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. . . . . . . . . . . . . . . . .2 Derivacija funkcije u toˇki . . . . . . . . . . . . . . . .2. . . . .2. . . . . . .3 Neprekidnost elementarnih funkcija . . . c 6. . . . . . . . . . 6. . .5 Neprekidnost i limes . .1. . .4 Raˇunanje derivacija . . . . . . . . . . . . . . . c 6. . . . . .1. . . . . .4 Nepravi integral . . .1 Primitivna funkcija . . .7 Osnovni teoremi diferencijalnog raˇuna . . 7. . . . . . 6. . . . . . . . . . . . . . . s 7.2. .2. c 6. . . . . . . . . . 6. . . . . . . .8 Primjene derivacija . . . . . . . . 6. . . . . . . . c 6. . . . . . . . . . . . 7. .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . 7. . . . . zs 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 .5. . . . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . . . . . . . . . . . .7 Raˇunanje limesa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . 7. . .1. c 7. . . . . . . . . . . . c 6. . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . .2 Svojstva odredenog integrala . . . . . . . . . . . . . . . . . . . . . . .6 Neodredeni oblici . .4 Moment ustrajnosti (inercije) . . . . . . . . . . . . . . . . .2. . . . 6.3 Newton .3 Teˇiˇte . . . . .1 Neprekidnost funkcije . . . . . . . c 6. . . . . . . . . . . . . . . . . . . . 6. . . . .1. . . .2 Derivacija funkcije . . . 7. . . . .2. . .1. . . . . . . . . .1 Povrˇina lika u ravnini . . .1. . . . . s 7. . . .5. . . . . . . . . . . . . . 7. . . . . . . .Leibnizova formula . . . . . . . . . . . . . . s 6.2 Volumen rotacijskog tijela . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . .5. . . . . . . . . 7. . .5. . 7 Uvod u integralni raˇun c 7. . . . . . . . . . . . . . . .1. . . .2. . .5 Primjene integralnog raˇuna .2 Odredeni integral . . . . . .3 Metode integriranja .1. .1. . . . . . . . . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . . . . . . . . .1 Neodredeni integral .2. . zs 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 Svojstva neprekidnih funkcija . . . . . . . . . . . . . . . . . .6 Povrˇina rotacijske plohe .6 Derivacije viˇeg reda . . . . 7. . .5. . . . . . . .5. . . . . .1 Motivacija . . . . . . . . .1 Motivacija . . . . . . . . .1. . . . . . . . . . . . . . . . .2 Neodredeni integral . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 Primjene u fizici . . . . . .2. . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . .3 Derivacija funkcije . . . . . . . . . .

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

vidimo da oba naˇa s problema imaju istu strukturu. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. dakle. Takav nam okvir daje matematika. c Matematika je. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. u naˇem primjeru. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. to je 800 km. 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. Takve c prikaze zovemo matematiˇkim modelima. gotovo karikirani. 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. porez.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. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. niti grad u koji se putuje. kvantitativni aspekti. No je li to jedina z s s takva vrijednost? Mogu li se troˇkovi podudarati i za neku manju vrijednost? Ili s za neku ve´u? Moˇemo li biti sigurni da je na sva putovanja dulja od 800 km c z ponuda DojdiMi povoljnija od OdiMi. Bitne su cijene. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. trajanje. arhetipski. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. Nije bitan tip mobitela. dakle. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. dakle. z c c Prvo. troˇkovi proizvodnje. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. niti marka automobila. s c s dakle. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. Unatoˇ tome. startna cijena). po kilometru) i da se tome dodaje konstantan iznos (pretplata. udaljenosti. Bitni su. Vrijedno je. Treba nam. 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. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. Nadalje. uloˇiti trud u razumijevanje svojstava linearne z .

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

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

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

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

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

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

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

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

11 − → 3.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − .1. 3.1.3). → c . zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Sada samo izaberemo orijentaciju koja nam treba. Vektor kod kojeg su poˇetak i kraj jednaki. Tada je c − − → − = OB.2 znamo da takve toˇke A i B postoje i da su jedinstvene. poˇinje u P a z c zavrˇava u Q. Oˇito je | 0 | = 0. → Napomena 1. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. P = Q. onda c a − → − →. tj. Iz a Napomene 1. Pogledajmo sada neka svojstva nul vektora: c − → 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. c 2. B ∈ E takve da je OA = − i AB = b . z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Preciznije.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. z kolinearan je sa svakim vektorom). jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b . Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. Napomena 1. tj. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Za vektor P Q kaˇemo da je orijentiran od P prema Q. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1.3). Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.

→ a =−a → − → → → − a a 4.12 ˇ POGLAVLJE 1. − → → − → → → → − 3. Q ∈ E vrijedi P Q = P O + OQ. O. c Teorem 1. (− + b ) + − = → + ( b + − ) (asocijativnost). ♣ B b a+b a b 0 A a+b a b Slika 1. Vektor a zovemo suprotni vektor vektora a c − → −. a c a c → − → → → − → a a a 2. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. i oznaˇavamo ga s → 0 .3 Za bilo koje tri toˇke P.4: Pravilo trokuta i pravilo paralelograma. − + b = b + − (komutativnost). Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . VEKTORSKI RACUN R a G Slika 1. − → − → − → Napomena 1.3: Motivacija za definiciju zbrajanja vektora. .

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

VEKTORSKI RACUN → 3.♣ a a Definicija 1.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. a a → − 4. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. za sve a. 1 · − = → (postojanje jedinice). (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). Elemente od skupa V zovemo vektori. i neka je A = O c toˇka koja leˇi na tom polupravcu. a a → → → 2.2. Primjetimo da se u Definiciji 1. uz pretpostavku − = 0 . 2. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . → od vektora a Teorem 1. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. Neka je dan polupravac (zraka) s poˇetkom u O. a suprotnu orijentaciju a − za λ < 0. koji ima istu orijentaciju kao vektor − za λ > 0. − → → → → − Ako su vektori − i b kolinearni. postoji pravac a a .5 nigdje ne govori o geometrijskim veliˇinama.14 ˇ POGLAVLJE 1. c Vratimo se sada Definiciji 1. λ(µ→) = (λµ)− (homogenost). Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). a a a − → 3. 3.1 i Teorema 1. b ∈ V je a + b ∈ V . Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. onda.

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

. λ1 . z c Napomena 1. Napomena 1.6 izravno slijedi: → → → → a1 a1 a2 an 1. → s koeficijentima λ1 .2. Vektori − ..5 Uzmemo li neku drugu toˇku Q ∈ E.. − .. λ2 .. − → Napomena 1. λn ..7 Iz Definicije 1. Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . . . Q = O... . − .. − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0.1 i Teorema 1.. . − . Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − .. Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1.. − ∈ XO (E). λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . − ...6 Za vektore − . →. .. → → → Neka su sada − . − . .5).. ..16 ˇ POGLAVLJE 1.. . − ..7: Radij-vektori u X0 (E). Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1.. → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . λ2 .. λ2 ... a a1 a2 an → − − Definicija 1.. Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − ... λn je razliˇit od nule... → ∈ → → − 0 i bar jedan od skalara λ1 . λ2 . .. ... VEKTORSKI RACUN E P 0 Slika 1. λn ∈ R.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. onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ.

. c − → − Napomena 1. pa z z slijedi da su oni linearno nezavisni. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . jer se nalazimo na pravcu. onda su oni linearno zavisni ako i samo ako su kolinearni.♣ → a s Jednostavna posljedica Teorema 1. b bilo koja dva linearno nezavisna vektora iz XO (M ).♣ . onda su ti vektori linearno zavisni. → ∈ XO (E) jednak nul veka1 a2 an toru. Stoviˇe. b ∈ XO (E). Teorem 1.3 slijedi iz Napomene 1. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. taj rastav je jedinstven. e1 e2 e3 z Tada su oni linearno nezavisni.7. ..5 Ako su − . Stoviˇe. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1..5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. →.. → ∈ XO linearno zavisni.3 je jasna. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. Ako je barem jedan od vektora − . z → − − 3. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .8 Neka su →. on se ne moˇe izraziti kao njihova linearna konbinacija.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. b i − tri linearno nezavisna vektora iz XO (E). Ako su − . takav rastav je jedinstven. Ako imamo dva vektora − . onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. c − → → a 4. − i − . → → − → Teorem 1. VEKTORSKI PROSTOR XO (E). ♣ Tvrdnja Teorema 1. → → − Teorem 1. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .♣ → → → ˇ s a b c Iz Teorema 1.2.1..4 Ako su − . Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. .. →.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.

→. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). 1. Stoviˇe. uredeni par → − (− . ay .18 ˇ POGLAVLJE 1. e1 e2 Napomena 1. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . 0.5). duljine su im 1 i leˇe na okomitim c s z pravcima. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). pa ˇine bazu. VEKTORSKI RACUN 1. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→.1 i Teorem z 1. Analogno. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). − . Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. Definirajmo i = OEx . Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . 1). Koordinatni sustav → − → Definicija 1. j = OEy i − → −→ − − − − → → → k = OEz . Skalare a1 .9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). a2 i a3 − → → → vektor iz XO (E). pri ˇemu su skalari a1 . →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). az ) su jednoznaˇno odredene. 0). Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. z c → → Neka je sada − proizvoljan vektor iz XO (E). c →. Ey = (0. te toˇke Ex = c s c −→ − − → −→ − → − (1. 0. Kako vektori i . − → − → Neka je (→.3 Baza vektorskog prostora XO (E).2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− .7 Uredena trojka (− . prema Napomeni 1. − ∈ XO (E). a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo.8 z ˇ oni su linearno nezavisni. − . k ne leˇe u istoj ravnini. → → a b i j k . →). 0) i Ez = (0. j . Tada je a e1 e2 e3 c − (Teorem 1.

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

λaz ). xn ). λxn ). n. Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. VEKTORSKI RACUN 1. .. . by . λ(ax .. i = 1. xn ) = (λx1 . az ) + (bx . n}.1 i Teorema 1. 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). Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . 0.. bz ) = (ax + bx . n. 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. kaˇemo da je R n-dimenzionalni realni vektorski prostor..... .. y2 ... yn ) ∈ Rn i λ ∈ R definiramo: (x1 ... az + bz ).. (ax . xn ) gdje su xi ∈ R za i = 1.. . 1. . ay . .2.. Kako ta baza ima c n n vektora. Zelimo uvesti i mnoˇenje vektora. .. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). c c Za (x1 . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni......... ay + by . ako su sila i put kolinearni. x2 ... 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 .5 Skalarni produkt ˇ Vektori su generalizacija brojeva.. xn ) : xi ∈ R za i = 1. 0. x2 . x2 . ay . λx2 .. λ(x1 .. x2 .. y2 . z 1. . x2 + y2 . Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N.. x2 . . Dakle Rn = {(x1 .. . xn ) + (y1 .. . U tu svrhu moramo na odgovaraju´i naˇin definirati c c . Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom.. ˇini bazu u R .. To svojstvo baze od X0 (E) zovemo potpunost. az ) = (λax ... . Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. Skup svih takvih n-torki oznaˇavat ´emo sa Rn . xn + yn ). . yn ) = (x1 + y1 ... Moˇe se pokazati da skup od n vektora −i = (0.20 ˇ POGLAVLJE 1. (y1 .. λay .3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). 2... . Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. U toˇki 1.

3). b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). j . j .1 vidimo da su vektori i .) Ako je barem jedan od vektora → i b → − − nul vektor. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. j . s − → → − → → − − → → Definicija 1.1.8: Uz definiciju skalarnog produkta. Skalarni produkt vektora − . Iz Tablice 1. novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. ( k . → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. a c c . b . j . kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. rezultat produkta vektora c − → mora biti skalar. odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. (Uzimamo 0 ≤ ϕ ≤ π.8 Neka su − = 0 i b = 0 . Kako je rad skalarna veliˇina.5. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). 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). SKALARNI PRODUKT 21 produkt dvaju vektora. Osim toga. i ) je druga takva baza). k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). pa kaˇemo da je ( i . − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). Svaka tri vektora − → → → (− . k ) − − − → → → nije jedina takva baza (npr. pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. Primijetimo da ( i . k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. − − − → → → Pogledajmo sada jediniˇne vektore ( i . onda je → · b = 0.

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

− → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . slaˇe s Napomenom 1. xn ). z z → → − → − → − → → 2. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. µ ∈ R.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. − → a b Napomena 1. Definicija 1. . →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + .5.9 Neka su V i W realni vektorski prostori.. 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 .. y2 . a a → − → → − − a a c 3. a c a c c → → → − → − 2. (λ− ) · b = λ(− · b ) (homogenost). → · b = b · − (simetriˇnost). ako je vektorski prostor W = R.1.. tj.. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . yn ) ∈ Rn .♣ − → → → → 1.. a onda f zovemo linearni funkcional. + xn yn .10... tj.. x2 . a x y z Ova se formula za duˇinu vektora. Za preslikavanje (funkciju) sa V u W . b ∈ V i sve λ. . → → x y Teorem 1. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . . (− + b ) · − = − · → + b · → (aditivnost). f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . − = (y1 .6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. Posebno. → → Neka su − = (x1 .

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

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

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

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

Ako su dva redka (stupca) u determinanti jednaka. Svojstva determinante: 1. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom. tj. determinanta je jednaka nuli. . Ako dva susjedna redka predznak. determinanta z se mnoˇi tim skalarom.28 ˇ POGLAVLJE 1. c1 c2 c3 a1 a2 a3 = λ b1 b2 b3 . Po tom pravilu imamo: a1 a2 a3 b1 b2 b3 c1 c2 c3 = a1 b2 c3 + a3 b1 c2 + a2 b3 c1 − a3 b2 c1 − a1 b3 c2 − a2 b1 c3 . tj.tj.: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. c1 c2 c3 3. Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . c1 c2 c3 Determinantama ´emo se viˇe baviti u poglavlju o rjeˇavanju linearnih sustava. 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. a3 b3 c3 (stupca) zamijene mjesta. 4.: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5. 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.

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

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

ϕ = 0 ili ϕ = π. jer je nul vektor kolinearan sa svakim vektorom. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . a c → i → kolinearni.8.6. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. pa desna strana formule za duljinu vektora − × b iˇˇezava. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. pa je cos2 ϕ = 1. Neka su sada oba vektora razliˇita od nul vektora. i ϕ = 0 ili ϕ = π. a → − → → → → − → − → − Obratno. − → − → |a a sc a b → − → → − pa i − × b = 0 . neka je − × b = 0 .♣ Primijetimo da tvrdnje Teorema 1. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . c Dokaz: − → → Ako je barem jedan od vektora − . tj. a a a Napomena 1. Dakle a − → − i b su kolinearni. Tada je |− × b | = 0. kao saˇeti zapis. c c z Teorem 1.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. → × b = −( b × − ) a a (antikomutativnost).14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. Kako je − · b = |→|| b | cos ϕ.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Po pretpostavci je |→| = 0 i | b | = 0. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . → → → − → → − (a b c a c b c − − → → − → 3. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). → × ( b + − ) = − × b + − × − . − → → → − → − → → 2. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost).1.♣ → a . bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . Zbog − · − = |→||− | cos ϕ. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). b nul vektor. Tada je |→ × − | = 0.

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

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

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

b = 0 i → = 0 . zakljuˇujemo da su vektori → i b × c okomiti. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. → komplanarni. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ.11 Za vektore − . No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . − → − i samo ako su a b c − → → → Ako su − .9. jer je a a c → − − → |→ · b | = |− || cos ϕ|.4 i 5 iz toˇke 1. − . kako je a c → − − → → − − → − · ( b × c ) = 0. Tada. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. pa tvrdnja slijedi a c iz svojstava determinante 3. b . a | b | sin ϕ visina paralelograma.16 oni su linearno zavisni. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b .♣. − komplanarni po Napomeni 1.ˇ 1. vektorsko mnoˇenje i mjeˇoviti z z s produkt. z → − − − a c Napomena 1. gdje je |→| baza.14: Mjeˇoviti produkt triju vektora. b . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . |→ × b | je povrˇina paralelograma razapetog s → i b . − . b . − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →.17 Za vektore − . s → → − → Definicija 1. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . → − → − → → → → Napomena 1.16 Vektori →. − ∈ XO (E). onda − → − Obratno. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. a a − → → − → − − → − 2. Tada je: → → → a b c → − → − → − − → 1. b .6. MJESOVITI PRODUKT 35 bx c a c b Slika 1. pa kako je − okomit na b × − . a a . Pretpostavimo zato da su − = 0 . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini.

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

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

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

1. c Obratno. ako postoji t ∈ R takav da je A = tA. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. znaˇi z c da prolaze kroz istu toˇku (x0 . 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . B = tB i C = tC.2. Odatle je A = tA i → → su vektori n n B = tB. Oˇito je (x0 .2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. − n → 3. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . n n 2. Ako je C = 0. Ako je A = C = 0. Dobijemo z B A x + −C y = 1. jer je tada vektor − oblika n − → →=Bj. jer je tada vektor − oblika n − → →=Ai. nepotpune obc z like): 1. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. y0 ) i da je za svaku drugu toˇku (x. Dakle → → r i j n i j n i j → − − → − i n kolinearni. Ako je A = 0. Ako je B = C = 0. onda pravac prolazi kroz ishodiˇte. jer je (0. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . C −A −B .1. → → Ax = 0 i vektor n n i 5. onda je pravac paralelan s osi y. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 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. onda je pravac os x. onda je pravac os y. postoji t ∈ R takav da je n = t− . Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. z → 2. jer je toˇka (0. pa imamo tvrdnju. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Ako je B = 0. onda je pravac paralelan s osi x. − n 4. jer je (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. tj.

3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). a ako je y = 0.3: Kanonski oblik jednadˇbe pravca.1.y 1 ) Slika 2. b) i (a. 0). Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. imamo A x a + y b = 1. z .40 ˇ POGLAVLJE 2.2: Segmentni oblik jednadˇbe pravca. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. c c y b a 0 x Slika 2. z p s=mi+nj P1 = (x 1. onda je x = a. z z Uoˇimo sljede´e: ako je x = 0. z 2. onda je y = b. pravac prolazi kroz toˇke (0. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . c c tj.

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

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

Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1.1.1.2. n c y q n θ P0 x r P p 0 Slika 2. P = (x. pravac prolazi toˇkom (0.5). a2 + b2 = 1. PRAVAC U RAVNINI Napomena 2. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. s vektorom i ). c − → − → → pa imamo − = cos ψ i + sin ψ j . z Jasno je da su a. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. φ ∈ [0. → → r n Jednadˇbu − · − = d. l). pa tada postoje ψ. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. n − → → Toˇka P = (x. odnosno z → → r n x cos ψ + y sin ψ = d . Neka je − = a i + b j jediniˇni vektor na pravcu q. n Kako je tg ϕ = m . c 43 n ˇ Uzeli smo da je k = m .6: Normirani oblik jednadˇbe pravca. c c s − → − → → d = |OP0 |.3 Za x = 0 imamo y = l tj. imamo k = tg ϕ. 1]. y) leˇi na pravcu p ako i samo ako je z − · − = d. tj.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). tj. 2. Povucimo sada kroz O pravac q okomit na p. π] takvi da je a = cos ψ − i b = cos φ. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. b ∈ [−1. tj.

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

→ n i j 45 Definicija 2. A2 B2 → → Napomena 2.2. ako i samo ako je A1 A2 + B1 B2 = 0. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. tj. → → kolinearni. −1 → Neka je ϕ kut izmedu → i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . 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 . 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 . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − .ˇ 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. 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.

s1 s2 odnosno ako i samo ako je n1 m1 = . to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. ako i samo ako je m1 m2 + n1 n2 = 0.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. s1 s2 tj. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. → → Napomena 2. m2 n2 → → Napomena 2.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. tj. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − .46 b) Kanonski oblik: ˇ POGLAVLJE 2. . ako i samo ako postoji λ ∈ R takav da je − = λ− . − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = .

Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 .4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .2.7: Kut dvaju pravaca. Neka je ϕ = ϕ2 − ϕ1 . k2 = tg ϕ2 . 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 . . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . Definicija 2. 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2. y = k2 x + l2 .ˇ 2.

c Definicija 2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .2.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0.48 ˇ POGLAVLJE 2.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . 2 ako i samo ako je tg ϕ = ∞.5. sa suprotne strane od ishodiˇta) jer je tada n s . Neka je pravac p dan u c c normiranom obliku. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. tj. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. Napomena 2. Zanima nas udaljenost c toˇke P0 od pravca p. 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 . s Napomena 2. tj. k2 2. odnosno ako i samo ako je k1 = k2 .7).5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p.1. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj. To je ekvivalentno s 1 k1 = − . p) = x0 cos ψ + y0 sin ψ − d. y0 ) i pravac p u ravnini. ANALITICKA GEOMETRIJA Napomena 2. ako i samo ako je ϕ1 = ϕ2 . odnosno ako i samo ako je 1 + k1 k2 = 0. tj.

ˇ 2. p) = |bx0 +ay0 −ab| √ . p) = |x0 cos ψ + y0 sin ψ − d|. eksplicitni). y0 ) od pravca p je c d(P0 . y0 ) od pravca p je c d(P0 . A2 +B 2 Ax0 + By0 + C √ . udaljenost toˇke P0 = (x0 . a2 +b2 x y + = 1. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . p) = odnosno d(P0 . lagano moˇemo izvesti i formule za udaljenost toˇke od c z c pravca ˇija je jednadˇba zadana u bilo kojem obliku spomenutom u toˇki 2.1. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . a b . a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 .2. onda iz toˇke 2. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. p) = |Ax0 +By0 +C| √ . p) ≥ 0. odnosno bx + ay − ab = 0. pravac kroz dvije toˇke.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0.1 c z c (segmentni. p) < 0. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. tj. kanonski. −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.

