Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

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

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

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

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

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

2.4

2.5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

. . . . . . . . . . . . . . . . . . .5 Primjene integralnog raˇuna .2 Svojstva neprekidnih funkcija . . . . . . . . . . . . .5 Neprekidnost i limes . . . . . . . . . 6. . . . . s 7. . 7. . . . . . . . c 6.1. . . . 6.2.1 Motivacija . . c 6. . . . . . . . . . . . . . .3 Metode integriranja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . .2. . . . . . .5. c 6. . . .2 Volumen rotacijskog tijela . . . . . 6. . . . . . . . . 7 Uvod u integralni raˇun c 7. .3 Newton . . . . . . . . . . . . . . . . . .2 Derivacija funkcije u toˇki . .7 Primjene u fizici .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . . . . . .2 Svojstva odredenog integrala .problem povrˇine (ploˇtine) s s 7. . . . . . 6. . . . . . .1 Motivacija . . . . . . . . . . . . . . . . . . . . . . . . . .7 Raˇunanje limesa .2. .5. . . c 6.vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . c 6. . . . . .1 Primitivna funkcija . . 7. . . . . . . . . .1. . . . . .3 Derivacija funkcije . . c 7. . . . 7. . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Neodredeni oblici . .2 Derivacija funkcije . . . . .5. . . . . . . . 6. 7. . . . . . . . . . .2. .2. . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . c 6. . . . . . .1 Neodredeni integral . . . . . . . . . . . . . . . . 6.1.4 Moment ustrajnosti (inercije) . . . .3 Teˇiˇte . . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . .5. . .2. . .2 Odredeni integral . . . . . . .1. 7. . . . . . . . . . .2 Neodredeni integral . . . .1. . . . . . . . . . . . .5. . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . . . . . . . s 6. .1. . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . .6 Povrˇina rotacijske plohe . . . . . . . . . . . . . . . . . . . zs 7. . . . . . . . . . . . . .4 Raˇunanje derivacija . . . . . . . . . . . . . s 7. . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . .5 Duljina i teˇiˇte luka ravne krivulje . .2. . . . . . .Leibnizova formula . . . . .1. . . . . . . . 7. . . 7. . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . .1 Povrˇina lika u ravnini . . . . . . . .5. . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . .6 Derivacije viˇeg reda . . . 6. 7. . . . . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . . . . . . . . . . . . . .8 Primjene derivacija . .3 Neprekidnost elementarnih funkcija . . .1 Neprekidnost funkcije . . . . . . . .5. . . . . . . . . . . . . . . . . . . .4 Nepravi integral . . . . . . . . . . . . . . . .1. . . . 7. . . . . . . . . . . . . . . . . . . . . . . . zs 7. . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

3. Sada samo izaberemo orijentaciju koja nam treba. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. Preciznije. tj. B ∈ E takve da je OA = − i AB = b . Pogledajmo sada neka svojstva nul vektora: c − → 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. Oˇito je | 0 | = 0. Iz a Napomene 1. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. tj. → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b .1.3).1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. → Napomena 1. z kolinearan je sa svakim vektorom).2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . zvat ´emo nul vektor i c c − → oznaˇavati s 0 . P = Q. Napomena 1. Vektor kod kojeg su poˇetak i kraj jednaki. 11 − → 3.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. onda c a − → − →. → c .3). Tada je c − − → − = OB. poˇinje u P a z c zavrˇava u Q. c 2.1. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1.2 znamo da takve toˇke A i B postoje i da su jedinstvene. 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. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A.

♣ B b a+b a b 0 A a+b a b Slika 1. c Teorem 1. O. Q ∈ E vrijedi P Q = P O + OQ.4: Pravilo trokuta i pravilo paralelograma. → a =−a → − → → → − a a 4.3 Za bilo koje tri toˇke P. (− + b ) + − = → + ( b + − ) (asocijativnost). VEKTORSKI RACUN R a G Slika 1.3: Motivacija za definiciju zbrajanja vektora. − → → − → → → → − 3.12 ˇ POGLAVLJE 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . − + b = b + − (komutativnost). − → − → − → Napomena 1. . i oznaˇavamo ga s → 0 . a c a c → − → → → − → a a a 2. Vektor a zovemo suprotni vektor vektora a c − → −. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).

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

Primjetimo da se u Definiciji 1. za sve a.1 i Teorema 1. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). Elemente od skupa V zovemo vektori. → od vektora a Teorem 1. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). a a → − 4. b ∈ V je a + b ∈ V . Neka je dan polupravac (zraka) s poˇetkom u O. a suprotnu orijentaciju a − za λ < 0.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V .5 nigdje ne govori o geometrijskim veliˇinama. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1.14 ˇ POGLAVLJE 1. onda. c Vratimo se sada Definiciji 1. λ(µ→) = (λµ)− (homogenost). i neka je A = O c toˇka koja leˇi na tom polupravcu. koji ima istu orijentaciju kao vektor − za λ > 0. postoji pravac a a .2. a a a − → 3. a a → → → 2. − → → → → − Ako su vektori − i b kolinearni. 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. VEKTORSKI RACUN → 3. 3. 2. uz pretpostavku − = 0 .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. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. 1 · − = → (postojanje jedinice).♣ a a Definicija 1.

→ → → → definirati a0 c a0 a0 a − → |a| − = |− |− . (λ. LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. Bijekcija je konstruirana na prirodan naˇin. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . A. b = OB. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E).2. b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. tj.4).2 Vektorski prostor XO (E). → →→ te vrijedi a a a0 1. VEKTORSKI PROSTOR XO (E). svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . b ∈ XO (E) i λ ∈ R. → → − 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. (− . →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). − → 2.1. Kako je → = 0 . onda je |− | = 0. Imamo da je c a − → → b = λ− . (Usporedimo ovo s Definicijom 1. Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. B ∈ E na p takve da je − = OA. tj. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. a a .1). pa moˇemo a a a z − → − = a . z → − → − → → → Neka su sada − . Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. a → → − − → 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− . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E.

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

4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.7. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . c − → → a 4. Ako imamo dva vektora − . → ∈ XO (E) jednak nul veka1 a2 an toru. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.1. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. Teorem 1. Stoviˇe.. → → − Teorem 1.. VEKTORSKI PROSTOR XO (E). a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. Ako su − .. jer se nalazimo na pravcu.2. Stoviˇe. onda su oni linearno zavisni ako i samo ako su kolinearni. onda su ti vektori linearno zavisni. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. ♣ Tvrdnja Teorema 1. →.3 slijedi iz Napomene 1. . a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . → ∈ XO linearno zavisni.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna.♣ → → → ˇ s a b c Iz Teorema 1. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − .. taj rastav je jedinstven. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih.5 Ako su − . jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. b bilo koja dva linearno nezavisna vektora iz XO (M ). e1 e2 e3 z Tada su oni linearno nezavisni. z → − − 3. on se ne moˇe izraziti kao njihova linearna konbinacija. . → → − → Teorem 1.8 Neka su →.4 Ako su − .♣ . b ∈ XO (E). − i − . takav rastav je jedinstven. →. b i − tri linearno nezavisna vektora iz XO (E).. pa z z slijedi da su oni linearno nezavisni.♣ → a s Jednostavna posljedica Teorema 1. c − → − Napomena 1.3 Bilo koja dva vektora iz XO (p) su linearno zavisna.. Ako je barem jedan od vektora − .3 je jasna.

