MatematikaSkripta

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

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

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

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

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

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

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

1. . . . . . 6. . . . . . . .2. . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . 6. . . . . . .1 Motivacija . . . . . . . . . . .5.1. .5 Neprekidnost i limes . . . . . . c 6. . c 6. . . . . . . . . . . .5. .2.1. . . . . . . . c 7. . . . .3 Newton . . . . . . . . . 7. . .6 Neodredeni oblici . . . . . . . . . .2. . . .1 Neprekidnost i graniˇne vrijednosti . c 6. . . . . . . . . . . . . . . zs 7. . . . . . . .2 Svojstva odredenog integrala . . . . .4 Graniˇna vrijednost (limes) funkcije . .4 Moment ustrajnosti (inercije) . . .1. . . .2. . . . . . . . . . . . 7. . . . . .5 Duljina i teˇiˇte luka ravne krivulje .5. . s 6. . .2. . . . 7. . . . . . . . . . . . . . . 6. . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . .7 Primjene u fizici . . . . . . . . .5.1. . . . . . . . . . .5 Primjene integralnog raˇuna . . . . . . . . . . . . . . s 7. . . . . . . . . . . . . . . . . . . . . . . . . .3 Derivacija funkcije . 6. . . .1 Neodredeni integral . . . . . . . .1. . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . .1.3 Neprekidnost elementarnih funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . 7. .6 Derivacije viˇeg reda . . . . . . . . . . . . . . . . 6. . . . . . . 7. . . . . . . 6. . . .1 Primitivna funkcija . . . . . . . 7. . . . .2.2. . . s 7. . . . . . . . . . . . . . . . . . . . .Leibnizova formula . . . . . . . .1 Motivacija . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . c 6. . .1. . . . . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . .1 Neprekidnost funkcije .3 Teˇiˇte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . .5. . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . .2 Volumen rotacijskog tijela . . . . . . . . . .problem povrˇine (ploˇtine) s s 7.2 Derivacija funkcije u toˇki . . . . . . . .2 Odredeni integral . . . . 7. . . . . c 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Metode integriranja . . . . . . . . .6 Povrˇina rotacijske plohe .7 Raˇunanje limesa . .2 Derivacija funkcije . . . . .2. .4 Raˇunanje derivacija . . . . zs 7. . 7 Uvod u integralni raˇun c 7.8 Primjene derivacija . . . . c 6. . . . . . 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 . . . .2 Neodredeni integral . . . . . . . . . . . .2 Svojstva neprekidnih funkcija . . . .2. .4 Nepravi integral . . . . .1 Povrˇina lika u ravnini . . .2. .1.

ispriˇat ´emo vam priˇu. Tvrtka OdiMi traˇi 400 kn za vozilo i joˇ 1 kn po prijedenom kilometru. 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. ona se rijetko postavljaju javno i naglas . stoga.Uvod Zaˇto (i kako) treba uˇiti matematiku? s c Matematika je nezaobilazan dio programa na svim tehniˇkim fakultetima. 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. MobiFon nudi usluge uz mjeseˇnu pretplatu od 200 kn c i cijenu razgovora od 1 kn/min.5 kn po kilometru. Razumljivo je. 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. ali z c minuta razgovora napla´uje se 2 kn. Kod koje od njih treba c c iznajmiti automobil za odlazak u grad udaljen 600 km i povratak iz njega? Je li 1 . da je tako uvijek bilo i z c da nije mogu´e biti dobar inˇenjer ne znaju´i matematiku. c c c c Na nekom trˇiˇtu za pretplatnike se nadme´u dvije tvrtke mobilne telefonije. uop´e. oˇito. da si mnogi studenti postavljaju pitanja: A zaˇto s nam to. TeleZvon traˇi 0 kn mjeseˇne pretplate. ponekad i nepremostivu prepreku na putu do stjecanja akademskog stupnja. ako c z z s nam i trebaju. zs c MobiFon i TeleZvon. tradicionalno. c Predaje se. na prvim godinama i mnogim studentima predstavlja ozbiljnu. Za poˇetak.studenti se ne ˇele dovesti u z poloˇaj da im se s visoka odgovori kako je to jasno. dok tvrtka DojdiMi z s napla´uje 800 kn za poˇetak i 0. 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.

c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. Bitni su. Takve c prikaze zovemo matematiˇkim modelima. Bitne su cijene. Nadalje. Nije bitan tip mobitela. gotovo karikirani. trajanje. Takav nam okvir daje matematika. dakle. arhetipski. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. Vrijedno je. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. 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. dakle. s c s dakle. kvantitativni aspekti. po kilometru) i da se tome dodaje konstantan iznos (pretplata. 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. z c c Prvo. startna cijena). c Matematika je. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. to je 800 km. dakle. Unatoˇ tome. 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. niti marka automobila. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. troˇkovi proizvodnje. porez. u naˇem primjeru. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem.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. 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. udaljenosti. Treba nam. niti grad u koji se putuje. vidimo da oba naˇa s problema imaju istu strukturu. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa.

jer su oni nezaobilazni c u problemima mehanike i statike. c z s momenti. izmjeni plime c s i oseke i ˇkripanju tramvaja u zavoju? Znate li da su porast broja stanovnika na s zemlji. jer s s s bi gradevinaru za uspjeˇno bavljenje strukom joˇ trebala i ekonomska. 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. Svakako. dakle. brzine i ubrzanja bitni. i obratno. stoga imati i s nauˇiti samo jednu. po 2. A kakve to ima veze s ravnoteˇom? Sila je. dakle. i to nam treba. a brzina je promjena poloˇaja u vremenu. ravnoteˇa nekog fizikalnog sustava z matematiˇki se opisuje neˇim ˇto se zove diferencijalna jednadˇba. Sve se te veliˇine matematiˇki opisuju pomo´u c c c pojma vektora. da su i derivacije neˇto ˇto treba z s s z zs inˇenjeru (pa i studentu) gradevine. apstraktna matematika u kojoj baratamo linearnim funkcijama je korisna za sve probleme u kojima se javlja linearna ovisnost. pa makar i apstraktnu. 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. nauˇiti baratati vektorima. Isto tako nema smisla govoriti o gradevinskoj matematici. karikirani. No znate li koji apstraktni matematiˇki koncept opisuje c kvantitativne aspekte zajedniˇke izmjeni godiˇnjih doba. ekoloˇka. prometna i tko zna kakva sve joˇ matematika. Izgleda. Dakle. A z kako se odreduje poloˇaj teˇiˇta nekog tijela? Integriranjem. rada srca. Nadalje. No ˇto su s s derivacije? Matematiˇki koncept kojim se opisuje i kvantificira brzina promjene c neke veliˇine. 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. ponavljamo. geodetska. produkt mase i ubrzanja. Bolje je. A integriranje je z zs postupak suprotan deriviranju. jer ´emo to znanje mo´i primijeniti u brojnim realnim kontekstima. c Primjeri iz naˇe priˇice su. Nadamo se da vas je ovih nekoliko reˇenica uvjerilo da su svi sadrˇaji obuhva´eni c z c . z c s c sapuni.3 funkcije. No teˇko je zanijekati da su nam sile. Na c c istom primjeru vidimo da matematika mora biti apstraktna: mobitelska matematika bi bila beskorisna kod rent-a-cara. ubrzanje je promjena brzine u vremenu. Diferencijalna c c s z se zove stoga ˇto se u njoj pojavljuju derivacije nepoznate funkcije. kosturi i porast broja stanovnika ne spadaju u probleme s kojima se svakodnevno susre´e inˇenjer gradevine. Isplati se. Newtonovom c z zakonu. Uz ravnoteˇu je vezan i pojam teˇiˇta.

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

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

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

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

Nadamo se da ´e tako ostvarena sinergija s z c rezultirati kvalitetnijim nastavnim procesom i poboljˇati njegove uˇinke. Takav je pristup rezultat kompromisa. S jedne smo strane ˇeljeli z proˇiriti knjigu dijelom materijala koji se odnosi na srednjoˇkolsko gradivo. Treba c s ga gledati prije kao dopunu predavanjima nego kao zamjenu za njih. c z Evo na kraju i posljednjeg savjeta. Nastavni materijal koji imate pred sobom bit ´e najbolje iskoriˇten u kombinaciji s redovitim pohadanjem predavanja. 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.8 izostavljanja. s c . a s s s druge smo strane morali voditi raˇuna o njenoj opseˇnosti i zadrˇati ju u razumc z z nim okvirima. S druge strane. 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.

1 direktno slijedi da je P Q = QP . 9 . Treba nam i podatak jesmo li na pravcu kojim se kamion giba.) c imamo i veliˇine kod kojih nam je bitan smjer (brzina. c Definicija 1. dok nam za vektorske veliˇine treba viˇe realnih brojeva. sila. Q ∈ E. duljina. ukljuˇivo P i Q.1 Na 20 m od vas nalazi se kamion koji vozi brzinom od 72 km/h ˇ c (20 m/s). giba li se prema nama ili od nas.♠ Oznaˇimo s E naˇ trodimenzonalni prostor koji ima toˇkastu strukturu tj.) Takve c veliˇine zovemo vektorskima. Primijetimo da iz Definicije 1.1 Vektori i osnovne operacije s njima U egzaktnim znanostima osim skalarnih veliˇina (masa. temperatura itd. U ovom c s ´emo poglavlju opisati matematiˇke koncepte i tehnike koje nam omogu´uju c c c efikasno matematiˇko modeliranje vektorskih veliˇina. 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. c c Primjer 1. 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. akceleracija itd. Duˇina P Q je skup svih toˇaka c z c c pravca kroz P i Q koje se nalaze izmedu P i Q.Poglavlje 1 Vektorski raˇun c 1. c s c njegovi elementi su toˇke.1 Neka su dane toˇke P. i ako jesmo.

2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. Duljinu − → − → vektora P Q oznaˇavamo s d(P.1: Duˇina i usmjerena duˇina. tj. tj. do na translaciju prostora)? z 1. jedna od njih je poˇetak P a druga je kraj Q. c .2 slijedi da je op´enito P Q = QP . VEKTORSKI RACUN − → Definicija 1. Q) =| P Q |. z z Q − → − → Iz Definicije 1. Poˇetak joˇ c c c s zovemo hvatiˇte. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. intenzitet). Prirodno je vektoru pridruˇiti njegovu duljinu (normu.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 . z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. s Q P P Slika 1.10 ˇ POGLAVLJE 1.2: Jednakost vektora. − − → −→ Definicija 1. Q Q’ P P’ Slika 1. jer imaju razliˇite poˇetke i c c c krajeve.

s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. z kolinearan je sa svakim vektorom). → Napomena 1. 3. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Vektor kod kojeg su poˇetak i kraj jednaki.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer.1.3). 11 − → 3. Oˇito je | 0 | = 0. poˇinje u P a z c zavrˇava u Q. Preciznije. Tada je c − − → − = OB. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. onda c a − → − →. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . tj. Za vektor P Q kaˇemo da je orijentiran od P prema Q. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. → c .3). Sada samo izaberemo orijentaciju koja nam treba. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. P = Q.2 znamo da takve toˇke A i B postoje i da su jedinstvene. c 2. Iz a Napomene 1.1. Napomena 1. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. tj. Pogledajmo sada neka svojstva nul vektora: c − → 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. B ∈ E takve da je OA = − i AB = b . → → → − − → − 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 .

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

d c a + b+ c+ d a b Slika 1. ˇija je duljina jednaka |λ||− |. a a → Za sluˇaj → + − piˇemo 2− (tj.5: Pravilo mnogokuta za zbrajanje viˇe vektora. λa . tj. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. s → − − a c Napomena 1. Sliˇno 2− + − = 3→.6: Mnoˇenje vektora skalarom. realnim brojem. a .1 ima sljede´a svojstva: ima →.λ<0 a A B Slika 1. definiramo λ− kao vektor: a → 1.4 Vektor a = −→ iz Teorema 1. Za n ∈ N a c a a a − = (n − 1)− + − . c a − 2. z → Za λ ∈ R.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. λ > 0 B’ 0 λa. 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 − − = →. koji ima isti smjer kao →. → BA.1. itd.1. ali je suprotne orijentacije.

− → → → → − Ako su vektori − i b kolinearni. 1 · − = → (postojanje jedinice). za sve a. 2.5 nigdje ne govori o geometrijskim veliˇinama. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. koji ima istu orijentaciju kao vektor − za λ > 0. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . Elemente od skupa V zovemo vektori.14 ˇ POGLAVLJE 1. a suprotnu orijentaciju a − za λ < 0. b ∈ V je a + b ∈ V . i neka je A = O c toˇka koja leˇi na tom polupravcu. Primjetimo da se u Definiciji 1.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. λ(µ→) = (λµ)− (homogenost).2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. onda. a a a − → 3. postoji pravac a a .1 i Teorema 1. → od vektora a Teorem 1. VEKTORSKI RACUN → 3. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). uz pretpostavku − = 0 .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. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). 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. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1.2. c Vratimo se sada Definiciji 1.♣ a a Definicija 1. a a → − 4. 3. a a → → → 2. Neka je dan polupravac (zraka) s poˇetkom u O.

1). odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). Bijekcija je konstruirana na prirodan naˇin. b = OB. (Usporedimo ovo s Definicijom 1. Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. → →→ te vrijedi a a a0 1.4). Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . tj. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. tj. onda je |− | = 0. A. B ∈ E na p takve da je − = OA. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . 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). Kako je → = 0 . Imamo da je c a − → → b = λ− .2 Vektorski prostor XO (E). gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. 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− . − → 2. b ∈ XO (E) i λ ∈ R. LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. pa moˇemo a a a z − → − = a .1. a a . → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . − → → 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 − .2. z → − → − → → → Neka su sada − . (λ. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. VEKTORSKI PROSTOR XO (E).

. → s koeficijentima λ1 . λ2 . z c Napomena 1.6 Za vektore − . λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . .. Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − .... .16 ˇ POGLAVLJE 1...6 izravno slijedi: → → → → a1 a1 a2 an 1. Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1. λn . − → Napomena 1. λ2 ..... . ... − . → ∈ → → − 0 i bar jedan od skalara λ1 .. .. Q = O.... − . → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . VEKTORSKI RACUN E P 0 Slika 1. . . Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − . Napomena 1. λ2 .2.7: Radij-vektori u X0 (E).. − ∈ XO (E).7 Iz Definicije 1. →. λ2 . λ1 ..5). → → → Neka su sada − .. Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1. a a1 a2 an → − − Definicija 1. − ...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.. .. λn ∈ R. − .5 Uzmemo li neku drugu toˇku Q ∈ E. − . .1 i Teorema 1. − . Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . ... Vektori − ... onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ. . λn je razliˇit od nule.

. VEKTORSKI PROSTOR XO (E).♣ . onda su ti vektori linearno zavisni.3 je jasna. pa z z slijedi da su oni linearno nezavisni. takav rastav je jedinstven. → → − Teorem 1. Stoviˇe.7. b bilo koja dva linearno nezavisna vektora iz XO (M ). a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . Teorem 1.. c − → − Napomena 1. →. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.♣ → a s Jednostavna posljedica Teorema 1. e1 e2 e3 z Tada su oni linearno nezavisni.8 Neka su →. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. →. → ∈ XO linearno zavisni.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. 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 − . onda su oni linearno zavisni ako i samo ako su kolinearni. Ako je barem jedan od vektora − .5 Ako su − . onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih.♣ → → → ˇ s a b c Iz Teorema 1. Ako su − . ♣ Tvrdnja Teorema 1.4 Ako su − . → ∈ XO (E) jednak nul veka1 a2 an toru. → → − → Teorem 1. b ∈ XO (E). taj rastav je jedinstven... a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.. − i − .3 Bilo koja dva vektora iz XO (p) su linearno zavisna. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.2. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. b i − tri linearno nezavisna vektora iz XO (E).4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. jer se nalazimo na pravcu.1. c − → → a 4..3 slijedi iz Napomene 1. Stoviˇe. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . Ako imamo dva vektora − . . on se ne moˇe izraziti kao njihova linearna konbinacija.. z → − − 3.

− . prema Napomeni 1. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). →. Koordinatni sustav → − → Definicija 1. 1. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. Kako vektori i . Tada je a e1 e2 e3 c − (Teorem 1. e1 e2 Napomena 1.18 ˇ POGLAVLJE 1. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . − ∈ XO (E).5). Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava.8 z ˇ oni su linearno nezavisni.1 i Teorem z 1. Ey = (0. Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. Skalare a1 . k ne leˇe u istoj ravnini. a2 i a3 − → → → vektor iz XO (E). →).9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). pa ˇine bazu. → → a b i j k . j = OEy i − → −→ − − − − → → → k = OEz . te toˇke Ex = c s c −→ − − → −→ − → − (1. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Analogno.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . z c → → Neka je sada − proizvoljan vektor iz XO (E). 0). 0. ay . duljine su im 1 i leˇe na okomitim c s z pravcima. Definirajmo i = OEx . − . 1). Stoviˇe. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . j . − → − → Neka je (→. a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). c →.3 Baza vektorskog prostora XO (E). pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). az ) su jednoznaˇno odredene. 0. 0) i Ez = (0. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . VEKTORSKI RACUN 1. pri ˇemu su skalari a1 . uredeni par → − (− . − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E).7 Uredena trojka (− .

az ∈ R takvi da je a i j → Ako sada identificiramo − ∈ XO (E) s uredenom trojkom njegovih koordinata. j .1. z). mogu´e prikazati P P kao c −→ − − → − → − → P P = (x − x) i + (y − y) j + (z − z) k . y . komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i poˇetne toˇke. k ).4. c c −→ − − → − → → − Napomena 1.4 Vektorski prostor Rn → − → − → − − Neka je ( i . c a → → − − = cx − + cy → + cz − . pravila za zbrajanje vektora i mnoˇenje vektora sa skalarom → a z (koja su opisana u toˇki 1. ay . −→ − Dakle. −→ − Znamo da je |P P | = d(P. j . tj. Tada je c − → jasno da su koordinate vektora OP vezane uz koordinate toˇke P . a − − − → → → Uzmimo sada bazu ( i . k ) bilo koja baza od XO (E). VEKTORSKI PROSTOR RN 19 → − − − → → → → → − S druge strane vektor − = − + b takoder ima razvoj u bazi ( i . −→ − − → − → → − Za toˇku P s koordinatama (x . y.3) nam daju pravila za takve operacije nad uredenim c trojkama: . cz = az + bz . Analogno. vrijedi c → − − → − → − → OP = x i + y j + z k . → k XO (E) postoje i jedinstveni su ax . Zakljuˇujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju´ih c c koordinata. zbog P P = P O + OP = −OP + OP = OP − OP (pravilo trokuta −→ − za zbrajanje vektora). Tada znamo da za proizvoljni → ∈ a → → → − = ax − +ay − +az − . z ) znamo da je OP = x i + y j + z k . ay . a − = (ax . c −→ − − − − − → −→ − → −→ −→ − → Sada je. k ) i toˇku P s koordinatama (x. tj. x y z 1. pa slijedi da je duljina proizvoljnog vektora jednaka → |− | = a a2 + a2 + a2 . P ) = (x − x)2 + (y − y)2 + (z − z)2 . imamo − → → − − → − λ→ = (λax ) i + (λay ) j + (λaz ) k .10 Vidjeli smo da je P P = (x − x) i + (y − y) j + (z − z) k . az ). Zbog jednoznaˇnosti koeficijenata imamo da je → c i j k c cx = ax + bx . j . cy = ay + by .

... x2 + y2 . yn ) ∈ Rn i λ ∈ R definiramo: (x1 . Dakle Rn = {(x1 .. λ(ax . c c Za (x1 .. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). xn ) = (λx1 . 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). . n}. . Zelimo uvesti i mnoˇenje vektora. To svojstvo baze od X0 (E) zovemo potpunost. 0. Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. λ(x1 .2.1 i Teorema 1.. n. (y1 . . 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 . . y2 . i = 1. x2 .. az ) = (λax .. x2 . . ay . . . U tu svrhu moramo na odgovaraju´i naˇin definirati c c . xn ) : xi ∈ R za i = 1. x2 . λaz )... by ... Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. Kako ta baza ima c n n vektora.. ay . λay . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. az ) + (bx . . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni.... xn ) + (y1 .. z 1. xn + yn )... n. Skup svih takvih n-torki oznaˇavat ´emo sa Rn . x2 . .... VEKTORSKI RACUN 1. λx2 . Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu.. ako su sila i put kolinearni.... 2..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.. az + bz ). Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . .... x2 . y2 .20 ˇ POGLAVLJE 1.. (ax . yn ) = (x1 + y1 .. xn ) gdje su xi ∈ R za i = 1.. xn ). . 0.. bz ) = (ax + bx . . 1.. Moˇe se pokazati da skup od n vektora −i = (0. Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. ˇini bazu u R . ay + by . U toˇki 1.. . ....5 Skalarni produkt ˇ Vektori su generalizacija brojeva. λxn )... kaˇemo da je R n-dimenzionalni realni vektorski prostor.

j . Iz Tablice 1.1.3). s − → → − → → − − → → Definicija 1. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . j . rezultat produkta vektora c − → mora biti skalar. j .5. b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). a c c . → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj.1 vidimo da su vektori i . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b .8 Neka su − = 0 i b = 0 . − − − → → → Pogledajmo sada jediniˇne vektore ( i . (Uzimamo 0 ≤ ϕ ≤ π. pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. pa kaˇemo da je ( i . j . onda je → · b = 0. nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. Skalarni produkt vektora − . novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. SKALARNI PRODUKT 21 produkt dvaju vektora. Kako je rad skalarna veliˇina. b . iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj.) Ako je barem jedan od vektora → i b → − − nul vektor. j . Svaka tri vektora − → → → (− . k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. k ) − − − → → → nije jedina takva baza (npr. ( k . kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. i ) je druga takva baza). Osim toga. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E).8: Uz definiciju skalarnog produkta. Primijetimo da ( i .

a −b b ϕ a Slika 1. c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ). a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b . kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k .1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje. − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ).9: Raˇunanje skalarnog produkta.22 · → − i → − j → − k ˇ POGLAVLJE 1. VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1. Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− .

a a → − → → − − a a c 3. b ∈ V i sve λ. Definicija 1. yn ) ∈ Rn . slaˇe s Napomenom 1. tj... 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 c a c c → → → − → − 2. .. a onda f zovemo linearni funkcional.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . µ ∈ R. − = (y1 . (− + b ) · − = − · → + b · → (aditivnost). x2 .1. a x y z Ova se formula za duˇinu vektora. .. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. Posebno. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b .. − → a b Napomena 1. xn ).9 Neka su V i W realni vektorski prostori. ako je vektorski prostor W = R.10. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . (λ− ) · b = λ(− · b ) (homogenost). tj.. → · b = b · − (simetriˇnost). Za preslikavanje (funkciju) sa V u W . Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. z z → → − → − → − → → 2.. → → x y Teorem 1. y2 . + xn yn . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . ..5.♣ − → → → → 1. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . → → Neka su − = (x1 .11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije.

ay = cos β. onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). ay = − · j . − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. az = cos γ. a a z c − → a → − Pogledajmo vektor − = − . b ∈ a a c a XO (E) i λ. − a0 →| i − −| j → −| k → |a |a |a . ay . Kako je |− | = 1. k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . az = − · k . γ ∈ [0. k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1. az ∈ [−1.12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. j . vrijedi a2 + a2 + a x y 2 az = 1. Tada je skalarno mnoˇenje s c z − linearni funkcional. 1]. cos β. − ). a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . Stoviˇe. β.3). VEKTORSKI RACUN → Primjer 1. a → → → − Neka je sada − ∈ XO (E). → a i j k → Brojeve cos α. π] c takvi da je ax = cos α.24 ˇ POGLAVLJE 1. Ve´ smo rekli (toˇka 1. j .♠ a a c a c c a − → − → − → Neka je sada ( i . (− . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − .1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . vrijedi a s → − → → = ax → + ay − + az − . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. pa postoje brojevi α. Neka su sada →. → → − → − →→ → →→ a a i i a j j a k k Napomena 1. − . Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . Tada su oˇito ax . cos γ zovemo kosinusi smjera vektora − . j . Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i .2 Neka je − ∈ XO (E) fiksan vektor. k ) od XO (E). µ ∈ R proizvoljni.

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

x= αd − βb . 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. 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. i 3. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. drugu s −b i zbrojimo ih. odnosno.26 ˇ POGLAVLJE 1. a koristan je z i pri radu s vektorima. drugu s −a i zbrojimo ih. za ad − bc = 0. .determinante matrica 2. a b A= . ako prvu jednadˇbu pomnoˇimo s c. 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.6 Digresija . ad − bc S druge strane. dobijemo z z (ad − bc)x = αd − βb. z z dobijemo αc − βa βa − αc y= = . VEKTORSKI RACUN 1. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. Ako pomnoˇimo prvu jednadˇbu s d.

Analogno. Matrica tog sustava je matrica tre´eg reda. Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora. da smijemo dijeliti s det A. To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d − → − → i c i + d j . I 3. c  a1 a2  A =  b1 b2 c1 c2 i dana je s  a3  b3  . pa onda s . Tada imamo c d a α c β a b c d 27 x= α b β d a b c d i y= . sveli smo problem raˇunanja c c determinante tre´eg reda na problem raˇunanja determinante drugog reda. tj. to znaˇi da je ad = bc. REDA Oznaka koju joˇ koristimo je s a b . c1 c2 det A = = a1 − a2 + a3 Determinante matrica drugog reda znamo raˇunati. Ako to nije sluˇaj. cx + dy = β. 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 . 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. c3 Determinantu matrice tre´eg reda raˇunamo rekurzivno razvojem po prvom retku. odnosno paralelnosti pravaca definiranih izrazima ax + by = α.6. Pri izvodenju ovih formula pretpostavljali smo da je ad − bc = 0.1. tj. odnosno a = c c c − → − → b . 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.DETERMINANTE MATRICA 2. DIGRESIJA .

determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = − a1 a2 a3 . 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. c1 c2 c3 a1 a2 a3 = λ b1 b2 b3 .tj. c s s Ovdje smo uveli samo ona njihova svojstva koja ´e nam trebati pri radu s vekc torima. 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 .: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. tj. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom. tj. Ako dva susjedna redka predznak. 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 . c1 c2 c3 3. Svojstva determinante: 1.: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5. c1 c2 c3 Determinantama ´emo se viˇe baviti u poglavlju o rjeˇavanju linearnih sustava. a3 b3 c3 (stupca) zamijene mjesta. determinanta je jednaka nuli. . Ako su dva redka (stupca) u determinanti jednaka. determinanta z se mnoˇi tim skalarom.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . 4.28 ˇ POGLAVLJE 1. Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante.

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

Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . i . j . j . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). tj. k : z − → − → − → − → i = a1 i + a2 j + a3 k . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). i . → → a b i j k . z Napomena 1. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. − → − → → − − → j = b1 i + b2 j + b3 k . k ) i S = (O . 1. onda nisu. Prikaˇimo i . Definicija 1. j .8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. i . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . j . pomo´u determinante pripadaju´e c c matrice. onda se z orijentiranost od S i S ispituje analogno.30 ˇ POGLAVLJE 1. ako je D < 0. onda su S i S (odnosno njihove baze) jednako orijentirani.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). j . − → − → − → − → k = c1 i + c2 j + c3 k . k preko i . Dakle. c1 c2 c3 Ako je D > 0. VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. k ) pravokutni normirani c c → → − desni koordinatni sustav.

(λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. neka je − × b = 0 .14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. Po pretpostavci je |→| = 0 i | b | = 0. → → → − → → − (a b c a c b c − − → → − → 3. tj. Dakle a − → − i b su kolinearni. Kako je − · b = |→|| b | cos ϕ.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1.6. Tada je |→ × − | = 0. → × b = −( b × − ) a a (antikomutativnost). To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. pa desna strana formule za duljinu vektora − × b iˇˇezava. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b .♣ → a . b nul vektor. c Dokaz: − → → Ako je barem jedan od vektora − .1. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . → × ( b + − ) = − × b + − × − . Tada je |− × b | = 0. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. kao saˇeti zapis. i ϕ = 0 ili ϕ = π. a c → i → kolinearni. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . jer je nul vektor kolinearan sa svakim vektorom. a → − → → → → − → − → − Obratno. c c z Teorem 1. − → − → |a a sc a b → − → → − pa i − × b = 0 . imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ).♣ Primijetimo da tvrdnje Teorema 1.8. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . ϕ = 0 ili ϕ = π. pa je cos2 ϕ = 1.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. − → → → − → − → → 2. Zbog − · − = |→||− | cos ϕ. a a a Napomena 1. Neka su sada oba vektora razliˇita od nul vektora.

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

− × b ) desni (op´enito nepravokutni) koordinatni sustav. c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1.13 vidimo da je → = − × − .8. dok je s druge strane i × ( i × j ) = − j tj. a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . j . Sa Slike 1. pravila za vektorsko mnoˇenje te gornju tablicu) z z . k ) koje ´e nam c c biti koristno pri raˇunanju. − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). j . pravila za skalarno mnoˇenje. Uzmimo npr. Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. j . to je − → → → → − (O. k ). b .13: Kutna brzina. vektore ortonormirane baze ( i . ω r v v ω 0 r Slika 1.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . i .1.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. − . Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. j . k ) desni koordinatni sustav (pravokutni i normirani). k ).

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

z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . b . Pretpostavimo zato da su − = 0 . b . a a − → → − → − − → − 2. → − → − → → → → Napomena 1. pa kako je − okomit na b × − . z → − − − a c Napomena 1. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. pa tvrdnja slijedi a c iz svojstava determinante 3. − ∈ XO (E). zakljuˇujemo da su vektori → i b × c okomiti. − .16 Vektori →. b . jer je a a c → − − → |→ · b | = |− || cos ϕ|. a | b | sin ϕ visina paralelograma. MJESOVITI PRODUKT 35 bx c a c b Slika 1. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →.17 Za vektore − . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. − komplanarni po Napomeni 1. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. Tada je: → → → a b c → − → − → − − → 1. gdje je |→| baza. → komplanarni. − → − i samo ako su a b c − → → → Ako su − . |→ · b | je duljina projekcije od − na b za jediniˇni vektor b .4 i 5 iz toˇke 1.11 Za vektore − . |→ × b | je povrˇina paralelograma razapetog s → i b . Tada. b = 0 i → = 0 .14: Mjeˇoviti produkt triju vektora. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. vektorsko mnoˇenje i mjeˇoviti z z s produkt.♣.16 oni su linearno zavisni.9. − . onda − → − Obratno.ˇ 1.6. a a . s → → − → Definicija 1. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . b . kako je a c → − − → → − − → − · ( b × c ) = 0.

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 . 2. P3 . 4 jednak c −− − − −− −→ − → −→ razapetog s P1 P2 . P3 . Dokaz: −− − − −− −→ − → −→ −− − − −− −→ − → −→ Uzmimo vektore P1 P2 . − ) proizvoljna → → → − → → ortonormiranoj) bazi ( a b c d a b c baza od XO (E). P1 P4 . Kako je volumen tetraedra ˇiji su vrhovi Pi i = 1. P1 P4 . − . Tada je volumen tetraedra ˇiji su vrhovi toˇke Pi i = 1. k )). yi . 3. 4 (u pravokutnom koordic − − → →→− natnom sustavu (O. i . 3. Veliˇina → − − − → → ( b × c )| = | a b c a b c c − − → → →|| cos ϕ| je duljina visine paralelepipeda. P1 P4 jednak apsolutnoj vrijednosti broja x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . − | b × c | je povrˇina baze. 2.36 ˇ POGLAVLJE 1. − ). − . − .♣ 1 6 volumena paralelepipeda . imamo tvrdnju. VEKTORSKI RACUN → → → − − → − → → 3. − − → a b c Napomena 1. jer je |− · a c a c a − − → → − ||→ × →|| cos ϕ| (ϕ je kut izmedu → i − × − ). Neka je dan − ∈ XO (E) i neka je (→. Tada je volumen paralelepipeda razapetog s P1 P2 .18 Neka su dane toˇke Pi = (xi . P1 . P1 . Tada vrijedi: → − → − → − ·(→×− ) − d b c d = − → − →− →·(− ×→) a a b c − → − − → − → → d ·( a × c ) − ·(→×− ) b + → − → a b c → → − − − → d ·( a × b ) − → →·(→×− ) c . P1 . j . a | a s − → Pomo´u mjeˇovitog produkta moˇemo proizvoljan vektor d prikazati u proizvoljnoj (ne nuˇnoj c s z z → − . 2. |− ·( b × →)| je volumen paralelepipeda razapetog s − . b . P3 . 3. zi ) i = 1.

taj skup je neprazan. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . pri ˇemu su A.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. onda za c proizvoljni x0 imamo C A y0 = − x0 − .1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. B B 37 .3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. Ako je B = 0. c c s 2. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. 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.1. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru. Ta jednadˇba opisuje neki skup toˇaka u ravnini. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1.Poglavlje 2 Analitiˇka geometrija c 2. Takav analitiˇki opis ne ovisi o geometrijskom zoru. i .

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

jer je tada vektor − oblika n − → →=Ai.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. postoji t ∈ R takav da je n = t− . jer je toˇka (0. ako postoji t ∈ R takav da je A = tA. jer je tada vektor − oblika n − → →=Bj. − n 4. jer je (0. n n 2. 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. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . Ako je B = 0. C −A −B . B = tB i C = tC. c Obratno. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. − n → 3. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. Ako je C = 0. onda je pravac os y. Ako je A = 0. Dobijemo z B A x + −C y = 1. y0 ) i da je za svaku drugu toˇku (x. Ako je A = C = 0. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Ako je B = C = 0.1. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 .2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. tj. nepotpune obc z like): 1.2. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. Dakle → → r i j n i j n i j → − − → − i n kolinearni. z → 2. Odatle je A = tA i → → su vektori n n B = tB. jer je (0.1. onda je pravac os x. onda pravac prolazi kroz ishodiˇte. znaˇi z c da prolaze kroz istu toˇku (x0 . onda je pravac paralelan s osi x. onda je pravac paralelan s osi y. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. pa imamo tvrdnju. Oˇito je (x0 . → → Ax = 0 i vektor n n i 5.

y 1 ) Slika 2. pravac prolazi kroz toˇke (0. c c y b a 0 x Slika 2. imamo A x a + y b = 1.2: Segmentni oblik jednadˇbe pravca.3: Kanonski oblik jednadˇbe pravca. c c tj. z z Uoˇimo sljede´e: ako je x = 0. z .40 ˇ POGLAVLJE 2. a ako je y = 0. z 2.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). onda je y = b. 0). onda je x = a. 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.1. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . b) i (a. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca.

Npr.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 .y 2 ) P = (x 1. iz kanonske jednadˇbe c z .2. bez komponente u smjeru j . z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). z z Napomena 2.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni.y 1 ) Slika 2. s s 2.4: Pravac kroz dvije toˇke. Nadimo jednadˇbu tog pravca. Iz uvjeta x − x1 = λm i − − kolinearni. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). y2 ) u ravnini M . Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. Dakle imamo pravac paralelan s osi c → − → − − → − x. ˇto se vidi i iz vektora smjera → = m i + 0 j . y = y1 . onda c c je jasno da njima prolazi jedinstveni pravac p. y1 ) i Q = (x2 . Toˇka P = (x. jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. z p Q = (x2 .1. a kako p po pretpostavci prolazi toˇkom P . c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. 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 .1. tj. 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− .

c 2. y l ϕ 0 x Slika 2. Uvode´i oznaku k = m . y − y1 = k(x − x1 ). Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). 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 . z .5: Eksplicitni oblik jednadˇbe pravca. Veliˇinu k zovemo koeficijent smjera pravca p. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0.5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera.42 ˇ POGLAVLJE 2.1. Uvedemo li oznaku l = −kx1 . Tada je y = kx − kx1 + y1 .

φ ∈ [0. c c s − → − → → d = |OP0 |. z Jasno je da su a. 1]. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d.1. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. tj. Neka je − = a i + b j jediniˇni vektor na pravcu q. c − → − → → pa imamo − = cos ψ i + sin ψ j . P = (x. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. tj. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. tj. b ∈ [−1. n − → → Toˇka P = (x. Povucimo sada kroz O pravac q okomit na p.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). imamo k = tg ϕ. pa tada postoje ψ. → → r n Jednadˇbu − · − = d. PRAVAC U RAVNINI Napomena 2. s vektorom i ). c 43 n ˇ Uzeli smo da je k = m . n Kako je tg ϕ = m . y) leˇi na pravcu p ako i samo ako je z − · − = d. odnosno z → → r n x cos ψ + y sin ψ = d .2. n c y q n θ P0 x r P p 0 Slika 2. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. π] takvi da je a = cos ψ − i b = cos φ. a2 + b2 = 1. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |.1.3 Za x = 0 imamo y = l tj. l).6: Normirani oblik jednadˇbe pravca.5). pravac prolazi toˇkom (0. 2.

z . predznak od t je jednak suprotnom predznaku od C). po Napomeni 2.44 ˇ POGLAVLJE 2. tB = sin ψ.2. tC = −d. postavlja se pitanje kako prona´i njegov normirani oblik. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. 2. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. dakle mora biti tA = cos ψ.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y. Stoga je t= 1 √ . Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 .1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. −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. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.2 2.

−1 → Neka je ϕ kut izmedu → i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − .ˇ 2.2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . 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 . → n i j 45 Definicija 2.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. 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. → → kolinearni. ako i samo ako je A1 A2 + B1 B2 = 0.2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . tj. A2 B2 → → Napomena 2. .

s1 s2 odnosno ako i samo ako je n1 m1 = . to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. ako i samo ako postoji λ ∈ R takav da je − = λ− . tj. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. m2 n2 → → Napomena 2. − → 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 . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. → → Napomena 2.46 b) Kanonski oblik: ˇ POGLAVLJE 2. ako i samo ako je m1 m2 + n1 n2 = 0.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . . s1 s2 tj.

Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . Definicija 2.4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .2. . ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 . y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2.7: Kut dvaju pravaca.ˇ 2. 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. y = k2 x + l2 . 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . k2 = tg ϕ2 . Neka je ϕ = ϕ2 − ϕ1 .

ako i samo ako je ϕ1 = ϕ2 .5. tj. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p.1. k2 2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . tj. p) = x0 cos ψ + y0 sin ψ − d. s Napomena 2.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.48 ˇ POGLAVLJE 2. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . c Definicija 2.7). y0 ) i pravac p u ravnini. ANALITICKA GEOMETRIJA Napomena 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . odnosno ako i samo ako je k1 = k2 . − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. Napomena 2. tj. To je ekvivalentno s 1 k1 = − . Izraˇunajmo sada udaljenost toˇke P0 od pravca p. 2 ako i samo ako je tg ϕ = ∞. Zanima nas udaljenost c toˇke P0 od pravca p. Neka je pravac p dan u c c normiranom obliku. 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. x cos ψ + y sin ψ = d.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. sa suprotne strane od ishodiˇta) jer je tada n s .2.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. odnosno ako i samo ako je 1 + k1 k2 = 0.

ˇ 2. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . A2 +B 2 Ax0 + By0 + C √ . ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . p) ≥ 0. −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. p) = odnosno d(P0 . p) = |bx0 +ay0 −ab| √ .1. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 .1 c z c (segmentni. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. a b . tj. p) = |Ax0 +By0 +C| √ . udaljenost toˇke P0 = (x0 . Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. p) = |x0 cos ψ + y0 sin ψ − d|.2. a2 +b2 x y + = 1. y0 ) od pravca p je c d(P0 . y0 ) od pravca p je c d(P0 . eksplicitni). odnosno bx + ay − ab = 0. kanonski. pravac kroz dvije toˇke. p) < 0. onda iz toˇke 2.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. 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) = |(y2 −y1 )x0 −(x2 −x1 )y0 −(y2 −y1 )x1 +(x2 −x1 )y1 | √ (x2 −x1 )2 +(y2 −y1 )2 . y2 ). tj. y0 ) od pravca p je c d(P0 . y1 ) s vektorom smjera − = c s (m. y1 ) i P2 = (x2 . udaljenost toˇke P0 = (x0 . udaljenost toˇke P0 = (x0 . c x − x1 y − y1 = . x2 − x1 y2 − y1 odnosno (y2 − y1 )x − (x2 − x1 )y − (y2 − y1 )x1 + (x2 − x1 )y1 = 0. m n odnosno nx − my − nx1 + my1 = 0. k2 +1 .50 ˇ POGLAVLJE 2. y = kx + l. y0 ) od pravca p je c d(P0 . y − y1 x − x1 = . d) u eksplicitnom obliku. p) = |kx0 −y0 +l| √ . m2 +n2 c) kroz dvije toˇke P1 = (x1 . p) = |nx0 −my0 −nx1 +my1 | √ . ANALITICKA GEOMETRIJA → b) u kanonskom obliku kroz toˇku P1 = (x1 . n). tj. tj. y0 ) od pravca p je c d(P0 . odnosno kx − y + l = 0. udaljenost toˇke P0 = (x0 .

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. identiˇni su. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. c 2. ys ). c z U sluˇaju da se sijeku u jednoj toˇki. Npr. sijeku se u jednoj toˇki. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs .2.8: Mogu´i poloˇaji pravaca u ravnini.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. poklapaju se. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. 3.2. tj. zovimo je S = (xs . paralelni su.ˇ 2. xs = . koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama.

52 i ˇ POGLAVLJE 2. . Vrijedi i obrat.2. onda su p1 i p2 paralelni. onda je A 1 B1 A 2 B2 = 0. Osim udaljenosti.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 . Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 .11 Ako je A 1 B1 A 2 B2 = 0.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. p)|. ako su p1 i p2 paralelni. Napomena 2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 .4). Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . p) i δ(B. p) = x0 cos ψ + y0 sin ψ − d. 2. p) suprotnog predznaka.2.

p3 u ravnini u op´em obliku. p2 . → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. A2 B2 A 1 B1 . z c s Da bi se p1 . β ∈ R takvi da je −3 = α→ + β −2 .2. p2 . ys ).2. s c Neka se sada. p1 i p2 sijeku u jednoj toˇki. tj. Oznaˇimo c c c ju sa S = (xs . tj. bez smanjenja op´enitosti. po Teoremu 1. jer ako su sve tri jednake nuli. tj. Dokaˇimo da je i z C3 = αC1 + βC2 . Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . Tada p3 mora prolaziti kroz S. mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . → n i j → → −2 = A2 − + B2 − .ˇ 2. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule.5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . onda prema Napomeni c 2. postoje α. ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . .4 vektori → → −1 = A1 − + B1 − .

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. β ∈ R. pa po svojstvima determinante 4. 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 .54 ˇ POGLAVLJE 2. B1 . iz toˇke 1. A 2 B2 je razliˇita od nule. (A3 . B3 . ANALITICKA GEOMETRIJA Kako p1 . c A1 B1 . vektori (A1 . p2 . (A2 . i 5. p3 po pretpostavci prolaze istom toˇkom.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . C1 ). imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. S. Drugim rijeˇima. A3 B3 A2 B2 A2 B2 =0 . C3 ) su linearno zac visni. B2 . C2 ).

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

j i k dobivamo kanonske jednadˇbe pravca. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . vektor smjera pravca p je dan s (a. ANALITICKA GEOMETRIJA x = x0 + ta. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. z c s 2.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . z Napomena 2. Kako su vektori baze linearno nezavisni. Prema s z Napomeni 1. y0 . y = y0 + tb. 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 . Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . b.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . . pravac p prolazi toˇkom (x0 .56 Jednadˇbe z ˇ POGLAVLJE 2. z s Napomena 2.3.13 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. c su koeficijenti smjera pravca p. z0 ) i 2. b. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . c) odnosno a.

− →| s →| |→| |→| |s |s s s − jediniˇni. → − → → r r1 r2 r1 . b. c c Tada kroz njh prolazi jedinstveni pravac p. pa odreduje isti pravac.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). y2 .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. − → z definirajmo s P c s − je vektor smjera pravca p. istog smjera i orijentacije kao i →. β. →| |s c cos γ = → . c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 .1. PRAVAC U PROSTORU 57 → Posebno. Sada imamo da je → = P1 P2 = → − →. i njihov omjer daje koeficijent smjera (toˇka 2.6). s 2. Uzmimo sada npr. Odredimo njegovu jednadˇbu. b. π] takvi da je a cos α = − . γ ∈ [0. z2 ) u prostoru. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. →| |s b cos β = − . tj. b. z Znamo iz toˇke 2.3.3. onda znamo da je vektor → s a b c 1 → s0 = − − = − .4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . y1 .3.5 i toˇka 2. c).3. c s → Iz toˇke 1. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a.2. Zbog komplec mentarnosti. jedan kosinus smjera prelazi u sinus. − . s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . onda ima dva kosinusa smjera. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .1. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. 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. odnosno postoje c s0 α. pa iz toˇke − − s r2 c s r2 r1 c 2. −| |s Dakle koeficijenti smjera a. c) je dana s x y z = = .5 znamo da postoje kosinusi smjera vektora − . z1 ) i P2 = (x2 . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a.

y0 .10: Pravac kroz dvije toˇke u prostoru. Analogno. z c y2 −y1 2 −z 2. 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. c x = mz + m1 . b. c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . uz oznake m = a c i m1 = − a z0 . c c c odnosno.58 ˇ POGLAVLJE 2. 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. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . c c c . z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. z0 ) s vektorom smjera − = (a. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 .3. y = y1 + t(y2 − y1 ). a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 .

59 y = nz + n1 .3. Dakle. vrijedi x−m1 m = y−n1 n = z. Napomena 2.11: Pravac zadan dvjema projekcijama. z y=nz+n 1 x =mz+m 1 y 0 x (m . b.3.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . + n2 + 1 cos β = √ m2 n . PRAVAC U PROSTORU odnosno. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. z b c . uz oznake n = b c b i n1 = − c z0 . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. y0 .14 Iz toˇke 2. + n2 + 1 2.n ) 1 1 Slika 2.3 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 .2. + n2 + 1 cos γ = √ m2 1 .3. Tada za svaki izbor a.

2 2 2 . ANALITICKA GEOMETRIJA 2. z2 ) u prostoru. z → c radij vektor toˇke B. m ∈ N. mz1 +nz2 ). ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . z1 ) i B = (x2 . s z Imamo → = 1 (− + − ). AC : CB = m : n.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . r2 r1 →=− + − → ρ r1 n m → → → − + n −. my1 +ny2 . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. . m+n m+n m+n Napomena 2.12: Dijeljenje duˇine u zadanom omjeru. Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n.60 ˇ POGLAVLJE 2.3. . y2 . 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. tj. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . y1 .

γ kutovi c → zatvara s pozitivnim smjerovima osi x. ako Π prolazi kroz ishodiˇte (tj. onda je p = 0. y. → n Posebno.4.4 2.13: Normalni oblik jednadˇbe ravnine. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. j . c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. → → r n . − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. RAVNINA U PROSTORU 61 2. → → radij-vektora r n c P . z redom (tj. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . P0 d r π n0 0 M Slika 2.4. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. Povucimo okomicu iz toˇke O na ravninu Π. toˇku O). s vektorima baze −0 ˇto ih n s − − − → → → i . β. 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. k iz toˇke 1. a vektor z −0 zovemo normala ravnine Π. Neka je −0 = OP0 c c n p −→ − (tj. → 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.3 ).2. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.

n . neka su toˇke A = (a.2.16 Ako toˇka P ∈ E ima koordinate (x. Kao i kod pravca (toˇka 2. redom.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. n0 − − → → OB · −0 = p. c Neka je M = (x1 . a c kako M leˇi u Π . 0). Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. Imamo neˇto analogno otklonu iz toˇke 2. 0. z1 ) ∈ E proizvoljna.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. toˇke u kojima Π sijeˇe koordinatne osi x. y1 . y. jer je duljina okomice do Π jednaka p).2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. B. B = (0. b. kako su A. z.62 ˇ POGLAVLJE 2. c). udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p.4. → ako je M s one strane Π na koju pokazuje −0 . 2. C ∈ Π. 0). y. c c Sada. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π).2. z). Nadalje. z − − → OA · → = p. Napomena 2. duljina okomice c do Π ´e biti p + d (za neki d ∈ R.2. u stvari. udaljenost ravnine Π od ravnine Π . r n Napomena 2. C = c (0. Kako je d. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . iz normalne jednadˇbe ravnine imamo. Za toˇke s druge strane bit ´e n c c d < 0. 0. n − → → OC · −0 = p. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|.

a cos α = p. neka je C = 0. 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.14: Segmentni oblik jednadˇbe ravnine. y0 . tj. c cos γ = p.4. z 2. 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. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). Odatle. . b cos β = p. B. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. Bez smanjenja op´enitosti. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). c C C Tada postoji toˇka (x0 . cos β = .2. cos γ = . p p p cos α = . z Dakle. z = − C x − B y − D .

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

Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. tj. ravnina prolazi kroz ishodiˇte. Napomena 2. onda su koordinate A. s → 2. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. z1 ) ∈ E. Ako je C = 0. nepotpune obc z like): c c z 1. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.17. 0) nema komponentu u smjeru n − → osi z (tj. onda je oˇito da O = (0. Dakle imamo cos α = 65 A . Tada je. onda normala − = (A.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. istog su smjera n n → c n i orijentacije. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. B.4. Π) = |Ax1 +By1 +Cz1 +D| √ . R → → Vektor normale −0 je normirani vektor − = (A. k ). c onda je A B D z =− x− y− . po c Napomeni 2. RAVNINA U PROSTORU predznaka od D. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. b1 = − B i c1 = − D .20 Neka je dana toˇka M = (x1 . C). A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. B. y1 . c . pa odreduju istu ravninu.2. C C C A z Oznaˇimo a1 = − C . R cos γ = C . s c A2 +B 2 +C 2 Napomena 2. R cos β = B . B.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . Stoga ´emo i vektor − zvati vektor normale.1). pa imamo cos γ = 0. 0.4. Ako je D = 0. tj.

B. Varijable u i v zovemo parametri.16: Ravnine u posebnim poloˇajima. z → − a vektore − i → vektori smjera. z c c 2. A. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . imamo samo tri nezavisna. c Od ˇetiri parametra. 0) ima komponentu samo u n smjeru osi x. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . s1 s2 . Ako je B = C = 0. odnosno x = − D . jer jedan parametar c moˇemo eliminirati dijele´i onim od A. B. onda prema 1. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. C i D.4. Imamo Ax + D = 0. − i − su komplanarni).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. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. onda normala − = (A. 0. ravnina je paralelna s koordinatnom ravninom Oyz. C koji je razliˇit od nule. 4. Ako je B = C = D = 0. z → 3. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . ravnina je paralelna A s koordinatnom ravninom Oyz. ravnina prolazi kroz ishodiˇte s a prema 3.66 z ˇ POGLAVLJE 2.

y. − = (a1 .17: Ravnina zadana parametarski. z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine.2. z0 ) z z c → → i dva vektora smjera − = (a1 .21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. b1 .22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . b1 . Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. → − Nek je P0 = (x0 . b2 .4. Napomena 2. y0 . Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. y0 . vidi se da je ravnina dvodimenzionalni objekt u prostoru. c1 ) i − = (a2 . z Napomena 2. z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. → = (a2 . y = y0 + ub1 + vb2 . Tada P = s1 s2 → − (x. s1 s2 . b2 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. c1 ). z0 ). Kako imamo dva parametra (u i v). c2 ).

ako i samo ako su P0 P . → komplanarni. Kao i u toˇki 2. 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. P2 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. z3 ) u c prostoru takve da ne leˇe na istom pravcu. ANALITICKA GEOMETRIJA −→ → − − odnosno. P1 P3 komplanarni. 2. s1 . vektori s1 s2 −→ → − − − → P0 P . 2.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . y3 . z1 ). P3 ne leˇe na istom pravcu. P2 = (x2 . 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 . Po Napomeni 1. P1 P2 .16.1 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 .68 ˇ POGLAVLJE 2.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. Dakle. P3 = (x3 .4. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .5. P2 .5 2. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . − .4. Kako toˇke P1 . y1 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. y2 . P2 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. Po Napomeni 1. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi).4. P3 (uzmemo npr. z2 ).

ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . B2 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. −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 . tj.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. 3. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. C1 ) n → i −2 = (A2 . 69 −1 Definicija 2.5. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . B1 . Ravnine se podudaraju. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. Ravnine se ne sijeku.2. tj. ako i samo ako je −1 · −2 = 0. Ravnine se sijeku u jednom i samo jednom pravcu. ♣ . odnosno ako → → kolinearni. C2 ).6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. Teorem 2.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . 2.

Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . 0 . odredenosti radi. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i .23. Konaˇno.   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . Uzmimo. B1 = C2 . C1 = A1 .5. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0.   → 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.2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. Njene su koordinate c B1 D1   B2 D2 T0 =  . A3 x + B3 y + C3 z + D3 = 0. onda z s A1 B2 C2 D2 se ravnine podudaraju. i njihov c presjek je pravac. imamo tre´i sluˇaj. z c c Kako ravnine nisu paralelne. Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. . Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. 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. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina. Ako je joˇ i A2 = B1 = C1 = D1 . p z 2. 2.70 ˇ POGLAVLJE 2. ako ravnine A2 B2 B2 C2 A2 nisu paralelne. onda se one moraju sje´i. da je c = 0. tj. Ako ravnine nisu paralelne. A2 x + B2 y + C2 z + D2 = 0. Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina.

5. → → s n . paralelne su). 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. B.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . ∆. onda je presjeciˇte jedinstveno (tj.4. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . ∆ . s jedna toˇka. c) i − = (A. 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. C). b. tj. b.2. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. z nepoznanice). toˇka 2.5.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. z Definicija 2. y. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. 2. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 .5) i koordinate su mu c c ∆x ∆y ∆z ∆. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju).

ANALITICKA GEOMETRIJA → → Znaˇi. → Napomena 2. B.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . ako i samo ako je − · − = 0. ako je π − ϕ kut izmedu − = (a. b. − Anm1 +Bnn1 +Dn + n1 . C) onda je kut c s n 2 izmedu p i Π jednak ϕ. c) i − = (A. 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. − Am1 +Bn1 +D . → → s n Kako je kosinus kuta izmedu − = (a. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. b. 2. tj.72 ˇ POGLAVLJE 2. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. Am+Bn+C Am+Bn+C Am+Bn+C . c) i − = (A. odnosno ako → − kolinearni. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ .4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . tj.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. tj. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. z c c s z0 = − Am1 + Bn1 + D . B.5. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. i ravnina Π s Ax + By + Cz + D = 0.

28 Ako ne postoji takav t koji je konaˇan. ako nema konaˇnog z koji je rjeˇenje.2. tj.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z = z1 + ct. z1 − c Ax1Aa+Bb+Cc+D . 2. Aa + Bb + Cc Napomena 2. y0 . 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 . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli.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. z z . z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine.5. Ax1 + By1 + Cz1 + D .5. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . tj. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. y = y1 + bt. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. y1 − b Ax1Aa+Bb+Cc+D . a druga je uvjet paralelnosti pravca i ravnine.

♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).18: Mimosmjerni pravci. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). b1 . c 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 . Definicija 2. c2 ). z2 ) s vektorima smjera − = (a1 .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0).8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. y2 . ANALITICKA GEOMETRIJA Teorem 2. y1 . → → s1 s2 p 2 p 1 Slika 2.74 ˇ POGLAVLJE 2. z1 ) odnosno c → → P2 = (x2 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. . Pravac i ravnina se sijeku u samo jednoj toˇki. 3. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.5. b2 . c1 ) odnosno − = (a2 . Pravac i ravnina se ne sijeku. Pravac je sadrˇan u ravnini. c c c 2. → → 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 . s1 s2 redom.

To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 .2. tj. tj. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . c c z → s1 Napomena 2. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. z= 1 m−m n−n . → Napomena 2.5.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . tj. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. ako i samo ako je → · − = 0.5. ako i samo ako postoji λ ∈ R takav da je − = λ→. 2. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. 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 . a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .5).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.

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

z Moˇe se desiti da su oni paralelni. Teorem 2. 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 .♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. ˇetvrti sluˇaj.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. z 2. imamo isti pravac. z c 4. Ako su sva tri redka proporcionalna. Prema Napomeni 2. i 6. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. tj. Pravci su mimosmjerni. z 3. Pozabavimo se sluˇajem mimosmjernih pravaca. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija.29.5. 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 = 0.6 na gornju determinantu (tj.2. c =0 . ne leˇe u istoj ravnini. Pravci leˇe u istoj ravnini i ne sijeku se. pa nema presjeciˇta. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. Pravci se podudaraju. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. iz toˇke 1.

.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . a2 b2 c2 Definicija 2.22. Dakle. Iz s1 s2 Napomene 2. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . c1 ) c s1 − = (a2 . z1 ) i paralelna je sa − = (a1 . z2 ) s pripadaju´im vektorima smjera − = (a1 . b1 . . z1 ) → odnosno P2 = (x2 . c2 ).9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. c1 ) i − = (a2 . y2 . b2 . kako p1 leˇi u Π i Π je paralelna sa p2 . = 0.78 ˇ POGLAVLJE 2. y1 . a2 b2 c2 a2 b2 c2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni).5. imamo da Π prolazi z → → kroz P1 = (x1 . b2 . ANALITICKA GEOMETRIJA 2. y1 . c2 ). 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 = = . 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. p1 leˇi u ravnini). b1 .

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

.

y. Ako bismo uspjeli razviti raˇun takvih objekata. z i u) kao jedinstveni objekt (matricu).Poglavlje 3 Matrice i linearni sustavi 3.1. z z Npr. U primjeru iz toˇke 1. 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. y. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   .

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

. Svaki element je indeksiran s dva indeksa: prvi je redni broj redka. k = 1. .  .1 M= 1 0 −1 2 3 1 Matrica M je realna matrica tipa (2 × 3). Primjer 3. . tj. ako je matrica A oblika   a11 a12 · · · a1n    a21 a22 · · · a2n   . . am1 am2 am3 · · · amn Matrica A ima m redaka i n stupaca. Pravokutna shema u kojoj je u m redaka i n stupaca sloˇeno m · n realnih brojeva zove se matrica tipa m × n. Neka je A matrica kao gore. a13 a23 . .1 Neka su m i n prirodni brojevi.. element c aij se nalazi na presjeku i-tog redka i j-tog stupca. a12 a22 . . OSNOVE MATRICNOG RACUNA 83 3. Ako je m = n. . . drugi se mijenja od 1 do n). . an1 an2 · · · ann .. · · · a1n · · · a2n . . drugi je redni broj stupca na ˇijem se presjeku nalazi taj element. . k = 1. . .1. Realni brojevi sloˇeni u matricu su njeni z elementi.ˇ ˇ 3.. . Brojevi akj . Npr.   . n matrice A ˇine i-ti redak matrice A (prvi indeks je c fiksan.♠ Brojevi aik . . prvi se mijenja od 1 do m)..j=1 ili samo A = [aij ]. . n i=1. A= . Zbog jednostavnosti zapisa nju joˇ zapisujemo kao s A = [aij ]m. .2 Osnovni pojmovi Definicija 3.1.. z    A=         a11 a21 . .. . m matrice A ˇine j-ti stupac matrice A (drugi indeks je c fiksan.

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

aij = aji za i. j = c T 1.. c Primjer 3.1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1. odnosno vrijedi aii = 0 za i = 1.. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  .♠ 2 7 . Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu.3 Ako je A= onda je 2 3 4 0 1 2  . n. Sliˇno se definira donja trokutasta matrica. ..  2 0   AT =  3 1  ..4 Matrica A  2  0  A=  0 0 je gornja trokutasta. aij = −aji za i. ... c . n. ... 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A. Primjer 3.. j = 1. A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. c c Primjer 3. Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule. .5 Matrica A  1  A= 4 7 je simetriˇna. n.. n je transponirana matrica matrice A. tj.♠ .. matrica A je antisimetriˇna (kososimetriˇna)... 7 3 −2 −3 0 Napomena 3.. .1. tj. Ako je A = −A. tj. . ali suprotnog predznaka. n.. j = 1.. tj. c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1.♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta..ˇ ˇ 3. zrcale se jedni u druge.. OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n. Oznaˇavamo ju s AT . dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  . m.

a11  . s Napomena 3. .3 Zbroj matrica se definira samo za matrice istog tipa. λam1 · · · λamn · · · amn  a11  . Piˇemo A = B. .    · · · a1n b11 · · · b1n ....2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. tj.   . MATRICE I LINEARNI SUSTAVI 3.3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. = . . C =A+B = .  . .3 odnosno 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. Definicija 3.. . m..... am1     λa11 · · · λa1n · · · a1n .  . .1. = . . . . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.   .  . tj. j = 1. Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. λA = λ  . . am1 + bm1 · · · amn + bmn Napomena 3.. .... a na R znamo ˇto znaˇi s c ”biti jednak”. .2 Jednakost matrica se definira samo za matrice istog tipa. Definirajmo sada mnoˇenje matrice skalarom.. n. . . n.3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn .86 POGLAVLJE 3. . Definicija 3. . m. . z Definicija 3. . . ... ..4. . . j = 1. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   .. . m. j = 1.. n. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R.

. j) imaju z jedinicu.. 4. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. Matrica A = λ1 A1 + .5 Neka su A1 . A2 .. . . A2 . ˇto slijedi izravno iz Definicije s 3..4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . s Definicija 3. razvijena) u linearni spoj po matricama z z A1 . A + B = B + A (komutativnost)...1.. Kaˇemo da je A rastavljena (razloˇena. (A + B) + C = A + (B + C) (asocijativnost)... α(A + B) = αA + αB (distributivnost). Njegovi su elementi (”vektori”) matrice tipa m × n... β ∈ R vrijedi: 1. + λk Ak je linearna kombinacija matrica A1 ... onda je i A ∈ Mmn .. B. 2.ˇ ˇ 3. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. Ak ∈ Mmn matrice i λ1 .1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. Ak s koeficijentima λ1 .1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor.. Napomena 3. Ak ∈ Mmn . C ∈ Mmn i sve skalare iz α.. OSNOVE MATRICNOG RACUNA 87 Teorem 3.4. 3. λk .. linearna kombinacija i linearni rastav. .. a na svim ostalim mjestima nule ˇini bazu u Mmn .. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. z Teorem 3. Linearna kombinacija je netrivijalna ako je barem jedan λ1 .2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . λk ∈ R skalari.3 odnosno Definicije 3.. A2 . . . Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i.. α(βA) = (αβ)A (homogenost)... Ak . A2 . . λk razliˇit od c nule.♣ Iz Teorema 3. .

. B. 3. Iako jednostavna. Produkt A·B takvih matrica .88 POGLAVLJE 3. . s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). m i j = 1.3 i Definicije 3. gdje za As vrijedi AT = As ..4.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. AT = −Aa i A = As + Aa . Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. itd. nema podlogu u fizici. n.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja.. Dakle imamo tvrdnju. Napomena 3. Tako bismo za matrice A = [aij ]. 2 Oˇito je AT = As . Takoder. Definicije 3.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . Oˇito je tako definirana matrica C ∈ Mmn . Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. gdje su elementi od C dani s cij = aij bij za i = 1. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. MATRICE I LINEARNI SUSTAVI 1. a za Aa vrijedi AT = −Aa . (A + B)T = AT + B T za sve A. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. B ∈ Mmn . (AT )T = A za sve A ∈ Mmn . .. ♣ c s a 3.1. To nam z name´e sljede´u definiciju. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. 2... geometriji.

Za takve matrice A i B kaˇemo da su ulanˇane. B = C Slika 3.. broj stupaca od A je jednak broju redaka od B.. Dakle zakljuˇujemo da na mjestu (i. a da B · A nije ni definiran. + ain bnj . a B ·A ∈ Mnn .. na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. za j = 1.ˇ ˇ 3. Dakle. b2j . Dakle opet je A·B = B ·A.. bnj ). 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 + .... za i = 1. m. onda je A · B ∈ Mmp . a B · A nije definirano. imamo A·B ∈ Mmp . b2j . z c tj. . n i m . . i = 1.4).1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. ain ) · (b1j . p.1: Produkt matrica.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . Ako je m = p = n....j) m A . p. ..... ako su A ∈ Mmn i B ∈ Mnp i m = p. ain bnj . a j-ti stupac matrice B je (b1j . . OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 . ... 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.. Definicija 3.. Npr.. ai2 . m. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji. j = 1..... Mnoˇenje matrica vodi raˇuna o poredku operanada. p p = j n (i. Tada je i-ti redak matrice A jednak (ai1 . a broj stupaca je c jednak broju stupaca od B.... ain ).. bnj ) = ai1 b1j + ai2 b2j + .. . . Napomena 3. ai2 . . .

· 1 0 1 1 = 1 1 0 0 . 4. B ∈ Mnp i C ∈ Mpq . c Posebno vrijedi A · In = In · A = A. (A · B) · C = A · (B · C) (asocijativnost). gdje je A ∈ Mmn . z c Teorem 3. A · 0np = 0mp . Im · A = A. c jer npr. za n = m = p. 5. 2. za n = 2 imamo 0 1 0 0 a s druge strane. α(A · D) = (αA) · D = A · (αD). A. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice).3 (Svojstva mnoˇenja matrica) Za sve matrice A. B ∈ Mmn .90 POGLAVLJE 3. . MATRICE I LINEARNI SUSTAVI Na kraju. gdje su A. C takve da z promatrani produkti postoje vrijedi: 1. za A ∈ Mnn . Dakle mnoˇenje matrica je op´enito nekomutativno. 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . C ∈ Mpm i D ∈ Mnq . B ∈ Mnn takoder op´enito vrijedi A · B = B · A. gdje su A ∈ Mmn . gdje je A ∈ Mmn . A ∈ Mmn i D ∈ Mnp . tj. B. gdje je α ∈ R. 3. C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). A · In = A. gdje je A ∈ Mmn . 0pm · A = 0pn .

i dva stupca npr. b = [b1 .. Sloˇimo li ih u (r ×s) matricu. 4.1. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. xn ]T nepoznata matrica. prvi i tre´i.. . Primjer 3. 0.1. dobijemo podmatricu z 3 4 0 3 matrice A. 3. c drugi i tre´i. 3. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. 3.3. npr.♠ Ako su izabrani redci i stupci uzastopni. .6 Neka je  2 3 4 1   A =  −1 2 1 3  . ♣ 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 ). c .. 1 0 3 0  Neka je r = s = 2.4. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A.5 Podmatrice i blok matrice Neka je A ∈ Mmn ..ˇ ˇ 3. takvu podmatricu zovemo blok. svaka linearna z jednadˇba ide u svoj redak).. Izaberimo dva redka. dobivamo podmatricu z matrice A. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. bm ]T poznata matrica desnih strana i z x = [x1 .6. Sloˇimo li ih u (2 × 2) matricu.. 3.

. matrica A prelazi → u blok matricu ˇiji su blokovi stupci od A. Analogno se konstruira blok matrica redaka.92 Primjer 3. Ako stupce od A oznaˇimo sa −i c c a i = 1.. onda je blok matrica A oblika → → A = [− .. A12 = a13 a14 a15 a23 a24 a25 a33 a34 a35 a43 a44 a45 . Sada matricu A moˇemo prikazati u obliku z A= dakle A postaje blok matrica. svih m redaka i n-ti stupac. A · b p ].... te druga dva redka i zadnja tri stupca. ..7 matricu B moˇemo zapisati z kao blok matricu stupaca. − → − → B = [ b1 . n..♠ Napomena 3.. A21 = . 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.. b p ] = [A · b1 . zatim prva dva redka i zadnja tri stupca.. Ako izaberemo svih m redaka i prvi stupac..7 Neka je POGLAVLJE 3... . A22 = .. A11 A12 A21 A22 . .... b p ].7 Neka je A ∈ Mmn . Naka je A ∈ Mmn i B ∈ Mnp .. svih m redaka i drugi stupac. tj. − n ] a1 a i zovemo je blok matrica stupaca. Prema Napomeni 3. . druga dva redka i prva dva stupca. . 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 ..

onda je barem jedan od a ili b jednak nuli. U toˇki 3. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . tj.ˇ ˇ 3. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. Npr. neka je dana matrica c 0 1 1 0 . b. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.1. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. U skupu R vrijedi: ako je a · b = 0. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn .3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. c c c Iz svojstva 5. tj. 1.6 Regularne matrice. Npr. postoji broj koji pomnoˇen s a daje 1. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. OSNOVE MATRICNOG RACUNA 93 3. Teorema 3. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . c Napomena 3. c.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno.1. c 2.1.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. dakle ne postoji izbor brojeva a.

c Teorem 3. Za matricu A koja nije regularna kaˇemo da je singularna. tj.94 POGLAVLJE 3.7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In . Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena. neka postoji matrica B ∈ Mn takva da je A · B = B · A = In . 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. MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 .♣ Znaˇi. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . Tada je B jednoznaˇno odredena s A. Dakle je A · A−1 = A−1 · A = c In .9 Neka je A ∈ Mn regularna. z Napomena 3. . z Definicija 3. c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In . c 0 1 1 0 · a b c d = c d a b .

B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 . . + ain ajn = 0 za i = j i (ai1 . ajn ) = ai1 aj1 + ai2 aj2 + . Kako je po pretpostavci A ortogonalna.... aj2 . + ain ajn = δij odnosno (ai1 .. . j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . . moˇe se dokazati da ˇine ortonormiranu bazu od Rn . 0n ∈ Gn ... preciznije Gn ⊂ Mn .. . In ∈ Gn i In = In .. ain ) za i = 1. Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A. ai2 . aj2 .. ai2 . .1. . j-ti redak od A).6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn .. Ako su A... + ain ajn . ain ) · (aj1 ...8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In . aj2 . 2.ˇ ˇ 3. Napomena 3. . Gn = Mn ... aj2 .... ai2 ........... 95 4.10 Neka je A = [aij ] ∈ Mn ortogonalna. vrijedi A · AT = AT · A = In . n. + a2 = 1 i1 i2 in za i = j.. (To je. 5.. ain ) · (aj1 . ai2 . Zakljuˇujemo da na mjestu (i. . Dakle i matrica AT · A ima iste elemente.. ajn ) = ai1 aj1 + ai2 aj2 + . a j-ti stupac matrice AT je (aj1 . ajn ) = ai1 aj1 + ai2 aj2 + .. Stoviˇe. ain ) · (aj1 .♣ / z Definicija 3. −1 3...... u stvari. Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 . ajn ) = a2 + a2 + ... n. ain ) · (aj1 . OSNOVE MATRICNOG RACUNA 1. . U Napomeni 3. ai2 .. s z c .. ajn ) za j = 1. .. Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn . aj2 .. ˇtoviˇe vrijedi da je s s (ai1 . . . Tada je i-ti redak matrice A z (ai1 .

z Teorem 3. .. + λn − : λ1 . − ). moˇemo promatrati kao vektore u vektorskom prostoru Rm . i 3.. − ∈ Rm . → → s L( a1 an → → → → an a1 L(− . Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. .... .♣ Kako je po Teoremu 3. →) ⊆ Rm .5 izravno slijedi da je r(A) = r(AT ). . − . 2. .. . MATRICE I LINEARNI SUSTAVI 3. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). .5) i neka je L neki podskup od V ..11 Oˇito je da je c − − L(→..5).. matrice iz M1n . onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). → → Definicija 3... a1 an → → i izravno iz Definicije 3. To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. njene z c n redke. Podprostor razapet vektorima a1 an − .... a1 an .6 znamo da stupce.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.. tj.. a1 an Napomena 3. Sliˇno. Definicija 3. Definicija 3. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj.. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. Elementarne transformacije Neka je A = [aij ] ∈ Mmn .. ..1.11 Neka su − .96 POGLAVLJE 3...10 slijedi da je L(− .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . Iskaˇimo sada jedan bitan rezultat. − ) = {λ1 − + . moˇemo promatrati kao vektore u R . λn ∈ R}.. vrijede svojstva 1.7 Rang matrice. iz Definicije 1. linearne zavisnosti/nezavisnosti. − ) podprostor od Rm .... matrice iz Mm1 .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.10 Neka je V vektorski prostor (Definicija 1. − je skup svih linearnih kombinacija vektora − . Oznaˇavamo ga → → → → a1 an a1 an c − ... Iz Napomene 3.

♣ Primjer 3.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n.ˇ ˇ 3. i R (A) podprostor Rn razapet redcima od matrice A.. − razapinju L(− .5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). Neka je A ∈ Mmn . .. . − ).. →)) ≤ n. Mmn ..... Neka je L(− . → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. znamo da je u a1 an a1 an bazi najviˇe n vektora..14 Uz gornje oznake iz Teorema 3. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. Stoga vrijedi s − − dim(L(→. Neka je In ∈ Mn . − ) → → → → od R razapet sa a1 an a1 an →. .. a1 an Vratimo se na konkretan vektorski prostor. jer je skup { 0 } uvijek linearno zavisan. − )). →}. n). − .. 2.. Napomena 3... Neka je 0 ∈ Mmn nul matrica. − ) podprostor a1 an a1 an m − .... Neka je R(A) podprostor od Rm razapet stupcima matrice A.12 Neka su − . Dimenziju vektorskog prostora L(− ..... z Teorem 3..13 imamo da je r(A) ≤ min(m.. c ..15 Iz Napomene 3.13 Kako vektori − . . − ∈ Rm . .. Tada je r(0) = 0... . Napomena 3. . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3.1. . → → → → Napomena 3. Tada je oˇito r(In ) = n.. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . .8 Vrijedi: − → 1.

z 3.9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . MATRICE I LINEARNI SUSTAVI 3. k. Zamjena dvaju redaka (stupaca). jer svaki skup koji sadrˇi nul vektor je linearno z zavisan.  .. . Neka je dana B ∈ M5. Nadalje.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     . Dakle. Pitanje je... . na aij za i = k + 1. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3.5 imamo da je r(B) = 3.♠ Iz Primjera 3. na aij za j < i ima nule. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. Primjer 3. Dakle. j = 2. n) ima jedinice. . akk za k ≤ min(m. 2. c c r(In ) = n) i matrice koja izgleda kao i matrica B.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .. na aij za i < j.. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B... Mnoˇenje redka (stupca) skalarom λ = 0.. na pozicijama a11 . iz Teorema 3. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . ima nule. tj. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice.98 POGLAVLJE 3.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka..

ˇ ˇ 3. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 . Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima). tj. gdje je r ≤ min(m. − n ).n−r (01 . A = 0. Dakle. n)..♠ c Definicija 3. Dakle dobijemo matricu H. ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima).17 Ako imamo n vektora − 1 . Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 .n−r . c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti. . OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog. sastavi se matrica A = [− 1 . Neka je A ∈ Mmn .. − n ] (vektori a a a a − 1 . Ir ∈ Mr . − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 .... → → a a Napomena 3. 02 .13 Matrice A.... u bazu podprostora razapetog redcima odnosno stupcima od A. tj.1. c c Napomena 3. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija.. Kako je r(A) = r(H) = r. 03 su nul matrice). jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu. Matrica H je Hermiteova forma matrice A. − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A. 02 ∈ Mm−r.... . Primijenimo li na H elementarne transformacije obrnutim redom. . ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. .16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice.. − n ). jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale. primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. matrica M prelazi u jec c diniˇnu.r i 03 ∈ Mm−r. .. 01 ∈ Mr. a a .. ekvivalentne matrice imaju isti rang. ve´ samo njegovu duljinu. Isto tako. prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca 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 . gdje je Ir ∈ Mr jediniˇna. pa je R · A = In . R]. D] ∈ Mrp . na´i njen inverz. Ako je to mogu´e. j) koja se dobije dodavanjem j-tog c z redka jediniˇne matrice pomnoˇenog s λ i-tom redku jediniˇne matrice. Primjerice. Te matrice zovemo elementarnim matricama. . a ako nije. 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. Konaˇno. Qi (λ) i Qi (λ. R].♣ c Pravilo za raˇunanje inverzne matrice: c Ako je zadana matrica A ∈ Mn i ako treba ispitati je li ona regularna. Q1 · Q2 · · · Qq · In ] = [In . ako je A regularna) mi smo zapravo matricu [A. odgovara dodavanju c z c i-tom redku matrice A njenog j-tog redka pomnoˇenog s λ. mnoˇenje matrice A s lijeva matricom Qi (λ. MATRICE I LINEARNI SUSTAVI Sljede´i nam rezultat govori da se moˇemo ograniˇiti na elementarne transforc z c macije samo nad redcima matrice.100 POGLAVLJE 3. j). 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. kod koje je A0 ∈ Mr regularna moˇe se elementarnim transformacijama samo nad redcima svesti na z matricu oblika [Ir . Zaˇto to vrijedi? s Elementarne transformacije nad redcima odgovaraju mnoˇenju matrice s lijeva elementarnim z matricama. formiramo matricu [A. R] (tj. onda c −1 je A = R. In ] dobili matricu [In . Sliˇno. In ] i elementarnim transformacijama c nad redcima svodimo je na oblik [In .. odnosno R = A−1 . Teorem 3. . Odatle je Q1 · Q2 · · · Qq = R Q1 · Q2 · · · Qq · A = In . R] (Teorem 3.. Dakle imamo [Q1 · Q2 · · · Qq · A.7). Ako smo primjenom q elementarnih transformacija nad redcima matrice [A. p ≥ r. In ] mnoˇili s lijeva s q elementarnih z matrica Q1 . Qq .7 Svaka matrica A = [A0 . te ako je.. A je singularna.

i = 1. n i slobodnim ˇlanovima b1 . Ako sustav nema rjeˇenja. . bm : c a11 x1 + a12 x2 + .. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 .. Takvo rjeˇenje zovemo trivijalno.... a bi = 0.. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. sustav je nemogu´. c2 .. 2.2... .... . s Ako je (c1 . m. . ..1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . . ..... . Za sustav kaˇemo da je homogen ako je b1 = . imamo netrivijalno rjeˇenje... . j = 1. c c Napomena 3.. + amn xn = bm . . s s z s 3. Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. am1 x1 + am2 x2 + . Definicija 3.. LINEARNI SUSTAVI 101 3. m.2 3.. Ako za neki i = 1.. Uredena n-torka (c1 . s ..18 Primijetimo: 1. s z suglasan ili mogu´. = xn = 0 daje rjeˇenje c svakog homogenog sustava....3.. sustav je nehomogen.... kaˇemo da je nekonzistentan....2. c2 . + a2n xn = b2 .xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. Npr. i = 1.. xn s z koeficijentima aij .. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan.. = bm = 0.. = ain = 0. . Homogeni sustav je uvijek mogu´. jer x1 = . . c s z proturjeˇan ili nemogu´.. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja.. c s 2. 0.14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto.. . n.. + a1n xn = b1 a21 x1 + a22 x2 + .. . Ako je barem z jedan bi = 0. s i = 1. m vrijedi ai1 = .. uredena ˇetvorka (1.

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

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

onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. → − x 0 → → − Napomena 3. = λn = 0. Iz Napomene 3.21 Ako sustav A− = b ima dva rjeˇenja.8 homogeni sustav je uvijek c rjeˇiv.. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A..104 POGLAVLJE 3.6). Iz − → → − b = (λ1 + x1 )− 1 + ... Ho´emo pokazati da je λ1 = . s x → → − → Obrnuto. tj.. tj. dakle ima bar jedno rjeˇenje. s c s → − → → − → − → Ako je A− = b . tj. s − → → II. . A je regularna. − n su vektor stupci od A). neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . Ako je r = r(A) = r(Ab ). Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. Neka su sada λ1 .. Dakle stupci od A su linearno x x nezavisni. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b . mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3.. λ = 0 . bilo kojih r z linearno nezavisnih redaka u A. (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 ∈ R takvi da je λ1 →1 + . + a − → → → → λn − n = 0 (− 1 .6 imamo da je r(A) = n).. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3.. → → − III. Ako je n = m. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. tj.. = λn = 0 a a a c (tj. jer je A(A b ) = b ... Dokaz: . MATRICE I LINEARNI SUSTAVI Teorem 3. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). .) Ako je n = m i A regularna.18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →.. → je A regularna. pa je sustav konzistentan.. po Teoremu 3. odnosno λ1 = . onda ih ima beskonaˇno x s c mnogo. da su stupci od A linearno nezavisni. ♣ − → − Napomena 3. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b .8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.

jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.3 Homogeni sustavi → Iz Napomene 3.5. tj. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . c Svojstva iz Teorema 1. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b .22 N (A) je podprostor od Rn . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . x x − → Oˇito je 0 ∈ N (A). c Napomena 3. c 3. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . Treba provjeriti da N (A) ima svojstva iz Definicije 1. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .♣ .2. u v u v − → dakle → + − ∈ N (A).2 su oˇito zadovoljena.1 i Teorema 1. dakle dokaˇimo da za proizvoljne c z − .2. Tada je. Dokaz: Oˇito je N (A) ⊆ Rn .♣ s c z s x → Iz Teorema 3.8 i Napomene 3.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).3. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). A− = b i A− = b . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R .18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . tj. gdje je λ ∈ R proizvoljan. u u Dakle je N (A) vektorski podprostor od Rn . → ∈ 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).

svako rjeˇenje je oblika − 0 + 0 . prema Teoremu 3. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. N (A) = { 0 }. tj. onda je i njihova linearna kombinacija rjeˇenje tog sustava. → → → → Ax a y y 2.22 zakljuˇujemo da ako su u1 . Tvrdnja Teorema 3. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). Kako je iz Teorema 3. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.. gdje je − ∈ N (A). s x → − → → Obrnuto.9. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A.9 I. → → → → u u y y − → → II.9 I.. Po Teoremu 3. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. z s . s Dokaz: (Dokazujemo samo tvrdnju II. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . Teorem 3.8 je matrica A regularna. rjeˇenje je x s u s jedinstveno.) − → → − → − Ako je matrica A sustava A− = b regularna. . Onda.9 II. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − .9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. iz jedinstvenosti zakljuˇujemo da je − = 0 .8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . MATRICE I LINEARNI SUSTAVI Iz Napomene 3. onda po Teoremu 3.23 Primijetimo: → 1. 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)). ut rjeˇenja homogenog sustava c s − = − .♣ Napomena 3. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . tj. Tvrdnja Teorema 3.106 POGLAVLJE 3..

