P. 1
MatematikaSkripta

MatematikaSkripta

|Views: 414|Likes:
Published by JaCy Mehmedbegovic

More info:

Published by: JaCy Mehmedbegovic on Dec 11, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

01/14/2013

pdf

text

original

Sections

  • Uvod
  • Vektorski raˇcun
  • 1.1 Vektori i osnovne operacije s njima
  • 1.4 Vektorski prostor Rn
  • 1.5 Skalarni produkt
  • 1.6 Digresija - determinante matrica 2. i 3
  • 1.7. DESNI I LIJEVI KOORDINATNI SUSTAVI. ORIJENTACIJA 29
  • 1.7 Desni i lijevi koordinatni sustavi. Ori-
  • 1.8 Vektorski produkt
  • 1.9 Mjeˇsoviti produkt
  • Analitiˇcka geometrija
  • 2.1 Pravac u ravnini
  • 2.1.1 Op´ci oblik jednadˇzbe pravca u ravnini
  • 2.1.2 Segmentni oblik
  • 2.1.3 Kanonski oblik
  • 2.1.4 Pravac kroz dvije toˇcke
  • 2.1.5 Eksplicitni oblik
  • 2.1.6 Normirani oblik (normalni oblik)
  • 2.2 Odnosi toˇcaka i pravaca u ravnini
  • 2.2.1 Kut dvaju pravaca. Paralelnost i okomitost
  • 2.2.2 Udaljenost toˇcke od pravca
  • 2.2.3 Presjeciˇste dvaju pravaca
  • 2.2.4 Uvjet presijecanja pravca i segmenta (duˇzine)
  • 2.2.5 Uvjet presijecanja triju pravaca u istoj toˇcki
  • 2.3 Pravac u prostoru
  • 2.3.1 Pravac kroz jednu toˇcku sa zadanim smjerom
  • 2.3.2 Parametarske jednadˇzbe pravca
  • 2.3.3 Kanonske jednadˇzbe pravca
  • 2.3.4 Pravac kroz dvije toˇcke
  • 2.3.5 Pravac zadan dvjema projekcijama
  • 2.3.6 Sveˇzanj pravaca
  • 2.3.7 Dijeljenje duˇzine u zadanom omjeru
  • Slika 2.12: Dijeljenje duˇzine u zadanom omjeru
  • 2.4 Ravnina u prostoru
  • 2.4.1 Normalni oblik jednadˇzbe ravnine
  • Slika 2.13: Normalni oblik jednadˇzbe ravnine
  • 2.4.2 Segmentni oblik jednadˇzbe ravnine
  • 2.4.3 Op´ci oblik jednadˇzbe ravnine
  • 2.4.4 Parametarski oblik jednadˇzbe ravnine
  • 2.4.5 Jednadˇzba ravnine kroz tri toˇcke
  • 2.5 Odnosi ravnina i pravaca u prostoru
  • 2.5.1 Kut dviju ravnina
  • 2.5.2 Presjeciˇste triju ravnina
  • 2.5.3 Kut pravca i ravnine
  • 2.5.4 Presjeciˇste pravca i ravnine
  • 2.5.5 Pripadnost pravca ravnini
  • 2.5.6 Kut dvaju pravaca
  • 2.5.7 Presjeciˇste dvaju pravaca
  • 2.5.8 Udaljenost dvaju pravaca u prostoru
  • Matrice i linearni sustavi
  • 3.1 Osnove matriˇcnog raˇcuna
  • 3.1.1 Motivacija
  • 3.1.2 Osnovni pojmovi
  • 3.1.3 Linearna kombinacija matrica
  • 3.1.4 Mnoˇzenje matrica
  • 3.1.5 Podmatrice i blok matrice
  • 3.1.6 Regularne matrice. Inverzna matrica
  • 3.1.7 Rang matrice. Elementarne transformacije
  • 3.2 Linearni sustavi
  • 3.2.1 Osnovni pojmovi
  • 3.2.2 Geometrijska interpretacija. Kronecker-Capellijev
  • 3.2.3 Homogeni sustavi
  • 3.2.4 Rjeˇsavanje linearnog sustava
  • 3.2.5 Determinanta. Cramerovo pravilo
  • 3.3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115
  • 3.3 Problem svojstvenih vrijednosti
  • 3.3.1 Matrice kao linearni operatori
  • 3.3.2 Svojstvene vrijednosti i svojstveni vektori
  • Nizovi i redovi
  • 4.1 Nizovi realnih brojeva
  • 4.1.1 Pojam niza
  • 4.1.2 Graniˇcna vrijednost niza. Konvergencija niza
  • 4.1.3 Raˇcunanje s graniˇcnim vrijednostima
  • 4.1.4 Osnovni limesi
  • 4.2 Redovi realnih brojeva
  • 4.2.1 Pojam reda. Konvergencija reda
  • 4.2.2 Geometrijski red
  • 4.2.3 Svojstva konvergentnih redova
  • 4.2.4 Redovi s pozitivnim ˇclanovima
  • 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
  • Funkcije
  • 5.1 Osnovni pojmovi
  • 5.1.1 Motivacija i definicija
  • 5.1.2 Naˇcini zadavanja funkcije
  • 5.1.3 Graf funkcije
  • 5.1.4 Pojmovi znaˇcajni za realne funkcije realne vari-
  • 5.1.5 Osnovne raˇcunske operacije s funkcijama
  • 5.1.6 Kompozicija funkcija
  • 5.1.7 Inverzna funkcija
  • 5.2. PREGLED ELEMENTARNIH FUNKCIJA 181
  • 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 Hiperboliˇcke i area funkcije
  • Uvod u diferencijalni raˇcun
  • 6.1 Neprekidnost i graniˇcne vrijednosti
  • 6.1.1 Neprekidnost funkcije
  • 6.1.2 Svojstva neprekidnih funkcija
  • 6.1.3 Neprekidnost elementarnih funkcija
  • 6.1.4 Graniˇcna vrijednost (limes) funkcije
  • 6.1.5 Neprekidnost i limes
  • 6.1.6 Neodredeni oblici
  • 6.1.7 Raˇcunanje limesa
  • 6.2 Derivacija funkcije
  • 6.2.1 Motivacija
  • 6.2.2 Derivacija funkcije u toˇcki
  • 6.2.3 Derivacija funkcije
  • 6.2.4 Raˇcunanje derivacija
  • 6.2.5 Diferencijal funkcije i lokalna linearizacija
  • 6.2.6 Derivacije viˇseg reda
  • 6.2.7 Osnovni teoremi diferencijalnog raˇcuna
  • 6.2.8 Primjene derivacija
  • Uvod u integralni raˇcun
  • 7.1 Neodredeni integral
  • 7.1.1 Primitivna funkcija
  • 7.1.2 Neodredeni integral
  • 7.1.3 Metode integriranja
  • 7.2 Odredeni integral
  • 7.2.1 Motivacija - problem povrˇsine (ploˇstine)
  • 7.2.2 Svojstva odredenog integrala
  • 7.3 Newton - Leibnizova formula
  • 7.4 Nepravi integral
  • 7.5 Primjene integralnog raˇcuna
  • 7.5.1 Povrˇsina lika u ravnini
  • 7.5.2 Volumen rotacijskog tijela
  • 7.5.3 Teˇziˇste
  • 7.5.4 Moment ustrajnosti (inercije)
  • 7.5.5 Duljina i teˇziˇste luka ravne krivulje
  • 7.5.6 Povrˇsina rotacijske plohe
  • 7.5.7 Primjene u fizici

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

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

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

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

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

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

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

.2. . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . .1 Motivacija . . . . . . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . .2. .2.6 Povrˇina rotacijske plohe . . . . . . . . . . . . . .5 Duljina i teˇiˇte luka ravne krivulje . . 6. . . . .5 Primjene integralnog raˇuna . . . . . . . . . .8 Primjene derivacija . . . . . .1 Primitivna funkcija . . . . . . . . .2 Odredeni integral . . . . . . .2 Svojstva odredenog integrala . . . . . .1. . . . . 7. . .2. . . 6. . . . .2. . .2 Derivacija funkcije u toˇki . . . . . . . . .5. . . . . . .4 Nepravi integral . . . . . . . 6. . . . . . . . .2 Neodredeni integral . . 7. . . . . .1. . . . . . . . . . . . . . . . . . . . 7. . . . . . 7. . . . . . . . . . . . . . . . . s 6. . . . . . . . . . . zs 7.2 Volumen rotacijskog tijela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c 6. . . . . . . . . . . . . . . . . .1 Neprekidnost funkcije . 7. . . . . . . . .1 Povrˇina lika u ravnini . . 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 . . . 6. . . c 6. . .5. . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . c 6. . . . c 6. . . . . . . . . . . . . . . . . . . .3 Metode integriranja . . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . .1 Motivacija . .1. . . . . 6. . . . . .2.7 Primjene u fizici . . . . 6. . . .1. . . . . . . . .4 Moment ustrajnosti (inercije) .5 Diferencijal funkcije i lokalna linearizacija 6.1. . c 7.2. . . . . . . . . . . . . . . . . . . . . .1.4 Graniˇna vrijednost (limes) funkcije . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . .6 Neodredeni oblici . .1. . . . s 7. . . . .5. . . .3 Teˇiˇte . . . . . . . . . . . . . . . . . . . . . . . . c 6. . . .3 Neprekidnost elementarnih funkcija . . . . . . . . . . . .6 Derivacije viˇeg reda . . . . . . . . . . . . . zs 7. . . . . . . . . . . . . . . . . . c 6. . . . . .3 Newton . . . .3 Derivacija funkcije . . . . . .2 Derivacija funkcije . . . . . . . s 7. . . . . . . . . . . . . . . . . . . . . . 7.5. . . . 7 Uvod u integralni raˇun c 7. . . .2. . . . . . . . . . . . . . . 7. . . . . . . . . .2. . . .2. . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . .7 Raˇunanje limesa . . .1 Neodredeni integral . . . . 7. . . . . . . . . . 6. 6. . .4 Raˇunanje derivacija . . 7. 7. . . . . . . . .Leibnizova formula . . .2 Svojstva neprekidnih funkcija . . . . . . . . . . . . . . . .1. . . . . .5. . . . . . . . . . . . . .5 Neprekidnost i limes . . . . . . . .

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

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

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

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

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

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

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

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

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

2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene.2: Jednakost vektora. z z Q − → − → Iz Definicije 1. VEKTORSKI RACUN − → Definicija 1. Duljinu − → − → vektora P Q oznaˇavamo s d(P.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.1: Duˇina i usmjerena duˇina. Q) =| P Q |. Poˇetak joˇ c c c s zovemo hvatiˇte. s Q P P Slika 1.2 slijedi da je op´enito P Q = QP . Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi.10 ˇ POGLAVLJE 1. Q Q’ P P’ Slika 1. intenzitet). c . tj. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. jedna od njih je poˇetak P a druga je kraj Q. jer imaju razliˇite poˇetke i c c c krajeve. do na translaciju prostora)? z 1. − − → −→ Definicija 1. tj.

Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. 11 − → 3. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. → c .2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . c 2. → Napomena 1. Sada samo izaberemo orijentaciju koja nam treba. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1.1. Za vektor P Q kaˇemo da je orijentiran od P prema Q. Pogledajmo sada neka svojstva nul vektora: c − → 1. B ∈ E takve da je OA = − i AB = b .3). Preciznije. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. tj.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. Iz a Napomene 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. P = Q. Tada je c − − → − = OB. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. tj. Oˇito je | 0 | = 0. poˇinje u P a z c zavrˇava u Q. Napomena 1. z kolinearan je sa svakim vektorom).3). zvat ´emo nul vektor i c c − → oznaˇavati s 0 . 3.1. onda c a − → − →. Vektor kod kojeg su poˇetak i kraj jednaki. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. → → → − − → − 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 .

VEKTORSKI RACUN R a G Slika 1. ♣ B b a+b a b 0 A a+b a b Slika 1. c Teorem 1.4: Pravilo trokuta i pravilo paralelograma. − → → − → → → → − 3. Vektor a zovemo suprotni vektor vektora a c − → −. i oznaˇavamo ga s → 0 .3: Motivacija za definiciju zbrajanja vektora.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. − + b = b + − (komutativnost). . (− + b ) + − = → + ( b + − ) (asocijativnost).12 ˇ POGLAVLJE 1. → a =−a → − → → → − a a 4. a c a c → − → → → − → a a a 2.3 Za bilo koje tri toˇke P. Q ∈ E vrijedi P Q = P O + OQ. − → − → − → Napomena 1. O. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).

koji ima isti smjer kao →.1 ima sljede´a svojstva: ima →. s → − − a c Napomena 1.4 Vektor a = −→ iz Teorema 1.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. Sliˇno 2− + − = 3→.6: Mnoˇenje vektora skalarom. λ > 0 B’ 0 λa. Za n ∈ N a c a a a − = (n − 1)− + − . → BA. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1.λ<0 a A B Slika 1.5: Pravilo mnogokuta za zbrajanje viˇe vektora. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. ˇija je duljina jednaka |λ||− |. realnim brojem. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). definiramo λ− kao vektor: a → 1.1. itd. z → Za λ ∈ R. ali je suprotne orijentacije. a a → Za sluˇaj → + − piˇemo 2− (tj. a . d c a + b+ c+ d a b Slika 1. c a − 2. λa . Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB.1. tj.

za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . 2. 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. λ(µ→) = (λµ)− (homogenost). VEKTORSKI RACUN → 3. Primjetimo da se u Definiciji 1. postoji pravac a a . Elemente od skupa V zovemo vektori. 1 · − = → (postojanje jedinice). za sve a. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora).2. 3. a a → − 4. uz pretpostavku − = 0 . i neka je A = O c toˇka koja leˇi na tom polupravcu. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).1 i Teorema 1. − → → → → − Ako su vektori − i b kolinearni.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 : 1.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. koji ima istu orijentaciju kao vektor − za λ > 0. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1.14 ˇ POGLAVLJE 1. a a → → → 2. a a a − → 3. → od vektora a Teorem 1. onda. b ∈ V je a + b ∈ V . Neka je dan polupravac (zraka) s poˇetkom u O. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.5 nigdje ne govori o geometrijskim veliˇinama. c Vratimo se sada Definiciji 1.♣ a a Definicija 1. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). a suprotnu orijentaciju a − za λ < 0.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1.

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

...6 Za vektore − . Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni .1 i Teorema 1. → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . →.. − → Napomena 1. − . .5 Uzmemo li neku drugu toˇku Q ∈ E. λ2 . Napomena 1..2.7: Radij-vektori u X0 (E). Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1. . . .. . . onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ. . Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1. . → s koeficijentima λ1 .. − . z c Napomena 1.... − .. Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − .7 Iz Definicije 1.. . λ2 .. → ∈ → → − 0 i bar jedan od skalara λ1 ...... a a1 a2 an → − − Definicija 1.16 ˇ POGLAVLJE 1... − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0.5).... λn .. λn ∈ R... λ2 . − ∈ XO (E). λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . − . → → → Neka su sada − .. Q = O.. . . Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − .. λ2 . λn je razliˇit od nule. − .6 izravno slijedi: → → → → a1 a1 a2 an 1. λ1 .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. Vektori − .. − . VEKTORSKI RACUN E P 0 Slika 1.

→ ∈ XO linearno zavisni. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. onda su oni linearno zavisni ako i samo ako su kolinearni. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.♣ → a s Jednostavna posljedica Teorema 1. e1 e2 e3 z Tada su oni linearno nezavisni. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. takav rastav je jedinstven. z → − − 3. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .. b i − tri linearno nezavisna vektora iz XO (E). Ako imamo dva vektora − . 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 ..5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna.3 Bilo koja dva vektora iz XO (p) su linearno zavisna.. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . Ako su − .2.8 Neka su →. VEKTORSKI PROSTOR XO (E). − i − . Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. → → − → Teorem 1.. Stoviˇe.3 slijedi iz Napomene 1. Teorem 1.♣ .4 Ako su − .5 Ako su − . → ∈ XO (E) jednak nul veka1 a2 an toru. ♣ Tvrdnja Teorema 1..1. jer se nalazimo na pravcu. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. b ∈ XO (E).♣ → → → ˇ s a b c Iz Teorema 1. c − → − Napomena 1. taj rastav je jedinstven. . →.7.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. on se ne moˇe izraziti kao njihova linearna konbinacija. . → → − Teorem 1. Ako je barem jedan od vektora − . →.. pa z z slijedi da su oni linearno nezavisni. c − → → a 4. onda su ti vektori linearno zavisni. Stoviˇe.3 je jasna.

1. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). →. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). duljine su im 1 i leˇe na okomitim c s z pravcima. Skalare a1 .5). onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . az ) su jednoznaˇno odredene. j = OEy i − → −→ − − − − → → → k = OEz . 0) i Ez = (0. − .2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . 1). e1 e2 Napomena 1.18 ˇ POGLAVLJE 1. prema Napomeni 1. →). →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Analogno.3 Baza vektorskog prostora XO (E). pri ˇemu su skalari a1 . a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. a2 i a3 − → → → vektor iz XO (E). j . 0). z c → → Neka je sada − proizvoljan vektor iz XO (E). − → − → Neka je (→.1 i Teorem z 1. k ne leˇe u istoj ravnini. Tada je a e1 e2 e3 c − (Teorem 1. Koordinatni sustav → − → Definicija 1. − ∈ XO (E). ay . a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. Kako vektori i . uredeni par → − (− . Ey = (0. VEKTORSKI RACUN 1. 0. pa ˇine bazu. − . pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. Definirajmo i = OEx . Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). 0.7 Uredena trojka (− .9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). c →. Stoviˇe.8 z ˇ oni su linearno nezavisni. → → a b i j k . Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. te toˇke Ex = c s c −→ − − → −→ − → − (1.

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

.. VEKTORSKI RACUN 1. Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. x2 . . yn ) ∈ Rn i λ ∈ R definiramo: (x1 . . y2 .... Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni... xn ) + (y1 . Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. xn ) : xi ∈ R za i = 1... xn ) = (λx1 ... n}. U toˇki 1. xn ) gdje su xi ∈ R za i = 1.3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E).. xn + yn ). . z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |)... To svojstvo baze od X0 (E) zovemo potpunost.... bz ) = (ax + bx . Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R .. 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 .. . 2. az + bz ). xn ). Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. ... . ay . Moˇe se pokazati da skup od n vektora −i = (0. 0. λay . λaz ).. ako su sila i put kolinearni..20 ˇ POGLAVLJE 1.. c c Za (x1 . ay .. by . Zelimo uvesti i mnoˇenje vektora.. U tu svrhu moramo na odgovaraju´i naˇin definirati c c .. .2. Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu.5 Skalarni produkt ˇ Vektori su generalizacija brojeva.... i = 1.1 i Teorema 1. (ax . Dakle Rn = {(x1 . kaˇemo da je R n-dimenzionalni realni vektorski prostor. az ) + (bx . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. az ) = (λax ... x2 + y2 . x2 .. .. λx2 . . Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. 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).. .. x2 . ay + by . . 0. λxn ).. .. x2 . λ(ax . ˇini bazu u R . 1. λ(x1 .. . Skup svih takvih n-torki oznaˇavat ´emo sa Rn . n. y2 ... x2 . n. Kako ta baza ima c n n vektora. yn ) = (x1 + y1 .. z 1. (y1 ..

nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E).) Ako je barem jedan od vektora → i b → − − nul vektor. pa kaˇemo da je ( i . j . SKALARNI PRODUKT 21 produkt dvaju vektora. b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). Skalarni produkt vektora − .5. novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. − − − → → → Pogledajmo sada jediniˇne vektore ( i . ( k . → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. j .1 vidimo da su vektori i . → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj.1. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). Kako je rad skalarna veliˇina. Iz Tablice 1. rezultat produkta vektora c − → mora biti skalar. a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. Primijetimo da ( i . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . b . j . s − → → − → → − − → → Definicija 1.8: Uz definiciju skalarnog produkta.8 Neka su − = 0 i b = 0 . j . iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). Svaka tri vektora − → → → (− . (Uzimamo 0 ≤ ϕ ≤ π. i ) je druga takva baza). onda je → · b = 0.3). k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). Osim toga. j . k ) − − − → → → nije jedina takva baza (npr. a c c . − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor.

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

Posebno. a onda f zovemo linearni funkcional. b ∈ V i sve λ. . z z → → − → − → − → → 2. 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 .1. → → Neka su − = (x1 . yn ) ∈ Rn . (− + b ) · − = − · → + b · → (aditivnost). a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . .6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1.. − → a b Napomena 1. + xn yn . a a → − → → − − a a c 3. (λ− ) · b = λ(− · b ) (homogenost).. xn ). a c a c c → → → − → − 2. ako je vektorski prostor W = R. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b .10.♣ − → → → → 1. slaˇe s Napomenom 1.5.. − = (y1 . µ ∈ R. x2 . Definicija 1..9 Neka su V i W realni vektorski prostori. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora.. y2 . tj.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. → · b = b · − (simetriˇnost). Za preslikavanje (funkciju) sa V u W . → → x y Teorem 1. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + .. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. a x y z Ova se formula za duˇinu vektora. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . tj. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 .. ..

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

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

Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. a koristan je z i pri radu s vektorima. drugu s −a i zbrojimo ih. ako prvu jednadˇbu pomnoˇimo s c. . drugu s −b i zbrojimo ih. odnosno. ad − bc S druge strane. i 3.6 Digresija . bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. x= αd − βb . Ako pomnoˇimo prvu jednadˇbu s d.determinante matrica 2. za ad − bc = 0.26 ˇ POGLAVLJE 1. z z dobijemo αc − βa βa − αc y= = . dobijemo z z (ad − bc)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. a b A= . 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. 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. VEKTORSKI RACUN 1. Pogledajmo sljede´i sustav: z c ax + by = α 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 . sveli smo problem raˇunanja c c determinante tre´eg reda na problem raˇunanja determinante drugog reda. I 3. c  a1 a2  A =  b1 b2 c1 c2 i dana je s  a3  b3  .DETERMINANTE MATRICA 2. c1 c2 det A = = a1 − a2 + a3 Determinante matrica drugog reda znamo raˇunati. DIGRESIJA . Analogno. REDA Oznaka koju joˇ koristimo je s a b . To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d − → − → i c i + d j . Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora. Ako to nije sluˇaj. da smijemo dijeliti s det A. tj. Pri izvodenju ovih formula pretpostavljali smo da je ad − bc = 0. 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. Tada imamo c d a α c β a b c d 27 x= α b β d a b c d i y= . c3 Determinantu matrice tre´eg reda raˇunamo rekurzivno razvojem po prvom retku. odnosno paralelnosti pravaca definiranih izrazima ax + by = α.1. to znaˇi da je ad = bc. tj.6. odnosno a = c c c − → − → b . Matrica tog sustava je matrica tre´eg reda. cx + dy = β. 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. pa onda s .

determinanta je jednaka nuli. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . Svojstva determinante: 1. a3 b3 c3 (stupca) zamijene mjesta. 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.tj. c s s Ovdje smo uveli samo ona njihova svojstva koja ´e nam trebati pri radu s vekc torima. Ako su dva redka (stupca) u determinanti jednaka. 4. tj. 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 . Ako dva susjedna redka predznak. c1 c2 c3 Determinantama ´emo se viˇe baviti u poglavlju o rjeˇavanju linearnih sustava. c1 c2 c3 3. tj. 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 . determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = − a1 a2 a3 . c1 c2 c3 a1 a2 a3 = λ b1 b2 b3 .: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. . determinanta z se mnoˇi tim skalarom.: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5. Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante.28 ˇ POGLAVLJE 1.

