P. 1
MAT1

MAT1

|Views: 12,611|Likes:
Published by Deki Denik

More info:

Published by: Deki Denik on May 07, 2011
Copyright:Attribution Non-commercial

Availability:

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

08/04/2013

pdf

text

original

Sections

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

Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

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

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

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

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

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

2.4

2.5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

. . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . c 6. . . . . . . . . . . . . . . . . . . .4 Nepravi integral .1 Motivacija . . . . . . . . . . . .1. . . . . . . . . . . .3 Metode integriranja . . . . . .2. . . . . . . . . .2 Svojstva neprekidnih funkcija . . c 6. . . . . . . . .1. . . . . . . . . . .1 Povrˇina lika u ravnini . . . . . . .2. . . . . . . . . . . . .Leibnizova formula . . . . . 7. . .5. . . . . . . . . 7. . . . . . . . . . . . . . . . . .1 Primitivna funkcija . . . . . . . . . . . . . .2. . . . . . . . . . 6. . . . . . . . . . .5 Primjene integralnog raˇuna . . . 7. . . . . . . . . . . .1. . . . . . . . . .2 Volumen rotacijskog tijela . . . . . . c 6. . . . . .1. . . . . . . . . . . . . . . . . . .7 Primjene u fizici . . .1. . . .1. .5. . 6. . . . . . s 7. . . . 6. . . . . . c 7.4 Graniˇna vrijednost (limes) funkcije . . . c 6. . . .2 Derivacija funkcije . . .6 Povrˇina rotacijske plohe . .1. . . . . . 7. . . . . . . . . . . . . .1 Neodredeni integral . . . . . .4 Moment ustrajnosti (inercije) .7 Raˇunanje limesa . . . .1 Neprekidnost funkcije . . 7. . .2. . . . . . c 6. . . . . .1. . . . . . . . . . . .2.8 Primjene derivacija . 6. .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . 7. . . s 6.vi 6 Uvod u diferencijalni raˇun c 6.2. . . . . . . . . . . . . . . . . . zs 7. . .5. . . . . . 6. . . . . . . . .2.5. . .2. . . . . . . . . . . . . . zs 7. . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Derivacija funkcije u toˇki . .1. . . . . . c 6. . . . . . . . . . . . . . 7. . . 7. . . . . . . . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . .2 Svojstva odredenog integrala . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Teˇiˇte . . . . . . 6. . . . . . . . . . . . . .1 Motivacija . . . . . . . . . . . . . . . . .3 Newton . . . . . . . . . . .2 Neodredeni integral . . . . . . . . . . . . . . . . . . . . .5 Neprekidnost i limes . s 7. . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . .3 Neprekidnost elementarnih funkcija . . . . . .5. . . . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . 7. . . .3 Derivacija funkcije .5.6 Derivacije viˇeg reda . .2 Odredeni integral . 7 Uvod u integralni raˇun c 7. . . . . . . .6 Neodredeni oblici . . . . . . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . 6.2. . . . . . . .4 Raˇunanje derivacija . . . . . . .2. . . . . . . . . . . . . . . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . .

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

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

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

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

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

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

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

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

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

10 ˇ POGLAVLJE 1. c . − − → −→ Definicija 1. s Q P P Slika 1. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. Duljinu − → − → vektora P Q oznaˇavamo s d(P. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. intenzitet). tj.2 slijedi da je op´enito P Q = QP . Q Q’ P P’ Slika 1.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q . jer imaju razliˇite poˇetke i c c c krajeve. z z Q − → − → Iz Definicije 1. Q) =| P Q |.2: Jednakost vektora.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene.1: Duˇina i usmjerena duˇina. tj. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. jedna od njih je poˇetak P a druga je kraj Q. VEKTORSKI RACUN − → Definicija 1. Poˇetak joˇ c c c s zovemo hvatiˇte. do na translaciju prostora)? z 1.

3. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1.3). Sada samo izaberemo orijentaciju koja nam treba. poˇinje u P a z c zavrˇava u Q. tj. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. tj. Napomena 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. c 2. → Napomena 1.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . P = Q. → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b . Preciznije. onda c a − → − →. Vektor kod kojeg su poˇetak i kraj jednaki.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Za vektor P Q kaˇemo da je orijentiran od P prema Q. → c . uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Tada je c − − → − = OB.3). VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. Iz a Napomene 1.1. Pogledajmo sada neka svojstva nul vektora: c − → 1. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. 11 − → 3. Oˇito je | 0 | = 0. B ∈ E takve da je OA = − i AB = b . zvat ´emo nul vektor i c c − → oznaˇavati s 0 . postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. z kolinearan je sa svakim vektorom). Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.1.

1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. → a =−a → − → → → − a a 4. − + b = b + − (komutativnost).4: Pravilo trokuta i pravilo paralelograma. − → − → − → Napomena 1.12 ˇ POGLAVLJE 1. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). Q ∈ E vrijedi P Q = P O + OQ. i oznaˇavamo ga s → 0 . a c a c → − → → → − → a a a 2. − → → − → → → → − 3. c Teorem 1. .3 Za bilo koje tri toˇke P. Vektor a zovemo suprotni vektor vektora a c − → −. VEKTORSKI RACUN R a G Slika 1. (− + b ) + − = → + ( b + − ) (asocijativnost). ♣ B b a+b a b 0 A a+b a b Slika 1.3: Motivacija za definiciju zbrajanja vektora. O.

λ > 0 B’ 0 λa. itd. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ).λ<0 a A B Slika 1. koji ima isti smjer kao →. s → − − a c Napomena 1. definiramo λ− kao vektor: a → 1. z → Za λ ∈ R. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1.1 ima sljede´a svojstva: ima →.1.4 Vektor a = −→ iz Teorema 1. c a − 2. d c a + b+ c+ d a b Slika 1. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. tj. Sliˇno 2− + − = 3→.1. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. realnim brojem.5: Pravilo mnogokuta za zbrajanje viˇe vektora. a a → Za sluˇaj → + − piˇemo 2− (tj. ˇija je duljina jednaka |λ||− |.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. λa . → BA. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. a . ali je suprotne orijentacije.6: Mnoˇenje vektora skalarom. Za n ∈ N a c a a a − = (n − 1)− + − .

Neka je dan polupravac (zraka) s poˇetkom u O. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA.♣ a a Definicija 1.5 nigdje ne govori o geometrijskim veliˇinama.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). i neka je A = O c toˇka koja leˇi na tom polupravcu. Primjetimo da se u Definiciji 1. za sve a. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . 1 · − = → (postojanje jedinice). a a → − 4. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). onda. 2. a a a − → 3.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. a suprotnu orijentaciju a − za λ < 0. uz pretpostavku − = 0 . Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.1 i Teorema 1. c Vratimo se sada Definiciji 1. → od vektora a Teorem 1. − → → → → − Ako su vektori − i b kolinearni. λ(µ→) = (λµ)− (homogenost).2. 3.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. Elemente od skupa V zovemo vektori. koji ima istu orijentaciju kao vektor − za λ > 0. a a → → → 2. VEKTORSKI RACUN → 3. b ∈ V je a + b ∈ V . postoji pravac a a .14 ˇ POGLAVLJE 1. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora).

b = OB. pa moˇemo a a a z − → − = a . → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). A. Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . onda je |− | = 0. b ∈ XO (E) i λ ∈ R. a a . svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP .1. B ∈ E na p takve da je − = OA. (λ. − → 2. (Usporedimo ovo s Definicijom 1. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. a → → − − → Imamo sljede´i zakljuˇak: vektori − = 0 i b su kolinearni ako i samo ako c c a − → → − → → → − postoji λ ∈ R takav da je b = λ− . → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E.2 Vektorski prostor XO (E). gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. z → − → − → → → Neka su sada − . Kako je → = 0 .2. b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E).4). Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. tj. Bijekcija je konstruirana na prirodan naˇin. VEKTORSKI PROSTOR XO (E). → →→ te vrijedi a a a0 1. Imamo da je c a − → → b = λ− . (− . Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1.1). Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. tj. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor.

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

5 Ako su − . c − → − Napomena 1. VEKTORSKI PROSTOR XO (E).7. taj rastav je jedinstven. Teorem 1. b i − tri linearno nezavisna vektora iz XO (E). LINEARNA KOMBINACIJA VEKTORA17 → − − 2..3 je jasna.3 slijedi iz Napomene 1.. →. on se ne moˇe izraziti kao njihova linearna konbinacija. b bilo koja dva linearno nezavisna vektora iz XO (M ). ♣ Tvrdnja Teorema 1. → ∈ XO (E) jednak nul veka1 a2 an toru.1.. onda su oni linearno zavisni ako i samo ako su kolinearni. Stoviˇe. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − ..4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. → → − Teorem 1.4 Ako su − .2. − i − . → → − → Teorem 1. → ∈ XO linearno zavisni. pa z z slijedi da su oni linearno nezavisni. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. Ako su − . Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. Ako imamo dva vektora − . a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.♣ → → → ˇ s a b c Iz Teorema 1. . c − → → a 4. b ∈ XO (E). → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. takav rastav je jedinstven.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. z → − − 3. onda su ti vektori linearno zavisni. Ako je barem jedan od vektora − ... jer se nalazimo na pravcu. .8 Neka su →. →.♣ → a s Jednostavna posljedica Teorema 1. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. e1 e2 e3 z Tada su oni linearno nezavisni. Stoviˇe.♣ . − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.

8 z ˇ oni su linearno nezavisni.18 ˇ POGLAVLJE 1. − → − → Neka je (→. 0) i Ez = (0. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni.7 Uredena trojka (− . 1). →. uredeni par → − (− . Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . j . 1. c →. →). Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. Kako vektori i . az ) su jednoznaˇno odredene. Stoviˇe. − . VEKTORSKI RACUN 1. Definirajmo i = OEx . → → a b i j k . pri ˇemu su skalari a1 . prema Napomeni 1.5). te toˇke Ex = c s c −→ − − → −→ − → − (1. 0. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). k ne leˇe u istoj ravnini. 0.3 Baza vektorskog prostora XO (E). Ey = (0. − . e1 e2 Napomena 1. a2 i a3 − → → → vektor iz XO (E). Analogno. 0). j = OEy i − → −→ − − − − → → → k = OEz . duljine su im 1 i leˇe na okomitim c s z pravcima.1 i Teorem z 1.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. ay . − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). − ∈ XO (E). Koordinatni sustav → − → Definicija 1. z c → → Neka je sada − proizvoljan vektor iz XO (E). Tada je a e1 e2 e3 c − (Teorem 1. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. Skalare a1 . pa ˇine bazu.

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

Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu.... . x2 . Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N... c c Za (x1 . . xn + yn ). . . az + bz ). .. az ) = (λax ... Dakle Rn = {(x1 ... Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1... yn ) = (x1 + y1 . Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom.. ako su sila i put kolinearni.... i = 1.. λx2 ... U toˇki 1. ay . 2. ˇini bazu u R . Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . VEKTORSKI RACUN 1. 1. λ(x1 ... ay . . xn ) = (λx1 .. x2 + y2 .. Moˇe se pokazati da skup od n vektora −i = (0.. kaˇemo da je R n-dimenzionalni realni vektorski prostor. Zelimo uvesti i mnoˇenje vektora. (ax .3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). xn ) + (y1 . .. bz ) = (ax + bx . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. 0. U tu svrhu moramo na odgovaraju´i naˇin definirati c c . x2 .. . az ) + (bx . . xn ) : xi ∈ R za i = 1. . x2 . . n. yn ) ∈ Rn i λ ∈ R definiramo: (x1 .20 ˇ POGLAVLJE 1. λay . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. (y1 . Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza..5 Skalarni produkt ˇ Vektori su generalizacija brojeva.. n.. . .. y2 ... λaz ). by . z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). Kako ta baza ima c n n vektora. z 1. 0.... x2 .1 i Teorema 1. λxn ). x2 . To svojstvo baze od X0 (E) zovemo potpunost.. n}. y2 . xn ) gdje su xi ∈ R za i = 1.. Sada zaboravimo geometriju (jer ne moˇemo lako predoˇiti takve skupove) i z c za proizvoljni n ∈ N definirajmo takve operacije nad uredenim n-torkama realnih brojeva (x1 . Zelimo imati operacije koje imamo za brojeve i koje se svode na operacije s brojevima za n = 1 (sluˇaj n = 1 svodi se na c vektorski prostor XO (p) ili R1 = R)... xn ). Skup svih takvih n-torki oznaˇavat ´emo sa Rn . ... ay + by ..2. λ(ax .

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

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

. tj. xn ).1. yn ) ∈ Rn ..9 Neka su V i W realni vektorski prostori.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije..♣ − → → → → 1.. a a → − → → − − a a c 3. z z → → − → − → − → → 2. a onda f zovemo linearni funkcional.5. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . Posebno. (λ− ) · b = λ(− · b ) (homogenost).6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |.. → · b = b · − (simetriˇnost). Definicija 1. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. y2 . slaˇe s Napomenom 1. − → a b Napomena 1.. + xn yn . a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . . tj. Za preslikavanje (funkciju) sa V u W . f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . Polaze´i od − · b = |− || b | cos(ϕ) dobivamo za ne-nul vektore − i b c a a a − − →→ a b √ cos(ϕ) = − · − = √ 2ax bx +ay by +az bz2 2 .. x2 . b ∈ V i sve λ. (− + b ) · − = − · → + b · → (aditivnost).10. → → x y Teorem 1. a c a c c → → → − → − 2. − = (y1 . a x y z Ova se formula za duˇinu vektora.. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . . . → → Neka su − = (x1 . ako je vektorski prostor W = R. µ ∈ R.

j . − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. ay = − · j . → a i j k → Brojeve cos α.♠ a a c a c c a − → − → − → Neka je sada ( i . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. j . µ ∈ R proizvoljni. az ∈ [−1. cos γ zovemo kosinusi smjera vektora − . az = − · k . a a z c − → a → − Pogledajmo vektor − = − . VEKTORSKI RACUN → Primjer 1. k ) od XO (E). Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . → → − → − →→ → →→ a a i i a j j a k k Napomena 1. ay = cos β. − a0 →| i − −| j → −| k → |a |a |a . (− . a → → → − Neka je sada − ∈ XO (E). az = cos γ.3).1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . pa postoje brojevi α. ay . Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . − ). Stoviˇe. j . k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1.24 ˇ POGLAVLJE 1. b ∈ a a c a XO (E) i λ. β. vrijedi a2 + a2 + a x y 2 az = 1. Kako je |− | = 1. cos β. π] c takvi da je ax = cos α. γ ∈ [0. vrijedi a s → − → → = ax → + ay − + az − . Ve´ smo rekli (toˇka 1.12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. Tada su oˇito ax . onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− .2 Neka je − ∈ XO (E) fiksan vektor. 1]. Tada je skalarno mnoˇenje s c z − linearni funkcional. Neka su sada →. − .

Dakle imamo OD = ( d · − )− jer je OD = λ− . Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. a0 a0 . Tada postoji D ∈ E takva da je d = OD. SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . → |a| ay cos β = − . → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti.10: Projekcija vektora na pravac. Nadalje. → |a| az cos γ = → . imamo − → → →→ − d = ( d · − )− .5. Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D. a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1.1. a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. jediniˇni vektor. − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi.

odnosno. drugu s −a i zbrojimo ih.6 Digresija . drugu s −b i zbrojimo ih.26 ˇ POGLAVLJE 1. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi.determinante matrica 2. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. a b A= . . x= αd − βb . c c z U ovom se odjeljku upoznajemo s pojmom determinante koji igra vaˇnu ulogu u z saˇetom i elegantnom formuliranju rezultata o linearnim sustavima. ako prvu jednadˇbu pomnoˇimo s c. a koristan je z i pri radu s vektorima. za ad − bc = 0. c d Sada za matricu A definirajmo funkciju det koja ´e matrici A pridruˇivati realan c z broj na sljede´i naˇin: c c a b c d det A = det = ad − bc. VEKTORSKI RACUN 1. z z dobijemo αc − βa βa − αc y= = . Ako pomnoˇimo prvu jednadˇbu s d. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. i 3. ad − bc S druge strane. dobijemo z z (ad − bc)x = αd − βb. reda Iz prethodnih smo odjeljaka mogli vidjeti da se uvodenjem vektora i pravila za raˇunanje s njima dobiva mogu´nost saˇetog iskazivanja i zapisivanja rezultata.

Analogno. cx + dy = β. REDA Oznaka koju joˇ koristimo je s a b .1. tj. c  a1 a2  A =  b1 b2 c1 c2 i dana je s  a3  b3  . da smijemo dijeliti s det A. Tada imamo c d a α c β a b c d 27 x= α b β d a b c d i y= . odnosno a = c c c − → − → b .6. c3 Determinantu matrice tre´eg reda raˇunamo rekurzivno razvojem po prvom retku. to znaˇi da je ad = bc. za sustav s tri jednadˇbe i tri nepoznanice imamo: z a1 x + a2 y + a3 z = α b1 x + b2 y + b3 z = β c1 x + c2 y + c3 z = γ. tj.DETERMINANTE MATRICA 2. Ako to nije sluˇaj. DIGRESIJA . Matrica tog sustava je matrica tre´eg reda. I 3. pa onda s . c c U tom se razvoju pojavljuju determinate drugog reda: a1 a2 a3 b1 b2 b3 c1 c2 c3 b2 b3 c2 c3 b1 b3 c1 c3 b1 b2 . c c Drugi naˇin na koji moˇemo raˇunati determinante matrica tre´eg reda je Sarc z c c rusovo pravilo: ispod determinante dopiˇemo njena prva dva redka. Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora. c1 c2 det A = = a1 − a2 + a3 Determinante matrica drugog reda znamo raˇunati. odnosno paralelnosti pravaca definiranih izrazima ax + by = α. Pri izvodenju ovih formula pretpostavljali smo da je ad − bc = 0. To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d − → − → i c i + d j . sveli smo problem raˇunanja c c determinante tre´eg reda na problem raˇunanja determinante drugog reda.

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

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

j . i . i . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O.30 ˇ POGLAVLJE 1. tj.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. i . k preko i . ako je D < 0. Dakle. onda nisu. onda su S i S (odnosno njihove baze) jednako orijentirani. z Napomena 1.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). → → a b i j k . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). − → − → − → − → k = c1 i + c2 j + c3 k . pomo´u determinante pripadaju´e c c matrice. j . onda se z orijentiranost od S i S ispituje analogno. k ) i S = (O . k : z − → − → − → − → i = a1 i + a2 j + a3 k . Prikaˇimo i . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. − → − → → − − → j = b1 i + b2 j + b3 k .10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). Definicija 1. j .8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. k ) pravokutni normirani c c → → − desni koordinatni sustav. j . j . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . c1 c2 c3 Ako je D > 0. 1.

7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Tada je |→ × − | = 0. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni.♣ → a . bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. Tada je |− × b | = 0. b nul vektor. a a a Napomena 1. − → → → − → − → → 2.1. → × b = −( b × − ) a a (antikomutativnost). → → → − → → − (a b c a c b c − − → → − → 3. jer je nul vektor kolinearan sa svakim vektorom. Zbog − · − = |→||− | cos ϕ. Kako je − · b = |→|| b | cos ϕ. neka je − × b = 0 . VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 .8. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). tj. pa desna strana formule za duljinu vektora − × b iˇˇezava. i ϕ = 0 ili ϕ = π. Neka su sada oba vektora razliˇita od nul vektora. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . − → − → |a a sc a b → − → → − pa i − × b = 0 . kao saˇeti zapis. pa je cos2 ϕ = 1. Po pretpostavci je |→| = 0 i | b | = 0.6. a → − → → → → − → − → − Obratno. → × ( b + − ) = − × b + − × − . ϕ = 0 ili ϕ = π. c c z Teorem 1.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. c Dokaz: − → → Ako je barem jedan od vektora − .♣ Primijetimo da tvrdnje Teorema 1. a c → i → kolinearni. Dakle a − → − i b su kolinearni. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost).

Izraˇunajmo sada determinantu D (opisanu u toˇki 1.32 ˇ POGLAVLJE 1. − × b ) c a a a a → → − je jedna baza. − − − → → → Neka je (O. b . j . Pitanje je sad je li − × b orijentiran.7). i neka − − − → → → − → − − → − → − → → → − a su → = ax i + ay j + az k i b = bx i + by j + bz k zapisi vektora − i b u a − − − − → → → − → − → → → bazi ( i . iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ. k ). VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni. tj. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . Imamo: c c ax ay az bx by bz ay bz − az by az bx − ax bz ax by − ay bx D= = (ay bz − az by )2 + (az bx − ax bz )2 + (ax by − ay bx )2 > 0. j . a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. k ) pravokutni normirani desni koordinatni sustav. prema ”gore” ili prema a ”dolje”? ax b b a Slika 1. . Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0. a a → → − Neka su − i b nekolinearni.12: Vektorski produkt. i . (− . Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k .

j . b . k ) koje ´e nam c c biti koristno pri raˇunanju. pravila za vektorsko mnoˇenje te gornju tablicu) z z . Sa Slike 1.1. k ). c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. i . k ). k ) desni koordinatni sustav (pravokutni i normirani).13 vidimo da je → = − × − .13: Kutna brzina. ω r v v ω 0 r Slika 1. Uzmimo npr. to je − → → → → − (O. j . VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. pravila za skalarno mnoˇenje. Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 .8. j . j . − × b ) desni (op´enito nepravokutni) koordinatni sustav.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. dok je s druge strane i × ( i × j ) = − j tj. vektore ortonormirane baze ( i . − .15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i .

− . a c a c c a Primjenom gornjih formula lagano se dokazuje Jacobijev identitet: → → → → − × (− × − ) + − × (→ × − ) + → × (− × →) = − . VEKTORSKI RACUN → − → × (− × →) = (− · →)− − (→ · − )− − → − → − →→ a b c a c b a b c → − − − → → − − − → →→ (→ × b ) × → = (− · − ) b − ( b · →)− . → unaprijed zadani a 1.34 da vrijede slijede´e korisne formule: c ˇ POGLAVLJE 1. imamo: a c − → − − − × (→ × − ) + → × (− × →) + − × (− × − ) = →. cx cy . − ) neka desna ortonormirana baza. → − → − → − a b c b c a c a b 0 → → → − Ako u Jacobijev identitet uvrstimo − = − = 0 . b = bx i + by j + bz k i a → − → → → → − = cx → + cy − + cz − . cx cy cz odnosno s → · (− × − ) = ax by bz − → → a b c cy cz − ay bx bz cx cz + az bx by . → c i j k i j k − · (− × − ) definiramo s → → → Tada njihov mjeˇoviti produkt a s b c → · (− × − ) = − → → a b c ax ay az bx by bz . → → − → → → a b a b a a a a b 0 → − − → × (− × →) + − × (− × − ) = →. Podijelimo li ovaj izraz sa |− |2 dobijemo: a a a a a a a − → − → →·− → − → → 1 → b = a b − + − 2 − × ( b × − ). a a → a |− |2 a |→| a − → − → Dobili smo formulu za rastav vektora b na vektor kolinearan s → i vektor okomit na − za a a −. gdje je (− . − → → → a b a a a b 0 Kako je − × (→ × − ) = (→ · − )− − (− · − )→. → − → − →→ → →− a a b a b a a a b imamo odnosno − → − × (→ × − ) + (− · − )→ − (− · →)− = − → → →− → − → → a b a a b a a a b 0 tj. − − − → → → →→ − − − → → (− · − ) b = → × ( b × →) + (→ · b )− .9 Mjeˇoviti produkt s − → → − → − − → → − − → − → → Neka su zadani vektori − = ax i + ay j + az k .

kako je a c → − − → → − − → − · ( b × c ) = 0. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . gdje je |→| baza. Tada je: → → → a b c → − → − → − − → 1. − → − i samo ako su a b c − → → → Ako su − . |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. zakljuˇujemo da su vektori → i b × c okomiti. Pretpostavimo zato da su − = 0 . b = 0 i → = 0 . b . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. Tada.6. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − .♣.14: Mjeˇoviti produkt triju vektora. onda − → − Obratno. − ∈ XO (E). − komplanarni po Napomeni 1.ˇ 1.16 Vektori →. − . pa kako je − okomit na b × − . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. s → → − → Definicija 1. a | b | sin ϕ visina paralelograma. → komplanarni. jer je a a c → − − → |→ · b | = |− || cos ϕ|. MJESOVITI PRODUKT 35 bx c a c b Slika 1. → − → − → → → → Napomena 1. a a .17 Za vektore − .16 oni su linearno zavisni. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. b . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. vektorsko mnoˇenje i mjeˇoviti z z s produkt.4 i 5 iz toˇke 1. z → − − − a c Napomena 1. a a − → → − → − − → − 2. pa tvrdnja slijedi a c iz svojstava determinante 3.11 Za vektore − . |→ × b | je povrˇina paralelograma razapetog s → i b . − . b .9. b .

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

1. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. taj skup je neprazan. B B 37 . s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. c c s 2. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. i .3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. onda za c proizvoljni x0 imamo C A y0 = − x0 − . pri ˇemu su A. Takav analitiˇki opis ne ovisi o geometrijskom zoru.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. no c vaˇno je znati da se na sliˇan naˇin mogu opisati i sloˇeniji geometrijski objekti z c c z kao ˇto su krivulje i plohe. Ta jednadˇba opisuje neki skup toˇaka u ravnini. Ako je B = 0. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i .Poglavlje 2 Analitiˇka geometrija c 2.