Nadalje..2.2. . . Ako oni nisu jednaki. ar1 x1 + . b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. .... prebacimo ˇlanove s nepoznanicama xr+1 .4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica.3. .. − → Prvo treba odrediti rangove matrica A i Ab . − ain cn za i = 1. Kako je r(A0 ) = r.6 imamo da je A0 regularna. r.8).. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + .. kao βi (c) = bi − air+1 cr+1 − . ... . − a1n xn . pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. + arr xr = br − arr+1 xr+1 − . + a1r xr + a1r+1 xr+1 + . Iz Teorema 3. iz Teorema 3. + arr xr + arr+1 xr+1 + . . . − → Uvedimo novi vektor desnih strana β (c).. uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj..8 II. pri ˇemu su cr+1 . .. pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . ar1 x1 + . xn na desnu stranu i doc bijemo: a11 x1 + .. . . elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. − arn xn ..... . . + arn xn = br .. imamo sustav − → − x A0 →0 = β (c)..... + a1r xr = b1 − a1r+1 xr+1 − . cn proizvoljni realni parametri. c Dakle.... LINEARNI SUSTAVI 107 3. Ako su rangovi jednaki (r(A) = r(Ab ) = r)... + a1n xn = b1 .

♣ Iz Teorema 3.. − − → u u u pri ˇemu su µr+1 ..2. µn proizvoljni parametri... cr ]T ).. . 0 U toˇki 3.. r(A) = dimR(A) = n. cr ]T . → → − II....11 izravno slijedi iz Teorema 3. µn proizvoljni parametri.. i obratno.. cn postoje → − jedinstveni c1 . MATRICE I LINEARNI SUSTAVI − 0 = [c1 .11 Ako je (− r+1 .♣ c Napomena 3... − u u u pri ˇemu su µr+1 . Brojevi cr+1 .9. .. cr . − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . Kako je (− r+1 . . cn su slobodni prametri.. ....24 Tvrdnja Teorema 3.7 odnosno toˇki 3.. ... dok brojevi c1 ..3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori... .8 II.... onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . + µn − n . . iz Teorema 3... jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A).. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. ..10 I... cr koji su dani s A−1 β (c) = [c1 . .. .. → → Teorem 3. ... cn ]T je rjeˇenje sustava A− = c s x − → b. . + µn − n .. dimR(A) + dimN (A) = n. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 .108 koje je oblika POGLAVLJE 3. − = [c1 . − n ) baza s x u u u − → − = b oblika → od N (A). a broj dimN (A) defekt od A. c .1. Teorem 3. → x → → Dakle. tj. cr+1 ... Broj dimR(A) smo zvali rang od A.10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.

b ] mnoˇili s lijeva elementarnim matricama Q1 . sloˇenost mu je c z 3 ∼ n (tj. .3... 3. b ] (gdje je matrica A takva da na pozicijama a11 . z Za neke se posebne matrice druge.. . uz male modifikacije je numeriˇki stabilan. a ostale pozicije su ”nebitne”). tj.1.. b p ..6. k. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. akk za k ≤ min(m. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj. n) ima jedinice. m ima nule.. 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 .2.5 Determinanta. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. .. − → mi smo zapravo matricu [A. Qq . Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . posebno dizajnirane. metode mogu pokazati brˇima (manja im je sloˇenost). na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). Q1 · Q2 · · · Qq · b ] = [A . za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). b ] dobili matricu [A . .. imamo postupak Gaussovih eliminacija..2.. Radimo li to elementarnim transformacijama samo nad redcima.. na aij za j < i ima nule.. na aij za i = k + 1. j = 2.. tj. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3.. . Ovaj se postupak moˇe primiz jeniti na sve matrice. b ]. A −→ det A. . na aij za i < j. lagano moˇemo oˇitati rjeˇenje). ima nule..

. Napomena 3.110 POGLAVLJE 3. Za A ∈ Mn .. n. matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. n > 3. c1 c2 a1 a2 b1 b2 . Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . .6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. + (−1)n−1 a1n det A1n . Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . MATRICE I LINEARNI SUSTAVI U toˇki 1.. 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 .. Tada za A ∈ M1 oblika A = [a] definiramo det A = a.. oznaˇimo s A1k .25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. u stvari skup R). odnosno n det A = k=1 (−1)k−1 a1k det A1k . k = 1. Determinanta matrice reda n > 3 se definira induktivno. .

pravilo za c raˇunanje inverza matrice).2. Ako je A ∈ Mn trokutasta (gornja ili donja). Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . Posebno je c det In = 1. det(Qij A) = − det A. 2. je razvoj determinante po prvom redku.1. onda je det A = 0. Svojstva determinante su: 1. onda sc je det A = 0. . n ≥ 2. n ≥ 2. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . 3. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. onda je det A = a11 a22 · · · ann . Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. determinanta mijenja predznak. Neka je A ∈ Mn dijagonalna matrica. c 4. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3.7.3.

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

♣ Iz Teorema 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali.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 .♣ Teorem 3. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. itd. 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. ♣ U Teoremu 3.i+1 = 0).12 Za proizvoljne matrice A.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. Ako to nije mogu´e. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT .i+1 (naravno. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. Teorem 3. z Teorem 3. Dakle oˇito je det A = 0. tj. ♣ . ♣ Napomena 3. Teorem 3. Dokaz: Iz Teorema 3. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.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 .26 Ako je A ∈ Mn regularna. Teorem 3. B ∈ Mn vrijedi det(AB) = det A · det B.3. LINEARNI SUSTAVI 113 ispod njega.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1.2. ai+1. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . onda je det A = 0.

MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . tj. onda je det A = 0. c Napomena 3.27 izravno slijedi: Teorem 3. c c Dokaz: Neka su uzeti i-ti i j-ti redak.♣ Iz Napomene 3.16 imamo da je 1 kof (A) · A = In .♣ .114 Veliˇinu c POGLAVLJE 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.26 smo vidjeli da ako je A ∈ Mn regularna. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. det A Dakle A je regularna i A−1 = kof (A) det A . tj. ♣ Napomena 3. k=1 Oˇito.13 prethodni zbroj jednak det A. Kofaktor matrice A oznaˇavamo s kof (A). Vrijedi i obrat.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . k) stoji kofaktor elementa aki matrice A.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. Definicija 3. Promatramo zbroj n (−1)j+k aik det Ajk . onda je po Teoremu 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. Inaˇe je zbroj det A. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.28 U Napomeni 3. ako je i = j. det A Dokaz: Ako je det A = 0. onda iz Teorema 3. Analogno ide dokaz za stupce. (−1)k+i det Aki .

..28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . n. µ ∈ R i sve − . 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 . . Rjeˇenje je dano s − = A−1 b . onda je rjeˇenje z s tog sustava dano s x1 = D1 . . Stoviˇe. . xn = . Ako je matrica A regularna. onda takav linearni x y operator zovemo linearnim funkcionalom.26 i Napomene 3.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.. Rm = R. → x Teorem 3. Takvu x x funkciju zovemo linearni operator. D D pri ˇemu je D = det A. A je regularna ako i samo ako je det A = 0.3 3.♣ a 3. za sve λ.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. 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. Ako je m = 1..1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. . µ ∈ R i sve − . iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . − → → Iz Teorema 3. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. k = 1.3. a Dk .3.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. → ∈ Rn . Definicija 3. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . . → ∈ Rn . D x2 = D2 Dn .

z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.116 POGLAVLJE 3. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. x x Napomena 3. Dokaˇimo da je i F + G linearni z operator. 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. 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. − ∈ Rn . dakle zadovoljavaju tre´e svojstvo Definic cije 1.2. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. tvrdnja slijedi. − ∈ Rn . µ ∈ R i sve →.5. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. MATRICE I LINEARNI SUSTAVI Napomena 3.5.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. 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 (− ). da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .1 i Teorema 1. Dokaˇimo da vrijede i prva dva.♣ . Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). µ ∈ R i sve →. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). tj. Iz Definicije 3.

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

Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. tj. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Napomena 3. y. Primjer 3.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . c 2. z) = (x. Neka je F : Rn −→ Rm proizvoljan linearni operator. Njegova je matrica dana s 1 0 0 . − → → → Nadalje. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). tj.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica.2. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . vrijedi dimN (F ) + dimR(F ) = n. Oˇito je rang od p1 jednak jedan (jer je slika x-os). F ∈ Mn ). iz toˇke 3. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . Dakle dimenziju slike linearnog s operatora takoder zovemo rang. z .118 POGLAVLJE 3. Sada nas zanima kada su ti vektori kolinearni.32 i Teorema 3. z) = x. c H =GF . Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R .18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F .♠ c 3. MATRICE I LINEARNI SUSTAVI Napomena 3.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Iz Napomene 3. Njegova je matrica dana s 1 0 0 0 1 0 . Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). y.10 izravno slijedi teorem o rangu i defektu za linearni operator. odnosno dimN (F ) = dimN (F ).10 Pogledajmo sljede´e primjere: c 1. y).3. Tada je po Teoremu 3. a defekt jedan. Kako su F i F ustvari isti linearni oper− → − → atori. a defekt dva.

neka je µ ∈ R µ = 0 proizvoljan. tj. → → Svojstva iz Teorema 1. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. Izravno iz Definicije 3. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . Nadalje. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 .17. Dokaz: Oˇito je S(λ0 ) podskup od Rn .2 oˇito zadovoljava. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). A− 0 = x x − 0 . Dokaz: 1. x y x y x y . µ = 0. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor.1 i Teorema 1. c x y tj. x x → → Vektor − 0 ∈ Rn . 2. tj. x x x x → Dakle za svaki µ ∈ R. Nadalje neka su − . y y → → Dokaˇimo da je − + − ∈ S(λ0 ). vrijedi → − → → A− = λ 0 → x x i A− = λ0 − .5. 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 .3.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . da c z s zadovoljava uvjete Definicije 1. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ).33 Primijetimo: → 1. ♣ Napomena 3.3. − ∈ S(λ0 ). vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3.17 Neka je A ∈ Mn . Napomena 3. → → 2.

Po Teoremu 3. x y → → Dokaˇimo joˇ da je za proizvoljni − ∈ S(λ0 ) i proizvoljni µ ∈ R µ− ∈ S(λ0 ). x x x − pa je µ→ ∈ S(λ0 ). 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 . ˇto c s s je ekvivalentno s uvjetom det(A − λIn ) = 0. →0 = 0 .120 POGLAVLJE 3. Tada skup S(λ0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti λ0 . − 0 = 0 . onda je →0 ∈ Rn . Dakle ´e λ ∈ R biti svojstvena vrijednost matrice A ∈ Mn ako i samo ako je c det(A − λIn ) = 0. . MATRICE I LINEARNI SUSTAVI − → pa je → + − ∈ S(λ0 ).8 homogeni sustav s x → → − (A − λIn )− = 0 x ´e imati netrivijalno rjeˇenje ako i samo ako je matrica A − λIn singularna. x x tj. Dakle imamo tvrdnju. Sada se postavlja pitanje kako odrediti svojstvene vrijednosti i svojstvene vektore prozvoljne matrice iz Mn ? − → − − Ako je λ0 svojstvena vrijednost matrice A ∈ Mn .♣ x Neka je A ∈ Mn i λ0 svojstvena vrijednost od A. 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 . zakljuˇujemo da je →0 ∈ Rn . x x svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 ako i samo ako je → → A − 0 = λ0 − 0 . Imamo z s x x → → → A(µ− ) = µλ0 − = λ0 (µ− ). ako i samo ako vrijedi − → → (A − λ0 In )− 0 = 0 . x − → − → Dakle. x ˇ Stoviˇe.

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

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

dijagonalizirati matricu A. Pokuˇajmo je dijagonalizirati. onda iz druge jednadˇbe imamo da je y = 2.3.20 Sliˇne matrice imaju iste svojstvene vrijednosti.12 Neka je matrica A dana s A= 2 0 1 2 .3. 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. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. tj. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. b. c. ˇto ne moˇe biti. x 0 0 y . d ne mogu svi biti istodobno nula.♠ c s z z = ax by cx dy . analogno vrijedi za a = d = 0. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. a b c d . znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. b. c Primjer 3. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. d ne mogu biti nula. pretpostavimo prvo da je b = c = 0.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. z Uzmimo sada da je samo a = 0. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. Primijetimo da a. To nije uvijek mogu´e. d svi razliˇiti od nule. b. Dakle. c. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. x 0 0 y . c. Takoder nikoja tri od a. s z Dakle ostaje nam samo sluˇaj kada su a. jer u suprotnom matrica P nije regularna. tj. Dakle matricu A ne moˇemo dijagonalizirati.

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

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

c c c Npr. c Teorem 4. r = 0. onda je lim an an = n−→∞ . n−→∞ n−→∞ 3. n−→∞ n−→∞ n−→∞ 4. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . Ako je r ∈ R.132 POGLAVLJE 4. lim (an ± bn ) = lim an ± lim bn . ako ne i nemogu´e. lim (an bn ) = lim an lim bn . Tada vrijedi: 1.3 Neka je (an ) niz s pozitivnim ˇlanovima.4 Neka su (an ) i (bn ) konvergentni nizovi. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. . proizvoljan i an ≥ 0 za svaki n ∈ N.5 Neka je (an ) konvergentan niz. c s c c c tj. n−→∞ n−→∞ n−→∞ 2. lim (can ) = c lim an .1. i ako da.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an .♣ an Teorem 4. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). ako je bn = 0 i n−→∞ lim bn = 0. prema kojoj vrijednosti. te c ∈ R proizvoljan. konvergira li. NIZOVI I REDOVI 4. Tada c an −→ 0 ⇔ 1 −→ ∞.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije.

3 imamo |q | −→ ∞. . n−→∞ Dokaz: Iz toˇke 4. q 3 . log |q| Dakle svi ˇlanovi niza 1. Tada po Teoremu 4. dakle divergira ili u uˇem. ograniˇen niz je konvergentan. tj. c Napomena 4. Za |q| < 1 je lim an = 0. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. pa prema prethodnom niz n n −→ 0.6 je tipiˇni teorem egzistencije. q 3 . Tada je n 1 |q| < 1. ako s z s s (an ) ima barem dva gomiliˇta G i G . c Dokaz: Neka je (an ) monoton i ograniˇen. no ne c s znamo koliko je i kako to na´i. on moˇe imati najviˇe jedno gomiliˇte. Pogledajmo prvo sluˇaj |q| < 1. Teorem 4. 1 |q n | Neka je sada |q| > 1.... dakle divergentan.4 dovoljno je promatrati niz s a1 = 1.1. dakle ili q −→ ∞. ε).♣ c z s Napomena 4.. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. Tj. niz (an ) s konvergentan. ˇto ne moˇe biti jer je G gomiliˇte.. NIZOVI REALNIH BROJEVA 133 Teorem 4. q 2 .4. za svaki n ∈ N. Logaritmiranjem se dobije n log |q| < log ε.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . jer je log |q| < 0. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . tj. To je ekvivalentno s |q| < ε.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.2 niz (an ) ima barem jedno c gomiliˇte. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova.4. q 2 .6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . vrijedi lim inf an = lim sup an ∈ R. pa je lim an = 0. G > G . i ako npr. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. .1. c c . Kako je (an ) monoton. po Teoremu 4. c c c Prema Teoremu 4.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. q. odrediti. Onda je po Napomeni 4. Sada. ili u ˇirem smislu. niz 1. izraˇunati. U suprotnom.♣ Teorem 4. q. tj. (an ) raste. znamo da neˇto postoji.6 Monoton. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. Imamo log ε n> . Dakle imamo samo c c s z s jedno gomiliˇte.

Tada vrijedi n−→∞ lim an = 1. ako je λ > 0  lim an = 1. gdje je λ > 0. Neka je niz (an ) dan formulom an = n λ. Tada n! vrijedi lim an = 0. Tada vrijedi   ∞. ∀r ∈ N). gdje je λ ∈ R proizvoljan. ako je λ > 1 lim an = n−→∞ 0. c z 4. Neka je niz (an ) dan formulom an = λn . 1 n . teˇe k nuli.♣ Teorem 4. tj. NIZOVI I REDOVI Teorem 4.7 (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. √ 3. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. Neka je niz (an ) dan formulom an = n n. ako je λ < 0 √ 5. n−→∞ n−→∞ n 4. Tada vrijedi lim an = 1. Tada vrijedi ∞. proizvoljan.7 je najop´enitiji. 2.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. n−→∞   0. gdje je λ > 0 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 = |λ| . gdje je λ ∈ R proizvoljan.134 POGLAVLJE 4.1. n 6. Neka je niz (an ) dan formulom an = nλ . ako je λ = 0. ako je 0 < λ < 1. λ = 1.

zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. Za svaki konaˇan n z c veliˇina Sn je dobro definirana. Dakle. c Definicija 4.. an je oznaka za red. + an = k=1 ak = Sn . . tj. Definicija 4.. REDOVI REALNIH BROJEVA 135 4. Konvergencija reda Ako u beskonaˇnom nizu (an ).1 Redovi realnih brojeva Pojam reda. a konaˇna suma postaje red. a3 . ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . Red dobiven od niza (an ) oznaˇavamo s c an . konaˇna suma. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ).8 Neka je (an ) niz. n=1 Ako niz parcijalnih suma (Sn ) divergira.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ).4. gdje je (Sn ) niz parcijalnih suma niza (an ).2.8 Oznaka sumu reda an . kaˇemo da i red z Napomena 4. kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. (Sn )). No. a oznaka an divergira. Ako je S = lim Sn < ∞.2. ∞ an je oznaka za n=1 Primjer 4. n-ta parcijalna suma.8 Pogledajmo sljede´e primjere: c . tj. a2 .. a1 .. zareze zamijenimo plusevima c dobijemo beskonaˇni red.2 4.

Red 1 n divergira jer se moˇe pokazati da za svaki n ∈ N vrijedi z S2n > n + 1. n+1 lim Sn = 1.. NIZOVI I REDOVI n divergira jer za svaki n ∈ N je Sn = 1 + 2 + . 2n . Kako je n−→∞ 1 ..136 1.. Red 1 2n konvergira jer za svaki n ∈ N i svaki x ∈ R vrijedi (1 + x + x2 + . 2 lim Sn = ∞. za x = 1 2 imamo Sn = 1− 1 2n+1 1 2 −1=1− 1 . 2. + n = odnosno n−→∞ n(n + 1) . + xn )(1 − x) = 1 − xn+1 . Dakle. imamo da red 1 n(n+1) konvergira i suma mu je jednaka ∞ n=1 1 = 1. Red 1 n(n+1) konvergira jer za svaki n ∈ N vrijedi 1 1 1 = − . n! 4. Red 1 n! konvergira i suma mu je ∞ n=1 1 = e − 1. n(n + 1) n n+1 Dakle imamo Sn = 1 − za svaki n ∈ N. n(n + 1) 5. Red POGLAVLJE 4. 2 3..

♠ dok red 1 n divergira (Primjer 4.8.4. S = lim Sn = n−→∞ n=1 an . c c ako op´i ˇlan niza (an ) konvergira u nulu. a red |an | ne konvergira.8). Nadalje.♣ 1 1 Napomena 4. n−→∞ odnosno n−→∞ lim an+1 = 0.8 znamo da red = divergira i da je lim n n−→∞ n 0. tj.10 Iz Primjera 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. c . kaˇemo da red z an konvergira uvjetno.8 Ako red apsolutno konvergira. Ako red an konvergira.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. Dakle je red Teorem 4. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .♣ c Uoˇimo da iz Primjera 4. an . REDOVI REALNIH BROJEVA za svaki n ∈ N.♠ 2n n−→∞ ∞ Napomena 4. Definicija 4.2. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. Primjer 4. onda op´enito red c c c an ne mora konvergirati.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. onda on konvergira i obiˇno. oˇito vrijedi c Sn+1 = Sn + an+1 . n 1 (−1)n−1 n uvjetno konvergentan.9 ne slijedi obrat Teorema 4. tj.9 op´enito ne vrijedi.10 Red an apsolutno konvergira ako konvergira red |an |.

zovemo geometrijski red s kvocijentom q.. onda je oˇito an = a1 . Teorem 4. a to divergira za svaki a1 = 0. vrijedi Sn = a1 za svaki n ∈ N. Pogledajmo n-tu parcijalnu sumu.. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. c Ako je q = −1. tj.2.138 POGLAVLJE 4. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. tj. = a1 q n−1 .2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . gdje su a1 . pa je Sn = na1 . Ako je q = 1. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. Nadalje kako je c n−→∞ lim an = 0 . c Pretpostavimo da je a1 = 0 i |q| < 1. + a1 q n−1 . q ∈ R proizvoljni. Pretpostavimo suprotno.. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . Nadalje. onda je oˇito an = a1 (−1)n−1 . n−→∞ 1 − q 1−q 1 − qn . NIZOVI I REDOVI 4. Iz Teorema 4. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . tj.. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . Sn = a1 + a1 q + a1 q 2 + .. imamo Sn − qSn = a1 (1 − q n ). a1 q n−1 = 1−q n=1 Obrnuto. + a1 q n ..5 imamo da je lim Sn = a1 lim a1 1 − qn = . da geometrijski red a1 q konvergira i da je |q| ≥ 1.

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.♣

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

onda red an ≤ λ. c Primjer 4.19 Neka je an red s pozitivnim ˇlanovima. 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.3 Cauchyev kriterij Teorem 4. Ako postoji λ ∈ R. n−→∞ an lim onda red an konvergira za l < 1.3.8 znamo da on = 1. n2 Tada iz Primjera 4.♣ Napomena 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . Neka je dan red divergira. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.. a ne moˇemo niˇta z s zakljuˇiti za l = 1.3..17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1.14 1. an konvergira.16 imamo da i red an0 + an0 +1 + . Ako postoji limes c an+1 = l. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.4. imamo da red c an konvergira. divergira za l > 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. ali vrijedi 1 . n Tada iz Primjera 4. c 0 < λ < 1.9 konvergira. konvergira.♣ . Neka je dan red vrijedi 1 .8 znamo da on konvergira. Sada iz Napomene 4. 4.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.

♠ c s Cauchyev kriterij je jaˇi. c Teorem 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 divergira za sve x ∈ R za koje je |x| > ρ.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1.1. c 1 Primjer 4.20 zovemo radijus konvergencije reda potencija a n xn . z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). a ne moˇemo niˇta z s zakljuˇiti za l = 1. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.148 POGLAVLJE 4.15 Analogno kao i u Primjeru 4. Ako postoji limes c n−→∞ lim √ n an = l. tj.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. (an ) niz u R i x ∈ R prozvoljan. Ako postoji lim sup n |an | i lim sup n |an | = 0. onda red an konvergira za l < 1. . NIZOVI I REDOVI Napomena 4.20 Neka je an xn red potencija.14 za red odnosno red n znamo da divergira odnosno konvergira. a iz toˇke 4. divergira za l > 1. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.

8 znamo 1 1 da red konvergira. 4. dok za x = 1 red n 1 divergira. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). Ako je x = −1. ali smo u Primjeru 4. dakle i apsolutno konvergira red (−1)n .20 red potencija |x| < 1. itd. n 2. iz Primjera 4.).4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.3. n2 1 n x n2 dakle je ρ = 1. Po Teoremu 4. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija.3. Iz n2 n2 1 Teorema 4. Teorem 4. Po Teoremu 4. (−1)n . tg n. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1.16 1. n 1 n x n dakle je ρ = 1. KRITERIJI KONVERGENCIJE Primjer 4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. a divergira za |x| > 1. Tada imamo sljede´i kriterij (Leibnic c zov): . n Tada je 1 = lim n−→∞ n n 1 = 1. a divergira za |x| > ρ (ako lim sup n |an | postoji). Neka je dan red potencija lim sup n 149 1 n x . konvergira za Pogledajmo sada ako je |x| = 1. a divergira za |x| > 1.♠ n2 Teoremu 4. c sin n.4. konvergira za Pogledajmo sada ako je |x| = 1. onda iz Primjera 4. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. Neka je dan red potencija lim sup n 1 n x .20 niˇta ne govori s za x ∈ R takve da je |x| = ρ.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.8 imamo da konvergira i red (−1)n . Ako je x = 1 onda. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku.20 red potencija |x| < 1.9 1 znamo da red (−1)n konvergira i suma mu je ln 2.

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

♠ s .4. KRITERIJI KONVERGENCIJE Primjer 4.17 Iz Teorema 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.3.

.

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

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

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

x ∈ D(f ). U nastavku ´emo se baviti ovim problec mom. no izvediv. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . z Definicija 5. prikaˇemo u koordinatnom sustavu. c Napomena 5.1: Koordinate toˇaka na grafu funkcije. f (x)). f (x)). graf funkcije f dobijemo z c c kad sve parove oblika (x. tj. 5.3 Graf funkcije Funkcije se zorno prikazuju grafovima. y) za koje je y = c z c f (x). .2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x.156 POGLAVLJE 5. projekcija grafa na y-os je slika od f ). c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. Drugim rijeˇima.Na kraju. graf funkcije f sadrˇi sve toˇke ravnine (x. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . FUNKCIJE . x ∈ D(f )} ⊂ R2 .1.

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 5.2: Graf funkcije f i njegove projekcije na koordinatne osi. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.3: Primjer krivulje koja nije graf funkcije. Napomena 5. . ˇto je suprotno s definicijom funkcije. Npr. c y x0 0 x Slika 5. c kruˇnica u ravnini nije graf niti jedne funkcije. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.1.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije.5. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.

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

kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. i strogo je padaju´a na svakom intervalu u R. c 2. i slika su joj svi nenegativni realni brojevi. i strogo je monotona na svakom intervalu u R. Posebno. pa i na c cijelom R. 0]. c c strogo padaju´a u svakoj toˇki iz −∞. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ). Analogno. tj. c Dakle. funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R.1. D(f ) = R. tj. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R.1 1.5. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε. 3. Posebno. tj. D(f ) = R. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. R(f ) = {x ∈ R : x ≥ 0}. z c Primjer 5. Posebno. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0. D(f ) = R. tj. funkcija f (x) = 5 je monotona u svakoj toˇki iz R. pa i na cijelom R. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R. Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. tj. ε > 0. zovemo c okolina toˇke x0 .♠ c Svaki interval oblika x0 − ε. funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . x0 + ε gdje je toˇka x0 ∈ R i ε ∈ 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. i strogo je rastu´a na svakom intervalu c u R. i strogo je monotona na svakom intervalu u R. D(f ) = R. pa i na cijelom R. dok u 0 nije ni rastu´a ni c c c padaju´a. 0 . c 4. +∞ . x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). +∞ i strogo padaju´a na svakom intervalu u −∞. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. .

0]. 3. dakle je i c strogi globalni maksimum. dakle svaki x ∈ R je lokalni maksimum i minimum. x0 + ε . Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. govorimo o strogom lokalnom maksimumu odnosno minimumu.♠ c Napomena 5. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. Dakle. c Nadalje. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). ako su nejednakosti stroge. c dakle je i strogi globalni minimum. 0]. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. Dakle f nema lokalnih pa ni globalnih ekstrema. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. pa i globalni maksimum i minimum.5 Uoˇimo. +∞ a strogo rastu´a na svakom intervalu u c −∞. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum.160 POGLAVLJE 5. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. 2. pa i na cijelom R. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. 4. Nadalje. dok je svaki globalni ekstrem i lokalni. +∞ i strogo padaju´a na svakom interc c valu u −∞. u toˇkama iz R \ {0} f nema lokalnih ekstrema. Analogno. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. . FUNKCIJE za svaki x ∈ x0 − ε. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. Ako su nejednakosti stroge. govorimo o strogom globalnom maksimumu odnosno minimumu. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. onda on ne mora biti i globalni. Primjer 5.2 1. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi.

f (x) = x4 . Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. f (x) = |x|. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). tj. tj. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. b].4: Primjer funkcije s lokalnim ekstremima. z c c Napomena 5. Problem nalaˇenja ekstrema je vrlo bitan. f (x) = x3 . Funkcije f (x) = x. |x| su . onda kaˇemo da je funkcija f neparna. f (x) = x|x| su neparne. D(f ) = [a. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte.1. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta.♠ 1 . 2.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. s Primjer 5. Ako vrijedi f (−x) = f (x). onda kaˇemo da je funkcija f parna. 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. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). za svaki x ∈ D(f ). b ili D(f ) = a.5. Funkcije f (x) = x2 . D(f ) = [a. f (x) = parne fukcije. z Ako vrijedi f (−x) = −f (x). b]). za svaki x ∈ D(f ) .3 1.