2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . Analogno. 0. − ∈ XO (E). Koordinatni sustav → − → Definicija 1. ay . Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. Ey = (0.1 i Teorem z 1. Stoviˇe. 0) i Ez = (0. pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). − . prema Napomeni 1. Tada je a e1 e2 e3 c − (Teorem 1. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza 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. Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. →. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p).18 ˇ POGLAVLJE 1.8 z ˇ oni su linearno nezavisni. k ne leˇe u istoj ravnini. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). Skalare a1 . j = OEy i − → −→ − − − − → → → k = OEz . 1. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . 0. z c → → Neka je sada − proizvoljan vektor iz XO (E). VEKTORSKI RACUN 1. te toˇke Ex = c s c −→ − − → −→ − → − (1. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . pa ˇine bazu. uredeni par → − (− . Kako vektori i . a2 i a3 − → → → vektor iz XO (E).7 Uredena trojka (− . 0). − . c →. az ) su jednoznaˇno odredene. → → a b i j k . e1 e2 Napomena 1. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k .3 Baza vektorskog prostora XO (E). − → − → Neka je (→. pri ˇemu su skalari a1 .5). a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. Definirajmo i = OEx . 1). duljine su im 1 i leˇe na okomitim c s z pravcima. j .

az ∈ R takvi da je a i j → Ako sada identificiramo − ∈ XO (E) s uredenom trojkom njegovih koordinata. −→ − − → − → → − Za toˇku P s koordinatama (x . Tada znamo da za proizvoljni → ∈ a → → → − = ax − +ay − +az − .4 Vektorski prostor Rn → − → − → − − Neka je ( i . a − = (ax . x y z 1. z ) znamo da je OP = x i + y j + z k . zbog P P = P O + OP = −OP + OP = OP − OP (pravilo trokuta −→ − za zbrajanje vektora). k ) i toˇku P s koordinatama (x.3) nam daju pravila za takve operacije nad uredenim c trojkama: . cy = ay + by . vrijedi c → − − → − → − → OP = x i + y j + z k . P ) = (x − x)2 + (y − y)2 + (z − z)2 . VEKTORSKI PROSTOR RN 19 → − − − → → → → → − S druge strane vektor − = − + b takoder ima razvoj u bazi ( i . c −→ − − − − − → −→ − → −→ −→ − → Sada je. pravila za zbrajanje vektora i mnoˇenje vektora sa skalarom → a z (koja su opisana u toˇki 1. j . c c −→ − − → − → → − Napomena 1.1. z). az ). ay . cz = az + bz . Zbog jednoznaˇnosti koeficijenata imamo da je → c i j k c cx = ax + bx . pa slijedi da je duljina proizvoljnog vektora jednaka → |− | = a a2 + a2 + a2 .10 Vidjeli smo da je P P = (x − x) i + (y − y) j + (z − z) k . y . Tada je c − → jasno da su koordinate vektora OP vezane uz koordinate toˇke P . Zakljuˇujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju´ih c c koordinata. j .4. k ) bilo koja baza od XO (E). −→ − Dakle. j . mogu´e prikazati P P kao c −→ − − → − → − → P P = (x − x) i + (y − y) j + (z − z) k . imamo − → → − − → − λ→ = (λax ) i + (λay ) j + (λaz ) k . −→ − Znamo da je |P P | = d(P. tj. → k XO (E) postoje i jedinstveni su ax . tj. y. Analogno. c a → → − − = cx − + cy → + cz − . a − − − → → → Uzmimo sada bazu ( i . ay . komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i poˇetne toˇke. k ).

1 i Teorema 1. λaz ).20 ˇ POGLAVLJE 1. az ) = (λax . yn ) = (x1 + y1 . Moˇe se pokazati da skup od n vektora −i = (0.. λ(x1 . Skup svih takvih n-torki oznaˇavat ´emo sa Rn ...... x2 . xn ) = (λx1 .. Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. i = 1. 0. xn ) + (y1 .. y2 . Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu...... .... (y1 .. U toˇki 1. . . y2 . kaˇemo da je R n-dimenzionalni realni vektorski prostor. x2 . . . c c Za (x1 ... bz ) = (ax + bx . λxn ). xn ) : xi ∈ R za i = 1.... xn ) gdje su xi ∈ R za i = 1. n. xn ). . z 1.5 Skalarni produkt ˇ Vektori su generalizacija brojeva. yn ) ∈ Rn i λ ∈ R definiramo: (x1 .. ... Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. 1.. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). . az + bz ). x2 + y2 . az ) + (bx ..2. λay .. λx2 . .. . ˇini bazu u R .. 2. . ako su sila i put kolinearni. . x2 ... ... Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom.. Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . by . x2 . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula.3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). λ(ax .. Kako ta baza ima c n n vektora. 0. To svojstvo baze od X0 (E) zovemo potpunost.. Zelimo uvesti i mnoˇenje vektora. ... (ax . ay . n.. x2 . Dakle Rn = {(x1 . U tu svrhu moramo na odgovaraju´i naˇin definirati c c . 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). Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N.. n}. VEKTORSKI RACUN 1. Sada zaboravimo geometriju (jer ne moˇemo lako predoˇiti takve skupove) i z c za proizvoljni n ∈ N definirajmo takve operacije nad uredenim n-torkama realnih brojeva (x1 . ay .. xn + yn ). ay + by .

Primijetimo da ( i . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). j . Osim toga. rezultat produkta vektora c − → mora biti skalar. pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. Kako je rad skalarna veliˇina. → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. a c c . onda je → · b = 0.1 vidimo da su vektori i . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . − − − → → → Pogledajmo sada jediniˇne vektore ( i . k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). (Uzimamo 0 ≤ ϕ ≤ π. b . j . SKALARNI PRODUKT 21 produkt dvaju vektora. i ) je druga takva baza). iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). Svaka tri vektora − → → → (− . nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. j .1. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b .5. ( k .8 Neka su − = 0 i b = 0 . Skalarni produkt vektora − . s − → → − → → − − → → Definicija 1.3). pa kaˇemo da je ( i . j . a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. j .8: Uz definiciju skalarnog produkta. Iz Tablice 1. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E).) Ako je barem jedan od vektora → i b → − − nul vektor. k ) − − − → → → nije jedina takva baza (npr.

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

yn ) ∈ Rn .5. µ ∈ R... . − = (y1 . →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − .6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. tj. .10. → → Neka su − = (x1 . (λ− ) · b = λ(− · b ) (homogenost). → → x y Teorem 1. → · b = b · − (simetriˇnost). tj. xn )... . y2 . Definicija 1. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |.♣ − → → → → 1.1. z z → → − → − → − → → 2. − → a b Napomena 1. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz .. ako je vektorski prostor W = R.. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . a c a c c → → → − → − 2.. a x y z Ova se formula za duˇinu vektora. Posebno.. a onda f zovemo linearni funkcional. 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 . Za preslikavanje (funkciju) sa V u W .9 Neka su V i W realni vektorski prostori. x2 . b ∈ V i sve λ. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . + xn yn . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . slaˇe s Napomenom 1.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. a a → − → → − − a a c 3. (− + b ) · − = − · → + b · → (aditivnost).

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

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

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

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

determinanta je jednaka nuli. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom. a3 b3 c3 (stupca) zamijene mjesta.: a1 a2 a3 b1 b2 b3 c1 c2 c3 2.28 ˇ POGLAVLJE 1.: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5. Svojstva determinante: 1. Ako dva susjedna redka predznak. 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. 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 . tj. 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. Ako su dva redka (stupca) u determinanti jednaka. c1 c2 c3 a1 a2 a3 = λ b1 b2 b3 .tj. 4. determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = − a1 a2 a3 . determinanta z se mnoˇi tim skalarom.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante. tj. 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 . c1 c2 c3 3. .

