s 0 x2 −3x+2 z vrijednosti x = 1 u funkciju f (x) = x−1 je −1. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. Analogno se dokaˇe da je ”vrijednost” izraza za koji se dobije uvrˇtavanjem vrijednosti x = 2 u funkciju s x2 −3x+2 f (x) = x−2 je 1. Ako se dobije jedan od neodredenih oblika. s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1.

n ∈ N paran.230 ˇ POGLAVLJE 6. +∞. +∞. −∞. α>0 +∞. x−→0− 4. 6. n ∈ N neparan +∞. a>1 0. n ∈ N proizvoljan. 0 < a < 1. . lim xn = +∞. 0 < a < 1. n ∈ N paran. a>1 +∞. a>1 +∞. x−→−∞ lim ax = 10. lim x−n = −∞. 8. lim x−n = +∞. 5.7 Raˇunanje limesa c Neki temeljni limesi 1. x−→+∞ lim ax = 9. x−→0+ x−→0− 7. x−→0+ lim xα = 0. n ∈ N proizvoljan. α < 0. 0 < a < 1. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. 3. 0 < a < 1. α < 0. +∞. n ∈ N neparan. a>1 −∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. UVOD U DIFERENCIJALNI RACUN 6. −∞. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. x−→+∞ x−→+∞ 2. 0. α > 0 0. x−→+∞ lim loga x = 11.1.

Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA .♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. Kako gledamo c limes funkcije sin x kada x −→ 0. i s B = (1. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). Kada s pravca uzmemo x ∈ (0. a ∈ R. tj. za a > 1. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.9. svojstva potencija. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. i zbog parnosti od sin x . parnost. tg x ). neparnost i sliˇno.16 lim i 1 lim (1 + )x .ˇ 6. Dakle. +∞) i da joj c c je slika cijeli R. 0) u ravnini. njihov rast.1. c Osim ovih limesa. . presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). ortogonalnu projekcija toˇke A na x os. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. jasno je da je dovoljno x x promatrati x ∈ (0.2.1. koji se nalazi unutar trokuta OBB . To znaˇi da je c x−→+∞ lim loga x = +∞. π ). Oznaˇimo s A = z c c (cos x.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. c c eksponencijalnih i logaritamskih funkcija.4). x−→+∞ x sin x = 1.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. koriste´i definicije limesa i jednostranih limesa (toˇka 6. 0). sin x). x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. Iz toˇke 5. pad.

Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6.2: Uz izvod osnovnog trigonometrijskog limesa. x−→0 x sin x = 1. UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ .232 ˇ POGLAVLJE 6. Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. sin x cos x xr . 2 x 2 sin x 1 ≥ ≥ cos x.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1.♣ x lim .

10 ex − 1 = 1.1.2. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. ♣ Primjer 6. i da je x = ln(t + 1).12 i Teorema 6.♠ x−→0 t−→0 x ln a ln(t+1) ln a . Tada je jasno da t −→ 0 kada x −→ 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a. Dakle imamo ax − 1 ex ln a − 1 = lim . x−→0 x lim a > 0. c Zbog toga je ex − 1 t lim = lim = 1. x−→0 x Iz Teorema 6. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1.ˇ 6. x−→0 x lim i ax − 1 = ln a.17 x−→+∞ 233 lim 1+ 1 x x = e. a ∈ R.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. x Oznaˇimo sada ex − 1 sa t. Dakle .

♣ x−→c Teoremi 6.13.2 6.16. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. g : R −→ R. x−→c x−→c 4. 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). c 6. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).234 ˇ POGLAVLJE 6. x−→c c 3. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).2. 6. 6. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. x−→c x−→c 2. .17.18 i temeljni limesi iz toˇke 6. Tada 1.1.7 su nam dovoljni za c raˇunanje gotovo svih limesa.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi.

No uvrstimo li ∆t = 0 u gornju formulu. Dakle. b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. a t vrijeme za koje smo preˇli taj put. dobivamo neodredeni izraz tipa 0 . 0 moramo promatrati limes. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima. b). dobivamo s v= 50 km = 100 . b = t0 + ∆t. s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. Trenutna brzina. c .♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine.6. 0. t0 + ∆t]. Ideja je koristiti ono ˇto znamo. Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . Dana je formulom c v= s(b) − s(a) . 15 minuta nakon polaska. ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. za razliku od prosjeˇne.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata. Uzmimo a = t0 . t gdje je s prijedeni put. tj. Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . z c zahtijeva podrobnije razmatranje. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . s(t0 + ∆t) − s(t0 ) v= . DERIVACIJA FUNKCIJE 235 Primjer 6. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a.2. Kretanje je promjena poloˇaja u vremenu.5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. tj. ∆t ˇ Sto je ∆t manji.

236 ˇ POGLAVLJE 6.001) − y(1) .3: Ovisnost visine projektila o vremenu.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. c ∆y = tg α. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. a to je jednako koeficijent smjera te sekante. Dakle. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . prosjeˇna brzina odgovara koeficijentu smjera sekante. Op´enito. prosjeˇna brzina projektila u vremenskom intervalu [t0 . UVOD U DIFERENCIJALNI RACUN Primjer 6. y(t0 )) i c ∆t (t0 +∆t. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . y(t0 +∆t)) zatvara s osi x. ∆t . Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . 1.

Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . c Primjer 6.♠ 6.6.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. f : I −→ R.4: Sekante i tangenta.2. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 . Ako postoji z c f (x0 + ∆x) − f (x0 ) . x0 ∈ I. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.2.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. tj.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . c mjeri brzinu promjene veliˇine c Definicija 6.

238 ˇ POGLAVLJE 6. Dakle je c f (x) = lim f (x + ∆x) − f (x) . Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Derivacija funkcije f (x) = kx + l je f (x) = k. Dakle brzina promjene linearne funkcije je konstanta. c c koji se oznaˇava sa f (x0 ). koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). . c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. l ∈ R.♠ ∆x−→0 ∆x 6.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.6 Uoˇimo bitnu razliku.2. f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k. Derivacija funkcije f u toˇki x0 je broj. c z Primjer 6. ∆x−→0 ∆x Napomena 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. za proizvoljne k. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija.15 Pogledajmo sljede´e primjere: c 1.

∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x.16 Derivacija funkcije f (x) = sin x je f (x) = cos x.6.♠ . funkcija f (x) = l je konstanta. s c 2.2. a c iz gornjeg raˇuna imamo da je c f (x) = 0. Dakle je promjena brzine konstantne funkcije nula. Derivacija funkcije f (x) = x2 je f (x) = 2x.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. f (x) = lim lim f (x + ∆x) − f (x) (x + ∆x)2 − x2 = lim = ∆x−→0 ∆x−→0 ∆x ∆x x2 + 2x∆x + ∆x2 − x2 = lim (2x + ∆x) = 2x. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0. ˇto smo i oˇekivali. tj. f (x + ∆x) − f (x) = ∆x−→0 ∆x f (x) = lim lim sin(x + ∆x) − sin x sin x cos ∆x + cos x sin ∆x − sin x = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim sin x(cos ∆x − 1) sin ∆x cos x + lim = ∆x−→0 ∆x ∆x cos ∆x − 1 sin ∆x + cos x lim .

∆x Lagano se vidi da je M = 1 i L = −1. tj.17 1. odnosno da je tangenta pravac koji raste. Dakle iz Teorema 6.4) ustvari limes funkcije f (x + ∆x) − f (x) . M= ∆x−→0− lim . ne postoji f (0). UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. problem postoc janja limesa. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. U toˇkama gdje je f (x) = 0. funkcija pada c c na tom intervalu. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. problem razliˇitih vrijednosti s lijeva i zdesna.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. Takve toˇke zovemo stacionarne toˇke.. problem konaˇnosti c c limesa. To su npr. ako je f (x) < 0 na nekom intervalu.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. tangenta je paralelna s osi x.240 ˇ POGLAVLJE 6.2. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . Primjer 6. Tu funkcija niti raste c niti pada. c c 6. problem rubova domene. Sliˇno.

Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 . Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). ∆x ∆x−→0 dakle ne postoji f (0).1. √ 3 241 x nije derivabilna u x0 = 0.7 imamo da je c lim √ 3 1 = +∞. c x0 ∈ I ⊆ D(f ). DERIVACIJA FUNKCIJE 2. 3.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.2.7 imamo da je c lim √ 3 1 ∆x2 = +∞.1. ∆x ∆x−→0 . Funkcija f : R −→ R dana formulom f (x) = x0 = 0. Tada je f i neprekidna u x0 .6. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ . 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. ∆x−→0 dakle ne postoji f (0). dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.♠ Teorem 6.

Sve tri funkcije iz Primjera 6. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . I ⊆ D(g).19 op´enito ne vrijedi.12 zakljuˇujemo da je funkcija g neprekidna u x0 . f · g i f g (tamo gdje je definirana. (f (x) ± g(x)) = f (x) ± g (x) 2. ∆x−→0 ∆x ∆x . Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). za one x ∈ I za koje je g(x) = 0). tj. ali vidjeli smo da nisu derivabilne. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). ∆x f (x0 ).♣ Obrat Teorema 6. Derivacija zbroja.242 ˇ POGLAVLJE 6. razlike. g 2 (x) Dokaz: 1. ∆x = 0 . (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. produkta i kvocijenta funkcija Teorem 6. Nadalje.12 imamo da je f neprekidna u x0 . i vrijedi 1. Iz Teorema 6.20 Neka su funkcije f. Tada su na I derivabilne i funkcije f ± g. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. f (x) g(x) = f (x)g(x)−f (x)g (x) .17 su c neprekidne u nuli. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x).

tj. Izraˇunajmo prvo c 1 g(x) . po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) . odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). derivabilna na I i vrijedi (λf ) (x) = λf (x). tj.♣ . 3. za svaki x ∈ I. imamo g(x) · = 0.♣ g 2 (x) Napomena 6.19 imamo ∆x−→0 lim g(x + ∆x) = g(x).7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).6. Oˇito je D(g) = R. Tada je funkcija λf . Kako je g(x) · 1 g(x) = 1. ∆x−→0 ∆x−→0 Sada iz Teorema 6. g 2 (x) f (x) g(x) = 1 f (x) g(x) . gdje je λ ∈ R proizvoljan. po 1 pravilu derivacije produkta g (x) g(x) + g(x) 1 g(x) 1 g(x) Kako je f (x) g(x) = −g (x) .20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x). DERIVACIJA FUNKCIJE 2. f (x) g(x) f (x)g(x) − f (x)g (x) . Dakle 1 g(x) = 0. c dakle je po Teoremu 6. za svaki x ∈ I.2. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ.

Izraˇunajmo joˇ i (f ◦ g) . Primjera 6. f (x) ♣ . Sada primjenom Teorema 6. moˇe provesti samo ako je f (x) = 0. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. Dakle imamo f −1 (f (x)) = x. f (x) = sin x.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . odnosno (f −1 ) (f (x)) = 1 .244 ˇ POGLAVLJE 6.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x.15 i Primjera 6. naravno.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. Dakle. gdje je g(x) = x2 .22 Neka je funkcija f : R −→ R derivabilna na intervalu I. iz Teorema 6. x ∈ I ⊆ D(f ).18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . f (x) ∈ J ⊆ D(g). c Primjer 6.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. c −1 tj. z Teorem 6. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) = 0 na I i neka postoji f −1 . g = f . f (x) Ovo se. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 .21. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J.

10 imamo da je f (x) = lim e∆x − 1 = 1.21 i 6.8 Studentima se preporuˇuje da provjere donje formule samostalno.22 i derivacijama iz donje tablice.6. Iz Teorema 6. 2 x x je g (x) = Iz Primjera 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.19 Pogledajmo sljede´e primjere: c 1 1.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. Kako je (f ◦ g)(x) = x iz Teorema 6.20.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.20. Osnovne derivacije dajemo u sljede´oj tablici.21 i 6. .♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . DERIVACIJA FUNKCIJE Primjer 6. x 1 √ . 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. odnosno 1 g (x) = √ . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . odnosno g (x) = 2. Derivacija funkcije g(x) = √ 1 . i vrijedi (f ◦ g)(x) = x. 6. ∆x−→0 ∆x lim dakle je f (x) = ex . c Napomena 6. Derivacija funkcije g(x) = ln x je g (x) = x .2. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.

no to je ponekad teˇko izraˇunati. f (x0 )) biti dosta mala.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. Jasno je da je ∆x = tg α. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s .1: Derivacije elementarnih funkcija 6. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 .5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x.2. gdje je α kut izmedu tangente funkcije f u toˇki (x0 . f (x0 )) i osi x. odnosno ∆f = tg α∆x . c tj. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). f (x0 )) s c c ∆f apscisom x0 + ∆x. UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6. Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 .

♣ c . Dakle. DERIVACIJA FUNKCIJE 247 ∆x. y f(x) α 0 x0 x 0+ ∆ x x Slika 6. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 .23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). c Teorem 6.2. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 .5: Diferencijal funkcije. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. jednadˇba tangente u c z toˇki (x0 . f (x0 )). Tada od svih polinoma stupnja najviˇe jedan.5). onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ).6. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.1. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.

Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. dakle je f (0) = cos 0 = 1.23). Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .16 znamo da je f (x) = cos x. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x.5 -1 0.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.5 1 1. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Iz Primjera 6. Dakle.248 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.♠ s s c . to su razlike ordinata na grafu i na tangenti male za istu apscisu. c Primjer 6. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”.5 2 Slika 6.

Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ .6.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. odnosno 2 = (1 + r)t . imamo f (r) ≈ f (0) + f (0)(r − 0) = r. DERIVACIJA FUNKCIJE 249 Primjer 6. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . gdje je G glavnica. Imamo 2G = G(1 + r)t . ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0.♠ c s . odnosno f (0) = 1. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . f (r) = 1+r . 1 Kako je f (0) = 0.2.