5 1 2 3 -5 -7. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). neka c √ je funkcija f : [−1. tj. jedan rub je konaˇan a drugi beskonaˇan). Takav je rub c c regularna toˇka. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. +∞ . Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije.162 POGLAVLJE 5.5 5 2. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku.5 -10 Slika 5. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c .5: Primjer parne (lijevo) i neparne (desno) funkcije. postoji i konaˇan je broj f (−1). Npr. tj. f (x) = 0 za svaki x ∈ R.5 -1 -3 -2-2. Primjer 5. tj. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. 1] −→ R dana formulom f (x) = 1 − x2 .

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 +∞. (Npr. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. neka je funkcija f : [0.5. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. +∞ −→ R dana formulom f (x) = xx . +∞ −→ R dana formulom f (x) = x−1 . s c c c c 2. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). To znaˇi z c da. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1.1.) 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 −∞. tj.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. neka je z c funkcija f : 0. i to brˇe od svakog pravca. +∞ ili −∞.) z y y y −1 0 1 x 0 x 0 1 x Slika 5. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. c c (Npr.) c z . neka je funkcija c 1 c f : 1. Ako z je a ∈ R taj rub. +∞ −→ R dana formulom f (x) = 2x . Tada oˇito f strogo raste u +∞. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. (Npr.

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

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 ). . dok je u svim drugim toˇkama neprekidna. b −→ R. f (x0 ) + ε . funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. Kad bi imala dvije asimptote u jednom rubu. c 165 Napomena 5. x = 0   −1 x < 0 Funkcija f ima prekid u 0. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj.3 Realna funkcija realne varijable f : I = a. Primjer 5.5. Definirajmo sada pojam neprekidnosti funkcije. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. gdje je I ⊆ D(f ). je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). 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 . onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu.7 Ako funkcija ima asimptotu. x > 0  sign x = 0.5 Neka je dana funkcija sign : R −→ R formulom   1. pravac). Odnosno. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota.1. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj.3 kaˇe da je funkcija f : I = a. z Definicija 5. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. x0 + δ ) ⊆ f (x0 ) − ε. c 1 Uzmimo ε = 2 . Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. Intuitivno. Definicija 5.

4. takav da je c |f (x)| ≤ M .♠ z Definicija 5. b −→ R. M ∈ R c takvi da je m ≤ f (x) ≤ M. b −→ R neprekidna u toˇki c x0 ∈ I. Ako je x0 > 0. Napomena 5. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.166 POGLAVLJE 5. je ograniˇena na I ako postoji realan broj M ∈ R. Napomena 5. b −→ R.4 stavimo M = max{|m|. gdje je I ⊆ D(f ). 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. gdje je I ⊆ D(f ). Analogo se dokaˇe za x0 < 0. onda je funkcija f ograniˇena na nekoj okolini oko x0 .8: Funkcija sign(x). tj. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. tj. za svaki x ∈ I. M > 0. za svaki x ∈ I. c . je ograniˇena ili omedena na I ako postoje realni brojevi m.4 Realna funkcija realne varijable f : I = a.10 Ako je funkcija f : I = a. iz uvjeta m ≤ f (x) ≤ M. za svaki x ∈ I. funkcija je neprekidna u x0 . FUNKCIJE y 1 0 x −1 Slika 5.8 Ako u Definiciji 5. Napomena 5.9 Iz Definicije 5.

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

Napomena 5. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. a g dana formulom g(x) = c. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor.. n = 0. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. pri ˇemu je f proizvoljna. 1. c c Neka su f.5). . Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. . Npr. pa je D(f ± g) = D(f ).. dakle beskonaˇni skup {xn . Dakle imamo definirano c c mnoˇenje funkcije skalarom. skup funkcija {1. c Preciznije.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. Tj. x. 1. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. g : R −→ R.. graf funkcije f + g je isti kao i graf funkcije f . gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. c) Ako je c < 0. Uoˇimo da je D(g) = R. z c z Napomena 5. a) Ako je c = 0. . c c ∈ R. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). b) Ako je c > 0. x . c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}.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. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. tj. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f )..3).168 POGLAVLJE 5.. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ).

Graf funkcije f g je sliˇan grafu funkcije f . Dakle. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. . pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . samo je usporen pad i rast c funkcije f . b) Ako je 0 < c < 1.10: Graf funkcije 2f (x). Graf funkcije f g je pravac y = 0 ili x os.5.9: Graf funkcije f (x) + c za c > 0. vrijedi |(f g)(x)| ≤ |f (x)|. funkcija f g ima iste nultoˇke kao i funkcija c c f . dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. a) Ako je c = 0.1. tj. 2. y 2 f(x) 0 f(x) x Slika 5. onda je (f g)(x) = 0 za svaki x ∈ D(f ). Pogledajmo funkciju f g u ovisnosti o c ∈ R.

onda je (f g)(x) = −f (x) za svaki x ∈ D(f ). pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . Graf funkcije f g je isti kao i graf funkcije f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). vrijedi |(f g)(x)| ≤ |f (x)|. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. ali su suprotnog predznaka. Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . Dakle. tj. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). tj.11: Graf funkcije −f (x). g) Ako je c < −1. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. f) Ako je −1 < c < 0. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . 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 .170 POGLAVLJE 5. FUNKCIJE c) Ako je c > 1. funkcija f g ima iste nultoˇke kao i funkcija f . vrijedi |(f g)(x)| ≥ |f (x)|. vrijedi |(f g)(x)| ≥ |f (x)|. funkcija f g ima iste nultoˇke kao i funkcija c c f . ali su suprotnog c . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Dakle. e) Ako je c = −1. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. onda je (f g)(x) = f (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija f . Dakle. c d) Ako je c = 1. tj. y 0 f(x) x −f(x) Slika 5. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta.

3. c c c Napomena 5. funkcija g f je jednaka pravcu y = 0 na skupu D g f . tj.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. onda je f (x) = 0 za svaki x ∈ D . npr. g f g a) Ako je c = 0. Dakle. Pogledajmo funkciju g f u ovisnosti o c ∈ R. za f. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. funkcija f u njima ima c c vertikalne asimptote.1. gdje funkcija f raste. Ako funkcija f ima nultoˇke. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞.1. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. c g) i 3 b). onda oˇito g funkcija f u njima nije definirana. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. tamo funkcija f pada. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. 0 . onda je f (x) = f (x) za svaki x ∈ D f . g g 1 b) Ako je c = 1. f). Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). c .4). c c c Za ostale operacije ova tvrdnja ne vrijedi. tj. . c). OSNOVNI POJMOVI 171 predznaka.5.

recimo g. Primjer 5.5 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)).12: Kompozicija funkcija.4). Tim se postupkom mogu stvarati nove z funkcije. c h f A B g C Slika 5. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). onda je funkcija f ± g neparna. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. g : R −→ R funkcije. 2. Ako su obje parne. te funkcije f g i obje parne. g 5.6 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. neparna a f parna.1. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Ako su obje neparne. f g i f g f g sve parne. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. onda su funkcije f ± g. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. Ako je jedna funkcija. Definicija 5. dok su funkcije f g i f obje neparne. Matematiˇki se to formalizira pojmom kompozicija funkcija. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. 3. .172 POGLAVLJE 5. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. Neka su f.

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

onda za x1 . 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 ). c c b) Ako su funkcije f i g padaju´e. njihova kompozicija je rastu´a. tj. a) Ako su funkcije f i g rastu´e. njihova kompozicija je padaju´a. Monotonost kompozicije u ovisnosti o monotonosti komponenata. c c) Ako je funkcija f rastu´a a g padaju´a.174 POGLAVLJE 5. s 1. onda za x1 . onda za x1 . tj. 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 ). 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 ). c . njihova kompozicija je padaju´a. onda za x1 . tj. FUNKCIJE Pogledajmo joˇ neka svojstva kompozicije funkcija. njihova kompozicija je rastu´a. c d) Ako je funkcija f padaju´a a g rastu´a. tj. 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 ).

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

. Primjer 5.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe.. b : studenti −→ {0. Dakle imamo. Drugim rijeˇima. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.. To je za neke funkcije mogu´e.♠ Primjer 5. Uspjeli smo rijeˇiti problem.♠ z s Definicija 5. Ne c c moˇemo rijeˇiti problem. c s Pogledajmo sada obratni problem.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. i joˇ 500 kn za dovoz i odvoz. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. tj. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. i obrnuto. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. .8 Troˇkovi rada stroja su 200 kn/h. Dakle. 1. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. 200x + 500 = 1300. s s Jasno je da ´e nas npr. FUNKCIJE 5. tj. moˇe biti viˇe studenata koji su imali nula bodova. a za z c neke nije. 2. 10 sati rada stroja koˇtati 2500 kn.1. Kaˇe se i da z c z f ne lijepi argumente. Nas zanima x(y).176 POGLAVLJE 5..6 Funkcija f : A −→ B je injekcija ako za svaki x1 . 12}. 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.

11 U Primjeru 5. .6 c ekvivalentan sljede´em: za x1 . f : D(f ) → R(f ) je uvijek surjekcija.10 Funkcija f (x) = xn . x2 ∈ D(f ). OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.1. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. n ∈ N. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. je injekcija za neparan n. 1) i (1. ali ne i za paran n. za bilo koji c ∈ R. Napomena 5. c c Definicija 5. Definicija 5.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x).♠ Primjer 5. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. a injektivnost njegovu jedinstvenost. Napomena 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.8 izraˇunali smo da je x(1300) = 4. tj. 1).5. s c Primjer 5.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). Surjektivnost osigurava c sc c s z postojanje rjeˇenja. Injektivnost. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.

c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = 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. . 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5.15: Graf funkcije i njoj inverzne funkcije. 200 (200x − 500) + 500 = x. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c). funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id. Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x). Dakle.♠ 200 Definicija 5. x(c) = c − 500 .178 dobivamo formulu za x u terminima c. 200 POGLAVLJE 5. dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c.

jer je c f ◦ g = g ◦ f = id.♠ Napomena 5. no njezine restrikcije na −∞. +∞ . c Primijetimo da ako f nije strogo monotona nego samo monotona.20 Ako je funkcija f : R −→ R strogo monotona. +∞ jesu. onda je ona oˇito i bijekcija na svoju sliku.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. 0]. a strogo c c padaju´e funkcije strogo padaju´a.0] √ i f |[0. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. Tada iz Napomene 5. c c Dokaz: Neka je f : R −→ R strogo rastu´a.10). +∞ −→ −∞. +∞ −→ [0. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. Dakle. Dakle. 0] i [0. pa ima i inverznu funkciju.+∞ su bijekcije s inverzima g1 : [0.♣ z c . i √ g2 : [0.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5.1. g1 (x) = − x. kad govorimo o inverzima funkcija f : R −→ R. 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 ).5.20 znamo da f c ima inverznu funkciju g. Dakle vrijedi f ◦ g = g ◦ f = id. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. f | −∞. Primjer 5. a ona c c je strogo rastu´a funkcija. No f ◦ g = id.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. g2 (x) = x. OSNOVNI POJMOVI 179 Napomena 5. Teorem 5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. To je oˇito inverzna funkcija od f .

0] odnosno .180 POGLAVLJE 5. z c Napomena 5. +∞ .2 Inverzna funkcija neparne funkcije je neparna. ali nije bijekcija. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. f −1 je neparna. Pokuˇajmo sada. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. +∞ gdje je bijekcija. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. FUNKCIJE Teorem 5.♠ c Analogno kao u Primjeru 5. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). Tada je njena inverzna funkcija g : [0. jer je f (x) c rastu´a. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).12 slijedi da tvrdnju Teorema 5. Dakle. Primjer 5. +∞ −→ −∞. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4.♣ Iz Primjera 5. praktiˇno izraˇunati.2 ne moˇemo izre´i za parne funkcije. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.21 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. 0] ili [0.

+∞ je bijekcija. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x.2 -0. 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. ima inverznu funkciju.4 0. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku.6 0. tj. +∞ dana formulom − n x odnosno n x. 0.16: Graf funkcije f (x) = xex . c Osim elementarnih postoje i tzv. Restrikcija te funkcije na interval [−1. ˇ Cak i za funkcije koje imaju inverze. specijalne funkcije kojima se ovdje ne´emo c baviti. Ako je n neparan. 5.4 1 2 Slika 5.8 0. Primjer takve funkcije je c x f (x) = xe .5. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.2 -3 -2 -1 -0.2. c . +∞ −→ [0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.

mnoˇenih nekim koeficijentima.2. FUNKCIJE 5. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Eksponencijalne . xk = x · x · · · x .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.2.1 Klasifikacija i podjela realnih funkcija 1.182 POGLAVLJE 5.Trigonometrijske .Hiperboliˇke c .Ciklometrijske .Ostale algebarske funkcije b) Transcendentne . za svaki x ∈ R.Area 2.Racionalne funkcije . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5. dolazimo do pojma z .Polinomi .Logaritamske . Elementarne a) Algebarske . k Po definiciji stavljamo x0 = 1.

.11 Dva polinoma P i Q su jednaka.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 + . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). . .2. + a2 x2 + a1 x + a0 . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . . Definicija 5. tj. . a0 su koeficijenti polinoma Pn (x).5.5 5 2. c 10 7. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . a a0 je slobodni koeficijent.5 -3 -2 -1 -2. Koeficijent an je vode´i. Dakle je svaki polinom definiran na cijelom skupu R. . Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x.a1 . . P. Ovdje podrazumijevamo da je an = 0. Definicija 5.5 -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. 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. Polinomi su konceptualno najjednostavije funkcije. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. ako su jednaki kao funkcije.

02 4 0.01 -0. c Primjer 5. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. c c c s naravno. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .01 1.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. Apscisa nultoˇke je nuliˇte.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . 0.5 2 2. c c .184 POGLAVLJE 5..♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.: n m Teorem 5. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda..5 3 Slika 5.14.02 3 2 0.. a ordinata je. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.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 .3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. n.11. 1. za sve i = 0. . tj.. Broj c k zove se red ili kratnost nultoˇke x0 .♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. FUNKCIJE n Teorem 5. = an = 0..

c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . za x ≥ 0. onda iz Teorema 6.5.ako raste u s c nekoj toˇki.3 Qn−k (x) = 0 na nekoj oklini oko x0 . Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. je polinom drugog stupnja ili kvadratna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. tj. kaˇemo da je linearna funkcija strogo rastu´a.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija.19: Graf linearne funkcije f (x) = x + 75. Za a = 0 imamo konstantnu funkciju p(x) = b. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). Otvor joj je okrenut prema gore ako je a > 0.8).2. Ako je k paran. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . 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. odnosno strogo padaju´a. a = 0. dok c u nultoˇkama parnog reda nema promjene predznaka. onda iz Teorema 6. po Teoremu c 6. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. Tjeme . Ako je k neparan. a padaju´a ako je a ≤ 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. Ako su ove nejednakosti c c stroge. dok za x > x0 vrijedi (x − x0 )k > 0. a prema dolje ako je a < 0. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. raste na cijelom R.22 U nultoˇkama neparnog reda polinom mijenja predznak.

♣ c Iz Teorema 5. c Napomena 5. npr. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. −D/4a).8) graf polinoma mora negdje sje´i x os. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. Teorem 5. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. tj. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. Nultoˇke kvadratne funkcije dane su formulom c x1. inaˇe velike negativne vrijednosti). Zbog neprekidnosti c polinoma na R (Teorem 6. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). FUNKCIJE 1 2 Slika 5.2 = √ −b± D . 2a i realne su ako je D ≥ 0.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. inaˇe velike pozitivne).186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5.♣ c c . parabole ima koordinate (−b/2a.

tj. +∞ i ima nultoˇku u (0. Oˇito je D(P1 ) = R(P1 ) = R. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. i = 1. +∞ . tj. Ako je n paran broj. Pn (x) strogo raste na R. onda je oˇito funkcija Pn (x) = xn neparna. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan.♠ c . n − 1. graf c joj je zrcalno simetriˇan s obzirom na y os. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. strogo raste na [0. c neparna je i ima nultoˇku u (0. R(Pn ) = [0. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . 0). Ako je n = 1.♠ Dakle. . 1. tj. tj. dakle je bijekcija i ima nultoˇku u (0. 3. dakle je bijekcija.2. onda je P1 (x) = x linearna funkcija.. P1 (x) strogo raste na R. 0). 0). Nadalje. Ako je n neparan broj. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. iz Primjera 5.. 0]. Primjer 5.16 Pogledajmo funkciju (polinom) Pn (x) = xn .21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. Strogo pada na −∞.5. dakle nije injekcija. onda je oˇito funkcija Pn (x) = xn parna.. c vrijedi D(Pn ) = R.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. pravac y = x. c 2. kao funkcija an xn .

Za . Npr.. u tom sluˇaju se situacija komplicira. m. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). su koeficijenti polinoma Pnm (x). Realne konstante aij .8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. .24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. y) = i=0 j=0 aij xi y j . FUNKCIJE Napomena 5. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac..188 POGLAVLJE 5. umnoˇak i kompozicija polinoma ponovo polinom. razlika.. dijeljenjem polinoma c izlazimo iz te klase funkcija. Dakle. Naravno. tj. z Definicija 5. kvocijente dvaju polinoma nazivamo racionalnim funkcijama.2..25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. itd. Napomena 5. problem poniˇtavanja je vrlo kompliciran. Po analogiji s racionalnim c brojevima. n > 1. n. .3 Racionalne funkcije Oˇito je zbroj.. sam sebi je asimptota.. ali c z kvocijent dvaju polinoma op´enito nije polinom. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. z n Nadalje. j = 1.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. problem s asimptotike je sloˇeniji.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. i = 1. kako se polinom Pn (x) = i=0 ai xi . 5. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. 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.

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

onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. kao i u toˇkama u c kojima se nazivnik poniˇtava. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . kad c argument ide u +∞ i −∞.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). Dakle. 2.5 -25 -50 -75 -100 0. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. z c Dokaz: Red pola je red nultoˇke nazivnika.26). Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). Sada tvrdnja izravno slijedi iz Napomene c 5. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti.26 Ako je pol parnog reda. i to na vanjskim rubovima prirodnog podruˇja definicije. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . 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 5.5 0.5 1 80 60 40 20 -1 -0.22. (lijevo) i pola Napomena 5.graf racionalne funkcije moˇe imati asimptote: z 1.5 1 x 1 Slika 5.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. FUNKCIJE 100 75 50 25 -1 -0. Osim vertikalnih. tj. dok za polove neparnog z c reda. bi x i=0 i−m bi x i=0 i xm .190 POGLAVLJE 5.

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 . 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. tj. i=0 . onda je n − m > 1. se pribliˇava broju z bi x i−m am . bm x an a) Ako je n < m. 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 . an c) Ako je n > m + 1. racionalna funkcija nema ni horizontalne ni kose asimptote.2. tj. Dakle. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. Preciznije.5. bn . c xm ai xi−m i=0 m tj. onda racionalna funkcija ima horizontalnu asimptotu y = c. b) Ako je n = m. onda je n − m = 1. bm dok prvi pribrojnik. Racionalna funkcija ima horizontalnu c asimptotu y = 0. xm . izraz bm xn−m raste ili an pada brˇe od pravca bm x. 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. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku.

Dakle. Napomena 5. +∞ i za svaki x ∈ 0.192 xm (am+1 x) . Nadalje. FUNKCIJE ide u am+1 x. f je parna. tj. dakle nije injekcija.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. +∞ .♠ Iz Primjera 5. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. +∞ vrijedi f (x) > x. Oˇito je D(f ) = R. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . +∞ . racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . . f (x) = x + x (desno) i njihovih asimptota. f strogo pada na −∞. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. f strogo raste na [0.27 Analogno kao i kod vertikalnih asimptota.27 ne mora vrijediti. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. kada argument ide u beskonaˇnost. 0] i za svaki x ∈ −∞. bm jer i=0 bi xi−m ide u bm . m i−m xm bi x i=0 m POGLAVLJE 5.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). Dakle. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. 0 vrijedi f (x) > −x. z √ Primjer 5. zrcalno simetriˇna obzirom c c na y os. 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). R(f ) = [1.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5.

18. c . y) = Pn (x) − y. y) takav da vrijedi P (x. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. f (x)) = 0. 5. c Neka je sada f (x) = funkcija i algebarska.2.5. f (x)) = 0. √ x2 + 1 i njenih asimptota z Napomena 5.2.29 Svaki polinom i racionalna funkcija su algebarske funkcije. Pn (x)) = 0. y) = Qm (x)y −Pn (x). Definicija 5. Napomena 5. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. f (x)) = 0. Definirajmo polinom u dvije varijable s P (x. jer u suprotnom ne bi bila funkcija.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. y) = x − y n oˇito je P (x. Definirajmo polinom u dvije varijable s P (x.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. dakle je svaki polinom algebarska funkcija.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Tada je oˇito P (x. Dokaz: Neka je dan proizvoljni polinom Pn (x). Tada je oˇito P (x. dakle je svaka racionalna c √ Primjer 5.19 1.

Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. je D(f ) = 1.28. +∞ . dok kosu asimptotu ne moˇe imati zbog Napomene 5. Dakle.20 1. c c tj. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. √ Primjer 5. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.4). je D(f ) = R(f ) = [0. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . tj.13). +∞ .4). Nadalje. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. c 1 3. c c √ Nadalje.13). Funkcija f je inverzna funkcija funkcije g(x) = x3 . +∞ (Primjer 5. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Dakle. z tj. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . FUNKCIJE 1 2. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. 0 je regularna toˇka (toˇka 5. z 1 4. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. tj.194 POGLAVLJE 5. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. koja je bijekcija sa R na R. Neka je dana algebarska funkcija f formulom f (x) = x. je D(f ) = R(f ) = R (Primjer 5.13). z √ 2. +∞ i R(f ) = 0. ima vertikalnu asimptotu x = 1. pravac y = 0 je horizontalna asimptota funkcije f . f strogo raste na R i neomedena je. Nadalje.13). kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.♠ 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. Kada se argument sve viˇe pribliˇava c s z broju 1. Dakle. y) = xy n − 1 oˇito je P (x. Neka je dana algebarska funkcija f formulom f (x) = 3 x. f (x)) = 0.1. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. u 1 (toˇka 5.1. dakle nema vertikalnu asimptotu. dakle nema niti vertikalnu niti horizontalnu asimptotu.

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).

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

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

Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . Nakon ˇto z s s namotamo komad duljine 2π. Sliˇno. 2 ]. onda 2 t nije ˇiljast. Kaˇemo da su sin c z i cos periodiˇke funkcije. yt ) na kruˇnici. na kutove iz [0.30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. 3π ]. FUNKCIJE sin x 0 cos x x 1 Slika 5. Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu).204 1 POGLAVLJE 5. tj. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). Naravno. cos(t + 2kπ) = cos t . a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. Dakle vrijedi c sin(t + 2kπ) = sin t. sada moˇemo sinus i kosinus analogno proˇirivati na R. 2π]. 2 ] (tj. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . situacija se poˇinje ponavljati. Dakle za t ∈ [ π . 0] odnosno na [−2π. Dakle za t ∈ [ 3π . Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu. Ako je t ∈ [ π . Ako je t ∈ [ 2 . 2π]. Analogno se sinus i kosinus s proˇire s [0. z (1. 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). onda vrijedi xt = x2π−t i yt = −y2π−t . Dakle za t ∈ [π. ako je t ∈ [π. 0). c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. s [0. z c z π Jasno je da za t ∈ [0. π ] na [− π . π].

je period funkcija sin i cos. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. period razliˇit od 2π i ne s c c .5. tj. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).5 -10 -5 -0. temperatura kroz godinu. 1]. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. za opis osz c cilacija. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve.5 -2 5 10 -10 -5 2 1.2. Nadalje. Nadalje. Kaˇemo da im je faza nula. vidimo da je −1 ≤ cos t ≤ 1. napona. itd. dok je sinus neparna. Nadalje. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. −1 ≤ sin t ≤ 1. s 2 1 u nuli i 0 u π . 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. Medutim. π ]. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0.5 1 0. krvnoga tlaka. π ]. 1]. a kosinusa obrnuto.5 1 0. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. tj. zbog periodiˇnosti.5 -2 5 10 Slika 5.32 Lako je vidjeti da je kosinus parna funkcija. To znaˇi R(sin) = R(cos) = [−1. Najmanji pozitivni period je 2π i zovemo ga temeljni period. c amplitude i faze. za svaki t ∈ R. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. k ∈ Z. tj.5 -1 -1. npr. Svaki 2kπ. Napomena 5. Dakle je z D(sin) = D(cos) = R.5 -0. imaju amplitudu razliˇitu od 1. plime i oseke.5 -1 -1. c 2 1.

1]. k ∈ Z}. 0) (joˇ ga zovemo tangensna os). pomak funkcije na x osi je x0 . 2 ] udaljenost toˇaka (1. onda je interc s π pretacija vrijednosti tg t za t ∈ [0. tj. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. a kosinus strogo padaju´a na [0. 0) i P na tangensnoj c osi. funkcije sinus i kosinus nisu injekcije. imamo π D(tg) = R \ {(2k + 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. dakle c niti bijekcije. formulom A sin(Bx − x0 ). c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. tj. gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu). 2 ˇto se vidi i s trigonometrijske kruˇnice. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . 2 ]. i funkciju z c π tangens proˇirujemo izvan intervala [0. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. 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 −∞. Amplituda ove funkcije je A (jer je amplituda sinusa 1). Sliˇno kao i sinus i kosinus. Napomena 5. 2 ]. FUNKCIJE nul fazu. na svoju sliku. c c Sin x = sin |[− π . period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. U tim toˇkama tangens ima vertikalnu asimptotu.π] x su bijekcije na [−1. . Dakle. π ] x 2 2 i Cos x = cos |[0 . Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave.206 POGLAVLJE 5.33 Zbog periodiˇnosti. π].

Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. s 1 P T x 0 1 tg x ctg x Q Slika 5. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. onda je interpretacija vrijednosti ctg t za t ∈ [0. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. . Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. Imamo ctg t = D(ctg) = R \ {kπ. Sliˇno se interpretira i kotangens. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. 2 ] udaljenost toˇaka (0. Sliˇno kao i sinus i kosinus. 1) i Q na kotangesnoj osi. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. k ∈ Z}. ˇto se vidi i s trigonometrijske kruˇnice. k ∈ Z}.2.5. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . 1) (joˇ s c s π ga zovemo kotangensna os).

