Ivan Slapniˇar c

MATEMATIKA 1

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

. . . . . . . . . . . . . . . . . 78 . . . 82 . . .8 3. . . . . . . . . Vektorski produkt . . Skalarni produkt . . . . . . . . . . . . . . Sjeciˇte pravca i ravnine . . . . 76 . . . . . . . 80 . . . . . . . . . . . . . . .19 3. . . . . . . . 91 . . . . . . . .3 3. . . . . Pravilo poligona . . . . .3 3.1 1. . . . . . . . . . . Elektriˇna mreˇa . . . .17 3. . . . . . . . . . . . . . . . . . . . . . . . z Ekvivalentne usmjerene duˇine . 103 .5 3. . .16 3.15 3. . . .6 3. . . . . Koordinatizacija prostora .4 3. . . . . . . . . . Asocijativnost zbrajanja vektora . . Kompleksni broj . . . . . . . . . 92 . . 90 . . .5 2. . . . Modul vektorskog produkta . . . . . . . . . . . . . . . . . . . . . . . . . . . . Koordinatizacija ravnine . . . . . . . . . . . . . . . . . . . . . . 102 . . . . . . . . . Elipsa u kompleksnoj ravnini . . . . . . . .14 3. . . . . . . . . . . 76 .2 Apsolutna vrijednost |x| . 108 ix . 86 . . . . . . . . . . . . . . . Pravac kao presjek ravnina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .13 3. . . . . . . . . . . . . . . . .11 3. . . . . s Mjeˇoviti produkt . . . . . . . . . . . . . . . . . Dio kompleksne ravnine . 22 24 26 26 27 33 64 65 Pravci koji se sijeku . . . . . 97 . . . . . . . . . . . . . . . 88 .2 2. . . . . c . . . . . . z Zbrajanje vektora (pravilo trokuta) Pravilo paralelograma . . . . .3 1. . . . . . . Krug u kompleksnoj ravnini .10 3. . .20 4. . Komponente vektora . . . . . . . . . . . . . 88 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . s Projekcija toˇke na pravac . . . .7 3. . . . . . . . . . . . . . . . . . . 96 . c Projekcija toˇke na ravninu . . . . . . . . . . .2 1. . . . . . . .1 2. . Pravac u prostoru . . . . . .12 3. . . . . .18 3. . . . . . .1 4. . . . . . . . . . . 94 . . . . . . . Ravnina u prostoru . . . . . . . . . . . . . . . . . . . . 73 . 104 Tabliˇno zadana funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 1. . . . . . . . . . . . . . . . . . . . Povrˇina trokuta . . . 75 . . . . . . . . . . . . . s Volumen tetraedra . . . . . . . . . . . . . . . . . 74 . . . . . . . . . . .1 3. . .9 3. . . . . . . . . . . . . . . . . . . . . . . . . . 107 c Linearna interpolacija . . . . .2 3. . c z Standardna grana mreˇe . . . . . . . . . .Popis slika 1. . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funkcija arcsin(sin x) . . . Funkcija sin x/x . . . . . . . . . . . . . . . . . . . . .25 4. . . . . .31 4. . Pravilo uklijeˇtene funkcije . . . . . . . . . . . . . . . . . . . . . . . . 1 Funkcija sin x . . . . . . . . . . . . . . . . . . . Funkcija f (x) = 3 x √ . .42 5. . Trigonometrijska kruˇnica . . . . . . . . . . . . . .23 4. . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14 4. . . . . . . . 110 111 112 113 113 118 120 123 124 125 126 128 129 131 133 134 135 136 137 137 138 138 139 140 142 143 145 146 147 148 149 150 151 151 152 153 156 158 159 159 Izolirana toˇka . . . . . .10 4. . √ Funkcija f (x) = x . . . .4 4. . . . . . . . . . . . . . . . . . . .29 4. . . . . . . . . . . . . Op´a sinusoida . . . . . .34 4. . . . . .18 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . z Descartesov list . . .26 4. . . .38 4. . . . . . . . . . . .13 4. . . . . . . . . . . . . . c Adicioni teoremi . . . . . . . . . . . . . . . . . . . . . . Arkus sinus . . . .40 4. . Arkus kosinus . . . . . . . . . . . . . . . . . Beskonaˇan limes . . . . . 4 Funkcija galeb(x) = x2 . . . . . . . . . Kosa asimptota . . . . . .11 4. . . . . . . . . . . . . . . . . Funkcija y = cos(x)/x . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funkcija f (x) = log 1/2 x . . . . . . . . . . . . . . . . . . . . . Eksponencijalne funkcije 2x i 2−x . . . . . . . . . . . . . . . . . . . . . . . . . √ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .16 4. . . . . . . . . . . . . . . . . . . . . .27 4. . . . . . . . . . . Funkcije f (x) = x−k . . . . . . . . . . . . . . Konstantna funkcija . . . . . . .39 4. . . . . . . . Sinus hiperbolni i kosinus hiperbolni . . . . . .21 4.8 4. . . . . . . .20 4. . . . . . . . .22 4. . . . . . . . . . . . .3 4. . . .17 4. . . .28 4. . . . . . . . . .36 4.15 4. . . . . . Limes funkcije .19 4. . . Kotangens .32 4. . . . . . . Funkcija f (x) = log 2 x . . . . . . . . 163 c x . Area tangens hiperbolni i area kotangens hiperbolni .12 4. . . . . . . . . . . . . . . . . . Kompozicije restrikcije sinusa s arkus sinusom . .30 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cikloida . . . . . . s Funkcija sign(x) . . . . . . .41 4. . . .6 4. c Neprekidna funkcija . .24 4. . . . . . . . . . . . . . .5 4. . . . . . . . . . . . Funkcija 1/x . . . . . . .1 Implicitno zadana funkcija x + arccos(xy) = 0 . . . . . . . . . . . .35 4. . . . . . . . . . . . . . . . . .37 4. . . . . . . . . .7 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Implicitno zadana kruˇnica . . . . Tangens hiperbolni i kotangens hiperbolni . . . . . . . . . . . . . . . . . .9 4. . Area sinus hiperbolni i area kosinus hiperbolni . . . . . . . . . c Kosinusov pouˇak . . . .33 4. . . . . . . . Funkcije 10x i ex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . z Sinus i kosinus . . k ∈ N . . . Tangens . . . . . . . Arkus tangens i arkus kotangens . . . . . . . . . . Potenciranje s prirodnim brojem . . . .

. . . . . . . . . . . . . . . . . . . Taylorov red za sin x . . . . . . . . . . .8 5. . . . 166 171 175 181 183 183 188 189 192 194 195 196 203 207 208 209 210 227 236 238 241 244 245 246 248 xi .15 5. . . . . . . Poloˇaj ravnoteˇe mehaniˇkog sustava . . . . . . . . . Elipsa i tangenta . . . . . . . . . . . Lokalni i globalni ekstremi . . . . . . . . . . . . . Konkavna i konveksna funkcija . . . . . . . . . . . . .17 5. . . . . . . . . . . . . . . . . Varijable x i y Descartesovog lista . . . . . . . . . . . . . . . . .3 5. . . . . . . .13 5.4 5. . . z Volumen upisanog valjka . Graf iracionalne funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Strogo konveksna funkcija . . . . . . Taylorov red za ln(1 + x) .18 6. . . . . . . . . . . . . . . . . . . . . . . . .5 5. . . . . . . . . . . . . . . . . . . . . . . . . . .4 6.6 5. . . . .6 6. . . . . . . . . . . . . . . . . . . . Konvergencija geometrijskog reda funkcija Konvergencija reda potencija . . . . . . . .2 6. .7 5. . . . . . . . . .11 5.8 Tangenta na krivulju . . . . . . . . . . . . . Intervali monotonosti . . . . . . . . . . . . Geometrijska interpretacija Lagrangeovog teorema . . . .3 6. . . . . . . . . . . . . . . . . . . Fermatov teorem . . . . Valjak upisan u stoˇac . . . . z z c Proˇirenje po neprekidnosti . .16 5. . . . . . . . . .14 5. . . . . . . . . .9 5. . . . . . . . . . . . . . . . . . . . . .5 6. . . . . . . . .2 5. . . . . . . . . . .7 6. . .12 5. . . . . . .5. . . . . . . . . . . . . . . . . . . . .1 6. . . . . . . . . Diferencijal . . . . . . . . . Taylorov red za ln((1 + x)/(1 − x)) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Taylorov red za ex . . . . . .10 5. . . . . . . . . . . . Derivacije varijabli Descartesovog lista po parametru Derivacije Descartesovog lista po varijablama x i y . s Konvergencija niza funkcija . . . . . . . . Pretpostavke Lagrangeovog teorema . . . . . . .

.

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

.

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

.

. 16 1. . . . . . . . . . . . .1. . 28 . . .1 1. . . . . .1 1. . . . . . Ekvipotencija i beskonaˇni skupovi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 21 Kompleksni brojevi . . .3. c Binarne relacije . . . .5 Cijeli brojevi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 1. . . . . OSNOVE MATEMATIKE 1. c Apsolutna vrijednost .8. . . . . . . . . .4 1.2 1. . . c Brojevni sustavi . .7. . . . . . . 17 Realni brojevi . . .7 Racionalni brojevi . . . . . . .4. . . . . . . 10 1. .7. . 23 1. . . . Prirodni brojevi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1. .2 1. .2 Teorem o inverznoj funkciji . . . . . . . . .2 Eksponencijalni oblik . .1 Trigonometrijski oblik .6 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . 2 4 5 7 8 9 12 12 1. . . . . . . . .1 1. . . .3 Funkcije .3 Binomni pouˇak . . . . . . . .4. . . . . . . . . . . . . . . . . . Uredaj na skupu prirodnih brojeva .4. . .3. . . . . . . 13 c 1. .8. . . . . . .1 Uredeni skupovi . .8 Aritmetika raˇunala . . . . . . . . . . . . . . . . . . . . 25 1. . . . . . . . . 1. . . . 1. .2 Osnove matematiˇke logike .

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

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

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

y). y) : x ∈ X ∧ y ∈ Y }. Takoder. . Oˇito vrijedi c x R x.1 Relacija ekvivalencije na skupu X cijepa taj skup na medusobno disjunktne podskupove. Definicija 1. Ako je uredeni par (x. y ∈ X vrijedi x ≤ y ∨ y ≤ x. c 1. (2. svaka dva elementa skupa X u relaciji. odnosno c (x ≤ y ∧ y ≤ x) ⇒ x = y. c – tranzitivna ako (x R y ∧ y R z) ⇒ x R z. (2. a X je ureden skup. gdje je x ∈ X i y ∈ Y . y) ∈ R. i piˇemo x R y z s ili R(x. b)}. – simetriˇna ako x R y ⇒ y R x. supremum. (x R y ∧ y R z) ⇒ x R z.5 Relacija parcijalnog uredaja ≤ na skupu X je svaka binarna relacija na skupu X koje je refleksivna. Takoder. Na primjer. Definicija 1. tada je X × Y = {(1. x R y ⇒ y R x.3 Direktni produkt ili Kartezijev produkt skupova X i Y je skup svih uredenih parova (x. pa je R relacija ekvivalencije.2 Binarne relacije 5 Definicija 1. neka je X skup ljudi i neka je (x. piˇemo x < y. (3.2. y) ∈ R ako su x i y rodeni istog dana. x ≤ y moˇemo pisati i kao s z y ≥ x. a). y ∈ X. Skup X se moˇe na z jedinstven naˇin prikazati kao unija tih klasa ekvivalencije. (1. ako je X = {1. X × ∅ = ∅ za svaki skup X. Izreku (∀x ∈ X)(∀y ∈ X) kra´e ´emo zapisati kao c c ∀x.1. y). odnosno ∀x. Ako su. b). c Na primjer. simetriˇna i tranzitivna. (3. Ako je x ≤ y i x = y.1 Uredeni skupovi U ovom poglavlju definirat ´emo relaciju parcijalnog uredaja i uredeni c skup te pojmove kao ˇto su gornja meda.4 Binarna relacija na skupu X je svaki podskup R ⊆ X × X. donja meda. 3} i Y = {a. Binarna relacija je: – refleksivna ako je x R x za svaki x ∈ X. b). b}. tada je ≤ relacija potpunog uredaja. Napomena 1. infimum. kaˇemo da je x u relaciji R s y. tranzitivna i anti-simetriˇna. a). dodatno. – relacija ekvivalencije ako je refleksivna. odnosno X × Y = {(x. 2. takozvane klase ekvivalencije. s minimum i maksimum. a).

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

Definicija 1. 1.5 slijedi m1 = m2 . supremum.6. a skup svih vrijednosti s c koje poprima zavisna varijabla oznaˇavamo s R f i zovemo slika funkcije. Joˇ koristimo oznaku s h = g ◦ f. odnosno f = g. skup Y je podruˇje vrijedc c nosti ili kodomena funkcije f .3 Funkcije U ovom poglavlju dat ´emo osnovne pojmove vezane uz funkcije i klasic fikaciju funkcija. u ovom sluˇaju funkciju. c Rf = {y ∈ Y : (∃x ∈ Df ) takav da je y = f (x)} ⊆ Y. gornje mede skupa A su svi brojevi ve´i ili jednaki osam i vrijedi c sup A = max A = 8.7 Funkcija ili preslikavanje iz skupa X u skup Y je svako pravilo f po kojemu se elementu x ∈ X pridruˇuje jedinstveni element y ∈ Y .3 Funkcije 7 druge strane. dok x Na primjer. c Definicija 1. . x je nezavisna varijabla ili argument funkcije f . Zaista.9 Kompozicija funkcija f : X → Y i g : V → Z. i m2 ≤ m1 = inf A.8 Funkcije f i g su jednake. a y je zavisna varijabla funkcije f . ako vrijedi Df = D g ∧ f (x) = g(x) za ∀x ∈ Df . gdje je R f ⊆ V . z Koristimo oznake f : X → Y ili y = f (x). neka je m 1 = inf A i m2 = inf A. Definicija 1. Primijetimo da su infimum. je funkcija h : X → Z definirana s h(x) = g(f (x)).1. dokazati vaˇan teorem o inverznoj funkciji te definirati ekvipoz tentnost skupova i beskonaˇne skupove. s c c potrebno je definirati kada su dva objekta jednaka. Nakon ˇto smo definirali novi matematiˇki objekt. x2 nisu jednake jer je Df = R. minimum i maksimum jedinstveni (ukoliko postoje). elementi m1 i m2 su takoder donje mede skupa A. funkcije f (x) = x i g(x) = je Dg = R \ {0}. Prema definiciji 1. Skup svih vrijednosti nezavisne varijable x za koje je funkcija doista definirana joˇ oznaˇavamo s D f . odnosno m1 ≤ m2 = inf A pa iz definicije 1. Skup X je podruˇje definicije ili domena funkcije f .

OSNOVE MATEMATIKE Zaista. x ∈ Df . je bijekcija ako i samo ako postoji funkcija g : Y → X takva da je g ◦ f = i X i f ◦ g = iY . c Definicija 1. – injekcija ili 1-1 preslikavanje ako f (x) = f (x ) ⇒ x = x za sve x. 1. Jedan primjer bijekcije je identiteta. c . funkcija g je restrikcija ili suˇenje funkcije f .10 Ako je Dg ⊆ Df i g(x) = f (x) za svaki x ∈ Dg .11 Funkcija f : X → Y je: – surjekcija ili preslikavanje na ako je R f = Y . Tako je u ovom sluˇaju i funkcija f1 : R → R \ {0} definirana s c f1 (x) = x. a funkcija f je ekstenzija ili proˇirenje z s funkcije g.3.1 Teorem o inverznoj funkciji Prvo ´emo definirati neke klase funkcija. Primijetimo da je restrikcija uvijek jedinstvena. c c 1. a funkcija f je ekstenzija funkcije g. Funkcija g je jedinstvena. dok ekstenzija to nije. odnosno funkcija i X : X → X definirana s iX (x) = x za svaki x ∈ X. Definicija 1.1 Funkcija f : X → Y .8 Kompozicija funkcija je asocijativna.8. – bijekcija ili obostrano jednoznaˇno preslikavanje ako je surjekcija i injekc cija. odnosno h ◦ (g ◦ f ) = (h ◦ g) ◦ f. za proizvoljni x za koji je kompozicija definirana vrijedi (h ◦ (g ◦ f ))(x) = h((g ◦ f )(x)) = h(g(f (x))) pa tvrdnja slijedi iz definicije jednakosti funkcija 1. za x = 0 za x = 0 = (h ◦ g)(f (x)) = ((h ◦ g) ◦ f )(x) jedna od beskonaˇno mogu´ih ekstenzija funkcije g. odnosno g = f |Dg . Na primjer. funkcija g(x) = x2 /x je restrikcija funkcije f (x) = x na skup Dg = R \ {0}. gdje su iX i iY odgovaraju´e identitete. a zove se inverzna c funkcija funkcije f i oznaˇava s f −1 . Teorem 1. gdje je X = D f .

Zaista. Neka je x = g(y).12 Skup X je beskonaˇan. Definicija 1. skup prirodnih brojeva N je beskonaˇan. i skup svih brojeva koji c su djeljivi s tisu´u takoder ima jednako mnogo elemenata kao i skup N.8. g i g 1 . Za svaki x ∈ X vrijedi g(f (x)) = g(y) = x pa je g ◦ f = i X . ako postoji bijekcija izmedu ta dva skupa. Dokaˇimo da je f injekcija. Dokaˇimo drugi smjer tvrdnje teorema. c . odnosno imaju jednako mnogo elemenata. tada je z x = iX (x) = g(f (x)) = g(f (x )) = iX (x ) = x .2 Ekvipotencija i beskonaˇni skupovi c Zbog svojstava bijekcije prirodna je sljede´a definicija: skupovi X i Y su c ekvipotentni. 1. c Na primjer. odnosno ima beskonaˇno mnogo elec c menata. Definicija 1.11 z povlaˇi c (∀y ∈ Y )(∃!x ∈ X) takav da je y = f (x). Sliˇno. Za svaki y ∈ Y vrijedi z g(y) = x = iX (g(y)) = (g1 ◦ f )(g(y)) = g1 (f (g(y))) = g1 (iY (y)) = g1 (y) pa je g = g1 prema definiciji 1. zanimljivo je da parnih brojeva ima jednako mnogo kao i svih prirodnih brojeva. Stoga moˇemo definirati funkciju g : Y → X pravilom z g(y) = x ˇim je c y = f (x). Dakle. Ekvipotencija je oˇito relacija ekvivalencije na skupovima. Pretpostavimo da postoje z dvije funkcije s traˇenim svojstvima. Potrebno je pokazati da je f bijekcija. Skup X je konaˇan c ako nije beskonaˇan. Potrebno je konstruirati funkciju g s traˇenim svojstvima. Klasa ekvivac lencije kojoj pripada skup X zove se kardinalni broj skupa X i oznaˇava s c kard X. Zakljuˇujemo da je svaki element y ∈ Y slika nekog elementa x ∈ X pa je f c surjekcija. Odaberimo proizvoljni y ∈ Y . To oˇito ne vrijedi samo za parne brojeve.1. jer je funkcija f (n) = c 2n bijekcija izmedu skupa prirodnih brojeva i skupa svih parnih brojeva. Neka je f bijekcija.3 Funkcije 9 Dokaz. Na kraju dokaˇimo jedinstvenost funkcije g.3. Svojstva funkcije g povlaˇe c f (x) = f (g(y)) = (f ◦ g)(y) = iY (y) = y. ako je f (x) = f (x ). za svaki c y ∈ Y vrijedi f (g(y)) = f (x) = y pa je f ◦ g = i Y i prvi smjer je dokazan. Potrebno je dokazati oba smjera tvrdnje teorema. ako je ekvipotentan sa svojim pravim podskupom. f je bijekcija te smo dokazali i drugi smjer tvrdnje teorema. Neka postoji funkcija g s traˇenim z z svojstvima. Dakle.

– mnoˇenje je funkcija · : N × N → N sa svojstvima z m·1 =m ∧ m · s(n) = (m · n) + m. z Teorem 1. P4. ∀m. Dva vaˇna teorema navodimo bez dokaza. ako je M ⊆ N i ako vrijedi (ii) n ∈ M ⇒ s(n) ∈ M .10 OSNOVE MATEMATIKE 1. Razni naˇini oznaˇavanja prirodnih c c c brojeva dani su u poglavlju 1. P3. Ponovit ´emo i neke naˇine zapisivanja elemec c c nata skupa N. tada je M = N. Ovaj teorem zapravo kaˇe da se uvijek radi o istom skupu N bez obzira z na to kako oznaˇavamo njegove elemente. P2. Posebnu paˇnju posvetit ´emo principu matematiˇke indukcije i njegovoj primjeni na z c c dokazivanje binomnog pouˇka. odnosno c s(n) = 1 za svaki n ∈ N.13 Skup prirodnih brojeva N je skup koji zadovoljava ˇetiri Peanova c aksioma: P1. ∀m. . n ∈ N.2 Postoji toˇno jedan skup sa svojstvima iz definicije 1.4 Prirodni brojevi U ovom poglavlju definirat ´emo skup prirodnih brojeva N. n ∈ N. s je injekcija.4. Aksiom P4 zove se princip matematiˇke indukcije. (i) 1 ∈ M . postoji barem jedan element 1 ∈ N koji nije niˇiji sljedbenik. c Operacije na skupu N definiramo na sljede´i naˇin: c c – zbrajanje je funkcija + : N × N → N sa svojstvima m + 1 = s(m) ∧ m + s(n) = s(m + n). Definicija 1.13. osnovne raˇunske c c operacije na tom skupu i njihova svojstva te relaciju potpunog uredaja. postoji funkcija sljedbenika s : N → N. Funkcije c + i · jedine su funkcije s gornjim svojstvima.1.

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

U trgovini se takoder koristi i sustav s bazom 12. Taj sustav je praktiˇan jer je broj 12 djeljiv s dva. neki od c c kojih su dani u tablici 1. odnosno m < n. Nadalje. Radi lakˇeg baratanja s s binarnim brojevima koriste se oktalni sustav s bazom osam i heksadecimalni sustav s bazom 16. Iz babilonskih vremena smo naslijedili heksagezimalni sustav s bazom 60. c ˇetiri i ˇest.1.1 Brojevni sustavi Elemente skupa prirodnih brojeva oznaˇavamo na razne naˇine. Danas dijelove tog sustava koristimo za prikazivanja vremena (1 sat=60 minuta= 60 · 60 sekunda) i kutova. Raˇunala c zbog tehniˇkih mogu´nosti kreiranja samo dvaju stabilnih stanja (prekidaˇ) c c c koriste sustav s bazom 2. Koliˇinu 12 ˇesto zovemo tucet ili duzina. ako i samo ako postoji p ∈ N za koji je m + p = n.14 Neka su m. tri.12 Decimalni sustav 1 s(1) = 1 + 1 = 2 s(2) = 2 + 1 = 3 s(3) = 3 + 1 = 4 5 6 7 8 9 10 11 12 13 14 15 16 Rimski brojevi I II III IIII ili IV V VI VII VIII IX X XI XII XIII XIV XV XVI Binarni sustav 1 10 11 100 101 110 111 1000 1001 1010 1011 1100 1101 1110 1111 10000 OSNOVE MATEMATIKE Heksadecimalni sustav 1 2 3 4 5 6 7 8 9 A B C D E F 10 Oktalni sustav 1 2 3 4 5 6 7 10 11 12 13 14 15 16 17 20 Tablica 1.1: Brojevni sustavi 1. odnosno binarni sustav. odnosno m ≤ n. Kod rimskih brojeva oznaka V za broj pet zapravo simbolizira ruku koja ima pet prstiju. c c Definicija 1.4. m je manje ili jednako n.4. dok oznaka X za broj deset simbolizira dvije ruke. c s c c 1. Tada je m manji od n.2 Uredaj na skupu prirodnih brojeva Uredaj definiramo na sljede´i naˇin. n ∈ N. ako vrijedi m < n ili m = n. .

2. i2 . ako je X ekvipotentan s [1.6 i 1.4 Broj razliˇitih kombinacija n-tog reda i k-tog razreda K n jednak c je binomnom koeficijentu n k = n! . 3. ako je ekvipotentan s N.1 moˇemo definirati intervale z [1. opisati Pascalov c trokut i dokazati binomni pouˇak i neke njegove posljedice.2. Skup X je prebrojiv ili prebrojivo beskonaˇan. n]N . ik } ⊆ c [1. n]N .3. odnosno za svaki n ∈ N vrijedi {p ∈ N : n < p < n + 1} = ∅. . . s 1.3 Binomni pouˇak c U ovom poglavlju definirat ´emo permutaciju i kombinaciju.15 Skup X ima n elemenata.5.1. odnosno c kard X = ℵ0 (alef nula).16 Permutacija n-tog reda je svaka bijekcija s [1. n]N . Posebno je [1. Ovo svojstvo ´e biti jasnije c kada u poglavljima 1. ˇto moˇemo uˇiniti na Kn c s z c naˇina. ·)N = {1. n}. ≤) je diskretan ili diskretno ureden.2. n] N . s c U teoremu 2. . k!(n − k)! Dokaz.7 je dokazano da skup svih razliˇitih permutacija n-tog reda c ima n! elemenata (n faktorijela). . c Definicija 1.} = N. c . 2.4. Pri tome je dopuˇten i sluˇaj k = 0. Sljede´a definicija nadopunjava definicije iz poglavlja 1.7 opiˇemo guste skupove Q i R. . Faktorijele su definirane rekurzivno s (n + 1)! = n!(n + 1) ili kao funkcija f : N → N zadana s f (1) = 1. c Definicija 1. n] N u [1. . odnosno kard X = n. odaberemo jedan k-ˇlani podskup od [1. f (n + 1) = f (n) · (n + 1). Svaku permutaciju n-tog reda moˇemo dobiti u tri koraka: z k 1. Skup prirodnih brojeva (N. . . . . uz dogovor 0! = 1. k Teorem 1. n]N = {p ∈ N : 1 ≤ p ≤ n} = {1. Kombinacija n-tog reda i k-tog razreda je svaki k-ˇlani podskup {i 1 . U skladu s poglavljem 1.4 Prirodni brojevi 13 S ovako definiranom relacijom potpunog uredaja N je ureden skup po definiciji 1. .

z Druga tvrdnja teorema 1. zbroj dvaju elemenata koji se nalaze s lijeve i desne strane u retku iznad. . k < n.1) U n-tom retku Pascalovog trokuta nalaze se binomni koeficijenti n-tog reda. (1. i to poredani po razredu k = 0. . n ∈ N ∪ {0}. 2 · · · . . .5 daje nam poznati Pascalov trokut: 1 1 1 1 1 1 1 . = ∀k. ˇto moˇemo c s z uˇiniti na (n − k)! naˇina. c 3. Teorem 1. 1. 1. . . odaberemo jednu permutaciju tog podskupa. n ∈ N ∪ {0}. osim rubnih..5.14 OSNOVE MATEMATIKE 2. n.3 Dokaˇite teorem 1. 3. ˇto moˇemo uˇiniti na k! s z c naˇina. n−k n+1 . Vidimo da je svaki element. k ≤ n. 6 5 15 4 10 20 3 6 10 15 2 3 4 5 6 1 1 1 1 1 1 . . n = 0. Zadatak 1. odaberemo jednu permutaciju preostalog (n−k)-ˇlanog podskupa. . c c Ukupan broj permutacija n-tog reda stoga je jednak k n! = Kn · k! · (n − k)! pa je teorem dokazan.5 Vrijedi n k n n + k k+1 = n . 2. k+1 ∀k.

2) i Pascalov trokut (1. k (1.3. Dokaˇimo z da je M = N. Dokaz.1. Pokaˇimo da je ispunjen i korak indukcije.4 Prirodni brojevi 15 Teorem 1. c c realne i kompleksne brojeve. Binomni pouˇak dokazat ´emo za prirodne brojeve.1) za n = 4 daju (a + b)4 = 4 4 0 4 3 1 4 2 2 4 1 3 4 0 4 a b a b + a b + a b + a b + 4 3 2 1 0 = b4 + 4ab3 + 6a2 b2 + 4a3 b + a4 .2) Na primjer. Teorem ´emo dokazati pomo´u principa matematiˇke indukcije P4 iz c c c definicije 1. 0 1 Dakle. Tehnika dokazivanja sliˇna je onoj iz Primjera 1. no on vrijedi i za racionalne. Ako z . formula (1.13. c Neka je M skup svih prirodnih brojeva za koje formula vrijedi. Za n = 1 formula vrijedi jer je (a + b)1 = 1 0 1 1 1 0 a b + a b . 1 ∈ M pa je ispunjena baza indukcije.6 (Binomni pouˇak) Za svaki n ∈ N vrijedi c n (a + b) = k=0 n n k n−k a b . odnosno uvjet (i) aksioma P4. odnosno uvjet (ii) aksioma P4.

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

moˇemo pisati p = n − m. n1 ) ∼ (m2 . n ∈ N . Na skupu Z × N = {(m. Q= n ∼ Raˇunske operacije +.14 za m. a razlikuju se u tome ˇto Z nema najmanji element.14. Skup (Z. 2 za n paran za n neparan bijekcija. 3) ∼ (4.1. Raˇunske operacije +. jer je funkcija f : N → Z definirana s f (n) = n 2. na primjer (2. ∀m ∈ Z. 9). c Uredaj na skupu Z uvodimo sliˇno kao u definiciji 1. Skup racionalnih brojeva Q je skup svih klasa ekvivalencije na skupu Z×N. odnosno oba skupa imaju jednako mnogo elemenata.3. z tada n − m ∈ N.6 Racionalni brojevi 17 Prema definiciji 1. Stoga skup prirodnih brojeva N proˇirujemo s njegovom / s negativnom kopijom i dodajemo element 0 za koji vrijedi 0·m=0 i 0 + m = m. odnosno m : m ∈ Z. n ∈ N} definiramo relaciju ∼ s (m1 . Ako je pak n < m. − n−1 . n ∈ N vrijedi m < n ⇔ (∃p ∈ N) m + p = n. 6) ∼ (6. n2 ) ⇔ m1 · n2 = m2 · n1 . ≤) je diskretan kao i skup N.6 Racionalni brojevi U ovom poglavlju definirat ´emo skup racionalnih brojeva Q te dati osc novna svojstva tog skupa. − i · na skupu Z definiramo na poznati naˇin te za c c njih vrijede svojstva sliˇno kao u Teoremu 1. n) : m ∈ Z. Kako je broj p jedinstven. · i : te relaciju potpunog uredaja ≤ na skupu Q c . s Skup Z je ekivipotentan s N. ∼ je relacija ekvivalencije. c 1.

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

Konaˇno.17 Iracionalni brojevi su brojevi koji se nalaze na brojevnom pravcu. 4)f (10) ··· ··· bijekcija. 1)f (2) (3. 2)f (3) (1. Nanesemo li na brojevni pravac dijagonalu kvadrata sa √ stranicom duˇine jedan. iz N ⊂ Q ⊂ Z × N zakljuˇujemo c c da je skup Q takoder ekvipotentan s N. Iz (2p) 2 = 2n2 slijedi 2p2 = n2 pa je n takoder paran. 2)f (5) (2.1 slijedi τ (A) = ⊥. Oznaka (1. navesti njegova osc novna svojstva. odnosno m = 2p. Definicija 1. to c su i skupovi N i Z × N ekvipotentni. 1)f (4) (4. objasniti kako rade raˇunala i definirati apsolutnu vrijednost c realnog broja. m i n nisu relativno prosti pa je tvrdnja (B) neistinita. 2)f (8) ··· ··· (1. tada je n2 = (2p − 1)2 = 4(p2 − p) + 1 neparan. 1)f (1) znaˇi f (1) = (1. Teorem ´emo dokazati koriste´i tehniku kontradikcije ili protuslovlja. 1. a ako je n = 2p − 1 neparan.7 Realni brojevi U ovom poglavlju definirat ´emo skup realnih bojeva.8 2 ∈ Q. / Dokaz. c c ako je τ (A ⇒ B) = i ako pokaˇemo da je τ (B) = ⊥. c medutim. 1)f (7) ··· (1. 1)f (1) (2. Kada racionalne brojeve nanosimo na brojevni pravac. Naime. √ √ c Ako je (A) 2 ∈ Q. 3)f (9) (3. budu´i je skup Q c gust. z c c √ Teorem 1. dobit ´emo po Pitagorinom pouˇku broj 2. a nisu elementi skupa Q.7 Realni brojevi 19 N × N definirana s (1. Raˇunske operacije na skupu realnih brojeva definirane su na poznati naˇin c c te za njih vrijede svojstva sliˇno kao u teoremu 1. Dakle. Skup realnih brojeva R je unija skupa racionalnih brojeva i skupa iracionalnih brojeva. To. Medutim.1. c . Prvo uoˇimo da je kvadrat prirodnog broja n paran ako i samo ako c je n paran: ako je n = 2p paran.3. n odnosno ne mogu se dalje skratiti. tada i tvrdnja (A) mora biti neistinita i teorem je dokazan. pri ˇemu su m i n relativno prosti. 1). tada prema tablici z istinitosti za implikaciju iz poglavlja 1. nije istina. tada je (B) 2 = m . No. 3)f (6) (2. Kako je Z ekvipotentan s N. tada je m 2 = 2n2 pa je prema prvom dijelu dokaza m paran. c Sljede´i teorem navodimo bez dokaza. mogli bismo pomisliti da njegovi elementi prekrivaju ˇitavi pravac. tada je n 2 = (2p)2 = 4n2 takoder paran.

. .012. . broj 1 = 0. .99. 3. . odnosno izmedu svaka dva razliˇita realna broja postoji c beskonaˇno realnih brojeva. .14. . .009. .00. . niti kao razlomak. neprebrojiv gusti prebrojivi 1.3333 . c (ii) skup Q je gust u skupu R.8.3 ima beskonaˇni periodiˇni decimalni zapis pa ga ne moˇemo zapisati kao c c z decimalni broj. . (v) elementi skupa R prekrivaju ˇitavi brojevni pravac.008. . .001. . . .011. . s c z .010.9 Vrijedi: OSNOVE MATEMATIKE (i) skup R je gust. . . 101. Zamisc c limo raˇunalo koje za pohranjivanje brojeva i raˇunanje raspolaˇe s tri decic c z malna mjesta. Sliˇno. 998. . . Princip rada raˇunala ilustrirat ´emo na jednostavnom primjeru. .101. .9. . . c (iii) skup R je gust u skupu Q. . . . s tim ˇto se decimalna toˇka moˇe pomicati. 100. . . .100.41.098. R . . odnosno izmedu svaka dva razliˇita realna c broja postoji beskonaˇno racionalnih brojeva.997.20 Teorem 1. c (iv) skup R je neprebrojiv.998.1. 10. .099. 1. tako da osnovni matematiˇki zakoni asocijacije i distribucije iz teoc rema 1. . . 1. . . 9.2. . Zbog konaˇne memorije. . 99. 99. odnosno izmedu svaka dva razliˇita racionalna c broja postoji beskonaˇno realnih brojeva. . c Odnos izmedu do sada opisanih skupova brojeva je sljede´i: c N N diskretni ⊂ Z ⊂ Z ⊂ ⊂Q Q ⊂ ⊂ R. . . .1 Aritmetika raˇunala c √ Broj 2 ima beskonaˇni neperiodiˇni decimalni zapis pa ga ne moˇemo zac c z pisati ni kao decimalni broj. 102.3 ne vrijede.0. 10. . . 10.002.999. .98. U ovakvom raˇunalu moˇemo prikazati brojeve c z 999. 9.7. . ali ga moˇemo zapisati kao razlomak. . . . . z c raˇunala za prikazivanje brojeva i raˇunanje koriste jedan diskretni podskup c c skupa Q. = c 3 ˙ 0. .

1%.4 + 0. za razliku od skupova N i Z gdje su razmaci izmedu elemenata konstantni. i=1 . ˇto je op´enito pravilo koje vrijedi za svako raˇunalo.10 Za apsolutnu vrijednost vrijedi: (i) |x| < r ⇔ −r < x < r ⇔ n i=1 x ∈ (−r.18 Apsolutna vrijednost realnog broja je funkcija | | : R → [0. za x ≥ 0. +∞) definirana s x. z No. U ovakvom raˇunalu asocijativnost ne vric jedi.1 prikazan je graf funkcije |x|. Ovakvo z s c c raˇunalo moˇe.8) = 200 + 1. Graf funkcije y = f (x) definiramo kao skup svih toˇaka xy-ravnine za koje je y = f (x). Na slici 1. dati i toˇan rezultat (0. |x| = −x. Na taj se naˇin osigurava mala pogreˇka s z c s kojom se mogu kvalitetno vrˇiti ˇeljeni proraˇuni. s z c 1. n (ii) nejednakost trokuta.4 = 200.7 Realni brojevi 21 Skup brojeva koje moˇemo prikazati je oˇito diskretan jer. Teorem 1.4 + (0. s time ˇto stvarna raˇunala uglavnom c s c raspolaˇu s 16 decimalnih mjesta.1.2 Apsolutna vrijednost U ovom poglavlju definirat ´emu apsolutnu vrijednost realnog broja i dokazati c neka njena svojstva. r).7.4 = (200 + 0.4) + 0. |x − y| = |y − x|. |x| = | − x|. |0| = 0. ovdje se duljina razmaka mijenja. c z c Princip rada svih raˇunala je isti. za x < 0.4 + 0. naravno. ne z c moˇemo prikazati niti jedan broj izmedu 998 i 999 kao niti izmedu .4) + 0. Na primjer. dok je 200 + (0.5+0. na primjer.4) + 0. dok c s c u drugom sluˇaju iznosi 0.2 = 201.4 = 200 + 0.002. pogreˇka u prvom sluˇaju iznosi 0. odnosno op´enitije c xi ≤ |xi |.5)+200 = 1+200 = 201.4)) = 200 + (0. Rezultat je toˇniji ako se prvo zbrajaju brojevi c c koji su bliˇe nuli.2.6%. Preciznije definicije funkcije c i grafa dane su u poglavlju 4. |5| = | − 5| = 5. |x + y| ≤ |x| + |y|. jer je ((200 + 0.001 i . U odnosu na toˇan rezultat 201. Definicija 1.

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

Realni broj x = Re z je realni dio kompleksnog broja z.8 Kompleksni brojevi 23 pa nejednakost trokuta vrijedi za svaki n ∈ N. Konjugirano kompleksni broj broja z = x + iy je broj z = x − iy. Zadatak 1. Iz ove definicije slijedi s z i2 = −1. Neka su z1 = x1 + iy1 i z2 = x2 + iy2 dva kompleksna broja. Definicija 1. z1 − z2 = x1 − x2 + i(y1 − y2 ). .1. x = 1 i x = −1.6. c z Motivacija za uvodenje kompleksnih brojeva je sljede´a: jednadˇba x 2 −1 = 0 ima dva rjeˇenja u skupu R. (iv) i (v) teorema 1. Posebno je 0 = 0 + i0.6. 2 2 x2 + y 2 x2 + y 2 2 2 za z2 = 0. a realni broj y = Im z je imaginarni dio kompleksnog broja z. osnovne c raˇunske operacije s kompleksnim brojevima i njihova svojstva. . dok sliˇna jednadˇba x 2 + 1 = 0 s c z nema niti jedno rjeˇenje. x1 + iy1 x2 − iy2 z1 = · z2 x2 + iy2 x2 − iy2 x1 x2 + y 1 y2 y1 x2 − x 1 y2 = +i . i3 = −i. Dva kompleksna broja su jednaka ako su im jednaki realni i imaginarni dijelovi. i4 = −i · i = −(−1) = 1. ¯ Modul ili apsolutna vrijednost kompleksnog broja z je nenegativni realni broj r = |z| = x2 + y 2 . Raˇunske c operacije su definirane na sljede´i naˇin: c c z1 + z2 = x1 + x2 + i(y1 + y2 ).8 Kompleksni brojevi U ovom poglavlju definirat ´emo skup kompleksnih brojeva C.19 Skup kompleksnih brojeva C je skup svih brojeva oblika z = x + iy. . z 1. Pretpostavljamo da ˇitatelj c poznaje osnovna svojstva trigonometrijskih i arkus funkcija iz poglavlja 4. i5 = i. z1 · z2 = (x1 + iy1 )(x2 + iy2 ) = x1 x2 + iy1 x2 + ix1 y2 + i2 y1 y2 = x1 x2 − y1 y2 + i(x1 y2 + x2 y1 ). .10.5 i 4. trigonometric jski oblik kompleksnog broja i operacije s brojevima u trigonometrijskom obliku te eksponencijalni oblik kompleksnog broja.4 Dokaˇite tvrdnje (iii). i6 = −1. Stoga se imaginarna jedinica i definira tako ˇto su s s x = i i x = −i rjeˇenja jednadˇbe x2 + 1 = 0. . y ∈ R. gdje su x.6.

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

OSNOVE MATEMATIKE

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

y

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

|x|=r ϕ 0 x

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

1.8 Kompleksni brojevi

25

1.8.1

Trigonometrijski oblik

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

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

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

Op´enito, skup c

26

OSNOVE MATEMATIKE

i

-1

Slika 1.3: Krug u kompleksnoj ravnini

i

Slika 1.4: Dio kompleksne ravnine

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

Po uzoru na primjer 1.4.c analizirajte skup

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

1.8 Kompleksni brojevi

27

-3

-2

-1/2

1

2

Slika 1.5: Elipsa u kompleksnoj ravnini

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

zk =
k=1 k=1

rk

cos
k=1

ϕk + i sin
k=1

ϕk

.

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

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

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

k ∈ {0, 1, 2, . . . , n − 1}. (1.5)

28

OSNOVE MATEMATIKE

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

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

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

1.8.2

Eksponencijalni oblik
eiϕ = cos ϕ + i sin ϕ.

Eksponencijalni ili Eulerov oblik kompleksnog broja glasi

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

1− +i ϕ ϕ3 ϕ5 ϕ7 − + − + ··· 1! 3! 5! 7! Pomo´u Eulerovog oblika moˇemo definirati potenciranje s kompleksnim c z eksponentom ez = ex+iy = ex · eiy = ex (cos y + i sin y). a zatim imaginarne ˇlanove pa Taylorovi razvoji funkcija c cos x i sin x daju eiϕ = ϕ2 ϕ4 ϕ6 + − + ··· 2! 4! 6! = cos ϕ + i sin ϕ.8 Kompleksni brojevi 29 Red na desnoj strani je apsolutno konvergentan pa po teoremu 6.12 smijemo prvo zbrojiti realne. .1.

.

. 34 2.1. . .1 Matrice .2 2. . . 54 Inverzna matrica . . . . . 58 2. . . . .8 2. . . . 40 c z Rjeˇavanje trokutastih sustava . . . . . .1 Zbrajanje matrica . . . . . . . . . . . . . . . . . . .1. . . .9. . . . . . . . . . Elementarne matrice transformacija . . . . . .1.5 2. . . . . . . . . . . . . . c 62 62 63 2. . .1. . . . . . . . . .2. .6 2. . . . . . . . . . . . . . . . . Raˇunanje inverzne matrice .9. . . . . . . . .9. . . . . . . . . . . . . . .2 2. . . . . . . . . . . . 53 Kronecker–Capellijev teorem . . . . . . . . . . . . . .4 Mnoˇenje matrice sa skalarom . .2 2. . . . 63 2. . . . . Laplaceov razvoj determinante . . .3 2. .4. . . .1 Primjeri . . . . . . . . .10 Rjeˇavanje elektriˇne mreˇe . 52 Rang matrice .3 Pivotiranje . . . 60 2.5 2. . . .6 2. 32 2. . . . . . z Nul-matrica i jediniˇna matrica . . . . . . . . . . . . . .1. . . . .3 2. .9. . . . . . . . . . . . 56 Determinante .7 2. . . . . . . . . . . . . . . . . 64 s c z . . . . . . . . . . . . . . . . . 50 51 2. . . . .1. . . . . . . . . . . . . . . . . . . . . .3 2. . . .4 2. . . . . . .5 Cramerovo pravilo . . . . Joˇ o mnoˇenju matrica . . . s z 34 35 37 38 39 Matriˇni zapis sustava linearnih jednadˇbi . . . . . . .9. . . . . . . . . . . . . . . . . .4. c Transponirana matrica . LINEARNA ALGEBRA 2. . . . . . . . . . 47 2. . . . . . . 44 2. . . . . . .1 Svojstva determinanti .9 Linearna nezavisnost . . . . . . . . . . . . .4. . 41 s Gaussova eliminacija .2 2. . . . . . . . . . . . . . . . . . . . . . z Mnoˇenje matrica .4 Podmatrice i poddeterminante . . . . . . . . . . . . . . . . . . . . . . . .