250

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN √ 1 + x u toˇki c

Primjer 6.22 Pronadimo lokalnu linearizaciju funkcije f (x) = x0 = 0. Kako je f (0) = 1, f (x) =
√1 2 1+x

odnosno f (0) =

1 2

imamo

x f (x) ≈ f (0) + f (0)(x − 0) = 1 + . 2 Dakle je √ 1+x≈1+ x 2

na dovoljno maloj okolini oko toˇke x0 = 0.♠ c

6.2.6

Derivacije viˇeg reda s

Ponekad je bitno znati i brzinu promjene brzine promjene. Npr., ubrzanje ili akceleracija je brzina promjene brzine, dakle derivacija brzine. Kako je sama brzina derivacija puta po vremenu imamo da je ubrzanje derivacija (po vremenu) derivacije puta po vremenu. To je druga derivacija puta po vremenu. To nas vodi do op´e definicije. c Ako je funkcija f derivabilna u svakoj toˇki otvorenog intervala I ⊆ D(f ), c onda iz toˇke 6.2.3 znamo da je dobro definirana funkcija c x −→ f (x), za svaki x ∈ I. Sada ako u toˇki x0 ∈ I postoji limes c f (x0 + ∆x) − f (x0 ) , ∆x−→0 ∆x lim kaˇemo da funkcija f ima drugu derivaciju u toˇki x0 i piˇemo z c s f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . ∆x−→0 ∆x

Gornjim je izrazom definirano preslikavanje x0 −→ f (x0 ). Dakle, ako je to pridruˇivanje definirano u svakoj toˇki nekog intervala J ⊆ z c D(f ) = I, onda se funkcija x −→ f (x)

6.2. DERIVACIJA FUNKCIJE oznaˇava s f i zove druga derivacija funkcije f (na J). Dakle, vrijedi c f (x) = [f (x)] , za svaki x ∈ J. Analogno se definiraju i derivacije viˇeg reda: s f (x), i vrijedi f (n) (x) = [f (n−1) (x)] , f IV (x), . . . , f (n) (x),

251

za svaki n ∈ N. Geometrijska interpretacija predznaka i iznosa prve derivacije je nagib i strmina tangente. Geometrijska interpretacija predznaka druge derivacije vezana je uz konveksnost i konkavnost grafa funkcije, a njezinog iznosa uz zakrivljenost grafa. (Graf linearne funkcije je pravac. Druga derivacija linerane funkcije je identiˇki jednaka nuli, tj. pravac se ne zakrivljuje. Odatle ideja da se druga c derivacija veˇe uz zakrivljenost. Odnos nije jednostavan, zakrivljenost funkcije f z u toˇki x je dana s c |f (x)| κ(x) = , (1 + [f (x)]2 )3 gdje je ρ(x) = 1 κ(x)

polumjer kruˇnice koja se od svih mogu´ih kruˇnica najbolje priljubljuje uz graf z c z funkcije f u toˇki (x, f (x)). O tome ´e biti viˇe rijeˇi u Matematici II.) c c s c Pozitivnost druge derivacije znaˇi rast prve derivacije; negativnost druge c derivacije znaˇi pad prve derivacije. Dakle, ako je (u nekoj toˇki) (na nekom c c intervalu) f (x) > 0 to znaˇi da koeficijent smjera tangente na graf funkcije c f raste kad idemo tim intervalom s lijeva na desno. Kaˇemo da je funkcija f z konveksna na tom intervalu. Ako je f (x) < 0 na intervalu, koeficijent smjera tangente pada s lijeva na desno. Takve funkcije zovemo konkavnima (na promatranom intervalu). Pojmovi konveksnosti i konkavnosti imaju smisla i u toˇki, tj. funkcija f je konc veksna u x0 ako je f (x0 ) > 0, a konkavna u x0 ako je f (x0 ) < 0. Toˇke u kojima se f (x) poniˇtava i mijenja predznak su zanimljive jer se u c s

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

Slika 6.7: Konveksna (lijevo) i konkavna (desno) glatka funkcija. njima graf funkcije ponaˇa vrlo sliˇno tangenti, tj. ravan je (lokalno) i prelazi s s c jedne strane tangente na drugu. Takve toˇke se zovu toˇke prijevoja ili toˇke c c c infleksije. To su toˇke prijelaza iz konveksnosti u konkavnost i obratno. U tim c toˇkama funkcija najbrˇe odnosno najsporije raste odnosno pada. c z Primjer 6.23 Funkcija f : R −→ R dana formulom f (x) = x3 ima toˇku c infleksije u x0 = 0. Oˇito je f (x) = 3x2 , odnosno f (x) = 6x. Dakle je f (x) = 0 ako i samo c ako je x = x0 = 0. Nadalje je f (x) > 0 za x > 0 i f (x) < 0 za x < 0, tj. f je konveksna na 0, +∞ i konkavna na −∞, 0 . Dakle x0 = 0 je toˇka c infleksije.♠

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

Vidjeli smo da je neprekidnost funkcije u toˇki i na intervalu svojstvo koje je c ˇ nuˇno za postojanje derivacije u toˇki (na intervalu) (Teorem 6.19). Zelimo li z c raditi s derivacijama viˇeg reda, ne samo funkcija, nego i njene derivacije moraju s biti neprekidne. Funkcija f : I −→ R je klase C 1 (I) ako ima prvu derivaciju na I i ako je ta prva derivacija neprekidna na I. Sliˇno, funkcija f je klase C k (I) ako ima sve c derivacije do ukljuˇivo reda k na I i ako je f (k) neprekidna na I. c Za funkcije neprekidne na I kaˇemo da su klase C 0 (I) ili samo C(I). Ako funkcija z ima neprekidne derivacije bilo kojeg reda, kao npr. f (x) = ex , f (x) = sin x na

6.2. DERIVACIJA FUNKCIJE R, kaˇemo da su klase C ∞ (I). z Za funkcije iz C 1 (I), C 2 (I),...,C ∞ (I) kaˇemo joˇ da su glatke. z s

253

Napomena 6.9 Iz Teorema 6.1, Teorema 6.20 i Napomene 6.7 direktno slijedi da su skupovi ˇ C 0 (I), C 1 (I), ... i C ∞ (I) realni vektorski prostori. Stoviˇe, to su podprostori realnog veks torskog prostora svih funkcija f : I −→ R (Napomena 5.13). Beskonaˇnodimenzionalni su, jer c 2 n npr. skup {1, x, x , ..., x } je linearno nezavisan za svaki n ∈ N (Teorem 5.3), i svaka funkcija iz tog skupa ima derivaciju svakog reda na I. Dakle beskonaˇni skup {xn : n = 0, 1, ...} se c nalazi u nekoj bazi svakog od tih vektorskih prostora.

Napomena 6.10 Vrijedi C 0 (I) ⊃ C 1 (I) ⊃ C 2 (I) ⊃ ... ⊃ C ∞ (I).
Dokaz: Oˇito vrijedi c C 0 (I) ⊇ C 1 (I) ⊇ C 2 (I) ⊇ ... ⊇ C ∞ (I), jer ako je npr. funkcija klase n + 1, onda ona mora biti i klase n, n = 0, 1, .... Iz Primjera 6.17 znamo da za funkciju danu formulom f (x) = |x| vrijedi f ∈ C 1 (I) na intervalu / I oko nule, ali oˇito je da je f ∈ C 0 (I), dakle je C 0 (I) ⊃ C 1 (I). c Definirajmo funkciju f : R −→ R formulom f= 1, − 1 − (x − 1)2 + 2, x≤1 . 1<x≤2

y

1

0

1

x

Slika 6.8: Funkcija ˇija druga derivacija nije neprekidna. c
Kako je
x−→1

lim f (x) = 1 = f (1)

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

iz Teorema 6.12 zakljuˇujemo da je f neprekidna na D(f ) = −∞, 2 . Kako je c f (x) = i
x−→1

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

lim f (x) = 0 = f (1)

imamo da je f neprekidna na −∞, 2 , dakle je f ∈ C 1 −∞, 2 . Pogledajmo drugu dervaciju od f . Imamo 0, x≤1 . f (x) = √ 1 , 1<x≤2 3
(x(2−x))

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

zakljuˇujemo da f nije neprekidna u x = 1, ima skok s 0 na 1. Dakle f c odnosno je C 1 −∞, 2 ⊃ C 2 −∞, 2 .♣

Ovaj je primjer zanimljiv jer pokazuje da pri prijelazu s ravnog komada na kruˇni z luk dolazi do skoka druge derivacije. Kako je fizikalna interpretacija druge derivacije ubrzanje to znaˇi da tu dolazi do skoka sile. To je razlog zaˇto se c s kod cesta i pruga takvi prijelazi ne rade. √ Op´enito se stroga inkluzija dokazuje promatranjem funkcije f (x) = xn x c na [0, +∞ . Teorem 6.24 (Fermatova lema-nuˇan uvjet ekstrema) Neka je f : I −→ z 1 R klase C (I) i neka f ima lokalni ekstrem u toˇki x0 ∈ I. Tada je f (x0 ) = 0.♣ c

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

Geometrijska interpretacija Teorema 6.24 je da u toˇki lokalnog ekstrema glatke c funkcije tangenta mora biti paralelna s x osi. To vrijedi i za lokalne minimume i maksimume. Napomena 6.11 Primijetimo: 1. Uvjet f ∈ C 1 (I) iz Teorema 6.24 je bitan. Jasno je da funkcija f (x) = |x − 1| ima lokalni (ˇak i globalni) ekstrem u x = 1, no iz Primjera 6.16 c znamo da f (1) ne postoji, pa se ne moˇe niti poniˇtavati. z s 2. Uvjet f (x0 ) = 0 nije i dovoljan da bi funkcija f ∈ C 1 (I) imala u x0 ∈ I lokalni ekstrem. Za funkciju f (x) = x3 vrijedi f (0) = 0, ali znamo da ona strogo raste na R, dakle ne moˇe imati ekstreme. z
y

f(x)

0

x

Slika 6.10: Glatkost funkcije je nuˇna u Fermatovoj lemi. z Teorem 6.25 (Rolleov teorem) Neka je f : I −→ R klase C 1 (I) i neka je f (a) = f (b) = 0 za neke a, b ∈ I, a < b. Tada postoji x0 ∈ a, b takav da je f (x0 ) = 0.
Dokaz: Kako je funkcija f neprekidna na segmentu [a, b] prema Teoremu 6.6 funkcija f poprima svoj minimum m i maksimum M na [a, b], tj. postoje toˇke x1 , x2 ∈ [a, b] za koje je f (x1 ) = m c i f (x2 ) = M . Ako je m = M onda je f konstantna na [a, b], tj. je f (x) = 0, za svaki x ∈ (a, b). Dakle u tom sluˇaju svaki x0 ∈ (a, b) zadovoljava tvrdnju teorema. c Ako je m < M , onda je barem jedan od brojeva m i M razliˇit od nule. Pretpostavimo da je c

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

M = 0. Kako je f (a) = f (b) = 0 i f (x2 ) = M to je x2 = a i x2 = b. Dakle je toˇka x2 c unutarnja toˇka segmenta [a, b]. c Kako je f diferencijabilna u toˇki x2 i ima maksimum u x2 iz Teorema 6.24 imamo da je c f (x2 ) = 0. Analogno se dokaˇe kada je m = 0.♣ z

Teorem 6.25 kaˇe da ako imamo neprekidno diferencijabilnu funkciju na I koja z se poniˇtava u dvjema toˇkama iz I, onda u barem jednoj toˇki izmedu tih dviju s c c toˇaka funkcija ima lokalni ekstrem. c
y

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

Napomena 6.12 Primijetimo da je Teorem 6.25 u stvari Teorem 6.4 primijenjen na funkciju f . Kako je prva derivacija funkcije u toˇki koeficijent smjera c tangente, odnosno, daje nam informaciju o rastu i padu funkcije u toˇki, jasno c je da kada funkcija f ide iz nultoˇke (a, 0) prema sljede´oj nultoˇki tada ako c c c raste (pada) zbog neprekidnosti mora padati (rasti) pri dolasku u tu sljede´u c nultoˇku. Dakle postoje toˇke x1 , x2 ∈ [a, b] za koje je f (x1 ) > 0 (f (x1 ) < 0) c c i f (x2 ) < 0 (f (x2 ) > 0), odnosno je f (x1 )f (x2 ) < 0, pa po Teoremu 6.4 postoji x0 ∈ [x1 , x2 ] za koju je f (x0 ) = 0. Na slici 6.11 je prikazana najjednostavnija situacija kad izmedu a i b nema drugih nultoˇaka. c Teorem 6.26 (Lagrangeov teorem srednje vrijednosti) Neka je f ∈ C 1 (I). Tada za sve a < b, a, b ∈ I, postoji x ∈ a, b takav da je f (b) − f (a) = f (x )(b − a).

f (b)). f (a)) i (b. b u kojoj je tangenta paralelna s tom sekantom. b−a f (b) − f (a) (x − a). c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6.♣ f (b) − f (a) . Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). proizvoljne. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). postoji x ∈ a. b ∈ I. f (b)) z c postoji toˇka x ∈ a. tj.25. b−a y f(x) 0 a x0 b x Slika 6. a < b. tj. c . Neka je L pravac kroz toˇke (a. b za koju je F (x ) = 0. b−a onda Teorem 6.26 kaˇe da za svaku sekantu kroz toˇke (a.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.6. Napomena 6.13 Primijetimo: 1. f (a)) i (b.2. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.

0 x>1 oˇito f ima prekid u x = 1.26 je bitan. y f(x) 0 a b x Slika 6.12.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. Kako je f (x) = 3. pa je. b−a ali ne postoji x ∈ 0. x ≤ 1 . . oˇito je c x−→1 lim f (x) = 3 = f (1). UVOD U DIFERENCIJALNI RACUN 2. x ≤ 1 f (x) = 3 x > 1. x za koji je f (x) − f (a) = f (x ).258 ˇ POGLAVLJE 6. Ako je dana funkcija f : R −→ R formulom 3x. po Teoremu 6. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a).13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. z Iz Teorema 6. Uvjet f ∈ C 1 (I) iz Teorema 6. 2 za koji je f (x ) = 1. f neprekidna na R. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R).

poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . tj.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. c Usporedimo to s lokalnom linearizacijom (toˇka 6.5).. i ne znamo ga toˇno.2. Koliko je ta aproksimcija dobra? Odnosno.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. ali ne znamo za koji x . Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +. no u nekoj toˇki sigurno je. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.14 Za n = 0 Teorem 6. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6.+ (x−x0 )n + (x−x0 )n+1 . f (a)) i (x. imamo toˇan izraz. tj. Sastoji se od Taylorovog polinoma n-tog stupnja n Tn (x) = i=0 f (i) (x0 ) (x − x0 )i i! i ostatka Rn (x) = f (n+1) (cx ) (x (n+1)! − x0 )n+1 . Teorem 6.26. f (x)). .2. S druge strane.6. poznavaju´i vric c jednosti viˇih derivacija u x0 . imamo c pribliˇni izraz.27 je baˇ Lagrangeov teorem srednje s vrijednosti. iz Teorema 6.♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula. Napomena 6. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. tj.. tj.

dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0.. T1 (x) = f (0) + f (0)x = x. 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − .260 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 .. s Primjer 6.24 Neka je dana funcija f (x) = sin x. 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . 2! f (cx ) (x − x0 )2 2 predstavlja greˇku lokalne linearizacije s R2 (x) = f (x) ≈ f (x0 ) + f (x0 )(x − x0 ) funkcije f u okolini toˇke x0 . Dakle. Sliˇno kao i Teorem 6. .. f (x0 )) od svih c polinoma danog stupnja. Dakle.. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa.23. 2! . x2 = x. Aproksimacija je dobra lokalno. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|.♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N.

DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .2.. .28 Neka je f ∈ C 1 (I) za neki interval I. dakle nisu jako c dobri za numeriku. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f .1). ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f ..15 Taylorovi redovi obiˇno sporo konvergiraju. n! ∞ sin x = n=0 (−1)n x2n+1 .3. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).2. Moˇe se pokazati da su funkcije ex .6. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . 6.. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . odnosno konvergirati nekoj z (x drugoj funkciji.. (2n)! Napomena 6. tj. sin x. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6.

Medutim. dakle z funkcija f raste na I. Dokaz: c 1. Jedan smjer bismo mogli dokazati. Obratno.24 smo vidjeli da. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. lim x2 = 0). ∆x Primjer 6. Neka je f ∈ C 1 (I) rastu´a funkcija na I. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). Tada. Ovaj smjer se dokazuje analogno kao u Teoremu 6.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. x−→0 U Teoremu 6. Kako je desna strana gornje jednadˇbe nenegativna. po Teoremu 6. onda je f (x0 ) = 0. 2. pa je f (x) = lim za svaki x ∈ I. Dakle ne vrijedi f (x) > 0 na R. Limes nenegativne funkcije mora i sam biti nenegativan.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. . Dokaz ide na sliˇan naˇin. jer se c s c medu njima nalaze potencijalni ekstremi. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. za svaki x ∈ I.26.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. 2.26 postoji x ∈ (x. ∆x za svaki x ∈ I. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. za svaki x ∈ I. obratna tvrdnja ne mora vrijediti. to je i lijeva strana takva. onda funkcija strogo raste (pada) na I. UVOD U DIFERENCIJALNI RACUN 1.♠ Iz Primjera 6.11 imamo da obrat ne vrijedi. pa je f (x + ∆x) − f (x) ≥ 0.25 zakljuˇujemo da u Teoremu 6. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr.262 ˇ POGLAVLJE 6.28 primjenom Teorema 6. Iz Napomene 6. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x).

imati s c z lokalni ekstrem.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I.6. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. Ako derivacija s c ne mijenja predznak. c Kao ˇto smo rekli. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. Teorem 6. DERIVACIJA FUNKCIJE 263 Definicija 6.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 .4. onda u x0 funkcija f ima lokalni maksimum. da je barem f ∈ C 2 (I)).2.1. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 .5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. kaˇemo da je f konkavna na I. x2 ∈ I. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. ali i ne mora. jer konveksnost i konkavnost ovise o predznaku druge derivacije. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 .28. x2 ∈ I. 2 za sve x1 . a s druge pada (raste)).♣ c Konveksnost. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). Definicija 6. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. c Dakle. Teorema 6. Dokaz: Izravno iz toˇke 5. onda u x0 funkcija f ima lokalni minimum. .24. u stacionarnoj toˇki funkcija moˇe. Teorema 6.

Ako je f (x0 ) > 0. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. f (x2 )).31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I).3). f (x1 )) i (x2 . 2.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Teorem 6. a konkavna ako je za sve x1 . Primijenimo li Teorem 6. 2. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . c 2. za svaki x ∈ I. c 1. funkcija f ima u x0 ∈ I lokalni minimum. funkcija f ima u x0 ∈ I lokalni maksimum.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). iz Teorema 6.31. Dokaz ide na sliˇan naˇin.30 Neka je f : I −→ R klase C 2 (I). 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. Onda ´e i toˇka cx iz Teorema 6. za svaki x ∈ I. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. c . Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. jer c c se nalazi izmedu x0 i x. Dakle je f (cx ) > 0. c c Dakle. Uzmimo x proizvoljan iz te okoline.27 biti iz te okoline. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ).264 ˇ POGLAVLJE 6. Npr. Dokaz: 1. izmedu x1 . Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Ako je f (x0 ) < 0.♣ Teorem 6. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. 1. konveksnost i konkavnost su odredene predznakom druge derivacije. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . x2 ∈ I graf konveksne funkcije je ispod.27 za sluˇaj c n = 1. Zbog neprekidnosti druge c derivacije. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. UVOD U DIFERENCIJALNI RACUN Definicija 6. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . ali je f (0) = 0.

Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f .7 Neka je f : I −→ R i c ∈ I. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. c Teorem 6. c c Kaˇe se joˇ da je toˇka (c. ∞ . c + δ strogo konkavna ili je na c − δ. g (x) onda je i x−→x0 lim f (x) = L. x ∈ I. c strogo konveksna i na c. Ako je c ∈ I toˇka infleksije od f .L’Hospitalovo pravilo c Teorem 6. c strogo konkavna i na c. 0 i f (x) > 0 za x ∈ 0. Tada iz Teorema 6. Onda je c toˇka infleksije od f . ∞ . Ako je g (x) = 0 za svaki x = x0 . Neka postoji δ > 0 takav da je funkcija f na c − δ. moˇda. neka je f na c − δ. c + δ). pa je po Teoremu 6. c Dokaz: Izravno iz Definicije 6.24 f (c) = 0.7. u x0 ∈ I. z s c c Teorem 6. Dakle je konveksna na −∞. 0 i 0. f ima lokalni maksimum u c.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. x ∈ I. c + δ strogo c konkavna za neki δ > 0.♣ Uvjet f (c) = 0 iz Teorema 6. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0.♣ Raˇunanje limesa .2. onda je c f (c) = 0. c + δ strogo konveksna. Dokaz: Bez smanjenja op´enitosti. ali je f (x) > 0 za x ∈ −∞. Npr. c strogo konveksna i na c.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 .30 imamo da funkcija f raste na (c − δ.34 Neka su f i g derivabilne funkcije na I osim. DERIVACIJA FUNKCIJE 265 Definicija 6.32 Neka je f ∈ C 2 (I). Dakle.6. Iz Teorema 6. c) i pada na (c. z Neka je lim f (x) = lim g(x) = 0.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. f (c)) toˇka infleksije grafa funkcije f . pa x = 0 ne moˇe biti z toˇka infleksije.

34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. analogno kao u dokazu Teorema 6. g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . .12). . . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. Tada. po g (x0 ) = 0.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . c Dakle. . g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki. f (x0 ) = 0. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 .♣ g (x) f g Na Teorem 6. c Napomena 6. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). .266 i ˇ POGLAVLJE 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. g (n) (x0 ) = 0.16 Neka su funkcije f. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 .12) i iz Teorema 6. Znamo da je c tg α1 = f1 (x0 ). tg α2 = f2 (x0 ).27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . f (n) (x0 ) = 0. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. iz Teorema 6. g (n+1) (x0 ) = 0. g(x0 ) = 0. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . . g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.34.

17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . Iz toˇke 2.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 .14: Kut izmedu dviju krivulja. onda je i tg α = 0 . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. a > 0. dakle je f1 (x0 ) = f2 (x0 ). tj.2.2. 1 + f1 (x0 )f2 (x0 ) Napomena 6. z c c Primjer 6. x a + x2 = f2 (x). To znaˇi da u c toˇki (x0 . odnosno ako i samo ako je tg α = ∞. Ako je α = 0. .6. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. c c pa moˇemo re´i da se diraju u toj toˇki.

. 2 Dakle.. = −1. z x4 + ax2 − a2 = 0.♠ . okomite su za svaki a > 0).268 ˇ POGLAVLJE 6. f1 i f2 su okomite u toˇki x0 . UVOD U DIFERENCIJALNI RACUN Nadimo presjeciˇte krivulja f1 i f2 . odnosno sve krivulje f1 (x) i f2 (x) su c medusobno okomite (tj. Uzimaju´i pozitivno rjeˇenje jednadˇbe s c s z √ x =a imamo za apscisu toˇke presjeka c √ x0 = Deriviraju´i f1 i f2 po x dobivamo c f1 (x) = − Nadalje je f1 (x0 )f2 (x0 ) = −a x0 a + x2 0 = . nadimo rjeˇenje jednadˇbe f1 (x) = f2 (x). Supstitucijom x2 = u dobivamo u2 + au − a2 = 0. a odatle je u=a √ 5−1 2 (drugo rjeˇenje je negativno). a . 2 2 5−1 . tj. x2 f2 (x) = √ x . a + x2 a 5−1 . tj. s s z Iz a √ = a + x2 x kvadriranjem dolazimo do bikvadratne jednadˇbe po x.

c Iz geometrijskih i praktiˇnih razloga je jasno da uz svaki vrh treba izrezat kvadratni c komad i da duljina stranice tog komada treba biti ista za sve vrhove. Postupak je. u izvjesnom smislu. Postupak: 1. Ispitati parnost. c Primjer 6. 7. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. .27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Odrediti domenu funkcije (prirodno podruˇje definicije). periodiˇnost.2. Ispitati ponaˇanje na rubovima domene (asimptote). 3. z s c s c Praktiˇni ekstremalni problemi c Diferencijalni nam raˇun daje efikasan i gotovo mehaniˇki naˇin odredivanja ekc c c strema u raznim praktiˇnim problemima. konkavnosti i toˇke infleksije. Prona´i intervale konveksnosti. Prona´i stacionarne toˇke. c c 4. Odrediti intervale monotonosti i lokalne ekstreme. c c z 8. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. samokorigiraju´i. s 5. neparnost. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. Oznaˇimo c li tu duljinu s x. c c 2. c c 6. to upu´uje na pogreˇku u raˇunu. Sloˇiti sve dobivene podatke u graf funkcije.6. Nadalje je V (x) = (a − 2x)(a − 6x).

dakle u stotinama metara. Maksimalni c 2 volumen je 2 a = a3 . Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. UVOD U DIFERENCIJALNI RACUN x a x Slika 6. Druga oˇito nema smisla u danom kontekstu.270 ˇ POGLAVLJE 6. Iz P = xy = 1 slijedi da je y = x . Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x . Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = .) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1. c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. 6 a x2 = .♠ V 6 27 Primjer 6.15: Kako napraviti kutiju najve´eg volumena?.28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. dakle funkcija V (x) prelazi iz rasta u pad. 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. a za c c prvu se lako provjeri da je u njoj lokalni minimum. .

minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . doduˇe. 1 Nadalje. slijedi da je x + x ≥ 1. pozvali smo se na rezultat koji. z c Usporedimo sada ova dva pristupa. za x = 1. Poznato je da je aritmetiˇka sredina dviju c c c pozitivnih veliˇina uvijek ve´a ili jednaka od njihove geometrijske sredine (AG c c nejednakost). U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. U drugom pristupu. no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x .6. koji je elegantniji.♠ s z c . z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. je dio matematiˇke op´e kulture.2. a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake. tj.

.

.. odgovor je jednostavan . 1. Kako odrediti funkciju (nepoznatu) za koju nam je u svakoj toˇki poznat koeficijent smjera tangente na njen graf? c Iz gornjih primjera vidimo da postoji potreba za operacijom ili postupkom koji ´e ”poniˇtavati” uˇinak deriviranja. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina.. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. ∞. 2. ∞.Poglavlje 7 Uvod u integralni raˇun c 7...treba ih samo mnoˇiti c z vremenom. c s z Ako su te veliˇine konstantne.. .. . Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I). 2. za n godina bit ´e ih za n·100 viˇe nego danas. Iz z Napomene 6. Npr. v = v(t)? Ili prirast populacije nije konstantan. Dakle je funkcija z 273 . n = 0.1 7.1.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. n = 0. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. 1.9 znamo da su skupovi C n (I).

UVOD U INTEGRALNI RACUN deriviranja operator. Odatle slijedi vaˇno svojstvo primitivnih funkcija. a onda pogledajmo kada postoje i koja su im svojstva.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6.1 Neka je f neprekidna funkcija na I ⊆ R. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. da je x primitivna funkcija funkcije x. Uvedimo prvo ime za takve funkcije.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije.20 i Napomene 6. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. . iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x). Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.274 ˇ POGLAVLJE 7.2. Stoviˇe. Zanima nas. Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). linearan operator koji mu je inverzan. itd.7 izravno slijedi da je operator deriviranja linearan. C ∈ R. jer je derivacija svake konstante jednaka nuli. ako postoji. Definicija 7. Iz Teorema 6. Teorem 7. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. c Primjerice.

1. dx pokazuje po ˇemu se integrira. s To nije toˇno inverz od derivacije. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. 275 Dakle imamo prvu tvrdnju. a to je upravo druga tvrdnja teorema. H je konstantna funkcija. gdje je c neka toˇka izmedu x i x0 . NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. f (x) je integrand. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6.7.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). Interpretirajmo elemente ove formule: je znak integrala. c F (x) je primitivna funkcija funkcije f (x). Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). Piˇemo s f (x)dx = F (x) + C. tj.1.4). Ostale raˇunamo koriste´i svojstva c c c . dolazi od S kao suma.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. slijedi H(x) = H(x0 ) za svaki x ∈ I.2. C ∈ R je konstanta integracije. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . koji je po Teoremu 7.♣ 7. ˇalje c s u f.1 beskonaˇan. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6.

Oˇito je. Oˇito je. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.20 i Napomena 6. F ± G primitivna funkcija funkcije f ± g.7).276 ˇ POGLAVLJE 7. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom.♣ . (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. cF c primitivna funkcija funkcije cf . z Teorem 7.♣ Napomena 7. c zbog linearnosti derivacije. Dokaz: Neka je F primitivna funkcija funkcije f .3 Vrijedi: 1. zbog linearnosti derivacije. Teorem 7. 2. f (x)dx. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. Neka je F primitivna funkcija funkcije f . 2.1 Iz Teorema 7. Za ostale operacije nema jednostavnih pravila. Dokaz: 1. Kako je imamo f (x)dx f (x)dx = F (x) + C. UVOD U INTEGRALNI RACUN neodredenog integrala. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. = (F (x) + C) = F (x) = f (x). Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx.2 f (x)dx = f (x).

c c koriste´i pravila i tablicu derivacija (toˇka 6.2. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.1 Pogledajmo sljede´e primjere: c . Tako moˇemo integrirati polinome i jednostavnije racionalne.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Primjer 7. S druge strane. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. eksponencijalne i z trigonometrijske funkcije.2) i svojstva iz Teoc c rema 7.1. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.4). Ako se i moˇe integrirati.1. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. c 7. tzv. tabliˇne integrale.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. izraˇunati derivaciju bilo koje c c c elementarne funkcije. c c z z to obiˇno nije lako.7. Najpoznatiji primjer je e−x dx.1.3.

pa je C = 1. Koriste´i Teorem 7. Koriste´i Teorem 7. Odredimo integral funkcije f (x) = x2 + sin x. i ˇiji graf prolazi kroz toˇku (1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. y 3 0 1 x Slika 7. Dakle je 3 = F (1) = 1 + 1 + C.♠ c . Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. 3 2. 3).3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. 3). Samo jedna prolazi toˇkom (1.278 ˇ POGLAVLJE 7. i to je x3 +x+1.2: Primitivne funkcije funkcije 3x2 + 1. Drugim rjeˇima. 3). Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. Traˇena funkcija je F (x) = x3 + x + 1. i one c 3 su oblika x +x+C. UVOD U INTEGRALNI RACUN 1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x).