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

paralelni su. poklapaju se. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. sijeku se u jednoj toˇki. c 2. c z U sluˇaju da se sijeku u jednoj toˇki. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. Npr. tj.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0.8: Mogu´i poloˇaji pravaca u ravnini. 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.ˇ 2.2. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. xs = . ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs .3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. zovimo je S = (xs . identiˇni su.2. ys ). 3.

52 i ˇ POGLAVLJE 2. Vrijedi i obrat. ako su p1 i p2 paralelni. . Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2.2.4). p) = x0 cos ψ + y0 sin ψ − d. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 .11 Ako je A 1 B1 A 2 B2 = 0. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . p)|. Osim udaljenosti. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. p) i δ(B. Napomena 2.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. 2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . onda je A 1 B1 A 2 B2 = 0. onda su p1 i p2 paralelni.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) suprotnog predznaka.2. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j .

5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . tj. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . s c Neka se sada.2.4 vektori → → −1 = A1 − + B1 − . ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. bez smanjenja op´enitosti. β ∈ R takvi da je −3 = α→ + β −2 . jer ako su sve tri jednake nuli. tj. p2 .2. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . z c s Da bi se p1 . . Oznaˇimo c c c ju sa S = (xs . A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. po Teoremu 1. postoje α.ˇ 2. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. → n i j → → −2 = A2 − + B2 − . Tada p3 mora prolaziti kroz S. A2 B2 A 1 B1 . ys ). p2 . → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. p3 u ravnini u op´em obliku. mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . onda prema Napomeni c 2. tj. p1 i p2 sijeku u jednoj toˇki. Dokaˇimo da je i z C3 = αC1 + βC2 .

B3 . C3 ) su linearno zac visni. A3 B3 A2 B2 A2 B2 =0 . p2 . β ∈ R. B1 . imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. ANALITICKA GEOMETRIJA Kako p1 . vektori (A1 . Znaˇi uvjet presijecanja triju pravaca u istoj toˇki je c c A1 B1 C1 A2 B2 C2 A3 B3 C3 i barem jedna od triju determinanta A 1 B1 .54 ˇ POGLAVLJE 2. p3 po pretpostavci prolaze istom toˇkom. A 2 B2 je razliˇita od nule. C2 ). (A2 . 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. pa po svojstvima determinante 4. S. B2 . ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . iz toˇke 1. C1 ). c A1 B1 . Drugim rijeˇima. i 5. (A3 .

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

y = y0 + tb. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − .12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . Prema s z Napomeni 1. z0 ) i 2. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . Kako su vektori baze linearno nezavisni. s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . c su koeficijenti smjera pravca p. pravac p prolazi toˇkom (x0 . j i k dobivamo kanonske jednadˇbe pravca. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni.56 Jednadˇbe z ˇ POGLAVLJE 2. b.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . ANALITICKA GEOMETRIJA x = x0 + ta. c) odnosno a. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . z Napomena 2. . vektor smjera pravca p je dan s (a.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. b.3. z c s 2. y0 . z s Napomena 2.

→ s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . γ ∈ [0. →| |s c cos γ = → . Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. pa odreduje isti pravac. Zbog komplec mentarnosti. z1 ) i P2 = (x2 . c s → Iz toˇke 1. pa iz toˇke − − s r2 c s r2 r1 c 2.3.6). toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . c c Tada kroz njh prolazi jedinstveni pravac p. − → z definirajmo s P c s − je vektor smjera pravca p. z2 ) u prostoru. istog smjera i orijentacije kao i →.1.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). odnosno postoje c s0 α.2. y2 . Odredimo njegovu jednadˇbu. PRAVAC U PROSTORU 57 → Posebno. y1 . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a.3. 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. onda znamo da je vektor → s a b c 1 → s0 = − − = − .1.5 i toˇka 2. s 2. − →| s →| |→| |→| |s |s s s − jediniˇni. −| |s Dakle koeficijenti smjera a. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . →| |s b cos β = − .5 znamo da postoje kosinusi smjera vektora − . tj.3. onda ima dva kosinusa smjera. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. Sada imamo da je → = P1 P2 = → − →. i njihov omjer daje koeficijent smjera (toˇka 2. c). − .4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . b. β.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. b. π] takvi da je a cos α = − .3. b. → − → → r r1 r2 r1 . c) je dana s x y z = = . Uzmimo sada npr. z Znamo iz toˇke 2. jedan kosinus smjera prelazi u sinus.

c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = .58 ˇ POGLAVLJE 2.3. z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke.10: Pravac kroz dvije toˇke u prostoru. b. y0 . z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . y = y1 + t(y2 − y1 ). iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). uz oznake m = a c i m1 = − a z0 . z c y2 −y1 2 −z 2. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . c c c . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. z0 ) s vektorom smjera − = (a. Analogno. c c c odnosno. c x = mz + m1 .

2.3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m . + n2 + 1 2. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. vrijedi x−m1 m = y−n1 n = z. b.11: Pravac zadan dvjema projekcijama. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. PRAVAC U PROSTORU odnosno. 59 y = nz + n1 .3.3. Dakle. + n2 + 1 cos β = √ m2 n .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .14 Iz toˇke 2. z y=nz+n 1 x =mz+m 1 y 0 x (m . y0 . Tada za svaki izbor a.n ) 1 1 Slika 2. z b c . Napomena 2.3. + n2 + 1 cos γ = √ m2 1 . uz oznake n = b c b i n1 = − c z0 .

12: Dijeljenje duˇine u zadanom omjeru. .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . z2 ) u prostoru. z → c radij vektor toˇke B. s z Imamo → = 1 (− + − ). r2 r1 →=− + − → ρ r1 n m → → → − + n −. . AC : CB = m : n. 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. y2 . y1 . my1 +ny2 . m ∈ N. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 .3. z1 ) i B = (x2 . mz1 +nz2 ).7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. tj. ANALITICKA GEOMETRIJA 2. m+n m+n m+n Napomena 2.60 ˇ POGLAVLJE 2. 2 2 2 . − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= .

β. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. ako Π prolazi kroz ishodiˇte (tj. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.4.3 ). → → radij-vektora r n c P . y.2. z redom (tj.4 2. → → r n .13: Normalni oblik jednadˇbe ravnine. j .1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. RAVNINA U PROSTORU 61 2. Neka je −0 = OP0 c c n p −→ − (tj. 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. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. onda je p = 0. toˇku O). γ kutovi c → zatvara s pozitivnim smjerovima osi x. a vektor z −0 zovemo normala ravnine Π. → n Posebno. s vektorima baze −0 ˇto ih n s − − − → → → i . Povucimo okomicu iz toˇke O na ravninu Π. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. k iz toˇke 1. P0 d r π n0 0 M Slika 2.4. → n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − .

0. z1 ) ∈ E proizvoljna. r n Napomena 2. Kao i kod pravca (toˇka 2. 0). neka su toˇke A = (a. Nadalje. 0. iz normalne jednadˇbe ravnine imamo.2. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. B = (0. kako su A. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. b.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. Imamo neˇto analogno otklonu iz toˇke 2. n − → → OC · −0 = p.4. jer je duljina okomice do Π jednaka p). ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). u stvari. c Neka je M = (x1 .2. duljina okomice c do Π ´e biti p + d (za neki d ∈ R.62 ˇ POGLAVLJE 2. y. → ako je M s one strane Π na koju pokazuje −0 . onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. udaljenost ravnine Π od ravnine Π . redom. n0 − − → → OB · −0 = p. Napomena 2. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . y1 . 2. C = c (0. n . z). B. z − − → OA · → = p. toˇke u kojima Π sijeˇe koordinatne osi x.2. y.16 Ako toˇka P ∈ E ima koordinate (x. a c kako M leˇi u Π . z. c). Za toˇke s druge strane bit ´e n c c d < 0. 0).2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. c c Sada. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. Kako je d. C ∈ Π. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p.

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

C). y0 . c z Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 z z opisana ravnina u prostoru kroz toˇku P0 = (x0 . jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . ANALITICKA GEOMETRIJA P . y0 . z0 ) koja je okomita na vektor z c − = (A. Onda je − · − = 0.18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . ako P ∈ E ne leˇi u ravnini. ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. c −→ → − S druge strane. → n Zaista. 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. onda je jasno da i c c − − = −0→ leˇi u toj ravnini. C). y. c z c z Napomena 2. B. Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). Dakle. pri ˇemu se uzima predznak suprotan od c . odnosno. kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ). tj. 0 r P n π 0 Slika 2.15: Op´i oblik jednadˇbe ravnine. ako je toˇka P = (x. B.64 ˇ POGLAVLJE 2. z0 ) i okomita na vektor c − = (A.

Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. onda su koordinate A. B. RAVNINA U PROSTORU predznaka od D. s → 2. z1 ) ∈ E.17.1). Π) = |Ax1 +By1 +Cz1 +D| √ . Stoga ´emo i vektor − zvati vektor normale.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. tj. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. R cos γ = C . R → → Vektor normale −0 je normirani vektor − = (A. 0) nema komponentu u smjeru n − → osi z (tj. po c Napomeni 2. C C C A z Oznaˇimo a1 = − C . B. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0.2. 0. c . b1 = − B i c1 = − D . Ako je C = 0. R cos β = B .18) i koeficijent razmjernosti je A2 + B 2 + C 2 . Tada je.4. Napomena 2. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. k ). nepotpune obc z like): c c z 1. Ako je D = 0. C). pa imamo cos γ = 0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. y1 . pa odreduju istu ravninu. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. onda normala − = (A. Dakle imamo cos α = 65 A .4. istog su smjera n n → c n i orijentacije. c onda je A B D z =− x− y− . C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. s c A2 +B 2 +C 2 Napomena 2. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. B. tj. onda je oˇito da O = (0. ravnina prolazi kroz ishodiˇte.20 Neka je dana toˇka M = (x1 .

B. z c c 2.66 z ˇ POGLAVLJE 2. A. onda prema 1. 0) ima komponentu samo u n smjeru osi x. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. c Od ˇetiri parametra. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →.16: Ravnine u posebnim poloˇajima. 0.4 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. z → − a vektore − i → vektori smjera. odnosno x = − D . jer jedan parametar c moˇemo eliminirati dijele´i onim od A. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . C i D. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . ravnina je paralelna A s koordinatnom ravninom Oyz. s1 s2 . Ako je B = C = 0. z → 3. Ako je B = C = D = 0. B. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . ravnina je paralelna s koordinatnom ravninom Oyz. Varijable u i v zovemo parametri. ravnina prolazi kroz ishodiˇte s a prema 3. imamo samo tri nezavisna. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. 4. − i − su komplanarni). Imamo Ax + D = 0. onda normala − = (A. C koji je razliˇit od nule.4.

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

s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. vektori s1 s2 −→ → − − − → P0 P . Po Napomeni 1. 2.68 ˇ POGLAVLJE 2. Dakle. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). 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 . P1 P3 komplanarni. P3 ne leˇe na istom pravcu. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P2 . P3 (uzmemo npr.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . P2 . P1 P2 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P2 = (x2 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. y1 .5 2. → komplanarni.16. y3 . Po Napomeni 1.4. ako i samo ako su P0 P . P3 = (x3 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. Kao i u toˇki 2.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.4. − . s1 . z3 ) u c prostoru takve da ne leˇe na istom pravcu.5. z2 ). ANALITICKA GEOMETRIJA −→ → − − odnosno. P2 . z1 ). 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 . y2 .4. Kako toˇke P1 . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .

2.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. odnosno ako → → kolinearni. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. 69 −1 Definicija 2. tj.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. B2 . 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 .2. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . C2 ). Teorem 2. ako i samo ako je −1 · −2 = 0.5. C1 ) n → i −2 = (A2 .24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. −1 → Napomena 2. Ravnine se podudaraju. Ravnine se sijeku u jednom i samo jednom pravcu. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . tj. ♣ . B1 . 3. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . Ravnine se ne sijeku.

ako ravnine A2 B2 B2 C2 A2 nisu paralelne. p z 2.   → 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.5. onda se one moraju sje´i.23. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. Ako ravnine nisu paralelne. onda z s A1 B2 C2 D2 se ravnine podudaraju. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. A2 x + B2 y + C2 z + D2 = 0. Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. tj. da je c = 0. 0 . Ako je joˇ i A2 = B1 = C1 = D1 . . imamo tre´i sluˇaj. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0.70 ˇ POGLAVLJE 2. odredenosti radi. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina.2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. A3 x + B3 y + C3 z + D3 = 0. ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. C1 = A1 .   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . B1 = C2 . i njihov c presjek je pravac. 2. 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. drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . Uzmimo. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . Konaˇno. Njene su koordinate c B1 D1   B2 D2 T0 =  . z c c Kako ravnine nisu paralelne.

B. b. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 .2.5) i koordinate su mu c c ∆x ∆y ∆z ∆. tj.4. onda je presjeciˇte jedinstveno (tj. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. C). A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . s jedna toˇka. ∆. → → s n . 2.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. z Definicija 2.5. toˇka 2. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 .5. paralelne su). 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. ∆ . y. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. z nepoznanice). 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. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. c) i − = (A. b. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju).

ako je π − ϕ kut izmedu − = (a. → Napomena 2.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. C) onda je kut c s n 2 izmedu p i Π jednak ϕ. Am+Bn+C Am+Bn+C Am+Bn+C .25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. 2. ako i samo ako je − · − = 0. − Am1 +Bn1 +D . b. i ravnina Π s Ax + By + Cz + D = 0. odnosno ako → − kolinearni. − Anm1 +Bnn1 +Dn + n1 . B. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ .4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . 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. → → s n Kako je kosinus kuta izmedu − = (a. c) i − = (A. B.72 ˇ POGLAVLJE 2. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. c) i − = (A. tj. tj. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. tj. z c c s z0 = − Am1 + Bn1 + D . b. ANALITICKA GEOMETRIJA → → Znaˇi.5. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0.

Ax1 + By1 + Cz1 + D .5. Aa + Bb + Cc Napomena 2. y1 − b Ax1Aa+Bb+Cc+D . tj. 2.5.2. y = y1 + bt.28 Ako ne postoji takav t koji je konaˇan. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. tj. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu 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 . ako nema konaˇnog z koji je rjeˇenje. a druga je uvjet paralelnosti pravca i ravnine. z1 − c Ax1Aa+Bb+Cc+D . z z .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.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. y0 . dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. z = z1 + ct. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli.

c 2. Definicija 2.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). Pravac je sadrˇan u ravnini. Pravac i ravnina se ne sijeku. Pravac i ravnina se sijeku u samo jednoj toˇki. → → 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 .5. b2 . z2 ) s vektorima smjera − = (a1 .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . ANALITICKA GEOMETRIJA Teorem 2.74 ˇ POGLAVLJE 2.18: Mimosmjerni pravci. y1 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. y2 . c2 ). onda pravac leˇi s c c z u ravnini (tre´i sluˇaj).2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . s1 s2 redom. 3. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). c1 ) odnosno − = (a2 . → → s1 s2 p 2 p 1 Slika 2. z1 ) odnosno c → → P2 = (x2 . c c c 2.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. b1 . . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0.

c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . ako i samo ako postoji λ ∈ R takav da je − = λ→. tj. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. tj. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .3.2. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 .5.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. z= 1 m−m n−n . 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. 2.5. ako i samo ako je → · − = 0. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. c c z → s1 Napomena 2.5).30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. tj. → Napomena 2.

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

Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. Pozabavimo se sluˇajem mimosmjernih pravaca. i 6.5.29. z s pravci p1 i p2 ´e se sje´i ako je c c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 i ne vrijedi a1 : b1 : c1 = a2 : b2 : c2 .♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. imamo isti pravac. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. ˇetvrti sluˇaj. Pravci se podudaraju. iz toˇke 1. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Pravci leˇe u istoj ravnini i ne sijeku se. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini.6 na gornju determinantu (tj. z 3. z 2. Teorem 2. ne leˇe u istoj ravnini. Ako su sva tri redka proporcionalna. Prema Napomeni 2. c =0 . z Moˇe se desiti da su oni paralelni. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0. tj. Pravci su mimosmjerni. pa nema presjeciˇta. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). z c 4.2. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom.

c1 ) c s1 − = (a2 .22. a2 b2 c2 Definicija 2. 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 = = . y1 . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni).9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. = 0. y2 . b2 .78 ˇ POGLAVLJE 2. b1 .5. 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 = 0.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . z2 ) s pripadaju´im vektorima smjera − = (a1 . c1 ) i − = (a2 . z1 ) → odnosno P2 = (x2 . c2 ). b2 . c2 ). kako p1 leˇi u Π i Π je paralelna sa p2 . . z1 ) i paralelna je sa − = (a1 . Dakle. y1 . p1 leˇi u ravnini). ANALITICKA GEOMETRIJA 2. a2 b2 c2 a2 b2 c2 . Iz s1 s2 Napomene 2. b1 . imamo da Π prolazi z → → kroz P1 = (x1 . . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 .

y2 . uzmimo toˇku P2 = (x2 .20. y1 . ˇto je toˇka. → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). ˇto znamo izraˇunati. d(p1 . x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 2 d(P2 . → − Ako su − i → kolinearni. p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . (Uzmemo c s c li ravninu okomitu na p1 kroz P1 . ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π. b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . − = → n b1 c1 c1 a1 a1 b1 . Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . → → → n s1 s2 Time smo dobili izraz kao i gore tj. z2 ). onda su p1 i p2 paralelni. prema Napomeni 2. pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . Napomena 2. c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. Tada pogledamo presjek te ravnine i pravca p2 . . kako konstruirati ravninu kroz toˇku P1 = (x1 . Tada je. jasno je da moˇemo uzeti da joj je normala z − . .2.5. zovimo je M .31 Kako znamo da postoji ravnina Π takva da p1 leˇi u njoj i z paralelna je sa p2 ? Ekvivalentno je pitanje. onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni.

.

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

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

Pravokutna shema u kojoj je u m redaka i n stupaca sloˇeno m · n realnih brojeva zove se matrica tipa m × n. . a12 a22 . Realni brojevi sloˇeni u matricu su njeni z elementi. . m matrice A ˇine j-ti stupac matrice A (drugi indeks je c fiksan.1. .j=1 ili samo A = [aij ]. . Npr. n i=1.   . . Primjer 3. . Svaki element je indeksiran s dva indeksa: prvi je redni broj redka. am1 am2 am3 · · · amn Matrica A ima m redaka i n stupaca. . n matrice A ˇine i-ti redak matrice A (prvi indeks je c fiksan.2 Osnovni pojmovi Definicija 3.1 Neka su m i n prirodni brojevi..1 M= 1 0 −1 2 3 1 Matrica M je realna matrica tipa (2 × 3). tj. k = 1. drugi se mijenja od 1 do n). .ˇ ˇ 3... Zbog jednostavnosti zapisa nju joˇ zapisujemo kao s A = [aij ]m. element c aij se nalazi na presjeku i-tog redka i j-tog stupca. . k = 1.1. .  . a13 a23 . OSNOVE MATRICNOG RACUNA 83 3. A= .. . . . drugi je redni broj stupca na ˇijem se presjeku nalazi taj element.. z    A=         a11 a21 . Ako je m = n. an1 an2 · · · ann . . Brojevi akj . . . prvi se mijenja od 1 do m). . · · · a1n · · · a2n . .♠ Brojevi aik . Neka je A matrica kao gore... ako je matrica A oblika   a11 a12 · · · a1n    a21 a22 · · · a2n   .

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

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

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

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

(αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. gdje za As vrijedi AT = As . Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. Definicije 3. geometriji. To nam z name´e sljede´u definiciju. 2 Oˇito je AT = As .3 i Definicije 3. a za Aa vrijedi AT = −Aa . n.88 POGLAVLJE 3. itd. (AT )T = A za sve A ∈ Mmn . 2. Produkt A·B takvih matrica . Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. B ∈ Mmn . Oˇito je tako definirana matrica C ∈ Mmn . s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ).4.1. nema podlogu u fizici. (A + B)T = AT + B T za sve A.. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. Tako bismo za matrice A = [aij ].. .. gdje su elementi od C dani s cij = aij bij za i = 1. Takoder. Dakle imamo tvrdnju. Napomena 3. Iako jednostavna.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. B.. 3. AT = −Aa i A = As + Aa . ♣ c s a 3. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave..5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa .. . MATRICE I LINEARNI SUSTAVI 1. m i j = 1.