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

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

j. u ovom sluˇaju matricu.1) .1 Zbrajanje matrica Uvedimo prvu operaciju s matricama. c Definicija 2. Drugim rijeˇima. 12345 dok su d = 0 i E = x kvadratne matrice reda 1. Ako su matrice A i B istog tipa.2 Matrice A i B su jednake ako su istog tipa i ako je aij = bij za sve parove indeksa i. (2. Svojstva zbrajanja su c c A+B =B+A (komutativnost) i (asocijativnost). Svojstva ove operacije proizlaze direktno iz svojstava mnoˇenja brojeva: z λ(A + B) = λA + λB. matrice se zbrajaju ˇlan po ˇlan. (λ + µ)A = λA + µA. Prvi korak je definirati kada su dva objekta jednaka. Dakle. elementi matrice B = λA su z c Bij = λaij . Mogu se zbrajati samo matrice istog tipa.2 Mnoˇenje matrice sa skalarom z Matrica se mnoˇi s nekim skalarom (brojem) tako da se svaki element z matrice pomnoˇi s tim brojem.1. λ(µA) = (λµ)A. a ujedno i stupˇane i c retˇane matrice c Nakon ˇto smo definirali novi objekt. tada je matrica C =A+B istog tipa kao i matrice A i B i vrijedi cij = aij + bij .34 LINEARNA ALGEBRA B i c su primjeri retˇane odnosno stupˇane matrice. c =  2 . 2.1. ˇelimo ih s c z nauˇiti usporedivati. c c   0 √ B = 1 2 3 4 . (A + B) + C = A + (B + C) 2.

3) produkta. 1 1 1 1   1 1 1 1 1 = 3 .1. z z Tada pomiˇete kaˇiprste prema a22 i b23 govore´i ”plus” dok se kaˇiprsti c z c z pomiˇu i ”puta” kada stignu na cilj. odnosno ako A z z c ima onoliko stupaca koliko B ima redaka. c z Matrice A i B moˇemo pomnoˇiti samo ako su ulanˇane. Matrica C = A·B ima redaka koliko A i stupaca koliko B.2) Element (2. 3) umnoˇka s   b11  a11 a12 a13 a14  a21 a22 a23 a24  b21 b31 a31 a32 a33 a34 b41 b12 b22 b32 b42 b13 b23 b33 b43 b14 b24 b34 b44  b15 b25   b35  b45 nalazi se tako da stavite lijevi kaˇiprst na a 21 a desni na b13 i kaˇete ”puta”. (2.2.      12 5 7 −2 1 2 3 1 2 0 −1 4 5 6 4 3 2 1  = 30 17 16 −5 48 29 25 −8 7 8 9 1 −1 1 −1 Uoˇimo da mnoˇenje u obrnutom poretku nije definirano stoga ˇto matrice c z s nisu ulanˇane.1 Matrice 35 2. Nastavite li na taj naˇin izraˇunat ´ete c c c c a21 b13 + a22 b23 + a23 b33 + a24 b43 . Neka je. U sljede´em primjeru su oba mnoˇenja definirana. ˇto je upravo element (2. ali umnoˇci c c z s nisu istog tipa:     1 1 1 1 1 1 1 1 = 1 1 1 .3 Mnoˇenje matrica z Definicija mnoˇenja matrica je na prvi pogled neobiˇna. Tada je matrica C tipa m × n i vrijedi k cij = l=1 ail blj = ai1 b1j + ai2 b2j + · · · + aik bkj . s Na primjer. 1 . A tipa m × k i B tipa k × n. ali upravo nam z c ona omogu´ava jednostvno zapisivanje sustava linearnih jednadˇbi. dakle.

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

Na primjer. 1 2 3 1 2 3 0 0 0 0 0 0 1 2 3 .4 Nul-matrica i jediniˇna matrica c Kod zbrajanja brojeva broj 0 je neutralni element s obzirom na zbrajanje. Za proizvoljni element matrice (AB)C vrijedi: l [(AB)C]ij = p=1 l [AB]ip Cpj k = p=1 l q=1 k s Aiq Bqp Cpj = raspiˇemo sumu = p=1 q=1 k l Aiq Bqp Cpj = zamijenimo redoslijed zbrajanja = q=1 p=1 k Aiq Bqp Cpj = grupiramo pribrojnike na drugi naˇin c l = q=1 k Aiq p=1 Bqp Cpj = q=1 Aiq [BC]qj = [A(BC)]ij . Na c z c .1 Matrice 37 m × l. odnosno Omn kada ˇelimo naglasiti o kojem tipu se c z radi. c 2. a (AB)C je tipa m × n. Ukoliko matrica nije kvadratna. z z odnosno x · 1 = 1 · x = x za svaki broj x. Analogija kod matrica je jediniˇna matrica . c jediniˇne matrice u odnosu na mnoˇenje slijeva i zdesna su razliˇitog reda. = + = + 4 5 6 4 5 6 0 0 0 0 0 0 4 5 6 Kod mnoˇenja brojeva broj 1 je neutralni element s obzirom na mnoˇenje. Ostale tvrdnje dokazuju se sliˇno.2.1. odnosno x + 0 = 0 + x = x za svaki broj x. Nulmatricu oznaˇavamo s O. Analogija kod matrica je nul-matrica koja ima sve elemente jednake nuli.

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

(AB)T = B T AT .1.2.2) zapravo znaˇi da se matrice mnoˇe na sljede´i naˇin: c z c c    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1  (1 · 1 + 2 · 4 + 3 · 1) 1 · 2 + 2 · 3 + 3 · (−1)) (1 · 0 + 2 · 2 + 3 · 1) (4 · 1 + 5 · 5 + 6 · 1) (4 · 2 + 5 · 3 + 6 · (−1)) (4 · 0 + 5 · 2 + 6 · 1)  (7 · 1 + 8 · 5 + 9 · 1) (7 · 2 + 8 · 3 + 9 · (−1)) (7 · 0 + 8 · 2 + 9 · 1)  No. c c (2.1 Matrice 39 Oˇito je (AT )T = A. 9 8 7 9 8 7 9 8 7 . 7 8 9                    3 2 1 3 2 1 3 2 1 1 4 + 4 5 + 1 6 2 4 + 3 5 + (−1) 6 0 4 + 2 5 + 1 6 . Zbog oˇite simetrije u c c prirodi. Transponiranje se lijepo uklapa u ostale operacije s c matricama: (A + B)T = AT + B T . mnoˇenje matrica se moˇe interpretirati na joˇ dva naˇina: z z s c    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1 i    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1       1 2 3 4 1 2 0 + 5 4 3 2 + 6 1 −1 1 .3) 2.6 Joˇ o mnoˇenju matrica s z Formula (2. (µA)T = µAT . Matrica za koju je AT = A je simetriˇna matrica. simetriˇne matrice su ˇeste u primjenama.

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

tada je c s x(λ) = λx1 + (1 − λ)x2 s takoder rjeˇenje tog sustava za svaki λ ∈ R. sustav nema rjeˇenje.3 Rjeˇavanje trokutastih sustava s i > j =⇒ uij = 0. pa je teorem dokazan. Detalje o tome kada nastupa koji od ovih sluˇajeva s c daje nam Kronecker–Capellijev teorem 2. Dokaz. Matrica U je gornje trokutasta ako Drugim rijeˇima. matrica L je donje trokutasta ako c i < j =⇒ lij = 0. z c Teorem 2.2 Ako su x1 i x2 razliˇita rjeˇenja sustava Ax = b.5. c Sada moˇemo lako dokazati sljede´i teorem. s 2. . odnosno elementi iznad dijagonale su nula. 2. c s kao ˇto smo vidjeli u uvodu. svi elementi koji leˇe ispod dijagonale su nula. sustav ima beskonaˇno rjeˇenja.3 Rjeˇavanje trokutastih sustava s 41 moˇemo zapisati kao z gdje je O21 odgovaraju´a nul-matrica. Ax − b = O21 . Ovaj teorem nam zapravo kaˇe da je uvijek ispunjen toˇno jedan od tri z c sluˇaja: c 1.2. Iz svojstava mnoˇenja matrica skalarom i mnoˇenja matrica slijedi z z Ax(λ) = λAx1 + (1 − λ)Ax2 = λb + (1 − λ)b = b. c s 3. Primjer gornje c z trokutaste matrice reda pet je   u11 u12 u13 u14 u15  0 u22 u23 u24 u25    0 u33 u34 u35  U = 0    0 0 0 u44 u45  0 0 0 0 u55 Sliˇno. sustav ima toˇno jedno rjeˇenje.

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

j)*b(j) end b(i)=b(i)/l(i. rjeˇavanje trokutastog sustava dimenzije n = 1000 traje oko s 1/30 sekunde.j)*b(j) end b(i)=b(i)/u(i.i) end Kako se trokutasti sustavi lako rjeˇavaju. Postupak za rjeˇavanje donje trokutastog sustava Lx = b je sliˇan i dan s c je u sljede´em Matlab programu: c for i=1:n for j=i+1:n b(i)=b(i)-l(i.2. (2i − 1) = 2 2 i=1 Na modernim raˇunalima (Pentium 350). izgleda ovako: do k=1.j)*b(j) enddo b(i)=b(i)/u(i.i) end Isti program u programskom jeziku FORTRAN. koja izvrˇavaju do 30 milijuna opc s eracija u sekundi.n b(i)=b(i)-u(i. rjeˇenje op´eg (netrokutastog) s s c sustava dobijemo tako da pomo´u Gaussove eliminacije zadani sustav svedemo c na trokutasti oblik.n i=n-k+1 do j=i+1.3 Rjeˇavanje trokutastih sustava s 43 Nakon zavrˇetka programa.i) enddo Broj raˇunskih operacija potrebnih za rjeˇavanje gornje trokutastog susc s tava iznosi n n(n + 1) − n ≈ n2 . rjeˇenje x se nalazi na mjestu gdje se na poˇetku s s c nalazio vektor b. . Program za rjeˇavanje gornje trokutastog sustava u programskom jeziku s Matlab izgleda neˇto jednostavnije: s for i=n:-1:1 for j=n:-1:i+1 b(i)=b(i)-u(i. ovaj put napisan koriˇtenjem s uzlazne petlje.

z Koriste´i navedene transformacije matricu A svodimo na gornje trokutasti c oblik. z (iv) zamijenimo dvije varijable.4 Gaussova eliminacija Lako vidimo da se rjeˇenje sustava ne mijenja ako izvrˇimo bilo koju od s s sljede´ih radnji: c (i) neku jednadˇbu pomnoˇimo s brojem razliˇitim od nule.44 LINEARNA ALGEBRA Zadatak 2. Neka je zadan sustav 4 × 4 a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a21 x1 + a22 x2 + a23 x3 + a24 x4 = b2 a31 x1 + a32 x2 + a33 x3 + a34 x4 = b3 a41 x1 + a42 x2 + a43 x3 + a44 x4 = b4 Neka je a11 = 0. z z c (ii) zamijenimo dvije jednadˇbe. (iv’) zamijenimo dva stupca u matrici A. z (iii) jednu jednadˇbu pribrojimo drugoj. Tada stavimo mi1 = ai1 /a11 . 4 (2. z c (ii’) zamijenimo dva retka. (iii’) jedan redak pribrojimo drugome. 2.3 Zadajte nekoliko gornje i donje trokutastih sustava i rijeˇite ih s pomo´u opisanih Matlab programa. 3.5) . Kombiniraju´i radnje (i’) i (iii’) imamo: jednom retku dodamo drugi redak c pomnoˇen s nekim brojem. z z Ove radnje odgovaraju sljede´im radnjama na proˇirenoj matrici sustava : c s (i’) neki redak pomnoˇimo s brojem razliˇitim od nule. Taj postupak se zove Gaussova eliminacija. Pri tome moˇete koristiti program Octave c z On-line. Radnje (i) i (iii) ˇesto vrˇimo istovremeno: jednoj jednadˇbi dodamo drugu c s z jednadˇbu pomnoˇenu s nekim brojem. i = 2.

2. 4) z z z te dobijemo sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a32 x2 + a33 x3 + a34 x4 = b3 a42 x2 + a43 x3 + a44 x4 = b4 gdje je aij = aij − mi1 a1j . bi = bi − mi3 b2 . i = 3. 3. Konaˇno.3. 4). Dobiveni gornje trokutasti sustav sada rijeˇimo na naˇin koji je opisan u s c poglavlju 2. bi = bi − mi1 b1 . stavimo c mi3 = ai3 /a33 . bi = bi − mi2 b2 . i=4 i oduzmemo tre´u jednadˇbu pomnoˇenu s m i3 od ˇetvrte jednadˇbe. . Tada stavimo mi2 = ai2 /a22 . Neka je i a22 = 0.4 Gaussova eliminacija 45 i oduzmemo prvu jednadˇbu pomnoˇenu s m i1 od i-te jednadˇbe (i = 2. z z z Rezultat je sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a33 x3 + a34 x4 = b3 a43 x3 + a44 x4 = b4 gdje je aij = aij − mi2 a2j . Rezultat c z z c z je gornje trokutasti sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a33 x3 + a34 x4 = b3 a44 x4 = b4 gdje je aij = aij − mi3 a2j . Brojevi z mi1 kojima se u postupku eliminacije mnoˇi prva jednadˇba zovu se multipz z likatori. 4 i oduzmemo drugu jednadˇbu pomnoˇenu s m i2 od i-te jednadˇbe (i = 3. Primijetimo da je varijabla x1 eliminirana iz tri posljednje jednadˇbe.

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

b3  b4  0 0 . neka je c  b1 0 0 1 0 a13 a23 a33 a43  0 a11 0  0  0  0 0 1 a14 a24 a34 a44 a12 a22 a32 a42  b1 b2  . 2. b3  b4 a13 a23 a33 a43 a14 a24 a34 a44  b1 b2   b3  b4 a11 a12 a13  0 a22 a23 =  0 0 a33 0 0 0 Zadatak 2. 0 1 a13 a23 a33 a43 a14 a24 a34 a44  b1 b2   b3  b4 Tada je A3 1 0 M3 =  0 0 b3 = M 3 A2 1 0 = 0 0   b2 0 0 1 0 0 1 0 −m43 0 0 1 0 0 1 0 −m43  0 a11 a12   0 a22 0  0 0  0 0 0 1 a14 a24 a34 a44  b1 b2  .4 Gaussova eliminacija 47 Tada je A2 b2 = M 2 A1  1 0 0 1 = 0 −m32 0 −m42  a11 a12  0 a22 =  0 0 0 0 Konaˇno.2.1 Primjeri Sljede´i primjeri pokazuju tri sluˇaja koja se mogu dogoditi prilikom rjeˇavanja c c s sustava pomo´u Gaussove eliminacije.4. c .4 Napiˇite program za svodenje proˇirene matrice sustava na trokus s tasti oblik.

4 idealan je za raˇunala. Sustav ima jedinstveno rjeˇenje.48 Primjer 2.1 rjeˇava se na sljede´i c s c . Postupak rjeˇavanja sustava opisan u poglavlju 2. Rjeˇenje sustava geometrijski odgovara toˇki s s c u kojoj se sijeku tri ravnine. ukoliko s je mogu´e. s c zapisujemo samo proˇirene matrice odgovaraju´ih sustava. 5  1 0 0 1 −2 1 0 1 0 0 5 −4 = 3 0 −3 1 0 5 1  5 −13 . Naime. x = 1.1 Rijeˇimo sustav s x − 2y + z = 5 LINEARNA ALGEBRA 2x + y − 2z = −3 −x − y = 0 Tada imamo  1 0 0 1 −2 1 −2 1 0  2 1 −2 b = −1 −1 0 1 0 1  5 −13 . tada koristimo pojednostavljeno pisanje. − 14 5   5 −13 5   5 −3 0 A1 b1 = M 1 A  1 −2 1 = 0 5 −4 0 −3 1 A2 b2 = M 2 A1 b1  1 −2 1 = 0 5 −4 0 0 −7 5 Iz ovog gornje trokutastog sustava lako vidimo da je z = 2. s c Kada sustav rjeˇavamo ”ruˇno”. a sa strane naznaˇimo s c c koje operacije na retcima vrˇimo. Sustav iz primjera 2. izbjegnemo razlomke. Pri tom operacije biramo tako da. y = −11.

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

0 1  −2 2   4  III − 2 II 3 IV − II s∈R ˇ Cetvrti redak glasi 0 = 1. tada moramo zamijeniti odgovaraju´e retke proˇirene matrice c s .7. Napomena 2. c s z Zbog toga se neka pitanja vezana uz Kronecker–Capellijev teorem. s Sljede´i primjer pokazuje kako iz trokutastog oblika moˇemo zakljuˇiti da c z c sustav nema rjeˇenja.1. s c c 2. s c s Formalan opis sluˇajeva koji mogu nastati prilikom rjeˇavanja sustava daje c s nam Kronecker–Capellijev teorem 2.4. ˇto je nemogu´e pa sustav nema rjeˇenja. x3   0  −1 x4  je takoder oblik rjeˇenja sustava. odnosno    s x1 x2   1 − s    = 2 2 .5) i odredivanje ranga matrice (vidi poglavlje 2. z c s c c pri ˇemu dolazi do pogreˇaka zaokruˇivanja kako je opisano u poglavlju 1. s Primjer 2.2 Pivotiranje Ukoliko je element kojim moramo dijeliti da bi dobili multiplikatore m ij jednak nuli.5. ne mogu rijeˇiti numeriˇkim raˇunanjem.6). kao ˇto su s utvrdivanje linearne nezavisnosti skupa vektora (vidi poglavlje 2.3  2 −1 1 3 0 1 −1 2  −2 3 −3 1 2 0 0 5   −2 2 −1 1 3  0 1 −1 2 2  → 0 2 −2 4 6  III + I 1 IV − I 0 1 −1 2  2 −1 1 3 0 1 −1 2 → 0 0 0 0 0 0 0 0  −2 2 .50 LINEARNA ALGEBRA Primijetimo da smo mogli i x1 uzeti za parametar.1 U praksi se sustavi jednadˇbi ˇesto rjeˇavaju koriste´i raˇunala.

 0 0 → 1 III − I   1 1 1 0 0 1 1  → 0 0 0 1 1 III + II x = 0. Gotovi programi uvijek vrˇe zamjenu redaka i to na naˇin s c da se najve´i element po apsolutnoj vrijednosti u stupcu kojeg poniˇtavamo c s dovede na vode´u poziciju. pomo´u produkta c c c   0 0 1 0 0 1 0 0  P13 A =  1 0 0 0 A 0 0 0 1 U poglavlju 2.   1 1 1 1 1 0 0 → 0 1 1 1 1 0 1 1 0 1 1  1 1 1 0 1 1 → 0 −1 0 z = 1. matrica P = P ij se s c c od jediniˇne matrice razlikuje samo u ˇetiri elementa i to c c (Pij )ii = (Pij )jj = 0.4. Op´enito. Na sliˇan naˇin. Tada produkt c c   1  π  A D2 A =   1  1 vrˇimo zamjenu prvog i tre´eg retka matrice A.4 smo vidjeli kako je pribrajanje jednom retku nekog drugog retka pomnoˇenog nekim brojem ekvivalentno mnoˇenju s elementarnom maz z tricom M s lijeva. matrica z c Di se od jediniˇne matrice razlikuje samo u jednom elementu i to (D i )ii = 1 i c (Di )ii = 0. Op´enito.4 Gaussova eliminacija 51 sustava. No. Neka je A ∈ M45 . U praksi je poˇeljno vrˇiti zamjenu redaka i kada je broj kojim dijelimo z s jako blizu nule. (Pij )ij = (Pij )ji = 1. . i ostale operacije na retcima moˇemo interpretirati na z sliˇan naˇin. Na taj naˇin uvijek vrijedi |m ij | ≤ 1 ˇto doprinosi c c s numeriˇkoj stabilnost algoritma.  0 1 1 Na primjer. 1 pa je rjeˇenje sustava s y = −1.2.3 Elementarne matrice transformacija odgovara mnoˇenju drugog retka matrice A s brojem π. c 2.  0 0 .

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

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

dakle.   . kao i rang matrice sustava iz primjera 2. s .4 ne mijenjaju rang matrice. Kako se sve navedene elementarne transformacije mogu izvesti mnoˇenjem z matrice A elementarnim matricama transformacija bilo s lijeva bilo s desna.  0 pri ˇemu je rang(A) jednak broju dijagonalnih elemenata koji su jednaki jedan. c Kako A i B imaju isti rang. dok je rang matrice sustava iz primjera 2. a rang proˇirene matrice sustava s iz istog primjera jednak tri. rang matrice sustava iz primjera 2. Definicija 2. tada se matrica B moˇe z dobiti iz matrice A pomo´u elementarnih transformacija koje se sastoje od c mnoˇenja retka s brojem razliˇitim od nule.  . Kako elementarne transformacije iz poglavlja 2. Tako je. Sada z lako nademo niz elementarnih transformacija koje matricu A prebacuju u matricu B.3 jednak dva. Piˇemo A ∼ B. Dokaz.   . Pomo´u navedenih elementarnih transformacija matricu A moˇemo c z svesti na oblik   1   1     .  1     0     ..8).1 jednak tri. zamjene dvaju redaka i dodavanja z c jednog retka drugome te istih operacija sa stupcima.54 LINEARNA ALGEBRA Iz ovih primjera zakljuˇujemo da rang matrice lako moˇemo raspoznati c z iz trokutastog oblika.4 Matrice A i B istog tipa su ekvivalentne ako imaju isti rang. a te matrice su regularne (vidi poglavlje 2.. s Teorem 2.4 Ako su matrice A i B ekvivalentne.7 Kronecker–Capellijev teorem Sljede´i teorem nam opisuje strukturu rjeˇenja sustava linearnih jednadˇbi c s z u ovisnosti o rangu matrice sustava i rangu proˇirene matrice sustava.2. zakljuˇujemo da je postupak traˇenja ranga istovjetan c z s postupkom Gaussove eliminacije. zakljuˇujemo da je A ∼ B ako i c samo ako postoje regularne matrice matrice S i T takve da je B = SAT. 2. to i matricu B moˇemo svesti na isti oblik.

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

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

(iv) (A−1 )−1 = A za ∀A ∈ Gn . z A I . zakljuˇujemo da postoji vektor c x = 0 takav da je Ax = 0.8 Inverzna matrica 57 Obratno. (ii) I ∈ Gn .  .7). A je singularna.6 nam daje postupak za raˇunanje inverzne matrice.6. (iii) (AB)−1 = B −1 A−1 za ∀A. Dokaz teorema 2. neka je A regularna. odnosno rang(A) < n. tada je A−1 = B. svojstvo (ii) vrijedi jer II = I povlaˇi c I −1 = I. Kako su stupci od A zavisni. ˇto je s kontradikcija.7 Nadite inverznu matricu matrice  1 2 3 A = 4 5 6  7 8 6 i provjerite da vrijedi (2. B ∈ Gn . svi sustavi Axi = ei imaju zajedniˇku matricu sustava pa proˇirene c s matrice svih n sustava moˇemo pisati zajedno.2. Ukoliko se ne moˇe dobiti ovaj oblik. Svojstvo (i) slijedi iz teorema 2. Pretpostavimo da teorem ne vrijedi.7). No iz A−1 Ax = Ix = 0 slijedi da je x = 0. svojstvo (iii) slijedi iz (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIA−1 = AA−1 = I. Kada pomo´u elementarnih transformacija dobijemo oblik c I B . z Zadatak 2. a svojstvo (iv) slijedi iz (2. c Naime. Skup Gn svih regularnih matrica ima sljede´a svojstva: c (i) Gn = Mn .

. . Ukupno smo izvrˇili 2(q − p) − 1. . . .3) (2. parnost ´e se promijeniti. dakle neparni broj s zamjena susjednih elemenata pa se parnost promijenila.1) # inverzija 0 1 1 2 2 3 parnost parna neparna neparna parna parna neparna Vidimo da je pola permutacija parno. . . a i p i iq su zamijenili mjesta. Brojevi i p i iq su u inc verziji ako je p < q i ip > iq . .2) (2. iq pomakli za jedno mjesto ulijevo. iq−1 vrate na svoja originalna mjesta. .3) (1. . Sada pomo´u q − p − 1 zamjena susjednih elemenata c ulijevo prebacimo element iq s pozicije q − 1 na poziciju p. Teorem 2. . 2. Pri tome su se svi elementi i p+1 . odnosno i p i iq nisu susjedi. a neparna inaˇe. . . i2 . broj inverzija i parnost: permutacija (1. (ii) ako u permutaciji (i1 . a drugo mjesto z u permutaciji moˇemo popuniti s preostalih n − 1 brojeva. . Tada ip moˇemo prebaciti na q-tu poziciji s q − p zamjena susjednih elemez nata udesno. . 2. . in ) u kojoj se svaki od brojeva 1. Pri tome se ostali elementi ip+1 . c Dokaz. . . tada se parnost promijeni. 2. . . Permutacija je parna ako je broj inverzija u njoj paran. 3. . Pretpostavimo sada da je q − p > 1.1.2) (3. .1) (3.58 LINEARNA ALGEBRA 2. To znaˇi da z c prva dva mjesta moˇemo popuniti na n(n − 1) razliˇitih naˇina pa prvu z c c tvrdnju moˇemo dokazati indukcijom. n je svaka uredena n-torka (i 1 . Permutacija brojeva 1. in ) zamijenimo mjesta brojevima ip i iq . p = q. .7 Vrijedi sljede´e: c (i) broj permutacija od n brojeva jednak je n(n − 1)(n − 2) · · · 1 ≡ n!.9 Determinante Za definiciju determinante potreban nam je pojam permutacije.1.3.2. i2 . z (ii) Ako dva susjedna elementa zamijene mjesta. n javlja toˇno jedanput. (i) Prvo mjesto u permutaciji moˇemo popuniti s n brojeva. To vrijedi za svaki n.2. . Sljede´a tablica prikazuje sve permutacije brojeva c c 1. .3. a pola neparno.

U poglavlju 2. Za izraˇunavanje formule (2. Stoga vrijedi det(A) = (−1)k(π) ai1 1 ai2 2 · · · ain n .9) kojeg smo dobili prema formuli (2. . s c a b = ad − bc. . c d i a11 a12 a13 a21 a22 a23 = + a11 a22 a33 − a11 a23 a32 − a12 a21 a33 a31 a32 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 . . (2. 2. ˇto je praktiˇno neizvedivo za veliki n. . z Definicija 2.9) i c usporedite s izrazom (2. 6. a zatim zamijenite i2 i i5 na naˇin koji je opisan u dokazu teorema 2. c Sada moˇemo definirati determinantu. Indeksi redaka tada stoje u inverznoj permutaciji permutacije π. svaki umnoˇak moˇemo zapisati i tako da indeksi stupaca z z budu u osnovnoj permutaciji. 2.9 Determinante 59 Zadatak 2.8) potrebno je (n − 1)n! mnoˇenja i n! − 1 c z zbrajanja. . 7. Moˇe se pokazati da inverzna permutacija ima istu z parnost kao i π. No.9. 4).7. (2.2.6 Determinanta matrice A = (a ij ) ∈ Mn je broj det(A) = π∈Πn (−1)k(π) a1i1 a2i2 · · · anin . in ). a k(π) je broj inc verzija u permutaciji π. pri ˇemu su indeksi redaka navedeni u osnovnoj permutaciji c (1. . . . 3. i2 . n).1 ´emo s c c vidjeti kako se determinante efikasno raˇunaju pomo´u Gaussove eliminacije.8) pri ˇemu je Πn skup svih permutacija π = (i1 . c c Svaki umnoˇak u formuli (2. Determinantu matrice A joˇ oznaˇavamo s |A|. . Na primjer.9 Izraˇunajte determinantu matrice 3 × 3 prema formuli (2.8).9) π∈Π Zadatak 2.8 Odredite parnost permutacije (1. Formulu za determinantu matrice 3 × 3 jednostavnije pamtimo pomo´u Sarc rusovog pravila.8) ima toˇno jedan element iz svakog retka i z c svakog stupca. 5.

c D3. Determinanta se ne mijenja ako jednom stupcu pribrojimo neki drugi stupac pomnoˇen s nekim brojem.8). Ako je A recimo gornje trokutasta matrica.9). Dokazi nekih tvrdnji dani su z u obliku uputa ili naznaka ili u vrlo saˇetom obliku. osim s a11 a22 · · · ann . Zamjenom dvaju stupaca determinanta mijenja predznak. Determinanta trokutaste matrice jednaka je produktu elemenata na dijagonali. za jediniˇnu matricu vrijedi c det(I) = 1. Iz ovog svojstva zakljuˇujemo c da sva svojstva koja ´emo navesti za retke vrijede i za stupce.1 Svojstva determinanti Navodimo najvaˇnija svojstva determinanti. Determinanta matrice s dva jednaka stupca je nula. z Po svojstvu D5 vrijedi .8) i (2. Koji broj jedini ostaje isti kada promijeni predznak? D5. z D1.8). Posebno zakljuˇujemo da c za matricu A1 koja se dobije tako ˇto se svi elementi nekog stupca matrice s A pomnoˇe s brojem α vrijedi z det(A1 ) = α det(A).60 LINEARNA ALGEBRA 2.8) dolazi do s zamjene dvaju elemenata u permutaciji drugih indeksa pa se po teoremu 2. a kako smo zamijenili iste retke determinanta se ne mijenja.7 u svakom umnoˇku parnost permutacije promijeni. odnosno ··· βb + γc · · · = β · · · b ··· + γ ··· c ··· . s D4. Determinanta je multilinearna funkcija svojih stupaca. D2. Svojstvo slijedi stoga ˇto po svojstvu D3 zamjenom dvaju redaka deters minanta mijenja predznak. D6. imaju barem jedan element iz donjeg trokuta pa su jednaki nula. ako matrica A ima nul-stupac. Takoder. tada svi umnoˇci u (2. Ovo svojstvo slijedi direktno iz formule (2. Zamjenom dvaju stupaca u svakom umnoˇku u formuli (2. Jednakost vrijedi zbog formula (2.9. det(A) = det(AT ). tada je det(A) = 0. Na primjer.

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

9.8 Sljede´e tvrdnje su ekvivalentne: c (i) rang(A) = r. Sliˇno.3 Laplaceov razvoj determinante Neka Dij oznaˇava determinantu podmatrice koja se dobije kada iz kvadratne c matrice A ispustimo i-ti redak i j-ti stupac. ako pribrojnike grupiramo po elementima koji se nalaze u j-tom stupcu. koriste´i svojstva determinanti i Laplaceov razvoj imamo c −2 8 8 −4 3 12 15 −3 =2·3·7 7 28 −14 14 3 8 4 3 −1 1 1 3 4 4 −2 4 5 −1 II + I III + I 4 −2 2 8 4 3 IV + 3 I −1 4 4 −2 8 9 −3 0 8 9 −3 0 = 4032. Naravno da je i A svoja vlastita podmatrica. Poddeterminante matrice A su determinante kvadratnih podmatrica matrice A. a sve c poddeterminante reda ve´eg od r su jednake nula. Algebarski komplement ili kofaktor elementa aij je broj Aij = (−1)i+j Dij . Na presjeku r redaka i s stupaca matrice A nalazi se matrica tipa r × s koju zovemo podmatrica ili submatrica matrice A. n det(A) = j=1 aij Aij .9. Teorem 2. Neka je zadana z c matrica A tipa m × n.8) ili (2. Ako pribrojnike u formulama (2. c 2. c tada dobijemo razvoj determinante po elementima j-tog stupca. kao i svaki element od A.62 LINEARNA ALGEBRA 2. n det(A) = i=1 aij Aij . = 42(−1)(−1)1+1 8 2 = 42 0 8 2 0 20 16 −3 0 20 16 −3 .2 Podmatrice i poddeterminante Rang matrice moˇemo definirati i pomo´u podmatrica. (ii) Barem jedna poddeterminanta od A reda r je razliˇita od nule. Na primjer.9) grupiramo po elementima koji se nalaze u i-tom retku dobijemo Laplaceov razvoj determinante po elementima i-tog retka.

det(A) ˜ Dokaz. Teorem 2. Za i = j suma na desnoj strani predstavlja Laplaceov razvoj determinante s dva jednaka retka pa je jednaka nuli. c z Zadatak 2. 2.9. det(A) Di .10 (Cramer) Neka je A regularna matrica i neka je D i determinanta matrice koja se dobije kada se i-ti stupac matrice A zamijeni s vektorom b.2. Tada su komponente rjeˇenja sustava Ax = b dane s s xi = Dokaz.9 Neka je A regularna matrica i neka je A matrica ˇiji su elementi c algebarski komplementi Aij .4 Raˇunanje inverzne matrice c Postoji joˇ jedan vaˇan izraz za inverznu matricu. Tada je A−1 = 1 ˜ AT . Stavimo B = AT / det(A).5 Cramerovo pravilo Sljede´i teorem daje formulu za rjeˇenje sustava linearnih jednadˇbi kada c s z je matrica sustava regularna. Matrica A je regularna pa je x = A−1 b = 1 ˜ AT b. k Za i = j suma na desnoj strani predstavlja Laplaceov razvoj determinante matrice A po i-tom retku pa je (AB)ii = 1.9 Determinante 63 2. det(A) Ova jednakost napisana po komponentama glasi xi = pa je teorem dokazan. 1 det(A) Aki bk = k 1 Di det(A) . Tada je (AB)ij = k aik bkj = 1 det(A) aik Ajk . Dakle. AB = I.11 Nadite inverznu matricu matrice A iz zadatka 2.7 koriste´i c prethodni teorem.9. Sliˇno se pokaˇe BA = I pa je teorem dokazan. s z ˜ Teorem 2.

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

LINEARNA ALGEBRA

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

2.10

Rjeˇavanje elektriˇne mreˇe s c z

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

5 3 2 3 4 6

1 7 1

2

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

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

2.10 Rjeˇavanje elektriˇne mreˇe s c z
Rk i Uk

65
+
j

+
Ik

-

Slika 2.3: Standardna grana mreˇe z

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

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

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

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

66

LINEARNA ALGEBRA

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

R2 I2 = V 1 − V 3 + U 2

R3 I3 = V 1 − V 4 + U 3

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

R7 I7 = −V1 + 0 + U7

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

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

R−1

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

     =    

1 R2

1 R3

1 R4

1 R5

1 R6

1 R7

         

2.10 Rjeˇavanje elektriˇne mreˇe s c z

67

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

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

68

LINEARNA ALGEBRA

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

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

    I =    

    .    

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

U ˇetvrtom retku koristi se naredba inv koja daje c inverznu matricu. petom i zadnjem retku znak ’ oznaˇava c c transponiranu matricu. c s Izvedite gornji program u Matlabu. Pri rjeˇavanju zadatka moˇete c z s c s z koristiti program Octave On-line. . U sedmom retku znak \ znaˇi rjeˇavanje sustava. U tre´em. Zatim rijeˇite elektriˇnu mreˇu sa slike s c z 2.2 za neke druge vrijednosti otpora R k i naponskih izvora Uk .2. Zadajte neku drugu elektriˇnu mreˇu i rijeˇite je na isti naˇin.10 Rjeˇavanje elektriˇne mreˇe s c z 69 za kreiranje dijagonalne matrice ˇiji su dijagonalni elementi jednaki elemenc tima zadanog vektora.

.

. . . . . . . . . . . . . . . . . . 96 3. . . . . . . . . . . . . . . .1 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Koordinatizacija pravca . . . . . . . . . . . . . 82 3. . 83 3. . .9 Baza prostora E . . . . . . . . . . . . . 98 3. . . .4 3. . . . . 75 z Prostor radijus-vektora .3. . . 77 78 3. . . . . .14 Ravnina . .3 Koordinatizacija prostora . . . . .6 Duljina vektora. . . . . . . . . . . . . . . . . . 80 3. . . 74 Mnoˇenje vektora skalarom . . 77 3. . . . .5. . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VEKTORSKA ALGEBRA I ˇ ANALITICKA GEOMETRIJA 3. . . . .15 Primjene . . . . . . . . . . . . . . . .3 3. . . . . . . . . . . .11 Mjeˇoviti produkt . . Koordinatizacija ravnine . . . . . . . . 77 Koordinatizacija . . .5. . . . . . 93 3. . 85 3. .5 Vektori . . . . . . . . . . . . . . . . . . . . . 93 3. . . . . . . .12 Vektorsko-vektorski produkt . . . . . . . . . . 90 s 3. . . . . . . . . . . . . . . . .15. . . 87 3. . . . . . . . . . . . . . . . jediniˇni vektor. . .8 3. . . . . . . . . . . . . . .1 Primjeri . . . . . . .2 3. . . . . . . kut izmedu vekc tora i kosinusi smjerova . . . . .1 3. . . . . .10 Vektorski produkt . . . .7 Linearna nezavisnost vektora . . . . . . . . . . . . . . . . . 84 Skalarni produkt . . . .13 Pravac . . . . . . . 72 Zbrajanje vektora . . . 101 .

Dokaˇimo da je relacija ∼ iz definicije 3. Duljinu vektora c oznaˇavamo s |a|. c 3. relacija ekvivalencije je refleksivna.1) . a toˇku Q svrˇetak. c Nul-vektor je vektor koji ima poˇetak i kraj u istoj toˇki. c c − − → Usmjerena duˇina P Q je duˇina kod koje su rubne toˇke uredene. Q) ili |P Q|. pravaca i ravnina. Vektore oznaˇavamo s z c a.1 zaista relacija ekvivalencije.1 Duˇina P Q je skup svih toˇaka pravca kroz toˇke P i Q koje se z c c s z nalaze izmedu toˇaka P i Q ukljuˇivˇi i njih. kut i prostor pozs nati. c c Definicija 3. Q. P i Q ne leˇe na istom pravcu. a. . ravnina. Potom ´emo pomo´u vektora c c izvesti jednadˇbu pravca u prostoru i jednadˇbu ravnine te objasniti kako z z ispitujemo medusobne odnose toˇaka. odnosno z z c toˇka P je poˇetak ili hvatiˇte. b. tada je i P Q ∼ P Q pa je relacija ∼ simetriˇna. . b. vrijedi |0| = 0. ako duˇine P Q i P Q imaju zajedniˇko poloviˇte (vidi sliku 3. ako je c − −→ − − − − → −→ − → P Q ∼ P Q . . z Prema definiciji 1. z c s Vektor je klasa ekvivalencije usmjerenih duˇina. Pretpostavljamo da su pojmovi kao ˇto su pravac.1 Vektori U ovom poglavlju definirat ´emo pojmove duˇine. usmjerene duˇine i vekc z z tora te navesti osnovno svojstvo trodimenzionalnog Euklidskog prostora E. . − − → Ako je usmjerena duˇina P Q predstavnik vektora a. c − − −→ → − Usmjerene duˇine P Q i P Q su ekvivalentne. .4. Duljina duˇine P Q je udaljenost toˇaka P i Q i oznaˇava se s d(P. prikaz vektora u koordinatnom sustavu z te produkte vektora s vektorom. Takoder. a njegovi predstavnici su sve usmjerene duˇine c z − − → oblika P P . Kod raˇunanja produkata vektora svoju c primjenu nalaze i determinante dimenzije 3 × 3. Nul-vektor c c oznaˇavamo s 0. c. Oˇito je P Q ∼ P Q pa je relacija ∼ refleksivna. osnovne operacije s vektorima c (zbrajanje i mnoˇenje sa skalarom). c.72 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U ovoj glavi definirat ´emo pojam vektora. simetriˇna i tranzc − − → − − → itivna. . . tada je duljina (norma z ili intenzitet) vektora a jednaka udaljenosti toˇaka P i Q. odnosno z − − − → −→ PQ ∼ P Q . . Udaljenost toˇaka P i Q c c s c s c − − → se u ovom sluˇaju zove duljina (norma ili intenzitet) usmjerene duˇine P Q i c z − − → oznaˇava s |P Q|. Ukoliko toˇke P . Dokaz tranzic tivnosti je neˇto sloˇeniji. s z c z .

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

−→ − Zbroj vektora a i b je vektor c = OB. an = An−1 An . A1 . . . . .2. − − → b = AB. −→ − b = OB. Vektori a i b imaju istu orijentaciju ako se toˇke A i B nalaze s iste strane c toˇke O.4: ako su zadani vektori a1 .2 Vektori a i b su kolinearni ako leˇe na istom ili paralelnim z pravcima. A i B z c koje leˇe na istom pravcu takve da je z − → a = OA. a2 = A1 A2 . moˇemo odbrati toˇke O. . . A2 . . an i toˇke O. c c Iz definicije slijedi da su dva vektora jednaka ako su kolinearni. Ovakav naˇin zbrajanja vektora zove c se pravilo trokuta i prikazan je na slici 3.3.2 Zbrajanje vektora U ovom poglavlju definirat ´emo operaciju zbrajanja vektora te dati njena c osnovna svojstva. B c=a+b b O a A Slika 3. .74 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA Definicija 3. An takve c da je −→ − −− −→ −− − − −→ a1 = OA1 . istog smjera i jednake duljine. . . Ako su vektori a i b kolinearni. nul-vektor je kolinearan sa svakim vektorom i za njega nema smisla govoriti o orijentaciji. . Definicija 3. 3. a2 . A i B takve da je c − → a = OA. . Posebno.3 Neka su zadani vektori a i b i toˇke O. Viˇe vektora zbrajamo po pravilu poligona kao ˇto je prikazano na s s slici 3. .2: Zbrajanje vektora (pravilo trokuta) Vektore takoder moˇemo zbrajati i po pravilu paralelograma koje je prikazano z na slici 3. Vektori a i b imaju suprotnu orijentaciju ako se toˇke A i B nalaze c c s razliˇitih strana toˇke O.

a + b = b + a (komutativnost).3 Mnoˇenje vektora skalarom z 75 a+b b a O Slika 3. 3. tada z c c λa = 0.3 je Mnoˇenje vektora skalarom z Vektor a mnoˇimo s realnim brojem λ na sljede´i naˇin: ako je a = 0. Z3. Suprotni vektor je kolinearan s a. odaberemo toˇke O i A takve da je a = OA. Zbrajanje vektora ima sljede´a svojstva: c Z1. . − − → − − → Z4.5. (a + b) + c = a + (b + c) Z2. Produkt vektora a c i skalara λ je vektor −→ − b = λa = OB. (asocijativnost).3: Pravilo paralelograma tada je −→ − a = a1 + a2 + · · · + an = OAn . − → Ako je a = 0. ima istu duljinu i suprotnu orijentaciju. Z3 i Z4 slijede direktno iz definicije zbrajanja vektora. za svaki vektor a = P Q postoji suprotni vektor −a = QP takav da je a + (−a) = a − a = 0.3. dok je svojstvo Z1 prikazano na slici 3. ∀λ ∈ R. za nul-vektor 0 vrijedi a + 0 = 0 + a = a. Svojstva Z2.