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

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

8. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. → × b = −( b × − ) a a (antikomutativnost). a a a Napomena 1. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1.1. → → → − → → − (a b c a c b c − − → → − → 3. → × ( b + − ) = − × b + − × − .♣ Primijetimo da tvrdnje Teorema 1. tj. − → → → − → − → → 2. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . c c z Teorem 1.6. Kako je − · b = |→|| b | cos ϕ. pa desna strana formule za duljinu vektora − × b iˇˇezava. neka je − × b = 0 . i ϕ = 0 ili ϕ = π. pa je cos2 ϕ = 1. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. − → − → |a a sc a b → − → → − pa i − × b = 0 . (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost).7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1.♣ → a .7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. ϕ = 0 ili ϕ = π.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. a → − → → → → − → − → − Obratno. b nul vektor. Tada je |→ × − | = 0. Po pretpostavci je |→| = 0 i | b | = 0. kao saˇeti zapis. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . a c → i → kolinearni. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). Zbog − · − = |→||− | cos ϕ. Neka su sada oba vektora razliˇita od nul vektora. jer je nul vektor kolinearan sa svakim vektorom. c Dokaz: − → → Ako je barem jedan od vektora − . Tada je |− × b | = 0. Dakle a − → − i b su kolinearni.

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

Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . vektore ortonormirane baze ( i . j . ω r v v ω 0 r Slika 1. k ). k ) desni koordinatni sustav (pravokutni i normirani). j . c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. k ) koje ´e nam c c biti koristno pri raˇunanju.8. to je − → → → → − (O. k ). − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i .15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . b . Uzmimo npr. j .2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. i .13: Kutna brzina. dok je s druge strane i × ( i × j ) = − j tj.13 vidimo da je → = − × − . − × b ) desni (op´enito nepravokutni) koordinatni sustav. Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. Sa Slike 1. j . pravila za skalarno mnoˇenje.1. pravila za vektorsko mnoˇenje te gornju tablicu) z z . VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. − .

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

− ∈ XO (E). s → → − → Definicija 1. Tada. pa tvrdnja slijedi a c iz svojstava determinante 3. b . − komplanarni po Napomeni 1.16 Vektori →. − → − i samo ako su a b c − → → → Ako su − . − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . b .17 Za vektore − . |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . jer je a a c → − − → |→ · b | = |− || cos ϕ|. − . gdje je |→| baza. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. a a .4 i 5 iz toˇke 1. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. Tada je: → → → a b c → − → − → − − → 1. onda − → − Obratno. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru.14: Mjeˇoviti produkt triju vektora. |→ × b | je povrˇina paralelograma razapetog s → i b . − . → − → − → → → → Napomena 1. pa kako je − okomit na b × − . Pretpostavimo zato da su − = 0 . z → − − − a c Napomena 1. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . kako je a c → − − → → − − → − · ( b × c ) = 0. a a − → → − → − − → − 2.9. → komplanarni.ˇ 1. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. b . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. b . MJESOVITI PRODUKT 35 bx c a c b Slika 1. vektorsko mnoˇenje i mjeˇoviti z z s produkt. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. a | b | sin ϕ visina paralelograma. zakljuˇujemo da su vektori → i b × c okomiti.16 oni su linearno zavisni.6.11 Za vektore − .♣. b = 0 i → = 0 .

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

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

Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. c n Zaista. − · − = c z r n r n 0. y) ne leˇi na pravcu p. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . s c z Joˇ se naziva i implicitna jednadˇba pravca. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 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. Definicija 2. B. y0 ) okomit na vektor − = A i + B j .1: Pravac u ravnini.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. pa zbog okomitosti imamo − · → = 0. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. s z z Napomena 2.1 Ako imamo dvije jednadˇbe. B = tB i C = tC. ako toˇka (x. . onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA.y ) 0 0 (x . tj. onda − i → nisu okomiti.y) Slika 2. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. vrijedi Ax0 + By0 + C = 0. Ax + By + C = 0 i A x + B y + C = 0. y) leˇi na pravcu p. tj.38 ˇ POGLAVLJE 2. → − 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 . y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. c p n r (x .

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

z p s=mi+nj P1 = (x 1. z z Uoˇimo sljede´e: ako je x = 0. z . pravac prolazi kroz toˇke (0.3: Kanonski oblik jednadˇbe pravca. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. z 2. b) i (a.1. c c tj. c c y b a 0 x Slika 2. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.40 ˇ POGLAVLJE 2. onda je x = a.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). imamo A x a + y b = 1.2: Segmentni oblik jednadˇbe pravca.y 1 ) Slika 2. onda je y = b. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . 0). a ako je y = 0.

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

5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Uvedemo li oznaku l = −kx1 . y l ϕ 0 x Slika 2.1. Veliˇinu k zovemo koeficijent smjera pravca p. c 2. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. z . Tada je y = kx − kx1 + y1 . Uvode´i oznaku k = m . y − y1 = k(x − x1 ). dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. 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 .42 ˇ POGLAVLJE 2.5: Eksplicitni oblik jednadˇbe pravca.

1. tj. c 43 n ˇ Uzeli smo da je k = m . Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. → → r n Jednadˇbu − · − = d. π] takvi da je a = cos ψ − i b = cos φ. tj. φ ∈ [0. odnosno z → → r n x cos ψ + y sin ψ = d . y) leˇi na pravcu p ako i samo ako je z − · − = d.5). pravac prolazi toˇkom (0.1. c c s − → − → → d = |OP0 |. c − → − → → pa imamo − = cos ψ i + sin ψ j .6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). b ∈ [−1. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. PRAVAC U RAVNINI Napomena 2. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. tj. a2 + b2 = 1.3 Za x = 0 imamo y = l tj. l). 2.6: Normirani oblik jednadˇbe pravca. n Kako je tg ϕ = m . P = (x. 1]. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj.2. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. n c y q n θ P0 x r P p 0 Slika 2. z Jasno je da su a. imamo k = tg ϕ. Povucimo sada kroz O pravac q okomit na p. Neka je − = a i + b j jediniˇni vektor na pravcu q. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. s vektorom i ). n − → → Toˇka P = (x. pa tada postoje ψ.

44 ˇ POGLAVLJE 2. 2. postavlja se pitanje kako prona´i njegov normirani oblik.2 2. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. 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. tC = −d.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. predznak od t je jednak suprotnom predznaku od C). z . po Napomeni 2.2. Stoga je t= 1 √ . −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. z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. tB = sin ψ. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik.

Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . → → kolinearni. → n i j 45 Definicija 2. ako i samo ako je A1 A2 + B1 B2 = 0. 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 = 0.2.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. −1 → Neka je ϕ kut izmedu → i −2 . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. . 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 .ˇ 2. A2 B2 → → Napomena 2. tj.

to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . s1 s2 odnosno ako i samo ako je n1 m1 = .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. s1 s2 tj. ako i samo ako postoji λ ∈ R takav da je − = λ− . m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . ako i samo ako je m1 m2 + n1 n2 = 0.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. . → → Napomena 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 . tj. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera.46 b) Kanonski oblik: ˇ POGLAVLJE 2.

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

Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . Napomena 2. x cos ψ + y sin ψ = d. 2 ako i samo ako je tg ϕ = ∞.5.2. p) = x0 cos ψ + y0 sin ψ − d. Neka je pravac p dan u c c normiranom obliku. odnosno ako i samo ako je k1 = k2 .1. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. y0 ) i pravac p u ravnini. 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. Zanima nas udaljenost c toˇke P0 od pravca p. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. sa suprotne strane od ishodiˇta) jer je tada n s . tj. s Napomena 2. ako i samo ako je ϕ1 = ϕ2 . Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . To je ekvivalentno s 1 k1 = − . odnosno ako i samo ako je 1 + k1 k2 = 0.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. k2 2.7).48 ˇ POGLAVLJE 2. tj. ANALITICKA GEOMETRIJA Napomena 2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . c Definicija 2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . tj.

1 c z c (segmentni. 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. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . p) = |bx0 +ay0 −ab| √ . eksplicitni). p) ≥ 0. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. p) = |x0 cos ψ + y0 sin ψ − d|.1. p) < 0. odnosno bx + ay − ab = 0. pravac kroz dvije toˇke. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. kanonski. onda iz toˇke 2. y0 ) od pravca p je c d(P0 . tj. p) = odnosno d(P0 . a b . A2 +B 2 Ax0 + By0 + C √ .6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . p) = |Ax0 +By0 +C| √ .2.ˇ 2. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . y0 ) od pravca p je c d(P0 . a2 +b2 x y + = 1. udaljenost toˇke P0 = (x0 . −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) = |nx0 −my0 −nx1 +my1 | √ . y − y1 x − x1 = . tj. y0 ) od pravca p je c d(P0 . p) = |(y2 −y1 )x0 −(x2 −x1 )y0 −(y2 −y1 )x1 +(x2 −x1 )y1 | √ (x2 −x1 )2 +(y2 −y1 )2 .50 ˇ POGLAVLJE 2. y = kx + l. n). ANALITICKA GEOMETRIJA → b) u kanonskom obliku kroz toˇku P1 = (x1 . y2 ). d) u eksplicitnom obliku. y1 ) s vektorom smjera − = c s (m. m n odnosno nx − my − nx1 + my1 = 0. tj. c x − x1 y − y1 = . tj. k2 +1 . odnosno kx − y + l = 0. x2 − x1 y2 − y1 odnosno (y2 − y1 )x − (x2 − x1 )y − (y2 − y1 )x1 + (x2 − x1 )y1 = 0. y1 ) i P2 = (x2 . udaljenost toˇke P0 = (x0 . udaljenost toˇke P0 = (x0 . y0 ) od pravca p je c d(P0 . m2 +n2 c) kroz dvije toˇke P1 = (x1 . udaljenost toˇke P0 = (x0 . p) = |kx0 −y0 +l| √ . y0 ) od pravca p je c d(P0 .

xs = . c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. c 2. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs .2. sijeku se u jednoj toˇki.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini.8: Mogu´i poloˇaji pravaca u ravnini. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. ys ). poklapaju se. paralelni su. identiˇni su. zovimo je S = (xs . Npr. 3. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama.ˇ 2.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. tj. ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. c z U sluˇaju da se sijeku u jednoj toˇki.2.

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 . onda je A 1 B1 A 2 B2 = 0. p) i δ(B.2.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. Vrijedi i obrat. 2.11 Ako je A 1 B1 A 2 B2 = 0. Osim udaljenosti. . otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . p) = x0 cos ψ + y0 sin ψ − d.52 i ˇ POGLAVLJE 2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . onda su p1 i p2 paralelni. p) suprotnog predznaka. Napomena 2. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2.4). ako su p1 i p2 paralelni. p)|.2. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 .

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

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

y0 . 2. y.3.3 2. y. → − → r r0 s p ts P0 r 0 s r0 Slika 2. Neka c z s −→ → → − − radij-vektor toˇke P .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. → → → a i + b j + c k . z) = (x0 + ta. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.3.2). z0 + tc). .3. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . Tada imamo P0 P = − − − . Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. y0 + tb. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− .9: Pravac u prostoru. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . PRAVAC U PROSTORU 55 2. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− .2. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x.

3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . Prema s z Napomeni 1.13 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. y = y0 + tb. z c s 2. Kako su vektori baze linearno nezavisni. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . z0 ) i 2. vektor smjera pravca p je dan s (a.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . . z Napomena 2.56 Jednadˇbe z ˇ POGLAVLJE 2.3. b. 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 . c) odnosno a. z s Napomena 2. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . pravac p prolazi toˇkom (x0 . Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . y0 . j i k dobivamo kanonske jednadˇbe pravca. ANALITICKA GEOMETRIJA x = x0 + ta. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. b. c su koeficijenti smjera pravca p.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − .

s 2. c s → Iz toˇke 1. c). → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. z2 ) u prostoru. onda ima dva kosinusa smjera.5 i toˇka 2. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . Odredimo njegovu jednadˇbu. b. π] takvi da je a cos α = − . b. z Znamo iz toˇke 2.5 znamo da postoje kosinusi smjera vektora − . pa odreduje isti pravac. Uzmimo sada npr. c c Tada kroz njh prolazi jedinstveni pravac p.3. −| |s Dakle koeficijenti smjera a. odnosno postoje c s0 α.6). − →| s →| |→| |→| |s |s s s − jediniˇni. 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. β. tj. pa iz toˇke − − s r2 c s r2 r1 c 2.3. i njihov omjer daje koeficijent smjera (toˇka 2. →| |s c cos γ = → . y2 . onda znamo da je vektor → s a b c 1 → s0 = − − = − .3. y1 . Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . z1 ) i P2 = (x2 . c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 .3. PRAVAC U PROSTORU 57 → Posebno. Zbog komplec mentarnosti.1.1. c) je dana s x y z = = .2.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . istog smjera i orijentacije kao i →. → − → → r r1 r2 r1 . γ ∈ [0.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). − → z definirajmo s P c s − je vektor smjera pravca p. b. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. jedan kosinus smjera prelazi u sinus. →| |s b cos β = − . Sada imamo da je → = P1 P2 = → − →. − . kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a.

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

59 y = nz + n1 . z y=nz+n 1 x =mz+m 1 y 0 x (m . y0 . z b c . uz oznake n = b c b i n1 = − c z0 .3. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. + n2 + 1 cos γ = √ m2 1 .3. Dakle.3.2.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . Tada za svaki izbor a. + n2 + 1 2. Napomena 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 . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.14 Iz toˇke 2. vrijedi x−m1 m = y−n1 n = z.11: Pravac zadan dvjema projekcijama. b.n ) 1 1 Slika 2. + n2 + 1 cos β = √ m2 n . PRAVAC U PROSTORU odnosno.

onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. s z Imamo → = 1 (− + − ). ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . tj. . m ∈ N. y1 . z2 ) u prostoru. m+n m+n m+n Napomena 2.60 ˇ POGLAVLJE 2. z1 ) i B = (x2 . .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. ANALITICKA GEOMETRIJA 2.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . AC : CB = m : n. Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n.3. mz1 +nz2 ). y2 . 2 2 2 . 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. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= .12: Dijeljenje duˇine u zadanom omjeru. r2 r1 →=− + − → ρ r1 n m → → → − + n −. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . my1 +ny2 . z → c radij vektor toˇke B.

z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p. → n Posebno.4. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. ako Π prolazi kroz ishodiˇte (tj. onda je p = 0. j .13: Normalni oblik jednadˇbe ravnine. → → radij-vektora r n c P . → → r n . s vektorima baze −0 ˇto ih n s − − − → → → i . To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . a vektor z −0 zovemo normala ravnine Π. P0 d r π n0 0 M Slika 2. z redom (tj. γ kutovi c → zatvara s pozitivnim smjerovima osi x. k iz toˇke 1.3 ).4 2.4. β.2. RAVNINA U PROSTORU 61 2. 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. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. toˇku O). y. Povucimo okomicu iz toˇke O na ravninu Π. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. toˇku O) i s c koja sijeˇe sve tri koordinatne osi.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj.

2. B = (0. C = c (0. C ∈ Π. Napomena 2. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . y. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. toˇke u kojima Π sijeˇe koordinatne osi x. 0. u stvari. Imamo neˇto analogno otklonu iz toˇke 2. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. c). ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). udaljenost ravnine Π od ravnine Π . udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p.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. iz normalne jednadˇbe ravnine imamo. y1 . 0). B. z − − → OA · → = p. Kao i kod pravca (toˇka 2. 2.4. kako su A. r n Napomena 2. c Neka je M = (x1 . 0.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. z.16 Ako toˇka P ∈ E ima koordinate (x.62 ˇ POGLAVLJE 2. → ako je M s one strane Π na koju pokazuje −0 .2. a c kako M leˇi u Π . redom. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. Kako je d. n0 − − → → OB · −0 = p. z). duljina okomice c do Π ´e biti p + d (za neki d ∈ R. y. 0). Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. z1 ) ∈ E proizvoljna. Nadalje. jer je duljina okomice do Π jednaka p). n . b. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. neka su toˇke A = (a. Za toˇke s druge strane bit ´e n c c d < 0. n − → → OC · −0 = p. c c Sada.2.

tj. 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. z Dakle. p p p cos α = . B. a cos α = p.14: Segmentni oblik jednadˇbe ravnine. Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0.4. Bez smanjenja op´enitosti.2.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. . z 2. c cos γ = p. z = − C x − B y − D . neka je C = 0. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). b cos β = p. cos γ = . RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. Odatle. c C C Tada postoji toˇka (x0 . y0 . z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). cos β = .4.

C). imamo da izraz → − n r A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 vrijedi za sve toˇke na toj ravnini. y0 . Dakle. C). jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . B. kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ). c −→ → − S druge strane. Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. ako je toˇka P = (x. tj. z) toˇka u takvoj ravnini. y0 . Onda je − · − = 0. y.64 ˇ POGLAVLJE 2. odnosno. ako P ∈ E ne leˇi u ravnini. → n Zaista. z0 ) i okomita na vektor c − = (A. c z c z Napomena 2. pri ˇemu se uzima predznak suprotan od c . 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 .15: Op´i oblik jednadˇbe ravnine. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). ANALITICKA GEOMETRIJA P . onda je jasno da i c c − − = −0→ leˇi u toj ravnini. ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0.18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . B. z0 ) koja je okomita na vektor z c − = (A. 0 r P n π 0 Slika 2.

1). B.2. R cos β = B . tj. C). Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . R cos γ = C . 0. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2.4. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. ravnina prolazi kroz ishodiˇte. b1 = − B i c1 = − D .20 Neka je dana toˇka M = (x1 . k ). RAVNINA U PROSTORU predznaka od D. Stoga ´emo i vektor − zvati vektor normale. s c A2 +B 2 +C 2 Napomena 2. 0) nema komponentu u smjeru n − → osi z (tj. Dakle imamo cos α = 65 A . z1 ) ∈ E. nepotpune obc z like): c c z 1.4. B. s → 2. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. pa odreduju istu ravninu. pa imamo cos γ = 0. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. istog su smjera n n → c n i orijentacije. Napomena 2. c . onda je oˇito da O = (0. onda su koordinate A. po c Napomeni 2. onda normala − = (A. R → → Vektor normale −0 je normirani vektor − = (A. B. Tada je. y1 .19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. C C C A z Oznaˇimo a1 = − C .17. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. Ako je C = 0. Ako je D = 0. c onda je A B D z =− x− y− . Π) = |Ax1 +By1 +Cz1 +D| √ . Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. tj.

C koji je razliˇit od nule. Ako je B = C = 0. z → 3. z → − a vektore − i → vektori smjera. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . − i − su komplanarni). jer jedan parametar c moˇemo eliminirati dijele´i onim od A. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. ravnina je paralelna A s koordinatnom ravninom Oyz. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. z c c 2. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. Varijable u i v zovemo parametri. c Od ˇetiri parametra. Imamo Ax + D = 0. 0.66 z ˇ POGLAVLJE 2. B. imamo samo tri nezavisna. C i D. onda normala − = (A. 0) ima komponentu samo u n smjeru osi x. A.4. Ako je B = C = D = 0. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. 4. odnosno x = − D .16: Ravnine u posebnim poloˇajima.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. B. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . s1 s2 . onda prema 1. ravnina prolazi kroz ishodiˇte s a prema 3. ravnina je paralelna s koordinatnom ravninom Oyz.

z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. y0 . z Napomena 2. b2 . s1 s2 . y. z0 ) z z c → → i dva vektora smjera − = (a1 . Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →.17: Ravnina zadana parametarski. c2 ).21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. y = y0 + ub1 + vb2 . → − Nek je P0 = (x0 . b1 . c1 ). b1 .22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . Kako imamo dva parametra (u i v).2.4. → = (a2 . y0 . c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. b2 . vidi se da je ravnina dvodimenzionalni objekt u prostoru. Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. c1 ) i − = (a2 . z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. z0 ). Tada P = s1 s2 → − (x. − = (a1 . Napomena 2. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2.

Kako toˇke P1 . ANALITICKA GEOMETRIJA −→ → − − odnosno. 2. P1 P2 . P3 (uzmemo npr. z2 ). Dakle. P2 = (x2 . Po Napomeni 1. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. P3 = (x3 . ako i samo ako su P0 P . y1 . 2. s1 . vektori s1 s2 −→ → − − − → P0 P .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 . P2 . z1 ). z3 ) u c prostoru takve da ne leˇe na istom pravcu. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). Po Napomeni 1. P2 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. → komplanarni. Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 .16.5 2. y2 .5. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0.4. Kao i u toˇki 2.4. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. P3 ne leˇe na istom pravcu.4. y3 . P1 P3 komplanarni. P2 . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .68 ˇ POGLAVLJE 2. − .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 .

2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. C1 ) n → i −2 = (A2 . Ravnine se ne sijeku. −1 → Napomena 2. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . ako i samo ako je −1 · −2 = 0. Ravnine se podudaraju.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . tj. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . Ravnine se sijeku u jednom i samo jednom pravcu.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.5. 2. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. B2 . B1 . odnosno ako → → kolinearni. Teorem 2. ♣ .2. 69 −1 Definicija 2. 3. 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 . C2 ). tj. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 .

ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . . U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0. onda se one moraju sje´i. da je c = 0.   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . 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. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. A2 x + B2 y + C2 z + D2 = 0. A3 x + B3 y + C3 z + D3 = 0. Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. 2. i njihov c presjek je pravac. imamo tre´i sluˇaj. tj. Ako ravnine nisu paralelne. onda z s A1 B2 C2 D2 se ravnine podudaraju. Konaˇno. Njene su koordinate c B1 D1   B2 D2 T0 =  . drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina.   → 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. Ako je joˇ i A2 = B1 = C1 = D1 . z c c Kako ravnine nisu paralelne.70 ˇ POGLAVLJE 2.5. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . ako ravnine A2 B2 B2 C2 A2 nisu paralelne. Uzmimo. C1 = A1 . p z 2. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule.2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . B1 = C2 . naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i .23. odredenosti radi. 0 .

5. ∆ . b.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. z nepoznanice). y.5. C). A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . tj. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 .2.5) i koordinate su mu c c ∆x ∆y ∆z ∆. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). ∆. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. paralelne su). z Definicija 2.3 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. → → s n . B. 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. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . b. 2. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 .4. s jedna toˇka. c) i − = (A. toˇka 2. onda je presjeciˇte jedinstveno (tj. 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.

tj. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . → → s n Kako je kosinus kuta izmedu − = (a. tj. ako je π − ϕ kut izmedu − = (a. b. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. c) i − = (A. C) onda je kut c s n 2 izmedu p i Π jednak ϕ. ANALITICKA GEOMETRIJA → → Znaˇi. 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.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. odnosno ako → − kolinearni. ako i samo ako je − · − = 0. → Napomena 2. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. b. − Anm1 +Bnn1 +Dn + n1 . Am+Bn+C Am+Bn+C Am+Bn+C . c) i − = (A. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. B. i ravnina Π s Ax + By + Cz + D = 0.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 .72 ˇ POGLAVLJE 2. − Am1 +Bn1 +D . B. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . 2. z c c s z0 = − Am1 + Bn1 + D . tj.5.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti.

ako nema konaˇnog z koji je rjeˇenje. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. 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 . z1 − c Ax1Aa+Bb+Cc+D . z = z1 + ct.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. a druga je uvjet paralelnosti pravca i ravnine. Aa + Bb + Cc Napomena 2. Ax1 + By1 + Cz1 + D .5. tj. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . z z .2. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0.5 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. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. 2. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0.5. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini.28 Ako ne postoji takav t koji je konaˇan. y1 − b Ax1Aa+Bb+Cc+D . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. tj. y0 . y = y1 + bt.

♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).18: Mimosmjerni pravci. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. b2 . y1 . c c c 2. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). Pravac je sadrˇan u ravnini. Pravac i ravnina se sijeku u samo jednoj toˇki.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . → → 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 . 3. → → s1 s2 p 2 p 1 Slika 2. ANALITICKA GEOMETRIJA Teorem 2. c2 ). c1 ) odnosno − = (a2 .5. b1 . . Definicija 2. z2 ) s vektorima smjera − = (a1 . y2 .74 ˇ POGLAVLJE 2. s1 s2 redom. c 2.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. Pravac i ravnina se ne sijeku. z1 ) odnosno c → → P2 = (x2 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj).6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.