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

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

40 ˇ POGLAVLJE 2. b) i (a. z z Uoˇimo sljede´e: ako je x = 0.2: Segmentni oblik jednadˇbe pravca.1.3: Kanonski oblik jednadˇbe pravca. z . pravac prolazi kroz toˇke (0.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). c c tj. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. a ako je y = 0. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. z p s=mi+nj P1 = (x 1. 0). onda je x = a. z 2. onda je y = b. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . c c y b a 0 x Slika 2. imamo A x a + y b = 1.y 1 ) Slika 2.

y2 ) u ravnini M . s s 2. tj. onda c c je jasno da njima prolazi jedinstveni pravac p. jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. y) − koju prolazi pravac i vektor smjera pravca s i j c − − − → − = −1→ = (x − x1 )→ + (y − y1 )→ i − → PP leˇi na p ako i samo ako su vektori r z i j s → = λ→.y 2 ) P = (x 1.1. iz kanonske jednadˇbe c z . a kako p po pretpostavci prolazi toˇkom P . z p Q = (x2 . Nadimo jednadˇbu tog pravca. y = y1 . x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ).y 1 ) Slika 2.4: Pravac kroz dvije toˇke.1. Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. y1 ) i Q = (x2 . z z Napomena 2. ˇto se vidi i iz vektora smjera → = m i + 0 j . c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. tj. z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . Toˇka P = (x. PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 .2.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni. bez komponente u smjeru j . Dakle imamo pravac paralelan s osi c → − → − − → − x.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 . Iz uvjeta x − x1 = λm i − − kolinearni. Npr. y1 ) kroz z c z c → → → = m− + n− .

1. ANALITICKA GEOMETRIJA pravca imamo da je jednadˇba pravca kroz dvije toˇke z c x−x1 x2 −x1 = y−y1 y2 −y1 ili y= y2 −y1 (x x2 −x1 − x1 ) + y 1 . z . Tada je y = kx − kx1 + y1 . Uvode´i oznaku k = m . znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0.5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. c 2. y l ϕ 0 x Slika 2. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Veliˇinu k zovemo koeficijent smjera pravca p. Uvedemo li oznaku l = −kx1 . y − y1 = k(x − x1 ).5: Eksplicitni oblik jednadˇbe pravca. dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l.42 ˇ POGLAVLJE 2.

n − → → Toˇka P = (x. l). 2.5).6: Normirani oblik jednadˇbe pravca. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. 1]. n Kako je tg ϕ = m . c 43 n ˇ Uzeli smo da je k = m .1. z Jasno je da su a. Povucimo sada kroz O pravac q okomit na p. tj. pa tada postoje ψ. odnosno z → → r n x cos ψ + y sin ψ = d . imamo k = tg ϕ.2.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). → → r n Jednadˇbu − · − = d. P = (x. s vektorom i ). y) leˇi na pravcu p ako i samo ako je z − · − = d. c − → − → → pa imamo − = cos ψ i + sin ψ j . b ∈ [−1. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. φ ∈ [0. π] takvi da je a = cos ψ − i b = cos φ. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. PRAVAC U RAVNINI Napomena 2. n c y q n θ P0 x r P p 0 Slika 2. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.3 Za x = 0 imamo y = l tj.1. c c s − → − → → d = |OP0 |. pravac prolazi toˇkom (0. tj. a2 + b2 = 1. Neka je − = a i + b j jediniˇni vektor na pravcu q. tj.

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

4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . → → kolinearni. tj. A2 B2 → → Napomena 2. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. ako i samo ako je A1 A2 + B1 B2 = 0.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. −1 → Neka je ϕ kut izmedu → i −2 .ˇ 2. Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 . . ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 .2. → n i j 45 Definicija 2. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = .

− → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . m2 n2 → → Napomena 2. tj.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − .46 b) Kanonski oblik: ˇ POGLAVLJE 2. s1 s2 tj. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . s1 s2 odnosno ako i samo ako je n1 m1 = . → → Napomena 2. ako i samo ako postoji λ ∈ R takav da je − = λ− . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. ako i samo ako je m1 m2 + n1 n2 = 0.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . .

Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . y = k2 x + l2 . Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2. 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . Neka je ϕ = ϕ2 − ϕ1 . 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. k2 = tg ϕ2 .7: Kut dvaju pravaca. Definicija 2.4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .2. . ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 .ˇ 2.

y0 ) i pravac p u ravnini.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . Izraˇunajmo sada udaljenost toˇke P0 od pravca p.2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . tj. c Definicija 2.48 ˇ POGLAVLJE 2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . sa suprotne strane od ishodiˇta) jer je tada n s . Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj. x cos ψ + y sin ψ = d. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . odnosno ako i samo ako je 1 + k1 k2 = 0.7).8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. tj.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. ANALITICKA GEOMETRIJA Napomena 2.1. odnosno ako i samo ako je k1 = k2 . s Napomena 2. p) = x0 cos ψ + y0 sin ψ − d. To je ekvivalentno s 1 k1 = − . tj. k2 2. Zanima nas udaljenost c toˇke P0 od pravca p. Napomena 2. Neka je pravac p dan u c c normiranom obliku. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. ako i samo ako je ϕ1 = ϕ2 .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. 2 ako i samo ako je tg ϕ = ∞.5.

y0 ) od pravca p je c d(P0 . a2 +b2 x y + = 1. odnosno bx + ay − ab = 0. pravac kroz dvije toˇke. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. a b . p) = |bx0 +ay0 −ab| √ . ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . tj. p) = odnosno d(P0 . p) = |Ax0 +By0 +C| √ . onda iz toˇke 2. p) = |x0 cos ψ + y0 sin ψ − d|. p) < 0. kanonski. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . A2 +B 2 Ax0 + By0 + C √ . Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.1 c z c (segmentni. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 .2.ˇ 2. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . udaljenost toˇke P0 = (x0 . −sign C A2 + B 2 Koriste´i gornju formulu za udaljenost toˇke od pravca ˇija je jednadˇba c c c z zadana u op´em obliku.1. eksplicitni). y0 ) od pravca p je c d(P0 . p) ≥ 0. lagano moˇemo izvesti i formule za udaljenost toˇke od c z c pravca ˇija je jednadˇba zadana u bilo kojem obliku spomenutom u toˇki 2.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0.

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

ys ). ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2.2. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. c 2. identiˇni su.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. 3. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . sijeku se u jednoj toˇki. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. paralelni su. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. tj. xs = . c z U sluˇaju da se sijeku u jednoj toˇki. Npr.8: Mogu´i poloˇaji pravaca u ravnini.2. poklapaju se.ˇ 2. zovimo je S = (xs .

Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . onda su p1 i p2 paralelni. Napomena 2.11 Ako je A 1 B1 A 2 B2 = 0. p) suprotnog predznaka.2. p) = x0 cos ψ + y0 sin ψ − d. onda je A 1 B1 A 2 B2 = 0.4). Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 .2.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. Osim udaljenosti.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . . p)|. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . p) i δ(B. ako su p1 i p2 paralelni. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . Vrijedi i obrat.52 i ˇ POGLAVLJE 2. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. 2.

→ n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni.ˇ 2. tj. p3 u ravnini u op´em obliku. A2 B2 A 1 B1 . p2 . . jer ako su sve tri jednake nuli. tj.2. Dokaˇimo da je i z C3 = αC1 + βC2 .5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . s c Neka se sada. postoje α. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . β ∈ R takvi da je −3 = α→ + β −2 .2. Oznaˇimo c c c ju sa S = (xs . ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. bez smanjenja op´enitosti. tj. ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta.4 vektori → → −1 = A1 − + B1 − . po Teoremu 1. z c s Da bi se p1 . p2 . mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . Tada p3 mora prolaziti kroz S. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . ys ). → n i j → → −2 = A2 − + B2 − . p1 i p2 sijeku u jednoj toˇki. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. onda prema Napomeni c 2.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo.

pa po svojstvima determinante 4. C3 ) su linearno zac visni. C1 ). i 5.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. vektori (A1 .54 ˇ POGLAVLJE 2. C2 ). S. B1 . B2 . c A1 B1 . ANALITICKA GEOMETRIJA Kako p1 . iz toˇke 1. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . β ∈ R. Drugim rijeˇima. imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. (A2 . A3 B3 A2 B2 A2 B2 =0 . p3 po pretpostavci prolaze istom toˇkom. Dakle dobili smo da pravac p3 pripada sveˇnju odredenom s p1 i p2 ako i samo z ako vrijedi A3 x + B3 y + C3 = α(A1 x + B1 y + C1 ) + β(A2 x + B2 y + C2 ) = 0 za neke α. B3 . Znaˇi uvjet presijecanja triju pravaca u istoj toˇki je c c A1 B1 C1 A2 B2 C2 A3 B3 C3 i barem jedna od triju determinanta A 1 B1 . A 2 B2 je razliˇita od nule. p2 . (A3 .

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

onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. c) odnosno a. b. z Napomena 2. z c s 2. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. . ANALITICKA GEOMETRIJA x = x0 + ta.56 Jednadˇbe z ˇ POGLAVLJE 2.13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1. s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . Kako su vektori baze linearno nezavisni. b. y = y0 + tb. vektor smjera pravca p je dan s (a. j i k dobivamo kanonske jednadˇbe pravca. pravac p prolazi toˇkom (x0 . y0 . z s Napomena 2.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 .12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . z0 ) i 2. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . Prema s z Napomeni 1. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . c su koeficijenti smjera pravca p.3.

s 2.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). i njihov omjer daje koeficijent smjera (toˇka 2. → − → → r r1 r2 r1 .3. onda ima dva kosinusa smjera. π] takvi da je a cos α = − . Uzmimo sada npr. β. b. z Znamo iz toˇke 2. γ ∈ [0. →| |s b cos β = − .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. z1 ) i P2 = (x2 . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. Sada imamo da je → = P1 P2 = → − →. c c Tada kroz njh prolazi jedinstveni pravac p. →| |s c cos γ = → . Odredimo njegovu jednadˇbu. − .2. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. −| |s Dakle koeficijenti smjera a. c).4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 .1. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . Zbog komplec mentarnosti. jedan kosinus smjera prelazi u sinus.1. y1 . Kako p prolazi i toˇkom P2 jasno je da − leˇi na p.3. z2 ) u prostoru. c) je dana s x y z = = . y2 .6). odnosno postoje c s0 α.3. istog smjera i orijentacije kao i →. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . tj. − →| s →| |→| |→| |s |s s s − jediniˇni.3. − → z definirajmo s P c s − je vektor smjera pravca p. c s → Iz toˇke 1.5 i toˇka 2.5 znamo da postoje kosinusi smjera vektora − . s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . b. pa odreduje isti pravac. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. onda znamo da je vektor → s a b c 1 → s0 = − − = − . PRAVAC U PROSTORU 57 → Posebno. a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni. pa iz toˇke − − s r2 c s r2 r1 c 2. b.

10: Pravac kroz dvije toˇke u prostoru. z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. Analogno. y = y1 + t(y2 − y1 ). c c c . c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . c x = mz + m1 .3. y0 . c c c odnosno. uz oznake m = a c i m1 = − a z0 . b. a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . z c y2 −y1 2 −z 2. z0 ) s vektorom smjera − = (a. z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke.58 ˇ POGLAVLJE 2.

+ n2 + 1 cos γ = √ m2 1 . c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.3. Napomena 2.3. + n2 + 1 cos β = √ m2 n . y0 .3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m .n ) 1 1 Slika 2. vrijedi x−m1 m = y−n1 n = z. + n2 + 1 2. Tada za svaki izbor a.3. 59 y = nz + n1 . PRAVAC U PROSTORU odnosno.2.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . Dakle. uz oznake n = b c b i n1 = − c z0 . b.14 Iz toˇke 2. z y=nz+n 1 x =mz+m 1 y 0 x (m . z b c .11: Pravac zadan dvjema projekcijama.

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

RAVNINA U PROSTORU 61 2. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. z redom (tj. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. onda je p = 0. z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p. toˇku O). → n Posebno. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . s vektorima baze −0 ˇto ih n s − − − → → → i . β. k iz toˇke 1. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. ako Π prolazi kroz ishodiˇte (tj. γ kutovi c → zatvara s pozitivnim smjerovima osi x.4 2. P0 d r π n0 0 M Slika 2. y. → n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. → → radij-vektora r n c P . jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. Povucimo okomicu iz toˇke O na ravninu Π. → → r n . a vektor z −0 zovemo normala ravnine Π.4.3 ).13: Normalni oblik jednadˇbe ravnine.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. j . Neka je −0 = OP0 c c n p −→ − (tj.4.2.

z. 2. r n Napomena 2. c c Sada. c Neka je M = (x1 .17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. 0). n .62 ˇ POGLAVLJE 2. → ako je M s one strane Π na koju pokazuje −0 . u stvari. y. B = (0. Kao i kod pravca (toˇka 2. 0). Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. Za toˇke s druge strane bit ´e n c c d < 0. z − − → OA · → = p.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. redom. a c kako M leˇi u Π . Napomena 2. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. jer je duljina okomice do Π jednaka p). C = c (0. Kako je d. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. iz normalne jednadˇbe ravnine imamo. z). 0. y1 . mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. C ∈ Π. z1 ) ∈ E proizvoljna. neka su toˇke A = (a. c). n0 − − → → OB · −0 = p.2.4. Imamo neˇto analogno otklonu iz toˇke 2. n − → → OC · −0 = p. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). y. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 .16 Ako toˇka P ∈ E ima koordinate (x.2.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. udaljenost ravnine Π od ravnine Π . kako su A. Nadalje. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π.2. toˇke u kojima Π sijeˇe koordinatne osi x. B. b. 0.

cos γ = . p p p cos α = . RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. B. Odatle. cos β = .4.4.2. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0).14: Segmentni oblik jednadˇbe ravnine.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. Bez smanjenja op´enitosti. tj. c cos γ = p. a cos α = p. b cos β = p. z Dakle. Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. . z 2. c C C Tada postoji toˇka (x0 . neka je C = 0. a b c Uvrˇtavanjem u skalarni oblik normalne jednadˇbe ravnine dobivamo jednadˇbu s z z x a +y+ b z c =1 koju zovemo segmentni oblik jednadˇbe ravnine. y0 . z = − C x − B y − D . z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ).

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

nepotpune obc z like): c c z 1. pa odreduju istu ravninu. Ako je D = 0. Stoga ´emo i vektor − zvati vektor normale. RAVNINA U PROSTORU predznaka od D. Napomena 2. onda su koordinate A. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. s c A2 +B 2 +C 2 Napomena 2. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. pa imamo cos γ = 0. b1 = − B i c1 = − D . tj. C C C A z Oznaˇimo a1 = − C .19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. c onda je A B D z =− x− y− . 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. R cos β = B . Π) = |Ax1 +By1 +Cz1 +D| √ .17. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. po c Napomeni 2. Ako je C = 0. onda normala − = (A. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. k ). C). istog su smjera n n → c n i orijentacije.2. tj. R cos γ = C . B.4. ravnina prolazi kroz ishodiˇte. B. z1 ) ∈ E. Dakle imamo cos α = 65 A . B. 0.20 Neka je dana toˇka M = (x1 . R → → Vektor normale −0 je normirani vektor − = (A. c . onda je oˇito da O = (0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.4. Tada je.1). 0) nema komponentu u smjeru n − → osi z (tj. y1 . C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . s → 2.

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

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

4. − . P3 ne leˇe na istom pravcu. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. P1 P3 komplanarni. Po Napomeni 1. s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. ANALITICKA GEOMETRIJA −→ → − − odnosno. s1 .4. Dakle.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . z3 ) u c prostoru takve da ne leˇe na istom pravcu. Kao i u toˇki 2. P1 P2 .4. z2 ). P2 . P2 .16. Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 . → komplanarni.5. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .5 2.1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 . Kako toˇke P1 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. Po Napomeni 1. y1 . toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P2 . vektori s1 s2 −→ → − − − → P0 P . 2.68 ˇ POGLAVLJE 2. P3 = (x3 . P3 (uzmemo npr. z1 ). ako i samo ako su P0 P . 2. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. y3 . y2 . P2 = (x2 .

6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . tj. odnosno ako → → kolinearni. C1 ) n → i −2 = (A2 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. B1 . imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . Ravnine se ne sijeku.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . ako i samo ako je −1 · −2 = 0.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Ravnine se sijeku u jednom i samo jednom pravcu. Teorem 2. tj.2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . Ravnine se podudaraju. B2 . 2. −1 → Napomena 2. ♣ . 69 −1 Definicija 2. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 .24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti.5. 3. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. C2 ).

onda se one moraju sje´i. drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . B2 C2 A 2 B2 Uvrˇtavaju´i z = 0 u jednadˇbe ravnina dobivamo sustav ˇije rjeˇenje nam daje s c z c s toˇku T0 na pravcu presjeka. Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. C1 = A1 . 2. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . Ako je joˇ i A2 = B1 = C1 = D1 . Njene su koordinate c B1 D1   B2 D2 T0 =  . Konaˇno. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina.70 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . onda z s A1 B2 C2 D2 se ravnine podudaraju. 0 . odredenosti radi. ako ravnine A2 B2 B2 C2 A2 nisu paralelne. A2 x + B2 y + C2 z + D2 = 0. Uzmimo. Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. .   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . A3 x + B3 y + C3 z + D3 = 0. p z 2. tj.   → Vektor smjera − pravca presjeka mora biti okomit na obje normale pa ga moˇemo p z − − = → × −2 = (B1 C2 − B2 C1 )→ + (C1 A2 − → −1 → uzeti kao njihov vektorski produkt.23. Ako ravnine nisu paralelne. da je c = 0. B1 = C2 .2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. z c c Kako ravnine nisu paralelne. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0. i njihov c presjek je pravac. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule.5. imamo tre´i sluˇaj. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i .

b.5. tj. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju).4.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. Π2 i Π3 moraju zadoc c s voljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . onda je presjeciˇte jedinstveno (tj.2.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. ∆. B. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. → → s n . A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . C).5. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. 2. z Definicija 2. toˇka 2. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. c) i − = (A.5) i koordinate su mu c c ∆x ∆y ∆z ∆. paralelne su). Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . s jedna toˇka. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. ∆ . c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku. z nepoznanice). y. b.

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

y0 .2. z1 − c Ax1Aa+Bb+Cc+D . y = y1 + bt. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at.5. z = z1 + ct. tj. y1 − b Ax1Aa+Bb+Cc+D . ako nema konaˇnog z koji je rjeˇenje. a druga je uvjet paralelnosti pravca i ravnine. onda uvrˇtavanje u op´u jednadˇbu ravnine daje jednadˇbu za vrijednost parames c z z tra t koja odgovara presjeciˇtu s t=− Koordinate presjeka su +By1 +Cz1 +By1 +Cz1 +By1 +Cz1 x1 − a Ax1Aa+Bb+Cc+D . tj.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. 2. z z .5.28 Ako ne postoji takav t koji je konaˇan. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 .27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. Ax1 + By1 + Cz1 + D . z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. Aa + Bb + Cc Napomena 2.

Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . y2 .5.74 ˇ POGLAVLJE 2. c2 ). y1 . z2 ) s vektorima smjera − = (a1 . → → s1 s2 p 2 p 1 Slika 2. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. s1 s2 redom. c c c 2. b2 .2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . → → Znamo da je kosinus kuta izmedu − i − jednak s1 s2 →·− − → s1 s2 cos ϕ = − − = |→||→| s1 s2 a1 a2 + b1 b2 + c1 c2 a2 1 + b2 + c2 1 1 a2 + b2 + c2 2 2 2 . 3. ANALITICKA GEOMETRIJA Teorem 2. . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). Definicija 2. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). Pravac i ravnina se ne sijeku. z1 ) odnosno c → → P2 = (x2 . c 2.18: Mimosmjerni pravci. Pravac je sadrˇan u ravnini. b1 . Pravac i ravnina se sijeku u samo jednoj toˇki.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. c1 ) odnosno − = (a2 .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).

c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. c c z → s1 Napomena 2. → Napomena 2. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 .30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. ako i samo ako je → · − = 0. tj.3. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . 2. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.5. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.5).2. z= 1 m−m n−n . ako i samo ako postoji λ ∈ R takav da je − = λ→.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. tj. c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . tj. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .

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

Pravci leˇe u istoj ravnini i ne sijeku se. z c 4. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.5. imamo isti pravac. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Pozabavimo se sluˇajem mimosmjernih pravaca. tj.29. ne leˇe u istoj ravnini. ˇetvrti sluˇaj. Pravci se podudaraju. Ako su sva tri redka proporcionalna. z 3. z 2.2. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Pravci su mimosmjerni. c =0 .6 na gornju determinantu (tj. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. i 6. Prema Napomeni 2. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0. pa nema presjeciˇta. iz toˇke 1. z Moˇe se desiti da su oni paralelni. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. Teorem 2.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. z s pravci p1 i p2 ´e se sje´i ako je c c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 i ne vrijedi a1 : b1 : c1 = a2 : b2 : c2 . no prvi se redak moˇe izraziti kao njihova linearna komz pozicija.

. b2 . = 0. c1 ) i − = (a2 . kako p1 leˇi u Π i Π je paralelna sa p2 . jednadˇba ravnine Π je dana s z x − x1 y − y1 z − z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x − x1 ) b1 c1 b2 c2 + (y − y1 ) c1 a1 c2 a2 + (z − z1 ) a1 b1 a2 b2 = 0. y1 . b1 . .5. c2 ). Iz s1 s2 Napomene 2. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 .22. c1 ) c s1 − = (a2 . b1 . imamo da Π prolazi z → → kroz P1 = (x1 . a2 b2 c2 a2 b2 c2 . y1 . z2 ) s pripadaju´im vektorima smjera − = (a1 . ANALITICKA GEOMETRIJA 2. y2 . z1 ) → odnosno P2 = (x2 . Onda su njihove kanonske jednadˇbe dane s → odnosno s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i x − x2 y − y2 z − z2 = = . c2 ). p1 leˇi u ravnini). b2 . Dakle. z1 ) i paralelna je sa − = (a1 .78 ˇ POGLAVLJE 2.9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. a2 b2 c2 Definicija 2. Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni).

(Uzmemo c s c li ravninu okomitu na p1 kroz P1 . onda su p1 i p2 paralelni. z2 ). uzmimo toˇku P2 = (x2 . kako konstruirati ravninu kroz toˇku P1 = (x1 . → − Ako su − i → kolinearni.5. pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni. x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 2 d(P2 . .2. zovimo je M . d(p1 . Napomena 2.20. . → → → n s1 s2 Time smo dobili izraz kao i gore tj. y1 . Tada pogledamo presjek te ravnine i pravca p2 . prema Napomeni 2. ˇto je toˇka. ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π. ˇto znamo izraˇunati. c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 .31 Kako znamo da postoji ravnina Π takva da p1 leˇi u njoj i z paralelna je sa p2 ? Ekvivalentno je pitanje. Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . − = → n b1 c1 c1 a1 a1 b1 . b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . y2 . Tada je. onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. jasno je da moˇemo uzeti da joj je normala z − .

.

z i u) kao jedinstveni objekt (matricu). Ako bismo uspjeli razviti raˇun takvih objekata. To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. y.Poglavlje 3 Matrice i linearni sustavi 3. z z Npr.1 Osnove matriˇnog raˇuna c c Motivacija Promotrimo sustav linearnih jednadˇbi z x − z + 2u = −3 2y + z + u = 1 x +y −z = −1 2x + y + z + u = 3.1.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. U primjeru iz toˇke 1.1 3. y. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . 1 −1 0  1 1 1 81 . z i c z u. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici.

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

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

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

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

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

+ λk Ak je linearna kombinacija matrica A1 . 2. Ak ∈ Mmn matrice i λ1 . 4..1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. razvijena) u linearni spoj po matricama z z A1 .♣ Iz Teorema 3. (A + B) + C = A + (B + C) (asocijativnost).. Ak s koeficijentima λ1 . A2 . λk razliˇit od c nule. A2 . λk ∈ R skalari.. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost.. A + B = B + A (komutativnost).1. .. . Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. Matrica A = λ1 A1 + . ..4. β ∈ R vrijedi: 1. z Teorem 3. C ∈ Mmn i sve skalare iz α.1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor.3 odnosno Definicije 3. .. Njegovi su elementi (”vektori”) matrice tipa m × n.. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja.. α(A + B) = αA + αB (distributivnost)... λk . Ak .. 3.. . linearna kombinacija i linearni rastav..ˇ ˇ 3.5 Neka su A1 . A2 . A2 .. s Definicija 3. OSNOVE MATRICNOG RACUNA 87 Teorem 3. onda je i A ∈ Mmn . Kaˇemo da je A rastavljena (razloˇena.. a na svim ostalim mjestima nule ˇini bazu u Mmn .4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . . Ak ∈ Mmn .. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn... α(βA) = (αβ)A (homogenost). ˇto slijedi izravno iz Definicije s 3. . B. j) imaju z jedinicu.. Napomena 3.. Linearna kombinacija je netrivijalna ako je barem jedan λ1 ..2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c ..

. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. gdje za As vrijedi AT = As . 2. (AT )T = A za sve A ∈ Mmn .. . gdje su elementi od C dani s cij = aij bij za i = 1. B ∈ Mmn . itd. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. MATRICE I LINEARNI SUSTAVI 1. 2 Oˇito je AT = As . geometriji. B. 3.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja.1.3 i Definicije 3. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. a za Aa vrijedi AT = −Aa . Dakle imamo tvrdnju. .. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. (A + B)T = AT + B T za sve A..5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . Definicije 3.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). AT = −Aa i A = As + Aa . Oˇito je tako definirana matrica C ∈ Mmn .4. Tako bismo za matrice A = [aij ]. ♣ c s a 3.. nema podlogu u fizici. To nam z name´e sljede´u definiciju. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. Napomena 3. m i j = 1. Produkt A·B takvih matrica .88 POGLAVLJE 3.. n. Iako jednostavna. Takoder.

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

gdje je α ∈ R. gdje su A ∈ Mmn . 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . c Posebno vrijedi A · In = In · A = A. za n = 2 imamo 0 1 0 0 a s druge strane. · 1 0 1 1 = 1 1 0 0 . A · In = A. 2. B. MATRICE I LINEARNI SUSTAVI Na kraju. B ∈ Mmn . A ∈ Mmn i D ∈ Mnp . 5.3 (Svojstva mnoˇenja matrica) Za sve matrice A.90 POGLAVLJE 3. c jer npr. A · 0np = 0mp . gdje je A ∈ Mmn . A. Dakle mnoˇenje matrica je op´enito nekomutativno. 3. z c Teorem 3. za n = m = p. . 0pm · A = 0pn . Im · A = A. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice). gdje je A ∈ Mmn . C takve da z promatrani produkti postoje vrijedi: 1. α(A · D) = (αA) · D = A · (αD). C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). (A · B) · C = A · (B · C) (asocijativnost). B ∈ Mnp i C ∈ Mpq . za A ∈ Mnn . C ∈ Mpm i D ∈ Mnq . gdje su A. gdje je A ∈ Mmn . tj. 4. B ∈ Mnn takoder op´enito vrijedi A · B = B · A.

OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.. svaka linearna z jednadˇba ide u svoj redak). Sloˇimo li ih u (2 × 2) matricu. npr. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. Izaberimo dva redka. dobijemo podmatricu z 3 4 0 3 matrice A. 1 0 3 0  Neka je r = s = 2.1. 3.ˇ ˇ 3. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ). b = [b1 . c . i dva stupca npr. . takvu podmatricu zovemo blok. c drugi i tre´i. 3. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. 3. Primjer 3.♠ Ako su izabrani redci i stupci uzastopni.5 Podmatrice i blok matrice Neka je A ∈ Mmn . bm ]T poznata matrica desnih strana i z x = [x1 . 0. xn ]T nepoznata matrica. 4. 3. dobivamo podmatricu z matrice A... Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.3. ..6.6 Neka je  2 3 4 1   A =  −1 2 1 3  . prvi i tre´i.4. Sloˇimo li ih u (r ×s) matricu..1..

. − n ] a1 a i zovemo je blok matrica stupaca... MATRICE I LINEARNI SUSTAVI    A=  a11 a21 a31 a41 a12 a22 a32 a42 a13 a23 a33 a43 a14 a24 a34 a44 a15 a25 a35 a45      Izaberimo prva dva redka i prva dva stupca.92 Primjer 3. Sada se lagano provjeri da vrijedi − → − → − → − → A · B = A · [ b1 . Sada matricu A moˇemo prikazati u obliku z A= dakle A postaje blok matrica. A21 = .7 Neka je POGLAVLJE 3... svih m redaka i n-ti stupac. matrica A prelazi → u blok matricu ˇiji su blokovi stupci od A. Tada redom dobijemo blokove matrice A A11 = a11 a12 a21 a22 a31 a32 a41 a42 ... Prema Napomeni 3.7 matricu B moˇemo zapisati z kao blok matricu stupaca. A · b p ]. druga dva redka i prva dva stupca.. b p ]. A22 = . . tj. Analogno se konstruira blok matrica redaka. n. onda je blok matrica A oblika → → A = [− ... . ..♠ Napomena 3. . − → − → B = [ b1 .. Ako stupce od A oznaˇimo sa −i c c a i = 1.7 Neka je A ∈ Mmn .. svih m redaka i drugi stupac.. . Naka je A ∈ Mmn i B ∈ Mnp ... A11 A12 A21 A22 . . zatim prva dva redka i zadnja tri stupca.. Ako izaberemo svih m redaka i prvi stupac. te druga dva redka i zadnja tri stupca. A12 = a13 a14 a15 a23 a24 a25 a33 a34 a35 a43 a44 a45 . b p ] = [A · b1 ...

4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno.ˇ ˇ 3. c Napomena 3. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . tj. b.1. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . postoji broj koji pomnoˇen s a daje 1. Teorema 3. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. onda je barem jedan od a ili b jednak nuli. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz.1. c 2. U toˇki 3.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. 1.6 Regularne matrice. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 .8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.1. Npr. c c c Iz svojstva 5. c. OSNOVE MATRICNOG RACUNA 93 3. dakle ne postoji izbor brojeva a. Npr. tj. U skupu R vrijedi: ako je a · b = 0. neka je dana matrica c 0 1 1 0 . Dakle postoje ne nul matrice ˇiji je produkt nul matrica. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 .

MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. . Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . c 0 1 1 0 · a b c d = c d a b . neka postoji matrica B ∈ Mn takva da je A · B = B · A = In . Ako uzmemo a = d = 0 i b = c = 1 imamo 0 1 1 0 Dakle multiplikativni inverz od 0 1 1 0 je ona sama.9 Neka je A ∈ Mn regularna. c Teorem 3. tj. z Definicija 3. Za matricu A koja nije regularna kaˇemo da je singularna. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In . Tada je B jednoznaˇno odredena s A.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 .♣ Znaˇi.7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In . Dakle je A · A−1 = A−1 · A = c In .94 POGLAVLJE 3. z Napomena 3.

.. 5. Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 . ain ) · (aj1 . ai2 .. 95 4.. a j-ti stupac matrice AT je (aj1 . + a2 = 1 i1 i2 in za i = j. Napomena 3... U Napomeni 3.6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn .. Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn . u stvari. ajn ) za j = 1.. ain ) · (aj1 . n. .. ai2 . ajn ) = ai1 aj1 + ai2 aj2 + . vrijedi A · AT = AT · A = In . −1 3. j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . preciznije Gn ⊂ Mn ... . (To je.. ai2 .1.... Kako je po pretpostavci A ortogonalna.8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In . Tada je i-ti redak matrice A z (ai1 . ain ) za i = 1.. aj2 .ˇ ˇ 3.. ajn ) = ai1 aj1 + ai2 aj2 + ... .. OSNOVE MATRICNOG RACUNA 1. . j-ti redak od A).. ain ) · (aj1 .... ain ) · (aj1 . n. 0n ∈ Gn .. . ajn ) = a2 + a2 + . . In ∈ Gn i In = In .. .. Dakle i matrica AT · A ima iste elemente. + ain ajn = δij odnosno (ai1 . 2. + ain ajn .. Stoviˇe.. s z c . aj2 .10 Neka je A = [aij ] ∈ Mn ortogonalna.. Zakljuˇujemo da na mjestu (i.♣ / z Definicija 3... ajn ) = ai1 aj1 + ai2 aj2 + . aj2 . .. moˇe se dokazati da ˇine ortonormiranu bazu od Rn ... Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A. aj2 .. ˇtoviˇe vrijedi da je s s (ai1 . .. . ai2 . B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 .... aj2 . Gn = Mn .. Ako su A. . + ain ajn = 0 za i = j i (ai1 ..... ai2 .

a1 an . skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).10 Neka je V vektorski prostor (Definicija 1. → → s L( a1 an → → → → an a1 L(− . .5). Podprostor razapet vektorima a1 an − . linearne zavisnosti/nezavisnosti. moˇemo promatrati kao vektore u R ..1.. MATRICE I LINEARNI SUSTAVI 3. Iskaˇimo sada jedan bitan rezultat..5) i neka je L neki podskup od V . a1 an Napomena 3.. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). matrice iz Mm1 .. − je skup svih linearnih kombinacija vektora − .96 POGLAVLJE 3.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. → → Definicija 3.5 izravno slijedi da je r(A) = r(AT ). Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. Elementarne transformacije Neka je A = [aij ] ∈ Mmn ... Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. Definicija 3... tj. − ) podprostor od Rm .7 Rang matrice. z Teorem 3.. Sliˇno. − ∈ Rm . Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.♣ Kako je po Teoremu 3. + λn − : λ1 . iz Definicije 1. njene z c n redke. matrice iz M1n ... i 3. →) ⊆ Rm ...11 Neka su − . − .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . Definicija 3. . . − ) = {λ1 − + ... a1 an → → i izravno iz Definicije 3.. .. .. λn ∈ R}..11 Oˇito je da je c − − L(→. .. moˇemo promatrati kao vektore u vektorskom prostoru Rm . . ..6 znamo da stupce. To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije..10 slijedi da je L(− . Oznaˇavamo ga → → → → a1 an a1 an c − . Iz Napomene 3... − ). 2..9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.. vrijede svojstva 1.

. Napomena 3. c .. n). Neka je 0 ∈ Mmn nul matrica. Neka je L(− . Stoga vrijedi s − − dim(L(→.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. Tada je oˇito r(In ) = n. →}..8 Vrijedi: − → 1.. . znamo da je u a1 an a1 an bazi najviˇe n vektora. .. →)) ≤ n. − .ˇ ˇ 3. 2. z Teorem 3. .. − razapinju L(− . . . .... Mmn .. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3..12 Neka su − . → → → → Napomena 3.. Napomena 3.. − ) podprostor a1 an a1 an m − . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. Neka je A ∈ Mmn ..12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora..15 Iz Napomene 3... Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn . Neka je R(A) podprostor od Rm razapet stupcima matrice A.. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Dimenziju vektorskog prostora L(− .♣ Primjer 3. − ).14 Uz gornje oznake iz Teorema 3.1. − )). i R (A) podprostor Rn razapet redcima od matrice A. a1 an Vratimo se na konkretan vektorski prostor... . jer je skup { 0 } uvijek linearno zavisan...5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). Neka je In ∈ Mn ...13 imamo da je r(A) ≤ min(m. − ∈ Rm . − ) → → → → od R razapet sa a1 an a1 an →... ..13 Kako vektori − . Tada je r(0) = 0..

. Dakle. k.6 s     B=    1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 2 5 8 0 0 3 6 9 0 0 4 7 0 0 0     . Nadalje. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. n) ima jedinice... jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. Neka je dana B ∈ M5. na aij za i < j. iz Teorema 3.. . Dakle.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . MATRICE I LINEARNI SUSTAVI 3. na aij za j < i ima nule. z 3. na aij za i = k + 1.. j = 2.. Mnoˇenje redka (stupca) skalarom λ = 0. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice.. akk za k ≤ min(m. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . tj.98 POGLAVLJE 3. .♠ Iz Primjera 3.9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . Primjer 3. Pitanje je.5 imamo da je r(B) = 3.. ima nule.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. na pozicijama a11 .  .. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. Zamjena dvaju redaka (stupaca). c c r(In ) = n) i matrice koja izgleda kao i matrica B. 2. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k)..

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

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

. s i = 1. s Ako je (c1 . . = xn = 0 daje rjeˇenje c svakog homogenog sustava. Definicija 3.. m.. + a1n xn = b1 a21 x1 + a22 x2 + .. s . 2.. .... m.. imamo netrivijalno rjeˇenje. Ako je barem z jedan bi = 0.2. uredena ˇetvorka (1. . Takvo rjeˇenje zovemo trivijalno. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 . c2 . bm : c a11 x1 + a12 x2 + .3. am1 x1 + am2 x2 + . jer x1 = . Za sustav kaˇemo da je homogen ako je b1 = .. kaˇemo da je nekonzistentan.2.18 Primijetimo: 1.. xn s z koeficijentima aij .2 3.. . Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. + a2n xn = b2 . m vrijedi ai1 = .. c s z proturjeˇan ili nemogu´.. s s z s 3. .14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja.. = ain = 0...... Npr.xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. .. n i slobodnim ˇlanovima b1 .1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 .. = bm = 0.. 0. n. ... .... + amn xn = bm . Uredena n-torka (c1 . j = 1. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. i = 1. sustav je nemogu´.. . Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan.. c2 . . Ako sustav nema rjeˇenja. c s 2. ... c c Napomena 3.. a bi = 0.. . i = 1... Homogeni sustav je uvijek mogu´... Ako za neki i = 1.. . LINEARNI SUSTAVI 101 3.... sustav je nehomogen.. s z suglasan ili mogu´...

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

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

onda ih ima beskonaˇno x s c mnogo.. = λn = 0 a a a c (tj. po Teoremu 3.8 homogeni sustav je uvijek c rjeˇiv. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b .18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. → − x 0 → → − Napomena 3.8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. s c s → − → → − → − → Ako je A− = b .) Ako je n = m i A regularna.. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b . A je regularna. → → − III. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje.6 imamo da je r(A) = n). Neka su sada λ1 ..104 POGLAVLJE 3.. (Kronecker-Capelli) − → → Sustav A− = b ima barem jedno rjeˇenje ako i samo ako matrica sustava x s A i proˇirena matrica sustava Ab imaju isti rang.6).. odnosno λ1 = . + a − → → → → λn − n = 0 (− 1 . tj. − n su vektor stupci od A). To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. Iz Napomene 3. s x → → − → Obrnuto.. onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. Iz − → → − b = (λ1 + x1 )− 1 + . .21 Ako sustav A− = b ima dva rjeˇenja. s − → → II. = λn = 0. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3. Ako je n = m. Dokaz: ... onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. jer je A(A b ) = b . dakle ima bar jedno rjeˇenje...20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ).. bilo kojih r z linearno nezavisnih redaka u A. MATRICE I LINEARNI SUSTAVI Teorem 3. → je A regularna.. Dakle stupci od A su linearno x x nezavisni. tj. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . Ho´emo pokazati da je λ1 = . pa je sustav konzistentan. . da su stupci od A linearno nezavisni.. tj. λn ∈ R takvi da je λ1 →1 + .. λ = 0 . da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . ♣ − → − Napomena 3. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. tj. Ako je r = r(A) = r(Ab ).

20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). gdje je λ ∈ R proizvoljan.♣ s c z s x → Iz Teorema 3.2. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . Tada je. c Napomena 3. Treba provjeriti da N (A) ima svojstva iz Definicije 1. u u Dakle je N (A) vektorski podprostor od Rn . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .3 Homogeni sustavi → Iz Napomene 3. Dokaz: Oˇito je N (A) ⊆ Rn . x x − → Oˇito je 0 ∈ N (A).2. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). c 3.2 su oˇito zadovoljena.5.3. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. → ∈ N (A) vrijedi i → − u v − + → ∈ N (A) → − u v → i takoder za proizvoljne − ∈ N (A) i λ ∈ R vrijedi i u → λ− ∈ N (A).18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . u v u v − → dakle → + − ∈ N (A). c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .♣ . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . tj. c Svojstva iz Teorema 1. tj.1 i Teorema 1. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . A− = b i A− = b .8 i Napomene 3.22 N (A) je podprostor od Rn . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . dakle dokaˇimo da za proizvoljne c z − .

.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. ut rjeˇenja homogenog sustava c s − = − . onda je i njihova linearna kombinacija rjeˇenje tog sustava. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . onda po Teoremu 3..22 zakljuˇujemo da ako su u1 .8 je matrica A regularna. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . tj. svako rjeˇenje je oblika − 0 + 0 .9 I. N (A) = { 0 }. Po Teoremu 3. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. Tvrdnja Teorema 3. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). tj. → → → → Ax a y y 2. gdje je − ∈ N (A).9 I.. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). Kako je iz Teorema 3.. Teorem 3. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . prema Teoremu 3.9.23 Primijetimo: → 1. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.♣ Napomena 3.) − → → − → − Ako je matrica A sustava A− = b regularna. s Dokaz: (Dokazujemo samo tvrdnju II.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . Tvrdnja Teorema 3. z s . Onda. s x → − → → Obrnuto. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. iz jedinstvenosti zakljuˇujemo da je − = 0 .9 II. rjeˇenje je x s u s jedinstveno.106 POGLAVLJE 3. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. → → → → u u y y − → → II. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)).

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

.1. 0 U toˇki 3.11 Ako je (− r+1 .. cr ]T )..3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori... . iz Teorema 3. .. cr+1 ..... . dimR(A) + dimN (A) = n. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ..♣ Iz Teorema 3. Teorem 3. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + ..♣ c Napomena 3..8 II... .. dok brojevi c1 . + µn − n ... cn postoje → − jedinstveni c1 .24 Tvrdnja Teorema 3.9.. cn su slobodni prametri. .10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. r(A) = dimR(A) = n. Broj dimR(A) smo zvali rang od A. ..108 koje je oblika POGLAVLJE 3. .. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). + µn − n . µn proizvoljni parametri. MATRICE I LINEARNI SUSTAVI − 0 = [c1 . − u u u pri ˇemu su µr+1 . Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. → → Teorem 3... a broj dimN (A) defekt od A. µn proizvoljni parametri. . − n ) baza s x u u u − → − = b oblika → od N (A). Kako je (− r+1 ... → → − II.... c ... izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 .. i obratno.10 I.. cr koji su dani s A−1 β (c) = [c1 . − − → u u u pri ˇemu su µr+1 . − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .. Brojevi cr+1 . cn ]T je rjeˇenje sustava A− = c s x − → b.11 izravno slijedi iz Teorema 3.7 odnosno toˇki 3.... → x → → Dakle.2. .... − = [c1 .. cr ]T . cr . . . tj..

za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). . imamo postupak Gaussovih eliminacija. Qq .. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A... akk za k ≤ min(m. z Za neke se posebne matrice druge. Q1 · Q2 · · · Qq · b ] = [A . 3. . . b ] (gdje je matrica A takva da na pozicijama a11 . Radimo li to elementarnim transformacijama samo nad redcima. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. ... a ostale pozicije su ”nebitne”). Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A .2. na aij za i < j.2. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. uz male modifikacije je numeriˇki stabilan.. b ].3. ima nule.5 Determinanta. j = 2... Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A.6.. tj.. na aij za i = k + 1.1. sloˇenost mu je c z 3 ∼ n (tj. na aij za j < i ima nule. . z z Opisani postupak za rjeˇavanje linearnih sutava se uz male preinake moˇe s z primijeniti i na istovremeno rjeˇavanje viˇe linearnih sustava s istom matricom s s − → − → sustava A ∈ Mmn i razliˇitim desnim stranama b 1 . posebno dizajnirane. metode mogu pokazati brˇima (manja im je sloˇenost). Ovaj se postupak moˇe primiz jeniti na sve matrice. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . k.. m ima nule. b ] mnoˇili s lijeva elementarnim matricama Q1 . n) ima jedinice. b p .. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. b ] dobili matricu [A . . lagano moˇemo oˇitati rjeˇenje). A −→ det A.. tj. − → mi smo zapravo matricu [A. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj...

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

Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . Posebno je c det In = 1. c 4.3.2. 2. 3. Svojstva determinante su: 1. onda je det A = a11 a22 · · · ann . Ako je A ∈ Mn trokutasta (gornja ili donja). je razvoj determinante po prvom redku. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. determinanta mijenja predznak. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . det(Qij A) = − det A. n ≥ 2. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka.7. Neka je A ∈ Mn dijagonalna matrica.1. n ≥ 2. onda sc je det A = 0. onda je det A = 0. pravilo za c raˇunanje inverza matrice). .

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

Ako to nije mogu´e. LINEARNI SUSTAVI 113 ispod njega. Teorem 3. itd. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki .3.2. Radimo sve analogno sve do zadnjeg elementa na dijagonali.♣ Teorem 3. B ∈ Mn vrijedi det(AB) = det A · det B. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .i+1 = 0). ai+1. Teorem 3. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .12 Za proizvoljne matrice A.i+1 (naravno. ♣ U Teoremu 3. z Teorem 3. Teorem 3. onda je det A = 0.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. Dakle oˇito je det A = 0.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1. ♣ .26 Ako je A ∈ Mn regularna.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. ♣ Napomena 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. tj. Dokaz: Iz Teorema 3. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. ♣ Iz Teorema 3.

onda je det A = 0. tj. Promatramo zbroj n (−1)j+k aik det Ajk .28 U Napomeni 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . k) stoji kofaktor elementa aki matrice A. onda je po Teoremu 3. Inaˇe je zbroj det A.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i.26 smo vidjeli da ako je A ∈ Mn regularna. det A Dokaz: Ako je det A = 0. det A Dakle A je regularna i A−1 = kof (A) det A . MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .16 imamo da je 1 kof (A) · A = In . ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . onda iz Teorema 3. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki. c c Dokaz: Neka su uzeti i-ti i j-ti redak. tj. ♣ Napomena 3. Definicija 3. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. k=1 Oˇito.♣ Iz Napomene 3. c Napomena 3. Vrijedi i obrat. ako je i = j.♣ . (−1)k+i det Aki . Kofaktor matrice A oznaˇavamo s kof (A).27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.114 Veliˇinu c POGLAVLJE 3. Analogno ide dokaz za stupce.27 izravno slijedi: Teorem 3.13 prethodni zbroj jednak det A.

iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica.3 3.. . Rm = R.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. onda je rjeˇenje z s tog sustava dano s x1 = D1 . n. Definicija 3. za sve λ. a Dk . . D x2 = D2 Dn .3. xn = . A je regularna ako i samo ako je det A = 0. . Za svaki vektor → iz vektorskog prostora x n − → R = Mn1 definiran je vektor A→ (kao produkt matrica A i − ) iz vektorskog x x m ˇ prostora R = Mm1 . − → → Iz Teorema 3. Stoviˇe.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna.26 i Napomene 3.. → ∈ Rn . → x Teorem 3.3. Rjeˇenje je dano s − = A−1 b . → ∈ Rn . D D pri ˇemu je D = det A.♣ a 3. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. k = 1. . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. .. Ako je m = 1. µ ∈ R i sve − .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. . µ ∈ R i sve − . Takvu x x funkciju zovemo linearni operator. Ako je matrica A regularna. onda takav linearni x y operator zovemo linearnim funkcionalom.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn .3.

2. tj. tvrdnja slijedi. − ∈ Rn .30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. dakle zadovoljavaju tre´e svojstvo Definic cije 1. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).♣ . → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. x x Napomena 3.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima.5. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. Iz Definicije 3. Dokaˇimo da vrijede i prva dva. MATRICE I LINEARNI SUSTAVI Napomena 3.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .1 i Teorema 1. µ ∈ R i sve →. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). − ∈ Rn . Dokaˇimo da je i F + G linearni z operator. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ). Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.5.116 POGLAVLJE 3. µ ∈ R i sve →. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.

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

odnosno dimN (F ) = dimN (F ). Operator F vektoru iz Rn pridruˇuje vektor iz Rn . c H =GF .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. y). Njegova je matrica dana s 1 0 0 0 1 0 . Iz Napomene 3. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Tada je po Teoremu 3. Neka je F : Rn −→ Rm proizvoljan linearni operator.♠ c 3. − → → → Nadalje.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F .3. a defekt jedan. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . c 2. vrijedi dimN (F ) + dimR(F ) = n. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj.32 i Teorema 3. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . a defekt dva.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Njegova je matrica dana s 1 0 0 . z) = x. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. iz toˇke 3. Napomena 3. MATRICE I LINEARNI SUSTAVI Napomena 3. y.10 izravno slijedi teorem o rangu i defektu za linearni operator. tj. y. Primjer 3. z . F ∈ Mn ).10 Pogledajmo sljede´e primjere: c 1.118 POGLAVLJE 3. z) = (x.2. Oˇito je rang od p1 jednak jedan (jer je slika x-os). Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. tj. Sada nas zanima kada su ti vektori kolinearni. Kako su F i F ustvari isti linearni oper− → − → atori.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina).

Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 .5. Dokaz: 1. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). Nadalje neka su − . ♣ Napomena 3. Dokaz: Oˇito je S(λ0 ) podskup od Rn . neka je µ ∈ R µ = 0 proizvoljan. Napomena 3. c x y tj. tj. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Nadalje. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. 2. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . → → Svojstva iz Teorema 1. y y → → Dokaˇimo da je − + − ∈ S(λ0 ).3.33 Primijetimo: → 1.2 oˇito zadovoljava. x x x x → Dakle za svaki µ ∈ R.3. Izravno iz Definicije 3. x x → → Vektor − 0 ∈ Rn . tj.17 Neka je A ∈ Mn . vrijedi → − → → A− = λ 0 → x x i A− = λ0 − .1 i Teorema 1. x y x y x y . → → 2. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. µ = 0. A− 0 = x x − 0 .17. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 .34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . − ∈ S(λ0 ). da c z s zadovoljava uvjete Definicije 1.

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

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

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

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

. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . . ♣ Teorem 3.21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. λn ...35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . . λ−1 ..21 Neka je A ∈ Mn simetriˇna. A je regularna. dijagonalna.. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . Obratno.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.5) znamo da z z KA (λ) ima n nultoˇaka λ1 .34 znamo da je skup S(λ0 ) potprostor od Rn . tj. iz osnovnog teorema algebre (Teorem 5... c Teorem 3.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . s Teorem 3. Sada. Dakle 0 nije svojstvena vrijednost. ako je λ0 svojstvena vrijednost od A ∈ Mn . MATRICE I LINEARNI SUSTAVI Iz Primjera 3.. . λn od KA (λ) pojavljuje barem jednom. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. c Kako je KA (λ) polinom n-tog stupnja. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. Tada iz Napomene 3. λn od KA (λ) zovemo algebarska kratnost od λ0 .♣ Napomena 3.12 vidimo da ne moˇemo svaku matricu dijagonalizirati.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. Ipak.♣ c . λn .... Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.. Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A. . Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.. Ako je A joˇ simetriˇna onda iz Teorema 3.. . a odgovaraju´i se svojstveni vektori podudaraju. tj. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). c Napomena 3. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. nultoˇka od KA (λ). Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. c c Teorem 3. ona se u nizu c nultoˇaka λ1 .124 POGLAVLJE 3.

Poglavlje 4 Nizovi i redovi
4.1
4.1.1

Nizovi realnih brojeva
Pojam niza

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

126

POGLAVLJE 4. NIZOVI I REDOVI

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

je strogo padaju´i i pozitivan. c

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

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

127

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

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

= q,

128

POGLAVLJE 4. NIZOVI I REDOVI

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

4.1.2

Graniˇna vrijednost niza. Konvergencija niza c

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

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

4.1. NIZOVI REALNIH BROJEVA

129

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

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

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

1 = 0. n−→∞ n lim

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

Tada je

n2 = 1. n−→∞ n2 − 1

130

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

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

lim an = +∞.

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

lim an = −∞.

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

lim an = +∞. √

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

M , pa je

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

4.1. NIZOVI REALNIH BROJEVA

131

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

0 nije ˇlan niza, c

lim (an ± bn ) = lim an ± lim bn .1. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . konvergira li. c s c c c tj. lim (can ) = c lim an . ako ne i nemogu´e. . te c ∈ R proizvoljan. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. prema kojoj vrijednosti. r = 0. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an .3 Neka je (an ) niz s pozitivnim ˇlanovima. c Teorem 4. NIZOVI I REDOVI 4.4 Neka su (an ) i (bn ) konvergentni nizovi. onda je lim an an = n−→∞ . pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε).♣ an Teorem 4. n−→∞ n−→∞ 3.5 Neka je (an ) konvergentan niz. Tada vrijedi: 1. Ako je r ∈ R. n−→∞ n−→∞ n−→∞ 2. Tada c an −→ 0 ⇔ 1 −→ ∞. i ako da.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. ako je bn = 0 i n−→∞ lim bn = 0. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. proizvoljan i an ≥ 0 za svaki n ∈ N.132 POGLAVLJE 4.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. lim (an bn ) = lim an lim bn . izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. c c c Npr. n−→∞ n−→∞ n−→∞ 4.