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

c 3. Zbog jednoznaˇnosti prikaza. S ovim smo na pravcu p zadali koordinatni sustav (O. Skup radijus vektora V O je z c s skup svih takvih vektora. − → Broj x je skalarna komponenta vektora OT .2.3 z vrijedi − → − → OT = x · OI = x i. svakoj s c c − − → − − → toˇki P pripada jednoznaˇno odreden vektor OP . jer c se operacije s vektorima svode na odgovaraju´e operacije s brojevima. . pri ˇemu je broju 1 brojevnog c c pravca pridruˇena toˇka I. (λµ)a = λ(µa). Po pravilu o mnoˇenju vektora skalarom iz poglavlja 3. 3.4 Prostor radijus-vektora U mnogim primjenama je praktiˇno uzeti predstavnike vektora koji svi c imaju hvatiˇte u istoj toˇki. Zbrajanje radijus-vektora definira se kao i zbrajanje vektora u poglavlju 3. Na taj naˇin se pojednostavnjuje rukovanje s vektorima. M4. M5. Ako u prostoru E odaberemo toˇku O. Vektor i je jednoznaˇno odreden i vrijedi z c c d(O. 1 a = a. i) koristimo sljede´e oznake c − → − → OT = {x} ili OT = x .3.5 Koordinatizacija c c Uvodenje koordinatnog sustava omogu´ava predstavljanje vektora pomo´u realnih brojeva. uz dodatak ˇto zbroj opet mora biti u skupu V O pa se koristi pravilo s paralelograma. Pri tome vrijede svojstva Z1–Z4.3. Jediniˇni vektor i definiramo kao i = OI. ∀a.1 Koordinatizacija pravca Koordinatizaciju pravca definiramo na sljede´i naˇin: odaberemo pravac p c c kroz toˇku O ∈ E te na njemu nanesemo brojevni pravac tako da je nula u toˇki c c − → O. I) = |i| = 1. Vektor OP je radijus-vektor c c ili vektor poloˇaja toˇke P u odnosu na hvatiˇte O. i). pri ˇemu vrijede svojstva M1–M5. 0 a = 0. Mnoˇenje radijus-vektora skalarom definira se kao i mnoˇenje vektora skalarom z z u poglavlju 3. Svakoj toˇki T koja leˇi na pravcu p jednoznaˇno je pridruˇena njena apc z c z − → scisa x i vektor OT .4 Prostor radijus-vektora 77 M3.5. c 3. u c koordinatnom sustavu (O. ∀a.

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

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

k) u prostoru E koji je prikazan na slici 3. koje su odredene odgovaraju´im koordinatnim osima.80 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA 3. j) na naˇin opisan u poglavlju 3. Prvo odaberemo ishodiˇte O i medusobno okomite pravce p. Q i R (slika 3.2.7: Koordinatizacija prostora Brojevni pravci koje smo nanijeli na pravce p. zovu se koordinatne ravnine i dijele prostor na osam oktanata. c Potom na pravcu r definiramo koordinatni sustav (O. U ravnini razapetoj s pravcima p i q definiramo c desni pravokutni koordinatni sustav (O. Pri tome vrijedi − → i = OI. Time smo definirali desni pravokutni koordinatni sustav (O.7). k) jednake c . x-z i y-z. i). c c Koordinate tih toˇaka u koordinatnim sustavima (O. (O. |i| = |j| = |k| = 1. ordinatna i aplikatna os (x-os. i. j) i (O. k) tako da vektori i. j i k zadovoljavaju pravilo desnog vijka.5. T K k y i I j J Q q a x P p T’ Slika 3. i. q i r su koordinatne osi i to redom apscisna. Neka je zadana toˇka T ∈ E. Ravnine paralelne s koordinatnim osima koje c prolaze kroz toˇku T sijeku koordinatne osi u toˇkama P .7.3 Koordinatizacija prostora Koordinatizaciju trodimenzionalnog prostora E dobijemo sliˇno kao u prethodc nim poglavljima. y-os i z-os). − → j = OJ.5. r R z −→ − k = OK. Tri ravnine c x-y. s q i r koji prolaze kroz toˇku O. j.

zB − z A A = (1. y i z su takoder skalarne komponente vektora a = OT u sustavu (O. odnosno z c usmjerene duˇine koja je zadana s dvije toˇke. y i z. Brojevi x. c c Skalarne komponente jednoznaˇno su odredene toˇkom T pa za oznaˇavanje c vektora koristimo skra´ene zapise c   x a = {x. Prema pravilu o zbrajanju vektora iz poglavlja 3. k). Kao c ˇto se vidi na slici 3. i. y i z su koordinate toˇke T . z c Primjer 3. z U koordinatnom sustavu moˇemo na´i skalarne komponente vektora. a = y  . y. zbrajanje vektora i mnoˇenje vektora c z skalarom odgovara zbrajanju matrica i mnoˇenju matrica skalarom. a= x y z . c − → Brojevi x. a z je aplikata toˇke T .1 Kod definicije pravokutnih koordinatnih sustava u ovom i prethodnom poglavlju koristili smo medusobno okomite pravce.   xB − x A − − → AB = (xB − xA ) i + (yB − yA ) j + (zB − zA ) k =  yB − yA  . yA . odnosno x je apscisa. 2. z .5 Koordinatizacija 81 su x. 3) ∧ B = (−1.3. zB ).2 Neka su zadane toˇke A = (x A . z Kako vektor u prostoru moˇemo zapisati ili kao retˇanu matricu dimenzije z c 1×3 ili stupˇanu matricu dimenzije 3×1. koordinatni sustav se moˇe definirati i s pravcima koji nisu medusobno okomiti. odnosno a = x i + y j + z k. zA ) i B = (xB . Na primjer. odnosno Dakle. −2. z}. 5) ⇒ − − → AB = {−2. y je c ordinata.7) − − → −→ − − → − → − → −→ − OT = OT + OR = x OI + y OJ + z OK. 0. Napomena 3. − − → −→ − − → AB = OB − OA. 2}.2 vrijedi (slika 3. j. Medutim. yB .8 vrijedi s − → − − → −→ − OA + AB = OB.

c . 3. Jediniˇni vektor vektora a = 0 je vektor c a .6 Duljina vektora. a0 = |a| Iz definicije slijedi |a0 | = a 1 = |a| = 1. kod koordinatizacije prostora c c moˇemo uzeti bilo koju koordinatizaciju neke odabrane ravnine u prostoru i z tre´i pravac koji prolazi kroz ishodiˇte i ne leˇi u toj ravnini (vidi poglavlje c s z 3.8: Komponente vektora Tako kod koordinatizacije ravnine moˇemo uzeti bilo koja dva pravca koja z prolaze kroz toˇku O i nisu paralelna.7) dobijemo: c −→ − − → − − → − − → −→ − − − → |OT |2 = |OT |2 + |OR|2 = |OP |2 + |OQ|2 + |OR|2 . vektori i. Sliˇno. jediniˇni vektor. kolinearan je vektoru a i ima istu c orijentaciju. kut izmedu c vektora i kosinusi smjerova x2 + y 2 + z 2 . z} jednaka je |a| = (3. dvostrukom primjenom Pitagorinog pouˇka (slika 3. Na primjer. Duljina ili norma vektora a = {x.8).82 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA B O A Slika 3. j i k su sami svoji jediniˇni vektori. |a| |a| odnosno jediniˇni vektor ima duljinu jedan. y.1) Naime.

pri ˇemu smo se ovdje c c ograniˇili na trodimenzionalni prostor. λk ∈ R.5. c Dokaz. 14 2 cos γ = √ . · · · . · · · . b = 0 i neka su OA i OB njihovi predstavnici s hvatiˇtem u toˇki s c O. cos β = y x2 + y 2 + z 2 . Kosinusi smjerova su kosinusi priklonih kutova. Prikloni kutovi vektora a = 0 su kutovi koje taj vektor zatvara s vektorima i. 14 3 cos β = − √ . Primjer 3.6). tada je 3 2 1 a0 = √ i − √ j + √ k. c tada je cos α = Oˇito je c a0 = cos α i + cos β j + cos γ k. Kut izmedu vektora a i b definiramo kao kut izmedu usmjerenih − → −→ − duˇina OA i OB. b) = ∠(OA. 14 x x2 + y 2 + z 2 . 1 = cos2 α + cos2 β + cos2 γ. OB). · · · . 14 14 14 1 cos α = √ . Teorem 3.3. ak su linearno nezavisni ako za sve skalare λ 1 . a2 . j i k. λk ∈ R .3 Ako je a = i − 3 j + 2 k. z − −→ → − ∠(a. ak je vektor a = λ 1 a1 + λ 2 a2 + · · · + λ k ak . c Linearna kombinacija vektora a1 . cos γ = z x2 + y 2 + z 2 . Tvrdnja slijedi iz definicije skalarnog produkta u poglavlju 3. Vektori a1 . · · · .9 (vidi primjer 3. β i γ. Ako je a = x i + y j + z k i ako priklone kutove oznaˇimo redom s α. redom.7 Linearna nezavisnost vektora 83 − → −→ − Neka je a. λ1 = · · · = λk = 0. λ1 a1 + λ 2 a2 + · · · + λ k ak = 0 ⇒ λ1 .7 Linearna nezavisnost vektora Definicija linearne nezavisnosti vektora u prostoru E jednaka je definiciji linearne nezavisnosti stupˇanih vektora iz poglavlja 2.1 Kosinusi smjerova vektora a = 0 jednaki su skalarnim komponentama jediniˇnog vektora a0 . 3.

i. a.2) Sljede´i primjer prikazuje postupak transformacije iz jedne baze u drugu. k) zadani vektori a = {1. pri ˇemu je c Ako je |λi | > 0. 3.1 matrica A regularna. Primjer 3. λk takvi da je λ1 a1 + λ2 a2 + · · · + λk ak = 0. c Svaka dva nekolinearna vektora i svaka tri nekomplanarna vektora su linearno nezavisna. vektori a.  c = {0. (3. vektori a 1 . ak ekvivalentna s linearnom neza xk yk  . 2}. −1}. odnosno c d = α a + β b + γ c.9. odnosno njeni stupci su linearno nezavisni. zk }.4 Svaka dva kolinearna vektora i svaka tri komplanarna vektora su linearno zavisna. Definirajmo matricu b = {1. b i c ˇine bazu. ak c su linearno zavisni ako i samo ako postoje λ 1 . b. c odnosno iz jednog koordinatnog sustava u drugi. · · · . · · · .8 Baza prostora E Svaka tri linearno nezavisna vektora a. 0. Dakle. ak = {xk . a1 = {x1 .84 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U protivnom su vektori linearno zavisni. c). b i c ˇine bazu prostora E i definic raju koordinatni sustav (O. z1 }.5 Neka su u sustavu (O. Vrijedi det A = −2 = 0 pa je prema svojstvu c D8 iz poglavlja 2. Drugim rijeˇima. · · · visnoˇ´u stupaca matrice sc  x1 x2 · · ·  y1 y2 · · · z1 z2 · · · . −1. tada je linearna nezavisnost vektora a 1 . zk Primjer 3. y1 . 1. c  1 1 0 A = −1 0 1  1 2 −1 . 1}. · · · . yk . Svaka ˇetiri vektora u prostoru E su linearno zavisna. j. ˇiji su stupci zadani vektori. Svaki vektor d iz prostora E moˇe se z jednoznaˇno prikazati kao linearna kombinacija vektora baze.

1.6 vidimo da je ovo zac z pravo sustav linearnih jednadˇbi z      1 1 1 0 α −1 0 1  β  = 2 . i.9 Skalarni produkt 85 Da bi vektor d = i+2 j+3 k prikazali u sustavu (O. a. b. b). 2 2 2 Obratno. S3. S4. 1 −1 3. s Skalarni produkt ima sljede´a svojstva: c S1. i · j = j · i = i · k = k · i = j · k = k · j = 0. 3 1 2 −1 γ Rjeˇenje sustava je α = −3/2. a · b = 0 ako je a = 0 ili b = 0 ili a ⊥ b. b) > π/2.9 Skalarni produkt Definicija 3. a a · b < 0 ako je ∠(a. k) zapis     2 1 e = A −1 = −1 . a · b ≥ 0 ako je ∠(a. Joˇ koristimo oznake a b i (a. a · a = |a| |a| = |a|2 . odnosno z         0 1 1 1 2 = α −1 + β 0 + γ  1  . vektor e = 2 a − b + c ima u sustavu (O. c) trebamo rijeˇiti s jednadˇbu (3.2). b) ≤ π/2. β = 5/2 i γ = 1/2. vrijedi i · i = j · j = k · k = 1. −1 2 1 3 Iz interpretacije matriˇnog mnoˇenja u poglavlju 2. b).3.4 Skalarni produkt vektora a i b je broj a · b = |a| |b| cos ∠(a. odnosno s 3 5 1 d = − a + b + c. . j. S2.

Tvrdnja slijedi iz svojstava S7. iz definicija matriˇnog c c mnoˇenja u poglavlju 2. S8 i S3.86 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA S5. a · b = |a| ba .2 omogu´uju raˇunanje kuta c c izmedu dva vektora u prostoru pomo´u formule c cos ∠(a. a · (b + c) = a · b + a · c S8. (homogenost). Definicija skalarnog produkta 3.3 i transponirane matrice u poglavlju 2. tada je a · b = a x bx + a y by + a z bz . b) S7. a · b = b · a (komutativnost). c S6.5 slijedi da z skalarni produkt moˇemo zapisati i kao z a · b = aT b.2 Ako je a = ax i + ay j + az k. Ako su vektori a i b zadani kao stupˇane matrice.9). (distributivnost). ba = |b| cos ∠(a.4 i teorem 3. b) = a·b . . λ(a · b) = (λa) · b = a · (λb) b ab a Slika 3. |a| |b| b = bx i + by j + bz k.1.9: Skalarni produkt U koordinatnom sustavu raˇunanje skalarnog produkta je vrlo jednostavno. Dokaz.1. c Teorem 3. gdje je duljina projekcije vektora b na pravac definiran s vektorom a pomnoˇena z s odgovaraju´im predznakom prema svojstvu S2 (slika 3.

V4. c Zadatak 3. b). c Vektorski produkt ima sljede´a svojstva: c V1. V3. j × i = −k. 3. −1. 1. 1.10 Vektorski produkt Definicija 3. a × (b + c) = a × b + a × c V5. B = (0. V2. −3. a × b = −b × a (anti-komutativnost). i) = ˇime smo dokazali teorem 3. ako je |c| > 0. a × b = 0 ako je a = 0 ili b = 0 ili ako su vektori a i b kolinearni. 2) i C = (1. 1} i b = {1. 3. gdje je A = (1. b) = a·b 2·1−3·1+1·0 1 √ =√ =− √ . c) ˇini desni sustav (slika 3. y.10).5 Vektorski produkt vektora a i b je vektor c = a × b takav da je |c| = |a| |b| sin ∠(a.1 Je li trokut ABC. 0} jednak je cos ∠(a. |a| |b| 4+9+1 1+1 2 7 Na isti naˇin.3. 0) pravokutan? Je li jednakokraˇan? c a·i = |a| |i| x x2 + y2 + z 2 . i × k = −j. i × j = k.6 Kosinus kuta izmedu vektora a = {2.10 Vektorski produkt 87 Primjer 3. kosinus priklonog kuta kojeg vektor a = {x. tada je c⊥a ∧ c ⊥ b. (homogenost). j × k = i. b. c pri ˇemu uredena trojka vektora (a. k × i = j. Pored toga. k × j = −i. vrijedi i × i = j × j = k × k = 0.1. 1). z} zatvara s c vektorom i jednak je cos ∠(a. λ(a × b) = (λa) × b = a × (λb) . (distributivnost).

10: Vektorski produkt b |b| sin ϕ ϕ a Slika 3.88 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA c b a Slika 3.3 Ako je a = ax i + ay j + az k. norma |a × b| jednaka je povrˇini paralelograma ˇto ga razapinju vektori s s a i b (slika 3. .11: Modul vektorskog produkta V6. Teorem 3. U pravokutnom koordinatnom sustavu vektorski produkt raˇunamo pomo´u c c determinante. tada je a × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − ay bx ) k. b = bx i + by j + bz k.11).

0).3. 1.2 Svojstva vektorskog produkta odgovaraju svojstvima determinanti iz poglavlja 2.3 omogu´uju raˇunanje povrˇine c c s poligonalnih likova u ravnini. jer ´e u tom sluˇaju c z z c c c povrˇina trokuta biti nula. Povrˇina trokuta jednaka je polovici povrˇine paralelograma razapetog s veks s − − − → → torima AB i AC (slika 3. Primjer 3.1: – prvi dio svojstva V2 odgovara svojstvu D4 koje kaˇe da je determinanta z s dva jednaka retka jednaka nuli. −3. a nismo ga morali niti skicirati. −1}. – svojstva V4 i V5 odgovaraju svojstvu D5. – svojstvo V3 odgovara svojstvu D3 koje kaˇe da zamjenom dvaju redaka z determinanta mijenja predznak. 2).12). jer smo c c s c z naˇli povrˇinu trokuta smjeˇtenog u prostoru. 3). V4 i V5. Napomena 3. s Na sliˇan naˇin moˇemo izraˇunati povrˇinu bilo kojeg poligonalnog lika u c c z c s prostoru.9.7 Izraˇunajmo povrˇinu trokuta c s A = (1. Definicija vektorskog produkta 3. Kako je − − → AB = {−1. −3}. ABC . 2.5 i teorem 3. vrijedi P i j k − → − → 1 1− −1 −3 −1 = |AB × AC| = 2 2 2 1 −3 1√ 1 = |i (9 + 1) − j (3 + 2) + k (−1 + 6)| = 150 ≈ 6. −1. 2 2 Uoˇimo da smo na jednostavan naˇin rijeˇili naoˇigled sloˇeni problem. Tvrdnja slijedi iz svojstava V2. 3.12.10 Vektorski produkt 89 odnosno i j k a × b = ax ay az . jer svaki takav lik moˇemo podijeliti na trokute. ABC zadanog s C = (3. s s s Na isti naˇin moˇemo provjeriti leˇe li tri toˇke na pravcu. bx by bz Dokaz. B = (0. z − → AC = {2.

b) je povrˇina baze koja je razapeta vektorima a i b. b i s c je broj (a × b) · c = |a × b| |c| cos ∠(a × b.11 Mjeˇoviti produkt s Definicija 3. |a| |b| sin ∠(a. a ako s ρ oznaˇimo ravninu s c baze.6 Mjeˇoviti produkt ili vektorsko-skalarni produkt vektora a.12: Povrˇina trokuta s Zadatak 3. c) = ±|c| sin ∠(ρ. Moˇe li se zadatak rijeˇiti ako z s − − −→ → − promatramo paralelogram razapet s vektorima AB i BC? 3. Mjeˇoviti produkt jednak je volumenu ili negativnoj vrijednosti volumena s paralelopipeda kojeg razapinju vektori a. c). c) = |a| |b| sin ∠(a. tada je |c| cos ∠(a × b.2 Izraˇunajte povrˇinu trokuta iz prethodnog primjera pomo´u c s c − − −→ → − paralelograma razapetog s vektorima BA i BC. . b i c. Naime.90 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z A B 2 3 y 1 3 C x Slika 3. b) |c| cos ∠(a × b. c).

ay . B = (3. tako pomo´u mjeˇovitog produkta i teorema c s 3. cz }.13). Sliˇno kao ˇto pomo´u vektorskog produkta moˇemo raˇunati povrˇine c s c z c s poligonalnih likova (primjer 3.8 Izraˇunajmo volumen tetraedra ABCD zadanog toˇkama c c A = (0. s Takoder zakljuˇujemo da je (a × b) · c = 0 ako i samo ako je barem jedan c od vektora nul-vektor ili ako su vektori komplanarni. odnosno linearno zavisni. 1.9. 0). c = {cx .13: Mjeˇoviti produkt s Teorem 3. . Zadatak 3. az }.3 Koriste´i teorem 3. cy . 1).3.2 i 3. 3.11 Mjeˇoviti produkt s 91 ˇto je jednako visini ili negativnoj vrijednosti visine (slika 3. c v b a Slika 3. Primjer 3.3. 4). Tvrdnja slijedi iz teorema 3. 0). 3.7). bz }. tada je ax ay az (a × b) · c = bx by bz cx cy cz Dokaz.4 i svojstvo determinante D3 iz poglavlja c 2. C = (−1.4 Ako je a = {ax .4 moˇemo raˇunati volumene svih tijela koja su omedena samo s ravnim z c plohama. −1.1 dokaˇite da je z (a × b) · c = (b × c) · a = (c × a) · b = −(a × c) · b = −(b × a) · c = −(c × b) · a. D = (1. b = {bx . by .

4}. Kako je − − → − → −→ − AB = {3. 4. AC i AD (slika 3. Na sliˇan naˇin moˇemo izraˇunati volumen bilo kojeg c c z c z tijela koje je omedeno samo s ravnim plohama. vrijedi − → − → −→ − 1 1 − V = |(AB × AC) · AD| = 6 6 3 4 0 −1 4 1 1 2 4 = 62 6 Uoˇimo da smo na jednostavan naˇin rijeˇili naoˇigled sloˇen problem. a nismo ga morali niti skicirati. BC i BD.14).4 Izraˇunajte volumen tetraedra iz prethodnog primjera pomo´u c c − −→ −→ − − → − paralelopipeda razapetog s vektorima BA. AC = {−1. Moramo li uzeti vektore s hvatiˇtem u istom vrhu? s . 1}.92 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA Volumen tetraedra jednak je ˇestini volumena paralelopipeda razapetog veks − − − → → −→ − torima AB. jer svako takvo tijelo moˇemo podijeliti na tetraedre. 0}. jer smo c c s c z naˇli volumen tijela. Na isti naˇin moˇemo s c z provjeriti leˇe li ˇetiri toˇke u istoj ravnini. AD = {1. 4.14: Volumen tetraedra Zadatak 3. z D C 1 A 1 3 y 3 B x Slika 3. jer ´e u tom sluˇaju volumen z c c c c tetraedra biti nula. 2.

Moˇe se pokazati da vrijedi z (a × b) × c = b (a · c) − a (b · c). z t ∈ R.3) i (3.5) Vektor s je vektor smjera pravca p.15) −→ − −→ − T1 T = t T1 T2 . (3. Uz oznake −→ − s = T1 T2 . odnosno r = r1 + t s.4) ako su vektori a. Za vektor smjera moˇemo uzeti i bilo koji z drugi vektor koji je kolinearan s vektorom s.13 Pravac Pravac p je u prostoru E zadan s dvije razliˇite toˇke T 1 i T2 .4) pa rezultiraju´i vektor leˇi u ravnini razapetoj s vektorima b i c. k)   a s = b . i. (3.12 Vektorsko-vektorski produkt 93 3. t ∈ R. c z Zadatak 3. Za svaku c c − → −→ − − toˇku T koja leˇi na pravcu p vektori T1 T2 i T1 T su kolinearni. (3. b i c zadani kao z u teoremu 3.12 Vektorsko-vektorski produkt Vektorsko-vektorski produkt vektora a. b i c je vektor (a × b) × c.4. c a × (b × c) = b (a · c) − c (a · b). 3. −→ − r1 = OT1 . − → r = OT .3) odnosno. imamo vektorsku jednadˇbu pravca z r − r1 = t s.5 Dokaˇite formule (3. j. c   x1 r 1 =  y1  .3. rezultiraju´i vektor leˇi u ravnini razapetoj s vektorima a i b. z1   x r = y  . Neka je u koordinatnom sustavu (O. . odnosno postoji c z t ∈ R takav da je (slika 3. c z Sliˇno.

s No. a vektor smjera joj je i = {1.7) a b c U gornjoj formuli nazivnici ne oznaˇavaju dijeljenje nego skalarne komponente c vektora smjera pa ih piˇemo i onda kada su jednaki nula. (3.9 Jednadˇba x-osi glasi z  x = t  y=0   z=0 odnosno Tada vektorska jednadˇba pravca (3. s Primjer 3. 0 0 2 .94 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA T1 s T2 r T 1 p r Slika 3. 0.6) dobivamo kanonsku (simetriˇnu) z c jednadˇbu pravca z y − y1 z − z1 x − x1 = = .5) prelazi u parametarsku jednadˇbu pravca z z  x = x1 + a t  t ∈ R. x-os prolazi ishodiˇtem O = (0. x y z = = . 0}.6) y = y1 + b t   z = z1 + c t t ∈ R. 0). x+5 y z √ = = . 0. 1 0 0 Naime. (3.15: Pravac u prostoru Eliminacijom parametra t iz jednadˇbe (3.

z s Stoga su prema Kronecker-Capellijevom teoremu 2. 1 −1 −1 1 Stoga kanonska jednadˇba pravca glasi z x y+1 z = = .8) Ove jednadˇbe definiraju pravac pa sustav ima jednoparametarsko rjeˇenje.9) eliminacijom jedne od varijabli dobijemo kanonsku jednadˇbu (3. z odnosno y+1 z y z−1 = ili = .7).14).10 Nadimo kanonsku i parametarsku jednadˇbu pravca zadanog s (slika 3.5 jednadˇbe linearno zavz isne. (3. pravac moˇemo zadati s dvije linearno nezavisne jednadˇbe s tri z z nepoznanice.7) je zapisan sustav od tri linearne jednadˇbe s tri nepoznanz ice. z U formuli (3. −1.6). 1 1 1 1 Kada zbrojimo prvu i drugu jednadˇbu dobijemo 3x + 3z = 0. Kad od prve jednadˇbe oduzmemo dvostruku drugu dobijemo 3y − 3z + 3 = 0. A1 x + B 1 y + C 1 z + D 1 = 0 A2 x + B2 y + C2 z + D2 = 0. z z Primjer 3. Iz sustava (3.16) 2x + y + z + 1 = 0 x − y + 2z − 1 = 0. −1 1 1 Pravac prolazi toˇkom T = (0. 1. y = −1 + t   z=t . a sustav je ekvivalentan sustavu od dvije linearno nezavisne jednadˇbe z koje odaberemo medu njima.3. Dakle.13 Pravac 95 je takoder jednadˇba x-osi. 0) i ima vektor smjera s = {−1. (3. 1}. c Parametarska jednadˇba glasi z  x = −t  t ∈ R. iz z koje onda lako dobijemo parametarsku jednadˇbu pravca (3. b (x − x1 ) = a (y − y1 ) c (x − x1 ) = a (z − z1 ) c (y − y1 ) = b (z − z1 ). odnosno z z x z x = ili = .9) od kojih svaka predstavlja jednu ravninu u prostoru (poglavlje 3.

T1 T2 i T1 T3 c z su komplanarni (slika 3. (3.8) nestaju.7) i (3.6).10) . tada svi izrazi koji sadrˇe z z varijablu z u (3. Za svaku toˇku T koja leˇi u ravnini ρ vektori T1 T . Ako je a = 0. imamo 3. (3.8). odnosno −→ − → − → − − − T1 T · (T1 T2 × T1 T3 ) = 0. pri ˇemu je l odsjeˇak na y-osi. a b Oznaˇimo li koeficijent smjera s k = a . T2 i T3 koje ne leˇe na c z −→ − → − → − − − istom pravcu.14 Ravnina Ravnina ρ je u prostoru E zadana s tri toˇke T 1 . Ako odaberemo toˇku T1 = (0.8) prelazi u b (x − x1 ) = a (y − y1 ).17).96 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA p -2*x-y-1 (-x+y+1)/2 z 3 0 -3 -3 -2 -1 x 0 1 2 3 -3 -2 -1 0 1 2 y 3 Slika 3. y1 ) s koeficijentom smjera k. b (x − x1 ). (3.11 Ako pravac p leˇi u x-y ravnini. dobijemo c c c poznatu jednadˇbu z y = k x + l. l). dobijemo jednadˇbu pravaca kroz c z toˇku T1 = (x1 .16: Pravac kao presjek ravnina Primjer 3. Stoga je volumen paralelopipeda ˇto ga razapinju s ti vektori jednak nula (primjer 3. c y − y1 = y − y1 = k (x − x1 ). Posebno.

y. i. z1 }. A(x − x1 ) + B(y − y1 ) + C(z − z1 ) = 0. − → r = OT . tada vektorska jednadˇba ravnine (3.13) (3.17: Ravnina u prostoru Ako je u koordinatnom sustavu (O. r = {x. (3. n r1 T1 T2 ρ T r T3 Slika 3. −→ −→ − − n = T1 T2 × T1 T3 . z}. j. Svaki vektor kolinearan s n je takoder normala ravnine ρ.12) . z1 ).10) prelazi u vektorsku jednadˇbu ravnine z z (r − r1 ) · n = 0. k) n = {A. C}. B.14 Ravnina 97 Uz oznake −→ − r1 = OT1 .3. r1 = {x1 . y1 . z c z Sredivanje gornje jednadˇbe daje op´i oblik jednadˇbe ravnine Ax + By + Cz + D = 0. jednadˇba (3. (3.11) prelazi u jednadˇbu ravnine kroz toˇku z z c T1 = (x1 .11) Vektor n je normalni vektor ili normala ravnine ρ. y1 .

T3 = (0. b. p1 p2 . Paralelni pravci mogu. zi ). x3 − x 1 y3 − y 1 z3 − z 1 Zadatak 3. z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 = 0. 0). b.14) Ako ravnina ρ ne prolazi ishodiˇtem i ako za toˇke T 1 . Pravci p1 i p2 su paralelni. a. yi . c = 0. tada iz (3. 3.15 Primjene Pomo´u vektora i operacija s njima te pomo´u raznih oblika jednadˇbi c c z pravca i ravnine moˇemo ispitivati ˇitav niz meduodnosa i svojstava: z c a) Medusobni odnosi pravaca i ravnina. Ako je T = (x.14) rjeˇavanjem determinante s x−a y z −a b 0 = 0 −a 0 c dobijemo segmentni oblik jednadˇbe ravnine z x y z + + = 1. z). 0. 1 1 (3.98 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U obje jednadˇbe (3. c = 0. c). B i C su skalarne komponente z vektora normale n.10) moˇemo zapisati pomo´u determinante. . t ∈ R. T2 i T3 odaberemo s c sjeciˇta ravnine s koordinatnim osima. tada jednadˇbu (3.12) i (3. b. 1.6 Pokaˇite da je jednadˇba (3. To nam daje z z c jednadˇbu ravnine kroz tri toˇke. a b c a. T2 = (0. i = 1.14) ekvivalentna s z z x y z x1 y1 z1 x2 y2 z2 x3 y3 z3 1 1 = 0. 0. ako za njihove vektore smjera vrijedi s1 = t s2 . 0). ali ne moraju leˇati jedan na z drugom. Ti = (xi . 3.13) brojevi A. y. s T1 = (a. 2.

s 1. c 2. Projekcija toˇke T na ravninu ρ (primjer 3.14). Pravac p koji je presjek ravnina ρ 1 i ρ2 . Okomiti pravci se mogu sje´i. n1 · n 2 . c 2.15 Primjene 99 2. Kut izmedu ravnina ρ1 i ρ2 nalazimo pomo´u skalranog produkta norc mala. p1 ⊥ p2 . t ∈ R. Toˇka T u kojoj se sijeku pravci p 1 i p2 . Toˇka T u kojoj pravac p sijeˇe ravninu ρ. Paralelne ravnine mogu. Najˇeˇ´e traˇimo ortogonalne projekcije. c 3. 6. Okomite ravnine se sijeku u pravcu. 1. . ako za njihove normale vrijedi n1 = t n2 . ako za njihove normale vrijedi n1 · n2 = 0. ali mogu biti i mimosmjerni. s·n . Pravci p1 i p2 su okomiti. Kut izmedu pravca p i ravnine ρ nalazimo pomo´u skalranog produkta c vektora smjera i normale sin ∠(p. T = p1 ∩ p2 . ρ1 ⊥ ρ2 . T = p ∩ ρ: sjeciˇte traˇimo c c s z tako da parametarsku jednadˇbu pravca uvrstimo u op´i oblik jednadˇbe z c z ravnine i rijeˇimo linearni sustav od jedne jednadˇbe s jednom nepozs z nanicom (primjer 3. ρ1 ρ2 . ρ2 ) = |n1 | |n2 | 7. Projekcija pravca p na ravninu ρ. 3. cos ∠(ρ1 . p2 ) = |s1 | |s2 | 4. |s| |n| c) Projekcije.12). 5. ali ne moraju leˇati jedna na z drugoj. d) Udaljenosti. ali moˇemo traˇiti i projekcije u c sc z z z bilo kojem smjeru. Ravnine ρ1 i ρ2 su paralelne. s1 · s 2 . Projekcija toˇke T na pravac p (primjer 3. ako za njihove vektore smjera vrijedi s1 · s2 = 0. p = ρ1 ∩ ρ2 . cos ∠(p1 . ρ) = b) Sjeciˇta. c 3.3. Kut izmedu pravaca p1 i p2 nalazimo pomo´u skalarnog produkta vekc tora smjera.13). Ravnine ρ1 i ρ2 su okomite.

1. Udaljenost pravca p i ravnine ρ. d(p. z1 ) i T2 = (x2 .14). Povrˇina poligonalnih likova u prostoru – lik rastavljamo na trokute. ρ) = | T T | (primjer 3. a radijus je udaljenost srediˇta s od bilo koje stranice. 2. e) Analiza trokuta. ρ2 ).1) slijedi −→ − d(T1 . a onda izraˇunamo d(T. a onda izraˇunamo d(T. a povrˇine tetraedara raˇunamo pomo´u mjeˇovitog produkta s c c s kao u primjeru 3. c 2. Upisana kruˇnica – srediˇte je sjeciˇte simetrala kutova. T2 ) = |T1 T2 | = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 . z . y1 . s 1. Udaljenost toˇke T od ravnine ρ: prvo nademo projekciju T toˇke T na c c −→ − ravninu ρ.100 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA 1. p2 ). ρ). p) = | T T | (primjer 3. Udaljenost toˇke T od pravca p: prvo nademo projekciju T toˇke T na c −→ − pravac p. Postupci za ispitivanje ovih meduodnosa i svojstava detaljno su opisani u vjeˇbama. Volumeni tijela omedenih samo s ravnim plohama – tijelo rastavljamo na tetraedre. Udaljenost ravnina ρ1 i ρ2 . Ortocentar – sjeciˇte visina. odnosno pravaca z s s koji raspolovljuju unutarnje kutove trokuta. f) Povrˇine i volumeni. y2 . odnosno okomica spuˇtenih iz vrha trokuta s s na nasuprotnu stranicu. Opisana kruˇnica – srediˇte je sjeciˇte simetrala stranica. Teˇiˇte – sjeciˇte teˇiˇnica.2 i formule za duljinu vekz tora (3. d(ρ1 . 4. 2.7. 6. 3.8. a radijus je udaljenost srediˇta s od bilo kojeg vrha. Udaljenost pravaca p1 i p2 . c 4.13). z2 ): iz postupka c nalaˇenja komponenata vektora u primjeru 3. d(p1 . c 3. odnosno okomz s s ica podignutih od sredine stranice trokuta. a s povrˇine trokuta raˇunamo pomo´u vektorskog produkta kao u primjeru s c c 3. 5. Udaljenost toˇaka T1 = (x1 . odnosno pravaca koji spajaju vrh trokuta sa zs s zs sredinom nasuprotne stranice.

projekcije c z s toˇke na pravac i udaljenosti toˇke od pravca te projekcije toˇke na ravninu i c c c udaljenosti toˇke od ravnine.3. odnosno t = −1. Normala ravnine ρ jednaka je vektoru smjera pravca p. x−1 y−3 z−2 = = −1 2 3 i ravnina ρ zadana s x + 2y + z − 3 = 0. −1). Toˇka T je sjeciˇte pravca p i ravnine ρ c c s (slika 3.12 Odredimo toˇku T u kojoj se sijeku pravac c p . y = 3 + 2t   z = 2 + 3t Uvrˇtavanje u jednadˇbu ravnine daje s z 1 − t + 2(3 + 2t) + 2 + 3t − 3 = 0. c Za odredivanje projekcije odredit ´emo pomo´nu ravninu ρ koja prolazi c c toˇkom T . −1}. y−6 z+1 x−4 = = 1 2 −1 i udaljenost toˇke T od pravca p.15.18) z c p ∩ ρ = T = (2.15 Primjene 101 3. 5) na pravac c p .. n = s = {1.1 Primjeri Sljede´i primjeri ilustriraju nalaˇenje sjeciˇta pravca i ravnine.12: parametarska jednadˇba s z pravca p glasi  x = 4 + t  t∈R y = 6 + 2t   z = −1 − t . c Primjer 3.19).. 4.12) daje c x − 4 + 2(y − 4) − (z − 5) = 0.. y = 1 i z = −1 pa je traˇena toˇka T jednaka (slika 3. Nadimo sjeciˇte pravca i ravnine kao u primjeru 3. 1.13 Odredimo projekciju T toˇke T = (4. Uvrˇtavanje ove vrijednosti t u parametarsku jednadˇbu s z pravca daje x = 2. Primjer 3. 2. Parametarska jednadˇba pravca glasi z  x = 1 − t  t ∈ R. Ravnina prolazi toˇkom T pa formula (3. a okomita je na pravac p..

c −→ − d(T. 3 Primjer 3. . a okomit je na c c c c ravninu ρ. 6. 4. s = n = {3. Toˇka T je tada sjeciˇte pravca i ravnine (slika 3. 5) na ravninu c ρ .20). 2}. + 8 −4 3 2 + 2 −5 3 2 √ 210 = ≈ 4.102 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z p 1 y ρ 2 T x Slika 3.18: Sjeciˇte pravca i ravnine s 5 s pa uvrˇtavanje u jednadˇbu ravnine daje t = − 3 . c s Vektor smjera pravca p jednak je normali ravnine ρ..14 Odredimo projekciju T toˇke T = (4. p) = |T T | = 7 −4 3 2 7 8 2 .. c Prvo ´emo na´i pomo´ni pravac p koji prolazi toˇkom T . 3 3 3 . . Uvrˇtavanje t u params z etarsku jednadˇbu pravca daje z T = Konaˇno. 3x + 6y + 2z − 6 = 0 i udaljenost toˇke T od ravnine ρ.83.

p) 8/3 4 y 7/3 T’ n=s 4 x p ρ Slika 3.3. 49 49 49 ≈ (1. −0. 3.15 Primjene 103 z T d(T. 49 . Pravac prolazi toˇkom T pa njegova parametarska jednadˇba glasi c z  x = 4 + 3t  t ∈ R.55. y = 4 + 6t   z = 5 + 2t −→ − 280 d(T.71. ρ) = |T T | = ≈ 5. uvrˇtavanje u jednadˇbu ravnine daje t = c s z − 40 . .37). odnosno 49 T = Konaˇno c 76 −44 165 .19: Projekcija toˇke na pravac c Sliˇno kao u prethodnom primjeru.9.

104 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z T T’ p s=n 4 y 76/49 4 ρ x Slika 3.20: Projekcija toˇke na ravninu c .

. .1. . . . . . .6. c 4. 4. . . . . . . . . . . . . c 4.6. . . . . . . 4. . . . . . . . . . . . 4. . . . .4 Beskonaˇan limes . . . . . . . . .4. . 4. . . . FUNKCIJE REALNE VARIJABLE 4. . . . . . . . .3 4. 4. . . . . . . . . . . . .4 4. . . . . .3. . . .1. . .4 Parametarsko zadavanje . . . . . . . . . . . . . . . . . . . . . . . . .7 Klasifikacija elementarnih funkcija . . .3. . . . . . . . . . . . . . . . . . . . . . . c 4. . 4. . . . . . . .2 Vrste prekida . . . . .6. . . . . . . . . .1 Tabliˇno zadavanje . . .1 Svojstva limesa . . . . . . . . . . . .3 Limes u beskonaˇnosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 107 108 109 112 115 117 119 122 123 124 125 126 128 130 132 132 133 136 139 141 149 153 154 156 4. . .4. . . . . . .3.1 Svojstva neprekidnih funkcija . . 4. 4. . . . . . . . 4. . . . 4. . . . . . . . . . . . . .6 Arkus funkcije . . . . . .1.4. 4. . 4. . . . . . . . . . . . . . . .2 Potencija . .5 Trigonometrijske funkcije . Limes . . . . . . .6. . . . . . . . . .6. .9 Hiperbolne i area funkcije . . . . . . . c Neprekidnost . . . . . . . . . . . .1 Konstantna funkcija . 4. .2 Eksplicitno zadavanje . . . . . 4.3 Implicitno zadavanje . . . .6.6. . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6. 4. . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . .8 Polinomi i racionalne funkcije .6 . .5 4. . .2 Limes slijeva i zdesna . . . Klasifikacija funkcija . 4. Pregled elementarnih funkcija .1. . . . . . . .2 4. . .1 Naˇini zadavanja funkcija . . . . .3 Eksponencijalna funkcija .4 Logaritamska funkcija . . . . . . . . . . . . Asimptote . . . . . . . . . . . . . . . . . . . . . . . . . . . .

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

s Funkcija zadana s x y = f (x) prikazana je na slici 4. S ⊂ R 2 .1. Za odredivanje vrijednosti funkcije u ostalim toˇkama koristimo postupak c interpolacije.1 Tabliˇno zadavanje c Tabliˇno zadavanje funkcija je ˇesto u primjenama. implicitno i parametarski. a kod prikaza se s u meteoroloˇkim kartama te vrijednosti interpoliraju glatkim krivuljama.1. definiran s c c S = {(x. jer se vrijednost zac c visne varijable moˇe izmjeriti samo u nekim toˇkama. y) : y = f (x)}. Tako se na primjer z c temperatura ili tlak zraka mjeri su meteoroloˇkim stanicama.1 Naˇini zadavanja funkcija c Funkciju moˇemo zadati tabliˇno.1 Naˇini zadavanja funkcija c 107 4. 0 -1 1 1 3 3 4 5 5 7 8 6 7 6 5 4 3 2 1 0 1 -1 2 3 4 5 6 7 8 Slika 4.1: Tabliˇno zadana funkcija c Graf tabliˇno zadane funkcije je skup toˇaka u ravini. z c 4. Najjednostavnija je linearna interpolacija kod koje se vrijednosti .4. eksplicitno.

1. gdje je f (x) izraz koji sadrˇi samo nezavisnu varijablu x. dok se vrijednosti funkcija u ostalim toˇkama nalaze c c odgovaraju´om interpolacijom. f (2.2).6 3−1 yi+1 − yi (x − xi ). ln x i ex u odredenim toˇkama. log x.108 FUNKCIJE REALNE VARIJABLE funkcije izmedu dvije susjedne toˇke grafa prikazuju kao da leˇe na pravcu c z izmedu te dvije toˇke.2 Eksplicitno zadavanje Eksplicitno se funkcija zadaje pomo´u pravila c y = f (x). Dakle. za x ∈ (x i .6 − 1) = 2. xi+1 − xi 7 6 5 4 3 2 1 0 1 -1 2 3 4 5 6 7 8 Slika 4. xi+1 ) se uzima (vidi primjer 3. Dakle. c 4. eksplicitno z zadana funkcija je preslikavanje f : D → K pri ˇemu su domena D i kodomena c .6) = y(1) + y(3) − y(1) (2.11) c f (x) = y = yi + Tako je. na primjer (slika 4.2: Linearna interpolacija Vaˇan primjer tabliˇno zadanih funkcija su i logaritamske tablice. cos x. U tabliz c cama su zadane vrijednosti elementarnih funkcija kao sin x.