2.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.3.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. ako i samo ako postoji λ ∈ R takav da je − = λ→.5. ako i samo ako je → · − = 0. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. c c z → s1 Napomena 2.5. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.5). tj. tj. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . 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 . → Napomena 2.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. z= 1 m−m n−n . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . 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. tj. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .2. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .

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

29.6 na gornju determinantu (tj. Pravci leˇe u istoj ravnini i ne sijeku se. ne leˇe u istoj ravnini. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. iz toˇke 1. Pozabavimo se sluˇajem mimosmjernih pravaca. imamo isti pravac. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. c =0 . Pravci se podudaraju. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). 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. pa nema presjeciˇta. Teorem 2.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. z Moˇe se desiti da su oni paralelni. Ako su sva tri redka proporcionalna.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pravci su mimosmjerni. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. z c 4. ˇetvrti sluˇaj. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Prema Napomeni 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 . i 6. tj.2.5. z 3. z 2.

. 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. imamo da Π prolazi z → → kroz P1 = (x1 . . a2 b2 c2 a2 b2 c2 . y1 .78 ˇ POGLAVLJE 2. Iz s1 s2 Napomene 2.22. = 0. c1 ) i − = (a2 . c1 ) c s1 − = (a2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. a2 b2 c2 Definicija 2. kako p1 leˇi u Π i Π je paralelna sa p2 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . z2 ) s pripadaju´im vektorima smjera − = (a1 . 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 = = . z1 ) → odnosno P2 = (x2 . p1 leˇi u ravnini).5. b1 . z1 ) i paralelna je sa − = (a1 . ANALITICKA GEOMETRIJA 2. y2 . b1 . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . b2 .9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. c2 ). b2 . c2 ). Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). Dakle. y1 .

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

.

To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. y. Ako bismo uspjeli razviti raˇun takvih objekata. y.Poglavlje 3 Matrice i linearni sustavi 3.1.1 3. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   .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 u) kao jedinstveni objekt (matricu).6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. 1 −1 0  1 1 1 81 . U primjeru iz toˇke 1. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici. z z Npr. z i c z u.

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

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

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

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

. . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. MATRICE I LINEARNI SUSTAVI 3.4. m. am1 + bm1 · · · amn + bmn Napomena 3. = . j = 1.86 POGLAVLJE 3. . .2 Jednakost matrica se definira samo za matrice istog tipa. j = 1. . a na R znamo ˇto znaˇi s c ”biti jednak”. .  .... .. Piˇemo A = B.2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1.... . Definicija 3.3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. . . z Definicija 3.  .   . ... C =A+B = . . = . n.    · · · a1n b11 · · · b1n . . .  . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.. n. m.1. m. Definirajmo sada mnoˇenje matrice skalarom. λam1 · · · λamn · · · amn  a11  . + .. am1     λa11 · · · λa1n · · · a1n .3 Zbroj matrica se definira samo za matrice istog tipa.. .. . Definicija 3.4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. .   . s Napomena 3.. n. j = 1. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R..3 odnosno Definicije 3. λA = λ  . . . tj..3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn . . a11  . tj. .. . .. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   . .

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

2 Oˇito je AT = As . itd..♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. nema podlogu u fizici. Dakle imamo tvrdnju. a za Aa vrijedi AT = −Aa . gdje su elementi od C dani s cij = aij bij za i = 1. Iako jednostavna. To nam z name´e sljede´u definiciju. Tako bismo za matrice A = [aij ].. B ∈ Mmn .. Produkt A·B takvih matrica . s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). Takoder. geometriji. 2. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. Definicije 3.4. gdje za As vrijedi AT = As .. n. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. MATRICE I LINEARNI SUSTAVI 1.1. m i j = 1. B. ♣ c s a 3. (A + B)T = AT + B T za sve A.. Napomena 3. 3. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. AT = −Aa i A = As + Aa . .3 i Definicije 3.. (AT )T = A za sve A ∈ Mmn . . Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica.88 POGLAVLJE 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 .

. j = 1. ako su A ∈ Mmn i B ∈ Mnp i m = p.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji... . . Ako je m = p = n. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. Napomena 3. ain ) · (b1j .. m. Dakle zakljuˇujemo da na mjestu (i. imamo A·B ∈ Mmp ... b2j .. Dakle opet je A·B = B ·A. 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.. Npr... . + ain bnj . . Mnoˇenje matrica vodi raˇuna o poredku operanada. a da B · A nije ni definiran. m. a B ·A ∈ Mnn . a B · A nije definirano.. na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1.... .. . a j-ti stupac matrice B je (b1j .. za j = 1. p. onda je A · B ∈ Mmp . B = C Slika 3.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . n i m . b2j . ai2 .. . Za takve matrice A i B kaˇemo da su ulanˇane.4). Dakle. ain bnj .1. p p = j n (i.1: Produkt matrica. ain ).. a broj stupaca je c jednak broju stupaca od B.... .. p. ai2 . broj stupaca od A je jednak broju redaka od B..j) m A .. Definicija 3. z c tj. 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 + . bnj ) = ai1 b1j + ai2 b2j + . Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 .. za i = 1. Tada je i-ti redak matrice A jednak (ai1 .ˇ ˇ 3. bnj ).. . i = 1...

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

prvi i tre´i. c . Primjer 3.. 3. 0. c drugi i tre´i.3. Sloˇimo li ih u (2 × 2) matricu.6.1. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ). b = [b1 ..6 Neka je  2 3 4 1   A =  −1 2 1 3  . . 4. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. dobijemo podmatricu z 3 4 0 3 matrice A.1. 3. 3. i dva stupca npr. takvu podmatricu zovemo blok..ˇ ˇ 3. Izaberimo dva redka. npr. dobivamo podmatricu z matrice A..5 Podmatrice i blok matrice Neka je A ∈ Mmn . 1 0 3 0  Neka je r = s = 2.. xn ]T nepoznata matrica.♠ Ako su izabrani redci i stupci uzastopni. .4. bm ]T poznata matrica desnih strana i z x = [x1 .. Sloˇimo li ih u (r ×s) matricu. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. 3. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. svaka linearna z jednadˇba ide u svoj redak).

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

1. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. onda je barem jedan od a ili b jednak nuli. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 .1. OSNOVE MATRICNOG RACUNA 93 3. c Napomena 3.1. U skupu R vrijedi: ako je a · b = 0. c c c Iz svojstva 5. tj. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. Npr. tj. c 2. U toˇki 3. postoji broj koji pomnoˇen s a daje 1.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno.ˇ ˇ 3.1. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . b. neka je dana matrica c 0 1 1 0 . Teorema 3.6 Regularne matrice. Npr.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. dakle ne postoji izbor brojeva a. c.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.

c Teorem 3. Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn .7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In . Tada je B jednoznaˇno odredena s A. z Napomena 3. neka postoji matrica B ∈ Mn takva da je A · B = B · A = In . Dakle je A · A−1 = A−1 · A = c In . . Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In . ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena.94 POGLAVLJE 3.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 .9 Neka je A ∈ Mn regularna. z Definicija 3.♣ Znaˇi. 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. tj. MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. Za matricu A koja nije regularna kaˇemo da je singularna. c 0 1 1 0 · a b c d = c d a b .

. . j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . . ai2 . −1 3.ˇ ˇ 3. Napomena 3... aj2 . ajn ) = a2 + a2 + . + ain ajn . In ∈ Gn i In = In .. + ain ajn = 0 za i = j i (ai1 . ain ) · (aj1 .. ai2 . Gn = Mn . 2.10 Neka je A = [aij ] ∈ Mn ortogonalna. n. preciznije Gn ⊂ Mn .. B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 .. ajn ) = ai1 aj1 + ai2 aj2 + . aj2 ..1. ˇtoviˇe vrijedi da je s s (ai1 ..... Kako je po pretpostavci A ortogonalna... aj2 .. ai2 . Zakljuˇujemo da na mjestu (i.. ajn ) = ai1 aj1 + ai2 aj2 + . ain ) · (aj1 . . .. n..... U Napomeni 3. ajn ) za j = 1. 95 4. . OSNOVE MATRICNOG RACUNA 1..6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn .. a j-ti stupac matrice AT je (aj1 . ... .. u stvari.. 5.. Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn . Ako su A. s z c . .. j-ti redak od A). ai2 . . moˇe se dokazati da ˇine ortonormiranu bazu od Rn .8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In . Dakle i matrica AT · A ima iste elemente.. + ain ajn = δij odnosno (ai1 ... Tada je i-ti redak matrice A z (ai1 ... ai2 . . Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A.. + a2 = 1 i1 i2 in za i = j.♣ / z Definicija 3. ajn ) = ai1 aj1 + ai2 aj2 + . Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 .. (To je. vrijedi A · AT = AT · A = In . .... ain ) · (aj1 . 0n ∈ Gn .. .. ain ) · (aj1 . aj2 .. Stoviˇe. aj2 . ain ) za i = 1...

. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor)... → → Definicija 3.. MATRICE I LINEARNI SUSTAVI 3. matrice iz Mm1 .. − ) podprostor od Rm .. vrijede svojstva 1. .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. 2.. . matrice iz M1n . . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije.. − .. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . z Teorem 3. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. i 3. . + λn − : λ1 . Definicija 3.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.7 Rang matrice.6 znamo da stupce. a1 an . Iz Napomene 3.5 izravno slijedi da je r(A) = r(AT ).5).. iz Definicije 1.. a1 an → → i izravno iz Definicije 3. .11 Oˇito je da je c − − L(→.. − ).5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . → → s L( a1 an → → → → an a1 L(− . Definicija 3. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj... tj. moˇemo promatrati kao vektore u R ... moˇemo promatrati kao vektore u vektorskom prostoru Rm . Iskaˇimo sada jedan bitan rezultat..10 Neka je V vektorski prostor (Definicija 1.. λn ∈ R}. − ∈ Rm .. ..... − ) = {λ1 − + . linearne zavisnosti/nezavisnosti.10 slijedi da je L(− ...11 Neka su − . njene z c n redke.96 POGLAVLJE 3.♣ Kako je po Teoremu 3. Oznaˇavamo ga → → → → a1 an a1 an c − . . Sliˇno.. Podprostor razapet vektorima a1 an − .5) i neka je L neki podskup od V . − je skup svih linearnih kombinacija vektora − . →) ⊆ Rm .1. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3... onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). a1 an Napomena 3.

jer je skup { 0 } uvijek linearno zavisan..14 Uz gornje oznake iz Teorema 3. − razapinju L(− . Dimenziju vektorskog prostora L(− ..15 Iz Napomene 3. Tada je oˇito r(In ) = n. . − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − ... Napomena 3.. Napomena 3.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n..5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)).. a1 an Vratimo se na konkretan vektorski prostor. − . . c ... . z Teorem 3..12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. . →}. − ). − )). Mmn . − ∈ Rm . Neka je R(A) podprostor od Rm razapet stupcima matrice A.. → → → → Napomena 3.♣ Primjer 3..8 Vrijedi: − → 1. i R (A) podprostor Rn razapet redcima od matrice A.1.ˇ ˇ 3... . − ) → → → → od R razapet sa a1 an a1 an →.. znamo da je u a1 an a1 an bazi najviˇe n vektora. Neka je A ∈ Mmn . 2.. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn . n).. − ) podprostor a1 an a1 an m − .. Neka je L(− . Neka je In ∈ Mn . .. →)) ≤ n. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3.12 Neka su − . .13 imamo da je r(A) ≤ min(m. ...13 Kako vektori − .... Neka je 0 ∈ Mmn nul matrica... OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. Stoga vrijedi s − − dim(L(→. Tada je r(0) = 0.. .

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

tj.. − n ). c c Napomena 3. Isto tako. A = 0. . . primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. − n ] (vektori a a a a − 1 . prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A. → → a a Napomena 3.. jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu.. a a .1. n). 02 . Ir ∈ Mr .. Neka je A ∈ Mmn . matrica M prelazi u jec c diniˇnu. tj.. . Matrica H je Hermiteova forma matrice A.17 Ako imamo n vektora − 1 .. Primijenimo li na H elementarne transformacije obrnutim redom.r i 03 ∈ Mm−r. − n ). ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima)..♠ c Definicija 3. jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale. Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 .. − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 . Dakle.. u bazu podprostora razapetog redcima odnosno stupcima od A.. 02 ∈ Mm−r. 03 su nul matrice). 01 ∈ Mr. ve´ samo njegovu duljinu. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 . sastavi se matrica A = [− 1 . ekvivalentne matrice imaju isti rang.n−r (01 . − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A. Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima).. OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog.13 Matrice A.. Dakle dobijemo matricu H. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija. Kako je r(A) = r(H) = r.ˇ ˇ 3. ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti.16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice. .n−r . ... gdje je r ≤ min(m..

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

c s z proturjeˇan ili nemogu´.. = bm = 0.. 0. am1 x1 + am2 x2 + .. n i slobodnim ˇlanovima b1 . c c Napomena 3...... imamo netrivijalno rjeˇenje.. m. .. . j = 1. = ain = 0. . + a2n xn = b2 ... cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 . i = 1.1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 .2. ..... Homogeni sustav je uvijek mogu´. Takvo rjeˇenje zovemo trivijalno.. + amn xn = bm . 2.. kaˇemo da je nekonzistentan... cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. xn s z koeficijentima aij . .... LINEARNI SUSTAVI 101 3. c s 2.. Za sustav kaˇemo da je homogen ako je b1 = . ... c2 . . s Ako je (c1 . . n. m. Ako za neki i = 1. a bi = 0. Ako je barem z jedan bi = 0.. . Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan. Npr... s . bm : c a11 x1 + a12 x2 + . Uredena n-torka (c1 .xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. + a1n xn = b1 a21 x1 + a22 x2 + ... . ... jer x1 = .18 Primijetimo: 1. Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. . s i = 1. m vrijedi ai1 = . sustav je nehomogen. Definicija 3. .. = xn = 0 daje rjeˇenje c svakog homogenog sustava. c2 .. s z suglasan ili mogu´. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja..14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto.. sustav je nemogu´.2.2 3. i = 1.3.... .. uredena ˇetvorka (1... Ako sustav nema rjeˇenja. s s z s 3..

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

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

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

tj. Tada je.♣ s c z s x → Iz Teorema 3. → ∈ 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). skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R .2 su oˇito zadovoljena. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . u u Dakle je N (A) vektorski podprostor od Rn .2. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . u v u v − → dakle → + − ∈ N (A). c 3.3. c Svojstva iz Teorema 1. c Napomena 3. dakle dokaˇimo da za proizvoljne c z − . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b .1 i Teorema 1. gdje je λ ∈ R proizvoljan. A− = b i A− = b . Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .♣ . Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A).5. Treba provjeriti da N (A) ima svojstva iz Definicije 1. tj.2.3 Homogeni sustavi → Iz Napomene 3. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). Dokaz: Oˇito je N (A) ⊆ Rn . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .22 N (A) je podprostor od Rn . c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.8 i Napomene 3. x x − → Oˇito je 0 ∈ N (A).

z s . tj.22 zakljuˇujemo da ako su u1 .8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . MATRICE I LINEARNI SUSTAVI Iz Napomene 3.23 Primijetimo: → 1. N (A) = { 0 }. Kako je iz Teorema 3.9 II. rjeˇenje je x s u s jedinstveno.106 POGLAVLJE 3. s x → − → → Obrnuto..♣ Napomena 3.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). Tvrdnja Teorema 3. → → → → Ax a y y 2. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . svako rjeˇenje je oblika − 0 + 0 .. ut rjeˇenja homogenog sustava c s − = − .) − → → − → − Ako je matrica A sustava A− = b regularna. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 .8 je matrica A regularna. → → → → u u y y − → → II. Onda. tj. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − .9 I. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . s Dokaz: (Dokazujemo samo tvrdnju II. 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)).. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. onda je i njihova linearna kombinacija rjeˇenje tog sustava. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A).9 I. Po Teoremu 3. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. onda po Teoremu 3. gdje je − ∈ N (A).9. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. Tvrdnja Teorema 3. Teorem 3. prema Teoremu 3. iz jedinstvenosti zakljuˇujemo da je − = 0 . → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. .

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

− n ) baza s x u u u − → − = b oblika → od N (A).. Brojevi cr+1 . r(A) = dimR(A) = n. cr .. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). .. → x → → Dakle.. cr+1 . cn postoje → − jedinstveni c1 . Broj dimR(A) smo zvali rang od A..♣ c Napomena 3. iz Teorema 3.8 II. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica...24 Tvrdnja Teorema 3... − − → u u u pri ˇemu su µr+1 . + µn − n .10 I. dimR(A) + dimN (A) = n..♣ Iz Teorema 3. Teorem 3... MATRICE I LINEARNI SUSTAVI − 0 = [c1 ...3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori. + µn − n .1... cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 ..11 izravno slijedi iz Teorema 3.. c .108 koje je oblika POGLAVLJE 3.... 0 U toˇki 3.... cn ]T je rjeˇenje sustava A− = c s x − → b. ....2. ..10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. cr ]T ).. .. → → Teorem 3..11 Ako je (− r+1 .. . Kako je (− r+1 . µn proizvoljni parametri. − = [c1 . .. tj.. cr koji su dani s A−1 β (c) = [c1 . .. cn su slobodni prametri. − u u u pri ˇemu su µr+1 .. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + .. cr ]T . . .. i obratno..9. dok brojevi c1 . . jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). . µn proizvoljni parametri. → → − II. a broj dimN (A) defekt od A.. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . .7 odnosno toˇki 3.

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

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

onda je det A = a11 a22 · · · ann . Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . onda sc je det A = 0. determinanta mijenja predznak. c 4. pravilo za c raˇunanje inverza matrice). det(Qij A) = − det A. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Neka je A ∈ Mn dijagonalna matrica. je razvoj determinante po prvom redku. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. Ako je A ∈ Mn trokutasta (gornja ili donja).2. Posebno je c det In = 1.3. 2. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Svojstva determinante su: 1. n ≥ 2. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. 3.1. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn .7. n ≥ 2. onda je det A = 0. .

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

Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. Teorem 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. ♣ Iz Teorema 3.26 Ako je A ∈ Mn regularna.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . ai+1.♣ Teorem 3.i+1 = 0). Teorem 3. 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+1.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. ♣ . Dakle oˇito je det A = 0. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.12 Za proizvoljne matrice A.2.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki .i+1 (naravno. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . ♣ U Teoremu 3.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik .3. itd.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. B ∈ Mn vrijedi det(AB) = det A · det B. z Teorem 3. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . Teorem 3. LINEARNI SUSTAVI 113 ispod njega.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. Dokaz: Iz Teorema 3. ♣ Napomena 3. tj. Radimo sve analogno sve do zadnjeg elementa na dijagonali. Ako to nije mogu´e. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. onda je det A = 0.

♣ Napomena 3.16 imamo da je 1 kof (A) · A = In . k) stoji kofaktor elementa aki matrice A.26 smo vidjeli da ako je A ∈ Mn regularna.13 prethodni zbroj jednak det A. 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. onda iz Teorema 3.114 Veliˇinu c POGLAVLJE 3.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. det A Dakle A je regularna i A−1 = kof (A) det A . dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. Definicija 3. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . onda je det A = 0. Inaˇe je zbroj det A.28 U Napomeni 3. ako je i = j.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In .♣ . tj.♣ Iz Napomene 3. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. det A Dokaz: Ako je det A = 0. c Napomena 3. Kofaktor matrice A oznaˇavamo s kof (A). tj.27 izravno slijedi: Teorem 3. c c Dokaz: Neka su uzeti i-ti i j-ti redak. onda je po Teoremu 3. Analogno ide dokaz za stupce. Vrijedi i obrat. k=1 Oˇito. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . (−1)k+i det Aki .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. Promatramo zbroj n (−1)j+k aik det Ajk .

. . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju.26 i Napomene 3.3.. 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 . . k = 1.♣ a 3. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . Ako je m = 1.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. Rm = R. Definicija 3. xn = . → x Teorem 3. − → → Iz Teorema 3. Takvu x x funkciju zovemo linearni operator. . ..3. a Dk .. A je regularna ako i samo ako je det A = 0.3. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .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. Stoviˇe.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. Ako je matrica A regularna. → ∈ Rn .3 3. D x2 = D2 Dn . µ ∈ R i sve − . D D pri ˇemu je D = det A. za sve λ. onda je rjeˇenje z s tog sustava dano s x1 = D1 . Rjeˇenje je dano s − = A−1 b .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. onda takav linearni x y operator zovemo linearnim funkcionalom. → ∈ Rn . s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. n. µ ∈ R i sve − . .

Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. MATRICE I LINEARNI SUSTAVI Napomena 3.♣ . tj. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). 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.2.5. − ∈ Rn .16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .116 POGLAVLJE 3. Dokaˇimo da je i F + G linearni z operator. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. tvrdnja slijedi. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.1 i Teorema 1. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. x x Napomena 3.5. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. Dokaˇimo da vrijede i prva dva. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. Iz Definicije 3. dakle zadovoljavaju tre´e svojstvo Definic cije 1. µ ∈ R i sve →. 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 (− ). Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). µ ∈ R i sve →. 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 .

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

Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). c H =GF . y. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. iz toˇke 3. odnosno dimN (F ) = dimN (F ).10 izravno slijedi teorem o rangu i defektu za linearni operator. 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 . tj. Njegova je matrica dana s 1 0 0 . y).3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Kako su F i F ustvari isti linearni oper− → − → atori. tj. z) = (x. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. MATRICE I LINEARNI SUSTAVI Napomena 3. y. Oˇito je rang od p1 jednak jedan (jer je slika x-os).♠ c 3. Sada nas zanima kada su ti vektori kolinearni. a defekt dva.32 i Teorema 3. Iz Napomene 3. Njegova je matrica dana s 1 0 0 0 1 0 . Primjer 3.118 POGLAVLJE 3. F ∈ Mn ). z . Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). − → → → Nadalje. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. c 2.10 Pogledajmo sljede´e primjere: c 1. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Napomena 3.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Tada je po Teoremu 3.2. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Neka je F : Rn −→ Rm proizvoljan linearni operator. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . vrijedi dimN (F ) + dimR(F ) = n.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj.3. a defekt jedan. z) = x.

vrijedi → − → → A− = λ 0 → x x i A− = λ0 − .5. x y x y x y . Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. x x x x → Dakle za svaki µ ∈ R.1 i Teorema 1. Izravno iz Definicije 3.33 Primijetimo: → 1. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). − ∈ S(λ0 ).2 oˇito zadovoljava.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn .17. Napomena 3. Nadalje neka su − .3. tj. A− 0 = x x − 0 . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. → → 2. 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 . Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. 2. da c z s zadovoljava uvjete Definicije 1. tj. Nadalje. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Dokaz: 1. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ).3. y y → → Dokaˇimo da je − + − ∈ S(λ0 ). − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . neka je µ ∈ R µ = 0 proizvoljan. ♣ Napomena 3.17 Neka je A ∈ Mn . Dokaz: Oˇito je S(λ0 ) podskup od Rn . µ = 0. x x → → Vektor − 0 ∈ Rn . c x y tj. → → Svojstva iz Teorema 1.

. ˇto c s s je ekvivalentno s uvjetom det(A − λIn ) = 0. Dakle imamo tvrdnju. →0 = 0 . x − → − → Dakle. zakljuˇujemo da je →0 ∈ Rn . MATRICE I LINEARNI SUSTAVI − → pa je → + − ∈ S(λ0 ). Po Teoremu 3. − 0 = 0 . x x x − pa je µ→ ∈ S(λ0 ). Tada skup S(λ0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti λ0 . Imamo z s x x → → → A(µ− ) = µλ0 − = λ0 (µ− ). ako i samo ako vrijedi − → → (A − λ0 In )− 0 = 0 . Sada se postavlja pitanje kako odrediti svojstvene vrijednosti i svojstvene vektore prozvoljne matrice iz Mn ? − → − − Ako je λ0 svojstvena vrijednost matrice A ∈ Mn . Dakle ´e λ ∈ R biti svojstvena vrijednost matrice A ∈ Mn ako i samo ako je c det(A − λIn ) = 0. onda je →0 ∈ Rn .♣ x Neka je A ∈ Mn i λ0 svojstvena vrijednost od A. x x svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 ako i samo ako je → → A − 0 = λ0 − 0 . x x tj. 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 . x ˇ Stoviˇe.120 POGLAVLJE 3.8 homogeni sustav s x → → − (A − λIn )− = 0 x ´e imati netrivijalno rjeˇenje ako i samo ako je matrica A − λIn singularna. 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 . x y → → Dokaˇimo joˇ da je za proizvoljni − ∈ S(λ0 ) i proizvoljni µ ∈ R µ− ∈ S(λ0 ).

