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

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

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

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

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

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

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

. . . . . . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Neodredeni oblici . 7. . . . . .2. . . . . . . . . . . . . . . . 6. . . . . . . . . . . . .3 Newton . c 6. . . . . . .3 Neprekidnost elementarnih funkcija . . . . . . . . . . . .4 Nepravi integral . . . . . . . . . . . zs 7. .5 Neprekidnost i limes .5. . . c 6. . . . . .2. . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Primitivna funkcija . . . .1. . . . . . . . .1. . . . . . . . . . . . .2. . . . . . . . . .2. . . . . . . .6 Derivacije viˇeg reda . . .2 Neodredeni integral . .5. . 7. . .2. . . . . . . . . . . . . . . . . . . . . .1 Neprekidnost funkcije . . . . . .2 Svojstva odredenog integrala . . . . . . . . . . . . .2. . s 7. . . 7. . . . . . . . . . . . . . . . . . 6. . .problem povrˇine (ploˇtine) s s 7. . . 7. . .1 Motivacija . . . . . . .1. 6. . . 6. . . . .5. . . . . . . . . . . . .4 Moment ustrajnosti (inercije) . . . . .1 Povrˇina lika u ravnini . . . . . . . . . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6.7 Primjene u fizici . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . s 6. . . . . . .2 Derivacija funkcije u toˇki . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . .5 Primjene integralnog raˇuna . .2 Derivacija funkcije . . . . . . . . . . . .5. . . . . . . . . . . . . . . 7.3 Teˇiˇte .1.6 Povrˇina rotacijske plohe . . . . . . . . . . . . . . . . . .7 Raˇunanje limesa . . .1 Neprekidnost i graniˇne vrijednosti . . . . c 6. 7. . . . .1. . . . . . .1. . . . . . . . .1. . . . . . . . . . . . . .3 Metode integriranja . . . . . . . .1. . .2 Svojstva neprekidnih funkcija .vi 6 Uvod u diferencijalni raˇun c 6. . . . . 7 Uvod u integralni raˇun c 7. . . . . . . . . c 7. .Leibnizova formula . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . . . c 6. 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . . . . c 6.2 Odredeni integral . . . . .2.2. . 6. . . . . 6. . . . . . . . . . . . . . . . . s 7. . . . . . .3 Derivacija funkcije . . . . . . . . zs 7. . . . . . . . . . .1 Neodredeni integral . . . . .2. . . . . . . . . . .5. . . . . . . . .2. . . . . . . . . . . .4 Raˇunanje derivacija . . c 6. . . . . . . . . . . . . . . 7. . . . . . . . . . . . . 7. . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . 7. . . .2 Volumen rotacijskog tijela . . . . . . .1 Motivacija . . . . . . . .5. . . . . .8 Primjene derivacija . . . . . . . . . .5 Duljina i teˇiˇte luka ravne krivulje . . . .1. . . .

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

Nadalje. 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. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. niti marka automobila. startna cijena). po kilometru) i da se tome dodaje konstantan iznos (pretplata. uloˇiti trud u razumijevanje svojstava linearne z . skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. Iz naˇih primjera vidimo da se rac s zliˇite realne situacije mogu prikazivati istim matematiˇkim modelom: linearna c c funkcija f (x) = ax + b sluˇi nam i za opis situacije s mobitelima i s rent-az car tvrtkama. dakle. Nije bitan tip mobitela. c Matematika je. s c s dakle. porez. Takve c prikaze zovemo matematiˇkim modelima. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. dakle. arhetipski. udaljenosti. u naˇem primjeru. Unatoˇ tome. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. 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. Vrijedno je. kvantitativni aspekti. z c c Prvo. niti grad u koji se putuje. to je 800 km. dakle.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. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. Bitni su. trajanje. Takav nam okvir daje matematika. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. gotovo karikirani. 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. troˇkovi proizvodnje. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. Bitne su cijene. vidimo da oba naˇa s problema imaju istu strukturu. Treba nam. 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.

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

takoder. Istina je da se mnoge stvari mogu na´i u priruˇnicima i c c tablicama. ponekad s ˇuju. Ocjena c s s steˇena temeljem takvog znanja nije korisna nikome. Sada kad viˇe nije sporno zaˇto. izrecitirane definicije. To nam je dovoljno dok ostajemo u okviru onoga ˇto je netko negdje s nekada ve´ izraˇunao. 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. Ne znamo li dobro formulirati pitanje. gotovo. Nitko nema nikakve koristi od napamet c c nauˇenog odgovora. Cak i na korektno postavljeno pitanje moˇemo c z dobiti odgovor koji nije lako interpretirati. bez premca i uzora? Ako z s s poˇelimo (ili budemo primorani) biti kreativni? U tom sluˇaju. Mudro a tko ´e poˇeljeti biti viˇe od toga. U dvije rijeˇi . Dakle. c c Prvo je ograniˇenje isto kao i kod literature . 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.moˇemo na´i samo ono ˇto je c z c s netko ve´ napravio. 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. ni vi to ne znate. ponajmanje studentu koji c .4 kolegijom Matematika 1 bitni za vaˇe obrazovanje i rad. recimo neˇto o tome kako to treba s s s uˇiniti. Ostaje nam joˇ odgovoriti na dva pitanja koja se. Sto c z s je. s z raˇunala su korisna samo ako im znamo postaviti smisleno pitanje i ako znamo c pravilno interpretirati odgovor. A upravo je to opasnost kojoj se izlaˇete oslanjaju´i se z c samo na tude znanje. ˇablonski rijeˇenog zadatka. originalno. z c s tabliˇno znanje ne ´e nam biti od velike koristi. izraˇunao ili isprogramirao. Nadamo se da su vas do sada reˇene stvari uvjerile da treba (na)uˇiti matemc c atiku. ˇ ne´emo dobiti dobar odgovor. izprojektirao i izgradio. knjiˇko. 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. stoga.s razumijevanjem. Prisjetimo se samo kako malo informacija neˇkolovanom oku pruˇa rendgenska snimka ili elektrokardiogram. Te mogu´nosti medutim. Tim se mogu´nostima c s s c c treba u punoj mjeri koristiti. Glede drugog pitanja. Nadamo se i da vas je s priˇa o mobitelima i rent-a-caru uvjerila da je snaga matematike upravo u njenoj c apstraktnosti. nepobitno je da nam raˇunala i software pruˇaju brojne c z mogu´nosti koje prijaˇnji naraˇtaji struˇnjaka nisu imali. z ˇ je najbolje. nisu neiscrpne i neograniˇene.

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

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

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

Zainteresirani se ˇitatelj za izostavljene dokaze moˇe obratiti c z nastavnicima ili ´e ih potraˇiti u literaturi. S jedne smo strane ˇeljeli z proˇiriti knjigu dijelom materijala koji se odnosi na srednjoˇkolsko gradivo. 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. S druge strane. s c . a s s s druge smo strane morali voditi raˇuna o njenoj opseˇnosti i zadrˇati ju u razumc z z nim okvirima. s nastavnik osloboden pritiska detaljnog formuliranja iskaza i njegovog zapisivanja na ploˇu moˇe viˇe pozornosti posvetiti izlaganju konteksta i motivacije te tako c z s viˇe pribliˇiti gradivo studentima. Takav je pristup rezultat kompromisa. c z Evo na kraju i posljednjeg savjeta. 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. Nastavni materijal koji imate pred sobom bit ´e najbolje iskoriˇten u kombinaciji s redovitim pohadanjem predavanja.

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

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

Za vektor P Q kaˇemo da je orijentiran od P prema Q. → c .2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Iz a Napomene 1.1. poˇinje u P a z c zavrˇava u Q. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2.2 znamo da takve toˇke A i B postoje i da su jedinstvene.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. B ∈ E takve da je OA = − i AB = b . z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. 3.3). Sada samo izaberemo orijentaciju koja nam treba. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. 11 − → 3. z kolinearan je sa svakim vektorom). jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. tj.3).1. Pogledajmo sada neka svojstva nul vektora: c − → 1.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. onda c a − → − →. Tada je c − − → − = OB. c 2. Oˇito je | 0 | = 0. tj. → → → − − → − 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 . → Napomena 1. P = Q. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. Napomena 1. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. Preciznije. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. Vektor kod kojeg su poˇetak i kraj jednaki. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1.

− + b = b + − (komutativnost). − → − → − → Napomena 1. i oznaˇavamo ga s → 0 . a c a c → − → → → − → a a a 2.3 Za bilo koje tri toˇke P. ♣ B b a+b a b 0 A a+b a b Slika 1. VEKTORSKI RACUN R a G Slika 1. . Vektor a zovemo suprotni vektor vektora a c − → −.3: Motivacija za definiciju zbrajanja vektora.4: Pravilo trokuta i pravilo paralelograma. O.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). − → → − → → → → − 3.12 ˇ POGLAVLJE 1. → a =−a → − → → → − a a 4. c Teorem 1. (− + b ) + − = → + ( b + − ) (asocijativnost). Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . Q ∈ E vrijedi P Q = P O + OQ.

d c a + b+ c+ d a b Slika 1. realnim brojem. ali je suprotne orijentacije.1. a .4 Vektor a = −→ iz Teorema 1. definiramo λ− kao vektor: a → 1.6: Mnoˇenje vektora skalarom. tj. Sliˇno 2− + − = 3→. λ > 0 B’ 0 λa. ˇija je duljina jednaka |λ||− |.5: Pravilo mnogokuta za zbrajanje viˇe vektora. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. λa . c a − 2. s → − − a c Napomena 1.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. koji ima isti smjer kao →.1. Za n ∈ N a c a a a − = (n − 1)− + − . VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1.λ<0 a A B Slika 1. → BA. z → Za λ ∈ R. a a → Za sluˇaj → + − piˇemo 2− (tj. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. itd.1 ima sljede´a svojstva: ima →. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ).

2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. i neka je A = O c toˇka koja leˇi na tom polupravcu. koji ima istu orijentaciju kao vektor − za λ > 0.5 nigdje ne govori o geometrijskim veliˇinama.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. Neka je dan polupravac (zraka) s poˇetkom u O.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. c Vratimo se sada Definiciji 1. 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. b ∈ V je a + b ∈ V . za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . a a → − 4. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). za sve a. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). Primjetimo da se u Definiciji 1. onda. 1 · − = → (postojanje jedinice). postoji pravac a a . operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. a a a − → 3. VEKTORSKI RACUN → 3. a suprotnu orijentaciju a − za λ < 0. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). 2. uz pretpostavku − = 0 .2. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. λ(µ→) = (λµ)− (homogenost). a a → → → 2. 3. − → → → → − Ako su vektori − i b kolinearni. → od vektora a Teorem 1.14 ˇ POGLAVLJE 1.♣ a a Definicija 1. Elemente od skupa V zovemo vektori.1 i Teorema 1.

2 Vektorski prostor XO (E). tj. pa moˇemo a a a z − → − = a . Imamo da je c a − → → b = λ− . → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . 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− . B ∈ E na p takve da je − = OA. (λ. gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. a a . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E.1. z → − → − → → → Neka su sada − . Kako je → = 0 . (− .2. svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). Bijekcija je konstruirana na prirodan naˇin. b ∈ XO (E) i λ ∈ R. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . (Usporedimo ovo s Definicijom 1. Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . VEKTORSKI PROSTOR XO (E). LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. → →→ te vrijedi a a a0 1. − → 2. Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. A. Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. onda je |− | = 0.4). b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). tj. b = OB.1). odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0.

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

8 Neka su →.7.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. Ako je barem jedan od vektora − . onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . b bilo koja dva linearno nezavisna vektora iz XO (M ).. → ∈ XO (E) jednak nul veka1 a2 an toru. onda su oni linearno zavisni ako i samo ako su kolinearni. onda su ti vektori linearno zavisni.♣ . VEKTORSKI PROSTOR XO (E). → → − Teorem 1. jer se nalazimo na pravcu. .. e1 e2 e3 z Tada su oni linearno nezavisni.3 slijedi iz Napomene 1. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. Ako su − .3 je jasna. Stoviˇe. pa z z slijedi da su oni linearno nezavisni. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih..2. → ∈ XO linearno zavisni.5 Ako su − . → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva.♣ → → → ˇ s a b c Iz Teorema 1. →. b ∈ XO (E). c − → − Napomena 1. .. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. Ako imamo dva vektora − . ♣ Tvrdnja Teorema 1. b i − tri linearno nezavisna vektora iz XO (E).. on se ne moˇe izraziti kao njihova linearna konbinacija.♣ → a s Jednostavna posljedica Teorema 1. takav rastav je jedinstven.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna..4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. →. Stoviˇe. − i − . → → − → Teorem 1. taj rastav je jedinstven. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. Teorem 1. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.4 Ako su − . a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . z → − − 3. c − → → a 4. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .1.

a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. 0). te toˇke Ex = c s c −→ − − → −→ − → − (1. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − .3 Baza vektorskog prostora XO (E). az ) su jednoznaˇno odredene. pa ˇine bazu. a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). →). Analogno.7 Uredena trojka (− .9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni.8 z ˇ oni su linearno nezavisni. j = OEy i − → −→ − − − − → → → k = OEz . Koordinatni sustav → − → Definicija 1. − . → → a b i j k .5). →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). Skalare a1 . e1 e2 Napomena 1. 0. Stoviˇe. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. k ne leˇe u istoj ravnini. a2 i a3 − → → → vektor iz XO (E). 0. z c → → Neka je sada − proizvoljan vektor iz XO (E). − ∈ XO (E). − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). VEKTORSKI RACUN 1. Kako vektori i . pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). duljine su im 1 i leˇe na okomitim c s z pravcima. Tada je a e1 e2 e3 c − (Teorem 1. j . − . uredeni par → − (− . 0) i Ez = (0. Definirajmo i = OEx . − → − → Neka je (→.18 ˇ POGLAVLJE 1. c →.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− .1 i Teorem z 1. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . 1. pri ˇemu su skalari a1 . →. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . prema Napomeni 1. Ey = (0. 1). ay .

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

0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula... Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . . az ) + (bx . n. λ(ax . U tu svrhu moramo na odgovaraju´i naˇin definirati c c . z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). Skup svih takvih n-torki oznaˇavat ´emo sa Rn . .. Zelimo uvesti i mnoˇenje vektora. Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. λaz ). 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).. Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. ay . .. Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1.20 ˇ POGLAVLJE 1... . y2 . . . y2 . xn + yn ).. x2 . ako su sila i put kolinearni. kaˇemo da je R n-dimenzionalni realni vektorski prostor. xn ). az ) = (λax . bz ) = (ax + bx . . 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 .. n}. Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. x2 . x2 + y2 .. c c Za (x1 . x2 . 2... (y1 .... xn ) : xi ∈ R za i = 1.2.. Dakle Rn = {(x1 . To svojstvo baze od X0 (E) zovemo potpunost. n. 1..5 Skalarni produkt ˇ Vektori su generalizacija brojeva. ay .... yn ) = (x1 + y1 . .. Moˇe se pokazati da skup od n vektora −i = (0. . . ˇini bazu u R .... x2 . xn ) = (λx1 .. λ(x1 . xn ) gdje su xi ∈ R za i = 1. by . ... ay + by . 0. Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. Kako ta baza ima c n n vektora. .1 i Teorema 1.. yn ) ∈ Rn i λ ∈ R definiramo: (x1 .. 0. z 1..3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E)......... λx2 . (ax . az + bz )... i = 1. xn ) + (y1 . x2 . . U toˇki 1. VEKTORSKI RACUN 1.. . λay .. λxn ). Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom.

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

a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b . VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1. Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− . a −b b ϕ a Slika 1.22 · → − i → − j → − k ˇ POGLAVLJE 1. − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ). c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ).1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje. kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k .9: Raˇunanje skalarnog produkta.

Posebno. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . tj. yn ) ∈ Rn .♣ − → → → → 1. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . xn ). →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. 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 . (λ− ) · b = λ(− · b ) (homogenost). a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |.10.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije... tj. a a → − → → − − a a c 3.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1..5.. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + .. ako je vektorski prostor W = R. µ ∈ R. a x y z Ova se formula za duˇinu vektora. Za preslikavanje (funkciju) sa V u W . Definicija 1. − → a b Napomena 1. → · b = b · − (simetriˇnost).1. → → Neka su − = (x1 .. y2 . + xn yn . . f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . slaˇe s Napomenom 1. − = (y1 . z z → → − → − → − → → 2. x2 .. .9 Neka su V i W realni vektorski prostori. (− + b ) · − = − · → + b · → (aditivnost).. . → → x y Teorem 1. a c a c c → → → − → − 2. b ∈ V i sve λ. a onda f zovemo linearni funkcional.

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

Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D.10: Projekcija vektora na pravac. a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD .1.5. → |a| ay cos β = − . SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . Tada postoji D ∈ E takva da je d = OD. jediniˇni vektor. 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). → |a| az cos γ = → . − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. imamo − → → →→ − d = ( d · − )− . → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. Dakle imamo OD = ( d · − )− jer je OD = λ− . Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. Nadalje. a0 a0 . neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1.

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. za ad − bc = 0. a koristan je z i pri radu s vektorima. VEKTORSKI RACUN 1. 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. i 3. 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. odnosno. . a b A= .determinante matrica 2.6 Digresija . Ako pomnoˇimo prvu jednadˇbu s d. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. drugu s −a i zbrojimo ih. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. drugu s −b i zbrojimo ih. z z dobijemo αc − βa βa − αc y= = . dobijemo z z (ad − bc)x = αd − βb.26 ˇ POGLAVLJE 1. ad − bc S druge strane. ako prvu jednadˇbu pomnoˇimo s c. x= αd − βb .

Analogno. 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 . I 3. 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. tj. Pri izvodenju ovih formula pretpostavljali smo da je ad − bc = 0. c  a1 a2  A =  b1 b2 c1 c2 i dana je s  a3  b3  . odnosno a = c c c − → − → b . da smijemo dijeliti s det A.6.1. tj. pa onda s . odnosno paralelnosti pravaca definiranih izrazima ax + by = α. sveli smo problem raˇunanja c c determinante tre´eg reda na problem raˇunanja determinante drugog reda. Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora. DIGRESIJA . Tada imamo c d a α c β a b c d 27 x= α b β d a b c d i y= . za sustav s tri jednadˇbe i tri nepoznanice imamo: z a1 x + a2 y + a3 z = α b1 x + b2 y + b3 z = β c1 x + c2 y + c3 z = γ. c3 Determinantu matrice tre´eg reda raˇunamo rekurzivno razvojem po prvom retku. REDA Oznaka koju joˇ koristimo je s a b . cx + dy = β. to znaˇi da je ad = bc. Matrica tog sustava je matrica tre´eg reda.DETERMINANTE MATRICA 2. c1 c2 det A = = a1 − a2 + a3 Determinante matrica drugog reda znamo raˇunati. To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d − → − → i c i + d j . Ako to nije sluˇaj.

determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = − a1 a2 a3 . determinanta je jednaka nuli. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom. tj. Vrijedi: a1 + d1 a2 + d2 a3 + d3 b1 b2 b3 c1 c2 c3 = a1 a2 a3 b1 b2 b3 c1 c2 c3 d1 d2 d3 + b1 b2 b3 . Svojstva determinante: 1. c1 c2 c3 a1 a2 a3 = λ b1 b2 b3 . 4. c1 c2 c3 3. Ako dva susjedna redka predznak. c1 c2 c3 Determinantama ´emo se viˇe baviti u poglavlju o rjeˇavanju linearnih sustava. 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 .: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. a3 b3 c3 (stupca) zamijene mjesta.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . 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. c s s Ovdje smo uveli samo ona njihova svojstva koja ´e nam trebati pri radu s vekc torima. Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante.tj. tj.: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5.28 ˇ POGLAVLJE 1. . Ako su dva redka (stupca) u determinanti jednaka. determinanta z se mnoˇi tim skalarom.

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

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

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

VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni. (− . − × b ) c a a a a → → − je jedna baza.12: Vektorski produkt. . prema ”gore” ili prema a ”dolje”? ax b b a Slika 1. Imamo: c c ax ay az bx by bz ay bz − az by az bx − ax bz ax by − ay bx D= = (ay bz − az by )2 + (az bx − ax bz )2 + (ax by − ay bx )2 > 0. a a → → − Neka su − i b nekolinearni. i . j . Izraˇunajmo sada determinantu D (opisanu u toˇki 1.7). Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0. i neka − − − → → → − → − − → − → − → → → − a su → = ax i + ay j + az k i b = bx i + by j + bz k zapisi vektora − i b u a − − − − → → → − → − → → → bazi ( i . b .32 ˇ POGLAVLJE 1. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . j . tj. iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ. Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k . k ) pravokutni normirani desni koordinatni sustav. a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. k ). Pitanje je sad je li − × b orijentiran. − − − → → → Neka je (O.

Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . vektore ortonormirane baze ( i . VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. k ) desni koordinatni sustav (pravokutni i normirani). j . ω r v v ω 0 r Slika 1.8. k ). − . j . − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). Uzmimo npr. c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1.13 vidimo da je → = − × − . a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . k ).2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. Sa Slike 1. i .1.13: Kutna brzina.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. j . j . dok je s druge strane i × ( i × j ) = − j tj. − × b ) desni (op´enito nepravokutni) koordinatni sustav. pravila za vektorsko mnoˇenje te gornju tablicu) z z . b . pravila za skalarno mnoˇenje. to je − → → → → − (O. Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. k ) koje ´e nam c c biti koristno pri raˇunanju. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i .

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

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

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

Takav analitiˇki opis ne ovisi o geometrijskom zoru. Ta jednadˇba opisuje neki skup toˇaka u ravnini. B B 37 . Ako je B = 0. 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 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O.1. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. onda za c proizvoljni x0 imamo C A y0 = − x0 − . s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru. c c s 2.3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. pri ˇemu su A. i . j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i .1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata.Poglavlje 2 Analitiˇka geometrija c 2. taj skup je neprazan. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1.

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

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

z p s=mi+nj P1 = (x 1. z 2.2: Segmentni oblik jednadˇbe pravca. b) i (a. 0).y 1 ) Slika 2. z . a ako je y = 0.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi).40 ˇ POGLAVLJE 2. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. c c tj. z z Uoˇimo sljede´e: ako je x = 0. imamo A x a + y b = 1.3: Kanonski oblik jednadˇbe pravca. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . c c y b a 0 x Slika 2. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca.1. onda je x = a. pravac prolazi kroz toˇke (0. onda je y = b.

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

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 . Uvode´i oznaku k = m . Veliˇinu k zovemo koeficijent smjera pravca p. y l ϕ 0 x Slika 2. y − y1 = k(x − x1 ). Uvedemo li oznaku l = −kx1 .5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera.1.42 ˇ POGLAVLJE 2. z . dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. c 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 .