FUNKCIJE za svaki t ∈ R \ {kπ. Napomena 5. π x 2 2 i Ctg x = ctg| 0. 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. njihove restrikcije Tg x = tg| − π . Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. tangens na − 2 .208 POGLAVLJE 5. 2 i kotangens na 0. Dakle.34 Zbog periodiˇnosti. c dakle niti bijekcije.33 . ni tangens ni kotangens nisu injekcije. π . na svoju sliku.π x su bijekcije s tih intervala na R. π]. π . Dakle sinus nema inverznu funkciju. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. 1].33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). k ∈ Z}. a kotangens strogo padaju´a na 0. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. π ]. restringirajmo sinus na [− π .8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. a isto vrijedi s / i za ostale trigonometrijske funkcije. c c Dakle. Tada prema Napomeni 5. dakle nisu bijekcije. a c c s nema rjeˇenja za c ∈ [−1. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. 5. Npr. 2 .

i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.π strogo padaju´e.5 1 Slika 5. π ] . 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. Dakle.5 0.5 3 2. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . ].2. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .5 -1 -0.1 i Napomene 5. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. koje zovemo arkus funkcije. π]. Kako je sin |[− π . π]. π π R(arcsin) = [− .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . 1.5 1 0.5 1 0.5 0. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. a c 2 2 2 2 cos |[0. rjeˇenje jednadˇbe postoji i jedinstveno je. Iz Teorema 5. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. rjeˇenje jednadˇbe postoji i jedinstveno je. 1] −→ [− . dakle su i bijekcije. 2 ] jednadˇbe sin t = s z s z x. Dakle. 1]. π strogo rastu´e. ]. 2 2 koja je inverzna funkciji sin |[− π . 2 2 . 2 2 R(arccos) = [0. oˇito je c c D(arcsin) = D(arccos) = [−1. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. inverznu funkciji cos |[0.π] . 1]. π ] i tg| − π . 1] −→ [0.5. π bijekcija. π ] bijekcija.34 znamo da su funkcije sin |[− π .5 2 1. z π π Za x ∈ [−1. Nadalje.33 slijedi da je arcsin strogo rastu´a.π] i ctg| 0. π jednadˇbe tg t = x .5 -0. .5 -1 -0. a arccos c strogo padaju´a na [−1.5 1 -1 -1.

5 -2 -0. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. c .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. Dakle. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. tako da bi smo dobili arkus funkcije definirane na tim intervalima. Napomena 5. FUNKCIJE arcctg : R −→ 0. oˇito je c c π π D(arctg) = D(arcctg) = R. 1].π . π .5 -4 -2 2 4 Slika 5.1 i Napomene 5. -4 2 1.5 3 2.5 -2 2 4 4 3.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).5 1 0. 2 odnosno ctg| 0.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. π . R(arcctg) = 0. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. R(arctg) = − . 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 . Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π .35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. Nadalje.5 -1 -1. Iz Teorema 5. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. π .210 koja je inverzna funkciji tg| − π .5 2 1. inverznu funkciji ctg| 0. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.5 1 0. pri traˇenju rjeˇenja t jednadˇbe. z s z sin x = t. . Npr. π ]. npr.

tanges hiperc c boliˇki i kotanges hiperboliˇki. Iz formule lagano ˇ slijedi da je |th x | < 1 . sinus hiperboliˇki. za svaki x ∈ R. i R(th) = −1.2. strogo raste na R. Primjerice.5. cth x = th x i zovemo ih redom kosinus hiperboliˇki. neograniˇena je. za svaki x ∈ R. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. 1 . Lako se vidi da je neparna. dakle nije injekcija. za svaki x ∈ R. Strogo raste na R. y = −1 i y = 1. iako se definiraju u terc minima eksponencijalne funkcije. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. Napomena 5.2. strogo pada na −∞. +∞ . 3. Dakle th ima dvije horizonzalne s z asimptote. Zbog neparnosti c c od sh i parnosti od ch. +∞ i nema asimptote.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . Dakle je R(ch) = [1.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. vrijedi ch x = ch2 x − sh2 x = 1 . 2 e x − e −x sh x = . th je neparna. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. ch x e + e −x 1 . Nadalje. 0] i c strogo raste na [0. parna je. 2 sh x e x − e −x th x = = x . kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. Lagano se vidi da je ch x > 0 . . neograniˇena c je pa je R(sh) = R i nema asimptote. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. Stoviˇe. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. 2. PREGLED ELEMENTARNIH FUNKCIJA 211 5.

to mora i cth x . za svaki x ∈ R\{0}. 4. 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. imamo: . 1. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. Kako th strogo raste na R. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku.5 -1 -1. za svaki x ∈ R. Nadalje. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. Funkcije inverzne hiperboliˇkima zovu se area funkcije. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. areasinus hiperboliˇki ili Arsh. Zbog neparnosti od th i cth je neparna. Dakle cth ima i dvije horizontalne asimptote. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. ch postaje bijekcija na svoju sliku. 1]. preciznije areakosc inus hiperboliˇki ili Arch. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. +∞ . cth strogo pada na R \ {0}. zbog parnosti. z y = −1 i y = 1.5 -4 -2 -0.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. tj.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). restringiramo na −∞. c osim funkcije ch. Ako ch. i R(cth) = R \ [−1. kako je |th x | < 1 . 0] ili [0.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). imamo da je |cth x | > 1 .

5 0. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.5.1 zakljuˇujemo da Arch strogo raste.1 c slijedi da Arcth strogo pada. Kako su y = −1. tj.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). R(Arth) = R \ {0} i iz Teorema 5. 1].5 2 1. c 2.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh.2.5 1 0. Oˇito je D(Arcth) = R \ [−1. pravci x = −1 i x = 1. onda su rubovi −1 i 1. onda je D(Arch) = [1.5 3 Slika 5. Ako smo ch restringirali na [0. 4. pravci x = −1 i x = 1. 3 2 1 -1 -0. iz Teorema 5.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).5 2 2. a pravac y = 0 horizontalna asimptota.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. a x = 0 vertikalna asimptota od cth. +∞ i R(Arch) = [0. R(Arth) = R i iz Teorema 5.5 -1 -2 -3 0. vertikalne asimptote od Arth.5 1 1. +∞ . Oˇito je D(Arsh) = R(Arsh) = R. Iz Teorema 5. tj.1 slijedi da Arth strogo raste. vertikalne asimptote od Arth. PREGLED ELEMENTARNIH FUNKCIJA 213 1. c 3. Kako su y = −1 i y = 1 horizontalne asimptote od th. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. y = 1 horizontalne. 1 . Oˇito je D(Arth) = −1. onda su rubovi −1 i 1. +∞). .

.

Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. Naime.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . onda je 215 . a visina poˇtarine c u z s kunama).5 + 0.05(m − 20). (Masa m je izraˇena u gramima.05h (∆c = ˇ 0.5 + 0. m = 20 i m = 30. m > 20.1. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.8. Graf te funkcije prikazan je na slici 6.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05(m − 20) kn. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.8 kn. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.05h = 0.1. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. 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.05∆m).1 6.05(m2 − m1 ).1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Dakle imamo c(m) = 2. 0 ≤ m ≤ 20 3.

Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok.♠ c Definicija 6.216 ˇ POGLAVLJE 6.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I.7 kn.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. odnosno da graf funkcije ima prekid u toj toˇki. S druge strane. Definicija 6.1 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).1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. . c c Napomena 6. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. s s 20M ≥ (m2 − m1 )).

1.1.1. No. Analogno. Primjer 6.1. 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 .♠ Primjer 6. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). s c c Napomena 6. Tada su u toˇki x0 neprekidne i funkije: c . ipak m(c) nije blizu m(20).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 . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. koji c je manji od nekog fiksnog strogo pozitivnog broja.2 Svojstva neprekidnih funkcija Teorem 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.2 nam daje ideju za sljede´u definiciju: c Definicija 6.1 ima prekid u toˇki c = 20. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. ako je m lijevo od 20 i dovoljno blizu 20. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.ˇ 6. 6. S druge strane. postoji δ > 0 za koji vrijedi Definicija 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.2 Funkcija c(m) iz Primjera 6. ako je m > 20 i m blizu 20. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.1 Neka su funkcije f. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).2 Iz Definicije 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). ali je ona c neprekidna s lijeva u toj toˇki.

4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. tj. c c Primjer 6.3 Iz Napomene 5.2 Neka su funkcije f.♣ Teorem 6.♣ z c Teorem 6. f |[−1. po pretpostavci. 1] −→ R. ˇto je suprotno pretpostavci. i neka je f (a)f (b) < 0. x = 0 svugdje neprekidna osim u nuli. c + δ) takav da je f (xδ ) ≤ 0. g : R −→ R takve da je definirano (g ◦ f )(x0 ). 4. x=0 x f (x) = 1. i neka je f (c) > 0 (f (c) < 0). Uzmimo ε = f (c). b takav da je f (x0 ) = 0. |xδ − c| < δ. Tada postoji x0 ∈ a. f + g. mora imati nultoˇku. tj. postoji xδ ∈ (c − δ. ali oˇito f nema nultoˇku na segmentu c c c [−1. onda je funkcija g ◦ f neprekidna u x0 . Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. f − g. Dakle. onda je oˇito f (−1)f (1) = −1 < 0.♠ . 1] (jer je nema na cijelom R).♣ c Teorem 6.♣ Teorem 6. tj. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). f .4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. Tada je |f (xδ ) − f (c)| > f (c) = ε. Dokaz: Pretpostavimo suprotno. 3.1] : [−1. f ima prekid u toˇki c. c s Analogno se dokaˇe sluˇaj f (c) < 0. Tada za svaki δ > 0. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. tj.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. f · g. c + δ . c + δ). g ˇ POGLAVLJE 6. 2.11 znamo da je funkcija f : R −→ R dana formulom 1 . Ako je funkcija f neprekidna u x0 . Ako pogledamo funkciju f restringiranu na segment [−1. onda njezin graf mora negdje sjeˇi x os. b]. za koji je f (xδ ) ≤ 0. 1]. i funkcija g neprekidna u f (x0 ).218 1.

2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.3 slijedi da je uvjet neprekidnosti iz Teorema 6. za svaki x ∈ I (Definicija 5. c 1 x je Teorem 6. Teorem 6. π funkcijom tg je R. Npr. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.♣ c Tvrdnja Teorema 6.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. funkcija f (x) = neprekidna na 0. postoji inverzna funkcija f −1 i ona je 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. . i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. Tada je funkcija f neprekidna na intervalu I. ali oˇito je neomedena. Npr.6 ne vrijedi za otvorene intervale.1. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.4 Funkcije f.5 ne vrijedi za otvorene intervale. π . 1 . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.♣ Teorem 6.♣ 6.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.3 Neprekidnost elementarnih funkcija Primjer 6. slika otvorenog intervala − π . M ∈ R takvi da je m ≤ f (x) ≤ M. Pitanje je sad. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.ˇ 6. b]. onda je ta funkcija i neprekidna.1. Tvrdnja z Teorema 6. Nadalje.4 nuˇan. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .

hiperboliˇke c i area funkcije su neprekidne na svojim domenama..♣ Napomena 6. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. Teorem 6. 1.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. logaritamske. Nadalje. jer je svaka racionalna funkcija kvocijent dvaju polinoma. zakljuˇujemo c da je i suma od ai xi ..7 su neprekidne. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). na R su neprekidne i funkcije ai xi .4 dokazali smo da je funkcija f (x) = x neprekidna na R. . Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.♠ z Iz Primjera 6.. Budu´i da je f (x) − f (x0 ) = c − c = 0. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. slijedi da c moˇemo uzeti δ = ε.7. n. Dokaz: Neprekidnost eksponencijalnih. z 2. 1. .1. hiperboliˇkih (osim kosinusa hiperbolnog). Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. i = 0..1.4 i Teorema 6.7 c i periodiˇnosti. arkus... z c Uzmimo proizvoljni ε > 0. 1. .1 direktno imamo: n Teorem 6. na intervale − π . Na kraju. trigonometrijske. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. dakle iz Teorema 6.9 Eksponencijalne. n.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.1. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. i = 0. polinom Pn (x) neprekidan na R. Na isti naˇin se zakljuˇi da su xi . π odnosno 0. jer su njihove restrikcije npr.220 ˇ POGLAVLJE 6. takoder iz Teorema 7. n. π monotone c 2 2 bijekcije na R. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. Iz Teorema 6. UVOD U DIFERENCIJALNI RACUN 1.. tj.4) i Teorema 6. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. logaritamskih.. z c Uzmimo proizvoljni ε > 0. c c neprekidne na R. i = 0.. takoder iz Teorema 6.1 sada slijedi da je na R neprekidna i funkcija x2 .7 imamo da su neprekidne i funkcije arctg i arcctg. c Dokaz: U Primjeru 6. .

Dakle je arccos x neprekidna s lijeva u toˇki 1. ˇto je ekvivalentno s s arccos x < ε. 1 . x−a x+a cos . [−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. 1] i [1. ali u Napomeni 6. ♣ . 0. Dokaˇimo da je arccos x neprekidna s lijeva u 1. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). −1. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. 2 Zbog stroge monotonosti funkcija sin x.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. 3π . 2 2 imamo 2x + π 2x − π cos . +∞ iz Teorema 6. 1].7 i neprekidne. π 2 2 i 0. 3π . 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}. +∞ . moˇemo dobiti i δ = 0. π . 3π . 1 i 1. π . te da je Arch x neprekidna s desna u 1. 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). +∞ . c Analogno se dokazuju i druge jednostrane neprekidnosti. posebno je 2 2 neprekidna u π . k ∈ Z. k ∈ Z. π i 0. Zbog neparnosti imamo da je sin x neprekidna i u − π . Oˇito je δ > 0. π su monotone bijekcije na 2 2 −1. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. 1 . Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1.ˇ 6. onda 2x−π varira po intervalu − π . 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. Dakle su funkcije arccos x. arcsin x i Arch x redom neprekidne na [−1. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. Sada imamo da je sin x neprekidna na 0. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. 3π . |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). Isto tako 2x+π varira po intervalu π . arccos x i Arch x redom na intervalima −1.7 imamo da su neprekidne funkcije arcsin x. π 4 2 4 4 kada x varira po intervalu 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . dakle su po Teoremu 6. cos x i ch x redom na intervalima − π . tj. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0.1.

Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. vidimo da su one c c c blizu vrijednosti −1. funkcija nije definirana u toˇki 0. ali pozitivnu. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. tj. dovoljno blizu c nule. zakljuˇujemo. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. Dakle. ako uzmemo toˇku c x dovoljno malu. tj. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1.222 ˇ POGLAVLJE 6. Za funkciju f : R −→ R danu formulom f (x) = arctg x . za x malo manji od 1. funkcija nije definirana u toˇki 0. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. c c 2. dodemo li s x dovoljno blizu c toˇki 1.5 nije definirana u toˇki x = 1. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. c 3. S druge strane. Ako uzmemo s c toˇku x dovoljno malu. 4. vrijednosti c funkcije su malo ve´e od −1.1. Raˇunaju´i te vrijednosti. tj.4 Graniˇna vrijednost (limes) funkcije c 1. 6. vrijednosti funkcije c su malo manje od −1. ali negativnu. za vrijednosti od x koje su malo ve´e od 1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. 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.

Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. |f (x) − M | < ε). x−→c Ako limes postoji on je i jedinstven: Teorem 6. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. a ne znamo izraˇunati ni njenu vrijednost za x = 0. 6.2. osim. 2 2 5. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. 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. ako c ˇelimo promatrati ponaˇanje oko nule. .♠ Situacije iz Primjera 6. onda piˇemo c s L = lim f (x). moˇda u samoj toˇki c. pravac y = π je horizontalna asimptota.5).2.1. Ako funkcija ima limes L u toˇki c. Dakle.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. tj. 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). moˇda u samoj toˇki c. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.10 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.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Definicija 6. Neka je dana funkcija f : R −→ R formulom f (x) = xx .ˇ 6. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.

6 i Napomz ena 4. Tada za taj ε. +∞) okolina od +∞. naravno ne zaboravljamo. tj.♣ s z c c Napomena 6. Pri tome uzimamo da je svaki otvoreni interval oblika (M.2) jako sliˇna definiciji neprekidnosti (Definicija 6.224 Tada je L = M . Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. ˇto ne moˇe biti. |f (x) − M | < ε).2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. postoji δ > 0. Dakle imamo |M − L| < |M − L|.4 Uoˇimo da je definicija limesa (Definicija 6. −∞ ∈ R. |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. Uzmimo sada ε = 1 |M − L|.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). z c c Uz malu zloporabu notacije moˇemo Definiciju 6. 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 ). M ) je okolina od −∞. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. 2 po pretpostavci. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. pri ˇemu. 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). Dakle je M = L. da je M = L. Ali. . ˇ POGLAVLJE 6. +∞. Analogno. i svaki interval oblika (−∞. ali postoji bitna razlika.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞.

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

x−→0+ lim xx = 1. UVOD U DIFERENCIJALNI RACUN Teorem 6. lim arctg x = . x−→0 x π 4. x−→0 x2 lim 1 1 = +∞ i lim = −∞.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . moˇda u samoj toˇki c. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . lim 3. s c 1.5. x2 − 3x + 2 = −1. Dakle je x−→0+ lim sign x = sign 0 . tj. x−→+∞ 6. x < 0  sign x = 0.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. x > 0 ima prekid u nuli. c osim.7 Iz Primjera 5. ♣ c Primjer 6.1. lim 2.6 Opiˇimo sada pomo´u limesa Primjer 6. onda iz Definicije 6.226 ˇ POGLAVLJE 6. ako postoje limesi s lijeva i s desna i oni su jednaki L.5 znamo da funkcija   −1. Obrnuto.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L.♠ 6. x = 0   1. Dokaz: Ako funkcija f ima limes L u toˇki c. x−→1 x−1 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. onda je jasno iz Definicije 6. x −→0 − lim sign x = −1 . ne postoji lim sin x. x−→+∞ 2 5.5 Neprekidnost i limes Primjer 6.

x−→c Napomena 6. oˇito vrijedi c f (2) = lim f (x).13 Neka je funkcija g : R −→ R neprekidna.ˇ 6.4).12 kaˇe da ako je funkcija neprekidna u toˇki c. Tada je c x−→c lim g(f (x)) = g( lim f (x)).♠ Primjer 6.1.♣ x−→c Analogno kao Teorem 6.5 U Teoremu 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.7 i 6. imamo x−→c lim f (x) = f (c) = f ( lim x).4) i da limes mora postojati. Dokaz: Izravno iz Definicije 6.♣ .12 imamo: Teorem 6.3.♣ Teorem 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . Nadalje.♠ x−→2 Primjeri 6. c c Sada direktno iz Napomene 6. i neka postoji limes funkcije f u toˇki c. Zaista imamo: c c Teorem 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. konaˇan je broj.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. onda limes i funkcija z c ”komutiraju” tj.2 i definicije jednostranog limesa. tj.1 i 6.14 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)).5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).1 i Primjer 6. x−→c+ Dokaz: Izravno iz Definicije 6.

(−∞) · a = 10. (+∞) + (+∞) = +∞. 6.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti.228 ˇ POGLAVLJE 6. To se posebno odnosi na veliˇine +∞ i −∞. (−∞) · (−∞) = +∞.1. a < 0. jer operacije nisu definirane i operandi nisu realni brojevi.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). (+∞) · a = +∞. −∞. +∞ ± a = +∞. (+∞) · (+∞) = +∞. a ∈ R proizvoljan. 3. (−∞) + (−∞) = −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6. −∞ ± a = −∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. a +∞ = 0. a > 0 +∞. 8. 9.14. 4. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.11. x−→c+ Dokaz: Izravno iz Teorema 6. a ∈ R proizvoljan.♣ 6.12 i 6. 7. Kako one nisu realni brojevi. . 6. a ∈ R proizvoljan. 5. a > 0 −∞. (+∞) · (−∞) = −∞. 2. no moˇe se desiti da dobijemo izraz koji nije z z definiran. a < 0.

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

n ∈ N paran.230 ˇ POGLAVLJE 6. n ∈ N proizvoljan. lim x−n = +∞. 0 < a < 1. 0 < a < 1. α < 0.1. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. α < 0. 0 < a < 1. . n ∈ N neparan +∞. n ∈ N neparan. UVOD U DIFERENCIJALNI RACUN 6. x−→+∞ x−→+∞ 2. 0 < a < 1. +∞. x−→+∞ lim ax = 9. 0. +∞. −∞. n ∈ N paran. n ∈ N proizvoljan. lim x−n = −∞.7 Raˇunanje limesa c Neki temeljni limesi 1. +∞. x−→−∞ lim ax = 10. lim xn = +∞. x−→0+ lim xα = 0. x−→+∞ lim loga x = 11. 6. x−→0+ x−→0− 7. 5. α>0 +∞. −∞. 8. a>1 0. a>1 +∞. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. a>1 +∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. 3. a>1 −∞. x−→0− 4. α > 0 0.

i s B = (1. Dakle. i zbog parnosti od sin x .16 lim i 1 lim (1 + )x . pad. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. ortogonalnu projekcija toˇke A na x os. Kada s pravca uzmemo x ∈ (0. njihov rast.1. parnost. neparnost i sliˇno. koriste´i definicije limesa i jednostranih limesa (toˇka 6. svojstva potencija. jasno je da je dovoljno x x promatrati x ∈ (0.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. Oznaˇimo s A = z c c (cos x. sin x).ˇ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). tj. 0) u ravnini.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. +∞) i da joj c c je slika cijeli R. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . 0). a ∈ R.2. Kako gledamo c limes funkcije sin x kada x −→ 0.9. To znaˇi da je c x−→+∞ lim loga x = +∞. tg x ). c c eksponencijalnih i logaritamskih funkcija. c Osim ovih limesa. π ).1. za a > 1. . 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 5.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0.4). 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 ). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. x−→+∞ x sin x = 1. koji se nalazi unutar trokuta OBB . Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ).

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

c Zbog toga je ex − 1 t lim = lim = 1. a ∈ R.12 i Teorema 6. x−→0 x Iz Teorema 6. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 t−→0 ln(t + 1) x Iz toˇke 5. ♣ Primjer 6. 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.17 x−→+∞ 233 lim 1+ 1 x x = e. x−→0 x lim a > 0.♠ x−→0 t−→0 x ln a ln(t+1) ln a .1.2.10 ex − 1 = 1.ˇ 6. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. Dakle imamo ax − 1 ex ln a − 1 = lim . Tada je jasno da t −→ 0 kada x −→ 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. i da je x = ln(t + 1). Dakle . x Oznaˇimo sada ex − 1 sa t. x−→0 x lim i ax − 1 = ln a.

6.2. 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. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.18 i temeljni limesi iz toˇke 6.17. c 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa. Tada 1. x−→c x−→c 2. g : R −→ R.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. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). .2 6. 6. x−→c c 3.234 ˇ POGLAVLJE 6. x−→c x−→c 4.1. ♣ x−→c Teoremi 6.16. 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).13.

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

y(t0 )) i c ∆t (t0 +∆t. UVOD U DIFERENCIJALNI RACUN Primjer 6.3: Ovisnost visine projektila o vremenu. Op´enito.001) − y(1) . ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) .12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 .236 ˇ POGLAVLJE 6. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . 1. y(t0 +∆t)) zatvara s osi x. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. Dakle. prosjeˇna brzina odgovara koeficijentu smjera sekante. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . a to je jednako koeficijent smjera te sekante. prosjeˇna brzina projektila u vremenskom intervalu [t0 .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. ∆t . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. c ∆y = tg α.

c mjeri brzinu promjene veliˇine c Definicija 6.2.4: Sekante i tangenta. x0 ∈ I.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .♠ 6.2. tj. c Primjer 6. f : I −→ R.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 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.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. Ako postoji z c f (x0 + ∆x) − f (x0 ) . ∆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 .2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .6.

14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. . za proizvoljne k. UVOD U DIFERENCIJALNI RACUN Primjer 6. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija.6 Uoˇimo bitnu razliku. c c koji se oznaˇava sa f (x0 ). onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I.15 Pogledajmo sljede´e primjere: c 1.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.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. Dakle brzina promjene linearne funkcije je konstanta.♠ ∆x−→0 ∆x 6. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). c z Primjer 6.238 ˇ POGLAVLJE 6. Derivacija funkcije f u toˇki x0 je broj. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). ∆x−→0 ∆x Napomena 6. l ∈ R. Dakle je c f (x) = lim f (x + ∆x) − f (x) . Derivacija funkcije f (x) = kx + l je f (x) = k. 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.

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

Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . M= ∆x−→0− lim .4) ustvari limes funkcije f (x + ∆x) − f (x) . problem rubova domene. Tu funkcija niti raste c niti pada. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. Sliˇno. c c 6. To su npr. tangenta je paralelna s osi x. ako je f (x) < 0 na nekom intervalu. problem konaˇnosti c c limesa.17 1.. U toˇkama gdje je f (x) = 0. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. ne postoji f (0).11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). problem razliˇitih vrijednosti s lijeva i zdesna. ∆x Lagano se vidi da je M = 1 i L = −1. problem postoc janja limesa.240 ˇ POGLAVLJE 6. tj. Dakle iz Teorema 6. funkcija pada c c na tom intervalu. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. odnosno da je tangenta pravac koji raste.2. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Takve toˇke zovemo stacionarne toˇke. Primjer 6.

2. 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 . Funkcija f : R −→ R dana formulom f (x) = x0 = 0. DERIVACIJA FUNKCIJE 2. 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 √ .6. ∆x−→0 dakle ne postoji f (0). Tada je f i neprekidna u x0 . c x0 ∈ I ⊆ D(f ). ∆x ∆x−→0 dakle ne postoji f (0).19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.7 imamo da je c lim √ 3 1 = +∞. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . √ 3 241 x nije derivabilna u x0 = 0. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ).1.♠ Teorem 6.1. ∆x ∆x−→0 .7 imamo da je c lim √ 3 1 ∆x2 = +∞. 3.

(f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. ∆x f (x0 ).12 imamo da je f neprekidna u x0 . UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . Tada su na I derivabilne i funkcije f ± g.20 Neka su funkcije f. Derivacija zbroja. ali vidjeli smo da nisu derivabilne. Nadalje.19 op´enito ne vrijedi. tj. Iz Teorema 6. i vrijedi 1.242 ˇ POGLAVLJE 6. ∆x = 0 . (f (x) ± g(x)) = f (x) ± g (x) 2. f · g i f g (tamo gdje je definirana. za one x ∈ I za koje je g(x) = 0). ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. I ⊆ D(g).17 su c neprekidne u nuli. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). f (x) g(x) = f (x)g(x)−f (x)g (x) .12 zakljuˇujemo da je funkcija g neprekidna u x0 . Sve tri funkcije iz Primjera 6. ∆x−→0 ∆x ∆x . (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). g 2 (x) Dokaz: 1. razlike. produkta i kvocijenta funkcija Teorem 6. 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 ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ).♣ Obrat Teorema 6.

tj.7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). 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) .♣ g 2 (x) Napomena 6.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). Tada je funkcija λf .♣ .6. g 2 (x) f (x) g(x) = 1 f (x) g(x) . gdje je λ ∈ R proizvoljan. za svaki x ∈ I. Izraˇunajmo prvo c 1 g(x) . Dakle 1 g(x) = 0. c dakle je po Teoremu 6. Oˇito je D(g) = R. imamo g(x) · = 0.2.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). f (x) g(x) f (x)g(x) − f (x)g (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). 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) . tj. DERIVACIJA FUNKCIJE 2. ∆x−→0 ∆x−→0 Sada iz Teorema 6. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. derivabilna na I i vrijedi (λf ) (x) = λf (x). Kako je g(x) · 1 g(x) = 1. 3. za svaki x ∈ I.

z Teorem 6. Dakle. naravno. f (x) ∈ J ⊆ D(g).21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . f (x) ♣ . iz Teorema 6. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).21. Sada primjenom Teorema 6. gdje je g(x) = x2 . Primjera 6. f (x) = sin x. x ∈ I ⊆ D(f ).15 i Primjera 6. Dakle imamo f −1 (f (x)) = x. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. c −1 tj.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. Izraˇunajmo joˇ i (f ◦ g) . f (x) = 0 na I i neka postoji f −1 . UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1.244 ˇ POGLAVLJE 6. moˇe provesti samo ako je f (x) = 0. f (x) Ovo se. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 .18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . g = f . odnosno (f −1 ) (f (x)) = 1 .22 Neka je funkcija f : R −→ R derivabilna na intervalu I. c Primjer 6.