Pri tome jednoj vrijednosti nezavisne varijable x ∈ D odgovara samo jedna vrijednost zavisne varijable y. 0]. x . y) : F (x. c Zadatak 4. a kako je kosinus jednak nula u svim toˇkama c π π xk = 2 + kπ. ˇto c z s daje xy = cos(−x) = cos(x) (u zadnjoj jednakosti koristili smo ˇinjenicu da je c kosinus parna funkcija. Domena je skup svih vrijednosti nezavisne varijable x za koje izraz f (x) ima smisla (definicija 1.3 Implicitno zadavanje Implicitno se funkcija zadaje pomo´u pravila c F (x.1 Nacrtajte funkciju u raznim podruˇjima pomo´u programa Netc c Plot i uvjerite se da je K = R. y) izraz koji sadrˇi nezavisnu varijablu x i zavisnu varijablu y. y) = 0. s c 4. definirana s Γ = {(x. Znamo da se ne smije dijeliti s nulom. ali u ovom sluˇaj potrebne su dodatne transformacije.1) Slijedi −x ∈ [0. 1]. Za x = 0 slijedi y= cos(x) .7).6). vidi poglavlje 4. Funkciju moˇemo zapisati i kao z arccos(xy) = −x.1). Primjer implicitno zadane funkcije je x + arccos(xy) = 0. Primjer eksplicitno zadane funkcije je y= x3 − 2 . Domenu funkcije ponovo odredujemo iz definicija elementarnih funkcija.6.4. Γ ⊂ R 2 . Slijedi xy ∈ [−1. Graf eksplicitno zadane funkcije je krivulja u ravini. (4. 2 cos x Domenu funkcije odredujemo iz definicija elementarnih funkcija. Γ ⊂ R 2 . gdje je F (x. π]. y) = 0}. k ∈ Z. 1] → c [0. z Graf implicitno zadane funkcije je krivulja u ravini.1 Naˇini zadavanja funkcija c 109 K podskupovi skupa R. x ∈ D}.5). definirana s Γ = {(x. y) : y = f (x).6. Za x i xy koji zadovoljavaju prethodna ograniˇenja moˇemo uzeti kosinus lijeve i desne strane jednakosti (4. zakljuˇujemo da je D = R \ { 2 + kπ : k ∈ Z}. π] je inverzna funkcija kosinusa (vidi poglavlje 4. Funkcija arccos : [−1. odnosno x ∈ [−π.1. Opiˇite rijeˇima izgled funkcije.

y) = 0 moˇe biti zadano z viˇe eksplicitno zadanih funkcija.3: Implicitno zadana funkcija x + arccos(xy) = 0 Za razliku od prethodnog primjera. z s Primjer 4. 1) radijusa 2. z s c ovim izrazom eksplicitno su zadane dvije osnovne funkcije.110 FUNKCIJE REALNE VARIJABLE Da x mora biti razliˇit od nule slijedi i iz formule (4.4). s c Zakljuˇimo: funkcija x + arccos(xy) = 0 definirana je za x ∈ [−π.3). 0) i na c tom intervalu poprima iste vrijednosti kao eksplicitno zadana funkcija y = cos(x)/x (vidi sliku 4. 2 ˇto je nemogu´e.1 [Kruˇnica] Izrazom z x2 + (y − 1)2 − 4 = 0 implicitno je zadana kruˇnica sa srediˇtem u toˇki (0. U tom sluˇaju jednoj vrijednosti varijable x s c moˇe odgovarati viˇe vrijednosti varijable y.5 0 -5 -10 Slika 4.5 -1 -0. x ∈ R \ {0} (slika 4. Na primjer. izrazom F (x. od kojih svaka predstavlja jednu polukruˇnicu.1) jer uvrˇtavanje nule c s daje π = arccos 0 = −0. y 1 (x) i y2 (x). Sama funkcija y = cos(x)/x definirana je na ve´em c podruˇju. jednadˇba z z (y − 1)2 = 4 − x2 povlaˇi c y−1= 4 − x2 ili y − 1 = − 4 − x2 . c -3 -2. . Zaista.5 -2 -1.

moˇemo je analizirati u parametarskom z obliku (primjeri 4.1.6) nije mogu´e jednostavno rastaviti na eksplicitno c zadane funkcije kao u primjeru 4. z z s c Implicitno zadane funkcije ˇesto nije mogu´e svesti na eksplicitni oblik.2 Descartesov list je krivulja zadana s izrazom x3 + y 3 − 3xy = 0. domene su D 1 = D2 = c [−2.12). Kako izraz pod korijenom mora bit ve´i ili jednak nuli.1 Op´enito.1 Naˇini zadavanja funkcija c 111 10 5 -10 -5 5 10 -5 -10 Slika 4. Napomena 4. c c Primjer 4. 2] (slika 4. y0 ).4.4: Funkcija y = cos(x)/x odnosno y1 = 1 + 4 − x2 i y2 = 1 − 4 − x2 . . Premda funkciju (slika 4. izraz c (x − x0 )2 + (y − y0 )2 = r 2 je implicitna jednadˇba kruˇnice radijusa r sa srediˇtem u toˇki (x 0 .4 i 4.5).

Graf parametarski zadane funkcije je krivulja u ravini. t ∈ [0. x = ϕ(t) y = ψ(t). t ∈ T }.112 FUNKCIJE REALNE VARIJABLE 3 1+sqrt(4-x**2) 1-sqrt(4-x**2) 2 1 0 -2 -1 -1 0 1 2 Slika 4. (4. definirana s Γ = {(x.5: Implicitno zadana kruˇnica z 4. z z s .1. y) : x = ϕ(t). z s Na primjer. parametarska jednadˇba kruˇnice iz primjera 4.4 Parametarsko zadavanje Funkcija se zadaje parametarski tako da se x i y zadaju kao funkcije parametra t. 2π]. kod parametarski zadane funkcije jednoj vrijednosti varijable x moˇe odgovarati viˇe vrijednosti varijable y.2) Kao i kod implicitno zadanih funkcije.1. y = ψ(t).1 glase z z x = 2 sin t y = 1 + 2 cos t. t ∈ T ⊆ R. Lako se provjeri da x i y zadovoljavaju jednadˇbu kruˇnice iz primjera 4. z z Uoˇljivo je da je ovo samo jedna od beskonaˇno mogu´ih parametarskih jedc c c nadˇbi ove kruˇnice (navedite joˇ barem jednu). Γ ⊂ R 2 .

6: Descartesov list Primjer 4.2 (a) Epicikloida je krivulja koju opisuje toˇka na kruˇnici kada c z se ta kruˇnica bez klizanja kotrlja po vanjskom rubu druge kruˇnice.4. Parametarska jednadˇba cikloide z z glasi (slika 4.7: Cikloida Zadatak 4.1 Naˇini zadavanja funkcija c 113 3 2 1 0 -3 -2 -1 -1 -2 -3 0 1 2 3 Slika 4. r r 2*r*pi Slika 4.3 Cikloida je krivulja koju opisuje fiksna toˇka kruˇnice kada se c z ta kruˇnica kotrlja bez klizanja po pravcu. t ∈ R.7) x = r(t − sin t) y = r(1 − cos t). z z Hipocikloida je krivulja koju opisuje toˇka na kruˇnici kada se ta kruˇnica c z z .

Stoga je kod ispitivanja parametarski zadanih funkcija vaˇno znati kada z je i na kojem podruˇju s x i y eksplicitno zadana funkcija y = f (x) ili x = g(y). dok se implicitno i parametarski zadane funkcije analiziraju pomo´u odgovaraju´ih prilagodbi tih rezulc c tata.3 Koje dijelove Descartesovog lista na slici 4. 3t . t +1 y= t ∈ R \ {−1}. (c) Kako glasi jednadˇba cikloide koja polazi iz toˇke (1. [0. 0). ∞)? Kod rjeˇavanja zadatka moˇete koristiti program NetPlot.6 dobijemo kada parametar t poprima vrijednosti u intervalima (−∞. Sljede´i teorem nam daje uvjete za postojanje funkcije y = f (x).114 FUNKCIJE REALNE VARIJABLE bez klizanja kotrlja po unutraˇnjem rubu druge kruˇnice. c Primjer 4.2. Nadite jeds z nadˇbe epicikloide i hipocikloide u matematiˇkom priruˇniku i nacrtajte z c c te krivulje pomo´u programa NetPlot. c dok se analogni teorem za sluˇaj funkcije x = g(y) dobije zamjenom varijabli. tada jednadˇbu c z moˇemo podijeliti s y 3 ˇto daje z s x 1 x3 + 1 − 3 · = 0. 0). 1) i [1. Zadatak 4.4 Izvedimo parametarsku jednadˇbu Descartesovog lista iz primz jera 4. y t3 + 1 − 3t Dakle. y = 0. Iz jednadˇbe z x3 + y 3 − 3xy = 0 vidimo da krivulja prolazi kroz toˇku (0. 0)? Provjerite rjeˇenje z c s pomo´u programa NetPlot. c (b) Izvedite implicitnu jednadˇbu cikloide: z x+ 2ry − y 2 − r arccos r−y r = 0. 3 y y y Uvedimo novu varijablu t= ˇto daje s x y 1 = 0. c . s z U ovoj i sljede´oj glavi vidjet ´emo da su najbolje razvijeni teoretski rezulc c tati za analiziranje eksplicitno zadanih funkcija. (−1. Ako je x. t3 + 1 3 t2 x = ty = 3 . c Pri tome je vaˇno uoˇiti da su kod parametarski zadanih funkcija varijable x i y z c ravnopravne. −1).

– rastu´e i padaju´e (monotone) funkcije i c c – periodiˇne funkcije.2 je neomedena jer za svaki m > 0 postoji x ∈ D takav da je |x| > m. Nadalje. c Neka je f : D → K. zakljuˇujemo da je ϕ bijekcija c izmedu skupova T i D.1 Funkcija f je omedena ako postoji broj m takav da je |f (x)| ≤ m za svaki x ∈ D. Oˇito vrijedi c f : D → R. Neka je skup D = ϕ(T ) slika funkcije ϕ. n∈N .2 Funkcija f je parna ako je f (−x) = f (x) za svaki x ∈ D. a neparna ako je f (−x) = −f (x) za svaki x ∈ D.2 Klasifikacija funkcija 115 Teorem 4.2) graf neke parametarski zadane funkcije. funkcija |x| iz poglavlja 1.4.7. Definicija 4. 4. a ujedno i surjekcija sa skupa T na skup D. Na primjer.1 postoji inverzna funkcija ϕ−1 : D → T . Funkcija f je neomedena ako nije omedena. – parne i neparne funkcije. funkcija s xn . tada je Γ ujedno i graf eksplicitno zadane funkcije y = f (x) pri ˇemu je f = ψ ◦ ϕ −1 . Po Teoremu o inverznoj funkciji 1.2 Klasifikacija funkcija U ovom poglavlju definirat ´emo ˇto su c s – omedene i neomedene funkcije. K ⊆ R.1 Neka je skup Γ definiran relacijom (4. y = ψ(t) = ψ(ϕ−1 (ϕ(t))) = ψ(ϕ−1 (x)) = f (x). Definirajmo kompoziciju f = ψ ◦ ϕ −1 . i teorem je dokazan. Na primjer. Oˇito i kod parne i neparne funkcije podruˇje definicije mora biti simetriˇno c c c s obzirom na ishodiˇte. D. Ako je funkcija ϕ injekcija. Definicija 4. c Dokaz. Kako je ϕ injekcija.

Funkcija |x| je parna: ako je x > 0. Konstantna c funkcija f (x) = 2 (slika 4. Najmanji pozitivni P s ovim svojstvom c zove se osnovni period ili period funkcije f . funkcija f je padaju´a ili silazna na intervalu A ⊆ D ako c c (∀x1 . a ako je x < 0 tada je −x > 0 pa vrijedi | − x| = −x = |x|. tada je −x < 0 pa vrijedi | − x| = −(−x) = x = |x|.17) je monotona i to istovremeno i rastu´a i padaju´a c c na ˇitavoj domeni (ali ne strogo). x2 ∈ A) x1 < x2 a strogo padaju´a na intervalu A ⊆ D ako c (∀x1 . ∞). Ako je A = D tada kaˇemo da je funkcija f (strogo) rastu´a ili padaju´a bez z c c navodenja skupa. x2 ∈ A) x1 < x2 ⇒ f (x1 ) ≤ f (x2 ). . funkcija |x| je strogo padaju´a na intervalu (−∞. Definicija 4.116 FUNKCIJE REALNE VARIJABLE je parna za n paran. ⇒ f (x1 ) ≥ f (x2 ). joˇ kaˇemo i da je (strogo) monoc c s z tona. Na primjer. a neparna za n neparan pa odatle i nazivi: f (−x) = (−x)n = (−1)n xn = (−1)n f (x). c Definicija 4. Funkcija je po dijelovima monotona ako se podruˇje definicije D moˇe rasc z taviti na konaˇno mnogo podintervala takvih da je na svakom od njih funkcija c monotona. Tada oˇito mora vrijediti x + P ∈ D.4 Funkcija f je periodiˇna ako postoji broj P = 0 takav da za c svaki x ∈ D vrijedi f (x + P ) = f (x). x2 ∈ A) x1 < x2 ⇒ f (x1 ) > f (x2 ). Sliˇno. dakle po dijelovima strogo monotona. Ako je funkcija (strogo) rastu´a ili padaju´a.3 Funkcija f je rastu´a ili uzlazna na intervalu A ⊆ D ako c (∀x1 . x2 ∈ A) x1 < x2 ⇒ f (x1 ) < f (x2 ). 0] i strogo c rastu´a na intervalu [0. Funkcija f je strogo rastu´a na intervalu A ⊆ D ako c (∀x1 .

. Nadalje.4.5 Funkcija najve´e cijelo. tada kaˇemo da f (x) teˇi prema z c z z a kada x teˇi prema x0 .3 Limes 117 Primjeri periodiˇnih funkcija su trigonometrijske funkcije. odnosno c z x→x0 lim f (x) = a. c Definicija 4. c Primjer 4. c Zadatak 4. limes u beskonaˇnosti i c c beskonaˇan limes. (4. Pored ove. 1). k ≤ x < k + 1.8) (∀ε > 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ ⇒ |f (x) − a| < ε.5. Broj a je limes ili graniˇna vrijednost funkcije f kada x teˇi prema x 0 .4 Nacrtajte funkcije [x] i f iz primjera 4. 4. [x] : R → Z je definirana s c [x] = k. Takoder ´emo definirati limes slijeva i zdesna. to je Rf = [0. imamo i matematiˇku definiciju: s c x→x0 lim f (x) = a ako (slika 4. tada kaˇemo da funkcija f divergira u toˇki x 0 . z c Ako limx→x0 f (x) ne postoji. k ∈ Z. odnosno z f (x) → a kada x → x0 . viˇe intuitivne definicije limesa. tada kaˇemo da funkcija f konvergira u toˇki x 0 . Kako je 0 ≤ f (x) < 1. U ovom poglavlju definirat ´emo limes funkcije i dati njegova svoc jstva. za svaki n ∈ N vrijedi f (x + n) = x + n − [x + n] = x + n − ([x] + n) = x + n − [x] − n = x − [x] = f (x) pa je f periodiˇna funkcija s osnovnim periodom P = 1.3 Limes Pojam limesa je jedan od najvaˇnijih pojmova za razumijevanje analize z funkcija. Definirajmo funkciju f : R → R s f (x) = x − [x].3) z c Ako limx→x0 f (x) postoji.5 Ako se vrijednost funkcije f (x) pribliˇava vrijednosti a kada z se nezavisna varijabla x pribliˇava toˇki x 0 .

8). z Teorem 4. Dokaz.2 i 4. Dokaˇimo prvi teorem o limesu. a z c da nije definirana u toj toˇki.2 (1) Veliˇine ε i δ u definiciji (4.8: Limes funkcije Slika 4. .3).3. ali mora biti definirana u nekoj okolini te c toˇke. Dokaz ´emo provesti pomo´u kontradikcije. takav da se vrijednost funkcije c c nalazi u prvom intervalu. no z taj interval je sadrˇan u polaznom intervalu oko a pa je relacija (4.δ x x +δ 0 0 0 Slika 4.5 vidimo da funkcija f moˇe imati limes u nekoj toˇki.2 Limes je jedinstven. U ovom sluˇaju c c se za x iz drugog intervala vrijednosti funkcije nalaze u uˇem intervalu. Napomena 4.3) nuˇna je za dokazivanje z z raznih svojstava limesa kao u teoremima 4.118 FUNKCIJE REALNE VARIJABLE Iako izgleda sloˇeno.ε x . c a+ ε a a. Pretpostavimo suprotno c c od tvrdnje teorema. (2) Iz definicije 4. ˇim se x nalazi u drugom intervalu. Drugim rijeˇima. odnosno da postoje dva razliˇita limesa u toˇki x 0 .8 prikazuje situaciju iz relacije (4.3) zadovolz jena. precizna definicija limesa (4. c c x→x0 lim f (x) = a i x→x0 lim f (x) = b.3) su op´enito mali brojevi c c (vidi sliku 4. za svaki inc terval oko toˇke a postoji interval oko toˇke x 0 .

Ostale tvrdnje dokazuju se na sliˇan naˇin pomo´u relacije (4. Prema relaciji (4. (x) = g limx→x0 g(x) uz x→x0 lim g(x) = 0. b + ε). a + ε) ∧ |x − x0 | < δb ⇒ f (x) ∈ (b − ε. Tada vrijedi x→x0 lim (f + g)(x) = lim f (x) + lim g(x). c c c .3 (Osnovna svojstva limesa) Neka funkcije f i g imaju limese kada x → x0 . b + ε). nego svojstva c c limesa i osnovne limese koje ´emo upoznati tijekom predavanja. Neka je δ = min{δ f .3 Limes 119 Odaberimo ε = (b − a)/3. U gornjoj nejednakosti koristili smo nejednakost trokuta za apsolutnu vrijednost iz teorema 1.3). x→x0 x→x0 x→x0 lim f limx→x0 f (x) . c Teorem 4.4. Dokaz.3. to je s nemogu´e. Dokaˇimo prvo svojstvo. kako su intervali na desnoj strani disjunktni zbog naˇeg izbora ε. δg }. No. x→x0 x→x0 x→x0 lim (f · g)(x) = lim f (x) · lim g(x).3). Dobili smo kontradikciju pa je teorem dokazan. a + ε) ∧ f (x) ∈ (b − ε.3) postoje δ a i δb takvi da |x − x0 | < δa ⇒ f (x) ∈ (a − ε. Odaberimo ε > 0. Tada bi za δ = min{δa . Tada |x−x0 | < c c δ povlaˇi c |(f +g)(x)−(a+b)| = |f (x)−a+g(x)−b| ≤ |f (x)−a|+|g(x)−b| < ε ε + =ε 2 2 i tvrdnja je dokazana.1 Svojstva limesa Za praktiˇno raˇunanje limesa ne koristimo relaciju (4.10 (ii). Prema relaciji (4.3) z postoje δf i δg takvi da |x − x0 | < δf ⇒ |f (x) − a| < ε 2 ∧ |x − x0 | < δg ⇒ |g(x) − b| < ε . c 4. 2 pri ˇemu su a i b odgovaraju´i limesi. x→x0 x→x0 x→x0 lim (f − g)(x) = lim f (x) − lim g(x). δb } moralo vrijediti |x − x0 | < δ ⇒ f (x) ∈ (a − ε.

4) x→0 . za konstantu c vrijedi x→x0 FUNKCIJE REALNE VARIJABLE lim (c + f (x)) = c + lim f (x).4 (Pravilo uklijeˇtene funkcije) Neka je s x→x0 lim f (x) = lim g(x) = a. c x→x0 lim f (x) = 0.120 Posebno.9 g(x) h(x) a f(x) x0 Slika 4.6 Dokaˇimo da je z lim sin x = 1. x→x0 Ako postoji δ > 0 takav da za funkciju h vrijedi x ∈ (x0 − δ) ∪ (x0 + δ) tada je takoder x→x0 ⇒ f (x) ≤ h(x) ≤ g(x). lim h(x) = a. x→x0 x→x0 lim (cf (x)) = c lim f (x). Situacija opisana u teoremu prikazana je na slici 4. x→x0 c c lim = . x→x0 f (x) limx→x0 f (x) Sljede´a dva teorema navodimo bez dokaza. Teorem 4.9: Pravilo uklijeˇtene funkcije s Primjer 4. x (4.

x0 + δ). (x0 − δ.3 i jednakost (4. za x < 0 vrijedi (negativni brojevi) c tg x < x < sin x.5 Koriste´i formulu sin 2x = 2 sin x cos x. tre´u tvrdnju teorema c c 4.4) se lijepo vidi i na slici 4.4) vrijedi po teoremu 4. x→0 jednakost (4. cos x sin x Sliˇno.4. cos x sin x Dakle. Zadatak 4. lim 1 = 1.4) izraˇunajte c lim sin 2x . Tada c z c je lim f (x) = lim g(x).3 Limes 121 Neka je x blizu nule.6. Iz slike 4.11. dijele´i nejednakost sa sin x < 0 ponovo imamo c x 1 > > 1. x→x0 x→x0 .27 zakljuˇujemo da za x > 0 vrijedi c tg x > x > sin x.5 (Pravilo zamjene) Neka funkcije f i g imaju iste vrijednosti u nekoj okolini toˇke x0 . pa dijele´i nejednakost sa sin x > 0 imamo c x 1 > > 1. osim moˇda u samoj toˇki x0 . x x→0 ˇ Cemu je jednak limes sin x 2 ? x→0 x lim Teorem 4. x lim cos x = 1. Jednakost (4. za x = 0 vrijedi i reciproˇna nejednakost c 1> Kako je x→0 sin x > cos x.

1 vrijede i za limese s lijeva i zdesna. ako (∀ε > 0) (∃δ > 0) x ∈ D ∩ (x0 − δ. Vrijednost a je limes slijeva funkcije f u toˇki x 0 . sign(x) = x . ako (∀ε > 0) (∃δ > 0) x ∈ D ∩ (x0 . odnosno c x→x0 −0 lim f (x) = a. |x| ˇ Cesto se po dogovoru uzima sign(0) = 1 (vidi sliku 4. Napomena 4. x0 ) ⇒ |f (x) − a| < ε.10).122 FUNKCIJE REALNE VARIJABLE 4. Odredimo limese slijeva i zdesna u toˇki x0 = 0: za x > 0 vrijedi sign(x) = x/x = 1 pa je c x = 1. x→x0 −0 |x| lim Iz slike 4. Primjer 4. x→x0 +0 |x| lim Za x < 0 vrijedi sign(x) = x/(−x) = −1 pa je x = −1.10 vidimo da za svaki ε > 0 moˇemo uzeti bilo koji δ > 0. odnosno c c x→x0 +0 lim f (x) = a. Sliˇno.3.2 Limes slijeva i zdesna Kada nezavisna varijabla x teˇi k x 0 slijeva ili zdesna.3.3 Svojstva limesa iz poglavlja 4. x0 + δ) ⇒ |f (x) − a| < ε. z . limesi ne moraju z biti jednaki.7 Funkcija predznak ili signum definirana je na sljede´i naˇin: c c sign : R \ {0} → R. vrijednost a je limes zdesna funkcije f u toˇki x 0 .

x→−∞ x lim .3.8 a) Kako je funkcija sinus omedena.10: Funkcija sign(x) 4. x→+∞ ako (∀ε > 0) (∃M > 0) x∈D ∧ x>M ⇒ |f (x) − a| < ε. lim = 0. x→+∞ x lim 1 = 0− .3 Limes 123 1 -1 Slika 4. odnosno lim f (x) = a. Napomena 4. c Primjer 4. zanima c c nas postoji li limes funkcije kada nezavisna varijabla x teˇi k −∞ ili +∞.12): 1 = 0+ . z Vrijednost a je limes funkcije f kada x → +∞ (limes u desnom kraju). x→−∞ ako (∀ε > 0) (∃M < 0) x∈D ∧ x<M ⇒ |f (x) − a| < ε. Za c z razliku od prvog primjera.3 Limes u beskonaˇnosti c Ako je podruˇje definicije D neograniˇene s jedne ili s obje strane.4 Svojstva limesa iz poglavlja 4. vrijednost a je limes funkcije f kada x → −∞ (limes u lijevom kraju). x→+∞ x x→−∞ x b) Funkcija f (x) = 1/x oˇito teˇi k nuli kada x → +∞ i kada x → −∞.3. c odnosno lim f (x) = a. | sin x| ≤ 1.1 vrijede i za limese u beskonaˇnosti. vrijedi (vidi sliku 4.11) sin x sin x lim = 0.4. ovdje moˇemo ˇak odrediti da li f (x) → 0 s z c gornje ili donje strane (vidi sliku 4. Sliˇno.

c Na primjer.1 vrijede i za beskonaˇne limese. c c c Svojstva limesa iz poglavlja 4. ⇒ f (x) > M. x .4 0.3. odnosno c z x→x0 ako (∀M < 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ ⇒ f (x) < M.2 ε 0 −ε −0.4 Beskonaˇan limes c c z c Kada x → x0 takoder je mogu´e da vrijednosti funkcije f teˇe u beskonaˇnost. lako se vidi da je (slika 4. Sliˇno.3.5 Beskonaˇne limese slijeva i zdesna definiramo na sliˇan naˇin. odnosno z x→x0 lim f (x) = +∞. x x→0+0 lim 1 = +∞.13) x→0−0 lim 1 = −∞.2 −0.6 0. Funkcija f teˇi u +∞ kada x → x0 .124 1 0.4 FUNKCIJE REALNE VARIJABLE 10 M 20 30 40 50 Slika 4. ako (∀M > 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ lim f (x) = −∞.11: Funkcija sin x/x 4. funkcija f teˇi u −∞ kada x → x 0 .8 0. Napomena 4.

6 Koji su limesi funkcija f (x) = 1 . x2 g(x) = 1 x3 kada x → 0 − 0. . c opisati vrste prekida koje funkcija moˇe imati te definirati asimptote i opisati z postupak za njihovo nalaˇenje. x → +∞ i x → −∞ ? 4. x → 0 + 0.4 Neprekidnost 125 ε M Slika 4.4.6 Funkcija f je neprekidna u toˇki x 0 ∈ D ako je c x→x0 lim f (x) = f (x0 ). dati svojstva neprekidnih funkcija. Medutim. z Intuitivna definicija neprekidnosti je sljede´a: funkcija je neprekidna ako c njen graf moˇemo nacrtati bez podizanja olovke s papira.12: Funkcija 1/x Zadatak 4.4 Neprekidnost Definirat ´emo svojstvo neprekidnosti. Stroga matematiˇka c definicija neprekidnosti koristi pojam limesa. Definicija 4. ova definiz cija nas ne zadovoljava jer pomo´u nje nismo u mogu´nosti dokazati razna c c svojstva neprekidnih funkcija koja koristimo u analizi.

126

FUNKCIJE REALNE VARIJABLE

M δ

Slika 4.13: Beskonaˇan limes c

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

4.4.1

Svojstva neprekidnih funkcija

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

lim f (x) = y

4.4 Neprekidnost

127

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

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

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

x→+∞

lim e 1−x2 = e

limx→+∞

2x2 −1 1−x2

= e−2 =

1 . e2

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

x→+∞

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

1

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

x→0+0

x→0+0
1 2

lim (1 + x) 2x = ln

x→0+0

lim (1 + x) x

1

1 2

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

128

FUNKCIJE REALNE VARIJABLE

d

a e c b

Slika 4.14: Neprekidna funkcija

4.4.2

Vrste prekida

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

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

4.4 Neprekidnost

129

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

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

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

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

1

-2

-1

0

1

2

3

-1

1 Slika 4.15: Funkcija sin x

130

FUNKCIJE REALNE VARIJABLE

4.5

Asimptote

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

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

lim |f (x) − (kx + l)| = 0.

Zadnji uvjet, koji je ekvivalentan s
x→+∞

lim (f (x) − kx − l) = 0

(4.6)

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

= k.

Pokuˇajte skicirati funkciju. c s . Potraˇimo kosu asimptotu: vrijedi z f (x) x = lim =1 x→+∞ x x→+∞ 1 + x lim pa je k = 1. Dakle.11 u lijevoj strani i u s toˇki prekida x = −1. Vrijedi lim f (x) = lim x2 · 1 x2 1 x2 x2 1+x x→+∞ x→+∞ (1 + x) · = lim 1 = +∞ x→+∞ 0 + 0 pa funkcija nema horizontalnu asimptotu u desnoj strani.11 Ispitajmo ponaˇanje funkcije s f (x) = u desnoj strani. Potraˇimo l: vrijedi z lim (f (x) − kx) = lim x2 −x 1+x = lim −x = −1 x→+∞ 1 + x x→+∞ x→+∞ pa je l = −1. Zadatak 4.16: Kosa asimptota Primjer 4.4. pravac y = x − 1 je kosa asimptota funkcije f u desnoj strani.7 Ispitajte ponaˇanje funkcije iz primjera 4.5 Asimptote 131 f(x) M y=kx+l N α L Slika 4.

6.17). definirana s c zove se konstantna funkcija (slika 4. ∀x ∈ R.6. Funkcija f : R → {c}. pravac y = −x−1 je kosa asimptota Descartesovog lista u lijevoj strani. Detaljno poznavanje c svih elementarnih funkcija i svih njihovih svojstava nuˇno je za uspjeˇnu z s analizu funkcija. z z Dokaˇimo da je pravac y = −x − 1 kosa asimptota Descartesovog lista iz primz jera 4. 4. prvo moramo utvrditi za koje vrijednosti parametra x teˇi u beskonaˇno.2 kao ˇto je prikazano na slici 4. t3 + 1 t +1 Kako su x i y funkcije parametra t.6 Pregled elementarnih funkcija Opisat ´emo elementarne funkcije i njihova svojstva. Konstantna funkcija je neprekidna. 1+t 3 (−1) 3t = lim = 3+1 2−t+1 2 − (−1) + 1 t→−1−0 t t (−1) Dakle. omedena. c z 4. t 3 t2 3t + 3 t3 + 1 t + 1 l = lim (y − kx) = = t→−1−0 lim (y(t) − (−1)x(t)) = t→−1−0 lim lim 3 t = −1. monotona.12 Asimptote moˇemo traˇiti i kod parametarski zadanih funkcija. 3+1 3 +1 t→−1−0 t→−1−0 t (−1 − 0) −0 3 t2 3 (−1)2 3 lim x(t) = lim 3 = = = +∞. . Vrijedi z c x = x(t) = 3 t2 3 (−1)2 3 = = = −∞. Descartesov list je u parametarskom s obliku zadan s formulama kao u primjeru 4. y = y(t) = 3 . pri ˇemu je c ∈ R. t ∈ R \ {−1}. Formule (4. t→−1+0 t→−1+0 t + 1 (−1 + 0)3 + 1 +0 lim x(t) = lim Potraˇimo prvo kosu asimptotu u lijevoj strani.1 Konstantna funkcija f (x) = c. Sliˇno se pokaˇe da je isti pravac kosa asimptota i u desnoj strani .132 FUNKCIJE REALNE VARIJABLE Primjer 4.5) primjenjujemo z na sljede´i naˇin: c c k = lim y(t) y = lim = lim x→−∞ x t→−1−0 x(t) t→−1−0 x→−∞ t→−1−0 3t t3 +1 3 t2 t3 +1 = t→−1−0 lim 1 = −1.4: 3t 3 t2 . nema vertikalne ni kose asimptote te je oˇito sama sebi horizontalna asimptota u oba c kraja. parna.

odnosno ukoliko nazivnik nije nula. Takoder vidimo da je za neparan n funkcija x n bijekcija pa ima inverznu funkciju po teoremu 1.18. Potenciranje s racionalnim eksponentom Funkciju f (x) = x n = 1 √ n x . x Pravila (P1). (00 je nedefinirano) n ∈ N. Pravila potenciranja se lako dokaˇu indukcijom: z xm+n = xm · xn . Potenciranje je definirano rekurzivno: x0 = 1. ∀x = 0. ∞) bijekcija pa ima inverznu funkciju.6 Pregled elementarnih funkcija 133 c Slika 4. (x · y) = x · y . xn+1 = xn · x.6. n Primjeri potencija dani su na slici 4. n ∈ Z ukoliko su izrazi dobro definirani. dok je za paran n restrikcija funkcije xn na interval [0.17: Konstantna funkcija 4.1.19) 1 f (x) = x−k = k . tada su dobro definirane i funkcije f : R\{0} → R (vidi sliku 4. (P2) i (P3) vrijede ∀m. Vidimo da su (ne)parne potencije (ne)parne funkcije. Ako je x = 0 i k ∈ N. x1 = x. (x ) = x n m n m·n n (P1) (P2) (P3) .4.2 Potencija Potenciranje s prirodnim brojem je funkcija f : R → R definirana s f (x) = xn .

3 ima beskonaˇni periodiˇni decimalni zapis. funkcija −(−x) Nadalje.33333 u programu Gnuplot tako daje sliku funkcije samo za x > 0. dok se lijeva strana dobije tako ˇto se nacrta s 0.21). Napomena 4. Mi 1/3 inverzna funkcija funkcije x 3 . Uoˇite da je c √ c c funkcija 3 x = x1/3 nacrtana iz dva dijela na pomalo neobiˇan naˇin. ukoliko je n paran (vidi slike 4. Stoga programi c c za crtanje funkcije oblika x1/k takve sluˇajeve ˇesto tretiraju kao potencije c c s realnim eksponentom koje su definirane samo za x > 0 (vidi poglavlje 4. ∞).2).3333 . Naredba za crtanje funkcije x 0.33333 .18: Potenciranje s prirodnim brojem definiramo kao inverznu funkciju funkcije x n ili njene restrikcije na interval [0.7.6. Napomena 4.7 Graf inverzne funkcije simetriˇan je grafu zadane funkcije s c obzirom na simetralu I i III kvadranta. Medutim. to jest pravac y = x. raˇunala barataju c znamo da je x samo s diskretnim podskupom skupa Q (vidi poglavlje 1. .21 vezana je zanimljiva primjedba.134 FUNKCIJE REALNE VARIJABLE 1 1 -1 x x**2 x**3 Slika 4. .8 Uz sliku 4. za n ∈ N moˇemo definirati funkciju z f (x) = x− n = pri ˇemu je c D(x− n ) = D(x n )\{0}. = 0. a broj 1 = 3 ˙ 0. 1 1 1 1 xn 1 .20 i 4.1. .

4. Zadatak 4. Ukoliko su m i n relativno prosti tada je podruˇje c definicije uvijek jednoznaˇno odredeno i vrijedi c x n = (xm ) n = (x n )m . odozgo). x1/k . parne ili neparne. D = R. horizontalne ili kose asimptote ? Prisjetimo se da je skup racionalnih brojeva Q zapravo skup klasa ekvivalencije na skupu Z × N. m 1 1 . Na c c primjer. D = [0. ∞) √ 4 galeb(x) = x2 . 2 3 D(x 3 ) = R. D(x 2 ) = [0. n ∈ N. ∞). pri ˇemu se podruˇje definicije odreduje na temelju prethodnih pravila. neprekidne ili imaju prekide (kakvi su ti prekidi) te koje imaju vertikalne. k ∈ N z Takoder moˇemo definirati i funkcije oblika f (x) = x n . Ukoliko m i n nisu relativno prosti tada moˇe do´i do situacije kao u sljede´em z c c primjeru: √ √ f (x) = ( 4 x)2 = x.6 Pregled elementarnih funkcija 135 x**(-1) x**(-2) 1 -1 -1 1 Slika 4.19: Funkcije f (x) = x−k . m m ∈ Z.8 Koje od funkcija xk . k ∈ Z. su omedene (odozdo. monotone ili po dijelovima monotone.

a b a 4. 0x = 0. za a > 1 c Ako fiksiramo bazu a ∈ R+ = (0. Pravila potenciranja (P1). √ Sliˇno je i x2 = |x| (vidi sliku 1. funkcija galeb(x) prikazana je na slici 4.22. .136 FUNKCIJE REALNE VARIJABLE 1 x**2 sqrt(x) x -1 1 Slika 4. ∀x = 0. Iz svojstva c c (P5) slijedi da je expa za a > 1 strogo rastu´a funkcija. (P2) i (P3) vrijede i za potenciranje s racionalnim i realnim brojevima. Pored toga.3 Eksponencijalna funkcija ˇije se vrijednosti raˇunaju po prethodnim pravilima potenciranja. za x = 1  1  −a (x) . tada moˇemo definirati z funkciju expa : R → R+ .6. a = 1. za x < 1.20.1). ∞).20: Funkcija f (x) = √ x Dok je prva funkcija prikazana na slici 4. a takoder vrijede i sljede´a svojstva: c [(0 < x < y) ∧ (a > 0)] [(x > 1) ∧ (a < b)] [(0 < x < 1) ∧ (a < b)] ⇒ ⇒ xa < y a . za x > 1  xa = 1. expa (x) ≡ expa x = ax . c Potenciranje s realnim brojem Za x > 0 i a ∈ R definiramo funkciju f (x) = x a sa  inf{xq : q ∈ Q ∧ q > a}. x >x . a 00 je neodredeni oblik. b (P4) (P5) (P6) ⇒ x <x . Takoder.

Nadalje.23).21: Funkcija f (x) = √ 3 x funkcija expa ima horizontalnu asimptotu y = 0 kada x → −∞.6 Pregled elementarnih funkcija 137 1 -1 -1 1 x**3 x**(0.22: Funkcija galeb(x) = √ 4 x2 . za a a < 1 funkcija expa je strogo padaju´a i ima horizontalnu asimptotu y = 0 c kada x → +∞. expa je uvijek bijekcija (vidi sliku 4.33333) x Slika 4. Broj e se zove c 1 -1 1 Slika 4.33333) -(-x)**(0. Napomena 4.4.9 Posebno se ˇesto koriste funkcije 10 x i ex . a c to je funkcija exp 1 simetriˇna funkciji expa s obzirom na y-os. kako je 1 x = a−x . Dakle.

24: Funkcije 10x i ex .7182 . .138 FUNKCIJE REALNE VARIJABLE 2**x 2**(-x) 2 1 -2 -1 -1/2 1/2 1 2 Slika 4. (vidi sliku 4. . z 10**x e**x e 1 1/e -1 1 Slika 4. i pribliˇno je jednak e ≈ 2.24). definiran je kao 1 n n e = lim n→∞ 1+ = lim x→+∞ 1+ 1 x x .23: Eksponencijalne funkcije 2 x i 2−x baza prirodnih logaritama.

4 Logaritamska funkcija Kako je expa bijekcija.4.6 Pregled elementarnih funkcija 139 4. loga (x) (expa ◦ log a )(x) = a = x. loge x ≡ ln x.9 Nacrtajte funkcije log a (ax ) i aloga (x) . ∀x ∈ R. log(x)/log(2) 2**x x 2 1 -2 -1 -1/2 -1 1/2 1 2 Slika 4. ln je kratica od logaritam naturalis. a Posebno se koriste Briggsovi ili dekadski logaritmi s bazom 10. logaritamsku funkciju definiramo kao inverznu funkciju eksponencijalne funkcije (vidi slike 4. log10 x ≡ log x.25 i 4. i prirodni logaritmi s bazom e. Zadatak 4.1) (log a ◦ expa )(x) = log a (ax ) = x.6. . ∀x ∈ R+ .25: Funkcija f (x) = log 2 x Zbog svojstava inverznih funkcija vrijedi (teorem 1.26): loga ≡ exp−1 : R+ → R.

Dokaz svojstva (L1): jednakost x = x moˇemo koriste´i logaritme s bazama a z c i b zapisati kao aloga x = blogb x . x =a r r·loga x (L1) (L2) (L3) (L4) (L5) (L6) . Kako su u prethodnoj jednakosti baze jednake. Uvrˇtavanje b = aloga b u gornju nejednakost i primjena svojstva potenciranja s (P2) daju aloga x = aloga b logb x = aloga b·logb x . x. x. x > 0. y > 0.26: Funkcija f (x) = log 1/2 x Svojstva logaritama Najvaˇnija svojstva logaritamskih funkcija su: z loga x = loga b · logb x (veza dvaju baza).140 FUNKCIJE REALNE VARIJABLE log(x)/log(0. x > 0. 1 loga b = . to moraju biti jednaki i eksponenti. x loga = loga x − log a y. y loga xy = y log a x. y > 0. odnosno svojstvo (L1) vrijedi. logb a loga (x · y) = log a x + log a y.5) 2**(-x) x 2 1 1/2 -2 -1 -1 1/2 1 2 -2 Slika 4. .

π moˇemo definirati i pomo´u sume beskonaˇnog reda brojeva (vidi poglavlje 6.10 Nacrtajte funkcije log x.10 Kako ve´ina programa za crtanje funkcija moˇe crtati samo c z funkcije log x i ln x. π jednak z c c limesu beskonaˇnog niza brojeva (vidi zadatak 6. monotone. Njen z c c s z opseg jednak je O = 2rπ = 2 · 1 · π. Dokaz svojstva (L3): sliˇno kao u dokazu svojstva (L1) izraz xy = x·y moˇemo c z zapisati kao aloga (xy) = aloga x · aloga y = aloga x+loga y . Broj π ima beskonaˇni neperiodiˇni decimalni zapis. c Napomena 4. neprekidne i imaju li asimptote? Jesu li te 4.5 Trigonometrijske funkcije Promotrimo srediˇnju jediniˇnu kruˇnicu implicitno zadanu s s c z x2 + y 2 = 1. na primjer. c Zadatak 4. kod crtanja funkcija log 2 x i log 1/2 x na slikama 4.2.14159265358979323846264338327950288419716939937508 Broj π moˇemo definirati na razliˇite naˇine.1): c π = lim 2n n→+∞ 2− 2+ 2+ √ 2··· (4. Svojstva (L4–L6) dokazuju se sliˇno. funkcije omedene. Program Gnuplot pomo´u kojeg su nacrtane s c slike funkciju ln x oznaˇava s log(x). Tako je.7) n − 1 korijen z c c Takoder.6 Pregled elementarnih funkcija 141 Dokaz svojstva (L2): kada u svojstvo (L1) uvrstimo x = a dobijemo 1 = log a a = loga b · logb a.6.4): π=4 ∞ n=0 (−1)n =4 2n + 1 1 1 1 1 1 1 − + − + − + ··· .26 koriˇtena su svojstva (L1) i (L2).25 i 4. Tu kruˇnicu ´emo u ovom sluˇaju joˇ zvati i trigonometrijska kruˇnica. ln x.4. log 3 x i log 1/3 x. 1 3 5 7 9 11 . a njegovih prvih pedeset c c znamenaka glasi 3.

0) Slika 4.html. a cos x je parna funkcija (definicija 4. Definirajmo prvo funkcije sinus i kosinus. odnosno vrijedi sin x. 0) u koordinatnom sustavu ravnine. Drugim rijeˇima.27 moˇemo zakljuˇiti sljede´e: c z c c – funkcije sin x i cos x su omedene (definicija 4. sin x) u koordinatnom sustavu (slika 4. . cos : R → [−1.edu/∼arnold/graphics. cos x je apscisa. c tg x x sin x T 0 cos x I=(1. z Tada se toˇka x brojevnog pravca nalazi u toˇki c c T = (cos x. dok se pozitivni dio brojevnog pravca namata na kruˇnicu u pozitivnom smjeru (obrnuto od kazaljke na satu).2). a sin x c ordinata toˇke T u kojoj se nalazi broj x. Na trigonometrijsku kruˇnicu z nanesimo brojevni pravac tako da se broj 0 brojevnog pravca nalazi u toˇki c I = (1.1).27).1% nalazi se na http://www.umn. 1].142 FUNKCIJE REALNE VARIJABLE Zanimljiva priˇa o tome kako je Arhimed izraˇunao broj π s pogreˇkom manc c s jom od 0. – sin x je neparna.27: Trigonometrijska kruˇnica z Promatraju´i sliku 4.ima.