.. a1 = (−1)n−1 trA. s Izraˇunajmo svojstvene vrijednosti od 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. PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ]. u oznaci KA (λ).3. tj. λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A.11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R.. Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta. Nadalje. + (−1)n−1 ann . ako i samo ako je KA (λ0 ) = 0. Odatle je a1 = (−1)n−1 a11 + . Dakle. + an . Ako stavimo λ = 0 dobijemo KA (0) = an = det A.. zovemo svojstveni ili karakteristiˇni polinom c matrice A. tj.. funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ. Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1.3. Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + . Taj polinom. Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A. Primjer 3. ϕ = kπ k ∈ Z. Dakle. gdje su bij = aij za i = j i bij = aij − λ za i = j.

da A c nema realnih svojstvenih vrijednosti. svaki vektor kanonske ortonormirane baze od Rn je svojstven. cos2 ϕ − 1.♠ Dakle iz Primjera 3. nul matrice. Tako npr. Medutim.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. Tada su sve njene svojstvene vrijednosti realne.18 Za matrice A. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. za nul matrice. . z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. c Teorem 3. tj. tj. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). Za dijagonalne matrice.2 = cos ϕ ± Kako je ϕ = kπ. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. za trokutaste. iterativne metode. Stoga se koriste razne pribliˇne metode. svojstvene vrijednosti od A nisu realni brojevi. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0.122 POGLAVLJE 3.19 Neka je A ∈ Mn simetriˇna matrica. k ∈ Z. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. Nadalje. imamo cos2 ϕ − 1 < 0 tj. c s c z itd. Definicija 3.

Takoder nikoja tri od a. c Primjer 3. tj. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0.3. b. b. c. Pokuˇajmo je dijagonalizirati.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. Dakle. c. d svi razliˇiti od nule. z Uzmimo sada da je samo a = 0. a b c d .12 Neka je matrica A dana s A= 2 0 1 2 . ˇto ne moˇe biti. pretpostavimo prvo da je b = c = 0. c. d ne mogu svi biti istodobno nula. Primijetimo da a. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. b. To nije uvijek mogu´e.3. onda iz druge jednadˇbe imamo da je y = 2.20 Sliˇne matrice imaju iste svojstvene vrijednosti. dijagonalizirati matricu A. analogno vrijedi za a = d = 0. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. x 0 0 y . Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. tj. x 0 0 y . pokuˇajmo prona´i regularnu matricu s s c P = takvu da vrijedi P −1 AP = Uoˇimo da je gornja jednakost ekvivalentna s c AP = P dakle imamo 2a 2b a + 2c b + 2d Odnosno. Dakle matricu A ne moˇemo dijagonalizirati. s z Dakle ostaje nam samo sluˇaj kada su a. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. d ne mogu biti nula. jer u suprotnom matrica P nije regularna.♠ c s z z = ax by cx dy .

. 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. ♣ Teorem 3. ako je λ0 svojstvena vrijednost od A ∈ Mn .. λn od KA (λ) zovemo algebarska kratnost od λ0 . Dakle 0 nije svojstvena vrijednost. A je regularna. c c Teorem 3... . nultoˇka od KA (λ). Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . c Teorem 3. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. s Teorem 3. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). c Kako je KA (λ) polinom n-tog stupnja..22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.34 znamo da je skup S(λ0 ) potprostor od Rn . λn . tj. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. . Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . . Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. Tada iz Napomene 3.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . .124 POGLAVLJE 3..5) znamo da z z KA (λ) ima n nultoˇaka λ1 ..36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . Ipak. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna.. λ−1 . Obratno. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi..21 Neka je A ∈ Mn simetriˇna.♣ Napomena 3...24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . iz osnovnog teorema algebre (Teorem 5. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A..21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. ona se u nizu c nultoˇaka λ1 . a odgovaraju´i se svojstveni vektori podudaraju. λn . Sada. Ako je A joˇ simetriˇna onda iz Teorema 3.12 vidimo da ne moˇemo svaku matricu dijagonalizirati. tj. c Napomena 3. dijagonalna. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.♣ c . .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. λn od KA (λ) pojavljuje barem jednom...

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

proizvoljan i an ≥ 0 za svaki n ∈ N. .132 POGLAVLJE 4. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . Ako je r ∈ R. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. r = 0. lim (an ± bn ) = lim an ± lim bn . prema kojoj vrijednosti. n−→∞ n−→∞ n−→∞ 4.5 Neka je (an ) konvergentan niz.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. ako je bn = 0 i n−→∞ lim bn = 0.4 Neka su (an ) i (bn ) konvergentni nizovi. c c c Npr. te c ∈ R proizvoljan. Tada c an −→ 0 ⇔ 1 −→ ∞.3 Neka je (an ) niz s pozitivnim ˇlanovima. c s c c c tj. n−→∞ n−→∞ n−→∞ 2. c Teorem 4. konvergira li. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. lim (an bn ) = lim an lim bn .♣ an Teorem 4. NIZOVI I REDOVI 4. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. lim (can ) = c lim an . n−→∞ n−→∞ 3.1. Tada vrijedi: 1. onda je lim an an = n−→∞ . ako ne i nemogu´e. i ako da.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4.

jer je log |q| < 0. q 2 . ili u ˇirem smislu. Onda je po Napomeni 4.4 dovoljno je promatrati niz s a1 = 1.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. pa prema prethodnom niz n n −→ 0. c Dokaz: Neka je (an ) monoton i ograniˇen. ograniˇen niz je konvergentan. q 3 .. Tada po Teoremu 4. c c c Prema Teoremu 4. (an ) raste. NIZOVI REALNIH BROJEVA 133 Teorem 4. q. za svaki n ∈ N. Kako je (an ) monoton. dakle divergentan. Logaritmiranjem se dobije n log |q| < log ε.♣ Teorem 4.6 je tipiˇni teorem egzistencije. Sada. Tj. q 2 . tj. 1 |q n | Neka je sada |q| > 1. To je ekvivalentno s |q| < ε. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. c c .4. vrijedi lim inf an = lim sup an ∈ R. . pa je lim an = 0. q 3 .. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . Pogledajmo prvo sluˇaj |q| < 1. tj. po Teoremu 4. dakle ili q −→ ∞. Tada je n 1 |q| < 1.1. i ako npr. niz (an ) s konvergentan. log |q| Dakle svi ˇlanovi niza 1.4. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. niz 1.... Dakle imamo samo c c s z s jedno gomiliˇte. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti.3 imamo |q | −→ ∞. U suprotnom. Teorem 4. tj. G > G . n−→∞ Dokaz: Iz toˇke 4. on moˇe imati najviˇe jedno gomiliˇte.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. ˇto ne moˇe biti jer je G gomiliˇte.♣ c z s Napomena 4. znamo da neˇto postoji. Imamo log ε n> . ako s z s s (an ) ima barem dva gomiliˇta G i G .2 niz (an ) ima barem jedno c gomiliˇte. no ne c s znamo koliko je i kako to na´i. dakle divergira ili u uˇem. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. . ε). Za |q| < 1 je lim an = 0.6 Monoton. q. odrediti. c Napomena 4. izraˇunati.1.

teˇe k nuli.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. Neka je niz (an ) dan formulom an = nλ . Tada vrijedi   ∞. n 6. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. Neka je niz (an ) dan formulom an = n λ. Neka je niz (an ) dan formulom an = n n. n−→∞ n−→∞ n 4. Tada vrijedi lim an = 1. 2.♣ Teorem 4. . ako je λ = 0. Tada n! vrijedi lim an = 0. gdje je λ ∈ R proizvoljan. NIZOVI I REDOVI Teorem 4. gdje je λ ∈ R proizvoljan. Tada vrijedi n−→∞ lim an = 1. √ 3.7 je najop´enitiji.1.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. Tada vrijedi ∞. ako je λ > 1 lim an = n−→∞ 0. ako je 0 < λ < 1. ako je λ < 0 √ 5. 1 n . 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. c z 4. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e.134 POGLAVLJE 4. n−→∞   0. λ = 1. Neka je niz (an ) dan formulom an = |λ| . Neka je niz (an ) dan formulom an = λn . ∀r ∈ N). proizvoljan. ako je λ > 0  lim an = 1. gdje je λ > 0. tj.

nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). a2 .2 4. ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . + an = k=1 ak = Sn . a oznaka an divergira. c Definicija 4. Konvergencija reda Ako u beskonaˇnom nizu (an ). Definicija 4.8 Pogledajmo sljede´e primjere: c . c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. n-ta parcijalna suma. a1 . Za svaki konaˇan n z c veliˇina Sn je dobro definirana.. a3 . zareze zamijenimo plusevima c dobijemo beskonaˇni red... Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). an je oznaka za red. kaˇemo da i red z Napomena 4.1 Redovi realnih brojeva Pojam reda. ∞ an je oznaka za n=1 Primjer 4.2. No.2.. a konaˇna suma postaje red. Dakle. Ako je S = lim Sn < ∞.8 Neka je (an ) niz.8 Oznaka sumu reda an . konaˇna suma. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). gdje je (Sn ) niz parcijalnih suma niza (an ).4. tj. REDOVI REALNIH BROJEVA 135 4. tj. Red dobiven od niza (an ) oznaˇavamo s c an . . n=1 Ako niz parcijalnih suma (Sn ) divergira. (Sn )).

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

Dakle je red Teorem 4. c .2. n 1 (−1)n−1 n uvjetno konvergentan. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.8 znamo da red = divergira i da je lim n n−→∞ n 0.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. REDOVI REALNIH BROJEVA za svaki n ∈ N. tj.8 Ako red apsolutno konvergira.♠ dok red 1 n divergira (Primjer 4.10 Iz Primjera 4. oˇito vrijedi c Sn+1 = Sn + an+1 . tj. n−→∞ odnosno n−→∞ lim an+1 = 0. a red |an | ne konvergira. Definicija 4. c c ako op´i ˇlan niza (an ) konvergira u nulu.8). Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.8. onda on konvergira i obiˇno.9 op´enito ne vrijedi. an . Primjer 4.♣ 1 1 Napomena 4.♣ c Uoˇimo da iz Primjera 4. Nadalje.4. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . kaˇemo da red z an konvergira uvjetno. S = lim Sn = n−→∞ n=1 an .♠ 2n n−→∞ ∞ Napomena 4. onda op´enito red c c c an ne mora konvergirati. Ako red an konvergira.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.9 ne slijedi obrat Teorema 4.10 Red an apsolutno konvergira ako konvergira red |an |.

a1 q n−1 = 1−q n=1 Obrnuto. + a1 q n . = a1 q n−1 . pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. tj. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. onda je oˇito an = a1 . n−→∞ 1 − q 1−q 1 − qn .. tj. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. a to divergira za svaki a1 = 0. Pretpostavimo suprotno. onda je oˇito an = a1 (−1)n−1 . Iz Teorema 4. vrijedi Sn = a1 za svaki n ∈ N. Nadalje kako je c n−→∞ lim an = 0 . q ∈ R proizvoljni. c Ako je q = −1. da geometrijski red a1 q konvergira i da je |q| ≥ 1. c Pretpostavimo da je a1 = 0 i |q| < 1. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . Teorem 4. imamo Sn − qSn = a1 (1 − q n ).2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . Nadalje. zovemo geometrijski red s kvocijentom q..5 imamo da je lim Sn = a1 lim a1 1 − qn = . NIZOVI I REDOVI 4.2.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1.138 POGLAVLJE 4... Sn = a1 + a1 q + a1 q 2 + . Pogledajmo n-tu parcijalnu sumu. tj. gdje su a1 . pa je Sn = na1 ... + a1 q n−1 . Ako je q = 1. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + .

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.♣

Oˇito je za x = 0 svaki red potencija konvergentan. . Neka je an = n! . onda konTeorem 4..146 POGLAVLJE 4. onda red an konvergira.3. zovemo red potencija.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. . red an0 + an0 +1 + . Red oblika an xn .18 Neka je 0 < λ < 1. gdje je x ∈ R proizvoljan. Dokaz: Neka su λ ∈ R.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. . Dakle. Ako red n an x0 divergira. . 0 < λ < 1. an za svaki n ≥ n0 . an za svaki n ≥ n0 . Dakle imamo an0 +1 ≤ λan0 . an0 +3 ≤ λan0 +2 ≤ λ3 an0 . i n0 ∈ N takav da je an+1 ≤ λ.♣ Primjer 4. . Neka je an = 1. i suma mu je 1−x . za svaki n ∈ N. Ako postoji λ ∈ R. za svaki m ∈ N. 1 2. an0 +2 ≤ λan0 +1 ≤ λ2 an0 .9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1.♠ 1 xn−1 (n−1)! 4. Tada iz Teorema 4.. c Teorem 4.13 1. za svaki n ∈ N. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. an0 +m ≤ λm an0 . NIZOVI I REDOVI Neka je (an ) proizvoljan niz.

.14 1.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.3.3 Cauchyev kriterij Teorem 4. 1 n+1 lim n−→∞ 1 n 2. Sada iz Napomene 4. Neka je dan red vrijedi 1 .19 Neka je an red s pozitivnim ˇlanovima. Ako postoji λ ∈ R. a ne moˇemo niˇta z s zakljuˇiti za l = 1.8 znamo da on = 1.♣ Napomena 4.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . 4. an konvergira. ali vrijedi 1 . konvergira.3. n−→∞ an lim onda red an konvergira za l < 1.8 znamo da on konvergira. n2 Tada iz Primjera 4. c 0 < λ < 1.♣ . Neka je dan red divergira. n Tada iz Primjera 4. imamo da red c an konvergira.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. onda red an ≤ λ. divergira za l > 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. c Primjer 4.9 konvergira.16 imamo da i red an0 + an0 +1 + .4. Ako postoji limes c an+1 = l.

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.♠ c s Cauchyev kriterij je jaˇi.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. a divergira za sve x ∈ R za koje je |x| > ρ. a iz toˇke 4. tj. a ne moˇemo niˇta z s zakljuˇiti za l = 1. . divergira za l > 1.1.14 za red odnosno red n znamo da divergira odnosno konvergira. Ako postoji limes c n−→∞ lim √ n an = l.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. NIZOVI I REDOVI Napomena 4. c 1 Primjer 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). 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. (an ) niz u R i x ∈ R prozvoljan.20 zovemo radijus konvergencije reda potencija a n xn . Ako postoji lim sup n |an | i lim sup n |an | = 0.20 Neka je an xn red potencija. onda red an konvergira za l < 1.

8 znamo 1 1 da red konvergira. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. konvergira za Pogledajmo sada ako je |x| = 1.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. Neka je dan red potencija lim sup n 149 1 n x .4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). n Tada je 1 = lim n−→∞ n n 1 = 1. a divergira za |x| > ρ (ako lim sup n |an | postoji). Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija.20 red potencija |x| < 1. (−1)n . itd. konvergira za Pogledajmo sada ako je |x| = 1.3. Ako je x = −1.4. Tada imamo sljede´i kriterij (Leibnic c zov): . tg n. 4.16 1. Iz n2 n2 1 Teorema 4. dok za x = 1 red n 1 divergira. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. iz Primjera 4.8 imamo da konvergira i red (−1)n .♠ n2 Teoremu 4.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Ako je x = 1 onda. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. n 2. c sin n. a divergira za |x| > 1. Po Teoremu 4.). a divergira za |x| > 1. ali smo u Primjeru 4.20 red potencija |x| < 1. KRITERIJI KONVERGENCIJE Primjer 4. Teorem 4. n2 1 n x n2 dakle je ρ = 1. onda iz Primjera 4. dakle i apsolutno konvergira red (−1)n . n 1 n x n dakle je ρ = 1. Po Teoremu 4. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Neka je dan red potencija lim sup n 1 n x .3.

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

21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.3.17 Iz Teorema 4.4.♠ s . KRITERIJI KONVERGENCIJE Primjer 4.

.

z c c s uspjeh na ispitu o uloˇenom trudu.1. manama. To pridruˇivanje se z oznaˇuje c y = f (x). ili x −→ f (x).Poglavlje 5 Funkcije 5. elementi iz X su argumenti funkcije f . Definicija 5. Element y iz Y pridruˇen elementu x iz X se zove vrijednost funkcije z f na elementu x.1 5.1 Neka su dani neprazni skupovi X i Y .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. ili f : x −→ y. Matematiˇki modeli takvih situacija temelje se na pojmu funkcije. njihov odnos promatramo pomo´u rec alnih funkcija realne varijable. Funkcija ili preslikavanje sa X u Y je pravilo f koje svakom elementu x iz X pridruˇuje jedan jedini element z iz Y . sklonosti prema z predmetu. 153 . ˇisto´i. Kad se veliˇine c c koje promatramo daju dobro kvantificirati. cijena dijamanta o njegovoj teˇini. bruˇenju. kvaliteti nastavnih materijala.

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

Prednost tabliˇnog zadavanja ili opisivanja funkcije je da je ponekad to c jedini naˇin zadavanja. Koriste se metode interpolacije. a mana je da ne znamo vrijednosti funkcije izvan c podruˇja podataka tablice i izmedu vrijednosti u kojima je poznata funkcija. dok je mana netrivijalnost dolaˇenja do tih informacija. dok su mane netoˇnost oˇitavanja i nemogu´nost c c c koriˇtenja vrijednosti izvan crtanog podruˇja. c c c c . a nakon toga odrediti njene numeriˇke parametre.Problem pronalaˇenja formule funkcije na osnovi poznavanja njenog grafa z je sliˇan problemu pronalaˇenja formule funkcije pri poznavanju tabliˇnih c z c vrijednosti. prelaˇenje iz jednog oblika u drugi je mogu´e. Kljuˇno je imati dobru ideju o mogu´oj klasi funkcija kojoj naˇa funkcija c c s pripada. ali u nekim sluˇajevima z c c to je vrlo teˇko. . aproksimacije. naravno ako imamo dovoljan c c broj tabliˇnih vrijednosti.Naravno.1. preglednost. c . OSNOVNI POJMOVI 155 5.5.Za fukciju zadanu formulom prednost je da znamo sve o funkciji. onda je naˇelno trivijalno dobivanje tablice vrijednosti iste funkcije.2 Naˇini zadavanja funkcije c Imamo tri osnovna naˇina zadavanja funkcije tj. grafiˇki i formulom (analitiˇkim izrazom). c . opisivanja funkcijske ovisnosti: c tabliˇno. tj. do na toˇnost oˇitavanja.Prelazak iz tabliˇnog oblika u grafiˇki je lagan. z Dakako. vrlo je netrivijalan problem. c c . onda su prednosti zornost.Problem da se na osnovi tabliˇnih vrijednosti funkcije dobije formula funkcije c je vrlo netrivijalan. komc paktnost. s . . s c .Ako imamo grafiˇki opisanu funkciju. itd. svaki od tih naˇina c c c c ima svoje prednosti i mane.1. Dakako. Prvo treba iz oblika grafa pogoditi u koju skupinu spada ta funkcija. ako znamo formulu funkcije. .Prijelaz iz grafiˇkog oblika u tabliˇni je lagan.

FUNKCIJE . y) za koje je y = c z c f (x). prikaˇemo u koordinatnom sustavu. tj. U nastavku ´emo se baviti ovim problec mom. x ∈ D(f ).1: Koordinate toˇaka na grafu funkcije. Drugim rijeˇima. c Napomena 5. f (x)). x ∈ D(f )} ⊂ R2 . projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. . 5. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. graf funkcije f dobijemo z c c kad sve parove oblika (x. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. no izvediv. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f .2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj.3 Graf funkcije Funkcije se zorno prikazuju grafovima.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . f (x)). graf funkcije f sadrˇi sve toˇke ravnine (x. projekcija grafa na y-os je slika od f ).1. z Definicija 5.156 POGLAVLJE 5.Na kraju.

a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.3: Primjer krivulje koja nije graf funkcije.2: Graf funkcije f i njegove projekcije na koordinatne osi.5.1. z s Iz Napomene 5.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. Napomena 5. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.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. Npr. ˇto je suprotno s definicijom funkcije. . c kruˇnica u ravnini nije graf niti jedne funkcije. c y x0 0 x Slika 5.

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

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

dok je svaki globalni ekstrem i lokalni. Nadalje. c dakle je i strogi globalni minimum. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. u toˇkama iz R \ {0} f nema lokalnih ekstrema. Dakle. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. c Nadalje. 0]. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. x0 + ε . govorimo o strogom globalnom maksimumu odnosno minimumu. pa i globalni maksimum i minimum. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). dakle je i c strogi globalni maksimum.160 POGLAVLJE 5. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). 3. pa i na cijelom R. +∞ i strogo padaju´a na svakom interc c valu u −∞. 2. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . 0]. dakle svaki x ∈ R je lokalni maksimum i minimum. Dakle f nema lokalnih pa ni globalnih ekstrema. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. Ako su nejednakosti stroge. govorimo o strogom lokalnom maksimumu odnosno minimumu.2 1. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. 4.5 Uoˇimo. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. . Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. Primjer 5. ako su nejednakosti stroge.♠ c Napomena 5. onda on ne mora biti i globalni. FUNKCIJE za svaki x ∈ x0 − ε. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. Analogno. +∞ a strogo rastu´a na svakom intervalu u c −∞.

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

Primjer 5. 1] −→ R dana formulom f (x) = 1 − x2 . +∞ . jedan rub je konaˇan a drugi beskonaˇan). tj.5 -1 -3 -2-2. 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 -10 Slika 5. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. postoji i konaˇan je broj f (−1). Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku.5 1 2 3 -5 -7.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. Npr. tj.162 POGLAVLJE 5.5 5 2. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. f (x) = 0 za svaki x ∈ R. tj. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. neka c √ je funkcija f : [−1.5: Primjer parne (lijevo) i neparne (desno) funkcije. Takav je rub c c regularna toˇka.

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

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

Kad bi imala dvije asimptote u jednom rubu. 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.7 Ako funkcija ima asimptotu. gdje je I ⊆ D(f ). Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I.3 Realna funkcija realne varijable f : I = a. Definicija 5. z Definicija 5. x = 0   −1 x < 0 Funkcija f ima prekid u 0. Primjer 5. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. c 1 Uzmimo ε = 2 . OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. . x > 0  sign x = 0. b −→ R. Dakle nula je toˇka prekida od f . zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. Odnosno. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Definirajmo sada pojam neprekidnosti funkcije. pravac). 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 . funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. x0 + δ ) ⊆ f (x0 ) − ε. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε).5 Neka je dana funkcija sign : R −→ R formulom   1.3 kaˇe da je funkcija f : I = a.5. f (x0 ) + ε . c 165 Napomena 5. Intuitivno. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj.1.

Napomena 5. 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. b −→ R.4. iz uvjeta m ≤ f (x) ≤ M. za svaki x ∈ I. Ako je x0 > 0.4 stavimo M = max{|m|. Napomena 5. M ∈ R c takvi da je m ≤ f (x) ≤ M. za svaki x ∈ I. Napomena 5. je ograniˇena na I ako postoji realan broj M ∈ R. b −→ R neprekidna u toˇki c x0 ∈ I. za svaki x ∈ I. funkcija je neprekidna u x0 .9 Iz Definicije 5. onda je funkcija f ograniˇena na nekoj okolini oko x0 . FUNKCIJE y 1 0 x −1 Slika 5. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. b −→ R. Analogo se dokaˇe za x0 < 0.166 POGLAVLJE 5. je ograniˇena ili omedena na I ako postoje realni brojevi m. gdje je I ⊆ D(f ). tj.4 Realna funkcija realne varijable f : I = a.10 Ako je funkcija f : I = a. tj. gdje je I ⊆ D(f ).8 Ako u Definiciji 5.♠ z Definicija 5. M > 0. c . takav da je c |f (x)| ≤ M .8: Funkcija sign(x). slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.