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

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

Neka su sada oba vektora razliˇita od nul vektora. c Dokaz: − → → Ako je barem jedan od vektora − . Tada je |− × b | = 0. Po pretpostavci je |→| = 0 i | b | = 0. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . i ϕ = 0 ili ϕ = π. Tada je |→ × − | = 0. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). pa desna strana formule za duljinu vektora − × b iˇˇezava. Dakle a − → − i b su kolinearni.8. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . → × b = −( b × − ) a a (antikomutativnost).7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. neka je − × b = 0 . To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. − → − → |a a sc a b → − → → − pa i − × b = 0 . imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). → × ( b + − ) = − × b + − × − . tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b .♣ → a . jer je nul vektor kolinearan sa svakim vektorom.♣ Primijetimo da tvrdnje Teorema 1. → → → − → → − (a b c a c b c − − → → − → 3. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . a c → i → kolinearni. kao saˇeti zapis. tj. b nul vektor. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. ϕ = 0 ili ϕ = π. a → − → → → → − → − → − Obratno.6. a a a Napomena 1. − → → → − → − → → 2. c c z Teorem 1.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Zbog − · − = |→||− | cos ϕ. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). pa je cos2 ϕ = 1.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. Kako je − · b = |→|| b | cos ϕ.1.

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

k ) koje ´e nam c c biti koristno pri raˇunanju. k ). pravila za vektorsko mnoˇenje te gornju tablicu) z z . Uzmimo npr. k ) desni koordinatni sustav (pravokutni i normirani).1.13: Kutna brzina. ω r v v ω 0 r Slika 1. dok je s druge strane i × ( i × j ) = − j tj.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. − . a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . j . to je − → → → → − (O. vektore ortonormirane baze ( i . − × b ) desni (op´enito nepravokutni) koordinatni sustav. k ). c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. j . − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ).2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. j . Sa Slike 1. VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. j .13 vidimo da je → = − × − . pravila za skalarno mnoˇenje.8. b . i .

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

gdje je |→| baza. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. − ∈ XO (E).17 Za vektore − . b = 0 i → = 0 . c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru.ˇ 1.♣. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ.11 Za vektore − . a | b | sin ϕ visina paralelograma. onda − → − Obratno. vektorsko mnoˇenje i mjeˇoviti z z s produkt. b . Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . ako je a b c → − → − → → − → − − tvrdnja lagano slijedi.9. a a − → → − → − − → − 2. − . kako je a c → − − → → − − → − · ( b × c ) = 0. Tada je: → → → a b c → − → − → − − → 1. MJESOVITI PRODUKT 35 bx c a c b Slika 1. → komplanarni. b . − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →.6. |→ × b | je povrˇina paralelograma razapetog s → i b . s → → − → Definicija 1.4 i 5 iz toˇke 1. − → − i samo ako su a b c − → → → Ako su − . a a . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. Tada. Pretpostavimo zato da su − = 0 . zakljuˇujemo da su vektori → i b × c okomiti. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . b . − komplanarni po Napomeni 1. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. z → − − − a c Napomena 1. jer je a a c → − − → |→ · b | = |− || cos ϕ|. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . pa kako je − okomit na b × − .16 oni su linearno zavisni. − . pa tvrdnja slijedi a c iz svojstava determinante 3. → − → − → → → → Napomena 1. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − .16 Vektori →. b .14: Mjeˇoviti produkt triju vektora.

Dokaz: −− − − −− −→ − → −→ −− − − −− −→ − → −→ Uzmimo vektore P1 P2 . b . − ) proizvoljna → → → − → → ortonormiranoj) bazi ( a b c d a b c baza od XO (E). 2. jer je |− · a c a c a − − → → − ||→ × →|| cos ϕ| (ϕ je kut izmedu → i − × − ). Kako je volumen tetraedra ˇiji su vrhovi Pi i = 1. a | a s − → Pomo´u mjeˇovitog produkta moˇemo proizvoljan vektor d prikazati u proizvoljnoj (ne nuˇnoj c s z z → − . zi ) i = 1. P1 . 4 jednak c −− − − −− −→ − → −→ razapetog s P1 P2 . 2. − − → a b c Napomena 1. 3. yi . 4 c c jednak apsolutnoj vrijednost broja 1 6 x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . Neka je dan − ∈ XO (E) i neka je (→. P1 P4 . − . − ). |− ·( b × →)| je volumen paralelepipeda razapetog s − . 3.36 ˇ POGLAVLJE 1.18 Neka su dane toˇke Pi = (xi . Tada je volumen paralelepipeda razapetog s P1 P2 . Veliˇina → − − − → → ( b × c )| = | a b c a b c c − − → → →|| cos ϕ| je duljina visine paralelepipeda. Tada je volumen tetraedra ˇiji su vrhovi toˇke Pi i = 1. 4 (u pravokutnom koordic − − → →→− natnom sustavu (O. VEKTORSKI RACUN → → → − − → − → → 3. imamo tvrdnju. P1 P4 . 3. − | b × c | je povrˇina baze. P3 .♣ 1 6 volumena paralelepipeda . − . P1 P4 jednak apsolutnoj vrijednosti broja x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . P1 . k )). j . 2. − . Tada vrijedi: → − → − → − ·(→×− ) − d b c d = − → − →− →·(− ×→) a a b c − → − − → − → → d ·( a × c ) − ·(→×− ) b + → − → a b c → → − − − → d ·( a × b ) − → →·(→×− ) c . P3 . P1 . P3 . i .

1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. taj skup je neprazan. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru.1. i . pri ˇemu su A. onda za c proizvoljni x0 imamo C A y0 = − x0 − .Poglavlje 2 Analitiˇka geometrija c 2.3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . c c s 2. Takav analitiˇki opis ne ovisi o geometrijskom zoru. Ako je B = 0.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. no c vaˇno je znati da se na sliˇan naˇin mogu opisati i sloˇeniji geometrijski objekti z c c z kao ˇto su krivulje i plohe. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1. B B 37 . s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. Ta jednadˇba opisuje neki skup toˇaka u ravnini. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija.

Definicija 2. y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. Ax + By + C = 0 i A x + B y + C = 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. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA. tj.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→.y ) 0 0 (x . Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0.1: Pravac u ravnini. y0 ) okomit na vektor − = A i + B j .1 Ako imamo dvije jednadˇbe. 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 . onda − i → nisu okomiti.38 ˇ POGLAVLJE 2. y) ne leˇi na pravcu p. s c z Joˇ se naziva i implicitna jednadˇba pravca. → − r n → − → → Ako toˇka (x. s z z Napomena 2. vrijedi Ax0 + By0 + C = 0. − · − = c z r n r n 0. ako toˇka (x. B = tB i C = tC. pa zbog okomitosti imamo − · → = 0. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. c n Zaista. tj. y) leˇi na pravcu p. c p n r (x .y) Slika 2. 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. B.