2. pravac prolazi toˇkom (0. y) leˇi na pravcu p ako i samo ako je z − · − = d. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. c 43 n ˇ Uzeli smo da je k = m . Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. c − → − → → pa imamo − = cos ψ i + sin ψ j . z Jasno je da su a. tj.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). Povucimo sada kroz O pravac q okomit na p.3 Za x = 0 imamo y = l tj. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1.6: Normirani oblik jednadˇbe pravca. tj. Neka je − = a i + b j jediniˇni vektor na pravcu q. s vektorom i ). P = (x. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. 2. π] takvi da je a = cos ψ − i b = cos φ. n − → → Toˇka P = (x. n c y q n θ P0 x r P p 0 Slika 2. b ∈ [−1. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. l). → → r n Jednadˇbu − · − = d. pa tada postoje ψ. n Kako je tg ϕ = m .1. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. c c s − → − → → d = |OP0 |. 1]. a2 + b2 = 1.5). φ ∈ [0. PRAVAC U RAVNINI Napomena 2. imamo k = tg ϕ. odnosno z → → r n x cos ψ + y sin ψ = d . tj.1.

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

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

ako i samo ako je m1 m2 + n1 n2 = 0. s1 s2 odnosno ako i samo ako je n1 m1 = . m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . m2 n2 → → Napomena 2. → → Napomena 2. − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . s1 s2 tj. . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2.46 b) Kanonski oblik: ˇ POGLAVLJE 2. ako i samo ako postoji λ ∈ R takav da je − = λ− .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. tj. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni.

ˇ 2. ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 . y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2.2. Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . k2 = tg ϕ2 . 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. y = k2 x + l2 .4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .7: Kut dvaju pravaca. Neka je ϕ = ϕ2 − ϕ1 . Definicija 2. . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 .

k2 2.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. Neka je pravac p dan u c c normiranom obliku. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . Izraˇunajmo sada udaljenost toˇke P0 od pravca p.5. odnosno ako i samo ako je 1 + k1 k2 = 0. y0 ) i pravac p u ravnini. ako i samo ako je ϕ1 = ϕ2 . 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.48 ˇ POGLAVLJE 2. Napomena 2.2. tj. Zanima nas udaljenost c toˇke P0 od pravca p. sa suprotne strane od ishodiˇta) jer je tada n s .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. To je ekvivalentno s 1 k1 = − .7). p) = x0 cos ψ + y0 sin ψ − d. x cos ψ + y sin ψ = d. ANALITICKA GEOMETRIJA Napomena 2. s Napomena 2. c Definicija 2.1. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . odnosno ako i samo ako je k1 = k2 . tj.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 .9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . 2 ako i samo ako je tg ϕ = ∞. tj.

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

y = kx + l. x2 − x1 y2 − y1 odnosno (y2 − y1 )x − (x2 − x1 )y − (y2 − y1 )x1 + (x2 − x1 )y1 = 0. y2 ). udaljenost toˇke P0 = (x0 . tj. m2 +n2 c) kroz dvije toˇke P1 = (x1 . y1 ) i P2 = (x2 . n). y1 ) s vektorom smjera − = c s (m. p) = |kx0 −y0 +l| √ . udaljenost toˇke P0 = (x0 . y − y1 x − x1 = . tj. odnosno kx − y + l = 0. y0 ) od pravca p je c d(P0 . udaljenost toˇke P0 = (x0 . p) = |(y2 −y1 )x0 −(x2 −x1 )y0 −(y2 −y1 )x1 +(x2 −x1 )y1 | √ (x2 −x1 )2 +(y2 −y1 )2 . c x − x1 y − y1 = . p) = |nx0 −my0 −nx1 +my1 | √ . m n odnosno nx − my − nx1 + my1 = 0.50 ˇ POGLAVLJE 2. tj. y0 ) od pravca p je c d(P0 . y0 ) od pravca p je c d(P0 . ANALITICKA GEOMETRIJA → b) u kanonskom obliku kroz toˇku P1 = (x1 . d) u eksplicitnom obliku. k2 +1 .

zovimo je S = (xs .2.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. poklapaju se. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. ys ). paralelni su. c 2.ˇ 2. 3. c z U sluˇaju da se sijeku u jednoj toˇki.2. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. Npr. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . identiˇni su. ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2.8: Mogu´i poloˇaji pravaca u ravnini. xs = . tj. sijeku se u jednoj toˇki. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.

ako su p1 i p2 paralelni. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . onda su p1 i p2 paralelni. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .52 i ˇ POGLAVLJE 2.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. 2. p) = x0 cos ψ + y0 sin ψ − d. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. .2.2. p) suprotnog predznaka.4).11 Ako je A 1 B1 A 2 B2 = 0.2 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 . Napomena 2. Osim udaljenosti. onda je A 1 B1 A 2 B2 = 0. p)|. Vrijedi i obrat. p) i δ(B.

bez smanjenja op´enitosti. ys ). p3 u ravnini u op´em obliku. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. p1 i p2 sijeku u jednoj toˇki. → n i j → → −2 = A2 − + B2 − . jer ako su sve tri jednake nuli.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo.2. tj. tj. tj. po Teoremu 1. ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. Tada p3 mora prolaziti kroz S. z c s Da bi se p1 . β ∈ R takvi da je −3 = α→ + β −2 . onda prema Napomeni c 2.2. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . . s c Neka se sada. A2 B2 A 1 B1 . p2 .ˇ 2. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . mora pripadati sveˇnju z pravaca odredenom s p1 i p2 .5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 .4 vektori → → −1 = A1 − + B1 − . postoje α. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. 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. Dokaˇimo da je i z C3 = αC1 + βC2 . Oznaˇimo c c c ju sa S = (xs . → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. p2 .

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

→ − → r r0 s p ts P0 r 0 s r0 Slika 2.3.3. Tada imamo P0 P = − − − . 2.3.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. z0 + tc). y. PRAVAC U PROSTORU 55 2. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x.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. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.2. Neka c z s −→ → → − − radij-vektor toˇke P . − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. y.2). y0 + tb. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− .3 2. → → → a i + b j + c k .9: Pravac u prostoru. . z) = (x0 + ta. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . y0 .

z s Napomena 2. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . ANALITICKA GEOMETRIJA x = x0 + ta. Prema s z Napomeni 1. y0 .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . c su koeficijenti smjera pravca p. z c s 2. z0 ) i 2.3. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . vektor smjera pravca p je dan s (a. pravac p prolazi toˇkom (x0 . njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli.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. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . b. j i k dobivamo kanonske jednadˇbe pravca.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. c) odnosno a.56 Jednadˇbe z ˇ POGLAVLJE 2. b. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . y = y0 + tb.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . . Kako su vektori baze linearno nezavisni. z Napomena 2. 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 .

3.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). Odredimo njegovu jednadˇbu.5 i toˇka 2.3. c) je dana s x y z = = . b.3. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . i njihov omjer daje koeficijent smjera (toˇka 2. Zbog komplec mentarnosti. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. onda znamo da je vektor → s a b c 1 → s0 = − − = − . Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. pa odreduje isti pravac. β.1. pa iz toˇke − − s r2 c s r2 r1 c 2. →| |s c cos γ = → . b.6). kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a.2. onda ima dva kosinusa smjera. odnosno postoje c s0 α. y2 .5 znamo da postoje kosinusi smjera vektora − . jedan kosinus smjera prelazi u sinus. − →| s →| |→| |→| |s |s s s − jediniˇni.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . z2 ) u prostoru. −| |s Dakle koeficijenti smjera a. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. → − → → r r1 r2 r1 . c). − → z definirajmo s P c s − je vektor smjera pravca p. π] takvi da je a cos α = − . →| |s b cos β = − . z1 ) i P2 = (x2 . c c Tada kroz njh prolazi jedinstveni pravac p. tj.1. 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. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . − . z Znamo iz toˇke 2. istog smjera i orijentacije kao i →. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . γ ∈ [0.3.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. y1 . s 2. c s → Iz toˇke 1. Sada imamo da je → = P1 P2 = → − →. PRAVAC U PROSTORU 57 → Posebno. b. Uzmimo sada npr.

c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . uz oznake m = a c i m1 = − a z0 . c x = mz + m1 . iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . y = y1 + t(y2 − y1 ). y0 .3.58 ˇ POGLAVLJE 2. z0 ) s vektorom smjera − = (a. z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). c c c . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. Analogno. z c y2 −y1 2 −z 2. c c c odnosno. 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. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 .

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

z2 ) u prostoru. r2 r1 →=− + − → ρ r1 n m → → → − + n −. ANALITICKA GEOMETRIJA 2.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . 2 2 2 . s z Imamo → = 1 (− + − ). z1 ) i B = (x2 . m+n m+n m+n Napomena 2. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . my1 +ny2 . . AC : CB = m : n. . m ∈ N. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . y2 . z → c radij vektor toˇke B. y1 . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC.3. tj. 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 2.12: Dijeljenje duˇine u zadanom omjeru.60 ˇ POGLAVLJE 2. mz1 +nz2 ).15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − .

→ → radij-vektora r n c P . toˇku O) i s c koja sijeˇe sve tri koordinatne osi.2. Povucimo okomicu iz toˇke O na ravninu Π.4. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. onda je p = 0. s vektorima baze −0 ˇto ih n s − − − → → → i . P0 d r π n0 0 M Slika 2. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − .13: Normalni oblik jednadˇbe ravnine. z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p. toˇku O). ako Π prolazi kroz ishodiˇte (tj. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. → → r n . a vektor z −0 zovemo normala ravnine Π. Neka je −0 = OP0 c c n p −→ − (tj. j .3 ).4. γ kutovi c → zatvara s pozitivnim smjerovima osi x. β. z redom (tj. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.4 2. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. k iz toˇke 1. → n Posebno. → 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.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. y. RAVNINA U PROSTORU 61 2.

0). iz normalne jednadˇbe ravnine imamo. z − − → OA · → = p. n − → → OC · −0 = p. r n Napomena 2. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. 2. n0 − − → → OB · −0 = p. neka su toˇke A = (a. Nadalje. c). Za toˇke s druge strane bit ´e n c c d < 0. jer je duljina okomice do Π jednaka p).16 Ako toˇka P ∈ E ima koordinate (x. y. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. a c kako M leˇi u Π . Kako je d. C = c (0. u stvari. 0).2. kako su A. toˇke u kojima Π sijeˇe koordinatne osi x. z.4. udaljenost ravnine Π od ravnine Π .17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. 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. c c Sada. z).2. C ∈ Π. y. Imamo neˇto analogno otklonu iz toˇke 2. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. → ako je M s one strane Π na koju pokazuje −0 .62 ˇ POGLAVLJE 2. B = (0.2. Kao i kod pravca (toˇka 2. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. 0. b.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. y1 . Napomena 2. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. n . redom. 0. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. z1 ) ∈ E proizvoljna. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). c Neka je M = (x1 . B.

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

B. 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 . tj. Dakle. ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ). onda je jasno da i c c − − = −0→ leˇi u toj ravnini. → n Zaista. ANALITICKA GEOMETRIJA P . z0 ) koja je okomita na vektor z c − = (A. y0 . C). z0 ) i okomita na vektor c − = (A. 0 r P n π 0 Slika 2.15: Op´i oblik jednadˇbe ravnine. jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . y0 .64 ˇ POGLAVLJE 2. Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. z) toˇka u takvoj ravnini. y.18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . Onda je − · − = 0. B. C). c z c z Napomena 2. imamo da izraz → − n r A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 vrijedi za sve toˇke na toj ravnini. ako P ∈ E ne leˇi u ravnini. pri ˇemu se uzima predznak suprotan od c . odnosno. c −→ → − S druge strane. ako je toˇka P = (x.

istog su smjera n n → c n i orijentacije. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. ravnina prolazi kroz ishodiˇte. C C C A z Oznaˇimo a1 = − C . 0. tj. c . R → → Vektor normale −0 je normirani vektor − = (A. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. po c Napomeni 2. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. B. s c A2 +B 2 +C 2 Napomena 2. 0) nema komponentu u smjeru n − → osi z (tj. onda su koordinate A. R cos β = B . onda normala − = (A.4. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. y1 . s → 2. z1 ) ∈ E. onda je oˇito da O = (0.20 Neka je dana toˇka M = (x1 . c onda je A B D z =− x− y− . pa imamo cos γ = 0. Π) = |Ax1 +By1 +Cz1 +D| √ .17. C). pa odreduju istu ravninu.1). Tada je. B. Napomena 2.4. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. b1 = − B i c1 = − D . B.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . Ako je D = 0. tj.2. Stoga ´emo i vektor − zvati vektor normale. RAVNINA U PROSTORU predznaka od D.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. k ). R cos γ = C . nepotpune obc z like): c c z 1. Dakle imamo cos α = 65 A . Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. Ako je C = 0.

onda normala − = (A. imamo samo tri nezavisna. z → 3. Imamo Ax + D = 0. 0) ima komponentu samo u n smjeru osi x. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. Ako je B = C = D = 0. s1 s2 . ravnina je paralelna A s koordinatnom ravninom Oyz.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. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. C koji je razliˇit od nule. B. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . Varijable u i v zovemo parametri. c Od ˇetiri parametra. z → − a vektore − i → vektori smjera.16: Ravnine u posebnim poloˇajima. A. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . − i − su komplanarni). → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine.4. ravnina je paralelna s koordinatnom ravninom Oyz. z c c 2. Ako je B = C = 0. onda prema 1. B.66 z ˇ POGLAVLJE 2. ravnina prolazi kroz ishodiˇte s a prema 3. C i D. 0. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. odnosno x = − D . 4.

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

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 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. P1 P3 komplanarni. P2 . toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). 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. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P1 P2 . s1 . P3 (uzmemo npr. P2 .4. z1 ). z3 ) u c prostoru takve da ne leˇe na istom pravcu. − . y1 . Kao i u toˇki 2.4. Dakle.4. Po Napomeni 1.5 2.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. 2.5. 2. P3 = (x3 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P .68 ˇ POGLAVLJE 2. z2 ). 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 . P3 ne leˇe na istom pravcu. P2 . Kako toˇke P1 . P2 = (x2 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. vektori s1 s2 −→ → − − − → P0 P . y2 . ako i samo ako su P0 P . → komplanarni. ANALITICKA GEOMETRIJA −→ → − − odnosno. y3 .16. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . Po Napomeni 1.

3. odnosno ako → → kolinearni. B1 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. Ravnine se sijeku u jednom i samo jednom pravcu. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . Ravnine se podudaraju. B2 . imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 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. 69 −1 Definicija 2.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 .1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0.5. tj.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . ako i samo ako je −1 · −2 = 0.2. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. Teorem 2. Ravnine se ne sijeku. ♣ . C2 ). C1 ) n → i −2 = (A2 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. tj. −1 → Napomena 2.

. ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 .70 ˇ POGLAVLJE 2. Konaˇno. p z 2. Uzmimo. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. onda se one moraju sje´i. imamo tre´i sluˇaj. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0. 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.   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . tj. C1 = A1 . z c c Kako ravnine nisu paralelne.5. i njihov c presjek je pravac. 0 . 2. onda z s A1 B2 C2 D2 se ravnine podudaraju. A2 x + B2 y + C2 z + D2 = 0. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. odredenosti radi.   → 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. Njene su koordinate c B1 D1   B2 D2 T0 =  . Ako je joˇ i A2 = B1 = C1 = D1 . Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p.23. ako ravnine A2 B2 B2 C2 A2 nisu paralelne. B1 = C2 . da je c = 0. Ako ravnine nisu paralelne. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . A3 x + B3 y + C3 z + D3 = 0.2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 .

y. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. onda je presjeciˇte jedinstveno (tj. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). b. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . → → s n . toˇka 2. C).4.5.5. z nepoznanice). ∆. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . 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. s jedna toˇka. B. c) i − = (A. b. c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi.5) i koordinate su mu c c ∆x ∆y ∆z ∆.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. z Definicija 2. 2. ∆ .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. tj. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . paralelne su). A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x.2.

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

2. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. y1 − b Ax1Aa+Bb+Cc+D . y0 .28 Ako ne postoji takav t koji je konaˇan. 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 . z = z1 + ct.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. y = y1 + bt. tj. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z z . a druga je uvjet paralelnosti pravca i ravnine. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. ako nema konaˇnog z koji je rjeˇenje. Aa + Bb + Cc Napomena 2. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. Ax1 + By1 + Cz1 + D .5.5. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. z1 − c Ax1Aa+Bb+Cc+D . imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0.2. tj.

z2 ) s vektorima smjera − = (a1 . Pravac i ravnina se ne sijeku.74 ˇ POGLAVLJE 2. y2 . ANALITICKA GEOMETRIJA Teorem 2. b2 . Definicija 2. c c c 2.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . → → 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 . b1 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). s1 s2 redom. → → s1 s2 p 2 p 1 Slika 2. z1 ) odnosno c → → P2 = (x2 . Pravac je sadrˇan u ravnini. .2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c .5. y1 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. c 2. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). c2 ).♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). Pravac i ravnina se sijeku u samo jednoj toˇki. c1 ) odnosno − = (a2 . 3. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.18: Mimosmjerni pravci.

z= 1 m−m n−n . c c z → s1 Napomena 2.5. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = .5). 2. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. ako i samo ako je → · − = 0. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. tj. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 .5.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . tj. tj. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini.2.3. ako i samo ako postoji λ ∈ R takav da je − = λ→. 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. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. → Napomena 2.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.

ANALITICKA GEOMETRIJA Sada lagano dobijemo da su koordinate toˇke presjeka dane s c 1 −n ( mm1 −m1 m . B. y1 . C. a1 b1 c1 0 a2 b2 c2 0 . y1 . c2 ). Nadimo sada uvjet da pravci p1 i p2 leˇe u z istoj ravnini. y2 . → − Kako su − = (a1 . Dobili smo sustav od ˇetiri linearne jednadˇbe (A. i c z to homogeni. On ima netrivijalno rjeˇenje ako i samo ako mu je determinanta s jednaka nuli. nnn−n1 n . 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 = = . D. onda moraju leˇati u istoj ravnini. c2 ) paralelni sa ravninom. z1 ) odnosno → P2 = (x2 . B. C.76 ˇ POGLAVLJE 2.27 imamo Aa1 + Bb1 + Cc1 = 0 Aa2 + Bb2 + Cc2 = 0. b2 . odnosno x1 y1 z1 1 x2 y2 z2 1 = 0. c2 ) leˇe u toj ravnini. z2 ) leˇe u ravnini. toˇke leˇe u toj ravnini. D su nepoznanice). b2 . a2 b2 c2 Jasno je da ako se p1 i p2 sijeku. iz Napomene s1 s2 2. Neka je to z ravnina Ax + By + Cz + D = 0. a vektori → i s2 z c c z su paralelni s njom. z1 ) i P2 = (x2 . b1 . n1 −n1 ). b2 . c1 ) i → = (a2 . Toˇnije. − To znaˇi da i toˇke P1 = (x1 . imamo z Ax1 + By1 + Cz1 + D = 0 Ax2 + By2 + Cz2 + D = 0. y2 . Kako P1 = (x1 . b1 . z2 ) i vektori → = (a1 . z2 ) s pripadaju´im vektorima smjera − = (a1 . y2 . c1 ) odnosno c s1 − = (a2 . z1 ) i P2 = (x2 . m−m n−n Rijeˇimo sada problem presjeciˇta dvaju pravaca u op´em sluˇaju s s c c Neka su dani pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . b1 . To nam daje uvjete na A. c1 ) c c s1 − = (a2 . y1 .

no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. c =0 .29. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Teorem 2. imamo isti pravac.5. Pravci leˇe u istoj ravnini i ne sijeku se. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. iz toˇke 1. Ako su sva tri redka proporcionalna.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. tj. Pozabavimo se sluˇajem mimosmjernih pravaca. i 6. Pravci su mimosmjerni. Prema Napomeni 2. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.6 na gornju determinantu (tj. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. 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. ne leˇe u istoj ravnini. Pravci se podudaraju. ˇetvrti sluˇaj. pa nema presjeciˇta.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. z 3. 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 . z c 4.2. z Moˇe se desiti da su oni paralelni. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. z 2.

78 ˇ POGLAVLJE 2. c2 ). b2 . c1 ) c s1 − = (a2 . 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). z1 ) → odnosno P2 = (x2 . Dakle. ANALITICKA GEOMETRIJA 2. a2 b2 c2 Definicija 2. y2 . c1 ) i − = (a2 . imamo da Π prolazi z → → kroz P1 = (x1 . p1 leˇi u ravnini). b1 .22.5. z2 ) s pripadaju´im vektorima smjera − = (a1 . b1 . b2 . c2 ).9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. . . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . y1 . Iz s1 s2 Napomene 2. z1 ) i paralelna je sa − = (a1 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . 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. kako p1 leˇi u Π i Π je paralelna sa p2 . = 0. 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 = = . a2 b2 c2 a2 b2 c2 .

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

.

z i c z u. 1 −1 0  1 1 1 81 . To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. Ako bismo uspjeli razviti raˇun takvih objekata.Poglavlje 3 Matrice i linearni sustavi 3. z z Npr. y. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici. z i u) kao jedinstveni objekt (matricu).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 = 3.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. y.1.1 3. U primjeru iz toˇke 1.

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

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

. 0 0 ··· 1 moˇemo saˇeto pisati In = [δij ].  . tipa 2 × 4 i tipa 2 × 1..  In =  . i = j . .  . 0 0 je aij = 0 za i = j..... Takvu matricu c c   1 0 ··· 0    0 1 ··· 0   . tj. Skalarna matrica s jedinicama na glavnoj dijagonali se zove jediniˇna i oznaˇava sa In . c Primjer 3. ann ˇine glavnu dijagonalu.  ··· 0  ··· 0  . Matrica ˇiji su svi elementi jednaki nuli zove se nul matrica.. pri ˇemu je z z c δij = 1.2 Sljede´e c redom. . . 0. . . a22 .  · · · ann Ako su u dijagonalnoj matrici svi elementi na glavnoj dijagonali jednaki.  . i to n-tog reda. a11 . ako nije. Kvadratna matrica A je dijagonalna ako  a11 0   0 a22 A= . z U kvadratnoj matrici elementi s jednakim indeksima. ..♠ . Ako je kvadratna. tj. MATRICE I LINEARNI SUSTAVI kaˇemo da je kvadratna. Oznaˇavamo ju s 0mn . .  .  . c tr A = a11 + a22 + · · · + ann . c onda je reda n. . . matrica je skalarna. Zbroj svih elemenata glavne dijagonale kvadratne mac trice zovemo tragom te matrice i oznaˇavamo tr A.  0 0   0 0 0 0 matrice su nul matrice i to reda 3.  . 0 0 0 0 0 0 0 0 0 0 0 . . tj. .84 POGLAVLJE 3. . . = ann = a.  0  0 . i = j Simbol δij zovemo Kroneckerova delta. a11 = a22 = . . onda je tipa m × n.