6 je tipiˇni teorem egzistencije. To je ekvivalentno s |q| < ε. log |q| Dakle svi ˇlanovi niza 1. znamo da neˇto postoji. q 3 . G > G . Pogledajmo prvo sluˇaj |q| < 1.4. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. ε).. c c . Onda je po Napomeni 4.4 dovoljno je promatrati niz s a1 = 1. ograniˇen niz je konvergentan. Tada je n 1 |q| < 1.. c Napomena 4. ili u ˇirem smislu. q 2 . ˇto ne moˇe biti jer je G gomiliˇte. q 3 . q 2 .1. Dakle imamo samo c c s z s jedno gomiliˇte. jer je log |q| < 0.♣ c z s Napomena 4. i ako npr.1. pa je lim an = 0. NIZOVI REALNIH BROJEVA 133 Teorem 4. izraˇunati.. . (an ) raste. dakle ili q −→ ∞. za svaki n ∈ N. dakle divergira ili u uˇem. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. Tj. 1 |q n | Neka je sada |q| > 1.♣ Teorem 4. Kako je (an ) monoton. niz 1. vrijedi lim inf an = lim sup an ∈ R. on moˇe imati najviˇe jedno gomiliˇte. Logaritmiranjem se dobije n log |q| < log ε. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova... Sada. Tada po Teoremu 4. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. po Teoremu 4.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. . c c c Prema Teoremu 4.2 niz (an ) ima barem jedno c gomiliˇte.6 Monoton. c Dokaz: Neka je (an ) monoton i ograniˇen. q. tj. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. odrediti. tj. dakle divergentan. q. n−→∞ Dokaz: Iz toˇke 4. ako s z s s (an ) ima barem dva gomiliˇta G i G . Teorem 4. Imamo log ε n> . no ne c s znamo koliko je i kako to na´i.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . Za |q| < 1 je lim an = 0.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .4.3 imamo |q | −→ ∞. niz (an ) s konvergentan. pa prema prethodnom niz n n −→ 0. U suprotnom. tj.

gdje je λ ∈ R proizvoljan. √ 3. c z 4. gdje je λ > 0. ako je λ < 0 √ 5. Tada vrijedi n−→∞ lim an = 1. ∀r ∈ N). Neka je niz (an ) dan formulom an = λn . λ = 1. 1 n .1. Neka je niz (an ) dan formulom an = n n. gdje je λ > 0 proizvoljan. proizvoljan. Tada vrijedi   ∞. 2. Tada n! vrijedi lim an = 0.134 POGLAVLJE 4. Tada vrijedi lim an = 1. Neka je niz (an ) dan formulom an = |λ| . Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. Neka je niz (an ) dan formulom an = n λ. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. . ako je λ = 0. teˇe k nuli. n−→∞   0.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. ako je 0 < λ < 1. tj.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1.♣ Teorem 4. Neka je niz (an ) dan formulom an = nλ . ako je λ > 0  lim an = 1. ako je λ > 1 lim an = n−→∞ 0. gdje je λ ∈ R proizvoljan. Tada vrijedi ∞.7 je najop´enitiji. n−→∞ n−→∞ n 4. NIZOVI I REDOVI Teorem 4. n 6.

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

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

c c ako op´i ˇlan niza (an ) konvergira u nulu.♣ 1 1 Napomena 4.9 ne slijedi obrat Teorema 4.4. n−→∞ odnosno n−→∞ lim an+1 = 0. Dakle je red Teorem 4. tj.♠ dok red 1 n divergira (Primjer 4.♠ 2n n−→∞ ∞ Napomena 4. REDOVI REALNIH BROJEVA za svaki n ∈ N. oˇito vrijedi c Sn+1 = Sn + an+1 . Ako red an konvergira.8).8 znamo da red = divergira i da je lim n n−→∞ n 0.2.10 Iz Primjera 4. onda on konvergira i obiˇno. kaˇemo da red z an konvergira uvjetno. an .9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. Definicija 4.♣ c Uoˇimo da iz Primjera 4. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.8 Ako red apsolutno konvergira. c . Primjer 4. n 1 (−1)n−1 n uvjetno konvergentan.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. tj.10 Red an apsolutno konvergira ako konvergira red |an |. a red |an | ne konvergira. onda op´enito red c c c an ne mora konvergirati. S = lim Sn = n−→∞ n=1 an .8.9 op´enito ne vrijedi. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. Nadalje. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .

gdje su a1 . NIZOVI I REDOVI 4.. Teorem 4. a to divergira za svaki a1 = 0. Ako je q = 1. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . onda je oˇito an = a1 . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 .2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. Pretpostavimo suprotno. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . pa je Sn = na1 .5 imamo da je lim Sn = a1 lim a1 1 − qn = ... tj.138 POGLAVLJE 4. Sn = a1 + a1 q + a1 q 2 + . zovemo geometrijski red s kvocijentom q. + a1 q n−1 .. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. Pogledajmo n-tu parcijalnu sumu. imamo Sn − qSn = a1 (1 − q n ). n−→∞ 1 − q 1−q 1 − qn . a1 q n−1 = 1−q n=1 Obrnuto. da geometrijski red a1 q konvergira i da je |q| ≥ 1. vrijedi Sn = a1 za svaki n ∈ N. tj. + a1 q n . c Pretpostavimo da je a1 = 0 i |q| < 1. q ∈ R proizvoljni. Iz Teorema 4.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1.. Nadalje. c Ako je q = −1. tj. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. onda je oˇito an = a1 (−1)n−1 . Nadalje kako je c n−→∞ lim an = 0 . = a1 q n−1 .2..

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

139
a1 (−1)n−1 divergira.

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

a po Teoremu 4.5 je
n−→∞

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

Dakle je
n−→∞

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

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

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

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

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

2n−1

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

1 2n−1

=

= 2.

n=1

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

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

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

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

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

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

4.2. REDOVI REALNIH BROJEVA

141

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

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

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

Primjer 4.11 Neka je dan red

(−1)n , tj.

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

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

an =
n=1 n=1

un .

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

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

143 un iz Teorema 4.12 jednaka sumi kon-

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

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

n=1

(−1)n−1 = ln 2. n

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

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

144

POGLAVLJE 4. NIZOVI I REDOVI

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

4.2.4

Redovi s pozitivnim ˇlanovima c

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

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

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

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

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

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

Ako red n an x0 divergira. an0 +m ≤ λm an0 . an0 +2 ≤ λan0 +1 ≤ λ2 an0 . Ako postoji λ ∈ R. Dokaz: Neka su λ ∈ R.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. Neka je an = 1.3. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. c Teorem 4. i n0 ∈ N takav da je an+1 ≤ λ. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . Dakle imamo an0 +1 ≤ λan0 .♣ Primjer 4.♠ 1 xn−1 (n−1)! 4. Oˇito je za x = 0 svaki red potencija konvergentan. . za svaki m ∈ N..18 Neka je 0 < λ < 1. Neka je an = n! . Dakle. i n0 ∈ N takvi da vrijedi an+1 ≤ λ.146 POGLAVLJE 4. . . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . i suma mu je 1−x .13 1. za svaki n ∈ N. an za svaki n ≥ n0 . onda red an konvergira. Tada iz Teorema 4. 1 2. gdje je x ∈ R proizvoljan. . red an0 + an0 +1 + . . za svaki n ∈ N. zovemo red potencija.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. Red oblika an xn .. 0 < λ < 1. onda konTeorem 4. an za svaki n ≥ n0 .

17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. onda red an ≤ λ. 4. n2 Tada iz Primjera 4.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. Neka je dan red vrijedi 1 . ali vrijedi 1 . c 0 < λ < 1. 1 n+1 lim n−→∞ 1 n 2.4.♣ Napomena 4.16 imamo da i red an0 + an0 +1 + . konvergira. Ako postoji λ ∈ R.3 Cauchyev kriterij Teorem 4. divergira za l > 1.3. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .19 Neka je an red s pozitivnim ˇlanovima.. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. Sada iz Napomene 4. an konvergira.. Neka je dan red divergira. c Primjer 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.8 znamo da on konvergira.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. n Tada iz Primjera 4.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.8 znamo da on = 1.♣ . a ne moˇemo niˇta z s zakljuˇiti za l = 1. n−→∞ an lim onda red an konvergira za l < 1. Ako postoji limes c an+1 = l. imamo da red c an konvergira.3.14 1.9 konvergira.

a ne moˇemo niˇta z s zakljuˇiti za l = 1. tj.♠ c s Cauchyev kriterij je jaˇi.1.14 za red odnosno red n znamo da divergira odnosno konvergira. c Teorem 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.15 Analogno kao i u Primjeru 4. (an ) niz u R i x ∈ R prozvoljan. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. NIZOVI I REDOVI Napomena 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. divergira za l > 1. Ako postoji limes c n−→∞ lim √ n an = l.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. .18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. Ako postoji lim sup n |an | i lim sup n |an | = 0. a iz toˇke 4. onda red an konvergira za l < 1. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.20 zovemo radijus konvergencije reda potencija a n xn . c 1 Primjer 4. a divergira za sve x ∈ R za koje je |x| > ρ.20 Neka je an xn red potencija.148 POGLAVLJE 4.

n 1 n x n dakle je ρ = 1. Tada imamo sljede´i kriterij (Leibnic c zov): . Ako je x = −1. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. 4.4.20 red potencija |x| < 1. Neka je dan red potencija lim sup n 1 n x . Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. tg n.8 znamo 1 1 da red konvergira.8 imamo da konvergira i red (−1)n . iz Primjera 4. a divergira za |x| > ρ (ako lim sup n |an | postoji). n2 Tada je n 1 = lim n−→∞ n2 1 = 1. a divergira za |x| > 1.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. dok za x = 1 red n 1 divergira. dakle i apsolutno konvergira red (−1)n . Neka je dan red potencija lim sup n 149 1 n x . Ako je x = 1 onda.3. KRITERIJI KONVERGENCIJE Primjer 4. onda iz Primjera 4. itd.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. (−1)n .3.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.). ali smo u Primjeru 4. Teorem 4.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. Iz n2 n2 1 Teorema 4. c sin n.20 red potencija |x| < 1.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.♠ n2 Teoremu 4. konvergira za Pogledajmo sada ako je |x| = 1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. n 2. Po Teoremu 4. Po Teoremu 4. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). konvergira za Pogledajmo sada ako je |x| = 1. a divergira za |x| > 1. n2 1 n x n2 dakle je ρ = 1.16 1. n Tada je 1 = lim n−→∞ n n 1 = 1.

. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. tj. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana.. imamo da je S2n razlika od a1 i strogo pozitivnog broja. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. NIZOVI I REDOVI an alternira.6 slijedi da su nizovi konvergentni.. onaj indeksiran c neparnim indeksima je padaju´i. a a2n negativan za svaki n ∈ N. iz Teorema 4.21 Ako red POGLAVLJE 4. imamo a2n+1 + a2n+2 ≥ 0. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . Zaista. onda je podniz od Sn indeksiran parnim indeksima rastu´i. Kako smo pretpostavili da je a2n−1 pozitivan. c c ako je a1 ≥ 0. tj.♣ c . te kako vrijedi |an | ≥ |an+1 |. vrijedi S2n = a1 − (−a2 − a3 ) − . dakle je S2n+2 ≥ S2n za svaki n ∈ N. tj.. Kako je po pretpostavci a2n+1 ≥ 0. Ako red poˇinje pozitivnim ˇlanom. Ako red poˇinje negativnim ˇlanom. za svaki n ∈ N. onda taj red konvergira. S2n+2 = S2n + a2n+1 + a2n+2 . Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N. onda imamo obratnu c c c situaciju. S2n je omeden s a1 . + (−a2n−2 − a2n−1 ) − a2n ]. s c |Rn | = |S − Sn | ≤ |an+1 |. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . Nadalje.150 Teorem 4. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . i istog je predznaka kao taj ˇlan. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. Nadalje. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + .

3.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.♠ s .17 Iz Teorema 4.4. KRITERIJI KONVERGENCIJE Primjer 4.

.

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

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

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

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

c kruˇnica u ravnini nije graf niti jedne funkcije. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.5. ˇto je suprotno s definicijom funkcije.2: Graf funkcije f i njegove projekcije na koordinatne osi.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. Napomena 5. z s Iz Napomene 5. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. Npr.1. .3: Primjer krivulje koja nije graf funkcije. c y x0 0 x Slika 5.

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

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

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

Ako vrijedi f (−x) = f (x). onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. onda kaˇemo da je funkcija f neparna. za svaki x ∈ D(f ). f (x) = x4 .1. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte.♠ 1 . z c c Napomena 5. f (x) = x3 . s Primjer 5. tj. Kod nalaˇenja globalnih ekstrema se pojavljuje problem ruba c z podruˇja (jer ima funkcija kojima je prirodno podruˇje vrijednosti segment ili c c poluotvoreni interval. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. Funkcije f (x) = x. D(f ) = [a. f (x) = |x|. za svaki x ∈ D(f ) .3 1. b]. b ili D(f ) = a. onda kaˇemo da je funkcija f parna. Problem nalaˇenja ekstrema je vrlo bitan. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5.5.4: Primjer funkcije s lokalnim ekstremima. z Ako vrijedi f (−x) = −f (x). c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). f (x) = parne fukcije. tj. D(f ) = [a. 2.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. Funkcije f (x) = x2 . f (x) = x|x| su neparne. |x| su . b]). gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta).

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

6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne.5. neka je funkcija f : [0. (Npr.) z z c) Funkcija nije definirana u rubu prirodnog podruˇja definicije i ima svoc jstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c pribliˇavaju rubu vrijednost funkcije raste ili pada u +∞ ili −∞. +∞ ili −∞. i to brˇe od svakog pravca. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. c c (Npr. Ako z je a ∈ R taj rub. neka je funkcija c 1 c f : 1. To znaˇi z c da.) c z . ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. +∞ −→ R dana formulom f (x) = x−1 . a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). Rub prirodnog podruˇja definicije funkcije je beskonaˇan. +∞ −→ R dana formulom f (x) = 2x . tj. neka je z c funkcija f : 0. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. Tada oˇito f nije definirana u konaˇnom rubu prirodnog podruˇja definicije i ako se c c argumenti proizvoljno pribliˇavaju toˇki 1 vrijednost funkcije raste u z c +∞. s c c c c 2.1. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. Tada oˇito f strogo raste u +∞. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. +∞ −→ R dana formulom f (x) = xx .) z y y y −1 0 1 x 0 x 0 1 x Slika 5. (Npr.

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

OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene.5 Neka je dana funkcija sign : R −→ R formulom   1. c 1 Uzmimo ε = 2 . b −→ R. Primjer 5. Tada za svaki δ > 0 i sve x ∈ R za koje je |x − 0| = |x| < δ 1 c vrijedi |f (x) − f (0)| = |f (x)| = 1 > 2 . Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. . z Definicija 5. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. Definirajmo sada pojam neprekidnosti funkcije. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. x = 0   −1 x < 0 Funkcija f ima prekid u 0.1. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ.7 Ako funkcija ima asimptotu. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. x > 0  sign x = 0. Intuitivno. Dakle nula je toˇka prekida od f . Kad bi imala dvije asimptote u jednom rubu. Odnosno. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota.5. f (x0 ) + ε . x0 + δ ) ⊆ f (x0 ) − ε. b −→ R neprekidna u x0 ∈ I ako z za proizvoljnu okolinu oko vrijednosti f (x0 ) postoji okolina oko x0 koja se cijela preslika u okolinu oko f (x0 ). slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. c 165 Napomena 5. dok je u svim drugim toˇkama neprekidna. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj.3 kaˇe da je funkcija f : I = a. pravac). Definicija 5. gdje je I ⊆ D(f ).3 Realna funkcija realne varijable f : I = a. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε).

b −→ R. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.8 Ako u Definiciji 5. gdje je I ⊆ D(f ). je ograniˇena na I ako postoji realan broj M ∈ R. b −→ R.8: Funkcija sign(x). M > 0. M ∈ R c takvi da je m ≤ f (x) ≤ M. za svaki x ∈ I. Ako je x0 > 0.10 Ako je funkcija f : I = a. takav da je c |f (x)| ≤ M .9 Iz Definicije 5. onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε. Napomena 5. onda je funkcija f ograniˇena na nekoj okolini oko x0 .♠ z Definicija 5. iz uvjeta m ≤ f (x) ≤ M.4. c . tj. je ograniˇena ili omedena na I ako postoje realni brojevi m. Napomena 5. gdje je I ⊆ D(f ). FUNKCIJE y 1 0 x −1 Slika 5. funkcija je neprekidna u x0 . tj. Analogo se dokaˇe za x0 < 0. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.166 POGLAVLJE 5. za svaki x ∈ I. za svaki x ∈ I. b −→ R neprekidna u toˇki c x0 ∈ I.4 stavimo M = max{|m|. Napomena 5.4 Realna funkcija realne varijable f : I = a.

c D(f ± g) = D(f ) ∩ D(g).5. funkcija f : R −→ R dana c c formulom 1 . pri ˇemu je x ∈ D(f ) ∩ D(g). g(x) . tj. x=0 x f (x) = 0. c c S druge strane.produkt s (f g)(x) = f (x)g(x).1.1. Npr. i z kako. . onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida.zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali). c D(f g) = D(f ) ∩ D(g). tj.kvocijent s f g (x) = f (x) . tj.11 Ako funkcija ima prekid u toˇki. c c 5. definiramo njihov . realnim brojevima. OSNOVNI POJMOVI 167 Napomena 5.5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima. c Za zadane dvije funkcije f. dok je sama vrijednost funkcije f (0) = 0). g : R −→ R. . funkcija sign : R −→ R iz Primjera 5. x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. pri ˇemu je x ∈ D(f ) ∩ D(g). Oˇito je funkcija f neograniˇena na svakoj okolini oko nule.

13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. n = 0. a) Ako je c = 0. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ).. . Tj. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. Npr. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. Uoˇimo da je D(g) = R.. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Pogledajmo funkciju f + g u ovisnosti o c ∈ R. c) Ako je c < 0.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. c c ∈ R. tj. b) Ako je c > 0. dakle beskonaˇni skup {xn . D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}.168 POGLAVLJE 5. z c z Napomena 5. a g dana formulom g(x) = c. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje.. pri ˇemu je f proizvoljna.5). g : R −→ R. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor.3). Dakle imamo definirano c c mnoˇenje funkcije skalarom. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). skup funkcija {1. pa je D(f ± g) = D(f ). 1. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. x . 1.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. . .. x. graf funkcije f + g je isti kao i graf funkcije f . Napomena 5. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. c c Neka su f. c Preciznije.12 Primijetimo da je za proizvoljnu funkciju f : R −→ R i proizvoljni λ ∈ R funkcija h : R −→ R dana formulom h(x) = λf (x) u stvari produkt funkcija f : R −→ R i g : R −→ R..

OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. a) Ako je c = 0.10: Graf funkcije 2f (x). b) Ako je 0 < c < 1. samo je usporen pad i rast c funkcije f . tj. .1.9: Graf funkcije f (x) + c za c > 0. Graf funkcije f g je sliˇan grafu funkcije f . Dakle.5. funkcija f g ima iste nultoˇke kao i funkcija c c f . Graf funkcije f g je pravac y = 0 ili x os. y 2 f(x) 0 f(x) x Slika 5. onda je (f g)(x) = 0 za svaki x ∈ D(f ). vrijedi |(f g)(x)| ≤ |f (x)|. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). 2. Pogledajmo funkciju f g u ovisnosti o c ∈ R.

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

f). Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. tamo funkcija f pada. 0 .4). Ako funkcija f ima nultoˇke. funkcija f u njima ima c c vertikalne asimptote. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. tj. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. c). c . npr. onda je f (x) = f (x) za svaki x ∈ D f . g f g a) Ako je c = 0. Dakle. OSNOVNI POJMOVI 171 predznaka. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b).1.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). tj. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. funkcija g f je jednaka pravcu y = 0 na skupu D g f . onda je f (x) = 0 za svaki x ∈ D . 3. Pogledajmo funkciju g f u ovisnosti o c ∈ R. za f. c c c Napomena 5. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. c g) i 3 b). onda oˇito g funkcija f u njima nije definirana. c c c Za ostale operacije ova tvrdnja ne vrijedi.5.1. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. g g 1 b) Ako je c = 1. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. . gdje funkcija f raste.

Ako je jedna funkcija. recimo g. Tim se postupkom mogu stvarati nove z funkcije. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1.172 POGLAVLJE 5. te funkcije f g i obje parne. onda je funkcija f ± g neparna. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). Ako su obje neparne. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome.6 Kompozicija funkcija Ponekad je o funkcijama korisno razmiˇljati kao o strojevima koji uzimaju odredenu s sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu. Neka su f. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. Definicija 5. . 2. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. neparna a f parna. g 5.5 Za dane funkcije f : A −→ B i g : B −→ C definiramo funkciju h : A −→ C koju zovemo kompozicija funkcija f i g (u oznaci g ◦f ) formulom (g ◦ f )(x) = g(f (x)).1. dok su funkcije f g i f obje neparne. onda su funkcije f ± g. Primjer 5. Matematiˇki se to formalizira pojmom kompozicija funkcija. 3. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija.4). Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}.12: Kompozicija funkcija. f g i f g f g sve parne. g : R −→ R funkcije. Ako su obje parne. c h f A B g C Slika 5.

Naime. 1 Primjer 5. g ◦ f = f ◦ g. Dakle imamo f ◦ id = id ◦ f = f. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). Tada je oˇito c D(f ) = R(f ). z funkciju f komponirati samu sa sobom.7 Neka je dana funkcija f (x) formulom f (x) = x . op´enito. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . 1 . . Napomena 5. U takvom sluˇaju piˇemo f 2 = f ◦ f .♠ x+1 x+1 173 2x .6 vidimo da operacija kompozicije funkcija nije komutativna. tj. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. 3x + 1 3x + 1 2x 6x = . da je.5.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . za tu funkciju vrijedi g ◦ f = f ◦ g = g.1. c Napomena 5. za svaku funkciju g : R −→ R. tj.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. OSNOVNI POJMOVI Primjer 5. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). moˇemo gledati funkciju f ◦ f . za proizvoljnu funkciju f .6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = .♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva.

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

Toˇnije. c . d) Ako je funkcija f neparna a g parna. Parnost kompozicije u ovisnosti o parnosti komponenata.13: Kompozicija funkcija. 175 a) Ako su funkcije f i g parne. c) Ako je funkcija f parna a g neparna. b) Ako su funkcije f i g neparne. onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). onda je i kompozicija g ◦ f neprekidna u x0 .1. ako je funkcija f neprekidna u x0 . onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). g f N N P P P P g f N P Slika 5. a funkcija g definirana c i neprekidna u f (x0 ). Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. ali to ´emo detaljnije razraditi kasnije. z 3. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). OSNOVNI POJMOVI 2.5. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x).

. b : studenti −→ {0. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. tj. i joˇ 500 kn za dovoz i odvoz. c s Pogledajmo sada obratni problem.1.. 12}. 1. FUNKCIJE 5. moˇe biti viˇe studenata koji su imali nula bodova.♠ z s Definicija 5. Nas zanima x(y). Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. Kaˇe se i da z c z f ne lijepi argumente. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. . tj. 10 sati rada stroja koˇtati 2500 kn. Koliko si dugo moˇemo priuˇtiti stroj ako na z s raspolaganju imamo 1300 kn? Oznaˇimo s x vrijeme rada stroja a s y iznos novaca.176 POGLAVLJE 5. i obrnuto. Primjer 5. s s Jasno je da ´e nas npr. To je za neke funkcije mogu´e.♠ Primjer 5. Uspjeli smo rijeˇiti problem.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. Dakle. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . a za z c neke nije. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost.8 Troˇkovi rada stroja su 200 kn/h. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. Ne c c moˇemo rijeˇiti problem. Dakle imamo. 200x + 500 = 1300. Drugim rijeˇima. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ).. . 2.

Definicija 5. 1) i (1. Napomena 5. Injektivnost. ali ne i za paran n.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.5.11 U Primjeru 5. tj.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. s c Primjer 5. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.1. je injekcija za neparan n.10 Funkcija f (x) = xn . OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. n ∈ N. a injektivnost njegovu jedinstvenost. Napomena 5. 1).8 izraˇunali smo da je x(1300) = 4. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. za bilo koji c ∈ R.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. c c Definicija 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.6 c ekvivalentan sljede´em: za x1 . x2 ∈ D(f ). S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. . f : D(f ) → R(f ) je uvijek surjekcija.♠ Primjer 5.

Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x). 200 (200x − 500) + 500 = x.9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x.15: Graf funkcije i njoj inverzne funkcije. . 200 POGLAVLJE 5. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c). dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c. c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x. 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5. Dakle. x(c) = c − 500 .♠ 200 Definicija 5.178 dobivamo formulu za x u terminima c. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id.

Dakle. Teorem 5. +∞ −→ −∞. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). Tada iz Napomene 5. onda je ona oˇito i bijekcija na svoju sliku. OSNOVNI POJMOVI 179 Napomena 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. 0]. g2 (x) = x. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.0] √ i f |[0.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Dakle. f | −∞. kad govorimo o inverzima funkcija f : R −→ R. g1 (x) = − x. +∞ .5.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku.10). jer je c f ◦ g = g ◦ f = id. i √ g2 : [0.20 Ako je funkcija f : R −→ R strogo monotona. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. +∞ −→ [0.♣ z c . c Primijetimo da ako f nije strogo monotona nego samo monotona. pa ima i inverznu funkciju. no njezine restrikcije na −∞. Dakle vrijedi f ◦ g = g ◦ f = id. c c Dokaz: Neka je f : R −→ R strogo rastu´a. 0] i [0. a ona c c je strogo rastu´a funkcija. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. No f ◦ g = id. To je oˇito inverzna funkcija od f .20 znamo da f c ima inverznu funkciju g. a strogo c c padaju´e funkcije strogo padaju´a.+∞ su bijekcije s inverzima g1 : [0. +∞ jesu.1. Primjer 5.♠ Napomena 5.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5.

ali nije bijekcija. Dakle.2 ne moˇemo izre´i za parne funkcije. 0] ili [0. z c Napomena 5. Primjer 5. Tada je njena inverzna funkcija g : [0. +∞ gdje je bijekcija.12 slijedi da tvrdnju Teorema 5.21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x.♠ c Analogno kao u Primjeru 5. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).♣ Iz Primjera 5. +∞ −→ −∞. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. +∞ .13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. FUNKCIJE Teorem 5. praktiˇno izraˇunati. 0] odnosno . f −1 je neparna. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.2 Inverzna funkcija neparne funkcije je neparna. jer je f (x) c rastu´a.180 POGLAVLJE 5. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. Pokuˇajmo sada. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x).