Osnovne derivacije dajemo u sljede´oj tablici. Iz Teorema 6.8 Studentima se preporuˇuje da provjere donje formule samostalno. i vrijedi (f ◦ g)(x) = x.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.20. Derivacija funkcije g(x) = √ 1 . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . DERIVACIJA FUNKCIJE Primjer 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. Derivacija funkcije g(x) = ln x je g (x) = x . Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. ∆x−→0 ∆x lim dakle je f (x) = ex . . x 1 √ .22 i derivacijama iz donje tablice. 6. Kako je (f ◦ g)(x) = x iz Teorema 6.21 i 6.6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . odnosno 1 g (x) = √ . c Napomena 6. 2 x x je g (x) = Iz Primjera 6.10 imamo da je f (x) = lim e∆x − 1 = 1.20.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.19 Pogledajmo sljede´e primjere: c 1 1. odnosno g (x) = 2.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.21 i 6.2.

c tj.2.1: Derivacije elementarnih funkcija 6. gdje je α kut izmedu tangente funkcije f u toˇki (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. 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 . Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). f (x0 )) biti dosta mala. odnosno ∆f = tg α∆x . no to je ponekad teˇko izraˇunati. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . f (x0 )) i osi x.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. 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. f (x0 )) s c c ∆f apscisom x0 + ∆x.

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

5 1 1.248 ˇ POGLAVLJE 6. c Primjer 6. to su razlike ordinata na grafu i na tangenti male za istu apscisu. 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). Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. 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. Dakle.16 znamo da je f (x) = cos x.5 -1 0.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .5 2 Slika 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. Iz Primjera 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. 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”.♠ s s c .

t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . imamo f (r) ≈ f (0) + f (0)(r − 0) = r.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. DERIVACIJA FUNKCIJE 249 Primjer 6. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . Imamo 2G = G(1 + r)t . ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. f (r) = 1+r .♠ c s . odnosno 2 = (1 + r)t . Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . 1 Kako je f (0) = 0. odnosno f (0) = 1. Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0.6. Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. gdje je G glavnica. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G.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 (b) − f (a) . c . f (a)) i (b. tj. b−a onda Teorem 6. b ∈ I. b za koju je F (x ) = 0.2.26 kaˇe da za svaku sekantu kroz toˇke (a. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. b−a y f(x) 0 a x0 b x Slika 6. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). b−a f (b) − f (a) (x − a).6. b u kojoj je tangenta paralelna s tom sekantom. f (b)) z c postoji toˇka x ∈ a. Napomena 6. Neka je L pravac kroz toˇke (a. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). postoji x ∈ a. tj. a < b.25. proizvoljne. f (a)) i (b.13 Primijetimo: 1. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6.

UVOD U DIFERENCIJALNI RACUN 2. y f(x) 0 a b x Slika 6. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). f neprekidna na R. x ≤ 1 f (x) = 3 x > 1. x za koji je f (x) − f (a) = f (x ). Uvjet f ∈ C 1 (I) iz Teorema 6.258 ˇ POGLAVLJE 6. x ≤ 1 . . 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).26 imamo da za svaki x iz neke okoline od a imamo x ∈ a.12. z Iz Teorema 6. Ako je dana funkcija f : R −→ R formulom 3x.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.26 je bitan. 0 x>1 oˇito f ima prekid u x = 1. pa je. b−a ali ne postoji x ∈ 0. oˇito je c x−→1 lim f (x) = 3 = f (1). po Teoremu 6. 2 za koji je f (x ) = 1. Kako je f (x) = 3.

5).2. 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 +. Napomena 6. f (x)). c Usporedimo to s lokalnom linearizacijom (toˇka 6. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.26. f (a)) i (x.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 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.+ (x−x0 )n + (x−x0 )n+1 .27 je baˇ Lagrangeov teorem srednje s vrijednosti. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . imamo c pribliˇni izraz. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). ali ne znamo za koji x . . i ne znamo ga toˇno... tj. tj. tj. Koliko je ta aproksimcija dobra? Odnosno. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. no u nekoj toˇki sigurno je.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). Teorem 6. iz Teorema 6.6. imamo toˇan izraz. poznavaju´i vric c jednosti viˇih derivacija u x0 . S druge strane. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju.14 Za n = 0 Teorem 6. 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 . tj.2.

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

n! ∞ sin x = n=0 (−1)n x2n+1 . dakle nisu jako c dobri za numeriku. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . odnosno konvergirati nekoj z (x drugoj funkciji...2. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f .2.15 Taylorovi redovi obiˇno sporo konvergiraju. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. tj.. sin x. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .3. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. Moˇe se pokazati da su funkcije ex . 6.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6.6. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.28 Neka je f ∈ C 1 (I) za neki interval I..1). 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 + . . (2n)! Napomena 6. (2n + 1)! ∞ cos x = n=0 (−1)n x2n .

za svaki x ∈ I.♠ Iz Primjera 6.11 imamo da obrat ne vrijedi. 2. UVOD U DIFERENCIJALNI RACUN 1.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. obratna tvrdnja ne mora vrijediti. to je i lijeva strana takva.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.26 postoji x ∈ (x. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. Medutim. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. Kako je desna strana gornje jednadˇbe nenegativna.25 zakljuˇujemo da u Teoremu 6. . ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). onda je f (x0 ) = 0. Limes nenegativne funkcije mora i sam biti nenegativan. Jedan smjer bismo mogli dokazati. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. ∆x za svaki x ∈ I. jer se c s c medu njima nalaze potencijalni ekstremi. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Dakle ne vrijedi f (x) > 0 na R. Iz Napomene 6. Ovaj smjer se dokazuje analogno kao u Teoremu 6. onda funkcija strogo raste (pada) na I. za svaki x ∈ I. pa je f (x) = lim za svaki x ∈ I. po Teoremu 6. Dokaz: c 1.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. Obratno. pa je f (x + ∆x) − f (x) ≥ 0. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). Dokaz ide na sliˇan naˇin. 2.262 ˇ POGLAVLJE 6.28 primjenom Teorema 6. Tada. lim x2 = 0). ∆x Primjer 6.24 smo vidjeli da. dakle z funkcija f raste na I. x−→0 U Teoremu 6.26. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr.

2. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. imati s c z lokalni ekstrem. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I.1. 2 za sve x1 .29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada).4. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . jer konveksnost i konkavnost ovise o predznaku druge derivacije. onda u x0 funkcija f ima lokalni maksimum. Teorema 6.28. ali i ne mora. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . Dokaz: Izravno iz toˇke 5.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . kaˇemo da je f konkavna na I. onda u x0 funkcija f ima lokalni minimum.24. . U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. DERIVACIJA FUNKCIJE 263 Definicija 6. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . da je barem f ∈ C 2 (I)). u stacionarnoj toˇki funkcija moˇe. c Dakle. Definicija 6. Teorema 6. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x.♣ c Konveksnost. Teorem 6.6. Ako derivacija s c ne mijenja predznak. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . c Kao ˇto smo rekli. x2 ∈ I. a s druge pada (raste)). konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. x2 ∈ I. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) .

UVOD U DIFERENCIJALNI RACUN Definicija 6. za svaki x ∈ I. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6.27 za sluˇaj c n = 1. x2 ∈ I graf konveksne funkcije je ispod. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 .30 Neka je f : I −→ R klase C 2 (I). x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . Primijenimo li Teorem 6. f (x1 )) i (x2 . c . Ako je f (x0 ) < 0. funkcija f ima u x0 ∈ I lokalni minimum. Dokaz ide na sliˇan naˇin. Dakle je f (cx ) > 0. Dokaz: 1. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. Npr.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . 1. c 2.♣ Teorem 6. konveksnost i konkavnost su odredene predznakom druge derivacije.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0).3). za svaki x ∈ I. a graf konkavne funkcije iznad sekante kroz toˇke (x1 .31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum.27 biti iz te okoline. a konkavna ako je za sve x1 . Onda ´e i toˇka cx iz Teorema 6. 2. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. 2. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. Teorem 6. funkcija f ima u x0 ∈ I lokalni maksimum. f (x2 )). ali je f (0) = 0. c c Dakle. izmedu x1 .31. Uzmimo x proizvoljan iz te okoline. Zbog neprekidnosti druge c derivacije.264 ˇ POGLAVLJE 6. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. iz Teorema 6. jer c c se nalazi izmedu x0 i x. Ako je f (x0 ) > 0. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). c 1.

c Teorem 6.6. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. Ako je c ∈ I toˇka infleksije od f .27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . Dokaz: Bez smanjenja op´enitosti. onda je c f (c) = 0.30 imamo da funkcija f raste na (c − δ. Neka postoji δ > 0 takav da je funkcija f na c − δ. x ∈ I. c + δ strogo konkavna ili je na c − δ.7 Neka je f : I −→ R i c ∈ I. moˇda. DERIVACIJA FUNKCIJE 265 Definicija 6. f (c)) toˇka infleksije grafa funkcije f .24 f (c) = 0. pa je po Teoremu 6. Dakle. c strogo konkavna i na c. ali je f (x) > 0 za x ∈ −∞. neka je f na c − δ. f ima lokalni maksimum u c. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . ∞ . c + δ strogo konveksna. c c Kaˇe se joˇ da je toˇka (c.32 Neka je f ∈ C 2 (I). za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. 0 i f (x) > 0 za x ∈ 0.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. 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 . Npr. Dakle je konveksna na −∞.34 Neka su f i g derivabilne funkcije na I osim. z Neka je lim f (x) = lim g(x) = 0. c Dokaz: Izravno iz Definicije 6. z s c c Teorem 6. Onda je c toˇka infleksije od f . i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. 0 i 0. Iz Teorema 6. pa x = 0 ne moˇe biti z toˇka infleksije. Tada iz Teorema 6. c strogo konveksna i na c. c strogo konveksna i na c. x ∈ I.♣ Uvjet f (c) = 0 iz Teorema 6. c + δ strogo c konkavna za neki δ > 0.7.♣ Raˇunanje limesa . Ako je g (x) = 0 za svaki x = x0 .2.L’Hospitalovo pravilo c Teorem 6. g (x) onda je i x−→x0 lim f (x) = L. c + δ). ∞ .33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. c) i pada na (c. u x0 ∈ I.

g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.266 i ˇ POGLAVLJE 6. 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. . gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. . Znamo da je c tg α1 = f1 (x0 ). Tada. . iz Teorema 6. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. f (n) (x0 ) = 0. g (n) (x0 ) = 0. c Dakle. . gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . po g (x0 ) = 0.16 Neka su funkcije f. tg α2 = f2 (x0 ). 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 ) = .34. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. c Napomena 6. f (x0 ) = 0.♣ g (x) f g Na Teorem 6. .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = .12).12) i iz Teorema 6. g (n+1) (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) . g(x0 ) = 0. .34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. analogno kao u dokazu Teorema 6. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). . kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 .

Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). ako i samo ako je f1 (x0 )f2 (x0 ) = −1.14: Kut izmedu dviju krivulja.2. a > 0. To znaˇi da u c toˇki (x0 . onda je i tg α = 0 .26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. odnosno ako i samo ako je tg α = ∞. x a + x2 = f2 (x). c c pa moˇemo re´i da se diraju u toj toˇki.6. .1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu.2. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . 1 + f1 (x0 )f2 (x0 ) Napomena 6. z c c Primjer 6. Ako je α = 0. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . Iz toˇke 2. dakle je f1 (x0 ) = f2 (x0 ). tj.

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

c c z 8. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. u izvjesnom smislu. c c 6. 3.2. c c 4. Sloˇiti sve dobivene podatke u graf funkcije. Odrediti intervale monotonosti i lokalne ekstreme. 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. Odrediti domenu funkcije (prirodno podruˇje definicije). s 5. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. c Primjer 6. Postupak: 1. to upu´uje na pogreˇku u raˇunu. Prona´i stacionarne toˇke. 7. . Postupak je. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Nadalje je V (x) = (a − 2x)(a − 6x).6. Ispitati parnost. Ispitati ponaˇanje na rubovima domene (asimptote). Prona´i intervale konveksnosti. konkavnosti i toˇke infleksije. periodiˇnost. neparnost. Oznaˇimo c li tu duljinu s x. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. 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. c c 2. samokorigiraju´i.

2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. dakle funkcija V (x) prelazi iz rasta u pad.15: Kako napraviti kutiju najve´eg volumena?. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = . Maksimalni c 2 volumen je 2 a = a3 .) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . Iz P = xy = 1 slijedi da je y = x . a za c c prvu se lako provjeri da je u njoj lokalni minimum. Druga oˇito nema smisla u danom kontekstu. 6 a x2 = . dakle u stotinama metara.♠ V 6 27 Primjer 6.270 ˇ POGLAVLJE 6. 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 . Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1. Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum. UVOD U DIFERENCIJALNI RACUN x a x Slika 6. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat.28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. . jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. s 1 Oznaˇimo dimenzije gradiliˇta s x i y.

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

.

∞. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. v = v(t)? Ili prirast populacije nije konstantan.. 1.. .. .. Iz z Napomene 6. 2.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu. 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.treba ih samo mnoˇiti c z vremenom. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I). Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja. c s z Ako su te veliˇine konstantne. 1. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti.1.Poglavlje 7 Uvod u integralni raˇun c 7. Npr. za n godina bit ´e ih za n·100 viˇe nego danas. odgovor je jednostavan .9 znamo da su skupovi C n (I). vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. 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. ∞.1 7. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu.. Dakle je funkcija z 273 . 2.. n = 0. n = 0.

7 izravno slijedi da je operator deriviranja linearan. 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). 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.20 i Napomene 6. Uvedimo prvo ime za takve funkcije. da je x primitivna funkcija funkcije x. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. ako postoji.2. Iz Teorema 6.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. C ∈ R.274 ˇ POGLAVLJE 7. itd. Definicija 7. Stoviˇe. a onda pogledajmo kada postoje i koja su im svojstva. Teorem 7. Odatle slijedi vaˇno svojstvo primitivnih funkcija. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. jer je derivacija svake konstante jednaka nuli. linearan operator koji mu je inverzan. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I.1 Neka je f neprekidna funkcija na I ⊆ R. Zanima nas.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. c Primjerice. UVOD U INTEGRALNI RACUN deriviranja operator. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). .

H je konstantna funkcija. C ∈ R je konstanta integracije.2. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. s To nije toˇno inverz od derivacije. gdje je c neka toˇka izmedu x i x0 .1. tj.♣ 7. c F (x) je primitivna funkcija funkcije f (x).4). Ostale raˇunamo koriste´i svojstva c c c . Piˇemo s f (x)dx = F (x) + C. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x).26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). dx pokazuje po ˇemu se integrira. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. a to je upravo druga tvrdnja teorema. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. 275 Dakle imamo prvu tvrdnju. f (x) je integrand. slijedi H(x) = H(x0 ) za svaki x ∈ I. koji je po Teoremu 7. Interpretirajmo elemente ove formule: je znak integrala.1 beskonaˇan.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. dolazi od S kao suma. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. ˇalje c s u f.7.1. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .

f (x)dx.7). Kako je imamo f (x)dx f (x)dx = F (x) + C. Dakle je cf (x)dx = cF (x) + C = c f (x)dx.2 f (x)dx = f (x). Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. cF c primitivna funkcija funkcije cf .20 i Napomena 6. Za ostale operacije nema jednostavnih pravila.276 ˇ POGLAVLJE 7. F ± G primitivna funkcija funkcije f ± g.♣ . zbog linearnosti derivacije. Oˇito je. Dokaz: 1. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. 2. Dokaz: Neka je F primitivna funkcija funkcije f . Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. UVOD U INTEGRALNI RACUN neodredenog integrala.♣ Napomena 7.1 Iz Teorema 7. c zbog linearnosti derivacije.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. Neka je F primitivna funkcija funkcije f .3 Vrijedi: 1. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. Teorem 7. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. = (F (x) + C) = F (x) = f (x). Oˇito je. 2. z Teorem 7.

Tako moˇemo integrirati polinome i jednostavnije racionalne.7. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.4). izraˇunati derivaciju bilo koje c c c elementarne funkcije. eksponencijalne i z trigonometrijske funkcije.1 Pogledajmo sljede´e primjere: c . Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1. tzv. c 7.3. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. 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. S druge strane. Ako se i moˇe integrirati.2) i svojstva iz Teoc c rema 7. c c koriste´i pravila i tablicu derivacija (toˇka 6. Primjer 7.2. c c z z to obiˇno nije lako. Najpoznatiji primjer je e−x dx. tabliˇne integrale. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.1. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.

Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3.♠ c .3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). pa je C = 1. i one c 3 su oblika x +x+C.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. UVOD U INTEGRALNI RACUN 1. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. 3). i ˇiji graf prolazi kroz toˇku (1. Traˇena funkcija je F (x) = x3 + x + 1. Drugim rjeˇima.278 ˇ POGLAVLJE 7. 3). 3 2. Koriste´i Teorem 7. Odredimo integral funkcije f (x) = x2 + sin x. Samo jedna prolazi toˇkom (1.2: Primitivne funkcije funkcije 3x2 + 1. y 3 0 1 x Slika 7. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. Koriste´i Teorem 7. Dakle je 3 = F (1) = 1 + 1 + C. 3). i to je x3 +x+1.

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

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

dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. 281 sin Integral tg x dx nije tabliˇni.♠ x2 .7. Sada je du = 2x dx. 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. 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. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. u 2 2 du . Primjer 7. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. 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.1. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. a nije ni produkt. cos x i da je sin x derivacija od − cos x. pa je dx = Uvrstimo u integral. NEODREDENI INTEGRAL Primjer 7. tako i iz diferencijala. kako iz integranda. 2x 1 dx. x2 −1 Uvedimo supstituciju u = x2 − 1. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije.♠ u Napomena 7.4 Odredimo integral funkcije f (x) = tg x . Dakle.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b.5 Odredimo integral funkcije f (x) = 3x .

Odredimo integral funkcije f (x) = x cos x.♣ u (x)v(x)dx.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. v du + u dv.282 ˇ POGLAVLJE 7. Polazimo od formule za derivaciju produkta funkcija. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. 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. Napomena 7. v du. klase C 1 (I). zbog dv = v dx. 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. tj. (uv) = u v + v u. du = u dx. .3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7.6 Pogledajmo sljede´e primjere: c 1. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. Imamo produkt u kojem oba faktora znamo lako integrirati.

.7. s Parcijalnom se integracijom moˇemo posluˇiti i kad. tj.♠ Iz Primjera 7. na prvi pogled. nema proz z dukta u podintegralnoj funkciji. 2. Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. c x2 ex dx = (x2 − 2x + 2)ex + C. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. Primijenimo li parcijalnu integraciju joˇ jednom. c ˇto daje du = u dx = 2x dx i v = ex . Dobili smo integral koji je kompliciraniji od polaznog. i u = x2 . v = x. no sveli smo ga na jednostavniji ins c tegral xex dx. c 2 dv = v dx = x dx.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. tj. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. dobivamo s xex dx = xex − Konaˇno.1.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. tj. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. Joˇ nismo izraˇunali polazni integral. du = u dx = dx. c Primjer 7. dv = v dx = cos x dx. Dobivamo s x2 ex dx = x2 ex − 2 xex dx. Sada je v = x . Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. v = ex . NEODREDENI INTEGRAL 283 Stavimo u = x. du = − sin x dx. Sada je v = sin x. v = cos x. Odredimo integral funkcije f (x) = x2 ex .

ˇto daje du = u dx = s v = x. Odredimo integral funkcije f (x) = ln x. Stavimo dv = dx. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = .5 imamo x dx 1 = ln(x2 + 1) + C.♠ 2 x dx . 2. tj. tj. ˇto daje du = u dx = s cos x dx i v = − cos x. v = sin x. i u = sin x. tj. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. Odredimo integral funkcije f (x) = sin2 x. Stavimo dv = sin x dx. x dx x i v = x. sin2 x dx. 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. 1.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx.284 ˇ POGLAVLJE 7. i u = ln x. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . v = 1. Stavimo dv = dx. v = 1. Odredimo integral funkcije f (x) = arctg x . i u = arctg x .

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

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

1. ako je x0 ∈ C oblika a + bi. Uvrstimo u integral. ako je x0 ∈ C nultoˇka od Pn (x). tj. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. konstanta. tj. NEODREDENI INTEGRAL 3. c Neka je x0 ∈ C \ R. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x).) Dokaz: 1. r(x) = C ∈ R.7. 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. Qn−1 (x). (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . polinom (x − x0 ) dijeli s c c z polinom Pn (x). onda je x0 = x0 . Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. onda je x0 = a − bi. . pa je du = dx. x−3 287 Uvedimo supstituciju u = x − 3. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. tj. onda polinom (x − x0 ) dijeli Pn (x).4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. Tada vrijedi: 1. Odredimo integral funkcije f (x) = 1 . Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. gdje c su a.♠ 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. i ostatak r(x) koji je polinom stupnja 0. 2. c Napomena 7. c Metoda se temelji na sljede´im svojstvima polinoma. pa tvrdnja oˇito vrijedi. ako je x0 ∈ C nultoˇka od Pn (x). b ∈ R. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. a u brojnicima konstante ili linearni polinomi. onda je to i x0 . onda je to i x0 . c c 3. Ako je x0 ∈ R.

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

. Tada R(x) moˇemo pisati kao z R(x) = Pn (x) Arα A1 A2 + .. p = 1.... p > 1 A ln |x − α| + C.7. .. + + . iz brojnika desne strane... N1 ..5. + 2 cd + . 289 gdje je (rα + rβ + . + 2 ab + 2 + ax + b 2 x (x + ax + b) (x + ax + b)rab R1 x + L1 R2 x + L2 Rr x + Lrcd + 2 + . Brβ .. Mrab .... Supstitucijom c z t= x+ b− a 2 a2 4 ..+ 2 x − β (x − β) (x − β)rβ M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + ... B1 .4) dobivamo sustav linearnih jednadˇbi iz kojeg nalazimo z nepoznate koeficijente u brojnicima parcijalnih razlomaka.. Izjednaˇavanjem koeficijenata uz iste potencije od x u c Pn (x) i S(x) (Teorem 5. M1 . . Drugi je sluˇaj osjetno sloˇeniji.. 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). (x2 + ax + b)q = A − (p−1)(x−α)p−1 + C. Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A . NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7.. .. + + = + 2 Qm (x) x − α (x − α) (x − α)rα Brβ B1 B2 + + .. .) + 2(rab + rcd + ..) = m. Nrab . pri ˇemu je S(x) polinom u ˇijim se koeficijentima c c pojavljuju nepoznati koeficijenti A1 ..... Arα .. tj. Qm (x) = (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · .1. (x − α)p Prvi sluˇaj je gotovo trivijalan: c A dx (x−α)p i Mx + N .

x3 −2x2 +x . i kako znamo izraˇunati integral I2. logaritama z i arkustangensa.q se lako izraˇuna supstitucijom u = t2 + 1: c   I1.q = (t2 t dt + 1)q i I2.q rekurzivna. Dobiva se z I2.10 Odredimo integral racionalne funkcije f (x) = Polazimo od faktorizacije x3 − 2x2 + x = x(x − 1)2 . Integracija integrala I2.q = + 2q−3 I2. Imamo 2x2 − 3x + 3 A B D = + + .290 dobivamo ˇ POGLAVLJE 7. Primjer 7. 2(q−1) (x2 +ax+b)q−1 1 ln |x2 + ax + b| + C. x3 − 2x2 + x x (x − 1)2 x − 1 2x2 −3x+3 .q−1 .q =  (b− a )q−1 1 4 + C.q je sloˇenija. q = 1. q>1 √ 2q−2 arctg frac2x + a 4b − a2 + C.) c Kako je formula za I2. t 2(q−1)(t2 +1)q−1 (Raˇun kojim se dolazi do ove formule izostavljamo.1 . 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 . Integral s racionalne funkcije izraˇava se preko kombinacije racionalnih funkcija. c c c Time je problem integracije racionalne funkcije u potpunosti rijeˇen. + 1)q Time smo problem sveli na odredivanje integrala I1.q . 2 2 q>1 q = 1. + 1)q Integral I1.q = (t2 dt . nakon c konaˇno mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za I2.

uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . 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. 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).1. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 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. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. B = 2.♠ x−1 Ako su nuliˇta nazivnika jednostruka.7. Rjeˇenje je A = 3.♠ 3 3 . sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. 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. x(x−2)(x+1) x+2 A B D = + + . D = −1.

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

tj. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.1 Odredeni integral Motivacija . ploha. Lik se triangulira. c z Napomena 7. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. gdje se zbraja po svim trokutima triangulacije Ti .2.2 7. Kako povrˇinu trokuta znamo raˇunati. jer je to uobiˇajenije. s P = i P (Ti ). Takav lik ˇesto zovemo krivuljnim trapezom.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine.3: Triangulacija podruˇja u ravnini omedenog duˇinama. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. T1 T2 T3 T4 Slika 7. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji.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. duˇinama.7. Povrˇina je geometrijska kategorija. problem moˇemo s c z smatrati u biti rijeˇenim. ODREDENI INTEGRAL 293 7. c .2. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. tj.

4: Krivuljni trapez. (Funkcija f je strogo pozitivna na [a. i da komad krivulje bude graf neke funkcije. b] ako je f (x) > 0. b] funkcije f (x).6. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. b x KT 1 KT2 KT KT3 4 Slika 7. funkcija f na segmentu [a.) Po Teoremu 6.5: Rastav ravnog lika na krivuljne trapeze. dakle.294 ˇ POGLAVLJE 7. Neka je ta funkcija neprekidna. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. s lijeva pravcem x = a. za svaki x ∈ [a. Promatrajmo. b]. b] . krivuljni trapez omeden odozdo komadom osi x. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima.

b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu. 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. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost.. Dakle je m ≤ f (x) ≤ M. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima. S druge strane. b] i visina M .. n − 1. pri ˇemu su xi ∈ a.n. xi ]. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a. i = 1. 295 gdje je m minimum. c Krajeve segmenta [a. < xn−1 . pravokutnik s osnovicom [a.. . . b za svaki i = 1. b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < .2. ∀x ∈ [a. . b] oznaˇimo s x0 = a i xn = b.. n (brojevi mi i Mi c . Oznaˇimo li traˇenu ploˇtinu s P . i = 1. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a.. z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M. a M maksimum funkcije f na [a. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 ... Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7.. s je manja razlika vrijednosti M i m.. b]. Podijelimo segment [a. Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 .. Imamo gornju i donju ocjenu nepoznate veliˇine P . b].6: Gornja i donja meda za ploˇtinu krivuljnog trapeza.7.

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

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

Koje joˇ? s Teorem 7. f (x) = nije integrabilna. b] imamo mi = 0 i Mi = 1. onda je f (a) ≤ f (x) ≤ f (b).♣ Primjer 7.13 Dirichletova funkcija. b]. nisu integrabilne. onda je ona i c ograniˇena. b]. b]. UVOD U INTEGRALNI RACUN Definicija 7. c i = 1.14 1. b].9 Uoˇimo da ako je f monotona funkcija na [a. za svaki x ∈ [a.♠ Napomena 7. b].♣ Napomena 7.6 Svaka neprekidna funkcija na [a. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b] z kaˇemo da je f integrabilna na [a. 1 dx. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. tj. Dirichletova funkcija nije integrabilna. b].3 Ako za funkciju f moˇemo definirati odredeni integral na [a.. b]. c Iz Primjera 7. x ∈ R \ Q.8 Dirichletova funkcija ima prekid u svakoj toˇki. b] integrabilne. c Dokaz: Ako f raste na [a. Koje jesu? Neprekidne sigurno jesu. ..298 ˇ POGLAVLJE 7.5 Svaka monotona funkcija na [a. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.13 vidimo da nisu sve funkcije na segmentu [a. n. Primjer 7..♣ Teorem 7. a . Izraˇunajmo iz definicije c b 1. z c tj. x∈Q 0. dakle je f ograniˇena funkcija na [a. b] je integrabilna. b] je integrabilna. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). Uoˇimo da za svaku podjelu r segmenta [a.