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

C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). tj.3 (Svojstva mnoˇenja matrica) Za sve matrice A. B ∈ Mnn takoder op´enito vrijedi A · B = B · A. za A ∈ Mnn . gdje su A. c Posebno vrijedi A · In = In · A = A. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice). A. . B. Im · A = A. gdje je α ∈ R. 5. A ∈ Mmn i D ∈ Mnp . 3. gdje je A ∈ Mmn . z c Teorem 3. c jer npr. α(A · D) = (αA) · D = A · (αD). za n = m = p. A · In = A. za n = 2 imamo 0 1 0 0 a s druge strane. gdje su A ∈ Mmn . 0pm · A = 0pn . gdje je A ∈ Mmn . A · 0np = 0mp . gdje je A ∈ Mmn . B ∈ Mnp i C ∈ Mpq . · 1 0 1 1 = 1 1 0 0 . 4. MATRICE I LINEARNI SUSTAVI Na kraju. C takve da z promatrani produkti postoje vrijedi: 1.90 POGLAVLJE 3. 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . B ∈ Mmn . 2. Dakle mnoˇenje matrica je op´enito nekomutativno. C ∈ Mpm i D ∈ Mnq . (A · B) · C = A · (B · C) (asocijativnost).

1 0 3 0  Neka je r = s = 2. i dva stupca npr.1. xn ]T nepoznata matrica. svaka linearna z jednadˇba ide u svoj redak).4. 0.6. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.. 3. 3. dobivamo podmatricu z matrice A. Izaberimo dva redka. dobijemo podmatricu z 3 4 0 3 matrice A... Sloˇimo li ih u (2 × 2) matricu. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3..ˇ ˇ 3. . b = [b1 . npr. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. 3. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3.1. .♠ Ako su izabrani redci i stupci uzastopni. 4. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. ♣ 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 ). prvi i tre´i. c drugi i tre´i.. Primjer 3.3. takvu podmatricu zovemo blok. c .5 Podmatrice i blok matrice Neka je A ∈ Mmn . 3.6 Neka je  2 3 4 1   A =  −1 2 1 3  . bm ]T poznata matrica desnih strana i z x = [x1 . Sloˇimo li ih u (r ×s) matricu..

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

c 2.6 Regularne matrice.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.1. 1. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . dakle ne postoji izbor brojeva a. postoji broj koji pomnoˇen s a daje 1. tj. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.ˇ ˇ 3. Npr. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . c Napomena 3. OSNOVE MATRICNOG RACUNA 93 3. b. c.1.1. c c c Iz svojstva 5.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. U toˇki 3. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. Npr. tj.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. U skupu R vrijedi: ako je a · b = 0. 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 skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . onda je barem jedan od a ili b jednak nuli. Teorema 3. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . neka je dana matrica c 0 1 1 0 .

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

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

2. + λn − : λ1 . .7 Rang matrice. Definicija 3.5 izravno slijedi da je r(A) = r(AT ). matrice iz Mm1 .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.... Elementarne transformacije Neka je A = [aij ] ∈ Mmn ... − ) podprostor od Rm .. .... → → Definicija 3. λn ∈ R}. moˇemo promatrati kao vektore u R .... − ..5).. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).. z Teorem 3.6 znamo da stupce. a1 an → → i izravno iz Definicije 3. Podprostor razapet vektorima a1 an − . .5) i neka je L neki podskup od V . Iz Napomene 3. . → → s L( a1 an → → → → an a1 L(− . − ∈ Rm . Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj..11 Oˇito je da je c − − L(→.11 Neka su − . njene z c n redke. →) ⊆ Rm . vrijede svojstva 1. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A.96 POGLAVLJE 3. ..10 slijedi da je L(− .. . linearne zavisnosti/nezavisnosti. moˇemo promatrati kao vektore u vektorskom prostoru Rm . iz Definicije 1. Oznaˇavamo ga → → → → a1 an a1 an c − ... matrice iz M1n .1.. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). − ) = {λ1 − + . Definicija 3. − ). Iskaˇimo sada jedan bitan rezultat.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A...5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .♣ Kako je po Teoremu 3. i 3. a1 an Napomena 3. MATRICE I LINEARNI SUSTAVI 3. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. . Sliˇno.10 Neka je V vektorski prostor (Definicija 1. a1 an ... . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. − je skup svih linearnih kombinacija vektora − . tj...

. . Neka je R(A) podprostor od Rm razapet stupcima matrice A. − ) → → → → od R razapet sa a1 an a1 an →.8 Vrijedi: − → 1. . jer je skup { 0 } uvijek linearno zavisan. ..12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora.. ... Mmn . 2. Tada je oˇito r(In ) = n.. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .13 Kako vektori − ... z Teorem 3..5 izravno slijedi r(A) = dim(R(A)) = dim(R (A))... Dimenziju vektorskog prostora L(− . Stoga vrijedi s − − dim(L(→. . . Neka je In ∈ Mn .. .14 Uz gornje oznake iz Teorema 3... n)..1. c .. i R (A) podprostor Rn razapet redcima od matrice A. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. Tada je r(0) = 0..12 Neka su − . − . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3...13 imamo da je r(A) ≤ min(m. − ). →}. − razapinju L(− . − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . → → → → Napomena 3.. Napomena 3. − )).. . − ) podprostor a1 an a1 an m − ... Neka je A ∈ Mmn . a1 an Vratimo se na konkretan vektorski prostor. − ∈ Rm . Neka je 0 ∈ Mmn nul matrica.. →)) ≤ n.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. .. Napomena 3..♣ Primjer 3.15 Iz Napomene 3.. Neka je L(− .ˇ ˇ 3. znamo da je u a1 an a1 an bazi najviˇe n vektora.

Dakle.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    .. c c r(In ) = n) i matrice koja izgleda kao i matrica B.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     .98 POGLAVLJE 3. z 3. . jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. MATRICE I LINEARNI SUSTAVI 3. tj. na aij za i = k + 1.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . Dakle... Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. Neka je dana B ∈ M5...5 imamo da je r(B) = 3. Primjer 3. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. Zamjena dvaju redaka (stupaca). Pitanje je. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). akk za k ≤ min(m. ima nule. na aij za i < j.  . n) ima jedinice. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. Mnoˇenje redka (stupca) skalarom λ = 0.. . k. Nadalje. . iz Teorema 3. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1.. na pozicijama a11 . j = 2.♠ Iz Primjera 3.. 2..    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. na aij za j < i ima nule. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 .

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

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

am1 x1 + am2 x2 + .. Ako za neki i = 1.. . Npr. c s z proturjeˇan ili nemogu´.. imamo netrivijalno rjeˇenje. Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava.1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 ... cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 . kaˇemo da je nekonzistentan. Definicija 3. . .2.. sustav je nemogu´.. s z suglasan ili mogu´. = xn = 0 daje rjeˇenje c svakog homogenog sustava.. = ain = 0. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja. . n. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan... . . m vrijedi ai1 = . 2. c2 .. s . s Ako je (c1 . c s 2.. + a2n xn = b2 .. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0.. Uredena n-torka (c1 .. . m... .. .. = bm = 0.14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto... j = 1. LINEARNI SUSTAVI 101 3.2.3. jer x1 = . .18 Primijetimo: 1. sustav je nehomogen. Takvo rjeˇenje zovemo trivijalno... + amn xn = bm . a bi = 0.. Ako je barem z jedan bi = 0.. c2 . i = 1. m.. s s z s 3. + a1n xn = b1 a21 x1 + a22 x2 + . xn s z koeficijentima aij . . .. c c Napomena 3.. n i slobodnim ˇlanovima b1 . Za sustav kaˇemo da je homogen ako je b1 = . 0.. ..xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima... i = 1...... uredena ˇetvorka (1..2 3. s i = 1.... bm : c a11 x1 + a12 x2 + . Ako sustav nema rjeˇenja.. .. Homogeni sustav je uvijek mogu´..

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

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

.104 POGLAVLJE 3. po Teoremu 3.. = λn = 0. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. λ = 0 . .) Ako je n = m i A regularna. s − → → II. odnosno λ1 = . odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3. dakle ima bar jedno rjeˇenje.. Ako je r = r(A) = r(Ab ). = λn = 0 a a a c (tj. tj. jer je A(A b ) = b . Ho´emo pokazati da je λ1 = . onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3.8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A..21 Ako sustav A− = b ima dva rjeˇenja. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b ...18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. Iz − → → − b = (λ1 + x1 )− 1 + . pa je sustav konzistentan.8 homogeni sustav je uvijek c rjeˇiv. onda ih ima beskonaˇno x s c mnogo.. s x → → − → Obrnuto. → − x 0 → → − Napomena 3. ♣ − → − Napomena 3. Neka su sada λ1 .. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . tj.6 imamo da je r(A) = n). + a − → → → → λn − n = 0 (− 1 .. tj.6)... Iz Napomene 3.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). tj. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. λn ∈ R takvi da je λ1 →1 + . → je A regularna. s c s → − → → − → − → Ako je A− = b . da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . bilo kojih r z linearno nezavisnih redaka u A. − n su vektor stupci od A). → → − III. MATRICE I LINEARNI SUSTAVI Teorem 3. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b .. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. (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. Dokaz: . Ako je n = m.... Dakle stupci od A su linearno x x nezavisni. da su stupci od A linearno nezavisni. A je regularna.

Dokaz: Oˇito je N (A) ⊆ Rn . tj.3 Homogeni sustavi → Iz Napomene 3. gdje je λ ∈ R proizvoljan. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . c Napomena 3. Treba provjeriti da N (A) ima svojstva iz Definicije 1. Tada je.2 su oˇito zadovoljena. u u Dakle je N (A) vektorski podprostor od Rn .2. tj.1 i Teorema 1.2. A− = b i A− = b . dakle dokaˇimo da za proizvoljne c z − .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). x x − → Oˇito je 0 ∈ N (A). → ∈ 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). z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .5. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.8 i Napomene 3. u v u v − → dakle → + − ∈ N (A).3.♣ . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .22 N (A) je podprostor od Rn . c Svojstva iz Teorema 1.♣ s c z s x → Iz Teorema 3. c 3.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A).

rjeˇenje je x s u s jedinstveno. ut rjeˇenja homogenog sustava c s − = − . ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.9 II. s x → − → → Obrnuto.23 Primijetimo: → 1.9. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . Kako je iz Teorema 3. z s . N (A) = { 0 }. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b .22 zakljuˇujemo da ako su u1 . MATRICE I LINEARNI SUSTAVI Iz Napomene 3. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna.9 I. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). s Dokaz: (Dokazujemo samo tvrdnju II. svako rjeˇenje je oblika − 0 + 0 .8 je matrica A regularna. Po Teoremu 3.106 POGLAVLJE 3. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. 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)). onda je i njihova linearna kombinacija rjeˇenje tog sustava.♣ Napomena 3.9 I.. gdje je − ∈ N (A). Teorem 3. iz jedinstvenosti zakljuˇujemo da je − = 0 . Tvrdnja Teorema 3.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .. tj.) − → → − → − Ako je matrica A sustava A− = b regularna. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). Onda.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. . prema Teoremu 3. onda po Teoremu 3. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A.. Tvrdnja Teorema 3. → → → → u u y y − → → II. tj. → → → → Ax a y y 2. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje.

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

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

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

MATRICE I LINEARNI SUSTAVI U toˇki 1. .. Tada za A ∈ M1 oblika A = [a] definiramo det A = a. 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. n.. k = 1. 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.110 POGLAVLJE 3. Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . u stvari skup R). 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 . Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2.25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . + (−1)n−1 a1n det A1n . Za A ∈ Mn ... n > 3.. Determinanta matrice reda n > 3 se definira induktivno. Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . . Napomena 3. oznaˇimo s A1k . c1 c2 a1 a2 b1 b2 .

Neka je A ∈ Mn dijagonalna matrica. c 4. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . det(Qij A) = − det A. . pravilo za c raˇunanje inverza matrice).1. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. onda je det A = a11 a22 · · · ann . Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. je razvoj determinante po prvom redku. onda je det A = 0.2. Svojstva determinante su: 1. 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. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. n ≥ 2.7. Ako je A ∈ Mn trokutasta (gornja ili donja).3. n ≥ 2. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . Posebno je c det In = 1. 3. 2. onda sc je det A = 0. determinanta mijenja predznak.

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

itd. Dokaz: Iz Teorema 3. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. Dakle oˇito je det A = 0.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. Teorem 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT .26 Ako je A ∈ Mn regularna. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.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 . vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. ♣ Napomena 3.2.3.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. onda je det A = 0. ♣ U Teoremu 3. Ako to nije mogu´e. 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. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.12 Za proizvoljne matrice A. ♣ Iz Teorema 3. ♣ . ai+1.♣ Teorem 3. Teorem 3.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1.i+1 = 0). tj. Teorem 3. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .i+1 (naravno. LINEARNI SUSTAVI 113 ispod njega. z Teorem 3. B ∈ Mn vrijedi det(AB) = det A · det B.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.

k=1 Oˇito. Definicija 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. Analogno ide dokaz za stupce. 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.27 izravno slijedi: Teorem 3. (−1)k+i det Aki .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.28 U Napomeni 3. tj. onda je det A = 0. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i.16 imamo da je 1 kof (A) · A = In .114 Veliˇinu c POGLAVLJE 3. det A Dakle A je regularna i A−1 = kof (A) det A . ako je i = j. Vrijedi i obrat. ♣ Napomena 3. k) stoji kofaktor elementa aki matrice A. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. Kofaktor matrice A oznaˇavamo s kof (A). tj. onda je po Teoremu 3. Promatramo zbroj n (−1)j+k aik det Ajk . onda iz Teorema 3.26 smo vidjeli da ako je A ∈ Mn regularna. c c Dokaz: Neka su uzeti i-ti i j-ti redak. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .13 prethodni zbroj jednak det A.♣ .16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . c Napomena 3.♣ Iz Napomene 3. Inaˇe je zbroj det A. det A Dokaz: Ako je det A = 0.

D x2 = D2 Dn . xn = .26 i Napomene 3. → x Teorem 3...3.. µ ∈ R i sve − . . . 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.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. Definicija 3.3 3. → ∈ Rn .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. Ako je matrica A regularna. . onda takav linearni x y operator zovemo linearnim funkcionalom. . Ako je m = 1. Stoviˇe. Rjeˇenje je dano s − = A−1 b . za sve λ.3. − → → Iz Teorema 3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. µ ∈ R i sve − . onda je rjeˇenje z s tog sustava dano s x1 = D1 .3. .♣ a 3. D D pri ˇemu je D = det A. Takvu x x funkciju zovemo linearni operator.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. . A je regularna ako i samo ako je det A = 0. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. a Dk . Rm = R. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . → ∈ Rn . n. 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 .1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn .

x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor.5. − ∈ Rn . Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. tvrdnja slijedi. Iz Definicije 3.2. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ).30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . Dokaˇimo da je i F + G linearni z operator. x x Napomena 3. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. MATRICE I LINEARNI SUSTAVI Napomena 3. 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 (− ). Dokaˇimo da vrijede i prva dva. tj. µ ∈ R i sve →. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. 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. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). 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. − ∈ Rn . → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. µ ∈ R i sve →.5.116 POGLAVLJE 3.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.1 i Teorema 1. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.

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

Kako su F i F ustvari isti linearni oper− → − → atori.3. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. c H =GF . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )).10 Pogledajmo sljede´e primjere: c 1.32 i Teorema 3. y. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. a defekt jedan. z) = (x. Sada nas zanima kada su ti vektori kolinearni. Tada je po Teoremu 3.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica.2. vrijedi dimN (F ) + dimR(F ) = n.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori.♠ c 3. Iz Napomene 3.10 izravno slijedi teorem o rangu i defektu za linearni operator. c 2. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. F ∈ Mn ).2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x.118 POGLAVLJE 3. Napomena 3. tj. MATRICE I LINEARNI SUSTAVI Napomena 3. y). y.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 . Dakle dimenziju slike linearnog s operatora takoder zovemo rang. odnosno dimN (F ) = dimN (F ). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Oˇito je rang od p1 jednak jedan (jer je slika x-os). Njegova je matrica dana s 1 0 0 0 1 0 . Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Primjer 3. z) = x. − → → → Nadalje. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . Neka je F : Rn −→ Rm proizvoljan linearni operator. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). z . a defekt dva. tj. iz toˇke 3. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F .

PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3.17. Napomena 3. c x y tj. Nadalje. → → Svojstva iz Teorema 1.5. tj. ♣ Napomena 3. Dokaz: Oˇito je S(λ0 ) podskup od Rn .1 i Teorema 1. Nadalje neka su − . Izravno iz Definicije 3.17 Neka je A ∈ Mn . 2.3. Dokaz: 1. da c z s zadovoljava uvjete Definicije 1. neka je µ ∈ R µ = 0 proizvoljan. x x → → Vektor − 0 ∈ Rn . → → 2. − 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 . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). y y → → Dokaˇimo da je − + − ∈ S(λ0 ). Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . x y x y x y . 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 . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). − ∈ S(λ0 ). µ = 0. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. x x x x → Dakle za svaki µ ∈ R. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . tj.33 Primijetimo: → 1.3.2 oˇito zadovoljava. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. A− 0 = x x − 0 .

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

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

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

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

c c Teorem 3..5) znamo da z z KA (λ) ima n nultoˇaka λ1 .24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 .. c Napomena 3..35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. nultoˇka od KA (λ). s Teorem 3... medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. ♣ Teorem 3.♣ Napomena 3. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. λn od KA (λ) pojavljuje barem jednom. A je regularna. Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost.21 Neka je A ∈ Mn simetriˇna. a odgovaraju´i se svojstveni vektori podudaraju. iz osnovnog teorema algebre (Teorem 5. . c Kako je KA (λ) polinom n-tog stupnja. .36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . tj. .124 POGLAVLJE 3.12 vidimo da ne moˇemo svaku matricu dijagonalizirati. c Teorem 3. Dakle 0 nije svojstvena vrijednost.. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. Tada iz Napomene 3. λ−1 ..22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.. λn .. λn od KA (λ) zovemo algebarska kratnost od λ0 . dijagonalna. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). Ipak. Obratno. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .. Ako je A joˇ simetriˇna onda iz Teorema 3..34 znamo da je skup S(λ0 ) potprostor od Rn . λn . ..21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A.♣ c ... tj. . ako je λ0 svojstvena vrijednost od A ∈ Mn . Sada. ona se u nizu c nultoˇaka λ1 . Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 ..

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

.♣ an Teorem 4. 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.132 POGLAVLJE 4. Tada vrijedi: 1. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). Onda vrijedi n−→∞ lim |an | = n−→∞ lim an .4 Neka su (an ) i (bn ) konvergentni nizovi. c Teorem 4. c c c Npr. te c ∈ R proizvoljan. r = 0. konvergira li. ako ne i nemogu´e. proizvoljan i an ≥ 0 za svaki n ∈ N. NIZOVI I REDOVI 4.1. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. n−→∞ n−→∞ n−→∞ 4. ako je bn = 0 i n−→∞ lim bn = 0. n−→∞ n−→∞ n−→∞ 2.5 Neka je (an ) konvergentan niz. Ako je r ∈ R. n−→∞ n−→∞ 3.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. Tada c an −→ 0 ⇔ 1 −→ ∞.3 Neka je (an ) niz s pozitivnim ˇlanovima.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. c s c c c tj. lim (an bn ) = lim an lim bn . i ako da. onda je lim an an = n−→∞ . onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . lim (can ) = c lim an . prema kojoj vrijednosti.

6 Monoton. ε). Dakle imamo samo c c s z s jedno gomiliˇte. on moˇe imati najviˇe jedno gomiliˇte. niz 1.2 niz (an ) ima barem jedno c gomiliˇte.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. Za |q| < 1 je lim an = 0. znamo da neˇto postoji. . pa prema prethodnom niz n n −→ 0. c Napomena 4. i ako npr. tj.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 .. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. 1 |q n | Neka je sada |q| > 1. tj. za svaki n ∈ N. jer je log |q| < 0. NIZOVI REALNIH BROJEVA 133 Teorem 4. q 3 .4. G > G . Tj.1. dakle divergentan. log |q| Dakle svi ˇlanovi niza 1. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 .3 imamo |q | −→ ∞.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .6 je tipiˇni teorem egzistencije. To je ekvivalentno s |q| < ε. Pogledajmo prvo sluˇaj |q| < 1. (an ) raste. . U suprotnom. tj.4 dovoljno je promatrati niz s a1 = 1. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε.4. niz (an ) s konvergentan. Kako je (an ) monoton.♣ c z s Napomena 4. pa je lim an = 0. Sada.. dakle divergira ili u uˇem. c c c Prema Teoremu 4.. no ne c s znamo koliko je i kako to na´i. c c . q 2 . ograniˇen niz je konvergentan.. Onda je po Napomeni 4. c Dokaz: Neka je (an ) monoton i ograniˇen. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.. Teorem 4. Tada je n 1 |q| < 1. q 3 . ˇto ne moˇe biti jer je G gomiliˇte. q 2 . izraˇunati. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. dakle ili q −→ ∞. q. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. Imamo log ε n> . odrediti. n−→∞ Dokaz: Iz toˇke 4. ako s z s s (an ) ima barem dva gomiliˇta G i G . Tada po Teoremu 4. q.1. Logaritmiranjem se dobije n log |q| < log ε. po Teoremu 4.♣ Teorem 4. vrijedi lim inf an = lim sup an ∈ R. ili u ˇirem smislu.