6 Pregled elementarnih funkcija 143 – sin x i cos x su periodiˇne funkcije a osnovnim periodom 2π (definicija c 4. 2 (4. Formula (4. – nul-toˇke funkcija sin x i cos x su c sin x = 0 cos x = 0 ⇔ ⇔ x = kπ. k ∈ Z. sin x Vidimo da tangens nije definiran u nul-toˇkama kosinusa. – sin x i cos x su neprekidne funkcije (definicija 4.8) – primjena Pitagorinog pouˇka na pravokutni trokut s katetama sin x i c cos x i hipotenuzom jednakom 1 daje osnovni trigonometrijski identitet sin2 x + cos2 x = 1 (4.4. dok kotangens nije c definiran u nul-toˇkama sinusa.28. a ne jednadˇba. k ∈ Z. π x = + kπ.6).9) (gornji izraz je identitet. cos x ctg x = cos x .28: Sinus i kosinus Pomo´u sinusa i kosinusa definiramo tangens i kotangens: c tg x ≡ tan x = sin x . stoga ˇto vrijedi za svaki x ∈ R).8) i definicije sinusa i kosinusa c .4). sin(x) 1 -pi -pi/2 -1 pi/2 pi 2*pi cos(x) 1 -pi -pi/2 -1 pi/2 pi 2*pi Slika 4. z s Funkcije sin x i cos x prikazane su na slici 4.

k ∈ Z. 2 su vertikalne asimptote s obje strane (vidi poglavlje 4. Sliˇna analizu moˇemo napraviti i za funkciju ctg x. Tangens i kotangens c z prikazani su na slikama 4.29 i 4. π π −0 x→ 2 +0 x→ 2 +0 cos x lim tg x = x→ π −0 2 lim z c c Iz ove analize takoder moˇemo zakljuˇiti da je u svim toˇkama oblika x = π/2 + kπ. tg : R \ U svim toˇkama u kojima su obje funkcije definirane oˇito vrijedi c c ctg x = Pored toga.28) povlaˇi c x→ π −0 2 1 .5). Da bi odredili ponaˇanje funkcije tg x u toˇkama prekida. 2 2 a ctg x je strogo padaju´a funkcija na svakom podintervalu otvorenog c intervala (kπ.3) na svakom podintervalu c otvorenog intervala π π + kπ. a limes zdesna jednak −∞. funkcija tg x u svim toˇkama prekida ima prekid druge vrste (definicija 4. i to stoga ˇto su kvocijent jedne s parne i jedne neparne funkcije (definicija 4.29 i 4.30. . k ∈ Z limes slijeva jednak +∞.30 zakljuˇujemo sljede´e: c c c – obje funkcije tg x i ctg x su neparne. + (k + 1)π . Definicija funkcije cos x (vidi slike 4. (k + 1)π). k ∈ Z.27 i 4.144 stoga povlaˇe c FUNKCIJE REALNE VARIJABLE π + kπ : k ∈ Z → R. k ∈ Z. Promatraju´i slike 4. – tg x je strogo rastu´a funkcija (definicija 4. Dakle. cos x +0 sin x 1−0 lim tg x = lim = = −∞. zbog proporcionalnosti sin x tg x = .7).27. c a pravci π x = + kπ. tg x 1−0 sin x = = +∞.2). moramo posebno s c promotriti limese slijeva i zdesna. 2 ctg : R \ {kπ : k ∈ Z} → R. cos x 1 geometrijski prikaz tangensa je kao na slici 4.

A]. ω > 0. c 2π/3. . parnost. Vrijednosti funkcija u nekim drugim c toˇkama kao π/12. Broj A je amplituda i vrijedi f : R → [−A. . a nul-toˇke funkcije c c c ctg x su nul-toˇke funkcije cos x (vidi formulu (4.11 Osnovne vrijednosti funkcija sin x. 3π/4. A. – nul-toˇke funkcije tg x su nul-toˇke funkcije sin x.4. −π/3. . Op´a sinusoida c Op´a sinusoida je funkcija oblika c f (x) = A sin(ωx + ϕ). moˇemo odrediti pomo´u prethodnih vrijedc z c nosti i adicionih teorema koji su opisani kasnije. odnosno neparnost). . lako odredimo koriste´i tablicu i svojstva funkcija (pec riodiˇnost. 5π/6. −π/2. c Napomena 4.8)).4). 7π/12. −π/4.1 Vrijednosti ovih funkcija u toˇkama −π/6. . cos x i tg x nalaze se u tablici 4. . .6 Pregled elementarnih funkcija 145 1 -pi -pi/2 1 pi/2 pi 3*pi/2 2*pi Slika 4. .29: Tangens – tg x i ctg x su periodiˇne funkcije a osnovnim periodom 2π (definicija c 4. .

ω Kako je sin 0 = 0. formula za period slijedi iz x 0 π/6 π/4 π/3 π/2 sin x 0 1/2 √ √2/2 3/2 1 cos x √1 √3/2 2/2 1/2 0 tg x √0 3/3 1 √ 3 − Tablica 4.30: Kotangens Osnovni period op´e sinusoide je c P = 2π . a kako je osnovni period funkcije sin x jednak 2π. ω a fazni pomak.1: Osnovne vrijednosti trigonometrijskih funkcija .146 FUNKCIJE REALNE VARIJABLE 1 -pi -pi/2 1 pi/2 pi 3*pi/2 2*pi Slika 4. c c c je ϕ x0 = − . odnosno nul-toˇka desno od koje op´a sinusoida poˇinje rasti. formula za fazni pomak slijedi iz jednakosti ωx + ϕ = 0.

4.6 Pregled elementarnih funkcija

147

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

ωP = 2π.

1/3

1/3+pi/3

-2

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

148

FUNKCIJE REALNE VARIJABLE

b c

b sin x

x a b cos x - a

Slika 4.32: Kosinusov pouˇak c

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

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

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

4.6 Pregled elementarnih funkcija

149

Q=(cos u, sin u)

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

Slika 4.33: Adicioni teoremi

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

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

4.6.6

Arkus funkcije

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

150

FUNKCIJE REALNE VARIJABLE

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

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

1

-pi/2

-1

1

pi/2

-1

-pi/2

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

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

4.6 Pregled elementarnih funkcija

151

asin(sin(x)) pi/2

sin(asin(x))

1

-pi/2

pi/2

-1 -1

1

-pi/2

Slika 4.35: Kompozicije restrikcije sinusa s arkus sinusom

pi/2

asin(sin(x))

-pi

-pi/2 -pi/2

pi/2

pi

Slika 4.36: Funkcija arcsin(sin x)

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

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

f (x) f .13 Funkcija f : [0. mnoˇenje.6 Pregled elementarnih funkcija 153 koriste´i vezu c arcctg x = π − arctg x.12 Nacrtajte funkcije f (x) = cos(arccos x). f (x) = arccos(cos x). f (x) = arcctg(ctg x). f (x) = tg(arctg x). 2 pi atan(x) pi/2-atan(x) pi/2 -1 -pi/2 1 Slika 4. Primjer 4.6. (f · g)(x) = f (x) · g(x). dijeljenje i komponiranje na do z sada opisane elementarne funkcije. (x) = g g(x) g(x) = 0. f (x) = ctg(arcctg x). Pri tome je (f ± g)(x) = f (x) ± g(x). f (x) = sin(arccos x). +∞) → R zadana s √ 2 f (x) = 3x −2 · sin( 4 x) + 1 je elementarna funkcija jer je sastavljena na sljede´i naˇin: c c f = [f1 ◦ (f2 − f3 )] · (f4 ◦ f5 ) + f6 . .4. 4.7 Klasifikacija elementarnih funkcija Elementarna funkcija je svaka funkcija koja nastaje primjenjuju´i konaˇan c c broj puta zbrajanje. f (x) = arccos(sin x). f (x) = arctg(tg x).38: Arkus tangens i arkus kotangens Zadatak 4. oduzimanje.

Teorem 4. Takvi c polinomi se razmatraju u Matematici 3.2 i racionalne funkcije s racionalnim koeficijentima (vidi poglavlje 4.8 Polinomi i racionalne funkcije n Polinom n-tog stupnja je funkcija pn (x) = an x + an−1 x n n−1 + · · · + a 2 x + a1 x + a 0 = 2 ai xi .6.9 Svaki polinom n-tog stupnja p n ima toˇno n kompleksnih nulc toˇaka zi za koje vrijedi pn (zi ) = 0. . i=0 pri ˇemu su koeficijenti ai realni brojevi i vrijedi an = 0. Sve ostale elementarne funkcije su transcendentne funkcije. 4.8). f3 (x) = 2. f6 (x) = 1. Na primjer.8). . . a c z koji slijedi iz poznatog Osnovnog teorema algebre. Algebarske funkcije su one elementarne funkcije koje nastaju komponiranjem potencije s racionalnim eksponentom (vidi poglavlje 4. f4 (x) = sin(x). Od algebarskih funkcija posebno nas zanimaju polinomi i racionalne funkcije (vidi poglavlje 4.6. FUNKCIJE REALNE VARIJABLE f2 (x) = x2 . Napomenimo da c je prirodno definirati i polinome ˇiji su koeficijenti kompleksni brojevi. √ f5 (x) = 4 x. funkcija f (x) = je algebarska.154 gdje je f1 (x) = exp3 (x). 2. . p n se c c dade rastaviti kao pn (x) = an xn + · · · + a1 x + a0 = an (x − z1 )(x − z2 ) · · · (x − zn ).6.9). strogo kompleksne nul-toˇke (one za koje je Im z i = 0) se uvijek c javljaju u konjugirano kompleksnim parovima. a od transcendentnih funkcija posebno nas zanimaju hiperbolne funkcije i njima inverzne area funkcije (vidi poglavlje 4. Drugim rijeˇima. odnosno pn (zi ) = 0 ⇔ pn (¯i ) = 0. Za polinome vrijedi sljede´i vaˇan teorem kojeg navodimo bez dokaza.6.6. i = 1. Nadalje. dok je funkcija f (x) = x2 + 1 2x3 − 5x √ 2 4 x2 + 1 2x3 − 5x 5 transcendentna. z . n.

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

Veze izmedu hiperbolnih funkcija sliˇne z c c su vezama izmedu trigonometrijskih funkcija.39. Sinus hiperbolni je funkcija sh : R → R. Kosinus hiperbolni se joˇ c s zove i lanˇanica.6. Hiperbolne funkcije su zanimljive jer su rjeˇenja mnogih problema u s fizici i tehnici izraˇena pomo´u njih. ch x = ex + e−x . a kosinus hiperbolni parna funkcija te da je sinus hiperbolni strogo rastu´a funkcija.39: Sinus hiperbolni i kosinus hiperbolni Vidimo da je sinus hiperbolni neparna.3).9 Hiperbolne i area funkcije Hiperbolne funkcije definiramo pomo´u eksponencijalne funkcije e x (poglavlje c 4. jer lanac objeˇen o dvije toˇke u gravitacijskom polju zauzme c s c .6. +∞). 3 2 1 -2 -1 -1 -2 -3 1 2 sinh(x) cosh(x) Slika 4.156 FUNKCIJE REALNE VARIJABLE 4. a kosinus hiperbolni je funkcija ch : R → [1. 2 Funkcije sh x i ch x prikazane su na slici 4. 2 sh x = ex − e−x .

strogo padaju´a i ima c prekid druge vrste u toˇki x = 0. sh x th : R → (−1. lim cth x. tangens hiperbolni definiramo c kao kvocijent sinusa i kosinusa. strogo rastu´a i neprekidna te ima horizontalne asimptote y = −1 i lijevom c i y = 1 u desnom kraju.11) Zadatak 4. cth : R \ {0} → (−∞. Usporedite ta svojstva s trigonometrijz skim identitetom (4. Funkcije area sinus hiperbolni.+∞) . Primijetimo da su sve hiperbolne funkcije bijekcije. (4. a pravac x = 0 je vertikalna asimptota s obje strane. Za funkcije sh x i ch x vrijedi ch2 x − sh2 x = 1 ch 2x = sh2 x + ch2 x sh 2x = 2 sh x ch x. a kotangens hiperbolni kao kvocijent kosinusa i sinusa.15 Koriste´i svojstva funkcije e x izraˇunajte limese c c lim th x. −1) ∪ (1. lim th x. x→−∞ x→+∞ x→−∞ x→0−0 x→+∞ x→0+0 Area funkcije su inverzne funkcije hiperbolnih funkcija. area kosinus hiperbolni.14 Dokaˇite svojstva (4. Funkcija th x je neparna. +∞).40. Funkcija cth x je neparna.9) i adicionim teoremima (A3) i (A6).6 Pregled elementarnih funkcija 157 oblik dijela te krivulje. ch x ch x cth x = . lim cth x. osim ch x pa za kosinus hiperbolni inverznu funkciju definiramo za restrikciju ch | [0.11). lim cth x. lim cth x. 1). area tangens hiperbolni i area kotangens hiperbolni . Njene horizontalne asimptote su takoder c pravci y = −1 i lijevom i y = 1 u desnom kraju. Opiˇite sliˇnosti i s c razlike? Sliˇno kao kod trigonometrijskih funkcija. odnosno th x = sh x . Zadatak 4.4. Funkcije th x i cth x prikazane su na slici 4.

arch : [1. +∞).12). 2 x−1 arcth : (−∞. (4. Zadatak 4.12) Area funkcije se ponekad oznaˇavaju i s velikim poˇetnim slovom kao na c c primjer Arsh x. x2 + 1). 1 1+x . x2 − 1). a funkcije arth x i arcth x na slici 4.42. Funkcije arsh x i arch x prikazane su na slici 4. 1 x+1 arcth x = cth−1 x = ln .158 FUNKCIJE REALNE VARIJABLE 3 2 1 -3 -2 -1 -1 -2 -3 1 2 3 tanh(x) 1/tanh(x) Slika 4.16 a) Dokaˇite da su formule za area funkcije te njihove domene z i kodomene zaista dane s odgovaraju´im izrazima u (4.41. arth x = th−1 x = ln 2 1−x arth : (−1. 1) → R. +∞) → R \ {0}. −1) ∪ (1.40: Tangens hiperbolni i kotangens hiperbolni definirane su redom na sljede´i naˇin: c c arsh x = sh−1 x = ln(x + arch x = ch−1 x = ln(x + arsh : R → R. +∞) → [0. c b) Koje su horizontalne i vertikalne asimptote funkcija arth x i arcth x (vidi .

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

f (x) = arcth(cth x). f (x) = arsh(sh x).160 FUNKCIJE REALNE VARIJABLE sliku 4.42)? Dokaˇite da su to asimptote tako ˇto ´ete izraˇunati odgoz s c c varaju´e limese. f (x) = arch(ch x). f (x) = cth(arcth x). c c) Nacrtajte funkcije f (x) = sh(arsh x). f (x) = th(arth x). . f (x) = ch(arch x). f (x) = arth(th x).

162 5. . . . 180 c 5. . . . . . .8 5. . . . 174 Diferencijal . .2 5. . . . .1 Parametarski zadana funkcija . . . . . . . .1. . . . . . . . . 188 5. . . . . . . . .5. . . . . . . .7.4 5. . . . . . . . . . . . . . 210 s z . . . . . . 181 L’Hospitalovo pravilo i raˇunanje limesa neodredenih c oblika . . . . . . 179 Teoremi diferencijalnog raˇuna . . 180 5. . . . . . 176 z c Viˇe derivacije i diferencijali . . . . .2 5. . .2 5. . . . . . . . . . . . . . . . . . . .1 Geometrijski ekstrem . . . . . . . . .1 Derivacija . . . . . . . 192 Zakrivljenost . . DERIVACIJE I PRIMJENE 5. . . . 167 Deriviranje implicitno zadane funkcije . . . . . . . . . . . . . . .5. . . . . . . . . . . .1. . 170 Logaritamsko deriviranje . . 203 5. . . . . . . . . . . .1 Tangenta i normala . . . .1. . . . . . . .9 Ekstremi . .1 Pribliˇno raˇunanje . . . 193 Ispitivanje toka funkcije . . . . . . . .2. . . . .4 5. . . . . . . . 197 5. . .5.6 5. . .1.5 Derivacije slijeva i zdesna . . . 184 Monotonost . . . . . . .9. . .3 5. . . . . . .10 Rjeˇavanje problema ravnoteˇe . . 165 5. . . . . . . . . . 186 5. . . . . .1. . . 166 Pravila deriviranja . . . . . . . .3 Cauchyjev i Lagrangeov teorem srednje vrijednosti . . . . . . . . . . . .5. . . . . . . . . . .1. . . . . . . . . . . . . . . . . .6 5. . .3 5. . .1 Fermatov i Rolleov teorem . 175 5. . . . .5 5. . . . . . . . . . . 177 s Deriviranje parametarski zadane funkcije . . . . . . . . . . . .7 5. . . . . . . . 170 Derivacije elementarnih funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . .

tada je f derivabilna funkcija. Ako je pored toga funkcija f neprekidna.1 Derivacija U ovom poglavlju definirat ´emo derivaciju te derivacije slijeva i zdesna. 5. c . lim x→x0 x − x0 Broj f (x0 ) je derivacija funkcije f u toˇki x 0 .1). Definicija limesa 4. To je jedno c od najvaˇnijih podruˇja matematiˇke analize. tada je f neprekidno derivabilna ili glatka funkcija. Ako je A ⊂ D. a ako je A = D. Definicija 5.2) i nalaˇenje jednadˇbe tanc z z z gente (poglavlje 5. f (x) definirana na ovaj naˇin c c je takoder funkcija i vrijedi f : A ⊆ D → R.5 povlaˇi da u izoliranoj toˇki x 0 derivacija f (x0 ) ne c c postoji.1 Ako je funkcija f derivabilna u toˇki x 0 . tada je funkcija f derivabilna na skupu A.1 Funkcija f : D → R je derivabilna u toˇki x 0 ∈ D ako postoji c limes f (x) − f (x0 ) = f (x0 ). c izvesti formule za jednadˇbe tangente i normale i dati osnovna pravila deriviz ranja. Potom ´emo izvesti formule za derivacije svih elementarnih funkcija iz c poglavlja 4. Stoga nam c z c c derivacije omogu´uju odredivanje podruˇja na kojem funkcija raste ili pada. stolje´u i razvio diferencijalni c c raˇun su nalaˇenje brzine i ubrzanja (primjer 5. c z z Klasiˇne primjene zbog kojih se u XVII. premda je funkcija f definirana u toj toˇki (vidi sliku 5. c Za derivaciju op´enito moˇemo re´i je da je ona mjera promjene. tada je i neprekidna u c toj toˇki. joˇ poznato i kao diferencijalni z c c s raˇun. Rjeˇavanje c s navedenih zadataka sastavni je dio rjeˇavanja mnogih problema koji se javljaju s u inˇenjerskim primjenama pa je stoga potpuno poznavanje diferencijalnog z raˇuna nuˇno za svakog inˇenjera.162 DERIVACIJE I PRIMJENE Ova je glava posve´ena derivacijama i njihovim primjenama. z c z Teorem 5. c Dokaˇimo sljede´i vaˇan teorem.6.1). c nalaˇenje toˇaka u kojima funkcija dostiˇe najmanju ili najve´u vrijednost te z c z c odredivanje podruˇja na kojima je funkcija konkavna ili konveksna.1.

1) . c Ako u definiciji 5. f (x0 ) = lim f (x) = lim ∆x→0 f (x + ∆x) − f (x) ∆f (x) ∆y = lim = lim . a prirast funkcije y = f (x) u toˇki x 0 oznaˇimo s c c ∆f (x0 ) ≡ ∆y = f (x0 + ∆x) − f (x0 ). c Dakle.3).5. Obrat teorema c ne vrijedi. ∆x→0 ∆x ∆x→0 ∆x ∆x (5. tada imamo f (x0 + ∆x) − f (x0 ) ∆f (x0 ) ∆y = lim = lim . limx→x0 f (x) = f (x0 ).6.1: Izolirana toˇka c Dokaz. odnosno ako je funkcija f neprekidna u toˇki x 0 . Derivabilnost funkcije f u toˇki x 0 povlaˇi c c x→x0 lim (f (x) − f (x0 )) = lim f (x) − f (x0 ) (x − x0 ) x − x0 f (x) − f (x0 ) = lim lim (x − x0 ) x→x0 x→x0 x − x0 = f (x0 ) lim (x − x0 ) x→x0 x→x0 = 0. ne mora imati c derivaciju u toj toˇki (vidi primjer 5. dobijemo izraz za derivaciju koji je pogodan za primjene.1 prirast nezavisne varijable u toˇki x 0 oznaˇimo s c c ∆x = x − x0 . ∆x→0 ∆x→0 ∆x→0 ∆x ∆x ∆x Kada u ovoj formuli zamijenimo x0 s x. pa je funkcija f neprekidna u toˇki x 0 po definiciji 4.1 Derivacija 163 f(x) f(x ) 0 x 0 x Slika 5. Vidimo da funkcija nema derivaciju u toˇkama prekida.

Dokaˇite ovu formulu.1 sve ove funkcije glatke. Primjena ove formule daje (sin x) = lim sin(x + ∆x) − sin(x) ∆x→0 ∆x ∆x sin[(x + 2 ) + ∆x ] − sin[(x + ∆x ) − ∆x ] 2 2 2 = lim ∆x→0 ∆x 2 sin ∆x 2 cos(x + ∆x ) sin ∆x ∆x 2 2 2 = lim lim cos x + = lim ∆x→0 ∆x→0 ∆x ∆x ∆x→0 2 = cos x. Primjer 5. U predzadnjoj jednakosti koristili smo tre´u tvrdnju teorema 4.1 i formuli (5. ∆x→0 ∆x ∆x→0 ∆x b) Za funkciju f (x) = cx vrijedi f (x) = lim ∆x→0 f (x + ∆x) − f (x) c(x + ∆x) − cx c∆x = lim = lim = c. a u zadnjoj jednakosti koristili smo zadatak 4.1 a) Za konstantnu funkciju f (x) = c po formuli (5.1) vrijedi f (x) = lim ∆x→0 c−c f (x + ∆x) − f (x) = lim = lim 0 = 0.1 slijedi da u definiciji 5. odnosno derivacija je definirana kao limes neodredenog z 0 oblika 0 . ˇto nam daje c s formule za derivacije zadanih funkcija.5.164 DERIVACIJE I PRIMJENE Iz teorema 5. e) Na sliˇan naˇin moˇemo pokazati da je c c z (cos x) = − sin x.1) brojnik i nazivnik istovremeno teˇe k nuli. ∆x→0 ∆x→0 ∆x ∆x ∆x c) Za funkciju f (x) = x2 vrijedi f (x) = lim (x + ∆x)2 − x2 f (x + ∆x) − f (x) = lim ∆x→0 ∆x→0 ∆x ∆x x2 + 2x∆x + (∆x)2 − x2 = lim (2x + ∆x) = lim ∆x→0 ∆x→0 ∆x = 2x.3 o limesu c produkta. . Medutim. d) Adicioni teoremi (A4) i (A5) povlaˇe c sin(u + t) − sin(u − t) = 2 cos u sin t. jer su im derivacije neprekidne. takvi neodredeni limesi se mogu izraˇunati. z Primijetimo da su po definiciji 5.

c v0 = v(t0 ) = lim t→t0 s − s0 ∆s = lim = f (t0 ). o derivaciji kao c c c c ”mjeri promjene”. Vidimo da u ovom sluˇaju vrijedi op´enita tvrdnja. Sekanta krivulje y = f (x) koja prolazi toˇkama (x 0 . f (x0 )) i (x. filozof i matematiˇar. Pretpostavimo da je kretanje zapoˇelo c c iz ishodiˇta. pri ˇemu je f derivabilna c funkcija.2) Stoga je jednadˇba tangente na krivulju y = f (x) u toˇki x 0 dana s z c y − f (x0 ) = f (x0 )(x − x0 ). c c Primjer 5. tada sekanta teˇi k tangenti krivulje y = f (x) u toˇki z c (x0 . t − t0 ∆t Ako je f derivabilna funkcija. tada kada t → t 0 gornji izraz teˇi k trenutaˇnoj z c brzini toˇke T u trenutku t0 .1.1 Tangenta i normala Gottfried Wilhelm Leibnitz. Tada toˇka T do trenutka t 0 prevali put s c s0 = f (t0 ). u XVII. odnosno f (0) = 0. f (x0 )). f (x)). stolje´u je nezac c visno od Newtona razvio osnove diferencijalnog raˇuna rjeˇavaju´i problem c s c nalaˇenja tangente zadane krivulje u nekoj toˇki. x − x0 Kada x → x0 . ∆t→0 ∆t t − t0 Dakle. a do trenutka t > t0 put s = f (t). je pravac s koeficijentom (vidi sliku 5. Prosjeˇna brzina kojom se toˇka c c T gibala u vremenu od trenutka t0 do trenutka t jednaka je s − s0 ∆s = . Isaac Newton je u XVII. c pri ˇemu je x0 = x. . stolje´u zapoˇeo razvijati diferenc c c cijalni raˇun bave´i se problemom odredivanja brzine. brzina je derivacija puta po vremenu. 5. Oˇito vrijedi c c x → x0 ⇒ tg α → tg α0 = f (x0 ). a t oznaˇava vrijeme. (5.2 Neka je s s = f (t) dan zakon prema kojem se toˇka T giba po pravcu. Na sliˇan naˇin moˇemo pokazati c c z i da je ubrzanje (akceleracija) derivacija brzine po vremenu. ˇiji je koeficijent smjera jednak tg α 0 .2) c tg α = f (x) − f (x0 ) . izreˇena na poˇetku poglavlja. z c Neka je krivulja zadana s formulom y = f (x). mehanici s i op´enito tehnici.5.1 Derivacija 165 Derivacija je nezaobilazni alat u rjeˇavanju mnogih problema u fizici. pri ˇemu s oznaˇava c c c prijedeni put.

c 5. f (x+ ) = lim ∆x→0+0 ∆x ukoliko limes na desnoj strani postoji.2). Jednadˇba normale stoga glasi c z y − f (x0 ) = − 1 (x − x0 ). ∆x ∆x→0−0 ukoliko limes na desnoj strani postoji.1 ili formuli (5.2: Tangenta na krivulju Normala na krivulju y = f (x) u toˇki x 0 je pravac koji prolazi kroz toˇku c c (x0 .2 Derivacija slijeva funkcije f u toˇki x je broj c f (x− ) = lim f (x + ∆x) − f (x) .2 Derivacije slijeva i zdesna Ako u definiciji 5.1) umjesto limesa izraˇunamo limes slijeva c odnosno zdesna (vidi poglavlje 4.166 DERIVACIJE I PRIMJENE f(x0) f(x) α x α0 x0 Slika 5. f (x0 ) pri ˇemu smo pretpostavili da je f (x0 ) = 0. f (x0 )) i okomit je na tangentu u toj toˇki. Derivacija zdesna funkcije f u toˇki x c je broj f (x + ∆x) − f (x) . c Definicija 5. dobit ´emo derivaciju slijeva odnosno c zdesna u zadanoj toˇki.1.3. .

Dokaz. – za x < 0 vrijedi |x| = −x pa je |x| = −1.1. f (x)g(x) − f (x)g (x) . c Vidimo da derivacija |x| ima u toˇki x = 0 prekid prve vrste te da funkcija c |x| ima u toˇki x = 0 derivacije slijeva i zdesna. f g (x) = (f · g) (x) = f (x)g(x) + f (x)g (x). Prema formuli (5. pri ˇemu je funkcija sign definirana u primjeru 4.1 Derivacija 167 Usporeduju´i ovu definiciju s definicijom derivacije (5.5. 5. Dokaˇimo zadnju tvrdnju teorema.3 Pravila deriviranja Pravila koja ´emo dati u ovom poglavlju znatno olakˇavaju raˇunanje c s c derivacija zadanih funkcija. g 2 (x) g(x) = 0.1) zakljuˇujemo da c c derivacija f (x) postoji ako i samo ako u toˇki x postoje derivacije slijeva i c zdesna i ako su one jednake. Teorem 5.10.1) vrijedi z f g (x) = lim f (x + ∆x)g(x) − f (x)g(x + ∆x) ∆x→0 ∆x→0 ∆x g(x + ∆x)g(x)∆x f (x + ∆x)g(x) − f (x)g(x) + f (x)g(x) − f (x)g(x + ∆x) = lim ∆x→0 g(x + ∆x)g(x)∆x = lim = lim = f (x+∆x)−f (x) g(x) ∆x ∆x→0 f (x+∆x) g(x+∆x) − f (x) g(x) − f (x) g(x+∆x)−g(x) ∆x g(x + ∆x)g(x) − lim∆x→0 f (x) g(x+∆x)−g(x) ∆x lim∆x→0 g(x + ∆x)g(x) f (x)g(x) − f (x)g (x) = . ali je moramo rastaviti kako bi je mogli derivirati: – za x ≥ 0 vrijedi |x| = x pa je |x| = 1.18) je neprekidna. c |x| = sign(x).2 Ako su funkcije f. tada za svaki x ∈ A vrijedi (f + g) (x) = f (x) + g (x). g 2 (x) lim∆x→0 f (x+∆x)−f (x) g(x) ∆x . Primjer 5. (f − g) (x) = f (x) − g (x).7 i prikazana na slici 4.3 Funkcija |x| (definicija 1. g : D → R derivabilne na skupu A ⊆ D. Dakle.

= cos2 x cos x (cos x) · sin x − cos x · (sin x) − cos2 x − sin2 x (ctg x) = = = 2 sin x sin x sin2 x 1 =− 2 . c . s z Primjer 5.5 a) Za funkciju y = x2 koja ima inverznu funkciju za x ≥ 0 teorem 5. Dokaz prve tri tvrdnje ostavljamo za vjeˇbu. Na slici 4. f (x) Primjer 5.2 i primjer 5. c Teorem 5.1 sve derivirane funkcije glatke.20 vidimo da funkcija x nema derivaciju u toˇki x = 0. (x ) 2x 2 y Sada na lijevoj i na desnoj strani imamo funkciju od y pa moˇemo zamijeniti z y s x ˇto nam daje standardni zapis s √ 1 ( x) = √ . ˇ b) Cetvrta tvrdnja teorema 5.1 povlaˇe c cos2 x + sin2 x sin x (sin x) · cos x − sin x · (cos x) = = cos x cos2 x cos2 x 1 . Dodatno ograniˇenje x = 0 smo morali uvesti jer dijeljenje s nulom nije c √ c mogu´e. sin x (tg x) = Primijetimo da po su definiciji 5. neka je derivabilna u toˇki x i neka je f (x) = 0.2 i primjer 5. Neka je inverzna c funkcija f −1 : K → D neprekidna u toˇki y = f (x). jer su im derivacije neprekidne na ˇitavom podruˇju definicije. c c Sljede´a dva teorema navodimo bez dokaza. Tada je c (f −1 ) (y) = 1 .1 povlaˇe c c (x3 ) = (x2 · x) = (x2 ) · x + x2 · (x) = 2x · x + x2 · 1 = 3x2 .3 daje 1 1 1 √ ( y) = 2 = = √ .3 (Deriviranje inverzne funkcije) Neka je funkcija f : D → K bijekcija.4 a) Tre´a tvrdnja teorema 5.168 DERIVACIJE I PRIMJENE ˇto je i trebalo dokazati. 2 x x > 0.

tada teorem 5. π/2) (vidi sliku 4.6 a) Ako je y = f (x). x ∈ (−1.1. 1 . 1 + tg odnosno.6 i primjer 5.6. 1). tada je (y 2 ) = 2yy .4 (Deriviranje kompozicije funkcija) Ako je funkcija f derivabilna u toˇki x. Teorem 5. a funkcija g derivabilna u toˇki y = f (x). c c c a dvije vaˇne primjene dat ´emo u poglavljima o deriviranju implicitno zadane z c funkcije 5. Tako iz primjera 5. π/2] vrijedi (arcsin y) = 1 1 = = (sin x) cos x 1 1 − sin x 2 = 1 odnosno. Sada ´emo navesti samo dva primjera.1. Ovaj naˇin deriviranja je vrlo ˇest. dok njena derivacija nije definirana u rubovima tog intervala kako bi se izbjeglo dijeljenje s nulom. (arctg x) = 1 . 1] (poglavlje 4.1 i 5.38) vrijedi (arctg y) = 1 = (tg x) 1 1 cos2 x = cos2 x = 1 1 2 x = 1 + y2 . b) Ako je y = f (x). nakon zamjene y s x. Primjer 5.1 povlaˇe c (sin y) = (cos y)y .4 i logaritamskom deriviranju 5.6. Tako za funkciju f (x) = sin(cos x) vrijedi f (x) = cos(cos x)(cos x) = cos(cos x)(− sin x). . Funkcija arcsin x je definirana na intervalu [−1. tada je kompozicija c c g ◦ f derivabilna u toˇki x i vrijedi c [g(f (x))] = g (y)f (x) = g (f (x))f (x).5.6).4 za y = x3 − 3x2 + 5x slijedi [(x3 − 3x2 + 5x)2 ] = 2(x3 − 3x2 + 5x)(x3 − 3x2 + 5x) = 2(x3 − 3x2 + 5x)(3x2 − 6x + 5).1 Derivacija 169 b) Za funkciju y = sin x koja ima inverznu funkciju za x ∈ [−π/2. 1 + x2 x ∈ R. nakon zamjene y s x. (arcsin x) = √ 1 − x2 1 − y2 . c) Za funkciju y = tg x koja ima inverznu funkciju za x ∈ (−π/2.

c z jednake su im i derivacije. 2 3 z z Uvrˇtavanje u formulu (5. Dakle. y > 0. 2 3 3 Zadana elipsa i njena tangenta prikazane su na slici 5. Pored toga.4.2) nakon sredivanja daje jednadˇbu traˇene tangente. Kako su lijeva i desna strana jednadˇbe elipse jednake. . (5.3. ˇelimo odrediti tangentu na elipsu z x2 + y2 = 1 4 u toˇki x = 1.6.1. s 1 2 y =− √ x+ √ . 4y Vidimo da smo dobili izraz za derivaciju y kao funkciju od x i y.3) 5. Za toˇku u c kojoj traˇimo jednadˇbu tangente vrijedi z z y(1) = + √ 3 12 1− = 4 2 (pozitivnu vrijednost korijena smo uzeli zbog uvjeta y > 0) pa je koeficijent smjera tangente dan s 1 y (1) = − √ . 2x + 2yy = 0.1. y) = 0 deriviramo tako da izraze koji sadrˇe zavisnu varijablu y deriviramo koriste´i Teorem o deriviranju kompoziz c cije 5. y 2 deriviramo kao u primjeru 5.4 Deriviranje implicitno zadane funkcije Implicitno zadanu funkciju F (x. Na primjer.6. 4 odnosno y =− x .5 Derivacije elementarnih funkcija U ovom poglavlju izvest ´emo derivacije osnovnih elementarnih funkcija iz c poglavlja 4.170 DERIVACIJE I PRIMJENE 5.

1 (tg x) = .6.1 Derivacija 171 1 1 2 Slika 5.5): 1 .6 vrijedi (vidi primjer 5.6. x ∈ R.3: Elipsa i tangenta Trigonometrijske i arkus funkcije Za trigonometrijske funkcije iz poglavlja 4. x ∈ R \ {kπ : k ∈ Z}.1 i 5.4.6. 1 − x2 1 .4) x ∈ (−1. x ∈ R. (arctg x) = 1 + x2 1 (arcctg x) = − .5. (cos x) = − sin x. (5. 1). x ∈ (−1. a > 0. 1 + x2 Eksponencijalna i logaritamska funkcija Za eksponencijalnu funkciju definiranu u poglavlju 4. Za arkus funkcije definirane u poglavlju 4. x ∈ R \ {π/2 + kπ : k ∈ Z}. (arcsin x) = √ 1 − x2 1 (arccos x) = − √ . 1). x ∈ R. x ∈ R. sin x x ∈ R.3 vrijedi (ax ) = ax ln a. cos2 x 1 (ctg x) = − 2 .5 vrijedi: (sin x) = cos x. Ove formule su dokazane u primjerima 5. .

7 i primjer 4.9 b) imamo c t→0 ln(t+1) ln a t→0 1 t ln(t + 1) .5) pa je ex jedina funkcija koju deriviranje ”ne mijenja”. za a = e imamo 1 . Teorem o deriviranju inverzne funkcije 5. x Zaista. = ax ln a lim ˇto smo i ˇeljeli dokazati. Koriste´i definiciju derivacije (5.3 i formula (5. (5.172 Posebno. odnosno ∆x = ˇto povlaˇi s c ∆x → 0 (ax ) = ax lim ⇔ t t → 0. 1 .1) i teorem 4. y) (a a ln a x ln a . Izvod formule je neˇto s sloˇeniji. x ln a a > 0. za a = e zbog ln e = 1 vrijedi (ex ) = ex . ln a 1 ln(t + 1) 1 = ax ln a limt→0 ln(t + 1)1/t 1 = ax ln a ln limt→0 (t + 1)1/t 1 = ax ln a ln e = ax ln a. Koriste´i redom teorem 4.4 vrijedi (log a x) = Posebno.4) daju (ln x) = (log a x) = 1 1 1 = y = . ∆x→0 ∆x Uvedimo supstituciju a∆x = t + 1. a = 1.6. s z Za logaritamsku funkciju iz poglavlja 4. x > 0.3 imamo z c (ax ) = lim ax a∆x − ax ax (a∆x − 1) ax+∆x − ax = lim = lim ∆x→0 ∆x→0 ∆x→0 ∆x ∆x ∆x ∆x − 1 a = ax lim . DERIVACIJE I PRIMJENE x ∈ R. teorem 4.3.

x ∈ R. b) Dokaˇite formule (5.5.2).6): 1 . sh x x ∈ R. Potencije Derivacija potencije dana je s (xr ) = rxr−1 . 1).6. 2−1 x 1 .1 a) Opiˇite sliˇnosti i razlike izmedu derivacija hiperbolnih i area s c funkcija i derivacija trigonometrijskih i arkus funkcija. 1 − x2 x ∈ R.3 na formule (5. x ∈ (−∞. +∞). x ∈ R \ {0}. x ∈ R. z c) Nadite asimptote funkcija u (5.1 Derivacija 173 Hiperbolne i area funkcije Derivacije hiperbolnih funkcija iz poglavlja 4. (arsh x) = √ 1 + x2 1 (arch x) = √ . −1) ∪ (1. ch x 1 (cth x) = − 2 . (5. x ∈ (1. c 3 sin(ln x) . (arth x) = 1 − x2 1 (arcth x) = .6.6) i (5. x ∈ (−1. 1 (th x) = 2 .7) Zadatak 5. x > 0.4 i forz c mule za derivaciju eksponencijalne i logaritamske funkcije imamo 1 = rxr−1 . (5. Dokaˇimo ovu formulu: koriste´i Teorem o deriviranju kompozicije 5. (xr ) = er ln x = er ln x (r ln x) = xr r z Zadatak 5.2 Nadite jednadˇbe tangente i normale na krivulju y = u toˇki x = eπ/6 .9 lako dobijemo pomo´u c formule (5.6) Derivacije area funkcija dobijemo primjenjuju´i Teorem o deriviranju inc verzne funkcije 5. x Formula za derivaciju potencije vrijedi i u svim ostalim sluˇajevima u koc jima je xr definirano (vidi poglavlje 4. +∞).7) i skicirajte te funkcije.7). r ∈ R.5) i osnovnih pravila deriviranja: (sh x) = ch x. (ch x) = sh x.

pri ˇemu y deriviramo kao sloˇenu funkciju (komc z poziciju). y = xx . x . f (x) Postupak kojim se dolazi do derivacije sastoji se od tri koraka koji se lako pamte: – logaritmiramo obje strane. – deriviramo obje strane. Logaritmiranje daje ln y = Deriviranje obaju strana daje 1 1 1 1 y = − 2 ln(1 + x) + · · 1. Konaˇno. – sredimo dobivenu jednakost.174 DERIVACIJE I PRIMJENE 5. sredivanje ove jednakosti c c daje y =y − 1 1 1 ln(1 + x) + · 2 x x 1+x = (1 + x) x 1 1 1 ln(1 + x).7 Izraˇunajmo derivaciju funkcije c y = (1 + x) x . c c Primjer 5.6 Logaritamsko deriviranje Logaritamsko deriviranje koristimo za deriviranje funkcija oblika y = h(x) = f (x)g(x) . Ovaj jednostavan postupak ilustrirat ´emo sljede´im primjerom.1.4. U onim toˇkama u kojima derivacija postoji vrijedi c f (x)g(x) = f (x)g(x) g (x) ln(f (x)) + g(x) f (x) . y x x 1+x pri ˇemu smo ln y derivirali po teoremu 5. x 1 x − 1 1 . ln(1 + x) + x 1+x Zadatak 5.3 Izraˇunajte derivacije funkcija c y = xx .

4.2 Diferencijal Za razliku od derivacije koja daje koeficijent smjera tangenta. z Isto tako.8) ˇ Oznaka ”≈” znaˇi ”pribliˇno jednako”. To se takoder c z z moˇe vidjeti i na slici 5. Sto je ”dovoljno malo”. Diferencijal c funkcije f u toˇki x je izraz c dy ≡ df (x) = f (x)∆x. Viˇe o tome bit ´e govora u sljede´em poglavlju. a ˇto ”pribliˇno c z s z jednako” zavisi od primjene. za dovoljno male ∆x vrijedi ∆y ≈ dy. c Definicija 5.4. Ono slijedi c iz definicije tangensa kuta u pravokutnom trokutu ABC s vrhovima A = (x.2 Diferencijal 175 5. y+ ∆ y=f(x+∆ x) y+dy y=f(x) dy=f’(x)∆ x x x+ ∆ x Slika 5.1) i definicije 5. B = (x + ∆x.5. f (x)) i C = (x + ∆x. Geometrijsko znaˇenje diferencijala prikazano je na slici 5.3 slijedi ∆y − dy ∆y = lim − f (x) = f (x) − f (x) = 0. ∆x→0 ∆x→0 ∆x ∆x lim pa zakljuˇujemo da razlika ∆y − dy teˇi k nuli brˇe od ∆x. f (x) + dy) jer je tg α = f (x). (5. s c c .3 Neka je funkcija y = f (x) derivabilna u toˇki x.4: Diferencijal Iz formule (5. f (x)). diferencijal je linearna aproksimacija prirasta funkcije u okolini neke toˇke.

tre´u tvrdnju teorema. d(f − g) = df − dg. Dokaz. (5. Koriste´i teorem 5. tada u svakoj toˇki x ∈ A vrijedi c d(f + g) = df + dg.9) dy . odnosno (5.8) i (5. . Svojstva diferencijala sliˇna su svojstvima derivacija iz teorema 5. Ako pomo´u tako izraˇunatog x raˇunamo vric c c jednost funkcije y = f (x). s s c Formule (5. df · g − f · dg . Tako je.2.10) dx ˇto je joˇ jedan naˇin zapisivanja derivacije (usporedite formule (5.10) zapravo znaˇe da krivulju moˇemo dobro aproksimirati c z s njenom tangentom za dovoljno male vrijednosti od ∆x.2.1)). z c c 5. Iz ove jednakosti i definicije diferencijala slijedi dy = f (x)dx. Ostale tvrdnje lako se dokaˇu na sliˇan naˇin. tada po (5. Takoder.1 Pribliˇno raˇunanje z c Jedna od vaˇnih primjena diferencijala je pribliˇno raˇunanje. Neka smo z z c vrijednost nezavisne varijable x izmjerili s pogreˇkom koja po apsolutnoj vris jednosti ne prelazi neki ∆x.10) i (5. g : D → R derivabilne na skupu A ⊆ D.8) apsolutna pogreˇka u tako izraˇunatoj s c vrijednosti funkcije pribliˇno iznosi z |∆y| ≈ |dy| = |f (x)∆x|. c f (x) = Teorem 5. d f g = d(f · g) = df · g + f · dg.2 z c c imamo d(f · g) = (f · g) dx = (f · g + f · g )dx = f dx · g + f · g dx = df · g + f · dg.5 Ako su funkcije f. Dokaˇimo. c c d sin x ≡ d(sin x) = (sin x) ∆x = cos x∆x. na primjer. dx ≡ d(x) = (x) ∆x = ∆x. na primjer. g2 g(x) = 0.176 DERIVACIJE I PRIMJENE Diferencijal se lako raˇuna pomo´u derivacija.