B = tB i C = tC. Dakle → → r i j n i j n i j → − − → − i n kolinearni. jer je tada vektor − oblika n − → →=Bj.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. jer je (0. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Odatle je A = tA i → → su vektori n n B = tB. onda je pravac os x. nepotpune obc z like): 1. y0 ) i da je za svaku drugu toˇku (x. jer je toˇka (0. C −A −B . y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . jer je tada vektor − oblika n − → →=Ai. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . 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.1.1. onda je pravac paralelan s osi x. onda je pravac paralelan s osi y. pa imamo tvrdnju. postoji t ∈ R takav da je n = t− . jer je (0. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. tj. Oˇito je (x0 . y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . c Obratno. Ako je B = C = 0. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. z → 2. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. onda pravac prolazi kroz ishodiˇte. znaˇi z c da prolaze kroz istu toˇku (x0 . → → Ax = 0 i vektor n n i 5. Ako je B = 0. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. Ako je C = 0. n n 2. Ako je A = 0. Ako je A = C = 0.2. − n → 3. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. onda je pravac os y. Dobijemo z B A x + −C y = 1. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. ako postoji t ∈ R takav da je A = tA.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. 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 4.

40 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B .1. onda je y = b. 0).3: Kanonski oblik jednadˇbe pravca.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). z 2. onda je x = a. c c tj. a ako je y = 0.y 1 ) Slika 2. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. z . imamo A x a + y b = 1.2: Segmentni oblik jednadˇbe pravca. b) i (a. c c y b a 0 x Slika 2. z p s=mi+nj P1 = (x 1. z z Uoˇimo sljede´e: ako je x = 0. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. pravac prolazi kroz toˇke (0.

z p Q = (x2 .1. Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. iz kanonske jednadˇbe c z . Nadimo jednadˇbu tog pravca. ˇto se vidi i iz vektora smjera → = m i + 0 j . PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 .y 1 ) Slika 2.4: Pravac kroz dvije toˇke. onda c c je jasno da njima prolazi jedinstveni pravac p.y 2 ) P = (x 1.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 . y2 ) u ravnini M . tj. bez komponente u smjeru j . Iz uvjeta x − x1 = λm i − − kolinearni. jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. y) − koju prolazi pravac i vektor smjera pravca s i j c − − − → − = −1→ = (x − x1 )→ + (y − y1 )→ i − → PP leˇi na p ako i samo ako su vektori r z i j s → = λ→. y1 ) kroz z c z c → → → = m− + n− . s s 2. z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). tj. Npr.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni. y = y1 .1. c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. z z Napomena 2. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). Toˇka P = (x. y1 ) i Q = (x2 . Dakle imamo pravac paralelan s osi c → − → − − → − x. a kako p po pretpostavci prolazi toˇkom P .2. ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n .

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

n Kako je tg ϕ = m . φ ∈ [0. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. → → r n Jednadˇbu − · − = d. pravac prolazi toˇkom (0. z Jasno je da su a. c 43 n ˇ Uzeli smo da je k = m .2. Neka je − = a i + b j jediniˇni vektor na pravcu q. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. pa tada postoje ψ.1. y) leˇi na pravcu p ako i samo ako je z − · − = d. P = (x. n c y q n θ P0 x r P p 0 Slika 2. c c s − → − → → d = |OP0 |.6: Normirani oblik jednadˇbe pravca. tj. c − → − → → pa imamo − = cos ψ i + sin ψ j . tj.5).3 Za x = 0 imamo y = l tj. b ∈ [−1. 2. odnosno z → → r n x cos ψ + y sin ψ = d . a2 + b2 = 1. 1]. l). tj. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. π] takvi da je a = cos ψ − i b = cos φ.1. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. n − → → Toˇka P = (x. s vektorom i ). imamo k = tg ϕ. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). Povucimo sada kroz O pravac q okomit na p. PRAVAC U RAVNINI Napomena 2.

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

Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 . Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . A2 B2 → → Napomena 2. −1 → Neka je ϕ kut izmedu → i −2 .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 = 0.2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. ako i samo ako je A1 A2 + B1 B2 = 0. → → kolinearni. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . tj. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − .ˇ 2.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. → n i j 45 Definicija 2.

s1 s2 tj. ako i samo ako postoji λ ∈ R takav da je − = λ− . m2 n2 → → Napomena 2. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . s1 s2 odnosno ako i samo ako je n1 m1 = .46 b) Kanonski oblik: ˇ POGLAVLJE 2. → → Napomena 2. tj. ako i samo ako je m1 m2 + n1 n2 = 0.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. . − → 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 .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .

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

p) = x0 cos ψ + y0 sin ψ − d. ANALITICKA GEOMETRIJA Napomena 2. Napomena 2. tj. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. sa suprotne strane od ishodiˇta) jer je tada n s . To je ekvivalentno s 1 k1 = − .7). Zanima nas udaljenost c toˇke P0 od pravca p.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . s Napomena 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . k2 2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . tj. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .2. x cos ψ + y sin ψ = d. Neka je pravac p dan u c c normiranom obliku.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. 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.5. c Definicija 2.1. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj.48 ˇ POGLAVLJE 2. odnosno ako i samo ako je k1 = k2 . odnosno ako i samo ako je 1 + k1 k2 = 0. tj. y0 ) i pravac p u ravnini. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. 2 ako i samo ako je tg ϕ = ∞.

a b . onda iz toˇke 2. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . kanonski. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . udaljenost toˇke P0 = (x0 . p) < 0. y0 ) od pravca p je c d(P0 . ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . a2 +b2 x y + = 1. pravac kroz dvije toˇke. eksplicitni). 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. tj. p) = |x0 cos ψ + y0 sin ψ − d|. p) ≥ 0. A2 +B 2 Ax0 + By0 + C √ . y0 ) od pravca p je c d(P0 . −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. p) = |Ax0 +By0 +C| √ .1. p) = odnosno d(P0 . c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. odnosno bx + ay − ab = 0.1 c z c (segmentni. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . p) = |bx0 +ay0 −ab| √ .6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0.2.ˇ 2.

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

tj. c 2. xs = . ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. ys ). identiˇni su. paralelni su. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. sijeku se u jednoj toˇki.2.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini.8: Mogu´i poloˇaji pravaca u ravnini. c z U sluˇaju da se sijeku u jednoj toˇki. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . Npr.2.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. zovimo je S = (xs .ˇ 2. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. poklapaju se. 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. 3.

2. p) i δ(B. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . onda je A 1 B1 A 2 B2 = 0. p)|.2. p) suprotnog predznaka. 2. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . . Osim udaljenosti.4).4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. 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 . Vrijedi i obrat. Napomena 2.52 i ˇ POGLAVLJE 2. p) = x0 cos ψ + y0 sin ψ − d. onda su p1 i p2 paralelni. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .11 Ako je A 1 B1 A 2 B2 = 0.

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

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

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

onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . Kako su vektori baze linearno nezavisni. Prema s z Napomeni 1.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . c) odnosno a.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 .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. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . 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 . pravac p prolazi toˇkom (x0 .3. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i .56 Jednadˇbe z ˇ POGLAVLJE 2. y0 . z Napomena 2. y = y0 + tb. vektor smjera pravca p je dan s (a. b. z c s 2. z s Napomena 2. ANALITICKA GEOMETRIJA x = x0 + ta. j i k dobivamo kanonske jednadˇbe pravca. c su koeficijenti smjera pravca p. z0 ) i 2. b. . Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c .