5). deriviranjem sloˇenih funkcija. Koriste´i izraz za diferencijal (toˇka 6. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. a to znamo da je u2 2 sin x d(sin x).2. + C.1. Dakle je sin x cos x dx = 1 2 sin x + C. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). ovo moˇemo pisati kao c c z sin x d(sin x). z Primjer 7.2 Odredimo integral funkcije f (x) = sin x cos x.♠ 2 .3 i tabliˇne integrale. ne mogu integrirati produkti funkcija (osim c za polinome. ima jedan sluˇaj kad se c produkt funkcija lako integrira. tj.7. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. gornji se integral svodi na u du. op´enito. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. Ipak. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7.

♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. Primjer 7. moˇemo podintegralnu funkciju pisati kao z g(u)du. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. UVOD U INTEGRALNI RACUN U Primjeru 7. d(u(x)) = u (x)dx. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C. tj.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom.280 ˇ POGLAVLJE 7. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g.3 Odredimo integral funkcije f (x) = sin5 x cos x. . Zamjenom varijabli kao u Primjeru 7. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. a to je diferencijal od z u6 + C. Ako je G(u) primitivna funkcija od g(u).

5 Odredimo integral funkcije f (x) = 3x . −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije. f (ax + b)dx = f (u) du 1 = a a du = a dx 1 1 f (u)du = F (u) + C = F (ax + b) + C.4 Odredimo integral funkcije f (x) = tg x . Sada je du = 2x dx.♠ x2 .♠ u Napomena 7. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. kako iz integranda. tako i iz diferencijala. Primjer 7. imamo 3x dx = 3 x2 − 1 Da smo imali x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln |x2 − 1| + C.7. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. NEODREDENI INTEGRAL Primjer 7. u 2 2 du .1. pa je dx = Uvrstimo u integral. cos x i da je sin x derivacija od − cos x. a nije ni produkt. x2 −1 Uvedimo supstituciju u = x2 − 1. 281 sin Integral tg x dx nije tabliˇni. Dakle.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. 2x 1 dx. Manipuliramo malo izraz pod integralom kako bismo ga sveli na oblik pogodan za supstituciju: tg x dx = − sin x dx = cos x 1 sin x dx = − cos x 1 (− sin x )dx = cos x d(cos x) =− cos x du = − ln |u| + C = − ln | cos x| + C. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u.

. Napomena 7. Polazimo od formule za derivaciju produkta funkcija. tj.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx.♣ u (x)v(x)dx. zbog dv = v dx. Imamo produkt u kojem oba faktora znamo lako integrirati. v du + u dv.282 ˇ POGLAVLJE 7. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. v du. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. Koji od njih treba odabrati kao v? v du. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. a drugi se deriviranjen pojednostavnjuje.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I.6 Pogledajmo sljede´e primjere: c 1. (uv) = u v + v u. du = u dx. klase C 1 (I). Odredimo integral funkcije f (x) = x cos x.

Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. .7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. na prvi pogled. Sada je v = sin x. du = u dx = dx. v = x. v = cos x. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. Joˇ nismo izraˇunali polazni integral. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. nema proz z dukta u podintegralnoj funkciji. no sveli smo ga na jednostavniji ins c tegral xex dx. 2.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. s Parcijalnom se integracijom moˇemo posluˇiti i kad. v = ex . dv = v dx = cos x dx. tj. tj. Dobili smo integral koji je kompliciraniji od polaznog. Odredimo integral funkcije f (x) = x2 ex . Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. i u = x2 . NEODREDENI INTEGRAL 283 Stavimo u = x. dobivamo s xex dx = xex − Konaˇno. Dobivamo s x2 ex dx = x2 ex − 2 xex dx. c ˇto daje du = u dx = 2x dx i v = ex . c x2 ex dx = (x2 − 2x + 2)ex + C.1.7. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. Primijenimo li parcijalnu integraciju joˇ jednom. tj. du = − sin x dx.♠ Iz Primjera 7. Sada je v = x . c 2 dv = v dx = x dx. c Primjer 7.

Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . v = 1. ˇto daje du = u dx = s v = x.♠ 2 x dx .8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. Odredimo integral funkcije f (x) = sin2 x. Odredimo integral funkcije f (x) = ln x. x dx x i v = x. v = sin x. v = 1. i u = ln x. Stavimo dv = sin x dx. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. Stavimo dv = dx. sin2 x dx. Odredimo integral funkcije f (x) = arctg x . UVOD U INTEGRALNI RACUN 1. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7.5 imamo x dx 1 = ln(x2 + 1) + C. 2. tj. i u = arctg x .284 ˇ POGLAVLJE 7. tj. Stavimo dv = dx. tj. 1. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . i u = sin x. ˇto daje du = u dx = s cos x dx i v = − cos x.

pa je I= 1 sin2 x dx = (x − sin x cos x) + C. Odredimo integral funkcije f (x) = sinm x.♠ . NEODREDENI INTEGRAL − sin x cos x+ (1−sin2 x)dx = x−sin x cos x− Odatle je 2I = x − sin x cos x. m m Formula za Im je rekurzivna.7. Dobivamo Im = sinm x dx = sinm−1 x sin x dx = sinm−2 cos2 x dx = sinm−2 (1 − sin2 x)dx = − sinm−1 x cos x + (m − 1) − sinm−1 x cos x + (m − 1) − sinm−1 x cos x + (m − 1)Im−2 − (m − 1)Im . 2. i u = sinm−1 x. sinm x cosn x dx. daje nam Im u terminima integrala s niˇom potencijom funkcije sin x. sinm x dx.1. tj. Stavimo dv = sin x dx. Kako znamo I0 i I1 . c c Sliˇno se raˇunaju i integrali c c cosm x dx. nakon konaˇno z c mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za Im . Parcijalnom integracijom mogu se izvesti i rekurzivne formule. ˇto daje du = s m−2 u dx = (m − 1) sin x cos x dx i v = − cos x. 2 285 sin2 x dx = x−sin x cos x−I. v = sin x. Odatle je Im = − 1 m−1 sinm−1 x cos x + Im−2 . Oznaˇimo c Im = Sada imamo Im = sinm x dx = sinm−1 x sin x dx. tj. sin−m x dx.

UVOD U INTEGRALNI RACUN Integriranje racionalnih funkcija Podsjetimo se da je racionalna funkcija funkcija oblika R(x) = Pn (x) . +1 3 3 3 . redom. 2x 2. da nemaju zajedniˇkih faktora i da je n < m. pa je du = 3 x2 dx 1 = +9 9 ( x )2 3 dx 1 = 3 +1 u2 du 1 1 x = arctg u+C = arctg +C . moˇemo podijeliti polinom u brojniku polinomom u nazivniku. s Sve se racionalne funkcije mogu integrirati. x2 +5 Uvedimo supstituciju u = x2 + 5. Ponekad se takva racionalna funkcija joˇ zove i prava racionalna funkcija. Odredimo integral funkcije f (x) = 3x . Neke se mogu zgodnim supstitucijama svesti na tabliˇne integrale. Pretpostavljamo da su Pn (x) i Qm (x) skra´eni. c c Primjer 7. tj. Qm (x) gdje su Pn (x) i Qm (x) polinomi stupnja n i m. i problem je sveden na integraciju racionlne funkcije s n < m. 3 dx . +1 Uvrstimo u integral.9 Pogledajmo sljede´e primjere: 1. Ako c c nije. Polinomijalni komad se izravno integrira. Odredimo integral funkcije f (x) = Imamo x2 1 dx = +9 9 ( x )2 3 dx . u 2 2 1 . imamo x2 3x dx = 3 +5 x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln(x2 + 5) + C. pa je dx = Uvrstimo u integral.286 ˇ POGLAVLJE 7. Sada je du = 2x dx. x2 +9 du . Rezultat ´e z c biti polinom stupnja n − m i ostatak u vidu racionalne funkcije kojoj je stupanj brojnika manji od stupnja nazivnika. imamo Uvedimo supstituciju u = x .

Qn−1 (x). konstanta. c c 3. x−3 287 Uvedimo supstituciju u = x − 3. b ∈ R. polinom (x − x0 ) dijeli s c c z polinom Pn (x). NEODREDENI INTEGRAL 3.7. 2. pa tvrdnja oˇito vrijedi.) Dokaz: 1. onda je to i x0 . ako je x0 ∈ C nultoˇka od Pn (x). ako je x0 ∈ C nultoˇka od Pn (x). tj. c Metoda se temelji na sljede´im svojstvima polinoma. . c Neka je x0 ∈ C \ R. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. gdje c su a. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. c 2. Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. Uvrstimo u integral. onda je to i x0 . onda je x0 = a − bi. tj. onda polinom (x − x0 ) dijeli Pn (x). a u brojnicima konstante ili linearni polinomi. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 .1. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. r(x) = C ∈ R. c Napomena 7.♠ u Integriranje racionalnih funkcija za koje ne moˇemo na´i zgodnu supstituciju z c temelji se na metodi rastava racionalne fukcije na parcijalne (djelomiˇne) rac zlomke. tj. onda je x0 = x0 . ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). ako je x0 ∈ C oblika a + bi. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. Ako je x0 ∈ R. pa je du = dx. i ostatak r(x) koji je polinom stupnja 0. Odredimo integral funkcije f (x) = 1 . Tada vrijedi: 1.

c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab ..5 Iz Teorema 5.. . . g + hi. u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ . razliˇite realne nultoˇke s pripadnim kratnostima rα .. rβ ... x0 nultoˇka od Pn−2 (x). c c Dakle je po tvrdnji 2. v = 0. njena kratnost je toˇno r. . + rs = n... xs c c c od Pn (x) kratnosti rγ . β. . ima moˇda onih s komplesnim koeficijentima.. xs od Pn (x). x2 . Kvadratni faktori nemaju realnih korijena.. x2 . Kako je x0 nultoˇka kratnosti r od Pn (x). a2 − 4b < 0.. Iz Napomene 7. x2 ... i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x)....5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 .. i e + f i. c Neka je x0 ∈ C \ R. (x − xs ).. medu brojevima x1 . h = 0.. Neka su x1 . x2 .. Medutim. c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . r2 .. odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x).288 ˇ POGLAVLJE 7. jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 . odnosno medu linearnim fakorima (x − x1 ).. tj. . Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima.4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . zn od Pn (x) s pripadnim c c kratnostima r1 ..) + 2(rab + rcd + ... . . Dakle. onda je x0 = x0 .. s ≤ n. pa tvrdnja oˇito vrijedi.. medu kojima moˇe c c biti istih. x2 + cx + d = (x − (g + hi))(x + (g − hi)). Tada je po Napomeni 7. i gdje su α. . r1 + r2 + .... Ne moˇe c s biti ve´a jer bi u suprotnom x0 = x0 bila nultoˇka od Pn (x) kratnosti ve´e od r ˇto je c c c s suprotno pretpostavci.... medu razliˇitim nultoˇkama c c c c x1 .. to je x0 nultoˇka kratnosti r −1 od Pn−2 (x).♣ n Napomena 7. . Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ . onda je po tvrdnji 2.. Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x).. UVOD U INTEGRALNI RACUN 3..) = n. . Neka je γ = u+vi. . . c2 − 4d < 0. xs sve razliˇite nultoˇke medu z1 . Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )). Dakle svaki polinom Pn (x) s realnim koeficijentima moˇemo zapisati kao produkt razliˇitih z c linearnih i kvadratnih faktora s realnim koeficijentima i pripadaju´im kratnostima. . zn . znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 ). rs .. x2 + ax + b = (x − (e + f i))(x + (e − f i)). tj. Kako je x0 nultoˇka kratnosti r od Pn (x). .. rcd ... Medutim. Iz 1. (x − x2 ). . Ako je x0 ∈ R. f = 0. xs ... redom.4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ ..

.. Tada R(x) moˇemo pisati kao z R(x) = Pn (x) Arα A1 A2 + ... 289 gdje je (rα + rβ + . .) = m.. (x2 + ax + b)q = A − (p−1)(x−α)p−1 + C. Qm (x) = (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · .. M1 ... + + = + 2 Qm (x) x − α (x − α) (x − α)rα Brβ B1 B2 + + . Arα .... x2 + cx + d (x + cx + d)2 (x + cx + d)rcd Svodenjem desne strane na zajedniˇki nazivnik i mnoˇenjem s Qm (x) dobivamo c z jednakost Pn (x) = S(x)...+ 2 x − β (x − β) (x − β)rβ M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + . p > 1 A ln |x − α| + C.1. + + . p = 1. Drugi je sluˇaj osjetno sloˇeniji. (x − α)p Prvi sluˇaj je gotovo trivijalan: c A dx (x−α)p i Mx + N . . Brβ .. + 2 cd + . N1 . NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7. + 2 ab + 2 + ax + b 2 x (x + ax + b) (x + ax + b)rab R1 x + L1 R2 x + L2 Rr x + Lrcd + 2 + .) + 2(rab + rcd + ... .4) dobivamo sustav linearnih jednadˇbi iz kojeg nalazimo z nepoznate koeficijente u brojnicima parcijalnih razlomaka.. Mrab . pri ˇemu je S(x) polinom u ˇijim se koeficijentima c c pojavljuju nepoznati koeficijenti A1 .. tj.. Supstitucijom c z t= x+ b− a 2 a2 4 ..7. Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A . B1 .. . Nrab .. Izjednaˇavanjem koeficijenata uz iste potencije od x u c Pn (x) i S(x) (Teorem 5.5...... iz brojnika desne strane.

x3 − 2x2 + x x (x − 1)2 x − 1 2x2 −3x+3 . logaritama z i arkustangensa. Imamo 2x2 − 3x + 3 A B D = + + . Integral s racionalne funkcije izraˇava se preko kombinacije racionalnih funkcija.q = (t2 dt . q = 1. c c c Time je problem integracije racionalne funkcije u potpunosti rijeˇen.q .q se lako izraˇuna supstitucijom u = t2 + 1: c   I1. i kako znamo izraˇunati integral I2.q−1 . 2 2 q>1 q = 1. q>1 √ 2q−2 arctg frac2x + a 4b − a2 + C.q =  (b− a )q−1 1 4 + C.q = + 2q−3 I2.q je sloˇenija. + 1)q Integral I1.q rekurzivna. Primjer 7.10 Odredimo integral racionalne funkcije f (x) = Polazimo od faktorizacije x3 − 2x2 + x = x(x − 1)2 .290 dobivamo ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN 1 Mx + N a2 aM ) dx = (b − )−q+ 2 (N − 2 + ax + b)q (x 4 2 (t2 dt + + 1)q (b − a2 −q+1 ) M 4 (t2 tdt . Integracija integrala I2.) c Kako je formula za I2.1 . nakon c konaˇno mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za I2. x3 −2x2 +x .q = (t2 t dt + 1)q i I2. 2(q−1) (x2 +ax+b)q−1 1 ln |x2 + ax + b| + C. Dobiva se z I2. + 1)q Time smo problem sveli na odredivanje integrala I1. t 2(q−1)(t2 +1)q−1 (Raˇun kojim se dolazi do ove formule izostavljamo.