5. c dok relativna pogreˇka iznosi s 5. c z Vrijedi √ √ 1 4 4 84 = 4 81 + 3 = 3 1 + . y = k 2 ekx · k = k 3 ekx . odnosno f ≡ (f ) : B ⊆ A ⊆ D → R.8 Izraˇunajmo pribliˇno 4 84 koriste´i ˇinjenicu da je 4 81 = 3. . Indukcijom definiramo n-tu derivaciju funkcije f kao derivaciju njene (n−1)-ve derivacije. y = ekx · k = kekx . Koriste´i diferencijal imamo c √ 4 84 = f (x0 + ∆x) ≈ f (x0 ) + df (x0 ) = f (x0 ) + f (x0 )∆x 3 3 3 1 ˙ = f (x0 ) + (1 + x0 )− 4 ∆x = 3 + · 1 · = 3.5 pa ´e c tamo takoder biti viˇe rijeˇi o ocjeni pogreˇke prilikom ovakvog pribliˇnog s c s z raˇunanja. Njena derivacija f : A ⊆ D → R je takoder funkcija pa je moˇemo derivirati. Druga derivacija funkcije f je z derivacija funkcije f . uz uvjet da znamo preciznije kazati ˇto znaˇi ”≈”. c √ c Pri raˇunanju 4 84 zaporavo smo koristili prva dva ˇlana Taylorovog reda c odabrane funkcije.027.3 Viˇe derivacije i diferencijali s Neka je f : D → R zadana funkcija. y y Ovo je krasna ideja. Primjer 5. 4 4 27 Toˇna vrijednost na ˇetiri decimale je 3. f (n) = f (n−1) . Taylorov red je tema kojom se bavi poglavlje 6.3 Viˇe derivacije i diferencijali s 177 ∆y dy ≈ . 27 Definirajmo funkciju √ f (x) = 3 4 1 + x i odaberimo x0 = 0 i ∆x = 1/27.0274 pa smo u ovom sluˇaju uz vrlo jedc c c nostavne operacije dobili dobru aproksimaciju izbjegavˇi pri tome raˇunanje s c ˇetvrtog korijena.9 a) Za viˇe derivacije funkcije y = e kx vrijedi s y = kekx · k = k 2 ekx . s c √ √ c c Primjer 5.

y = 6a3 .11) Nadalje. Neka je y = f (x) dva puta s derivabilna funkcija. Lako vidimo da op´enito za polinom n-tog stupnja p n (x) vrijedi c (k) pn (x) = 0. k > n. Diferencijal drugog reda funkcije f je diferencijal njenog diferencijala dy. y = 6a3 x + 2a2 . y IV = 0. .178 DERIVACIJE I PRIMJENE pa indukcijom zakljuˇujemo da je n-ta derivacija jednaka c y (n) = k n ekx . . Iz ove formule slijedi joˇ jedan koristan izraz za drugu derivaciju: s f (x) = d2 y . ako je y = f (x) n puta derivabilna funkcija. y V = 0.9) vrijedi d2 y = d(dy) = (dy) dx = (f (x)dx) dx = f (x)dx · dx = f (x)dx2 . . tada je diferencijal n-tog reda funkcije f dan s dn f ≡ dn y = d(dn−1 )y = f (n) dxn . odnosno d2 f ≡ d2 y = d(dy). b) Za polinom y = a 3 x3 + a 2 x2 + a 1 x + a 0 vrijedi y = 3a3 x2 + 2a2 x + a1 . dx2 (5. Primijetimo da se ovdje prilikom deriviranja dx tretira kao konstanta. . Diferencijale viˇeg reda definiramo analogno. Pri tome prema formuli (5.

2π]. c y (1) = 1 cos π 1 3 2 π = − √3 = − √ −2 sin 3 2 3 2 2 pa je jednadˇba traˇene tangente dana s (5. t ∈ D ⊆ R.4 c koja je prikazana na slici 5. Dakle. raˇunamo pomo´u formule (5. ˙ x = ϕ (t). y = sin t.10): d(y ) y = = dx d y ˙ x ˙ xdt ˙ y x − y¨ ¨˙ ˙x dt 2 y x − y¨ ¨˙ ˙x x ˙ = = . a x i y oznaˇava c c ˙ ˙ c deriviranje po parametru.4 Deriviranje parametarski zadane funkcije 179 5. .3). dx d(ϕ(t)) ϕ (t)dt ϕ (t) ˇ Cesto se koristi i kra´i zapis c y = y ˙ . z z Formulu za drugu derivaciju parametarski zadane funkcije takoder dobijemo primjenom formule (5.10 Odredimo tangentu na krivulju zadanu s x = 2 cos t.1. Ovo je parametarski zadana elipsa iz poglavlja 5. t ∈ [0.11). ˙ pri ˇemu y oznaˇava deriviranje po nezavisnoj varijabli x. Formula (5.10): c c f (x) = d(ψ(t)) ψ (t)dt ψ (t) dy = = = . x ˙ y = ψ (t). y > 0. u toˇki x = 1. Primjer 5. 1/2 Uvjet y > 0 povlaˇi t = π/3 i y = sin π/3 = 3/2.4 Deriviranje parametarski zadane funkcije Jedna od vaˇnih primjena diferencijala je deriviranje parametarski zadanih z funkcija.5. y = ψ(t). −2 sin t Odredimo t: iz x = 1 = cos t slijedi cos t =√ pa je t = π/3 ili t = −π/3.3. 3 xdt ˙ x ˙ c Ovu formulu smo takoder mogli izvesti koriste´i formulu (5. Derivaciju parametarski zadane funkcije x = ϕ(t).10) daje y = cos t .

Vrijedi c (vidi sliku 5. b]. c c To su Fermatov teorem. tada je teorem dokazan. b) (dokaz u sluˇaju najmanje vrijednosti je sliˇan). Fermatov teorem sluˇi z za ispitivanje ekstrema (poglavlje 5. c tada u toˇki x = c postoje i derivacije slijeva i zdesna i one su jednake.5 promatramo zatvoreni interval [a.6 (Fermat) Neka funkcija f poprima u toˇki c ∈ (a. a L’Hospitalovo pravilo sluˇi za nalaˇenje limesa u z z z sluˇaju neodredenih oblika. a u kojoj derivacija nije c c nula: ako na primjeru sa slike 5. tada je f (c) = 0. Odabir otvorenog intervala u iskazu Fermatovog teorema je vaˇan stoga z ˇto je u sluˇaju zatvorenog intervala mogu´e da funkcija poprima najmanju ili s c c najve´u vrijednost u toˇki koja se nalazi u intervalu.5. Odnose izmedu navedenih teorema moˇemo prikazati c i shematski: Lagrange Rolle Fermat ekstremi Cauchy L’Hospital neodredjeni oblici monotonost 5. Cauchyjev teorem sluˇi za dokazivanje z L’Hospitalovog pravila. Lagrangeov teorem i L’Hospitalov teorem (L’Hospitalovo pravilo). z Lagrangeov teorem slijedi iz Cauchyjevog teorema i sluˇi za dokazivanje Teoz rema o monotonosti (poglavlje 5. Rolleov teorem sluˇi za dokazivanje Cauchyjevog teorema srednje vrijednosti. Ako f (c) postoji.7) i za dokazivanje Rolleovog teorema. Dokaˇimo teorem za sluˇaj da funkcija f u toˇki c poprima najve´u z c c c vrijednost na intervalu (a. Dokaz. x→c+0 x−c + x→c−0 Kako su ova dva limesa jednaka. Ako derivacija u toˇki c c c postoji. Rolleov teorem.5 Teoremi diferencijalnog raˇuna c U ovom poglavlju dokazat ´emo osnovne teoreme diferencijalnog raˇuna. oba moraju biti jednaka nuli pa je f (c) = 0.180 DERIVACIJE I PRIMJENE 5. c c Ako f nije derivabilna u toˇki c. tada . Cauchyjev teorem.6). = x−c − − f (x) − f (c) = f (c+ ) = lim ≤ 0.1 Fermatov i Rolleov teorem Teorem 5.5): f (c− ) = lim f (x) − f (c) − ≥ 0. b). b) ⊆ D svoju c najmanju ili najve´u vrijednost na intervalu (a.

5. ∀x ∈ (a. derivabilna na otvorenom intervalu (a.8 (Cauchy) Neka su funkcije f i g neprekidne na zatvorenom intervalu [a. Razlikujemo dva sluˇaja. b) u nekoj toˇki c ∈ (a.7. b) pa je teorem dokazan. b) te neka je g (x) = 0 .5 Teoremi diferencijalnog raˇuna c 181 f(c) f(x) a c x b Slika 5. c Posljedica Fermatovog teorema je i sljede´i korolar.6. Ako f nije konstantna. c Korolar 5.2 Cauchyjev i Lagrangeov teorem srednje vrijednosti Teorem 5. Ako je funkcija f konstantna na intervalu c [a. ako f ne postoji u x) ili ako je f (x) = 0. 5. b) pa tvrdnja slijedi iz Ferc matovog teorema 5. ∀x ∈ [a.1 Funkcija f moˇe imati ekstrem u toˇki x ∈ D samo ako nije z c derivabilna u x (odnosno. b]. c Dokaz. tada je f (x) = 0. b) te neka je f (a) = f (b).5: Fermatov teorem funkcija svoju najmanju vrijednost na tom intervalu dostiˇe upravo u toˇki b z c u kojoj je oˇito f (b) = 0. b]. tada ona poprima svoju najve´u ili najmanju c vrijednost na intervalu (a. b) takva da je f (c) = 0. b].5. Tada postoji toˇka c ∈ (a. Viˇe govora o ekstremima bit ´e u poglavlju 5.7 (Rolle) Neka je funkcija f neprekidna na zatvorenom intervalu [a. s c Teorem 5. odnosno f (x) = k. b] i derivabilne na otvorenom intervalu (a.

b) za koju je g (x) = 0. c Naime. tada je g (x) = 1 i g(b) − g(a) = b − a pa imamo sljede´i vaˇan teorem. a vrijednost f (c) je koeficijent smjera tangente kroz toˇku C = c (c. tada bi po Rolleovom teoremu postojala toˇka x iz intervala (a. Vrijednost f (b) − f (a) b−a je koeficijent smjera sekante koja prolazi kroz toˇke A = (a. g(b) − g(a) . b). b).6. g(b) − g(a) Funkcija F je dobro definirana jer je nazivnik u gornjem izrazu razliˇit od c nule. takva je i F .182 DERIVACIJE I PRIMJENE za svaki x ∈ (a. c 0 = F (c) = f (c) − i teorem je dokazan. b−a Lagrangeov teorem ima zanimljivu geometrijsku interpretaciju koja je prikazana na slici 5. ako bi vrijedilo g(a) = g(b). Pretpostavka g (x) = 0 za svaki x ∈ (a. b) takva da je c f (b) − f (a) f (c) = . f (a)) i B = c (b. b) povlaˇi da je g(a) = g(b). Primijetimo da Lagrangeov teorem samo kaˇe da toˇka c postoji. c z Teorem 5. b] i derivabilna na otvorenom intervalu (a. Nadalje. b). Dakle. To ne iskljuˇuje z c c mogu´nost da postoji viˇe takvih toˇaka. f (c)). b] i derivabilne na intervalu (a. Funkcija F stoga ispunjava pretpostavke Rolleovog teorema 5. Ako u Cauchyjevom teoremu odaberemo g(x) = x. Tada postoji toˇka c ∈ (a.6. Oˇito vrijedi DF = Df ∩ Dg i F (a) = F (b) = 0. g (c) g(b) − g(a) Dokaz.7 pa postoji toˇka c ∈ (a. kao ˇto je sluˇaj na slici 5. Lagrangeov teorem dakle znaˇi da (ako su ispunjene pretpostavke) c postoji toˇka u kojoj je tangenta paralelna sa sekantom. kako su f c i g neprekidne na intervalu [a. Tada postoji toˇka c c ∈ (a. Zbog toga se ˇesto za c c oba teorema u ovom poglavlju koristi i naziv Teorem srednje vrijednosti. b) takva da je F (c) = 0. f (b)). b) takva da je f (b) − f (a) f (c) = . Sada moˇemo definirati funkciju c z F (x) = f (x) − f (a) − f (b) − f (a) (g(x) − g(a)). Moˇe c s c s c z li postojati beskonaˇno takvih toˇaka? c c f (b) − f (a) g (c).9 (Lagrange) Neka je funkcija f neprekidna na zatvorenom intervalu [a.

7: Pretpostavke Lagrangeovog teorema Tvrdnju Lagrangeovog teorema moˇemo zapisati na joˇ nekoliko naˇina. b). Ukoliko f nije neprekidna. vaˇno je uoˇiti zbog ˇega su vaˇne z c c z pretpostavke da je f neprekidna na intervalu [a.5 Teoremi diferencijalnog raˇuna c 183 f(b) f(c) f(c) f(a) a c c b Slika 5. tada je mogu´a situacija kao na slici 5. z c tada je mogu´a situacija kao na slici 5. Ukoliko je f neprekidna ali nije derivabilna.7 a) c pa traˇena toˇka c ne postoji. c z c f(b) f(b) f(a) a b f(a) a b a) b) Slika 5. b] i derivabilna na intervalu (a.6: Geometrijska interpretacija Lagrangeovog teorema Da bi bolje razumjeli Lagrangeov teorem.5. Uz oznaku ϑ≡ c−a b−a . z s c ˇ Cesto se koristi zapis f (b) − f (a) = f (c)(b − a).7 b) pa traˇena toˇka c opet ne postoji.

c) ∪ (c. to je f (c) = g(c) = 0 pa je f (x) − f (c) f (x) = . koriste´i oznake a = x i b = x + ∆x moˇemo pisati c z ∆f (x) = f (x + ∆x) − f (x) = f (x + ϑ∆x)∆x. Neka su f i g neprekidne na skupu [a. c z 0 . Po Cauchyjevom teoremu postoji toˇka x ∈ (x. x). Teorem 5. 0 < ϑ < 1. b) funkcije f i g ispunjavaju pretpostavke Cauchyjevog teorema 5.8 na intervalu [x.11). x→c g (x) g(x) Dokaz. za koju je c ¯ ¯ f (x) f (x) − f (c) f (¯) x = = . g(x) g(x) − g(c) g (¯) x . g : D → R vrijedi lim f (x) = 0. pri ˇemu je k ∈ R ili c k = +∞ ili k = −∞. b) ⊆ D. s c c c a ostali neodredeni oblici se pomo´u odgovaraju´ih transformacija svode na jedan od ova dva oblika (vidi primjer 5. tada je x→c lim f (x) f (x) = lim = k. b).10 (L’Hospitalovo pravilo) Neka za funkcije f. Ako postoji limx→c f (x)/g (x) = k. b). Neka je g(x) = 0 za svaki x ∈ (a. lim g(x) = 0. g(x) g(x) − g(c) Za svaki x ∈ (a. 00 . ∞0 . ∞ 0 · ∞. b] i c neprekidno derivabilne na skupu (a. odnosno [c. 0 ∞ .3 L’Hospitalovo pravilo i raˇunanje limesa neodredenih c oblika Kod raˇunanja limesa moˇe se pojaviti jedan od sedam neodredenih oblika. c). odnosno x ∈ (c. ∞ − ∞. x] ako je x > c. c) ∪ (c. 1∞ . DERIVACIJE I PRIMJENE 0 < ϑ < 1. c) ∪ (c. x→c x→c pri ˇemu je c ∈ (a. c] ako je x < c. Kako su f i g neprekidne. 5. 0 < ϑ < 1.5. Dalje. Neodredeni oblici 0/0 i ∞/∞ rjeˇavaju se pomo´u L’Hospitalovog pravila. pa se Lagrangeov teorem ˇesto zapisuje u obliku c f (b) − f (a) = f (a + ϑ(b − a))(b − a).184 vrijedi c = a + ϑ(b − a).

Ukoliko dodatno vrijedi g (c) = 0.5 Teoremi diferencijalnog raˇuna c 185 Prijelaz na limes kada x → c i koriˇtenje ˇinjenice da x → c ˇim x → c.12 ili neke njegove varijante iz prethodne toˇke (vidi primjer 5. daje s c ¯ c f (x) f (¯) x f (¯) x = lim = lim = k.11 a) Limes kojeg smo izraˇunali u primjeru 4.3 pa dokaz L’Hospitalovog teorema postaje joˇ jednostavniji: s f (x) f (x) − f (c) lim = lim = lim x→c g(x) x→c g(x) − g(c) x→c f (x)−f (c) x−c g(x)−g(c) x−c = limx→c f (x)−f (c) x−c g(x)−g(c) limx→c x−c = f (c) . Vaˇno je uoˇiti da pretpostavke L’Hospitalovog teorema traˇe samo da z c z limes limx→c f (x)/g (x) postoji.1 (i) L’Hospitalovo pravilo vijedi i kada x → +∞ ili x → −∞. g (c) Napomena 5.11).6 moˇemo joˇ jedc z s nostavnije izraˇunati pomo´u L’Hospitalovog pravila: c c 0 sin x cos x = = 1. c (iii) Ostali neodredeni oblici se pogodnim transformacijama mogu svesti na jedan od oblika 0/0 ili ∞/∞ (vidi primjer 5. Primjer 5. tada moˇemo iskoristiti z teorem 4. x→c g(x) x→c g (¯) x→c g (¯) ¯ x x lim i teorem je dokazan. Izraˇunajmo s c x→0+0 lim xx = 00 = lim ex ln x = elimx→0+0 x ln x . x x→+∞ e x→+∞ e x→+∞ e ∞ ∞ lim Iz ovog primjera indukcijom moˇemo zakljuˇiti da eksponencijalna funkcija z c s bazom ve´om od 1 raste brˇe od bilo koje potencije! c z c) U ovom primjeru potrebno je izvrˇiti nekoliko transformacija.5.11). = lim x→0 x x→0 1 0 lim b) U sljede´em sluˇaju L’Hospitalovo pravilo moramo primijeniti dva puta: c c x2 ∞ ∞ 2x 2 = = lim x = = lim x = 0. x→0+0 . a ne da je g (c) = 0. (ii) L’Hospitalovo pravilo se moˇe primijeniti viˇe puta uzastopce ako se z s ponovo dobije jedan od neodredenih oblika 0/0 ili ∞/∞ te ako nove funkcije ispunjavaju uvjete teorema 5. za neodredeni oblik ∞/∞ te za limese i derivacije slijeva ili zdesna. odnosno g (x) = 0 za svaki x ∈ (a. b).

d) Sljede´i primjer takoder moˇemo primijeniti na ˇiroku klasu zadataka: c z s lim 1 x − x − 1 ln x = (∞ − ∞) = lim x ln x − (x − 1) x→1 (x − 1) ln x 1 ln x + x x − 1 0 = = lim x→1 ln x + (x − 1) 1 0 x 0 = lim x→1 0 1 x 1 x x→1 = + 1 x2 = 1 .186 DERIVACIJE I PRIMJENE U zadnjoj jednakosti koristili smo neprekidnost funkcije e x i teorem 4. 2 5. Izraˇunajmo limes u eksponentu posebno: c lim x ln x = (0 · (−∞)) = lim = lim x = 0. Dokaˇimo prvu tvrdnju. U dokazu sljede´eg teorema koristit ´emo Lagrangeov teorem c c srednje vrijednosti 5.11 Neka je funkcija f derivabilna na intervalu (a. (iii) ako je f (x) > 0 za svaki x ∈ (a. b). x→0+0 ln x 1 x x→0+0 x→0+0 = 1 −∞ x = lim x→0+0 − 1 +∞ x2 Dakle. b). (iv) ako je f (x) < 0 za svaki x ∈ (a. Teorem 5. b).9. Pojam rastu´e i padaju´e (monotone) funkcije dan je u c c definiciji 4. b).7 (vidi primjer 4. b) ako i samo ako je f (x) ≤ 0 za c svaki x ∈ (a. z c . tada je funkcija f strogo rastu´a na c intervalu (a. b). (ii) funkcija f je padaju´a na intervalu (a. Dokaz. pri ˇemu treba dokazati oba smjera. b). traˇeni limes je z x→0+0 lim xx = e0 = 1. tada je funkcija f strogo padaju´a c na intervalu (a.3.6 Monotonost Predznak derivacije nam takoder kazuje da li funkcija raste ili pada na nekom intervalu. b). b) ako i samo ako je f (x) ≥ 0 za c svaki x ∈ (a.9). Tada vrijedi: (i) funkcija f je rastu´a na intervalu (a.

. moˇemo uzeti funkciju y = x 3 s z koja je strogo rastu´a na ˇitavom skupu R. x2 − x 1 Kako je x2 − x1 > 0.12 Odredimo intervale monotonosti funkcije f (x) = x 3 − 3x − 2.3. Dokaz c ostalih tvrdnji je sliˇan. Dokaˇimo drugi smjer. c c Sliˇno. odnosno f je strogo padaju´a na c c intervalu (−1. b). ali je y (0) = 0. b). c Odaberimo dvije toˇke x1 .8. zakljuˇujemo da je nuˇno f (x2 ) ≥ f (x1 ). c Dok prve dvije tvrdnje teorema vrijede u jednom i u drugom smjeru (ako i samo ako).5. Vrijedi f (x) = 3x2 − 3. Kao primjer zaˇto kod tih tvrdnji ne vrijedi drugi smjer. b). x2 ) takva da je c f (x2 ) − f (x1 ) = f (c) ≥ 0. 1). za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x) pa je f (x + ∆x) − f (x) ≥ 0. S ovim smo dokazali prvu tvrdnju teorema. Stoviˇe. b) i neka je z f (x) ≥ 0 za svaki x ∈ (a. Kako je f rastu´a. Trebamo dokazati da je f rastu´a po definiciji 4. Nakon rjeˇavanja nejednadˇbe zakljuˇujemo da je f rastu´a na intervalima (−∞. Po Lagrangeovom c teoremu 5. takve da je x1 < x2 . ∆x→0−0 ∆x→0+0 ∆x ∆x lim Toˇka x je bila proizvoljno odabrana pa zakljuˇujemo da je f (x) ≥ 0 za svaki c c x ∈ (a. Trebamo dokazati da c je f (x) ≥ 0 za svaki x ∈ (a. funkcija f pada za 3x2 − 3 ≤ 0. b). b). −1) s z c c ˇ i (1. Odaberimo proizvoljni x ∈ (a. ∆x S druge strane. zakljuˇujemo da je na tim intervalima f strogo rastu´a. zadnje dvije tvrdnje vrijede samo u jednom smjeru. b). b). ∆x→0+0 ∆x lim Kako je f derivabilna. Funkcija f i njena derivacija prikazane su na slici 5. to je f (x) = f (x + ∆x) − f (x) f (x + ∆x) − f (x) = lim ≥ 0. Neka je f derivabilna na intervalu (a. Stoga funkcija f raste za 3x2 − 3 ≥ 0.6 Monotonost 187 Neka je f rastu´a i derivabilna na intervalu (a.9 postoji toˇka c ∈ (x1 . +∞). odnosno f je c z rastu´a na intervalu (a. x2 ∈ (a. za ∆x < 0 vrijedi f (x + ∆x) ≤ f (x) pa je c ∆x→0−0 lim f (x + ∆x) − f (x) ≥ 0. c c Primjer 5. poˇto u prethodnoj nejednakosti jednakost vrijedi samo s s za x = −1 i x = 1.

7 Ekstremi Kod ekstrema razlikujemo lokalne i globalne ekstreme.11. Za ispitivanje lokalnih ekstrema koristimo Fermatov teorem 5. c) ∪ (c. x + ε) pri c ˇemu je ε > 0. (iii) Funkcija f ima globalni minimum f (c) u toˇki c ∈ D ako je f (x) ≥ f (c) c za svaki x ∈ D. c) ∪ (c. U definiciji lokalnih ekstrema te u iskazima i dokazima teorema o ekstremima. koristimo pojam ε-okoline: ε-okolina toˇke x je interval (x − ε. c + ε). Kod lokalnih ekstrema se traˇi da je vrijednost funkcije u toˇki ekstrema strogo z c .6 i Teorem o monotonosti 5. (ii) Funkcija f ima lokalni maksimum f (c) u toˇki c ∈ D ako postoji εc okolina toˇke c takva da je f neprekidna na toj okolini i pri tome vrijedi c f (x) < f (c) za svaki x ∈ (c − ε.8: Intervali monotonosti 5.188 DERIVACIJE I PRIMJENE 1 -1 1 x**3-3*x-2 3*x**2-3 Slika 5.9. Razlike izmedu lokalnih i globalnih ekstrema prikazane su na slici 5.4 (i) Funkcija f ima lokalni minimum f (c) u toˇki c ∈ D ako c postoji ε-okolina toˇke c takva da je f neprekidna na toj okolini i pri c tome vrijedi f (x) > f (c) za svaki x ∈ (c − ε. (iv) Funkcija f ima globalni maksimum f (c) u toˇki c ∈ D ako je f (x) ≤ f (c) c za svaki x ∈ D. c + ε). c Definicija 5.

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

e. g i i u kojima funkcija prikazana c na slici 5. c) stalnog i suprotnog predznaka od vrijednosti te funkcije na intervalu (c. Medutim. Primijetimo da funkcija moˇe mijenjati predznak u nekoj toˇki. c Teorem 5. Kritiˇne toˇke su sve navedene c c c toˇke te joˇ toˇke a. c s Primjer 5. c c Dokaz. dovoljan uvjet je uvjet koji znaˇi da funkcija u nekoj toˇki c c ima lokalni ekstrem ˇim je taj uvjet ispunjen. potrebna nam je sljede´a definicija.13 a) Funkcija f (x) = x2 ima lokalni (i globalni) minimum u toˇki x = 0.12 vrijedi jer je f (x) = 2x pa je f (0) = 0. Sada po Fermatovom teoremu 5.9 stacionarne toˇke su sve toˇke c c u intervalima (a. f (0) nije lokalni ekstrem pa vidimo da obrat teorema 5. ako postoji ε > 0 takav c da su vrijednosti funkcije f na intervalu (c−ε. d. tada je teorem dokazan c (nemamo ˇto dokazivati).9 ima lokalne ekstreme ujedno i kritiˇne toˇke te funkcije. odnosno teorem daje samo nuˇan uvjet za postojanje ekstrema. vidimo da teorem 5. Teorem c 5. b. c b) Funkcija f (x) = |x| ima lokalni (i globalni) minimum u toˇki x = 0. f . Ako funkcija f nije derivabilna u toˇki c. d i g. c Definicija 5. tada je c c c kritiˇna toˇka funkcije f .190 DERIVACIJE I PRIMJENE Na primjer. h i i.6 Funkcija f mijenja predznak u toˇki c.12 (Nuˇan uvjet za postojanje ekstrema) Neka je funkcija f z neprekidna u toˇki c. S druge c c strane. c . za funkciju prikazanu na slici 5. f ) te toˇke c. b) i (e.4 funkcija f ima u toˇki c najve´u ili najmanju c c c vijednost na nekoj ε-okolini toˇke c. Teorem 5. c c) Za funkciju f (x) = x3 vrijedi f (x) = 3x2 pa je f (0) = 0.12 ne vrijedi. c c Teorem 5. c s c Razlikujemo dvije vrste uvjeta za postojanje lokalnog ekstrema u nekoj toˇki: nuˇan uvjet je uvjet kojeg ispunjava svaka toˇka u kojoj funkcija ima c z c lokalni ekstrem. Na primjer. jer funkcija nema lokalne ekstreme u ostalim kritiˇnim toˇkama.12 daje samo nuˇan.12 ´emo ilustrirati joˇ jednim primjerom.6 vrijedi c f (c) = 0. vidimo da su toˇke c. Ako funkcija f ima lokalni ekstrem u toˇki c. a ne i dovoljan uvjet za z postojanje lokalnog ekstrema. z Za iskazivanje teorema koji daju dovoljne uvjete za postojanje ekstrema. c + ε).12 vrijedi jer je funkcije nije derivabilna u toˇki 0. tada po definiciji 5. Ako je f derivabilna u toˇki c i ima lokalni ekstrem s c u toj toˇki. a da pri z c tome nije definirana u toj toˇki.

c Prethodni dokaz moˇemo rijeˇima iskazati i na sljede´i naˇin: ako je z c c c f (c) > 0. To znaˇi da c c c je prva derivacija f strogo rastu´a na toj okolini. tada funkcija c f ima lokalni ekstrem u toˇki c. Dokaz. Teorem 5. Tada vrijedi c c c 0 < f (c) = lim f (x) f (x) − f (c) = lim . a ako f mijenja predznak s + na −.11 funkcija f strogo pada na intervalu (c−ε. Pri tome vrijedi sljede´e: ako f mijenja predznak s − na +. dok funkcija iz primjera 5.13 a) i b) ispunjavaju uvjete teorema. tada je f (c) lokalni maksimum. c c . funkcije iz primjera 5. Pri tome vrijedi sljede´e: ako je f (c) > 0.5. Za x < c c je x − c < 0 pa gornja nejednakost povlaˇi f (x) < 0. Sliˇno se dokaˇe da za f (c) = 0 i f (c) < 0 funkcija f c c z ima u toˇki c lokalni maksimum. Dovoljan uvjet za postojanje ekstrema moˇemo izraziti i pomo´u druge z c derivacije. tada funkcija f ima lokalni ekstrem c c u toˇki c.7 Ekstremi 191 Teorem 5. c) i strogo raste na intervalu (c. ve´ i u nekoj ε-okolini toˇke c. Za x > c je x − c > 0 c pa gornja nejednakost povlaˇi f (x) > 0.1 znaˇi da prva derivacija f postoji ne samo u c toˇki c. Ako derivacija c f mijenja predznak s + na −. a strogo raste desno c c od toˇke c pa je c toˇka lokalnog minimuma. tada c c je f (c) lokalni minimum. Druga derivacija f je derivacija prve derivacije pa pretpostavka da f (c) postoji zbog definicije 5. c Na primjer. c c c To pak znaˇi da funkcija f strogo pada lijevo od toˇke c. tada po teoremu 5. Ako je f (c) = 0.4. x→c x − c x→c x−c Zadnja jednakost vrijedi jer je c stacionarna toˇka pa je f (c) = 0. tada na sliˇan naˇin zakljuˇujemo da funkcija c c c f ima u toˇki c lokalni maksimum. Dakle. prva derivacija f mijenja c predznak u toˇki c i to s − na + pa po teoremu 5. zac kljuˇujemo da je f negativna lijevo od toˇke c i pozitivna desno do toˇke c.14 (Dovoljan uvjet za postojanje ekstrema) Neka je u stacionarnoj toˇki c funkcija f dva puta derivabilna. Stoga funkcija f ima u toˇki c lokalni minimum po definiciji 5. tada je f (c) lokalni maksimum. a ako je f (c) < 0.13 c) te uvjete ne ispunjava. Neka je f (c) > 0. c+ε). c c tada je f (c) lokalni minimum. tada je f ve´a od nule i na nekoj okolini toˇke c.13 funkcija f ima lokalni c minimum u toˇki c. Dokaz.13 (Dovoljan uvjet za postojanje ekstrema) Ako prva derivacija f mijenja predznak u kritiˇnoj toˇki c. Kako je f (c) = 0. Ako derivacija f mijenja predznak s − na +.

10. na naˇin da donja baza valjka leˇi na bazi z c z stoˇca.18). Volumen traˇenog valjka je z z V = yx2 π. U tom c sluˇaju moˇemo koristiti viˇe derivacije (vidi teorem 5.14 u toˇki x = 0. h y x r Slika 5.192 DERIVACIJE I PRIMJENE Na primjer. c S druge strane. nadimo onaj koji ima najve´i volumen. c jer je f (0) = 0. jer je f (0) = 0 i f (0) = 0. Sliˇnost trokuta s c . c z s 5.10: Valjak upisan u stoˇac z Naˇ cilj je izraziti volumen kao funkciju jedne varijable te na´i njen maks c simum uz zadani uvjet da se valjak nalazi unutar stoˇca. teorem ne moˇemo primijeniti na funkciju f (x) = |x| u toˇki z c x = 0.1 Geometrijski ekstrem U ovom poglavlju objasnit ´emo postupak traˇenje globalnih ekstrema u c z sluˇaju kada su u problemu koji rjeˇavamo zadana neka ograniˇenja. Ograniˇenja c s c c se ˇesto javljaju prilikom rjeˇavanja geometrijskih i fizikalnih problema pa odac s tle i naziv geometrijski ekstrem. jer nije derivabilna u toj toˇki. Rijeˇimo sljede´i zadatak: od svih valjaka koje moˇemo upisati u zadani s c z stoˇac visine h i radijusa baze r. a f (0) = 2 > 0 pa se u toˇki x = 0 nalazi lokalni minimum. Teorem takoder ne moˇemo primijeniti c z niti na funkciju f (x) = x3 u toˇki x = 0. s c Stoˇac i valjak prikazani su na slici 5. funkcija f (x) = x2 ispunjava uvjete teorema 5.7.

b) ⊆ D ako za proizvoljne toˇke c c x1 . y h h y = (r − x) . Vrijedi h h V (x) = π (2x(r − x) + x2 (−1)) = π x(−3x + 2r). x2 ∈ (a. traˇeni z valjak ima radijus x = 2r/3. Kako je V (x) > 0 za x ∈ (0. ˇto se takoder vidi sa slike. Dakle.5. r odnosno Dakle. r]. jer je V (0) = 0. x = 0 i x = 2r/3. b) takve da je x1 = x2 vrijedi c f (t x1 + (1 − t) x2 ) ≤ t f (x1 ) + (1 − t) f (x2 ). Potraˇimo s z lokalne ekstreme funkcije V (x). V = 5. Sliˇno. r V (x) je neprekidna funkcija. Prvo rjeˇenje nije z s s rjeˇenje naˇeg zadatka. Po teoremu 4. t ∈ (0. s Pored toga. x2 ∈ (a. . r]. funkcija f je konkavna na intervalu (a. 27 Ovisnost volumena upisanog valjka o njegovom radijusu prikazana je na slici 5. 2r/3) s s i V (x) < 0 za x ∈ (2r/3.7 Funkcija f je konveksna na intervalu (a. b) ⊆ D ako za proizvoljne toˇke x1 .8 Zakrivljenost U ovom poglavlju opisat ´emo postupak za ispitivanje zakrivljenosti funkcije. r). a u naˇem zadatku x poprima vrijednosti u ins tervalu [0. Iz istog razloga zakljuˇujemo da je x = 2r/3 ujedno i toˇka c c globalnog maksimuma promatrane funkcije na intervalu [0. h V = V (x) = (r − x) x2 π. visinu y = h/3 i volumen 4 2 r hπ. r r Jednadˇba V (x) = 0 ima dva rjeˇenja. 1). zakljuˇujemo da je x = 2r/3 toˇka lokalnog c c maksimuma. t ∈ (0. vrijedi V (0) = 0 i V (r) = 0.8 Zakrivljenost 193 daje r−x r = . c z Definicija 5.11. c pri ˇemu vaˇnu ulogu ima druga derivacija zadane funkcije.8 neprekidna funkcija poprima na zatvorenom intervalu svoj maksimum i minimum pa zadani problem sigurno ima rjeˇenje. U sluˇaju strogih nejednakosti. 1). funkcija f je strogo konveksna odnosno strogo c konkavna. b) takve da je x1 = x2 vrijedi f (t x1 + (1 − t) x2 ) ≥ t f (x1 ) + (1 − t) f (x2 ).

2 za konkavne funkcije? .194 DERIVACIJE I PRIMJENE V(x) 2r/3 r Slika 5. ali ne i strogo konkavna.13 a) je konkavna. b) takve da je x1 < x2 . b) graf se nalazi iznad tangente u toj toˇki (vidi sliku c c 5.12).12. dok je funkcija na slici 5.4 Kako glase tvrdnje analogne onima iz napomene 5. tada je f (strogo) konveksna na intervalu (a. graf restrikcije c f |[x1 . b). b).13 b) istovremeno i konveksna i konkavna. b) ako i samo ako je derivacija f (strogo) rastu´a na c intervalu (a. f (x2 ) (vidi sliku c 5.2 Za graf konveksne funkcije vrijedi sljede´e: c a) graf zakre´e na gore na intervalu (a.12).11: Volumen upisanog valjka Strogo konveksna funkcija prikazana je na slici 5. Na istoj slici je prikazano i geometrijsko znaˇenje definicije 5. Zadatak 5. c b) u svakoj toˇki x ∈ (a. Funkcija prikazana na slici c 5. x2 ∈ (a.7.x2 ] nalazi se ispod spojnice toˇaka (x 1 . c) za proizvoljne toˇke x1 . Napomena 5. d) ako je funkcija f derivabilna na intervalu (a. f (x1 )) i (x2 . b).

b).11 prva derivacija f strogo rastu´a na tom intervalu pa je funkcija f konveksna po napomeni 5. tada je funkcija f strogo konveksna na intervalu (a. Definicija 5. b).2 c d).8 Glatka funkcija f ima infleksiju u toˇki c ako postoji ε-okolina c toˇke c. tada je po teoremu 5.12: Strogo konveksna funkcija Teorem 5. b).5 f(x2 ) f(0. c U prouˇavanju funkcija zanimaju nas toˇke u kojima se zakrivljenost mic c jenja. Ako je f (x) > 0 za svaki x ∈ (a. Toˇka (c. (c − ε. b).8 Zakrivljenost 195 0. f (c)) je toˇka c c infleksije grafa funkcije f . tada je funkcija f strogo konkavna na intervalu (a.5x 1 +0. c) c i strogo konkavna na intervalu (c.5x2 ) a x1 0.5. Ako z je f (x) > 0 za svaki x ∈ (a. Kako f postoji na intervalu (a.5x1 +0. funkcija f (x) = x4 je konveksna na ˇitavom skupu R.5 f(x1 )+0. Dokaz. Dokaˇimo prvu tvrdnju teorema. Na z primjer. Dokaz druge tvrdnje je sliˇan. c + ε) ili obrnuto. c Ovaj teorem daje samo dovoljan. ali je f (0) = 0. . ali ne i nuˇan uvjet zakrivljenosti. b).5x2 x x2 b Slika 5. to po definiciji derivacije na tom intervalu postoji i prva derivacija f .15 (Dovoljan uvjet zakrivljenosti) Neka je funkcija f dva puta derivabilna na intervalu (a. Ako je f (x) < 0 za svaki x ∈ (a. b). b). c + ε) ∈ D. takva da je f strogo konveksna na intervalu (c − ε.

odnosno f ima lokalni maksimum u toˇki c c c c.17 (Dovoljan uvjet za postojanje infleksije) Neka je funkcija dva puta derivabilna na nekoj ε-okolini toˇke c. Prethodni teorem daje samo nuˇan.16 (Nuˇan uvjet za postojanje infleksije) Ako funkcija f ima z infleksiju u toˇki c i ako f (c) postoji. c Teorem 5. dok druga nema. ili obrnuto pa stoga c c ima infleksiju u toˇki c. strogo konveksna lijevo od toˇke c i strogo konkavna desno od c toˇke c.196 DERIVACIJE I PRIMJENE a b a b a) b) Slika 5.13: Konkavna i konveksna funkcija Teorem 5.12. kako je f derivabilna u toˇki c. tada je f (c) = 0. za funkciju f (x) = tg x vrijedi f (x) = (−2) cos−3 x(− sin x). c Na primjer.15 funkcija c f konveksna lijevo od toˇke c. na primjer. Na primjer. Dakle.1 povlaˇi da prva derivacija c f postoji u nekoj okolini toˇke c. a konkavna desno od toˇke c. Takoder. c . definicija derivacije 5. Kako f (c) postoji. ali ne i dovoljan uvjet za postojanje z infleksije. Oˇito je f (x) < 0 za −π/2 < x < 0 i f (x) > 0 za 0 < x < π/2. Ako f c z c mijenja predznak u toˇki c. to c c je i neprekidna u toˇki c. Tada je po teoremu 5. To po napomeni 5. tada funkcija f ima infleksiju u toˇki c. c c Dokaz.15 konkavna za −π/2 < x < 0 i konveksna za 0 < x < π/2. pa ima infleksiju u toˇki x = 0.2 d) znaˇi da je f strogo rastu´a lijevo od toˇke c c c c c i strogo padaju´a desno od toˇke c. a samo prva funkcija ima infleksiju u toˇki x = 0. c funkcija tg x je po teoremu 5. Neka f mijenja predznak u toˇki c. Neka funkcija f ima infleksiju u toˇki c i to tako da c c je. f (0) = 0. za funkcije f (x) = x 3 i f (x) = x4 vrijedi f (0) = 0. osim moˇda u toˇki c. c Dokaz. No tada je f (c) = 0 po teoremu 5.

5.14 a) Za funkciju f (x) = x4 vrijedi f (0) = f (0) = 0. c c) Za funkciju f (x) = tg x vrijedi f (0) = 0. z . iz teorema 5. Kako je f (0) = 0 i f IV (0) > 0. za ispitivanje lokalnih ekstrema i toˇaka infleksije moˇemo koc c z ristiti i viˇe derivacije. Neka je c c f (c) = f (c) = · · · = f (n−1) (c) = 0. c Zadatak 5.5. f V (0) = 120 = 0. Ako je n paran i c ako je uz to joˇ i f (c) = 0. U ovom sluˇaju radi se o ”horizontalnoj infleksiji”. Sljede´i vaˇan teorem navodimo bez dokaza. tada funkcija f ima infleksiju u toˇki c. tada funkcija f ima lokalni ekstrem u toˇki c i to s c minimum za f (n) (c) > 0 i maksimum za f (n) (c) < 0. c b) Za funkciju f (x) = x5 vrijedi f (0) = f (0) = f IV (0) = 0. pri ˇemu je n ≥ 3.9 Ispitivanje toka funkcije 197 Konaˇno.6. c 3. cos x. Kod toˇaka c infleksije utvrdite da li se radi o horizontalnim ili kosim infleksijama.4. s c z Teorem 5. Primjer 5. Podruˇje definicije – potrebno je poznavati elementarne funkcije iz poglavlja c 4. odnosno tangenta u toˇki infleksije je paralelna s x-osi.18 slijedi da zadana funkcija ima infleksiju u toˇki x = 0.9 Ispitivanje toka funkcije Ispitivanje toka funkcije je sloˇen postupak u kojem se primjenjuje sve ˇto z s je do sada reˇeno o funkcijama i derivacijama. Periodiˇnost – provjerava se pomo´u definicije 4.18 lokalni minimum u toˇki x = 0. Parnost – provjerava se pomo´u definicije 4. f IV (0) = 24 = 0. f (0) = 2 = 0 pa je po teoremu 5.18 toˇka x = 0 toˇka infleksije. s z z 2. c c c jer je f (0) = 1.5 Ispitajte podruˇja konveksnosti i konkavnosti te nadite toˇke c infleksije i lokalne ekstreme funkcija sin x.18 Neka funkcija f ima u nekoj ε-okolini toˇke c neprekidne derivacije c do ukljuˇivo reda n. f (n) (c) = 0. zadana funkcija ima po teoremu 5. Ako je n neparan.6 i postupke za rjeˇavanje jednadˇbi ili nejednadˇbi. Kako je n = 5 neparan. c c jer je f (0) = 0. Pri tome je vaˇno c c z uoˇiti da elementarna funkcija (vidi poglavlje 4. odnosno tangenta u toˇki infleksije zatvara s x-osi kut od c π/4.2. U ovom sluˇaju radi se o ”kosoj infleksiji”. Ispitivanje funkcije y = f (x) c sastoji se od sljede´ih koraka: c 1. sh x i arctg x.7) ne moˇe biti periodiˇna c z c ako ne sadrˇi neku od trigonometrijskih funkcija.