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

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

.. n. b u svaku podjelu od [a.. n. c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a. tj. ODREDENI INTEGRAL 301 7. c Ovo se zove aditivnost integrala po podruˇju integracije. a f (x)dx = a f (x)dx + c f (x)dx. < an−1 < b.2. a vri- jednosti mi . b f (x)dx = − a f (x)dx.. i = 1.2 a Svojstva odredenog integrala f (x)dx = 0... Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx. Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . + an−1 f (x)dx... .2. pa je a a b f (x)dx = 0..7. . i = 1. .. b . za a < a1 < a2 < . c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + .. a 1. biti negativne. Mi i f (si ).♣ 2.. Dakle odredeni integral mijenja predznak ako se zamijene granice. Dokaz: Za bilo koju podjelu r segmenta [a.. a] su gornja i donja Darbouxova suma a jednake nula. 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.♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika.♣ b c b 3. i = 1. n. za svaku toˇku c ∈ a.. a drugi u c f (x)dx. ostaju iste.

+ an−1 f (x)dx. < an < b. [an .. 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... [an−1 . izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna. an−1 f (x)dx. .. dakle znamo izraˇunati c i a f (x)dx... Dakle.5 i svojstva 3. b]. a1 ]. UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a. ... a1 ]. b] znamo a1 b izraˇunati integrale c a b f (x)dx. pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx..302 ˇ POGLAVLJE 7. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx. takve da je f monotona na svakom segmentu [a.. iz Teorema 7. . Definicija 7. c Kako je f neprekidna.. gdje su a < a1 < a2 < .. b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < ..4 Funkcija f : [a. < 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 + . Analogno se dokaˇe ako je a < b < c. na svakom segmentu [a. b ako uzmemo u obzir svojstvo c / 2. ... z Napomena 7. b].10 Iz ovog svojstva slijedi da i funkcije koje na [a.

R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5.} se c nalazi u nekoj bazi od R(I). Mi = 0.. a (f (x) ± g(x))dx = a ili aditivnost integrala.. skup c {1.18. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. Dakle beskonaˇni skup {xn : n = 0.♣ b b 5.13). b]). j − 1... Beskonaˇnodimenzionalan je.. 6. gdje je c ∈ R proizvoljan. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. i svaka funkcija iz tog skupa je neprekidna na I. b] (skup R(I) nije prazan.18....2. . . a cf (x)dx = c a f (x)dx. Stoviˇe. n. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. b] toˇka c pada u toˇno jedan c c [xj−1 . Nadalje. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. x2 . Oˇito je z c c tada m = 0. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).3). a 4. . jer npr. . i = 1. n. Ako je funkcija f : [a. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx..♣ c Napomena 7. xj ]. x.2 i Teorema 6. M = f (c) i za svaku podjelu r segmenta [a. j + 1.. pa je mi = 0. i Mj = f (c). Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. .7. b] i da je f (c) > 0. unutra se sigurno nalaze sve neprekidne funkcije na [a.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a.. onda je c b f (x)dx = 0. dakle i integrabilna.2 i Teorema 6. 1. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. i = 1. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor.. Dakle je s(r) = 0 i S(r) = Mj ∆xj ... .

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

Ako je f neprekidna i nenegativna funkcija na [a. b] iz Teorema 6.3 slijedi da postoji interval . x2 ] imamo x2 f (x)dx > 0. Dokaz: Po Teoremu 7. Odatle slijedi da je F (b) ≥ F (a) = 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. c F (x) = g(x) − f (x) ≥ 0. onda je F (c) = g(c) − f (c) > 0. za svaki x ∈ I . a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b]. tj. b] odnosno stroge pozitivnosti na [x1 . Ako je f (c) < g(c) za bar jedno c ∈ [a. i oˇito ima pozitivnu derivaciju. Neka su f i g neprekidne funkcije na [a. po Teoremu 6.7. Dakle postoje x1 .8 je dobro definirana funkcija F ∈ C 1 [a. Iz pozitivnosti funkcije f na [a.28 F raste na [a. b]. b] onda vrijedi stroga nejednakost. ODREDENI INTEGRAL 305 8. Tada je b b f (x)dx ≤ a a g(x)dx. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0.♣ 9. Kako je funkcija F = g − f neprekidna na [a. b].3 slijedi da postoji interval I ⊂ [a. onda je b f (x)dx > 0. b] oko toˇke c takav da je f (x) > 0. Ovo svojstvo se zove svojstvo monotonosti integrala. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Dakle. b]. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. x2 ∈ I takve c da je x1 < c < x2 .2. b] tada iz Teorema 6. b] i ako je f (c) > 0 za neki c ∈ [a.

b]. a b b f (x)dx ≤ a |f (x)|dx.306 ˇ POGLAVLJE 7. odnosno imamo strogu nejednakost. b]. za svaki x ∈ [a. b] za koji je b f (x)dx = f (c)(b − a).♣ a Izraz 1 b−a b f (x)dx a . b]. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). 11. b] takva da je c b f (x)dx = f (c)(b − a). tj. odnosno po Teoremu 6. Nadalje iz Teorema 6. Teorem 7. a Dokaz: Po Teoremu 6. pa postoji barem jedan c ∈ [a. i Primjera 7. iz svojstva 9. m ≤ f (x) ≤ M . b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a.28 c F strogo raste na I . imamo da je F (b) > F (a) = 0.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . iz neprekidnosti funkcije f na [a. Nadalje. Ako f nije konstanta na [a. za svaki x ∈ I . imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. iz svojstva 9.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). UVOD U INTEGRALNI RACUN I ⊂ [a. tj.6. za svaki c x ∈ [a. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. Dakle postoje x1 . b] oko toˇke c takav da je F (x) > 0.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a.♣ 10. Tada postoji toˇka c ∈ [a. b] −→ R. Neka je f : [a. b]. b].

n Za funkcije koje nisu neprekidne Teorem 7.7.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. an ∈ R je a = c ). x ≥ 0 −1. Povrˇina ispod s grafa neprekidne funkcije f nad [a. 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.7 ne mora vrijediti: Primjer 7.2. Odatle ime teoremu. −1 medutim ne postoji toˇka c ∈ [−1. a2 .12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.9: Teorem srednje vrijednosti za odredeni integral.. Oˇito je da funkcija f ima prekid u x0 = 0.+an dine (aritmetiˇka sredina od a1 . imamo da je 1 f (x)dx = 0. Nadalje.. iz svojstva 7. kako je f neparna c funkcija. a Teorem 7. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. c Napomena 7. x < 0.. 1] za koju je f (c) = 0. .♠ c . b]. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7..

postoji veza izmedu primitivne funkcije c c i odredenog integrala koja omogu´uje raˇunanje odredenih integrala pomo´u c c c c c neodredenih.8 Neka je f ∈ C[a.10: Teorem srednje vrijednosti ne mora vrijediti za funkcije koje nisu neprekidne. Za svaki x ∈ [a. jednostavnosti radi. b] neprekidnu x i. pozitivnu funkciju f .Leibnizova formula Raˇunanje odredenih integrala izravno iz definicije mukotrpno je i teˇko izvedivo c s ˇak i za jednostavne funkcije. Sre´om. Pokazat ´emo da je ta funkcija F derivabilna na [a. Teorem 7. b]. Tim je pridruˇivanjem s z definirana funkcija koju oznaˇimo s F . Dakle imamo pridruˇivanje koje svakom x ∈ [a. b] i izraˇunat ´emo njenu c c c derivaciju. b] postoji a f (ζ)dζ.308 ˇ POGLAVLJE 7. b] pridruˇi z z ploˇtinu ispod grafa funkcije f desno od a i lijevo od x. i taj je broj jednak ploˇtini izmedu grafa funkcije f i osi x omedenoj vertikalnim s pravcima x = a i x. gdje je F (x) = a x f (ζ)dζ. promatrajmo na segmentu [a. kad je podintegralna funkcija neprekidna. Dokazat ´emo tu vezu u najjednostavnijem sluˇaju. 7.3 Newton . Imamo c x −→ F (x). UVOD U INTEGRALNI RACUN y 0 −1 1 x Slika 7. Funkcija F definirana formulom x F (x) = a f (ζ)dζ . Prije formuliranja i dokazivanja teorema.

Ho´emo gledati c ∆F . b]. pa onda i na svakom podsegmentu [x.7. ∆x odnosno f (ζ1 ) = m ≤ . b] i vrijedi F (x) = f (x). lim y f(x) F(x) 0 a x x+∆ x b x Slika 7.3.11: Funkcija F (x).6). 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. Po Teoremu 7.LEIBNIZOVA FORMULA je derivabilna na [a. NEWTON .7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. ∆F ≤ M = f (ζ2 ). x+∆x]. ∆x−→0 ∆x Funkcija f je neprekidna na [a.

9 (Newton . b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. Odatle slijedi c f (x) ≤ lim tj. tj.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. a Dokaz: Prema Teoremu 7.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. F (x) = f (x). b F (b) = a f (ζ)dζ. do kojeg dolazimo preko limesa niza integralnih suma. b] i F (x) = f (x). Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. Dakle je F (x) derivabilna funkcija na cijelom [a. no dokaz je bitno sloˇeniji. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.♣ Newton .♣ x ∆x−→0 ∆F ≤ f (x).310 ˇ POGLAVLJE 7. b].2. z Teorem 7. iz toˇke 7.12).2 c dobivamo x b F (a) = a f (a)dζ = 0.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . Odatle je a f (x)dx = F (b) − F (a). ∆x Teorem 7.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . onda. U njoj se povezuju odredeni integral. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. toˇke ζ1 i ζ2 moraju teˇiti prema x. i neodredeni. f (x) ≤ F (x) ≤ f (x). zbog neprekidnosti funkcije f na [a. Sliˇno i za ζ2 −→ x. do kojeg smo doˇli pokuˇavaju´i invertirati s s c .

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

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 √ + 3.17 Izraˇunajmo c 0 1 xex dx. u dv = uv a b a − a v du. Primjer 7. kao i da je samo poc druˇje integracije konaˇno. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.♠ 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. tj. Iz Primjera 7.6 i omedena) na podruˇju integracije.312 ˇ POGLAVLJE 7.10.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6.6 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. b i neka je x−→b− lim f (x) = +∞. U takvim sluˇajevima govorimo c s c o nepravim integralima.♠ 3 Kod parcijalne integracije situacija je jednostavnija. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. . c c c Neka je funkcija f neprekidna na [a.

12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. u toˇki a. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. c y f(x) 0 a x b Slika 7. tj. . jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. c c Primjer 7.4.7. postoji x f (ζ)dζ. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. tj. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. kaˇemo da integral divergira ili da nema z znaˇenja. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . b postoji integral te funkcije u granicama od a do x. 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. a Ako promatrani limes ne postoji.18 1.

UVOD U INTEGRALNI RACUN π . . Raˇunamo c 1 x dζ = ln ζ ζ 1 x = − ln x. Integral dx x je nepravi integral. x−→0+ ζ Dakle 0 dx √ konvergira i x 1 0 dx √ = 2. jer 1 x −→ +∞ kada x −→ 0 + .314 i znamo da je ˇ POGLAVLJE 7. x 1 0 3.♠ x−→0 ζ Dakle ovaj nepravi integral divergira. 2 x−→1− 1 lim arcsin x = pa onda znamo i da 0 √ dx konvergira i da je 1 − x2 1 √ 0 dx π = . 2 2 1−x 1 0 2. Nadalje imamo 1 x−→0+ 1 lim x √ dζ √ = 2 lim (1 − x) = 2. Raˇunamo c ζ 1 x dζ √ =2 ζ = 2(1 − √ x). Nadalje imamo 1 x−→0+ lim x dζ = lim+ (− ln x) = +∞. Integral dx √ x je nepravi integral. jer 1 √ x 1 x −→ +∞ kada x −→ 0 + .

x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. Izraˇunajmo c −1 1 x2 dx . 1]. t + b = a imamo t1 = a − b.10. tj.19 1. (x − b)n Stavimo ϕ(t) = t + b. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. onda divergira. 1 a f (x)dx konvergira. tj. . c+ε2 Ako oba limesa na desnoj strani postoje.4. Analogno. Izraˇunajmo c a dx . tn Ako je n < 0. Iz ϕ(t) = a. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. 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 = +∞. iz ϕ(t) = b dobijemo t2 = 0. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. 0] −→ R zadovoljava uvjete Teorema 7. Sada oˇito funkcija ϕ : [a − c b. x2 b 2. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije.7. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. 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 . dakle imamo b a dx = (x − b)n 0 a−b dt .

Dakle tn b a dx (x − b)n konvergira za 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 − . Uz svojstvo monotonosti integrala (svojstvo 9. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1.19 moˇe posluˇiti pri usporedivanju. −n + 1 −n + 1 za n > 1. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). divergira za n ≥ 1. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. tj.2. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. 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. 0]. b].316 ˇ POGLAVLJE 7. integral dx divergira za n ≥ 1. +∞ .♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. Znamo c . situaciju kad podruˇje c c integracije nije ograniˇeno. iz toˇke 7. c z z Promatrajmo sada drugi mogu´i izvor problema. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. Primjer 7. Neka je funkcija f neprekidna na [a.2) npr.

. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. Izraˇunajmo c +∞ 0 e−x dx.13: Nepravi integral po neograniˇenom podruˇju integracije. tj. −∞ Primjer 7.4. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. postoji x f (ζ)dζ.20 1. c c da za svaki x ∈ [a. +∞ postoji integral te funkcije u granicama od a do x. kaˇemo da integral divergira. 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. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. −∞ pa i za sluˇaj c +∞ f (x)dx. a Ako promatrani limes ne postoji.7.

x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. Izraˇunajmo 1 +∞ dx . Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π.♠ c . c 3. 2.318 Imamo +∞ 0 ˇ POGLAVLJE 7. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. Izraˇunajmo c dx . Izraˇunajmo c 1 +∞ dx . Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. 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. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4.

osi x. osi x. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. c] i negativna na [c. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. s s tj. dana s b (f1 (x) − f2 (x))dx.5. gdje su f1 . Nadalje. za neki c ∈ a. Ako je funkcija f neprekidna i negativna na [a. Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b.5.5 7. tj. ako je f : [a.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. b]. za svaki x ∈ [a. pravca x = a i pravca x = b. PRIMJENE INTEGRALNOG RACUNA 319 7. ali negativnog predznaka. a Ploˇtina povrˇine izmedu grafa funkcije f .1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. s s b f (x)dx = P1 − P2 . b . a .ˇ 7. b]). b]. b]. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . broj P1 + P2 .2. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . osi x. pravcem x = a i s pravcem x = b. f2 : [a. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). pravcem x = a s s i pravcem x = b. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. b] −→ R neprekidna takva da je pozitivna na [a.

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

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

kad max ∆xi+1 −→ 0.322 y ˇ POGLAVLJE 7. 0. a njegova povrˇina za zadani x je jednaka f (x)π. 0).♠ 2 . No taj popreˇni presjek c c 2 je krug. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . 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. Iz Primjera 7. tj.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. 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 . S druge strane. i=0 Prijedemo na limes. ako taj limes postoji kad n −→ ∞.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 . Primjer 7. oznaˇimo s P (xi ).

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

Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .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. R > r. Primjer 7.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . .324 y ˇ POGLAVLJE 7. f2 (x) = R − √ r 2 − x2 . y R r 0 x −R Slika 7.

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

1] −→ R dane formulom f (x) = x2 oko osi y i osi x. Zelimo odrediti teˇiˇte izrezanog lika. Primjer 7. dobijemo tanko tijelo. b].326 ˇ POGLAVLJE 7. c s c . Promatramo lik omeden pravcima x = a. (Teˇiˇte je toˇka u kojoj.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. b] na osi x i grafom funkcije f nad [a.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . tj. b]. zs zs c ako podupremo tijelo. Uzmemo li ˇkare i izreˇemo taj lik. da mu je gusto´a c ˇ svuda ista.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . ono ostaje u ravnoteˇi. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7.5. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π .3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. segmentom [a.♠ 5 7. yi ). x = b. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen.

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

. b]. njegova masa je jednaka µf (si )∆xi . Kako je broj xi−1 +xi 2 2 izmedu xi−1 i xi . 2 i=1 Prijelazom na sve finije i finije podjele segmenta [a. xi ]. xi ] za neki si ∈ [xi−1 . a teˇiˇte c zs xi−1 +xi 1 mu ima ordinatu 2 f (si ) i apscisu . ovaj ´e izraz u limesu c µ 2 postati odredeni integral od a do b funkcije 2 f (x). i = 1. . a F1 i F2 odnosno m1 i m2 sile odnosno mase na pripadne krakove poluge. xi ]. c c zs Podijelimo segment [a. zs u teˇiˇtu jednog pravokutnika (a to znamo odrediti) i imat ´e masu jednaku masi zs c pravokutnika. Masa pravokutnika je i c c c xi−1 +xi dalje µf (si )∆xi . Pove´anjem broja pravokutnika teˇiˇte takvog sustava materijalc zs nih toˇaka bit ´e sve bolja i bolja aproksimacija teˇiˇta lika. a ta udaljenost je mala. ∆xi = xi − xi−1 . moˇemo uzeti da je apscisa teˇiˇta z zs . b] na n dijelova [xi−1 . Dakle je 1 Mx = 2 µ b a f 2 (x)dx. Uz konstantnu gusto´u mase µ... UVOD U INTEGRALNI RACUN gdje su k1 i k2 duljine krakova poluge. Statiˇki moment s obzirom na os y raˇuna se sliˇno. To se dobije zbrajanjem po svim c pravokutnicima. dakle n 1 µf 2 (si )∆xi .328 ˇ POGLAVLJE 7. a apscisa njegovog teˇiˇta je zs . 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. Raˇunamo statiˇki moment tog susc c 2 tava materijalnih toˇaka s obzirom na os x. n.22: Teˇiˇte homogenog krivuljnog trapeza. Promatramo pravokutnik visine f (si ) nad [xi−1 .

23: Teˇiˇte homogenog polukruga. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. recimo.5. yT = 1 2 b 2 a f (x)dx b a f (x)dx . Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi .ˇ 7. Iz simetrije je jasno da mora biti xT = 0. zs s s y r 0 r x Slika 7. Kako je masa promatranog lika jednaka M = µP. s Primjer 7.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. upravo xi .11). to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . 2 .16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). zs √ Imamo f (x) = r2 − x2 . iz Primjera 7. Takoder. i=1 a to u limesu daje My = µ b a xf (x)dx.

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. zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . za svaki x ∈ [a. 2 3π 3 Dakle je 8 Vv − Vu = r3 π. x2 + (y − R)2 = r2 . xf2 (x)dx − µ xf1 (x)dx. tj. 4 π ). − 4 r ).26 Sada moˇemo.♠ ishodiˇtu. Dakle teˇiˇte je (0. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT . 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.♠ 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. po prvom Guldinovu teoremu.25. Tada su. Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. b] takvih da je f2 (x) ≥ f1 (x). teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. R > r. po prvom Guldinovu teoremu i Primjeru 7. ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. b]. 3π r r pa teˇiˇte ima koordinate (0.330 ˇ POGLAVLJE 7. dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. 3 −r 4r . Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . . v) tada su novi momenti jednaki Mx + my i My + mx).

Moˇemo smatrati da je ta masa c c z koncentrirana u teˇiˇtu tog sloja.. masa tog komadi´a je µf 2 (si )π∆xi . Zbog neprekidnosti od f . Uz konstantnu gusto´u µ. . < xn−1 < xn = b. Zanima nas njegova apscisa. Podijelimo segment [a.. b] omedena s pravcima x = a i x = b. = b a x dm b a dm . a to je u srediˇtu valjka. Raˇunamo statiˇki moment s obzirom na os y. volumen tog dijela (sloja) tijela je ∆Vi = f 2 (si )π∆xi . b] na n podsegmenata toˇkama a = x0 < x1 < . zs c z tj.. Napomena 7.13 Koordinate teˇiˇta se mogu izraˇunati i iz prvog Guldinovog zs c teorema. M 331 yT = Mx . gdje je si ∈ [xi−1 . n. 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. teˇiˇte ´e leˇati na osi rotacije. Zbog simetrije. PRIMJENE INTEGRALNOG RACUNA xT = My .. gdje su mi i Mi najmanja i najve´a vrijednost funkcije f c i na [xi−1 . Sad imamo sustav materijalnih toˇaka mase mi = µ∆Vi = µf 2 (si )π∆xi u c koordinatama (si . tj. xi ] i ∆xi = xi − xi−1 . Teˇiˇte homogenog rotacijskog tijela zs Promatramo rotacijsko tijelo koje nastaje vrtnjom grafa (pozitivne i neprekidne na [a. . b b M= a f2 (x)dx − a f1 (x)dx. je izmedu obujama valjaka m2 π∆xi i Mi2 π∆xi .5. My : c c n My = µπ i=1 si f 2 (si )∆xi . M= b a dm. xi ]. Ovdje smo s dm oznaˇili veliˇinu dm = µπf 2 (x)dx. na osi x. njenim integriranjen od a c c do b dobije se masa rotacijskog tijela. Obujam dijela c tijela izmedu ravnina x = xi−1 i x = xi .. b]) funkcije f oko osi x. i = 1. M gdje je M ploˇtina izmedu grafova neprekidnih funkcija f1 i f2 na [a. Dakle mu je apscisa zs s si .ˇ 7. 0).

za µ = 1. dobivamo xT = 4 H. mjereno od osnovice. tj.332 ˇ POGLAVLJE 7. 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. 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 .♠ 8 π 4 R . Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. 4 Zbog M = µV = 14 3 R π.♠ z Primjer 7. 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. 23 dobivamo xT = Mx M .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 . teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. Primjer 7. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.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.

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

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

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

.5. gdje je si ∈ [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. 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. b] podijeli na male podsegmente [xi−1 . 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.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 . i = 1. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx.8 imamo 1 Ix = r4 π. . Oˇito funkcija ϕ : [0.. π] −→ R zadovoljava Teorem 7. i zbroje se momenti inercije malih valjaka polumjera f (si ).10. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .. Iz ϕ(t) = −r imamo t1 = π. Analogno iz ϕ(t) = r imamo t2 = 0. 2 2 a onda se interval [a. xi ]. n. xi ]. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t.♠ 2 Kombinacijom razmatranja iz toˇke 7. 5 . Sada iz Primjera 7. c Primjer 7. moment inercije cijelog kruga obzirom na y os je Iy = Ix .336 ˇ POGLAVLJE 7. Prijelazom na limes dobijemo gornju formulu. 4 4 4 Takoder zbog simetrije. dakle je 1 I0 = Ix + Iy = M r2 .2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. i visine ∆xi = xi − xi−1 .

n.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. n.♠ 15 5 7. b] eksplicitnom formulom y = f (x). . f (xi )). f (a)) do toˇke c c B = (b. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 .... 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 . f (xi−1 )) i (xi .5.5.. 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.. xi ].26: Duljina luka zadanog kao graf funkcije f (x). 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. pa uzmimo c s os x. i = 1. c po Pitagorinu pouˇku. . b] zadana kao graf funkcije f ∈ C 1 [a. b] na podsegmente [xi−1 . Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. . Podijelimo segment [a.. 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. Duljina svakog takvog komada je. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 . i gdje je ∆xi = xi − xi−1 . i = 1.ˇ 7.

Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. i = 1. i . xi ]. 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.. . a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . n.. 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 )).5. b] na podsegmente [xi−1 . Dijeljenjem segmenta [a... Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.338 ˇ POGLAVLJE 7.. s 7. n. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. mase µ. b] rotira oko osi x. xi ]. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r).6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. . i = 1. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 .27: Ploˇtina plaˇta rotacijskog tijela. s yT = b a f (x) √ 1+[f (x)]2 dx ..26). Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.

c ds = 1 + [f (x)]2 dx.5. gdje je si ∈ [xi−1 . n. 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. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 .♣ s zs 7. 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..26). ploˇtinu sfere polumjera r. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . Toˇnije. . xi ]. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . ..31 Izraˇunajmo oploˇje kugle. ako znamo poloˇaj tijela u trenutku t1 = 0. Primjer 7. tj. i = 1. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x..♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. Teorem 7. Ovdje smo s ds oznaˇili diferencijal luka. 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 .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.ˇ 7. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.5.7 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 .

duljine ∆xi .. . dobivamo poznatu formulu za rad s W = F · s. Rad sile − → Sila je tipiˇan primjer vektorske veliˇine. sila konstantna..28: Rad sile F (x) na putu [a. < xn−1 < xn = b i c pretpostavimo da je na svakom segmentu [xi−1 . Podijelimo segment [a... Tada je suma n F (xi )xi ∆xi i=1 . Ako konstantna sila F djeluje na putu c c → → duljine |− | u smjeru vektora − . . c c − → − → Jednostavnosti radi.. i = 1. UVOD U INTEGRALNI RACUN Za sluˇaj konstantne brzine v(t) = v. i = 1.. gornja se formula svodi na izraz c s(t) = vt + s0 .340 ˇ POGLAVLJE 7.. n. y F(x) W 0 a b x Slika 7. Promatrajmo sada sluˇaj sile konstantnog smjera ˇiji iznos se neprekidno mijenja. ona pri tome vrˇi rad s s s − → → W = F ·−. recimo F (xi ). n. uzmimo da je F (x) = F (x) i . b] na n posegmenata toˇkama a = x0 < x1 < x2 < . b].. s → → − Ako su vektori F i − kolinearni. xi ].

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. b] z z b W = a F (x)dx. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. no nije ni bitna. F = −kx.ˇ 7. 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.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. Konstanta k nam nije zadana u ovom primjeru. Odavde odmah slijedi da je rad sile F (x) na putu [a. onda je b W (h) = a F (x)dx. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. Tada ´e njen integral (tj.5. 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. tj.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . b]. rad) biti kvadratna funkcija pomaka x. 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. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. s Primjer 7. Primjer 7. pri ˇemu je g ≈ 9. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . i nakon toga s . Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. Ako sila nije konstantna. To je formula dobivena integriranjem konstantne sile mg od 0 do h.33 Jarak duljine 10 m.

29: Jarak iz Primjera 7. Integriraju´i doprinose svih dubina c od 0 do h = 1 m.83 J. s x 0 y h Slika 7. ˇirina c s 2(1 − x) m. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x.33. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. duljina jarka je 10 m. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. . Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve.33.30: Jarak iz Primjera 7. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). a debljina sloja je dx metara).342 ˇ POGLAVLJE 7. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.

imamo F (x) = x2 . Dakle je K = P R2 i F (x) = PxR . a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . c c c smanjenje zbog utroˇka goriva. z z Primjer 7. No ta sila je.5. gdje smo s c K oznaˇili K = Gmz mp . tj. mz i G konstante. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. c z s 2 K F (R) = R2 = P . (Ovdje je mz masa Zemlje. 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.♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala.ˇ 7. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. s z Primjer 7.34 Koliki je rad potreban uloˇiti da se tijelo (npr. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. Za x = R imamo teˇinu tijela na povrˇini Zemlje. 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 = . To se postiˇe integriranjem po dubini sile na z mali element povrˇine. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . po definiciji. mp masa projektila i G univerzalna gravitacijska konstanta). 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.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. 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 . Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. upravo teˇina z K tijela. Uzimaju´i da su mp .♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. 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.

UVOD U INTEGRALNI RACUN 0 1 Slika 7.35.♠ s c . 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.31: Kanal iz Primjera 7.344 ˇ POGLAVLJE 7.

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

Sign up to vote on this title
UsefulNot useful