To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. B = 2. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .♠ 3 3 . x(x−2)(x+1) x+2 A B D = + + . Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1.♠ x−1 Ako su nuliˇta nazivnika jednostruka. Rjeˇenje je A = 3. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C.1. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 .11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 .7. D = −1.

aeax dx = dt. To je tzv. integriranje racionlne funkcije od sh x. tj. 1−t2 ch x = 1+t2 . 2 univerzalna trigonometrijska supstitucija. t sin x = 2t . 5+sin x+3 cos x Koriste´i univerzalnu trigonometrijsku supstituciju imamo c 1 dx = 5 + sin x + 3 cos x 2 dt 1+t2 2 2t + 3−3t2 1+t2 1+t 5+ = 5+ 5t2 2 dt = + 2t + 3 − 3t2 t2 dt = +t+4 2tg x + 1 15 − 1 2t + 1 2 2 arctg √ ( ) + C = √ arctg √2 + C. Imamo sh x = 2t .♠ 4 15 15 15 Sliˇnom se supstitucijom. 1−t2 . 1−t2 dx = 2 dt . th x = t. UVOD U INTEGRALNI RACUN Na integriranje racionalnih funkcija svodi se i integriranje racionalnih funkcija eksponencijalne funkcije i racionalnih funkcija hiperboliˇkih funkcija. 1+t2 1 a R(t) dt.292 ˇ POGLAVLJE 7. npr. dobivamo dx = a edt = a dt . c 2 ch x svodi na integriranje racionlne funkcije od t.12 Odredimo integral funkcije f (x) = 1 . s s Racionalna funkcija u varijablama sin x i cos x moˇe se takoder integrirati z kao racionalna funkcija varijable uvedene supstitucijom tg x = t. 1+t2 dx = 2 dt . Ona daje cos x = 1−t2 . 1+t2 Primjer 7. Supstitucijom 1 1 eax = t. Dakle je ax t R(eax )dx = ˇto znamo rijeˇiti. e2x − 5 Neka je R(eax ) racionalna funkcija eksponencijalne funkcije eax . Racionalna c fukcija eksponencijalne funkcije je. f (x) = (e2x )3 + 2e2x − 3 .

Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji.2. problem moˇemo s c z smatrati u biti rijeˇenim.7.1 Odredeni integral Motivacija . c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini.2 7. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. ploha. jer je to uobiˇajenije. Takav lik ˇesto zovemo krivuljnim trapezom. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. duˇinama. ODREDENI INTEGRAL 293 7. Povrˇina je geometrijska kategorija. gdje se zbraja po svim trokutima triangulacije Ti . c z Napomena 7.3: Triangulacija podruˇja u ravnini omedenog duˇinama. s P = i P (Ti ). tj. Lik se triangulira. Kako povrˇinu trokuta znamo raˇunati. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. c .problem povrˇine (ploˇtine) s s Problem odredivanja povrˇine (ploˇtine) geometrijskog lika lako je rjeˇiti ako je s s s taj lik omeden ”ravnim” komadima granice. tj. T1 T2 T3 T4 Slika 7.2.

dakle. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima.) Po Teoremu 6.6. b] funkcije f (x). b]. za svaki x ∈ [a. s lijeva pravcem x = a. b x KT 1 KT2 KT KT3 4 Slika 7.5: Rastav ravnog lika na krivuljne trapeze. funkcija f na segmentu [a. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. krivuljni trapez omeden odozdo komadom osi x. Neka je ta funkcija neprekidna. b] .4: Krivuljni trapez. b] ako je f (x) > 0. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. Promatrajmo. i da komad krivulje bude graf neke funkcije. (Funkcija f je strogo pozitivna na [a.294 ˇ POGLAVLJE 7.

S druge strane. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a.7. 295 gdje je m minimum..6: Gornja i donja meda za ploˇtinu krivuljnog trapeza. i = 1.2. Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 .. a M maksimum funkcije f na [a.. c Krajeve segmenta [a. . Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 . b za svaki i = 1. Imamo gornju i donju ocjenu nepoznate veliˇine P . b]. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost. pravokutnik s osnovicom [a. Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7. b]. n (brojevi mi i Mi c .. b] i visina M . pri ˇemu su xi ∈ a. b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu.. Podijelimo segment [a... s je manja razlika vrijednosti M i m. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a. ∀x ∈ [a..n. . b] oznaˇimo s x0 = a i xn = b. . i = 1. Oznaˇimo li traˇenu ploˇtinu s P . z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M.. xi ].. n − 1. Dakle je m ≤ f (x) ≤ M. < xn−1 . Ideja je da se uzimanjem sve uˇih i uˇih osnovica z z nepoznata ploˇtina P moˇe po volji dobro aproksimirati zbrojevima povrˇina pras z s vokutnika upisanih ili opisanih malim krivuljnim trapezima. b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < .

jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r).296 ˇ POGLAVLJE 7. s Oznaˇimo li sada zadanu podjelu {x1 . i = 1. koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi .. x2 .. n. .. . Sliˇno.. n. i = 1. ..7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima. c y 11 111 00 000 11 00 11 11 111 00 00 000 1 11111 11 0 00000 00 111 000 11 00 111 000 11 00 111 000 11 00 11 00 11 00 11 00 0 a b x f(x) Slika 7. i = 1. c m(b − a) ≤ s(r). jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. UVOD U INTEGRALNI RACUN postoje po Teoremu 6. imamo s(r) ≤ S(r). imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a).. a zbog m ≤ mi i Mi ≤ M . S(r) = i=1 Mi ∆xi . . Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a... xn−1 } s r. b]...6). Uvijek je m ≤ mi ≤ Mi ≤ M. . Zbog mi ≤ Mi ..n.

i = 1. to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi . xi ] toˇku si . te komadom grafa pozitivne neprekidne (na [a.. ˇ Sto se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju podjelu segmenta [a. onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti. b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava. Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f . pravcima x = a i x = b.2 Neka je f neprekidna funkcija na [a. . c c a donja se ne smanjuje. Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f ..7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x.. c s Uzmimo u svakom segmentu [xi−1 . Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a. n.7. Funkcija f (x) je podintegralna funkcija ili integrand. n. To vrijedi ako se podjela profinjuje. c Definicija 7. tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. a Krajevi segmenta [a.. Kako je mi ≤ c f (si ) ≤ Mi . Ako uzimanjem sve finijih i finijih podjela od [a. 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r. Veliˇina x je varijabla integracije. c Napomena 7. ako su stare toˇke c u podjeli podskup novih. i = 1.. b] su granice integrala (donja i gornja). . b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b.2. b]. b]. tj.. b] i oznaˇavamo s c b f (x)dx. ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a). Dakle. .

b] integrabilne.♣ Teorem 7. Koje jesu? Neprekidne sigurno jesu.13 vidimo da nisu sve funkcije na segmentu [a. tj. b] imamo mi = 0 i Mi = 1. c Iz Primjera 7.. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. n. UVOD U INTEGRALNI RACUN Definicija 7. b].3 Ako za funkciju f moˇemo definirati odredeni integral na [a. Uoˇimo da za svaku podjelu r segmenta [a.5 Svaka monotona funkcija na [a.298 ˇ POGLAVLJE 7. b]. onda je f (a) ≤ f (x) ≤ f (b). Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). . f (x) = nije integrabilna.. x∈Q 0.♣ Primjer 7.9 Uoˇimo da ako je f monotona funkcija na [a. b] z kaˇemo da je f integrabilna na [a. Koje joˇ? s Teorem 7.6 Svaka neprekidna funkcija na [a.14 1. b].♠ Napomena 7.13 Dirichletova funkcija.. Izraˇunajmo iz definicije c b 1. b]. x ∈ R \ Q. 1 dx.8 Dirichletova funkcija ima prekid u svakoj toˇki. dakle je f ograniˇena funkcija na [a. za svaki x ∈ [a. Dirichletova funkcija nije integrabilna. c Dokaz: Ako f raste na [a. b]. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.♣ Napomena 7. nisu integrabilne. b] je integrabilna. c i = 1. a . Primjer 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b]. z c tj. b] je integrabilna. b]. onda je ona i c ograniˇena.

Podijelimo segment [a. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. b] je mi = Mi = f (si ) = 1. Dakle imamo n n n n n ∆xi = i=1 i=1 mi ∆xi = s(r) ≤ i=1 f (si )∆xi ≤ S(r) = i=1 Mi ∆xi = i=1 ∆xi . ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a. ∆x = b−a . b] c na n jednakih djelova.. Za svaku podjelu r segc menta [a. Mi = n a + i∆x. Kako je S(r) = s(r) = b − a prijelazom na limes dobivamo b b b−a≤ a f (x)dx = a b 1 dx ≤ b − a.7..8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije.. dakle je a 1 dx = b − a. b]. c 2. . i = 1. Sada je mi = a + (i − 1)∆x. Dakle imamo n n n s(r) = i=1 mi ∆x = ∆x i=1 (a + (i − 1)∆x) = na∆x + ∆x 2 i=1 (i − 1) = na∆x + ∆x2 n(n − 1) b − a (b − a)2 n(n − 1) = na + = 2 n n2 2 . Izraˇunajmo a b x dx.2. b]. n. c Oˇito je funkcija f (x) = x neprekidna na [a.

Medutim.♠ 2 2 x dx = a ˇ Sto ako funkcija nije pozitivna na [a. b]? Ako je f neprekidna i negativna na [a. za svaki x ∈ [a. Dakle vrijednost odredenog integrala negativne funkcije ´e biti nepozitivan broj. b . tj. UVOD U INTEGRALNI RACUN n − 1 (b − a)2 a(b − a) + . 0 . n 2 Prijelazom na limes dobivamo (b − a)2 b2 a2 lim s(r) = a(b − a) + = − . 2 2 b2 a2 − . za neki c ∈ a. odredenog integrala b f (x)dx. n. b] takva da je pozitivna na [a. b] (f (x) ≤ 0. b]) moˇemo napraviti analognu konstrukciju z mjere povriˇine krivuljnog trapeza omedenog odozgo s osi x. n−→∞ 2 2 2 Analogno dobijemo da je S(r) = dakle je b b2 a2 − . onda je b f (x)dx a razlika ploˇtine P1 ispod grafa pozitivnog dijela funkcije f (nad [a.300 ˇ POGLAVLJE 7. u ovom sluˇaju c ´e biti m ≤ 0 i M ≤ 0. c] i negativna na [c. kao i za neprekidnu pozitivnu funkciju. a Ako je neprekidna funkcija f na [a. c]) i ploˇtine s s P2 iznad grafa negativnog dijela funkcije f (nad [c. Po s tomu je pravilu 2π sin x dx = 0. b] (zbog neprekidnosti je f (c) = 0). b a f (x)dx ≤ 0.. . i za svaku podjelu r segmenta [a.. zdesna pravcem x = b i odozdo grafom funkcije f . Dakle. s lijeva s pravcem s x = a. i = 1.. b] ´e biti mi ≤ 0 i c c c Mi ≤ 0. tj. u op´em sluˇaju c c odredeni integral je algebarski zbroj ploˇtina izmedu osi x i grafa krivulje. b]).

+ an−1 f (x)dx. Dokaz: Za bilo koju podjelu r segmenta [a. b . a f (x)dx = a f (x)dx + c f (x)dx. a vri- jednosti mi . a drugi u c f (x)dx.2. < an−1 < b. ODREDENI INTEGRAL 301 7.♣ 2. za svaku toˇku c ∈ a.2.♣ b c b 3.. . tj. Mi i f (si ). c Ovo se zove aditivnost integrala po podruˇju integracije. ostaju iste. a 1.7. i = 1.... b] c n zbrojevi i=1 f (si )∆xi rastavljaju u zbrojeve u kojima su svi si < c i u c b zbrojeve u kojima su svi si > c.. biti negativne. a] su gornja i donja Darbouxova suma a jednake nula. . n... Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . . . c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a.. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + .. Dakle odredeni integral mijenja predznak ako se zamijene granice.2 a Svojstva odredenog integrala f (x)dx = 0.. Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx. i = 1.. pa je a a b f (x)dx = 0. za a < a1 < a2 < . b u svaku podjelu od [a. n.. b f (x)dx = − a f (x)dx. i = 1..♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. n.

iz Teorema 7. an−1 f (x)dx. takve da je f monotona na svakom segmentu [a.. b] znamo a1 b izraˇunati integrale c a b f (x)dx.... Definicija 7. b]. z Napomena 7. gdje su a < a1 < a2 < . . dakle znamo izraˇunati c i a f (x)dx. Analogno se dokaˇe ako je a < b < c. Dakle. b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < . pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx. b] imaju konaˇno mnogo toˇaka prekida u kojima imaju konaˇne skokove (f : I −→ c c c R ima u c ∈ I konaˇan skok ako je | lim+ f (x) − lim− f (x)| < +∞) c x−→c x−→c b imaju odredeni integral. UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a..5 i svojstva 3.302 ˇ POGLAVLJE 7.. b]. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx. < an−1 < b sve toˇke prekida od f na [a... To moˇemo napraviti tako da integral z zapiˇemo u obliku s b a1 a2 b a f (x)dx f (x)dx = a a f (x)dx + a1 f (x)dx + .4 Funkcija f : [a. . izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna.. a1 ]. < an < b.. ..10 Iz ovog svojstva slijedi da i funkcije koje na [a.. c Kako je f neprekidna. [an .. + an−1 f (x)dx. na svakom segmentu [a. .. b ako uzmemo u obzir svojstvo c / 2.. a1 ]. [an−1 .