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

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

razvijena) u linearni spoj po matricama z z A1 .ˇ ˇ 3.3 odnosno Definicije 3.. . Napomena 3.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c ..4.. Njegovi su elementi (”vektori”) matrice tipa m × n.. Ak . OSNOVE MATRICNOG RACUNA 87 Teorem 3.. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. Kaˇemo da je A rastavljena (razloˇena. B. Matrica A = λ1 A1 + . α(βA) = (αβ)A (homogenost). Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. linearna kombinacija i linearni rastav.. A2 . a na svim ostalim mjestima nule ˇini bazu u Mmn . (A + B) + C = A + (B + C) (asocijativnost)... C ∈ Mmn i sve skalare iz α... λk .. . A2 . Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. .5 Neka su A1 .. . λk ∈ R skalari. onda je i A ∈ Mmn . 2. + λk Ak je linearna kombinacija matrica A1 .1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. 4.4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . . . A2 . A2 . j) imaju z jedinicu. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. α(A + B) = αA + αB (distributivnost)... z Teorem 3...1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. Ak s koeficijentima λ1 ..... A + B = B + A (komutativnost). ˇto slijedi izravno iz Definicije s 3. β ∈ R vrijedi: 1. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . Ak ∈ Mmn . ..♣ Iz Teorema 3. Ak ∈ Mmn matrice i λ1 ..1.. λk razliˇit od c nule. s Definicija 3. 3.

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

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

za n = 2 imamo 0 1 0 0 a s druge strane. (A · B) · C = A · (B · C) (asocijativnost). gdje je α ∈ R.90 POGLAVLJE 3. za n = m = p. 4. c Posebno vrijedi A · In = In · A = A. c jer npr. gdje je A ∈ Mmn . z c Teorem 3. B ∈ Mmn . Dakle mnoˇenje matrica je op´enito nekomutativno. A · In = A. A ∈ Mmn i D ∈ Mnp . 3. gdje je A ∈ Mmn . 0pm · A = 0pn . C takve da z promatrani produkti postoje vrijedi: 1.3 (Svojstva mnoˇenja matrica) Za sve matrice A. gdje je A ∈ Mmn . B. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice). C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). za A ∈ Mnn . 5. Im · A = A. B ∈ Mnn takoder op´enito vrijedi A · B = B · A. A · 0np = 0mp . . gdje su A ∈ Mmn . A. gdje su A. B ∈ Mnp i C ∈ Mpq . 2. C ∈ Mpm i D ∈ Mnq . · 1 0 1 1 = 1 1 0 0 . 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . tj. MATRICE I LINEARNI SUSTAVI Na kraju. α(A · D) = (αA) · D = A · (αD).

.4. .1. 3. Sloˇimo li ih u (2 × 2) matricu. c drugi i tre´i. ♣ 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 ). Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. svaka linearna z jednadˇba ide u svoj redak).ˇ ˇ 3. Sloˇimo li ih u (r ×s) matricu. xn ]T nepoznata matrica. dobijemo podmatricu z 3 4 0 3 matrice A.5 Podmatrice i blok matrice Neka je A ∈ Mmn .. 4. 3..♠ Ako su izabrani redci i stupci uzastopni. b = [b1 . 1 0 3 0  Neka je r = s = 2. c .6 Neka je  2 3 4 1   A =  −1 2 1 3  . Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3.3. Izaberimo dva redka. 3. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. dobivamo podmatricu z matrice A.. 3.1. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. Primjer 3. 0.. prvi i tre´i. bm ]T poznata matrica desnih strana i z x = [x1 .. i dva stupca npr. .6. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. takvu podmatricu zovemo blok. npr.

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

b. tj. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn .8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.ˇ ˇ 3. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 .4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. dakle ne postoji izbor brojeva a. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. c. c 2.6 Regularne matrice. tj.1. U toˇki 3. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. neka je dana matrica c 0 1 1 0 . Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. U skupu R vrijedi: ako je a · b = 0. OSNOVE MATRICNOG RACUNA 93 3. Npr.1. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. 1. Npr. c Napomena 3. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 .1. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. Teorema 3. postoji broj koji pomnoˇen s a daje 1. onda je barem jedan od a ili b jednak nuli. c c c Iz svojstva 5.

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

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

5 izravno slijedi da je r(A) = r(AT ).11 Neka su − . . onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). − ∈ Rm ... a1 an .7 Rang matrice.. tj.. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. . MATRICE I LINEARNI SUSTAVI 3....5) i neka je L neki podskup od V .. − ) = {λ1 − + . a1 an → → i izravno iz Definicije 3. matrice iz Mm1 . .. iz Definicije 1.6 znamo da stupce. → → Definicija 3. i 3. . 2. Definicija 3..1. moˇemo promatrati kao vektore u vektorskom prostoru Rm . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. λn ∈ R}.. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. − ). skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). matrice iz M1n . Definicija 3. Iskaˇimo sada jedan bitan rezultat.....96 POGLAVLJE 3. Podprostor razapet vektorima a1 an − .. Oznaˇavamo ga → → → → a1 an a1 an c − .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.5). moˇemo promatrati kao vektore u R . →) ⊆ Rm . − je skup svih linearnih kombinacija vektora − . Elementarne transformacije Neka je A = [aij ] ∈ Mmn . Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. → → s L( a1 an → → → → an a1 L(− .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . Sliˇno. + λn − : λ1 ... a1 an Napomena 3. .♣ Kako je po Teoremu 3.10 Neka je V vektorski prostor (Definicija 1. − ) podprostor od Rm . z Teorem 3. vrijede svojstva 1..11 Oˇito je da je c − − L(→. . linearne zavisnosti/nezavisnosti. − .. Iz Napomene 3. .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A..... .. njene z c n redke.10 slijedi da je L(− ...

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

8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . tj. . m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). 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. MATRICE I LINEARNI SUSTAVI 3. iz Teorema 3.6 s     B=    1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 2 5 8 0 0 3 6 9 0 0 4 7 0 0 0     . ima nule. na pozicijama a11 .. Nadalje.5 imamo da je r(B) = 3.98 POGLAVLJE 3. Pitanje je. Dakle.. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice.♠ Iz Primjera 3.. k. Zamjena dvaju redaka (stupaca). na aij za i < j. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. c c r(In ) = n) i matrice koja izgleda kao i matrica B. Primjer 3. . j = 2. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 .  . jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1.9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . na aij za j < i ima nule. Dakle. . z 3..    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. Neka je dana B ∈ M5..... Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. akk za k ≤ min(m. na aij za i = k + 1. 2. n) ima jedinice.

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

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

Ako sustav nema rjeˇenja... Ako je barem z jedan bi = 0.2. ... n.. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan.... c c Napomena 3.3.. am1 x1 + am2 x2 + . . LINEARNI SUSTAVI 101 3... Npr. Za sustav kaˇemo da je homogen ako je b1 = . + a2n xn = b2 .. uredena ˇetvorka (1. ... j = 1. m vrijedi ai1 = ..... . 2.. = xn = 0 daje rjeˇenje c svakog homogenog sustava. + amn xn = bm . Uredena n-torka (c1 .. s .. i = 1. = ain = 0. ....2 3.. sustav je nemogu´. xn s z koeficijentima aij . = bm = 0. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. s i = 1. . Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. a bi = 0.. . s Ako je (c1 . 0.. . jer x1 = . −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja. .. m.... Homogeni sustav je uvijek mogu´. Takvo rjeˇenje zovemo trivijalno. c2 .. s s z s 3. . Definicija 3. c2 . . . imamo netrivijalno rjeˇenje.1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 .. . c s z proturjeˇan ili nemogu´... m. kaˇemo da je nekonzistentan...14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto..18 Primijetimo: 1.2. + a1n xn = b1 a21 x1 + a22 x2 + .xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. bm : c a11 x1 + a12 x2 + .... i = 1. s z suglasan ili mogu´. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 . n i slobodnim ˇlanovima b1 . c s 2.. . Ako za neki i = 1... sustav je nehomogen.

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

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

.6). Ako je n = m. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3. s − → → II. ♣ − → − Napomena 3. → → − III. MATRICE I LINEARNI SUSTAVI Teorem 3. jer je A(A b ) = b . To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3.8 homogeni sustav je uvijek c rjeˇiv. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj.. A je regularna.. Dakle stupci od A su linearno x x nezavisni.. neka je m = n i sustav A− = b ima jedinstveno 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. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b . → je A regularna. = λn = 0 a a a c (tj. + a − → → → → λn − n = 0 (− 1 . sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. tj.... Neka su sada λ1 . onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. Ho´emo pokazati da je λ1 = . λn ∈ R takvi da je λ1 →1 + . . tj. . mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b .. s c s → − → → − → − → Ako je A− = b . s x → → − → Obrnuto. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. Iz Napomene 3. po Teoremu 3.18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. → − x 0 → → − Napomena 3. da su stupci od A linearno nezavisni. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. − n su vektor stupci od A).. bilo kojih r z linearno nezavisnih redaka u A. = λn = 0. λ = 0 ..6 imamo da je r(A) = n). tj. Iz − → → − b = (λ1 + x1 )− 1 + ... odnosno λ1 = .104 POGLAVLJE 3.) Ako je n = m i A regularna. dakle ima bar jedno rjeˇenje. tj. Dokaz: .. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b ..8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). pa je sustav konzistentan. Ako je r = r(A) = r(Ab ).21 Ako sustav A− = b ima dva rjeˇenja. onda ih ima beskonaˇno x s c mnogo.

1 i Teorema 1.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 .3 Homogeni sustavi → Iz Napomene 3.8 i Napomene 3. c Svojstva iz Teorema 1.3.2.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . c Napomena 3. → ∈ N (A) vrijedi i → − u v − + → ∈ N (A) → − u v → i takoder za proizvoljne − ∈ N (A) i λ ∈ R vrijedi i u → λ− ∈ N (A). A− = b i A− = b . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. c 3. dakle dokaˇimo da za proizvoljne c z − . tj. x x − → Oˇito je 0 ∈ N (A). Treba provjeriti da N (A) ima svojstva iz Definicije 1.2. u v u v − → dakle → + − ∈ N (A). Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . Dokaz: Oˇito je N (A) ⊆ Rn . c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. gdje je λ ∈ R proizvoljan. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . tj.5. Tada je. u u Dakle je N (A) vektorski podprostor od Rn .2 su oˇito zadovoljena.♣ s c z s x → Iz Teorema 3.22 N (A) je podprostor od Rn .♣ .

♣ Napomena 3. tj. ut rjeˇenja homogenog sustava c s − = − .9. gdje je − ∈ N (A). ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. 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)).23 Primijetimo: → 1. onda je i njihova linearna kombinacija rjeˇenje tog sustava. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje..9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). Kako je iz Teorema 3. Tvrdnja Teorema 3. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna.22 zakljuˇujemo da ako su u1 . onda po Teoremu 3. Tvrdnja Teorema 3. iz jedinstvenosti zakljuˇujemo da je − = 0 . Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). s x → − → → Obrnuto.. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . Po Teoremu 3. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. rjeˇenje je x s u s jedinstveno.9 II. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 .9 I. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. prema Teoremu 3.9 I. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . z s . → → → → Ax a y y 2. N (A) = { 0 }..) − → → − → − Ako je matrica A sustava A− = b regularna. Onda.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . svako rjeˇenje je oblika − 0 + 0 . → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A.8 je matrica A regularna. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . . tj. s Dokaz: (Dokazujemo samo tvrdnju II.106 POGLAVLJE 3. → → → → u u y y − → → II. Teorem 3.

. Iz Teorema 3. .. . . m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . − a1n xn . Ako su rangovi jednaki (r(A) = r(Ab ) = r).. + arn xn = br . ... kao βi (c) = bi − air+1 cr+1 − . ar1 x1 + .. pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. pri ˇemu su cr+1 .2. + arr xr = br − arr+1 xr+1 − .. + a1n xn = b1 .. prebacimo ˇlanove s nepoznanicama xr+1 . xn na desnu stranu i doc bijemo: a11 x1 + . elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. imamo sustav − → − x A0 →0 = β (c). − arn xn . Kako je r(A0 ) = r... LINEARNI SUSTAVI 107 3. ... ar1 x1 + .. + a1r xr = b1 − a1r+1 xr+1 − . c Dakle. + arr xr + arr+1 xr+1 + . − ain cn za i = 1. − → Prvo treba odrediti rangove matrica A i Ab . .3... cn proizvoljni realni parametri. Nadalje..2.8 II. .. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj.. uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. + a1r xr + a1r+1 xr+1 + . .8).. .. r.4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica.... iz Teorema 3. . − → Uvedimo novi vektor desnih strana β (c)..6 imamo da je A0 regularna.. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.... . . Ako oni nisu jednaki.

cn su slobodni prametri. → x → → Dakle. .. c .. − u u u pri ˇemu su µr+1 .8 II. cn ]T je rjeˇenje sustava A− = c s x − → b.... . − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .. .. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 .. cr ]T ). tj. + µn − n . a broj dimN (A) defekt od A.24 Tvrdnja Teorema 3. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + ... + µn − n .. dimR(A) + dimN (A) = n. − = [c1 .11 Ako je (− r+1 . Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica..1.. cr koji su dani s A−1 β (c) = [c1 .. . ..... iz Teorema 3. . .2.... cr .. cr+1 . dok brojevi c1 .. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A).. . − n ) baza s x u u u − → − = b oblika → od N (A).. .♣ Iz Teorema 3.♣ c Napomena 3..10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. Broj dimR(A) smo zvali rang od A.. cr ]T . − − → u u u pri ˇemu su µr+1 .. Kako je (− r+1 .. → → Teorem 3.. µn proizvoljni parametri.108 koje je oblika POGLAVLJE 3. . µn proizvoljni parametri.. .. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ..10 I. cn postoje → − jedinstveni c1 ..7 odnosno toˇki 3. 0 U toˇki 3..9.. Teorem 3. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A).. .. → → − II.3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.11 izravno slijedi iz Teorema 3. MATRICE I LINEARNI SUSTAVI − 0 = [c1 . Brojevi cr+1 ... i obratno. r(A) = dimR(A) = n.

2. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. na aij za i < j.... b p . .. . Radimo li to elementarnim transformacijama samo nad redcima.2. tj. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. a ostale pozicije su ”nebitne”).. 3. . Q1 · Q2 · · · Qq · b ] = [A . . na aij za j < i ima nule. akk za k ≤ min(m.. j = 2. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. − → mi smo zapravo matricu [A.3. b ] (gdje je matrica A takva da na pozicijama a11 . Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . imamo postupak Gaussovih eliminacija.. b ]. b ] mnoˇili s lijeva elementarnim matricama Q1 ... lagano moˇemo oˇitati rjeˇenje). n) ima jedinice. sloˇenost mu je c z 3 ∼ n (tj. A −→ det A. m ima nule. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj... posebno dizajnirane. uz male modifikacije je numeriˇki stabilan. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp )..5 Determinanta. z Za neke se posebne matrice druge. tj. Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. Ovaj se postupak moˇe primiz jeniti na sve matrice.1. . s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. ... za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). metode mogu pokazati brˇima (manja im je sloˇenost). na aij za i = k + 1.6. ima nule. b ] dobili matricu [A . Qq . k.. 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 .

Determinanta matrice reda n > 3 se definira induktivno... Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. k = 1. n. .. Za A ∈ Mn ..110 POGLAVLJE 3.6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . Tada za A ∈ M1 oblika A = [a] definiramo det A = a. n > 3. matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. . Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . odnosno n det A = k=1 (−1)k−1 a1k det A1k . + (−1)n−1 a1n det A1n . Napomena 3. oznaˇimo s A1k .. c1 c2 a1 a2 b1 b2 . 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 . u stvari skup R). Tada se det A definira sa det A = a11 det A11 − a12 det A12 + .25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . MATRICE I LINEARNI SUSTAVI U toˇki 1.

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

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

26 Ako je A ∈ Mn regularna. 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. Dakle oˇito je det A = 0. B ∈ Mn vrijedi det(AB) = det A · det B. ♣ Iz Teorema 3. ♣ U Teoremu 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. Teorem 3. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. ai+1. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .3. ♣ .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.12 Za proizvoljne matrice A. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. Ako to nije mogu´e.2. tj.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik . vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.♣ Teorem 3. Teorem 3. Dokaz: Iz Teorema 3.i+1 (naravno.i+1 = 0). itd. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . Radimo sve analogno sve do zadnjeg elementa na dijagonali. Teorem 3.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . LINEARNI SUSTAVI 113 ispod njega. z Teorem 3. onda je det A = 0. ♣ Napomena 3.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT .

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

Ako je matrica A regularna. A je regularna ako i samo ako je det A = 0. . . n. .3.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn ..17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . 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. µ ∈ R i sve − .26 i Napomene 3. Rjeˇenje je dano s − = A−1 b ..1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. . Ako je m = 1. → ∈ Rn . .3.3 3. a Dk . Takvu x x funkciju zovemo linearni operator. D x2 = D2 Dn . onda takav linearni x y operator zovemo linearnim funkcionalom. onda je rjeˇenje z s tog sustava dano s x1 = D1 . 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 .. Stoviˇe. − → → Iz Teorema 3. Rm = R. µ ∈ R i sve − . D D pri ˇemu je D = det A. k = 1. xn = . Definicija 3.♣ a 3. → x Teorem 3. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. .3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. za sve λ. → ∈ Rn .

♣ . Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). Iz Definicije 3. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. µ ∈ R i sve →. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. tvrdnja slijedi. x x Napomena 3. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. 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.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. dakle zadovoljavaju tre´e svojstvo Definic cije 1. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Dokaˇimo da je i F + G linearni z operator. tj. − ∈ Rn .16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . Dokaˇimo da vrijede i prva dva. − ∈ Rn . 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.2. MATRICE I LINEARNI SUSTAVI Napomena 3.5.116 POGLAVLJE 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 (− ). µ ∈ R i sve →.5.1 i Teorema 1.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.

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

y).♠ c 3.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. y. z) = x. vrijedi dimN (F ) + dimR(F ) = n. F ∈ Mn ). Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . tj. a defekt jedan. Kako su F i F ustvari isti linearni oper− → − → atori.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Njegova je matrica dana s 1 0 0 0 1 0 .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. Tada je po Teoremu 3. Oˇito je rang od p1 jednak jedan (jer je slika x-os). Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F .32 i Teorema 3. Napomena 3.3. Sada nas zanima kada su ti vektori kolinearni. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Iz Napomene 3. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. c 2. odnosno dimN (F ) = dimN (F ). a defekt dva. Njegova je matrica dana s 1 0 0 . Primjer 3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. y.10 Pogledajmo sljede´e primjere: c 1. MATRICE I LINEARNI SUSTAVI Napomena 3. − → → → Nadalje. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. z) = (x. tj.118 POGLAVLJE 3. c H =GF .3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Neka je F : Rn −→ Rm proizvoljan linearni operator. z .2. iz toˇke 3.10 izravno slijedi teorem o rangu i defektu za linearni operator. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Operator F vektoru iz Rn pridruˇuje vektor iz Rn .

vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . − ∈ S(λ0 ). x y x y x y . ♣ Napomena 3.5. neka je µ ∈ R µ = 0 proizvoljan. Nadalje. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. x x x x → Dakle za svaki µ ∈ R.3. Izravno iz Definicije 3. tj.17. µ = 0. x x → → Vektor − 0 ∈ Rn .1 i Teorema 1. c x y tj. Napomena 3. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. 2.33 Primijetimo: → 1. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). Dokaz: Oˇito je S(λ0 ) podskup od Rn . → → Svojstva iz Teorema 1. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora.17 Neka je A ∈ Mn . Nadalje neka su − .34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . 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 . A− 0 = x x − 0 . tj.3.2 oˇito zadovoljava. → → 2. y y → → Dokaˇimo da je − + − ∈ S(λ0 ). da c z s zadovoljava uvjete Definicije 1. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . Dokaz: 1.

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 ). x ˇ Stoviˇe. − 0 = 0 . x y → → Dokaˇimo joˇ da je za proizvoljni − ∈ S(λ0 ) i proizvoljni µ ∈ R µ− ∈ S(λ0 ). . MATRICE I LINEARNI SUSTAVI − → pa je → + − ∈ S(λ0 ). 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 . Imamo z s x x → → → A(µ− ) = µλ0 − = λ0 (µ− ). x − → − → Dakle.♣ x Neka je A ∈ Mn i λ0 svojstvena vrijednost od A. →0 = 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 . ako i samo ako vrijedi − → → (A − λ0 In )− 0 = 0 . Dakle ´e λ ∈ R biti svojstvena vrijednost matrice A ∈ Mn ako i samo ako je c det(A − λIn ) = 0. Dakle imamo tvrdnju. zakljuˇujemo da je →0 ∈ Rn . x x tj. x x svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 ako i samo ako je → → A − 0 = λ0 − 0 .120 POGLAVLJE 3. Po Teoremu 3. Tada skup S(λ0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti λ0 . ˇto c s s je ekvivalentno s uvjetom det(A − λIn ) = 0.8 homogeni sustav s x → → − (A − λIn )− = 0 x ´e imati netrivijalno rjeˇenje ako i samo ako je matrica A − λIn singularna. onda je →0 ∈ Rn .

.3. u oznaci KA (λ). PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ]. Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta. funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ. Nadalje.11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R. ako i samo ako je KA (λ0 ) = 0. Taj polinom. Odatle je a1 = (−1)n−1 a11 + . + an . Dakle. s Izraˇunajmo svojstvene vrijednosti od A. zovemo svojstveni ili karakteristiˇni polinom c matrice A. Dakle. Ako stavimo λ = 0 dobijemo KA (0) = an = det A. + (−1)n−1 ann . λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A. koeficijent a1 iz KA (λ) je oˇito koeficijent uz λn−1 u sumandu oblika c (a11 − λ) · · · (ann − λ) kojeg dobijemo u razvoju determinante. Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1. Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A. tj. a1 = (−1)n−1 trA. Primjer 3.3.. tj. ϕ = kπ k ∈ Z. Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + .. .. gdje su bij = aij za i = j i bij = aij − λ za i = j.

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

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

Sada. ako je λ0 svojstvena vrijednost od A ∈ Mn .. ♣ Teorem 3. λn od KA (λ) pojavljuje barem jednom. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . tj. iz osnovnog teorema algebre (Teorem 5. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. ona se u nizu c nultoˇaka λ1 .. c c Teorem 3. λn . c Kako je KA (λ) polinom n-tog stupnja.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. .21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0... dijagonalna. nultoˇka od KA (λ). MATRICE I LINEARNI SUSTAVI Iz Primjera 3. c Napomena 3.12 vidimo da ne moˇemo svaku matricu dijagonalizirati.34 znamo da je skup S(λ0 ) potprostor od Rn .♣ Napomena 3. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.. A je regularna. Ipak. .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.. Tada iz Napomene 3. ..23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . 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. λ−1 . a odgovaraju´i se svojstveni vektori podudaraju... . tj.. λn . . medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ).5) znamo da z z KA (λ) ima n nultoˇaka λ1 . Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. Ako je A joˇ simetriˇna onda iz Teorema 3. Obratno.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 ... Dakle 0 nije svojstvena vrijednost. λn od KA (λ) zovemo algebarska kratnost od λ0 . c Teorem 3. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 ..♣ c . s Teorem 3...124 POGLAVLJE 3.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.21 Neka je A ∈ Mn simetriˇna.