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

D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. c Preciznije. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ).. Dakle imamo definirano c c mnoˇenje funkcije skalarom. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. Npr. g : R −→ R. Uoˇimo da je D(g) = R. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor.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. z c z Napomena 5. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). skup funkcija {1.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje.. 1..3). 1. c c ∈ R. . b) Ako je c > 0.5). n = 0. a) Ako je c = 0.168 POGLAVLJE 5.12 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 isti kao i graf funkcije f . onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. . Tj. Napomena 5. x . a g dana formulom g(x) = c. tj. pri ˇemu je f proizvoljna. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. dakle beskonaˇni skup {xn . pa je D(f ± g) = D(f ). c c Neka su f. ... x. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. c) Ako je c < 0. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}.

. funkcija f g ima iste nultoˇke kao i funkcija c c f .5. a) Ako je c = 0. vrijedi |(f g)(x)| ≤ |f (x)|. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f .1. samo je usporen pad i rast c funkcije f . onda je (f g)(x) = 0 za svaki x ∈ D(f ). onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Graf funkcije f g je sliˇan grafu funkcije f . OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. Dakle. y 2 f(x) 0 f(x) x Slika 5. tj. 2.9: Graf funkcije f (x) + c za c > 0. b) Ako je 0 < c < 1. Graf funkcije f g je pravac y = 0 ili x os.10: Graf funkcije 2f (x). Pogledajmo funkciju f g u ovisnosti o c ∈ R. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta.

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

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

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

1 . Dakle imamo f ◦ id = id ◦ f = f. Naime. za proizvoljnu funkciju f .7 Neka je dana funkcija f (x) formulom f (x) = x . OSNOVNI POJMOVI Primjer 5. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. moˇemo gledati funkciju f ◦ f .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . 1 Primjer 5. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).1.5. Tada je oˇito c D(f ) = R(f ). z funkciju f komponirati samu sa sobom. . tj.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . tj. za svaku funkciju g : R −→ R.♠ 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. g ◦ f = f ◦ g. 3x + 1 3x + 1 2x 6x = . op´enito.♠ x+1 x+1 173 2x . da je. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). c Napomena 5. Napomena 5. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . za tu funkciju vrijedi g ◦ f = f ◦ g = g. U takvom sluˇaju piˇemo f 2 = f ◦ f .6 vidimo da operacija kompozicije funkcija nije komutativna.

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

a funkcija g definirana c i neprekidna u f (x0 ).13: Kompozicija funkcija. b) Ako su funkcije f i g neparne. d) Ako je funkcija f neparna a g parna. Parnost kompozicije u ovisnosti o parnosti komponenata. 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). 175 a) Ako su funkcije f i g parne. Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. z 3.1. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). c . onda je i kompozicija g ◦ f neprekidna u x0 .5. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). OSNOVNI POJMOVI 2. c) Ako je funkcija f parna a g neparna. Toˇnije. g f N N P P P P g f N P Slika 5. onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). ako je funkcija f neprekidna u x0 .

Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. FUNKCIJE 5. 1. To je za neke funkcije mogu´e. s s Jasno je da ´e nas npr. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ).. b : studenti −→ {0. Dakle.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. i obrnuto.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . 2. 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.. Drugim rijeˇima. 10 sati rada stroja koˇtati 2500 kn.. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.♠ Primjer 5. . c s Pogledajmo sada obratni problem. Primjer 5. tj. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. i joˇ 500 kn za dovoz i odvoz. Dakle imamo. 200x + 500 = 1300. moˇe biti viˇe studenata koji su imali nula bodova. Uspjeli smo rijeˇiti problem. Ne c c moˇemo rijeˇiti problem. . 12}.176 POGLAVLJE 5. Nas zanima x(y).8 Troˇkovi rada stroja su 200 kn/h. Kaˇe se i da z c z f ne lijepi argumente. tj.1. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena.♠ z s Definicija 5. a za z c neke nije.

1. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. a injektivnost njegovu jedinstvenost. ali ne i za paran n.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). je injekcija za neparan n. n ∈ N. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . c c Definicija 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. x2 ∈ D(f ). Injektivnost. Definicija 5.6 c ekvivalentan sljede´em: za x1 . s c Primjer 5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.♠ Primjer 5.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. . za bilo koji c ∈ R. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.5.10 Funkcija f (x) = xn . S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. tj. Napomena 5. 1). f : D(f ) → R(f ) je uvijek surjekcija.11 U Primjeru 5.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke.8 izraˇunali smo da je x(1300) = 4. 1) i (1. Napomena 5. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.

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

pa ima i inverznu funkciju. Dakle.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. kad govorimo o inverzima funkcija f : R −→ R. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. f | −∞. Primjer 5. No f ◦ g = id. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.20 Ako je funkcija f : R −→ R strogo monotona.1. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. a ona c c je strogo rastu´a funkcija. To je oˇito inverzna funkcija od f . Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. i √ g2 : [0. Tada iz Napomene 5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. +∞ jesu. a strogo c c padaju´e funkcije strogo padaju´a. jer je c f ◦ g = g ◦ f = id. Teorem 5.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. OSNOVNI POJMOVI 179 Napomena 5.20 znamo da f c ima inverznu funkciju g. g2 (x) = x. Dakle vrijedi f ◦ g = g ◦ f = id.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. onda je ona oˇito i bijekcija na svoju sliku. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. g1 (x) = − x.10). c Primijetimo da ako f nije strogo monotona nego samo monotona. c c Dokaz: Neka je f : R −→ R strogo rastu´a. +∞ .♣ z c .5. 0]. +∞ −→ [0. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. +∞ −→ −∞.♠ Napomena 5. Dakle. no njezine restrikcije na −∞.+∞ su bijekcije s inverzima g1 : [0. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). 0] i [0.0] √ i f |[0.

jer je f (x) c rastu´a. Dakle. FUNKCIJE Teorem 5. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). Primjer 5.♠ c Analogno kao u Primjeru 5.♣ Iz Primjera 5.2 ne moˇemo izre´i za parne funkcije.12 slijedi da tvrdnju Teorema 5. +∞ gdje je bijekcija. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.2 Inverzna funkcija neparne funkcije je neparna. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. Pokuˇajmo sada. Tada je njena inverzna funkcija g : [0. +∞ . 0] ili [0. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. ali nije bijekcija.180 POGLAVLJE 5. praktiˇno izraˇunati.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.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. 0] odnosno . Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. +∞ −→ −∞. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). z c Napomena 5. f −1 je neparna.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4.

specijalne funkcije kojima se ovdje ne´emo c baviti. Restrikcija te funkcije na interval [−1.4 0.2.8 0.2 -0. Primjer takve funkcije je c x f (x) = xe . c . +∞ dana formulom − n x odnosno n x. ima inverznu funkciju. +∞ je bijekcija. +∞ −→ [0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.4 1 2 Slika 5. ˇ Cak i za funkcije koje imaju inverze. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.2 -3 -2 -1 -0.16: Graf funkcije f (x) = xex . tj.5. Ako je n neparan. 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.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. 0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. 5. c Osim elementarnih postoje i tzv.6 0.

za svaki x ∈ R.Area 2.Eksponencijalne .Ostale algebarske funkcije b) Transcendentne . mnoˇenih nekim koeficijentima.2. Elementarne a) Algebarske .Racionalne funkcije .1 Klasifikacija i podjela realnih funkcija 1.Polinomi .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Hiperboliˇke c . k Po definiciji stavljamo x0 = 1. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.2. dolazimo do pojma z .Ciklometrijske . FUNKCIJE 5.Trigonometrijske .Logaritamske . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.182 POGLAVLJE 5. xk = x · x · · · x .

Koeficijent an je vode´i. P. . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. a a0 je slobodni koeficijent. . P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. + a2 x2 + a1 x + a0 . Ovdje podrazumijevamo da je an = 0.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + .11 Dva polinoma P i Q su jednaka. Definicija 5. ako su jednaki kao funkcije. Definicija 5. . Polinomi su konceptualno najjednostavije funkcije. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. tj. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R.5 5 2. .2. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).a1 . . . Realne konstante an .5. . c 10 7. a0 su koeficijenti polinoma Pn (x).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. Dakle je svaki polinom definiran na cijelom skupu R.5 -3 -2 -1 -2.

3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .02 4 0.5 2 2. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.14. a ordinata je. Apscisa nultoˇke je nuliˇte. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. .♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.. = an = 0. za sve i = 0.01 1.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.184 POGLAVLJE 5..02 3 2 0. 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 .11. Broj c k zove se red ili kratnost nultoˇke x0 .. 0.01 -0.5 3 Slika 5. 1. n.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. c c .. tj. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. c Primjer 5. FUNKCIJE n Teorem 5.: n m Teorem 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.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 . c c c s naravno.

3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. dok za x > x0 vrijedi (x − x0 )k > 0.8). dok c u nultoˇkama parnog reda nema promjene predznaka. a = 0. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Ako je k neparan.22 U nultoˇkama neparnog reda polinom mijenja predznak. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5.5. onda iz Teorema 6. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0.19: Graf linearne funkcije f (x) = x + 75. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. tj. Za a = 0 imamo konstantnu funkciju p(x) = b. Tjeme . c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a .ako raste u s c nekoj toˇki. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. odnosno strogo padaju´a.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Ako je k paran. onda iz Teorema 6. raste na cijelom R. je polinom drugog stupnja ili kvadratna funkcija.2. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. kaˇemo da je linearna funkcija strogo rastu´a. a prema dolje ako je a < 0. za x ≥ 0. Otvor joj je okrenut prema gore ako je a > 0. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. po Teoremu c 6. a padaju´a ako je a ≤ 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 . Ako su ove nejednakosti c c stroge. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda.

♣ c c .5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. −D/4a). Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. Teorem 5. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. c Napomena 5. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. tj. inaˇe velike negativne vrijednosti).186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. Nultoˇke kvadratne funkcije dane su formulom c x1. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.2 = √ −b± D . Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik.8) graf polinoma mora negdje sje´i x os.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).♣ c Iz Teorema 5. npr. Zbog neprekidnosti c polinoma na R (Teorem 6. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. 2a i realne su ako je D ≥ 0. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. inaˇe velike pozitivne). parabole ima koordinate (−b/2a. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. FUNKCIJE 1 2 Slika 5.

+∞ . Strogo pada na −∞. strogo raste na [0. i = 1. Primjer 5. dakle nije injekcija. Ako je n = 1.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. iz Primjera 5.. tj. 0]. Ako je n neparan broj. tj.5.. Ako je n paran broj.♠ c . c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5.. +∞ i ima nultoˇku u (0. R(Pn ) = [0. c neparna je i ima nultoˇku u (0.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. 0). c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. kao funkcija an xn . c vrijedi D(Pn ) = R. graf c joj je zrcalno simetriˇan s obzirom na y os.♠ Dakle. dakle je bijekcija. pravac y = x. .15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0.2. c 2.16 Pogledajmo funkciju (polinom) Pn (x) = xn . onda je oˇito funkcija Pn (x) = xn parna. onda je oˇito funkcija Pn (x) = xn neparna. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. n − 1. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. tj. tj. Oˇito je D(P1 ) = R(P1 ) = R. dakle je bijekcija i ima nultoˇku u (0. 3. onda je P1 (x) = x linearna funkcija. P1 (x) strogo raste na R. 0). Pn (x) strogo raste na R. 0). Nadalje. 1. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5.

dijeljenjem polinoma c izlazimo iz te klase funkcija. itd. FUNKCIJE Napomena 5.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. z Definicija 5. su koeficijenti polinoma Pnm (x). Naravno. u tom sluˇaju se situacija komplicira. y) = i=0 j=0 aij xi y j .2. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. n > 1. Realne konstante aij .25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. . .8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. kako se polinom Pn (x) = i=0 ai xi . Dakle. problem s asimptotike je sloˇeniji. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). tj.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x... Po analogiji s racionalnim c brojevima. problem poniˇtavanja je vrlo kompliciran.. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. umnoˇak i kompozicija polinoma ponovo polinom. razlika. ali c z kvocijent dvaju polinoma op´enito nije polinom. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6.. n.. Napomena 5. z n Nadalje.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. Npr.188 POGLAVLJE 5. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. sam sebi je asimptota. za velike apsulutne vrijednosti argumenta ponaˇa kao an xn i jer je n > 1 zakljuˇujemo da polinom Pn (x) ne moˇe imati niti horizontalnu s c z n niti kosu asimptotu jer funkcija an x puno brˇe raste ili pada od svakog pravca..3 Racionalne funkcije Oˇito je zbroj. j = 1. 5. Za . m. i = 1.

Qm (x) = 0}. s c D(f ) = {x ∈ R. Dakle. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Funkcija f dana formulom f (x) = 2. 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. (Smatramo da je racionalna funkcija ve´ skra´ena. Dakle. je racionalna funkcija. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . U polu racionalna funkcija c nije definirana. Definicija 5. c c . Red pola je red odgovaraju´e nultoˇke nazivnika. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. 3. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Funkcija j dana formulom j(x) = x−13 je polinom.) Dakle. nultoˇkama nazivnika. c Primjer 5. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1.2.5. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. takve su definirane na cijelom R. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. tj. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. nije racionalna funkcija. Funkcija hR dana formulom h(x) = 4.17 Pogledajmo sljede´e primjere: c 1. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. tj. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. Naravno. 6. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. 5. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1.

onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. 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 5.26 Ako je pol parnog reda.22. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . tj. Osim vertikalnih. z c Dokaz: Red pola je red nultoˇke nazivnika. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.graf racionalne funkcije moˇe imati asimptote: z 1.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).5 -25 -50 -75 -100 0. 2. dok za polove neparnog z c reda. Dakle. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije).5 1 x 1 Slika 5.5 0.5 1 80 60 40 20 -1 -0. FUNKCIJE 100 75 50 25 -1 -0. i to na vanjskim rubovima prirodnog podruˇja definicije. bi x i=0 i−m bi x i=0 i xm .26). kad c argument ide u +∞ i −∞. kao i u toˇkama u c kojima se nazivnik poniˇtava.190 POGLAVLJE 5.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. Sada tvrdnja izravno slijedi iz Napomene c 5. (lijevo) i pola Napomena 5. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma .

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

♠ Iz Primjera 5. Nadalje. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . f je parna. R(f ) = [1.192 xm (am+1 x) . Napomena 5. m i−m xm bi x i=0 m POGLAVLJE 5. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. . f strogo pada na −∞.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane.27 Analogno kao i kod vertikalnih asimptota. Oˇito je D(f ) = R. f strogo raste na [0. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. tj. +∞ i za svaki x ∈ 0. bm jer i=0 bi xi−m ide u bm .27 ne mora vrijediti. z √ Primjer 5. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. +∞ vrijedi f (x) > x. FUNKCIJE ide u am+1 x. kada argument ide u beskonaˇnost. +∞ . 0 vrijedi f (x) > −x. +∞ . Dakle. 0] i za svaki x ∈ −∞. dakle nije injekcija. 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). f (x) = x + x (desno) i njihovih asimptota. zrcalno simetriˇna obzirom c c na y os. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. Dakle.

♣ Pn (x) Qm (x) proizvoljna racionalna funkcija.5.2. Definirajmo polinom u dvije varijable s P (x.19 1.18. Definicija 5. y) = x − y n oˇito je P (x. Tada je oˇito P (x. dakle je svaka racionalna c √ Primjer 5. c Neka je sada f (x) = funkcija i algebarska.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. y) takav da vrijedi P (x. Pn (x)) = 0. dakle je svaki polinom algebarska funkcija. f (x)) = 0. y) = Qm (x)y −Pn (x).2. Definirajmo polinom u dvije varijable s P (x.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. f (x)) = 0. Dokaz: Neka je dan proizvoljni polinom Pn (x). PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. c . Tada je oˇito P (x. y) = Pn (x) − y. jer u suprotnom ne bi bila funkcija.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. Napomena 5.29 Svaki polinom i racionalna funkcija su algebarske funkcije. √ x2 + 1 i njenih asimptota z Napomena 5. 5. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. f (x)) = 0.

dok kosu asimptotu ne moˇe imati zbog Napomene 5. Neka je dana algebarska funkcija f formulom f (x) = 3 x.♠ 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 5.4). Neka je dana algebarska funkcija f formulom f (x) = x. Dakle. f strogo raste na R i neomedena je. koja je bijekcija sa R na R. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.4). f (x)) = 0. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. u 1 (toˇka 5. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. Nadalje. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Kada se argument sve viˇe pribliˇava c s z broju 1. +∞ i R(f ) = 0. c c tj. z √ 2. Funkcija f je inverzna funkcija funkcije g(x) = x3 . Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Dakle.13). tj. 0 je regularna toˇka (toˇka 5. Nadalje. y) = xy n − 1 oˇito je P (x. +∞ . za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. +∞ (Primjer 5. z tj. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. Dakle.20 1. je D(f ) = R(f ) = [0. c c √ Nadalje.13). tj. je D(f ) = R(f ) = R (Primjer 5. je D(f ) = 1. √ Primjer 5. z 1 4. FUNKCIJE 1 2. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. dakle nema vertikalnu asimptotu.13). pravac y = 0 je horizontalna asimptota funkcije f . dakle nema niti vertikalnu niti horizontalnu asimptotu.28.194 POGLAVLJE 5. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . ima vertikalnu asimptotu x = 1. +∞ . kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.1. c 1 3. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0.13).1.

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).

katetama a. Vrijednosti dekadskih logaritama su tabelirane u logaritamskim tablicama. itd. β.) i kutovima α. 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. C. 5.). gdje je M = ln a. koje su nekad bile nezaobilazno pomagalo svakog inˇenjera. onda vrijedi: b a sin α = . Konstantu proporcionalnosti 1 M = loga b = log a zovemo transformacijskim modulom. Iz svojstava operacije potenciranja slijedi ax = (eln a )x = eM x . dovoljno je poznavati vrijednosti logaric tamske funkcije za jednu bazu. cos α = . Ako je dan pravokutni trokut sa vrhovima A. kosinus ili cos x.202 POGLAVLJE 5.2. c Odatle im i ime. ili modulom b prijelaza. γ (kut α je uz vrh A. tangens ili tg x i kotangens ili ctg x. c c a b tg α = . itd. ctg α = . imamo loga x = loga b logb x. Vidimo da su vrijednosti logaritma proporcionalne. b i hipotenuzom c (stranica a je nasuprot vrha A. za sve ostale baze koristimo se odgovaraju´im c modulima prijelaza.7 Trigonometrijske funkcije Trigonometrijske funkcije su sinus ili sin x. Moduli prijelaza su korisni i pri svodenju funkcije f (x) = ax na funkciju ex . Zahvaljuju´i gornjoj relaciji. B. Povijesno se pojavljuju u metriˇkim problemima vezanim za pravokutni trokut. S porastom dostupz nosti elektroniˇkih raˇunala vaˇnost logaritama kao raˇunalnih pomagala poˇela c c z c c se smanjivati. no logaritamska funkcija je i dalje bitna za opis i razumijevanje mnogih prirodnih pojava. b a .

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

Ako je t ∈ [ π . Dakle vrijedi c sin(t + 2kπ) = sin t. Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu. tj. ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . 0] odnosno na [−2π. Ako je t ∈ [ 2 . s [0. π ] na [− π . na kutove iz [0. Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . FUNKCIJE sin x 0 cos x x 1 Slika 5. 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 . sada moˇemo sinus i kosinus analogno proˇirivati na R. Naravno. cos(t + 2kπ) = cos t . situacija se poˇinje ponavljati. π]. 2π]. onda 2 t nije ˇiljast. a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. 3π ]. ako je t ∈ [π. 2π]. 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). Sliˇno. Dakle za t ∈ [π. Dakle za t ∈ [ 3π . 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t).30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. Nakon ˇto z s s namotamo komad duljine 2π. c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . yt ) na kruˇnici. z c z π Jasno je da za t ∈ [0.204 1 POGLAVLJE 5. Dakle za t ∈ [ π . t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . 2 ] (tj. 0). z (1. Kaˇemo da su sin c z i cos periodiˇke funkcije. Analogno se sinus i kosinus s proˇire s [0. 2 ].

k ∈ Z. Napomena 5. Nadalje.5 -1 -1. Nadalje. krvnoga tlaka. Nadalje. temperatura kroz godinu. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. napona. c 2 1. a kosinusa obrnuto. Svaki 2kπ. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. period razliˇit od 2π i ne s c c . π ].5 -1 -1. To znaˇi R(sin) = R(cos) = [−1. imaju amplitudu razliˇitu od 1. za svaki t ∈ R. tj. dok je sinus neparna.5. Medutim. zbog periodiˇnosti.5 -2 5 10 Slika 5. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. π ]. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. Kaˇemo da im je faza nula. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0.5 -10 -5 -0.2. plime i oseke. −1 ≤ sin t ≤ 1. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. 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]. c amplitude i faze. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z.5 1 0. Najmanji pozitivni period je 2π i zovemo ga temeljni period.32 Lako je vidjeti da je kosinus parna funkcija. za opis osz c cilacija.5 -2 5 10 -10 -5 2 1. tj.5 -0. itd. 1]. s 2 1 u nuli i 0 u π . Dakle je z D(sin) = D(cos) = R. tj.5 1 0.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). je period funkcija sin i cos. vidimo da je −1 ≤ cos t ≤ 1. npr.

funkcije sinus i kosinus nisu injekcije.33 Zbog periodiˇnosti. tj. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . i funkciju z c π tangens proˇirujemo izvan intervala [0. c c Sin x = sin |[− π . Sliˇno kao i sinus i kosinus. tj. imamo π D(tg) = R \ {(2k + 1) . Amplituda ove funkcije je A (jer je amplituda sinusa 1). π]. . Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. a kosinus strogo padaju´a na [0. 0) (joˇ ga zovemo tangensna os). gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu). k ∈ Z}.206 POGLAVLJE 5. 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 −∞. period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. 2 ] udaljenost toˇaka (1. 2 ]. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. dakle c niti bijekcije. na svoju sliku. Napomena 5. formulom A sin(Bx − x0 ). 2 ˇto se vidi i s trigonometrijske kruˇnice. 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. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. onda je interc s π pretacija vrijednosti tg t za t ∈ [0. 2 ]. 1]. 0) i P na tangensnoj c osi. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. Dakle.π] x su bijekcije na [−1. Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. U tim toˇkama tangens ima vertikalnu asimptotu. pomak funkcije na x osi je x0 . π ] x 2 2 i Cos x = cos |[0 . FUNKCIJE nul fazu.

5. 2 ] udaljenost toˇaka (0. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0. Sliˇno kao i sinus i kosinus. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . ˇto se vidi i s trigonometrijske kruˇnice. k ∈ Z}. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. Sliˇno se interpretira i kotangens. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. . Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. onda je interpretacija vrijednosti ctg t za t ∈ [0. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R.2.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. k ∈ Z}. 1) (joˇ s c s π ga zovemo kotangensna os). Imamo ctg t = D(ctg) = R \ {kπ. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. s 1 P T x 0 1 tg x ctg x Q Slika 5. 1) i Q na kotangesnoj osi. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi.