Tada vrijedi n−→∞ lim an = 1. 2. Tada vrijedi ∞. Tada vrijedi lim an = 1. ako je λ > 0  lim an = 1. proizvoljan. Tada n! vrijedi lim an = 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. Tada vrijedi   ∞. ako je λ > 1 lim an = n−→∞ 0. gdje je λ > 0 proizvoljan. 1 n . teˇe k nuli. . ako je λ < 0 √ 5. ∀r ∈ N). c z 4.7 je najop´enitiji.1. ako je λ = 0. Neka je niz (an ) dan formulom an = λn . NIZOVI I REDOVI Teorem 4. tj.134 POGLAVLJE 4. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. √ 3. 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. n−→∞   0. Neka je niz (an ) dan formulom an = n λ. n−→∞ n−→∞ n 4. ako je 0 < λ < 1. λ = 1. Neka je niz (an ) dan formulom an = n n.♣ Teorem 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. n 6. Neka je niz (an ) dan formulom an = nλ . Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. Neka je niz (an ) dan formulom an = |λ| . gdje je λ > 0. gdje je λ ∈ R proizvoljan. gdje je λ ∈ R proizvoljan.

gdje je (Sn ) niz parcijalnih suma niza (an ). n-ta parcijalna suma. a konaˇna suma postaje red. a oznaka an divergira. No. Za svaki konaˇan n z c veliˇina Sn je dobro definirana. zareze zamijenimo plusevima c dobijemo beskonaˇni red.2 4. a1 . zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose.1 Redovi realnih brojeva Pojam reda. a3 . Definicija 4. Red dobiven od niza (an ) oznaˇavamo s c an .. ∞ an je oznaka za n=1 Primjer 4. + an = k=1 ak = Sn . .. tj. n=1 Ako niz parcijalnih suma (Sn ) divergira. a2 . tj.4. kaˇemo da i red z Napomena 4. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). konaˇna suma.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ).2.8 Oznaka sumu reda an . kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. Ako je S = lim Sn < ∞. ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + .8 Neka je (an ) niz. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . REDOVI REALNIH BROJEVA 135 4.8 Pogledajmo sljede´e primjere: c . an je oznaka za red. Dakle.. c Definicija 4..2. Konvergencija reda Ako u beskonaˇnom nizu (an ). (Sn )).

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

a red |an | ne konvergira.9 op´enito ne vrijedi. Definicija 4.4.8 znamo da red = divergira i da je lim n n−→∞ n 0. kaˇemo da red z an konvergira uvjetno. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. tj. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. Primjer 4.♣ 1 1 Napomena 4.♠ dok red 1 n divergira (Primjer 4.8. n 1 (−1)n−1 n uvjetno konvergentan.8). onda op´enito red c c c an ne mora konvergirati. S = lim Sn = n−→∞ n=1 an . Ako red an konvergira. an .10 Iz Primjera 4. c c ako op´i ˇlan niza (an ) konvergira u nulu.9 ne slijedi obrat Teorema 4. Dakle je red Teorem 4. Nadalje.2.♠ 2n n−→∞ ∞ Napomena 4. onda on konvergira i obiˇno. n−→∞ odnosno n−→∞ lim an+1 = 0. REDOVI REALNIH BROJEVA za svaki n ∈ N. tj.10 Red an apsolutno konvergira ako konvergira red |an |.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. c .♣ c Uoˇimo da iz Primjera 4.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. oˇito vrijedi c Sn+1 = Sn + an+1 .8 Ako red apsolutno konvergira.

Sn = a1 + a1 q + a1 q 2 + . imamo Sn − qSn = a1 (1 − q n ). a to divergira za svaki a1 = 0. n−→∞ 1 − q 1−q 1 − qn . onda je oˇito an = a1 .. onda je oˇito an = a1 (−1)n−1 . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . + a1 q n−1 .2. gdje su a1 . zovemo geometrijski red s kvocijentom q. NIZOVI I REDOVI 4. vrijedi Sn = a1 za svaki n ∈ N. c Pretpostavimo da je a1 = 0 i |q| < 1. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . pa je Sn = na1 . c Ako je q = −1. Nadalje. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. Ako je q = 1. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. tj. = a1 q n−1 .. da geometrijski red a1 q konvergira i da je |q| ≥ 1.5 imamo da je lim Sn = a1 lim a1 1 − qn = .138 POGLAVLJE 4. Pretpostavimo suprotno.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . a1 q n−1 = 1−q n=1 Obrnuto. q ∈ R proizvoljni.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1.. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . + a1 q n . Pogledajmo n-tu parcijalnu sumu. Nadalje kako je c n−→∞ lim an = 0 . tj. Teorem 4. Iz Teorema 4. tj....

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.♣

Dakle. i suma mu je 1−x . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. Dakle imamo an0 +1 ≤ λan0 . 0 < λ < 1.♠ 1 xn−1 (n−1)! 4. 1 2.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . Oˇito je za x = 0 svaki red potencija konvergentan. za svaki m ∈ N.18 Neka je 0 < λ < 1.. red an0 + an0 +1 + . Red oblika an xn . . za svaki n ∈ N. an za svaki n ≥ n0 .3.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. i n0 ∈ N takav da je an+1 ≤ λ. onda red an konvergira. . onda konTeorem 4.13 1. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. an0 +m ≤ λm an0 . gdje je x ∈ R proizvoljan.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. za svaki n ∈ N.♣ Primjer 4. Neka je an = 1. Dokaz: Neka su λ ∈ R. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . Ako postoji λ ∈ R. c Teorem 4. Tada iz Teorema 4. .. Neka je an = n! . an za svaki n ≥ n0 . zovemo red potencija. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. Ako red n an x0 divergira.146 POGLAVLJE 4. . . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex .

Neka je dan red divergira.9 konvergira. Neka je dan red vrijedi 1 . ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.8 znamo da on konvergira. an konvergira. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. n2 Tada iz Primjera 4.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. konvergira.8 znamo da on = 1. ali vrijedi 1 .3. c Primjer 4. c 0 < λ < 1. n Tada iz Primjera 4. divergira za l > 1. onda red an ≤ λ.14 1.♣ Napomena 4. Ako postoji limes c an+1 = l.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. Ako postoji λ ∈ R.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1.3 Cauchyev kriterij Teorem 4.4.♣ . 4..3. 1 n+1 lim n−→∞ 1 n 2.19 Neka je an red s pozitivnim ˇlanovima.. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.16 imamo da i red an0 + an0 +1 + . imamo da red c an konvergira. n−→∞ an lim onda red an konvergira za l < 1. Sada iz Napomene 4.

. c 1 Primjer 4. NIZOVI I REDOVI Napomena 4.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. divergira za l > 1.20 zovemo radijus konvergencije reda potencija a n xn . tj.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1.1. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).148 POGLAVLJE 4.15 Analogno kao i u Primjeru 4.18 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. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. c Teorem 4. a divergira za sve x ∈ R za koje je |x| > ρ.♠ c s Cauchyev kriterij je jaˇi.20 Neka je an xn red potencija. Ako postoji limes c n−→∞ lim √ n an = l. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. onda red an konvergira za l < 1.14 za red odnosno red n znamo da divergira odnosno konvergira. (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. a ne moˇemo niˇta z s zakljuˇiti za l = 1.

(−1)n . Po Teoremu 4. KRITERIJI KONVERGENCIJE Primjer 4. konvergira za Pogledajmo sada ako je |x| = 1. itd. dakle i apsolutno konvergira red (−1)n . Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. c sin n. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. 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.8 imamo da konvergira i red (−1)n . n 1 n x n dakle je ρ = 1. Iz n2 n2 1 Teorema 4. konvergira za Pogledajmo sada ako je |x| = 1.8 znamo 1 1 da red konvergira. iz Primjera 4. n 2. n Tada je 1 = lim n−→∞ n n 1 = 1.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Po Teoremu 4. Tada imamo sljede´i kriterij (Leibnic c zov): . Neka je dan red potencija lim sup n 149 1 n x . a divergira za |x| > ρ (ako lim sup n |an | postoji). Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Ako je x = −1. Neka je dan red potencija lim sup n 1 n x .20 red potencija |x| < 1.20 red potencija |x| < 1. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). ali smo u Primjeru 4. a divergira za |x| > 1. dok za x = 1 red n 1 divergira.9 1 znamo da red (−1)n konvergira i suma mu je ln 2.).16 1. 4. n2 1 n x n2 dakle je ρ = 1. tg n. Teorem 4.3. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. Ako je x = 1 onda.♠ n2 Teoremu 4.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. onda iz Primjera 4.4.3.

Ako red poˇinje pozitivnim ˇlanom. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. onda imamo obratnu c c c situaciju. s c |Rn | = |S − Sn | ≤ |an+1 |. + (−a2n−2 − a2n−1 ) − a2n ]. Ako red poˇinje negativnim ˇlanom. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an .. onda taj red konvergira. tj. c c ako je a1 ≥ 0.6 slijedi da su nizovi konvergentni. vrijedi S2n = a1 − (−a2 − a3 ) − . tj. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. onaj indeksiran c neparnim indeksima je padaju´i. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . onda je podniz od Sn indeksiran parnim indeksima rastu´i. tj. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + . za svaki n ∈ N.♣ c . imamo a2n+1 + a2n+2 ≥ 0.21 Ako red POGLAVLJE 4. Nadalje. S2n je omeden s a1 . imamo da je S2n razlika od a1 i strogo pozitivnog broja. Kako je po pretpostavci a2n+1 ≥ 0. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. S2n+2 = S2n + a2n+1 + a2n+2 . Zaista. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N.. dakle je S2n+2 ≥ S2n za svaki n ∈ N. iz Teorema 4. a a2n negativan za svaki n ∈ N. NIZOVI I REDOVI an alternira. i istog je predznaka kao taj ˇlan.. te kako vrijedi |an | ≥ |an+1 |.150 Teorem 4. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. Nadalje.. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. Kako smo pretpostavili da je a2n−1 pozitivan.

♠ s . KRITERIJI KONVERGENCIJE Primjer 4.4.17 Iz Teorema 4.3.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.

.

1.1 5.1 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. kvaliteti nastavnih materijala. Matematiˇki modeli takvih situacija temelje se na pojmu funkcije. Element y iz Y pridruˇen elementu x iz X se zove vrijednost funkcije z f na elementu x. ili x −→ f (x).1 Neka su dani neprazni skupovi X i Y . z c c s uspjeh na ispitu o uloˇenom trudu. ˇisto´i. elementi iz X su argumenti funkcije f .Poglavlje 5 Funkcije 5. cijena dijamanta o njegovoj teˇini. 153 . ili f : x −→ y. Funkcija ili preslikavanje sa X u Y je pravilo f koje svakom elementu x iz X pridruˇuje jedan jedini element z iz Y . sklonosti prema z predmetu. Definicija 5. Kad se veliˇine c c koje promatramo daju dobro kvantificirati. bruˇenju. To pridruˇivanje se z oznaˇuje c y = f (x). manama. njihov odnos promatramo pomo´u rec alnih funkcija realne varijable.

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

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

x ∈ D(f )} ⊂ R2 . FUNKCIJE . problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. z Definicija 5. graf funkcije f sadrˇi sve toˇke ravnine (x.Na kraju.3 Graf funkcije Funkcije se zorno prikazuju grafovima.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. f (x)). graf funkcije f dobijemo z c c kad sve parove oblika (x. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. x ∈ D(f ). projekcija grafa na y-os je slika od f ).156 POGLAVLJE 5. 5.1: Koordinate toˇaka na grafu funkcije. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . prikaˇemo u koordinatnom sustavu. . c Napomena 5. f (x)). tj. U nastavku ´emo se baviti ovim problec mom. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . y) za koje je y = c z c f (x). Drugim rijeˇima.1.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. no izvediv. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj.

z s Iz Napomene 5.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. c y x0 0 x Slika 5. c kruˇnica u ravnini nije graf niti jedne funkcije. ˇto je suprotno s definicijom funkcije.1.3: Primjer krivulje koja nije graf funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.5. Npr. . Napomena 5. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.3 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.2: Graf funkcije f i njegove projekcije na koordinatne osi.

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

1 1.1. 3. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R. tj. pa i na c cijelom R. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. +∞ i strogo padaju´a na svakom intervalu u −∞. 0]. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). Posebno. i strogo je rastu´a na svakom intervalu c u R. c c strogo padaju´a u svakoj toˇki iz −∞. R(f ) = {x ∈ R : x ≥ 0}. funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. tj. i slika su joj svi nenegativni realni brojevi. Posebno. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ). Analogno. funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz 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. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. zovemo c okolina toˇke x0 . ε > 0. c 2. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε. . funkcija f (x) = 5 je monotona u svakoj toˇki iz R. tj. dok u 0 nije ni rastu´a ni c c c padaju´a. x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. i strogo je monotona na svakom intervalu u R. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . D(f ) = R. c 4. z c Primjer 5. tj. D(f ) = R. D(f ) = R. i strogo je padaju´a na svakom intervalu u R. +∞ . D(f ) = R. c Dakle. pa i na cijelom R. 0 . pa i na cijelom R.♠ c Svaki interval oblika x0 − ε. Posebno.5. tj. i strogo je monotona na svakom intervalu u R. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R.

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

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

162 POGLAVLJE 5. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. tj. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0.5 1 2 3 -5 -7. f (x) = 0 za svaki x ∈ R. tj. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije.5 -10 Slika 5. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. neka c √ je funkcija f : [−1. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c .5 -1 -3 -2-2.5 5 2. postoji i konaˇan je broj f (−1). +∞ . Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. jedan rub je konaˇan a drugi beskonaˇan). Dakle imamo da vrijedi f (−x) = f (x) = −f (x).4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. Takav je rub c c regularna toˇka.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. tj. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku.5: Primjer parne (lijevo) i neparne (desno) funkcije. Primjer 5. 1] −→ R dana formulom f (x) = 1 − x2 . Npr. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1.

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

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

funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. x > 0  sign x = 0. b −→ R. Primjer 5. x = 0   −1 x < 0 Funkcija f ima prekid u 0. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). x0 + δ ) ⊆ f (x0 ) − ε.3 kaˇe da je funkcija f : I = a. 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 ). Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Odnosno. c 1 Uzmimo ε = 2 . OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I.7 Ako funkcija ima asimptotu. 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 . . slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. pravac).1. Intuitivno. dok je u svim drugim toˇkama neprekidna. Definirajmo sada pojam neprekidnosti funkcije. Definicija 5.3 Realna funkcija realne varijable f : I = a. f (x0 ) + ε . zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. Dakle nula je toˇka prekida od f . gdje je I ⊆ D(f ). Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj.5. c 165 Napomena 5. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. Kad bi imala dvije asimptote u jednom rubu. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu.5 Neka je dana funkcija sign : R −→ R formulom   1. z Definicija 5.

tj. b −→ R neprekidna u toˇki c x0 ∈ I. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.4. gdje je I ⊆ D(f ).166 POGLAVLJE 5. b −→ R.8 Ako u Definiciji 5. je ograniˇena na I ako postoji realan broj M ∈ R. iz uvjeta m ≤ f (x) ≤ M. funkcija je neprekidna u x0 .8: Funkcija sign(x). Ako je x0 > 0. onda je funkcija f ograniˇena na nekoj okolini oko x0 . za svaki x ∈ I. M ∈ R c takvi da je m ≤ f (x) ≤ M. gdje je I ⊆ D(f ). je ograniˇena ili omedena na I ako postoje realni brojevi m.10 Ako je funkcija f : I = a.♠ z Definicija 5. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. 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.4 Realna funkcija realne varijable f : I = a. tj. takav da je c |f (x)| ≤ M . b −→ R. M > 0. Napomena 5. Napomena 5. Analogo se dokaˇe za x0 < 0. za svaki x ∈ I.4 stavimo M = max{|m|.9 Iz Definicije 5. FUNKCIJE y 1 0 x −1 Slika 5. c . za svaki x ∈ I. Napomena 5.

kvocijent s f g (x) = f (x) . Npr. i z kako.1.produkt s (f g)(x) = f (x)g(x). tj. . tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali). c c 5. g(x) . c Za zadane dvije funkcije f. .5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. OSNOVNI POJMOVI 167 Napomena 5.11 Ako funkcija ima prekid u toˇki. c D(f ± g) = D(f ) ∩ D(g). funkcija f : R −→ R dana c c formulom 1 .5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. x=0 x f (x) = 0. definiramo njihov . vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima.5. c c S druge strane. dok je sama vrijednost funkcije f (0) = 0). funkcija sign : R −→ R iz Primjera 5. pri ˇemu je x ∈ D(f ) ∩ D(g). tj.zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). c D(f g) = D(f ) ∩ D(g). onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. pri ˇemu je x ∈ D(f ) ∩ D(g). x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. g : R −→ R. realnim brojevima. tj.1.

. a) Ako je c = 0. z c z Napomena 5. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). g : R −→ R. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). c Preciznije. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). c c Neka su f. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. pri ˇemu je f proizvoljna.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. .168 POGLAVLJE 5.5).13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. c) Ako je c < 0.12 Primijetimo da je za proizvoljnu funkciju f : R −→ R i proizvoljni λ ∈ R funkcija h : R −→ R dana formulom h(x) = λf (x) u stvari produkt funkcija f : R −→ R i g : R −→ R. Uoˇimo da je D(g) = R. b) Ako je c > 0. dakle beskonaˇni skup {xn . graf funkcije f + g je isti kao i graf funkcije f . pa je D(f ± g) = D(f ). x. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. n = 0. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.. c c ∈ R. Dakle imamo definirano c c mnoˇenje funkcije skalarom.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. 1. x . a g dana formulom g(x) = c. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor... Npr. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. skup funkcija {1. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. Tj. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Napomena 5. tj. . c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}.3).. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. . 1.

Pogledajmo funkciju f g u ovisnosti o c ∈ R. samo je usporen pad i rast c funkcije f . vrijedi |(f g)(x)| ≤ |f (x)|. 2. tj. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5.5. b) Ako je 0 < c < 1. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). a) Ako je c = 0. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. y 2 f(x) 0 f(x) x Slika 5. onda je (f g)(x) = 0 za svaki x ∈ D(f ). Dakle. Graf funkcije f g je sliˇan grafu funkcije f .10: Graf funkcije 2f (x). funkcija f g ima iste nultoˇke kao i funkcija c c f .9: Graf funkcije f (x) + c za c > 0. Graf funkcije f g je pravac y = 0 ili x os. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . .1.

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

3. za f. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. Ako funkcija f ima nultoˇke. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. tj. c . 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. c g) i 3 b). Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. g g 1 b) Ako je c = 1. c c c Napomena 5. gdje funkcija f raste. OSNOVNI POJMOVI 171 predznaka. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. Pogledajmo funkciju g f u ovisnosti o c ∈ R. c c c Za ostale operacije ova tvrdnja ne vrijedi. f). . onda je f (x) = f (x) za svaki x ∈ D f .14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). tj. g f g a) Ako je c = 0. onda je f (x) = 0 za svaki x ∈ D . funkcija f u njima ima c c vertikalne asimptote.4).5. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. funkcija g f je jednaka pravcu y = 0 na skupu D g f . Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). onda oˇito g funkcija f u njima nije definirana. tamo funkcija f pada. c). 0 . npr.1.1. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. Dakle.

onda je funkcija f ± g neparna. g 5. Definicija 5. Tim se postupkom mogu stvarati nove z funkcije.4). dok su funkcije f g i f obje neparne. Ako su obje parne. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. neparna a f parna. Matematiˇki se to formalizira pojmom kompozicija funkcija. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). te funkcije f g i obje parne. Primjer 5.6 Kompozicija funkcija Ponekad je o funkcijama korisno razmiˇljati kao o strojevima koji uzimaju odredenu s sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu.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)). recimo g. g : R −→ R funkcije. .172 POGLAVLJE 5.12: Kompozicija funkcija. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. Ako je jedna funkcija. 3.1. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. onda su funkcije f ± g. f g i f g f g sve parne. Neka su f. c h f A B g C Slika 5. 2. Ako su obje neparne.

1 Primjer 5. z funkciju f komponirati samu sa sobom.6 vidimo da operacija kompozicije funkcija nije komutativna.♠ x+1 x+1 173 2x . jer je D(id ◦ f ) = D(f ◦ id) = D(f ). Tada je oˇito c D(f ) = R(f ). U takvom sluˇaju piˇemo f 2 = f ◦ f . za svaku funkciju g : R −→ R.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . tj. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . g ◦ f = f ◦ g.5.1. OSNOVNI POJMOVI Primjer 5. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). da je.♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva. moˇemo gledati funkciju f ◦ f . tj. op´enito.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. Dakle imamo f ◦ id = id ◦ f = f. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. .7 Neka je dana funkcija f (x) formulom f (x) = x . 3x + 1 3x + 1 2x 6x = . 1 . Naime.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . za proizvoljnu funkciju f . Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. za tu funkciju vrijedi g ◦ f = f ◦ g = g. c Napomena 5. Napomena 5.

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

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

FUNKCIJE 5. Nas zanima x(y). Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija.. .6 Funkcija f : A −→ B je injekcija ako za svaki x1 . i obrnuto. Dakle. To je za neke funkcije mogu´e. b : studenti −→ {0. Uspjeli smo rijeˇiti problem.176 POGLAVLJE 5.♠ z s Definicija 5. Ne c c moˇemo rijeˇiti problem. moˇe biti viˇe studenata koji su imali nula bodova... s s Jasno je da ´e nas npr. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. 1. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. 10 sati rada stroja koˇtati 2500 kn. tj. 2. tj. i joˇ 500 kn za dovoz i odvoz. a za z c neke nije. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. Drugim rijeˇima. . Primjer 5.1.8 Troˇkovi rada stroja su 200 kn/h. 12}. Kaˇe se i da z c z f ne lijepi argumente.♠ Primjer 5. 200x + 500 = 1300. c s Pogledajmo sada obratni problem. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. Dakle imamo. 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. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.