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

Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. lim (an ± bn ) = lim an ± lim bn . niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. konvergira li.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno.3 Neka je (an ) niz s pozitivnim ˇlanovima. lim (can ) = c lim an . onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . proizvoljan i an ≥ 0 za svaki n ∈ N. c Teorem 4. ako je bn = 0 i n−→∞ lim bn = 0. r = 0.5 Neka je (an ) konvergentan niz. Tada c an −→ 0 ⇔ 1 −→ ∞. NIZOVI I REDOVI 4.4 Neka su (an ) i (bn ) konvergentni nizovi. Tada vrijedi: 1. te c ∈ R proizvoljan. Ako je r ∈ R. ako ne i nemogu´e. i ako da. c s c c c tj.132 POGLAVLJE 4. n−→∞ n−→∞ n−→∞ 2. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. c c c Npr. n−→∞ n−→∞ 3.1. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). . prema kojoj vrijednosti. onda je lim an an = n−→∞ .♣ an Teorem 4. n−→∞ n−→∞ n−→∞ 4.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. lim (an bn ) = lim an lim bn .

pa prema prethodnom niz n n −→ 0.4 dovoljno je promatrati niz s a1 = 1. NIZOVI REALNIH BROJEVA 133 Teorem 4.. c Napomena 4. q 2 . 1 |q n | Neka je sada |q| > 1. q.3 imamo |q | −→ ∞. pa je lim an = 0. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. c c c Prema Teoremu 4. no ne c s znamo koliko je i kako to na´i. Dakle imamo samo c c s z s jedno gomiliˇte. log |q| Dakle svi ˇlanovi niza 1. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. dakle divergentan. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. Kako je (an ) monoton. odrediti. Imamo log ε n> . q. po Teoremu 4.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . jer je log |q| < 0. dakle ili q −→ ∞. izraˇunati. G > G .♣ Teorem 4. ako s z s s (an ) ima barem dva gomiliˇta G i G .5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. Tada je n 1 |q| < 1. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. To je ekvivalentno s |q| < ε. ili u ˇirem smislu. . dakle divergira ili u uˇem. n−→∞ Dokaz: Iz toˇke 4. c Dokaz: Neka je (an ) monoton i ograniˇen. Onda je po Napomeni 4. niz (an ) s konvergentan. Sada. Tj.2 niz (an ) ima barem jedno c gomiliˇte. q 2 .. niz 1. q 3 . U suprotnom. Tada po Teoremu 4. (an ) raste. . tj. Teorem 4.. ε). Logaritmiranjem se dobije n log |q| < log ε. q 3 .1. Za |q| < 1 je lim an = 0.♣ c z s Napomena 4.1. tj.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . vrijedi lim inf an = lim sup an ∈ R.. Pogledajmo prvo sluˇaj |q| < 1. ˇto ne moˇe biti jer je G gomiliˇte. ograniˇen niz je konvergentan.6 Monoton. za svaki n ∈ N. c c .6 je tipiˇni teorem egzistencije.4. on moˇe imati najviˇe jedno gomiliˇte. i ako npr. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. tj..7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.4. znamo da neˇto postoji.

Tada n! vrijedi lim an = 0. gdje je λ > 0. NIZOVI I REDOVI Teorem 4.134 POGLAVLJE 4. Neka je niz (an ) dan formulom an = n λ.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. 1 n . Neka je niz (an ) dan formulom an = n n.♣ Teorem 4. Tada vrijedi lim an = 1. Tada vrijedi n−→∞ lim an = 1.7 je najop´enitiji. ∀r ∈ N). . 2. Tada vrijedi ∞. n 6. n−→∞   0. ako je λ < 0 √ 5. ako je λ = 0. 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. gdje je λ ∈ R proizvoljan. teˇe k nuli. Tada vrijedi   ∞. λ = 1. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza.1. tj. gdje je λ ∈ R proizvoljan. proizvoljan. gdje je λ > 0 proizvoljan. n−→∞ n−→∞ n 4. Neka je niz (an ) dan formulom an = λn . Neka je niz (an ) dan formulom an = |λ| . Neka je niz (an ) dan formulom an = nλ . ako je 0 < λ < 1. c z 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. √ 3. ako je λ > 1 lim an = n−→∞ 0. ako je λ > 0  lim an = 1. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e.

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

NIZOVI I REDOVI n divergira jer za svaki n ∈ N je Sn = 1 + 2 + . Red 1 n divergira jer se moˇe pokazati da za svaki n ∈ N vrijedi z S2n > n + 1.. imamo da red 1 n(n+1) konvergira i suma mu je jednaka ∞ n=1 1 = 1. + n = odnosno n−→∞ n(n + 1) . 2n . n(n + 1) n n+1 Dakle imamo Sn = 1 − za svaki n ∈ N.. Red 1 2n konvergira jer za svaki n ∈ N i svaki x ∈ R vrijedi (1 + x + x2 + . Red POGLAVLJE 4. Red 1 n! konvergira i suma mu je ∞ n=1 1 = e − 1. n! 4.136 1. za x = 1 2 imamo Sn = 1− 1 2n+1 1 2 −1=1− 1 .. + xn )(1 − x) = 1 − xn+1 . 2 lim Sn = ∞. 2. Red 1 n(n+1) konvergira jer za svaki n ∈ N vrijedi 1 1 1 = − .. Kako je n−→∞ 1 . n+1 lim Sn = 1. n(n + 1) 5. Dakle. 2 3.

♣ c Uoˇimo da iz Primjera 4. kaˇemo da red z an konvergira uvjetno.♠ 2n n−→∞ ∞ Napomena 4. Dakle je red Teorem 4. Definicija 4. tj.9 op´enito ne vrijedi.8 Ako red apsolutno konvergira. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .2. Primjer 4. Nadalje. an . tj.♠ dok red 1 n divergira (Primjer 4.8 znamo da red = divergira i da je lim n n−→∞ n 0. REDOVI REALNIH BROJEVA za svaki n ∈ N.4.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. onda op´enito red c c c an ne mora konvergirati. c .9 ne slijedi obrat Teorema 4. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. a red |an | ne konvergira. S = lim Sn = n−→∞ n=1 an .10 Red an apsolutno konvergira ako konvergira red |an |. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.8.10 Iz Primjera 4. oˇito vrijedi c Sn+1 = Sn + an+1 .9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. c c ako op´i ˇlan niza (an ) konvergira u nulu.♣ 1 1 Napomena 4.8). n−→∞ odnosno n−→∞ lim an+1 = 0. Ako red an konvergira. n 1 (−1)n−1 n uvjetno konvergentan. onda on konvergira i obiˇno.

da geometrijski red a1 q konvergira i da je |q| ≥ 1. a to divergira za svaki a1 = 0.. onda je oˇito an = a1 . + a1 q n . c Ako je q = −1. tj. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + .2. imamo Sn − qSn = a1 (1 − q n ). Pogledajmo n-tu parcijalnu sumu.. = a1 q n−1 . pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. vrijedi Sn = a1 za svaki n ∈ N. zovemo geometrijski red s kvocijentom q. a1 q n−1 = 1−q n=1 Obrnuto. Nadalje... Ako je q = 1. Iz Teorema 4.138 POGLAVLJE 4. + a1 q n−1 . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 .. Nadalje kako je c n−→∞ lim an = 0 . q ∈ R proizvoljni. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. gdje su a1 .. Pretpostavimo suprotno. tj. onda je oˇito an = a1 (−1)n−1 .9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. Sn = a1 + a1 q + a1 q 2 + . pa je Sn = na1 .2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + .5 imamo da je lim Sn = a1 lim a1 1 − qn = . n−→∞ 1 − q 1−q 1 − qn . 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. Teorem 4. c Pretpostavimo da je a1 = 0 i |q| < 1. tj. NIZOVI I REDOVI 4.

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.♣

. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . 1 2. . NIZOVI I REDOVI Neka je (an ) proizvoljan niz. Neka je an = n! . an0 +2 ≤ λan0 +1 ≤ λ2 an0 .18 Neka je 0 < λ < 1. an za svaki n ≥ n0 . i n0 ∈ N takav da je an+1 ≤ λ. Dokaz: Neka su λ ∈ R.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1.146 POGLAVLJE 4.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. onda red an konvergira. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. za svaki m ∈ N. an0 +3 ≤ λan0 +2 ≤ λ3 an0 .♣ Primjer 4. an za svaki n ≥ n0 . zovemo red potencija.3. Ako red n an x0 divergira. za svaki n ∈ N. i suma mu je 1−x ..17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. c Teorem 4. Tada iz Teorema 4.. .13 1. . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. . onda konTeorem 4. Neka je an = 1. an0 +m ≤ λm an0 . za svaki n ∈ N. Ako postoji λ ∈ R. Oˇito je za x = 0 svaki red potencija konvergentan. Dakle.♠ 1 xn−1 (n−1)! 4. Dakle imamo an0 +1 ≤ λan0 . Red oblika an xn . red an0 + an0 +1 + . 0 < λ < 1. gdje je x ∈ R proizvoljan.

konvergira. onda red an ≤ λ. 4.14 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. Ako postoji λ ∈ R.8 znamo da on konvergira. n2 Tada iz Primjera 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1.3 Cauchyev kriterij Teorem 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. ali vrijedi 1 . Neka je dan red divergira.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. 1 n+1 lim n−→∞ 1 n 2. n−→∞ an lim onda red an konvergira za l < 1.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. an konvergira..17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .♣ Napomena 4. imamo da red c an konvergira.4. Neka je dan red vrijedi 1 .♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. Sada iz Napomene 4. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. divergira za l > 1. c 0 < λ < 1.3.16 imamo da i red an0 + an0 +1 + .9 konvergira.19 Neka je an red s pozitivnim ˇlanovima. n Tada iz Primjera 4..8 znamo da on = 1.♣ . Ako postoji limes c an+1 = l. c Primjer 4.3.

z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).20 Neka je an xn red potencija. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.148 POGLAVLJE 4.14 za red odnosno red n znamo da divergira odnosno konvergira. (an ) niz u R i x ∈ R prozvoljan.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.15 Analogno kao i u Primjeru 4. a iz toˇke 4. tj. Ako postoji lim sup n |an | i lim sup n |an | = 0.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.♠ c s Cauchyev kriterij je jaˇi. a ne moˇemo niˇta z s zakljuˇiti za l = 1.20 zovemo radijus konvergencije reda potencija a n xn . c Teorem 4.1. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. c 1 Primjer 4. onda red an konvergira za l < 1. a divergira za sve x ∈ R za koje je |x| > ρ. Ako postoji limes c n−→∞ lim √ n an = l. divergira za l > 1. NIZOVI I REDOVI Napomena 4.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. .

Ako je x = 1 onda. dok za x = 1 red n 1 divergira. a divergira za |x| > ρ (ako lim sup n |an | postoji). itd. n Tada je 1 = lim n−→∞ n n 1 = 1. Iz n2 n2 1 Teorema 4. a divergira za |x| > 1.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.8 imamo da konvergira i red (−1)n .3. Teorem 4. ali smo u Primjeru 4. n2 Tada je n 1 = lim n−→∞ n2 1 = 1.). c sin n. (−1)n . to nije problem c c (jer konvergencija reda ovisi o ostatku reda). konvergira za Pogledajmo sada ako je |x| = 1. Ako je x = −1. a divergira za |x| > 1. Neka je dan red potencija lim sup n 1 n x .16 1. konvergira za Pogledajmo sada ako je |x| = 1. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. n 1 n x n dakle je ρ = 1. onda iz Primjera 4.♠ n2 Teoremu 4. Po Teoremu 4.20 red potencija |x| < 1. Tada imamo sljede´i kriterij (Leibnic c zov): . n2 1 n x n2 dakle je ρ = 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.20 red potencija |x| < 1.4.9 1 znamo da red (−1)n konvergira i suma mu je ln 2.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. n 2. dakle i apsolutno konvergira red (−1)n .8 znamo 1 1 da red konvergira.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. Neka je dan red potencija lim sup n 149 1 n x . Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku.3. iz Primjera 4. KRITERIJI KONVERGENCIJE Primjer 4. tg n. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. Po Teoremu 4. 4. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1.

Nadalje. NIZOVI I REDOVI an alternira. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N.21 Ako red POGLAVLJE 4. Nadalje. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. tj.. Kako smo pretpostavili da je a2n−1 pozitivan. onda je podniz od Sn indeksiran parnim indeksima rastu´i. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + . tj. s c |Rn | = |S − Sn | ≤ |an+1 |. a a2n negativan za svaki n ∈ N. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |.150 Teorem 4.♣ c . onaj indeksiran c neparnim indeksima je padaju´i. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . koji je suma reda jer je S2n ≤ S ≤ S2n−1 . a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. i istog je predznaka kao taj ˇlan.. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . c c ako je a1 ≥ 0.6 slijedi da su nizovi konvergentni. za svaki n ∈ N. Kako je po pretpostavci a2n+1 ≥ 0. iz Teorema 4. S2n+2 = S2n + a2n+1 + a2n+2 . onda imamo obratnu c c c situaciju. onda taj red konvergira.. S2n je omeden s a1 . imamo a2n+1 + a2n+2 ≥ 0. Zaista. tj. Ako red poˇinje pozitivnim ˇlanom. vrijedi S2n = a1 − (−a2 − a3 ) − . ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. + (−a2n−2 − a2n−1 ) − a2n ]. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. te kako vrijedi |an | ≥ |an+1 |. dakle je S2n+2 ≥ S2n za svaki n ∈ N. imamo da je S2n razlika od a1 i strogo pozitivnog broja. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. Ako red poˇinje negativnim ˇlanom..

3.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira. KRITERIJI KONVERGENCIJE Primjer 4.4.17 Iz Teorema 4.♠ s .

.

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

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

preglednost. a mana je da ne znamo vrijednosti funkcije izvan c podruˇja podataka tablice i izmedu vrijednosti u kojima je poznata funkcija. s c . Kljuˇno je imati dobru ideju o mogu´oj klasi funkcija kojoj naˇa funkcija c c s pripada. OSNOVNI POJMOVI 155 5.1.Prelazak iz tabliˇnog oblika u grafiˇki je lagan. s .2 Naˇini zadavanja funkcije c Imamo tri osnovna naˇina zadavanja funkcije tj. .Problem da se na osnovi tabliˇnih vrijednosti funkcije dobije formula funkcije c je vrlo netrivijalan. vrlo je netrivijalan problem. do na toˇnost oˇitavanja. aproksimacije. tj.Prednost tabliˇnog zadavanja ili opisivanja funkcije je da je ponekad to c jedini naˇin zadavanja.Ako imamo grafiˇki opisanu funkciju.Prijelaz iz grafiˇkog oblika u tabliˇni je lagan. z Dakako. opisivanja funkcijske ovisnosti: c tabliˇno. Koriste se metode interpolacije.1. . onda su prednosti zornost. prelaˇenje iz jednog oblika u drugi je mogu´e.Problem pronalaˇenja formule funkcije na osnovi poznavanja njenog grafa z je sliˇan problemu pronalaˇenja formule funkcije pri poznavanju tabliˇnih c z c vrijednosti. ali u nekim sluˇajevima z c c to je vrlo teˇko. dok je mana netrivijalnost dolaˇenja do tih informacija. c .5. c c c c .Za fukciju zadanu formulom prednost je da znamo sve o funkciji. Dakako. svaki od tih naˇina c c c c ima svoje prednosti i mane. grafiˇki i formulom (analitiˇkim izrazom). komc paktnost. naravno ako imamo dovoljan c c broj tabliˇnih vrijednosti. c . c c .Naravno. ako znamo formulu funkcije. itd. Prvo treba iz oblika grafa pogoditi u koju skupinu spada ta funkcija. onda je naˇelno trivijalno dobivanje tablice vrijednosti iste funkcije. . dok su mane netoˇnost oˇitavanja i nemogu´nost c c c koriˇtenja vrijednosti izvan crtanog podruˇja. a nakon toga odrediti njene numeriˇke parametre.

prikaˇemo u koordinatnom sustavu. .3 Graf funkcije Funkcije se zorno prikazuju grafovima. f (x)). projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. U nastavku ´emo se baviti ovim problec mom. tj.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. FUNKCIJE . graf funkcije f dobijemo z c c kad sve parove oblika (x. 5.1: Koordinate toˇaka na grafu funkcije. z Definicija 5. c Napomena 5. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. projekcija grafa na y-os je slika od f ). y) za koje je y = c z c f (x).156 POGLAVLJE 5. x ∈ D(f )} ⊂ R2 . c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. Drugim rijeˇima.Na kraju. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . f (x)). graf funkcije f sadrˇi sve toˇke ravnine (x. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f .1. x ∈ D(f ). no izvediv.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj.

a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.3: Primjer krivulje koja nije graf funkcije. z s Iz Napomene 5. . c y x0 0 x Slika 5. Npr.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.5. ˇto je suprotno s definicijom funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. Napomena 5.2: Graf funkcije f i njegove projekcije na koordinatne osi.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki. c kruˇnica u ravnini nije graf niti jedne funkcije.1.

Ti su pojmovi vezani c uz usporedbe vrijednosti. z c I ⊆ D(f ). bliskost argumenata i sliˇno. pa ovu toˇku ne smijemo pobrkati s c nultoˇkama. x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ).158 POGLAVLJE 5. ekstremne vrijednosti. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0. kaˇemo da je f (strogo) monotona na intervalu I. iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. kaˇemo da je funkcija f strogo raste. Nuliˇte je apscisa nultoˇke. f (x) = cos x. FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. tj. Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge. 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.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. ne mora biti nultoˇka funkcije c c (npr. Ako za takve dvije vrijednosti x1 . 0) ∈ Γ(f ). tj. kao ˇto smo rekli. Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. podruˇja vrijednosti i nultoˇaka. Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva. dakako. podruˇja gdje funkcija raste ili pada). ako postoje). tj. nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). c Osim podruˇja definicije. Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . f je (strogo) padaju´a s c ili (strogo) rastu´a na I). odnosno strogo pada na I. c z . s 5.4 Presjek grafa funkcije f s osi y (ako postoji) je (najviˇe jedna) s toˇka s apscisom 0 i ordinatom f (0). toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. Gledamo li graf funkcije f .1. za x = 0 je f (0) = 1). toˇke oblika (x0 . b ⊆ R sadrˇan u podruˇju definicije funkcije f . kaˇemo da funkcija f pada z z na I. s Dakle. x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ). c Neka je interval I = a. realne funkcije realne varijable). intervale z monotosti (tj. toˇke prekida i asimptotsko c c ponaˇanje. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. c s c Napomena 5. To.

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

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

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

Dakle imamo da vrijedi f (−x) = f (x) = −f (x). postoji i konaˇan je broj f (−1).4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna.5 -10 Slika 5. +∞ . za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0.5 -1 -3 -2-2.5: Primjer parne (lijevo) i neparne (desno) funkcije. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Primjer 5. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. tj.162 POGLAVLJE 5. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. tj. f (x) = 0 za svaki x ∈ R.5 1 2 3 -5 -7. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. neka c √ je funkcija f : [−1.5 5 2. Takav je rub c c regularna toˇka. Npr. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. tj.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. 1] −→ R dana formulom f (x) = 1 − x2 . jedan rub je konaˇan a drugi beskonaˇan). c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c .

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

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

funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. x = 0   −1 x < 0 Funkcija f ima prekid u 0. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − 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. Intuitivno. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. b −→ R neprekidna u x0 ∈ I ako z za proizvoljnu okolinu oko vrijednosti f (x0 ) postoji okolina oko x0 koja se cijela preslika u okolinu oko f (x0 ). dok je u svim drugim toˇkama neprekidna. Odnosno. x0 + δ ) ⊆ f (x0 ) − ε. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. Definirajmo sada pojam neprekidnosti funkcije. Primjer 5. z Definicija 5.1. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. Definicija 5. Tada za svaki δ > 0 i sve x ∈ R za koje je |x − 0| = |x| < δ 1 c vrijedi |f (x) − f (0)| = |f (x)| = 1 > 2 .5 Neka je dana funkcija sign : R −→ R formulom   1. c 1 Uzmimo ε = 2 .3 kaˇe da je funkcija f : I = a. x > 0  sign x = 0. pravac). b −→ R. c 165 Napomena 5. f (x0 ) + ε . Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Kad bi imala dvije asimptote u jednom rubu. .3 Realna funkcija realne varijable f : I = a.7 Ako funkcija ima asimptotu.5.

166 POGLAVLJE 5. Napomena 5. b −→ R neprekidna u toˇki c x0 ∈ I. funkcija je neprekidna u x0 .8 Ako u Definiciji 5. b −→ R. Analogo se dokaˇe za x0 < 0. gdje je I ⊆ D(f ). tj. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.10 Ako je funkcija 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. za svaki x ∈ I. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.4 stavimo M = max{|m|.♠ z Definicija 5. gdje je I ⊆ D(f ). Napomena 5. M ∈ R c takvi da je m ≤ f (x) ≤ M. je ograniˇena ili omedena na I ako postoje realni brojevi m.9 Iz Definicije 5.8: Funkcija sign(x). FUNKCIJE y 1 0 x −1 Slika 5. takav da je c |f (x)| ≤ M . Napomena 5. je ograniˇena na I ako postoji realan broj M ∈ R.4. onda je funkcija f ograniˇena na nekoj okolini oko x0 . M > 0. Ako je x0 > 0.4 Realna funkcija realne varijable f : I = a. tj. za svaki x ∈ I. b −→ R. iz uvjeta m ≤ f (x) ≤ M. c . za svaki x ∈ I.

tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali).zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). g(x) .1. g : R −→ R. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. c c 5. tj. pri ˇemu je x ∈ D(f ) ∩ D(g). dok je sama vrijednost funkcije f (0) = 0).produkt s (f g)(x) = f (x)g(x).5.1. tj. tj. OSNOVNI POJMOVI 167 Napomena 5. funkcija f : R −→ R dana c c formulom 1 .kvocijent s f g (x) = f (x) . x=0 x f (x) = 0. Npr. . c Za zadane dvije funkcije f.5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. c c S druge strane. onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima. x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. realnim brojevima. c D(f g) = D(f ) ∩ D(g). c D(f ± g) = D(f ) ∩ D(g). i z kako. pri ˇemu je x ∈ D(f ) ∩ D(g).5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. definiramo njihov . . funkcija sign : R −→ R iz Primjera 5.11 Ako funkcija ima prekid u toˇki.

Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. pa je D(f ± g) = D(f ). c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. Napomena 5. a g dana formulom g(x) = c.5). Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. 1. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). Dakle imamo definirano c c mnoˇenje funkcije skalarom. g : R −→ R. z c z Napomena 5.. x. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ).12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. a) Ako je c = 0. Npr. pri ˇemu je f proizvoljna. c c ∈ R. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. . 1.. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ).. dakle beskonaˇni skup {xn . Tj. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. Uoˇimo da je D(g) = R.168 POGLAVLJE 5. b) Ako je c > 0. n = 0. c Preciznije.12 Primijetimo da je za proizvoljnu funkciju f : R −→ R i proizvoljni λ ∈ R funkcija h : R −→ R dana formulom h(x) = λf (x) u stvari produkt funkcija f : R −→ R i g : R −→ R.. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. graf funkcije f + g je isti kao i graf funkcije f .3). c) Ako je c < 0. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. . c c Neka su f. Pogledajmo funkciju f + g u ovisnosti o c ∈ R.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R.. skup funkcija {1. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. tj. . x .

Graf funkcije f g je sliˇan grafu funkcije f . a) Ako je c = 0. onda je (f g)(x) = 0 za svaki x ∈ D(f ). tj. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5.10: Graf funkcije 2f (x). y 2 f(x) 0 f(x) x Slika 5. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. Pogledajmo funkciju f g u ovisnosti o c ∈ R. vrijedi |(f g)(x)| ≤ |f (x)|.1. Dakle.5. 2. Graf funkcije f g je pravac y = 0 ili x os. b) Ako je 0 < c < 1.9: Graf funkcije f (x) + c za c > 0. . samo je usporen pad i rast c funkcije f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija c c f .

Dakle. Dakle. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. g) Ako je c < −1. e) Ako je c = −1.170 POGLAVLJE 5. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). tj. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . onda je (f g)(x) = f (x) za svaki x ∈ D(f ). c d) Ako je c = 1. funkcija f g ima iste nultoˇke kao i funkcija f . y 0 f(x) x −f(x) Slika 5. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os.11: Graf funkcije −f (x). f) Ako je −1 < c < 0. tj. ali su suprotnog c . pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Dakle. ali su suprotnog predznaka. Graf funkcije f g je isti kao i graf funkcije f . dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. vrijedi |(f g)(x)| ≥ |f (x)|. funkcija f g ima iste nultoˇke kao i funkcija c c f . tj. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . vrijedi |(f g)(x)| ≥ |f (x)|. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta. FUNKCIJE c) Ako je c > 1. funkcija f g ima iste nultoˇke kao i funkcija f . vrijedi |(f g)(x)| ≤ |f (x)|. onda je (f g)(x) = −f (x) za svaki x ∈ D(f ).

g f g a) Ako je c = 0. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. tj. f). c g) i 3 b).14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). Zbroj dviju padaju´ih funkcija je padaju´a funkcija. c). funkcija g f je jednaka pravcu y = 0 na skupu D g f . . tj. Pogledajmo funkciju g f u ovisnosti o c ∈ R. onda je f (x) = f (x) za svaki x ∈ D f . Dakle. 3.5. OSNOVNI POJMOVI 171 predznaka. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. onda oˇito g funkcija f u njima nije definirana. 0 . Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5.1. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. Ako funkcija f ima nultoˇke. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. za f. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. tamo funkcija f pada. c c c Napomena 5. funkcija f u njima ima c c vertikalne asimptote. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. g g 1 b) Ako je c = 1. npr.4). gdje funkcija f raste. onda je f (x) = 0 za svaki x ∈ D . c c c Za ostale operacije ova tvrdnja ne vrijedi.1. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). c .

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. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. dok su funkcije f g i f obje neparne. neparna a f parna. Matematiˇki se to formalizira pojmom kompozicija funkcija. Ako je jedna funkcija. .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)). Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. onda je funkcija f ± g neparna. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1.1. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. c h f A B g C Slika 5. g : R −→ R funkcije. te funkcije f g i obje parne. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. Ako su obje neparne.4). za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). Definicija 5. f g i f g f g sve parne. 2. Neka su f. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. g 5. Primjer 5. Ako su obje parne.172 POGLAVLJE 5.12: Kompozicija funkcija. onda su funkcije f ± g. Tim se postupkom mogu stvarati nove z funkcije. recimo g. 3.

6 vidimo da operacija kompozicije funkcija nije komutativna. za tu funkciju vrijedi g ◦ f = f ◦ g = g. Napomena 5. OSNOVNI POJMOVI Primjer 5. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).♠ x+1 x+1 173 2x . Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. za svaku funkciju g : R −→ R. . jer je D(id ◦ f ) = D(f ◦ id) = D(f ). 1 . da je.5. tj. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . 3x + 1 3x + 1 2x 6x = .7 Neka je dana funkcija f (x) formulom f (x) = x . tj. Naime. op´enito. Dakle imamo f ◦ id = id ◦ f = f.♠ 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. za proizvoljnu funkciju f .1. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. z funkciju f komponirati samu sa sobom. g ◦ f = f ◦ g.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. c Napomena 5.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = .16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . Tada je oˇito c D(f ) = R(f ). 1 Primjer 5. U takvom sluˇaju piˇemo f 2 = f ◦ f . moˇemo gledati funkciju f ◦ f .

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

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

9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. Primjer 5. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). i obrnuto. 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.. Nas zanima x(y). 200x + 500 = 1300.1. Kaˇe se i da z c z f ne lijepi argumente. Dakle. . injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.176 POGLAVLJE 5. Drugim rijeˇima. 2. Uspjeli smo rijeˇiti problem. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h.♠ Primjer 5. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.. s s Jasno je da ´e nas npr. 12}. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. To je za neke funkcije mogu´e. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. Dakle imamo.♠ z s Definicija 5.8 Troˇkovi rada stroja su 200 kn/h. c s Pogledajmo sada obratni problem. moˇe biti viˇe studenata koji su imali nula bodova. tj. FUNKCIJE 5. i joˇ 500 kn za dovoz i odvoz. a za z c neke nije. 1..6 Funkcija f : A −→ B je injekcija ako za svaki x1 . 10 sati rada stroja koˇtati 2500 kn. b : studenti −→ {0. Ne c c moˇemo rijeˇiti problem. . tj. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost.

s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. f : D(f ) → R(f ) je uvijek surjekcija. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.6 c ekvivalentan sljede´em: za x1 . c c Definicija 5. 1). surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.5. ali ne i za paran n. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . je injekcija za neparan n. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.7 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. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. .10 Funkcija f (x) = xn . Injektivnost.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. 1) i (1.♠ Primjer 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.8 izraˇunali smo da je x(1300) = 4. n ∈ N. Definicija 5.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). tj.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. x2 ∈ D(f ). Surjektivnost osigurava c sc c s z postojanje rjeˇenja. s c Primjer 5. Napomena 5. a injektivnost njegovu jedinstvenost.1. Napomena 5.11 U Primjeru 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.

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

+∞ . To je oˇito inverzna funkcija od f . onda je ona oˇito i bijekcija na svoju sliku. c Primijetimo da ako f nije strogo monotona nego samo monotona. f | −∞. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. +∞ −→ −∞. 0]. Dakle. OSNOVNI POJMOVI 179 Napomena 5. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).5. g2 (x) = x. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.20 znamo da f c ima inverznu funkciju g. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. Primjer 5. Tada iz Napomene 5. jer je c f ◦ g = g ◦ f = id.10). 0] i [0. No f ◦ g = id. Teorem 5. kad govorimo o inverzima funkcija f : R −→ R. a strogo c c padaju´e funkcije strogo padaju´a. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. Dakle vrijedi f ◦ g = g ◦ f = id. a ona c c je strogo rastu´a funkcija.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. pa ima i inverznu funkciju. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku.1.♣ z c .20 Ako je funkcija f : R −→ R strogo monotona.♠ Napomena 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.0] √ i f |[0. g1 (x) = − x. i √ g2 : [0.+∞ su bijekcije s inverzima g1 : [0. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. no njezine restrikcije na −∞. +∞ −→ [0. +∞ jesu.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. Dakle.

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

specijalne funkcije kojima se ovdje ne´emo c baviti. 5. tj.6 0. 0. Ako je n neparan. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva. +∞ dana formulom − n x odnosno n x. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. ima inverznu funkciju.2.4 1 2 Slika 5. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. +∞ −→ [0.5. Restrikcija te funkcije na interval [−1. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.2 -3 -2 -1 -0.2 -0. +∞ je bijekcija. c Osim elementarnih postoje i tzv.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.4 0. ˇ Cak i za funkcije koje imaju inverze.16: Graf funkcije f (x) = xex .8 0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. c . Primjer takve funkcije je c x f (x) = xe .

2. k Po definiciji stavljamo x0 = 1. Elementarne a) Algebarske .Logaritamske .Ciklometrijske . za svaki x ∈ R.Trigonometrijske . xk = x · x · · · x .Ostale algebarske funkcije b) Transcendentne . FUNKCIJE 5.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0. mnoˇenih nekim koeficijentima.Racionalne funkcije . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.182 POGLAVLJE 5.Eksponencijalne . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Polinomi .Hiperboliˇke c .Area 2.1 Klasifikacija i podjela realnih funkcija 1. dolazimo do pojma z .2.

. Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.5 5 2. . tj. a0 su koeficijenti polinoma Pn (x).2. . a a0 je slobodni koeficijent. ako su jednaki kao funkcije. . Definicija 5. Polinomi su konceptualno najjednostavije funkcije. .5. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . + a2 x2 + a1 x + a0 .11 Dva polinoma P i Q su jednaka. Ovdje podrazumijevamo da je an = 0. Realne konstante an . c 10 7. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Definicija 5. Dakle je svaki polinom definiran na cijelom skupu R. . Koeficijent an je vode´i. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x.5 -3 -2 -1 -2. 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 + . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R.a1 . . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).

...02 3 2 0. .5 3 Slika 5.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.14. tj.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.01 1.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. FUNKCIJE n Teorem 5. Apscisa nultoˇke je nuliˇte.184 POGLAVLJE 5. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).: n m Teorem 5. a ordinata je. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. n. = an = 0.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.01 -0. c Primjer 5.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi . 1..11. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . c c c s naravno. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka..3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.02 4 0. za sve i = 0. Broj c k zove se red ili kratnost nultoˇke x0 . 0.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. c c .5 2 2.

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

♣ c c .186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. Teorem 5. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. −D/4a).2 = √ −b± D . FUNKCIJE 1 2 Slika 5. 2a i realne su ako je D ≥ 0. Zbog neprekidnosti c polinoma na R (Teorem 6. npr. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. Nultoˇke kvadratne funkcije dane su formulom c x1. tj.8) graf polinoma mora negdje sje´i x os. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.♣ c Iz Teorema 5.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. c Napomena 5. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. inaˇe velike negativne vrijednosti). Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. parabole ima koordinate (−b/2a. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. inaˇe velike pozitivne). P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.

Oˇito je D(P1 ) = R(P1 ) = R.♠ Dakle. pravac y = x. onda je P1 (x) = x linearna funkcija. Primjer 5. onda je oˇito funkcija Pn (x) = xn neparna. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5.♠ c . tj. dakle je bijekcija i ima nultoˇku u (0. Ako je n paran broj. onda je oˇito funkcija Pn (x) = xn parna. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. c 2. 3. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . iz Primjera 5. 1. Ako je n neparan broj.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0.. strogo raste na [0. c neparna je i ima nultoˇku u (0.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. graf c joj je zrcalno simetriˇan s obzirom na y os. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. P1 (x) strogo raste na R. Strogo pada na −∞. R(Pn ) = [0. Pn (x) strogo raste na R.16 Pogledajmo funkciju (polinom) Pn (x) = xn . ... Ako je n = 1. dakle nije injekcija. 0]. dakle je bijekcija. tj. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. c vrijedi D(Pn ) = R.5. 0). tj. n − 1. 0). Nadalje.2. i = 1. kao funkcija an xn . tj. 0). Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. +∞ i ima nultoˇku u (0. +∞ .

Dakle. n > 1. ali c z kvocijent dvaju polinoma op´enito nije polinom. z Definicija 5. razlika. u tom sluˇaju se situacija komplicira. m. Za . j = 1.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija.. z n Nadalje.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. .♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. problem s asimptotike je sloˇeniji.2... kako se polinom Pn (x) = i=0 ai xi . Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. Napomena 5. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. n. Realne konstante aij . Naravno. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. umnoˇak i kompozicija polinoma ponovo polinom. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli).188 POGLAVLJE 5. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. dijeljenjem polinoma c izlazimo iz te klase funkcija.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu.. 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. y) = i=0 j=0 aij xi y j .. i = 1. su koeficijenti polinoma Pnm (x). problem poniˇtavanja je vrlo kompliciran. FUNKCIJE Napomena 5. sam sebi je asimptota. itd.. Npr. Po analogiji s racionalnim c brojevima.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama.3 Racionalne funkcije Oˇito je zbroj. . 5. tj.

Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. tj. 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. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. 3. Naravno. 6. nije racionalna funkcija.) Dakle. tj. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. Dakle.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. c Primjer 5.2. Qm (x) = 0}. U polu racionalna funkcija c nije definirana. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . Dakle. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika.17 Pogledajmo sljede´e primjere: c 1. je racionalna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. Funkcija j dana formulom j(x) = x−13 je polinom. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Funkcija f dana formulom f (x) = 2. s c D(f ) = {x ∈ R. 5. Funkcija hR dana formulom h(x) = 4.5. takve su definirane na cijelom R. c c . f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. nultoˇkama nazivnika. (Smatramo da je racionalna funkcija ve´ skra´ena. Definicija 5.

dok za polove neparnog z c reda. z c Dokaz: Red pola je red nultoˇke nazivnika.5 -25 -50 -75 -100 0.5 0. kao i u toˇkama u c kojima se nazivnik poniˇtava. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. (lijevo) i pola Napomena 5.190 POGLAVLJE 5. Osim vertikalnih. 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. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. bi x i=0 i−m bi x i=0 i xm .♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. i to na vanjskim rubovima prirodnog podruˇja definicije. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). 2.26). kad c argument ide u +∞ i −∞.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).22.5 1 80 60 40 20 -1 -0.graf racionalne funkcije moˇe imati asimptote: z 1. Sada tvrdnja izravno slijedi iz Napomene c 5. FUNKCIJE 100 75 50 25 -1 -0.26 Ako je pol parnog reda. Dakle. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. tj. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .5 1 x 1 Slika 5.

onda je n − m > 1.2. 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 . Preciznije. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. b) Ako je n = m. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . bm dok prvi pribrojnik. onda je n − m = 1.5. bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. onda racionalna funkcija ima horizontalnu asimptotu y = c. izraz bm xn−m raste ili an pada brˇe od pravca bm x. i=0 . Dakle. Racionalna funkcija ima horizontalnu c asimptotu y = 0. se pribliˇava broju z bi x i−m am . racionalna funkcija nema ni horizontalne ni kose asimptote. c xm ai xi−m i=0 m tj. tj. bm x an a) Ako je n < m. d) Ako je n = m + 1. bn . xm . onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. 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 . tj. an c) Ako je n > m + 1.

m i−m xm bi x i=0 m POGLAVLJE 5.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm .27 ne mora vrijediti. zrcalno simetriˇna obzirom c c na y os. tj. kada argument ide u beskonaˇnost. 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. +∞ . f je parna. z √ Primjer 5.27 Analogno kao i kod vertikalnih asimptota. R(f ) = [1. f (x) = x + x (desno) i njihovih asimptota. dakle nije injekcija. Oˇito je D(f ) = R.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. +∞ i za svaki x ∈ 0. FUNKCIJE ide u am+1 x. 0] i za svaki x ∈ −∞. +∞ vrijedi f (x) > x. Napomena 5. Dakle. +∞ . ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. f strogo pada na −∞.192 xm (am+1 x) . 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5.♠ Iz Primjera 5. Dakle. . f strogo raste na [0. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. Nadalje. 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. bm jer i=0 bi xi−m ide u bm .

2.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. dakle je svaka racionalna c √ Primjer 5.29 Svaki polinom i racionalna funkcija su algebarske funkcije. f (x)) = 0. y) = Pn (x) − y. Definirajmo polinom u dvije varijable s P (x. c .28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. f (x)) = 0. dakle je svaki polinom algebarska funkcija.19 1. c Neka je sada f (x) = funkcija i algebarska. 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. Pn (x)) = 0. Tada je oˇito P (x. Definirajmo polinom u dvije varijable s P (x. jer u suprotnom ne bi bila funkcija.2. √ x2 + 1 i njenih asimptota z Napomena 5. y) takav da vrijedi P (x.18. Napomena 5.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. Dokaz: Neka je dan proizvoljni polinom Pn (x). y) = x − y n oˇito je P (x.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Tada je oˇito P (x. f (x)) = 0. 5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. y) = Qm (x)y −Pn (x).5. Definicija 5.

28.20 1. Dakle. c c tj. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . Dakle.13). ima vertikalnu asimptotu x = 1. +∞ i R(f ) = 0. z tj. y) = xy n − 1 oˇito je P (x. tj. dakle nema vertikalnu asimptotu. √ Primjer 5. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5.4). kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije.4). u 1 (toˇka 5. Funkcija f je inverzna funkcija funkcije g(x) = x3 . Neka je dana algebarska funkcija f formulom f (x) = x. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0.1. c 1 3. koja je bijekcija sa R na R. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Nadalje. Neka je dana algebarska funkcija f formulom f (x) = √x−1 .13). je D(f ) = R(f ) = R (Primjer 5. tj. z √ 2.13). je D(f ) = 1. +∞ (Primjer 5. Nadalje. je D(f ) = R(f ) = [0. f (x)) = 0. pravac y = 0 je horizontalna asimptota funkcije f . f strogo raste na R i neomedena je. dakle nema niti vertikalnu niti horizontalnu asimptotu. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. z 1 4. Neka je dana algebarska funkcija f formulom f (x) = 3 x. FUNKCIJE 1 2. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. Kada se argument sve viˇe pribliˇava c s z broju 1. +∞ . +∞ . c c √ Nadalje. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.194 POGLAVLJE 5. 0 je regularna toˇka (toˇka 5.♠ 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. dok kosu asimptotu ne moˇe imati zbog Napomene 5.1.13). za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Dakle.

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).

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

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

Dakle za t ∈ [ 3π . FUNKCIJE sin x 0 cos x x 1 Slika 5. ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. Ako je t ∈ [ 2 . a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. Dakle za t ∈ [π. ako je t ∈ [π. yt ) na kruˇnici. cos(t + 2kπ) = cos t . onda vrijedi xt = x2π−t i yt = −y2π−t . sada moˇemo sinus i kosinus analogno proˇirivati na R. Sliˇno. 0] odnosno na [−2π. situacija se poˇinje ponavljati. Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. 2π]. yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. Ako je t ∈ [ π . 3π ]. z (1. z c z π Jasno je da za t ∈ [0.204 1 POGLAVLJE 5. s [0. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . Dakle za t ∈ [ π . 0). 2 ] (tj. π]. 2π]. Nakon ˇto z s s namotamo komad duljine 2π. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu. c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt .30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. Naravno. 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). na kutove iz [0. 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). 2 ]. Dakle vrijedi c sin(t + 2kπ) = sin t. tj. Analogno se sinus i kosinus s proˇire s [0. π ] na [− π . Kaˇemo da su sin c z i cos periodiˇke funkcije. onda 2 t nije ˇiljast.

tj. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. To znaˇi R(sin) = R(cos) = [−1. za svaki t ∈ R. s 2 1 u nuli i 0 u π .5. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. period razliˇit od 2π i ne s c c . vidimo da je −1 ≤ cos t ≤ 1. c 2 1. krvnoga tlaka. k ∈ Z. π ]. Nadalje.5 -1 -1.5 -10 -5 -0. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. 1]. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. Medutim. Dakle je z D(sin) = D(cos) = R. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. zbog periodiˇnosti. 1]. π ]. Nadalje. Kaˇemo da im je faza nula.5 -2 5 10 Slika 5. a kosinusa obrnuto. dok je sinus neparna. npr. 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. Napomena 5. itd. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. −1 ≤ sin t ≤ 1. tj. c amplitude i faze. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).5 1 0. tj. temperatura kroz godinu. Najmanji pozitivni period je 2π i zovemo ga temeljni period.5 -2 5 10 -10 -5 2 1.5 -1 -1. Svaki 2kπ.32 Lako je vidjeti da je kosinus parna funkcija.5 1 0. plime i oseke. imaju amplitudu razliˇitu od 1. za opis osz c cilacija.2. je period funkcija sin i cos. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. napona. Nadalje.5 -0.

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

PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞.5.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. onda je interpretacija vrijednosti ctg t za t ∈ [0. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. k ∈ Z}. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija.2. 1) (joˇ s c s π ga zovemo kotangensna os). 1) i Q na kotangesnoj osi. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0. 2 ] udaljenost toˇaka (0. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. Sliˇno kao i sinus i kosinus. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. ˇto se vidi i s trigonometrijske kruˇnice. . pa u tim z toˇkama kotangens ima vertikalnu asimptotu. Sliˇno se interpretira i kotangens. Imamo ctg t = D(ctg) = R \ {kπ. 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. k ∈ Z}.

Tada prema Napomeni 5. π ]. a isto vrijedi s / i za ostale trigonometrijske funkcije. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. ni tangens ni kotangens nisu injekcije.208 POGLAVLJE 5. Dakle. a kotangens strogo padaju´a na 0. a c c s nema rjeˇenja za c ∈ [−1. π]. restringirajmo sinus na [− π . π . c c Dakle. Dakle sinus nema inverznu funkciju. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. tangens na − 2 . FUNKCIJE za svaki t ∈ R \ {kπ. 5. Napomena 5. k ∈ Z}. Npr.33 . na svoju sliku.π x su bijekcije s tih intervala na R.2. 2 i kotangens na 0.34 Zbog periodiˇnosti. 1].8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. π x 2 2 i Ctg x = ctg| 0. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. π . 2 . kosinus na 2 2 π π [0. dakle nisu bijekcije. c dakle niti bijekcije. njihove restrikcije Tg x = tg| − π .

5 -0. 1. 2 2 koja je inverzna funkciji sin |[− π . Dakle. rjeˇenje jednadˇbe postoji i jedinstveno je.5 0. Iz Teorema 5.π] i ctg| 0. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. 1] −→ [− . PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. dakle su i bijekcije.5 -1 -0. a c 2 2 2 2 cos |[0.π strogo padaju´e. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . inverznu funkciji cos |[0. oˇito je c c D(arcsin) = D(arccos) = [−1. Nadalje. π].π] . ]. koje zovemo arkus funkcije. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . π π R(arcsin) = [− . Dakle.1 i Napomene 5.5 1 Slika 5. π jednadˇbe tg t = x .5 1 0. π ] . a arccos c strogo padaju´a na [−1. 1].5. ]. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. π strogo rastu´e. z π π Za x ∈ [−1. 1] −→ [0. 2 2 .5 1 0. . π bijekcija. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije.5 2 1. π ] i tg| − π .5 0. 2 ] jednadˇbe sin t = s z s z x.5 3 2. s z 2 2 s z Kako je tg| − π . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. Kako je sin |[− π .34 znamo da su funkcije sin |[− π .33 slijedi da je arcsin strogo rastu´a. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. π ] bijekcija. 2 2 R(arccos) = [0.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).5 -1 -0. rjeˇenje jednadˇbe postoji i jedinstveno je.2. 1]. π].5 1 -1 -1.

35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). Npr.5 -2 2 4 4 3. R(arctg) = − . π ]. R(arcctg) = 0. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. Nadalje. oˇito je c c π π D(arctg) = D(arcctg) = R.π . π . Napomena 5.5 3 2. Iz Teorema 5. c . 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 . . funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1.5 -1 -1.1 i Napomene 5. pri traˇenju rjeˇenja t jednadˇbe.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. z s z sin x = t. π .5 -2 -0.5 1 0. inverznu funkciji ctg| 0. Dakle. tako da bi smo dobili arkus funkcije definirane na tim intervalima. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . π . npr. -4 2 1.5 -4 -2 2 4 Slika 5. FUNKCIJE arcctg : R −→ 0. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. 1].35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.5 1 0.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.210 koja je inverzna funkciji tg| − π .5 2 1. 2 odnosno ctg| 0. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.

iako se definiraju u terc minima eksponencijalne funkcije. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. 2 e x − e −x sh x = . Stoviˇe. 1 . Primjerice. 2. +∞ . Napomena 5. tanges hiperc c boliˇki i kotanges hiperboliˇki.2. Dakle je R(ch) = [1. i R(th) = −1. Lagano se vidi da je ch x > 0 . za svaki x ∈ R. Strogo raste na R. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. strogo raste na R.5. . Dakle th ima dvije horizonzalne s z asimptote. dakle nije injekcija. strogo pada na −∞. 2 sh x e x − e −x th x = = x . PREGLED ELEMENTARNIH FUNKCIJA 211 5. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. +∞ i nema asimptote. ch x e + e −x 1 .9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . Nadalje. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. y = −1 i y = 1. za svaki x ∈ R. Zbog neparnosti c c od sh i parnosti od ch. vrijedi ch x = ch2 x − sh2 x = 1 . z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Lako se vidi da je neparna. sinus hiperboliˇki. 3.2. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. parna je. Iz formule lagano ˇ slijedi da je |th x | < 1 . 0] i c strogo raste na [0. cth x = th x i zovemo ih redom kosinus hiperboliˇki. neograniˇena c je pa je R(sh) = R i nema asimptote. th je neparna. za svaki x ∈ R. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. neograniˇena je.

5 -4 -2 -0. cth strogo pada na R \ {0}. 1. za svaki x ∈ R.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. preciznije areakosc inus hiperboliˇki ili Arch. 0] ili [0. Dakle cth ima i dvije horizontalne asimptote. tj. Kako th strogo raste na R. z y = −1 i y = 1. Ako ch. restringiramo na −∞. Nadalje. +∞ .36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). zbog parnosti.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. 1]. to mora i cth x . 4. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). imamo da je |cth x | > 1 . forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. areasinus hiperboliˇki ili Arsh. c osim funkcije ch. i R(cth) = R \ [−1. 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. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. za svaki x ∈ R\{0}. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. ch postaje bijekcija na svoju sliku. kako je |th x | < 1 .5 1 0.5 -1 -1. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. Zbog neparnosti od th i cth je neparna. Funkcije inverzne hiperboliˇkima zovu se area funkcije. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. imamo: .

tj.5. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. iz Teorema 5. +∞). . Oˇito je D(Arsh) = R(Arsh) = R. c 3.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). 4.5 1 0. vertikalne asimptote od Arth. onda su rubovi −1 i 1. Ako smo ch restringirali na [0. pravci x = −1 i x = 1.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh.5 3 Slika 5. Iz Teorema 5.2.5 0. 3 2 1 -1 -0. R(Arth) = R i iz Teorema 5. +∞ . 1 . onda su rubovi −1 i 1. R(Arth) = R \ {0} i iz Teorema 5.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. a pravac y = 0 horizontalna asimptota. Oˇito je D(Arth) = −1. a x = 0 vertikalna asimptota od cth. +∞ i R(Arch) = [0. onda je D(Arch) = [1.1 slijedi da Arth strogo raste. tj. y = 1 horizontalne.5 2 2. PREGLED ELEMENTARNIH FUNKCIJA 213 1. Oˇito je D(Arcth) = R \ [−1. vertikalne asimptote od Arth.5 -1 -2 -3 0.1 zakljuˇujemo da Arch strogo raste. Kako su y = −1. Kako su y = −1 i y = 1 horizontalne asimptote od th. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. 1].5 1 1.5 2 1. pravci x = −1 i x = 1.1 c slijedi da Arcth strogo pada. c 2.

.

Poglavlje 6 Uvod u diferencijalni raˇun c 6. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.05(m − 20) kn. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . 0 ≤ m ≤ 20 3. 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). Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.05(m2 − m1 ).5 + 0.05h = 0.05(m − 20).1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Graf te funkcije prikazan je na slici 6. Dakle imamo c(m) = 2.05h (∆c = ˇ 0.1.8 kn. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.1 6. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. a visina poˇtarine c u z s kunama).1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. onda je 215 . Naime. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.5 + 0.1.8. (Masa m je izraˇena u gramima. m = 20 i m = 30. m > 20.

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

♠ Primjer 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.1.2 Funkcija c(m) iz Primjera 6. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε).1. koji c je manji od nekog fiksnog strogo pozitivnog broja. Primjer 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Prema tome za svaki ε > 0 ako postoji jedan δ > 0. ako je m > 20 i m blizu 20. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. 6. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 .1 ima prekid u toˇki c = 20. No. ali je ona c neprekidna s lijeva u toj toˇki.1.1 Neka su funkcije f.1. postoji δ > 0 za koji vrijedi Definicija 6.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).2 nam daje ideju za sljede´u definiciju: c Definicija 6. S druge strane. s c c Napomena 6. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1. Analogno.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). Tada su u toˇki x0 neprekidne i funkije: c . nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. ipak m(c) nije blizu m(20).2 Svojstva neprekidnih funkcija Teorem 6.2 Iz Definicije 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.ˇ 6. ako je m lijevo od 20 i dovoljno blizu 20.

♠ . |xδ − c| < δ. Dokaz: Pretpostavimo suprotno. onda je oˇito f (−1)f (1) = −1 < 0. ˇto je suprotno pretpostavci. 4. b]. c + δ . ali oˇito f nema nultoˇku na segmentu c c c [−1. tj. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. g ˇ POGLAVLJE 6. mora imati nultoˇku.1] : [−1.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a.♣ Teorem 6. tj. f − g. x = 0 svugdje neprekidna osim u nuli. za koji je f (xδ ) ≤ 0. Ako pogledamo funkciju f restringiranu na segment [−1. 1] (jer je nema na cijelom R). f . Dakle. f |[−1. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. c + δ). Tada za svaki δ > 0. postoji xδ ∈ (c − δ.♣ c Teorem 6. c s Analogno se dokaˇe sluˇaj f (c) < 0. f ima prekid u toˇki c. c c Primjer 6. i neka je f (a)f (b) < 0. po pretpostavci.♣ Teorem 6. x=0 x f (x) = 1. Uzmimo ε = f (c). i neka je f (c) > 0 (f (c) < 0). 2. c + δ) takav da je f (xδ ) ≤ 0. 1]. Ako je funkcija f neprekidna u x0 . Tada je |f (xδ ) − f (c)| > f (c) = ε.11 znamo da je funkcija f : R −→ R dana formulom 1 . i x0 ∈ D(f ) i f (x0 ) ∈ D(g).2 Neka su funkcije f. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. Tada postoji x0 ∈ a. g : R −→ R takve da je definirano (g ◦ f )(x0 ). f + g. onda njezin graf mora negdje sjeˇi x os.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. f · g.3 Iz Napomene 5.218 1. 1] −→ R. tj. b takav da je f (x0 ) = 0. i funkcija g neprekidna u f (x0 ). tj. 3. onda je funkcija g ◦ f neprekidna u x0 .3 Neka je f : I −→ R neprekidna u toˇki c ∈ I.♣ z c Teorem 6.

π .4 Funkcije f.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.3 slijedi da je uvjet neprekidnosti iz Teorema 6. c 1 x je Teorem 6. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. za svaki x ∈ I (Definicija 5. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. 1 . Teorem 6. funkcija f (x) = neprekidna na 0. b].♣ Teorem 6. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.4) Teorem 6.♣ c Tvrdnja Teorema 6.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. π funkcijom tg je R.4 nuˇan. ali oˇito je neomedena. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.3 Neprekidnost elementarnih funkcija Primjer 6. Npr. Npr.1. onda je ta funkcija i neprekidna. M ∈ R takvi da je m ≤ f (x) ≤ M. slika otvorenog intervala − π . . Tvrdnja z Teorema 6.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.1.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. 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.5 ne vrijedi za otvorene intervale. Pitanje je sad.♣ 6. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Tada je funkcija f neprekidna na intervalu I. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.6 ne vrijedi za otvorene intervale.ˇ 6. Nadalje.

hiperboliˇkih (osim kosinusa hiperbolnog). hiperboliˇke c i area funkcije su neprekidne na svojim domenama. takoder iz Teorema 6. c Dokaz: U Primjeru 6. . ... i = 0.. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. z 2. na intervale − π . i = 0.. na R su neprekidne i funkcije ai xi . c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. π odnosno 0. Iz Teorema 6. jer je svaka racionalna funkcija kvocijent dvaju polinoma. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. tj.. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije.. Na kraju.. zakljuˇujemo c da je i suma od ai xi .7 su neprekidne.4 dokazali smo da je funkcija f (x) = x neprekidna na R. Teorem 6. arkus. n.4) i Teorema 6. π monotone c 2 2 bijekcije na R.7.1. . c c neprekidne na R. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. 1.1. Budu´i da je f (x) − f (x0 ) = c − c = 0. n.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.1. jer su njihove restrikcije npr.♣ Napomena 6. 1.♠ z Iz Primjera 6. trigonometrijske. takoder iz Teorema 7.220 ˇ POGLAVLJE 6. Dokaz: Neprekidnost eksponencijalnih. i = 0. UVOD U DIFERENCIJALNI RACUN 1.9 Eksponencijalne. z c Uzmimo proizvoljni ε > 0. . Nadalje. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. 1. logaritamske. polinom Pn (x) neprekidan na R.. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.7 c i periodiˇnosti.7 imamo da su neprekidne i funkcije arctg i arcctg. Zbog neprekidnosti konstantne funkcije na R (Primjer 6.1 direktno imamo: n Teorem 6.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. dakle iz Teorema 6. Budu´i da je |f (x) − f (x0 )| = |x − x0 |.4 i Teorema 6.1 sada slijedi da je na R neprekidna i funkcija x2 .. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. logaritamskih. Na isti naˇin se zakljuˇi da su xi . z c Uzmimo proizvoljni ε > 0. n. slijedi da c moˇemo uzeti δ = ε.

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

Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. vrijednosti c funkcije su malo ve´e od −1. 6. Dakle. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. tj. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. zakljuˇujemo. ako uzmemo toˇku c x dovoljno malu. Za funkciju f : R −→ R danu formulom f (x) = arctg x . Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. c 3.1. Raˇunaju´i te vrijednosti.222 ˇ POGLAVLJE 6. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. c c 2. za x malo manji od 1. tj. S druge strane. dovoljno blizu c nule. 4. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vidimo da su one c c c blizu vrijednosti −1. funkcija nije definirana u toˇki 0. ali pozitivnu. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. ali negativnu. Ako uzmemo s c toˇku x dovoljno malu. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. tj. dodemo li s x dovoljno blizu c toˇki 1.5 nije definirana u toˇki x = 1. funkcija nije definirana u toˇki 0. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. vrijednosti funkcije c su malo manje od −1. za vrijednosti od x koje su malo ve´e od 1.4 Graniˇna vrijednost (limes) funkcije c 1.

moˇda u samoj toˇki c. tj.♠ Situacije iz Primjera 6. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. moˇda u samoj toˇki c. onda piˇemo c s L = lim f (x). . Neka je dana funkcija f : R −→ R formulom f (x) = xx . pravac y = π je horizontalna asimptota. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.5). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. 6. osim. x−→c Ako limes postoji on je i jedinstven: Teorem 6. 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). Definicija 6. 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.1. ako c ˇelimo promatrati ponaˇanje oko nule. a ne znamo izraˇunati ni njenu vrijednost za x = 0. 2 2 5. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. Dakle. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε.2. |f (x) − M | < ε).3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c.2. osim. Ako funkcija ima limes L u toˇki c.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .ˇ 6.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c.

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

osim. recimo odozgo. Za funkciju f : R −→ R definiranu na nekoj okolini toˇke c. piˇemo s x−→c+ lim f (x).1. moˇda u c z samoj toˇki c kaˇemo da ima limes L ∈ R s lijeva u toˇki c i piˇemo c z c s L = lim f (x) x−→c− ako za svaki ε > 0 postoji δ > 0 takav da (x < c. x−→+∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (f (x) < −M ). za funkciju f : R −→ R definiranu na nekoj okolini toˇke c. lim f (x) = −∞ ako za svaki M > 0 postoji δ > 0 takav da x−→c 225 (0 < |x − c| < δ) =⇒ (f (x) < −M ). x−→−∞ lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) > M ). |x − c| < δ) =⇒ (|f (x) − L| < ε). s desna. c z u samoj toˇki c kaˇemo da ima limes L ∈ R s desna u toˇki c i piˇemo c z c s L = lim f (x) x−→c+ ako za svaki ε > 0 postoji δ > 0 takav da (x > c. moˇda. ˇ Zelimo li naglasiti da se argument x pribliˇava vrijednosti c samo s jedne z strane. x−→−∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) < −M ). Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da z x−→+∞ za sve (x > N ) =⇒ (f (x) > M ). Dakle. tj. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Analogno.ˇ 6.3 moˇemo proˇiriti i na sluˇaj c = +∞ odnosno c = −∞ i z s c L = +∞ odnosno −∞. . osim. Definiciju 6. |x − c| < δ) =⇒ (|f (x) − L| < ε).

ako postoje limesi s lijeva i s desna i oni su jednaki L. 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. ne postoji lim sin x. lim 3. tj. x < 0  sign x = 0. x > 0 ima prekid u nuli. x−→+∞ 2 5. s c 1.5 Neprekidnost i limes Primjer 6.3 direktno slijedi da postoji i limes u toˇki c i jednak je L.6 Opiˇimo sada pomo´u limesa Primjer 6. x2 − 3x + 2 = −1.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L.5 znamo da funkcija   −1. x −→0 − lim sign x = −1 . Nadalje je oˇito da je c x−→0+ lim sign x = 1 .11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. c osim. onda je jasno iz Definicije 6. x−→0+ lim xx = 1. Dokaz: Ako funkcija f ima limes L u toˇki c. x−→0 x2 lim 1 1 = +∞ i lim = −∞.226 ˇ POGLAVLJE 6. x−→1 x−1 1 = +∞.♠ 6. lim arctg x = . lim 2. ♣ c Primjer 6. x−→0 x π 4.1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . Obrnuto. onda iz Definicije 6. x = 0   1. moˇda u samoj toˇki c.5.7 Iz Primjera 5. x−→+∞ 6. UVOD U DIFERENCIJALNI RACUN Teorem 6. Dakle je x−→0+ lim sign x = sign 0 .

i neka postoji limes funkcije f u toˇki c.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.4) i da limes mora postojati.5 U Teoremu 6.12 kaˇe da ako je funkcija neprekidna u toˇki c.ˇ 6. konaˇan je broj.1 i 6.1 i Primjer 6.♣ Teorem 6.4).8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.♣ .1. x−→c+ Dokaz: Izravno iz Definicije 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). Tada je c x−→c lim g(f (x)) = g( lim f (x)). onda limes i funkcija z c ”komutiraju” tj. imamo x−→c lim f (x) = f (c) = f ( lim x).♠ Primjer 6.7 i 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .3.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.♣ x−→c Analogno kao Teorem 6.2 i definicije jednostranog limesa. x−→c Napomena 6. c c Sada direktno iz Napomene 6. oˇito vrijedi c f (2) = lim f (x).12 imamo: Teorem 6. tj.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)). Zaista imamo: c c Teorem 6.♠ x−→2 Primjeri 6.13 Neka je funkcija g : R −→ R neprekidna. Dokaz: Izravno iz Definicije 6. Nadalje.

(+∞) + (+∞) = +∞. UVOD U DIFERENCIJALNI RACUN Teorem 6.1. To se posebno odnosi na veliˇine +∞ i −∞. a > 0 −∞.♣ 6. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. a > 0 +∞. 6. jer operacije nisu definirane i operandi nisu realni brojevi. 6.12 i 6. a ∈ R proizvoljan.228 ˇ POGLAVLJE 6. a < 0. a ∈ R proizvoljan. x−→c+ Dokaz: Izravno iz Teorema 6. 7. 9. (−∞) · (−∞) = +∞. (−∞) · a = 10.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. no moˇe se desiti da dobijemo izraz koji nije z z definiran. a < 0. (+∞) · (−∞) = −∞. −∞ ± a = −∞. a ∈ R proizvoljan. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.11. (+∞) · (+∞) = +∞. (−∞) + (−∞) = −∞. 3. (+∞) · a = +∞. −∞. 5.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). a +∞ = 0.14. Kako one nisu realni brojevi. +∞ ± a = +∞. 2. . 4. 8.

s s c c Iz Primjera 6. 0∞ . 4. ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. pa je 0 neodreden oblik. 3. (+∞) + (−∞). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. 1∞ . Osim s beskonaˇnim veliˇinama. ∞ ∞ − ∞. 0 ∞ . Ako se dobije jedan od neodredenih oblika. −∞ · 0. +∞ −∞ . ∞ · 0. 5. onda s je to i limes od f (x) kad x −→ c. Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. 00 . (+∞)0 . ”Sedam veliˇanstvenih”: c 0 . +∞ +∞ . mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. Dakle. 1−∞ .ˇ 6.6 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. −∞ −∞ . −∞ 2. 0 . a −∞ 229 = 0. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. +∞ . ∞0 . 0 0 . (−∞)0 . 0 2. 1+∞ . Analogno se dokaˇe da je ”vrijednost” izraza za koji se dobije uvrˇtavanjem vrijednosti x = 2 u funkciju s x2 −3x+2 f (x) = x−2 je 1.1. a ∈ R proizvoljan. +∞ · 0. s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1.

+∞. n ∈ N paran. α>0 +∞. a>1 0. 0 < a < 1. x−→+∞ lim loga x = 11. n ∈ N neparan +∞. lim x−n = +∞. lim x−n = −∞. n ∈ N proizvoljan. x−→0− 4. 5. α < 0. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. 8. x−→+∞ x−→+∞ 2.230 ˇ POGLAVLJE 6. α < 0. n ∈ N proizvoljan. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. 0 < a < 1. n ∈ N paran. x−→+∞ lim ax = 9. 6. x−→−∞ lim ax = 10. +∞. 0 < a < 1. −∞. x−→0+ x−→0− 7. . 3. a>1 +∞. a>1 +∞. 0. −∞. x−→0+ lim xα = 0. n ∈ N neparan. α > 0 0. +∞.7 Raˇunanje limesa c Neki temeljni limesi 1. 0 < a < 1. UVOD U DIFERENCIJALNI RACUN 6.1. a>1 −∞. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. lim xn = +∞. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0.

Kada s pravca uzmemo x ∈ (0. 0) u ravnini. c Osim ovih limesa.4). parnost.1. i s B = (1. π ).♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). 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. pad. Oznaˇimo s A = z c c (cos x.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. neparnost i sliˇno.9. ortogonalnu projekcija toˇke A na x os. tj. Dakle.1. tg x ). koji se nalazi unutar trokuta OBB . Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . za a > 1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). . Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). x−→+∞ x sin x = 1. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. njihov rast. 0). a ∈ R. c c eksponencijalnih i logaritamskih funkcija. jasno je da je dovoljno x x promatrati x ∈ (0. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.16 lim i 1 lim (1 + )x . To znaˇi da je c x−→+∞ lim loga x = +∞.2. svojstva potencija.ˇ 6. i zbog parnosti od sin x . koriste´i definicije limesa i jednostranih limesa (toˇka 6. Iz toˇke 5. +∞) i da joj c c je slika cijeli R. Kako gledamo c limes funkcije sin x kada x −→ 0. sin x).

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

2. Tada je jasno da t −→ 0 kada x −→ 0. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . a ∈ R.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. 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. Dakle imamo ax − 1 ex ln a − 1 = lim .♠ x−→0 t−→0 x ln a ln(t+1) ln a . i da je x = ln(t + 1). x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. x−→0 x Iz Teorema 6.ˇ 6.12 i Teorema 6.1. x Oznaˇimo sada ex − 1 sa t.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . Dakle . x−→0 t−→0 ln(t + 1) x Iz toˇke 5. ♣ Primjer 6.10 ex − 1 = 1.17 x−→+∞ 233 lim 1+ 1 x x = e. x−→0 x lim i ax − 1 = ln a. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. c Zbog toga je ex − 1 t lim = lim = 1. x−→0 x lim a > 0.

234 ˇ POGLAVLJE 6.17.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. x−→c x−→c 2. Tada 1.16. x−→c x−→c 4. 6.13.7 su nam dovoljni za c raˇunanje gotovo svih limesa. 6. 6.1.2. .18 i temeljni limesi iz toˇke 6. ♣ x−→c Teoremi 6. g : R −→ R. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). c 6. x−→c c 3.2 6. 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.

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

y(t0 +∆t)) zatvara s osi x. c ∆y = tg α. UVOD U DIFERENCIJALNI RACUN Primjer 6. prosjeˇna brzina odgovara koeficijentu smjera sekante. 1. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . prosjeˇna brzina projektila u vremenskom intervalu [t0 . y(t0 )) i c ∆t (t0 +∆t. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.3: Ovisnost visine projektila o vremenu.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . Dakle.001) − y(1) . Op´enito. ∆t . ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . a to je jednako koeficijent smjera te sekante.236 ˇ POGLAVLJE 6.

DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.2.2.4: Sekante i tangenta. x0 ∈ I. f : I −→ R.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .♠ 6. c mjeri brzinu promjene veliˇine c Definicija 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .6. Ako postoji z c f (x0 + ∆x) − f (x0 ) .2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. c Primjer 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 . tj. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.

c z Primjer 6. ∆x−→0 ∆x Napomena 6. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). l ∈ R. Dakle brzina promjene linearne funkcije je konstanta. UVOD U DIFERENCIJALNI RACUN Primjer 6.15 Pogledajmo sljede´e primjere: c 1. Dakle je c f (x) = lim f (x + ∆x) − f (x) . Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k. c 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 = −1.6 Uoˇimo bitnu razliku.2. Derivacija funkcije f (x) = kx + l je f (x) = k.♠ ∆x−→0 ∆x 6. Derivacija funkcije f u toˇki x0 je broj.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. c c koji se oznaˇava sa f (x0 ).3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. . Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).238 ˇ POGLAVLJE 6. za proizvoljne k.

f (x) = lim lim f (x + ∆x) − f (x) (x + ∆x)2 − x2 = lim = ∆x−→0 ∆x−→0 ∆x ∆x x2 + 2x∆x + ∆x2 − x2 = lim (2x + ∆x) = 2x. funkcija f (x) = l je konstanta. ∆x−→0 ∆x−→0 ∆x ∆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. Derivacija funkcije f (x) = x2 je f (x) = 2x. Dakle je promjena brzine konstantne funkcije nula. a c iz gornjeg raˇuna imamo da je c f (x) = 0.6.♠ . tj. 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. ˇto smo i oˇekivali.16 Derivacija funkcije f (x) = sin x je f (x) = cos x.2.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. s c 2.

tj. To su npr. U toˇkama gdje je f (x) = 0.. odnosno da je tangenta pravac koji raste.4) ustvari limes funkcije f (x + ∆x) − f (x) . Primjer 6. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. problem razliˇitih vrijednosti s lijeva i zdesna. ne postoji f (0).17 1. 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. M= ∆x−→0− lim . Dakle iz Teorema 6. problem konaˇnosti c c limesa.2. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Takve toˇke zovemo stacionarne toˇke. ∆x Lagano se vidi da je M = 1 i L = −1. problem postoc janja limesa. Tu funkcija niti raste c niti pada.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. ∆x mogu se javiti neki problemi pri raˇunanju derivacije.240 ˇ POGLAVLJE 6. tangenta je paralelna s osi x. c c 6.11 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). ako je f (x) < 0 na nekom intervalu. problem rubova domene. Sliˇno. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan.

c x0 ∈ I ⊆ D(f ).2.1.♠ Teorem 6. DERIVACIJA FUNKCIJE 2. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ . 3. Funkcija f : R −→ R dana formulom f (x) = x0 = 0.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. ∆x ∆x−→0 dakle ne postoji f (0). √ 3 241 x nije derivabilna u x0 = 0. ∆x−→0 dakle ne postoji f (0). Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 . ∆x ∆x−→0 . Tada je f i neprekidna u x0 .6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) .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 ).7 imamo da je c lim √ 3 1 ∆x2 = +∞.1.

g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x).17 su c neprekidne u nuli. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . Nadalje. i vrijedi 1. ∆x = 0 . Derivacija zbroja. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. razlike. Tada su na I derivabilne i funkcije f ± g.19 op´enito ne vrijedi.20 Neka su funkcije f. f (x) g(x) = f (x)g(x)−f (x)g (x) . ali vidjeli smo da nisu derivabilne.12 zakljuˇujemo da je funkcija g neprekidna u x0 .♣ Obrat Teorema 6. g 2 (x) Dokaz: 1. I ⊆ D(g). Iz Teorema 6.242 ˇ POGLAVLJE 6. tj. ∆x f (x0 ). Sve tri funkcije iz Primjera 6. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). 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 ). (f (x) ± g(x)) = f (x) ± g (x) 2. ∆x−→0 ∆x ∆x . za one x ∈ I za koje je g(x) = 0). ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. f · g i f g (tamo gdje je definirana. produkta i kvocijenta funkcija Teorem 6.12 imamo da je f neprekidna u x0 .

g 2 (x) f (x) g(x) = 1 f (x) g(x) . imamo g(x) · = 0. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). Kako je g(x) · 1 g(x) = 1. c dakle je po Teoremu 6. 3. Oˇito je D(g) = R. (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).2. Dakle 1 g(x) = 0. DERIVACIJA FUNKCIJE 2.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). derivabilna na I i vrijedi (λf ) (x) = λf (x).20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). gdje je λ ∈ R proizvoljan. ∆x−→0 ∆x−→0 Sada iz Teorema 6.7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). tj. f (x) g(x) f (x)g(x) − f (x)g (x) . po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) .♣ . za svaki x ∈ I. 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. tj. za svaki x ∈ I.6. Izraˇunajmo prvo c 1 g(x) . Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. Tada je funkcija λf .

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

♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. ∆x−→0 ∆x lim dakle je f (x) = ex . Iz Teorema 6. 2 x x je g (x) = Iz Primjera 6. x 1 √ .6. Osnovne derivacije dajemo u sljede´oj tablici. c Napomena 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.21 i 6.21 i 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. odnosno g (x) = 2.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. DERIVACIJA FUNKCIJE Primjer 6. Derivacija funkcije g(x) = √ 1 .22 i derivacijama iz donje tablice.20. i vrijedi (f ◦ g)(x) = x.20. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . Kako je (f ◦ g)(x) = x iz Teorema 6.8 Studentima se preporuˇuje da provjere donje formule samostalno.2.10 imamo da je f (x) = lim e∆x − 1 = 1.19 Pogledajmo sljede´e primjere: c 1 1. 6. 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. Derivacija funkcije g(x) = ln x je g (x) = x . .22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. odnosno 1 g (x) = √ .

Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 .1: Derivacije elementarnih funkcija 6. Jasno je da je ∆x = tg α. f (x0 )) biti dosta mala. f (x0 )) s c c ∆f apscisom x0 + ∆x. f (x0 )) i osi 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. c tj.2. odnosno ∆f = tg α∆x . Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . gdje je α kut izmedu tangente funkcije f u toˇki (x0 . no to je ponekad teˇko izraˇunati. 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 6.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ).

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

Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. Iz Primjera 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. 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”.5 2 Slika 6. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .23).16 znamo da je f (x) = cos x. Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator.248 ˇ POGLAVLJE 6.♠ s s c .20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. dakle je f (0) = cos 0 = 1. c Primjer 6.5 -1 0. to su razlike ordinata na grafu i na tangenti male za istu apscisu.5 1 1. Dakle.

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

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

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

2 za koji je f (x ) = 1.26 je bitan. f neprekidna na R.258 ˇ POGLAVLJE 6.12.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. UVOD U DIFERENCIJALNI RACUN 2. po Teoremu 6.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. Ako je dana funkcija f : R −→ R formulom 3x. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). 0 x>1 oˇito f ima prekid u x = 1. x za koji je f (x) − f (a) = f (x ). b−a ali ne postoji x ∈ 0. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). Uvjet f ∈ C 1 (I) iz Teorema 6. x ≤ 1 . z Iz Teorema 6. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. pa je. . y f(x) 0 a b x Slika 6. oˇito je c x−→1 lim f (x) = 3 = f (1). Kako je f (x) = 3. x ≤ 1 f (x) = 3 x > 1.

. tj.14 Za n = 0 Teorem 6. f (x)). Teorem 6. Napomena 6. imamo c pribliˇni izraz. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). c Usporedimo to s lokalnom linearizacijom (toˇka 6. ali ne znamo za koji x ..2. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. tj.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. imamo toˇan izraz. 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 +. iz Teorema 6. poznavaju´i vric c jednosti viˇih derivacija u x0 . ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. tj.+ (x−x0 )n + (x−x0 )n+1 .27 je baˇ Lagrangeov teorem srednje s vrijednosti. Koliko je ta aproksimcija dobra? Odnosno.6.2.5). tj.26. no u nekoj toˇki sigurno je. 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 . .♣ 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. f (a)) i (x. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. i ne znamo ga toˇno. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . S druge strane.

. Dakle.24 Neka je dana funcija f (x) = sin x. s Primjer 6. Aproksimacija je dobra lokalno. 2! . f (x0 )) od svih c polinoma danog stupnja. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + ... Sliˇno kao i Teorem 6.23. UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 .260 ˇ POGLAVLJE 6. T1 (x) = f (0) + f (0)x = x. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 .. 2! f (cx ) (x − x0 )2 2 predstavlja greˇku lokalne linearizacije s R2 (x) = f (x) ≈ f (x0 ) + f (x0 )(x − x0 ) funkcije f u okolini toˇke x0 . Dakle.. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . x2 = x.♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|. 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − .

+ (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . sin x.2..2.. . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . n! ∞ sin x = n=0 (−1)n x2n+1 . c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). (2n)! Napomena 6.3. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . odnosno konvergirati nekoj z (x drugoj funkciji. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6..15 Taylorovi redovi obiˇno sporo konvergiraju. 6. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R..1). dakle nisu jako c dobri za numeriku. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. Moˇe se pokazati da su funkcije ex . Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .6.28 Neka je f ∈ C 1 (I) za neki interval I. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . tj.

11 imamo da obrat ne vrijedi. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.25 zakljuˇujemo da u Teoremu 6. UVOD U DIFERENCIJALNI RACUN 1. po Teoremu 6. Dokaz: c 1.28 primjenom Teorema 6. onda funkcija strogo raste (pada) na I. Dokaz ide na sliˇan naˇin. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr.♠ Iz Primjera 6.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. . 2. Jedan smjer bismo mogli dokazati. x−→0 U Teoremu 6. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. Obratno. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). Dakle ne vrijedi f (x) > 0 na R. za svaki x ∈ I.262 ˇ POGLAVLJE 6. pa je f (x + ∆x) − f (x) ≥ 0. obratna tvrdnja ne mora vrijediti.26 postoji x ∈ (x. Neka je f ∈ C 1 (I) rastu´a funkcija na I.26. jer se c s c medu njima nalaze potencijalni ekstremi. dakle z funkcija f raste na I. Kako je desna strana gornje jednadˇbe nenegativna. za svaki x ∈ I.24 smo vidjeli da. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. lim x2 = 0). Iz Napomene 6. Medutim. Tada.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. ∆x Primjer 6. 2. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). onda je f (x0 ) = 0. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. Ovaj smjer se dokazuje analogno kao u Teoremu 6. to je i lijeva strana takva. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. pa je f (x) = lim za svaki x ∈ I. ∆x za svaki x ∈ I. Limes nenegativne funkcije mora i sam biti nenegativan.

x2 ∈ I.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. x2 ∈ I.♣ c Konveksnost. ali i ne mora. Ako derivacija s c ne mijenja predznak. u stacionarnoj toˇki funkcija moˇe.4. c Kao ˇto smo rekli.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. da je barem f ∈ C 2 (I)). Teorem 6. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). kaˇemo da je f konkavna na I. Dokaz: Izravno iz toˇke 5.1. 2 za sve x1 . c Dakle.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 .24.2.6. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. jer konveksnost i konkavnost ovise o predznaku druge derivacije. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. onda u x0 funkcija f ima lokalni minimum. imati s c z lokalni ekstrem. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. Teorema 6.28. . Definicija 6. Teorema 6. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. DERIVACIJA FUNKCIJE 263 Definicija 6. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . onda u x0 funkcija f ima lokalni maksimum. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. a s druge pada (raste)).

Zbog neprekidnosti druge c derivacije.27 biti iz te okoline. 2. Uzmimo x proizvoljan iz te okoline.264 ˇ POGLAVLJE 6. f (x1 )) i (x2 . jer c c se nalazi izmedu x0 i x. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). c 2.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum.31. funkcija f ima u x0 ∈ I lokalni minimum. x2 ∈ I graf konveksne funkcije je ispod. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 .31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I).♣ Teorem 6. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. Ako je f (x0 ) > 0.30 Neka je f : I −→ R klase C 2 (I). c c Dakle. Ako je f (x0 ) < 0. Npr. Teorem 6. Dakle je f (cx ) > 0. 2. c . izmedu x1 . Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. Primijenimo li Teorem 6. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . Dokaz: 1. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. 1.27 za sluˇaj c n = 1. funkcija f ima u x0 ∈ I lokalni maksimum. za svaki x ∈ I. a konkavna ako je za sve x1 . imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). ali je f (0) = 0. UVOD U DIFERENCIJALNI RACUN Definicija 6.3). c 1. iz Teorema 6. konveksnost i konkavnost su odredene predznakom druge derivacije. za svaki x ∈ I. Onda ´e i toˇka cx iz Teorema 6.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . f (x2 )). Dokaz ide na sliˇan naˇin.

Ako je c ∈ I toˇka infleksije od f . Ako je g (x) = 0 za svaki x = x0 . z Neka je lim f (x) = lim g(x) = 0. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . Dokaz: Bez smanjenja op´enitosti. c strogo konveksna i na c. u x0 ∈ I.30 imamo da funkcija f raste na (c − δ. neka je f na c − δ. c c Kaˇe se joˇ da je toˇka (c.♣ Raˇunanje limesa . Npr. ∞ . pa je po Teoremu 6.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. z s c c Teorem 6. f (c)) toˇka infleksije grafa funkcije f . c + δ). c + δ strogo c konkavna za neki δ > 0. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. 0 i f (x) > 0 za x ∈ 0. x ∈ I.L’Hospitalovo pravilo c Teorem 6. Onda je c toˇka infleksije od f . c strogo konkavna i na c. ∞ .2. 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 .27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . ali je f (x) > 0 za x ∈ −∞. Dakle je konveksna na −∞. Dakle. c) i pada na (c. c strogo konveksna i na c.6.34 Neka su f i g derivabilne funkcije na I osim. Tada iz Teorema 6. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. moˇda. pa x = 0 ne moˇe biti z toˇka infleksije. onda je c f (c) = 0. g (x) onda je i x−→x0 lim f (x) = L.7. c + δ strogo konveksna.24 f (c) = 0. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. Iz Teorema 6.♣ Uvjet f (c) = 0 iz Teorema 6. 0 i 0. c + δ strogo konkavna ili je na c − δ. DERIVACIJA FUNKCIJE 265 Definicija 6. c Teorem 6. f ima lokalni maksimum u c.32 Neka je f ∈ C 2 (I). x ∈ I.7 Neka je f : I −→ R i c ∈ I. c Dokaz: Izravno iz Definicije 6. Neka postoji δ > 0 takav da je funkcija f na c − δ.

c Napomena 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. tg α2 = f2 (x0 ). . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . analogno kao u dokazu Teorema 6. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . .12). . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. Znamo da je c tg α1 = f1 (x0 ).266 i ˇ POGLAVLJE 6. Tada.34. 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. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). iz Teorema 6. . gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . .♣ g (x) f g Na Teorem 6. g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . .34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . f (n) (x0 ) = 0. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. . g (n+1) (x0 ) = 0.16 Neka su funkcije f. c Dakle. po g (x0 ) = 0. g(x0 ) = 0.12) i iz Teorema 6. g (n) (x0 ) = 0.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . f (x0 ) = 0. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.

.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 .6. z c c Primjer 6.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . a > 0.2.14: Kut izmedu dviju krivulja. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. 1 + f1 (x0 )f2 (x0 ) Napomena 6. odnosno ako i samo ako je tg α = ∞. Iz toˇke 2. tj. onda je i tg α = 0 . Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). x a + x2 = f2 (x).2. dakle je f1 (x0 ) = f2 (x0 ). ako i samo ako je f1 (x0 )f2 (x0 ) = −1. To znaˇi da u c toˇki (x0 .26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . c c pa moˇemo re´i da se diraju u toj toˇki. Ako je α = 0.

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

c c 2. Odrediti domenu funkcije (prirodno podruˇje definicije).27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena.2. Postupak: 1. Sloˇiti sve dobivene podatke u graf funkcije. to upu´uje na pogreˇku u raˇunu. 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. 3. Ispitati ponaˇanje na rubovima domene (asimptote). Nadalje je V (x) = (a − 2x)(a − 6x). . Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. 7. c Primjer 6. Odrediti intervale monotonosti i lokalne ekstreme. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. c c 6. u izvjesnom smislu. Postupak je. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. Prona´i stacionarne toˇke. 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. periodiˇnost. samokorigiraju´i. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. Oznaˇimo c li tu duljinu s x. Prona´i intervale konveksnosti. neparnost. c c z 8. Ispitati parnost.6. konkavnosti i toˇke infleksije. s 5. c c 4.

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

za x = 1. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. pozvali smo se na rezultat koji. no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. je dio matematiˇke op´e kulture. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . z c Usporedimo sada ova dva pristupa.2. koji je elegantniji. minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . doduˇe. U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. slijedi da je x + x ≥ 1.6. U drugom pristupu. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1.♠ s z c . tj. 1 Nadalje. 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). a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake.

.

1 7. 2. . iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. 1. . ∞.. Dakle je funkcija z 273 .9 znamo da su skupovi C n (I).treba ih samo mnoˇiti c z vremenom. ∞. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja.. Iz z Napomene 6. za n godina bit ´e ih za n·100 viˇe nego danas. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina.Poglavlje 7 Uvod u integralni raˇun c 7. n = 0.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata...1. v = v(t)? Ili prirast populacije nije konstantan. n = 0.. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I). Kako odrediti funkciju (nepoznatu) za koju nam je u svakoj toˇki poznat koeficijent smjera tangente na njen graf? c Iz gornjih primjera vidimo da postoji potreba za operacijom ili postupkom koji ´e ”poniˇtavati” uˇinak deriviranja. Npr. 2. 1. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. odgovor je jednostavan . c s z Ako su te veliˇine konstantne... No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu.

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

Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G.♣ 7. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. gdje je c neka toˇka izmedu x i x0 .26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Interpretirajmo elemente ove formule: je znak integrala. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . c F (x) je primitivna funkcija funkcije f (x).7. C ∈ R je konstanta integracije. dolazi od S kao suma. dx pokazuje po ˇemu se integrira.1. f (x) je integrand.2. koji je po Teoremu 7. tj.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom.1.4). Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). 275 Dakle imamo prvu tvrdnju. s To nije toˇno inverz od derivacije. a to je upravo druga tvrdnja teorema. slijedi H(x) = H(x0 ) za svaki x ∈ I. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. ˇalje c s u f.1 beskonaˇan. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. H je konstantna funkcija. Piˇemo s f (x)dx = F (x) + C. Ostale raˇunamo koriste´i svojstva c c c .

Neka je F primitivna funkcija funkcije f . Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. zbog linearnosti derivacije.1 Iz Teorema 7.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. c zbog linearnosti derivacije.7).♣ Napomena 7.2 f (x)dx = f (x). Kako je imamo f (x)dx f (x)dx = F (x) + C.276 ˇ POGLAVLJE 7.20 i Napomena 6. cF c primitivna funkcija funkcije cf . Dokaz: 1. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. Dokaz: Neka je F primitivna funkcija funkcije f . z Teorem 7. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.3 Vrijedi: 1. 2. F ± G primitivna funkcija funkcije f ± g. Oˇito je. 2. f (x)dx. Oˇito je. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. Teorem 7. Za ostale operacije nema jednostavnih pravila. = (F (x) + C) = F (x) = f (x).♣ . Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. UVOD U INTEGRALNI RACUN neodredenog integrala.

Najpoznatiji primjer je e−x dx.4). c c koriste´i pravila i tablicu derivacija (toˇka 6. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. izraˇunati derivaciju bilo koje c c c elementarne funkcije. S druge strane. c 7. Ako se i moˇe integrirati. tzv.1. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. eksponencijalne i z trigonometrijske funkcije. Primjer 7.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. c c z z to obiˇno nije lako.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.7.2) i svojstva iz Teoc c rema 7.1. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Tako moˇemo integrirati polinome i jednostavnije racionalne.3.1 Pogledajmo sljede´e primjere: c . tabliˇne integrale.1. 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 7.2.

i ˇiji graf prolazi kroz toˇku (1. 3). Samo jedna prolazi toˇkom (1. pa je C = 1. Dakle je 3 = F (1) = 1 + 1 + C. 3). Traˇena funkcija je F (x) = x3 + x + 1. Odredimo integral funkcije f (x) = x2 + sin x. Koriste´i Teorem 7. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x).3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. y 3 0 1 x Slika 7. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija.2: Primitivne funkcije funkcije 3x2 + 1.278 ˇ POGLAVLJE 7. Koriste´i Teorem 7.♠ c . i one c 3 su oblika x +x+C. i to je x3 +x+1. 3 2. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. UVOD U INTEGRALNI RACUN 1. 3). Drugim rjeˇima.

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

Primjer 7.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C.280 ˇ POGLAVLJE 7. . moˇemo podintegralnu funkciju pisati kao z g(u)du. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du.3 Odredimo integral funkcije f (x) = sin5 x cos x. d(u(x)) = u (x)dx. UVOD U INTEGRALNI RACUN U Primjeru 7. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. Ako je G(u) primitivna funkcija od g(u). tj. Zamjenom varijabli kao u Primjeru 7. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. a to je diferencijal od z u6 + C.

a nije ni produkt. 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.7. kako iz integranda. 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.♠ u Napomena 7. pa je dx = Uvrstimo u integral. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. NEODREDENI INTEGRAL Primjer 7. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. 281 sin Integral tg x dx nije tabliˇni. Sada je du = 2x dx.5 Odredimo integral funkcije f (x) = 3x .1. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. u 2 2 du . 2x 1 dx. tako i iz diferencijala. Primjer 7.4 Odredimo integral funkcije f (x) = tg x . Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije.♠ x2 . x2 −1 Uvedimo supstituciju u = x2 − 1.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. 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. Dakle. cos x i da je sin x derivacija od − cos x.

Imamo produkt u kojem oba faktora znamo lako integrirati. zbog dv = v dx. (uv) = u v + v u. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. Koji od njih treba odabrati kao v? v du.♣ u (x)v(x)dx. v du. Napomena 7. a drugi se deriviranjen pojednostavnjuje. du = u dx. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. Odredimo integral funkcije f (x) = x cos x.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7.6 Pogledajmo sljede´e primjere: c 1. klase C 1 (I). Polazimo od formule za derivaciju produkta funkcija. tj. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx.282 ˇ POGLAVLJE 7.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. . v du + u dv.

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

Stavimo dv = dx. ˇto daje du = u dx = s v = x. Odredimo integral funkcije f (x) = sin2 x. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . v = sin x. ˇto daje du = u dx = s cos x dx i v = − cos x.284 ˇ POGLAVLJE 7.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. v = 1. i u = ln x. Stavimo dv = dx. tj. 1. i u = arctg x . tj. Odredimo integral funkcije f (x) = ln x. UVOD U INTEGRALNI RACUN 1. sin2 x dx.5 imamo x dx 1 = ln(x2 + 1) + C. 2. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . tj. Stavimo dv = sin x dx.♠ 2 x dx . x dx x i v = x. v = 1. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. 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 = sin x. Odredimo integral funkcije f (x) = arctg x .

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

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

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

β. r2 . + rs = n.. g + hi.. a2 − 4b < 0.. jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 . Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )).. xs c c c od Pn (x) kratnosti rγ ... rcd . Kvadratni faktori nemaju realnih korijena. . 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. ..♣ n Napomena 7.. tj. . onda je po tvrdnji 2. Kako je x0 nultoˇka kratnosti r od Pn (x). medu brojevima x1 . x2 . c c Dakle je po tvrdnji 2. s ≤ n.. xs sve razliˇite nultoˇke medu z1 . Dakle... x2 + cx + d = (x − (g + hi))(x + (g − hi)). rβ ..... medu razliˇitim nultoˇkama c c c c x1 . x0 nultoˇka od Pn−2 (x).. Ako je x0 ∈ R. xs . h = 0. Kako je x0 nultoˇka kratnosti r od Pn (x). . Medutim.. zn . redom.. njena kratnost je toˇno r. Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima. .. rs . v = 0. c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . Neka su x1 ... ima moˇda onih s komplesnim koeficijentima. .. tj.. odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x).) = n. . razliˇite realne nultoˇke s pripadnim kratnostima rα .. u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ . Neka je γ = u+vi.288 ˇ POGLAVLJE 7. .. . xs od Pn (x).. . onda je x0 = x0 . znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 ). Tada je po Napomeni 7... Iz Napomene 7.. . Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ . (x − x2 ).5 Iz Teorema 5.5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 . 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... i e + f i.4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . Iz 1. pa tvrdnja oˇito vrijedi.. zn od Pn (x) s pripadnim c c kratnostima r1 .) + 2(rab + rcd + . c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab ... r1 + r2 + .. i gdje su α. c Neka je x0 ∈ C \ R. UVOD U INTEGRALNI RACUN 3. x2 . x2 .. medu kojima moˇe c c biti istih. x2 + ax + b = (x − (e + f i))(x + (e − f i)).. c2 − 4d < 0. i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x).. Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x). f = 0.4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ . to je x0 nultoˇka kratnosti r −1 od Pn−2 (x)... . (x − xs ). .. x2 . .. Medutim. odnosno medu linearnim fakorima (x − x1 ).. .

. (x2 + ax + b)q = A − (p−1)(x−α)p−1 + C... . 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). tj. ..) = m... pri ˇemu je S(x) polinom u ˇijim se koeficijentima c c pojavljuju nepoznati koeficijenti A1 .. .5.. Izjednaˇavanjem koeficijenata uz iste potencije od x u c Pn (x) i S(x) (Teorem 5... iz brojnika desne strane. Mrab .7. + + = + 2 Qm (x) x − α (x − α) (x − α)rα Brβ B1 B2 + + .. + 2 ab + 2 + ax + b 2 x (x + ax + b) (x + ax + b)rab R1 x + L1 R2 x + L2 Rr x + Lrcd + 2 + . Brβ . Arα .. B1 . Tada R(x) moˇemo pisati kao z R(x) = Pn (x) Arα A1 A2 + . 289 gdje je (rα + rβ + .. Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A . Qm (x) = (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · .. Drugi je sluˇaj osjetno sloˇeniji..) + 2(rab + rcd + .+ 2 x − β (x − β) (x − β)rβ M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + . p > 1 A ln |x − α| + C. p = 1.1. + 2 cd + ... NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7. (x − α)p Prvi sluˇaj je gotovo trivijalan: c A dx (x−α)p i Mx + N . Nrab .4) dobivamo sustav linearnih jednadˇbi iz kojeg nalazimo z nepoznate koeficijente u brojnicima parcijalnih razlomaka... N1 . M1 . . + + ......... Supstitucijom c z t= x+ b− a 2 a2 4 .

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

uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. 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.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 .7. B = 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). Rjeˇenje je A = 3.♠ x−1 Ako su nuliˇta nazivnika jednostruka. D = −1. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. 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. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .1. x(x−2)(x+1) x+2 A B D = + + .♠ 3 3 .

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

6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. Kako povrˇinu trokuta znamo raˇunati. gdje se zbraja po svim trokutima triangulacije Ti . duˇinama. tj. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. Lik se triangulira. Takav lik ˇesto zovemo krivuljnim trapezom. jer je to uobiˇajenije. tj.2. ODREDENI INTEGRAL 293 7. c z Napomena 7. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. T1 T2 T3 T4 Slika 7.2 7.2. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. Povrˇina je geometrijska kategorija.problem povrˇine (ploˇtine) s s Problem odredivanja povrˇine (ploˇtine) geometrijskog lika lako je rjeˇiti ako je s s s taj lik omeden ”ravnim” komadima granice. problem moˇemo s c z smatrati u biti rijeˇenim.3: Triangulacija podruˇja u ravnini omedenog duˇinama. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. c .1 Odredeni integral Motivacija . s P = i P (Ti ). ploha.7. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.

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

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

Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a... Sliˇno. . . b].. n.n. . S(r) = i=1 Mi ∆xi . 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 7.296 ˇ POGLAVLJE 7. jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. Uvijek je m ≤ mi ≤ Mi ≤ M. imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a). n.7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima. i = 1. s Oznaˇimo li sada zadanu podjelu {x1 . Zbog mi ≤ Mi . koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi ....... i = 1. .. x2 . xn−1 } s r. . UVOD U INTEGRALNI RACUN postoje po Teoremu 6. jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). a zbog m ≤ mi i Mi ≤ M . imamo s(r) ≤ S(r). i = 1. c m(b − a) ≤ s(r).6)..

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

. Dirichletova funkcija nije integrabilna. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0).298 ˇ POGLAVLJE 7. b] je integrabilna.♣ Napomena 7. Koje joˇ? s Teorem 7. b].. Koje jesu? Neprekidne sigurno jesu. b] imamo mi = 0 i Mi = 1. x ∈ R \ Q. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.9 Uoˇimo da ako je f monotona funkcija na [a. onda je f (a) ≤ f (x) ≤ f (b).6 Svaka neprekidna funkcija na [a. b]. x∈Q 0. Uoˇimo da za svaku podjelu r segmenta [a. . z c tj. Primjer 7. c Iz Primjera 7.14 1. b]. a . tj.13 vidimo da nisu sve funkcije na segmentu [a. b].8 Dirichletova funkcija ima prekid u svakoj toˇki. b] z kaˇemo da je f integrabilna na [a. za svaki x ∈ [a. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti.♠ Napomena 7. b]. n.♣ Primjer 7. b] je integrabilna. nisu integrabilne. onda je ona i c ograniˇena.♣ Teorem 7. dakle je f ograniˇena funkcija na [a.5 Svaka monotona funkcija na [a. b]. Izraˇunajmo iz definicije c b 1.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. UVOD U INTEGRALNI RACUN Definicija 7. b]. 1 dx. c i = 1.. f (x) = nije integrabilna. c Dokaz: Ako f raste na [a.13 Dirichletova funkcija. b] integrabilne.

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

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

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

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

.♣ c Napomena 7.. jer npr.} se c nalazi u nekoj bazi od R(I). . Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a.♣ b b 5. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.3). Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. n.. b] toˇka c pada u toˇno jedan c c [xj−1 . . R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. Stoviˇe. i Mj = f (c).. . Oˇito je z c c tada m = 0. gdje je c ∈ R proizvoljan. dakle i integrabilna. x. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor.. j + 1.18.. x2 ..18. Dakle je s(r) = 0 i S(r) = Mj ∆xj . b] (skup R(I) nije prazan. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. i = 1. a (f (x) ± g(x))dx = a ili aditivnost integrala. b] i da je f (c) > 0. 1.2 i Teorema 6. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. Beskonaˇnodimenzionalan je. b]). i svaka funkcija iz tog skupa je neprekidna na I. Dakle beskonaˇni skup {xn : n = 0. j − 1. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).. unutra se sigurno nalaze sve neprekidne funkcije na [a.2. . n. a 4.. pa je mi = 0. Ako je funkcija f : [a. Mi = 0. M = f (c) i za svaku podjelu r segmenta [a.13). Nadalje. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. i = 1.. xj ]. a cf (x)dx = c a f (x)dx. ..2 i Teorema 6.7.. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. skup c {1. 6... onda je c b f (x)dx = 0..

UVOD U INTEGRALNI RACUN b f (x)dx = 0. a) Ako je f : [−a. −a b) Ako je f : [−a. i prema dokazanome je z s s b f (x)dx = 0.304 dakle je ˇ POGLAVLJE 7. b] po svojstvu 3. onda je a a f (x)dx = 2 −a 0 f (x)dx. 7. onda je a f (x)dx = 0. rastavimo na konaˇan c broj podsegmenata koji sadrˇe najviˇe jedno nuliˇte funkcije f . 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. a U sluˇaju kad je f (x) = 0 osim u konaˇno mnogo toˇaka. 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] −→ R neparna. b] u samo konaˇno mnogo toˇaka onda je c c b b g(x)dx = a a h(x)dx. i kad f nije nuˇno pozitivna c c c z dokaz ide posve analogno tako da segment [a.♣ a Kao izravnu posljedicu imamo: ako se funkcije g i h razlikuju na [a.♣ . a] −→ R parna.

b]. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Odatle slijedi da je F (b) ≥ F (a) = 0. Ako je f (c) < g(c) za bar jedno c ∈ [a.28 F raste na [a. onda je b f (x)dx > 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0.2. Iz pozitivnosti funkcije f na [a. Tada je b b f (x)dx ≤ a a g(x)dx. b]. po Teoremu 6. Dakle postoje x1 .3 slijedi da postoji interval I ⊂ [a. b] tada iz Teorema 6.8 je dobro definirana funkcija F ∈ C 1 [a. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b] onda vrijedi stroga nejednakost. b] oko toˇke c takav da je f (x) > 0.7.♣ 9. ODREDENI INTEGRAL 305 8. b]. b] iz Teorema 6. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. Neka su f i g neprekidne funkcije na [a. Ovo svojstvo se zove svojstvo monotonosti integrala. Kako je funkcija F = g − f neprekidna na [a. b] i ako je f (c) > 0 za neki c ∈ [a. c F (x) = g(x) − f (x) ≥ 0.3 slijedi da postoji interval . b] odnosno stroge pozitivnosti na [x1 . Dokaz: Po Teoremu 7. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. Ako je f neprekidna i nenegativna funkcija na [a. b]. i oˇito ima pozitivnu derivaciju. za svaki x ∈ I . Dakle. Ako je f (c) < g(c) za bar jedno c ∈ [a. tj. onda je F (c) = g(c) − f (c) > 0. x2 ∈ I takve c da je x1 < c < x2 . x2 ] imamo x2 f (x)dx > 0.

iz svojstva 9. Ako f nije konstanta na [a. a Dokaz: Po Teoremu 6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . iz svojstva 9. b] oko toˇke c takav da je F (x) > 0. odnosno imamo strogu nejednakost. b]. b] za koji je b f (x)dx = f (c)(b − a). i Primjera 7. b]. iz neprekidnosti funkcije f na [a.6. b]. a b b f (x)dx ≤ a |f (x)|dx. UVOD U INTEGRALNI RACUN I ⊂ [a. b]. 11. Teorem 7.28 c F strogo raste na I . Dakle postoje x1 .14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). b]. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). za svaki x ∈ [a.306 ˇ POGLAVLJE 7.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. m ≤ f (x) ≤ M .♣ a Izraz 1 b−a b f (x)dx a . imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. imamo da je F (b) > F (a) = 0. za svaki x ∈ I . Tada postoji toˇka c ∈ [a. tj.♣ 10. tj. Neka je f : [a. b] takva da je c b f (x)dx = f (c)(b − a). b] −→ R. Nadalje iz Teorema 6. odnosno po Teoremu 6. pa postoji barem jedan c ∈ [a. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. Nadalje. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. za svaki c x ∈ [a.

b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. . a Teorem 7.2.. −1 medutim ne postoji toˇka c ∈ [−1.. iz svojstva 7. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.7 ne mora vrijediti: Primjer 7. Povrˇina ispod s grafa neprekidne funkcije f nad [a.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.7.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.. c Napomena 7. kako je f neparna c funkcija. imamo da je 1 f (x)dx = 0.+an dine (aritmetiˇka sredina od a1 .12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.. n Za funkcije koje nisu neprekidne Teorem 7. Nadalje.♠ c .9: Teorem srednje vrijednosti za odredeni integral. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. b]. a2 . x < 0. x ≥ 0 −1.. Oˇito je da funkcija f ima prekid u x0 = 0. Odatle ime teoremu. 1] za koju je f (c) = 0. se zove srednja vrijednost funkcije f na segmentu [a. an ∈ R je a = c ).

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

b] i vrijedi F (x) = f (x). ∆F ≤ M = f (ζ2 ).3. lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.11: Funkcija F (x).6). NEWTON . ∆x odnosno f (ζ1 ) = m ≤ .7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. x+∆x]. 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. b].7.LEIBNIZOVA FORMULA je derivabilna na [a. Ho´emo gledati c ∆F . Po Teoremu 7. ∆x−→0 ∆x Funkcija f je neprekidna na [a. pa onda i na svakom podsegmentu [x.

Odatle slijedi c f (x) ≤ lim tj.12). onda. tj. do kojeg dolazimo preko limesa niza integralnih suma.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize.2. Odatle je a f (x)dx = F (b) − F (a). b]. z Teorem 7. b F (b) = a f (ζ)dζ. ∆x Teorem 7. no dokaz je bitno sloˇeniji. b] i F (x) = f (x). zbog neprekidnosti funkcije f na [a. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. do kojeg smo doˇli pokuˇavaju´i invertirati s s c .Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. Sliˇno i za ζ2 −→ x. iz toˇke 7. Dakle je F (x) derivabilna funkcija na cijelom [a. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). U njoj se povezuju odredeni integral.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f .310 ˇ POGLAVLJE 7. f (x) ≤ F (x) ≤ f (x). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti.9 (Newton . pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). i neodredeni.♣ Newton .2 c dobivamo x b F (a) = a f (a)dζ = 0.♣ x ∆x−→0 ∆F ≤ f (x). a Dokaz: Prema Teoremu 7. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. F (x) = f (x). toˇke ζ1 i ζ2 moraju teˇiti prema x.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f .

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

kao i da je samo poc druˇje integracije konaˇno.10. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. c c c Neka je funkcija f neprekidna na [a.17 Izraˇunajmo c 0 1 xex dx. Primjer 7. . samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. Iz Primjera 7. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni.6 i omedena) na podruˇju integracije.♠ 7.♠ 3 Kod parcijalne integracije situacija je jednostavnija.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. tj.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. b i neka je x−→b− lim f (x) = +∞. u dv = uv a b a − a v du.312 ˇ POGLAVLJE 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. U takvim sluˇajevima govorimo c s c o nepravim integralima. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.

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

UVOD U INTEGRALNI RACUN π . Integral dx x je nepravi integral.♠ x−→0 ζ Dakle ovaj nepravi integral divergira. Nadalje imamo 1 x−→0+ lim x dζ = lim+ (− ln x) = +∞. x 1 0 3. x−→0+ ζ Dakle 0 dx √ konvergira i x 1 0 dx √ = 2. Raˇunamo c ζ 1 x dζ √ =2 ζ = 2(1 − √ x). 2 2 1−x 1 0 2. Integral dx √ x je nepravi integral. Nadalje imamo 1 x−→0+ 1 lim x √ dζ √ = 2 lim (1 − x) = 2.314 i znamo da je ˇ POGLAVLJE 7. . jer 1 x −→ +∞ kada x −→ 0 + . 2 x−→1− 1 lim arcsin x = pa onda znamo i da 0 √ dx konvergira i da je 1 − x2 1 √ 0 dx π = . Raˇunamo c 1 x dζ = ln ζ ζ 1 x = − ln x. jer 1 √ x 1 x −→ +∞ kada x −→ 0 + .

0] −→ R zadovoljava uvjete Teorema 7. Izraˇunajmo c −1 1 x2 dx . t + b = a imamo t1 = a − b. onda divergira.10. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. Izraˇunajmo c a dx . Analogno. tj. 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. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. c+ε2 Ako oba limesa na desnoj strani postoje. dakle imamo b a dx = (x − b)n 0 a−b dt . 1]. Iz ϕ(t) = a. 1 a f (x)dx konvergira. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. inaˇe c Primjer 7. 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. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . x2 b 2.19 1. . iz ϕ(t) = b dobijemo t2 = 0. Sada oˇito funkcija ϕ : [a − c b.4.7. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. (x − b)n Stavimo ϕ(t) = t + b. tj.

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

4. Izraˇunajmo c +∞ 0 e−x dx. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. kaˇemo da integral divergira. −∞ Primjer 7.13: Nepravi integral po neograniˇenom podruˇju integracije. a Ako promatrani limes ne postoji. +∞ postoji integral te funkcije u granicama od a do x.7. tj. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7.20 1. −∞ pa i za sluˇaj c +∞ f (x)dx. postoji x f (ζ)dζ. . 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. c c da za svaki x ∈ [a.

Izraˇunajmo c 1 +∞ dx . UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. c 3. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1.♠ c . Izraˇunajmo 1 +∞ dx . x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira.318 Imamo +∞ 0 ˇ POGLAVLJE 7. 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. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. 2. 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 c dx .

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

s Analogno se definiraju i ostali odredeni integrali (ploˇtine). tj. odredeni integral proizvoljne neprekidne funkcije. onda je ploˇtina povrˇine omedene grafom funkcije g. tj.15: Ploˇtina lika omedenog grafom funkcije od y. s s osi y. promatramo krivulju x = g(y). pravcem y = c i pravcem y = d dana s d g(y)dy.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. s Ako je g : [c. za sluˇaj kada s c je funkcija g negativna. ploˇtinu s .14: Ploˇtina lika omedenog grafovima dviju funkcija. d] −→ R neprekidna i pozitivna funkcija u varijabli y.

7. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. osi y... Podijelimo segment [a. b]. < xn−1 < xn = b.. 1. i = 0. n − 1. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . . 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.. .. n ∈ N. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. manjoj) osnovici krnjeg stoˇca. za ∆h −→ 0. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. d]. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . za svaki y ∈ [c. Povrˇinu osnovice tog valjˇi´a s cc . cc z tj. Za n −→ ∞.ˇ 7.. krnji stoˇac visine ∆h. recimo stoˇac visine H i polumjera osz novice r. Nareˇemo ga na tanke ploˇke. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . dobit ´emo toˇnu formulu za volumen stoˇca. ∆h. valjkom iste visine s osnovicom jedz z nakom gornjoj (tj.. Za veliki n ∈ N ´e zbroj z c H R Slika 7. H − ∆h. d] takvih da je s g1 (y) ≥ g2 (y). Time je c c i tijelo T podijeljeno na n slojeva. tj. z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca.16: Volumen stoˇca kao limes sume volumena tankih valjaka. zamijenimo komad stoˇca.5.5. recimo visine ∆h = H . h = 0.. i u z s n svakom sloju izmedu visine h i h + ∆h.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije.

Primjer 7.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. a njegova povrˇina za zadani x je jednaka f (x)π. 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. 0). tj. i=0 Prijedemo na limes. S druge strane. 0. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . ako taj limes postoji kad n −→ ∞. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. Iz Primjera 7. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . No taj popreˇni presjek c c 2 je krug. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a.322 y ˇ POGLAVLJE 7. 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. kad max ∆xi+1 −→ 0.♠ 2 . oznaˇimo s P (xi ).

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

324 y ˇ POGLAVLJE 7. Primjer 7.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. f2 (x) = R − √ r 2 − x2 .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 . y R r 0 x −R Slika 7. R > r.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.

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

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

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

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

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

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

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

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

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

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

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

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

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

mase µ.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. i . s s plaˇta krnjeg stoˇca polumjera donje osnovice R.26). 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 )). b] na podsegmente [xi−1 . xi ]. Dijeljenjem segmenta [a. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx ... . xi ]. s yT = b a f (x) √ 1+[f (x)]2 dx . moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). .338 ˇ POGLAVLJE 7.. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. b] rotira oko osi x. s 7.27: Ploˇtina plaˇta rotacijskog tijela. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . n... Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.. i = 1. n. i = 1. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.5.

Teorem 7.♣ s zs 7. . Ovdje smo s ds oznaˇili diferencijal luka. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . gdje je si ∈ [xi−1 . i = 1. 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. ako znamo poloˇaj tijela u trenutku t1 = 0.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.5. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.26). ploˇtinu sfere polumjera r. xi ]. n.. Toˇnije. 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 ..ˇ 7.31 Izraˇunajmo oploˇje kugle. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 .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. c ds = 1 + [f (x)]2 dx. tj. Primjer 7. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . .5.. 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. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.7 Primjene u fizici Prijedeni put pri nejednolikom gibanju Pomo´u integrala moˇemo odrediti prijedeni put u vremenu izmedu trenutka t1 c z i t2 ako nam je poznata vrijednost brzine v(t) u svakom trenutku izmedu t1 i t2 .

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

80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. onda je b W (h) = a F (x)dx. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. rad) biti kvadratna funkcija pomaka x. ako se masa tijela mijenja. F = −kx. no nije ni bitna.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. To je formula dobivena integriranjem konstantne sile mg od 0 do h. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. i nakon toga s . s Primjer 7. tj. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. pri ˇemu je g ≈ 9. Ako sila nije konstantna. Konstanta k nam nije zadana u ovom primjeru. b]. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. Koliki je rad potrebno uloˇiti za c z isuˇivanje jarka? s Za isuˇivanje jarka potrebno je svu vodu iz njega di´i (barem) do njegove s c povrˇine. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje.ˇ 7. b] z z b W = a F (x)dx.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . Odavde odmah slijedi da je 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. 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. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. 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.5.33 Jarak duljine 10 m. Tada ´e njen integral (tj. Primjer 7. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju.

Integriraju´i doprinose svih dubina c od 0 do h = 1 m. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 .33. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. .342 ˇ POGLAVLJE 7.29: Jarak iz Primjera 7.30: Jarak iz Primjera 7. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve.83 J. a debljina sloja je dx metara). s x 0 y h Slika 7. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. ˇirina c s 2(1 − x) m. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. duljina jarka je 10 m.33. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.

Uzimaju´i da su mp . tj. gdje smo s c K oznaˇili K = Gmz mp . Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . c c c smanjenje zbog utroˇka goriva. No ta sila je. To se postiˇe integriranjem po dubini sile na z mali element povrˇine. 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. PRIMJENE INTEGRALNOG RACUNA 343 Zadatak smo mogli i jednostavnije rjeˇiti uoˇavaju´i da je teˇiˇte vode u jarku s c c zs 1 na dubini od 3 m ( jer je teˇiˇte trokuta na tre´ini teˇiˇnice. c z s 2 K F (R) = R2 = P . Dakle je K = P R2 i F (x) = PxR . po definiciji. 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 . imamo F (x) = x2 . 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. 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 = .♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici.ˇ 7. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . s z Primjer 7.5. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. upravo teˇina z K tijela. Za x = R imamo teˇinu tijela na povrˇini Zemlje. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. z z Primjer 7. mp masa projektila i G univerzalna gravitacijska konstanta).♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. mz i G konstante. (Ovdje je mz masa Zemlje.34 Koliki je rad potreban uloˇiti da se tijelo (npr.

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

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

Sign up to vote on this title
UsefulNot useful