+∞ je bijekcija. 0. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. c Osim elementarnih postoje i tzv.8 0. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva.2 -0.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.4 1 2 Slika 5. Ako je n neparan. tj.2.2 -3 -2 -1 -0. c .6 0. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.5.16: Graf funkcije f (x) = xex . Primjer takve funkcije je c x f (x) = xe . ˇ Cak i za funkcije koje imaju inverze. +∞ −→ [0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. specijalne funkcije kojima se ovdje ne´emo c baviti. 5. +∞ dana formulom − n x odnosno n x. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.4 0. ima inverznu funkciju. Restrikcija te funkcije na interval [−1.

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

ako su jednaki kao funkcije. . P. . Koeficijent an je vode´i.5. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. Realne konstante an . c 10 7. .5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. a0 su koeficijenti polinoma Pn (x). + a2 x2 + a1 x + a0 . Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. . a a0 je slobodni koeficijent. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . . Ovdje podrazumijevamo da je an = 0. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.5 5 2.a1 .11 Dva polinoma P i Q su jednaka.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + .17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . Definicija 5. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). Dakle je svaki polinom definiran na cijelom skupu R. Polinomi su konceptualno najjednostavije funkcije. .5 -3 -2 -1 -2.2. tj. Definicija 5.

FUNKCIJE n Teorem 5. c Primjer 5. Apscisa nultoˇke je nuliˇte.184 POGLAVLJE 5.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi . Broj c k zove se red ili kratnost nultoˇke x0 . 0...♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.. tj..02 4 0. n. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda. a ordinata je.5 2 2.02 3 2 0.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.01 -0.5 3 Slika 5. 1. .: n m Teorem 5.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .14. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x). c c c s naravno. c c . = an = 0.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.01 1. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. za sve i = 0.11.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.

8). Ako je k paran. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Ako je k neparan.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. odnosno strogo padaju´a. Otvor joj je okrenut prema gore ako je a > 0. Ako su ove nejednakosti c c stroge. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. raste na cijelom R. po Teoremu c 6. Tjeme . onda iz Teorema 6. dok za x > x0 vrijedi (x − x0 )k > 0. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. onda iz Teorema 6. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda.22 U nultoˇkama neparnog reda polinom mijenja predznak. je polinom drugog stupnja ili kvadratna funkcija. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Za a = 0 imamo konstantnu funkciju p(x) = b.19: Graf linearne funkcije f (x) = x + 75. a prema dolje ako je a < 0. za x ≥ 0. dok c u nultoˇkama parnog reda nema promjene predznaka.2. tj.5.ako raste u s c nekoj toˇki. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . a padaju´a ako je a ≤ 0. a = 0. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5.3 Qn−k (x) = 0 na nekoj oklini oko x0 . PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. kaˇemo da je linearna funkcija strogo rastu´a.

FUNKCIJE 1 2 Slika 5.♣ c c . −D/4a). c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. parabole ima koordinate (−b/2a.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. c Napomena 5. Zbog neprekidnosti c polinoma na R (Teorem 6.2 = √ −b± D .23 Polinom neparnog stupnja mora imati barem jednu nultoˇku.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. npr.8) graf polinoma mora negdje sje´i x os.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4.♣ c Iz Teorema 5. 2a i realne su ako je D ≥ 0. tj. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. inaˇe velike pozitivne). Nultoˇke kvadratne funkcije dane su formulom c x1. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. inaˇe velike negativne vrijednosti). Teorem 5.

strogo raste na [0. c 2. c neparna je i ima nultoˇku u (0. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. onda je oˇito funkcija Pn (x) = xn parna.. 3.♠ c . jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . 0). Pn (x) strogo raste na R. n − 1. 1.♠ Dakle. onda je P1 (x) = x linearna funkcija. tj.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. Ako je n neparan broj.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. Nadalje. tj.5. iz Primjera 5. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. 0]. Oˇito je D(P1 ) = R(P1 ) = R. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. . Ako je n = 1. Strogo pada na −∞. P1 (x) strogo raste na R. dakle nije injekcija.. tj. +∞ i ima nultoˇku u (0. 0).21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. graf c joj je zrcalno simetriˇan s obzirom na y os. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. i = 1.. Ako je n paran broj. pravac y = x. kao funkcija an xn . +∞ . PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. dakle je bijekcija i ima nultoˇku u (0. dakle je bijekcija. c vrijedi D(Pn ) = R. tj.2. onda je oˇito funkcija Pn (x) = xn neparna.16 Pogledajmo funkciju (polinom) Pn (x) = xn . 0). R(Pn ) = [0. Primjer 5.

su koeficijenti polinoma Pnm (x).. y) = i=0 j=0 aij xi y j . umnoˇak i kompozicija polinoma ponovo polinom.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. n. n > 1. itd. u tom sluˇaju se situacija komplicira. Za . .12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. Naravno. m.188 POGLAVLJE 5. problem poniˇtavanja je vrlo kompliciran. kvocijente dvaju polinoma nazivamo racionalnim funkcijama.. Dakle.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. FUNKCIJE Napomena 5. Napomena 5. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. kako se polinom Pn (x) = i=0 ai xi . Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. ali c z kvocijent dvaju polinoma op´enito nije polinom. z n Nadalje.. razlika. Po analogiji s racionalnim c brojevima. z Definicija 5. dijeljenjem polinoma c izlazimo iz te klase funkcija. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.. Npr.2. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). 5.. za velike apsulutne vrijednosti argumenta ponaˇa kao an xn i jer je n > 1 zakljuˇujemo da polinom Pn (x) ne moˇe imati niti horizontalnu s c z n niti kosu asimptotu jer funkcija an x puno brˇe raste ili pada od svakog pravca.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. i = 1.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. sam sebi je asimptota. problem s asimptotike je sloˇeniji. . Realne konstante aij . j = 1. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija.. tj.3 Racionalne funkcije Oˇito je zbroj.

2. Dakle. takve su definirane na cijelom R. Red pola je red odgovaraju´e nultoˇke nazivnika. (Smatramo da je racionalna funkcija ve´ skra´ena. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika.) Dakle. Definicija 5. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x.17 Pogledajmo sljede´e primjere: c 1.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) .5. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Dakle. 3.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. c c . c Primjer 5. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. Funkcija j dana formulom j(x) = x−13 je polinom. 5. tj. je racionalna funkcija. tj. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. Qm (x) = 0}. s c D(f ) = {x ∈ R. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. 6. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. U polu racionalna funkcija c nije definirana. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. nije racionalna funkcija. Funkcija hR dana formulom h(x) = 4. Funkcija f dana formulom f (x) = 2. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. Naravno. nultoˇkama nazivnika.

26 Ako je pol parnog reda. bi x i=0 i−m bi x i=0 i xm . kad c argument ide u +∞ i −∞. Osim vertikalnih. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. i to na vanjskim rubovima prirodnog podruˇja definicije. tj.190 POGLAVLJE 5.5 0. z c Dokaz: Red pola je red nultoˇke nazivnika. 2. Sada tvrdnja izravno slijedi iz Napomene c 5.22. Dakle.5 1 80 60 40 20 -1 -0.graf racionalne funkcije moˇe imati asimptote: z 1. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . dok za polove neparnog z c reda. FUNKCIJE 100 75 50 25 -1 -0.26).5 1 x 1 Slika 5. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. kao i u toˇkama u c kojima se nazivnik poniˇtava.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. (lijevo) i pola Napomena 5.5 -25 -50 -75 -100 0. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).

PREGLED ELEMENTARNIH FUNKCIJA n m 191 ai x i−n Sada kada argument ide u beskonaˇnost izraz c i=0 odnosno i=0 bi xi−m ide u an odnosno u bm . odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. xm . se pribliˇava broju z bi x i−m am . onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. onda racionalna funkcija ima horizontalnu asimptotu y = c. Dakle. Preciznije. bm x an a) Ako je n < m. Racionalna funkcija ima horizontalnu c asimptotu y = 0.5. tj. an c) Ako je n > m + 1. bn . izraz bm xn−m raste ili an pada brˇe od pravca bm x. tj. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. d) Ako je n = m + 1. onda je n − m > 1. i=0 . imamo c s m+1 m f (x) = Pm+1 (x) = Qm (x) ai xi i=0 m = b i xi am+1 x m m+1 ai xi + i=0 m = b i xi b i xi i=0 m i=0 i=0 x (am+1 x) m m x + m i=0 m ai xi−m . racionalna funkcija nema ni horizontalne ni kose asimptote. c xm ai xi−m i=0 m tj. bm dok prvi pribrojnik.2. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . onda je n − m = 1. b) Ako je n = m. bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik.

z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. Napomena 5. 0 vrijedi f (x) > −x. Nadalje. FUNKCIJE ide u am+1 x.27 Analogno kao i kod vertikalnih asimptota. R(f ) = [1. Dakle.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1.♠ Iz Primjera 5.27 ne mora vrijediti.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. f (x) = x + x (desno) i njihovih asimptota. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. tj. 0] i za svaki x ∈ −∞. f je parna. m i−m xm bi x i=0 m POGLAVLJE 5. f strogo raste na [0. Dakle. zrcalno simetriˇna obzirom c c na y os. Oˇito je D(f ) = R. kada argument ide u beskonaˇnost.192 xm (am+1 x) . dakle nije injekcija. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. . +∞ vrijedi f (x) > x. +∞ . z Dakle pravci y = x i y = −x su kose asimptote funkcije f . +∞ i za svaki x ∈ 0. Za dovoljno velike po apsolutnoj vrijednosti argumente funkcija f se proizvoljno blizu pribiˇava pravcu y = −x (za x < 0) odnosno pravcu y = x (za x > 0). bm jer i=0 bi xi−m ide u bm .23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). f strogo pada na −∞. racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . z √ Primjer 5. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. +∞ .

Napomena 5. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. √ x2 + 1 i njenih asimptota z Napomena 5. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. 5. f (x)) = 0. y) = Pn (x) − y. f (x)) = 0.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. y) = Qm (x)y −Pn (x).29 Svaki polinom i racionalna funkcija su algebarske funkcije. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. jer u suprotnom ne bi bila funkcija.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. y) takav da vrijedi P (x. Pn (x)) = 0. Tada je oˇito P (x.2. dakle je svaki polinom algebarska funkcija. Definirajmo polinom u dvije varijable s P (x.5. Definicija 5. f (x)) = 0. Definirajmo polinom u dvije varijable s P (x. Dokaz: Neka je dan proizvoljni polinom Pn (x).2.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. Tada je oˇito P (x.19 1. dakle je svaka racionalna c √ Primjer 5. c Neka je sada f (x) = funkcija i algebarska. y) = x − y n oˇito je P (x. c .18.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu.

koja je bijekcija sa R na R. 0 je regularna toˇka (toˇka 5.13). Neka je dana algebarska funkcija f formulom f (x) = √x−1 .1.13). z 1 4. Neka je dana algebarska funkcija f formulom f (x) = 3 x.194 POGLAVLJE 5.20 1. Neka je dana algebarska funkcija f formulom f (x) = x.1. f (x)) = 0. je D(f ) = 1. c c tj. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. +∞ . Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. z √ 2. dakle nema niti vertikalnu niti horizontalnu asimptotu. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Dakle. Kada se argument sve viˇe pribliˇava c s z broju 1. z tj. y) = xy n − 1 oˇito je P (x. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. dakle nema vertikalnu asimptotu. Nadalje. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5. √ Primjer 5. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. pravac y = 0 je horizontalna asimptota funkcije f .4). Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. +∞ . +∞ (Primjer 5.4). c 1 3. je D(f ) = R(f ) = [0. tj. FUNKCIJE 1 2. f strogo raste na R i neomedena je.28. ima vertikalnu asimptotu x = 1. Dakle. tj. je D(f ) = R(f ) = R (Primjer 5. Funkcija f je inverzna funkcija funkcije g(x) = x3 . Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Dakle.13). Nadalje. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. u 1 (toˇka 5.13). dok kosu asimptotu ne moˇe imati zbog Napomene 5. c c √ Nadalje. +∞ i R(f ) = 0. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

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

196

POGLAVLJE 5. FUNKCIJE

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

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

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

197

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

5.2.5

Eksponencijalne funkcije

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

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

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

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

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

199

= ax−y ;

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

=

ax ; bx

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

5.2.6

Logaritamske funkcije

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

.

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

200

POGLAVLJE 5. FUNKCIJE

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

-4

-2 -1 -2 -3 -4

2

4

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

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

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

= loga x − loga y;

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

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

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

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

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

opseg kruˇnice je 2π. Odatle je cos α = Nadalje. ctg α = tg(90o − α).2. Neka je K kruˇnica polumjera r u ravnini sa srediˇtem u ishodiˇtu. tj. ”Jedinica” u kojoj je ta mjera izraˇena zovemo radijan. Ako sada povuˇemo polupravac (zraku) s poˇetkom u ishodiˇtu c c s koji zatvara s pozitivnim djelom x osi kut α. onda on sijeˇe kruˇnicu u jednoj c z toˇki T . imamo preslikavanje koje svakom kutu c pridruˇuje jedinstvenu duljinu luka s poˇetkom u toˇki (r.5. Svaka od njih se moˇe izraziti preko bilo z koje od preostalih. cos α cos α ctg α = . 0) (presjek kruˇnice c z c z i pozitivnog dijela x osi) i T (gledan u smjeru suprotnom od kazaljke na satu). Ovo preslikavanje je z c c oˇito bijekcija. a c b c sin α . Neka je dan z s s proizvoljni kut α. Uzmimo koordinatni sustav na c pravcu (tj. iz Pitagorinog pouˇka slijedi c sin2 α + cos2 α = 1. identificirajmo ga sa skupom R) tako da mu ishodiˇte padne u toˇku s c . z π a pravom 2 . Odgos varaju´om konstrukcijom mogu se poop´iti i na realne brojeve. c z c Za r = 1. ispruˇenom π. Tako npr. Trigonometrijske funkcije prvotno su bile definirane za ˇiljaste kutove. 0) paralelan s osi y. Dakle. Oˇito je kut α vezan s duljinom luka. Dakle. Prvo nam treba c c veza izmedu kuta i broja. pravi kut ima z π radijana. 1 radijan je kut za koji je duljina luka jednaka polumjeru. a tg α = = b 1 − sin2 α. tj. sin α Napomena 5. a duljina luka koji odgovara kutu α moˇe se z z uzeti kao mjera tog kuta. = cos α = sin(90o − α). Pogledajmo dio kruˇnice (luk) izmedu toˇaka (r. umjesto kuta moˇemo gledati odgovaraju´u duljinu luka. Tako punom kutu odgovara mjera 2π. 0). 2 Neka je sada dana jediniˇna kruˇnica u ravnini sa srediˇtem u ishodiˇtu i c z s s pravac koji prolazi toˇkom (1.31 Predmetak ko u kosinus i kotangens dolazi zbog komplementarnosti kuta. Primjerice. PREGLED ELEMENTARNIH FUNKCIJA 203 Vrijednosti ovih funkcija nisu nezavisne.

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

U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. Medutim.5 -10 -5 -0. −1 ≤ sin t ≤ 1. c amplitude i faze. π ].5. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. Dakle je z D(sin) = D(cos) = R.5 -1 -1. Napomena 5. imaju amplitudu razliˇitu od 1. tj. Nadalje. napona. Nadalje. 1].5 1 0.32 Lako je vidjeti da je kosinus parna funkcija. k ∈ Z. Svaki 2kπ. krvnoga tlaka.5 -2 5 10 Slika 5. tj. period razliˇit od 2π i ne s c c . tj. 1]. plime i oseke. Nadalje. zbog periodiˇnosti. za svaki t ∈ R.5 -2 5 10 -10 -5 2 1. c 2 1. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. π ]. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. To znaˇi R(sin) = R(cos) = [−1.5 -1 -1. Najmanji pozitivni period je 2π i zovemo ga temeljni period. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve.2. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. Kaˇemo da im je faza nula. s 2 1 u nuli i 0 u π .5 -0.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. a kosinusa obrnuto. za opis osz c cilacija. temperatura kroz godinu. dok je sinus neparna. npr.5 1 0. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. je period funkcija sin i cos. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. itd. vidimo da je −1 ≤ cos t ≤ 1. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.

π ] x 2 2 i Cos x = cos |[0 . 2 ] udaljenost toˇaka (1. funkcije sinus i kosinus nisu injekcije.206 POGLAVLJE 5. na svoju sliku. U tim toˇkama tangens ima vertikalnu asimptotu. Jasno je kada se t pribliˇava toˇkama s z z c π z oblika (2k + 1) 2 tada vrijednost tangensa teˇi s jedne strane u +∞ a s druge u −∞. z Ako imamo jediniˇnu kruˇnicu u ravnini s srediˇtem u ishodiˇtu i pravac paralelan c z s s s osi y koji prolazi toˇkom (1. a kosinus strogo padaju´a na [0. 2 ]. . dakle c niti bijekcije. 2 ]. 0) i P na tangensnoj c osi. Dakle. Sliˇno kao i sinus i kosinus. 0) (joˇ ga zovemo tangensna os). onda je interc s π pretacija vrijednosti tg t za t ∈ [0.33 Zbog periodiˇnosti. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . FUNKCIJE nul fazu. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. pomak funkcije na x osi je x0 . i funkciju z c π tangens proˇirujemo izvan intervala [0. 1]. Napomena 5. 2 ˇto se vidi i s trigonometrijske kruˇnice. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. imamo π D(tg) = R \ {(2k + 1) . tj. c c Sin x = sin |[− π . period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. k ∈ Z}. Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu).π] x su bijekcije na [−1. π]. Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. formulom A sin(Bx − x0 ). tj. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. Amplituda ove funkcije je A (jer je amplituda sinusa 1).

PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. k ∈ Z}. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. ˇto se vidi i s trigonometrijske kruˇnice. k ∈ Z}. onda je interpretacija vrijednosti ctg t za t ∈ [0.2. 1) i Q na kotangesnoj osi. Sliˇno se interpretira i kotangens. 2 ] udaljenost toˇaka (0. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. 1) (joˇ s c s π ga zovemo kotangensna os). s 1 P T x 0 1 tg x ctg x Q Slika 5. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. Sliˇno kao i sinus i kosinus. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. . Imamo ctg t = D(ctg) = R \ {kπ.5.

π x 2 2 i Ctg x = ctg| 0.π x su bijekcije s tih intervala na R. na svoju sliku. FUNKCIJE za svaki t ∈ R \ {kπ. 5. π ]. π]. restringirajmo sinus na [− π . ni tangens ni kotangens nisu injekcije. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R.2. Dakle. π .33 . 2 i kotangens na 0. Npr. Napomena 5. Tada prema Napomeni 5. c dakle niti bijekcije. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1.208 POGLAVLJE 5. kosinus na 2 2 π π [0. 2 . 1]. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. njihove restrikcije Tg x = tg| − π .8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. tangens na − 2 . Dakle sinus nema inverznu funkciju. c c Dakle.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). a isto vrijedi s / i za ostale trigonometrijske funkcije. dakle nisu bijekcije. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . a kotangens strogo padaju´a na 0. a c c s nema rjeˇenja za c ∈ [−1. k ∈ Z}. π .34 Zbog periodiˇnosti.

5 1 0. 1]. Dakle. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije.5 1 -1 -1. 1. π strogo rastu´e. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π .5 0.5 3 2. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. z π π Za x ∈ [−1.π] i ctg| 0.5 -1 -0. π jednadˇbe tg t = x . π].π] . a arccos c strogo padaju´a na [−1. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.5. ]. oˇito je c c D(arcsin) = D(arccos) = [−1.5 1 Slika 5. π ] . 2 ] jednadˇbe sin t = s z s z x.34 znamo da su funkcije sin |[− π . . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. Nadalje. ]. 1].5 1 0. s z 2 2 s z Kako je tg| − π . π ] i tg| − π . Iz Teorema 5.π strogo padaju´e. 1] −→ [0. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .5 2 1. 2 2 . inverznu funkciji cos |[0. dakle su i bijekcije. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. π π R(arcsin) = [− . koje zovemo arkus funkcije. π]. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 -0. rjeˇenje jednadˇbe postoji i jedinstveno je. 2 2 R(arccos) = [0. rjeˇenje jednadˇbe postoji i jedinstveno je. 2 2 koja je inverzna funkciji sin |[− π .5 0. Dakle.2.1 i Napomene 5. 1] −→ [− . π ] bijekcija. π bijekcija.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).5 -1 -0.33 slijedi da je arcsin strogo rastu´a. Kako je sin |[− π . a c 2 2 2 2 cos |[0.

π . Npr. z s z sin x = t. tako da bi smo dobili arkus funkcije definirane na tim intervalima.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). π ]. . inverznu funkciji ctg| 0. Napomena 5.5 2 1. 2 odnosno ctg| 0. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.210 koja je inverzna funkciji tg| − π . -4 2 1.5 -1 -1. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.5 -4 -2 2 4 Slika 5. npr. c . pri traˇenju rjeˇenja t jednadˇbe.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.1 i Napomene 5.5 1 0. π . FUNKCIJE arcctg : R −→ 0. Iz Teorema 5. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π .5 -2 -0.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.5 1 0. 1]. Nadalje. Dakle. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. π . Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1.5 3 2. π . 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 .5 -2 2 4 4 3. oˇito je c c π π D(arctg) = D(arcctg) = R.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. R(arcctg) = 0. R(arctg) = − .

Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. strogo raste na R. sinus hiperboliˇki. i R(th) = −1. 2 e x − e −x sh x = . +∞ . Stoviˇe. Dakle je R(ch) = [1. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. za svaki x ∈ R. strogo pada na −∞. Napomena 5. Primjerice. 2 sh x e x − e −x th x = = x . Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. th je neparna. y = −1 i y = 1.2. iako se definiraju u terc minima eksponencijalne funkcije. Zbog neparnosti c c od sh i parnosti od ch.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. Nadalje.5. tanges hiperc c boliˇki i kotanges hiperboliˇki. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1.2. cth x = th x i zovemo ih redom kosinus hiperboliˇki. +∞ i nema asimptote. dakle nije injekcija. za svaki x ∈ R. parna je. . neograniˇena je. neograniˇena c je pa je R(sh) = R i nema asimptote. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. Strogo raste na R. Iz formule lagano ˇ slijedi da je |th x | < 1 . 3. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. 1 . Lako se vidi da je neparna. Dakle th ima dvije horizonzalne s z asimptote. vrijedi ch x = ch2 x − sh2 x = 1 . za svaki x ∈ R. PREGLED ELEMENTARNIH FUNKCIJA 211 5. 2. Lagano se vidi da je ch x > 0 . 0] i c strogo raste na [0.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. ch x e + e −x 1 .

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

3 2 1 -4 -2 -1 -2 -3 2 4 3 2. tj. Kako su y = −1 i y = 1 horizontalne asimptote od th.1 c slijedi da Arcth strogo pada. vertikalne asimptote od Arth. Ako smo ch restringirali na [0. 1]. a x = 0 vertikalna asimptota od cth. Oˇito je D(Arth) = −1.5 1 0. iz Teorema 5.5 1 1. +∞). 1 .1 zakljuˇujemo da Arch strogo raste. +∞ i R(Arch) = [0. onda su rubovi −1 i 1. vertikalne asimptote od Arth. y = 1 horizontalne. c 3. tj. PREGLED ELEMENTARNIH FUNKCIJA 213 1.5 -1 -2 -3 0. onda je D(Arch) = [1. Oˇito je D(Arcth) = R \ [−1. onda su rubovi −1 i 1.5 3 Slika 5.1 slijedi da Arth strogo raste.2. R(Arth) = R \ {0} i iz Teorema 5. .5. a pravac y = 0 horizontalna asimptota. pravci x = −1 i x = 1. Kako su y = −1. R(Arth) = R i iz Teorema 5.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. +∞ .38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). pravci x = −1 i x = 1. c 2.5 2 2.5 0.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). Iz Teorema 5. Oˇito je D(Arsh) = R(Arsh) = R. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. 3 2 1 -1 -0. 4.5 2 1.

.