. Mi = 0. b] i da je f (c) > 0. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor..7. unutra se sigurno nalaze sve neprekidne funkcije na [a. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5.. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. gdje je c ∈ R proizvoljan. x. i = 1. j − 1.. a cf (x)dx = c a f (x)dx. dakle i integrabilna. i = 1. . a 4. xj ]...2. jer npr. . 1. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. Nadalje. Ako je funkcija f : [a. x2 ..11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). n. Stoviˇe. . b]). ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. Dakle beskonaˇni skup {xn : n = 0.} se c nalazi u nekoj bazi od R(I).♣ b b 5...18. skup c {1. n.2 i Teorema 6. Beskonaˇnodimenzionalan je. M = f (c) i za svaku podjelu r segmenta [a.. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.. pa je mi = 0. onda je c b f (x)dx = 0. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.3). 6. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. b] (skup R(I) nije prazan.18..2 i Teorema 6. . a (f (x) ± g(x))dx = a ili aditivnost integrala. j + 1.♣ c Napomena 7. i svaka funkcija iz tog skupa je neprekidna na I. . . Oˇito je z c c tada m = 0. b] toˇka c pada u toˇno jedan c c [xj−1 ... i Mj = f (c).13). b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. Dakle je s(r) = 0 i S(r) = Mj ∆xj .

7. rastavimo na konaˇan c broj podsegmenata koji sadrˇe najviˇe jedno nuliˇte funkcije f . Dokaz: a 0 a 0 a a) −a f (x)dx = −a 0 f (x)dx+ 0 a f (x)dx = −a a −f (−x)dx+ 0 a f (x)dx = − −a a f (−x)dx + 0 0 f (x)dx = − 0 a f (x)dx + 0 0 f (x)dx = 0. onda je a a f (x)dx = 2 −a 0 f (x)dx. a] −→ R parna.304 dakle je ˇ POGLAVLJE 7. a U sluˇaju kad je f (x) = 0 osim u konaˇno mnogo toˇaka. UVOD U INTEGRALNI RACUN b f (x)dx = 0. onda je a f (x)dx = 0. b] u samo konaˇno mnogo toˇaka onda je c c b b g(x)dx = a a h(x)dx.♣ . a) Ako je f : [−a. a b) −a f (x)dx = −a a f (x)dx+ 0 a f (x)dx = −a a f (−x)dx+ 0 f (x)dx = f (x)dx + 0 0 f (x)dx = 2 0 f (x)dx.♣ a Kao izravnu posljedicu imamo: ako se funkcije g i h razlikuju na [a. a] −→ R neparna. −a b) Ako je f : [−a. i kad f nije nuˇno pozitivna c c c z dokaz ide posve analogno tako da segment [a. b] po svojstvu 3. i prema dokazanome je z s s b f (x)dx = 0.

po Teoremu 6. x2 ] imamo x2 f (x)dx > 0. Dakle. Tada je b b f (x)dx ≤ a a g(x)dx. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b] oko toˇke c takav da je f (x) > 0. b] tada iz Teorema 6.3 slijedi da postoji interval . Ovo svojstvo se zove svojstvo monotonosti integrala. tj. Odatle slijedi da je F (b) ≥ F (a) = 0. Iz pozitivnosti funkcije f na [a. ODREDENI INTEGRAL 305 8. Ako je f (c) < g(c) za bar jedno c ∈ [a.2. Ako je f neprekidna i nenegativna funkcija na [a.7. b] onda vrijedi stroga nejednakost. b]. x2 ∈ I takve c da je x1 < c < x2 .♣ 9. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. c F (x) = g(x) − f (x) ≥ 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. onda je b f (x)dx > 0. b]. b]. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. za svaki x ∈ I . b] iz Teorema 6. Neka su f i g neprekidne funkcije na [a.28 F raste na [a.3 slijedi da postoji interval I ⊂ [a. Dakle postoje x1 .8 je dobro definirana funkcija F ∈ C 1 [a. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. i oˇito ima pozitivnu derivaciju. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. b] i ako je f (c) > 0 za neki c ∈ [a. b] odnosno stroge pozitivnosti na [x1 . onda je F (c) = g(c) − f (c) > 0. Dokaz: Po Teoremu 7. Kako je funkcija F = g − f neprekidna na [a. b].

♣ a Izraz 1 b−a b f (x)dx a . i Primjera 7. b]. tj. a Dokaz: Po Teoremu 6. b] oko toˇke c takav da je F (x) > 0.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. iz svojstva 9.28 c F strogo raste na I . za svaki x ∈ [a. UVOD U INTEGRALNI RACUN I ⊂ [a.6. Ako f nije konstanta na [a. imamo da je F (b) > F (a) = 0. Nadalje. b]. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). Dakle postoje x1 . odnosno imamo strogu nejednakost. Neka je f : [a. Nadalje iz Teorema 6. za svaki x ∈ I . 11. Teorem 7. b]. b] takva da je c b f (x)dx = f (c)(b − a). b]. tj. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . za svaki c x ∈ [a. odnosno po Teoremu 6.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). Tada postoji toˇka c ∈ [a. iz svojstva 9. b] −→ R.♣ 10. iz neprekidnosti funkcije f na [a. b] za koji je b f (x)dx = f (c)(b − a).306 ˇ POGLAVLJE 7. a b b f (x)dx ≤ a |f (x)|dx. b]. pa postoji barem jedan c ∈ [a. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. m ≤ f (x) ≤ M .

7.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. imamo da je 1 f (x)dx = 0.♠ c .... n Za funkcije koje nisu neprekidne Teorem 7. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.+an dine (aritmetiˇka sredina od a1 .2. x < 0.. a Teorem 7. iz svojstva 7. Nadalje. se zove srednja vrijednost funkcije f na segmentu [a. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx.9: Teorem srednje vrijednosti za odredeni integral. b]. Povrˇina ispod s grafa neprekidne funkcije f nad [a. 1] za koju je f (c) = 0. Oˇito je da funkcija f ima prekid u x0 = 0.7 ne mora vrijediti: Primjer 7. c Napomena 7. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. a2 . kako je f neparna c funkcija. an ∈ R je a = c ). . x ≥ 0 −1.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.. −1 medutim ne postoji toˇka c ∈ [−1. Odatle ime teoremu.

8 Neka je f ∈ C[a. i taj je broj jednak ploˇtini izmedu grafa funkcije f i osi x omedenoj vertikalnim s pravcima x = a i x. Dokazat ´emo tu vezu u najjednostavnijem sluˇaju. UVOD U INTEGRALNI RACUN y 0 −1 1 x Slika 7.308 ˇ POGLAVLJE 7. 7. Pokazat ´emo da je ta funkcija F derivabilna na [a.10: Teorem srednje vrijednosti ne mora vrijediti za funkcije koje nisu neprekidne. promatrajmo na segmentu [a. Funkcija F definirana formulom x F (x) = a f (ζ)dζ . kad je podintegralna funkcija neprekidna. postoji veza izmedu primitivne funkcije c c i odredenog integrala koja omogu´uje raˇunanje odredenih integrala pomo´u c c c c c neodredenih. jednostavnosti radi. Tim je pridruˇivanjem s z definirana funkcija koju oznaˇimo s F . Teorem 7. Imamo c x −→ F (x). b] pridruˇi z z ploˇtinu ispod grafa funkcije f desno od a i lijevo od x.3 Newton . Dakle imamo pridruˇivanje koje svakom x ∈ [a. b] postoji a f (ζ)dζ. b] neprekidnu x i.Leibnizova formula Raˇunanje odredenih integrala izravno iz definicije mukotrpno je i teˇko izvedivo c s ˇak i za jednostavne funkcije. b]. Za svaki x ∈ [a. pozitivnu funkciju f . gdje je F (x) = a x f (ζ)dζ. Prije formuliranja i dokazivanja teorema. b] i izraˇunat ´emo njenu c c c derivaciju. Sre´om.

6). NEWTON .7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x.LEIBNIZOVA FORMULA je derivabilna na [a. ∆x odnosno f (ζ1 ) = m ≤ . pa onda i na svakom podsegmentu [x.3. ∆x−→0 ∆x Funkcija f je neprekidna na [a. x+∆x].11: Funkcija F (x).7. lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. Po Teoremu 7. ∆F ≤ M = f (ζ2 ). Ho´emo gledati c ∆F . Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. b]. b] i vrijedi F (x) = f (x). Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ.

2 c dobivamo x b F (a) = a f (a)dζ = 0. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ).Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. onda.310 ˇ POGLAVLJE 7.♣ Newton . U njoj se povezuju odredeni integral. b F (b) = a f (ζ)dζ. Odatle slijedi c f (x) ≤ lim tj. b] i F (x) = f (x). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. Sliˇno i za ζ2 −→ x. Dakle je F (x) derivabilna funkcija na cijelom [a. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a).8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f .♣ x ∆x−→0 ∆F ≤ f (x). toˇke ζ1 i ζ2 moraju teˇiti prema x. do kojeg dolazimo preko limesa niza integralnih suma. F (x) = f (x). do kojeg smo doˇli pokuˇavaju´i invertirati s s c .12). mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. iz toˇke 7. i neodredeni. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. tj.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f .9 (Newton . b]. ∆x Teorem 7.2. z Teorem 7. a Dokaz: Prema Teoremu 7. zbog neprekidnosti funkcije f na [a. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. f (x) ≤ F (x) ≤ f (x). Odatle je a f (x)dx = F (b) − F (a). no dokaz je bitno sloˇeniji.

ϕ(β) = b.7. Iz ϕ(t) = − 3. NEWTON . Ako vrijednosti funkcije ϕ na [α. Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. 3 √ √ √ 3 3 π c Analogno. ♣ Primjer 7. Pri tome nestane konstanta integracije. a b ˇ Citamo to kao ”F (x) u granicama od a do b”. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici. β] ne izlaze izvan segmenta [a. 2 ] −→ . Sada oˇito funkcija ϕ : [− 2 . β] ima neprekidnu derivaciju ϕ . onda za f ∈ C([a.LEIBNIZOVA FORMULA 311 linearni operator deriviranja. β] i neka ϕ na [α. Kod primjene na raˇunanje odredenih integrala. Teorem 7. b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. iz ϕ(t) = 3 dobijemo t2 = 3 . Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. tj. Stvari se znaju zakomplicirati ako ima viˇe supstitucija.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. b]. c Desna strana Newton . c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . sin t = − 23 imamo t1 = − π . c Prilikom izbora supstitucije treba joˇ voditi raˇuna o neprekidnosti derivacije sups c stitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro definiran). i ako je ϕ(α) = a.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. √ √ Stavimo ϕ(t) = 2 sin t. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih.3.

tj. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.♠ 3 Kod parcijalne integracije situacija je jednostavnija.17 Izraˇunajmo c 0 1 xex dx. b i neka je x−→b− lim f (x) = +∞. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. c c c Neka je funkcija f neprekidna na [a. u dv = uv a b a − a v du. kao i da je samo poc druˇje integracije konaˇno. U takvim sluˇajevima govorimo c s c o nepravim integralima.♠ 7.312 ˇ POGLAVLJE 7.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6.10. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. Iz Primjera 7. .6 i omedena) na podruˇju integracije. Primjer 7.

Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . c y f(x) 0 a x b Slika 7.18 1. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. . a Ako promatrani limes ne postoji. postoji x f (ζ)dζ. u toˇki a. c c Primjer 7. b postoji integral te funkcije u granicama od a do x.7. tj. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. tj. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a.4. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. kaˇemo da integral divergira ili da nema z znaˇenja. kaˇemo da nepravi integral z konvergira i piˇemo s b x a f (ζ)dζ ima vrijednost ili da f (ζ)dζ = lim a x−→b− f (ζ)dζ = L.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije.

Integral dx x je nepravi integral. Integral dx √ x je nepravi integral. jer 1 x −→ +∞ kada x −→ 0 + . 2 x−→1− 1 lim arcsin x = pa onda znamo i da 0 √ dx konvergira i da je 1 − x2 1 √ 0 dx π = . Raˇunamo c ζ 1 x dζ √ =2 ζ = 2(1 − √ x). 2 2 1−x 1 0 2. UVOD U INTEGRALNI RACUN π . Raˇunamo c 1 x dζ = ln ζ ζ 1 x = − ln x. Nadalje imamo 1 x−→0+ lim x dζ = lim+ (− ln x) = +∞. Nadalje imamo 1 x−→0+ 1 lim x √ dζ √ = 2 lim (1 − x) = 2. x−→0+ ζ Dakle 0 dx √ konvergira i x 1 0 dx √ = 2.314 i znamo da je ˇ POGLAVLJE 7. jer 1 √ x 1 x −→ +∞ kada x −→ 0 + .♠ x−→0 ζ Dakle ovaj nepravi integral divergira. x 1 0 3. .

10.4. onda divergira. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira.19 1. inaˇe c Primjer 7. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . Sada oˇito funkcija ϕ : [a − c b. Iz ϕ(t) = a. . NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞. tn Ako je n < 0. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. tj.7. (x − b)n Stavimo ϕ(t) = t + b. x2 b 2. 1]. Izraˇunajmo c −1 1 x2 dx . tj. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. 1 a f (x)dx konvergira. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. t + b = a imamo t1 = a − b. Analogno. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. 0] −→ R zadovoljava uvjete Teorema 7. dakle imamo b a dx = (x − b)n 0 a−b dt . Izraˇunajmo c a dx . c+ε2 Ako oba limesa na desnoj strani postoje. iz ϕ(t) = b dobijemo t2 = 0.

316 ˇ POGLAVLJE 7. integral dx divergira za n ≥ 1. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. situaciju kad podruˇje c c integracije nije ograniˇeno. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). b]. −n + 1 −n + 1 za n > 1. Primjer 7. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. iz toˇke 7. Znamo c .2. divergira za n ≥ 1.2) npr.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. tj. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. Dakle tn b a dx (x − b)n konvergira za n < 1. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Uz svojstvo monotonosti integrala (svojstvo 9.19 moˇe posluˇiti pri usporedivanju. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . c z z Promatrajmo sada drugi mogu´i izvor problema. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. 0]. Neka je funkcija f neprekidna na [a. +∞ .

. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. −∞ pa i za sluˇaj c +∞ f (x)dx. kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ. +∞ postoji integral te funkcije u granicama od a do x. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. a Ako promatrani limes ne postoji. Izraˇunajmo c +∞ 0 e−x dx. postoji x f (ζ)dζ. tj. kaˇemo da integral divergira. −∞ Primjer 7.13: Nepravi integral po neograniˇenom podruˇju integracije. c c da za svaki x ∈ [a. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7.7.20 1.4.

x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. c 3. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. Izraˇunajmo c dx . Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. 1 + x2 Zbog neparnosti funkcije arctg imamo +∞ −∞ dx = lim 1 + x2 x−→+∞ x −x dζ = lim (arctg ζ 1 + ζ 2 x−→+∞ x−→+∞ x −x )= x−→+∞ lim (arctg x − arctg (−x)) = 2 lim arctg x = π. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. Izraˇunajmo 1 +∞ dx .♠ c .318 Imamo +∞ 0 ˇ POGLAVLJE 7. x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. 2. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. Izraˇunajmo c 1 +∞ dx .

s s tj. dana s b (f1 (x) − f2 (x))dx.2. b]). gdje su f1 . broj P1 + P2 . za svaki x ∈ [a. f2 : [a.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. pravcem x = a s s i pravcem x = b. b] −→ R neprekidna takva da je pozitivna na [a. c] i negativna na [c. a Ploˇtina povrˇine izmedu grafa funkcije f . pravcem x = a i s pravcem x = b. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f .ˇ 7. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. b]. Ako je funkcija f neprekidna i negativna na [a. osi x. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f .1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. Nadalje. osi x. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). b]. pravca x = a i pravca x = b.5. PRIMJENE INTEGRALNOG RACUNA 319 7. ako je f : [a.5. b .5 7. s s b f (x)dx = P1 − P2 . a . tj. b]. ali negativnog predznaka. za neki c ∈ a. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b. osi x.