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

i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. 1] −→ [0. 1]. π strogo rastu´e. z π π Za x ∈ [−1. s z 2 2 s z Kako je tg| − π . inverznu funkciji cos |[0. a arccos c strogo padaju´a na [−1. π π R(arcsin) = [− . 2 2 . π ] bijekcija. π jednadˇbe tg t = x . c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. Nadalje. π].5 1 Slika 5. dakle su i bijekcije.5 -0. π bijekcija. 2 2 koja je inverzna funkciji sin |[− π . 2 2 R(arccos) = [0. 1. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. Iz Teorema 5. 1]. ]. π ] .5 1 0.5. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .33 slijedi da je arcsin strogo rastu´a.5 3 2. rjeˇenje jednadˇbe postoji i jedinstveno je.5 0.π strogo padaju´e. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 1 0.π] i ctg| 0.5 -1 -0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . Dakle. Dakle.5 0. 2 ] jednadˇbe sin t = s z s z x.5 1 -1 -1. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .1 i Napomene 5.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).5 2 1.34 znamo da su funkcije sin |[− π . a c 2 2 2 2 cos |[0. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. koje zovemo arkus funkcije. rjeˇenje jednadˇbe postoji i jedinstveno je. π ] i tg| − π . oˇito je c c D(arcsin) = D(arccos) = [−1. 1] −→ [− . π].π] . . Kako je sin |[− π .2. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. ].5 -1 -0.

5 -2 -0. .5 -2 2 4 4 3.5 2 1. -4 2 1.5 1 0.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.5 3 2. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. R(arctg) = − .5 -1 -1. Npr.1 i Napomene 5. npr. oˇito je c c π π D(arctg) = D(arcctg) = R. z s z sin x = t. Iz Teorema 5. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. π . FUNKCIJE arcctg : R −→ 0. π . Napomena 5. 1]. 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 .35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).5 1 0.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. Nadalje. Dakle. inverznu funkciji ctg| 0.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.π . π ]. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. π . 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.210 koja je inverzna funkciji tg| − π . c .5 -4 -2 2 4 Slika 5. pri traˇenju rjeˇenja t jednadˇbe. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. 2 odnosno ctg| 0. tako da bi smo dobili arkus funkcije definirane na tim intervalima. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . R(arcctg) = 0.

za svaki x ∈ R. cth x = th x i zovemo ih redom kosinus hiperboliˇki. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. 0] i c strogo raste na [0. Iz formule lagano ˇ slijedi da je |th x | < 1 . +∞ . Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. 2 sh x e x − e −x th x = = x . 2. 3. Lagano se vidi da je ch x > 0 . th je neparna. Dakle je R(ch) = [1. ch x e + e −x 1 . dakle nije injekcija. parna je. za svaki x ∈ R. +∞ i nema asimptote.5. za svaki x ∈ R. PREGLED ELEMENTARNIH FUNKCIJA 211 5. Zbog neparnosti c c od sh i parnosti od ch. Lako se vidi da je neparna.2. strogo raste na R. sinus hiperboliˇki.2. neograniˇena je. 1 . iako se definiraju u terc minima eksponencijalne funkcije. Primjerice. Stoviˇe.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. vrijedi ch x = ch2 x − sh2 x = 1 . . Dakle th ima dvije horizonzalne s z asimptote. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. i R(th) = −1.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . strogo pada na −∞. neograniˇena c je pa je R(sh) = R i nema asimptote. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. Nadalje. y = −1 i y = 1. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. Napomena 5. Strogo raste na R. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. tanges hiperc c boliˇki i kotanges hiperboliˇki. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. 2 e x − e −x sh x = . z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1.

5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. areasinus hiperboliˇki ili Arsh. 1].36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). +∞ . za svaki x ∈ R. 1. 0] ili [0. ch postaje bijekcija na svoju sliku. z y = −1 i y = 1. tj. imamo da je |cth x | > 1 .5 -1 -1.5 -4 -2 -0. Zbog neparnosti od th i cth je neparna.5 1 0. Funkcije inverzne hiperboliˇkima zovu se area funkcije. kako je |th x | < 1 . cth strogo pada na R \ {0}. Dakle cth ima i dvije horizontalne asimptote.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). preciznije areakosc inus hiperboliˇki ili Arch. Ako ch. to mora i cth x . za svaki x ∈ R\{0}. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. Nadalje. c osim funkcije ch. Kako th strogo raste na R. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. 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. zbog parnosti. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. imamo: . i R(cth) = R \ [−1. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. restringiramo na −∞. 4. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth.

Kako su y = −1. Oˇito je D(Arcth) = R \ [−1. a pravac y = 0 horizontalna asimptota. tj. 4.2. c 3.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. tj.5 1 1. +∞).1 slijedi da Arth strogo raste. +∞ . pravci x = −1 i x = 1. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.5 -1 -2 -3 0. 1 .5. vertikalne asimptote od Arth. PREGLED ELEMENTARNIH FUNKCIJA 213 1. c 2. R(Arth) = R \ {0} i iz Teorema 5. onda je D(Arch) = [1.1 zakljuˇujemo da Arch strogo raste. y = 1 horizontalne. onda su rubovi −1 i 1. iz Teorema 5. . Oˇito je D(Arth) = −1.5 2 2. 1].5 2 1.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). a x = 0 vertikalna asimptota od cth. onda su rubovi −1 i 1.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh.5 3 Slika 5.5 0.5 1 0.1 c slijedi da Arcth strogo pada. +∞ i R(Arch) = [0.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). R(Arth) = R i iz Teorema 5. Iz Teorema 5. 3 2 1 -1 -0. vertikalne asimptote od Arth. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. pravci x = −1 i x = 1. Kako su y = −1 i y = 1 horizontalne asimptote od th. Ako smo ch restringirali na [0. Oˇito je D(Arsh) = R(Arsh) = R.

.

0 ≤ m ≤ 20 3. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.05(m − 20) kn.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. m > 20. m = 20 i m = 30.1.05h = 0.5 + 0. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.05(m − 20).05(m2 − m1 ). (Masa m je izraˇena u gramima. Naime. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.1.1 6. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .5 + 0.8. 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. onda je 215 .05h (∆c = ˇ 0. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.05∆m).Poglavlje 6 Uvod u diferencijalni raˇun c 6. Dakle imamo c(m) = 2. Graf te funkcije prikazan je na slici 6.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. a visina poˇtarine c u z s kunama).8 kn. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.

Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.216 ˇ POGLAVLJE 6. s s 20M ≥ (m2 − m1 )). odnosno da graf funkcije ima prekid u toj toˇki.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ).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).♠ c Definicija 6. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. S druge strane. Definicija 6. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. . c c Napomena 6.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.7 kn.

S druge strane.1.2 Funkcija c(m) iz Primjera 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.1. ali je ona c neprekidna s lijeva u toj toˇki. ako je m lijevo od 20 i dovoljno blizu 20.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). ako je m > 20 i m blizu 20. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.2 Svojstva neprekidnih funkcija Teorem 6. 6.2 Iz Definicije 6. No. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.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). |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).ˇ 6.1 Neka su funkcije f. postoji δ > 0 za koji vrijedi Definicija 6.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 .2 nam daje ideju za sljede´u definiciju: c Definicija 6. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. Primjer 6. Tada su u toˇki x0 neprekidne i funkije: c . ipak m(c) nije blizu m(20). Prema tome za svaki ε > 0 ako postoji jedan δ > 0. Analogno. s c c Napomena 6. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1 ima prekid u toˇki c = 20.1.♠ Primjer 6. koji c je manji od nekog fiksnog strogo pozitivnog broja. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.1. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 .1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).

f − g. i funkcija g neprekidna u f (x0 ).4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. 4.218 1. 2. x=0 x f (x) = 1.3 Iz Napomene 5. tj.11 znamo da je funkcija f : R −→ R dana formulom 1 . Dakle.♣ z c Teorem 6. |xδ − c| < δ. 1].♠ .2 Neka su funkcije f. c c Primjer 6. 1] −→ R. tj. b]. ˇto je suprotno pretpostavci. Uzmimo ε = f (c). onda je funkcija g ◦ f neprekidna u x0 . po pretpostavci. c + δ) takav da je f (xδ ) ≤ 0. Dokaz: Pretpostavimo suprotno. Ako je funkcija f neprekidna u x0 . f ima prekid u toˇki c. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. mora imati nultoˇku. onda njezin graf mora negdje sjeˇi x os. b takav da je f (x0 ) = 0. Ako pogledamo funkciju f restringiranu na segment [−1. za koji je f (xδ ) ≤ 0. 1] (jer je nema na cijelom R).3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. c + δ).♣ Teorem 6.♣ c Teorem 6. g ˇ POGLAVLJE 6. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ.1] : [−1. tj. Tada postoji x0 ∈ a. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. Tada za svaki δ > 0. 3. g : R −→ R takve da je definirano (g ◦ f )(x0 ). Tada je |f (xδ ) − f (c)| > f (c) = ε. f .4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. tj. x = 0 svugdje neprekidna osim u nuli.♣ Teorem 6. f + g. i neka je f (c) > 0 (f (c) < 0). c s Analogno se dokaˇe sluˇaj f (c) < 0. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). f |[−1. postoji xδ ∈ (c − δ. f · g. onda je oˇito f (−1)f (1) = −1 < 0. c + δ . ali oˇito f nema nultoˇku na segmentu c c c [−1. i neka je f (a)f (b) < 0.

onda je ta funkcija i neprekidna. c 1 x je Teorem 6. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.♣ c Tvrdnja Teorema 6. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. 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.♣ 6. slika otvorenog intervala − π . Nadalje. 1 .5 ne vrijedi za otvorene intervale.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. funkcija f (x) = neprekidna na 0.3 Neprekidnost elementarnih funkcija Primjer 6.1. .4 nuˇan. π . M ∈ R takvi da je m ≤ f (x) ≤ M. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. π funkcijom tg je R. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. Teorem 6.4) Teorem 6. Npr. Tada je funkcija f neprekidna na intervalu I. Tvrdnja z Teorema 6.6 ne vrijedi za otvorene intervale. b]. za svaki x ∈ I (Definicija 5. Pitanje je sad.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.1.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .6 kaˇe da je slika segmenta neprekidnom funkcijom segment. Npr.ˇ 6.♣ Teorem 6.3 slijedi da je uvjet neprekidnosti iz Teorema 6.4 Funkcije f. ali oˇito je neomedena.

4) i Teorema 6. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. jer su njihove restrikcije npr.220 ˇ POGLAVLJE 6. Budu´i da je f (x) − f (x0 ) = c − c = 0. arkus.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. n. UVOD U DIFERENCIJALNI RACUN 1.7. logaritamske.♠ z Iz Primjera 6. Na isti naˇin se zakljuˇi da su xi ..7 imamo da su neprekidne i funkcije arctg i arcctg. na intervale − π .. Na kraju.1. π monotone c 2 2 bijekcije na R. 1. z c Uzmimo proizvoljni ε > 0. hiperboliˇkih (osim kosinusa hiperbolnog).1.. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). polinom Pn (x) neprekidan na R. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.. jer je svaka racionalna funkcija kvocijent dvaju polinoma.♣ Napomena 6. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R.1 sada slijedi da je na R neprekidna i funkcija x2 . c Dokaz: U Primjeru 6.. 1. logaritamskih. i = 0. trigonometrijske.1 direktno imamo: n Teorem 6.. . Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. na R su neprekidne i funkcije ai xi . Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.4 i Teorema 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). zakljuˇujemo c da je i suma od ai xi . Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.1.4 dokazali smo da je funkcija f (x) = x neprekidna na R.7 c i periodiˇnosti. . n. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. Dokaz: Neprekidnost eksponencijalnih. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. takoder iz Teorema 7. c c neprekidne na R.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. n. z 2.. Nadalje. 1. takoder iz Teorema 6.9 Eksponencijalne. tj. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. Iz Teorema 6. Teorem 6.7 su neprekidne. π odnosno 0.1. z c Uzmimo proizvoljni ε > 0. .. i = 0. slijedi da c moˇemo uzeti δ = ε.. dakle iz Teorema 6. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. i = 0. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. .

1]. 0. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. ali u Napomeni 6. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. π 2 2 i 0.1. k ∈ Z. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. k ∈ Z. 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). 1] i [1. +∞ . 3π . π i 0. ˇto je ekvivalentno s s arccos x < ε. Zbog neparnosti imamo da je sin x neprekidna i u − π . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . 3π . 2 2 imamo 2x + π 2x − π cos . analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. π . Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. arcsin x i Arch x redom neprekidne na [−1. cos x i ch x redom na intervalima − π . 1 . π su monotone bijekcije na 2 2 −1.ˇ 6. arccos x i Arch x redom na intervalima −1. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. x−a x+a cos . onda 2x−π varira po intervalu − π . +∞ iz Teorema 6. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. Znamo da za funkciju sin x i proizvoljni a ∈ R vrijedi da je sin x − sin a = 2 sin Ako sada stavimo da je a = π 2. π . Oˇito je δ > 0. posebno je 2 2 neprekidna u π . π 4 2 4 4 kada x varira po intervalu 0. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. +∞ . Dokaˇimo da je arccos x neprekidna s lijeva u 1. [−1. 3π . 3π . 1 i 1. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε).7 imamo da su neprekidne funkcije arcsin x. moˇemo dobiti i δ = 0.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . ♣ . Dakle je arccos x neprekidna s lijeva u toˇki 1. Isto tako 2x+π varira po intervalu π . tj. c Analogno se dokazuju i druge jednostrane neprekidnosti. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. Sada imamo da je sin x neprekidna na 0.7 i neprekidne. dakle su po Teoremu 6. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. 2 Zbog stroge monotonosti funkcija sin x. −1. 1 . Dakle su funkcije arccos x. te da je Arch x neprekidna s desna u 1.

c 3. za x malo manji od 1. ali pozitivnu. tj. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. dodemo li s x dovoljno blizu c toˇki 1. funkcija nije definirana u toˇki 0. Ako uzmemo s c toˇku x dovoljno malu. funkcija nije definirana u toˇki 0.4 Graniˇna vrijednost (limes) funkcije c 1. 4. tj. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. dovoljno blizu c nule. vrijednosti funkcije c su malo manje od −1. vrijednosti c funkcije su malo ve´e od −1.5 nije definirana u toˇki x = 1. Raˇunaju´i te vrijednosti. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. ali negativnu. S druge strane. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. Za funkciju f : R −→ R danu formulom f (x) = arctg x .1. za vrijednosti od x koje su malo ve´e od 1. 6. zakljuˇujemo. tj. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane.222 ˇ POGLAVLJE 6. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. vidimo da su one c c c blizu vrijednosti −1. ako uzmemo toˇku c x dovoljno malu. c c 2. Dakle.

NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. moˇda u samoj toˇki c. . Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. x−→c Ako limes postoji on je i jedinstven: Teorem 6. moˇda u samoj toˇki c. Dakle.♠ Situacije iz Primjera 6.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . Ako funkcija ima limes L u toˇki c. Definicija 6. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. |f (x) − M | < ε). Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). tj.2. ako c ˇelimo promatrati ponaˇanje oko nule.2.5). 2 2 5. onda piˇemo c s L = lim f (x).10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. osim.1.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. pravac y = π je horizontalna asimptota.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. osim. 6. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.ˇ 6. a ne znamo izraˇunati ni njenu vrijednost za x = 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. Neka je dana funkcija f : R −→ R formulom f (x) = xx .

ˇto ne moˇe biti.224 Tada je L = M . takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. Uzmimo sada ε = 1 |M − L|. |f (x) − M | < ε). Tada za taj ε. naravno ne zaboravljamo. M ) je okolina od −∞.2) jako sliˇna definiciji neprekidnosti (Definicija 6. +∞) okolina od +∞. −∞ ∈ R.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. da je M = L. ali postoji bitna razlika. pri ˇemu.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. Tada kaˇemo da je L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da z x−→+∞ (x > M ) =⇒ (|f (x) − L| < ε). Dakle je M = L. postoji δ > 0. 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 ). tj.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). ˇ POGLAVLJE 6. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4.♣ s z c c Napomena 6. |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. +∞. .6 i Napomz ena 4. 2 po pretpostavci. Dakle imamo |M − L| < |M − L|.4 Uoˇimo da je definicija limesa (Definicija 6. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. Pri tome uzimamo da je svaki otvoreni interval oblika (M. i svaki interval oblika (−∞. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. Ali. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). Analogno.

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

x > 0 ima prekid u nuli. ako postoje limesi s lijeva i s desna i oni su jednaki L.6 Opiˇimo sada pomo´u limesa Primjer 6. tj. ne postoji lim sin x.5 Neprekidnost i limes Primjer 6.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c.5 znamo da funkcija   −1. onda iz Definicije 6.1. UVOD U DIFERENCIJALNI RACUN Teorem 6. lim 2. x−→+∞ 2 5. onda je jasno iz Definicije 6. Dakle je x−→0+ lim sign x = sign 0 .3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L.5.♠ 6.3 direktno slijedi da postoji i limes u toˇki c i jednak je L.7 Iz Primjera 5. x = 0   1. x −→0 − lim sign x = −1 . x−→0 x2 lim 1 1 = +∞ i lim = −∞. x < 0  sign x = 0. s c 1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . Dokaz: Ako funkcija f ima limes L u toˇki c. ♣ c Primjer 6. Obrnuto. x2 − 3x + 2 = −1. c osim. 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.226 ˇ POGLAVLJE 6. moˇda u samoj toˇki c. lim arctg x = . x−→+∞ 6. x−→1 x−1 1 = +∞. x−→0 x π 4. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x−→0+ lim xx = 1. lim 3.

Dokaz: Izravno iz Definicije 6. Zaista imamo: c c Teorem 6. onda limes i funkcija z c ”komutiraju” tj. Nadalje.♣ x−→c Analogno kao Teorem 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. x−→c+ Dokaz: Izravno iz Definicije 6. oˇito vrijedi c f (2) = lim f (x).12 kaˇe da ako je funkcija neprekidna u toˇki c.5 U Teoremu 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.7 i 6.1.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. x−→c Napomena 6.♣ Teorem 6. tj.4) i da limes mora postojati.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).♠ Primjer 6.2 i definicije jednostranog limesa.1 i 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.4).♠ x−→2 Primjeri 6.♣ .ˇ 6.12 imamo: Teorem 6.1 i Primjer 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). c c Sada direktno iz Napomene 6.13 Neka je funkcija g : R −→ R neprekidna.3. imamo x−→c lim f (x) = f (c) = f ( lim x). i neka postoji limes funkcije f u toˇki c. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . konaˇan je broj.

a > 0 +∞. a ∈ R proizvoljan. 6. (+∞) + (+∞) = +∞. 5. (+∞) · a = +∞. no moˇe se desiti da dobijemo izraz koji nije z z definiran.11.228 ˇ POGLAVLJE 6. 2. 8. +∞ ± a = +∞. (−∞) · a = 10. 7. To se posebno odnosi na veliˇine +∞ i −∞. a < 0. a < 0.14. a ∈ R proizvoljan. −∞.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. (−∞) + (−∞) = −∞. Kako one nisu realni brojevi. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. (−∞) · (−∞) = +∞. UVOD U DIFERENCIJALNI RACUN Teorem 6. a ∈ R proizvoljan. .1.15 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). (+∞) · (+∞) = +∞. 9.12 i 6. x−→c+ Dokaz: Izravno iz Teorema 6. a > 0 −∞. −∞ ± a = −∞. 4. a +∞ = 0. 6. (+∞) · (−∞) = −∞. 3.♣ 6. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. jer operacije nisu definirane i operandi nisu realni brojevi.

+∞ . mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1.1. 1−∞ . 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. 0 0 . −∞ · 0. pa je 0 neodreden oblik. a ∈ R proizvoljan. 3. (+∞)0 . Osim s beskonaˇnim veliˇinama. 0 .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. ”Sedam veliˇanstvenih”: c 0 .ˇ 6. +∞ −∞ . s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. 4. 0 2. 0 ∞ . ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. 00 . Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. +∞ +∞ . (−∞)0 . −∞ −∞ . a −∞ 229 = 0. Dakle. 0∞ . 1∞ . Ako se dobije jedan od neodredenih oblika. ∞ ∞ − ∞. 5. −∞ 2. (+∞) + (−∞). ∞ · 0. 1+∞ . onda s je to i limes od f (x) kad x −→ c. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. +∞ · 0. ∞0 . s s c c Iz Primjera 6.

x−→0− 4. −∞. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. −∞. 3. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. α>0 +∞. α < 0. 8. x−→0+ x−→0− 7. 5. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. x−→−∞ lim ax = 10.1. x−→+∞ x−→+∞ 2. n ∈ N neparan. n ∈ N neparan +∞. a>1 +∞. n ∈ N paran. 0 < a < 1. x−→+∞ lim ax = 9. +∞. a>1 −∞. α < 0. 0 < a < 1. . +∞. 0. lim x−n = −∞. 0 < a < 1. lim xn = +∞. 6. a>1 0. n ∈ N proizvoljan. x−→0+ lim xα = 0. α > 0 0. n ∈ N proizvoljan.230 ˇ POGLAVLJE 6. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. lim x−n = +∞. 0 < a < 1. x−→+∞ lim loga x = 11. +∞. a>1 +∞.7 Raˇunanje limesa c Neki temeljni limesi 1. n ∈ N paran. UVOD U DIFERENCIJALNI RACUN 6.

2. pad. i s B = (1. x−→+∞ x sin x = 1.1. Dakle. To znaˇi da je c x−→+∞ lim loga x = +∞. +∞) i da joj c c je slika cijeli R. svojstva potencija.4).1. c Osim ovih limesa. njihov rast. c c eksponencijalnih i logaritamskih funkcija. koriste´i definicije limesa i jednostranih limesa (toˇka 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). ortogonalnu projekcija toˇke A na x os. neparnost i sliˇno.9. Kako gledamo c limes funkcije sin x kada x −→ 0. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). tg x ). Oznaˇimo s A = z c c (cos x. tj.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. sin x).6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. za a > 1. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). i zbog parnosti od sin x . koji se nalazi unutar trokuta OBB . Iz toˇke 5. 0). π ). vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. jasno je da je dovoljno x x promatrati x ∈ (0. 0) u ravnini. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. Kada s pravca uzmemo x ∈ (0. a ∈ R. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . parnost.16 lim i 1 lim (1 + )x . . Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ).ˇ 6.

i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6.232 ˇ POGLAVLJE 6. sin x cos x xr . x−→0 x sin x = 1. Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x .♣ x lim . UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. 2 x 2 sin x 1 ≥ ≥ cos x. Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1.2: Uz izvod osnovnog trigonometrijskog limesa.

17 x−→+∞ 233 lim 1+ 1 x x = e. c Zbog toga je ex − 1 t lim = lim = 1.1.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . x−→0 x lim a > 0. Dakle imamo ax − 1 ex ln a − 1 = lim . x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. i da je x = ln(t + 1). ♣ Primjer 6. a ∈ R. Tada je jasno da t −→ 0 kada x −→ 0. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. x−→0 x Iz Teorema 6.2. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.ˇ 6. Dakle .12 i Teorema 6.10 ex − 1 = 1. x−→0 x lim i ax − 1 = ln a. 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.♠ x−→0 t−→0 x ln a ln(t+1) ln a .6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x Oznaˇimo sada ex − 1 sa t.

16.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. x−→c x−→c 2.17. x−→c c 3. ♣ x−→c Teoremi 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).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.13. c 6. .18 i temeljni limesi iz toˇke 6. 6. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). x−→c x−→c 4. Tada 1.7 su nam dovoljni za c raˇunanje gotovo svih limesa. 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. g : R −→ R.234 ˇ POGLAVLJE 6.2.2 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.1. 6. 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).

b = t0 + ∆t. z c zahtijeva podrobnije razmatranje. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . 15 minuta nakon polaska.2.♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. za razliku od prosjeˇne. s(t0 + ∆t) − s(t0 ) v= . Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . c . Dana je formulom c v= s(b) − s(a) . Dakle. t gdje je s prijedeni put. Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. dobivamo neodredeni izraz tipa 0 . Kretanje je promjena poloˇaja u vremenu. b). 0 moramo promatrati limes.5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. No uvrstimo li ∆t = 0 u gornju formulu. to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . Ideja je koristiti ono ˇto znamo. ∆t ˇ Sto je ∆t manji. Uzmimo a = t0 . tj. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima.6. ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. t0 + ∆t]. 0.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata. s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. dobivamo s v= 50 km = 100 . Trenutna brzina. a t vrijeme za koje smo preˇli taj put. DERIVACIJA FUNKCIJE 235 Primjer 6. tj.