2.3. c) je dana s x y z = = . c c Tada kroz njh prolazi jedinstveni pravac p. z2 ) u prostoru. −| |s Dakle koeficijenti smjera a. onda znamo da je vektor → s a b c 1 → s0 = − − = − . → − → → r r1 r2 r1 . → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.1.3. c). b.3. γ ∈ [0. odnosno postoje c s0 α. istog smjera i orijentacije kao i →. i njihov omjer daje koeficijent smjera (toˇka 2. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . Sada imamo da je → = P1 P2 = → − →.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. pa odreduje isti pravac. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 .5 i toˇka 2. y1 . tj. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. s 2. z Znamo iz toˇke 2. − →| s →| |→| |→| |s |s s s − jediniˇni. − . π] takvi da je a cos α = − .3. y2 . pa iz toˇke − − s r2 c s r2 r1 c 2.1. PRAVAC U PROSTORU 57 → Posebno. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. Zbog komplec mentarnosti. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. Uzmimo sada npr. →| |s b cos β = − . b.6). toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . − → z definirajmo s P c s − je vektor smjera pravca p.5 znamo da postoje kosinusi smjera vektora − . →| |s c cos γ = → . β. 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.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). Odredimo njegovu jednadˇbu. jedan kosinus smjera prelazi u sinus. onda ima dva kosinusa smjera.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . c s → Iz toˇke 1. b. z1 ) i P2 = (x2 .

z c y2 −y1 2 −z 2. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. c c c odnosno. c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . z0 ) s vektorom smjera − = (a. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . c x = mz + m1 . c c c . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2.58 ˇ POGLAVLJE 2. b. z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). y = y1 + t(y2 − y1 ). a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 .10: Pravac kroz dvije toˇke u prostoru.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . uz oznake m = a c i m1 = − a z0 . y0 . 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.3. Analogno.

b. y0 . z y=nz+n 1 x =mz+m 1 y 0 x (m . + n2 + 1 cos β = √ m2 n .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . Tada za svaki izbor a. Dakle. 59 y = nz + n1 .3. + n2 + 1 cos γ = √ m2 1 . vrijedi x−m1 m = y−n1 n = z.14 Iz toˇke 2. PRAVAC U PROSTORU odnosno. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. Napomena 2.11: Pravac zadan dvjema projekcijama. z b c .3.3.n ) 1 1 Slika 2. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.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 .2. uz oznake n = b c b i n1 = − c z0 . + n2 + 1 2.

ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. r2 r1 →=− + − → ρ r1 n m → → → − + n −.12: Dijeljenje duˇine u zadanom omjeru.3. s z Imamo → = 1 (− + − ). y1 .7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . ANALITICKA GEOMETRIJA 2. 2 2 2 . 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. z → c radij vektor toˇke B. AC : CB = m : n. . z1 ) i B = (x2 . m ∈ N. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= .60 ˇ POGLAVLJE 2. tj. m+n m+n m+n Napomena 2. my1 +ny2 .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. y2 . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. mz1 +nz2 ).

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

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

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

0 r P n π 0 Slika 2. Onda je − · − = 0. z0 ) i okomita na vektor c − = (A. z0 ) koja je okomita na vektor z c − = (A. ako je toˇka P = (x. y. → n Zaista. c −→ → − S druge strane.15: Op´i oblik jednadˇbe ravnine. z) toˇka u takvoj ravnini. jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . y0 . onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). odnosno. Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. imamo da izraz → − n r A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 vrijedi za sve toˇke na toj ravnini. c z c z Napomena 2.18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . ako P ∈ E ne leˇi u ravnini. C). onda je jasno da i c c − − = −0→ leˇi u toj ravnini. Dakle. ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. y0 . C). pri ˇemu se uzima predznak suprotan od c .64 ˇ POGLAVLJE 2. c z Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 z z opisana ravnina u prostoru kroz toˇku P0 = (x0 . tj. B. B. ANALITICKA GEOMETRIJA P . kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ).

B. 0. Ako je C = 0. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0.20 Neka je dana toˇka M = (x1 . ravnina prolazi kroz ishodiˇte. onda su koordinate A. R → → Vektor normale −0 je normirani vektor − = (A. s c A2 +B 2 +C 2 Napomena 2. RAVNINA U PROSTORU predznaka od D. istog su smjera n n → c n i orijentacije. Ako je D = 0.17. po c Napomeni 2. onda normala − = (A. Dakle imamo cos α = 65 A . 0) nema komponentu u smjeru n − → osi z (tj. b1 = − B i c1 = − D . pa imamo cos γ = 0. tj. y1 . Tada je. k ). 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. s → 2. B.2. pa odreduju istu ravninu. C C C A z Oznaˇimo a1 = − C . onda je oˇito da O = (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. c onda je A B D z =− x− y− . B. nepotpune obc z like): c c z 1. Stoga ´emo i vektor − zvati vektor normale. z1 ) ∈ E. R cos β = B . Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . tj.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. c . z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv.4.4.1). udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. Π) = |Ax1 +By1 +Cz1 +D| √ . Napomena 2. R cos γ = C . Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. C).

66 z ˇ POGLAVLJE 2. B. Varijable u i v zovemo parametri. B.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. 0) ima komponentu samo u n smjeru osi x. ravnina prolazi kroz ishodiˇte s a prema 3.4. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine.16: Ravnine u posebnim poloˇajima. Ako je B = C = D = 0. z → − a vektore − i → vektori smjera. ravnina je paralelna s koordinatnom ravninom Oyz. 4. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. s1 s2 . Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. A. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . imamo samo tri nezavisna. C i D. 0. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. − i − su komplanarni). s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . Imamo Ax + D = 0. onda normala − = (A. odnosno x = − D . jer jedan parametar c moˇemo eliminirati dijele´i onim od A. onda prema 1. Ako je B = C = 0. c Od ˇetiri parametra. z → 3. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . z c c 2. ravnina je paralelna A s koordinatnom ravninom Oyz. C koji je razliˇit od nule.

Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . b1 .4.22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . c2 ). z0 ) z z c → → i dva vektora smjera − = (a1 .2. b2 . y = y0 + ub1 + vb2 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. Kako imamo dva parametra (u i v). b1 . Napomena 2. z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine.17: Ravnina zadana parametarski. s1 s2 . b2 . z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. → = (a2 . y0 .21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. → − Nek je P0 = (x0 . RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. z0 ). y0 . Tada P = s1 s2 → − (x. Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. − = (a1 . c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. vidi se da je ravnina dvodimenzionalni objekt u prostoru. z Napomena 2. c1 ). c1 ) i − = (a2 . y.

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

69 −1 Definicija 2.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . C1 ) n → i −2 = (A2 . tj. Ravnine se sijeku u jednom i samo jednom pravcu. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . ako i samo ako je −1 · −2 = 0. ♣ . tj. −1 → Napomena 2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 . 3. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. Teorem 2. C2 ). Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . B2 . ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Ravnine se ne sijeku. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. 2.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2.5.2. Ravnine se podudaraju. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . B1 . odnosno ako → → kolinearni.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0.

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

∆ .4. tj.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. onda je presjeciˇte jedinstveno (tj. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). C). −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . ∆. toˇka 2. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi.2. b. paralelne su). c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku. z nepoznanice). c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 .5. b. c) i − = (A. z Definicija 2. s jedna toˇka. y. B. Π2 i Π3 moraju zadoc c s voljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. 2.5. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke.5) i koordinate su mu c c ∆x ∆y ∆z ∆. → → s n .