320 ˇ POGLAVLJE 7. s s osi y.15: Ploˇtina lika omedenog grafom funkcije od y. onda je ploˇtina povrˇine omedene grafom funkcije g. UVOD U INTEGRALNI RACUN y f (x) 1 P f (x) 2 0 a b x Slika 7. promatramo krivulju x = g(y). c y d P c 0 g(y) x Slika 7. ploˇtinu s . odredeni integral proizvoljne neprekidne funkcije. s Analogno se definiraju i ostali odredeni integrali (ploˇtine). s Ako je g : [c. za sluˇaj kada s c je funkcija g negativna. pravcem y = c i pravcem y = d dana s d g(y)dy. tj. tj. d] −→ R neprekidna i pozitivna funkcija u varijabli y.14: Ploˇtina lika omedenog grafovima dviju funkcija.

valjkom iste visine s osnovicom jedz z nakom gornjoj (tj.. Povrˇinu osnovice tog valjˇi´a s cc . recimo stoˇac visine H i polumjera osz novice r. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . Podijelimo segment [a. 1. zamijenimo komad stoˇca. Nareˇemo ga na tanke ploˇke. n ∈ N. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . h = 0. za ∆h −→ 0.ˇ 7.. za svaki y ∈ [c. cc z tj. krnji stoˇac visine ∆h. ∆h. c c z Promatrajmo sada tijelo T u tri dimenzije omedeno ravninama x = a i x = b te plohom koja nastaje rotacijom grafa funkcije f oko osi x. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. d] takvih da je s g1 (y) ≥ g2 (y). tj. H − ∆h. Za veliki n ∈ N ´e zbroj z c H R Slika 7.. 7. i u z s n svakom sloju izmedu visine h i h + ∆h. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. n − 1.. i = 0. .5. < xn−1 < xn = b. dobit ´emo toˇnu formulu za volumen stoˇca.. z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca.5..2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a.16: Volumen stoˇca kao limes sume volumena tankih valjaka. recimo visine ∆h = H . Time je c c i tijelo T podijeljeno na n slojeva. b]. osi y... . Za n −→ ∞. d]. manjoj) osnovici krnjeg stoˇca.

tj. oznaˇimo s P (xi ). a njegova povrˇina za zadani x je jednaka f (x)π. 0. No taj popreˇni presjek c c 2 je krug. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. ako taj limes postoji kad n −→ ∞. Iz Primjera 7.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . i=0 Prijedemo na limes. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a.♠ 2 . s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . kad max ∆xi+1 −→ 0.322 y ˇ POGLAVLJE 7. S druge strane. 0). Primjer 7. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .

z z Po gornjoj formuli. imamo H Vx = π 0 R2 2 R2 π x dx = 2 H2 H H 0 R 2 π x3 x dx = 2 H 3 2 H 0 1 = R2 πH.5. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x.ˇ 7. za svaki x ∈ [a. Dakle. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini. b].18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. c z y R 0 Η x Slika 7. c Primjer 7. ako su f1 . onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). . f2 : [a.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R.

23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 .324 y ˇ POGLAVLJE 7. Primjer 7. . y R r 0 x −R Slika 7. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . f2 (x) = R − √ r 2 − x2 . R > r.19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x.

c Teorem 7. dobijemo prizmu. . Zamijenimo li komad grafa od c f iznad segmenta [xi−1 . volumen tog komada moˇemo z izraˇunati. x = b. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi . rotacijom komada izmedu [xi−1 .11 (Prvi Guldinov teorem) Volumen tijela koje nastaje rotacijom lika oko osi x jednak je produktu povrˇine lika i opsega kruˇnice koju pri rotaciji s z opisuje teˇiˇte lika.16 imamo r V = 4Rπ −r √ r2 − x2 dx = 4Rπ r2 x 1 x [arcsin + sin(2 arcsin )] 2 r 2 r r −r = 2Rr2 π 2 = 2Rπr2 π.♣ zs Na Guldinov teorem ´emo se vratiti kasnije. b] −→ R oko osi y b Vy = 2π a xf (x)dx. x osi i grafom (pozitivne i neprekidne na [a. xi ]... debljine ∆xi = xi − xi−1 . xi ] konstantom f (xi ). a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. b]) funkcije f . Sada iz Primjera 7. nastaje cilindriˇni sloj. U limesu. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx.♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema. n.. PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 . tj.ˇ 7. i = 1. Podijelimo li opet segment [a. b] na n dijelova. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi . to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. . Razreˇemo ga po izvodnici i razmotamo.5.

3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. dobijemo tanko tijelo. (Teˇiˇte je toˇka u kojoj. b]. x = b. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. Zelimo odrediti teˇiˇte izrezanog lika.326 ˇ POGLAVLJE 7. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . Primjer 7. c s c . b]. Uzmemo li ˇkare i izreˇemo taj lik. Promatramo lik omeden pravcima x = a. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. ono ostaje u ravnoteˇi. yi ).21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. tj. segmentom [a.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. da mu je gusto´a c ˇ svuda ista.5.♠ 5 7. b] na osi x i grafom funkcije f nad [a. zs zs c ako podupremo tijelo. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π .

. . redom. mn ima koordinate (xT .. imamo xT = My . Oznaˇimo li te statiˇke momente s My c c c i Mx . . m2 . i = 1.. vrijedi n 327 m1 x1 + m2 x2 + . n. a c i=1 mi yi s obzirom na os x (jer su brojevi yi . a ukupnu masu s M .. Suma nazivnika je zs c ukupna masa sustava. yT ) i ako dodamo u c sustav joˇ jednu materijalnu toˇku s masom m na poziciju (x..5.. i to i=1 mi xi s obzirom na os y (jer su brojevi xi . n. onda je to suss c tav od dvije materijalne toˇke s masama m1 + . yT ) i (x. + mn m i xi i=1 n mi i=1 n m1 y1 + m2 y2 + ... ako imamo dvije materijalne toˇke... n. udaljenosti toˇaka od osi x). .ˇ 7. + mn i m na pozicijama. M yT = Mx . Induktivno. mi i=1 Ovdje su xT i yT koordinate teˇiˇta materijalnih toˇaka.. c (xT . a izrazi u brojnicima su statiˇki ili linearni momenti c n sustava masa.. odnosno m1 k1 = m2 k2 .. M Izrazi za sustav od n (konaˇno mnogo) materijalnih toˇaka izvode se induktivno: c c za jednu materijalnu toˇku koordinate teˇiˇta su oˇito koordinate same materic zs c jalne toˇke. y).. . + mn mi yi i=1 n .... + mn xn xT = = m1 + m2 + . . n udaljenosti toˇaka od osi y). onda koordinate teˇiˇta se lagano c c zs nalaze preko zakona ravnoteˇe za poluge. PRIMJENE INTEGRALNOG RACUNA i = 1.. ako teˇiˇte od n materiz zs jalnih toˇaka s masama m1 .. + mn yn yT = = m1 + m2 + . a koordinate teˇiˇta tog sustava slijede iz zakona ravnoteˇe zs z za poluge F1 k1 = F2 k2 . i = 1... y). redom..

ovaj ´e izraz u limesu c µ 2 postati odredeni integral od a do b funkcije 2 f (x). n. Ideja za raˇunanje teˇiˇta lika je: podijelimo lik na male pravokutnike i c zs zamijenimo lik sustavom materijalnih toˇaka od kojih ´e svaka biti smjeˇtena c c s y f(x) f(si ) 0 1111111 0000000 11 00 11 00 11 00 11 00 11 00 11 00 11 00 a x x i−1 i b x Slika 7.328 ˇ POGLAVLJE 7. zs u teˇiˇtu jednog pravokutnika (a to znamo odrediti) i imat ´e masu jednaku masi zs c pravokutnika. c c zs Podijelimo segment [a. xi ]. a teˇiˇte c zs xi−1 +xi 1 mu ima ordinatu 2 f (si ) i apscisu . moˇemo uzeti da je apscisa teˇiˇta z zs . Kako je broj xi−1 +xi 2 2 izmedu xi−1 i xi . i = 1. UVOD U INTEGRALNI RACUN gdje su k1 i k2 duljine krakova poluge. njegova masa je jednaka µf (si )∆xi . Uz konstantnu gusto´u mase µ. Masa pravokutnika je i c c c xi−1 +xi dalje µf (si )∆xi . b]. xi ]. b] na n dijelova [xi−1 . Raˇunamo statiˇki moment tog susc c 2 tava materijalnih toˇaka s obzirom na os x. Promatramo pravokutnik visine f (si ) nad [xi−1 .. xi ] za neki si ∈ [xi−1 ... ∆xi = xi − xi−1 . To se dobije zbrajanjem po svim c pravokutnicima.22: Teˇiˇte homogenog krivuljnog trapeza. Statiˇki moment s obzirom na os y raˇuna se sliˇno. . a apscisa njegovog teˇiˇta je zs . dakle n 1 µf 2 (si )∆xi . 2 i=1 Prijelazom na sve finije i finije podjele segmenta [a. Dakle je 1 Mx = 2 µ b a f 2 (x)dx. a F1 i F2 odnosno m1 i m2 sile odnosno mase na pripadne krakove poluge. a ta udaljenost je mala. Pove´anjem broja pravokutnika teˇiˇte takvog sustava materijalc zs nih toˇaka bit ´e sve bolja i bolja aproksimacija teˇiˇta lika.

to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx .25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu.ˇ 7. Kako je masa promatranog lika jednaka M = µP. iz Primjera 7. upravo xi .11). recimo. i=1 a to u limesu daje My = µ b a xf (x)dx.5. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . yT = 1 2 b 2 a f (x)dx b a f (x)dx .16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Takoder.23: Teˇiˇte homogenog polukruga. Iz simetrije je jasno da mora biti xT = 0. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. 2 . zs √ Imamo f (x) = r2 − x2 . s Primjer 7. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. zs s s y r 0 r x Slika 7.

dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. tj. v) tada su novi momenti jednaki Mx + my i My + mx). 3π r r pa teˇiˇte ima koordinate (0.♠ 3 Zbog aditivnosti momenata (ako u sustav od n materijalnih toˇaka sa moc mentima Mx i My dodamo joˇ jednu materijalnu toˇku mase m na koordinate s c (u. xf2 (x)dx − µ xf1 (x)dx.♠ ishodiˇtu. ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. za svaki x ∈ [a. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. b]. Dakle teˇiˇte je (0. volumen vanjskog Vv i volumen unutarnjeg Vu dijela torusa dani s 1 4r 4 Vv = r2 π(2(R + )π) = r2 Rπ 2 + r3 π 2 3π 3 1 4r 4 Vu = r2 π(2(R − )π) = r2 Rπ 2 − r3 π. Tada su. 2 3π 3 Dakle je 8 Vv − Vu = r3 π. .26 Sada moˇemo. zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . i omedenim pravcima x = a i x = b) raˇuna se po formulama c Mx = 1 µ 2 My = µ b a b a 2 f2 (x)dx − 1 µ 2 b a b a 2 f1 (x)dx. po prvom Guldinovu teoremu i Primjeru 7. Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. 3 −r 4r .330 ˇ POGLAVLJE 7. x2 + (y − R)2 = r2 .25. b] takvih da je f2 (x) ≥ f1 (x). 4 π ). R > r. − 4 r ). po prvom Guldinovu teoremu. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT .

My : c c n My = µπ i=1 si f 2 (si )∆xi . n. teˇiˇte ´e leˇati na osi rotacije. PRIMJENE INTEGRALNOG RACUNA xT = My . Raˇunamo statiˇki moment s obzirom na os y. .ˇ 7. na osi x. b] na n podsegmenata toˇkama a = x0 < x1 < . xi ]. i = 1. volumen tog dijela (sloja) tijela je ∆Vi = f 2 (si )π∆xi . masa tog komadi´a je µf 2 (si )π∆xi .13 Koordinate teˇiˇta se mogu izraˇunati i iz prvog Guldinovog zs c teorema. je izmedu obujama valjaka m2 π∆xi i Mi2 π∆xi . M gdje je M ploˇtina izmedu grafova neprekidnih funkcija f1 i f2 na [a. b] omedena s pravcima x = a i x = b. Ovdje smo s dm oznaˇili veliˇinu dm = µπf 2 (x)dx. Zanima nas njegova apscisa... 0). Moˇemo smatrati da je ta masa c c z koncentrirana u teˇiˇtu tog sloja. Zbog neprekidnosti od f . njenim integriranjen od a c c do b dobije se masa rotacijskog tijela. Dakle mu je apscisa zs s si . gdje je si ∈ [xi−1 .5. Zbog simetrije. zs c z tj. M= b a dm.. Uz konstantnu gusto´u µ. < xn−1 < xn = b. U limesu ∆xi −→ 0 ovo prelazi u odredeni integral My = µπ pa za apscisu teˇiˇta dobivamo zs xT = b 2 a xf (x)dx b 2 a f (x)dx b a xf 2 (x)dx. b b M= a f2 (x)dx − a f1 (x)dx.. Podijelimo segment [a. tj. Sad imamo sustav materijalnih toˇaka mase mi = µ∆Vi = µf 2 (si )π∆xi u c koordinatama (si . b]) funkcije f oko osi x. = b a x dm b a dm . xi ] i ∆xi = xi − xi−1 . . gdje su mi i Mi najmanja i najve´a vrijednost funkcije f c i na [xi−1 . Napomena 7. Teˇiˇte homogenog rotacijskog tijela zs Promatramo rotacijsko tijelo koje nastaje vrtnjom grafa (pozitivne i neprekidne na [a. M 331 yT = Mx . Obujam dijela c tijela izmedu ravnina x = xi−1 i x = xi . a to je u srediˇtu valjka..