1 6.05(m − 20) kn. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka.05(m − 20).8. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. m = 20 i m = 30. Naime.05∆m). onda je 215 .8 kn. a visina poˇtarine c u z s kunama). 0 ≤ m ≤ 20 3.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.05h (∆c = ˇ 0.1. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.1. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.5 + 0.05(m2 − m1 ).5 + 0. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. (Masa m je izraˇena u gramima.Poglavlje 6 Uvod u diferencijalni raˇun c 6. m > 20. Graf te funkcije prikazan je na slici 6.05h = 0. Dakle imamo c(m) = 2.

proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. s s 20M ≥ (m2 − m1 )). Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. c c Napomena 6. S druge strane.♠ c Definicija 6. Definicija 6.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. .216 ˇ POGLAVLJE 6.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).7 kn. odnosno da graf funkcije ima prekid u toj toˇki. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ).1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.

ako je m lijevo od 20 i dovoljno blizu 20. S druge strane. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.1. Primjer 6.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε). Tada su u toˇki x0 neprekidne i funkije: c .1. ako je m > 20 i m blizu 20. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 .2 Funkcija c(m) iz Primjera 6.ˇ 6.♠ Primjer 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. ipak m(c) nije blizu m(20).2 nam daje ideju za sljede´u definiciju: c Definicija 6. postoji δ > 0 za koji vrijedi Definicija 6. Analogno.1 ima prekid u toˇki c = 20.2 Iz Definicije 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.2 Svojstva neprekidnih funkcija Teorem 6. No.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 .1.1 Neka su funkcije f. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. s c c Napomena 6. ali je ona c neprekidna s lijeva u toj toˇki. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. koji c je manji od nekog fiksnog strogo pozitivnog broja. 6.

tj. Ako pogledamo funkciju f restringiranu na segment [−1. c c Primjer 6. c + δ) takav da je f (xδ ) ≤ 0.11 znamo da je funkcija f : R −→ R dana formulom 1 . po pretpostavci. x=0 x f (x) = 1. c + δ). f · g.♣ Teorem 6. 4. |xδ − c| < δ. f ima prekid u toˇki c.2 Neka su funkcije f. Tada je |f (xδ ) − f (c)| > f (c) = ε. i neka je f (a)f (b) < 0. onda je oˇito f (−1)f (1) = −1 < 0. tj. f .3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. Dokaz: Pretpostavimo suprotno. f − g. 1] −→ R. i funkcija g neprekidna u f (x0 ).4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. za koji je f (xδ ) ≤ 0. tj. onda njezin graf mora negdje sjeˇi x os. i neka je f (c) > 0 (f (c) < 0). b]. f |[−1. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. Ako je funkcija f neprekidna u x0 .♣ z c Teorem 6. Tada za svaki δ > 0. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. 2. g : R −→ R takve da je definirano (g ◦ f )(x0 ).♣ Teorem 6. c + δ . Dakle. ali oˇito f nema nultoˇku na segmentu c c c [−1. mora imati nultoˇku. ˇto je suprotno pretpostavci.1] : [−1. postoji xδ ∈ (c − δ. Tada postoji x0 ∈ a. g ˇ POGLAVLJE 6. 1]. x = 0 svugdje neprekidna osim u nuli.3 Iz Napomene 5. tj. b takav da je f (x0 ) = 0. Uzmimo ε = f (c).4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. 3.♠ . f + g.218 1. c s Analogno se dokaˇe sluˇaj f (c) < 0. 1] (jer je nema na cijelom R). onda je funkcija g ◦ f neprekidna u x0 . i x0 ∈ D(f ) i f (x0 ) ∈ D(g). Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ.♣ c Teorem 6.

c 1 x je Teorem 6. funkcija f (x) = neprekidna na 0. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. Tvrdnja z Teorema 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. π . Teorem 6.5 ne vrijedi za otvorene intervale. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. M ∈ R takvi da je m ≤ f (x) ≤ M. Tada je funkcija f neprekidna na intervalu I. π funkcijom tg je R. Npr. moˇemo li neˇto re´i o funkciji koja preslikava otvoreni interval u otvoreni z s c interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval.4) Teorem 6. Npr.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. Pitanje je sad. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. za svaki x ∈ I (Definicija 5.♣ 6.3 Neprekidnost elementarnih funkcija Primjer 6. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.6 ne vrijedi za otvorene intervale. . ali oˇito je neomedena.4 nuˇan.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.4 Funkcije f. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .3 slijedi da je uvjet neprekidnosti iz Teorema 6. slika otvorenog intervala − π . 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.♣ Teorem 6.ˇ 6.♣ c Tvrdnja Teorema 6. b].1. onda je ta funkcija i neprekidna. Nadalje.1. 1 .

takoder iz Teorema 6. .3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. .1 direktno imamo: n Teorem 6. logaritamskih. na R su neprekidne i funkcije ai xi . Budu´i da je |f (x) − f (x0 )| = |x − x0 |. Na isti naˇin se zakljuˇi da su xi . dakle iz Teorema 6. n... Zbog neprekidnosti konstantne funkcije na R (Primjer 6.7.. logaritamske. 1.220 ˇ POGLAVLJE 6. Iz Teorema 6. Na kraju.1.. i = 0.1. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). . i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. Nadalje.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. z c Uzmimo proizvoljni ε > 0. 1.9 Eksponencijalne. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije.. Teorem 6.♣ Napomena 6. π monotone c 2 2 bijekcije na R. n. UVOD U DIFERENCIJALNI RACUN 1.4) i Teorema 6. trigonometrijske. 1. c Dokaz: U Primjeru 6. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.. c c neprekidne na R. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. tj. arkus. z c Uzmimo proizvoljni ε > 0.7 imamo da su neprekidne i funkcije arctg i arcctg.. i = 0. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. jer je svaka racionalna funkcija kvocijent dvaju polinoma. takoder iz Teorema 7. Budu´i da je f (x) − f (x0 ) = c − c = 0. zakljuˇujemo c da je i suma od ai xi . Dokaz: Neprekidnost eksponencijalnih. π odnosno 0.♠ z Iz Primjera 6. slijedi da c moˇemo uzeti δ = ε.4 i Teorema 6.7 su neprekidne. hiperboliˇke c i area funkcije su neprekidne na svojim domenama.1. z 2. n.1 sada slijedi da je na R neprekidna i funkcija x2 .1. jer su njihove restrikcije npr. .4 dokazali smo da je funkcija f (x) = x neprekidna na R.. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. na intervale − π .. i = 0. polinom Pn (x) neprekidan na R.7 c i periodiˇnosti. hiperboliˇkih (osim kosinusa hiperbolnog).

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

Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Za funkciju f : R −→ R danu formulom f (x) = arctg x . za x malo manji od 1. funkcija nije definirana u toˇki 0. vidimo da su one c c c blizu vrijednosti −1.222 ˇ POGLAVLJE 6. dodemo li s x dovoljno blizu c toˇki 1. tj. tj. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. 4. vrijednosti c funkcije su malo ve´e od −1. Ako uzmemo s c toˇku x dovoljno malu. dovoljno blizu c nule. S druge strane.5 nije definirana u toˇki x = 1. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. ako uzmemo toˇku c x dovoljno malu. c 3.4 Graniˇna vrijednost (limes) funkcije c 1. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. tj. za vrijednosti od x koje su malo ve´e od 1. Raˇunaju´i te vrijednosti. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. 6. ali pozitivnu. Dakle. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1.1. ali negativnu. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. c c 2. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. funkcija nije definirana u toˇki 0. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. vrijednosti funkcije c su malo manje od −1. zakljuˇujemo.

Neka je dana funkcija f : R −→ R formulom f (x) = xx . Dakle.2. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1.5).8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . osim.2. ako c ˇelimo promatrati ponaˇanje oko nule. |f (x) − M | < ε).1.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. osim. x−→c Ako limes postoji on je i jedinstven: Teorem 6. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. moˇda u samoj toˇki c. 2 2 5. tj.♠ Situacije iz Primjera 6. 6. . takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. Ako funkcija ima limes L u toˇki c. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. pravac y = π je horizontalna asimptota.ˇ 6. moˇda u samoj toˇki c.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. a ne znamo izraˇunati ni njenu vrijednost za x = 0. Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε).3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. Definicija 6. onda piˇemo c s L = lim f (x).

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

recimo odozgo. x−→−∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) < −M ). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Analogno. osim. Definiciju 6. . tj. c z u samoj toˇki c kaˇemo da ima limes L ∈ R s desna u toˇki c i piˇemo c z c s L = lim f (x) x−→c+ ako za svaki ε > 0 postoji δ > 0 takav da (x > c. moˇda.1.3 moˇemo proˇiriti i na sluˇaj c = +∞ odnosno c = −∞ i z s c L = +∞ odnosno −∞. |x − c| < δ) =⇒ (|f (x) − L| < ε).ˇ 6. x−→−∞ lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) > M ). s desna. Dakle. osim. x−→+∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (f (x) < −M ). lim f (x) = −∞ ako za svaki M > 0 postoji δ > 0 takav da x−→c 225 (0 < |x − c| < δ) =⇒ (f (x) < −M ). |x − c| < δ) =⇒ (|f (x) − L| < ε). ˇ Zelimo li naglasiti da se argument x pribliˇava vrijednosti c samo s jedne z strane. Za funkciju f : R −→ R definiranu na nekoj okolini toˇke c. Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da z x−→+∞ za sve (x > N ) =⇒ (f (x) > M ). za funkciju f : R −→ R definiranu na nekoj okolini toˇke c. moˇda u c z samoj toˇki c kaˇemo da ima limes L ∈ R s lijeva u toˇki c i piˇemo c z c s L = lim f (x) x−→c− ako za svaki ε > 0 postoji δ > 0 takav da (x < c. piˇemo s x−→c+ lim f (x).

11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. x−→0 x π 4. Obrnuto.7 Iz Primjera 5. x−→+∞ 6. UVOD U DIFERENCIJALNI RACUN Teorem 6. x2 − 3x + 2 = −1.226 ˇ POGLAVLJE 6. ako postoje limesi s lijeva i s desna i oni su jednaki L. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . onda je jasno iz Definicije 6. moˇda u samoj toˇki c.5.♠ 6. Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. ♣ c Primjer 6. x > 0 ima prekid u nuli. s c 1.1. x < 0  sign x = 0. x−→1 x−1 1 = +∞. lim arctg x = . Dakle je x−→0+ lim sign x = sign 0 . Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x = 0   1.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x−→+∞ 2 5. c osim.5 Neprekidnost i limes Primjer 6.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. x −→0 − lim sign x = −1 . onda iz Definicije 6. tj. x−→0 x2 lim 1 1 = +∞ i lim = −∞.6 Opiˇimo sada pomo´u limesa Primjer 6.5 znamo da funkcija   −1. x−→0+ lim xx = 1. ne postoji lim sin x. lim 3. Dokaz: Ako funkcija f ima limes L u toˇki c. lim 2.

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

neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. a > 0 +∞. (−∞) · (−∞) = +∞.14. 5. no moˇe se desiti da dobijemo izraz koji nije z z definiran. +∞ ± a = +∞.228 ˇ POGLAVLJE 6. (−∞) + (−∞) = −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6. a ∈ R proizvoljan. 9. 7. (−∞) · a = 10. x−→c+ Dokaz: Izravno iz Teorema 6.11. a < 0. a ∈ R proizvoljan. (+∞) · (+∞) = +∞. 6. (+∞) + (+∞) = +∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.1. a > 0 −∞. −∞ ± a = −∞. 3. a +∞ = 0.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. jer operacije nisu definirane i operandi nisu realni brojevi.12 i 6. . a < 0.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). Kako one nisu realni brojevi. To se posebno odnosi na veliˇine +∞ i −∞. −∞. (+∞) · (−∞) = −∞. (+∞) · a = +∞.♣ 6. 2. 4. a ∈ R proizvoljan. 6. 8.

+∞ −∞ . (+∞) + (−∞). pa je 0 neodreden oblik. (+∞)0 . Dakle. 1−∞ . 00 . onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. (−∞)0 . ”Sedam veliˇanstvenih”: c 0 . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. 0∞ . s s c c Iz Primjera 6. onda s je to i limes od f (x) kad x −→ c. Osim s beskonaˇnim veliˇinama. −∞ 2. a −∞ 229 = 0.1. mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. 1∞ . +∞ . 3. 0 . ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. −∞ −∞ . ∞ ∞ − ∞. 5. 0 2. +∞ · 0. Analogno se dokaˇe da je ”vrijednost” izraza za koji se dobije uvrˇtavanjem vrijednosti x = 2 u funkciju s x2 −3x+2 f (x) = x−2 je 1. a ∈ R proizvoljan. ∞0 . +∞ +∞ . 0 0 . Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. −∞ · 0. ∞ · 0. 1+∞ .ˇ 6. 0 ∞ . Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. Ako se dobije jedan od neodredenih oblika. 4.6 znamo da ”vrijednost” izraza 0 koji se dobije ”uvrˇtavanjem” s 0 x2 −3x+2 z vrijednosti x = 1 u funkciju f (x) = x−1 je −1.

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

ˇ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6.2. Oznaˇimo s A = z c c (cos x.16 lim i 1 lim (1 + )x . presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). Kada s pravca uzmemo x ∈ (0. x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1.9.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. njihov rast. ortogonalnu projekcija toˇke A na x os. tg x ). pad. Kako gledamo c limes funkcije sin x kada x −→ 0. To znaˇi da je c x−→+∞ lim loga x = +∞. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). koji se nalazi unutar trokuta OBB . za a > 1.1. svojstva potencija. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). c c eksponencijalnih i logaritamskih funkcija. c Osim ovih limesa. Iz toˇke 5. neparnost i sliˇno. x−→+∞ x sin x = 1. +∞) i da joj c c je slika cijeli R. jasno je da je dovoljno x x promatrati x ∈ (0. i s B = (1. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. sin x).1. i zbog parnosti od sin x . tj.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.4).9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. 0) u ravnini. koriste´i definicije limesa i jednostranih limesa (toˇka 6. π ). Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). a ∈ R. 0). Dakle. . parnost.

Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna.2: Uz izvod osnovnog trigonometrijskog limesa. UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. sin x cos x xr .♣ x lim . 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . 2 x 2 sin x 1 ≥ ≥ cos x. x−→0 x sin x = 1. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti.232 ˇ POGLAVLJE 6. i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6.

♠ x−→0 t−→0 x ln a ln(t+1) ln a .17 x−→+∞ 233 lim 1+ 1 x x = e. ♣ Primjer 6. x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a.1. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. c Zbog toga je ex − 1 t lim = lim = 1. a ∈ R.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 x lim a > 0.ˇ 6.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.10 ex − 1 = 1. Dakle imamo ax − 1 ex ln a − 1 = lim .12 i Teorema 6. Tada je jasno da t −→ 0 kada x −→ 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. i da je x = ln(t + 1). x−→0 x Iz Teorema 6.2. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. x−→0 x lim i ax − 1 = ln a. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . Dakle . x Oznaˇimo sada ex − 1 sa t.

.18 i temeljni limesi iz toˇke 6. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).1. 6. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). 6. x−→c x−→c 2. x−→c x−→c 4. x−→c c 3.13. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.16.7 su nam dovoljni za c raˇunanje gotovo svih limesa.2 6.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. ♣ x−→c Teoremi 6.2. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. Tada 1. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0.17. 6.234 ˇ POGLAVLJE 6. g : R −→ R. c 6.

b = t0 + ∆t. c . dobivamo s v= 50 km = 100 . s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. b). ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. ∆t ˇ Sto je ∆t manji. za razliku od prosjeˇne. Trenutna brzina. Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . Uzmimo a = t0 .♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. t gdje je s prijedeni put. 0. 15 minuta nakon polaska.6.2. Dakle. to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . DERIVACIJA FUNKCIJE 235 Primjer 6.5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. z c zahtijeva podrobnije razmatranje. dobivamo neodredeni izraz tipa 0 . s(t0 + ∆t) − s(t0 ) v= . a t vrijeme za koje smo preˇli taj put. No uvrstimo li ∆t = 0 u gornju formulu. b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. t0 + ∆t]. tj. 0 moramo promatrati limes. tj. Dana je formulom c v= s(b) − s(a) . za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . Ideja je koristiti ono ˇto znamo. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata. Kretanje je promjena poloˇaja u vremenu.

a to je jednako koeficijent smjera te sekante. y(t0 )) i c ∆t (t0 +∆t. c ∆y = tg α. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6.001) − y(1) . y(t0 +∆t)) zatvara s osi x. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . UVOD U DIFERENCIJALNI RACUN Primjer 6.3: Ovisnost visine projektila o vremenu. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. Dakle. prosjeˇna brzina projektila u vremenskom intervalu [t0 . prosjeˇna brzina odgovara koeficijentu smjera sekante. 1. ∆t . Op´enito. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 .236 ˇ POGLAVLJE 6.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 .

♠ 6. Ako postoji z c f (x0 + ∆x) − f (x0 ) . x0 ∈ I.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .2. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . c mjeri brzinu promjene veliˇine c Definicija 6.2. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.6.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 .11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. tj.4: Sekante i tangenta. f : I −→ R. c Primjer 6.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.

2. c z Primjer 6.238 ˇ POGLAVLJE 6. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. Derivacija funkcije f u toˇki x0 je broj.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.♠ ∆x−→0 ∆x 6. Derivacija funkcije f (x) = kx + l je f (x) = k. UVOD U DIFERENCIJALNI RACUN Primjer 6. ∆x−→0 ∆x Napomena 6. Dakle je c f (x) = lim f (x + ∆x) − f (x) . .14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I.15 Pogledajmo sljede´e primjere: c 1. c c koji se oznaˇava sa f (x0 ). Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k. l ∈ R. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). Dakle brzina promjene linearne funkcije je konstanta.6 Uoˇimo bitnu razliku. za proizvoljne k.

funkcija f (x) = l je konstanta.6. f (x + ∆x) − f (x) = ∆x−→0 ∆x f (x) = lim lim sin(x + ∆x) − sin x sin x cos ∆x + cos x sin ∆x − sin x = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim sin x(cos ∆x − 1) sin ∆x cos x + lim = ∆x−→0 ∆x ∆x cos ∆x − 1 sin ∆x + cos x lim . ˇto smo i oˇekivali. a c iz gornjeg raˇuna imamo da je c f (x) = 0.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. Derivacija funkcije f (x) = x2 je f (x) = 2x.♠ . f (x) = lim lim f (x + ∆x) − f (x) (x + ∆x)2 − x2 = lim = ∆x−→0 ∆x−→0 ∆x ∆x x2 + 2x∆x + ∆x2 − x2 = lim (2x + ∆x) = 2x. ∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. Dakle je promjena brzine konstantne funkcije nula. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0.2. tj. s c 2.

17 1.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. Sliˇno. M= ∆x−→0− lim .2. funkcija pada c c na tom intervalu. To su npr.4) ustvari limes funkcije f (x + ∆x) − f (x) . Dakle iz Teorema 6. odnosno da je tangenta pravac koji raste. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). c c 6.240 ˇ POGLAVLJE 6. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. ne postoji f (0). ∆x Lagano se vidi da je M = 1 i L = −1. Takve toˇke zovemo stacionarne toˇke. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. problem razliˇitih vrijednosti s lijeva i zdesna. ako je f (x) < 0 na nekom intervalu. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Primjer 6. problem konaˇnosti c c limesa. tj. U toˇkama gdje je f (x) = 0. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. tangenta je paralelna s osi x. problem rubova domene.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6.. Tu funkcija niti raste c niti pada. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. problem postoc janja limesa.

∆x ∆x−→0 dakle ne postoji f (0). DERIVACIJA FUNKCIJE 2. Tada je f i neprekidna u x0 .2. ∆x−→0 dakle ne postoji f (0). Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 .7 imamo da je c lim √ 3 1 ∆x2 = +∞. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. 3. c x0 ∈ I ⊆ D(f ).6. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.7 imamo da je c lim √ 3 1 = +∞. Funkcija f : R −→ R dana formulom f (x) = x0 = 0. ∆x ∆x−→0 .1.♠ Teorem 6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . √ 3 241 x nije derivabilna u x0 = 0.1.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ .

12 zakljuˇujemo da je funkcija g neprekidna u x0 . za one x ∈ I za koje je g(x) = 0). razlike. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ).12 imamo da je f neprekidna u x0 . Sve tri funkcije iz Primjera 6. Nadalje. Iz Teorema 6. tj. Tada su na I derivabilne i funkcije f ± g. Derivacija zbroja. g 2 (x) Dokaz: 1. produkta i kvocijenta funkcija Teorem 6. I ⊆ D(g). UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . ∆x−→0 ∆x ∆x . f (x) g(x) = f (x)g(x)−f (x)g (x) . (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. ali vidjeli smo da nisu derivabilne.242 ˇ POGLAVLJE 6. Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ).17 su c neprekidne u nuli.♣ Obrat Teorema 6. i vrijedi 1. ∆x f (x0 ).20 Neka su funkcije f. (f (x) ± g(x)) = f (x) ± g (x) 2. ∆x = 0 . za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x).19 op´enito ne vrijedi. f · g i f g (tamo gdje je definirana.

♣ . c dakle je po Teoremu 6. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). ∆x−→0 ∆x−→0 Sada iz Teorema 6.2.6. Dakle 1 g(x) = 0.♣ g 2 (x) Napomena 6. f (x) g(x) f (x)g(x) − f (x)g (x) . (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x).7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). tj. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). imamo g(x) · = 0.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). g 2 (x) f (x) g(x) = 1 f (x) g(x) . Oˇito je D(g) = R. Kako je g(x) · 1 g(x) = 1. za svaki x ∈ I. za svaki x ∈ I. gdje je λ ∈ R proizvoljan. po 1 pravilu derivacije produkta g (x) g(x) + g(x) 1 g(x) 1 g(x) Kako je f (x) g(x) = −g (x) . derivabilna na I i vrijedi (λf ) (x) = λf (x). Izraˇunajmo prvo c 1 g(x) . tj. 3. DERIVACIJA FUNKCIJE 2. po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) . Tada je funkcija λf .

16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. f (x) ∈ J ⊆ D(g).♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . f (x) Ovo se. f (x) = sin x. odnosno (f −1 ) (f (x)) = 1 .21. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) = 0 na I i neka postoji f −1 . Dakle imamo f −1 (f (x)) = x. Izraˇunajmo joˇ i (f ◦ g) . UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . gdje je g(x) = x2 . naravno. c −1 tj. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J.244 ˇ POGLAVLJE 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . z Teorem 6.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. x ∈ I ⊆ D(f ). Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 .21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. c Primjer 6. g = f . Sada primjenom Teorema 6. moˇe provesti samo ako je f (x) = 0. f (x) ♣ . Primjera 6. Dakle.15 i Primjera 6. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. iz Teorema 6.

∆x−→0 ∆x lim dakle je f (x) = ex .8 Studentima se preporuˇuje da provjere donje formule samostalno.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. Derivacija funkcije g(x) = ln x je g (x) = x . 2 x x je g (x) = Iz Primjera 6. DERIVACIJA FUNKCIJE Primjer 6.6.22 i derivacijama iz donje tablice. odnosno 1 g (x) = √ .21 i 6.21 i 6. Derivacija funkcije g(x) = √ 1 . . 6.19 Pogledajmo sljede´e primjere: c 1 1. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . odnosno g (x) = 2. Osnovne derivacije dajemo u sljede´oj tablici. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. x 1 √ .22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. 6. Iz Teorema 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. Kako je (f ◦ g)(x) = x iz Teorema 6.2.10 imamo da je f (x) = lim e∆x − 1 = 1. c Napomena 6. i vrijedi (f ◦ g)(x) = x.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.20. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .20.

Jasno je da je ∆x = tg α.5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. odnosno ∆f = tg α∆x . Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 . UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6. no to je ponekad teˇko izraˇunati.1: Derivacije elementarnih funkcija 6.2. f (x0 )) biti dosta mala. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . f (x0 )) i osi x. gdje je α kut izmedu tangente funkcije f u toˇki (x0 . f (x0 )) s c c ∆f apscisom x0 + ∆x. c tj. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 .

Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. Tada od svih polinoma stupnja najviˇe jedan.6. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ).2. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 .5).1.5: Diferencijal funkcije. jednadˇba tangente u c z toˇki (x0 . f (x0 )). y f(x) α 0 x0 x 0+ ∆ x x Slika 6. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . DERIVACIJA FUNKCIJE 247 ∆x. Dakle. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.♣ c . c Teorem 6.

dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). c Primjer 6. Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator.♠ s s c . dakle je f (0) = cos 0 = 1.23). c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.5 2 Slika 6.5 1 1.248 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. Iz Primjera 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. to su razlike ordinata na grafu i na tangenti male za istu apscisu. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Dakle.5 -1 0.16 znamo da je f (x) = cos x.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.

Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. DERIVACIJA FUNKCIJE 249 Primjer 6. f (r) = 1+r . t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. odnosno f (0) = 1. ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. 1 Kako je f (0) = 0. ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje.6. odnosno 2 = (1 + r)t . 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. gdje je G glavnica.2. imamo f (r) ≈ f (0) + f (0)(r − 0) = r. Imamo 2G = G(1 + r)t .♠ c s .

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

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

13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. oˇito je c x−→1 lim f (x) = 3 = f (1). 0 x>1 oˇito f ima prekid u x = 1.26 je bitan. f neprekidna na R. pa je. . z Iz Teorema 6.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. UVOD U DIFERENCIJALNI RACUN 2. x ≤ 1 . Kako je f (x) = 3. Uvjet f ∈ C 1 (I) iz Teorema 6.258 ˇ POGLAVLJE 6.12. x ≤ 1 f (x) = 3 x > 1. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. b−a ali ne postoji x ∈ 0. y f(x) 0 a b x Slika 6. po Teoremu 6. x za koji je f (x) − f (a) = f (x ). Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). 2 za koji je f (x ) = 1. Ako je dana funkcija f : R −→ R formulom 3x.

no u nekoj toˇki sigurno je.5).6. f (a)) i (x. Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I.+ (x−x0 )n + (x−x0 )n+1 . tj. S druge strane. tj.2. poznavaju´i vric c jednosti viˇih derivacija u x0 . c Usporedimo to s lokalnom linearizacijom (toˇka 6. tj. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). imamo toˇan izraz. Teorem 6.27 je baˇ Lagrangeov teorem srednje s vrijednosti. Koliko je ta aproksimcija dobra? Odnosno. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . Napomena 6.♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula.. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. imamo c pribliˇni izraz. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). .. tj. Sastoji se od Taylorovog polinoma n-tog stupnja n Tn (x) = i=0 f (i) (x0 ) (x − x0 )i i! i ostatka Rn (x) = f (n+1) (cx ) (x (n+1)! − x0 )n+1 . i ne znamo ga toˇno. iz Teorema 6. ali ne znamo za koji x .2.26. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a.14 Za n = 0 Teorem 6. f (x)).