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. c) i − = (A. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. tj. C) onda je kut c s n 2 izmedu p i Π jednak ϕ. odnosno ako → − kolinearni. → Napomena 2. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . ANALITICKA GEOMETRIJA → → Znaˇi. ako je π − ϕ kut izmedu − = (a. B. Am+Bn+C Am+Bn+C Am+Bn+C . z c c s z0 = − Am1 + Bn1 + D .4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0.5. c) i − = (A. b. tj. 2. ako i samo ako je − · − = 0. i ravnina Π s Ax + By + Cz + D = 0.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. − Anm1 +Bnn1 +Dn + n1 . ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. b.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→.72 ˇ POGLAVLJE 2. B. tj. − Am1 +Bn1 +D . → → s n Kako je kosinus kuta izmedu − = (a. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 .

z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine.2. tj. tj.5. z z . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. y = y1 + bt. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. ako nema konaˇnog z koji je rjeˇenje. z1 − c Ax1Aa+Bb+Cc+D . imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. y0 . Ax1 + By1 + Cz1 + D . dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. y1 − b Ax1Aa+Bb+Cc+D . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2.28 Ako ne postoji takav t koji je konaˇan. Aa + Bb + Cc Napomena 2. z = z1 + ct.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. a druga je uvjet paralelnosti pravca i ravnine. onda uvrˇtavanje u op´u jednadˇbu ravnine daje jednadˇbu za vrijednost parames c z z tra t koja odgovara presjeciˇtu s t=− Koordinate presjeka su +By1 +Cz1 +By1 +Cz1 +By1 +Cz1 x1 − a Ax1Aa+Bb+Cc+D . 2.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli.

18: Mimosmjerni pravci.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. Definicija 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 . → → s1 s2 p 2 p 1 Slika 2. c 2. ANALITICKA GEOMETRIJA Teorem 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. s1 s2 redom. z2 ) s vektorima smjera − = (a1 . c c c 2. z1 ) odnosno c → → P2 = (x2 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. Pravac i ravnina se sijeku u samo jednoj toˇki. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). 3. b2 . c1 ) odnosno − = (a2 . b1 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). Pravac i ravnina se ne sijeku. c2 ).6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . y2 .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).5. Pravac je sadrˇan u ravnini. → → 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 . y1 .74 ˇ POGLAVLJE 2. .

odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . tj. z= 1 m−m n−n . ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.2. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . 2.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini.5). → Napomena 2. 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. c c z → s1 Napomena 2.3. tj.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti.5.5. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. ako i samo ako je → · − = 0. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . ako i samo ako postoji λ ∈ R takav da je − = λ→. tj. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.

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

Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. Ako su sva tri redka proporcionalna. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0.29. z c 4. z 2. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. iz toˇke 1. Pravci leˇe u istoj ravnini i ne sijeku se. z 3. Teorem 2. c =0 . imamo isti pravac. ˇetvrti sluˇaj. Prema Napomeni 2.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. i 6. ne leˇe u istoj ravnini. pa nema presjeciˇta. tj. z Moˇe se desiti da su oni paralelni.5.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. Pozabavimo se sluˇajem mimosmjernih pravaca.6 na gornju determinantu (tj. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Pravci se podudaraju.2. Pravci su mimosmjerni. 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 .

9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca.22. b1 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . Iz s1 s2 Napomene 2. . Onda su njihove kanonske jednadˇbe dane s → odnosno s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i x − x2 y − y2 z − z2 = = . c1 ) i − = (a2 . 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. imamo da Π prolazi z → → kroz P1 = (x1 . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . c2 ). a2 b2 c2 Definicija 2. c2 ). z1 ) i paralelna je sa − = (a1 .5. c1 ) c s1 − = (a2 . y1 . p1 leˇi u ravnini). kako p1 leˇi u Π i Π je paralelna sa p2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. = 0. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). y1 . ANALITICKA GEOMETRIJA 2.78 ˇ POGLAVLJE 2. Dakle. z2 ) s pripadaju´im vektorima smjera − = (a1 . y2 . . b1 . b2 . b2 . z1 ) → odnosno P2 = (x2 . a2 b2 c2 a2 b2 c2 .

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

.

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

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

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

♠ . a11 = a22 = . c onda je reda n. 0 0 0 0 0 0 0 0 0 0 0 .  . i to n-tog reda.. . matrica je skalarna.  . 0 0 ··· 1 moˇemo saˇeto pisati In = [δij ]. Zbroj svih elemenata glavne dijagonale kvadratne mac trice zovemo tragom te matrice i oznaˇavamo tr A.  . c Primjer 3.84 POGLAVLJE 3. . Skalarna matrica s jedinicama na glavnoj dijagonali se zove jediniˇna i oznaˇava sa In . i = j Simbol δij zovemo Kroneckerova delta. tipa 2 × 4 i tipa 2 × 1. Kvadratna matrica A je dijagonalna ako  a11 0   0 a22 A= . . ako nije.  0 0   0 0 0 0 matrice su nul matrice i to reda 3. . . ann ˇine glavnu dijagonalu. . . z U kvadratnoj matrici elementi s jednakim indeksima. Ako je kvadratna. tj. . pri ˇemu je z z c δij = 1.  0  0 . tj.  .. MATRICE I LINEARNI SUSTAVI kaˇemo da je kvadratna. . . a11 .. tj.. . . c tr A = a11 + a22 + · · · + ann . 0. .  In =  . Takvu matricu c c   1 0 ··· 0    0 1 ··· 0   . Matrica ˇiji su svi elementi jednaki nuli zove se nul matrica.2 Sljede´e c redom..  .  ··· 0  ··· 0  . . i = j .. onda je tipa m × n.. 0 0 je aij = 0 za i = j.  · · · ann Ako su u dijagonalnoj matrici svi elementi na glavnoj dijagonali jednaki..  . a22 . = ann = a. Oznaˇavamo ju s 0mn .

5 Matrica A  1  A= 4 7 je simetriˇna. dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  . . OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n.1. tj. m...♠ 2 7 . odnosno vrijedi aii = 0 za i = 1.1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu.3 Ako je A= onda je 2 3 4 0 1 2  . n je transponirana matrica matrice A. c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1. tj.. j = c T 1..♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta. Sliˇno se definira donja trokutasta matrica.. . aij = −aji za i. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A.. . A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. aij = aji za i... zrcale se jedni u druge... c Primjer 3. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1. Primjer 3.. matrica A je antisimetriˇna (kososimetriˇna). n. c . Ako je A = −A.. . j = 1. ali suprotnog predznaka.  2 0   AT =  3 1  ..♠ . tj. Oznaˇavamo ju s AT . . c c Primjer 3. 7 3 −2 −3 0 Napomena 3. j = 1. .. Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu.ˇ ˇ 3. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  .. n.. n. tj...4 Matrica A  2  0  A=  0 0 je gornja trokutasta. n. Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule.

86 POGLAVLJE 3. = . j = 1.4.    · · · a1n b11 · · · b1n ..... C =A+B = . . .  .. m. am1 + bm1 · · · amn + bmn Napomena 3. Definirajmo sada mnoˇenje matrice skalarom. .. n. Piˇemo A = B.. a11  . Definicija 3.. am1     λa11 · · · λa1n · · · a1n . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3. = . Definicija 3.. n.  . .. .3 odnosno Definicije 3. Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. . tj. m. .2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1.4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1.  . . . a na R znamo ˇto znaˇi s c ”biti jednak”.   . . ..3 Zbroj matrica se definira samo za matrice istog tipa.3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn . tj.. z Definicija 3. j = 1.. + . . . .3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. . . . j = 1.   . Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. λA = λ  . . λam1 · · · λamn · · · amn  a11  . . MATRICE I LINEARNI SUSTAVI 3. . .. . n. m.2 Jednakost matrica se definira samo za matrice istog tipa.. . .. s Napomena 3. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   ..1..