1). S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). . Napomena 5. a injektivnost njegovu jedinstvenost. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. f : D(f ) → R(f ) je uvijek surjekcija. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. s c Primjer 5.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.♠ Primjer 5. 1) i (1.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.6 c ekvivalentan sljede´em: za x1 . Injektivnost. x2 ∈ D(f ). OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.1.11 U Primjeru 5. n ∈ N. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .10 Funkcija f (x) = xn . c c Definicija 5. Napomena 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. je injekcija za neparan n.5. ali ne i za paran n.8 izraˇunali smo da je x(1300) = 4.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). za bilo koji c ∈ R. Definicija 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. tj. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.

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

♣ z c . c Primijetimo da ako f nije strogo monotona nego samo monotona. +∞ . a ona c c je strogo rastu´a funkcija. OSNOVNI POJMOVI 179 Napomena 5. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. kad govorimo o inverzima funkcija f : R −→ R.0] √ i f |[0. no njezine restrikcije na −∞. g2 (x) = x. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. +∞ −→ [0.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. jer je c f ◦ g = g ◦ f = id. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. i √ g2 : [0.20 Ako je funkcija f : R −→ R strogo monotona. f | −∞.10). To je oˇito inverzna funkcija od f .20 znamo da f c ima inverznu funkciju g. g1 (x) = − x. No f ◦ g = id. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Teorem 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.♠ Napomena 5. onda je ona oˇito i bijekcija na svoju sliku. +∞ −→ −∞. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). 0] i [0. Primjer 5. pa ima i inverznu funkciju. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija.5. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. Tada iz Napomene 5. Dakle.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. +∞ jesu. Dakle. a strogo c c padaju´e funkcije strogo padaju´a. Dakle vrijedi f ◦ g = g ◦ f = id.1. 0].+∞ su bijekcije s inverzima g1 : [0.

180 POGLAVLJE 5. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. +∞ −→ −∞.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. jer je f (x) c rastu´a. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞.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. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.2 Inverzna funkcija neparne funkcije je neparna. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x).♣ Iz Primjera 5. +∞ gdje je bijekcija. z c Napomena 5.12 slijedi da tvrdnju Teorema 5. FUNKCIJE Teorem 5. ali nije bijekcija. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. +∞ . praktiˇno izraˇunati.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0.♠ c Analogno kao u Primjeru 5. 0] ili [0. Primjer 5. Tada je njena inverzna funkcija g : [0. Pokuˇajmo sada. 0] odnosno . Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.2 ne moˇemo izre´i za parne funkcije. Dakle. f −1 je neparna.

2 -3 -2 -1 -0. tj. 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. specijalne funkcije kojima se ovdje ne´emo c baviti.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. Primjer takve funkcije je c x f (x) = xe . +∞ dana formulom − n x odnosno n x.2. Restrikcija te funkcije na interval [−1. Ako je n neparan.4 1 2 Slika 5.4 0. +∞ je bijekcija.6 0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. c Osim elementarnih postoje i tzv. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.16: Graf funkcije f (x) = xex . onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.2 -0. c . 5.8 0. 0. ima inverznu funkciju.5. +∞ −→ [0. ˇ Cak i za funkcije koje imaju inverze.

Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Area 2.Polinomi .Racionalne funkcije .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Eksponencijalne . za svaki x ∈ R.182 POGLAVLJE 5. mnoˇenih nekim koeficijentima. k Po definiciji stavljamo x0 = 1.Ciklometrijske .1 Klasifikacija i podjela realnih funkcija 1. xk = x · x · · · x .Hiperboliˇke c .Ostale algebarske funkcije b) Transcendentne . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5. FUNKCIJE 5.Logaritamske .2.2.Trigonometrijske . Elementarne a) Algebarske . dolazimo do pojma z .

Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). a a0 je slobodni koeficijent. . Ovdje podrazumijevamo da je an = 0.5 -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. ako su jednaki kao funkcije. Realne konstante an . . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.11 Dva polinoma P i Q su jednaka. Polinomi su konceptualno najjednostavije funkcije. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. Koeficijent an je vode´i.2. . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. a0 su koeficijenti polinoma Pn (x). Dakle je svaki polinom definiran na cijelom skupu R. tj. . Definicija 5. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . c 10 7. + a2 x2 + a1 x + a0 . . P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R.5 -3 -2 -1 -2.a1 . .5 5 2. Definicija 5.5. . P.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 + .

a ordinata je. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.02 4 0. . Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x). za sve i = 0. Broj c k zove se red ili kratnost nultoˇke x0 .11.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5..3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda. 1.14.: n m Teorem 5. n. = an = 0. tj. FUNKCIJE n Teorem 5...♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. c c .5 2 2. c Primjer 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.01 1.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.5 3 Slika 5. Apscisa nultoˇke je nuliˇte.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 ..184 POGLAVLJE 5. 0..3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.01 -0. c c c s naravno.02 3 2 0.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.

onda iz Teorema 6. je polinom drugog stupnja ili kvadratna funkcija. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. odnosno strogo padaju´a. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije .22 U nultoˇkama neparnog reda polinom mijenja predznak. dok za x > x0 vrijedi (x − x0 )k > 0. Otvor joj je okrenut prema gore ako je a > 0. a padaju´a ako je a ≤ 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c.5. Za a = 0 imamo konstantnu funkciju p(x) = b. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0.8). Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. Ako je k neparan. po Teoremu c 6. Tjeme . c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . onda iz Teorema 6. dok c u nultoˇkama parnog reda nema promjene predznaka. raste na cijelom R. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. a = 0. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. za x ≥ 0. Ako je x0 ∈ R nultoˇka reda k c od Pn (x).19: Graf linearne funkcije f (x) = x + 75. a prema dolje ako je a < 0.ako raste u s c nekoj toˇki. tj. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Ako je k paran.2.3 Qn−k (x) = 0 na nekoj oklini oko x0 . PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. kaˇemo da je linearna funkcija strogo rastu´a. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Ako su ove nejednakosti c c stroge.

inaˇe velike pozitivne).20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).♣ c c . Teorem 5. 2a i realne su ako je D ≥ 0. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. Zbog neprekidnosti c polinoma na R (Teorem 6. npr.2 = √ −b± D . −D/4a). dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku.♣ c Iz Teorema 5. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. c Napomena 5. FUNKCIJE 1 2 Slika 5. parabole ima koordinate (−b/2a. Nultoˇke kvadratne funkcije dane su formulom c x1. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.8) graf polinoma mora negdje sje´i x os. tj. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. inaˇe velike negativne vrijednosti).

Primjer 5. onda je oˇito funkcija Pn (x) = xn neparna. c neparna je i ima nultoˇku u (0. 0]. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. 1. Pn (x) strogo raste na R. R(Pn ) = [0. Ako je n = 1.. tj. onda je P1 (x) = x linearna funkcija.. dakle je bijekcija i ima nultoˇku u (0. Oˇito je D(P1 ) = R(P1 ) = R. tj. 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. kao funkcija an xn . dakle nije injekcija. . +∞ .15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. 0). Nadalje. Strogo pada na −∞. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. dakle je bijekcija. n − 1. pravac y = x.16 Pogledajmo funkciju (polinom) Pn (x) = xn . Nadalje vrijedi c s D(Pn ) = R(Pn ) = R.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. graf c joj je zrcalno simetriˇan s obzirom na y os.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. 0).♠ c . iz Primjera 5.. P1 (x) strogo raste na R.♠ Dakle. strogo raste na [0. c 2. i = 1. c vrijedi D(Pn ) = R. Ako je n neparan broj. 0). Ako je n paran broj. +∞ i ima nultoˇku u (0. tj. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . 3.2.5. tj.

FUNKCIJE Napomena 5. kako se polinom Pn (x) = i=0 ai xi . . itd. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6.. Realne konstante aij .. ali c z kvocijent dvaju polinoma op´enito nije polinom. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. problem poniˇtavanja je vrlo kompliciran. . j = 1. problem s asimptotike je sloˇeniji. sam sebi je asimptota. Npr. tj. 5.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. dijeljenjem polinoma c izlazimo iz te klase funkcija. n > 1. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. su koeficijenti polinoma Pnm (x).8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. Dakle. z n Nadalje. Po analogiji s racionalnim c brojevima... razlika.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu.188 POGLAVLJE 5.2. Naravno. Za .. m.. y) = i=0 j=0 aij xi y j . n.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. i = 1. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). z Definicija 5. u tom sluˇaju se situacija komplicira.3 Racionalne funkcije Oˇito je zbroj. za velike apsulutne vrijednosti argumenta ponaˇa kao an xn i jer je n > 1 zakljuˇujemo da polinom Pn (x) ne moˇe imati niti horizontalnu s c z n niti kosu asimptotu jer funkcija an x puno brˇe raste ili pada od svakog pravca.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. Napomena 5. umnoˇak i kompozicija polinoma ponovo polinom.

PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. takve su definirane na cijelom R.17 Pogledajmo sljede´e primjere: c 1. 5. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. 6.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . Funkcija hR dana formulom h(x) = 4.2. c Primjer 5. Naravno. (Smatramo da je racionalna funkcija ve´ skra´ena. U polu racionalna funkcija c nije definirana. nije racionalna funkcija. nultoˇkama nazivnika. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. tj. je racionalna funkcija. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. c c . Definicija 5.) Dakle. Qm (x) = 0}. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. Red pola je red odgovaraju´e nultoˇke nazivnika. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. Dakle. 3. s c D(f ) = {x ∈ R. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. tj. Dakle. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija.5. Funkcija f dana formulom f (x) = 2. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. Funkcija j dana formulom j(x) = x−13 je polinom. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R.

vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti.graf racionalne funkcije moˇe imati asimptote: z 1.5 1 x 1 Slika 5.22. bi x i=0 i−m bi x i=0 i xm . racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. Osim vertikalnih.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).5 1 80 60 40 20 -1 -0. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.5 -25 -50 -75 -100 0. i to na vanjskim rubovima prirodnog podruˇja definicije. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . kad c argument ide u +∞ i −∞. 2. kao i u toˇkama u c kojima se nazivnik poniˇtava.5 0.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. FUNKCIJE 100 75 50 25 -1 -0.26 Ako je pol parnog reda. tj. 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. dok za polove neparnog z c reda. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije).26). Dakle.190 POGLAVLJE 5. z c Dokaz: Red pola je red nultoˇke nazivnika. (lijevo) i pola Napomena 5. Sada tvrdnja izravno slijedi iz Napomene c 5. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .

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

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

19 1. f (x)) = 0.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. f (x)) = 0. dakle je svaki polinom algebarska funkcija. Tada je oˇito P (x. f (x)) = 0. Definirajmo polinom u dvije varijable s P (x.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. jer u suprotnom ne bi bila funkcija. √ x2 + 1 i njenih asimptota z Napomena 5.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. y) = Pn (x) − y.5.2. Definicija 5. dakle je svaka racionalna c √ Primjer 5. y) takav da vrijedi P (x. c Neka je sada f (x) = funkcija i algebarska. Dokaz: Neka je dan proizvoljni polinom Pn (x). c . Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. Tada je oˇito P (x. Pn (x)) = 0. y) = Qm (x)y −Pn (x).2. Definirajmo polinom u dvije varijable s P (x.18. 5. y) = x − y n oˇito je P (x. Napomena 5.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x.29 Svaki polinom i racionalna funkcija su algebarske funkcije.

pravac y = 0 je horizontalna asimptota funkcije f .13). dok kosu asimptotu ne moˇe imati zbog Napomene 5. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije.13). +∞ . √ Primjer 5. z √ 2. z 1 4. Kada se argument sve viˇe pribliˇava c s z broju 1. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli.4). Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. y) = xy n − 1 oˇito je P (x. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.20 1. Dakle. koja je bijekcija sa R na R. FUNKCIJE 1 2. Dakle.13). Neka je dana algebarska funkcija f formulom f (x) = x.13). Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Funkcija f je inverzna funkcija funkcije g(x) = x3 . f (x)) = 0.194 POGLAVLJE 5. c c tj.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5.4). ima vertikalnu asimptotu x = 1.1. f strogo raste na R i neomedena je. tj. tj. Dakle. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . 0 je regularna toˇka (toˇka 5. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. +∞ . Nadalje. dakle nema niti vertikalnu niti horizontalnu asimptotu. dakle nema vertikalnu asimptotu.28. +∞ i R(f ) = 0. c c √ Nadalje. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . u 1 (toˇka 5. je D(f ) = R(f ) = [0. je D(f ) = 1. c 1 3. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. z tj. Neka je dana algebarska funkcija f formulom f (x) = 3 x. je D(f ) = R(f ) = R (Primjer 5.1. Nadalje. +∞ (Primjer 5.

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).

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

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

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

5 1 0. c amplitude i faze.5. plime i oseke. π ]. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z.5 -0. temperatura kroz godinu.5 -2 5 10 Slika 5. 1]. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1.5 1 0. dok je sinus neparna. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava.5 -2 5 10 -10 -5 2 1. za svaki t ∈ R. Nadalje. Dakle je z D(sin) = D(cos) = R. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. k ∈ Z.5 -1 -1. tj. To znaˇi R(sin) = R(cos) = [−1. Nadalje. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. npr. itd. Medutim.5 -1 -1. s 2 1 u nuli i 0 u π . π ]. c 2 1. Kaˇemo da im je faza nula. tj. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. 1]. zbog periodiˇnosti. imaju amplitudu razliˇitu od 1.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). napona. a kosinusa obrnuto.5 -10 -5 -0. −1 ≤ sin t ≤ 1.2. tj. Svaki 2kπ. vidimo da je −1 ≤ cos t ≤ 1. krvnoga tlaka. za opis osz c cilacija. period razliˇit od 2π i ne s c c . Napomena 5. je period funkcija sin i cos. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve.32 Lako je vidjeti da je kosinus parna funkcija. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. Nadalje. Najmanji pozitivni period je 2π i zovemo ga temeljni period.

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

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

8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. FUNKCIJE za svaki t ∈ R \ {kπ. tangens na − 2 . c dakle niti bijekcije. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. ni tangens ni kotangens nisu injekcije. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . Tada prema Napomeni 5. c c Dakle.π x su bijekcije s tih intervala na R. π x 2 2 i Ctg x = ctg| 0. k ∈ Z}. π . 1].34 Zbog periodiˇnosti. Npr. njihove restrikcije Tg x = tg| − π . dakle nisu bijekcije. a kotangens strogo padaju´a na 0. 2 i kotangens na 0. restringirajmo sinus na [− π . na svoju sliku.208 POGLAVLJE 5.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). 2 . Napomena 5. Dakle. π]. a isto vrijedi s / i za ostale trigonometrijske funkcije. π . π ]. a c c s nema rjeˇenja za c ∈ [−1. kosinus na 2 2 π π [0. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1.33 . 5. Dakle sinus nema inverznu funkciju.2. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R.

1]. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π .π strogo padaju´e.5 -1 -0. 1] −→ [0. π jednadˇbe tg t = x .34 znamo da su funkcije sin |[− π .π] . ]. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. π strogo rastu´e.5 1 0. π].5 3 2.5 -0. a c 2 2 2 2 cos |[0.5 1 0. π ] i tg| − π . 2 ] jednadˇbe sin t = s z s z x. 1] −→ [− . . rjeˇenje jednadˇbe postoji i jedinstveno je.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).π] i ctg| 0. Nadalje. 2 2 R(arccos) = [0. 2 2 .5 1 -1 -1.5 -1 -0. π ] bijekcija. ].5 0. Kako je sin |[− π . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. 2 2 koja je inverzna funkciji sin |[− π . i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.5 0. Dakle. dakle su i bijekcije. 1].5. Dakle.5 2 1.5 1 Slika 5. Iz Teorema 5.1 i Napomene 5. π]. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .33 slijedi da je arcsin strogo rastu´a. 1. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. π ] . π π R(arcsin) = [− . koje zovemo arkus funkcije. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. inverznu funkciji cos |[0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .2. oˇito je c c D(arcsin) = D(arccos) = [−1. rjeˇenje jednadˇbe postoji i jedinstveno je. π bijekcija. a arccos c strogo padaju´a na [−1. z π π Za x ∈ [−1. s z 2 2 s z Kako je tg| − π .

dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . π ]. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. Napomena 5. oˇito je c c π π D(arctg) = D(arcctg) = R.1 i Napomene 5. π . 2 odnosno ctg| 0.5 -2 2 4 4 3. Nadalje. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. Dakle. R(arctg) = − . π .210 koja je inverzna funkciji tg| − π .5 -1 -1. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. 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 . . c .π . FUNKCIJE arcctg : R −→ 0.5 1 0.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).5 -2 -0. tako da bi smo dobili arkus funkcije definirane na tim intervalima.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.5 -4 -2 2 4 Slika 5. π .5 1 0. npr. z s z sin x = t. 1]. R(arcctg) = 0. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. pri traˇenju rjeˇenja t jednadˇbe. Iz Teorema 5.5 2 1.5 3 2. -4 2 1. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. inverznu funkciji ctg| 0.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. Npr. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.

PREGLED ELEMENTARNIH FUNKCIJA 211 5.2.2. 1 . Dakle je R(ch) = [1. strogo pada na −∞. sinus hiperboliˇki.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . 2 e x − e −x sh x = . Nadalje. neograniˇena c je pa je R(sh) = R i nema asimptote. za svaki x ∈ R. Lagano se vidi da je ch x > 0 . neograniˇena je.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. strogo raste na R. Zbog neparnosti c c od sh i parnosti od ch. parna je.5. Lako se vidi da je neparna. 3. Stoviˇe. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. y = −1 i y = 1. i R(th) = −1. dakle nije injekcija. +∞ . vrijedi ch x = ch2 x − sh2 x = 1 . kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. 2 sh x e x − e −x th x = = x . cth x = th x i zovemo ih redom kosinus hiperboliˇki. +∞ i nema asimptote. Iz formule lagano ˇ slijedi da je |th x | < 1 . Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. tanges hiperc c boliˇki i kotanges hiperboliˇki. . Primjerice. za svaki x ∈ R. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. Napomena 5. th je neparna. 2. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. ch x e + e −x 1 . Strogo raste na R. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. iako se definiraju u terc minima eksponencijalne funkcije. za svaki x ∈ R. Dakle th ima dvije horizonzalne s z asimptote. 0] i c strogo raste na [0.

1. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. cth strogo pada na R \ {0}. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. za svaki x ∈ R. Dakle cth ima i dvije horizontalne asimptote. to mora i cth x . areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. Zbog neparnosti od th i cth je neparna.5 -4 -2 -0. areasinus hiperboliˇki ili Arsh. zbog parnosti. restringiramo na −∞.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. Funkcije inverzne hiperboliˇkima zovu se area funkcije. za svaki x ∈ R\{0}.5 1 0. imamo da je |cth x | > 1 . kako je |th x | < 1 . ch postaje bijekcija na svoju sliku. z y = −1 i y = 1. c osim funkcije ch.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. tj. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije.5 -1 -1. Ako ch.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). Nadalje. +∞ . i R(cth) = R \ [−1.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. 4. preciznije areakosc inus hiperboliˇki ili Arch. imamo: . 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. Kako th strogo raste na R. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. 1]. 0] ili [0.

1 c slijedi da Arcth strogo pada.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. pravci x = −1 i x = 1. +∞ .39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).1 slijedi da Arth strogo raste. 3 2 1 -1 -0. Oˇito je D(Arsh) = R(Arsh) = R. a x = 0 vertikalna asimptota od cth. iz Teorema 5. 1 .5. pravci x = −1 i x = 1. onda su rubovi −1 i 1. Oˇito je D(Arth) = −1. +∞). a pravac y = 0 horizontalna asimptota. Oˇito je D(Arcth) = R \ [−1. Ako smo ch restringirali na [0. R(Arth) = R \ {0} i iz Teorema 5.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). PREGLED ELEMENTARNIH FUNKCIJA 213 1. vertikalne asimptote od Arth. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. onda su rubovi −1 i 1.5 1 0.5 1 1.5 3 Slika 5.5 2 1. 1].5 2 2.2. c 2. +∞ i R(Arch) = [0. y = 1 horizontalne. Kako su y = −1. R(Arth) = R i iz Teorema 5. onda je D(Arch) = [1. tj. . tj. c 3.1 zakljuˇujemo da Arch strogo raste. vertikalne asimptote od Arth.5 -1 -2 -3 0. 4. Iz Teorema 5.5 0.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. Kako su y = −1 i y = 1 horizontalne asimptote od th.

.

1. Naime. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. onda je 215 .05h = 0.05h (∆c = ˇ 0.05(m − 20).1 6.8.8 kn. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. m > 20. m = 20 i m = 30.1 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. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije.05(m − 20) kn. Graf te funkcije prikazan je na slici 6. 0 ≤ m ≤ 20 3.5 + 0.05∆m).1. Dakle imamo c(m) = 2. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.Poglavlje 6 Uvod u diferencijalni raˇun c 6. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.5 + 0. a visina poˇtarine c u z s kunama).1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. (Masa m je izraˇena u gramima. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05(m2 − m1 ).