Prilikom crtanja grafa mogu´e je otkriti nelogiˇnosti. Toˇke infleksije – potrebno je na´i toˇke u kojima druga derivacija f c c c mijenja predznak.18. odnosno toˇke koje c c zadovoljavaju nuˇan uvjet infleksije po teoremu 5. odnosno toˇke koje ispunjavaju dovoljne uvjete infleksije c po teoremu 5. c c) treba biti oprezan u sluˇaju parnih korijena kada x → −∞.16.17. Provjera dos z voljnih uvjeta ekstrema moˇe se vrˇiti na tri naˇina: z s c a) pomo´u promjene predznaka prve derivacije (teorem 5.2 d). Ekstremi – potrebno je provjeriti nuˇne i dovoljne uvjeta ekstrema.5. z b) kod traˇenja horizontalnih i kosih asimptota limese kada x → −∞ i z kada x → +∞ uvijek treba raˇunati posebno.5. s c . lim x→+∞ x x→−∞ x 6. na primjer c √ √ x2 x2 = − lim = −1.12. Intervali zakrivljenosti – prvo je potrebno izraˇunati drugu derivaciju c f . c b) pomo´u druge derivacije (teorem 5. 8. c s 7.5 sastoji se od nalaˇenje limesa te primjene L’Hospitalovog z pravila iz poglavlja 5.3 ukoliko je to potrebno. Intervali monotonosti – nakon ˇto smo u prethodnoj toˇki izraˇunali s c c c prvu derivaciju f . Za provjeru dovoljnih uvjeta infleksije moˇemo koristiti z i viˇe derivacije po teoremu 5.18). intervale monotonosti odredujemo promatraju´i predznake od f po teoremu 5. Potom intervale konveksnosti i konkavnosti moˇemo odrediti pomo´u z c z teorema 5. Potrebno je na´i stacionarne z s c i kritiˇne toˇke po definiciji 5. a gdje pada i primijeniti napomenu 5.13). Asimptote (vertikalne.11. U tom sluˇaju potrebno je prvo na´i s c c toˇke u kojima je druga derivacija f jednaka nuli. z 10. c s z 5. Nul-toˇke – postupak se sastoji od rjeˇavanja jednadˇbe f (x) = 0.15 promatraju´i predznake od f . c c odnosno pogreˇke u prethodnom raˇunu te ih ispraviti. Takoder moˇemo pogledati c gdje prva derivacija f raste.14) ili c c) pomo´u viˇih derivacija (teorem 5.198 DERIVACIJE I PRIMJENE 4. Provz jera nuˇnih uvjeta vrˇi se po teoremu 5. Pri tome je nuˇno voditi z raˇuna o sljede´em: c c a) asimptote je najbolje traˇiti u opisanom redoslijedu. horizontalne i kose) – postupak koji je opisan u poglavlju 4. Graf funkcije – potrebno je sve do sada dobivene informacije o funkciji spojiti u suvislu sliku. odnosno potrebno je odrediti podruˇje c c c definicije prve derivacije f i rijeˇiti jednadˇbu f (x) = 0. 9.

4. jer je elementarna. U desnoj strani vrijedi lim f (x) = lim 3 x→+∞ x→+∞ 2x2 − x3 = lim 3 3 x→+∞ x3 2 −1 x = lim x x→+∞ 2 − 1 = (+∞) · (−1) = −∞ x pa funkcija nema horizontalnu asimptotu ni u desnoj strani. b) Horizontalne asimptote U lijevoj strani vrijedi lim f (x) = lim 3 x→−∞ x→−∞ 2x2 − x3 = lim 3 3 x→−∞ x3 2 −1 x = lim x x→−∞ 2 − 1 = (−∞) · (−1) = +∞ x pa funkcija nema horizontalnu asimptotu u lijevoj strani. Asimptote a) Vertikalne asimptote Funkcija nema vertikalnih asimptota jer je D = R. dok je f (1) = 3 2 − 1 = 3 1 = 1. Dakle. 2x2 − x3 = 0 ⇔ 2x2 − x3 = 0 ⇔ x2 (2 − x) = 0 pa su nul-toˇke jednake x1 = 0 i x2 = 2. c 5. Parnost √ √ √ √ Vrijedi f (−1) = 3 2 + 1 = 3 3. Nul-toˇke c Rijeˇimo jednadˇbu y = 0. Vrijedi s z 3 3 2x2 − x3 .9 Ispitivanje toka funkcije 199 Kao primjer. 2. ispitat ´emo tok i nacrtati graf funkcije c y = f (x) = 1. .5. Podruˇje definicije c Domena funkcije je D = R. no dobili smo korisne informacije. funkcija nema horizontalnih asimptota. 3. Periodiˇnost c Funkcija nije periodiˇna. Zakljuˇujemo da funkcija nije ni parna ni neparna jer je f (−x) = f (x) i c f (−x) = −f (x). a ne sadrˇi neku od trigonometric z jskih funkcija.

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

Vrijednost lokalnog maksimuma je f (4/3) = 2 4/3. imamo tri toˇke koje zadovoljavaju nuˇan uvjet ekstrema. Drugim rijeˇima. c Drugim rijeˇima. x(2 − x)2 Vidimo da je stacionarna toˇka (tre´a kritiˇna toˇka) jednaka x 3 = 4/3. 0) i (4/3.9 Ispitivanje toka funkcije 201 6. funkcija f je strogo padaju´a na intervalu c c (4/3. c c Funkcija nema globalni maksimum ni globalni minimum jer je kodomena jednaka R. c) Iz (iii) takoder slijedi da funkcija nema lokalni ekstrem u kritiˇnoj toˇki c c x2 = 2. +∞). Dovoljne uvjete ekstrema z provjerit ´emo pomo´u prve derivacije. b) Iz (ii) i (iii) slijedi da funkcija ima lokalni maksimum u √ cnoj toˇki kritiˇ c 3 x3 = 4/3. Drugim rijeˇima. c c c c Dakle. a nazivnik ve´i od nule pa je c f (x) < 0. Intervali monotonosti Monotonost smo ve´ ispitali u prethodnoj toˇki: funkcija je strogo padaju´a c c c na intervalima (−∞. 2}. +∞). odnosno c funkcija je strogo padaju´a s obje strane te toˇke. dvije c kritiˇne toˇke funkcije su x1 = 0 i x2 = 2. funkcija f je strogo padaju´a na intervalu c c (−∞. odnosno vrijedi f (x) = 1 · 3 3 4 − 3x .5. c c (iii) Za x > 4/3 je brojnik manji od nule. odnosno provjerit ´emo da li u c c c kritiˇnim toˇkama prva derivacija mijenja predznak. Dakle. 4/3). a nazivnik manji of nule pa je c f (x) < 0. Iz prethodnog razmatranja moˇemo zakljuˇiti sljede´e: z c c a) Iz (i) i (ii) slijedi da funkcija ima lokalni minimum u kritiˇnoj toˇki c c x1 = 0. Za x ∈ Df moˇemo skratiti x u c c z brojniku i nazivniku. odnosno c z u kojima funkcija moˇe imati lokalne ekstreme. 7. jer prva derivacija ne mijenja predznak u toj toˇki. 4/3). Imamo tri sluˇaja: c c c (i) Za x < 0 je brojnik ve´i od nule. Vrijednost lokalnog minimuma je f (0) = 0. 4/3) su i brojnik i nazivnik ve´i od nule. Ekstremi Izraˇunajmo prvu derivaciju: c 1 1 f (x) = (2x2 − x3 )−2/3 (4x − 3x2 ) = · 3 3 3 x(4 − 3x) x4 (2 − x)2 . (ii) Za x ∈ (0. c . 0). pa je f (x) > 0. funkcija f je strogo rastu´a na intervalu (0. Podruˇje definicije derivacije jednako je D f = R \ {0. a strogo rastu´a na intervalu (0.

17 zakljuˇujemo c c da je x = 2 jedina toˇka infleksije funkcije f . Intervali zakrivljenosti Izraˇunajmo drugu derivaciju: c 3 2 1 −3 x(2 − x) − f (x) = · 3 DERIVACIJE I PRIMJENE 4−3x [(2 3[x(2−x)2 ]2/3 3 − x)2 + x · 2(2 − x)(−1)] 1 1 −3(x(2 − x)2 ) − 3 (4 − 3x)(2 − x)(2 − 3x) · 3 3 x4 (2 − x)8 −8 . koji je prikazan na slici 5. Toˇke infleksije c Iz razmatranja zakrivljenosti u prethodnoj toˇki.14. Kako je slika nacrtana pomo´u programa Gnuplot. e2x + 1 1 f (x) = x2 − 1 · ln √ . 1 x+1 f (x) = e x2 −3x−4 . s s Zadatak 5.202 8. Za x > 2 je f (x) > 0 pa je funkcija f konveksna po teoremu 5. po teoremu 5. 2−1 x f (x) = x2/3 (1 + x)3 . za x < 2 je f (x) < 0 pa je funkcija f konkavna po teoremu 5.6 Ispitajte tok i skicirajte grafove sljede´ih funkcija: c f (x) = 1 − ln x . s s c c x 3 .8. Rjeˇenja provjerite tako ˇto ´ete funkcije nacrtati pomo´u programa NetPlot. f (x) = xe− 4 + 4x . x2 1 ln 2 e2x . c 10. 9. kao c ˇto je objaˇnjeno u napomeni 4. Dakle.15.15. = 3 4 (2 − x)5 9 x x2 (2 − x)4 = Vidimo da je predznak od f obrnut od predznaka izraza 2 − x. f (x) = arctg ex − f (x) = (x − 1)e x−1 . Graf funkcije Kombiniraju´i sve prethodne rezultate dobijemo graf zadane funkcije i c njene kose asimptote. funkciju smo morali nacrtati iz dva dijela.

z kako su kod parametarski zadanih funkcija varijable x i y ravnopravne.(-2*x**2+x**3)**(0. postupak ispitivanja takvih funkcija moˇe biti sloˇeniji od ispitivanja eksplicitno z z zadanih funkcija. 2.2.14: Graf iracionalne funkcije 5. x = x(t) = 3 t +1 t +1 1.5. Primijetimo da za ove vrijednosti parametra t. Kod parametarski zadanih c funkcija ima smisla koristiti sljede´u definiciju: funkcija je parna ako je njen c graf simetriˇan s obzirom na y-os.9 Ispitivanje toka funkcije 203 (2*x**2-x**3)**(0. a neparna ako je njen graf simetriˇan s c c . Parnost Kako kod implicitno zadane funkcije jednoj vrijednosti varijable x moˇe z odgovarati viˇe vrijednosti varijable y. Medutim.33) .9.2 nema smisla.67 2/3 4/3 2 Slika 5. varijable x i y poprimaju sve vrijednosti iz skupa R. to definicija parne i neparne funkcije s na naˇin dan u definiciji 4. uz odgovaraju´e izmjene. koji je u parametarskom obliku zadan s 3t 3 t2 . Ispitivanje toka parametarski zadane funkcije ilustrirat ´emo na primjeru c Descartesovog lista iz primjera 4.4 i 4. 4. Podruˇje definicije c Funkcija je definirana za t ∈ R \ {−1}.33) -x+0. y = y(t) = 3 .1 Parametarski zadana funkcija Postupak opisan u prethodnim poglavljima se.12. c moˇe primijeniti i za ispitivanje toka parametarski zadane funkcije.

c 3. Ako je toˇka (x(t). −y(t)) = (x(t1 ). Uvrˇtavanje c c s 3 + 1)/(t3 + 1). +1 t1 + 1 −y(t) ≡ − 3t 3 t1 ≡ y(t1 ). odnosno t1 = −t. No. c c Uvrˇtavanje u drugu jednakost daje −1 = (t 3 + 1)/(−t3 + 1). y(t)) elec ment grafa funkcije. gornje jednakosti su ispunjene samo za t = c t1 = 0. Primijetimo da je ova definicija ukljuˇuje definiciju s c 4. y(t1 )). a jednadˇba y(t) = 0 takoder povlaˇi z c z t = 0 pa je ishodiˇte jedina nul-toˇka funkcije. za t. +1 t1 + 1 Gornje jednakosti su ispunjene samo za t = t 1 = 0. c c a ne sadrˇe neku od trigonometrijskih funkcija. y(t)) element grafa funkcije. Naime. t1 = 0 gornje jednakosti povlaˇe c − 3 t2 3t t3 + 1 2 = 3 t = t3 + 1 . odnosno s t3 − 1 = t3 + 1 ˇto je nemogu´e pa zakljuˇujemo da funkcije nije parna. s c . = 3 t3 + 1 t1 + 1 Nakon kra´enja prva jednakost povlaˇi −t/t 1 = 1. Pretpostavimo da je funkcija parna. Uvrˇtavanje u s definiciju funkcije daje −x(t) ≡ − 3 t2 3 t2 = 3 1 ≡ x(t1 ). Nul-toˇke c c Jednadˇba x(t) = 0 povlaˇi t = 0. odnosno t1 = t. 3 t1 1 1 Pretpostavimo sada da je funkcija neparna. za t. s c c Kao i u prethodnom sluˇaju. tada je i toˇka (−x(t). z 4. =− 3 t1 3 t2 t1 + 1 1 Nakon kra´enja prva jednakost povlaˇi t/t 1 = 1. tada c je i toˇka (−x(t). Naime. Ako je toˇka (x(t). Ispitajmo parnost zadane funkcije po prethodnoj definiciji. y(t)) takoder element grafa funkcije. ˇto je nemogu´e pa zau drugu jednakost daje −1 = (t s c kljuˇujemo da funkcije nije neparna. jer su x i y zadane pomo´u elementarnih funkcija. −y(t)) takoder element grafa c funkcije. t1 = 0 gornje jednakosti povlaˇe c − t3 + 1 3 t2 3t = 3 . tada postoji t1 ∈ R \ {−1} takav da je (−x(t). y(t)) = (x(t 1 ). y(t1 )). Uvrˇtavanje u definiciju funkcije daje s −x(t) ≡ − t3 3 t2 3 t2 = 3 1 ≡ x(t1 ). tada postoji c t1 ∈ R \ {−1} takav da je (−x(t). t3 + 1 t1 + 1 y(t) ≡ t3 3 t1 3t = 3 ≡ y(t1 ). Periodiˇnost c Funkcija nije periodiˇna.2.204 DERIVACIJE I PRIMJENE obzirom na ishodiˇte. No.

c c) Kose asimptote U primjeru 4. (t3 + 1)2 (t3 + 1)2 . raˇunamo po pravilima o s c deriviranju parametarski zadanih funkcija iz poglavlja 5. odnosno lokalno najmanji ili najve´i x. kod parametarski zadane funkcije su varijable x i y ravnopravne pa moˇemo imati dvije vrste lokalnih ekz strema: a) lokalni ekstrem po x. x → c +∞ kada t → −1 + 0. 3 +1 +1 (−1 + 0) +0 zakljuˇujemo da funkcija nema horizontalnu asimptotu ni u desnoj strani. No.12 smo pokazali da x → −∞ kada t → −1 − 0.7.18. t→−1−0 lim y(t) = t→−1−0 t3 lim 3t 3 (−1) −3 = = = +∞ 3+1 +1 (−1 − 0) −0 pa funkcija nema horizontalnu asimptotu u lijevoj strani. Kako je t→−1+0 lim y(t) = t→−1+0 t3 lim 3 (−1) −3 3t = = = −∞. c Nadimo ekstreme po x.12. (t3 + 1)2 (t3 + 1)2 3 (t3 + 1) − 3 t · 3 t2 3 (−2 t3 + 1) y(t) = ˙ = .9 Ispitivanje toka funkcije 205 5.14 i 5. 5. c z c s Ekstreme po x i po y takoder traˇimo pomo´u prve i viˇih derivacija kako je opisano u poglavlju 5.12 smo pokazali da je pravac y = −x − 1 kosa asimptota u obje strane. 6. kao i viˇe derivacije. x ˙ xy = x ˙ . odnosno koriste´i teoreme 5. Vrijedi x(t) = ˙ 6 t (t3 + 1) − 3 t2 · 3 t2 3 t (−t3 + 2) = . b) Horizontalne asimptote U primjeru 4. 3 x ˙ Zbog sloˇenosti postupka. y ˙ yx = y x − y¨ ¨˙ ˙x . Asimptote a) Vertikalne asimptote Funkcija nema vertikalnih asimptota jer je x ∈ R. kod ispitivanje ekstrema i monotonosti potrebno z je voditi raˇuna o mnogim detaljima. c Pri tome derivacije yx i xy . odnosno lokalno najmanji ili najve´i y i c b) lokalni ekstrem po y.13. Ekstremi Za razliku od implicitno zadane funkcije.4: yx = y ˙ .5. 5. Sliˇno.

c U okolini toˇke t3 derivacija xy takoder mijenja predznak s − na + pa bi c mogli zakljuˇiti da se radi o lokalnom minimumu po y.15. Vidimo da je prilikom ispitivanja toka parametarski zadane funkcije korisno detaljno ispitati i tokove funkcija x(t) i y(t). potrebno je da z je u okolini kritiˇnih toˇaka zaista definirana neka funkcija y = f (x). √ √ t2 = 1/ 3 2 i t3 = 3 2. U okolini toˇke t 1 je y(t) > 0.7. jer se radi o racionalnim funkcijama. To je u ovom sluˇaju c jednostavno. zakljuˇujemo da se zapravo ˙ c c radi o lokalnom maksimumu.17. nije z dovoljno! Naime. a kako xy mijenja predznak s − na + radi se o lokalnom minimumu. medutim. y(t) ˙ yx = = x(t) ˙ 3 (t3 +1)−3 t·3 t2 (t3 +1)2 6 t (t3 +1)−3 t2 ·3 t2 (t3 +1)2 DERIVACIJE I PRIMJENE = −2 t3 + 1 . 5.1. Medutim. to smo ve´ pokazali jer je u toj okolini x(t) > 0 c c ˙ pa je naˇ zakljuˇak da se radi o lokalnom minimumu opravdan. Vidimo da u okolini toˇke t 2 vrijedi x(t) > 0 c c c ˙ pa je po Teoremu o monotonosti 5. s ovim joˇ nismo rijeˇili status toˇaka t 1 i t3 . To.12 imamo tri toˇke u kojima z c se mogu nalaziti lokalni ekstremi i to za vrijednosti parametra t 1 = 0. Vrijedi xy = t (−t3 + 2) x(t) ˙ = . Po c c teoremu 4. Kako je u toj c okolini y(t) < 0.4.11 funkcija x(t) strogo rastu´a u okolini c toˇke t2 . Naime. odnosno y(t) je c ˙ rastu´a. c c s s c Medutim. moramo joˇ provjeriti da i funkcija x(t) s raste u okolini toˇke t2 . y(t) ˙ −2 t3 + 1 √ Oˇito je u okolinama toˇaka t1 = 0 i t3 = 3 2 derivacija y(t) = 0 pa c c ˙ je funkcija y(t) injekcija. (Obrnuti s c sluˇaj pokazat ´emo kasnije). S druge strane. Kako yx mijenja predznak s + na − u okolini toˇke t 2 . da bi mogli ispravno primijeniti teoreme o nuˇnim i dovoljnim uvjetima ekstrema iz poglavlja 5.13 nam kaˇe da se radi o lokalnom maksimumu.206 Dakle. kako bi zaista bili sigurni da se radi o lokalnom maksimumu po x u smislu definicije 5. odnosno y(t) je padaju´a. Pogledajmo sada ekstreme po y. No. Radi lakˇeg pra´enja prethodnog izlaganja.16 i 5. funkcije x(t) i y(t) te njihove s c derivacije po parametru t i po x i y prikazane su na slikama 5. ˇinjenica da y(t) pada. t (−t3 + 2) Po Teoremu o nuˇnim uvjetima ekstrema 5. teorem c c 5. . ˇto je zapravo definicija lokalnog maksimuma gledano od desne c s prema lijevoj strani. a pozitivna lijevo od c te toˇke. zapravo znaˇi c c da je derivacija xy negativna desno od toˇke y(t3 ). to ´e sigurno biti ispunjeno ako je u okolini promatrane toˇke c c funkcija x(t) injekcija. x(t) je sigurno injekcija tamo gdje je strogo rastu´a ili padaju´a.

3 4].15 zakljuˇujemo se na dijelu grafa funkcije ista vrijednosti c varijable x javlja za tri razliˇite toˇke (konkretno. −1) odgovara toˇno jedan x (funkcija x(t) je na tom intervalu c injekcija).11. Takoder. t 2 ). monotonost odgovaraju´e funkcije y = f (x).5. 8. Radi lakˇeg crtanja grafa c s funkcije prikazani su i odgovaraju´i intervali u kojima se nalazi varijabla x c te vrijednost derivacije x(t) iz koje zakljuˇujemo da li na danom intervalu ˙ c x(t) raste ili pada. t2 ) i (t2 . 0). odnosno za x ∈ (0. a pada na intervalu (t2 . isti x se javlja za po jedan c c t iz intervala (−1. +∞). c 7. vrijednost derivacije y x te kao posljedica. +∞).17 iz koje vidimo da li na odgovaraju´em intervalu c . svakoj vrijednosti t ∈ (−∞. kao i da svakoj vrijednosti x ∈ (0. kako funkcija x(t) raste na intervalu (0.2 d).1 prikazani c c su redom intervali parametra t. 3 4) odgovaraju tri vrijednosti varijable y. Tako iz oblika funkcija x(t) s i y(t) na slici 5. sliku 5. zakljuˇujemo da tu graf funkcije ima petlju.15: Varijable x i y Descartesovog lista Ove slike nam daju joˇ neke korisne informacije. Iz tablice 5. (0. Zakrivljenost Ispitat ´emo zakrivljenost od y kao funkcije od x. S druge strane. c c Radi preglednosti rezultate ´emo prikazati tabliˇno. Pri tome ´emo koristiti c c napomenu 5. U tablici 5.1 se takoder lijepo vidi da graf krivulje ima petlju za √ ∈ t √ (0. Intervali monotonosti Ispitat ´emo monotonost od y kao funkcije od x koriste´i teorem 5.9 Ispitivanje toka funkcije 207 3*t**2 / (t**3+1) 3*t / (t**3+1) -1 t0 t1 t2 Slika 5. +∞)).

– ako na nekom intervalu yx pada.208 DERIVACIJE I PRIMJENE 3*t*(-t**3+2) / (t**3+1)**2 3*(-2*t**3+1) / (t**3+1)**2 -1 t0 t1 t2 Slika 5. 0) (0. – ako na nekom intervalu yx raste. 3√ √ 2) ( 3 2. 0) (0. tada je graf funkcije na tom intervalu konkavan.16: Derivacije varijabli Descartesovog lista po parametru t (−∞. to zapravo znaˇi da yx raste kada x raste pa je graf funkcije na tom intervalu c konveksan. . to zapravo znaˇi da yx pada kada x raste pa je graf funkcije na tom intervalu c konkavan. tada je graf funkcije na tom intervalu konveksan.15 iz koje vidimo da li funkcija x(t) raste ili pada. – ako na nekom intervalu yx pada i pri tome x(t) raste. t1 ) (t1 . 3 4) x(t) ˙ − − + + − Tablica 5. Zakljuˇujemo na sljede´i naˇin: c c c – ako na nekom intervalu yx raste i pri tome x(t) raste. a pri tome x(t) pada.1: Monotonost Descartesovog lista derivacija yx raste ili pada te sliku 5. −1) (−1. +∞) yx − − + − + y = f (x) pada pada raste pada raste x(t) (−∞. 3 4) √ (0. a pri tome x(t) pada. t2 ) (t2 . +∞) √ (0.

17: Derivacije Descartesovog lista po varijablama x i y Radi preglednosti rezultate ´emo opet prikazati tabliˇno. koji je prikazan na slici 4. U tablici 5.8 i tablice 5. c 10. Toˇke infleksije c Iz definicije 5.2: Zakrivljenost Descartesovog lista 9.6. 0) (0. ponaˇanje varijable s s x(t) i konaˇan zakljuˇak o zakrivljenosti. −1) (−1. .5. Graf funkcije Kombiniraju´i sve prethodne rezultate dobijemo graf zadane funkcije i c njene kose asimptote. 2).9 Ispitivanje toka funkcije 209 (-2*t**3+1) / (t*(-t**3+2)) t*(-t**3+2) / (-2*t**3+1) -1 t0 t1 t2 Slika 5. t1 ) (t1 . +∞) yx pada pada pada pada pada x(t) pada pada raste raste pada zakrivljenost konveksna konveksna konkavna konkavna konveksna Tablica 5.2 dani c c su redom intervali parametra t. c c t (−∞. 0) i ( 4.2 slijedi da se infleksije √ c √ nalaze u toˇkama za koje 3 3 je t = 0 i t = t2 . t2 ) (t2 . ponaˇanje derivacije y x . odnosno u toˇkama (0.

Pri tome je r < d i m1 > m2 . Naˇ je zadatak stoga izraziti potencijalnu energiju kao s 1 Ovaj zadatak izradio je dr.10 Rjeˇavanje problema ravnoteˇe s z Diferencijalni raˇun izloˇen u prethodnim poglavljima ima mnoge vaˇne c z z primjene u fizici i tehnici. na´i taj poloˇaj. Zadatak je odrediti ima li navedeni mehaniˇki sustav z c poloˇaj ravnoteˇe. 1 z z c z B A O r α D E α C m2 Slika 5. kao ˇto je poznato.210 DERIVACIJE I PRIMJENE 5.18: s z Preko koluta radijusa r koji se nalazi na udaljenosti d od ishodiˇta s namotana je nit duljine l na ˇijim su krajevima objeˇeni utezi s c s masama m1 i m2 .12) Sustav ´e. Fernuniversit¨t Hagen. te ukoliko ima. a uteg s masom m 2 se takoder bez trenja kliˇe po y-osi. (5. a c ¤¡¤¡ £ £ ¡¤¡ ¡£¡¤£ £¤¡¤¡£¤¡£ ¡£¡¡£ ¤£¤¡¤¡£¤ £¡£¡¡£ ¤¡¤¡£¤ £¡£¡£¤¡ ¡¡¡££ m1 ¡ ¡ ¢  ¢¡¢¡ ¡ ¡ ¢ ¢ ¢¡¢¡¢  ¡ ¡  ¢¡¢¡¢  ¡ ¡ ¡¡ ¢  F . Ovdje ´emo kao ilustraciju detaljno opisati postupak c rijeˇavanja problema ravnoteˇe prikazanog na slici 5.18 vidimo da je d = |OD|. Potencijalna energija E zadanog sustava u polju sile teˇe s gravitacijskom konstantom g dana je jednadˇbom z z E = −m1 g|EF | − m2 g|OC|. Njemaˇka.18: Poloˇaj ravnoteˇe mehaniˇkog sustava z z c Sa slike 5. Dieter Keim. sc. imati ravnoteˇu tamo gdje je potencijalna c s z energija minimalna. Kolut se oko svoje osi vrti bez trenja.

− m2 g . Zbog sliˇnosti trokuta c vrijedi ∠ADB = ∠ACO = α.14) sin α Konaˇno. c l1 = (π − α)r. Oˇito je α ∈ (0. π/2].7. c Pogledajmo prvo kako se funkcija ponaˇa u rubovima intervala.14) u formulu (5. Vrijedi |CB| = |CA| + |AB| = pa je d cos α − r sin α d − r cos α |OC| + r tg α = +r = cos α sin α cos α cos α sin α d − r cos α . π/2]. (5. Trokut ACO je c pravokutan pa je |OA| . Zapravo se u ovom sluˇaju takoder radi o geometrijskom ekstremu (vidi poglavlje 5.13) d cos α − r cos α d cos α − r · = .5. utvrditi da li ta funkcija ima minimum te na´i minic mum ukoliko postoji. sin α Sada treba utvrditi ima li funkcija E(α) minimum za α ∈ (0.1). cos α sin α sin α Oznaˇimo s l1 duljinu dijela niti namotanog na kolut.13) i (5. Pokazuje se da je najpogodnija varijabla kut α. Tada je |EF | = l − l1 − |CB|. uvrˇtavanje izraza (5.12) daje traˇenu c s z funkciju |EF | = l − (π − α)r − E ≡ E(α) = −m1 g l − (π − α)r − d − r cos α sin α − m2 g d cos α − r . Vrijedi s π r − d + m2 gr.10 Rjeˇavanje problema ravnoteˇe s z 211 funkciju jedne varijable. |OC| = tg α Zbog pravokutnosti trokuta ADB vrijedi |OA| = |OD| − |AD| = d − |AD| = d − pa je |OC| = r cos α (5. 2 d−r lim E(α) = lim −m1 g l − πr − α→0+0 α→0+0 sin α E(π/2) = −m1 g l − d−r sin α 1 = −m1 g(l − πr) + g(m1 − m2 )(d − r) lim α→0+0 sin α = +∞.

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

. niti o duljini niti l. α 0 ) i strogo rastu´a na c c intervalu (α0 . to jest B(x) = 0. nego samo o omjeru masa utega. sin2 α 0 + m1 g sin α0 (d − r cos α0 ) >0 sin2 α0 B (x)N (x) − B(x)N (x) B (x)N (x) − 0 · N (x) B (x) = = .14. E (α)skr. π/2). 2 (x) 2 (x) N N N (x) Vrijedi E (α0 ) = pa funkcija E(α) ima u toˇki α0 lokalni minimum. kada se udaljenost d pove´a. a pozitivna desno od toˇke α0 . Na primjer. to je c c E (α) negativna lijevo od toˇke α0 . a c uteg s masom m2 spusti. Pri tome c c moˇemo koristiti postupak skra´enog deriviranja koji se sastoji u sljede´em: z c c ako je derivacija neke funkcije razlomak f (x) = B(x) N (x) i ako je f (x) = 0. kako je E (α0 ) > 0 to znaˇi da je c derivacija E (α) rastu´a u nekoj okolini toˇke α 0 . Kako je α0 c c jedina nul-toˇka derivacije na promatranom intervalu. slijedi da je E (α) < 0 c za α ∈ (0. tada drugu derivaciju u toj toˇki moˇemo c z jednostavnije izraˇunati koriste´i sljede´u jednakost c c c f (x) = Dakle. c c Zadani sustav ´e zauzeti poloˇaj ravnoteˇe za kut α 0 = arccos(m2 /m1 ). Teorem o monotonosti 5. tada se uteg s masom m 1 podigne. c z z Zanimljivo je uoˇiti da poloˇaj ravnoteˇe ne ovisi ni o udaljenosti d. c Trebamo joˇ ustanoviti da se u toˇki α 0 nalazi i globalni minimum zadane s c funkcije na promatranom intervalu. ni o c z z radijusu koluta r. α0 ) i E (α) > 0 za α ∈ (α0 . π/2) pa zakljuˇujemo je α0 toˇka globalnog minimuma. Zaista.5.10 Rjeˇavanje problema ravnoteˇe s z 213 Dovoljan uvjet ekstrema provjerit ´emo pomo´u teorema 5. = −m1 g(r sin α) cos α − m1 g(d − r cos α)(− sin α) − m2 g(−r sin α) sin2 α gr(m2 − m1 cos α) + m1 g sin α(d − r cos α) = .11 povlaˇi c da je funkcija E(α) strogo padaju´a na intervalu (0. Kako je E (α0 ) = 0.

.

6. . . . . . . . . . . . . . . . . . . . . . . 225 Dva vaˇna limesa . . . .1. 223 Cauchyjev niz . . . . . . . . . . monotonost i konvergencija . .3 6. . .4 6. 242 . . . . . . . . . . . . . . . . . . . . . . . . . 235 6. . . . . . . . .3 6. . . . . . . . . .5 Red potencija . . .2 6. . . . . . . . 225 z Red realnih brojeva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . NIZOVI I REDOVI 6. . . . . . . . . . . . . .1. .4. 219 s 6. . . .2. . . . .4. . .2 6. . . . . . . . . . . . . . . . . . . . . . . . . .4 Red funkcija . . . . . . .1 Gomiliˇte i podniz .6 6. 221 Broj e . 227 6. . .1. . . . . . . . . . . . . . . . . . . . . . .1 Ispitivanje konvergencije . . 239 Deriviranje reda funkcija . .1. . . . 233 6. . 230 Apsolutna konvergencija . . . . . . . . . . . . .2 6. . . . . . . . . . 222 Svojstva limesa . . . . . . . . . . . . . .1. . . . . . . . .5 6. . . . . . . . . .2. . . . . . 216 6.4 Alternirani redovi . . . . . .2 Omedenost. . . . . . . . . .1 Nuˇan uvjet konvergencije . . 229 z 6. . . . . 234 6. . 238 6. .2. .3 Kriteriji konvergencije . . .3 Niz funkcija . . . . . . . . . . . . . . . .1 Niz realnih brojeva . 236 6. . 240 Taylorov red .4. . . . . .2. . . . . . . . . . . . .

. e c c osnovnih raˇunskih operacija +.. cos x. redovima realnih brojeva te nizovima i redovima funkcija. . c 6. .1 Niz realnih brojeva (kra´e niz) je svaka funkcija a : N → R. Definicija niza je vrlo jednostavna. S tim problemima bavili su se ve´ grˇki matematiˇari z c c c c pa ´emo objasniti poznati Zenonov paradoks o Ahilu i kornjaˇi. /.. . tada skup ostaje isti. c limes niza. dok kod skupa to c c nije sluˇaj. osnovne tipove nizova. ako se elementi ponavljaju. Taylorov red nam omogu´uje raˇunanje vrijednosti elementarnih c c x . c Broj a(n) ≡ an je n-ti ˇlan niza. . c Niz moˇemo oznaˇiti tako da napiˇemo prvih nekoliko ˇlanova i op´i ˇlan: z c s c c c a1 . bavit ´emo c z c c se nizovima realnih brojeva. njihova c suma moˇe biti konaˇna. Naime. . a 2 .1 Niz realnih brojeva U ovom poglavlju definirat ´emo niz realnih brojeva. −. ∗. Primjer 6. odnosno konvergenciju niza. . Redovi brojeva su zapravo sume beskonaˇno pribrojnika koji se zbrac jaju u zadanom redoslijedu i premda je tih pribrojnika beskonaˇno. sin x. . 3 5 7 9 n2 2n + 1 . Definicija 6. dokazati jedinstvenost limesa te dati nekoliko primjera. ˇiji je sadrˇaj za ve´inu studenata potpuno nov. kod niza svaki ˇlan ima toˇno odredeno mjesto na kojem se nalazi. c c Kod redova funkcija najzanimljiviji su redovi potencija. . a n . a 3 .216 NIZOVI I REDOVI U ovoj glavi. . . Jedna od najvaˇnijih primjena takvih redova je razvoj elementarnih funkcija u Taylorov red z potencija. dok se c niz mijenja. . Takoder. log x) do unaprijed zadane toˇnosti pomo´u funkcija (npr.1 a) Niz ˇiji je op´i ˇlan c c c an = glasi 1 4 9 16 . Pri tome treba razlikovati niz {an } od skupa {an : n ∈ N}. Takoder koristimo oznake (an ) ili {an }.

n 2 3 4 je monoton (strogo padaju´i) jer vrijedi c an+1 = S druge strane. . strogo padaju´i. 6. . . . 8. . . − . n+1 n Niz koji ima limes je konvergentan odnosno konvergira. 3 2 5 4 7 (−1)n + n = 0. odnosno niz sa svojstvom (∃r ∈ R. n 2 3 4 5 6 1 1 < = an . 2 3 4 5 6 c) Niz zadan s pravilom an = glasi 2.6. .  n za n neparan. Ovo je takozvani stacionarni niz. . 2n. c c c c monoton) ako je takva pripadna funkcija a : N → R. . . . glasi 1 2 1 4 1 0. n ≥ 4. 8. an = 1 n  . Definicija 6. . n ≤ 3. niz an = 1 1 1 1 = 1. . . .1 Niz realnih brojeva 217 b) Niz zadan s pravilom  1 − n  . ∃n0 ∈ N) takvi da n ≥ n0 ⇒ an = r.3 Realan broj a je graniˇna vrijednost ili limes niza {a n } ako c (∀ε > 0)(∃nε ∈ N) takav da n ≥ nε ⇒ |an − a| < ε. . . . 8. 4. . . Definicija 6. 8. . U protivnom je niz divergentan odnosno divergira. . . Na primjer. . strogo rastu´i. 8. niz an = nije monoton. za n paran.2 Niz {an } je rastu´i (padaju´i. − .

ε S [x] oznaˇavamo najve´e cijelo pozitivnog broja x. nalaze unutar intervala (−0. niz an = n divergira u +∞. za ε = 0. tada ve´i broj (ali uvijek konaˇan) ˇlanova niza ostane c c c izvan intervala (a − ε. 1 = 0. z Teorem 6. n Zaista. a niz an = −n2 divergira u −∞. c c Konvergenciju niza oznaˇavamo na sljede´e naˇine: c c c an → a. Primjer 6.2 Dokaˇimo z {an } → a. Na primjer. .4 Niz {an } divergira prema +∞ ako vrijedi (∀r > 0)(∃nr ∈ N) takav da n ≥ nr ⇒ an > r.2 c c je nε = 6 pa se ˇlanovi niza a6 .1 Zbog jedinstvenosti terminologije u nastavku izlaganja. n n ε pa je nε = 1 + 1. Postupkom iz primjera 6. lim an = a. Sliˇno.4 joˇ kaˇemo da niz {a n } konvergira prema +∞ i c s z piˇemo lim an = +∞.4 joˇ kaˇemo da s c c s z niz {an } konvergira prema −∞ i piˇemo lim a n = −∞.2. s Na kraju dokaˇimo jedinstvenost limesa. . a8 . a + c ε) sadrˇi beskonaˇno ˇlanova niza. z s .1 Niz moˇe imati najviˇe jedan limes. Sliˇno. c Kada smanjimo ε. Napomena 6. dok se izvan toga intervala nalazi samo z c c konaˇno ˇlanova niza. . Definicija 6. Na primjer. niz {an } divergira prema −∞ ako vrijedi c (∀r < 0)(∃nr ∈ N) takav da n ≥ nr ⇒ an < r. Tada 1 1 1 − 0 < ε ⇔ < ε ⇔ < n.218 NIZOVI I REDOVI Iz definicije zakljuˇujemo da kod konvergentog niza svaki ε interval (a − ε.2 rijeˇili smo osnovnu nejednadˇbu konvergencije s z za niz {an }. u prvom sluˇaju iz definicije 6. dok je uvijek beskonaˇno ˇlanova niza unutar tog c c intervala. a7 . lim n→∞ lim an = a. 0.2). u drugom sluˇaju iz definicije 6. neka je ε > 0 proizvoljan. a + ε).

Ukoliko je niz konvergentan. 6. a + ε). .5 Broj r je gomiliˇte niza {a n } ako se u svakoj ε-okolini broja r s nalazi beskonaˇno mnogo ˇlanova niza. − . − . odnosno c c (∀ε > 0)(∀n ∈ N)(∃n ∈ N. ali se i izvan te c c c c okoline takoder nalazi beskonaˇno ˇlanova niza.6. razs s lika izmedu gomiliˇta i limesa je u tome ˇto se unutar svake ε-okoline gomiliˇta s s s r (koje nije ujedno i limes) nalazi beskonaˇno ˇlanova niza. Najve´e gomiliˇte zove se limes superior i oznaˇava s lim sup. . Oˇito je lim inf a n = −1 i s c lim sup an = 1. . odnosno 2. a najmanje gomic s c liˇte zove se limes inferior i oznaˇava s lim inf. s c Limes je ujedno i gomiliˇte. b) Niz an = n(1 − (−1)n ). dok se izvan toga intervala nalazi samo konaˇno ˇlanova niza. 0. +∞ je gomilˇte niza {an } ako s (∀r > 0)(∀n ∈ N)(∃n ∈ N. . Neka su a i a dva razliˇita (konaˇna) limesa niza {a n }. Kako su intervali disjunktni. Tada se unutar intervala (a − ε. a + ε) mora nalaziti beskonaˇno ¯ c ˇlanova niza. a −∞ je gomilˇte niza {an } ako s (∀r < 0)(∀n ∈ N)(∃n ∈ N. 10.3 a) Niz an = (−1)n n 1 2 3 4 5 6 . c 6. . c c c Isto mora vrijediti i za interval (¯ − ε. to a ¯ je nemogu´e. odnosno − . s je takoder divergentan i ima gomiliˇta 0 i +∞ te vrijedi lim inf a n = 0 i lim sup an = +∞. .1 Niz realnih brojeva 219 Dokaz.1 Gomiliˇte i podniz s Definicija 6. Primjer 6. tada je oˇito c lim an = lim sup an = lim inf an . . Nadalje. 0. 0. . n > n) takav da |an − r| < ε. . dok gomiliˇte ne mora biti limes. Dalje. n+1 2 3 4 5 6 7 je divergentan i ima dva gomiliˇta 1 i −1. n > n) takav da an < r. n > n) takav da an > r. Neka je ¯ c c ε = |a − a|/2.1. .

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

3 Svaki niz ima monotoni podniz. . jer bi u protivnom n1 bio iz M . Prema definiciji skupa M vrijedi a n1 ≤ a n2 ≤ · · · ≤ a nk ≤ · · · . Vrijedi c a n1 > a n2 > · · · > a nk > · · · c pa je {ank } strogo padaju´i podniz niza {an }. 3 ∈ M . a5 = 5 i an = n za n ≥ 6.2 Omedenost. a2 = 3.2 Svaki konvergentan niz je omeden. .1. c Ako je skup M beskonaˇan. a2 . . c c omedenost i konvergenciju nizova i podnizova. Nastavljaju´i ovim postupkom c c dobivamo strogo uzlazni niz n1 < n 2 < · · · < n k < · · · . Tada se ˇlanovi niza c anε . nalaze unutar intervala (a − ε. . Skup M ⊆ N je ili konaˇan ili beskonaˇan pa c c svaki od tih sluˇajeva razmatramo posebno. 2 ∈ M . . a3 = 2. Teorem 6.1 Niz realnih brojeva 221 6. a2 . Dokaz. Tada postoji n2 ∈ N takav da je n2 > n1 i an2 < an1 . ˇiji su elementi iz skupa N \ M . monotonost i konvergencija U ovom poglavlju dokazat ´emo ˇetiri teorema koji povezuju monotonost. anε −1 . . a + ε). Definirajmo skup M = {m ∈ N : n ≥ m ⇒ an ≥ am }. tada u njemu moˇemo odabrati strogo uzlazni c z niz n1 < n 2 < · · · < n k < · · · . ako je niz zadan s a1 = 1. . c Dakle. Dokaz. odaberimo n1 ∈ N koji je ve´i od svih elemenata c c od M . a + ε} i teorem je dokazan. Neka je a = lim an . Ako je skup M konaˇan. anε +1 . To znaˇi da za svaki n vrijedi c min{a1 . . . Teorem 6. Oˇito je i n2 ∈ M . a4 = 4.6. Neka je zadan niz {an }. . Na primjer. anε −1 . Odaberimo ε > 0. tada je 1 ∈ M . {ank } je rastu´i podniz niza {an } i teorem je dokazan. . a − ε} ≤ an ≤ max{a1 . anε +2 . .

a2 . c 1 n .3 Broj e Dokazat ´emo da je niz c an = 1+ 1 n n rastu´i i omeden odozgo pa stoga konvergira po teoremu 6.5 (Bolzano—Weierstrass) Svaki omeden niz ima konvergentan podniz.4.1 povlaˇi lim a n = a i teorem je c dokazan.3 svaki niz ima monotoni podniz. Prethodna dva teorema nam takoder koriste za dokazivanje poznatog Bolzano–Weierstrassovog teorema. a = inf{a 1 .71828182845904523536028747135266249775724709369995 .1. odnosno c c baze prirodnih logaritama. u protivnom bi postojao ε > 0 takav da je a n ≥ a + ε za svaki n. tada je i monotoni podniz omeden pa podniz konvergira po teoremu 6. Teorem 6.222 NIZOVI I REDOVI Teorem 6. definicija 6.4. Dakle. Tada (∀ε > 0)(∃nε ∈ N) takav da anε < a + ε. 6. Limes tog niza c oznaˇavamo s e. ˇto s je u suprotnosti s pretpostavkom da je a infimum. a njegovih prvih pedeset c c znamenaka glasi 2.1. Dokaz. Koriste´i ovaj teorem u poglavlju 6.3 dat ´emo definiciju broja e. Po teoremu 6. · · · }.4 Svaki monoton i omeden niz je konvergentan. Dokaz. Naime. Ako je zadani niz omeden. Dokazat ´emo sluˇaj kada je niz {a n } padaju´i. odnosno |an − a| < ε. e = lim 1 + n→∞ n Broj e ima beskonaˇni neperiodiˇni decimalni zapis. Niz je padaju´i pa za n ≥ nε vrijedi c a ≤ an ≤ anε ≤ a + ε. Neka je a najve´a c c c c c c donja meda skupa ˇiji su elementi ˇlanovi niza.