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

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

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

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

3. Primjer 3. 0. 3. 3. npr. 1 0 3 0  Neka je r = s = 2.♠ Ako su izabrani redci i stupci uzastopni. i dva stupca npr. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. c drugi i tre´i.5 Podmatrice i blok matrice Neka je A ∈ Mmn . xn ]T nepoznata matrica. bm ]T poznata matrica desnih strana i z x = [x1 . prvi i tre´i. Sloˇimo li ih u (2 × 2) matricu.6. dobijemo podmatricu z 3 4 0 3 matrice A.. Izaberimo dva redka. takvu podmatricu zovemo blok.. c .1.4. 4.6 Neka je  2 3 4 1   A =  −1 2 1 3  .1. b = [b1 ... x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. . svaka linearna z jednadˇba ide u svoj redak).ˇ ˇ 3..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 ). Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica.. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. dobivamo podmatricu z matrice A. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. . Sloˇimo li ih u (r ×s) matricu. 3.

. . druga dva redka i prva dva stupca. zatim prva dva redka i zadnja tri stupca. svih m redaka i drugi stupac. te druga dva redka i zadnja tri stupca. A11 A12 A21 A22 . 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.7 Neka je POGLAVLJE 3. b p ]..92 Primjer 3.7 Neka je A ∈ Mmn . A21 = .. Analogno se konstruira blok matrica redaka... A12 = a13 a14 a15 a23 a24 a25 a33 a34 a35 a43 a44 a45 . − n ] a1 a i zovemo je blok matrica stupaca. Sada matricu A moˇemo prikazati u obliku z A= dakle A postaje blok matrica.... onda je blok matrica A oblika → → A = [− .. matrica A prelazi → u blok matricu ˇiji su blokovi stupci od A... svih m redaka i n-ti stupac. Sada se lagano provjeri da vrijedi − → − → − → − → A · B = A · [ b1 ... tj. b p ] = [A · b1 . . Tada redom dobijemo blokove matrice A A11 = a11 a12 a21 a22 a31 a32 a41 a42 ..7 matricu B moˇemo zapisati z kao blok matricu stupaca. Ako stupce od A oznaˇimo sa −i c c a i = 1... n.. . Ako izaberemo svih m redaka i prvi stupac.♠ Napomena 3. A · b p ]. Prema Napomeni 3. Naka je A ∈ Mmn i B ∈ Mnp .. A22 = .. .. − → − → B = [ b1 . .

c Napomena 3. dakle ne postoji izbor brojeva a. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . tj. onda je barem jedan od a ili b jednak nuli. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . OSNOVE MATRICNOG RACUNA 93 3.1. c. c c c Iz svojstva 5.6 Regularne matrice. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 .4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. 1.ˇ ˇ 3. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. c 2. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. b. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 .1. U skupu R vrijedi: ako je a · b = 0.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. Npr. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. neka je dana matrica c 0 1 1 0 . tj. U toˇki 3.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. postoji broj koji pomnoˇen s a daje 1. Npr. Teorema 3.1.

c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In .9 Neka je A ∈ Mn regularna. Za matricu A koja nije regularna kaˇemo da je singularna. Dakle je A · A−1 = A−1 · A = c In . Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. 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.94 POGLAVLJE 3.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . . MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. z Napomena 3. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena. tj. z Definicija 3. neka postoji matrica B ∈ Mn takva da je A · B = B · A = In .7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In .♣ Znaˇi. Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . Tada je B jednoznaˇno odredena s A. c Teorem 3. c 0 1 1 0 · a b c d = c d a b . Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn .

.ˇ ˇ 3. ajn ) = ai1 aj1 + ai2 aj2 + . a j-ti stupac matrice AT je (aj1 .. aj2 .. .♣ / z Definicija 3. u stvari.. + ain ajn .. ai2 .... −1 3. Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A.. . Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 .8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In . Ako su A. ... aj2 . ai2 . U Napomeni 3... 0n ∈ Gn . . ajn ) = ai1 aj1 + ai2 aj2 + . ai2 . Stoviˇe. + ain ajn = δij odnosno (ai1 . .. In ∈ Gn i In = In ... Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn . . ... ain ) · (aj1 . . n. Napomena 3... ain ) za i = 1.. (To je. ajn ) = a2 + a2 + ... 5.1... ain ) · (aj1 . ain ) · (aj1 .. + ain ajn = 0 za i = j i (ai1 .. Tada je i-ti redak matrice A z (ai1 .. B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 .. n.. ain ) · (aj1 . Dakle i matrica AT · A ima iste elemente. Kako je po pretpostavci A ortogonalna.6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn ... aj2 .10 Neka je A = [aij ] ∈ Mn ortogonalna. 2. moˇe se dokazati da ˇine ortonormiranu bazu od Rn . aj2 . s z c .. . ajn ) za j = 1.. OSNOVE MATRICNOG RACUNA 1. Zakljuˇujemo da na mjestu (i. ai2 .. .. . 95 4. j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . Gn = Mn .. ajn ) = ai1 aj1 + ai2 aj2 + .... preciznije Gn ⊂ Mn .. + a2 = 1 i1 i2 in za i = j. ai2 . j-ti redak od A). vrijedi A · AT = AT · A = In .... ˇtoviˇe vrijedi da je s s (ai1 . aj2 . .

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

.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n..5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)).... . . Dimenziju vektorskog prostora L(− .. Mmn . Tada je r(0) = 0..... − ∈ Rm . Neka je A ∈ Mmn . − ) podprostor a1 an a1 an m − .1. Napomena 3. a1 an Vratimo se na konkretan vektorski prostor. c .. → → → → Napomena 3.13 Kako vektori − . . ... i R (A) podprostor Rn razapet redcima od matrice A.ˇ ˇ 3.. .12 Neka su − . →}. jer je skup { 0 } uvijek linearno zavisan... Neka je R(A) podprostor od Rm razapet stupcima matrice A.8 Vrijedi: − → 1.♣ Primjer 3... Stoga vrijedi s − − dim(L(→. Neka je L(− . − ).. Neka je 0 ∈ Mmn nul matrica. . Neka je In ∈ Mn . → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. . Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .14 Uz gornje oznake iz Teorema 3. z Teorem 3.12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora... n). .... →)) ≤ n. Tada je oˇito r(In ) = n... 2. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Napomena 3.13 imamo da je r(A) ≤ min(m. − )). znamo da je u a1 an a1 an bazi najviˇe n vektora. − razapinju L(− . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. − ) → → → → od R razapet sa a1 an a1 an →. .15 Iz Napomene 3.. − .

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

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

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

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

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

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

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

2 su oˇito zadovoljena. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . u u Dakle je N (A) vektorski podprostor od Rn . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . tj. A− = b i A− = b . Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . c 3.22 N (A) je podprostor od Rn . u v u v − → dakle → + − ∈ N (A). u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . → ∈ 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).8 i Napomene 3. Tada je.2.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . Dokaz: Oˇito je N (A) ⊆ Rn . tj.3 Homogeni sustavi → Iz Napomene 3. gdje je λ ∈ R proizvoljan. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . x x − → Oˇito je 0 ∈ N (A).1 i Teorema 1.5.♣ s c z s x → Iz Teorema 3.3. c Napomena 3.♣ .2. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). c Svojstva iz Teorema 1.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. dakle dokaˇimo da za proizvoljne c z − . Treba provjeriti da N (A) ima svojstva iz Definicije 1. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.

tj. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . Tvrdnja Teorema 3. svako rjeˇenje je oblika − 0 + 0 . Kako je iz Teorema 3.22 zakljuˇujemo da ako su u1 .106 POGLAVLJE 3.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .9 II. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna.♣ Napomena 3. → → → → Ax a y y 2. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . s Dokaz: (Dokazujemo samo tvrdnju II. ut rjeˇenja homogenog sustava c s − = − . tj.9 I. s x → − → → Obrnuto. gdje je − ∈ N (A).. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . z s . svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A).9.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. Po Teoremu 3. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. .8 je matrica A regularna.9 I. prema Teoremu 3. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.. MATRICE I LINEARNI SUSTAVI Iz Napomene 3.) − → → − → − Ako je matrica A sustava A− = b regularna. nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)). onda je i njihova linearna kombinacija rjeˇenje tog sustava.23 Primijetimo: → 1. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . Onda. N (A) = { 0 }. rjeˇenje je x s u s jedinstveno. Teorem 3.. iz jedinstvenosti zakljuˇujemo da je − = 0 . Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). onda po Teoremu 3. Tvrdnja Teorema 3. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. → → → → u u y y − → → II. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}.