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

Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. tj.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. c mjeri brzinu promjene veliˇine c Definicija 6.4: Sekante i tangenta.♠ 6.6.2. 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. c Primjer 6.2. 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 . x0 ∈ I. f : I −→ R. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .

238 ˇ POGLAVLJE 6. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. c z Primjer 6. Dakle brzina promjene linearne funkcije je konstanta. 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 = −1.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. ∆x−→0 ∆x Napomena 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). l ∈ R.2.6 Uoˇimo bitnu razliku.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. Derivacija funkcije f u toˇki x0 je broj.15 Pogledajmo sljede´e primjere: c 1. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Dakle je c f (x) = lim f (x + ∆x) − f (x) .♠ ∆x−→0 ∆x 6. za proizvoljne k. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). 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. c c koji se oznaˇava sa f (x0 ). .

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

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

♠ Teorem 6. DERIVACIJA FUNKCIJE 2.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.1. √ 3 241 x nije derivabilna u x0 = 0. ∆x ∆x−→0 . Tada je f i neprekidna u x0 . c x0 ∈ I ⊆ D(f ). ∆x−→0 dakle ne postoji f (0). 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 = 0.6. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.7 imamo da je c lim √ 3 1 ∆x2 = +∞.1. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ).7 imamo da je c lim √ 3 1 = +∞. 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 √ . ∆x ∆x−→0 dakle ne postoji f (0). 3. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6.2.

za one x ∈ I za koje je g(x) = 0). i vrijedi 1. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). g 2 (x) Dokaz: 1. (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).17 su c neprekidne u nuli. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . produkta i kvocijenta funkcija Teorem 6.12 zakljuˇujemo da je funkcija g neprekidna u x0 . (f (x) ± g(x)) = f (x) ± g (x) 2. Sve tri funkcije iz Primjera 6. Nadalje. 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 ). tj.19 op´enito ne vrijedi.242 ˇ POGLAVLJE 6. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). I ⊆ D(g). f · g i f g (tamo gdje je definirana. ∆x f (x0 ). ∆x−→0 ∆x ∆x . Iz Teorema 6. razlike. ∆x = 0 . f (x) g(x) = f (x)g(x)−f (x)g (x) . Tada su na I derivabilne i funkcije f ± g. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6.♣ Obrat Teorema 6. Derivacija zbroja. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3.12 imamo da je f neprekidna u x0 . ali vidjeli smo da nisu derivabilne.20 Neka su funkcije f.

Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. gdje je λ ∈ R proizvoljan.19 imamo ∆x−→0 lim g(x + ∆x) = g(x).2.♣ g 2 (x) Napomena 6. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). Tada je funkcija λf . (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). Izraˇunajmo prvo c 1 g(x) . DERIVACIJA FUNKCIJE 2. f (x) g(x) f (x)g(x) − f (x)g (x) . g 2 (x) f (x) g(x) = 1 f (x) g(x) . derivabilna na I i vrijedi (λf ) (x) = λf (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) .♣ . Oˇito je D(g) = R. za svaki x ∈ I.6. tj. Kako je g(x) · 1 g(x) = 1. 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. ∆x−→0 ∆x−→0 Sada iz Teorema 6. Dakle 1 g(x) = 0.7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). za svaki x ∈ I. 3. imamo g(x) · = 0. c dakle je po Teoremu 6.

x ∈ I ⊆ D(f ). i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. moˇe provesti samo ako je f (x) = 0. odnosno (f −1 ) (f (x)) = 1 . f (x) Ovo se. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 .15 i Primjera 6.244 ˇ POGLAVLJE 6.21.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . g = f . Dakle.22 Neka je funkcija f : R −→ R derivabilna na intervalu I.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Izraˇunajmo joˇ i (f ◦ g) . z Teorem 6. Sada primjenom Teorema 6. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. Dakle imamo f −1 (f (x)) = x. iz Teorema 6. f (x) = sin x.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. Primjera 6. f (x) ♣ . f (x) = 0 na I i neka postoji f −1 . c Primjer 6. c −1 tj.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. gdje je g(x) = x2 . Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . naravno. f (x) ∈ J ⊆ D(g).

DERIVACIJA FUNKCIJE Primjer 6. i vrijedi (f ◦ g)(x) = x.19 Pogledajmo sljede´e primjere: c 1 1.2.21 i 6. 2 x x je g (x) = Iz Primjera 6. Derivacija funkcije g(x) = √ 1 . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .20. . Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. Derivacija funkcije g(x) = ln x je g (x) = x .6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . Kako je (f ◦ g)(x) = x iz Teorema 6. odnosno g (x) = 2. odnosno 1 g (x) = √ . Iz Teorema 6. c Napomena 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.20.10 imamo da je f (x) = lim e∆x − 1 = 1. x 1 √ .♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.8 Studentima se preporuˇuje da provjere donje formule samostalno.21 i 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.22 i derivacijama iz donje tablice. 6. Osnovne derivacije dajemo u sljede´oj tablici. 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. ∆x−→0 ∆x lim dakle je f (x) = ex .

vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . 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. c tj. Jasno je da je ∆x = tg α. gdje je α kut izmedu tangente funkcije f u toˇki (x0 .1: Derivacije elementarnih funkcija 6. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). odnosno ∆f = tg α∆x . 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 6.2. f (x0 )) biti dosta mala.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 . no to je ponekad teˇko izraˇunati. f (x0 )) s c c ∆f apscisom x0 + ∆x.

2. DERIVACIJA FUNKCIJE 247 ∆x. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ).♣ c .5). Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .1. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. Dakle. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . jednadˇba tangente u c z toˇki (x0 . Tada od svih polinoma stupnja najviˇe jedan. f (x0 )). Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . c Teorem 6.6. y f(x) α 0 x0 x 0+ ∆ x x Slika 6. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.5: Diferencijal funkcije.

5 2 Slika 6. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). 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.5 -1 0. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.23).6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.248 ˇ POGLAVLJE 6. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . dakle je f (0) = cos 0 = 1.5 1 1.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. Dakle.16 znamo da je f (x) = cos x. c Primjer 6.♠ s s c . 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”. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. Iz Primjera 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. to su razlike ordinata na grafu i na tangenti male za istu apscisu.

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

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).

a < b.26 kaˇe da za svaku sekantu kroz toˇke (a. tj. f (a)) i (b. f (a)) i (b.25. c . b ∈ I. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).13 Primijetimo: 1. b−a f (b) − f (a) (x − a).6. b−a y f(x) 0 a x0 b x Slika 6.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.♣ f (b) − f (a) . postoji x ∈ a. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). f (b)). Neka je L pravac kroz toˇke (a. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. b za koju je F (x ) = 0. proizvoljne.2. Napomena 6. tj. b u kojoj je tangenta paralelna s tom sekantom. b−a onda Teorem 6. f (b)) z c postoji toˇka x ∈ a.

Kako je f (x) = 3.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). . oˇito je c x−→1 lim f (x) = 3 = f (1). pa je. b−a ali ne postoji x ∈ 0. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R).12. z Iz Teorema 6. f neprekidna na R. UVOD U DIFERENCIJALNI RACUN 2. y f(x) 0 a b x Slika 6. x ≤ 1 .26 je bitan. x za koji je f (x) − f (a) = f (x ). Uvjet f ∈ C 1 (I) iz Teorema 6.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. 2 za koji je f (x ) = 1. Ako je dana funkcija f : R −→ R formulom 3x.258 ˇ POGLAVLJE 6. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. 0 x>1 oˇito f ima prekid u x = 1. po Teoremu 6. x ≤ 1 f (x) = 3 x > 1.

poznavaju´i vric c jednosti viˇih derivacija u x0 . ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a.6. . Napomena 6. Teorem 6. c Usporedimo to s lokalnom linearizacijom (toˇka 6. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ).27 je baˇ Lagrangeov teorem srednje s vrijednosti. ali ne znamo za koji x . f (a)) i (x. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. tj.2. iz Teorema 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 . DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.5). i ne znamo ga toˇno. S druge strane. imamo toˇan izraz. f (x))..14 Za n = 0 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. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .2. Koliko je ta aproksimcija dobra? Odnosno.. tj. tj.+ (x−x0 )n + (x−x0 )n+1 . no u nekoj toˇki sigurno je. imamo c pribliˇni izraz. tj. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +.26.

2! ..24 Neka je dana funcija f (x) = sin x. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. . T1 (x) = f (0) + f (0)x = x. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . Dakle. 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.. f (x0 )) od svih c polinoma danog stupnja. Sliˇno kao i Teorem 6.. Aproksimacija je dobra lokalno.23.. 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . x2 = x. UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 . ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|.260 ˇ POGLAVLJE 6. s Primjer 6. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 .♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N.

da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . sin x... Moˇe se pokazati da su funkcije ex . + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . . 6.2. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.15 Taylorovi redovi obiˇno sporo konvergiraju. n! ∞ sin x = n=0 (−1)n x2n+1 . (2n + 1)! ∞ cos x = n=0 (−1)n x2n . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. tj..2.1). dakle nisu jako c dobri za numeriku. odnosno konvergirati nekoj z (x drugoj funkciji.6. (2n)! Napomena 6.3. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .28 Neka je f ∈ C 1 (I) za neki interval I. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x)..

11 imamo da obrat ne vrijedi.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. Jedan smjer bismo mogli dokazati.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. Dakle ne vrijedi f (x) > 0 na R. Tada. UVOD U DIFERENCIJALNI RACUN 1. Kako je desna strana gornje jednadˇbe nenegativna. dakle z funkcija f raste na I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive.28 primjenom Teorema 6. po Teoremu 6.26 postoji x ∈ (x. Obratno. Ovaj smjer se dokazuje analogno kao u Teoremu 6. ∆x za svaki x ∈ I. jer se c s c medu njima nalaze potencijalni ekstremi. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Funkcija f raste na I ako i samo ako je f (x) ≥ 0.262 ˇ POGLAVLJE 6.♠ Iz Primjera 6. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Dokaz: c 1. ∆x Primjer 6. pa je f (x + ∆x) − f (x) ≥ 0. za svaki x ∈ I. onda je f (x0 ) = 0. Iz Napomene 6. Medutim. Dokaz ide na sliˇan naˇin. obratna tvrdnja ne mora vrijediti.24 smo vidjeli da. onda funkcija strogo raste (pada) na I.25 zakljuˇujemo da u Teoremu 6. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. Limes nenegativne funkcije mora i sam biti nenegativan.26. lim x2 = 0). ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). to je i lijeva strana takva. x−→0 U Teoremu 6. 2. za svaki x ∈ I. 2. pa je f (x) = lim za svaki x ∈ I. .

c Kao ˇto smo rekli. Teorema 6. Definicija 6. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . Teorema 6. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . Teorem 6.24.♣ c Konveksnost. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. ali i ne mora.4. x2 ∈ I. . c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . u stacionarnoj toˇki funkcija moˇe.2.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. DERIVACIJA FUNKCIJE 263 Definicija 6. onda u x0 funkcija f ima lokalni minimum. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). kaˇemo da je f konkavna na I.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. Ako derivacija s c ne mijenja predznak.6. jer konveksnost i konkavnost ovise o predznaku druge derivacije. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). x2 ∈ I. da je barem f ∈ C 2 (I)). 2 za sve x1 . onda u x0 funkcija f ima lokalni maksimum.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. imati s c z lokalni ekstrem. Dokaz: Izravno iz toˇke 5.1. c Dakle.28. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. a s druge pada (raste)).

funkcija f ima u x0 ∈ I lokalni minimum. Primijenimo li Teorem 6.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 .♣ Teorem 6. c 1. a graf konkavne funkcije iznad sekante kroz toˇke (x1 .264 ˇ POGLAVLJE 6. konveksnost i konkavnost su odredene predznakom druge derivacije.31. Teorem 6. Ako je f (x0 ) < 0. c .27 za sluˇaj c n = 1. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 .3). Dokaz ide na sliˇan naˇin. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . funkcija f ima u x0 ∈ I lokalni maksimum. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. jer c c se nalazi izmedu x0 i x. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). UVOD U DIFERENCIJALNI RACUN Definicija 6. c 2.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). f (x2 )).27 biti iz te okoline. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. Dakle je f (cx ) > 0.30 Neka je f : I −→ R klase C 2 (I). c c Dakle. Dokaz: 1. a konkavna ako je za sve x1 . za svaki x ∈ I. 2. Npr. ali je f (0) = 0. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. 2. Uzmimo x proizvoljan iz te okoline. izmedu x1 . f (x1 )) i (x2 . da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). x2 ∈ I graf konveksne funkcije je ispod. za svaki x ∈ I. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. iz Teorema 6. Ako je f (x0 ) > 0. Onda ´e i toˇka cx iz Teorema 6. 1. Zbog neprekidnosti druge c derivacije.

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 . DERIVACIJA FUNKCIJE 265 Definicija 6.L’Hospitalovo pravilo c Teorem 6. c) i pada na (c. c + δ strogo c konkavna za neki δ > 0. Dakle. f ima lokalni maksimum u c.7 Neka je f : I −→ R i c ∈ I. z s c c Teorem 6. c Dokaz: Izravno iz Definicije 6.30 imamo da funkcija f raste na (c − δ. g (x) onda je i x−→x0 lim f (x) = L. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. c Teorem 6.24 f (c) = 0. c strogo konveksna i na c. Iz Teorema 6.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. ∞ .32 Neka je f ∈ C 2 (I). c + δ strogo konkavna ili je na c − δ.♣ Uvjet f (c) = 0 iz Teorema 6.♣ Raˇunanje limesa . za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. onda je c f (c) = 0. 0 i f (x) > 0 za x ∈ 0. neka je f na c − δ. Dokaz: Bez smanjenja op´enitosti. pa x = 0 ne moˇe biti z toˇka infleksije.6. ali je f (x) > 0 za x ∈ −∞. 0 i 0. Ako je c ∈ I toˇka infleksije od f . Neka postoji δ > 0 takav da je funkcija f na c − δ. u x0 ∈ I. Tada iz Teorema 6. Ako je g (x) = 0 za svaki x = x0 . i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. x ∈ I. ∞ . pa je po Teoremu 6. c strogo konveksna i na c.2. z Neka je lim f (x) = lim g(x) = 0. f (c)) toˇka infleksije grafa funkcije f . Npr. c strogo konkavna i na c. c + δ strogo konveksna. Onda je c toˇka infleksije od f .34 Neka su f i g derivabilne funkcije na I osim. moˇda.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . Dakle je konveksna na −∞.7. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . c + δ).32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. x ∈ I. c c Kaˇe se joˇ da je toˇka (c.

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. po g (x0 ) = 0. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = .12). tg α2 = f2 (x0 ).16 Neka su funkcije f.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. analogno kao u dokazu Teorema 6. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . g (n) (x0 ) = 0.♣ g (x) f g Na Teorem 6. . .266 i ˇ POGLAVLJE 6. iz Teorema 6. c Napomena 6. . gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 .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) .34. g(x0 ) = 0.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). Znamo da je c tg α1 = f1 (x0 ). . . gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. g (n+1) (x0 ) = 0. . g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. c Dakle. f (x0 ) = 0. Tada. . g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = .12) i iz Teorema 6. f (n) (x0 ) = 0.

ako i samo ako je f1 (x0 )f2 (x0 ) = −1. odnosno ako i samo ako je tg α = ∞. onda je i tg α = 0 .17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . a > 0.6. To znaˇi da u c toˇki (x0 . 1 + f1 (x0 )f2 (x0 ) Napomena 6. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. Ako je α = 0. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . Iz toˇke 2. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. x a + x2 = f2 (x). tj. dakle je f1 (x0 ) = f2 (x0 ). c c pa moˇemo re´i da se diraju u toj toˇki.2.2. z c c Primjer 6. .14: Kut izmedu dviju krivulja.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.

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

2. Sloˇiti sve dobivene podatke u graf funkcije. Ispitati parnost. 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. u izvjesnom smislu. c c 4. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. periodiˇnost. 7.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Prona´i stacionarne toˇke. c c 2. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. c Primjer 6. 3. c c z 8. samokorigiraju´i. c c 6. 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. to upu´uje na pogreˇku u raˇunu. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. Prona´i intervale konveksnosti. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. s 5. neparnost. Nadalje je V (x) = (a − 2x)(a − 6x). Odrediti domenu funkcije (prirodno podruˇje definicije). . Postupak je. Postupak: 1. konkavnosti i toˇke infleksije. Oznaˇimo c li tu duljinu s x.6. Ispitati ponaˇanje na rubovima domene (asimptote).

270 ˇ POGLAVLJE 6. 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. dakle funkcija V (x) prelazi iz rasta u pad. Maksimalni c 2 volumen je 2 a = a3 . a za c c prvu se lako provjeri da je u njoj lokalni minimum. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. dakle u stotinama metara. c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum.) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x .15: Kako napraviti kutiju najve´eg volumena?.28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. Druga oˇito nema smisla u danom kontekstu. 6 a x2 = . Iz P = xy = 1 slijedi da je y = x . Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1.♠ V 6 27 Primjer 6. s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x . . UVOD U DIFERENCIJALNI RACUN x a x Slika 6. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = .

2.6. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . slijedi da je x + x ≥ 1. tj. pozvali smo se na rezultat koji.♠ s z c . z c Usporedimo sada ova dva pristupa. 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. Poznato je da je aritmetiˇka sredina dviju c c c pozitivnih veliˇina uvijek ve´a ili jednaka od njihove geometrijske sredine (AG c c nejednakost). U drugom pristupu. za x = 1. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. doduˇe. U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. je dio matematiˇke op´e kulture. 1 Nadalje. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . koji je elegantniji.

.

n = 0. 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. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. 1. 2. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom... v = v(t)? Ili prirast populacije nije konstantan.. za n godina bit ´e ih za n·100 viˇe nego danas. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. 2. Dakle je funkcija z 273 . 1. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu. ∞.treba ih samo mnoˇiti c z vremenom.1.. ∞. Iz z Napomene 6.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. n = 0. ... Npr. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja.Poglavlje 7 Uvod u integralni raˇun c 7. .1 7. c s z Ako su te veliˇine konstantne..9 znamo da su skupovi C n (I). odgovor je jednostavan . ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I).

1 Neka je f neprekidna funkcija na I ⊆ R. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. C ∈ R. Zanima nas.20 i Napomene 6. Definicija 7. Iz Teorema 6. c Primjerice. Stoviˇe.2. Uvedimo prvo ime za takve funkcije. Odatle slijedi vaˇno svojstvo primitivnih funkcija. 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). a onda pogledajmo kada postoje i koja su im svojstva. Teorem 7. linearan operator koji mu je inverzan. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. . jer je derivacija svake konstante jednaka nuli.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C.7 izravno slijedi da je operator deriviranja linearan.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. da je x primitivna funkcija funkcije x.274 ˇ POGLAVLJE 7. ako postoji. UVOD U INTEGRALNI RACUN deriviranja operator. itd.

slijedi H(x) = H(x0 ) za svaki x ∈ I. Interpretirajmo elemente ove formule: je znak integrala.1.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. ˇalje c s u f.7. dolazi od S kao suma. 275 Dakle imamo prvu tvrdnju. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. dx pokazuje po ˇemu se integrira. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. tj. a to je upravo druga tvrdnja teorema.2. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . f (x) je integrand. C ∈ R je konstanta integracije.1 beskonaˇan. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . H je konstantna funkcija.4). s To nije toˇno inverz od derivacije.1. Piˇemo s f (x)dx = F (x) + C.♣ 7. c F (x) je primitivna funkcija funkcije f (x). Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. gdje je c neka toˇka izmedu x i x0 . Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). koji je po Teoremu 7. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). Ostale raˇunamo koriste´i svojstva c c c . NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.

UVOD U INTEGRALNI RACUN neodredenog integrala. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. F ± G primitivna funkcija funkcije f ± g.7). Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. z Teorem 7. f (x)dx. 2. Neka je F primitivna funkcija funkcije f . Kako je imamo f (x)dx f (x)dx = F (x) + C. 2. Dokaz: 1.1 Iz Teorema 7.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C.3 Vrijedi: 1.20 i Napomena 6. Teorem 7. Oˇito je.2 f (x)dx = f (x). Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. = (F (x) + C) = F (x) = f (x). cF c primitivna funkcija funkcije cf .276 ˇ POGLAVLJE 7. Za ostale operacije nema jednostavnih pravila.♣ . zbog linearnosti derivacije. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.♣ Napomena 7. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. Oˇito je. c zbog linearnosti derivacije. Dokaz: Neka je F primitivna funkcija funkcije f .

postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1 Pogledajmo sljede´e primjere: c .3. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. Primjer 7.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. 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 7.1. Najpoznatiji primjer je e−x dx. tzv.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.1. S druge strane. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Tako moˇemo integrirati polinome i jednostavnije racionalne. c c koriste´i pravila i tablicu derivacija (toˇka 6.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. c c z z to obiˇno nije lako. izraˇunati derivaciju bilo koje c c c elementarne funkcije.1.2) i svojstva iz Teoc c rema 7.2.7. eksponencijalne i z trigonometrijske funkcije. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. c 7. tabliˇne integrale. Ako se i moˇe integrirati.4).

Odredimo integral funkcije f (x) = x2 + sin x. Koriste´i Teorem 7. 3). Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. i ˇiji graf prolazi kroz toˇku (1. 3). z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. pa je C = 1. Drugim rjeˇima.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. y 3 0 1 x Slika 7. Samo jedna prolazi toˇkom (1. i to je x3 +x+1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). UVOD U INTEGRALNI RACUN 1. i one c 3 su oblika x +x+C. Dakle je 3 = F (1) = 1 + 1 + C. Traˇena funkcija je F (x) = x3 + x + 1. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. 3).♠ c . Koriste´i Teorem 7.278 ˇ POGLAVLJE 7. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1.2: Primitivne funkcije funkcije 3x2 + 1. 3 2.

Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. op´enito.3 i tabliˇne integrale. gornji se integral svodi na u du. Koriste´i izraz za diferencijal (toˇka 6. + C. deriviranjem sloˇenih funkcija.7.1. ne mogu integrirati produkti funkcija (osim c za polinome. z Primjer 7. Ipak. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. tj. Dakle je sin x cos x dx = 1 2 sin x + C. 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).2 Odredimo integral funkcije f (x) = sin x cos x. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se.5).♠ 2 . To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga.2. a to znamo da je u2 2 sin x d(sin x). ima jedan sluˇaj kad se c produkt funkcija lako integrira.

♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. d(u(x)) = u (x)dx.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. Zamjenom varijabli kao u Primjeru 7. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du.280 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN U Primjeru 7.3 Odredimo integral funkcije f (x) = sin5 x cos x. Ako je G(u) primitivna funkcija od g(u). Primjer 7. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga. .2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. a to je diferencijal od z u6 + C. moˇemo podintegralnu funkciju pisati kao z g(u)du. tj. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C.

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

3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. Koji od njih treba odabrati kao v? v du. (uv) = u v + v u. zbog dv = v dx. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7.6 Pogledajmo sljede´e primjere: c 1.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. Imamo produkt u kojem oba faktora znamo lako integrirati. du = u dx. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. v du + u dv. a drugi se deriviranjen pojednostavnjuje.282 ˇ POGLAVLJE 7.♣ u (x)v(x)dx. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. Odredimo integral funkcije f (x) = x cos x. . klase C 1 (I). Polazimo od formule za derivaciju produkta funkcija. v du. tj. Napomena 7. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx.

6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. Dobili smo integral koji je kompliciraniji od polaznog.♠ Iz Primjera 7. c 2 dv = v dx = x dx. du = u dx = dx. tj. c Primjer 7. tj.7.1. c ˇto daje du = u dx = 2x dx i v = ex . nema proz z dukta u podintegralnoj funkciji. Dobivamo s x2 ex dx = x2 ex − 2 xex dx. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. v = ex . . Sada je v = sin x. NEODREDENI INTEGRAL 283 Stavimo u = x. c x2 ex dx = (x2 − 2x + 2)ex + C. i u = x2 . s Parcijalnom se integracijom moˇemo posluˇiti i kad. tj.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. Odredimo integral funkcije f (x) = x2 ex . 2. v = x. dobivamo s xex dx = xex − Konaˇno. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. Sada je v = x . na prvi pogled. Joˇ nismo izraˇunali polazni integral. no sveli smo ga na jednostavniji ins c tegral xex dx. dv = v dx = cos x dx. v = cos x. du = − sin x dx. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. Primijenimo li parcijalnu integraciju joˇ jednom.

Odredimo integral funkcije f (x) = arctg x . sin2 x dx. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. i u = sin x. Odredimo integral funkcije f (x) = sin2 x. ˇto daje du = u dx = s v = x. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. Odredimo integral funkcije f (x) = ln x. tj. v = sin x.284 ˇ POGLAVLJE 7. Stavimo dv = sin x dx. 2. v = 1. tj. UVOD U INTEGRALNI RACUN 1. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . i u = ln x. x dx x i v = x.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx.5 imamo x dx 1 = ln(x2 + 1) + C. Stavimo dv = dx. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. 1. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . ˇto daje du = u dx = s cos x dx i v = − cos x.♠ 2 x dx . i u = arctg x . v = 1. Stavimo dv = dx. tj.

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

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

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

) = n.. + rs = n... r2 . .5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 .. ... ... razliˇite realne nultoˇke s pripadnim kratnostima rα .. Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima.. . x2 + cx + d = (x − (g + hi))(x + (g − hi)).. odnosno medu linearnim fakorima (x − x1 ).....5 Iz Teorema 5. g + hi... .. xs . tj. β. r1 + r2 + .) + 2(rab + rcd + .. pa tvrdnja oˇito vrijedi... ... Kako je x0 nultoˇka kratnosti r od Pn (x). . Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )). a2 − 4b < 0. Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x). . x0 nultoˇka od Pn−2 (x). (x − x2 ). Iz 1.288 ˇ POGLAVLJE 7.4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . . Dakle.. xs sve razliˇite nultoˇke medu z1 .. Neka je γ = u+vi. zn od Pn (x) s pripadnim c c kratnostima r1 .. x2 . f = 0...♣ n Napomena 7.. xs c c c od Pn (x) kratnosti rγ . rs .4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ . . odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x). Medutim. . Ako je x0 ∈ R... c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab . zn . v = 0. h = 0... c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ . UVOD U INTEGRALNI RACUN 3. (x − xs )... znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 ). Iz Napomene 7. rβ . x2 . u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ . x2 + ax + b = (x − (e + f i))(x + (e − f i))... c c Dakle je po tvrdnji 2. redom... Medutim. rcd . 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. i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x). medu kojima moˇe c c biti istih. jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 . tj. xs od Pn (x).. . Tada je po Napomeni 7. . medu brojevima x1 . medu razliˇitim nultoˇkama c c c c x1 . .. s ≤ n. i e + f i. njena kratnost je toˇno r. c Neka je x0 ∈ C \ R. c2 − 4d < 0. to je x0 nultoˇka kratnosti r −1 od Pn−2 (x). onda je x0 = x0 . onda je po tvrdnji 2. Kako je x0 nultoˇka kratnosti r od Pn (x). . x2 .. Neka su x1 . 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 . i gdje su α. ima moˇda onih s komplesnim koeficijentima.. Kvadratni faktori nemaju realnih korijena.

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

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

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). D = −1.♠ x−1 Ako su nuliˇta nazivnika jednostruka. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . 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+2 A B D = + + . To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 .1. B = 2. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . Rjeˇenje je A = 3. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1.♠ 3 3 . 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.7.

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

jer je to uobiˇajenije. problem moˇemo s c z smatrati u biti rijeˇenim. ploha. tj. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Povrˇina je geometrijska kategorija.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. ODREDENI INTEGRAL 293 7.7. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.2 7. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji.2. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. tj. Kako povrˇinu trokuta znamo raˇunati. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. gdje se zbraja po svim trokutima triangulacije Ti .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. duˇinama.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. Takav lik ˇesto zovemo krivuljnim trapezom. c z Napomena 7. c .1 Odredeni integral Motivacija .2. T1 T2 T3 T4 Slika 7. s P = i P (Ti ). Lik se triangulira.

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

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

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

c c a donja se ne smanjuje.. tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. . . a Krajevi segmenta [a. c Definicija 7. onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti. n. xi ] toˇku si .. n.. 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 .. to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi . tj. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a. Dakle. Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f . Funkcija f (x) je podintegralna funkcija ili integrand. ako su stare toˇke c u podjeli podskup novih. c Napomena 7.2. b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b.2 Neka je f neprekidna funkcija na [a. Kako je mi ≤ c f (si ) ≤ Mi .7.7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x. pravcima x = a i x = b.. Veliˇina x je varijabla integracije. b]. b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava. b] su granice integrala (donja i gornja). i = 1. Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f . i = 1. 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r. ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a). Ako uzimanjem sve finijih i finijih podjela od [a. To vrijedi ako se podjela profinjuje. . Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a. te komadom grafa pozitivne neprekidne (na [a.. b]. b] i oznaˇavamo s c b f (x)dx.

b] z kaˇemo da je f integrabilna na [a. Koje joˇ? s Teorem 7. 1 dx. za svaki x ∈ [a. b]. b]. Dirichletova funkcija nije integrabilna.8 Dirichletova funkcija ima prekid u svakoj toˇki. . Uoˇimo da za svaku podjelu r segmenta [a. UVOD U INTEGRALNI RACUN Definicija 7. nisu integrabilne. n. dakle je f ograniˇena funkcija na [a.13 Dirichletova funkcija.♠ Napomena 7. b].♣ Primjer 7.♣ Napomena 7. b]. b]. b] integrabilne.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. tj. b] imamo mi = 0 i Mi = 1. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a.13 vidimo da nisu sve funkcije na segmentu [a. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. b]. Izraˇunajmo iz definicije c b 1. Koje jesu? Neprekidne sigurno jesu.298 ˇ POGLAVLJE 7.♣ Teorem 7. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. x∈Q 0.14 1. f (x) = nije integrabilna.. c Dokaz: Ako f raste na [a.5 Svaka monotona funkcija na [a. z c tj. Primjer 7. b] je integrabilna.9 Uoˇimo da ako je f monotona funkcija na [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). x ∈ R \ Q.. b]. a .6 Svaka neprekidna funkcija na [a. onda je f (a) ≤ f (x) ≤ f (b). c Iz Primjera 7. c i = 1.. b] je integrabilna. onda je ona i c ograniˇena.

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

2 2 b2 a2 − . b] (f (x) ≤ 0. b]? Ako je f neprekidna i negativna na [a.. UVOD U INTEGRALNI RACUN n − 1 (b − a)2 a(b − a) + . n 2 Prijelazom na limes dobivamo (b − a)2 b2 a2 lim s(r) = a(b − a) + = − . b a f (x)dx ≤ 0.300 ˇ POGLAVLJE 7. 0 . i = 1. a Ako je neprekidna funkcija f na [a. b]) moˇemo napraviti analognu konstrukciju z mjere povriˇine krivuljnog trapeza omedenog odozgo s osi x. c]) i ploˇtine s s P2 iznad grafa negativnog dijela funkcije f (nad [c. c] i negativna na [c. n−→∞ 2 2 2 Analogno dobijemo da je S(r) = dakle je b b2 a2 − . Dakle. zdesna pravcem x = b i odozdo grafom funkcije f . kao i za neprekidnu pozitivnu funkciju. b] takva da je pozitivna na [a. b] ´e biti mi ≤ 0 i c c c Mi ≤ 0. b]). i za svaku podjelu r segmenta [a. Dakle vrijednost odredenog integrala negativne funkcije ´e biti nepozitivan broj. odredenog integrala b f (x)dx. s lijeva s pravcem s x = a. tj. . onda je b f (x)dx a razlika ploˇtine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. za svaki x ∈ [a. b . u op´em sluˇaju c c odredeni integral je algebarski zbroj ploˇtina izmedu osi x i grafa krivulje. b] (zbog neprekidnosti je f (c) = 0). Po s tomu je pravilu 2π sin x dx = 0. Medutim.. tj. n. u ovom sluˇaju c ´e biti m ≤ 0 i M ≤ 0.♠ 2 2 x dx = a ˇ Sto ako funkcija nije pozitivna na [a.. za neki c ∈ a.

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

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

onda je c b f (x)dx = 0. . Ako je funkcija f : [a... x2 . n. 1. i Mj = f (c). gdje je c ∈ R proizvoljan. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. i svaka funkcija iz tog skupa je neprekidna na I. pa je mi = 0.. j + 1. . a 4. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. M = f (c) i za svaku podjelu r segmenta [a.. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. . onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. Mi = 0.} se c nalazi u nekoj bazi od R(I).18. b] (skup R(I) nije prazan.. . i = 1.. jer npr..7. skup c {1. b]).11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. Dakle beskonaˇni skup {xn : n = 0. a (f (x) ± g(x))dx = a ili aditivnost integrala. .. b] toˇka c pada u toˇno jedan c c [xj−1 . Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. n..2.♣ c Napomena 7.13). Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.2 i Teorema 6. b] i da je f (c) > 0..3). Oˇito je z c c tada m = 0. xj ]. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. x.♣ b b 5. dakle i integrabilna. a cf (x)dx = c a f (x)dx. Beskonaˇnodimenzionalan je. Stoviˇe.. . unutra se sigurno nalaze sve neprekidne funkcije na [a. i = 1. j − 1.. 6.18... Dakle je s(r) = 0 i S(r) = Mj ∆xj . a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. Nadalje.2 i Teorema 6.

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

Kako je funkcija F = g − f neprekidna na [a. Ako je f (c) < g(c) za bar jedno c ∈ [a.♣ 9. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b]. Ako je f (c) < g(c) za bar jedno c ∈ [a. Dakle. b]. po Teoremu 6. onda je b f (x)dx > 0. tj. x2 ] imamo x2 f (x)dx > 0. za svaki x ∈ I . b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. ODREDENI INTEGRAL 305 8. x2 ∈ I takve c da je x1 < c < x2 . Ovo svojstvo se zove svojstvo monotonosti integrala. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. Iz pozitivnosti funkcije f na [a. Ako je f neprekidna i nenegativna funkcija na [a. b] onda vrijedi stroga nejednakost. b]. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. b]. b] i ako je f (c) > 0 za neki c ∈ [a. onda je F (c) = g(c) − f (c) > 0. Tada je b b f (x)dx ≤ a a g(x)dx.8 je dobro definirana funkcija F ∈ C 1 [a. c F (x) = g(x) − f (x) ≥ 0. i oˇito ima pozitivnu derivaciju. Neka su f i g neprekidne funkcije na [a.3 slijedi da postoji interval I ⊂ [a. Dokaz: Po Teoremu 7. b] oko toˇke c takav da je f (x) > 0.3 slijedi da postoji interval .2. b] tada iz Teorema 6.28 F raste na [a. b] iz Teorema 6. Dakle postoje x1 . b] odnosno stroge pozitivnosti na [x1 . Odatle slijedi da je F (b) ≥ F (a) = 0.7.

iz svojstva 9. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). b] takva da je c b f (x)dx = f (c)(b − a).306 ˇ POGLAVLJE 7. Tada postoji toˇka c ∈ [a. b] oko toˇke c takav da je F (x) > 0. za svaki c x ∈ [a. b]. b] −→ R. Dakle postoje x1 . b]. imamo da je F (b) > F (a) = 0. m ≤ f (x) ≤ M .14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a).7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. Ako f nije konstanta na [a. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. Nadalje iz Teorema 6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . b]. a Dokaz: Po Teoremu 6. Neka je f : [a.28 c F strogo raste na I . iz svojstva 9. za svaki x ∈ I . tj. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. tj. Nadalje. odnosno po Teoremu 6. pa postoji barem jedan c ∈ [a. Teorem 7. UVOD U INTEGRALNI RACUN I ⊂ [a. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. odnosno imamo strogu nejednakost.♣ a Izraz 1 b−a b f (x)dx a . b]. za svaki x ∈ [a. a b b f (x)dx ≤ a |f (x)|dx. b] za koji je b f (x)dx = f (c)(b − a). i Primjera 7. b]. 11. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). iz neprekidnosti funkcije f na [a.♣ 10.6.

. a2 . kako je f neparna c funkcija.7 ne mora vrijediti: Primjer 7. .. Nadalje. a Teorem 7. x ≥ 0 −1. Odatle ime teoremu. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. b].7. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a..12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. Povrˇina ispod s grafa neprekidne funkcije f nad [a.2.. imamo da je 1 f (x)dx = 0. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. an ∈ R je a = c ).+an dine (aritmetiˇka sredina od a1 . 1] za koju je f (c) = 0. Oˇito je da funkcija f ima prekid u x0 = 0. x < 0.. c Napomena 7. −1 medutim ne postoji toˇka c ∈ [−1. iz svojstva 7. n Za funkcije koje nisu neprekidne Teorem 7.9: Teorem srednje vrijednosti za odredeni integral. se zove srednja vrijednost funkcije f na segmentu [a.♠ c .

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

∆x odnosno f (ζ1 ) = m ≤ . x+∆x].3. NEWTON . lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. b] i vrijedi F (x) = f (x). ∆F ≤ M = f (ζ2 ). 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.11: Funkcija F (x).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. ∆x−→0 ∆x Funkcija f je neprekidna na [a.6). b]. Po Teoremu 7. pa onda i na svakom podsegmentu [x. Ho´emo gledati c ∆F .LEIBNIZOVA FORMULA je derivabilna na [a.7.

f (x) ≤ F (x) ≤ f (x).Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. b] i F (x) = f (x). Dakle je F (x) derivabilna funkcija na cijelom [a. i neodredeni. Sliˇno i za ζ2 −→ x.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Odatle je a f (x)dx = F (b) − F (a).♣ x ∆x−→0 ∆F ≤ f (x). b F (b) = a f (ζ)dζ.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. toˇke ζ1 i ζ2 moraju teˇiti prema x. no dokaz je bitno sloˇeniji. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.310 ˇ POGLAVLJE 7.9 (Newton . b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). Uvrstimo li x = a i x = b u izraz za F iz svojstva 1.♣ Newton . b]. do kojeg dolazimo preko limesa niza integralnih suma. onda. Odatle slijedi c f (x) ≤ lim tj. tj.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f .2 c dobivamo x b F (a) = a f (a)dζ = 0. do kojeg smo doˇli pokuˇavaju´i invertirati s s c . U njoj se povezuju odredeni integral. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. ∆x Teorem 7. Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti.2. a Dokaz: Prema Teoremu 7. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). F (x) = f (x).12). iz toˇke 7. z Teorem 7. zbog neprekidnosti funkcije f na [a.

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

kao i da je samo poc druˇje integracije konaˇno.6 i omedena) na podruˇju integracije.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. u dv = uv a b a − a v du. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.17 Izraˇunajmo c 0 1 xex dx. b i neka je x−→b− lim f (x) = +∞. . c c c Neka je funkcija f neprekidna na [a. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. 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 √ + 3.10. tj. Iz Primjera 7. 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.312 ˇ POGLAVLJE 7.♠ 7.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. U takvim sluˇajevima govorimo c s c o nepravim integralima.♠ 3 Kod parcijalne integracije situacija je jednostavnija. Primjer 7.

Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . b postoji integral te funkcije u granicama od a do x. c y f(x) 0 a x b Slika 7. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. u toˇki a. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. c c Primjer 7. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. . kaˇemo da integral divergira ili da nema z znaˇenja. a Ako promatrani limes ne postoji. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. tj.18 1. tj. 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.7. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. postoji x f (ζ)dζ.4.

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

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

2. tj. −n + 1 −n + 1 za n > 1. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. +∞ . 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.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. c z z Promatrajmo sada drugi mogu´i izvor problema. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). b].2) npr. Znamo c . iz toˇke 7. situaciju kad podruˇje c c integracije nije ograniˇeno.19 moˇe posluˇiti pri usporedivanju. 0]. Uz svojstvo monotonosti integrala (svojstvo 9. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a.316 ˇ POGLAVLJE 7. integral dx divergira za n ≥ 1. Primjer 7. Dakle tn b a dx (x − b)n konvergira za n < 1. divergira 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 − . UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. Neka je funkcija f neprekidna na [a.

c c da za svaki x ∈ [a.4. kaˇemo da integral divergira. 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. postoji x f (ζ)dζ.20 1. −∞ Primjer 7. . a Ako promatrani limes ne postoji. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. +∞ postoji integral te funkcije u granicama od a do x. 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. −∞ pa i za sluˇaj c +∞ f (x)dx.7. tj. z Sliˇno postupamo i za sluˇaj c c b f (x)dx.

Izraˇunajmo c 1 +∞ dx . 2. Izraˇunajmo 1 +∞ dx . x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. 1 + x2 Zbog neparnosti funkcije arctg imamo +∞ −∞ dx = lim 1 + x2 x−→+∞ x −x dζ = lim (arctg ζ 1 + ζ 2 x−→+∞ x−→+∞ x −x )= x−→+∞ lim (arctg x − arctg (−x)) = 2 lim arctg x = π. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1.318 Imamo +∞ 0 ˇ POGLAVLJE 7. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1.♠ c . x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. c 3. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. Izraˇunajmo c dx .

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

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

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

8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. 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.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. oznaˇimo s P (xi ). Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . tj. a njegova povrˇina za zadani x je jednaka f (x)π.♠ 2 . Iz Primjera 7. Primjer 7. kad max ∆xi+1 −→ 0. No taj popreˇni presjek c c 2 je krug. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . 0). Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. ako taj limes postoji kad n −→ ∞. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. S druge strane. 0. 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. i=0 Prijedemo na limes.322 y ˇ POGLAVLJE 7.

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.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. b]. z z Po gornjoj formuli. Dakle. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x).ˇ 7. c z y R 0 Η x Slika 7.5. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini. . c Primjer 7.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. 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. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. f2 : [a. za svaki x ∈ [a. ako su f1 .

20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. . R > r. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7. 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.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . y R r 0 x −R Slika 7. Primjer 7.324 y ˇ POGLAVLJE 7. f2 (x) = R − √ r 2 − x2 .

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

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

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

xi ] za neki si ∈ [xi−1 . c c zs Podijelimo segment [a. To se dobije zbrajanjem po svim c pravokutnicima. Raˇunamo statiˇki moment tog susc c 2 tava materijalnih toˇaka s obzirom na os x. i = 1. b]. a teˇiˇte c zs xi−1 +xi 1 mu ima ordinatu 2 f (si ) i apscisu . .. Uz konstantnu gusto´u mase µ. 2 i=1 Prijelazom na sve finije i finije podjele segmenta [a. xi ]. Kako je broj xi−1 +xi 2 2 izmedu xi−1 i xi . ∆xi = xi − xi−1 .22: Teˇiˇte homogenog krivuljnog trapeza.328 ˇ POGLAVLJE 7. Dakle je 1 Mx = 2 µ b a f 2 (x)dx. b] na n dijelova [xi−1 . a ta udaljenost je mala. zs u teˇiˇtu jednog pravokutnika (a to znamo odrediti) i imat ´e masu jednaku masi zs c pravokutnika. Promatramo pravokutnik visine f (si ) nad [xi−1 . xi ]. n.. Ideja za raˇunanje teˇiˇta lika je: podijelimo lik na male pravokutnike i c zs zamijenimo lik sustavom materijalnih toˇaka od kojih ´e svaka biti smjeˇtena c c s y f(x) f(si ) 0 1111111 0000000 11 00 11 00 11 00 11 00 11 00 11 00 11 00 a x x i−1 i b x Slika 7. ovaj ´e izraz u limesu c µ 2 postati odredeni integral od a do b funkcije 2 f (x). Statiˇki moment s obzirom na os y raˇuna se sliˇno. moˇemo uzeti da je apscisa teˇiˇta z zs .. a F1 i F2 odnosno m1 i m2 sile odnosno mase na pripadne krakove poluge. njegova masa je jednaka µf (si )∆xi . UVOD U INTEGRALNI RACUN gdje su k1 i k2 duljine krakova poluge. Pove´anjem broja pravokutnika teˇiˇte takvog sustava materijalc zs nih toˇaka bit ´e sve bolja i bolja aproksimacija teˇiˇta lika. Masa pravokutnika je i c c c xi−1 +xi dalje µf (si )∆xi . dakle n 1 µf 2 (si )∆xi . a apscisa njegovog teˇiˇta je zs .

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

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

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

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 . teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .♠ 8 π 4 R . tj.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. mjereno od osnovice. 4 Zbog M = µV = 14 3 R π. 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. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. za µ = 1.28 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.332 ˇ POGLAVLJE 7. dobivamo xT = 4 H. 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 . 23 dobivamo xT = Mx M .24: Teˇiˇte homogenog stoˇca. 4 3 Zbog M = µV = 1 R2 πH. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.♠ z Primjer 7. Primjer 7.

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

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

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

dakle je 1 I0 = Ix + Iy = M r2 .. 4 4 4 Takoder zbog simetrije. Prijelazom na limes dobijemo gornju formulu.8 imamo 1 Ix = r4 π. . i = 1. i visine ∆xi = xi − 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.336 ˇ POGLAVLJE 7. n.. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . Analogno iz ϕ(t) = r imamo t2 = 0. 5 . 2 2 a onda se interval [a. moment inercije cijelog kruga obzirom na y os je Iy = Ix .5.♠ 2 Kombinacijom razmatranja iz toˇke 7.10. xi ]. i zbroje se momenti inercije malih valjaka polumjera f (si ). xi ]. π] −→ R zadovoljava Teorem 7.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. Iz ϕ(t) = −r imamo t1 = π.. gdje je si ∈ [xi−1 . c Primjer 7. 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. Oˇito funkcija ϕ : [0. b] podijeli na male podsegmente [xi−1 .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 . UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. Sada iz Primjera 7. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h.

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

..338 ˇ POGLAVLJE 7.27: Ploˇtina plaˇta rotacijskog tijela.. xi ]. s 7.. b] rotira oko osi x. 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. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). n. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. i = 1.. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 .. i = 1.5. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . s yT = b a f (x) √ 1+[f (x)]2 dx . b] na podsegmente [xi−1 . . xi ].26). mase µ. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. 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 )). . Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. i . Dijeljenjem segmenta [a. n.

31 Izraˇunajmo oploˇje kugle. n.♣ s zs 7. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.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 .5. c ds = 1 + [f (x)]2 dx. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .26). Primjer 7. tj. xi ]. Toˇnije. ako znamo poloˇaj tijela u trenutku t1 = 0. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 .ˇ 7. Teorem 7. Ovdje smo s ds oznaˇili diferencijal luka. . Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. 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 .. . gdje je si ∈ [xi−1 .. ploˇtinu sfere polumjera r.12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka.. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds. 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. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . i = 1.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.5.

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

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

Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka.342 ˇ POGLAVLJE 7. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.33.83 J. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. ˇirina c s 2(1 − x) m. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve.30: Jarak iz Primjera 7. . a debljina sloja je dx metara). s x 0 y h Slika 7.29: Jarak iz Primjera 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x).33. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. duljina jarka je 10 m.

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. imamo F (x) = x2 . tj. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. po definiciji. z z Primjer 7. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? .5. upravo teˇina z K tijela. 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 . mp masa projektila i G univerzalna gravitacijska konstanta). 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. c z s 2 K F (R) = R2 = P . (Ovdje je mz masa Zemlje. gdje smo s c K oznaˇili K = Gmz mp . 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. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. c c c smanjenje zbog utroˇka goriva. Za x = R imamo teˇinu tijela na povrˇini Zemlje. Uzimaju´i da su mp . No ta sila je. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja.♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. s z Primjer 7. 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.34 Koliki je rad potreban uloˇiti da se tijelo (npr.ˇ 7. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. mz i G konstante. Dakle je K = P R2 i F (x) = PxR .35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom.♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala.

344 ˇ POGLAVLJE 7. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.♠ s c . UVOD U INTEGRALNI RACUN 0 1 Slika 7.31: Kanal iz Primjera 7.35.

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->