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

s c c Napomena 6. postoji δ > 0 za koji vrijedi Definicija 6.1. Analogno. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.2 Funkcija c(m) iz Primjera 6. ako je m lijevo od 20 i dovoljno blizu 20. koji c je manji od nekog fiksnog strogo pozitivnog broja.2 Iz Definicije 6. ipak m(c) nije blizu m(20). Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.1.ˇ 6. Primjer 6. ali je ona c neprekidna s lijeva u toj toˇki. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 Neka su funkcije f. Tada su u toˇki x0 neprekidne i funkije: c .2 Svojstva neprekidnih funkcija Teorem 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).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.♠ Primjer 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. 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 .1.1 ima prekid u toˇki c = 20. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. 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). No. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. S druge strane.2 nam daje ideju za sljede´u definiciju: c Definicija 6.1.

c + δ). g : R −→ R takve da je definirano (g ◦ f )(x0 ). tj.♣ z c Teorem 6. onda je oˇito f (−1)f (1) = −1 < 0. x = 0 svugdje neprekidna osim u nuli. f |[−1. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a.218 1.1] : [−1. postoji xδ ∈ (c − δ. c + δ .♣ Teorem 6. Ako pogledamo funkciju f restringiranu na segment [−1. |xδ − c| < δ.♣ c Teorem 6. ˇto je suprotno pretpostavci. tj. Ako je funkcija f neprekidna u x0 . za koji je f (xδ ) ≤ 0. Tada je |f (xδ ) − f (c)| > f (c) = ε. onda je funkcija g ◦ f neprekidna u x0 .4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. 1] −→ R. i neka je f (a)f (b) < 0. Tada postoji x0 ∈ a. b takav da je f (x0 ) = 0. 2. Tada za svaki δ > 0. Dakle. c c Primjer 6. Uzmimo ε = f (c). f . po pretpostavci. ali oˇito f nema nultoˇku na segmentu c c c [−1. c s Analogno se dokaˇe sluˇaj f (c) < 0.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. f ima prekid u toˇki c. i neka je f (c) > 0 (f (c) < 0). Dokaz: Pretpostavimo suprotno. c + δ) takav da je f (xδ ) ≤ 0. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. 1] (jer je nema na cijelom R). 3.3 Iz Napomene 5. f · g. g ˇ POGLAVLJE 6.11 znamo da je funkcija f : R −→ R dana formulom 1 . tj. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).2 Neka su funkcije f. 1]. b]. f + g.♣ Teorem 6. f − g. tj. onda njezin graf mora negdje sjeˇi x os. x=0 x f (x) = 1.♠ . i funkcija g neprekidna u f (x0 ). 4. mora imati nultoˇku.

c 1 x je Teorem 6. funkcija f (x) = neprekidna na 0. slika otvorenog intervala − π .7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. za svaki x ∈ I (Definicija 5. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. Tada je funkcija f neprekidna na intervalu I. 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.♣ Teorem 6. Teorem 6. b].♣ c Tvrdnja Teorema 6. ali oˇito je neomedena. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.5 ne vrijedi za otvorene intervale.4 nuˇan. Nadalje.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. π funkcijom tg je R.♣ 6. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I .5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.1. Pitanje je sad. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.4 Funkcije f. Npr.1.3 Neprekidnost elementarnih funkcija Primjer 6. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . 1 . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. onda je ta funkcija i neprekidna.3 slijedi da je uvjet neprekidnosti iz Teorema 6.ˇ 6.6 ne vrijedi za otvorene intervale.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. π . Tvrdnja z Teorema 6. .4) Teorem 6. M ∈ R takvi da je m ≤ f (x) ≤ M. Npr.

1.9 Eksponencijalne. logaritamskih. .220 ˇ POGLAVLJE 6. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. . slijedi da c moˇemo uzeti δ = ε. Iz Teorema 6. arkus. π odnosno 0..1. tj. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. Budu´i da je f (x) − f (x0 ) = c − c = 0. n. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. Na kraju.. dakle iz Teorema 6. jer su njihove restrikcije npr. z c Uzmimo proizvoljni ε > 0.. z c Uzmimo proizvoljni ε > 0.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.1 sada slijedi da je na R neprekidna i funkcija x2 .1 direktno imamo: n Teorem 6... z 2..4 dokazali smo da je funkcija f (x) = x neprekidna na R. . na intervale − π . Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. π monotone c 2 2 bijekcije na R.7 su neprekidne. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. n. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). hiperboliˇkih (osim kosinusa hiperbolnog). n. UVOD U DIFERENCIJALNI RACUN 1. Na isti naˇin se zakljuˇi da su xi . i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).7 c i periodiˇnosti.. i = 0. 1. logaritamske. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. zakljuˇujemo c da je i suma od ai xi .1.♠ z Iz Primjera 6. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. Nadalje. takoder iz Teorema 6.♣ Napomena 6.7. takoder iz Teorema 7. c c neprekidne na R.4 i Teorema 6.7 imamo da su neprekidne i funkcije arctg i arcctg. Dokaz: Neprekidnost eksponencijalnih.. c Dokaz: U Primjeru 6. jer je svaka racionalna funkcija kvocijent dvaju polinoma.1.4) i Teorema 6. i = 0.1. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. polinom Pn (x) neprekidan na R. . 1. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. i = 0. na R su neprekidne i funkcije ai xi .. Teorem 6.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. trigonometrijske.

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

c 3. funkcija nije definirana u toˇki 0. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. vrijednosti funkcije c su malo manje od −1. vidimo da su one c c c blizu vrijednosti −1. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6.1. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. 6.4 Graniˇna vrijednost (limes) funkcije c 1. tj. zakljuˇujemo. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli.222 ˇ POGLAVLJE 6. 4. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Ako uzmemo s c toˇku x dovoljno malu. dodemo li s x dovoljno blizu c toˇki 1.5 nije definirana u toˇki x = 1. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. dovoljno blizu c nule. S druge strane. vrijednosti c funkcije su malo ve´e od −1. ako uzmemo toˇku c x dovoljno malu. tj. Dakle. ali pozitivnu. za x malo manji od 1. tj. Raˇunaju´i te vrijednosti. za vrijednosti od x koje su malo ve´e od 1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. c c 2. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. funkcija nije definirana u toˇki 0. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. ali negativnu. Za funkciju f : R −→ R danu formulom f (x) = arctg x . vrijednost funkcije postaje manja od po volji malog negativnog realnog broja.

ˇ 6.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. onda piˇemo c s L = lim f (x). Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.♠ Situacije iz Primjera 6.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. x−→c Ako limes postoji on je i jedinstven: Teorem 6. moˇda u samoj toˇki c.2.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . moramo se ograniˇiti samo na pozz s c itivne vrijednosti. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. moˇda u samoj toˇki c. . Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. 2 2 5. Neka je dana funkcija f : R −→ R formulom f (x) = xx . Definicija 6. pravac y = π je horizontalna asimptota. osim. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. Ako funkcija ima limes L u toˇki c. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. osim. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta.2.1. Dakle.5). |f (x) − M | < ε). Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). ako c ˇelimo promatrati ponaˇanje oko nule. 6. tj. a ne znamo izraˇunati ni njenu vrijednost za x = 0.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.

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

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

♠ 6.5 Neprekidnost i limes Primjer 6. x−→+∞ 6. x−→0+ lim xx = 1. x−→0 x2 lim 1 1 = +∞ i lim = −∞.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. moˇda u samoj toˇki c. x−→+∞ 2 5. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim .5 znamo da funkcija   −1.6 Opiˇimo sada pomo´u limesa Primjer 6. x < 0  sign x = 0. x−→1 x−1 1 = +∞.226 ˇ POGLAVLJE 6. onda je jasno iz Definicije 6. UVOD U DIFERENCIJALNI RACUN Teorem 6. ♣ c Primjer 6. x2 − 3x + 2 = −1. ne postoji lim sin x. lim 3. lim arctg x = . s c 1. c osim. x −→0 − lim sign x = −1 . x = 0   1.1. onda iz Definicije 6. Dokaz: Ako funkcija f ima limes L u toˇki c. Obrnuto. 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. ako postoje limesi s lijeva i s desna i oni su jednaki L.5. lim 2.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. Dakle je x−→0+ lim sign x = sign 0 .7 Iz Primjera 5. tj. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x−→0 x π 4. x > 0 ima prekid u nuli.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c.

5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.1.12 imamo: Teorem 6. imamo x−→c lim f (x) = f (c) = f ( lim x). tj.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).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)).4) i da limes mora postojati. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .2 i definicije jednostranog limesa. Zaista imamo: c c Teorem 6. Nadalje. x−→c Napomena 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).1 i Primjer 6.1 i 6.5 U Teoremu 6. x−→c+ Dokaz: Izravno iz Definicije 6.3.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.ˇ 6.♠ x−→2 Primjeri 6. Dokaz: Izravno iz Definicije 6. onda limes i funkcija z c ”komutiraju” tj.7 i 6. i neka postoji limes funkcije f u toˇki c.4).13 Neka je funkcija g : R −→ R neprekidna.12 kaˇe da ako je funkcija neprekidna u toˇki c. c c Sada direktno iz Napomene 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. konaˇan je broj.♣ Teorem 6.♣ . oˇito vrijedi c f (2) = lim f (x).♣ x−→c Analogno kao Teorem 6.♠ Primjer 6.

a > 0 +∞. jer operacije nisu definirane i operandi nisu realni brojevi. a < 0. +∞ ± a = +∞. (+∞) · a = +∞.228 ˇ POGLAVLJE 6. (+∞) + (+∞) = +∞. x−→c+ Dokaz: Izravno iz Teorema 6.11. 5. a > 0 −∞. (+∞) · (+∞) = +∞. Kako one nisu realni brojevi. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. 9.12 i 6.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). no moˇe se desiti da dobijemo izraz koji nije z z definiran. . −∞ ± a = −∞. To se posebno odnosi na veliˇine +∞ i −∞. a ∈ R proizvoljan. −∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. a +∞ = 0. a ∈ R proizvoljan. (−∞) · (−∞) = +∞.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. a < 0.1. 7. 3. 6. (+∞) · (−∞) = −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6.♣ 6. 6. (−∞) + (−∞) = −∞.14. 8. 2. 4. a ∈ R proizvoljan. (−∞) · a = 10.

0 . ∞ · 0. 0 2.1. ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. ∞ ∞ − ∞. 00 . +∞ . s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. −∞ −∞ . Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. (−∞)0 . +∞ −∞ . ∞0 . (+∞) + (−∞). a ∈ R proizvoljan. a −∞ 229 = 0. Ako se dobije jedan od neodredenih oblika. onda s je to i limes od f (x) kad x −→ c. 4. s s c c Iz Primjera 6. pa je 0 neodreden oblik. +∞ +∞ . 0 ∞ . 0 0 . 0∞ . Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1.6 znamo da ”vrijednost” izraza 0 koji se dobije ”uvrˇtavanjem” s 0 x2 −3x+2 z vrijednosti x = 1 u funkciju f (x) = x−1 je −1. 1+∞ . 1∞ .ˇ 6. ”Sedam veliˇanstvenih”: c 0 . Osim s beskonaˇnim veliˇinama. +∞ · 0. −∞ 2. 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. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. 3. mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. −∞ · 0. 1−∞ . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. Dakle. 5. (+∞)0 .

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

pad. sin x).9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞.16 lim i 1 lim (1 + )x .♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6.2. tg x ). 0). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.4). Kada s pravca uzmemo x ∈ (0.1. Kako gledamo c limes funkcije sin x kada x −→ 0. . za a > 1. π ). Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . svojstva potencija.9. To znaˇi da je c x−→+∞ lim loga x = +∞.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. i s B = (1. parnost. Oznaˇimo s A = z c c (cos x. jasno je da je dovoljno x x promatrati x ∈ (0. njihov rast. 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. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). 0) u ravnini. +∞) i da joj c c je slika cijeli R. x−→+∞ x sin x = 1.1. Dakle. c c eksponencijalnih i logaritamskih funkcija. tj. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). i zbog parnosti od sin x . vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. koriste´i definicije limesa i jednostranih limesa (toˇka 6. koji se nalazi unutar trokuta OBB . Iz toˇke 5. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. a ∈ R. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). neparnost i sliˇno. c Osim ovih limesa. ortogonalnu projekcija toˇke A na x os.ˇ 6.

2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ .♣ x lim . x−→0 x sin x = 1.2: Uz izvod osnovnog trigonometrijskog limesa.232 ˇ POGLAVLJE 6. Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x .12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. sin x cos x xr . i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. 2 x 2 sin x 1 ≥ ≥ cos x. UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna.

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.1.12 i Teorema 6.17 x−→+∞ 233 lim 1+ 1 x x = e.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. Tada je jasno da t −→ 0 kada x −→ 0. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. a ∈ R. Dakle . x−→0 x lim a > 0. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . Dakle imamo ax − 1 ex ln a − 1 = lim . x−→0 x lim i ax − 1 = ln a. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. ♣ Primjer 6.♠ x−→0 t−→0 x ln a ln(t+1) ln a . x−→0 x Iz Teorema 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .ˇ 6. i da je x = ln(t + 1).2. c Zbog toga je ex − 1 t lim = lim = 1.10 ex − 1 = 1. x Oznaˇimo sada ex − 1 sa t.

funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). x−→c x−→c 4.16. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. ♣ x−→c Teoremi 6.1.2.7 su nam dovoljni za c raˇunanje gotovo svih limesa. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 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).2 6.234 ˇ POGLAVLJE 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f.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.18 i temeljni limesi iz toˇke 6.13. 6. . x−→c x−→c 2. Tada 1. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). g : R −→ R.17. 6. x−→c c 3. 6. c 6.

2. t gdje je s prijedeni put. Dakle. ∆t ˇ Sto je ∆t manji. 0.6. Uzmimo a = t0 . za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima. tj. to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . b = t0 + ∆t. Ideja je koristiti ono ˇto znamo. s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. 15 minuta nakon polaska. za razliku od prosjeˇne. dobivamo s v= 50 km = 100 . dobivamo neodredeni izraz tipa 0 .5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. Dana je formulom c v= s(b) − s(a) . s(t0 + ∆t) − s(t0 ) v= .11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata. a t vrijeme za koje smo preˇli taj put.♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. c . b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. tj. t0 + ∆t]. No uvrstimo li ∆t = 0 u gornju formulu. DERIVACIJA FUNKCIJE 235 Primjer 6. 0 moramo promatrati limes. Trenutna brzina. Kretanje je promjena poloˇaja u vremenu. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. b). Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. z c zahtijeva podrobnije razmatranje.

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

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

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

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

. problem rubova domene. Primjer 6. ako je f (x) < 0 na nekom intervalu.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. ∆x Lagano se vidi da je M = 1 i L = −1. ne postoji f (0). problem postoc janja limesa. Takve toˇke zovemo stacionarne toˇke. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna.4) ustvari limes funkcije f (x + ∆x) − f (x) . tj. M= ∆x−→0− lim . To su npr. problem konaˇnosti c c limesa. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Dakle iz Teorema 6. Sliˇno. problem razliˇitih vrijednosti s lijeva i zdesna. Tu funkcija niti raste c niti pada.240 ˇ POGLAVLJE 6. U toˇkama gdje je f (x) = 0. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . funkcija pada c c na tom intervalu. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. tangenta je paralelna s osi x.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). odnosno da je tangenta pravac koji raste.2. c c 6.17 1.

c x0 ∈ I ⊆ D(f ). √ 3 241 x nije derivabilna u x0 = 0. 3. Tada je f i neprekidna u x0 . DERIVACIJA FUNKCIJE 2.7 imamo da je c lim √ 3 1 ∆x2 = +∞.7 imamo da je c lim √ 3 1 = +∞. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). Funkcija f : R −→ R dana formulom f (x) = x0 = 0. ∆x−→0 dakle ne postoji f (0).♠ Teorem 6.6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . 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 √ . 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 .19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.1. ∆x ∆x−→0 . ∆x ∆x−→0 dakle ne postoji f (0). 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6.1.2.

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 ). ∆x−→0 ∆x ∆x . g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . (f (x) ± g(x)) = f (x) ± g (x) 2.12 zakljuˇujemo da je funkcija g neprekidna u x0 .242 ˇ POGLAVLJE 6. f (x) g(x) = f (x)g(x)−f (x)g (x) .17 su c neprekidne u nuli. ∆x f (x0 ). tj. Tada su na I derivabilne i funkcije f ± g. ali vidjeli smo da nisu derivabilne. ∆x = 0 .19 op´enito ne vrijedi. g 2 (x) Dokaz: 1. (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x).♣ Obrat Teorema 6. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. Nadalje. f · g i f g (tamo gdje je definirana. Iz Teorema 6. I ⊆ D(g).20 Neka su funkcije f. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. za one x ∈ I za koje je g(x) = 0). i vrijedi 1.12 imamo da je f neprekidna u x0 . razlike. Derivacija zbroja. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). produkta i kvocijenta funkcija Teorem 6. Sve tri funkcije iz Primjera 6.

Dakle 1 g(x) = 0. 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) . f (x) g(x) f (x)g(x) − f (x)g (x) . Oˇito je D(g) = R. tj. ∆x−→0 ∆x−→0 Sada iz Teorema 6.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). derivabilna na I i vrijedi (λf ) (x) = λf (x). imamo g(x) · = 0.7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).♣ . Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ.2.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). Izraˇunajmo prvo c 1 g(x) . za svaki x ∈ I. tj. g 2 (x) f (x) g(x) = 1 f (x) g(x) . DERIVACIJA FUNKCIJE 2. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x).6. c dakle je po Teoremu 6. po 1 pravilu derivacije produkta g (x) g(x) + g(x) 1 g(x) 1 g(x) Kako je f (x) g(x) = −g (x) .♣ g 2 (x) Napomena 6. za svaki x ∈ I. (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). gdje je λ ∈ R proizvoljan. 3. Tada je funkcija λf . Kako je g(x) · 1 g(x) = 1.

Izraˇunajmo joˇ i (f ◦ g) .21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . c Primjer 6. f (x) = 0 na I i neka postoji f −1 . Primjera 6. f (x) = sin x. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. f (x) ∈ J ⊆ D(g). f (x) Ovo se. Dakle.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Dakle imamo f −1 (f (x)) = x. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. iz Teorema 6.21. g = f . c −1 tj. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). x ∈ I ⊆ D(f ).244 ˇ POGLAVLJE 6.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x.15 i Primjera 6. naravno. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . moˇe provesti samo ako je f (x) = 0.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . gdje je g(x) = x2 . Sada primjenom Teorema 6. odnosno (f −1 ) (f (x)) = 1 . f (x) ♣ . z Teorem 6.

Derivacija funkcije g(x) = ln x je g (x) = x . x 1 √ .♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .22 i derivacijama iz donje tablice. Osnovne derivacije dajemo u sljede´oj tablici. odnosno g (x) = 2. 6. Kako je (f ◦ g)(x) = x iz Teorema 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . 2 x x je g (x) = Iz Primjera 6. c Napomena 6. .22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. ∆x−→0 ∆x lim dakle je f (x) = ex . DERIVACIJA FUNKCIJE Primjer 6.10 imamo da je f (x) = lim e∆x − 1 = 1. 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.6. Derivacija funkcije g(x) = √ 1 .19 Pogledajmo sljede´e primjere: c 1 1.20.21 i 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. odnosno 1 g (x) = √ . Iz Teorema 6.21 i 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.20. i vrijedi (f ◦ g)(x) = x.8 Studentima se preporuˇuje da provjere donje formule samostalno.2.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.

f (x0 )) s c c ∆f apscisom x0 + ∆x. Jasno je da je ∆x = tg α.2. f (x0 )) i osi x. gdje je α kut izmedu tangente funkcije f u toˇki (x0 . no to je ponekad teˇko izraˇunati. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). c tj. odnosno ∆f = tg α∆x .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. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6.1: Derivacije elementarnih funkcija 6. f (x0 )) biti dosta mala. 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 .

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

♠ s s c . c Primjer 6. to su razlike ordinata na grafu i na tangenti male za istu apscisu.248 ˇ POGLAVLJE 6. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”. 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. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Iz Primjera 6.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.23).5 2 Slika 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. dakle je f (0) = cos 0 = 1.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. Dakle.5 -1 0. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .5 1 1.16 znamo da je f (x) = cos x. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.

ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. DERIVACIJA FUNKCIJE 249 Primjer 6. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0.♠ c s . gdje je G glavnica.6.2. f (r) = 1+r . Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . odnosno f (0) = 1. Imamo 2G = G(1 + r)t . imamo f (r) ≈ f (0) + f (0)(r − 0) = r. 1 Kako je f (0) = 0. odnosno 2 = (1 + r)t . 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. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t .