.. Aproksimacija je dobra lokalno. Sliˇno kao i Teorem 6. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . 2! . ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|. UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 .. Dakle. T1 (x) = f (0) + f (0)x = x. 2! f (cx ) (x − x0 )2 2 predstavlja greˇku lokalne linearizacije s R2 (x) = f (x) ≈ f (x0 ) + f (x0 )(x − x0 ) funkcije f u okolini toˇke x0 . f (x0 )) od svih c polinoma danog stupnja. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa.260 ˇ POGLAVLJE 6. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0.23.♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N.24 Neka je dana funcija f (x) = sin x. Dakle.. s Primjer 6. . x2 = x.

dakle nisu jako c dobri za numeriku.. tj. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn .. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . sin x. n! ∞ sin x = n=0 (−1)n x2n+1 . DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .6. odnosno konvergirati nekoj z (x drugoj funkciji. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.1). Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). Moˇe se pokazati da su funkcije ex .. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .3.28 Neka je f ∈ C 1 (I) za neki interval I. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . 6. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. (2n)! Napomena 6..8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6.15 Taylorovi redovi obiˇno sporo konvergiraju.2. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . .2. (2n + 1)! ∞ cos x = n=0 (−1)n x2n .

onda funkcija strogo raste (pada) na I. obratna tvrdnja ne mora vrijediti. 2. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. dakle z funkcija f raste na I. ∆x za svaki x ∈ I. ∆x Primjer 6. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. Dokaz ide na sliˇan naˇin. pa je f (x) = lim za svaki x ∈ I. to je i lijeva strana takva. Dokaz: c 1. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Tada. Obratno. Neka je f ∈ C 1 (I) rastu´a funkcija na I.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. UVOD U DIFERENCIJALNI RACUN 1.262 ˇ POGLAVLJE 6. pa je f (x + ∆x) − f (x) ≥ 0. Iz Napomene 6. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).28 primjenom Teorema 6. Medutim. x−→0 U Teoremu 6. jer se c s c medu njima nalaze potencijalni ekstremi. .11 imamo da obrat ne vrijedi.25 zakljuˇujemo da u Teoremu 6. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Jedan smjer bismo mogli dokazati. Dakle ne vrijedi f (x) > 0 na R. 2. Ovaj smjer se dokazuje analogno kao u Teoremu 6. za svaki x ∈ I. Limes nenegativne funkcije mora i sam biti nenegativan. lim x2 = 0).26 postoji x ∈ (x. Funkcija f raste na I ako i samo ako je f (x) ≥ 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0.26. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x).24 smo vidjeli da.♠ Iz Primjera 6. Kako je desna strana gornje jednadˇbe nenegativna. po Teoremu 6. onda je f (x0 ) = 0. za svaki x ∈ I.

Dokaz: Izravno iz toˇke 5.4. u stacionarnoj toˇki funkcija moˇe. onda u x0 funkcija f ima lokalni maksimum. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. DERIVACIJA FUNKCIJE 263 Definicija 6.24.♣ c Konveksnost.6.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. x2 ∈ I.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . To ovisi o promjeni ponaˇanja funkcije u toj toˇki. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. . kaˇemo da je f konkavna na I. Teorema 6. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) .29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. imati s c z lokalni ekstrem. ali i ne mora. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. a s druge pada (raste)). u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).1. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). da je barem f ∈ C 2 (I)). Teorem 6. c Dakle. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . jer konveksnost i konkavnost ovise o predznaku druge derivacije. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . c Kao ˇto smo rekli. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . onda u x0 funkcija f ima lokalni minimum. Ako derivacija s c ne mijenja predznak.2. Definicija 6.28. Teorema 6. 2 za sve x1 . x2 ∈ I.

2. funkcija f ima u x0 ∈ I lokalni minimum.264 ˇ POGLAVLJE 6. c 1. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum.27 biti iz te okoline. izmedu x1 . Uzmimo x proizvoljan iz te okoline. x2 ∈ I graf konveksne funkcije je ispod. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. Ako je f (x0 ) < 0. UVOD U DIFERENCIJALNI RACUN Definicija 6. Dokaz ide na sliˇan naˇin.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Onda ´e i toˇka cx iz Teorema 6. a konkavna ako je za sve x1 . Dakle je f (cx ) > 0.31. Dokaz: 1. konveksnost i konkavnost su odredene predznakom druge derivacije. c c Dakle. 1. za svaki x ∈ I.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). f (x2 )). Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0.3). funkcija f ima u x0 ∈ I lokalni maksimum. jer c c se nalazi izmedu x0 i x. c 2.27 za sluˇaj c n = 1. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. ali je f (0) = 0. iz Teorema 6.♣ Teorem 6. za svaki x ∈ I. Primijenimo li Teorem 6. f (x1 )) i (x2 . Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). Npr. Teorem 6. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). Ako je f (x0 ) > 0.30 Neka je f : I −→ R klase C 2 (I). 2. c . Zbog neprekidnosti druge c derivacije. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum.

Iz Teorema 6. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. c + δ strogo konveksna. pa je po Teoremu 6. ∞ . c + δ strogo konkavna ili je na c − δ. g (x) onda je i x−→x0 lim f (x) = L. Onda je c toˇka infleksije od f . pa x = 0 ne moˇe biti z toˇka infleksije. c + δ strogo c konkavna za neki δ > 0.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . x ∈ I. c Teorem 6. Ako je c ∈ I toˇka infleksije od f . f (c)) toˇka infleksije grafa funkcije f .30 imamo da funkcija f raste na (c − δ. neka je f na c − δ.L’Hospitalovo pravilo c Teorem 6. Dakle je konveksna na −∞.♣ Uvjet f (c) = 0 iz Teorema 6. g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . 0 i f (x) > 0 za x ∈ 0. Dokaz: Bez smanjenja op´enitosti. ali je f (x) > 0 za x ∈ −∞. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.34 Neka su f i g derivabilne funkcije na I osim. Dakle. onda je c f (c) = 0. Npr. ∞ . f ima lokalni maksimum u c.2. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f .7. c Dokaz: Izravno iz Definicije 6.7 Neka je f : I −→ R i c ∈ I.32 Neka je f ∈ C 2 (I). c strogo konveksna i na c. moˇda. x ∈ I. 0 i 0. z Neka je lim f (x) = lim g(x) = 0.6.24 f (c) = 0. c c Kaˇe se joˇ da je toˇka (c.♣ Raˇunanje limesa . Ako je g (x) = 0 za svaki x = x0 . z s c c Teorem 6. c strogo konveksna i na c. c strogo konkavna i na c. Neka postoji δ > 0 takav da je funkcija f na c − δ.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. c) i pada na (c. u x0 ∈ I. DERIVACIJA FUNKCIJE 265 Definicija 6. c + δ).32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. Tada iz Teorema 6.

g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki.16 Neka su funkcije f. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). .34. . f (x0 ) = 0. iz Teorema 6. Znamo da je c tg α1 = f1 (x0 ).266 i ˇ POGLAVLJE 6.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) .12). g (n) (x0 ) = 0.12) i iz Teorema 6. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . g(x0 ) = 0. tg α2 = f2 (x0 ). gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . f (n) (x0 ) = 0. c Dakle. analogno kao u dokazu Teorema 6. . gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. . g (n+1) (x0 ) = 0.♣ g (x) f g Na Teorem 6. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. c Napomena 6. . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . po g (x0 ) = 0. Tada. .

1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . a > 0. tj. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). . To znaˇi da u c toˇki (x0 .17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .2. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.14: Kut izmedu dviju krivulja. Iz toˇke 2. 1 + f1 (x0 )f2 (x0 ) Napomena 6.2. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. z c c Primjer 6. ako i samo ako je f1 (x0 )f2 (x0 ) = −1.6. c c pa moˇemo re´i da se diraju u toj toˇki.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. dakle je f1 (x0 ) = f2 (x0 ).1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . onda je i tg α = 0 . odnosno ako i samo ako je tg α = ∞. Ako je α = 0. x a + x2 = f2 (x).

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

c Iz geometrijskih i praktiˇnih razloga je jasno da uz svaki vrh treba izrezat kvadratni c komad i da duljina stranice tog komada treba biti ista za sve vrhove. c c 4. Ispitati ponaˇanje na rubovima domene (asimptote).6. Odrediti domenu funkcije (prirodno podruˇje definicije). Odrediti intervale monotonosti i lokalne ekstreme. 7. c c 2. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. samokorigiraju´i. Prona´i stacionarne toˇke. Postupak je. Nadalje je V (x) = (a − 2x)(a − 6x). Ispitati parnost. z s c s c Praktiˇni ekstremalni problemi c Diferencijalni nam raˇun daje efikasan i gotovo mehaniˇki naˇin odredivanja ekc c c strema u raznim praktiˇnim problemima. neparnost. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. konkavnosti i toˇke infleksije. Prona´i intervale konveksnosti.2.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. c c z 8. u izvjesnom smislu. Sloˇiti sve dobivene podatke u graf funkcije. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. periodiˇnost. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. Postupak: 1. s 5. . to upu´uje na pogreˇku u raˇunu. c c 6. 3. Oznaˇimo c li tu duljinu s x. c Primjer 6.

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

za x = 1.♠ s z c . no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom. doduˇe. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. tj. a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake. koji je elegantniji. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. U drugom pristupu. pozvali smo se na rezultat koji. U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. slijedi da je x + x ≥ 1. z c Usporedimo sada ova dva pristupa. minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . Poznato je da je aritmetiˇka sredina dviju c c c pozitivnih veliˇina uvijek ve´a ili jednaka od njihove geometrijske sredine (AG c c nejednakost). Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . je dio matematiˇke op´e kulture.2.6. 1 Nadalje. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin.

.

.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. odgovor je jednostavan . Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja. 1. ∞...Poglavlje 7 Uvod u integralni raˇun c 7. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I).. n = 0. 1.. n = 0. 2. Iz z Napomene 6. Npr.1 7. Dakle je funkcija z 273 . iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota.9 znamo da su skupovi C n (I).. Kako odrediti funkciju (nepoznatu) za koju nam je u svakoj toˇki poznat koeficijent smjera tangente na njen graf? c Iz gornjih primjera vidimo da postoji potreba za operacijom ili postupkom koji ´e ”poniˇtavati” uˇinak deriviranja. 2. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu.1. . ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu.. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina. ∞.treba ih samo mnoˇiti c z vremenom. c s z Ako su te veliˇine konstantne. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. za n godina bit ´e ih za n·100 viˇe nego danas. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom.. v = v(t)? Ili prirast populacije nije konstantan.

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

a to je upravo druga tvrdnja teorema. C ∈ R je konstanta integracije. H je konstantna funkcija.2. c F (x) je primitivna funkcija funkcije f (x). Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. Piˇemo s f (x)dx = F (x) + C. Ostale raˇunamo koriste´i svojstva c c c . s To nije toˇno inverz od derivacije. gdje je c neka toˇka izmedu x i x0 . ˇalje c s u f. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). koji je po Teoremu 7. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. slijedi H(x) = H(x0 ) za svaki x ∈ I.4).♣ 7. dolazi od S kao suma. dx pokazuje po ˇemu se integrira.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ).7. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .1. 275 Dakle imamo prvu tvrdnju. tj.1. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom.1 beskonaˇan. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . f (x) je integrand. Interpretirajmo elemente ove formule: je znak integrala.

2. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. z Teorem 7. Oˇito je. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. Kako je imamo f (x)dx f (x)dx = F (x) + C. Teorem 7.276 ˇ POGLAVLJE 7. Dokaz: 1.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx.2 f (x)dx = f (x). UVOD U INTEGRALNI RACUN neodredenog integrala.7). f (x)dx. = (F (x) + C) = F (x) = f (x). Dokaz: Neka je F primitivna funkcija funkcije f . Oˇito je.20 i Napomena 6.♣ Napomena 7.3 Vrijedi: 1.♣ . Neka je F primitivna funkcija funkcije f .1 Iz Teorema 7. c zbog linearnosti derivacije. zbog linearnosti derivacije. F ± G primitivna funkcija funkcije f ± g. 2. Za ostale operacije nema jednostavnih pravila. cF c primitivna funkcija funkcije cf . Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom.

3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7.1. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.1.3.1 Pogledajmo sljede´e primjere: c .1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. tabliˇne integrale. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. izraˇunati derivaciju bilo koje c c c elementarne funkcije. S druge strane. Ako se i moˇe integrirati.7. Najpoznatiji primjer je e−x dx.4).1.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.2. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. c c z z to obiˇno nije lako. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Tako moˇemo integrirati polinome i jednostavnije racionalne. c c koriste´i pravila i tablicu derivacija (toˇka 6. c 7. tzv.2) i svojstva iz Teoc c rema 7. Primjer 7. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. eksponencijalne i z trigonometrijske funkcije.

3 2. Traˇena funkcija je F (x) = x3 + x + 1. i ˇiji graf prolazi kroz toˇku (1. 3). 3). Koriste´i Teorem 7. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. Koriste´i Teorem 7.278 ˇ POGLAVLJE 7. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. i one c 3 su oblika x +x+C. pa je C = 1. i to je x3 +x+1.♠ c . Drugim rjeˇima. 3). UVOD U INTEGRALNI RACUN 1. Odredimo integral funkcije f (x) = x2 + sin x.2: Primitivne funkcije funkcije 3x2 + 1. y 3 0 1 x Slika 7. Samo jedna prolazi toˇkom (1. Dakle je 3 = F (1) = 1 + 1 + C.

No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. ima jedan sluˇaj kad se c produkt funkcija lako integrira. Koriste´i izraz za diferencijal (toˇka 6. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. + C. tj. ne mogu integrirati produkti funkcija (osim c za polinome.1. Ipak. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. deriviranjem sloˇenih funkcija. z Primjer 7.5).2. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. ovo moˇemo pisati kao c c z sin x d(sin x).♠ 2 . a to znamo da je u2 2 sin x d(sin x). ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza).2 Odredimo integral funkcije f (x) = sin x cos x. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. op´enito. gornji se integral svodi na u du. Dakle je sin x cos x dx = 1 2 sin x + C.3 i tabliˇne integrale.7.

6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C.3 Odredimo integral funkcije f (x) = sin5 x cos x. d(u(x)) = u (x)dx. tj. . Primjer 7. Ako je G(u) primitivna funkcija od g(u). UVOD U INTEGRALNI RACUN U Primjeru 7.280 ˇ POGLAVLJE 7. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. moˇemo podintegralnu funkciju pisati kao z g(u)du. a to je diferencijal od z u6 + C.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. Zamjenom varijabli kao u Primjeru 7.

♠ x2 .5 Odredimo integral funkcije f (x) = 3x . u 2 2 du . x2 −1 Uvedimo supstituciju u = x2 − 1.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. 2x 1 dx. kako iz integranda.4 Odredimo integral funkcije f (x) = tg x .7. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. cos x i da je sin x derivacija od − cos x. f (ax + b)dx = f (u) du 1 = a a du = a dx 1 1 f (u)du = F (u) + C = F (ax + b) + C. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. NEODREDENI INTEGRAL Primjer 7. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije.♠ u Napomena 7. 281 sin Integral tg x dx nije tabliˇni. pa je dx = Uvrstimo u integral. a nije ni produkt.1. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. Dakle. imamo 3x dx = 3 x2 − 1 Da smo imali x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln |x2 − 1| + C. Sada je du = 2x dx. tako i iz diferencijala. Manipuliramo malo izraz pod integralom kako bismo ga sveli na oblik pogodan za supstituciju: tg x dx = − sin x dx = cos x 1 sin x dx = − cos x 1 (− sin x )dx = cos x d(cos x) =− cos x du = − ln |u| + C = − ln | cos x| + C. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. Primjer 7.

UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. du = u dx. . Odredimo integral funkcije f (x) = x cos x.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. Koji od njih treba odabrati kao v? v du. Polazimo od formule za derivaciju produkta funkcija. a drugi se deriviranjen pojednostavnjuje.6 Pogledajmo sljede´e primjere: c 1.282 ˇ POGLAVLJE 7. Imamo produkt u kojem oba faktora znamo lako integrirati. v du. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. Napomena 7. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. tj. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. klase C 1 (I). Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili.♣ u (x)v(x)dx. (uv) = u v + v u. v du + u dv. zbog dv = v dx.

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

Stavimo dv = dx.♠ 2 x dx . UVOD U INTEGRALNI RACUN 1. Stavimo dv = sin x dx. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . v = 1. x dx x i v = x. tj. i u = arctg x . 2. v = sin x. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . i u = ln x. Odredimo integral funkcije f (x) = ln x.5 imamo x dx 1 = ln(x2 + 1) + C. Odredimo integral funkcije f (x) = sin2 x. tj. i u = sin x. tj. sin2 x dx. Odredimo integral funkcije f (x) = arctg x .8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. ˇto daje du = u dx = s v = x. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7.284 ˇ POGLAVLJE 7. v = 1. ˇto daje du = u dx = s cos x dx i v = − cos x. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. 1. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. Stavimo dv = dx.

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

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

Tada vrijedi: 1. . polinom (x − x0 ) dijeli s c c z polinom Pn (x). Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. NEODREDENI INTEGRAL 3. 2. r(x) = C ∈ R.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. c 2. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. c Napomena 7. tj. pa tvrdnja oˇito vrijedi. c c 3. pa je du = dx. konstanta. ako je x0 ∈ C nultoˇka od Pn (x). Odredimo integral funkcije f (x) = 1 . a u brojnicima konstante ili linearni polinomi. Ako je x0 ∈ R. Qn−1 (x). b ∈ R. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. tj. tj.) Dokaz: 1. x−3 287 Uvedimo supstituciju u = x − 3. ako je x0 ∈ C nultoˇka od Pn (x). c Neka je x0 ∈ C \ R. gdje c su a.7. onda je to i x0 . onda je to i x0 .♠ u Integriranje racionalnih funkcija za koje ne moˇemo na´i zgodnu supstituciju z c temelji se na metodi rastava racionalne fukcije na parcijalne (djelomiˇne) rac zlomke. onda polinom (x − x0 ) dijeli Pn (x). Uvrstimo u integral. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. c Metoda se temelji na sljede´im svojstvima polinoma. i ostatak r(x) koji je polinom stupnja 0.1. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . onda je x0 = x0 . onda je x0 = a − bi. ako je x0 ∈ C oblika a + bi.

. x2 .. tj.. ... xs c c c od Pn (x) kratnosti rγ ... Tada je po Napomeni 7. jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 .5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 .. medu brojevima x1 ... ima moˇda onih s komplesnim koeficijentima.. . . i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x).. onda je x0 = x0 . Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ . . c Neka je x0 ∈ C \ R.. Dakle svaki polinom Pn (x) s realnim koeficijentima moˇemo zapisati kao produkt razliˇitih z c linearnih i kvadratnih faktora s realnim koeficijentima i pripadaju´im kratnostima. odnosno medu linearnim fakorima (x − x1 ). g + hi. xs . UVOD U INTEGRALNI RACUN 3. (x − x2 ). rβ . medu kojima moˇe c c biti istih. i e + f i. . rs . zn od Pn (x) s pripadnim c c kratnostima r1 . . r2 .. . zn . onda je po tvrdnji 2.. odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x). c c Dakle je po tvrdnji 2. x2 + cx + d = (x − (g + hi))(x + (g − hi))... Neka su x1 .. . x2 ..♣ n Napomena 7. . a2 − 4b < 0. . redom..) = n. x2 + ax + b = (x − (e + f i))(x + (e − f i))... Ne moˇe c s biti ve´a jer bi u suprotnom x0 = x0 bila nultoˇka od Pn (x) kratnosti ve´e od r ˇto je c c c s suprotno pretpostavci. tj.. v = 0. Medutim. Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x). Neka je γ = u+vi.. . + rs = n.4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . xs od Pn (x).. Iz 1... (x − xs ). Kako je x0 nultoˇka kratnosti r od Pn (x)... β.. s ≤ n. . c2 − 4d < 0. Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )).) + 2(rab + rcd + ... njena kratnost je toˇno r. x0 nultoˇka od Pn−2 (x).4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ .. u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ . Kako je x0 nultoˇka kratnosti r od Pn (x). . Iz Napomene 7.. c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab . h = 0. razliˇite realne nultoˇke s pripadnim kratnostima rα ... f = 0.288 ˇ POGLAVLJE 7.. to je x0 nultoˇka kratnosti r −1 od Pn−2 (x). . xs sve razliˇite nultoˇke medu z1 . Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima. Kvadratni faktori nemaju realnih korijena.. i gdje su α. c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . pa tvrdnja oˇito vrijedi. medu razliˇitim nultoˇkama c c c c x1 .. x2 . r1 + r2 + . Medutim. x2 .. znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 ).5 Iz Teorema 5.... rcd . . Ako je x0 ∈ R. Dakle.

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

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

NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. Rjeˇenje je A = 3. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.♠ x−1 Ako su nuliˇta nazivnika jednostruka.♠ 3 3 . B = 2. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . x(x−2)(x+1) x+2 A B D = + + .1.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C. D = −1.7.

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

Povrˇina je geometrijska kategorija. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. s P = i P (Ti ). s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine.problem povrˇine (ploˇtine) s s Problem odredivanja povrˇine (ploˇtine) geometrijskog lika lako je rjeˇiti ako je s s s taj lik omeden ”ravnim” komadima granice. tj.2. c . duˇinama. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. problem moˇemo s c z smatrati u biti rijeˇenim. Kako povrˇinu trokuta znamo raˇunati. T1 T2 T3 T4 Slika 7.7.2 7. tj.3: Triangulacija podruˇja u ravnini omedenog duˇinama. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. Takav lik ˇesto zovemo krivuljnim trapezom. ODREDENI INTEGRAL 293 7. jer je to uobiˇajenije.1 Odredeni integral Motivacija .2.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. c z Napomena 7. gdje se zbraja po svim trokutima triangulacije Ti . Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. ploha. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. Lik se triangulira.

294 ˇ POGLAVLJE 7. b]. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. dakle. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a.6. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik.4: Krivuljni trapez. Neka je ta funkcija neprekidna. b x KT 1 KT2 KT KT3 4 Slika 7. s lijeva pravcem x = a. funkcija f na segmentu [a. i da komad krivulje bude graf neke funkcije. (Funkcija f je strogo pozitivna na [a. za svaki x ∈ [a.) Po Teoremu 6. Promatrajmo. b] funkcije f (x). b] . b] ako je f (x) > 0.5: Rastav ravnog lika na krivuljne trapeze. krivuljni trapez omeden odozdo komadom osi x. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7.

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

x2 . . n.. UVOD U INTEGRALNI RACUN postoje po Teoremu 6. . Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a.. Uvijek je m ≤ mi ≤ Mi ≤ M. jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). xn−1 } s r. i = 1... i = 1.7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima.. imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a). S(r) = i=1 Mi ∆xi . ... s Oznaˇimo li sada zadanu podjelu {x1 .n. koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi ... jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. a zbog m ≤ mi i Mi ≤ M . i = 1.296 ˇ POGLAVLJE 7. imamo s(r) ≤ S(r).. n. c y 11 111 00 000 11 00 11 11 111 00 00 000 1 11111 11 0 00000 00 111 000 11 00 111 000 11 00 111 000 11 00 11 00 11 00 11 00 0 a b x f(x) Slika 7.. . . Zbog mi ≤ Mi . b]. c m(b − a) ≤ s(r).6). Sliˇno.

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

13 vidimo da nisu sve funkcije na segmentu [a. b] imamo mi = 0 i Mi = 1. Izraˇunajmo iz definicije c b 1. b] je integrabilna. x ∈ R \ Q. UVOD U INTEGRALNI RACUN Definicija 7. Koje jesu? Neprekidne sigurno jesu. tj. onda je f (a) ≤ f (x) ≤ f (b). c i = 1. b].8 Dirichletova funkcija ima prekid u svakoj toˇki. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. b].13 Dirichletova funkcija. n. Uoˇimo da za svaku podjelu r segmenta [a.♣ Primjer 7.6 Svaka neprekidna funkcija na [a. dakle je f ograniˇena funkcija na [a. c Dokaz: Ako f raste na [a. onda je ona i c ograniˇena. b]. nisu integrabilne. b].♠ Napomena 7. x∈Q 0. b]. 1 dx.14 1. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. b] z kaˇemo da je f integrabilna na [a. z c tj. . Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b].♣ Napomena 7. b] integrabilne. c Iz Primjera 7. za svaki x ∈ [a. Koje joˇ? s Teorem 7. Primjer 7.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b] je integrabilna. a .♣ Teorem 7..5 Svaka monotona funkcija na [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). f (x) = nije integrabilna. Dirichletova funkcija nije integrabilna.298 ˇ POGLAVLJE 7... b].9 Uoˇimo da ako je f monotona funkcija na [a.

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

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

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

pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx. . < an−1 < b sve toˇke prekida od f na [a.....4 Funkcija f : [a. + an−1 f (x)dx. Analogno se dokaˇe ako je a < b < c. . gdje su a < a1 < a2 < .5 i svojstva 3. Definicija 7.10 Iz ovog svojstva slijedi da i funkcije koje na [a.. b] imaju konaˇno mnogo toˇaka prekida u kojima imaju konaˇne skokove (f : I −→ c c c R ima u c ∈ I konaˇan skok ako je | lim+ f (x) − lim− f (x)| < +∞) c x−→c x−→c b imaju odredeni integral. z Napomena 7..302 ˇ POGLAVLJE 7. b] znamo a1 b izraˇunati integrale c a b f (x)dx. a1 ].. na svakom segmentu [a... iz Teorema 7. b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < . c Kako je f neprekidna.. UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a. dakle znamo izraˇunati c i a f (x)dx. To moˇemo napraviti tako da integral z zapiˇemo u obliku s b a1 a2 b a f (x)dx f (x)dx = a a f (x)dx + a1 f (x)dx + . b]. an−1 f (x)dx. izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna.. [an . .. b]. [an−1 .. b ako uzmemo u obzir svojstvo c / 2. a1 ]. . Dakle.. takve da je f monotona na svakom segmentu [a. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx.. < an < b.

b] toˇka c pada u toˇno jedan c c [xj−1 . onda je c b f (x)dx = 0. i = 1.. a 4. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. 1. Dakle beskonaˇni skup {xn : n = 0.. .. x. dakle i integrabilna.. j + 1. a cf (x)dx = c a f (x)dx. Nadalje. .♣ c Napomena 7. i = 1. Beskonaˇnodimenzionalan je. pa je mi = 0. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. i svaka funkcija iz tog skupa je neprekidna na I. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx.13).. Dakle je s(r) = 0 i S(r) = Mj ∆xj .3). b] i da je f (c) > 0.2. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. Mi = 0. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. . ..7.2 i Teorema 6. b]). unutra se sigurno nalaze sve neprekidne funkcije na [a. . R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. i Mj = f (c). Stoviˇe.18. .. xj ]. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. jer npr. gdje je c ∈ R proizvoljan.18.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. j − 1.♣ b b 5. 6. n.. a (f (x) ± g(x))dx = a ili aditivnost integrala. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0..} se c nalazi u nekoj bazi od R(I).. b] (skup R(I) nije prazan. Ako je funkcija f : [a. x2 . Oˇito je z c c tada m = 0. n... skup c {1.2 i Teorema 6.. M = f (c) i za svaku podjelu r segmenta [a. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).