332 ˇ POGLAVLJE 7.♠ 8 π 4 R . tj. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. 23 dobivamo xT = Mx M . dobivamo xT = 4 H. koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm . y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7.28 Odredimo teˇiˇte polukugle koja nastaje rotacijom polukruˇnice zs z √ z s s f (x) = R2 − x2 (polukruˇnica sa srediˇtem u ishodiˇtu polumjera R) oko osi y. UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . Primjer 7. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. 4 3 Zbog M = µV = 1 R2 πH. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .24: Teˇiˇte homogenog stoˇca. za µ = 1. 4 Zbog M = µV = 14 3 R π. mjereno od osnovice. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0.♠ z Primjer 7.

gdje je r reˇena udaljenost. na n dijelova 0 = y0 < y1 < . gdje je si ∈ [yi−1 . ve´ se mijenja kao funkcija koordinate po kojoj c c se integrira. PRIMJENE INTEGRALNOG RACUNA 333 Po formulama koje smo izveli mogu se raˇunati i koordinate teˇiˇta tijela c zs kojima gusto´a nije konstantna.. moment c tromosti ili moment inercije s obzirom na zadanu toˇku. Tako smo naˇ s pravokutnik podijelili na male pravokutnike sa stranicama a i ∆yi = yi − yi−1 . b] na osi y. pravac ili ravninu kao c produkt mase toˇke i kvadrata udaljenosti do zadane toˇke... . tj.. Za sustav od n materijalnih c toˇaka s masama m1 . dakle je moment inercije malog pravokutnika aproksimiran s µa∆yi s2 . Veliˇina I se joˇ zove i kvadratni moment.5. zs mjesto u kojem smatramo da je masa koncentrirana ima ordinatu si . rn od zadane toˇke. Izraˇunajmo z z c njegov moment inercije s obzirom na os x. tj... n. Podijelimo stranicu b. .4 Moment ustrajnosti (inercije) Za materijalnu toˇku mase m definiramo njen moment ustrajnosti. b] (µ je gusto´a mase).... mn na udaljenostima r1 . r2 . Pomo´u integrala moˇemo c c z definirati momente inercije i za ravne likove i za tijela.. a njegovo teˇiˇte.. i µ viˇe ne bi izlazio kao konstanta izvan integrala. Promatramo prvo homogeni pravokutnik sa stranicama a i b smjeˇten u s ravnini tako da mu stranica b leˇi na osi y. zove se i polarni moment. pravca ili ravnine. c c Piˇemo s I = mr2 . Iz fizikalnih razloga uzimamo s µ(x) > 0 na [a. Masa svakog malog pravokutnika je µa∆yi . i = 1. segment [0. c c pravca ili ravnine imamo n I= i=1 2 mi ri . . yi ]. moment inercije je aditivan. Kao i statiˇki moment. Zbrajanjem po svim malim pravokutnicima i .5. U tom sluˇaju bismo imali c dm = πµ(x)f 2 (x)dx.ˇ 7. Za veliki n je si ≈ xi . a stranica a leˇi na x osi. m2 . < yn = b. a ako c c s je s obzirom na toˇku. c 7.

za ∆yi −→ 0. 3 Ako je pravokutnik smjeˇten tako da ga osi x i y raspolavljaju. n. dobije se s Ix = 1 M b2 . 12 Promatramo sad homogen ravan lik omeden komadom [a.334 ˇ POGLAVLJE 7.. 3 3 .25: Moment inercije homogenog pravokutnika. gdje je M = µab masa pravokutnika. b]) funkcije f . xi+1 ]. b] osi x. 12 Iy = 1 M a2 . Za svaki od tih pravokutnika je moment tromosti s obzirom na os x jednak 1 1 Mi µf 2 (si ) = µf 3 (si )∆xi . xi ] i visinama f (si ).. a to. .. 1 Ix = 3 M b2 . teˇi u z i b µa a y 2 dy = µa b3 1 1 = µabb2 = M b2 = Ix . te grafom (pozitivne i neprekidne na [a. 3 3 3 tj. i = 1. pravcima x = a i x = b. n dobivamo i=1 µa∆yi s2 . Podijelimo lik na n malih pravokutnika s osnovicama [xi−1 . UVOD U INTEGRALNI RACUN y b y i+1 0000000 1111111 1111111 y i 0000000 11111111111111111111 00000000000000000000 a x 0 Slika 7. Sliˇno se dobije da je c I y = 1 M a2 . za si ∈ [xi .

5. g 2 (y)dm. imamo Ix = Sliˇnim se razmatranjem dobije c Iy = d c 1 3 b a f 2 (x)dm. Primjer 7.ˇ 7. y). Tako za pravokutnik s poˇetka ove toˇke imamo c c I0 = 1 M (a2 + b2 ). pa je moment tromosti s obzirom na ishodiˇte I0 jednak s s I0 = mr2 = mx2 + my 2 = Ix + Iy . d] osi y i grafom c pozitivne i neprekidne na [c. d] funkcije g. onda je s I0 = 1 M (a2 12 + b2 ). komadom [c. dakle je 1 Ix = µ 3 r −3 (r2 − x2 ) 2 dx. 3 . Broj r = x2 + y 2 je udaljenost materijalne toˇke od c ishodiˇta. Oˇito je f (x) = c √ r2 − x2 . PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . dm = µdP = µf (x)dx.29 Izraˇunajmo moment inercije polukruga sa srediˇtem u ishodiˇtu c s s i polumjera r obzirom na x os. Znamo da je c 2 2 Ix = mx i Iy = my . 3 a ako mu je ishodiˇte u sredini. 3 ˇto u limesu za ∆xi −→ 0 daje s 1 Ix = µ 3 b a f 3 (x)dx. pri ˇemu je lik omeden pravcima y = c i y = d. za µ = 1. Zbrajanjem po svim pravokutnicima dobivamo n 335 i=1 1 3 µf (si )∆xi . Neka je dana materijalna toˇka mase m s koordinatama (x. Uvedemo li oznake dP = f (x)dx.

xi ].10. i = 1. b] podijeli na male podsegmente [xi−1 .8 imamo 1 Ix = r4 π. Iz ϕ(t) = −r imamo t1 = π. gdje je si ∈ [xi−1 . 4 4 4 Takoder zbog simetrije..5. .. c Primjer 7. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . n. moment inercije cijelog kruga obzirom na y os je Iy = Ix . 5 . Sada iz Primjera 7. i visine ∆xi = xi − xi−1 . Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. Prijelazom na limes dobijemo gornju formulu. π] −→ R zadovoljava Teorem 7.336 ˇ POGLAVLJE 7. Oˇito funkcija ϕ : [0. dakle je 1 I0 = Ix + Iy = M r2 .♠ 2 Kombinacijom razmatranja iz toˇke 7. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. i zbroje se momenti inercije malih valjaka polumjera f (si ).. xi ]. 2 2 a onda se interval [a.30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 . Analogno iz ϕ(t) = r imamo t2 = 0.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a.

. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 ... n. Sada iz gornje formule imamo 1 Ix = µπ 2 1 f 4 (x)dx = µπ 2 −r r r −r (r2 − x2 )2 dx = µπ 8 5 2 r = M r2 . b] na podsegmente [xi−1 . i = 1. c po Pitagorinu pouˇku. Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7.. . Podijelimo segment [a. i gdje je ∆xi = xi − xi−1 . n. . f (xi−1 )) i (xi . xi ]. f (a)) do toˇke c c B = (b.26: Duljina luka zadanog kao graf funkcije f (x). f (xi )).ˇ 7.♠ 15 5 7. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. PRIMJENE INTEGRALNOG RACUNA 337 Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ vrtnjom polukruga f (x) = r2 − x2 oko osi x. n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi .. Duljina luka od toˇke A = (a. b] zadana kao graf funkcije f ∈ C 1 [a. Duljina svakog takvog komada je.5. b] eksplicitnom formulom y = f (x). pa uzmimo c s os x. i = 1. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 .5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a.5...

mase µ. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . n.. s 7. n.. b] rotira oko osi x. s yT = b a f (x) √ 1+[f (x)]2 dx .26). polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). s s plaˇta krnjeg stoˇca polumjera donje osnovice R. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7.338 ˇ POGLAVLJE 7.. i = 1. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx .. Dijeljenjem segmenta [a. i = 1.5.. i .27: Ploˇtina plaˇta rotacijskog tijela. xi ]. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π. imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). xi ]. . . b] na podsegmente [xi−1 .

i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . gdje je si ∈ [xi−1 .31 Izraˇunajmo oploˇje kugle. ploˇtinu sfere polumjera r. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . c ds = 1 + [f (x)]2 dx.ˇ 7. .12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds.♣ s zs 7.7 Primjene u fizici Prijedeni put pri nejednolikom gibanju Pomo´u integrala moˇemo odrediti prijedeni put u vremenu izmedu trenutka t1 c z i t2 ako nam je poznata vrijednost brzine v(t) u svakom trenutku izmedu t1 i t2 . . n.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. tj...5.5. Ovdje smo s ds oznaˇili diferencijal luka. Teorem 7. ako znamo poloˇaj tijela u trenutku t1 = 0. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π.. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. xi ]. Primjer 7.26). Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi . Toˇnije. i = 1.

. c c − → − → Jednostavnosti radi. UVOD U INTEGRALNI RACUN Za sluˇaj konstantne brzine v(t) = v. gornja se formula svodi na izraz c s(t) = vt + s0 . i = 1.340 ˇ POGLAVLJE 7.. s → → − Ako su vektori F i − kolinearni... recimo F (xi ). b] na n posegmenata toˇkama a = x0 < x1 < x2 < . dobivamo poznatu formulu za rad s W = F · s. Podijelimo segment [a. y F(x) W 0 a b x Slika 7.. Rad sile − → Sila je tipiˇan primjer vektorske veliˇine. < xn−1 < xn = b i c pretpostavimo da je na svakom segmentu [xi−1 . sila konstantna. Tada je suma n F (xi )xi ∆xi i=1 . Promatrajmo sada sluˇaj sile konstantnog smjera ˇiji iznos se neprekidno mijenja. i = 1. duljine ∆xi . n. . n. uzmimo da je F (x) = F (x) i .28: Rad sile F (x) na putu [a. ona pri tome vrˇi rad s s s − → → W = F ·−. .. xi ].. b]. Ako konstantna sila F djeluje na putu c c → → duljine |− | u smjeru vektora − ..

s Primjer 7. onda je b W (h) = a F (x)dx.5. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju.33 Jarak duljine 10 m. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. Problem rjeˇevamo tako da izraˇunamo masu vode u sloju izmedu s s c dubine x i x + ∆x te rad potreban ze njeno podizanje do povrˇine. rad) biti kvadratna funkcija pomaka x. no nije ni bitna. Tada ´e njen integral (tj. Koliki je rad potrebno uloˇiti za c z isuˇivanje jarka? s Za isuˇivanje jarka potrebno je svu vodu iz njega di´i (barem) do njegove s c povrˇine. b] z z b W = a F (x)dx. i nakon toga s . Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. Ako sila nije konstantna.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. pri ˇemu je g ≈ 9. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 .ˇ 7. ako se masa tijela mijenja. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. Konstanta k nam nije zadana u ovom primjeru. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. tj. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. b]. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . To je formula dobivena integriranjem konstantne sile mg od 0 do h. Odavde odmah slijedi da je rad sile F (x) na putu [a. Primjer 7. F = −kx.

s x 0 y h Slika 7. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. duljina jarka je 10 m. a debljina sloja je dx metara). imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. Integriraju´i doprinose svih dubina c od 0 do h = 1 m.29: Jarak iz Primjera 7.83 J. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. ˇirina c s 2(1 − x) m. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg.342 ˇ POGLAVLJE 7. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). .33. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.30: Jarak iz Primjera 7. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve.33.

projektil) teˇine P podigne na visinu h iznad Zemljine povrˇine? s Ako h nije zanemarivo malo u usporedbi s polumjerom Zemljine R ne smijemo viˇe uzimati g kao konstantnu veliˇinu. upravo teˇina z K tijela.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. Uzimaju´i da su mp . Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . Dakle je K = P R2 i F (x) = PxR . (Ovdje je mz masa Zemlje. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. tj.5. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . To se postiˇe integriranjem po dubini sile na z mali element povrˇine. PRIMJENE INTEGRALNOG RACUNA 343 Zadatak smo mogli i jednostavnije rjeˇiti uoˇavaju´i da je teˇiˇte vode u jarku s c c zs 1 na dubini od 3 m ( jer je teˇiˇte trokuta na tre´ini teˇiˇnice.♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. gdje smo s c K oznaˇili K = Gmz mp . Polaze´i od te formule s c mogu´e je izraˇunati ukupnu silu kojom teku´ina djeluje na stijenke posude i/ili c c c na objekte s kojima je u kontaktu. z z Primjer 7. No ta sila je. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS.ˇ 7. mz i G konstante. imamo F (x) = x2 . Za x = R imamo teˇinu tijela na povrˇini Zemlje. c c c smanjenje zbog utroˇka goriva. c z s 2 K F (R) = R2 = P . Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. s z Primjer 7. Traˇeni rad je sada jednak z 2 R+h W (h) = R P R2 dx = P R2 2 x R+h R dx P Rh = .♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. mp masa projektila i G univerzalna gravitacijska konstanta). To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. Po Newtonovom zakonu znamo da je s c sila kojom Zemlja djeluje na tjelo mase mp na udaljenosti x od srediˇta zemlje s mz mp jednaka F (x) = G x2 .34 Koliki je rad potreban uloˇiti da se tijelo (npr. po definiciji.

35.344 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN 0 1 Slika 7.31: Kanal iz Primjera 7. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.♠ s c .

Viˇa matematika I i II. Uvod u viˇu analizu I i II. Blanuˇa. Poznjak. [9] B. Nauka. Markovi´. c s c s ˇ [7] B. Postnikov. Zagreb. 1995. Skolska knjiga. Zagreb. Analitiˇeskaja geometrija. D. Teˇiˇˇa in vztrajnostni momenti. DMFA. Tehniˇka knjiga. Elementarna matematika 1 i 2. Zagreb. Kurepa.M. Moskva. Zac greb.G. 1961. Tehniˇka knjiga. Horvati´.Bibliografija [1] D. 1974. c c [3] V. z sc 345 . Veljan. 2004. ˇ [6] Z. Ljubljana.A. c [8] M. s s c [2] K. Skolska knjiga. Uvod u linearnu algebru. E. Linearna algebra. 1978. c c [5] S. Matematiˇka analiza 1 i 2. Tehniˇka knjiga. Zalar. Ilin. 2005. Nauka. 1979. Pavkovi´. Kurepa. Sveuˇiliˇte u Zagrebu. Analitiˇeskaja geometrija. Moskva. 1981. 1976. Zagreb. c ˇ [4] S.

Sign up to vote on this title
UsefulNot useful