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). a < b.6. Neka je L pravac kroz toˇke (a. b−a f (b) − f (a) (x − a). postoji x ∈ a. b u kojoj je tangenta paralelna s tom sekantom. proizvoljne. f (b)). b ∈ I.25. f (a)) i (b. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6.2.♣ f (b) − f (a) . tj. c .26 kaˇe da za svaku sekantu kroz toˇke (a. f (a)) i (b. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). b za koju je F (x ) = 0. f (b)) z c postoji toˇka x ∈ a.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.13 Primijetimo: 1. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. tj. b−a y f(x) 0 a x0 b x Slika 6. b−a onda Teorem 6. Napomena 6.

y f(x) 0 a b x Slika 6. x ≤ 1 f (x) = 3 x > 1. Uvjet f ∈ C 1 (I) iz Teorema 6. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. oˇito je c x−→1 lim f (x) = 3 = f (1). pa je. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). b−a ali ne postoji x ∈ 0. x ≤ 1 .13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.26 je bitan.258 ˇ POGLAVLJE 6. Ako je dana funkcija f : R −→ R formulom 3x. Kako je f (x) = 3. 2 za koji je f (x ) = 1. x za koji je f (x) − f (a) = f (x ). . UVOD U DIFERENCIJALNI RACUN 2. po Teoremu 6. 0 x>1 oˇito f ima prekid u x = 1.12. f neprekidna na R. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). z Iz Teorema 6.

. Sastoji se od Taylorovog polinoma n-tog stupnja n Tn (x) = i=0 f (i) (x0 ) (x − x0 )i i! i ostatka Rn (x) = f (n+1) (cx ) (x (n+1)! − x0 )n+1 . tj. iz Teorema 6. Teorem 6. . imamo c pribliˇni izraz.2.♣ 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. c Usporedimo to s lokalnom linearizacijom (toˇka 6. Koliko je ta aproksimcija dobra? Odnosno. tj.2. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). tj.14 Za n = 0 Teorem 6. S druge strane. ali ne znamo za koji x .27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I..26.6. f (a)) i (x. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . imamo toˇan izraz. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a.5).27 je baˇ Lagrangeov teorem srednje s vrijednosti. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. tj. f (x)). c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju.+ (x−x0 )n + (x−x0 )n+1 . i ne znamo ga toˇno. no u nekoj toˇki sigurno je. 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 +. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. poznavaju´i vric c jednosti viˇih derivacija u x0 .26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). Napomena 6.

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

(2n)! Napomena 6. tj.6.. odnosno konvergirati nekoj z (x drugoj funkciji. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .. sin x. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4.2. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . n! ∞ sin x = n=0 (−1)n x2n+1 .. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + .. . dakle nisu jako c dobri za numeriku.28 Neka je f ∈ C 1 (I) za neki interval I. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . 6.15 Taylorovi redovi obiˇno sporo konvergiraju.2.3. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .1). (2n + 1)! ∞ cos x = n=0 (−1)n x2n .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . Moˇe se pokazati da su funkcije ex .

pa je f (x + ∆x) − f (x) ≥ 0. Dakle ne vrijedi f (x) > 0 na R. Jedan smjer bismo mogli dokazati.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. Tada.11 imamo da obrat ne vrijedi. 2. Iz Napomene 6. ∆x za svaki x ∈ I. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).25 zakljuˇujemo da u Teoremu 6. 2.26. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. za svaki x ∈ I.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Ovaj smjer se dokazuje analogno kao u Teoremu 6.26 postoji x ∈ (x. Dokaz ide na sliˇan naˇin. onda je f (x0 ) = 0. Obratno. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. dakle z funkcija f raste na I.28 primjenom Teorema 6. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. obratna tvrdnja ne mora vrijediti. Kako je desna strana gornje jednadˇbe nenegativna. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I.♠ Iz Primjera 6. Medutim. . Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). po Teoremu 6. za svaki x ∈ I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. ∆x Primjer 6. Dokaz: c 1. jer se c s c medu njima nalaze potencijalni ekstremi. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. UVOD U DIFERENCIJALNI RACUN 1. Limes nenegativne funkcije mora i sam biti nenegativan.262 ˇ POGLAVLJE 6. to je i lijeva strana takva.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. onda funkcija strogo raste (pada) na I.24 smo vidjeli da. x−→0 U Teoremu 6. lim x2 = 0). pa je f (x) = lim za svaki x ∈ I.

1.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . ali i ne mora. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). c Dakle.28.2. Teorema 6. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) .24.4. 2 za sve x1 .6. Definicija 6. Ako derivacija s c ne mijenja predznak. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . .6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . Teorem 6. da je barem f ∈ C 2 (I)). onda u x0 funkcija f ima lokalni minimum. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. kaˇemo da je f konkavna na I. c Kao ˇto smo rekli. a s druge pada (raste)). z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. x2 ∈ I. jer konveksnost i konkavnost ovise o predznaku druge derivacije.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . x2 ∈ I. DERIVACIJA FUNKCIJE 263 Definicija 6. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. Teorema 6. onda u x0 funkcija f ima lokalni maksimum. u stacionarnoj toˇki funkcija moˇe. Dokaz: Izravno iz toˇke 5.♣ c Konveksnost. imati s c z lokalni ekstrem. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) .

Teorem 6. za svaki x ∈ I. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). za svaki x ∈ I.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. konveksnost i konkavnost su odredene predznakom druge derivacije. Dokaz ide na sliˇan naˇin. f (x2 )). Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Dokaz: 1. UVOD U DIFERENCIJALNI RACUN Definicija 6. 1. Ako je f (x0 ) < 0. 2.♣ Teorem 6.31. Npr. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). a graf konkavne funkcije iznad sekante kroz toˇke (x1 . funkcija f ima u x0 ∈ I lokalni maksimum. funkcija f ima u x0 ∈ I lokalni minimum. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. 2. jer c c se nalazi izmedu x0 i x. Primijenimo li Teorem 6. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. c 1. izmedu x1 . c . c c Dakle.27 za sluˇaj c n = 1.30 Neka je f : I −→ R klase C 2 (I). a konkavna ako je za sve x1 . Onda ´e i toˇka cx iz Teorema 6.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . Uzmimo x proizvoljan iz te okoline. f (x1 )) i (x2 .27 biti iz te okoline. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . c 2. Dakle je f (cx ) > 0. x2 ∈ I graf konveksne funkcije je ispod. Zbog neprekidnosti druge c derivacije.264 ˇ POGLAVLJE 6. iz Teorema 6. Ako je f (x0 ) > 0. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum.3). Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. ali je f (0) = 0.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 .

g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 .30 imamo da funkcija f raste na (c − δ.7. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. c + δ strogo konveksna.6.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c.34 Neka su f i g derivabilne funkcije na I osim. neka je f na c − δ.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije.24 f (c) = 0. ali je f (x) > 0 za x ∈ −∞.♣ Raˇunanje limesa . c c Kaˇe se joˇ da je toˇka (c. Dakle. ∞ . u x0 ∈ I. c + δ strogo konkavna ili je na c − δ. Iz Teorema 6. 0 i 0.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . c Teorem 6. c + δ strogo c konkavna za neki δ > 0. Neka postoji δ > 0 takav da je funkcija f na c − δ.2. x ∈ I. Dakle je konveksna na −∞. Ako je g (x) = 0 za svaki x = x0 . x ∈ I. c + δ). c) i pada na (c. onda je c f (c) = 0. Ako je c ∈ I toˇka infleksije od f .♣ Uvjet f (c) = 0 iz Teorema 6. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. c strogo konkavna i na c.L’Hospitalovo pravilo c Teorem 6. c Dokaz: Izravno iz Definicije 6. c strogo konveksna i na c.7 Neka je f : I −→ R i c ∈ I. pa x = 0 ne moˇe biti z toˇka infleksije. z s c c Teorem 6. c strogo konveksna i na c. Tada iz Teorema 6.32 Neka je f ∈ C 2 (I). DERIVACIJA FUNKCIJE 265 Definicija 6. f ima lokalni maksimum u c. Dokaz: Bez smanjenja op´enitosti. z Neka je lim f (x) = lim g(x) = 0. 0 i f (x) > 0 za x ∈ 0. g (x) onda je i x−→x0 lim f (x) = L. Npr. ∞ . moˇda. f (c)) toˇka infleksije grafa funkcije f . pa je po Teoremu 6. Onda je c toˇka infleksije od f .

c Dakle. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . iz Teorema 6. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . Znamo da je c tg α1 = f1 (x0 ). . c Napomena 6.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . . po g (x0 ) = 0. . . g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.12) i iz Teorema 6. g (n+1) (x0 ) = 0. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. f (n) (x0 ) = 0. . f (x0 ) = 0. . g(x0 ) = 0. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.♣ g (x) f g Na Teorem 6.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6.34.266 i ˇ POGLAVLJE 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) . tg α2 = f2 (x0 ). analogno kao u dokazu Teorema 6. g (n) (x0 ) = 0. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi.12). Tada.16 Neka su funkcije f. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . 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.

Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).2. Ako je α = 0.2. .1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . Iz toˇke 2. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. dakle je f1 (x0 ) = f2 (x0 ). onda je i tg α = 0 . x a + x2 = f2 (x). f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu.6.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. c c pa moˇemo re´i da se diraju u toj toˇki. 1 + f1 (x0 )f2 (x0 ) Napomena 6. odnosno ako i samo ako je tg α = ∞.14: Kut izmedu dviju krivulja. To znaˇi da u c toˇki (x0 . z c c Primjer 6. a > 0. tj. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) .

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

Prona´i stacionarne toˇke. c c 2. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. c c 6.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Odrediti intervale monotonosti i lokalne ekstreme. c Primjer 6. 3. u izvjesnom smislu. 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. Postupak: 1. Ispitati ponaˇanje na rubovima domene (asimptote). Oznaˇimo c li tu duljinu s x. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. 7. Nadalje je V (x) = (a − 2x)(a − 6x). Odrediti domenu funkcije (prirodno podruˇje definicije). s 5. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. Sloˇiti sve dobivene podatke u graf funkcije. Ispitati parnost. samokorigiraju´i. periodiˇnost. 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 z 8. c c 4. to upu´uje na pogreˇku u raˇunu. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. Postupak je.2. konkavnosti i toˇke infleksije.6. Prona´i intervale konveksnosti. . neparnost.

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

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

.

iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. 2. 1. . v = v(t)? Ili prirast populacije nije konstantan.1. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. za n godina bit ´e ih za n·100 viˇe nego danas. Npr. 1. c s z Ako su te veliˇine konstantne. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. ∞. Dakle je funkcija z 273 .. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu.. odgovor je jednostavan . n = 0. Iz z Napomene 6.. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina. n = 0. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja. .treba ih samo mnoˇiti c z vremenom. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje.1 7.Poglavlje 7 Uvod u integralni raˇun c 7.9 znamo da su skupovi C n (I). ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu.. ∞.... Kako odrediti funkciju (nepoznatu) za koju nam je u svakoj toˇki poznat koeficijent smjera tangente na njen graf? c Iz gornjih primjera vidimo da postoji potreba za operacijom ili postupkom koji ´e ”poniˇtavati” uˇinak deriviranja. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I). 2.

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

dx pokazuje po ˇemu se integrira. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. slijedi H(x) = H(x0 ) za svaki x ∈ I. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). s To nije toˇno inverz od derivacije.♣ 7. 275 Dakle imamo prvu tvrdnju. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. tj.4).2. koji je po Teoremu 7. Ostale raˇunamo koriste´i svojstva c c c . Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. Piˇemo s f (x)dx = F (x) + C.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f .1. c F (x) je primitivna funkcija funkcije f (x). NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.1 beskonaˇan. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. dolazi od S kao suma. Interpretirajmo elemente ove formule: je znak integrala.1.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. a to je upravo druga tvrdnja teorema. gdje je c neka toˇka izmedu x i x0 . Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. C ∈ R je konstanta integracije. ˇalje c s u f.7. H je konstantna funkcija. f (x) je integrand.

Dokaz: Neka je F primitivna funkcija funkcije f . Oˇito je. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. Neka je F primitivna funkcija funkcije f .20 i Napomena 6. zbog linearnosti derivacije.♣ .7). c zbog linearnosti derivacije. f (x)dx. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Oˇito je.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. cF c primitivna funkcija funkcije cf .276 ˇ POGLAVLJE 7. F ± G primitivna funkcija funkcije f ± g. = (F (x) + C) = F (x) = f (x). Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. 2. UVOD U INTEGRALNI RACUN neodredenog integrala.♣ Napomena 7. Dokaz: 1. Za ostale operacije nema jednostavnih pravila. Teorem 7.3 Vrijedi: 1.2 f (x)dx = f (x). 2.1 Iz Teorema 7. Kako je imamo f (x)dx f (x)dx = F (x) + C. z Teorem 7.

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 7.7. Primjer 7. Ako se i moˇe integrirati. tabliˇne integrale.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.1. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. Najpoznatiji primjer je e−x dx.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Tako moˇemo integrirati polinome i jednostavnije racionalne. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. eksponencijalne i z trigonometrijske funkcije. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.2) i svojstva iz Teoc c rema 7. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.3. tzv.4). c c z z to obiˇno nije lako. S druge strane.1 Pogledajmo sljede´e primjere: c . c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. izraˇunati derivaciju bilo koje c c c elementarne funkcije.1. c c koriste´i pravila i tablicu derivacija (toˇka 6.2.1.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. c 7.

Drugim rjeˇima.♠ c . Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. i one c 3 su oblika x +x+C. Koriste´i Teorem 7. Dakle je 3 = F (1) = 1 + 1 + C. 3). odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. i to je x3 +x+1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). y 3 0 1 x Slika 7.278 ˇ POGLAVLJE 7. Odredimo integral funkcije f (x) = x2 + sin x. pa je C = 1. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3.2: Primitivne funkcije funkcije 3x2 + 1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. 3 2. 3). Traˇena funkcija je F (x) = x3 + x + 1. Koriste´i Teorem 7. Samo jedna prolazi toˇkom (1. UVOD U INTEGRALNI RACUN 1. 3).3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. i ˇiji graf prolazi kroz toˇku (1.

2 Odredimo integral funkcije f (x) = sin x cos x.5). op´enito.2. Koriste´i izraz za diferencijal (toˇka 6. tj. ne mogu integrirati produkti funkcija (osim c za polinome.3 i tabliˇne integrale.♠ 2 . NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. gornji se integral svodi na u du. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). + C. deriviranjem sloˇenih funkcija. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. ima jedan sluˇaj kad se c produkt funkcija lako integrira. Dakle je sin x cos x dx = 1 2 sin x + C. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. z Primjer 7.7.1. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. ovo moˇemo pisati kao c c z sin x d(sin x). a to znamo da je u2 2 sin x d(sin x). No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. Ipak.

2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. Primjer 7. tj.280 ˇ POGLAVLJE 7. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. UVOD U INTEGRALNI RACUN U Primjeru 7. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. moˇemo podintegralnu funkciju pisati kao z g(u)du. 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.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. d(u(x)) = u (x)dx. Zamjenom varijabli kao u Primjeru 7.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. . onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga. a to je diferencijal od z u6 + C. Ako je G(u) primitivna funkcija od g(u).

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. Dakle.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. u 2 2 du . dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u.4 Odredimo integral funkcije f (x) = tg 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. Primjer 7. kako iz integranda. a nije ni produkt. cos x i da je sin x derivacija od − cos x.5 Odredimo integral funkcije f (x) = 3x . −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. pa je dx = Uvrstimo u integral.♠ x2 . Sada je du = 2x dx.1. 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. x2 −1 Uvedimo supstituciju u = x2 − 1.7. 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. 281 sin Integral tg x dx nije tabliˇni. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. 2x 1 dx. NEODREDENI INTEGRAL Primjer 7.

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

c 2 dv = v dx = x dx. v = ex . Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x.1. dv = v dx = cos x dx. c x2 ex dx = (x2 − 2x + 2)ex + C. Dobivamo s x2 ex dx = x2 ex − 2 xex dx. tj. Odredimo integral funkcije f (x) = x2 ex . no sveli smo ga na jednostavniji ins c tegral xex dx. Sada je v = x . Dobili smo integral koji je kompliciraniji od polaznog. v = cos x. 2. Pouˇeni prethodnim primjerom stavljamo dv = ex dx.♠ Iz Primjera 7.7. Primijenimo li parcijalnu integraciju joˇ jednom.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. v = x.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. NEODREDENI INTEGRAL 283 Stavimo u = x. dobivamo s xex dx = xex − Konaˇno. i u = x2 . du = − sin x dx. c Primjer 7. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. nema proz z dukta u podintegralnoj funkciji. tj. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. Sada je v = sin x. na prvi pogled. tj. 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 . s Parcijalnom se integracijom moˇemo posluˇiti i kad. . Joˇ nismo izraˇunali polazni integral. du = u dx = dx.

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

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

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

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

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

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

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

x(x−2)(x+1) x+2 A B D = + + . Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C.1. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. D = −1. B = 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. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.♠ x−1 Ako su nuliˇta nazivnika jednostruka.♠ 3 3 . Rjeˇenje je A = 3. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 .7.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . 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).

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

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

b] funkcije f (x). za svaki x ∈ [a.294 ˇ POGLAVLJE 7.) Po Teoremu 6. b] .6. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima.5: Rastav ravnog lika na krivuljne trapeze. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. Neka je ta funkcija neprekidna. b] ako je f (x) > 0. dakle. Promatrajmo. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. i da komad krivulje bude graf neke funkcije. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. s lijeva pravcem x = a. (Funkcija f je strogo pozitivna na [a. b].4: Krivuljni trapez. b x KT 1 KT2 KT KT3 4 Slika 7. krivuljni trapez omeden odozdo komadom osi x. funkcija f na segmentu [a.

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

i = 1. c y 11 111 00 000 11 00 11 11 111 00 00 000 1 11111 11 0 00000 00 111 000 11 00 111 000 11 00 111 000 11 00 11 00 11 00 11 00 0 a b x f(x) Slika 7. x2 .. n. UVOD U INTEGRALNI RACUN postoje po Teoremu 6. Zbog mi ≤ Mi . imamo s(r) ≤ S(r). s Oznaˇimo li sada zadanu podjelu {x1 ....n. a zbog m ≤ mi i Mi ≤ M .. S(r) = i=1 Mi ∆xi .. n.. imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a).296 ˇ POGLAVLJE 7. . jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. Sliˇno. i = 1.6). . .. b]. i = 1. Uvijek je m ≤ mi ≤ Mi ≤ M.. .7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima. c m(b − a) ≤ s(r).. xn−1 } s r. koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi . Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a.. .

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

. a . n. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti.8 Dirichletova funkcija ima prekid u svakoj toˇki. b] z kaˇemo da je f integrabilna na [a. b]. UVOD U INTEGRALNI RACUN Definicija 7. x∈Q 0. Uoˇimo da za svaku podjelu r segmenta [a. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a.. b] je integrabilna. Izraˇunajmo iz definicije c b 1.. b]. f (x) = nije integrabilna.5 Svaka monotona funkcija na [a.14 1. c Dokaz: Ako f raste na [a. Dirichletova funkcija nije integrabilna. za svaki x ∈ [a.♣ Napomena 7.♣ Teorem 7. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. onda je ona i c ograniˇena.. b]. b] je integrabilna.♠ Napomena 7. z c tj. tj. c i = 1. c Iz Primjera 7.13 vidimo da nisu sve funkcije na segmentu [a.♣ Primjer 7. Primjer 7. b]. b]. onda je f (a) ≤ f (x) ≤ f (b).6 Svaka neprekidna funkcija na [a.9 Uoˇimo da ako je f monotona funkcija na [a.13 Dirichletova funkcija. x ∈ R \ Q. Koje jesu? Neprekidne sigurno jesu. 1 dx. Koje joˇ? s Teorem 7. dakle je f ograniˇena funkcija na [a.298 ˇ POGLAVLJE 7. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). b] imamo mi = 0 i Mi = 1.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. nisu integrabilne. b] integrabilne. b]. b].

∆x = b−a . c Oˇito je funkcija f (x) = x neprekidna na [a. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a. c 2.. dakle je a 1 dx = b − a. Dakle imamo n n n n n ∆xi = i=1 i=1 mi ∆xi = s(r) ≤ i=1 f (si )∆xi ≤ S(r) = i=1 Mi ∆xi = i=1 ∆xi . . Mi = n a + i∆x. b] c na n jednakih djelova.. Izraˇunajmo a b x dx.8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije. 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 . b]. Sada je mi = a + (i − 1)∆x.. n. b] je mi = Mi = f (si ) = 1.2. b]. Za svaku podjelu r segc menta [a.7. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. i = 1. 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. Podijelimo segment [a.

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

.7. + an−1 f (x)dx. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + .♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika.2. . .. i = 1. Dakle odredeni integral mijenja predznak ako se zamijene granice. b . a] su gornja i donja Darbouxova suma a jednake nula. ODREDENI INTEGRAL 301 7. i = 1.. Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx. a 1. pa je a a b f (x)dx = 0.♣ b c b 3.2. tj. a drugi u c f (x)dx.♣ 2. c Ovo se zove aditivnost integrala po podruˇju integracije.. za svaku toˇku c ∈ a. a f (x)dx = a f (x)dx + c f (x)dx. biti negativne... . c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a..... < an−1 < b. Dokaz: Za bilo koju podjelu r segmenta [a... Mi i f (si ). n. i = 1. ostaju iste. 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. za a < a1 < a2 < .2 a Svojstva odredenog integrala f (x)dx = 0. a vri- jednosti mi . b u svaku podjelu od [a. b f (x)dx = − a f (x)dx.. Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . n. n..