√ bn = 2n+1 2 − an . koji je u poglavlju 4.6. Takoder moˇemo dokazati z lim 1− 1 n −n n→∞ = e.2 Broj e takoder moˇemo izraˇunati i kao sumu beskonaˇnog z c c reda brojeva (vidi formulu (6.1 Niz (4.1) u poglavlju 6.1.7). Dokaˇite da je niz {bn } konvergentan tako ˇto z s ´ete pokazati da je strogo rastu´i i omeden odozgo. k=1 =1+2 1− 1 2n Dokaˇimo da je zadani niz strogo rastu´i: z c 1 +1 n n n = k=0 n+1 n 1 ≤ k nk n k=0 n+1 1 k (n + 1)k 1 +1 n+1 n+1 < k=0 1 n+1 = k (n + 1)k . a1 = 2.3 pa ga c c stoga izostavljamo. c c 6.4 Svojstva limesa Svojstva limesa nizova sliˇna su svojstvima limesa funkcija koja su dana u c poglavlju 4.1. Napomena 6.1 Niz realnih brojeva 223 Dokaˇimo da je zadani niz omeden: z 1 +1 n n n = k=0 n k n 1 n k 1n−k 1− 1 2k−1 2 n ··· 1 − k−1 n =1+ k=1 n 1 1 1· 1− k! n 1 ≤1+ k! n k=1 ≤1+ < 3.6.5).7) vrijedi lim bn = π. Prema (4.3. moˇemo definirati i rekurzivno kao niz {b n } koji je definiran z formulama: √ √ b 1 = 22 2 − a 1 . an = 2 + an−1 . Dokaz sljede´eg teorema sliˇan je dokazu teorema 4. Zadatak 6.2 i zadatak 6.2.5 naveden kao jedna od mogu´ih c definicija broja π. .

c c s Teorem 6.. 32 32 32 .. tada je lim(an )x = (lim an )x . (iv) ako za svaki n vrijedi bn = 0 i ako je lim bn = 0. c n k . (iii) lim(an · bn ) = lim(an ) · lim(bn ). Tada vrijedi: (i) lim(an + bn ) = lim(an ) + lim(bn ). c . Posebno. 1 n 1 n c = 0. Primjer 6. tada je i lim bn = a.. vrijedi lim an = lim a2 = 1 2 + .7 Ako za nizove {an }. b. + 1) n2 = lim 1 n+1 1 · lim = .224 NIZOVI I REDOVI Teorem 6. (an + b) · (cn + d) · = lim a + lim c + b n d n = a .4. c. bn = x. tada je lim an bn = (lim an )lim bn .6 Neka su nizovi {an } i {bn } konvergentni. d ∈ R. (ii) lim(an − bn ) = lim(an ) − lim(bn ). bn lim bn (v) ako za svaki n vrijedi an > 0 i ako je lim an > 0. n2 odnosno a1 = 1. ako je bn stacionaran niz.5 a) Za niz an = vrijedi lim an = lim b) Za niz an = k=1 an + b . tada je lim an lim an = . 4 4 1 2 n(n a3 = 1 2 3 + + . {bn } i {cn } postoji n0 ∈ N takav da n ≥ n0 povlaˇi an ≤ bn ≤ cn i ako je lim an = lim cn = a. cn + d a. 2 n 2 Sljede´i teorem je sliˇan pravilu o uklijeˇtenoj funkciji 4.

konvergenciju niza moˇemo z ispitati i bez poznavanja limesa. 6. ∀k ∈ N) vrijedi |an+k − an | < ε. Teorem 6.1.6. 1 n < ε. n+k n n n+k n n+k Posljednja nejednakost je sigurno ispunjena ˇim je c 1 uzeti nε = [ ε ] + 1. Za a > 1 vrijedi c √ √ √ | n a − 1| < ε ⇔ n a − 1 < ε ⇔ n a < 1 + ε.7 Niz {an } je Cauchyjev niz ako (∀ε > 0)(∃nε ∈ N) takav da (∀n ≥ nε .6 Dva vaˇna limesa z lim √ n a=1 za a > 0.7 Niz an = 1 n je Cauchyjev pa prema tome konvergira. No. tvrdnja slijedi iz teorema 6. 1 1 1 1 1 1 <ε⇔ − − <ε⇔ <ε+ . ln(1 + ε) . odnosno moˇemo z 6. Primjer 6. s c s z Za a = 1 tvrdnja je oˇita. n Zaista.7.1 Niz realnih brojeva 225 Primjer 6.8 Niz je konvergentan ako i samo ako je Cauchyjev. n n n 1 Kako − n → 0 i 1 n → 0. Definicija 6. budu´i je −1 ≤ sin n ≤ 1.5 Cauchyjev niz Prilikom dokazivanja konvergencije pomo´u osnovne nejednadˇbe konverc z gencije potrebno je poznavati limes niza.1. Pokaˇimo z tako ˇto ´emo rijeˇiti osnovnu nejednadˇbu konvergencije. to za svaki n ∈ N vrijedi c − 1 sin n 1 ≤ ≤ . Zaista.6 Pokaˇimo z sin n → 0. Logaritmiraju´i obje strane dobivamo c 1 ln a ln a < ln(1 + ε) ⇔ <n n ln(1 + ε) odnosno nε = ln a + 1.

Zadatak 6.1 prikazuje (1 + 1/x)x i (1 + 1/n)n .2 Pokaˇite z lim √ √ n n = lim x x = 1 x→+∞ tako ˇto ´ete rijeˇiti osnovnu nejednadˇbu konvergencije te pomo´u proˇirenja s c s z c s po neprekidnosti. Slika 6. t→0 x→+∞ 1+ 1 x x . ln(1 − ε) Gornji limes mogli smo odrediti i primjenjuju´i proˇirenje po neprekidnosti. u ovom sluˇaju je c n→∞ lim √ √ n a = lim x a. na primjer. c s Naime. n ln(1 − ε) Nejednakost je promijenila smjer prilikom dijeljenja s negativnim brojem ln(1− ε). Logaritmiraju´i obje strane dobivamo c ln(1 − ε) < ln a 1 ln a ⇔ n > .226 Za a < 1 vrijedi NIZOVI I REDOVI √ √ √ | n a − 1| < ε ⇔ 1 − n a < ε ⇔ 1 − ε < n a. y = lim a1/x ⇔ ln y = ln( lim a1/x ) = lim x→+∞ x→+∞ x→+∞ 1 ln a = 0 x pa je y = 1. L’Hospitalovo pravilo . . . Dakle. x→+∞ √ Sada na limx→+∞ x a moˇemo primijeniti tehnike za nalaˇenje limesa funkcija z z realne varijable (logaritamsko deriviranje. . iz s c definicije broja e iz poglavlja 6.3 slijedi e = lim a zamjenom x = 1/t slijedi e = lim (1 + t)1/t . Postupak proˇirenja po neprekidnosti se ˇesto koristi. Dakle. Tako. .1. ). ln a nε = + 1.

2 Red realnih brojeva 227 3 2 1 (1+1/x)**x exp(1) "a_n" 2 4 6 8 10 Slika 6.2 Red realnih brojeva U ovom poglavlju definirat ´emo red realnih brojeva. a1 + a2 + a3 + · · · + a n + · · · k n=1 an Broj an je n-ti ˇlan reda. an . Koristimo oznake ∞ n=1 an . je k-ta parcijalna suma reda .1: Proˇirenje po neprekidnosti s 6. c dat ´emo nuˇne i dovoljne uvjete konvergencije te uvesti pojmove apsolutne i c z uvjetne konvergencije. Definicija 6.8 Red realnih brojeva (kra´e red) je zbroj beskonaˇno (prebrojivo c c mnogo) pribrojnika koji se nalaze u zadanom poretku. c .6. Broj sk = c niz {sk } je niz parcijalnih suma. Konvergencija reda definira se pomo´u niza parcijalnih suma. zatim konvergenciju reda pomo´u niza parcijalnih suma. a c Niz {sk } je jednoznaˇno odreden nizom {an } i oˇito vrijedi c sk+1 = sk + ak+1 . odnosno sumu beskonaˇno c c mnogo sumanada.

228 NIZOVI I REDOVI Definicija 6. dok Ahil stigne do poˇetnog poloˇaja kornjaˇe.9 Red konvergira ako konvergira niz parcijalnih suma.9 Zenon je postavio sljede´e pitanje poznato kao Zenonov paradoks: c Ahil se nalazi 1 metar iza kornjaˇe. a 10 puta je brˇi. suma reda jednaka je limesu niza parcijalnih suma. koc z c rnjaˇa ´e odmaknuti malo naprijed. Dok Ahil stigne do novog c c poloˇaja kornjaˇe.4) pa geometrijski red konvergira i vrijedi ∞ 1 . s = lim sk = k→∞ an . . c c c s Zenon sluˇatelja navodi na zakljuˇak da zbroj od beskonaˇno udaljenosti mora s c c biti beskonaˇan. q n−1 = lim sk = k→∞ 1−q n=1 Za q ≥ 1 je q n−1 = +∞. Stoga Ahil nikad ne´e sti´i kornjaˇu. ˇto u ovom sluˇaju nije toˇno. kornjaˇa ´e odmaknuti malo naprijed i tako z c c c dalje. niz {a n } je zbrojiv ili sumabilan.8 Promotrimo geometrijski red ∞ n=1 q n−1 = ∞ n=0 qn odnosno 1 + q + q 2 + q 3 + q 4 + · · · . s Primjer 6. Iz Za q = 1 oˇito vrijedi sk = k pa je c (1 + q + q 2 + q 3 + · · · + q k−1 )(1 − q) = 1 − q k za q = 1 slijedi k sk = n=1 q n−1 = 1 − qk . Ako krenu c z istovremeno. q n−1 = 1n−1 = +∞. Zapravo se radi o geometric s c c jskom redu i Ahil stigne kornjaˇu nakon c 1+ 1 10 1 1 + + ··· = 1 = 9 10 100 1 − 10 metara. a za q ≤ −1 niz {sk } nema limes. Ako je red konvergentan. Joˇ koristimo izraze: red je konvergentan. Primjer 6. ˇto je paradoks. 1−q Za |q| < 1 vrijedi q k → 0 (vidi primjer 6.

Teorem 6. vrijedi lim s n−1 = s. ali divergira. limm→∞ s2m = +∞. Sada imamo c lim an = lim(sn − sn−1 ) i teorem je dokazan. 2 + 1 1 + 3 4 1 1 1 + m + ··· + m m 2 2 2 s c Dakle. Dokaˇimo tu tvrdnju: niz parcijalnih suma {s k } je strogo rastu´i. ˇto povlaˇi limk→∞ sk = +∞. an divergira.2.6. tada je lim an = 0. tada red z c Dokaz. Tm. . ˇto ´emo analizirati u sljede´em s c c poglavlju.10 Harmonijski red 1 n 1 ispunjava nuˇan uvjet konvergencije jer je lim n = 0. Kako limes niza ne ovisi o c pomicanju indeksa za konaˇan broj mjesta. a za njegov podniz {s2m } vrijedi 1 1 s 2m = + + 1 2 1 1 1 1 + + + + ··· 5 6 7 8 1 1 1 + m−1 + ··· + m + m−1 + 1 2 2 +2 2 1 1 1 1 1 1 1 + + ··· + >1 + + + + + + 2 4 4 8 8 8 8 m =1 + . Neka je s= an = lim sn .1 Nuˇan uvjet konvergencije z an konvergentan. pri ˇemu je {sn } limes niza parcijalnih suma. Napomena 6.2 Red realnih brojeva 229 6.9 Ako je red Teorem moˇemo iskazati drukˇije: ako je lim a n = 0. a divergira za p ≤ 1.3 Red 1 np konvergira za p > 1. 6. odnosno z 1 z c n = +∞.6 (ii) = lim sn − lim sn−1 = 0 Primjer 6.

a red an je minoranta reda bn .2 Kriteriji konvergencije Kod razmatranja konvergencije geometrijskog reda u primjeru 6. a divergentan ako ima divergentnu minorantu. s Medutim. koja mu je suma? ˇ Cesto je lakˇe odgovoriti na prvo. Red je konvergentan ako ima konvergentnu majorantu. bn konvergira. tada red bn divergira. nego na drugo pitanje. an konvergira. tada red . Ako postoji n0 ∈ N takav da n ≥ n0 povlaˇi an ≤ bn . an an an konvergira. bn (iii) D’Alembertov kriterij. tada red divergira. tada oba reda ili konvergiraju ili divergiraju. odnosno c an .2. (b) ako je r = 0 i red (c) ako je r = 0 i red (d) ako je r = +∞ i red (e) ako je r = +∞ i red an divergira.10 Neka su an i bn redovi s pozitivnim ˇlanovima.8. c Definicija 6.10 (Kriteriji konvergencije) Neka su an i bn redovi s pozitivnim ˇlanovima. an = r. Tada vrijede sljede´i kriteriji konvergencije: c c (i) Poredbeni kriterij I. tada red bn konvergira. c red bn je majoranta reda an . zapravo se radi o dva odvojena pitanja: 1) Da li zadani red konvergira? 2) Ukoliko red konvergira. an divergira. a ako je q > 1. tada red bn divergira. (ii) Poredbeni kriterij II. Neka je lim Ako je q < 1. na prvo pitanje ˇesto moˇemo odgovoriti koriste´i c c c z c jedan od ˇetiri kriterija konvergencije koje navodimo u ovom poglavlju. Tako kod redova s ˇiji su svi ˇlanovi pozitivni. Teorem 6. tada red an konvergira. an+1 = q.230 NIZOVI I REDOVI 6. Neka je lim Tada vrijedi: (a) ako je 0 < r < +∞. istovremeno smo odgovorili na pitanje da li red konvergira i naˇli njegovu sumu. bn > 0 za ∀n ∈ N.

red 1 np divergira za p < 1 zbog istog razloga (vidi napomenu 6. a ako je q > 1.4. tada red divergira. tada red Dokaz. an √ n an = q.12 Promotrimo red 1 . tada red divergira. c z dakle kada je lim an+1 /an = 1. an an konvergira. sk ≤ b. n red 1 √ n 1 divergira jer ima divergentnu minorantu c n (vidi primjer 6.2 Red realnih brojeva 231 (iv) Cauchyjev kriterij. an+1 an = q. Niz parcijalnih suma {sk } reda an je omeden odozgo. Primjer 6. Neka red an ima konvergentnu majorantu bn = b i neka je an ≤ bn . Neka je lim n 1 − Ako je q > 1. c Primjer 6. c Raabeov kriterij se obiˇno koristi tek kada zakaˇe D’Alembertov kriterij. (v) Raabeov kriterij. Dat ´emo nekoliko primjera.10). Dokazat ´emo samo prvu varijantu poredbenog kriterija. dok dokaze c ostalih tvrdnji izostavljamo. Druga c tvrdnja je oˇita.3). Op´enito.6. niz {sk } je i strogo rastu´i pa konvergira po teoremu 6. tada red an konvergira. a ako je q < 1.11 Kako je 1 n ≤ 1 √ . n(n + 1) Zbog 1 1 1 = − n(n + 1) n n+1 . Kako je an > 0. Neka je lim Ako je q < 1.

Red konvergira po D’Alembertovom kriteriju jer je lim an+1 = lim an n+1 3n+1 n 3n = lim n+1 1 = < 1.1) = lim 1 = 0 < 1. n! 2! 3! 4! n=0 Red konvergira po D’Alembertovom kriteriju jer je an+1 = lim lim an 1 (n+1)! 1 n! ∞ (6.13 Ispitajmo konvergenciju reda n 3n po D’Alembertovom i Cauchyjevom kriteriju. c . Red 1 (n + 1)2 takoder konvergira jer ima konvergentnu majorantu vergira i red π 1 1 =1+ = .5.3).2 1 n n = = lim < 1.14 Sljede´i vaˇan red daje nam prikaz broja e: c z 1 1 1 1 = 1 + 1 + + + + · · · = e. Konaˇno. prema poredc c 1 benom kriteriju red p konvergira za p ≥ 2 (vidi napomenu 6. lim an = lim n 3 3 3 Primjer 6. No. n Primjer 6. tada kon- Zadnju jednakost ´emo dokazati u Matematici 3. 6. 3n 3 Red konvergira po Cauchyjevom kriteriju jer je √ n √ n n Zad. n+1 Zadnja jednakost u formuli (6. k+1 =1− Stoga je 1 n(n+1) = lim sk = 1. n2 (n + 1)2 6 1 n(n+1) .1) dokazat ´e se u zadatku 6.232 vrijedi k NIZOVI I REDOVI sk = n=1 1 1 1 1 1 1 1 1 1 = 1 − + − + − + ··· + + − n(n + 1) 2 2 3 3 4 k−1 k k+1 1 .

2) 1 1 1 1 1 1 − + − − + ··· (6.2. ali nisu apsolutno konvergentni nemaju ovo svojstvo (vidi poglavlje 6.11 Ako je red apsolutno konvergentan. Sume su im.2 Red realnih brojeva 233 6. c Apsolutno konvergentni redovi imaju sljede´e vaˇno i korisno svojstvo. 3 Sliˇno. Sljede´a dva teorema vezana uz apsolutno konvergentne redove navodimo c bez dokaza. U nekim sluˇajevima pomaˇe nam teorem o apsolutnoj konverz c z genciji. 7 1 1 1 + + + ··· 4 32 256 . razliˇite. to jest redoslijed zbrajanja ne utjeˇe na sumu reda. Teorem 6.2. naravno. tada je i konvergentan. c z Teorem 6. Na primjer.11 Red an je apsolutno konvergentan odnosno konvergira apsolutno ako konvergira red |an |.3 Apsolutna konvergencija U prethodnom poglavlju dani su kriteriji konvergencije za redove s pozitivnim ˇlanovima. Po prethodnom teoremu suma reda (6.6. Razmatranje redova ˇiji ˇlanovi imaju razliˇite predznake c c c c je sloˇenije. suma reda (6. Definicija 6. redovi 1− i 1− 1 1 1 1 1 1 + − + − + ··· 2 4 8 16 32 64 (6.12 Apsolutno konvergentnom redu smijemo komutirati sumande. c Redovi koji su konvergentni.3) 2 4 8 16 32 64 su apsolutno konvergentni jer je njihov red apsolutnih vrijednosti konvergentan geometrijski red 1/2n−1 .3) jednaka je c 1+ 1 1 + + ··· 8 64 − = 1 1 1 + + + ··· 2 16 128 1 1 1 1− − = 2 4 1− 1 8 − 2 .4). Za redove s pozitivnim ˇlanovima koje smo razmatrali u prethodnom poglavlju c vrijedi an = |an | pa nema razlike izmedu konvergencije i apsolutne konvergencije.2) jednaka je 1+ 1 1 1 + + + ··· 4 16 64 − 1 1 1 + + + ··· 2 8 32 = 1 1− 1 4 − 1 1 · 2 1− 1 4 = 2 .

Alternirani red (−1)n−1 1 1 1 1 1 1 π = − + − + − + ··· = 2n − 1 1 3 5 7 9 11 4 n=1 takoder konvergira po Leibnitzovom kriteriju. Prvo primijetimo da su i pozitivni i negativni dio alterniranog harmonijskog reda beskonaˇni. a pri c c tome koristimo sve ˇlanove reda.2) i (6. a koji nisu apc c c solutno konvergentni. Dakle. c Ovaj postupak moˇemo ponavljati unedogled jer je svaki ostatak od pozitivnog z i negativnog dijela i dalje beskonaˇan. medutim konverc z c gencija je vrlo spora.234 NIZOVI I REDOVI 6. ali ne konvergira apsolutno jer 1 c red 2n−1 divergira. Teorem 6. c . moˇemo posti´i bilo koju unc z c aprijed zadanu sumu s (recimo s > 0): uzmemo onoliko pozitivnih ˇlanova c c dok ne predemo s. Zadnju jednakost ´emo dokazati u primjeru 6. U posebnom sluˇaju kada predznaci alterniz c raju. z Red an za koji je sign an+1 = − sign an za svaki n zove se alternirani red. Pomo´u ovog reda moˇemo izraˇunati vrijednost broja π. ali ne konvergira apsolutno jer red apso1 lutnih vrijednosti c n divergira. c (ii) lim an = 0. Na primjer. Ovakav postupak oˇito ne moˇemo provesti c c z za redove (6.4 Alternirani redovi Razmatranje redova ˇiji ˇlanovi imaju razliˇite predznake. je sloˇenije. Zadnja jednakost bit ´e dokazana u Matematici 2. zatim uzmemo onoliko negativnih ˇlanova dok se ne vratimo ispod s.3) jer su i pozitivni i negativni dijelovi tih redova konaˇni.13 (Leibnitz) Alternirani red an konvergira ako vrijedi: (i) (∃n0 ∈ N) takav da n ≥ n0 povlaˇi |an+1 | ≤ |an |. suma ´e biti jednaka s. n ∞ Izborom odgovaraju´eg redoslijeda zbrajanja.2. n 1 1 > 2n − 1 2 1 = +∞.21.12 ne vrijedi za alternirani harmonijski red. odnosno z suma reda koji je konvergentan ali nije apsolutno konvergentan ovisi o redoslijedu zbrajanja. i tako dalje. c 1 1 = 2n 2 1 = +∞. zatim onoliko pozitivnih ˇlanova dok ne predemo s. Pokaˇimo da teorem 6. pomaˇe nam Leibnitzov kriterij konvergencije. alternirani harmonijski red (−1)n−1 1 1 1 1 = 1 − + − + · · · = ln 2 n 2 3 4 konvergira po Leibnitzovom kriteriju.

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

5 0.ε = ln x + 1. Za 0 < x < 1 vrijedi c 1 0.2: Konvergencija niza funkcija Premda su svi ˇlanovi niza {xn−1 } neprekidne funkcije.4 Red funkcija U ovom poglavlju definirat ´emo red funkcija. limes nije neprekidna c funkcija.236 NIZOVI I REDOVI ε . To se ne moˇe dogoditi kada se radi o uniformnoj konvergenciji.ε = 2 za ∀ε > 0. z Teorem 6. te c c obiˇnu. c 6.5 -1 Slika 6. nx.5 x x**2 x**3 x**4 x**5 x**10 x**25 1 -0.2. tada je f0 takoder neprekidna funkcija. Pokazat ´emo c c . apsolutnu i uniformnu konvergenciju na nekom skupu. c |xn − 0| < ε ⇔ n ln x < ε ⇔ n > poˇevˇi od drugog ˇlana pa je n0. Konvergencija niza prikazana je na slici 6.14 Ako niz neprekidnih funkcija {f n } konvergira uniformno prema funkciji f0 . Za x = 1 niz je stacionaran c s c od poˇetka pa je n0. konvergenciju u toˇki. ε c c Dakle. Zadatak 6.3 Pokaˇite da niz neprekidnih funkcija f n (x) = sinnnx konvergira z uniformno prema neprekidnoj funkciji f 0 (x) = 0 na ˇitavom skupu R. ln x Prilikom dijeljenja negativnim brojem ln x nejednakost je promijenila smjer.ε = 1 za ∀ε > 0. Sliˇno se dobije u sluˇaju −1 < x < 0 pa se radi o obiˇnoj konvergenciji.5 -1 -0.

.4 Red funkcija 237 kako se moˇe odrediti podruˇje konvergencije reda funkcija te dati jedan lako z c primjenjiv kriterij konvergencije. Definicija 6.15 (i) Red funkcija fn konvergira u toˇki x prema funkciji c s ako red realnih brojeva fn (x) konvergira prema s(x). a funkcija c k sk = n=1 fn je k-ta parcijalna suma. f 1 + f2 + f3 + · · · + f n + · · · . Niz funkcija {s k } je niz parcijalnih suma reda funkcija fn . Dakle. red funkcija xn−1 moˇemo zapisati i kao z 1 + x + x 2 + x3 + · · · + x n + · · · . Takoder. (iii) Red funkcija fn konvergira apsolutno na skupu A ako red brojeva |fn (x)| konvergira za ∀x ∈ A. konvergenciju u nekoj toˇki i obiˇnu konvergenciju moˇemo definic c z rati na dva naˇina: preko reda brojeva ili preko niza parcijalnih suma. odnosno ako niz realnih brojeva sk (x) konvergira prema s(x). pri ˇemu je fn : D → R. c ∞ n=1 fn . (ii) Red funkcija fn konvergira po toˇkama ili obiˇno prema funkciji s na c c skupu A ako fn (x) konvergira prema s(x) za ∀x ∈ A. Definicija 6. Funkcija fn je n-ti ˇlan reda. (iv) Red funkcija fn konvergira uniformno prema funkciji s na skupu A ako niz funkcija {sk } konvergira uniformno prema funkciji s na skupu A. Na primjer.6.14 Red funkcija je zbroj beskonaˇno (prebrojivo mnogo) funkcija. apc s c solutnu i uniformnu. odnosno ako sk (x) → s(x) za ∀x ∈ A. c pored obiˇne konvergencije imamo joˇ dvije razliˇite vrste konvergencije. Koristimo i oznake c ∞ n=1 fn (x).

Konvergencija je apsolutna jer red |x|n−1 konvergira za ∀x ∈ (−1. Konvergencija je takoder uniformna prema teoremu 6. (6. za koje dani red konvergira. Postupak ´emo objasniti na primjeru. 1/(1-x) 6 1+x+x**2 1+x+x**2+x**3 1+x+x**2+x**3+x**4+x**5+x**6+x**7+x**8+x**9+x**10 5 4 3 2 1 -1 -0. n n→∞ |1 − x| |1 − x| 1−x n−1 .238 NIZOVI I REDOVI Primjer 6.15 Iz svojstava geometrijskog reda iz primjera 6. a prikazana je na slici 6.3: Konvergencija geometrijskog reda funkcija 6.10 daje lim n n→∞ |fn (x)| = lim n n→∞ |x|n−1 |x| n x = lim = .4.2.5 0. odnosno sve vric c c ˇ jednosti x.8 slijedi da za geometrijski red funkcija vrijedi 1 + x + x 2 + x3 + x4 + · · · = 1 . 1−x ∀x ∈ (−1.1 Ispitivanje konvergencije Ispitati konvergenciju reda funkcija znaˇi na´i podruˇje. c Zadan je red funkcija ∞ xn−1 .2.5) (1 − x)n n=1 Cauchyjev kriterij iz teorema 6.5 1 Slika 6. 1). Cesto ispitujemo podruˇje apsoc lutne konvergencije koriste´i kriterije konvergencije za redove realnih brojeva c iz poglavlja 6.16.3. 1).

6. 1−x odnosno za x ∈ (−∞. odnosno (∃n0 ∈ N) takav da n ≥ n0 ⇒ |fn (x)| ≤ an . Na primjer. gdje je ρ < ρ. Uniformnu konvergenciju moˇemo ispitati na sljede´i naˇin. Teorem 6. x0 +ρ]. Podruˇje konvergencije reda potencija daje nam sljede´i teorem kojeg ´emo c c c dokazati u Matematici 3. red (6.6) an (x − x0 )n ili a0 + a1 (x − x0 ) + a2 (x − x0 )2 + a3 (x − x0 )3 + · · · + an (x − x0 )n + · · · . U toˇki x = 1/2 Cauchyjev kriterij ne daje odluku c pa ´emo taj sluˇaj razmotriti posebno: c c fn 1 2 = 1 n−1 2 1 n 2 = 2 = +∞. ako je ρ = 0.4. a ako je ρ = +∞.4 Red funkcija 239 Dakle. z c c Teorem 6. a divergira na skupu R\[x0 −ρ.16 Red potencija (6. x0 +ρ ].15 (Weierstrass) Red funkcija fn . ∀x ∈ D. tada red potencija konvergira za ∀x ∈ R.2 Red potencija ∞ n=0 fn Red potencija je poseban red funkcija n . Konvergenciju u toˇkama x = x0 − ρ i x = x0 + ρ treba ispitati posebno. pri ˇemu je fn : D → R. 1/2). odnosno x0 ) ∞ n=0 za koji je fn (x) = an (x − (6. tada red potencija konvergira samo u toˇki c x = x0 (trivijalno). an ∈ R. c konvergira uniformno na skupu D ako ima konvergentnu majorantu an .6) konvergira uniformno i apsolutno na svakom segmentu [x0 −ρ .5) konvergira apsolutno za sve toˇke x ∈ R \ {1} za koje je c x < 1. 6. c . Radijus konvergencije reda potencija je broj ρ= 1 lim sup n |an | ili ρ= 1 lim sup an+1 an .

U 1 toˇki x = 1 red glasi c c n pa divergira (vidi primjer 6. a divergira inaˇe. Kako je ρ = 1. c z c c Naime.3 Deriviranje reda funkcija Kada funkcija s(x) = fn (x) nije elementarna.240 Primjer 6. Prethodne tvrdnje ne´emo dokazivati. zadani red konvergira apsolutno za x ∈ [−1. zadani red konvergira za x ∈ [−1. a divergira inaˇe. njenu derivaciju moˇemo raˇunati deriviraju´i pripadni red funkcija.4) pa konvergira glasi (−1) n po Leibnitzovom kriteriju.2). n to je ρ = 1 pa red konvergira uniformno i apsolutno na intervalu (−1. Kako je (vidi zadatak 6. 1).10). U toˇki x = 1 red glasi c pa konvergira (vidi poglavlje n2 n 1 pa konvergira jer konvergira ap6. n Ovdje je oˇito x0 = 0. 1]. ∞ n=0 an (x − x0 )n = nan (x − x0 )n−1 = )n (n + 1)an+1 (x − x0 )n u svim toˇkama u kojima red c an (x − x0 konvergira. ve´ navodimo sljede´i zanimljiv primc c c jer.11).4. c c Zadatak 6.16 Zadan je red potencija 1 n x . Dakle. z 6. tada vrijedi fn (x) Posebno za red potencija vrijedi ∞ n=0 ∞ n=1 = fn (x).17 Zadan je red potencija 1 n x . n! Ispitivanje konvergencije u rubovima intervala je sloˇenije pa ga izostavite. Dakle. c Primjer 6. a u toˇki x = −1 red glasi (−1) n2 c solutno (teorem 6. ako su sve derivacije fn (x) neprekidne i ako red fn (x) konvergira. red konvergira uniformno i apsolutno 1 na intervalu (−1.2) c lim sup n NIZOVI I REDOVI |an | = lim sup n 1 = 1. U toˇki x = −1 red n 1 (alternirani harmonijski red.2. n2 Ovdje je takoder x0 = 0. 1).4 Nadite podruˇje apsolutne konvergencije reda nn n x .2. poglavlje 6. . ili nema prikladan analitiˇki izraz. 1).

5 1 Slika 6.5 0. (1 − x)2 Konvergencija reda prikazana je na slici 6.4 Red funkcija 241 Primjer 6. Za geometrijski red vrijedi ∞ n=0 xn = 1 . Ovaj red potencija takoder konvergira za |x| < 1 pa stoga za |x| < 1 vrijedi ∞ n=1 nxn−1 = ∞ n=0 (xn ) = ∞ n=0 xn = 1 1−x = 1 .4: Konvergencija reda potencija .4. 1−x |x| < 1. 1/(1-x)**2 1+2*x+3*x**2 1+2*x+3*x**2+4*x**3 1+2*x+3*x**2+4*x**3+5*x**4+6*x**5+7*x**6+8*x**7+9*x**8 8 10 6 4 2 -1 -0.6. ∞ n=1 Osim toga ∞ n=0 (xn ) = ∞ n=0 nxn−1 = nxn−1 .18 Izraˇunajmo sumu reda potencija c nxn−1 = 1 + 2x + 3x2 + 4x3 + · · · + nxn−1 + · · · za |x| < 1.

7) n! (x − x0 )n+1 (1 − θ)n+1−p f (n+1) (x0 + θ(x − x0 )) p · n! gdje je Rn (x) = (6.10) Posebno je vaˇna primjena Taylorovog razvoja na elementarne funkcije. Tada za proizvoljnu toˇku x0 ∈ (a.17 Neka funkcija f ima na intervalu (a.9) zove se Taylorov red ili Taylorov razvoj funkcije f u toˇki c x0 .7) zove se Taylorova formula . Tada za proizvoljnu toˇku x0 ∈ (a. n! a za p = n + 1 dobivamo Lagrangeov oblik ostatka Rn (x) = Rn (x) = (x − x0 )n+1 (n+1) f (x0 + θ(x − x0 )). Dokazi teorema koje c c c navodimo su sloˇeni pa ih izostavljamo. b) derivacije proizvoljnog reda. Posebno. Pomo´u Taylorove formule moˇemo s c z raˇunati vrijednosti elementarnih funkcija kao sin x. za p = 1 dobivamo Cauchyjev oblik ostatka (x − x0 )n+1 (1 − θ)n f (n+1) (x0 + θ(x − x0 )). a izraz u formuli (6. Taylorov razvoj u toˇki x0 = 0 zove se MacLaurinov razvoj.8) za p ∈ N i 0 < θ < 1. b) derivaciju reda n + 1.18 Neka funkcija f ima na intervalu (a. Formula (6.5 Taylorov red Razvoj elementarnih funkcija u Taylorov red jedna je od najvaˇnijih primz jena dosadaˇnjih rezultata ove glave. (n + 1)! Teorem 6. z Red potencija (6. e x i ln x do ˇeljene toˇnosti c z c i to koriste´i samo ˇetiri osnovne raˇunske operacije. x) i za ∀x ∈ (a. c f (x) = f (0) + ∞ n=1 f (n) (0) n x . z Teorem 6. b) vrijedi c f (x) = f (x0 ) + ∞ n=1 f (n) (x0 ) (x − x0 )n n! (6.9) ako i samo ako niz ostataka {Rn (x)} teˇi k nuli za ∀x ∈ (a. b).242 NIZOVI I REDOVI 6.8) je Schl¨mlio chov oblik ostatka. z . (6. n! (6. b) i za ∀x ∈ (a. b) vrijedi c f (x) = f (x0 )+ f (x0 ) f (x0 ) f (x0 ) (x − x0 ) + (x − x0 )2 + (x − x0 )3 + 1! 2! 3! f (n) (x0 ) ··· + (x − x0 )n + Rn (x).

4.11) vrijedi za ∀x ∈ R.6.19 formula vrijedi za sve x za koje red na desnoj strani konvergira. jer ne znamo za koje vrijednosti x formula (6.11) s vrijedi.19 Taylorov red elementarne funkcije f (x) konvergira prema f (x) u svakoj toˇki svog podruˇja konvergencije.0002. 7! 7! 1 1 ˙ + ± 0. f f V (x) = cos x. Po teoremu 6.2).0002. Konvergencija Taylorovog reda prikazana je na slici 6.19 Nadimo MacLaurinov razvoj funkcije f (x) = sin x. IV f (0) = 1. c c Primjer 6. (2n − 1)! (6. f (x) = − sin x. f (x) = − cos x.7) koristimo za raˇunanje vrijednosti elementarnih c funkcija. sin 1 = 1 − x7 1 | − cos(θx)| ≤ < 0. Po D’Alembertovom kriteriju lim |x2n+1 | (2n+1)! |x2n−1 | (2n−1)! = lim x2 = 0. f IV (0) = 0.8416 ± 0. f (0) = −1. Uvrˇtavanje s f (0) = 0.0002 = 0. . 6 120 . 2n(2n + 1) odnosno ρ = +∞ (vidi poglavlje 6.20 S kolikom toˇnoˇ´u c sc x− x3 x5 + 3! 5! Pogreˇku ´emo s c aproksimira funkciju sin x za |x| ≤ 1? Koliko je sin 1? izraˇunati koriste´i Lagrangeov oblika ostatka: c c |R6 (x)| = Dakle.10) daje x x3 x5 x7 sin x = − + − +··· = 1! 3! 5! 7! ∞ n=1 (−1)n+1 x2n−1 . f (x) = cos x. pa formula (6.5 Taylorov red 243 Teorem 6. . . f (0) = 0. (x) = sin x.5.11) Zadatak joˇ nije gotov. Primjer 6. f V (0) = 1. . u formulu (6. Taylorovu formulu (6.

n! ∀x ∈ R.5 Izraˇunajte MacLaurinove razvoje c x2n x2 x4 x6 (−1)n + − + ··· = 1 + . odnosno c c polinomi manjeg stupnja s kojima se postiˇe ista ili ve´a toˇnost. cos x. xn . z c c Zadatak 6.25 c na ovaj naˇin sin 0.3·10−8 . 2! 3! 4! n! n=1 ∞ ˇto je joˇ jedan prikaz broja e pored definicije iz poglavlja 6.5 i usporedite s rezultatima koje daje kalkulator! c Raˇunala raˇunaju funkcije sin x. Postoje i ”bolji” polinomi.5 -3 -2 -1 -0. odnosno c c c c koriste´i samo osnovne raˇunske operacije. cos x = 1 − 2! 4! 6! (2n)! n=1 i ex = 1 + x x2 x3 x4 + + + + ··· = 1 + 1! 2! 3! 4! ∞ n=1 ∞ ∀x ∈ R. Konvergencija s s Taylorovog reda za funkciju ex prikazana je na slici 6. e x i ln x na sliˇan naˇin. Toˇnost je joˇ ve´a za manje c c s c 7 /7! < 1.25)| = 0. jer je na primjer |R 6 (0.1.3. Izraˇunajte vrijednosti od x.6.244 sin(x) x-x**3/6 x-x**3/6+x**5/120 x-x**3/6+x**5/120-x**7/5040 NIZOVI I REDOVI 1 0.25 i sin 0. .5: Taylorov red za sin x Ovo je gotovo toˇnost logaritamskih tablica.5 1 2 3 -1 Slika 6. Za x = 1 prethodna formula daje e=1+1+ 1 1 1 1 + + + ··· = 1 + .

6. Iz 1 .6: Taylorov red za ex Funkciju ln x ne razvijamo u Taylorov red direktno. c Primjer 6.10) daje s ln(1 + x) = f (n) (0) = (−1)n−1 (n − 1)!. (1 + x)2 f (x) = 1 . ∞ n=1 1 . 1+x 1 f (x) = − .21 Nadimo MacLaurinov razvoj funkcije f (x) = ln(1 + x). (1 + x)3 1 f IV (x) = (−1)(−2)(−3) .12) .5 Taylorov red 245 exp(x) 1+x+x**2/2 1+x+x**2/2+x**3/6 6 1+x+x**2/2+x**3/6+x**4/24 5 4 3 2 1 -5 -4 -3 -2 -1 1 Slika 6. (1 + x)4 f (x) = (−1)(−2) zakljuˇujemo c f (n) (x) = (−1)n−1 (n − 1)! pa je Uvrˇtavanje u formulu (6. (1 + x)n (−1)n−1 n x n (6. nego koristimo jedan od sljede´a dva MacLaurinova razvoja.

10. z c .4 0. U toˇki x = −1 red glasi − c n pa divergira kao ˇto smo pokazali u primjeru 6.4.2. odnosno za koje vrijednosti x red potencija na desnoj strani konvergira.2) ρ= 1 lim sup |an+1 | |an | = 1 n =1 lim n+1 pa formula (6.4).7: Taylorov red za ln(1 + x) Ukoliko ˇelimo izraˇunati. formula (6. Radijus konvergencije reda potencija je (vidi poglavlje 6.12) vrijedi za x ∈ (−1.8 -1 log(1+x) x-x**2/2+x**3/3 x-x**2/2+x**3/3-x**4/4+x**5/5 -2 Slika 6.4 0. u toˇki x = 1 red glasi (−1)n−1 n pa konvergira po Leibnitzovom c 1 kriteriju (vidi poglavlje 6.8 -0.246 NIZOVI I REDOVI pa preostaje odrediti za koje vrijednosti x formula vrijedi. 1). 1 Dalje. ln 3. na primjer.7. tada nam formula (6. Na primjer. 2]. 2 3 4 ˇto nam daje sumu alterniranog harmonijskog reda iz poglavlja 6.2. s ln 2 = 1 − 1 1 1 + − + ··· . Kons vergencija reda prikazana je na slici 6.12) ne z c koristi. ln 2 moˇemo izraˇunati tako z c ˇto u formulu (6. ali moˇemo korisiti sljede´i razvoj. s Dakle.12) uvrstimo x = 1.12) vrijedi za x ∈ (−1. 1] pa pomo´u nje moˇemo izraˇunati c z c vrijednosti funkcije ln x za x ∈ (0.4. 1 -0.

Primjer 6. n (1 + x) (1 − x)n f (2n) (0) = 0. a u toˇki x = −1 red glasi −2 2n−1 pa takoder divergira. U toˇki x = 1 c 1 1 red glasi 2 c 2n−1 pa divergira. Zadatak 6.22 Nadimo MacLaurinov razvoj funkcije f (x) = ln f (x) = ln(1 + x) − ln(1 − x) slijedi Iz 1 1 + . 2 (1 + x) (1 − x)2 1 1 + 1(−2) (−1). odnosno f (2n−1) (0) = 2(2n − 2)!. 1) pa pomo´u nje moˇemo izraˇunati c z c vrijednosti funkcije ln x za ∀x ∈ R. (1 + x)4 (1 − x)4 f (x) = Zakljuˇujemo c f (n) (x) = (−1)n−1 (n − 1)! pa je f (n) (0) = ((−1)n−1 + 1)(n − 1)!. Uvrˇtavanje u formulu (6. Na primjer. 1+x 1−x 1 1 f (x) = − + (−1) (−1).8.13) Preostaje odrediti za koje vrijednosti x formula vrijedi. a koliko kada koristimo formulu (6.13) vrijedi za x ∈ (−1. Konvergencija reda prikazana je na s c slici 6. formula (6.13) konvergira za |x| < 1. ln 3 moˇemo izraˇunati tako z c 2 ˇto ´emo u formulu (6. f (x) = (−1)(−2) (1 + x)3 (1 − x)3 1 1 f IV (x) = (−1)(−2)(−3) + 1 · 2(−3) (−1). x2n−1 x3 x5 x7 =2 x+ + + + ··· 2n − 1 3 5 7 .6 Koliko ˇlanova reda treba za raˇunanje ln 2 na ˇetiri decimale c c c kada koristimo formulu (6.13) uvrstiti x = 3 .13)? . Dakle.10) daje s ln 1+x =2 1−x ∞ n=1 1 1 + (n − 1)! .6.12). (6. Kako je lim |an+1 | = |an | x2 . red na desnoj strani formule (6.5 Taylorov red 247 1+x 1−x .

8 -0.8: Taylorov red za ln((1 + x)/(1 − x)) .248 NIZOVI I REDOVI log((1+x)/(1-x)) 2*(x+x**3/3) 2*(x+x**3/3+x**5/5) 3 2 1 -0.4 -1 0.8 -2 -3 Slika 6.4 0.

12 binomni koeficijent. 2 A adicioni teoremi. 2 . 4 / ∨. 75 B baza eksponencijalne funkcije. 167 kompleksnog broja. 12 oktalni. 145. 130. 4 ∀. 130. 87 aplikata. 157 argument funkcije. 79. 12 . 148. 23 area kosinus hiperbolni. 12 heksadecimalni. 151 arkus sinus. 4 ¬. 12 rimski. 13 binomni pouˇak. 13 n k . 130 vertikalna. 157 kotangens hiperbolni. 150 arkus tangens. 157. 145 anti-komutativnost. 77. 140 baza prostora. 20 c arkus kosinus. 11. 5 c tranzitivna. 157 sinus hiperbolni. 5 refleksivna. 25 aritmetika raˇunala. 155 asocijativnost. 164 algebarski komplement. 62 amplituda. 5 anti-simetriˇna.2 ∧. 53. 7 kompleksnog broja. 3 ℵ0 . 136 logaritamske funkcije. 5 binarni sustav. 8 binarna relacija. 15 c Briggs. 12 heksagezimalni. 13 ∅. 157 tangens hiperbolni. 3 ∈. 20 brojevni sustav binarni. 139 brojevni pravac. 198 horzontalna. 19. 81 apsolutna vrijednost. 5 parcijalnog uredaja. 84 bijekcija. 151 asimptota. 81 apscisa. 5 simetriˇna. 4 ∃. 21. 5 c ekvivalencije. 130 kosa. 4 ∈.Indeks ⇔. 12 decimalni. 150 arkus kotangens.

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful