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

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

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

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

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

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

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

s 7. . .2. .2 Odredeni integral . . . . . 7. . . . .2 Svojstva odredenog integrala . . . . . . . . . . . . . . . . . 6. . 7. . . . . . . . . . 6. . .5. . . . . . .5. . . . . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . .5. . . .2. . . . . . . c 6. . . .3 Metode integriranja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 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 . . . . . . . . . . . . . . . . . .1 Motivacija . . . c 6. . . . . . . .1. . . . . . . . . . . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . .1 Povrˇina lika u ravnini .1. . . . . . . . . . . . . . . .4 Moment ustrajnosti (inercije) . . 6. . .2. . . . . .5. . . . . . . . .4 Raˇunanje derivacija . .6 Derivacije viˇeg reda .2 Derivacija funkcije u toˇki . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . 6. . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . .2 Neodredeni integral . 6. . . . . . .1. . . .2.2. zs 7. . . . . . .2. . . . . .7 Raˇunanje limesa . . . . . . .5. . . . .5 Neprekidnost i limes . . . 7 Uvod u integralni raˇun c 7.6 Neodredeni oblici . . . . . . . . . . . . . . . . . . . . . . . . .7 Primjene u fizici .5. . . s 7. . . .1 Neprekidnost funkcije . .2 Svojstva neprekidnih funkcija . . . . . c 6. . 6. . . .1. . . . . .1. . . . . . . . . . .8 Primjene derivacija . .3 Newton . . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . . . . . .5. . . . .1 Motivacija .5 Duljina i teˇiˇte luka ravne krivulje . . . . .2 Derivacija funkcije . .2. . . . . . . . . . . . . . . . .1 Neodredeni integral . . c 6. . . . 7. . . . . . . . . . . . . . . .1 Primitivna funkcija . . . . . . . . . . . . . . . .3 Teˇiˇte . . . . . . . . . . . . . . . 6. . . . . . . 7. . . . . .6 Povrˇina rotacijske plohe . . . . . . . . . . . . c 7. . . s 6. . . . . . . . .1. .1. . . . . . . . . . .4 Nepravi integral . . . .5 Primjene integralnog raˇuna .2. . . . . c 6.4 Graniˇna vrijednost (limes) funkcije . . .2. . . . . . . . . . . . . . . . . . . c 6. . . . . . . . . . . .Leibnizova formula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . .3 Neprekidnost elementarnih funkcija . . .3 Derivacija funkcije . . . . . . . . .2 Volumen rotacijskog tijela . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . zs 7.1. . . . . . . . . . . . .1. . . . 6.1. . . 7. . . . . .

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

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

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

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

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

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

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

8 izostavljanja. Zainteresirani se ˇitatelj za izostavljene dokaze moˇe obratiti c z nastavnicima ili ´e ih potraˇiti u literaturi. 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. 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. s c . Takav je pristup rezultat kompromisa. Nadamo se da ´e tako ostvarena sinergija s z c rezultirati kvalitetnijim nastavnim procesom i poboljˇati njegove uˇinke. a s s s druge smo strane morali voditi raˇuna o njenoj opseˇnosti i zadrˇati ju u razumc z z nim okvirima. Nastavni materijal koji imate pred sobom bit ´e najbolje iskoriˇten u kombinaciji s redovitim pohadanjem predavanja. S druge strane. 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. c z Evo na kraju i posljednjeg savjeta.

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

VEKTORSKI RACUN − → Definicija 1. do na translaciju prostora)? z 1. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. Duljinu − → − → vektora P Q oznaˇavamo s d(P. 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 . tj. tj. − − → −→ Definicija 1.10 ˇ POGLAVLJE 1.2: Jednakost vektora.1: Duˇina i usmjerena duˇina. jer imaju razliˇite poˇetke i c c c krajeve. jedna od njih je poˇetak P a druga je kraj Q. Q Q’ P P’ Slika 1. c . Poˇetak joˇ c c c s zovemo hvatiˇte. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. Q) =| P Q |. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi.2 slijedi da je op´enito P Q = QP .2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. intenzitet). s Q P P Slika 1.

Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. tj. B ∈ E takve da je OA = − i AB = b . VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer.1. 11 − → 3.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima.2 znamo da takve toˇke A i B postoje i da su jedinstvene. onda c a − → − →. Oˇito je | 0 | = 0.3). s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. Tada je c − − → − = OB.1.3). poˇinje u P a z c zavrˇava u Q. Preciznije. z kolinearan je sa svakim vektorom). Vektor kod kojeg su poˇetak i kraj jednaki. tj. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. Iz a Napomene 1. → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b . Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. → c . zvat ´emo nul vektor i c c − → oznaˇavati s 0 . postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. P = Q. Napomena 1. Sada samo izaberemo orijentaciju koja nam treba. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. Za vektor P Q kaˇemo da je orijentiran od P prema Q. c 2. → Napomena 1. Pogledajmo sada neka svojstva nul vektora: c − → 1. 3.

− + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). O. VEKTORSKI RACUN R a G Slika 1.4: Pravilo trokuta i pravilo paralelograma. i oznaˇavamo ga s → 0 . Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − .1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. (− + b ) + − = → + ( b + − ) (asocijativnost). − + b = b + − (komutativnost).12 ˇ POGLAVLJE 1.3: Motivacija za definiciju zbrajanja vektora. Q ∈ E vrijedi P Q = P O + OQ. . ♣ B b a+b a b 0 A a+b a b Slika 1.3 Za bilo koje tri toˇke P. → a =−a → − → → → − a a 4. a c a c → − → → → − → a a a 2. − → − → − → Napomena 1. Vektor a zovemo suprotni vektor vektora a c − → −. c Teorem 1. − → → − → → → → − 3.

s → − − a c Napomena 1.λ<0 a A B Slika 1. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. koji ima isti smjer kao →. realnim brojem. d c a + b+ c+ d a b Slika 1. λ > 0 B’ 0 λa.1. Sliˇno 2− + − = 3→. tj. a . 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 − ).1. ˇija je duljina jednaka |λ||− |. → BA. a a → Za sluˇaj → + − piˇemo 2− (tj. c a − 2.5: Pravilo mnogokuta za zbrajanje viˇe vektora. ali je suprotne orijentacije. Za n ∈ N a c a a a − = (n − 1)− + − .6: Mnoˇenje vektora skalarom. definiramo λ− kao vektor: a → 1. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →.4 Vektor a = −→ iz Teorema 1.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. z → Za λ ∈ R. λa .

3. a a a − → 3.♣ a a Definicija 1. Neka je dan polupravac (zraka) s poˇetkom u O. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. − → → → → − Ako su vektori − i b kolinearni. a suprotnu orijentaciju a − za λ < 0. i neka je A = O c toˇka koja leˇi na tom polupravcu. → od vektora a Teorem 1. 1 · − = → (postojanje jedinice). (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara).5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). za sve a. a a → − 4. onda. koji ima istu orijentaciju kao vektor − za λ > 0. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1.14 ˇ POGLAVLJE 1. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA.5 nigdje ne govori o geometrijskim veliˇinama. Primjetimo da se u Definiciji 1. postoji pravac a a .4 i pokuˇajmo definirati kolinearnost u drugim s terminima. λ(µ→) = (λµ)− (homogenost). uz pretpostavku − = 0 . Elemente od skupa V zovemo vektori. c Vratimo se sada Definiciji 1.1 i Teorema 1.2. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . b ∈ V je a + b ∈ V . 2. VEKTORSKI RACUN → 3. a a → → → 2.

(− . Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. b ∈ XO (E) i λ ∈ R.2 Vektorski prostor XO (E). (Usporedimo ovo s Definicijom 1. Kako je → = 0 . tj. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . Imamo da je c a − → → b = λ− . → → → → definirati a0 c a0 a0 a − → |a| − = |− |− .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. (λ. tj. a a .1). gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. − → 2.2. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. B ∈ E na p takve da je − = OA. onda je |− | = 0. Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. VEKTORSKI PROSTOR XO (E). A. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. → →→ te vrijedi a a a0 1. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). pa moˇemo a a a z − → − = a . z → − → − → → → Neka su sada − . svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . Bijekcija je konstruirana na prirodan naˇin. b = OB. 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− .4).

Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . − . Vektori − .. . → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 ...... λn ∈ R. − ... Q = O.5). − ∈ XO (E). a a1 a2 an → − − Definicija 1.. − .7: Radij-vektori u X0 (E).. → s koeficijentima λ1 .....7 Iz Definicije 1. λ2 .. λn je razliˇit od nule. λn . ... − . λ2 . Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − . − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0.. .. . →. λ1 . Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1.5 Uzmemo li neku drugu toˇku Q ∈ E. VEKTORSKI RACUN E P 0 Slika 1... Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − ... − → Napomena 1.6 izravno slijedi: → → → → a1 a1 a2 an 1.2. . → ∈ → → − 0 i bar jedan od skalara λ1 . .6 Sliˇno definiramo vektorski prostor XO (M ) = {OP : P ∈ M } c − → za ravninu M i vektorski prostor XO (p) = {OP : P ∈ p} za pravac p. → → → Neka su sada − . λ2 . onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ.. . λ2 . ...1 i Teorema 1.. Napomena 1. z c Napomena 1.. . Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1. − .. λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . . .6 Za vektore − .16 ˇ POGLAVLJE 1.. − .

jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. → ∈ XO (E) jednak nul veka1 a2 an toru. c − → − Napomena 1. z → − − 3. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. . b ∈ XO (E). taj rastav je jedinstven. Ako su − .2. →.8 Neka su →.7. → ∈ XO linearno zavisni.♣ .4 Ako su − . onda su ti vektori linearno zavisni. jer se nalazimo na pravcu.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. on se ne moˇe izraziti kao njihova linearna konbinacija.♣ → a s Jednostavna posljedica Teorema 1. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. →. e1 e2 e3 z Tada su oni linearno nezavisni. Ako imamo dva vektora − . a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .. − i − . Ako je barem jedan od vektora − ..♣ → → → ˇ s a b c Iz Teorema 1. b i − tri linearno nezavisna vektora iz XO (E). ♣ Tvrdnja Teorema 1. .. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . c − → → a 4. → → − → Teorem 1.1. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. Teorem 1. pa z z slijedi da su oni linearno nezavisni. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. Stoviˇe. Stoviˇe. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . onda su oni linearno zavisni ako i samo ako su kolinearni.5 Ako su − . b bilo koja dva linearno nezavisna vektora iz XO (M ).. → → − Teorem 1.3 slijedi iz Napomene 1. takav rastav je jedinstven.. VEKTORSKI PROSTOR XO (E)..3 je jasna.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.

VEKTORSKI RACUN 1. a2 i a3 − → → → vektor iz XO (E). z c → → Neka je sada − proizvoljan vektor iz XO (E). → → a b i j k . prema Napomeni 1. k ne leˇe u istoj ravnini. 0).2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . j . 0) i Ez = (0. uredeni par → − (− . Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). duljine su im 1 i leˇe na okomitim c s z pravcima. 0. − → − → Neka je (→.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). →).8 z ˇ oni su linearno nezavisni.18 ˇ POGLAVLJE 1. j = OEy i − → −→ − − − − → → → k = OEz . Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava.5). →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Analogno. te toˇke Ex = c s c −→ − − → −→ − → − (1.1 i Teorem z 1. ay . a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Definirajmo i = OEx . − ∈ XO (E).3 Baza vektorskog prostora XO (E). − . Ey = (0. Tada je a e1 e2 e3 c − (Teorem 1. →. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . Kako vektori i . pa ˇine bazu. − . →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). Stoviˇe. 1). Skalare a1 . c →. 0. pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. Koordinatni sustav → − → Definicija 1. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . e1 e2 Napomena 1.7 Uredena trojka (− . az ) su jednoznaˇno odredene. pri ˇemu su skalari a1 . a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. 1.

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

. ay . . U toˇki 1. . 0. ay . z 1. λ(x1 .. az ) = (λax .. x2 .. by .... ako su sila i put kolinearni.20 ˇ POGLAVLJE 1. .. ˇini bazu u R .. Skup svih takvih n-torki oznaˇavat ´emo sa Rn . 1.. yn ) ∈ Rn i λ ∈ R definiramo: (x1 . Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. ay + by .. .. 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).. i = 1.. x2 . n}. (ax .. λaz ). VEKTORSKI RACUN 1....1 i Teorema 1. x2 . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. λx2 . n. 2. Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza.. .. ... . λxn ). (y1 . Moˇe se pokazati da skup od n vektora −i = (0. xn ) = (λx1 .3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E).. . y2 .2.. xn + yn ).. . x2 + y2 .. x2 ... xn ) + (y1 . . Zelimo uvesti i mnoˇenje vektora. xn ) : xi ∈ R za i = 1. .... Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom.. y2 . az ) + (bx .. Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. az + bz ). λ(ax . n. 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 ||− |). To svojstvo baze od X0 (E) zovemo potpunost. c c Za (x1 ... 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 . xn ). Dakle Rn = {(x1 .. Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R .. Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. yn ) = (x1 + y1 . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni.. 0.5 Skalarni produkt ˇ Vektori su generalizacija brojeva.. Kako ta baza ima c n n vektora. kaˇemo da je R n-dimenzionalni realni vektorski prostor. bz ) = (ax + bx ... x2 . . . xn ) gdje su xi ∈ R za i = 1. . λay ..

k ) − − − → → → nije jedina takva baza (npr. kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. j . pa kaˇemo da je ( i . j . j . k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). i ) je druga takva baza). a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. Primijetimo da ( i . onda je → · b = 0. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E).) Ako je barem jedan od vektora → i b → − − nul vektor. Skalarni produkt vektora − . j .8 Neka su − = 0 i b = 0 . rezultat produkta vektora c − → mora biti skalar. k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1.1.3). odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . − − − → → → Pogledajmo sada jediniˇne vektore ( i . iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. j .8: Uz definiciju skalarnog produkta. b .1 vidimo da su vektori i . novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. Iz Tablice 1. nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). Svaka tri vektora − → → → (− . ( k . pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. a c c . s − → → − → → − − → → Definicija 1. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . (Uzimamo 0 ≤ ϕ ≤ π. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E).5. Kako je rad skalarna veliˇina. Osim toga. SKALARNI PRODUKT 21 produkt dvaju vektora. b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj.

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

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

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

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

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

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

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

kako odrediti jesu li dva pravokutna sustava jednako . je li mogu´e krutim gibanjem (rotacija. k ) i S = (O . Neka je c − . To znaˇi da se skup svih pravokutnih koordinatnih sustava raspada na dva c podskupa. j u j i k u k ? Ako je to mogu´e. Tada ravnina okomita na − → − − → → − → − → → − i u kojoj su j i k prijede u ravninu okomitu na i u kojoj su j i k . ako S nije ekvivalentan c sa S. k 0 0 i j i k j Slika 1. Jasno je da je svaki tre´i pravokutni koordinatni sustav jednako orijentiran s c toˇno jednim od ova dva. Postavlja se pitanje. j . O ∈ E i neka su ( i . →. Tada imamo dva − → − → − → − → − → − → pravokutna koodinatna sustava S = (O. k ). k ) i ( i . jentacija Ori- Znamo da je za proizvoljnu toˇku O ∈ E skup XO (E) vektorski prostor. ili sa S . Sada − → − → − → − → rotacijom oko osi koja sadrˇi i dovedemo j na j . i . DESNI I LIJEVI KOORDINATNI SUSTAVI.7.7 Desni i lijevi koordinatni sustavi. ili je suprotne orijentacije. − . Ili se poklopi sa S. onda kaˇemo da su S i S ekvivalentni ili jednako orijenc z tirani. i .1. j . Kako to odrediti? − − → → Prvo translatiramo O u O. ORIJENTACIJA 29 1. j . onda dovedemo i u i . − ) zovemo → − → → → → (a b c a b c → → → → − → − − − − → − koordinatni sustav. Tada uredenu trojku (O. Neka su sada O. Time vektor k padne na z − → pravac vektora k : ili se preklopi s njim (tj.11: Desna i lijeva ortonormirana baza. Koordinatne sustave u jednom podskupu zovemo desnima a drugom lijevima. imaju istu orijentaciju). − ) neka baza od XO (E). j . i u i . k ) proizvoljne ortogonalne baze od XO (E) odnosno XO (E). − . Postavlja se pitanje. translacija ili oboje) c → − → − − − − → − → → → prevesti S u S tako da O prijede u O.

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

pa je cos2 ϕ = 1.6. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. neka je − × b = 0 . a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). pa desna strana formule za duljinu vektora − × b iˇˇezava. c Dokaz: − → → Ako je barem jedan od vektora − . − → − → |a a sc a b → − → → − pa i − × b = 0 . c c z Teorem 1. i ϕ = 0 ili ϕ = π. → × ( b + − ) = − × b + − × − .7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 .7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . Neka su sada oba vektora razliˇita od nul vektora. tj. Dakle a − → − i b su kolinearni. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. jer je nul vektor kolinearan sa svakim vektorom. − → → → − → − → → 2. Tada je |− × b | = 0. → × b = −( b × − ) a a (antikomutativnost).♣ → a .14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. → → → − → → − (a b c a c b c − − → → − → 3. Kako je − · b = |→|| b | cos ϕ. ϕ = 0 ili ϕ = π. Tada je |→ × − | = 0.1.8.♣ Primijetimo da tvrdnje Teorema 1. b nul vektor. Zbog − · − = |→||− | cos ϕ. Po pretpostavci je |→| = 0 i | b | = 0. a c → i → kolinearni. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . a → − → → → → − → − → − Obratno. a a a Napomena 1. kao saˇeti zapis.

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

pravila za skalarno mnoˇenje. pravila za vektorsko mnoˇenje te gornju tablicu) z z . Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. j . to je − → → → → − (O. ω r v v ω 0 r Slika 1. − × b ) desni (op´enito nepravokutni) koordinatni sustav. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . k ) desni koordinatni sustav (pravokutni i normirani). j . k ). VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. Sa Slike 1. i . k ). Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 .13: Kutna brzina.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. − .8.1. vektore ortonormirane baze ( i . dok je s druge strane i × ( i × j ) = − j tj. k ) koje ´e nam c c biti koristno pri raˇunanju. b . Uzmimo npr.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. j . j .13 vidimo da je → = − × − .

cx cy cz odnosno s → · (− × − ) = ax by bz − → → a b c cy cz − ay bx bz cx cz + az bx by . Podijelimo li ovaj izraz sa |− |2 dobijemo: a a a a a a a − → − → →·− → − → → 1 → b = a b − + − 2 − × ( b × − ). → → − → → → a b a b a a a a b 0 → − − → × (− × →) + − × (− × − ) = →. b = bx i + by j + bz k i a → − → → → → − = cx → + cy − + cz − . − ) neka desna ortonormirana baza. → unaprijed zadani a 1.9 Mjeˇoviti produkt s − → → − → − − → → − − → − → → Neka su zadani vektori − = ax i + ay j + az k . imamo: a c − → − − − × (→ × − ) + → × (− × →) + − × (− × − ) = →.34 da vrijede slijede´e korisne formule: c ˇ POGLAVLJE 1. − . − − − → → → →→ − − − → → (− · − ) b = → × ( b × →) + (→ · b )− . VEKTORSKI RACUN → − → × (− × →) = (− · →)− − (→ · − )− − → − → − →→ a b c a c b a b c → − − − → → − − − → →→ (→ × b ) × → = (− · − ) b − ( b · →)− . cx cy . a c a c c a Primjenom gornjih formula lagano se dokazuje Jacobijev identitet: → → → → − × (− × − ) + − × (→ × − ) + → × (− × →) = − . gdje je (− . → c i j k i j k − · (− × − ) definiramo s → → → Tada njihov mjeˇoviti produkt a s b c → · (− × − ) = − → → a b c ax ay az bx by bz . → − → − → − a b c b c a c a b 0 → → → − Ako u Jacobijev identitet uvrstimo − = − = 0 . − → → → a b a a a b 0 Kako je − × (→ × − ) = (→ · − )− − (− · − )→. → − → − →→ → →− a a b a b a a a b imamo odnosno − → − × (→ × − ) + (− · − )→ − (− · →)− = − → → →− → − → → a b a a b a a a b 0 tj. a a → a |− |2 a |→| a − → − → Dobili smo formulu za rastav vektora b na vektor kolinearan s → i vektor okomit na − za a a −.

onda − → − Obratno. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . − . → komplanarni. a a .16 oni su linearno zavisni. − ∈ XO (E). |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . MJESOVITI PRODUKT 35 bx c a c b Slika 1. s → → − → Definicija 1. a | b | sin ϕ visina paralelograma.4 i 5 iz toˇke 1. gdje je |→| baza. b . Pretpostavimo zato da su − = 0 . pa kako je − okomit na b × − .16 Vektori →. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. − → − i samo ako su a b c − → → → Ako su − .6. vektorsko mnoˇenje i mjeˇoviti z z s produkt.11 Za vektore − .14: Mjeˇoviti produkt triju vektora.9. Tada je: → → → a b c → − → − → − − → 1.17 Za vektore − . − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. pa tvrdnja slijedi a c iz svojstava determinante 3. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini.ˇ 1. − komplanarni po Napomeni 1. b . |→ × b | je povrˇina paralelograma razapetog s → i b . → − → − → → → → Napomena 1. b .♣. a a − → → − → − − → − 2. b . b = 0 i → = 0 . z → − − − a c Napomena 1. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . jer je a a c → − − → |→ · b | = |− || cos ϕ|. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. Tada. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. − . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . kako je a c → − − → → − − → − · ( b × c ) = 0. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. zakljuˇujemo da su vektori → i b × c okomiti. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ.

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

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

. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. y) leˇi na pravcu p. c p n r (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. y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. tj. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. → − r n → − → → Ako toˇka (x. s c z Joˇ se naziva i implicitna jednadˇba pravca. y) ne leˇi na pravcu p. onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA. y0 ) okomit na vektor − = A i + B j . i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 . − · − = c z r n r n 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. onda − i → nisu okomiti. vrijedi Ax0 + By0 + C = 0. ako toˇka (x.y ) 0 0 (x . B = tB i C = tC. c n Zaista.1: Pravac u ravnini. Ax + By + C = 0 i A x + B y + C = 0. tj. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. pa zbog okomitosti imamo − · → = 0.y) Slika 2.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. Definicija 2.38 ˇ POGLAVLJE 2. B. s z z Napomena 2.

jer je (0. → → Ax = 0 i vektor n n i 5. Ako je A = 0. Ako je A = C = 0. Ako je B = C = 0. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. n n 2. Oˇito je (x0 . onda je pravac paralelan s osi y. z → 2. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . jer je tada vektor − oblika n − → →=Ai.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. onda je pravac os x. pa imamo tvrdnju. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. nepotpune obc z like): 1.1. Ako je C = 0. onda je pravac os y.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. − n → 3. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. jer je toˇka (0. onda pravac prolazi kroz ishodiˇte. onda je pravac paralelan s osi x. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − .1. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . 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. c Obratno. B = tB i C = tC. − n 4. tj. jer je (0. Odatle je A = tA i → → su vektori n n B = tB. jer je tada vektor − oblika n − → →=Bj. postoji t ∈ R takav da je n = t− . Dobijemo z B A x + −C y = 1. C −A −B . Ako je B = 0. y0 ) i da je za svaku drugu toˇku (x. ako postoji t ∈ R takav da je A = tA. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. znaˇi z c da prolaze kroz istu toˇku (x0 .2. Dakle → → r i j n i j n i j → − − → − i n kolinearni. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1.

c c tj. z p s=mi+nj P1 = (x 1. onda je y = b. 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). ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . z . c c y b a 0 x Slika 2. z 2.1.3: Kanonski oblik jednadˇbe pravca.40 ˇ POGLAVLJE 2.2: Segmentni oblik jednadˇbe pravca. 0). b) i (a.y 1 ) Slika 2. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. onda je x = a. pravac prolazi kroz toˇke (0. z z Uoˇimo sljede´e: ako je x = 0. imamo A x a + y b = 1. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.

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

Uvedemo li oznaku l = −kx1 . z . 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 .1. y − y1 = k(x − x1 ). y l ϕ 0 x Slika 2. Tada je y = kx − kx1 + y1 . c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj.42 ˇ POGLAVLJE 2. c 2.5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. Veliˇinu k zovemo koeficijent smjera pravca p.5: Eksplicitni oblik jednadˇbe pravca. Uvode´i oznaku k = m .

pravac prolazi toˇkom (0.1. 1]. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. 2. odnosno z → → r n x cos ψ + y sin ψ = d . a2 + b2 = 1. tj. n − → → Toˇka P = (x.1. b ∈ [−1. → → r n Jednadˇbu − · − = d. PRAVAC U RAVNINI Napomena 2. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. tj. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.5). imamo k = tg ϕ. c 43 n ˇ Uzeli smo da je k = m . Neka je − = a i + b j jediniˇni vektor na pravcu q. z Jasno je da su a. n c y q n θ P0 x r P p 0 Slika 2. π] takvi da je a = cos ψ − i b = cos φ.3 Za x = 0 imamo y = l tj. s vektorom i ). P = (x. c c s − → − → → d = |OP0 |. pa tada postoje ψ.2. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. n Kako je tg ϕ = m . Povucimo sada kroz O pravac q okomit na p. φ ∈ [0.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). tj. c − → − → → pa imamo − = cos ψ i + sin ψ j . Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1.6: Normirani oblik jednadˇbe pravca. l). y) leˇi na pravcu p ako i samo ako je z − · − = d.

2. 2. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca.2 2. −sign C · A2 + B 2 Dakle normirani oblik jednadˇbe pravca z Ax + By + C = 0 glasi Ax+By+C √ −sign C A2 +B 2 = 0. po Napomeni 2. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj.44 ˇ POGLAVLJE 2. z . Stoga je t= 1 √ . predznak od t je jednak suprotnom predznaku od C). tC = −d.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y. dakle mora biti tA = cos ψ. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. postavlja se pitanje kako prona´i njegov normirani oblik. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . tB = sin ψ.

ako i samo ako je A1 A2 + B1 B2 = 0.2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. A2 B2 → → Napomena 2.4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 .2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . → n i j 45 Definicija 2.ˇ 2. −1 → Neka je ϕ kut izmedu → i −2 . Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 . ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . tj. → → kolinearni.

6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. tj. m2 n2 → → Napomena 2. ako i samo ako je m1 m2 + n1 n2 = 0. → → Napomena 2. ako i samo ako postoji λ ∈ R takav da je − = λ− .7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0.46 b) Kanonski oblik: ˇ POGLAVLJE 2. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. . − → 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 . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . s1 s2 odnosno ako i samo ako je n1 m1 = . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . s1 s2 tj.

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

ako i samo ako je ϕ1 = ϕ2 .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2.1. 2 ako i samo ako je tg ϕ = ∞. 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. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j .8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. p) = x0 cos ψ + y0 sin ψ − d. Napomena 2.7). Neka je pravac p dan u c c normiranom obliku. To je ekvivalentno s 1 k1 = − .2. odnosno ako i samo ako je k1 = k2 .9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . Zanima nas udaljenost c toˇke P0 od pravca p.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. x cos ψ + y sin ψ = d. c Definicija 2. sa suprotne strane od ishodiˇta) jer je tada n s . k2 2.48 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA Napomena 2. y0 ) i pravac p u ravnini.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. tj.5. s Napomena 2. odnosno ako i samo ako je 1 + k1 k2 = 0. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. tj. tj. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .

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

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

Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. ys ). sijeku se u jednoj toˇki. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. zovimo je S = (xs . c 2.2. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. 3. tj. poklapaju se. Npr. paralelni su. identiˇni su.8: Mogu´i poloˇaji pravaca u ravnini. ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. xs = .ˇ 2. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . c z U sluˇaju da se sijeku u jednoj toˇki.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0.2.

p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . p) = x0 cos ψ + y0 sin ψ − d. onda su p1 i p2 paralelni. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. 2. onda je A 1 B1 A 2 B2 = 0.4). Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . . p) suprotnog predznaka.11 Ako je A 1 B1 A 2 B2 = 0. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. ako su p1 i p2 paralelni.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . p)|. Vrijedi i obrat.52 i ˇ POGLAVLJE 2.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2.2. Osim udaljenosti. Napomena 2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .2. p) i δ(B.

s c Neka se sada. → n i j → → −2 = A2 − + B2 − . β ∈ R takvi da je −3 = α→ + β −2 . p1 i p2 sijeku u jednoj toˇki. tj. postoje α. z c s Da bi se p1 . . mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . Tada p3 mora prolaziti kroz S. tj. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. A2 B2 A 1 B1 . tj. Dokaˇimo da je i z C3 = αC1 + βC2 .2. bez smanjenja op´enitosti. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta.5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . po Teoremu 1. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. ys ). jer ako su sve tri jednake nuli. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. Oznaˇimo c c c ju sa S = (xs .ˇ 2. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . p2 . p3 u ravnini u op´em obliku. ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. p2 .2.4 vektori → → −1 = A1 − + B1 − . → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 .11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. onda prema Napomeni c 2.

ANALITICKA GEOMETRIJA Kako p1 . B2 . (A3 . S. C3 ) su linearno zac visni. imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. i 5. A 2 B2 je razliˇita od nule. C2 ). vektori (A1 .6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. 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 . p3 po pretpostavci prolaze istom toˇkom. (A2 . Dakle dobili smo da pravac p3 pripada sveˇnju odredenom s p1 i p2 ako i samo z ako vrijedi A3 x + B3 y + C3 = α(A1 x + B1 y + C1 ) + β(A2 x + B2 y + C2 ) = 0 za neke α. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . Drugim rijeˇima. pa po svojstvima determinante 4. C1 ). A3 B3 A2 B2 A2 B2 =0 . B1 . B3 . c A1 B1 . β ∈ R. iz toˇke 1.54 ˇ POGLAVLJE 2. p2 .

3. 2. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. Neka c z s −→ → → − − radij-vektor toˇke P . PRAVAC U PROSTORU 55 2.3. .3 2.1 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. Tada imamo P0 P = − − − . z) = (x0 + ta. y0 + tb. → − → r r0 s p ts P0 r 0 s r0 Slika 2. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.3. y0 . → → → a i + b j + c k . y.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . y.2. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . z0 + tc).2).9: Pravac u prostoru.

vektor smjera pravca p je dan s (a.56 Jednadˇbe z ˇ POGLAVLJE 2. z0 ) i 2. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . 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 . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. c su koeficijenti smjera pravca p.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . Prema s z Napomeni 1. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − .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 1.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . z s Napomena 2. b. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . y0 . z c s 2. z Napomena 2.3. ANALITICKA GEOMETRIJA x = x0 + ta. c) odnosno a. pravac p prolazi toˇkom (x0 . Kako su vektori baze linearno nezavisni. . y = y0 + tb. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. j i k dobivamo kanonske jednadˇbe pravca. b.

odnosno postoje c s0 α. − → z definirajmo s P c s − je vektor smjera pravca p. →| |s b cos β = − . pa iz toˇke − − s r2 c s r2 r1 c 2. istog smjera i orijentacije kao i →. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . y1 . γ ∈ [0.1. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. i njihov omjer daje koeficijent smjera (toˇka 2. 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. Zbog komplec mentarnosti.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 .3. c s → Iz toˇke 1. π] takvi da je a cos α = − . b. onda ima dva kosinusa smjera. z Znamo iz toˇke 2.3.5 znamo da postoje kosinusi smjera vektora − .2. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . c) je dana s x y z = = . y2 . Odredimo njegovu jednadˇbu. jedan kosinus smjera prelazi u sinus. Uzmimo sada npr.5 i toˇka 2. PRAVAC U PROSTORU 57 → Posebno. z2 ) u prostoru. pa odreduje isti pravac. tj. b. s 2. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. z1 ) i P2 = (x2 .1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ).3. −| |s Dakle koeficijenti smjera a. β. − . c). onda znamo da je vektor → s a b c 1 → s0 = − − = − .6). c c Tada kroz njh prolazi jedinstveni pravac p.1. b. Sada imamo da je → = P1 P2 = → − →. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. →| |s c cos γ = → .3. → − → → r r1 r2 r1 . − →| s →| |→| |→| |s |s s s − jediniˇni.

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

+ n2 + 1 cos γ = √ m2 1 . Tada za svaki izbor a.3. Napomena 2. + n2 + 1 cos β = √ m2 n . b.3. Dakle.3. z b c . c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja.n ) 1 1 Slika 2. z y=nz+n 1 x =mz+m 1 y 0 x (m . PRAVAC U PROSTORU odnosno.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .2.3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m . vrijedi x−m1 m = y−n1 n = z.14 Iz toˇke 2.11: Pravac zadan dvjema projekcijama. uz oznake n = b c b i n1 = − c z0 . 59 y = nz + n1 . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. + n2 + 1 2. y0 .

− → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . ANALITICKA GEOMETRIJA 2. Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. AC : CB = m : n. 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 . 2 2 2 . z1 ) i B = (x2 .3. ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . y1 . mz1 +nz2 ). tj. s z Imamo → = 1 (− + − ).7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . . z2 ) u prostoru. 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 2.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. y2 . m ∈ N. r2 r1 →=− + − → ρ r1 n m → → → − + n −.12: Dijeljenje duˇine u zadanom omjeru. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. z → c radij vektor toˇke B. my1 +ny2 .60 ˇ POGLAVLJE 2. .

− → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. P0 d r π n0 0 M Slika 2. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. s vektorima baze −0 ˇto ih n s − − − → → → i . → → radij-vektora r n c P . y. 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.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. k iz toˇke 1. β. toˇku O). → n Posebno.3 ).4. onda je p = 0. a vektor z −0 zovemo normala ravnine Π.4 2. → 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. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. Povucimo okomicu iz toˇke O na ravninu Π. → → r n .2. ako Π prolazi kroz ishodiˇte (tj. γ kutovi c → zatvara s pozitivnim smjerovima osi x. j . z redom (tj. RAVNINA U PROSTORU 61 2.13: Normalni oblik jednadˇbe ravnine.4. Neka je −0 = OP0 c c n p −→ − (tj.

17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. B. y. b. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. n0 − − → → OB · −0 = p. n . 0). r n Napomena 2.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. 2. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. Kako je d. redom. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. z). z. udaljenost ravnine Π od ravnine Π . c). Napomena 2. u stvari. z1 ) ∈ E proizvoljna.2.16 Ako toˇka P ∈ E ima koordinate (x. iz normalne jednadˇbe ravnine imamo. c Neka je M = (x1 .2. Nadalje. z − − → OA · → = p. B = (0. → ako je M s one strane Π na koju pokazuje −0 . Kao i kod pravca (toˇka 2. neka su toˇke A = (a. C = c (0. c c Sada. C ∈ Π.62 ˇ POGLAVLJE 2.2. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. a c kako M leˇi u Π . y. y1 .4. Za toˇke s druge strane bit ´e n c c d < 0. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . 0). 0. toˇke u kojima Π sijeˇe koordinatne osi x. kako su A. jer je duljina okomice do Π jednaka p). ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. n − → → OC · −0 = p. Imamo neˇto analogno otklonu iz toˇke 2. 0.

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

pri ˇemu se uzima predznak suprotan od c . z) toˇka u takvoj ravnini. c z c z Napomena 2. z0 ) i okomita na vektor c − = (A. ako P ∈ E ne leˇi u ravnini. Dakle. 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 . B. ako je toˇka P = (x. C).15: Op´i oblik jednadˇbe ravnine. y. kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ). jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. onda je jasno da i c c − − = −0→ leˇi u toj ravnini.18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . c −→ → − S druge strane. odnosno. 0 r P n π 0 Slika 2. ANALITICKA GEOMETRIJA P . tj. Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. y0 .64 ˇ POGLAVLJE 2. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). C). Onda je − · − = 0. z0 ) koja je okomita na vektor z c − = (A. → n Zaista. y0 . imamo da izraz → − n r A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 vrijedi za sve toˇke na toj ravnini. B.

pa odreduju istu ravninu. R cos β = B . onda su koordinate A.2. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. RAVNINA U PROSTORU predznaka od D. s → 2. c . pa imamo cos γ = 0. tj. b1 = − B i c1 = − D . B.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. istog su smjera n n → c n i orijentacije. ravnina prolazi kroz ishodiˇte.4. c onda je A B D z =− x− y− . tj. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.1).4. Stoga ´emo i vektor − zvati vektor normale. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. k ).18) i koeficijent razmjernosti je A2 + B 2 + C 2 . Napomena 2.20 Neka je dana toˇka M = (x1 . C). udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. C C C A z Oznaˇimo a1 = − C . B. Π) = |Ax1 +By1 +Cz1 +D| √ . y1 . Ako je C = 0. R → → Vektor normale −0 je normirani vektor − = (A. onda je oˇito da O = (0. s c A2 +B 2 +C 2 Napomena 2. 0) nema komponentu u smjeru n − → osi z (tj. Ako je D = 0.17. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. Tada je. B. po c Napomeni 2. onda normala − = (A. nepotpune obc z like): c c z 1. 0. R cos γ = C . z1 ) ∈ E. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. Dakle imamo cos α = 65 A .

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

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

z3 ) u c prostoru takve da ne leˇe na istom pravcu. Kao i u toˇki 2. P1 P3 komplanarni.4. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . 2.16. y2 . 2. vektori s1 s2 −→ → − − − → P0 P .5 2.1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 . Kako 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 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 .4. y1 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.5. P2 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P2 . → komplanarni. Dakle.68 ˇ POGLAVLJE 2. z1 ). P3 = (x3 . P1 P2 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). ako i samo ako su P0 P . ANALITICKA GEOMETRIJA −→ → − − odnosno. P3 ne leˇe na istom pravcu. y3 . Kako toˇke P1 . Po Napomeni 1.4. z2 ). P3 (uzmemo npr. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P2 . s1 . − . Po Napomeni 1. P2 = (x2 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0.

3. tj. C1 ) n → i −2 = (A2 . C2 ). odnosno ako → → kolinearni. 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 . ako i samo ako je −1 · −2 = 0. ♣ . 2. 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. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. −1 → Napomena 2. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . Ravnine se sijeku u jednom i samo jednom pravcu. B2 . Ravnine se podudaraju. Teorem 2. B1 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 .23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 .1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Ravnine se ne sijeku.5.2. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. tj. 69 −1 Definicija 2.

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

A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . c) i − = (A. 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.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. b. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x.2. s jedna toˇka. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . ∆. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 .5. toˇka 2. paralelne su). b. B.5) i koordinate su mu c c ∆x ∆y ∆z ∆. onda je presjeciˇte jedinstveno (tj.4. z Definicija 2. y.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . 2. tj. C). → → s n . c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke.5. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). 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. ∆ . z nepoznanice).

c) i − = (A. odnosno ako → − kolinearni. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. C) onda je kut c s n 2 izmedu p i Π jednak ϕ. tj.72 ˇ POGLAVLJE 2. ako i samo ako je − · − = 0.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. tj. → Napomena 2.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 .5. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. i ravnina Π s Ax + By + Cz + D = 0. Am+Bn+C Am+Bn+C Am+Bn+C . b.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. c) i − = (A. b. z c c s z0 = − Am1 + Bn1 + D . − Anm1 +Bnn1 +Dn + n1 . ANALITICKA GEOMETRIJA → → Znaˇi. → → s n Kako je kosinus kuta izmedu − = (a. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . − Am1 +Bn1 +D . ako je π − ϕ kut izmedu − = (a. tj. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. B. 2. 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. B.

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 . Ax1 + By1 + Cz1 + D . y0 . z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. tj. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2.5. z z . z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. a druga je uvjet paralelnosti pravca i ravnine. ako nema konaˇnog z koji je rjeˇenje.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z1 − c Ax1Aa+Bb+Cc+D .2.28 Ako ne postoji takav t koji je konaˇan. Aa + Bb + Cc Napomena 2. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. tj. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at.5.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. 2. z = z1 + ct. y1 − b Ax1Aa+Bb+Cc+D . y = y1 + bt.

Pravac i ravnina se ne sijeku.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. Definicija 2. b2 . y2 . z2 ) s vektorima smjera − = (a1 . Pravac i ravnina se sijeku u samo jednoj toˇki. c c c 2. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. Pravac je sadrˇan u ravnini. ANALITICKA GEOMETRIJA Teorem 2.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). c2 ). b1 . 3.5. c1 ) odnosno − = (a2 .18: Mimosmjerni pravci. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. y1 . → → s1 s2 p 2 p 1 Slika 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 .2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . z1 ) odnosno c → → P2 = (x2 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). . s1 s2 redom.74 ˇ POGLAVLJE 2. c 2.

tj.5). a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. 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. ako i samo ako postoji λ ∈ R takav da je − = λ→. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .3.2.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti.5. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. z= 1 m−m n−n . 2. → Napomena 2. ako i samo ako je → · − = 0. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . c c z → s1 Napomena 2.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. tj. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 .5. 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 .29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . tj.

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

Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. 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 . U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). pa nema presjeciˇta. iz toˇke 1. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. tj. ne leˇe u istoj ravnini. Teorem 2. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0.2. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. z 2. c =0 . z Moˇe se desiti da su oni paralelni. Prema Napomeni 2. ˇetvrti sluˇaj. z c 4. imamo isti pravac.5. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom.29.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pravci su mimosmjerni. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Pozabavimo se sluˇajem mimosmjernih pravaca.6 na gornju determinantu (tj. Pravci leˇe u istoj ravnini i ne sijeku se. Pravci se podudaraju. Ako su sva tri redka proporcionalna. z 3. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. i 6.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule.

y1 . y1 . 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. Onda su njihove kanonske jednadˇbe dane s → odnosno s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i x − x2 y − y2 z − z2 = = . c2 ). a2 b2 c2 Definicija 2. a2 b2 c2 a2 b2 c2 . b2 .78 ˇ POGLAVLJE 2. z1 ) → odnosno P2 = (x2 . ANALITICKA GEOMETRIJA 2. . imamo da Π prolazi z → → kroz P1 = (x1 . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). . c1 ) i − = (a2 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . z1 ) i paralelna je sa − = (a1 . b1 . z2 ) s pripadaju´im vektorima smjera − = (a1 .22. Iz s1 s2 Napomene 2. b1 . p1 leˇi u ravnini). kako p1 leˇi u Π i Π je paralelna sa p2 .9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. Dakle. y2 . b2 . c1 ) c s1 − = (a2 .5. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . c2 ). = 0. Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj.

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

.

To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. z z Npr.1. U primjeru iz toˇke 1. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . Ako bismo uspjeli razviti raˇun takvih objekata. 1 −1 0  1 1 1 81 .Poglavlje 3 Matrice i linearni sustavi 3.1 3. y.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici. z i u) kao jedinstveni objekt (matricu). y. z i c z u.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.

Pri tome trebamo c s z s rijeˇiti neke probleme. inverzije (definirati inverz objekta. ”b = 0”.  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. ”mnoˇenje” s z takvih objekata). kao npr. b = a−1 b. ”a = 0”. koji bi bio generalizacija reciproˇnosti c brojeva). Ako je a = 0. Imamo dva sluˇaja: c 1.82 POGLAVLJE 3. z z b) za b = 0 svaki x0 ∈ R zadovoljava jednadˇbu ax = b. definirati analogone za ”a = 0”. Ako je a = 0. a . ”b = 0” itd. Promotrimo problem jedne linearne jednadˇbe s jednom nepoznanicom z ax = b. MATRICE I LINEARNI SUSTAVI    X=     B=  x y z u −3 1 −1 3    . Naˇ je cilj generalizirati ”teoriju” jedne linearne jednadˇbe s jednom nepoznans z icom na sluˇaj viˇe linearnih jednadˇbi s viˇe nepoznanica. definirati operacije (”zbrajanje”. smisao jednakosti (definirati kada ´e dva takva objekta biti jedc naka). onda: a) za b = 0 ne postoji x0 koji zadovoljava jednadˇbu ax = b.     . onda postoji jedinstveno rjeˇenje x0 od ax = b i vrijedi s x0 = 2.

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

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

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

n. m.3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. . .86 POGLAVLJE 3.3 odnosno Definicije 3. j = 1.. am1 + bm1 · · · amn + bmn Napomena 3. s Napomena 3. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   .. .  ... . n. . . .. m. am1     λa11 · · · λa1n · · · a1n . Piˇemo A = B.  .  . n. j = 1. Definicija 3. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. .   . a11  . . . = ..   . . ..2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. . . .3 Zbroj matrica se definira samo za matrice istog tipa. . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3. Definirajmo sada mnoˇenje matrice skalarom... a na R znamo ˇto znaˇi s c ”biti jednak”.. λam1 · · · λamn · · · amn  a11  . + .. .. . MATRICE I LINEARNI SUSTAVI 3. z Definicija 3.4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. ...2 Jednakost matrica se definira samo za matrice istog tipa. j = 1. m. λA = λ  . .    · · · a1n b11 · · · b1n . .1..4. . .. Definicija 3... = .3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn . tj. tj. . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. C =A+B = .

λk ∈ R skalari. linearna kombinacija i linearni rastav.. OSNOVE MATRICNOG RACUNA 87 Teorem 3. ... .. Matrica A = λ1 A1 + . .... λk razliˇit od c nule... + λk Ak je linearna kombinacija matrica A1 .. A2 .. A2 .3 odnosno Definicije 3.. Ak ∈ Mmn .5 Neka su A1 . Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. . β ∈ R vrijedi: 1. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. A2 . s Definicija 3. ...4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . Ak . A2 . razvijena) u linearni spoj po matricama z z A1 . Napomena 3. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. z Teorem 3.. Njegovi su elementi (”vektori”) matrice tipa m × n.. 3. Ak ∈ Mmn matrice i λ1 .2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c .... Linearna kombinacija je netrivijalna ako je barem jedan λ1 . j) imaju z jedinicu.1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor..1. . 4. C ∈ Mmn i sve skalare iz α. α(A + B) = αA + αB (distributivnost).♣ Iz Teorema 3.4.1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. α(βA) = (αβ)A (homogenost). Kaˇemo da je A rastavljena (razloˇena.. a na svim ostalim mjestima nule ˇini bazu u Mmn . 2. (A + B) + C = A + (B + C) (asocijativnost).. A + B = B + A (komutativnost). Ak s koeficijentima λ1 . onda je i A ∈ Mmn .. ˇto slijedi izravno iz Definicije s 3. . B. λk .ˇ ˇ 3.

3. Dakle imamo tvrdnju. Iako jednostavna. nema podlogu u fizici.4. gdje za As vrijedi AT = As . B. ♣ c s a 3. AT = −Aa i A = As + Aa . Produkt A·B takvih matrica .3 i Definicije 3. .. Tako bismo za matrice A = [aij ].. To nam z name´e sljede´u definiciju. (A + B)T = AT + B T za sve A.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . MATRICE I LINEARNI SUSTAVI 1. Takoder. geometriji. a za Aa vrijedi AT = −Aa . 2.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine.. itd. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka.88 POGLAVLJE 3. . 2 Oˇito je AT = As . B ∈ Mmn . Oˇito je tako definirana matrica C ∈ Mmn . gdje su elementi od C dani s cij = aij bij za i = 1. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave.. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). m i j = 1. n.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja.. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. Definicije 3.. Napomena 3.1. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. (AT )T = A za sve A ∈ Mmn .

j = 1. za i = 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 + ... b2j . + ain bnj . OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. . a da B · A nije ni definiran.. imamo A·B ∈ Mmp ..j) m A .. onda je A · B ∈ Mmp ... bnj ) = ai1 b1j + ai2 b2j + . . Dakle opet je A·B = B ·A.. Ako je m = p = n. . a B ·A ∈ Mnn .1. ako su A ∈ Mmn i B ∈ Mnp i m = p..ˇ ˇ 3.. broj stupaca od A je jednak broju redaka od B. p.. .. bnj ). .. .. za j = 1. na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. ain ). Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 .. . b2j ..6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . ai2 . Za takve matrice A i B kaˇemo da su ulanˇane. p p = j n (i. ai2 . Tada je i-ti redak matrice A jednak (ai1 . a B · A nije definirano.. Npr. ain bnj . i = 1.. ain ) · (b1j . m. p.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . n i m ... a broj stupaca je c jednak broju stupaca od B. .. a j-ti stupac matrice B je (b1j .. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji. Mnoˇenje matrica vodi raˇuna o poredku operanada... 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. . Napomena 3.1: Produkt matrica. m. z c tj. Dakle.. B = C Slika 3. Definicija 3. Dakle zakljuˇujemo da na mjestu (i.4).

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

4. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. c .. c drugi i tre´i. bm ]T poznata matrica desnih strana i z x = [x1 . Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3.1. 0.6 Neka je  2 3 4 1   A =  −1 2 1 3  . x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. dobijemo podmatricu z 3 4 0 3 matrice A.ˇ ˇ 3. . npr. prvi i tre´i.. 1 0 3 0  Neka je r = s = 2.3.. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. 3. dobivamo podmatricu z matrice A. Sloˇimo li ih u (r ×s) matricu. takvu podmatricu zovemo blok.♠ Ako su izabrani redci i stupci uzastopni.6.4.5 Podmatrice i blok matrice Neka je A ∈ Mmn . Sloˇimo li ih u (2 × 2) matricu. Primjer 3.. b = [b1 . . Izaberimo dva redka.. 3. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. svaka linearna z jednadˇba ide u svoj redak). 3. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ).1.. xn ]T nepoznata matrica. i dva stupca npr. 3.

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

c 2. neka je dana matrica c 0 1 1 0 .1. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . c c c Iz svojstva 5. Npr.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. onda je barem jedan od a ili b jednak nuli. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. c.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . Npr. OSNOVE MATRICNOG RACUNA 93 3. U toˇki 3.1. U skupu R vrijedi: ako je a · b = 0.6 Regularne matrice. b. dakle ne postoji izbor brojeva a. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. c Napomena 3.ˇ ˇ 3. postoji broj koji pomnoˇen s a daje 1. Teorema 3. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. tj.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. tj. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . 1. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu.1. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda.

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

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

Iskaˇimo sada jedan bitan rezultat. − je skup svih linearnih kombinacija vektora − . moˇemo promatrati kao vektore u R . Iz Napomene 3.... . − ) podprostor od Rm . + λn − : λ1 .. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. λn ∈ R}..♣ Kako je po Teoremu 3. linearne zavisnosti/nezavisnosti...6 znamo da stupce... Podprostor razapet vektorima a1 an − ... − ). Definicija 3. .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .. .10 Neka je V vektorski prostor (Definicija 1.. . 2.5).. iz Definicije 1. .. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.... a1 an → → i izravno iz Definicije 3.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.96 POGLAVLJE 3. . i 3. vrijede svojstva 1. . Elementarne transformacije Neka je A = [aij ] ∈ Mmn . → → s L( a1 an → → → → an a1 L(− .. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.. Definicija 3.5 izravno slijedi da je r(A) = r(AT ). a1 an Napomena 3.11 Oˇito je da je c − − L(→... . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. − ∈ Rm .7 Rang matrice. Sliˇno. − ) = {λ1 − + .. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. matrice iz Mm1 . njene z c n redke.. Oznaˇavamo ga → → → → a1 an a1 an c − .10 slijedi da je L(− .. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).11 Neka su − . matrice iz M1n . tj. a1 an . z Teorem 3.1..5) i neka je L neki podskup od V . →) ⊆ Rm . MATRICE I LINEARNI SUSTAVI 3.. → → Definicija 3. moˇemo promatrati kao vektore u vektorskom prostoru Rm . − .

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

kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. . n) ima jedinice. iz Teorema 3.♠ Iz Primjera 3.5 imamo da je r(B) = 3. Dakle. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 .. 2.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .98 POGLAVLJE 3.. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. ima nule.  . Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. tj. na pozicijama a11 . Zamjena dvaju redaka (stupaca). komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka.. j = 2. Mnoˇenje redka (stupca) skalarom λ = 0. c c r(In ) = n) i matrice koja izgleda kao i matrica B.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka.. k. Nadalje. z 3. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. Dakle. Neka je dana B ∈ M5.9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . Pitanje je. . akk za k ≤ min(m.. MATRICE I LINEARNI SUSTAVI 3. na aij za i < j. na aij za j < i ima nule... m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). na aij za i = k + 1.6 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     ... Primjer 3. .

− n ). primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti. prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A. 01 ∈ Mr. a a . Matrica H je Hermiteova forma matrice A. tj. − n ] (vektori a a a a − 1 . ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. sastavi se matrica A = [− 1 . Isto tako. ve´ samo njegovu duljinu. c c Napomena 3.. − n ). Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima). u bazu podprostora razapetog redcima odnosno stupcima od A. jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale. ekvivalentne matrice imaju isti rang.. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 .. 02 ∈ Mm−r..ˇ ˇ 3.13 Matrice A.. ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima). n).. matrica M prelazi u jec c diniˇnu.. . . 02 . Dakle. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija.. Kako je r(A) = r(H) = r. → → a a Napomena 3. − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A. Ir ∈ Mr .1. jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu.... − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 . Neka je A ∈ Mmn ..r i 03 ∈ Mm−r..♠ c Definicija 3. tj..n−r . . Primijenimo li na H elementarne transformacije obrnutim redom. .16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice.n−r (01 .. Dakle dobijemo matricu H.17 Ako imamo n vektora − 1 . . A = 0. Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 . 03 su nul matrice). gdje je r ≤ min(m. OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog.

In ] i elementarnim transformacijama c nad redcima svodimo je na oblik [In .100 POGLAVLJE 3. j). Sliˇno. MATRICE I LINEARNI SUSTAVI Sljede´i nam rezultat govori da se moˇemo ograniˇiti na elementarne transforc z c macije samo nad redcima matrice. odnosno R = A−1 . Teorem 3. j) koja se dobije dodavanjem j-tog c z redka jediniˇne matrice pomnoˇenog s λ i-tom redku jediniˇne matrice. onda c −1 je A = R. Qi (λ) i Qi (λ. mnoˇenje matrice A s lijeva matricom Qi (λ. odgovara dodavanju c z c i-tom redku matrice A njenog j-tog redka pomnoˇenog s λ. Jasno je da se svaki konaˇni niz z c elementarnih transformacija moˇe opisati nizom mnoˇenja matrice A s lijeva matricama tipa z z Qij . Primjerice. Qq . gdje je Ir ∈ Mr jediniˇna. formiramo matricu [A. . R] (Teorem 3.7 Svaka matrica A = [A0 . A je singularna. D] ∈ Mrp . R]. mnoˇenje i-tog redka matrice A skalarom λ = 0 odgovara mnoˇenju matrice A s c z z lijeva matricom Qi (λ) koja se dobije iz jediniˇne matrice zamjenom jedinice u i-tom redku s c λ. kod koje je A0 ∈ Mr regularna moˇe se elementarnim transformacijama samo nad redcima svesti na z matricu oblika [Ir . . ako je A regularna) mi smo zapravo matricu [A. Q1 · Q2 · · · Qq · In ] = [In . a ako nije. Te matrice zovemo elementarnim matricama.. Dakle imamo [Q1 · Q2 · · · Qq · A. R]. In ] dobili matricu [In . In ] mnoˇili s lijeva s q elementarnih z matrica Q1 . 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. Ako smo primjenom q elementarnih transformacija nad redcima matrice [A.7). Konaˇno. te ako je. p ≥ r.. R] (tj.♣ c Pravilo za raˇunanje inverzne matrice: c Ako je zadana matrica A ∈ Mn i ako treba ispitati je li ona regularna. Odatle je Q1 · Q2 · · · Qq = R Q1 · Q2 · · · Qq · A = In .. pa je R · A = In . Ako je to mogu´e. Zaˇto to vrijedi? s Elementarne transformacije nad redcima odgovaraju mnoˇenju matrice s lijeva elementarnim z matricama. na´i njen inverz.

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

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

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

. λ = 0 .. Ako je r = r(A) = r(Ab ). jer je A(A b ) = b . λn ∈ R takvi da je λ1 →1 + .8 homogeni sustav je uvijek c rjeˇiv.. onda ih ima beskonaˇno x s c mnogo. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj.. ♣ − → − Napomena 3.) Ako je n = m i A regularna. A je regularna.. → → − III. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →.6). Ako je n = m. onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi.. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b . s − → → II. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b .. Dakle stupci od A su linearno x x nezavisni. . neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . = λn = 0 a a a c (tj. po Teoremu 3.. s c s → − → → − → − → Ako je A− = b .18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. − n su vektor stupci od A). To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III.. da su stupci od A linearno nezavisni.. tj.. + a − → → → → λn − n = 0 (− 1 . s x → → − → Obrnuto.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). dakle ima bar jedno rjeˇenje. tj.8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. pa je sustav konzistentan. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. odnosno λ1 = .21 Ako sustav A− = b ima dva rjeˇenja. → je A regularna.104 POGLAVLJE 3. Ho´emo pokazati da je λ1 = . tj. Iz − → → − b = (λ1 + x1 )− 1 + . To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. bilo kojih r z linearno nezavisnih redaka u A. = λn = 0. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . → − x 0 → → − Napomena 3. .. tj. MATRICE I LINEARNI SUSTAVI Teorem 3..6 imamo da je r(A) = n). onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. Dokaz: . Iz Napomene 3. Neka su sada λ1 . (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..

18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . → ∈ 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). gdje je λ ∈ R proizvoljan. c Napomena 3.22 N (A) je podprostor od Rn . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. x x − → Oˇito je 0 ∈ N (A).2. Tada je. u v u v − → dakle → + − ∈ N (A). Treba provjeriti da N (A) ima svojstva iz Definicije 1.5. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . c Svojstva iz Teorema 1. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . A− = b i A− = b .2. tj.♣ . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . tj. u u Dakle je N (A) vektorski podprostor od Rn .1 i Teorema 1. dakle dokaˇimo da za proizvoljne c z − .♣ s c z s x → Iz Teorema 3. Dokaz: Oˇito je N (A) ⊆ Rn .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).3 Homogeni sustavi → Iz Napomene 3. c 3. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .3.2 su oˇito zadovoljena. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− .8 i Napomene 3. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.

. nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)). rjeˇenje je x s u s jedinstveno. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . MATRICE I LINEARNI SUSTAVI Iz Napomene 3. svako rjeˇenje je oblika − 0 + 0 . N (A) = { 0 }.8 je matrica A regularna. iz jedinstvenosti zakljuˇujemo da je − = 0 . onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . gdje je − ∈ N (A).23 Primijetimo: → 1. Kako je iz Teorema 3. → → → → Ax a y y 2.106 POGLAVLJE 3. z s . ut rjeˇenja homogenog sustava c s − = − ..9 I. prema Teoremu 3. s x → − → → Obrnuto..8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .9 I. onda po Teoremu 3.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). tj. Tvrdnja Teorema 3. → → → → u u y y − → → II. Teorem 3. Onda. Po Teoremu 3. s Dokaz: (Dokazujemo samo tvrdnju II.9. onda je i njihova linearna kombinacija rjeˇenje tog sustava.22 zakljuˇujemo da ako su u1 . Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. . Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A).) − → → − → − Ako je matrica A sustava A− = b regularna. Tvrdnja Teorema 3.9 II. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. tj. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.♣ Napomena 3. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A.

.3. kao βi (c) = bi − air+1 cr+1 − . pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . LINEARNI SUSTAVI 107 3.. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj..6 imamo da je A0 regularna.8 II... − a1n xn . xn na desnu stranu i doc bijemo: a11 x1 + . ar1 x1 + . . + arr xr + arr+1 xr+1 + . + arr xr = br − arr+1 xr+1 − . Nadalje. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + .. + a1n xn = b1 . .. pri ˇemu su cr+1 .. cn proizvoljni realni parametri..2. r.. + arn xn = br .8). . elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. iz Teorema 3.. .. . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj.2.4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica.. ar1 x1 + . − → Prvo treba odrediti rangove matrica A i Ab . + a1r xr = b1 − a1r+1 xr+1 − . imamo sustav − → − x A0 →0 = β (c).. .. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. c Dakle. pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. .... .. prebacimo ˇlanove s nepoznanicama xr+1 ... − ain cn za i = 1.. − arn xn .. Ako oni nisu jednaki.. . . .. Iz Teorema 3.. − → Uvedimo novi vektor desnih strana β (c). . . Kako je r(A0 ) = r.. Ako su rangovi jednaki (r(A) = r(Ab ) = r). + a1r xr + a1r+1 xr+1 + .

jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). − n ) baza s x u u u − → − = b oblika → od N (A)....11 izravno slijedi iz Teorema 3.. − u u u pri ˇemu su µr+1 .....9.3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori. cn su slobodni prametri.1. → x → → Dakle. + µn − n . µn proizvoljni parametri.. c .24 Tvrdnja Teorema 3.. cr koji su dani s A−1 β (c) = [c1 . Kako je (− r+1 . Teorem 3. → → Teorem 3.♣ Iz Teorema 3. .10 I.. dok brojevi c1 . iz Teorema 3. → → − II.. cr+1 .2. . onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . ... µn proizvoljni parametri... Broj dimR(A) smo zvali rang od A..♣ c Napomena 3.11 Ako je (− r+1 . 0 U toˇki 3. MATRICE I LINEARNI SUSTAVI − 0 = [c1 .7 odnosno toˇki 3.. cr .... + µn − n . .. . . cn postoje → − jedinstveni c1 . cr ]T )..10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. . .. cn ]T je rjeˇenje sustava A− = c s x − → b... − = [c1 .. ....8 II. − − → u u u pri ˇemu su µr+1 . cr ]T . Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. tj. ..108 koje je oblika POGLAVLJE 3. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A).. . i obratno.. r(A) = dimR(A) = n. Brojevi cr+1 .... − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . dimR(A) + dimN (A) = n..... cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . . a broj dimN (A) defekt od A.

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

Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  .. 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 . matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. k = 1.6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. Za A ∈ Mn . . Determinanta matrice reda n > 3 se definira induktivno.. u stvari skup R). odnosno n det A = k=1 (−1)k−1 a1k det A1k . Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . . + (−1)n−1 a1n det A1n . n > 3. n. Tada se det A definira sa det A = a11 det A11 − a12 det A12 + .. Tada za A ∈ M1 oblika A = [a] definiramo det A = a.25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 .. c1 c2 a1 a2 b1 b2 .110 POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI U toˇki 1. Napomena 3.. oznaˇimo s A1k .

Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta.2. c 4. pravilo za c raˇunanje inverza matrice). Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . 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. je razvoj determinante po prvom redku.7. . onda sc je det A = 0. 2. onda je det A = a11 a22 · · · ann . determinanta mijenja predznak.1. 3.3. Posebno je c det In = 1. Ako je A ∈ Mn trokutasta (gornja ili donja). det(Qij A) = − det A. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Svojstva determinante su: 1. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. n ≥ 2. Neka je A ∈ Mn dijagonalna matrica. n ≥ 2.

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

Teorem 3.i+1 = 0). det A−1 = 0 i vrijedi det A−1 = (det A)−1 . itd. ai+1.26 Ako je A ∈ Mn regularna. Dokaz: Iz Teorema 3.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. Dakle oˇito je det A = 0.2.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. ♣ Iz Teorema 3. Ako to nije mogu´e. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .3. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. ♣ . z Teorem 3. onda je det A = 0. 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. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. ♣ U Teoremu 3. ♣ Napomena 3. B ∈ Mn vrijedi det(AB) = det A · det B.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.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 .14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT .12 Za proizvoljne matrice A.i+1 (naravno. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.♣ Teorem 3. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.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 . Radimo sve analogno sve do zadnjeg elementa na dijagonali. Teorem 3. Teorem 3. LINEARNI SUSTAVI 113 ispod njega. tj.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.

Analogno ide dokaz za stupce. det A Dakle A je regularna i A−1 = kof (A) det A . Kofaktor matrice A oznaˇavamo s kof (A). onda je det A = 0. k=1 Oˇito.♣ Iz Napomene 3. ♣ Napomena 3.♣ . onda je po Teoremu 3. det A Dokaz: Ako je det A = 0. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.27 izravno slijedi: Teorem 3. Inaˇe je zbroj det A.26 smo vidjeli da ako je A ∈ Mn regularna.16 imamo da je 1 kof (A) · A = In . c c Dokaz: Neka su uzeti i-ti i j-ti redak. onda iz Teorema 3. Vrijedi i obrat. tj. Definicija 3. Promatramo zbroj n (−1)j+k aik det Ajk .15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. c Napomena 3. k) stoji kofaktor elementa aki matrice A.13 prethodni zbroj jednak det A. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .114 Veliˇinu c POGLAVLJE 3. ako je i = j. 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.28 U Napomeni 3. (−1)k+i det Aki . tj.

PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. za sve λ.3 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.. D x2 = D2 Dn .3.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.26 i Napomene 3. . Ako je matrica A regularna. Rm = R. Definicija 3.. xn = . → ∈ Rn .3. k = 1. .28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . µ ∈ R i sve − . a Dk . µ ∈ R i sve − . n. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . Takvu x x funkciju zovemo linearni operator. A je regularna ako i samo ako je det A = 0. → x Teorem 3. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . Stoviˇe. onda takav linearni x y operator zovemo linearnim funkcionalom. Ako je m = 1. onda je rjeˇenje z s tog sustava dano s x1 = D1 . . .3. − → → Iz Teorema 3. → ∈ Rn . D D pri ˇemu je D = det A. . 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 .. 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. Rjeˇenje je dano s − = A−1 b .♣ a 3.

Dokaˇimo da vrijede i prva dva. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori.2. tvrdnja slijedi. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ).1 i Teorema 1. − ∈ Rn . 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. Dokaˇimo da je i F + G linearni z operator.♣ .29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. 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. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Iz Definicije 3. µ ∈ R i sve →.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). MATRICE I LINEARNI SUSTAVI Napomena 3. − ∈ Rn .116 POGLAVLJE 3. dakle zadovoljavaju tre´e svojstvo Definic cije 1. tj. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.5. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. x x Napomena 3.5. µ ∈ R i sve →. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ).

Nadalje. − n } ortonormirana baza vektroskog prostora c e e n R koju zovemo kanonskom bazom. Oˇito je da ako uzmemo neki drugi par baza (ne nuˇno ortonormiran) od Rn c z m i R . .. x e e e e x − tj..... i = 1. + xn − n i → → → vrijedi x e e → → → → → → F − = x1 F (− 1 ) + . . . Stoga treba voditi raˇuna s kojim c c c parovima baza radimo. . linearni operator u c c razliˇitim parovima baza ima razliˇite prikaze. Postavlja se pitanje vrijedi li obrat? Tj. c Analogno ako je q = n definiramo kompoziciju operatora G i F formulom F ◦G : Rp −→ Rm → → (F ◦ G)(− ) = F (G(− ))... f m ) od R . . linearno su nezavisni i da vrijedi L( e e → → Zakljuˇujemo da je skup {− 1 . Dakle.. Dakle. .... + xn − n ) = F (− ). .. + xn F (− n ) = F (x1 − 1 + . .. n.. i = 1... . vektor F (− i ). je li svaki linearni operator F : Rn −→ Rm neka matrica iz Mmn ? → → − Pogledajmo vektore − 1 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 117 Neka su F : Rn −→ Rm i G : Rp −→ Rq operatori.. linearni operator F ´e imati drugaˇiji prikaz.. . matrica F i linearni operator F se podudaraju za proizvoljni → ∈ Rn ... − n ) e e − → → − i ( f 1 .. n.. n... Neka je F : Rn −→ Rm proizvoljan linearni operator.. e e e → → c gdje je jedinica na i-tom mjestu. → → ortonormiran skup vektora..3. .... x x Teorem 3. − n ∈ Rn dane sa →i = (0.♣ Rekli smo da je svaka matrica A ∈ Mmn linearni operator sa Rn u Rm . . Tada za proizvoljni − = (x1 .. − n ) = Rn ... 1. 0). . . ...... xn ) ∈ Rn x − = x1 − 1 + . i = 1. n. ... Tu a e − → matricu nazivamo prikazom linearnog operatora F u paru baza (→1 . Ako je p = m definiramo funkciju H : Rn −→ Rq formulom − − H(→) = G(F (→)) x x i zovemo ju kompozicija operatora F i G i oznaˇavamo s H = G ◦ F . − n ˇine e e − 1 .. i = 1.18 Kompozicija linearnih operatora (ako postoji) je linearni operator. f m ). Lagano se provjeri da vektori − 1 . rastavljen u e → − → − m → kanonskoj bazi ( f 1 . neka je F ∈ Mmn → matrica takva da je njen i-ti stupac vektor F (− i ) ∈ Rm .3........ x n m na svaki linearni operator F : R −→ R moˇemo gledati kao na matricu iz z − i .. ... n... i = 1... koji je → → Mmn ˇiji je i-ti stupac a c e − → − → → → rastavljen u kanonskoj bazi ( f 1 . f m ) od Rm . − i = F (− i ).

Njegova je matrica dana s 1 0 0 . y). Dakle dimenziju slike linearnog s operatora takoder zovemo rang.118 POGLAVLJE 3.3.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Tada je po Teoremu 3. − → → → Nadalje.10 Pogledajmo sljede´e primjere: c 1. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. vrijedi dimN (F ) + dimR(F ) = n. Primjer 3. Neka je F : Rn −→ Rm proizvoljan linearni operator. a defekt dva.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Iz Napomene 3. a defekt jedan. F ∈ Mn ). iz toˇke 3. c 2. c H =GF .2.♠ c 3. Njegova je matrica dana s 1 0 0 0 1 0 . Napomena 3. Oˇito je rang od p1 jednak jedan (jer je slika x-os).10 izravno slijedi teorem o rangu i defektu za linearni operator. z) = (x.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. z . Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R .32 i Teorema 3. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . z) = x. tj. Kako su F i F ustvari isti linearni oper− → − → atori. tj. MATRICE I LINEARNI SUSTAVI Napomena 3. Sada nas zanima kada su ti vektori kolinearni. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Operator F vektoru iz Rn pridruˇuje vektor iz Rn .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). y. odnosno dimN (F ) = dimN (F ). Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. y. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x.

Izravno iz Definicije 3. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).17. y y → → Dokaˇimo da je − + − ∈ S(λ0 ). A− 0 = x x − 0 . x x x x → Dakle za svaki µ ∈ R. → → Svojstva iz Teorema 1. neka je µ ∈ R µ = 0 proizvoljan. da c z s zadovoljava uvjete Definicije 1. tj. Dokaz: 1. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . µ = 0. Nadalje neka su − .17 Neka je A ∈ Mn . Napomena 3.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . − ∈ S(λ0 ). ♣ Napomena 3. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. Dokaz: Oˇito je S(λ0 ) podskup od Rn . tj. c x y tj. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ).33 Primijetimo: → 1. 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 . Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. → → 2. x y x y x y . 2.5. Nadalje. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3.3.2 oˇito zadovoljava. x x → → Vektor − 0 ∈ Rn . vrijedi → − → → A− = λ 0 → x x i A− = λ0 − .3.1 i Teorema 1.

svojstveni vektor koji pripada c x x → svojstvenoj vrijednosti λ0 ako i samo ako je − 0 netrivijalno rjeˇenje homogenog x s sustava → → − (A − λ0 In )− = 0 . x x x − pa je µ→ ∈ S(λ0 ). Dakle ´e λ ∈ R biti svojstvena vrijednost matrice A ∈ Mn ako i samo ako je c det(A − λIn ) = 0. Dakle imamo tvrdnju. onda je →0 ∈ Rn .8 homogeni sustav s x → → − (A − λIn )− = 0 x ´e imati netrivijalno rjeˇenje ako i samo ako je matrica A − λIn singularna. ako i samo ako vrijedi − → → (A − λ0 In )− 0 = 0 . x ˇ Stoviˇe.♣ x Neka je A ∈ Mn i λ0 svojstvena vrijednost od A. − 0 = 0 . Tada skup S(λ0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti λ0 . x x svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 ako i samo ako je → → A − 0 = λ0 − 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 . ˇto c s s je ekvivalentno s uvjetom det(A − λIn ) = 0. →0 = 0 . Po Teoremu 3.120 POGLAVLJE 3. x y → → Dokaˇimo joˇ da je za proizvoljni − ∈ S(λ0 ) i proizvoljni µ ∈ R µ− ∈ S(λ0 ). . Sada se postavlja pitanje kako odrediti svojstvene vrijednosti i svojstvene vektore prozvoljne matrice iz Mn ? − → − − Ako je λ0 svojstvena vrijednost matrice A ∈ Mn . Imamo z s x x → → → A(µ− ) = µλ0 − = λ0 (µ− ). x − → − → Dakle. MATRICE I LINEARNI SUSTAVI − → pa je → + − ∈ S(λ0 ). x x tj. zakljuˇujemo da je →0 ∈ Rn .

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

2 = cos ϕ ± Kako je ϕ = kπ. tj. cos2 ϕ − 1. za nul matrice. svojstvene vrijednosti od A nisu realni brojevi.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. Tako npr. . jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. svaki vektor kanonske ortonormirane baze od Rn je svojstven. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. tj. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. da A c nema realnih svojstvenih vrijednosti. Definicija 3.19 Neka je A ∈ Mn simetriˇna matrica.122 POGLAVLJE 3. za trokutaste. k ∈ Z. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. Medutim. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali.♠ Dakle iz Primjera 3.18 Za matrice A. c Teorem 3. iterativne metode.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. Stoga se koriste razne pribliˇne metode. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). Za dijagonalne matrice. Tada su sve njene svojstvene vrijednosti realne. nul matrice. imamo cos2 ϕ − 1 < 0 tj. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. c s c z itd. Nadalje.

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

λn .... ♣ Teorem 3.21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A..21 Neka je A ∈ Mn simetriˇna.. Sada. . c Teorem 3. nultoˇka od KA (λ).♣ c . Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . Dakle 0 nije svojstvena vrijednost. 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.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. iz osnovnog teorema algebre (Teorem 5..♣ Napomena 3. c Napomena 3..5) znamo da z z KA (λ) ima n nultoˇaka λ1 . Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). λn . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. λn od KA (λ) zovemo algebarska kratnost od λ0 .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.. .. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . . Obratno. c c Teorem 3. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. A je regularna.. s Teorem 3. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. Ako je A joˇ simetriˇna onda iz Teorema 3.12 vidimo da ne moˇemo svaku matricu dijagonalizirati. c Kako je KA (λ) polinom n-tog stupnja. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. a odgovaraju´i se svojstveni vektori podudaraju... tj. Tada iz Napomene 3.34 znamo da je skup S(λ0 ) potprostor od Rn . ..24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. ona se u nizu c nultoˇaka λ1 .124 POGLAVLJE 3. tj. .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. λ−1 ..♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . dijagonalna. λn od KA (λ) pojavljuje barem jednom. ako je λ0 svojstvena vrijednost od A ∈ Mn .. Ipak.

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

n−→∞ n−→∞ 3. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. te c ∈ R proizvoljan. c Teorem 4.1.4 Neka su (an ) i (bn ) konvergentni nizovi. konvergira li.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. onda je lim an an = n−→∞ . n−→∞ n−→∞ n−→∞ 4. . r = 0. Tada vrijedi: 1. c c c Npr. lim (an bn ) = lim an lim bn .3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. proizvoljan i an ≥ 0 za svaki n ∈ N.♣ an Teorem 4. lim (can ) = c lim an . c s c c c tj. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an .5 Neka je (an ) konvergentan niz. Tada c an −→ 0 ⇔ 1 −→ ∞. n−→∞ n−→∞ n−→∞ 2. lim (an ± bn ) = lim an ± lim bn . Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. ako je bn = 0 i n−→∞ lim bn = 0. ako ne i nemogu´e. NIZOVI I REDOVI 4. Ako je r ∈ R. i ako da. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). prema kojoj vrijednosti.132 POGLAVLJE 4.3 Neka je (an ) niz s pozitivnim ˇlanovima. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an .

po Teoremu 4. Onda je po Napomeni 4. pa prema prethodnom niz n n −→ 0. Logaritmiranjem se dobije n log |q| < log ε. Imamo log ε n> . vrijedi lim inf an = lim sup an ∈ R. log |q| Dakle svi ˇlanovi niza 1. Tj. U suprotnom.4 dovoljno je promatrati niz s a1 = 1. ili u ˇirem smislu. q 3 . Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. Tada po Teoremu 4. q 3 .. n−→∞ Dokaz: Iz toˇke 4. izraˇunati. c Dokaz: Neka je (an ) monoton i ograniˇen. q. Teorem 4.1. (an ) raste.. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. pa je lim an = 0. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. To je ekvivalentno s |q| < ε. on moˇe imati najviˇe jedno gomiliˇte. c c c Prema Teoremu 4. ε). tj. dakle divergentan. c Napomena 4.6 je tipiˇni teorem egzistencije.3 imamo |q | −→ ∞. Pogledajmo prvo sluˇaj |q| < 1.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. odrediti.♣ Teorem 4. q 2 . znamo da neˇto postoji. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . i ako npr. Kako je (an ) monoton. tj. .2 niz (an ) ima barem jedno c gomiliˇte. niz (an ) s konvergentan.6 Monoton.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . tj. G > G . q.4.1. niz 1. Tada je n 1 |q| < 1. no ne c s znamo koliko je i kako to na´i. Sada. dakle divergira ili u uˇem.. NIZOVI REALNIH BROJEVA 133 Teorem 4.. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti.♣ c z s Napomena 4. ako s z s s (an ) ima barem dva gomiliˇta G i G . Dakle imamo samo c c s z s jedno gomiliˇte. jer je log |q| < 0. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. ˇto ne moˇe biti jer je G gomiliˇte.. dakle ili q −→ ∞. ograniˇen niz je konvergentan. za svaki n ∈ N. c c . .4. Za |q| < 1 je lim an = 0. q 2 . 1 |q n | Neka je sada |q| > 1.

∀r ∈ N). tj. 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. λ = 1. gdje je λ > 0 proizvoljan. gdje je λ > 0. Tada vrijedi ∞. . n 6. n−→∞ n−→∞ n 4. teˇe k nuli. ako je λ > 1 lim an = n−→∞ 0.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. Neka je niz (an ) dan formulom an = nλ . Neka je niz (an ) dan formulom an = |λ| . Tada vrijedi   ∞. Tada vrijedi n−→∞ lim an = 1.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1.1. c z 4.♣ Teorem 4. 2. n−→∞   0. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. ako je λ = 0. Neka je niz (an ) dan formulom an = λn . NIZOVI I REDOVI Teorem 4.7 je najop´enitiji. Tada vrijedi lim an = 1. ako je 0 < λ < 1. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. √ 3. Tada n! vrijedi lim an = 0. Neka je niz (an ) dan formulom an = n n. gdje je λ ∈ R proizvoljan. gdje je λ ∈ R proizvoljan. proizvoljan. ako je λ < 0 √ 5.134 POGLAVLJE 4. Neka je niz (an ) dan formulom an = n λ. ako je λ > 0  lim an = 1. 1 n .

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

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

9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.♠ dok red 1 n divergira (Primjer 4. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.10 Red an apsolutno konvergira ako konvergira red |an |. tj.♣ 1 1 Napomena 4. onda on konvergira i obiˇno.♣ c Uoˇimo da iz Primjera 4.8 Ako red apsolutno konvergira. c c ako op´i ˇlan niza (an ) konvergira u nulu. Dakle je red Teorem 4.8 znamo da red = divergira i da je lim n n−→∞ n 0.9 op´enito ne vrijedi. n 1 (−1)n−1 n uvjetno konvergentan. Nadalje. kaˇemo da red z an konvergira uvjetno.4. tj.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.♠ 2n n−→∞ ∞ Napomena 4. an . REDOVI REALNIH BROJEVA za svaki n ∈ N.2. Ako red an konvergira. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .8). c . onda op´enito red c c c an ne mora konvergirati. a red |an | ne konvergira.8. oˇito vrijedi c Sn+1 = Sn + an+1 . n−→∞ odnosno n−→∞ lim an+1 = 0. Primjer 4.10 Iz Primjera 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. S = lim Sn = n−→∞ n=1 an . Definicija 4.9 ne slijedi obrat Teorema 4.

onda je oˇito an = a1 (−1)n−1 . a to divergira za svaki a1 = 0. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . q ∈ R proizvoljni.2. = a1 q n−1 . Nadalje kako je c n−→∞ lim an = 0 . c Ako je q = −1. vrijedi Sn = a1 za svaki n ∈ N. gdje su a1 . Teorem 4.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. + a1 q n−1 . Nadalje. imamo Sn − qSn = a1 (1 − q n ).5 imamo da je lim Sn = a1 lim a1 1 − qn = . tj. NIZOVI I REDOVI 4.. pa je Sn = na1 . onda je oˇito an = a1 . c Pretpostavimo da je a1 = 0 i |q| < 1. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. a1 q n−1 = 1−q n=1 Obrnuto. tj. n−→∞ 1 − q 1−q 1 − qn .. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. Ako je q = 1.. Iz Teorema 4.. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. Pogledajmo n-tu parcijalnu sumu.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . zovemo geometrijski red s kvocijentom q.. Sn = a1 + a1 q + a1 q 2 + . + a1 q n . da geometrijski red a1 q konvergira i da je |q| ≥ 1.138 POGLAVLJE 4. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . Pretpostavimo suprotno. tj..

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

139
a1 (−1)n−1 divergira.

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

a po Teoremu 4.5 je
n−→∞

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

Dakle je
n−→∞

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

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

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

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

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

2n−1

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

1 2n−1

=

= 2.

n=1

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

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

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

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

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

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

4.2. REDOVI REALNIH BROJEVA

141

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

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

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

Primjer 4.11 Neka je dan red

(−1)n , tj.

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

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

an =
n=1 n=1

un .

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

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

143 un iz Teorema 4.12 jednaka sumi kon-

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

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

n=1

(−1)n−1 = ln 2. n

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

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

144

POGLAVLJE 4. NIZOVI I REDOVI

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

4.2.4

Redovi s pozitivnim ˇlanovima c

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

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

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

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

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

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

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

8 znamo da on konvergira. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.8 znamo da on = 1.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. Neka je dan red vrijedi 1 . KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. n−→∞ an lim onda red an konvergira za l < 1.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. ali vrijedi 1 .3.. Sada iz Napomene 4.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.9 konvergira. c 0 < λ < 1. onda red an ≤ λ.19 Neka je an red s pozitivnim ˇlanovima. an konvergira..3 Cauchyev kriterij Teorem 4. Ako postoji limes c an+1 = l. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .♣ Napomena 4.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. c Primjer 4. Ako postoji λ ∈ R.♣ .16 imamo da i red an0 + an0 +1 + . n2 Tada iz Primjera 4. imamo da red c an konvergira. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. divergira za l > 1.3. n Tada iz Primjera 4.4. 1 n+1 lim n−→∞ 1 n 2. 4. Neka je dan red divergira.14 1. konvergira. a ne moˇemo niˇta z s zakljuˇiti za l = 1.

18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. a divergira za sve x ∈ R za koje je |x| > ρ. onda red an konvergira za l < 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.1.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). .148 POGLAVLJE 4.♠ c s Cauchyev kriterij je jaˇi. a iz toˇke 4. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.20 zovemo radijus konvergencije reda potencija a n xn .14 za red odnosno red n znamo da divergira odnosno konvergira. Ako postoji lim sup n |an | i lim sup n |an | = 0.20 Neka je an xn red potencija. (an ) niz u R i x ∈ R prozvoljan. c Teorem 4. Ako postoji limes c n−→∞ lim √ n an = l. tj.15 Analogno kao i u Primjeru 4. divergira za l > 1. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. c 1 Primjer 4. NIZOVI I REDOVI Napomena 4.

20 red potencija |x| < 1.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. konvergira za Pogledajmo sada ako je |x| = 1.♠ n2 Teoremu 4. Po Teoremu 4. dok za x = 1 red n 1 divergira.3. konvergira za Pogledajmo sada ako je |x| = 1. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. Neka je dan red potencija lim sup n 149 1 n x .8 znamo 1 1 da red konvergira. a divergira za |x| > 1. dakle i apsolutno konvergira red (−1)n . Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. Tada imamo sljede´i kriterij (Leibnic c zov): . ali smo u Primjeru 4. itd. (−1)n . n2 Tada je n 1 = lim n−→∞ n2 1 = 1.20 red potencija |x| < 1. a divergira za |x| > ρ (ako lim sup n |an | postoji). to nije problem c c (jer konvergencija reda ovisi o ostatku reda). a divergira za |x| > 1. Neka je dan red potencija lim sup n 1 n x . Ako je x = −1.3. n2 1 n x n2 dakle je ρ = 1.4. Po Teoremu 4. iz Primjera 4.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. onda iz Primjera 4. c sin n.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. tg n. Iz n2 n2 1 Teorema 4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. Ako je x = 1 onda. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. n 2.8 imamo da konvergira i red (−1)n . 4.). n Tada je 1 = lim n−→∞ n n 1 = 1. Teorem 4. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. KRITERIJI KONVERGENCIJE Primjer 4.16 1. n 1 n x n dakle je ρ = 1.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.

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

♠ s .21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.3.4.17 Iz Teorema 4. KRITERIJI KONVERGENCIJE Primjer 4.

.

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

c Dakle za funkciju f koja elementima iz X pridruˇuje elemente iz Y imamo z sljede´e oznake c f : X −→ Y ili. Govorimo o realnim funkcijama realne varijable. Skup Y se zove c kodomena funkcije f . Veliˇinu x je uobiˇajeno c c c nazivati argumentom ili nezavisnom varijablom. o vrijednosti veliˇine x. a vrijednost veliˇine y ovisi. Problem odredivanja prirodne z domene pojavljuje se kad domena nije specificirana. pri ˇemu i domena i slika mogu biti podskupovi skupa R. z f : D(f ) −→ R(f ). zovemo restrikcija funkcije f na skup A i oznaˇavamo sa g = f |A . Tada funkciju g : A −→ Y za koju vrijedi g(x) = f (x) za svaki x ∈ X. za svaki x ∈ A. Tada funkciju g : A −→ Y definiranu sa g(x) = f (x). a veliˇinu y zavisnom c varijablom. te neka je A ⊇ X. zovemo proˇirenjem funkcije f na s skup A.1 Za proizvoljnu funkciju f : X −→ Y oˇito vrijedi R(f ) ⊆ Y . Proˇirenje ne mora biti jedinstveno. c Prirodna domena funkcije f (u oznaci D(f )) je skup svih mogu´ih argumec nata za koje se moˇe odrediti vrijednost funkcije. Napomena 5.154 POGLAVLJE 5. Neka je funkcija f : X −→ Y . FUNKCIJE Skup X se zove podruˇje definicije ili domena funkcije f . takve da se svaka moˇe c c z izraziti realnim brojem. Skup svih mogu´ih vrijednosti funkcije f (u oznaci R(f )) c zove se podruˇje vrijednosti ili slika funkcije f . Piˇemo s f : R −→ R. s Ako su veliˇine. c c . c Neka je funkcija f : X −→ Y . moˇemo to modelirati funkcijom ˇiji su argumenti i ˇije z c c su vrijednosti realni brojevi. ˇiju ovisnost (odnos) promatramo. veliˇinu x moˇemo mijenjati po volji. c z c na naˇin propisan pravilom f . te neka je A ⊆ X. ako ˇelimo biti precizniji.

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

c Napomena 5.1: Koordinate toˇaka na grafu funkcije. x ∈ D(f )} ⊂ R2 . projekcija grafa na y-os je slika od f ). . y) za koje je y = c z c f (x).3 Graf funkcije Funkcije se zorno prikazuju grafovima. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. f (x)).2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f .1. U nastavku ´emo se baviti ovim problec mom.Na kraju. Drugim rijeˇima. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. no izvediv. x ∈ D(f ). tj. graf funkcije f sadrˇi sve toˇke ravnine (x. f (x)). 5. z Definicija 5.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj.156 POGLAVLJE 5. graf funkcije f dobijemo z c c kad sve parove oblika (x. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . prikaˇemo u koordinatnom sustavu. FUNKCIJE .

c kruˇnica u ravnini nije graf niti jedne funkcije. z s Iz Napomene 5.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije.2: Graf funkcije f i njegove projekcije na koordinatne osi. Napomena 5.5.3: Primjer krivulje koja nije graf funkcije. . OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.1. c y x0 0 x Slika 5. Npr. ˇto je suprotno s definicijom funkcije.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. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.

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

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

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

b ili D(f ) = a. b]. b]).5. f (x) = x4 . f (x) = x|x| su neparne. Ako vrijedi f (−x) = f (x). za svaki x ∈ D(f ) . 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.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. D(f ) = [a. z Ako vrijedi f (−x) = −f (x). tj. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). onda kaˇemo da je funkcija f parna. 2. za svaki x ∈ D(f ).1. z c c Napomena 5. s Primjer 5. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. Problem nalaˇenja ekstrema je vrlo bitan. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5.4: Primjer funkcije s lokalnim ekstremima. |x| su .♠ 1 . tj. Funkcije f (x) = x2 . f (x) = x3 . onda kaˇemo da je funkcija f neparna. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. D(f ) = [a. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). f (x) = parne fukcije. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. Funkcije f (x) = x.3 1. f (x) = |x|.

tj. Npr.5 5 2. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. neka c √ je funkcija f : [−1. tj. +∞ . za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0.5: Primjer parne (lijevo) i neparne (desno) funkcije. jedan rub je konaˇan a drugi beskonaˇan). tj. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije.5 1 2 3 -5 -7.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c .5 -1 -3 -2-2. Takav je rub c c regularna toˇka. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. 1] −→ R dana formulom f (x) = 1 − x2 . Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku.162 POGLAVLJE 5. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). Primjer 5. f (x) = 0 za svaki x ∈ R. postoji i konaˇan je broj f (−1).5 -10 Slika 5.

Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. Rub prirodnog podruˇja definicije funkcije je beskonaˇan.) c z . Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. 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 +∞. c c (Npr. +∞ −→ R dana formulom f (x) = 2x . (Npr.5. +∞ ili −∞. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu).1. +∞ −→ R dana formulom f (x) = x−1 . OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. (Npr. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. neka je z c funkcija f : 0. Tada oˇito f strogo raste u +∞.) z y y y −1 0 1 x 0 x 0 1 x Slika 5. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. i to brˇe od svakog pravca. +∞ −→ R dana formulom f (x) = xx . Ako z je a ∈ R taj rub. To znaˇi z c da.) z z c) Funkcija nije definirana u rubu prirodnog podruˇja definicije i ima svoc jstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c pribliˇavaju rubu vrijednost funkcije raste ili pada u +∞ ili −∞. tj. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. s c c c c 2. neka je funkcija f : [0. neka je funkcija c 1 c f : 1.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije.

ali nikad ga ne dostiˇe. i taj rast c c ili pad je ”jednak” rastu ili padu nekog kosog pravca u ravnini (tj. jer kad bi a bio nula tada vrijednosti funkcije ne bi rasle ili padale u beskonaˇnost). Dakle. tj. s c c Ako postoji pravac kojem se graf funkcije po volji blizu pribliˇava. c graf funkcije f se proizvoljno blizu pribliˇava pravcu y = x). kada argument x ide u +∞. zakljuˇujemo. kada argument funkcije f ide u +∞. FUNKCIJE b) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. i cijeli izraz x − e−x je dobro aproksimiran izrazom x. vertikalne i kose asimptote.164 POGLAVLJE 5. Dakle. postoji pravac kojem se graf c funkcije po volji blizu pribliˇava kada argumenti prirodnog podruˇja z c definicije idu u beskonaˇni rub. Odnosno. (Npr. z c c) Vrijednost funkcije raste ili pada prema konaˇnom broju a. neka je funkcija f : R −→ R dana formulom c f (x) = e−x +1.7: Ponaˇanje funkcije u beskonaˇnom rubu podruˇja definicije. Tada za velike vrijednosti od x izraz e−x postaje vrlo mali. (Npr. y = ax + b i a = 0. a druge dvije z c . kaˇemo da z z funkcija (odnosno njen graf) ima asimptotu. Funkcija moˇe imati vertikalnu asimptotu samo u konaˇnom rubu. tada se vrijednost c −x izraza e + 1 proizvoljno blizu pribliˇava broju jedan. Oˇito. 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. Postoje horizontalne. kada argumenti prirodnog podruˇja definicije idu u z c beskonaˇni rub. z y y y 0 x 0 x 0 x Slika 5. graf funkcije se proizvoljno blizu (odozgo) pribliˇava pravcu y = 1). +∞ ili −∞. neka je funkcija f : R −→ R c dana formulom f (x) = x − e−x . z kada argumenti funkcije f postaju dovoljno veliki.

Primjer 5.3 Realna funkcija realne varijable f : I = a. dok je u svim drugim toˇkama neprekidna. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. c 1 Uzmimo ε = 2 . x0 + δ ) ⊆ f (x0 ) − ε. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. b −→ R neprekidna u x0 ∈ I ako z za proizvoljnu okolinu oko vrijednosti f (x0 ) postoji okolina oko x0 koja se cijela preslika u okolinu oko f (x0 ). je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). Odnosno. f (x0 ) + ε .1.5 Neka je dana funkcija sign : R −→ R formulom   1. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. z Definicija 5. x = 0   −1 x < 0 Funkcija f ima prekid u 0. b −→ R. Intuitivno. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. x > 0  sign x = 0. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. pravac). . Kad bi imala dvije asimptote u jednom rubu. gdje je I ⊆ D(f ). Definicija 5.5. c 165 Napomena 5. Dakle nula je toˇka prekida od f . Definirajmo sada pojam neprekidnosti funkcije. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Tada za svaki δ > 0 i sve x ∈ R za koje je |x − 0| = |x| < δ 1 c vrijedi |f (x) − f (0)| = |f (x)| = 1 > 2 . funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira.7 Ako funkcija ima asimptotu. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene.3 kaˇe da je funkcija f : I = a.

10 Ako je funkcija f : I = a. tj. 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. je ograniˇena na I ako postoji realan broj M ∈ R. Ako je x0 > 0.9 Iz Definicije 5. onda je funkcija f ograniˇena na nekoj okolini oko x0 . b −→ R. FUNKCIJE y 1 0 x −1 Slika 5. funkcija je neprekidna u x0 .166 POGLAVLJE 5. iz uvjeta m ≤ f (x) ≤ M. takav da je c |f (x)| ≤ M . gdje je I ⊆ D(f ). Napomena 5. za svaki x ∈ I. c . za svaki x ∈ I. M ∈ R c takvi da je m ≤ f (x) ≤ M. b −→ R neprekidna u toˇki c x0 ∈ I. Napomena 5. b −→ R.4 Realna funkcija realne varijable f : I = a. Analogo se dokaˇe za x0 < 0. za svaki x ∈ I. M > 0. je ograniˇena ili omedena na I ako postoje realni brojevi m. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.4 stavimo M = max{|m|. Napomena 5.8 Ako u Definiciji 5.♠ z Definicija 5.4. gdje je I ⊆ D(f ). tj.8: Funkcija sign(x).

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

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

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

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

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

Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Tim se postupkom mogu stvarati nove z funkcije. Definicija 5. Ako su obje parne. g 5. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. onda je funkcija f ± g neparna. 3.4). FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. Neka su f. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. onda su funkcije f ± g. 2. c h f A B g C Slika 5. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. te funkcije f g i obje parne.12: Kompozicija funkcija. f g i f g f g sve parne. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Primjer 5. dok su funkcije f g i f obje neparne.172 POGLAVLJE 5. Matematiˇki se to formalizira pojmom kompozicija funkcija. neparna a f parna. Ako su obje neparne. . g : R −→ R funkcije. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g).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)). Ako je jedna funkcija.1.6 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. recimo g.

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

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

g f N N P P P P g f N P Slika 5. ali to ´emo detaljnije razraditi kasnije. c) Ako je funkcija f parna a g neparna. Toˇnije. OSNOVNI POJMOVI 2. Parnost kompozicije u ovisnosti o parnosti komponenata. ako je funkcija f neprekidna u x0 . onda je i kompozicija g ◦ f neprekidna u x0 . onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). 175 a) Ako su funkcije f i g parne.1.13: Kompozicija funkcija. Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. b) Ako su funkcije f i g neparne. d) Ako je funkcija f neparna a g parna. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). z 3.5. c . onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). a funkcija g definirana c i neprekidna u f (x0 ).

1. 200x + 500 = 1300. Primjer 5. 10 sati rada stroja koˇtati 2500 kn.♠ Primjer 5. Dakle imamo. Koliko si dugo moˇemo priuˇtiti stroj ako na z s raspolaganju imamo 1300 kn? Oznaˇimo s x vrijeme rada stroja a s y iznos novaca. a za z c neke nije.1. i joˇ 500 kn za dovoz i odvoz. Drugim rijeˇima. Ne c c moˇemo rijeˇiti problem. b : studenti −→ {0.. i obrnuto. FUNKCIJE 5.. Kaˇe se i da z c z f ne lijepi argumente.♠ z s Definicija 5.8 Troˇkovi rada stroja su 200 kn/h. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. . injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.176 POGLAVLJE 5. tj. Dakle. s s Jasno je da ´e nas npr. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ).. 12}. Uspjeli smo rijeˇiti problem. Nas zanima x(y).6 Funkcija f : A −→ B je injekcija ako za svaki x1 .7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. 2. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. . Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. c s Pogledajmo sada obratni problem. tj. To je za neke funkcije mogu´e. moˇe biti viˇe studenata koji su imali nula bodova. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500.

6 c ekvivalentan sljede´em: za x1 .10 Funkcija f (x) = xn .14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). za bilo koji c ∈ R.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x).8 izraˇunali smo da je x(1300) = 4. 1).11 U Primjeru 5. Napomena 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. n ∈ N. s c Primjer 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.1. f : D(f ) → R(f ) je uvijek surjekcija.5. Definicija 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. Napomena 5.♠ Primjer 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. a injektivnost njegovu jedinstvenost. c c Definicija 5. Injektivnost.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .8 Funkcija f je bijekcija ako je i injekcija i surjekcija. je injekcija za neparan n. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. ali ne i za paran n. tj. x2 ∈ D(f ). . OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. 1) i (1. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.

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. . c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x. 200 (200x − 500) + 500 = x.♠ 200 Definicija 5.9 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. x(c) = c − 500 . Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x). 200 POGLAVLJE 5.178 dobivamo formulu za x u terminima c. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c).15: Graf funkcije i njoj inverzne funkcije. Dakle. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id.

no njezine restrikcije na −∞. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. jer je c f ◦ g = g ◦ f = id. Primjer 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. No f ◦ g = id. pa ima i inverznu funkciju. +∞ −→ −∞. kad govorimo o inverzima funkcija f : R −→ R. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. g1 (x) = − x.20 znamo da f c ima inverznu funkciju g. Dakle.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. 0]. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a.5.0] √ i f |[0. f | −∞.♠ Napomena 5. OSNOVNI POJMOVI 179 Napomena 5. Tada iz Napomene 5. onda je ona oˇito i bijekcija na svoju sliku. +∞ jesu. g2 (x) = x. +∞ . 0] i [0. Dakle.20 Ako je funkcija f : R −→ R strogo monotona. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. Dakle vrijedi f ◦ g = g ◦ f = id. c c Dokaz: Neka je f : R −→ R strogo rastu´a. a ona c c je strogo rastu´a funkcija.10). c Primijetimo da ako f nije strogo monotona nego samo monotona. +∞ −→ [0. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku.♣ z c .+∞ su bijekcije s inverzima g1 : [0.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. i √ g2 : [0. To je oˇito inverzna funkcija od f . a strogo c c padaju´e funkcije strogo padaju´a. Teorem 5.1. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).

Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).♣ Iz Primjera 5. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.21 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. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. Dakle. 0] ili [0.2 Inverzna funkcija neparne funkcije je neparna. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. +∞ .♠ c Analogno kao u Primjeru 5.2 ne moˇemo izre´i za parne funkcije. ali nije bijekcija. f −1 je neparna.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. jer je f (x) c rastu´a. z c Napomena 5. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. Pokuˇajmo sada. +∞ −→ −∞. +∞ gdje je bijekcija.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. 0] odnosno . Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.12 slijedi da tvrdnju Teorema 5.180 POGLAVLJE 5. Tada je njena inverzna funkcija g : [0. Primjer 5. FUNKCIJE Teorem 5. praktiˇno izraˇunati.

2. Primjer takve funkcije je c x f (x) = xe .4 0. +∞ je bijekcija. ima inverznu funkciju. 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. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. ˇ Cak i za funkcije koje imaju inverze. +∞ −→ [0. +∞ dana formulom − n x odnosno n x. c . Ako je n neparan.16: Graf funkcije f (x) = xex .5. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.6 0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. 5. 0. specijalne funkcije kojima se ovdje ne´emo c baviti.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. c Osim elementarnih postoje i tzv. tj. Restrikcija te funkcije na interval [−1. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.4 1 2 Slika 5. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.2 -3 -2 -1 -0.2 -0.8 0.

Polinomi . dolazimo do pojma z . k Po definiciji stavljamo x0 = 1.2.182 POGLAVLJE 5.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Area 2. FUNKCIJE 5.Trigonometrijske .Eksponencijalne . Elementarne a) Algebarske . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.1 Klasifikacija i podjela realnih funkcija 1.Ostale algebarske funkcije b) Transcendentne . za svaki x ∈ R. mnoˇenih nekim koeficijentima. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Logaritamske .2.Racionalne funkcije . xk = x · x · · · x .Ciklometrijske .Hiperboliˇke c .

Dakle je svaki polinom definiran na cijelom skupu R. Definicija 5. . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. . Realne konstante an .17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . Ovdje podrazumijevamo da je an = 0. P. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R.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 5.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + . a0 su koeficijenti polinoma Pn (x). . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).a1 . + a2 x2 + a1 x + a0 . . . Definicija 5. Koeficijent an je vode´i. c 10 7. . ako su jednaki kao funkcije.2. Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.5. a a0 je slobodni koeficijent.11 Dva polinoma P i Q su jednaka. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. tj. .5 -3 -2 -1 -2. Polinomi su konceptualno najjednostavije funkcije. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma.5 5 2.

: n m Teorem 5.01 -0. a ordinata je. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. 0.. n.. Apscisa nultoˇke je nuliˇte. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.184 POGLAVLJE 5.5 3 Slika 5.. c Primjer 5.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5..3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . tj.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. Broj c k zove se red ili kratnost nultoˇke x0 . 1.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.01 1.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. c c c s naravno.14. FUNKCIJE n Teorem 5.02 3 2 0.11.5 2 2.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi . c c .. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.02 4 0. za sve i = 0. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x). = an = 0. .

Otvor joj je okrenut prema gore ako je a > 0. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). kaˇemo da je linearna funkcija strogo rastu´a. po Teoremu c 6. tj. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. dok 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.22 U nultoˇkama neparnog reda polinom mijenja predznak.2. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. onda iz Teorema 6. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5.8). onda iz Teorema 6. Za a = 0 imamo konstantnu funkciju p(x) = b. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0.5. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. a padaju´a ako je a ≤ 0. odnosno strogo padaju´a. a = 0. raste na cijelom R. za x ≥ 0.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0.19: Graf linearne funkcije f (x) = x + 75. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . a prema dolje ako je a < 0. Ako je k paran. Tjeme . Ako je x0 ∈ R nultoˇka reda k c od Pn (x). c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. dok c u nultoˇkama parnog reda nema promjene predznaka. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Ako su ove nejednakosti c c stroge.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 . je polinom drugog stupnja ili kvadratna funkcija. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y.ako raste u s c nekoj toˇki. Ako je k neparan.

−D/4a). Zbog neprekidnosti c polinoma na R (Teorem 6.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. inaˇe velike negativne vrijednosti). FUNKCIJE 1 2 Slika 5. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. tj. Nultoˇke kvadratne funkcije dane su formulom c x1.♣ c Iz Teorema 5.♣ c c . mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).2 = √ −b± D . dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. npr.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. 2a i realne su ako je D ≥ 0. Teorem 5. inaˇe velike pozitivne). c Napomena 5. parabole ima koordinate (−b/2a. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.8) graf polinoma mora negdje sje´i x os. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku.

R(Pn ) = [0. tj.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. tj. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . Ako je n = 1. dakle nije injekcija. Ako je n neparan broj. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n.16 Pogledajmo funkciju (polinom) Pn (x) = xn . . pravac y = x. dakle je bijekcija.. tj. graf c joj je zrcalno simetriˇan s obzirom na y os. Strogo pada na −∞. Nadalje. 0). 1. Oˇito je D(P1 ) = R(P1 ) = R. onda je P1 (x) = x linearna funkcija. dakle je bijekcija i ima nultoˇku u (0. c neparna je i ima nultoˇku u (0. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R.5. onda je oˇito funkcija Pn (x) = xn parna. Ako je n paran broj.. c vrijedi D(Pn ) = R. +∞ . c 2. i = 1. P1 (x) strogo raste na R.2. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan.♠ c .♠ Dakle. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. onda je oˇito funkcija Pn (x) = xn neparna. 3. tj. 0]. 0). iz Primjera 5. n − 1. strogo raste na [0. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. +∞ i ima nultoˇku u (0. Primjer 5.. Pn (x) strogo raste na R.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. 0). kao funkcija an xn .

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

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

2.26 Ako je pol parnog reda.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). Osim vertikalnih. kao i u toˇkama u c kojima se nazivnik poniˇtava. dok za polove neparnog z c reda. bi x i=0 i−m bi x i=0 i xm . onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.5 1 x 1 Slika 5. 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 5.5 0. FUNKCIJE 100 75 50 25 -1 -0. tj.26).5 1 80 60 40 20 -1 -0. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .graf racionalne funkcije moˇe imati asimptote: z 1. (lijevo) i pola Napomena 5.5 -25 -50 -75 -100 0.190 POGLAVLJE 5. Sada tvrdnja izravno slijedi iz Napomene c 5. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). Dakle.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. z c Dokaz: Red pola je red nultoˇke nazivnika.22. kad c argument ide u +∞ i −∞. i to na vanjskim rubovima prirodnog podruˇja definicije.

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

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

Tada je oˇito P (x. √ x2 + 1 i njenih asimptota z Napomena 5.5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija.29 Svaki polinom i racionalna funkcija su algebarske funkcije. c . Definirajmo polinom u dvije varijable s P (x. Pn (x)) = 0. dakle je svaki polinom algebarska funkcija.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x.2.19 1. f (x)) = 0. f (x)) = 0. y) = Qm (x)y −Pn (x). Tada je oˇito P (x. Dokaz: Neka je dan proizvoljni polinom Pn (x). Napomena 5. Definirajmo polinom u dvije varijable s P (x. Definicija 5.24: Primjer iracionalne funkcije f (x) = iz Primjera 5.18.2. f (x)) = 0. y) takav da vrijedi P (x. jer u suprotnom ne bi bila funkcija. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. dakle je svaka racionalna c √ Primjer 5.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. c Neka je sada f (x) = funkcija i algebarska. y) = x − y n oˇito je P (x. y) = Pn (x) − y. 5.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni.

Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x.194 POGLAVLJE 5.1. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. u 1 (toˇka 5. c c √ Nadalje. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti.13). Funkcija f je inverzna funkcija funkcije g(x) = x3 . f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije.4). pravac y = 0 je horizontalna asimptota funkcije f . z tj. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Neka je dana algebarska funkcija f formulom f (x) = x. √ Primjer 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. f strogo raste na R i neomedena je. +∞ . Neka je dana algebarska funkcija f formulom f (x) = √x−1 .20 1. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. z √ 2. tj. Nadalje. Neka je dana algebarska funkcija f formulom f (x) = 3 x. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. 0 je regularna toˇka (toˇka 5. z 1 4. koja je bijekcija sa R na R. dakle nema vertikalnu asimptotu. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. je D(f ) = R(f ) = R (Primjer 5. +∞ (Primjer 5. Dakle.1. +∞ . tj.13). Kada se argument sve viˇe pribliˇava c s z broju 1.28.13). Dakle. y) = xy n − 1 oˇito je P (x. c 1 3. f (x)) = 0. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. je D(f ) = R(f ) = [0. je D(f ) = 1.4). Dakle. +∞ i R(f ) = 0. dok kosu asimptotu ne moˇe imati zbog Napomene 5. dakle nema niti vertikalnu niti horizontalnu asimptotu. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Nadalje. c c tj. FUNKCIJE 1 2.13). Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . ima vertikalnu asimptotu x = 1.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

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

196

POGLAVLJE 5. FUNKCIJE

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

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

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

197

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

5.2.5

Eksponencijalne funkcije

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

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

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

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

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

199

= ax−y ;

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

=

ax ; bx

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

5.2.6

Logaritamske funkcije

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

.

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

200

POGLAVLJE 5. FUNKCIJE

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

-4

-2 -1 -2 -3 -4

2

4

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

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

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

= loga x − loga y;

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

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

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

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

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

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

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

vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. 1]. Dakle je z D(sin) = D(cos) = R. vidimo da je −1 ≤ cos t ≤ 1. temperatura kroz godinu. π ].5 1 0. k ∈ Z. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. π ]. dok je sinus neparna. Nadalje. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. 1]. tj. itd.5 -2 5 10 Slika 5. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. To znaˇi R(sin) = R(cos) = [−1.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).5 -0. c 2 1. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. imaju amplitudu razliˇitu od 1. Nadalje. Nadalje.32 Lako je vidjeti da je kosinus parna funkcija. s 2 1 u nuli i 0 u π . npr. Najmanji pozitivni period je 2π i zovemo ga temeljni period.5 1 0.5 -10 -5 -0.2. plime i oseke. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. Kaˇemo da im je faza nula. je period funkcija sin i cos. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. c amplitude i faze. Medutim. krvnoga tlaka. period razliˇit od 2π i ne s c c . zbog periodiˇnosti.5 -2 5 10 -10 -5 2 1. Svaki 2kπ. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.5 -1 -1. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z.5. za svaki t ∈ R. tj. za opis osz c cilacija. napona.5 -1 -1. Napomena 5. tj. a kosinusa obrnuto. −1 ≤ sin t ≤ 1.

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

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

2 i kotangens na 0.33 . π ]. 1]. Dakle. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1.2. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. k ∈ Z}. c c Dakle. Npr. njihove restrikcije Tg x = tg| − π .33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). π].34 Zbog periodiˇnosti. Napomena 5. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . c dakle niti bijekcije. Dakle sinus nema inverznu funkciju. ni tangens ni kotangens nisu injekcije. π . Tada prema Napomeni 5. a isto vrijedi s / i za ostale trigonometrijske funkcije. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. π . a kotangens strogo padaju´a na 0.π x su bijekcije s tih intervala na R. na svoju sliku. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. 2 . kosinus na 2 2 π π [0.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. π x 2 2 i Ctg x = ctg| 0. a c c s nema rjeˇenja za c ∈ [−1.208 POGLAVLJE 5. FUNKCIJE za svaki t ∈ R \ {kπ. dakle nisu bijekcije. 5. restringirajmo sinus na [− π . tangens na − 2 .

c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. oˇito je c c D(arcsin) = D(arccos) = [−1. 2 2 koja je inverzna funkciji sin |[− π .5 -1 -0.5 1 0.5. Dakle. dakle su i bijekcije. koje zovemo arkus funkcije. π jednadˇbe tg t = x . 1] −→ [0. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . π ] . π ] i tg| − π .5 0.5 2 1. . 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. s z 2 2 s z Kako je tg| − π . Kako je sin |[− π . π bijekcija. Dakle. inverznu funkciji cos |[0. Nadalje. 2 ] jednadˇbe sin t = s z s z x. a c 2 2 2 2 cos |[0. π]. π ] bijekcija.1 i Napomene 5. 1] −→ [− . Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . a arccos c strogo padaju´a na [−1. 1. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5.5 1 -1 -1. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . 1].5 0. π π R(arcsin) = [− . ]. 2 2 .π] .34 znamo da su funkcije sin |[− π .π strogo padaju´e.5 -1 -0. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. 1].5 -0.π] i ctg| 0. Iz Teorema 5. z π π Za x ∈ [−1. π].34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). π strogo rastu´e. rjeˇenje jednadˇbe postoji i jedinstveno je. rjeˇenje jednadˇbe postoji i jedinstveno je.5 1 0. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.5 1 Slika 5.2. ].33 slijedi da je arcsin strogo rastu´a.5 3 2. 2 2 R(arccos) = [0.

π .5 -1 -1. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.5 2 1.5 1 0. c . .35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).5 1 0.5 -2 -0. oˇito je c c π π D(arctg) = D(arcctg) = R. inverznu funkciji ctg| 0. π . π ].34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. R(arcctg) = 0.5 -2 2 4 4 3. pri traˇenju rjeˇenja t jednadˇbe. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. -4 2 1.210 koja je inverzna funkciji tg| − π . 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 . npr. Iz Teorema 5. Npr. Dakle. tako da bi smo dobili arkus funkcije definirane na tim intervalima. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. 1]. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1.π . Nadalje. 2 odnosno ctg| 0. z s z sin x = t. Napomena 5.5 3 2. FUNKCIJE arcctg : R −→ 0. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π .1 i Napomene 5. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.5 -4 -2 2 4 Slika 5.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. π . R(arctg) = − .

Primjerice. 3. . 2 sh x e x − e −x th x = = x .36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke.2. Zbog neparnosti c c od sh i parnosti od ch. Stoviˇe. i R(th) = −1. za svaki x ∈ R. +∞ . 2 e x − e −x sh x = . sinus hiperboliˇki. za svaki x ∈ R.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. vrijedi ch x = ch2 x − sh2 x = 1 . y = −1 i y = 1. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Strogo raste na R. Lagano se vidi da je ch x > 0 . Dakle je R(ch) = [1.2. parna je. Dakle th ima dvije horizonzalne s z asimptote. strogo pada na −∞. 2. Napomena 5. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. cth x = th x i zovemo ih redom kosinus hiperboliˇki. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. ch x e + e −x 1 . jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. strogo raste na R. th je neparna. neograniˇena je. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. tanges hiperc c boliˇki i kotanges hiperboliˇki. +∞ i nema asimptote. Iz formule lagano ˇ slijedi da je |th x | < 1 . dakle nije injekcija. neograniˇena c je pa je R(sh) = R i nema asimptote. 1 . iako se definiraju u terc minima eksponencijalne funkcije. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R.5. za svaki x ∈ R. Lako se vidi da je neparna. PREGLED ELEMENTARNIH FUNKCIJA 211 5. 0] i c strogo raste na [0. Nadalje.

areasinus hiperboliˇki ili Arsh.5 -1 -1.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. Ako ch. to mora i cth x . za svaki x ∈ R. preciznije areakosc inus hiperboliˇki ili Arch. Zbog neparnosti od th i cth je neparna.5 -4 -2 -0.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). 1]. tj. c osim funkcije ch.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. ch postaje bijekcija na svoju sliku. zbog parnosti. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. 1. kako je |th x | < 1 . +∞ . Funkcije inverzne hiperboliˇkima zovu se area funkcije. Dakle cth ima i dvije horizontalne asimptote. Nadalje. 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. cth strogo pada na R \ {0}.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). imamo da je |cth x | > 1 . imamo: .5 1 0. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. 0] ili [0. Kako th strogo raste na R. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. z y = −1 i y = 1. restringiramo na −∞. za svaki x ∈ R\{0}. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. i R(cth) = R \ [−1. 4. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5.

c 2. Kako su y = −1 i y = 1 horizontalne asimptote od th. y = 1 horizontalne. Iz Teorema 5.1 c slijedi da Arcth strogo pada. 3 2 1 -1 -0.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). onda je D(Arch) = [1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. iz Teorema 5.5 0. a pravac y = 0 horizontalna asimptota. +∞ . Oˇito je D(Arsh) = R(Arsh) = R. 1 . Ako smo ch restringirali na [0.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. a x = 0 vertikalna asimptota od cth. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. vertikalne asimptote od Arth. tj.5 -1 -2 -3 0.5 1 0.5 2 2.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). onda su rubovi −1 i 1. R(Arth) = R \ {0} i iz Teorema 5. +∞). 1]. 4. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. +∞ i R(Arch) = [0. tj. Oˇito je D(Arcth) = R \ [−1. . pravci x = −1 i x = 1.1 slijedi da Arth strogo raste. R(Arth) = R i iz Teorema 5. PREGLED ELEMENTARNIH FUNKCIJA 213 1.1 zakljuˇujemo da Arch strogo raste. vertikalne asimptote od Arth. c 3.5 3 Slika 5. pravci x = −1 i x = 1.5 1 1.5.2. onda su rubovi −1 i 1.5 2 1. Oˇito je D(Arth) = −1. Kako su y = −1.

.

8 kn.05h (∆c = ˇ 0.1. a visina poˇtarine c u z s kunama).1. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka.5 + 0.05(m − 20) kn. 0 ≤ m ≤ 20 3. Naime. Graf te funkcije prikazan je na slici 6. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.05(m2 − m1 ). m > 20.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05(m − 20).5 + 0. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.05h = 0.8.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. (Masa m je izraˇena u gramima.05∆m). onda je 215 . m = 20 i m = 30. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.1 6. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Dakle imamo c(m) = 2.

1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). . s s 20M ≥ (m2 − m1 )). Definicija 6. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6.♠ c Definicija 6.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. odnosno da graf funkcije ima prekid u toj toˇki. S druge strane.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.216 ˇ POGLAVLJE 6. c c Napomena 6.7 kn.

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

1] : [−1. Dakle.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. f . x = 0 svugdje neprekidna osim u nuli. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. ˇto je suprotno pretpostavci. i neka je f (c) > 0 (f (c) < 0). c + δ) takav da je f (xδ ) ≤ 0. f ima prekid u toˇki c. f + g. Ako pogledamo funkciju f restringiranu na segment [−1. Uzmimo ε = f (c).4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. tj. tj.♣ Teorem 6. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. za koji je f (xδ ) ≤ 0.♣ c Teorem 6. 1]. ali oˇito f nema nultoˇku na segmentu c c c [−1.3 Iz Napomene 5. 1] (jer je nema na cijelom R). Ako je funkcija f neprekidna u x0 . onda je funkcija g ◦ f neprekidna u x0 . c + δ). i funkcija g neprekidna u f (x0 ). b takav da je f (x0 ) = 0. c s Analogno se dokaˇe sluˇaj f (c) < 0. g : R −→ R takve da je definirano (g ◦ f )(x0 ).♠ .♣ Teorem 6.218 1. Tada postoji x0 ∈ a. onda je oˇito f (−1)f (1) = −1 < 0. postoji xδ ∈ (c − δ. x=0 x f (x) = 1. tj. 3. 4. Dokaz: Pretpostavimo suprotno. po pretpostavci. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. onda njezin graf mora negdje sjeˇi x os. i neka je f (a)f (b) < 0. Tada za svaki δ > 0.♣ z c Teorem 6. tj. mora imati nultoˇku. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. f − g. c c Primjer 6. Tada je |f (xδ ) − f (c)| > f (c) = ε. f · g. c + δ . f |[−1. b]. |xδ − c| < δ.2 Neka su funkcije f. 1] −→ R.11 znamo da je funkcija f : R −→ R dana formulom 1 . g ˇ POGLAVLJE 6. 2.

slika otvorenog intervala − π . 1 .4 Funkcije f.♣ c Tvrdnja Teorema 6. Nadalje.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. funkcija f (x) = neprekidna na 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. 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. M ∈ R takvi da je m ≤ f (x) ≤ M. π .3 slijedi da je uvjet neprekidnosti iz Teorema 6.♣ Teorem 6. .ˇ 6. onda je ta funkcija i neprekidna. Npr. Tvrdnja z Teorema 6. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.4) Teorem 6. Pitanje je sad.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.♣ 6. b]. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. Npr. Tada je funkcija f neprekidna na intervalu I.1. Teorem 6.4 nuˇan.3 Neprekidnost elementarnih funkcija Primjer 6.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. π funkcijom tg je R. za svaki x ∈ I (Definicija 5.1. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. c 1 x je Teorem 6. ali oˇito je neomedena. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .5 ne vrijedi za otvorene intervale.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I .6 ne vrijedi za otvorene intervale.

3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane..7 su neprekidne..♣ Napomena 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).7 c i periodiˇnosti.4 dokazali smo da je funkcija f (x) = x neprekidna na R. n. jer su njihove restrikcije npr. 1.. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. jer je svaka racionalna funkcija kvocijent dvaju polinoma.7 imamo da su neprekidne i funkcije arctg i arcctg. polinom Pn (x) neprekidan na R.1. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Nadalje. UVOD U DIFERENCIJALNI RACUN 1. c Dokaz: U Primjeru 6. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. i = 0. na intervale − π . n.♠ z Iz Primjera 6.. slijedi da c moˇemo uzeti δ = ε.. i = 0.1. Iz Teorema 6.. Na isti naˇin se zakljuˇi da su xi . tj. z c Uzmimo proizvoljni ε > 0. π odnosno 0. na R su neprekidne i funkcije ai xi . hiperboliˇkih (osim kosinusa hiperbolnog).1. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. i = 0. n. z c Uzmimo proizvoljni ε > 0.. dakle iz Teorema 6. π monotone c 2 2 bijekcije na R. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. zakljuˇujemo c da je i suma od ai xi . trigonometrijske.4) i Teorema 6. logaritamskih. Teorem 6.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. logaritamske. Na kraju. . .1 direktno imamo: n Teorem 6. 1.1 sada slijedi da je na R neprekidna i funkcija x2 . Budu´i da je f (x) − f (x0 ) = c − c = 0..220 ˇ POGLAVLJE 6. takoder iz Teorema 7. . . Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. c c neprekidne na R. z 2. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. Dokaz: Neprekidnost eksponencijalnih..1.4 i Teorema 6.7.9 Eksponencijalne. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. arkus. 1. takoder iz Teorema 6.

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

S druge strane. ali negativnu.222 ˇ POGLAVLJE 6. 4. c 3.1. za vrijednosti od x koje su malo ve´e od 1. vrijednosti c funkcije su malo ve´e od −1. tj. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. tj. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. za x malo manji od 1. dovoljno blizu c nule. vidimo da su one c c c blizu vrijednosti −1. funkcija nije definirana u toˇki 0. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. c c 2. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. vrijednosti funkcije c su malo manje od −1. Ako uzmemo s c toˇku x dovoljno malu. Za funkciju f : R −→ R danu formulom f (x) = arctg x . funkcija nije definirana u toˇki 0. ako uzmemo toˇku c x dovoljno malu. tj.5 nije definirana u toˇki x = 1. 6. Raˇunaju´i te vrijednosti. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. ali pozitivnu. Dakle. zakljuˇujemo. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. dodemo li s x dovoljno blizu c toˇki 1.4 Graniˇna vrijednost (limes) funkcije c 1. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0.

tj. 6. osim.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c.♠ Situacije iz Primjera 6. a ne znamo izraˇunati ni njenu vrijednost za x = 0. onda piˇemo c s L = lim f (x).5). Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. Neka je dana funkcija f : R −→ R formulom f (x) = xx . pravac y = π je horizontalna asimptota. 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). Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. 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. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. 2 2 5.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .2. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. moˇda u samoj toˇki c. osim.ˇ 6. Ako funkcija ima limes L u toˇki c. x−→c Ako limes postoji on je i jedinstven: Teorem 6.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. ako c ˇelimo promatrati ponaˇanje oko nule. Dakle.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. |f (x) − M | < ε). Definicija 6. moˇda u samoj toˇki c. .2.

tj. naravno ne zaboravljamo. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes.4 Uoˇimo da je definicija limesa (Definicija 6.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). Pri tome uzimamo da je svaki otvoreni interval oblika (M. pri ˇemu. 2 po pretpostavci. |f (x) − M | < ε). z c c Uz malu zloporabu notacije moˇemo Definiciju 6. da je M = L. Tada za taj ε. Dakle je M = L.6 i Napomz ena 4. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. −∞ ∈ R. +∞) okolina od +∞. i svaki interval oblika (−∞. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. Ali. ˇto ne moˇe biti.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. Analogno. +∞. 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). . ˇ POGLAVLJE 6. c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ).3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. postoji δ > 0.2) jako sliˇna definiciji neprekidnosti (Definicija 6. M ) je okolina od −∞.224 Tada je L = M .♣ s z c c Napomena 6. Uzmimo sada ε = 1 |M − L|. ali postoji bitna razlika. Dakle imamo |M − L| < |M − L|. |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. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. 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).

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

3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. lim arctg x = . Obrnuto.3 direktno slijedi da postoji i limes u toˇki c i jednak je 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. x = 0   1.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. onda je jasno iz Definicije 6. x−→+∞ 6. ♣ c Primjer 6. s c 1. Dakle je x−→0+ lim sign x = sign 0 .5 Neprekidnost i limes Primjer 6. tj.♠ 6. Nadalje je oˇito da je c x−→0+ lim sign x = 1 .5 znamo da funkcija   −1. Dokaz: Ako funkcija f ima limes L u toˇki c. x−→1 x−1 1 = +∞. x−→0 x π 4. onda iz Definicije 6.7 Iz Primjera 5. lim 2. moˇda u samoj toˇki c. x −→0 − lim sign x = −1 .1. lim 3. ne postoji lim sin x. c osim. x−→+∞ 2 5.226 ˇ POGLAVLJE 6. x2 − 3x + 2 = −1.6 Opiˇimo sada pomo´u limesa Primjer 6. x < 0  sign x = 0. x > 0 ima prekid u nuli. x−→0+ lim xx = 1.5. x−→0 x2 lim 1 1 = +∞ i lim = −∞. ako postoje limesi s lijeva i s desna i oni su jednaki L. UVOD U DIFERENCIJALNI RACUN Teorem 6. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim .

x−→c+ Dokaz: Izravno iz Definicije 6. oˇito vrijedi c f (2) = lim f (x).12 imamo: Teorem 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . Tada je c x−→c lim g(f (x)) = g( lim f (x)).4).♠ x−→2 Primjeri 6. i neka postoji limes funkcije f u toˇki c.3.ˇ 6.♣ .12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. onda limes i funkcija z c ”komutiraju” tj.7 i 6. Nadalje.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. Dokaz: Izravno iz Definicije 6.13 Neka je funkcija g : R −→ R neprekidna. x−→c Napomena 6.♠ Primjer 6. tj.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. Zaista imamo: c c Teorem 6. imamo x−→c lim f (x) = f (c) = f ( lim x).2 i definicije jednostranog limesa.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).1 i Primjer 6.1.5 U Teoremu 6.1 i 6. c c Sada direktno iz Napomene 6.12 kaˇe da ako je funkcija neprekidna u toˇki c.♣ Teorem 6.♣ x−→c Analogno kao Teorem 6. konaˇan je broj.4) i da limes mora postojati.

8.♣ 6.228 ˇ POGLAVLJE 6. 9. (+∞) + (+∞) = +∞. (−∞) + (−∞) = −∞. (+∞) · (+∞) = +∞. 5. To se posebno odnosi na veliˇine +∞ i −∞. 7.15 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). −∞. (+∞) · (−∞) = −∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. +∞ ± a = +∞. a ∈ R proizvoljan. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. a +∞ = 0. a ∈ R proizvoljan. a < 0. (−∞) · a = 10.14. −∞ ± a = −∞.11. a ∈ R proizvoljan. 4. a > 0 +∞. (−∞) · (−∞) = +∞.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. x−→c+ Dokaz: Izravno iz Teorema 6.12 i 6. Kako one nisu realni brojevi.1. 3. 2. 6. 6. a < 0. UVOD U DIFERENCIJALNI RACUN Teorem 6. jer operacije nisu definirane i operandi nisu realni brojevi. a > 0 −∞. (+∞) · a = +∞. no moˇe se desiti da dobijemo izraz koji nije z z definiran. .

+∞ −∞ . a −∞ 229 = 0. (+∞)0 . ∞0 . Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. 3. 0 0 . (−∞)0 . 5. 1−∞ . 1∞ . ∞ · 0. +∞ · 0. +∞ . −∞ −∞ . s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. 4. 1+∞ .ˇ 6. onda s je to i limes od f (x) kad x −→ c. Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. pa je 0 neodreden oblik. ∞ ∞ − ∞. Ako se dobije jedan od neodredenih oblika. 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. ”Sedam veliˇanstvenih”: c 0 . Osim s beskonaˇnim veliˇinama. 0 2. −∞ 2. Dakle. a ∈ R proizvoljan. 0 ∞ . 00 . (+∞) + (−∞). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. −∞ · 0. +∞ +∞ . s s c c Iz Primjera 6.1.6 znamo da ”vrijednost” izraza 0 koji se dobije ”uvrˇtavanjem” s 0 x2 −3x+2 z vrijednosti x = 1 u funkciju f (x) = x−1 je −1. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. 0∞ . 0 .

α < 0. a>1 −∞. n ∈ N proizvoljan. a>1 0. n ∈ N paran. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. n ∈ N proizvoljan.1. 0 < a < 1. n ∈ N neparan +∞. 0 < a < 1. x−→−∞ lim ax = 10. −∞. α > 0 0.230 ˇ POGLAVLJE 6. x−→0+ lim xα = 0. x−→+∞ lim loga x = 11. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. lim x−n = −∞. lim xn = +∞. 0. n ∈ N paran. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. −∞. x−→0+ x−→0− 7. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. x−→0− 4. +∞. n ∈ N neparan. lim x−n = +∞.7 Raˇunanje limesa c Neki temeljni limesi 1. x−→+∞ lim ax = 9. 0 < a < 1. x−→+∞ x−→+∞ 2. +∞. 5. 3. . 8. +∞. 0 < a < 1. α>0 +∞. a>1 +∞. 6. UVOD U DIFERENCIJALNI RACUN 6. a>1 +∞. α < 0.

za a > 1.16 lim i 1 lim (1 + )x . π ). i s B = (1. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). . Iz toˇke 5. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice).4). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA .1.2. njihov rast. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. i zbog parnosti od sin x . 0). x−→+∞ x sin x = 1. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.9. pad. +∞) i da joj c c je slika cijeli R. ortogonalnu projekcija toˇke A na x os.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. 0) u ravnini. 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. tj. sin x). Dakle. parnost. a ∈ R.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞.ˇ 6. c Osim ovih limesa. Kako gledamo c limes funkcije sin x kada x −→ 0. Oznaˇimo s A = z c c (cos x. koji se nalazi unutar trokuta OBB . Kada s pravca uzmemo x ∈ (0. jasno je da je dovoljno x x promatrati x ∈ (0. svojstva potencija. neparnost i sliˇno. koriste´i definicije limesa i jednostranih limesa (toˇka 6. tg x ). Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). c c eksponencijalnih i logaritamskih funkcija.1. To znaˇi da je c x−→+∞ lim loga x = +∞.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0.

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

17 x−→+∞ 233 lim 1+ 1 x x = e. i da je x = ln(t + 1).6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1.1. x−→0 x lim a > 0. ♣ Primjer 6. Dakle imamo ax − 1 ex ln a − 1 = lim . Tada je jasno da t −→ 0 kada x −→ 0. a ∈ R.ˇ 6. x−→0 x Iz Teorema 6.12 i Teorema 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. Dakle . x−→0 t−→0 ln(t + 1) x Iz toˇke 5. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .♠ x−→0 t−→0 x ln a ln(t+1) ln a . c Zbog toga je ex − 1 t lim = lim = 1. x Oznaˇimo sada ex − 1 sa t.10 ex − 1 = 1.2. x−→0 x lim i ax − 1 = ln a. x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a.

6. 6.17. 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) = 0.13.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. ♣ x−→c Teoremi 6. 6.2 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). x−→c x−→c 4. c 6. Tada 1.18 i temeljni limesi iz toˇke 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).16. . x−→c c 3. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa.1. 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).234 ˇ POGLAVLJE 6.2. x−→c x−→c 2.

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

∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . prosjeˇna brzina odgovara koeficijentu smjera sekante. prosjeˇna brzina projektila u vremenskom intervalu [t0 . 1. y(t0 )) i c ∆t (t0 +∆t. ∆t . a to je jednako koeficijent smjera te sekante. y(t0 +∆t)) zatvara s osi x. c ∆y = tg α. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . 2 y ∆t ∆y ∆t 0 t ∆y Slika 6.236 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. Op´enito.001) − y(1) . Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 .3: Ovisnost visine projektila o vremenu. Dakle.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.

11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . f : I −→ R. c mjeri brzinu promjene veliˇine c Definicija 6.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.2.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. 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. x0 ∈ I.♠ 6. Ako postoji z c f (x0 + ∆x) − f (x0 ) . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 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 .2.4: Sekante i tangenta. tj. c Primjer 6.

.6 Uoˇimo bitnu razliku. c c koji se oznaˇava sa f (x0 ).238 ˇ POGLAVLJE 6.♠ ∆x−→0 ∆x 6.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. Dakle je c f (x) = lim f (x + ∆x) − f (x) . UVOD U DIFERENCIJALNI RACUN Primjer 6.15 Pogledajmo sljede´e primjere: c 1. c z Primjer 6. 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. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Derivacija funkcije f (x) = kx + l je f (x) = k.2. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). Derivacija funkcije f u toˇki x0 je broj. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. ∆x−→0 ∆x Napomena 6. Dakle brzina promjene linearne funkcije je konstanta. za proizvoljne 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 = −1.3 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). l ∈ R.

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

2. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Tu funkcija niti raste c niti pada. tangenta je paralelna s osi x. U toˇkama gdje je f (x) = 0.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. odnosno da je tangenta pravac koji raste. tj. ne postoji f (0). ako je f (x) < 0 na nekom intervalu. ∆x mogu se javiti neki problemi pri raˇunanju derivacije.17 1. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. problem postoc janja limesa. Primjer 6. Sliˇno.. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . c c 6. funkcija pada c c na tom intervalu. To su npr. M= ∆x−→0− lim . ∆x Lagano se vidi da je M = 1 i L = −1.240 ˇ POGLAVLJE 6. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). problem konaˇnosti c c limesa. problem rubova domene. Dakle iz Teorema 6. 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. Takve toˇke zovemo stacionarne toˇke.4) ustvari limes funkcije f (x + ∆x) − f (x) .

3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ).1. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ .7 imamo da je c lim √ 3 1 ∆x2 = +∞.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.2.1. 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 . √ 3 241 x nije derivabilna u x0 = 0.7 imamo da je c lim √ 3 1 = +∞. Funkcija f : R −→ R dana formulom f (x) = x0 = 0. DERIVACIJA FUNKCIJE 2. ∆x−→0 dakle ne postoji f (0).♠ Teorem 6. c x0 ∈ I ⊆ D(f ). 3.6. Tada je f i neprekidna u x0 . dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . ∆x ∆x−→0 dakle ne postoji f (0). lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.

f (x) g(x) = f (x)g(x)−f (x)g (x) . f · g i f g (tamo gdje je definirana. razlike. (f (x) ± g(x)) = f (x) ± g (x) 2.17 su c neprekidne u nuli. Sve tri funkcije iz Primjera 6. Derivacija zbroja. Nadalje.19 op´enito ne vrijedi. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ).12 zakljuˇujemo da je funkcija g neprekidna u x0 . tj. g 2 (x) Dokaz: 1. produkta i kvocijenta funkcija Teorem 6. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. I ⊆ D(g). i vrijedi 1.242 ˇ POGLAVLJE 6. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). za one x ∈ I za koje je g(x) = 0). ∆x−→0 ∆x ∆x . ∆x f (x0 ).12 imamo da je f neprekidna u x0 .♣ Obrat Teorema 6. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6.20 Neka su funkcije f. ali vidjeli smo da nisu derivabilne. (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). Iz Teorema 6. ∆x = 0 . 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 ). Tada su na I derivabilne i funkcije f ± g.

6. Izraˇunajmo prvo c 1 g(x) . Kako je g(x) · 1 g(x) = 1. Oˇito je D(g) = R.♣ . odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). c dakle je po Teoremu 6. Dakle 1 g(x) = 0. f (x) g(x) f (x)g(x) − f (x)g (x) . gdje je λ ∈ R proizvoljan. imamo g(x) · = 0. za svaki x ∈ I. za svaki x ∈ I. g 2 (x) f (x) g(x) = 1 f (x) g(x) . Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ.7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). (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).♣ g 2 (x) Napomena 6. derivabilna na I i vrijedi (λf ) (x) = λf (x). 3. tj. 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) .19 imamo ∆x−→0 lim g(x + ∆x) = g(x).20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (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) . tj. Tada je funkcija λf .2. ∆x−→0 ∆x−→0 Sada iz Teorema 6. DERIVACIJA FUNKCIJE 2.

f (x) ∈ J ⊆ D(g). Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f .21. z Teorem 6. Dakle.22 Neka je funkcija f : R −→ R derivabilna na intervalu I.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Sada primjenom Teorema 6. moˇe provesti samo ako je f (x) = 0. c −1 tj. c Primjer 6. g = f . Primjera 6. Izraˇunajmo joˇ i (f ◦ g) . Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . f (x) ♣ . i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. f (x) = 0 na I i neka postoji f −1 . gdje je g(x) = x2 . x ∈ I ⊆ D(f ).244 ˇ POGLAVLJE 6. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. Dakle imamo f −1 (f (x)) = x. naravno. f (x) = sin x. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 .18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . iz Teorema 6.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. f (x) Ovo se. odnosno (f −1 ) (f (x)) = 1 .15 i Primjera 6.

♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.21 i 6. x 1 √ .22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.19 Pogledajmo sljede´e primjere: c 1 1.20.20. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . i vrijedi (f ◦ g)(x) = x.22 i derivacijama iz donje tablice. Osnovne derivacije dajemo u sljede´oj tablici.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. .6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.21 i 6. Derivacija funkcije g(x) = √ 1 . 2 x x je g (x) = Iz Primjera 6. 6. odnosno 1 g (x) = √ .8 Studentima se preporuˇuje da provjere donje formule samostalno. ∆x−→0 ∆x lim dakle je f (x) = ex .10 imamo da je f (x) = lim e∆x − 1 = 1. 6. c Napomena 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.2. Iz Teorema 6. Kako je (f ◦ g)(x) = x iz Teorema 6. DERIVACIJA FUNKCIJE Primjer 6. Derivacija funkcije g(x) = ln x je g (x) = x . ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. odnosno g (x) = 2.

f (x0 )) i osi x. f (x0 )) s c c ∆f apscisom x0 + ∆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 .2. no to je ponekad teˇko izraˇunati. Jasno je da je ∆x = tg α.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s .1: Derivacije elementarnih funkcija 6. f (x0 )) biti dosta mala.5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . odnosno ∆f = tg α∆x . c tj. gdje je α kut izmedu tangente funkcije f u toˇki (x0 . Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6.

Dakle. c Teorem 6. 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 ).2.5).♣ c . veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . jednadˇba tangente u c z toˇki (x0 . Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. f (x0 )). f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. Tada od svih polinoma stupnja najviˇe jedan. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . DERIVACIJA FUNKCIJE 247 ∆x. y f(x) α 0 x0 x 0+ ∆ x x Slika 6.5: Diferencijal funkcije.1. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 .6. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.

dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).5 1 1. to su razlike ordinata na grafu i na tangenti male za istu apscisu. Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator.♠ s s c .20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. Dakle.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.5 -1 0. Iz Primjera 6.16 znamo da je f (x) = cos x. 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 6.248 ˇ POGLAVLJE 6. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”.5 2 Slika 6. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. c Primjer 6. dakle je f (0) = cos 0 = 1.23).

odnosno 2 = (1 + r)t . ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. 1 Kako je f (0) = 0.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. Imamo 2G = G(1 + r)t . z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 .♠ c s . f (r) = 1+r . t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. imamo f (r) ≈ f (0) + f (0)(r − 0) = r. DERIVACIJA FUNKCIJE 249 Primjer 6. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ .6. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . odnosno f (0) = 1. Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. gdje je G glavnica.2. 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t .

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

tj. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). b za koju je F (x ) = 0.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. Neka je L pravac kroz toˇke (a. f (b)) z c postoji toˇka x ∈ a. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.♣ f (b) − f (a) . b−a onda Teorem 6. a < b. proizvoljne. f (a)) i (b.6. b−a y f(x) 0 a x0 b x Slika 6. f (a)) i (b.26 kaˇe da za svaku sekantu kroz toˇke (a. tj. f (b)).25. b ∈ I. b−a f (b) − f (a) (x − a). Napomena 6.13 Primijetimo: 1. b u kojoj je tangenta paralelna s tom sekantom. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).2. c . postoji x ∈ a.

Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). z Iz Teorema 6. f neprekidna na R. . Ako je dana funkcija f : R −→ R formulom 3x. pa je. 2 za koji je f (x ) = 1.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. oˇito je c x−→1 lim f (x) = 3 = f (1). po Teoremu 6. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.26 je bitan. x za koji je f (x) − f (a) = f (x ). b−a ali ne postoji x ∈ 0. Uvjet f ∈ C 1 (I) iz Teorema 6.12. 0 x>1 oˇito f ima prekid u x = 1. y f(x) 0 a b x Slika 6. x ≤ 1 f (x) = 3 x > 1. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). x ≤ 1 .13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. UVOD U DIFERENCIJALNI RACUN 2.258 ˇ POGLAVLJE 6. Kako je f (x) = 3.

Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +.2. imamo c pribliˇni izraz. 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 . ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .. ali ne znamo za koji x . S druge strane.5).14 Za n = 0 Teorem 6.27 je baˇ Lagrangeov teorem srednje s vrijednosti. tj. tj. c Usporedimo to s lokalnom linearizacijom (toˇka 6. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. f (a)) i (x.. Napomena 6. Koliko je ta aproksimcija dobra? Odnosno. imamo toˇan izraz.+ (x−x0 )n + (x−x0 )n+1 . no u nekoj toˇki sigurno je. poznavaju´i vric c jednosti viˇih derivacija u x0 . Teorem 6.6.♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula. tj. . i ne znamo ga toˇno. f (x)). moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6.26. iz Teorema 6.2. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. tj.

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

2. n! ∞ sin x = n=0 (−1)n x2n+1 . cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .. tj. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .. odnosno konvergirati nekoj z (x drugoj funkciji.15 Taylorovi redovi obiˇno sporo konvergiraju..3.1).. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. 6.28 Neka je f ∈ C 1 (I) za neki interval I. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . (2n)! Napomena 6. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. sin x. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f .2. dakle nisu jako c dobri za numeriku. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . . c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .6.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. Moˇe se pokazati da su funkcije ex .

obratna tvrdnja ne mora vrijediti. 2. Dokaz ide na sliˇan naˇin. x−→0 U Teoremu 6.26 postoji x ∈ (x. Iz Napomene 6. Jedan smjer bismo mogli dokazati.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. Dakle ne vrijedi f (x) > 0 na R. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). Kako je desna strana gornje jednadˇbe nenegativna. Tada.♠ Iz Primjera 6. Dokaz: c 1. to je i lijeva strana takva. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. ∆x za svaki x ∈ I.262 ˇ POGLAVLJE 6. 2. pa je 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. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. pa je f (x) = lim za svaki x ∈ I. jer se c s c medu njima nalaze potencijalni ekstremi. onda je f (x0 ) = 0. za svaki x ∈ I.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad.11 imamo da obrat ne vrijedi. dakle z funkcija f raste na I. Limes nenegativne funkcije mora i sam biti nenegativan. Funkcija f raste na I ako i samo ako je f (x) ≥ 0.24 smo vidjeli da. UVOD U DIFERENCIJALNI RACUN 1.25 zakljuˇujemo da u Teoremu 6. lim x2 = 0). neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.28 primjenom Teorema 6. po Teoremu 6.26. Medutim. Ovaj smjer se dokazuje analogno kao u Teoremu 6. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. za svaki x ∈ I. Obratno. ∆x Primjer 6. Neka je f ∈ C 1 (I) rastu´a funkcija na I. . onda funkcija strogo raste (pada) na I.

U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj.♣ c Konveksnost. x2 ∈ I. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I.4. onda u x0 funkcija f ima lokalni minimum. imati s c z lokalni ekstrem. Teorem 6. Dokaz: Izravno iz toˇke 5. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). Teorema 6. DERIVACIJA FUNKCIJE 263 Definicija 6.2. 2 za sve x1 . Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . ali i ne mora.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. . Definicija 6.6. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . da je barem f ∈ C 2 (I)).1. kaˇemo da je f konkavna na I. u stacionarnoj toˇki funkcija moˇe. c Dakle. onda u x0 funkcija f ima lokalni maksimum. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. Teorema 6.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 .24. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . c Kao ˇto smo rekli. jer konveksnost i konkavnost ovise o predznaku druge derivacije. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. Ako derivacija s c ne mijenja predznak. a s druge pada (raste)). u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke.28. x2 ∈ I.

2. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Primijenimo li Teorem 6. c . funkcija f ima u x0 ∈ I lokalni maksimum. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). UVOD U DIFERENCIJALNI RACUN Definicija 6. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). konveksnost i konkavnost su odredene predznakom druge derivacije. a konkavna ako je za sve x1 . Zbog neprekidnosti druge c derivacije. Ako je f (x0 ) < 0. iz Teorema 6. Uzmimo x proizvoljan iz te okoline. za svaki x ∈ I. 1. f (x1 )) i (x2 . Npr.♣ Teorem 6. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. izmedu x1 . f (x2 )).264 ˇ POGLAVLJE 6. Onda ´e i toˇka cx iz Teorema 6.31.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum.27 biti iz te okoline. za svaki x ∈ I. Teorem 6. Dokaz ide na sliˇan naˇin. Ako je f (x0 ) > 0.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). a graf konkavne funkcije iznad sekante kroz toˇke (x1 . x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 .27 za sluˇaj c n = 1.30 Neka je f : I −→ R klase C 2 (I). x2 ∈ I graf konveksne funkcije je ispod. ali je f (0) = 0.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Dakle je f (cx ) > 0. Dokaz: 1. c 1. jer c c se nalazi izmedu x0 i x. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. c 2. funkcija f ima u x0 ∈ I lokalni minimum.3). 2. c c Dakle.

c + δ strogo konveksna.32 Neka je f ∈ C 2 (I). f ima lokalni maksimum u c.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . Dakle je konveksna na −∞. onda je c f (c) = 0.2. c Teorem 6. c Dokaz: Izravno iz Definicije 6. z Neka je lim f (x) = lim g(x) = 0. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije.♣ Raˇunanje limesa . Ako je g (x) = 0 za svaki x = x0 . Onda je c toˇka infleksije od f .L’Hospitalovo pravilo c Teorem 6. pa x = 0 ne moˇe biti z toˇka infleksije. neka je f na c − δ. g (x) onda je i x−→x0 lim f (x) = L. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . c) i pada na (c. Dokaz: Bez smanjenja op´enitosti. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. z s c c Teorem 6. c c Kaˇe se joˇ da je toˇka (c. c + δ).7. c + δ strogo konkavna ili je na c − δ. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. ali je f (x) > 0 za x ∈ −∞.24 f (c) = 0. Tada iz Teorema 6. c strogo konveksna i na c. Neka postoji δ > 0 takav da je funkcija f na c − δ. u x0 ∈ I. ∞ . f (c)) toˇka infleksije grafa funkcije f . 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 . c strogo konkavna i na c. c + δ strogo c konkavna za neki δ > 0. DERIVACIJA FUNKCIJE 265 Definicija 6. Dakle. moˇda. x ∈ I. pa je po Teoremu 6. 0 i 0.7 Neka je f : I −→ R i c ∈ I.6. Npr.♣ Uvjet f (c) = 0 iz Teorema 6.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c.34 Neka su f i g derivabilne funkcije na I osim. ∞ . Iz Teorema 6.30 imamo da funkcija f raste na (c − δ. Ako je c ∈ I toˇka infleksije od f . 0 i f (x) > 0 za x ∈ 0. c strogo konveksna i na c. x ∈ I.

. g(x0 ) = 0.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . po g (x0 ) = 0.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) .12). g (n+1) (x0 ) = 0. iz Teorema 6. c Napomena 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. . UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). . c Dakle. . . Znamo da je c tg α1 = f1 (x0 ).♣ g (x) f g Na Teorem 6.34. 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.16 Neka su funkcije f. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. 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 ) = .266 i ˇ POGLAVLJE 6. Tada.12) i iz Teorema 6. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. tg α2 = f2 (x0 ). kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . analogno kao u dokazu Teorema 6. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . . g (n) (x0 ) = 0.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. f (x0 ) = 0. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . f (n) (x0 ) = 0.

14: Kut izmedu dviju krivulja. x a + x2 = f2 (x). To znaˇi da u c toˇki (x0 . 1 + f1 (x0 )f2 (x0 ) Napomena 6. . tj. Ako je α = 0.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. Iz toˇke 2.2. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. odnosno ako i samo ako je tg α = ∞. onda je i tg α = 0 . ako i samo ako je f1 (x0 )f2 (x0 ) = −1. a > 0. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) .17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . z c c Primjer 6.6.2.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . c c pa moˇemo re´i da se diraju u toj toˇki. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. dakle je f1 (x0 ) = f2 (x0 ). Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).

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

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

UVOD U DIFERENCIJALNI RACUN x a x Slika 6.) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . Maksimalni c 2 volumen je 2 a = a3 .28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x . 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. dakle u stotinama metara. Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1. . c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. Iz P = xy = 1 slijedi da je y = x . 6 a x2 = . s 1 Oznaˇimo dimenzije gradiliˇta s x i y. a za c c prvu se lako provjeri da je u njoj lokalni minimum.270 ˇ POGLAVLJE 6.15: Kako napraviti kutiju najve´eg volumena?. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. Druga oˇito nema smisla u danom kontekstu.♠ V 6 27 Primjer 6. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = . Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. dakle funkcija V (x) prelazi iz rasta u pad. Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum.

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

.

odgovor je jednostavan . n = 0.. ∞.. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. 1. n = 0.1 7..1.. 1. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. Iz z Napomene 6. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. c s z Ako su te veliˇine konstantne... 2.treba ih samo mnoˇiti c z vremenom. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina. Npr. . Dakle je funkcija z 273 . Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I). 2.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata.. ∞.Poglavlje 7 Uvod u integralni raˇun c 7.9 znamo da su skupovi C n (I). v = v(t)? Ili prirast populacije nije konstantan. . 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. za n godina bit ´e ih za n·100 viˇe nego danas.

Stoviˇe. iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x). a onda pogledajmo kada postoje i koja su im svojstva.20 i Napomene 6. C ∈ R. . linearan operator koji mu je inverzan. itd. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6.1 Neka je f neprekidna funkcija na I ⊆ R. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. Iz Teorema 6.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. 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. da je x primitivna funkcija funkcije x.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). c Primjerice. Teorem 7.2. jer je derivacija svake konstante jednaka nuli. Uvedimo prvo ime za takve funkcije. UVOD U INTEGRALNI RACUN deriviranja operator. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. Definicija 7.7 izravno slijedi da je operator deriviranja linearan. ako postoji. Zanima nas.274 ˇ POGLAVLJE 7. Odatle slijedi vaˇno svojstvo primitivnih funkcija.

26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). slijedi H(x) = H(x0 ) za svaki x ∈ I.7.2. Interpretirajmo elemente ove formule: je znak integrala. H je konstantna funkcija. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . f (x) je integrand. c F (x) je primitivna funkcija funkcije f (x). koji je po Teoremu 7.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. gdje je c neka toˇka izmedu x i x0 . NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. ˇalje c s u f. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6.1 beskonaˇan.♣ 7. s To nije toˇno inverz od derivacije. 275 Dakle imamo prvu tvrdnju. Ostale raˇunamo koriste´i svojstva c c c . Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). a to je upravo druga tvrdnja teorema. Piˇemo s f (x)dx = F (x) + C.1. dx pokazuje po ˇemu se integrira.4). dolazi od S kao suma. tj.1. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. C ∈ R je konstanta integracije.

♣ Napomena 7. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.1 Iz Teorema 7.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. c zbog linearnosti derivacije. Dokaz: 1.3 Vrijedi: 1.7). Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. Oˇito je. Za ostale operacije nema jednostavnih pravila. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. 2.276 ˇ POGLAVLJE 7. Dokaz: Neka je F primitivna funkcija funkcije f . Neka je F primitivna funkcija funkcije f . Kako je imamo f (x)dx f (x)dx = F (x) + C. zbog linearnosti derivacije. Oˇito je. Teorem 7. z Teorem 7. f (x)dx. Dakle je cf (x)dx = cF (x) + C = c f (x)dx.20 i Napomena 6. 2. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. = (F (x) + C) = F (x) = f (x).♣ .2 f (x)dx = f (x). UVOD U INTEGRALNI RACUN neodredenog integrala. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. F ± G primitivna funkcija funkcije f ± g. cF c primitivna funkcija funkcije cf .

2) i svojstva iz Teoc c rema 7.1. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. izraˇunati derivaciju bilo koje c c c elementarne funkcije. c c koriste´i pravila i tablicu derivacija (toˇka 6. eksponencijalne i z trigonometrijske funkcije. Najpoznatiji primjer je e−x dx. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Ako se i moˇe integrirati. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.1. Primjer 7.4). S druge strane. c c z z to obiˇno nije lako. tabliˇne integrale. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. 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. c 7. Tako moˇemo integrirati polinome i jednostavnije racionalne. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. tzv.2.7.1 Pogledajmo sljede´e primjere: c .3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.1.3.

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

♠ 2 . a to znamo da je u2 2 sin x d(sin x). gornji se integral svodi na u du.2 Odredimo integral funkcije f (x) = sin x cos x. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. Ipak. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. + C. tj.5).1. deriviranjem sloˇenih funkcija. op´enito. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. Dakle je sin x cos x dx = 1 2 sin x + C.7. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7.3 i tabliˇne integrale. Koriste´i izraz za diferencijal (toˇka 6. ne mogu integrirati produkti funkcija (osim c za polinome. ima jedan sluˇaj kad se c produkt funkcija lako integrira. z Primjer 7.2. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). ovo moˇemo pisati kao c c z sin x d(sin x).

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

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

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

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

2. Stavimo dv = sin x dx. UVOD U INTEGRALNI RACUN 1. tj. ˇto daje du = u dx = s v = x. ˇto daje du = u dx = s cos x dx i v = − cos x. v = sin x. 1. Odredimo integral funkcije f (x) = ln x. Odredimo integral funkcije f (x) = arctg x . Stavimo dv = dx. sin2 x dx. v = 1. tj. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7.5 imamo x dx 1 = ln(x2 + 1) + C.♠ 2 x dx . i u = sin x. x dx x i v = x. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. i u = arctg x .284 ˇ POGLAVLJE 7. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . v = 1. tj. i u = ln x. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . Stavimo dv = dx. Odredimo integral funkcije f (x) = sin2 x.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C.

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

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

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

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

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

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

uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .♠ x−1 Ako su nuliˇta nazivnika jednostruka. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. Rjeˇenje je A = 3.1.♠ 3 3 . x(x−2)(x+1) x+2 A B D = + + . Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. D = −1. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 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. 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. 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. B = 2. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2).7.

2 univerzalna trigonometrijska supstitucija. 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. 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. c 2 ch x svodi na integriranje racionlne funkcije od t. To je tzv. 1+t2 dx = 2 dt . 1+t2 1 a R(t) dt. t sin x = 2t .12 Odredimo integral funkcije f (x) = 1 . Supstitucijom 1 1 eax = t. npr. 1−t2 ch x = 1+t2 . integriranje racionlne funkcije od sh x. 1+t2 Primjer 7. 1−t2 . 1−t2 dx = 2 dt . Racionalna c fukcija eksponencijalne funkcije je.♠ 4 15 15 15 Sliˇnom se supstitucijom. dobivamo dx = a edt = a dt . 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. th x = t. Ona daje cos x = 1−t2 . Imamo sh x = 2t . e2x − 5 Neka je R(eax ) racionalna funkcija eksponencijalne funkcije eax . aeax dx = dt. tj. f (x) = (e2x )3 + 2e2x − 3 .292 ˇ POGLAVLJE 7.

Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. s P = i P (Ti ). problem moˇemo s c z smatrati u biti rijeˇenim. ODREDENI INTEGRAL 293 7. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.2. Lik se triangulira. Povrˇina je geometrijska kategorija.3: Triangulacija podruˇja u ravnini omedenog duˇinama. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. tj. gdje se zbraja po svim trokutima triangulacije Ti .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. duˇinama. Kako povrˇinu trokuta znamo raˇunati. c . T1 T2 T3 T4 Slika 7.1 Odredeni integral Motivacija .7. jer je to uobiˇajenije. tj.2 7. c z Napomena 7. Takav lik ˇesto zovemo krivuljnim trapezom. ploha.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj.2.

6. funkcija f na segmentu [a. b]. Promatrajmo. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. krivuljni trapez omeden odozdo komadom osi x. Neka je ta funkcija neprekidna.4: Krivuljni trapez. dakle. za svaki x ∈ [a. i da komad krivulje bude graf neke funkcije.294 ˇ POGLAVLJE 7. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. b] ako je f (x) > 0. s lijeva pravcem x = a. b] funkcije f (x). UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7.5: Rastav ravnog lika na krivuljne trapeze. b x KT 1 KT2 KT KT3 4 Slika 7.) Po Teoremu 6. b] . (Funkcija f je strogo pozitivna na [a.

. a M maksimum funkcije f na [a. b].n. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a. Dakle je m ≤ f (x) ≤ M. b] oznaˇimo s x0 = a i xn = b. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima.. ∀x ∈ [a.6: Gornja i donja meda za ploˇtinu krivuljnog trapeza.. z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M. pri ˇemu su xi ∈ a.. c Krajeve segmenta [a. Oznaˇimo li traˇenu ploˇtinu s P . pravokutnik s osnovicom [a. b] i visina M . xi ]. n − 1. b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu.. .. S druge strane. i = 1. Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 . n (brojevi mi i Mi c . . Imamo gornju i donju ocjenu nepoznate veliˇine P . b]. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a.. Podijelimo segment [a. 295 gdje je m minimum. b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < . s je manja razlika vrijednosti M i m. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 .. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost. b za svaki i = 1. i = 1.7. .. < xn−1 .2.. 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. Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7.

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

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

b]. z c tj.. b] je integrabilna. c Iz Primjera 7. c Dokaz: Ako f raste na [a.. onda je ona i c ograniˇena. b]. x ∈ R \ Q. Koje jesu? Neprekidne sigurno jesu. tj. b] je integrabilna. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). x∈Q 0. Dirichletova funkcija nije integrabilna. b]. Koje joˇ? s Teorem 7. b]. c i = 1.298 ˇ POGLAVLJE 7. dakle je f ograniˇena funkcija na [a.♣ Primjer 7.♠ Napomena 7.14 1.5 Svaka monotona funkcija na [a.13 Dirichletova funkcija. b] integrabilne.6 Svaka neprekidna funkcija na [a. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. b].3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b] imamo mi = 0 i Mi = 1. n. . f (x) = nije integrabilna. 1 dx.13 vidimo da nisu sve funkcije na segmentu [a. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti.8 Dirichletova funkcija ima prekid u svakoj toˇki. UVOD U INTEGRALNI RACUN Definicija 7. a . za svaki x ∈ [a. Uoˇimo da za svaku podjelu r segmenta [a. b]. b] z kaˇemo da je f integrabilna na [a.♣ Napomena 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. nisu integrabilne. b]. Primjer 7. onda je f (a) ≤ f (x) ≤ f (b). Izraˇunajmo iz definicije c b 1..♣ Teorem 7.9 Uoˇimo da ako je f monotona funkcija na [a.

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

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

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

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

gdje je c ∈ R proizvoljan.. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. .. Nadalje....7.. Oˇito je z c c tada m = 0. . 6. b]). x. a 4. Stoviˇe.2 i Teorema 6. pa je mi = 0.. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. onda je c b f (x)dx = 0. j − 1.. i svaka funkcija iz tog skupa je neprekidna na I.18. x2 . dakle i integrabilna. Ako je funkcija f : [a. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. Dakle je s(r) = 0 i S(r) = Mj ∆xj . b] i da je f (c) > 0.♣ c Napomena 7. i = 1. jer npr. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. . iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).18. skup c {1.13).♣ b b 5. . M = f (c) i za svaku podjelu r segmenta [a. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. Dakle beskonaˇni skup {xn : n = 0. . n. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. a cf (x)dx = c a f (x)dx. a (f (x) ± g(x))dx = a ili aditivnost integrala.. b] toˇka c pada u toˇno jedan c c [xj−1 . unutra se sigurno nalaze sve neprekidne funkcije na [a. n. b] (skup R(I) nije prazan. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. j + 1.3). xj ].. Mi = 0.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. Beskonaˇnodimenzionalan je. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7.2 i Teorema 6... .2. 1. i = 1.. i Mj = f (c)..} se c nalazi u nekoj bazi od R(I).

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

7. po Teoremu 6. Neka su f i g neprekidne funkcije na [a. b] onda vrijedi stroga nejednakost. onda je F (c) = g(c) − f (c) > 0. ODREDENI INTEGRAL 305 8. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. b] oko toˇke c takav da je f (x) > 0. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. Dokaz: Po Teoremu 7. za svaki x ∈ I . a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. c F (x) = g(x) − f (x) ≥ 0. Dakle postoje x1 . i oˇito ima pozitivnu derivaciju. Ako je f (c) < g(c) za bar jedno c ∈ [a. Ovo svojstvo se zove svojstvo monotonosti integrala. Iz pozitivnosti funkcije f na [a. Ako je f (c) < g(c) za bar jedno c ∈ [a. b]. b]. Odatle slijedi da je F (b) ≥ F (a) = 0. onda je b f (x)dx > 0.2. b] i ako je f (c) > 0 za neki c ∈ [a. Ako je f neprekidna i nenegativna funkcija na [a. b] tada iz Teorema 6.3 slijedi da postoji interval . tj.♣ 9. x2 ∈ I takve c da je x1 < c < x2 . b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. b]. Tada je b b f (x)dx ≤ a a g(x)dx. b] odnosno stroge pozitivnosti na [x1 .3 slijedi da postoji interval I ⊂ [a. Kako je funkcija F = g − f neprekidna na [a. b]. Dakle.8 je dobro definirana funkcija F ∈ C 1 [a.28 F raste na [a. b] iz Teorema 6. x2 ] imamo x2 f (x)dx > 0.

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

1] za koju je f (c) = 0.♠ c . iz svojstva 7.. Oˇito je da funkcija f ima prekid u x0 = 0. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1..+an dine (aritmetiˇka sredina od a1 . imamo da je 1 f (x)dx = 0. b]. n Za funkcije koje nisu neprekidne Teorem 7. Povrˇina ispod s grafa neprekidne funkcije f nad [a. Nadalje. x < 0.9: Teorem srednje vrijednosti za odredeni integral.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +..7 ne mora vrijediti: Primjer 7. a Teorem 7.2. −1 medutim ne postoji toˇka c ∈ [−1. c Napomena 7.. Odatle ime teoremu.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. a2 . an ∈ R je a = c ). kako je f neparna c funkcija.. x ≥ 0 −1. se zove srednja vrijednost funkcije f na segmentu [a. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. . b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta.7.

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

b] i vrijedi F (x) = f (x). Ho´emo gledati c ∆F . ∆x−→0 ∆x Funkcija f je neprekidna na [a. x+∆x].7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x.7. Po Teoremu 7.6). lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. ∆F ≤ M = f (ζ2 ). ∆x odnosno f (ζ1 ) = m ≤ . NEWTON . Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. b].LEIBNIZOVA FORMULA je derivabilna na [a.11: Funkcija F (x). pa onda i na svakom podsegmentu [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.3.

∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. toˇke ζ1 i ζ2 moraju teˇiti prema x. do kojeg dolazimo preko limesa niza integralnih suma. no dokaz je bitno sloˇeniji. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. b]. Odatle slijedi c f (x) ≤ lim tj.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. U njoj se povezuju odredeni integral.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f .♣ x ∆x−→0 ∆F ≤ f (x). pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). a Dokaz: Prema Teoremu 7. iz toˇke 7. Sliˇno i za ζ2 −→ x. z Teorem 7.2. Odatle je a f (x)dx = F (b) − F (a).12). f (x) ≤ F (x) ≤ f (x).310 ˇ POGLAVLJE 7.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . Dakle je F (x) derivabilna funkcija na cijelom [a. b] i F (x) = f (x). F (x) = f (x). UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.2 c dobivamo x b F (a) = a f (a)dζ = 0. tj. ∆x Teorem 7.♣ Newton . Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. onda. do kojeg smo doˇli pokuˇavaju´i invertirati s s c . i neodredeni.9 (Newton . Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. zbog neprekidnosti funkcije f na [a. b F (b) = a f (ζ)dζ.

b]. a b ˇ Citamo to kao ”F (x) u granicama od a do b”.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx.3. ♣ Primjer 7. β] i neka ϕ na [α.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . tj. Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. sin t = − 23 imamo t1 = − π . i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici. Iz ϕ(t) = − 3. onda za f ∈ C([a. ϕ(β) = b. Stvari se znaju zakomplicirati ako ima viˇe supstitucija. Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice. c Prilikom izbora supstitucije treba joˇ voditi raˇuna o neprekidnosti derivacije sups c stitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro definiran). √ √ Stavimo ϕ(t) = 2 sin t. Ako vrijednosti funkcije ϕ na [α.7.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. iz ϕ(t) = 3 dobijemo t2 = 3 . 2 ] −→ . b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. i ako je ϕ(α) = a. c Desna strana Newton . Kod primjene na raˇunanje odredenih integrala. Teorem 7. β] ne izlaze izvan segmenta [a. Sada oˇito funkcija ϕ : [− 2 . Pri tome nestane konstanta integracije. c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. NEWTON . Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih.LEIBNIZOVA FORMULA 311 linearni operator deriviranja. β] ima neprekidnu derivaciju ϕ . 3 √ √ √ 3 3 π c Analogno.

6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. Iz Primjera 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.17 Izraˇunajmo c 0 1 xex dx. 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. b i neka je x−→b− lim f (x) = +∞. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni.♠ 3 Kod parcijalne integracije situacija je jednostavnija. tj.♠ 7. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 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 √ + 3.10. U takvim sluˇajevima govorimo c s c o nepravim integralima. kao i da je samo poc druˇje integracije konaˇno. c c c Neka je funkcija f neprekidna na [a.312 ˇ POGLAVLJE 7. u dv = uv a b a − a v du.6 i omedena) na podruˇju integracije.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. . Primjer 7.

tj.7. postoji x f (ζ)dζ. c y f(x) 0 a x b Slika 7. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. kaˇemo da integral divergira ili da nema z znaˇenja.4. a Ako promatrani limes ne postoji. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. . u toˇki a. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. 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. c c Primjer 7.18 1. b postoji integral te funkcije u granicama od a do x. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. tj.

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

10. 1 a f (x)dx konvergira. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. tj. 1]. (x − b)n Stavimo ϕ(t) = t + b.4.7. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . Izraˇunajmo c −1 1 x2 dx . Analogno. . tn Ako je n < 0. tj. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. c+ε2 Ako oba limesa na desnoj strani postoje. onda divergira. x2 b 2. Sada oˇito funkcija ϕ : [a − c b. iz ϕ(t) = b dobijemo t2 = 0. 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 = +∞. inaˇe c Primjer 7. dakle imamo b a dx = (x − b)n 0 a−b dt . 0] −→ R zadovoljava uvjete Teorema 7. Izraˇunajmo c a dx . c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. t + b = a imamo t1 = a − b. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a.19 1. Iz ϕ(t) = a.

2. integral dx divergira za n ≥ 1. situaciju kad podruˇje c c integracije nije ograniˇeno. divergira za n ≥ 1. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). Uz svojstvo monotonosti integrala (svojstvo 9. 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 − .♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. −n + 1 −n + 1 za n > 1.2) npr.316 ˇ POGLAVLJE 7. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . tj. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. Znamo c . UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. Neka je funkcija f neprekidna na [a. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. c z z Promatrajmo sada drugi mogu´i izvor problema. Dakle tn b a dx (x − b)n konvergira za n < 1. +∞ . iz toˇke 7. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. b].19 moˇe posluˇiti pri usporedivanju. Primjer 7.

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

1 + x2 Zbog neparnosti funkcije arctg imamo +∞ −∞ dx = lim 1 + x2 x−→+∞ x −x dζ = lim (arctg ζ 1 + ζ 2 x−→+∞ x−→+∞ x −x )= x−→+∞ lim (arctg x − arctg (−x)) = 2 lim arctg x = π. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. Izraˇunajmo c 1 +∞ dx . x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. Izraˇunajmo 1 +∞ dx . x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira.♠ c . Izraˇunajmo c dx . 2.318 Imamo +∞ 0 ˇ POGLAVLJE 7. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. c 3. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4.

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

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

Povrˇinu osnovice tog valjˇi´a s cc . < xn−1 < xn = b. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . i = 0.. osi y. ∆h. z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca. dobit ´emo toˇnu formulu za volumen stoˇca.. n − 1. c c z Promatrajmo sada tijelo T u tri dimenzije omedeno ravninama x = a i x = b te plohom koja nastaje rotacijom grafa funkcije f oko osi x. 7..5.16: Volumen stoˇca kao limes sume volumena tankih valjaka. i u z s n svakom sloju izmedu visine h i h + ∆h. valjkom iste visine s osnovicom jedz z nakom gornjoj (tj.. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. manjoj) osnovici krnjeg stoˇca.. Za veliki n ∈ N ´e zbroj z c H R Slika 7. zamijenimo komad stoˇca. d]. . krnji stoˇac visine ∆h.. b] na n dijelova pomo´u toˇaka a = x0 < x1 < .2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. . b]. h = 0. za ∆h −→ 0.5.. Podijelimo segment [a. tj. recimo visine ∆h = H . cc z tj. 1.. recimo stoˇac visine H i polumjera osz novice r. n ∈ N. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. Za n −→ ∞.ˇ 7. Time je c c i tijelo T podijeljeno na n slojeva. Nareˇemo ga na tanke ploˇke. d] takvih da je s g1 (y) ≥ g2 (y). za svaki y ∈ [c. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . H − ∆h.

UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . ako taj limes postoji kad n −→ ∞.♠ 2 . Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. oznaˇimo s P (xi ). kad max ∆xi+1 −→ 0. Iz Primjera 7.322 y ˇ POGLAVLJE 7.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . 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. Primjer 7.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. a njegova povrˇina za zadani x je jednaka f (x)π. 0). 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. tj. S druge strane. No taj popreˇni presjek c c 2 je krug. 0. i=0 Prijedemo na limes.

PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). f2 : [a.5. 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. 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. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. c Primjer 7. za svaki x ∈ [a. b].ˇ 7. ako su f1 . z z Po gornjoj formuli.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. . Dakle. c z y R 0 Η x Slika 7.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x.

Primjer 7. R > r. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.324 y ˇ POGLAVLJE 7. y R r 0 x −R Slika 7.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 .19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. . Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . f2 (x) = R − √ r 2 − x2 .

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

b]. c s c . 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π .5.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. Zelimo odrediti teˇiˇte izrezanog lika. Promatramo lik omeden pravcima x = a. zs zs c ako podupremo tijelo. (Teˇiˇte je toˇka u kojoj. Uzmemo li ˇkare i izreˇemo taj lik. dobijemo tanko tijelo. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . ono ostaje u ravnoteˇi. segmentom [a.326 ˇ POGLAVLJE 7.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. Primjer 7. b]. yi ).) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . da mu je gusto´a c ˇ svuda ista.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. tj.♠ 5 7. b] na osi x i grafom funkcije f nad [a. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. x = b.

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

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

Iz simetrije je jasno da mora biti xT = 0. 2 . Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. s Primjer 7.11). yT = 1 2 b 2 a f (x)dx b a f (x)dx . Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . zs √ Imamo f (x) = r2 − x2 . PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. i=1 a to u limesu daje My = µ b a xf (x)dx. zs s s y r 0 r x Slika 7. recimo.5. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). Takoder.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. iz Primjera 7.ˇ 7.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Kako je masa promatranog lika jednaka M = µP. upravo xi . to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx .23: Teˇiˇte homogenog polukruga.

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

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

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. dobivamo xT = 4 H. 4 Zbog M = µV = 14 3 R π. Primjer 7. 23 dobivamo xT = Mx M . mjereno od osnovice.♠ z Primjer 7. 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 . teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .24: Teˇiˇte homogenog stoˇca.♠ 8 π 4 R . tj.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. koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm . 4 3 Zbog M = µV = 1 R2 πH. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1.332 ˇ POGLAVLJE 7.

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

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

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

Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. . π] −→ R zadovoljava Teorem 7. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. gdje je si ∈ [xi−1 .8 imamo 1 Ix = r4 π.5. 5 . xi ]. 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. Analogno iz ϕ(t) = r imamo t2 = 0. b] podijeli na male podsegmente [xi−1 . dakle je 1 I0 = Ix + Iy = M r2 .. Prijelazom na limes dobijemo gornju formulu. moment inercije cijelog kruga obzirom na y os je Iy = Ix .30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 .10. Iz ϕ(t) = −r imamo t1 = π.. n. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx.♠ 2 Kombinacijom razmatranja iz toˇke 7.336 ˇ POGLAVLJE 7. c Primjer 7. i visine ∆xi = xi − xi−1 .. 4 4 4 Takoder zbog simetrije. Sada iz Primjera 7. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. Oˇito funkcija ϕ : [0. i zbroje se momenti inercije malih valjaka polumjera f (si ). xi ]. i = 1. 2 2 a onda se interval [a.

ˇ 7. n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi .♠ 15 5 7. i gdje je ∆xi = xi − xi−1 . . Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . 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 .. pa uzmimo c s os x. Duljina luka od toˇke A = (a. n. Podijelimo segment [a. b] zadana kao graf funkcije f ∈ C 1 [a. i = 1.. Duljina svakog takvog komada je.. b] na podsegmente [xi−1 . f (xi )).. f (a)) do toˇke c c B = (b. c po Pitagorinu pouˇku. n. f (xi−1 )) i (xi .26: Duljina luka zadanog kao graf funkcije f (x). xi ]. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 .5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. . Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7.5. ... i = 1. b] eksplicitnom formulom y = f (x). 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.5.

b] na podsegmente [xi−1 .6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a.. . Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )).. .27: Ploˇtina plaˇta rotacijskog tijela. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . i = 1. i .26). s 7.. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). 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. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . i = 1. mase µ. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. xi ]. n.5.338 ˇ POGLAVLJE 7. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.. Dijeljenjem segmenta [a.. b] rotira oko osi x. xi ].. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. n. s yT = b a f (x) √ 1+[f (x)]2 dx .

Teorem 7.ˇ 7.31 Izraˇunajmo oploˇje kugle. Primjer 7. i = 1. ako znamo poloˇaj tijela u trenutku t1 = 0.5. gdje je si ∈ [xi−1 . Ovdje smo s ds oznaˇili diferencijal luka.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. tj. 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. 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 . .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 ..♣ s zs 7. 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. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . . Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.5. ploˇtinu sfere polumjera r.26). onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . c ds = 1 + [f (x)]2 dx. xi ]. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . Toˇnije.. n..♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.

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

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

342 ˇ POGLAVLJE 7. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.33. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. .33.83 J. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. ˇirina c s 2(1 − x) m. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. a debljina sloja je dx metara). imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.30: Jarak iz Primjera 7. 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. 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). UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.29: Jarak iz Primjera 7. duljina jarka je 10 m. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . s x 0 y h Slika 7.

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

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

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

Sign up to vote on this title
UsefulNot useful