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

skup c {1. onda je c b f (x)dx = 0. j + 1..18. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor.. j − 1. x. i Mj = f (c)... Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. a 4. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. x2 .13).2 i Teorema 6. . unutra se sigurno nalaze sve neprekidne funkcije na [a.♣ c Napomena 7.. xj ]. a (f (x) ± g(x))dx = a ili aditivnost integrala. . b] toˇka c pada u toˇno jedan c c [xj−1 . Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. . ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. Stoviˇe. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. Dakle beskonaˇni skup {xn : n = 0.♣ b b 5. gdje je c ∈ R proizvoljan. n. i = 1. Ako je funkcija f : [a. b]).. Dakle je s(r) = 0 i S(r) = Mj ∆xj . i svaka funkcija iz tog skupa je neprekidna na I. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. M = f (c) i za svaku podjelu r segmenta [a.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a.. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. Oˇito je z c c tada m = 0.. pa je mi = 0. a cf (x)dx = c a f (x)dx. Mi = 0. i = 1..2..3). 6.7. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.. Beskonaˇnodimenzionalan je. Nadalje.. 1. b] i da je f (c) > 0..2 i Teorema 6. .18. b] (skup R(I) nije prazan. dakle i integrabilna.. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). jer npr.} se c nalazi u nekoj bazi od R(I). . n. .

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

b] onda vrijedi stroga nejednakost. ODREDENI INTEGRAL 305 8. za svaki x ∈ I . Dokaz: Po Teoremu 7. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. Ako je f (c) < g(c) za bar jedno c ∈ [a. Tada je b b f (x)dx ≤ a a g(x)dx. b] i ako je f (c) > 0 za neki c ∈ [a. b] odnosno stroge pozitivnosti na [x1 . onda je F (c) = g(c) − f (c) > 0. b]. Ako je f neprekidna i nenegativna funkcija na [a. Ovo svojstvo se zove svojstvo monotonosti integrala. b] oko toˇke c takav da je f (x) > 0. Iz pozitivnosti funkcije f na [a. Neka su f i g neprekidne funkcije na [a. b]. Dakle. x2 ] imamo x2 f (x)dx > 0. b] tada iz Teorema 6. b]. c F (x) = g(x) − f (x) ≥ 0. tj.♣ 9. po Teoremu 6. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0.7.3 slijedi da postoji interval .3 slijedi da postoji interval I ⊂ [a.2. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Dakle postoje x1 . Ako je f (c) < g(c) za bar jedno c ∈ [a. i oˇito ima pozitivnu derivaciju. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. onda je b f (x)dx > 0.8 je dobro definirana funkcija F ∈ C 1 [a. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ.28 F raste na [a. x2 ∈ I takve c da je x1 < c < x2 . b] iz Teorema 6. b]. Kako je funkcija F = g − f neprekidna na [a. Odatle slijedi da je F (b) ≥ F (a) = 0.

x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). m ≤ f (x) ≤ M . a b b f (x)dx ≤ a |f (x)|dx.28 c F strogo raste na I . b] oko toˇke c takav da je F (x) > 0. iz svojstva 9. 11. b].♣ 10.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. Nadalje. iz neprekidnosti funkcije f na [a. odnosno po Teoremu 6. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). Nadalje iz Teorema 6. Ako f nije konstanta na [a. odnosno imamo strogu nejednakost. b] za koji je b f (x)dx = f (c)(b − a). za svaki c x ∈ [a. Tada postoji toˇka c ∈ [a. b]. za svaki x ∈ I . za svaki x ∈ [a. b].♣ a Izraz 1 b−a b f (x)dx a . UVOD U INTEGRALNI RACUN I ⊂ [a. Neka je f : [a. i Primjera 7. a Dokaz: Po Teoremu 6. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. tj. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. tj. Teorem 7. b].6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M .306 ˇ POGLAVLJE 7.6.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). b]. iz svojstva 9. Dakle postoje x1 . imamo da je F (b) > F (a) = 0. b] −→ R. pa postoji barem jedan c ∈ [a. b] takva da je c b f (x)dx = f (c)(b − a).

♠ c .7 ne mora vrijediti: Primjer 7. ...+an dine (aritmetiˇka sredina od a1 . imamo da je 1 f (x)dx = 0. c Napomena 7. iz svojstva 7. n Za funkcije koje nisu neprekidne Teorem 7. b]. x ≥ 0 −1.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.2. a2 . ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.. 1] za koju je f (c) = 0. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. Povrˇina ispod s grafa neprekidne funkcije f nad [a.7. a Teorem 7.9: Teorem srednje vrijednosti za odredeni integral. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. Nadalje..15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. se zove srednja vrijednost funkcije f na segmentu [a. −1 medutim ne postoji toˇka c ∈ [−1. Odatle ime teoremu.. kako je f neparna c funkcija. Oˇito je da funkcija f ima prekid u x0 = 0. an ∈ R je a = c ). x < 0.

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

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. ∆F ≤ M = f (ζ2 ).7.11: Funkcija F (x).6). Ho´emo gledati c ∆F . Po Teoremu 7.3. ∆x−→0 ∆x Funkcija f je neprekidna na [a.LEIBNIZOVA FORMULA je derivabilna na [a. lim y f(x) F(x) 0 a x x+∆ x b x Slika 7.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. b] i vrijedi F (x) = f (x). x+∆x]. b]. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. pa onda i na svakom podsegmentu [x. NEWTON . ∆x odnosno f (ζ1 ) = m ≤ .

Odatle je a f (x)dx = F (b) − F (a). f (x) ≤ F (x) ≤ f (x). do kojeg smo doˇli pokuˇavaju´i invertirati s s c . iz toˇke 7.2. no dokaz je bitno sloˇeniji. b].♣ x ∆x−→0 ∆F ≤ f (x).9 (Newton . U njoj se povezuju odredeni integral. zbog neprekidnosti funkcije f na [a. Odatle slijedi c f (x) ≤ lim tj. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. F (x) = f (x).♣ Newton . b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a).8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f .8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. Dakle je F (x) derivabilna funkcija na cijelom [a.310 ˇ POGLAVLJE 7. do kojeg dolazimo preko limesa niza integralnih suma. toˇke ζ1 i ζ2 moraju teˇiti prema x. ∆x Teorem 7.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. b] i F (x) = f (x). b F (b) = a f (ζ)dζ. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). a Dokaz: Prema Teoremu 7.2 c dobivamo x b F (a) = a f (a)dζ = 0. z Teorem 7. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6.12). i neodredeni. onda. tj. Sliˇno i za ζ2 −→ x. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.

♣ Primjer 7. c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. β] i neka ϕ na [α. 3 √ √ √ 3 3 π c Analogno. Ako vrijednosti funkcije ϕ na [α.7. Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. sin t = − 23 imamo t1 = − π . u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice. i ako je ϕ(α) = a. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici. β] ima neprekidnu derivaciju ϕ . ϕ(β) = b. Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. Pri tome nestane konstanta integracije. a b ˇ Citamo to kao ”F (x) u granicama od a do b”. Stvari se znaju zakomplicirati ako ima viˇe supstitucija.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih. onda za f ∈ C([a.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . β] ne izlaze izvan segmenta [a. Iz ϕ(t) = − 3.3. √ √ Stavimo ϕ(t) = 2 sin t.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. 2 ] −→ . c Desna strana Newton . b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. Sada oˇito funkcija ϕ : [− 2 . Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. Teorem 7. b]. 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).LEIBNIZOVA FORMULA 311 linearni operator deriviranja. Kod primjene na raˇunanje odredenih integrala. NEWTON . tj. iz ϕ(t) = 3 dobijemo t2 = 3 .

6 i omedena) na podruˇju integracije.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. u dv = uv a b a − a v du.10. Iz Primjera 7.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6.♠ 7. . b i neka je x−→b− lim f (x) = +∞.312 ˇ POGLAVLJE 7. kao i da je samo poc druˇje integracije konaˇno. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. Primjer 7. 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. 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.♠ 3 Kod parcijalne integracije situacija je jednostavnija. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. U takvim sluˇajevima govorimo c s c o nepravim integralima. tj. c c c Neka je funkcija f neprekidna na [a.17 Izraˇunajmo c 0 1 xex dx.

u toˇki a. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. kaˇemo da integral divergira ili da nema z znaˇenja. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. tj. postoji x f (ζ)dζ. b postoji integral te funkcije u granicama od a do x. c c Primjer 7.4. 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−.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije.18 1. 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. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . c y f(x) 0 a x b Slika 7. tj.7. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. . a Ako promatrani limes ne postoji. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a.

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

c+ε2 Ako oba limesa na desnoj strani postoje. Sada oˇito funkcija ϕ : [a − c b. inaˇe c Primjer 7. dakle imamo b a dx = (x − b)n 0 a−b dt . Izraˇunajmo c −1 1 x2 dx . 0] −→ R zadovoljava uvjete Teorema 7. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom.10.7.4.19 1. 1]. (x − b)n Stavimo ϕ(t) = t + b. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . tj. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. . 1 a f (x)dx konvergira. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞. tn Ako je n < 0. Iz ϕ(t) = a. iz ϕ(t) = b dobijemo t2 = 0. tj. x2 b 2. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. Izraˇunajmo c a dx . ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. t + b = a imamo t1 = a − b. Analogno. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. onda divergira.

iz toˇke 7.19 moˇe posluˇiti pri usporedivanju. 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. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a).316 ˇ POGLAVLJE 7. 0]. Dakle tn b a dx (x − b)n konvergira za n < 1. Znamo c . b]. Neka je funkcija f neprekidna na [a. integral dx divergira za n ≥ 1. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. tj. c z z Promatrajmo sada drugi mogu´i izvor problema. Primjer 7. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b.2.2) npr. −n + 1 −n + 1 za n > 1. divergira za n ≥ 1. situaciju kad podruˇje c c integracije nije ograniˇeno. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Uz svojstvo monotonosti integrala (svojstvo 9. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. +∞ .

z Sliˇno postupamo i za sluˇaj c c b f (x)dx. .13: Nepravi integral po neograniˇenom podruˇju integracije. postoji x f (ζ)dζ. tj. a Ako promatrani limes ne postoji. −∞ Primjer 7. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. c c da za svaki x ∈ [a. kaˇemo da integral divergira.7. 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. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7.20 1. −∞ pa i za sluˇaj c +∞ f (x)dx.4. Izraˇunajmo c +∞ 0 e−x dx. +∞ postoji integral te funkcije u granicama od a do x.

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

5. osi x. osi x.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. ali negativnog predznaka. s s tj. pravcem x = a s s i pravcem x = b. s s b f (x)dx = P1 − P2 . b]. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a.5 7. gdje su f1 . za neki c ∈ a. 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 . b] −→ R neprekidna takva da je pozitivna na [a. b].5. dana s b (f1 (x) − f2 (x))dx. PRIMJENE INTEGRALNOG RACUNA 319 7. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . a . pravcem x = a i s pravcem x = b. pravca x = a i pravca x = b.ˇ 7. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). broj P1 + P2 . Nadalje. za svaki x ∈ [a.2.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. ako je f : [a. b]. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. a Ploˇtina povrˇine izmedu grafa funkcije f . onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . f2 : [a. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. b]). tj. c] i negativna na [c. Ako je funkcija f neprekidna i negativna na [a.

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

Za n −→ ∞. Time je c c i tijelo T podijeljeno na n slojeva. < xn−1 < xn = b. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. tj. 7.... Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . c c z Promatrajmo sada tijelo T u tri dimenzije omedeno ravninama x = a i x = b te plohom koja nastaje rotacijom grafa funkcije f oko osi x. Nareˇemo ga na tanke ploˇke. osi y. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. recimo visine ∆h = H . h = 0.5. i = 0. krnji stoˇac visine ∆h. .. d] takvih da je s g1 (y) ≥ g2 (y). valjkom iste visine s osnovicom jedz z nakom gornjoj (tj. zamijenimo komad stoˇca. n ∈ N. d]. n − 1. Za veliki n ∈ N ´e zbroj z c H R Slika 7. recimo stoˇac visine H i polumjera osz novice r.. H − ∆h. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca... .ˇ 7.5.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije.. Povrˇinu osnovice tog valjˇi´a s cc . manjoj) osnovici krnjeg stoˇca. cc z tj. b]. Podijelimo segment [a.16: Volumen stoˇca kao limes sume volumena tankih valjaka. za ∆h −→ 0. ∆h. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . 1. za svaki y ∈ [c. dobit ´emo toˇnu formulu za volumen stoˇca. i u z s n svakom sloju izmedu visine h i h + ∆h. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c.

No taj popreˇni presjek c c 2 je krug. a njegova povrˇina za zadani x je jednaka f (x)π.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. S druge strane. kad max ∆xi+1 −→ 0. 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. Primjer 7. ako taj limes postoji kad n −→ ∞.♠ 2 . oznaˇimo s P (xi ). 0. tj. 0). Iz Primjera 7.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx.322 y ˇ POGLAVLJE 7. i=0 Prijedemo na limes. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 .

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

.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . y R r 0 x −R Slika 7. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7. Primjer 7.19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .324 y ˇ POGLAVLJE 7. R > r. f2 (x) = R − √ r 2 − x2 .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x.

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

5.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. b] na osi x i grafom funkcije f nad [a. (Teˇiˇte je toˇka u kojoj. yi ). tj. Primjer 7. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. segmentom [a. dobijemo tanko tijelo. b]. Uzmemo li ˇkare i izreˇemo taj lik. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7.326 ˇ POGLAVLJE 7.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . x = b.♠ 5 7. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. c s c . zs zs c ako podupremo tijelo. ono ostaje u ravnoteˇi. Zelimo odrediti teˇiˇte izrezanog lika. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . b]. Promatramo lik omeden pravcima x = a. da mu je gusto´a c ˇ svuda ista.

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

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

zs √ Imamo f (x) = r2 − x2 . recimo. i=1 a to u limesu daje My = µ b a xf (x)dx. 2 . 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. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. Kako je masa promatranog lika jednaka M = µP. zs s s y r 0 r x Slika 7.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. Takoder. s Primjer 7.ˇ 7. iz Primjera 7. upravo xi . yT = 1 2 b 2 a f (x)dx b a f (x)dx . Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. Iz simetrije je jasno da mora biti xT = 0.23: Teˇiˇte homogenog polukruga.5.11).

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

< xn−1 < xn = b. je izmedu obujama valjaka m2 π∆xi i Mi2 π∆xi . Sad imamo sustav materijalnih toˇaka mase mi = µ∆Vi = µf 2 (si )π∆xi u c koordinatama (si . Napomena 7. Podijelimo segment [a. = b a x dm b a dm . xi ] i ∆xi = xi − xi−1 . zs c z tj. masa tog komadi´a je µf 2 (si )π∆xi . My : c c n My = µπ i=1 si f 2 (si )∆xi . njenim integriranjen od a c c do b dobije se masa rotacijskog tijela. .5.. b]) funkcije f oko osi x. Moˇemo smatrati da je ta masa c c z koncentrirana u teˇiˇtu tog sloja. PRIMJENE INTEGRALNOG RACUNA xT = My . M 331 yT = Mx . . b b M= a f2 (x)dx − a f1 (x)dx. na osi x. U limesu ∆xi −→ 0 ovo prelazi u odredeni integral My = µπ pa za apscisu teˇiˇta dobivamo zs xT = b 2 a xf (x)dx b 2 a f (x)dx b a xf 2 (x)dx.. teˇiˇte ´e leˇati na osi rotacije. Zbog simetrije. i = 1.13 Koordinate teˇiˇta se mogu izraˇunati i iz prvog Guldinovog zs c teorema. Obujam dijela c tijela izmedu ravnina x = xi−1 i x = xi . Zbog neprekidnosti od f . Raˇunamo statiˇki moment s obzirom na os y. b] omedena s pravcima x = a i x = b. Dakle mu je apscisa zs s si . Zanima nas njegova apscisa. n. 0). gdje je si ∈ [xi−1 . M= b a dm. tj.. Teˇiˇte homogenog rotacijskog tijela zs Promatramo rotacijsko tijelo koje nastaje vrtnjom grafa (pozitivne i neprekidne na [a. M gdje je M ploˇtina izmedu grafova neprekidnih funkcija f1 i f2 na [a. a to je u srediˇtu valjka. 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. xi ]. Uz konstantnu gusto´u µ.ˇ 7. volumen tog dijela (sloja) tijela je ∆Vi = f 2 (si )π∆xi .. b] na n podsegmenata toˇkama a = x0 < x1 < .

4 Zbog M = µV = 14 3 R π. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7.♠ z Primjer 7. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. 4 3 Zbog M = µV = 1 R2 πH.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.♠ 8 π 4 R . dobivamo xT = 4 H. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . 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 . mjereno od osnovice.332 ˇ POGLAVLJE 7. tj. UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . 23 dobivamo xT = Mx M . za µ = 1.24: Teˇiˇte homogenog stoˇca. Primjer 7.

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

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

d] osi y i grafom c pozitivne i neprekidne na [c. Znamo da je c 2 2 Ix = mx i Iy = my .29 Izraˇunajmo moment inercije polukruga sa srediˇtem u ishodiˇtu c s s i polumjera r obzirom na x os. Broj r = x2 + y 2 je udaljenost materijalne toˇke od c ishodiˇta. g 2 (y)dm. pa je moment tromosti s obzirom na ishodiˇte I0 jednak s s I0 = mr2 = mx2 + my 2 = Ix + Iy . PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . 3 a ako mu je ishodiˇte u sredini. onda je s I0 = 1 M (a2 12 + b2 ). dakle je 1 Ix = µ 3 r −3 (r2 − x2 ) 2 dx. 3 . za µ = 1. Neka je dana materijalna toˇka mase m s koordinatama (x. komadom [c. dm = µdP = µf (x)dx. Oˇito je f (x) = c √ r2 − x2 . y). pri ˇemu je lik omeden pravcima y = c i y = d. Tako za pravokutnik s poˇetka ove toˇke imamo c c I0 = 1 M (a2 + b2 ). Primjer 7.5. 3 ˇto u limesu za ∆xi −→ 0 daje s 1 Ix = µ 3 b a f 3 (x)dx. d] funkcije g. imamo Ix = Sliˇnim se razmatranjem dobije c Iy = d c 1 3 b a f 2 (x)dm. Uvedemo li oznake dP = f (x)dx. Zbrajanjem po svim pravokutnicima dobivamo n 335 i=1 1 3 µf (si )∆xi .ˇ 7.

Sada iz Primjera 7. i visine ∆xi = xi − xi−1 .5. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . xi ]. c Primjer 7. Prijelazom na limes dobijemo gornju formulu.♠ 2 Kombinacijom razmatranja iz toˇke 7. gdje je si ∈ [xi−1 .8 imamo 1 Ix = r4 π. Iz ϕ(t) = −r imamo t1 = π. xi ]. dakle je 1 I0 = Ix + Iy = M r2 .2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. 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. Analogno iz ϕ(t) = r imamo t2 = 0. moment inercije cijelog kruga obzirom na y os je Iy = Ix .30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 . i = 1.336 ˇ POGLAVLJE 7. 5 .. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t.. π] −→ R zadovoljava Teorem 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. . 2 2 a onda se interval [a. 4 4 4 Takoder zbog simetrije.. Oˇito funkcija ϕ : [0. n. i zbroje se momenti inercije malih valjaka polumjera f (si ). 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. 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.10.

5.♠ 15 5 7..5.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. b] eksplicitnom formulom y = f (x).. xi ]. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . . n. i = 1. i = 1.26: Duljina luka zadanog kao graf funkcije f (x). i gdje je ∆xi = xi − xi−1 . f (xi−1 )) i (xi . 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..ˇ 7.. Podijelimo segment [a. b] na podsegmente [xi−1 . 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. c po Pitagorinu pouˇku. n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi . n. Duljina svakog takvog komada je. . Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (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] zadana kao graf funkcije f ∈ C 1 [a. f (xi )). f (a)) do toˇke c c B = (b. Duljina luka od toˇke A = (a.. pa uzmimo c s os x.

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

. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . Toˇnije. ako znamo poloˇaj tijela u trenutku t1 = 0.26). gdje je si ∈ [xi−1 .. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . ploˇtinu sfere polumjera r. . Ovdje smo s ds oznaˇili diferencijal luka. tj. c ds = 1 + [f (x)]2 dx. n. Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi ..12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka.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 . Primjer 7. Teorem 7. xi ]. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.31 Izraˇunajmo oploˇje kugle. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. 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. 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.ˇ 7.5. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . i = 1.5..♣ s zs 7.

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

80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. rad) biti kvadratna funkcija pomaka x.33 Jarak duljine 10 m. Odavde odmah slijedi da je rad sile F (x) na putu [a. Primjer 7. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. To je formula dobivena integriranjem konstantne sile mg od 0 do h. 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. Konstanta k nam nije zadana u ovom primjeru. ako se masa tijela mijenja. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. no nije ni bitna. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. b] z z b W = a F (x)dx. Tada ´e njen integral (tj. F = −kx. pri ˇemu je g ≈ 9. b]. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. 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. i nakon toga s . Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. onda je b W (h) = a F (x)dx.5. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. s Primjer 7. Ako sila nije konstantna. tj. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 .ˇ 7.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 .

zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.30: Jarak iz Primjera 7. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . duljina jarka je 10 m. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. ˇirina c s 2(1 − x) m. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x).29: Jarak iz Primjera 7. s x 0 y h Slika 7.33. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. a debljina sloja je dx metara).342 ˇ POGLAVLJE 7.33. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.83 J. . Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg.

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

35.31: Kanal iz Primjera 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.344 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN 0 1 Slika 7.

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

Sign up to vote on this title
UsefulNot useful