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

za svaki x ∈ I . Neka su f i g neprekidne funkcije na [a. Odatle slijedi da je F (b) ≥ F (a) = 0. b].3 slijedi da postoji interval . Ovo svojstvo se zove svojstvo monotonosti integrala. b] onda vrijedi stroga nejednakost. i oˇito ima pozitivnu derivaciju. tj. x2 ∈ I takve c da je x1 < c < x2 . Iz pozitivnosti funkcije f na [a. Ako je f (c) < g(c) za bar jedno c ∈ [a. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. b] tada iz Teorema 6. Kako je funkcija F = g − f neprekidna na [a. onda je b f (x)dx > 0. ODREDENI INTEGRAL 305 8. x2 ] imamo x2 f (x)dx > 0. Dakle. po Teoremu 6. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Dakle postoje x1 . a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b]. Dokaz: Po Teoremu 7. b] odnosno stroge pozitivnosti na [x1 .3 slijedi da postoji interval I ⊂ [a. Ako je f (c) < g(c) za bar jedno c ∈ [a. Ako je f neprekidna i nenegativna funkcija na [a.♣ 9. onda je F (c) = g(c) − f (c) > 0. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0.7.28 F raste na [a. b]. b]. c F (x) = g(x) − f (x) ≥ 0.2. b] oko toˇke c takav da je f (x) > 0. Tada je b b f (x)dx ≤ a a g(x)dx. b] i ako je f (c) > 0 za neki c ∈ [a. b] iz Teorema 6. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ.8 je dobro definirana funkcija F ∈ C 1 [a.

Nadalje.♣ 10. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|.6. a Dokaz: Po Teoremu 6. a b b f (x)dx ≤ a |f (x)|dx. za svaki c x ∈ [a. iz neprekidnosti funkcije f na [a.♣ a Izraz 1 b−a b f (x)dx a . tj. b] −→ R.306 ˇ POGLAVLJE 7. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. iz svojstva 9. Neka je f : [a. za svaki x ∈ [a. b]. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). pa postoji barem jedan c ∈ [a.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . Tada postoji toˇka c ∈ [a. 11. b] oko toˇke c takav da je F (x) > 0. tj.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. odnosno po Teoremu 6. UVOD U INTEGRALNI RACUN I ⊂ [a. Teorem 7. odnosno imamo strogu nejednakost. b].28 c F strogo raste na I . iz svojstva 9. b] takva da je c b f (x)dx = f (c)(b − a). b]. Nadalje iz Teorema 6. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. za svaki x ∈ I . Dakle postoje x1 . imamo da je F (b) > F (a) = 0. i Primjera 7. b]. b] za koji je b f (x)dx = f (c)(b − a). Ako f nije konstanta na [a. m ≤ f (x) ≤ M . b].14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a).

−1 medutim ne postoji toˇka c ∈ [−1. kako je f neparna c funkcija. x ≥ 0 −1. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. se zove srednja vrijednost funkcije f na segmentu [a.+an dine (aritmetiˇka sredina od a1 . Nadalje.. c Napomena 7. . 1] za koju je f (c) = 0. Povrˇina ispod s grafa neprekidne funkcije f nad [a. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta..7.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. an ∈ R je a = c ).7 ne mora vrijediti: Primjer 7.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.9: Teorem srednje vrijednosti za odredeni integral. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. iz svojstva 7. Odatle ime teoremu. a Teorem 7...♠ c . n Za funkcije koje nisu neprekidne Teorem 7.. x < 0.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.2. b]. Oˇito je da funkcija f ima prekid u x0 = 0. a2 . imamo da je 1 f (x)dx = 0.

Sre´om. UVOD U INTEGRALNI RACUN y 0 −1 1 x Slika 7. i taj je broj jednak ploˇtini izmedu grafa funkcije f i osi x omedenoj vertikalnim s pravcima x = a i x. Dakle imamo pridruˇivanje koje svakom x ∈ [a. b] pridruˇi z z ploˇtinu ispod grafa funkcije f desno od a i lijevo od x. jednostavnosti radi. postoji veza izmedu primitivne funkcije c c i odredenog integrala koja omogu´uje raˇunanje odredenih integrala pomo´u c c c c c neodredenih.Leibnizova formula Raˇunanje odredenih integrala izravno iz definicije mukotrpno je i teˇko izvedivo c s ˇak i za jednostavne funkcije. b] i izraˇunat ´emo njenu c c c derivaciju. 7. gdje je F (x) = a x f (ζ)dζ.3 Newton . b] neprekidnu x i.8 Neka je f ∈ C[a.308 ˇ POGLAVLJE 7.10: Teorem srednje vrijednosti ne mora vrijediti za funkcije koje nisu neprekidne. Za svaki x ∈ [a. Imamo c x −→ F (x). kad je podintegralna funkcija neprekidna. Prije formuliranja i dokazivanja teorema. promatrajmo na segmentu [a. pozitivnu funkciju f . b] postoji a f (ζ)dζ. Teorem 7. Dokazat ´emo tu vezu u najjednostavnijem sluˇaju. Funkcija F definirana formulom x F (x) = a f (ζ)dζ . Tim je pridruˇivanjem s z definirana funkcija koju oznaˇimo s F . b]. Pokazat ´emo da je ta funkcija F derivabilna na [a.

∆x−→0 ∆x Funkcija f je neprekidna na [a.7.3. Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. Ho´emo gledati c ∆F .LEIBNIZOVA FORMULA je derivabilna na [a.6). lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. NEWTON . Po Teoremu 7. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. b]. ∆F ≤ M = f (ζ2 ). b] i vrijedi F (x) = f (x). x+∆x].7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. ∆x odnosno f (ζ1 ) = m ≤ .11: Funkcija F (x). pa onda i na svakom podsegmentu [x.

Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. f (x) ≤ F (x) ≤ f (x). F (x) = f (x).♣ x ∆x−→0 ∆F ≤ f (x).8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.12). toˇke ζ1 i ζ2 moraju teˇiti prema x. ∆x Teorem 7. onda. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. a Dokaz: Prema Teoremu 7. do kojeg smo doˇli pokuˇavaju´i invertirati s s c . Odatle je a f (x)dx = F (b) − F (a). Odatle slijedi c f (x) ≤ lim tj. i neodredeni. Dakle je F (x) derivabilna funkcija na cijelom [a.2 c dobivamo x b F (a) = a f (a)dζ = 0. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. no dokaz je bitno sloˇeniji.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. Sliˇno i za ζ2 −→ x. z Teorem 7.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . U njoj se povezuju odredeni integral.2. b] i F (x) = f (x). zbog neprekidnosti funkcije f na [a.♣ Newton . tj. do kojeg dolazimo preko limesa niza integralnih suma. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). b F (b) = a f (ζ)dζ.310 ˇ POGLAVLJE 7. b]. iz toˇke 7.9 (Newton .

a b ˇ Citamo to kao ”F (x) u granicama od a do b”. Stvari se znaju zakomplicirati ako ima viˇe supstitucija. Pri tome nestane konstanta integracije. Sada oˇito funkcija ϕ : [− 2 .16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. Ako vrijednosti funkcije ϕ na [α.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . b]. c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. β] i neka ϕ na [α. sin t = − 23 imamo t1 = − π . Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. √ √ Stavimo ϕ(t) = 2 sin t. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici. Iz ϕ(t) = − 3. β] ima neprekidnu derivaciju ϕ . Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. c Prilikom izbora supstitucije treba joˇ voditi raˇuna o neprekidnosti derivacije sups c stitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro definiran). ϕ(β) = b. ♣ Primjer 7. i ako je ϕ(α) = a. 3 √ √ √ 3 3 π c Analogno. c Desna strana Newton .LEIBNIZOVA FORMULA 311 linearni operator deriviranja. NEWTON . Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih. Kod primjene na raˇunanje odredenih integrala. onda za f ∈ C([a.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. β] ne izlaze izvan segmenta [a. tj. 2 ] −→ . b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. Teorem 7.3. iz ϕ(t) = 3 dobijemo t2 = 3 . Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice.7.

c c c Neka je funkcija f neprekidna na [a. Iz Primjera 7.♠ 3 Kod parcijalne integracije situacija je jednostavnija. kao i da je samo poc druˇje integracije konaˇno.♠ 7. Primjer 7. u dv = uv a b a − a v du.17 Izraˇunajmo c 0 1 xex dx. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. . b i neka je x−→b− lim f (x) = +∞.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.312 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx.10.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. U takvim sluˇajevima govorimo c s c o nepravim integralima. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. tj.6 i omedena) na podruˇju integracije.

c c Primjer 7. kaˇemo da integral divergira ili da nema z znaˇenja. . tj. kaˇemo da nepravi integral z konvergira i piˇemo s b x a f (ζ)dζ ima vrijednost ili da f (ζ)dζ = lim a x−→b− f (ζ)dζ = L. postoji x f (ζ)dζ.4.18 1. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. u toˇki a. tj.7. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. b postoji integral te funkcije u granicama od a do x. a Ako promatrani limes ne postoji. c y f(x) 0 a x b Slika 7. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − .12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije.

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

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

2.19 moˇe posluˇiti pri usporedivanju. divergira za n ≥ 1. b]. −n + 1 −n + 1 za n > 1. +∞ . Neka je funkcija f neprekidna na [a. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1.316 ˇ POGLAVLJE 7. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). iz toˇke 7. Znamo c . za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . Dakle tn b a dx (x − b)n konvergira za n < 1. integral dx divergira za n ≥ 1. Uz svojstvo monotonosti integrala (svojstvo 9. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. 0]. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . situaciju kad podruˇje c c integracije nije ograniˇeno. Primjer 7.2) npr. tj. c z z Promatrajmo sada drugi mogu´i izvor problema.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova.

−∞ Primjer 7. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. . NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. kaˇemo da integral divergira.13: Nepravi integral po neograniˇenom podruˇju integracije. +∞ postoji integral te funkcije u granicama od a do x.7. −∞ pa i za sluˇaj c +∞ f (x)dx.4. Izraˇunajmo c +∞ 0 e−x dx. c c da za svaki x ∈ [a. postoji x f (ζ)dζ. tj. kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ. a Ako promatrani limes ne postoji. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞.20 1.

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

1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. c] i negativna na [c. Nadalje. a Ploˇtina povrˇine izmedu grafa funkcije f . b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . b]. osi x. ali negativnog predznaka. za neki c ∈ a.5. b].2.5 7. f2 : [a. pravca x = a i pravca x = b. b] −→ R neprekidna takva da je pozitivna na [a. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. tj. gdje su f1 . osi x. s s b f (x)dx = P1 − P2 . pravcem x = a s s i pravcem x = b. broj P1 + P2 .1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. a . c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. ako je f : [a. dana s b (f1 (x) − f2 (x))dx. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . PRIMJENE INTEGRALNOG RACUNA 319 7. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. za svaki x ∈ [a. b]. pravcem x = a i s pravcem x = b. osi x. Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b. b]). s s tj. b . Ako je funkcija f neprekidna i negativna na [a.5.ˇ 7.

pravcem y = c i pravcem y = d dana s d g(y)dy. c y d P c 0 g(y) x Slika 7.15: Ploˇtina lika omedenog grafom funkcije od y. odredeni integral proizvoljne neprekidne funkcije. tj. tj. s s osi y. ploˇtinu s .14: Ploˇtina lika omedenog grafovima dviju funkcija. UVOD U INTEGRALNI RACUN y f (x) 1 P f (x) 2 0 a b x Slika 7.320 ˇ POGLAVLJE 7. za sluˇaj kada s c je funkcija g negativna. s Analogno se definiraju i ostali odredeni integrali (ploˇtine). d] −→ R neprekidna i pozitivna funkcija u varijabli y. onda je ploˇtina povrˇine omedene grafom funkcije g. promatramo krivulju x = g(y). s Ako je g : [c.

PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. Time je c c i tijelo T podijeljeno na n slojeva. Povrˇinu osnovice tog valjˇi´a s cc . H − ∆h. recimo visine ∆h = H . d]. krnji stoˇac visine ∆h.. i u z s n svakom sloju izmedu visine h i h + ∆h. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . cc z tj. z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . 1.ˇ 7... i = 0. n ∈ N. h = 0. osi y. 7. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . manjoj) osnovici krnjeg stoˇca. za ∆h −→ 0. d] takvih da je s g1 (y) ≥ g2 (y). ∆h. . za svaki y ∈ [c. zamijenimo komad stoˇca. Nareˇemo ga na tanke ploˇke.5. < xn−1 < xn = b. b]. recimo stoˇac visine H i polumjera osz novice r. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a.. c c z Promatrajmo sada tijelo T u tri dimenzije omedeno ravninama x = a i x = b te plohom koja nastaje rotacijom grafa funkcije f oko osi x.. tj. Podijelimo segment [a. valjkom iste visine s osnovicom jedz z nakom gornjoj (tj.. Za veliki n ∈ N ´e zbroj z c H R Slika 7.5..16: Volumen stoˇca kao limes sume volumena tankih valjaka.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. Za n −→ ∞. . n − 1. dobit ´emo toˇnu formulu za volumen stoˇca..

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

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

19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. y R r 0 x −R Slika 7. Primjer 7. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . R > r.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. . f2 (x) = R − √ r 2 − x2 . Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .324 y ˇ POGLAVLJE 7.

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

(Teˇiˇte je toˇka u kojoj. Uzmemo li ˇkare i izreˇemo taj lik. zs zs c ako podupremo tijelo.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . UVOD U INTEGRALNI RACUN y 0 a b x Slika 7.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. Promatramo lik omeden pravcima x = a. tj. segmentom [a.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. b] na osi x i grafom funkcije f nad [a. Zelimo odrediti teˇiˇte izrezanog lika. da mu je gusto´a c ˇ svuda ista. ono ostaje u ravnoteˇi. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . x = b.♠ 5 7. yi ).326 ˇ POGLAVLJE 7. dobijemo tanko tijelo.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. Primjer 7. b]. c s c .5. b]. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π .

. + mn yn yT = = m1 + m2 + . .. y). . M yT = Mx . . i = 1.5... vrijedi n 327 m1 x1 + m2 x2 + . onda koordinate teˇiˇta se lagano c c zs nalaze preko zakona ravnoteˇe za poluge. redom. y). n udaljenosti toˇaka od osi y). onda je to suss c tav od dvije materijalne toˇke s masama m1 + ... + mn i m na pozicijama.. yT ) i ako dodamo u c sustav joˇ jednu materijalnu toˇku s masom m na poziciju (x.. a koordinate teˇiˇta tog sustava slijede iz zakona ravnoteˇe zs z za poluge F1 k1 = F2 k2 . a izrazi u brojnicima su statiˇki ili linearni momenti c n sustava masa. c (xT .ˇ 7... n. mi i=1 Ovdje su xT i yT koordinate teˇiˇta materijalnih toˇaka. odnosno m1 k1 = m2 k2 ...... i = 1.. n.. mn ima koordinate (xT . Suma nazivnika je zs c ukupna masa sustava. ako imamo dvije materijalne toˇke. yT ) i (x. i to i=1 mi xi s obzirom na os y (jer su brojevi xi . . . + mn m i xi i=1 n mi i=1 n m1 y1 + m2 y2 + .. redom. PRIMJENE INTEGRALNOG RACUNA i = 1. a ukupnu masu s M . udaljenosti toˇaka od osi x). imamo xT = My . M Izrazi za sustav od n (konaˇno mnogo) materijalnih toˇaka izvode se induktivno: c c za jednu materijalnu toˇku koordinate teˇiˇta su oˇito koordinate same materic zs c jalne toˇke. + mn mi yi i=1 n . n. m2 .. Induktivno... + mn xn xT = = m1 + m2 + . Oznaˇimo li te statiˇke momente s My c c c i Mx . a c i=1 mi yi s obzirom na os x (jer su brojevi yi . ako teˇiˇte od n materiz zs jalnih toˇaka s masama m1 ..

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

pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati).25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. s Primjer 7. upravo xi .ˇ 7. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx .16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. yT = 1 2 b 2 a f (x)dx b a f (x)dx . zs √ Imamo f (x) = r2 − x2 . iz Primjera 7. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . 2 . Kako je masa promatranog lika jednaka M = µP. Iz simetrije je jasno da mora biti xT = 0. Takoder.5.11).23: Teˇiˇte homogenog polukruga. recimo. zs s s y r 0 r x Slika 7. i=1 a to u limesu daje My = µ b a xf (x)dx.

i omedenim pravcima x = a i x = b) raˇuna se po formulama c Mx = 1 µ 2 My = µ b a b a 2 f2 (x)dx − 1 µ 2 b a b a 2 f1 (x)dx. b]. po prvom Guldinovu teoremu. 3π r r pa teˇiˇte ima koordinate (0. Dakle teˇiˇte je (0. 2 3π 3 Dakle je 8 Vv − Vu = r3 π. v) tada su novi momenti jednaki Mx + my i My + mx). xf2 (x)dx − µ xf1 (x)dx. R > r.26 Sada moˇemo. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT . teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . Tada su. po prvom Guldinovu teoremu i Primjeru 7.330 ˇ POGLAVLJE 7. 4 π ).♠ ishodiˇtu. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. volumen vanjskog Vv i volumen unutarnjeg Vu dijela torusa dani s 1 4r 4 Vv = r2 π(2(R + )π) = r2 Rπ 2 + r3 π 2 3π 3 1 4r 4 Vu = r2 π(2(R − )π) = r2 Rπ 2 − r3 π.25. dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. . ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . 3 −r 4r . za svaki x ∈ [a. x2 + (y − R)2 = r2 . tj. − 4 r ). Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. b] takvih da je f2 (x) ≥ f1 (x).♠ 3 Zbog aditivnosti momenata (ako u sustav od n materijalnih toˇaka sa moc mentima Mx i My dodamo joˇ jednu materijalnu toˇku mase m na koordinate s c (u.

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

UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . Primjer 7. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. dobivamo xT = 4 H. za µ = 1.♠ z Primjer 7. koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm . 4 Zbog M = µV = 14 3 R π. tj. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.28 Odredimo teˇiˇte polukugle koja nastaje rotacijom polukruˇnice zs z √ z s s f (x) = R2 − x2 (polukruˇnica sa srediˇtem u ishodiˇtu polumjera R) oko osi y. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7.332 ˇ POGLAVLJE 7.♠ 8 π 4 R .24: Teˇiˇte homogenog stoˇca. mjereno od osnovice. 4 3 Zbog M = µV = 1 R2 πH. 23 dobivamo xT = Mx M .

i µ viˇe ne bi izlazio kao konstanta izvan integrala. < yn = b.. PRIMJENE INTEGRALNOG RACUNA 333 Po formulama koje smo izveli mogu se raˇunati i koordinate teˇiˇta tijela c zs kojima gusto´a nije konstantna. pravac ili ravninu kao c produkt mase toˇke i kvadrata udaljenosti do zadane toˇke.. a stranica a leˇi na x osi. Zbrajanjem po svim malim pravokutnicima i . a njegovo teˇiˇte. Promatramo prvo homogeni pravokutnik sa stranicama a i b smjeˇten u s ravnini tako da mu stranica b leˇi na osi y. gdje je r reˇena udaljenost. ... Masa svakog malog pravokutnika je µa∆yi .4 Moment ustrajnosti (inercije) Za materijalnu toˇku mase m definiramo njen moment ustrajnosti. mn na udaljenostima r1 . Kao i statiˇki moment. pravca ili ravnine. . a ako c c s je s obzirom na toˇku.. U tom sluˇaju bismo imali c dm = πµ(x)f 2 (x)dx. na n dijelova 0 = y0 < y1 < . b] (µ je gusto´a mase). zove se i polarni moment. Iz fizikalnih razloga uzimamo s µ(x) > 0 na [a. rn od zadane toˇke.5. c c Piˇemo s I = mr2 .. m2 . gdje je si ∈ [yi−1 . i = 1. c c pravca ili ravnine imamo n I= i=1 2 mi ri . tj. Tako smo naˇ s pravokutnik podijelili na male pravokutnike sa stranicama a i ∆yi = yi − yi−1 . yi ].. ve´ se mijenja kao funkcija koordinate po kojoj c c se integrira. Izraˇunajmo z z c njegov moment inercije s obzirom na os x. segment [0. r2 .. Pomo´u integrala moˇemo c c z definirati momente inercije i za ravne likove i za tijela.. zs mjesto u kojem smatramo da je masa koncentrirana ima ordinatu si . dakle je moment inercije malog pravokutnika aproksimiran s µa∆yi s2 . moment c tromosti ili moment inercije s obzirom na zadanu toˇku. moment inercije je aditivan.. Veliˇina I se joˇ zove i kvadratni moment.. n. Za sustav od n materijalnih c toˇaka s masama m1 . .ˇ 7.5. tj. b] na osi y. Za veliki n je si ≈ xi . c 7. Podijelimo stranicu b.

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

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

5 .336 ˇ POGLAVLJE 7. Sada iz Primjera 7.5.♠ 2 Kombinacijom razmatranja iz toˇke 7. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. b] podijeli na male podsegmente [xi−1 . b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. .. Prijelazom na limes dobijemo gornju formulu. i = 1.30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 . Oˇito funkcija ϕ : [0. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . i zbroje se momenti inercije malih valjaka polumjera f (si ). xi ]. i visine ∆xi = xi − xi−1 .8 imamo 1 Ix = r4 π. Iz ϕ(t) = −r imamo t1 = π. π] −→ R zadovoljava Teorem 7.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. dakle je 1 I0 = Ix + Iy = M r2 ..10. c Primjer 7. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. moment inercije cijelog kruga obzirom na y os je Iy = Ix . xi ]. 2 2 a onda se interval [a. Analogno iz ϕ(t) = r imamo t2 = 0.. n. gdje je si ∈ [xi−1 . 4 4 4 Takoder zbog simetrije. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx.

. i = 1.. i gdje je ∆xi = xi − xi−1 . Sada iz gornje formule imamo 1 Ix = µπ 2 1 f 4 (x)dx = µπ 2 −r r r −r (r2 − x2 )2 dx = µπ 8 5 2 r = M r2 . b] na podsegmente [xi−1 . . n..26: Duljina luka zadanog kao graf funkcije f (x). i = 1. Podijelimo segment [a. Duljina svakog takvog komada je. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. xi ]. pa uzmimo c s os x. f (a)) do toˇke c c B = (b. b] zadana kao graf funkcije f ∈ C 1 [a. PRIMJENE INTEGRALNOG RACUNA 337 Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ vrtnjom polukruga f (x) = r2 − x2 oko osi x. Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7.. Duljina luka od toˇke A = (a. . f (xi )). b] eksplicitnom formulom y = f (x).. f (xi−1 )) i (xi .5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. c po Pitagorinu pouˇku. n.5.5.♠ 15 5 7.. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 .ˇ 7. . n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi . f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 .

. b] na podsegmente [xi−1 . xi ]. . moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π. n. n. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 .6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a.5.. i = 1. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. Dijeljenjem segmenta [a..27: Ploˇtina plaˇta rotacijskog tijela. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r)..338 ˇ POGLAVLJE 7. imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). . i ... s s plaˇta krnjeg stoˇca polumjera donje osnovice R.26). Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. mase µ. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. b] rotira oko osi x. s yT = b a f (x) √ 1+[f (x)]2 dx . Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. i = 1. s 7. xi ].

. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. c ds = 1 + [f (x)]2 dx.ˇ 7. ploˇtinu sfere polumjera r. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds. Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi . Ovdje smo s ds oznaˇili diferencijal luka.31 Izraˇunajmo oploˇje kugle. . onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . Toˇnije. gdje je si ∈ [xi−1 . Teorem 7. tj.♣ s zs 7.7 Primjene u fizici Prijedeni put pri nejednolikom gibanju Pomo´u integrala moˇemo odrediti prijedeni put u vremenu izmedu trenutka t1 c z i t2 ako nam je poznata vrijednost brzine v(t) u svakom trenutku izmedu t1 i t2 . ..♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. Primjer 7. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .5.12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka. n..5. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . xi ]. ako znamo poloˇaj tijela u trenutku t1 = 0. i = 1.26). Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π.

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

To je formula dobivena integriranjem konstantne sile mg od 0 do h.5. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. Problem rjeˇevamo tako da izraˇunamo masu vode u sloju izmedu s s c dubine x i x + ∆x te rad potreban ze njeno podizanje do povrˇine. s Primjer 7. no nije ni bitna. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. Konstanta k nam nije zadana u ovom primjeru. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. Ako sila nije konstantna. i nakon toga s .ˇ 7. rad) biti kvadratna funkcija pomaka x. Tada ´e njen integral (tj. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . F = −kx. Odavde odmah slijedi da je rad sile F (x) na putu [a. Primjer 7. pri ˇemu je g ≈ 9.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . b]. Koliki je rad potrebno uloˇiti za c z isuˇivanje jarka? s Za isuˇivanje jarka potrebno je svu vodu iz njega di´i (barem) do njegove s c povrˇine.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. onda je b W (h) = a F (x)dx. ako se masa tijela mijenja. b] z z b W = a F (x)dx. tj. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje.33 Jarak duljine 10 m.

imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x.342 ˇ POGLAVLJE 7. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.30: Jarak iz Primjera 7. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. a debljina sloja je dx metara).33. ˇirina c s 2(1 − x) m. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 .83 J. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.33. duljina jarka je 10 m. s x 0 y h Slika 7. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. .29: Jarak iz Primjera 7.

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

UVOD U INTEGRALNI RACUN 0 1 Slika 7.31: Kanal iz Primjera 7.344 ˇ POGLAVLJE 7.♠ s c . 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.35.

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

You're Reading a Free Preview

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