. c Dakle.. Iz Teorema 3.. Nadalje. Kako je r(A0 ) = r.. . . slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj.3.8 II. − → Prvo treba odrediti rangove matrica A i Ab . pri ˇemu su cr+1 . . . + arr xr + arr+1 xr+1 + ..6 imamo da je A0 regularna.. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A.4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. cn proizvoljni realni parametri... ... pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca.. .. − ain cn za i = 1. Ako oni nisu jednaki.2. . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. . xn na desnu stranu i doc bijemo: a11 x1 + . + a1r xr = b1 − a1r+1 xr+1 − .. + arr xr = br − arr+1 xr+1 − ... r. prebacimo ˇlanove s nepoznanicama xr+1 . imamo sustav − → − x A0 →0 = β (c).. . Ako su rangovi jednaki (r(A) = r(Ab ) = r). pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β .. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . .. + a1r xr + a1r+1 xr+1 + . − → Uvedimo novi vektor desnih strana β (c). . ar1 x1 + . b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. LINEARNI SUSTAVI 107 3.. kao βi (c) = bi − air+1 cr+1 − .. .2.. iz Teorema 3. + arn xn = br .. + a1n xn = b1 .. − a1n xn ... − arn xn .8). .. ar1 x1 + ..

µn proizvoljni parametri.. . iz Teorema 3. .. cn postoje → − jedinstveni c1 . Teorem 3. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + .. cr . cr ]T . .. tj. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica..10 I.8 II. Brojevi cr+1 . cr ]T )... .. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . cn su slobodni prametri..♣ Iz Teorema 3...♣ c Napomena 3.10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. + µn − n .... dimR(A) + dimN (A) = n. MATRICE I LINEARNI SUSTAVI − 0 = [c1 . → → Teorem 3.. i obratno. cr+1 ...... . − = [c1 .1.. 0 U toˇki 3.24 Tvrdnja Teorema 3. + µn − n ...3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.11 izravno slijedi iz Teorema 3.. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . .. Kako je (− r+1 . − u u u pri ˇemu su µr+1 . dok brojevi c1 . . . − − → u u u pri ˇemu su µr+1 .7 odnosno toˇki 3. cr koji su dani s A−1 β (c) = [c1 . µn proizvoljni parametri.2... − n ) baza s x u u u − → − = b oblika → od N (A). ... → → − II... cn ]T je rjeˇenje sustava A− = c s x − → b. c . izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). .108 koje je oblika POGLAVLJE 3.. . r(A) = dimR(A) = n. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ..... a broj dimN (A) defekt od A..11 Ako je (− r+1 . Broj dimR(A) smo zvali rang od A.9.. .. → x → → Dakle..

Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A.. b ] (gdje je matrica A takva da na pozicijama a11 . na aij za j < i ima nule.. na aij za i = k + 1. . A −→ det A.. .. 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 . Radimo li to elementarnim transformacijama samo nad redcima. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A.. tj.. − → mi smo zapravo matricu [A.. Q1 · Q2 · · · Qq · b ] = [A . . LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab .1. za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ).. tj. j = 2.2. b p . lagano moˇemo oˇitati rjeˇenje).. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. n) ima jedinice. . uz male modifikacije je numeriˇki stabilan... z Za neke se posebne matrice druge. .. b ] mnoˇili s lijeva elementarnim matricama Q1 . na aij za i < j. Ovaj se postupak moˇe primiz jeniti na sve matrice. metode mogu pokazati brˇima (manja im je sloˇenost). posebno dizajnirane... a ostale pozicije su ”nebitne”). . sloˇenost mu je c z 3 ∼ n (tj.5 Determinanta. b ]. ima nule. k. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama.6. 3.3. m ima nule. b ] dobili matricu [A . Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. akk za k ≤ min(m.. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A .2. imamo postupak Gaussovih eliminacija. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj. Qq .

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

Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. 2. n ≥ 2.7. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. Posebno je c det In = 1.2. onda je det A = 0. Svojstva determinante su: 1. Ako je A ∈ Mn trokutasta (gornja ili donja). onda sc je det A = 0. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. pravilo za c raˇunanje inverza matrice). n ≥ 2. . Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . je razvoj determinante po prvom redku.1. 3. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . Neka je A ∈ Mn dijagonalna matrica. c 4. onda je det A = a11 a22 · · · ann .3. det(Qij A) = − det A. determinanta mijenja predznak.

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

B ∈ Mn vrijedi det(AB) = det A · det B. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . ♣ Iz Teorema 3. Dakle oˇito je det A = 0. Teorem 3.i+1 (naravno.i+1 = 0). LINEARNI SUSTAVI 113 ispod njega. Radimo sve analogno sve do zadnjeg elementa na dijagonali. itd. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. Dokaz: Iz Teorema 3. ♣ U Teoremu 3. Teorem 3.3.♣ Teorem 3. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.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 . z Teorem 3.26 Ako je A ∈ Mn regularna. ♣ Napomena 3. 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. Teorem 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. tj. Ako to nije mogu´e. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.2.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.12 Za proizvoljne matrice A. ♣ . onda je det A = 0.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik . ai+1.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.

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

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 . Ako je m = 1. xn = .♣ a 3.. Rm = R.. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. D x2 = D2 Dn . µ ∈ R i sve − . onda je rjeˇenje z s tog sustava dano s x1 = D1 . a Dk . → ∈ Rn . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . . .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. µ ∈ R i sve − . → x Teorem 3. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . k = 1. − → → Iz Teorema 3.3 3. . → ∈ Rn . Stoviˇe. Rjeˇenje je dano s − = A−1 b . A je regularna ako i samo ako je det A = 0. za sve λ. onda takav linearni x y operator zovemo linearnim funkcionalom.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. Takvu x x funkciju zovemo linearni operator.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. Ako je matrica A regularna.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.26 i Napomene 3.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn .. Definicija 3. n. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. .3.3. D D pri ˇemu je D = det A.

29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. − ∈ Rn . da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . − ∈ Rn . Dokaˇimo da je i F + G linearni z operator. dakle zadovoljavaju tre´e svojstvo Definic cije 1. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.1 i Teorema 1. Iz Definicije 3.2. Dokaˇimo da vrijede i prva dva. tj. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. x x Napomena 3. MATRICE I LINEARNI SUSTAVI Napomena 3. µ ∈ R i sve →. µ ∈ R i sve →. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni.♣ . tvrdnja slijedi.5.5. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).116 POGLAVLJE 3. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ). Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.

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

118 POGLAVLJE 3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x.2. y. tj. Kako su F i F ustvari isti linearni oper− → − → atori.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj.32 i Teorema 3.3. z) = x. vrijedi dimN (F ) + dimR(F ) = n. c H =GF . Neka je F : Rn −→ Rm proizvoljan linearni operator. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F .31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F .♠ c 3. Oˇito je rang od p1 jednak jedan (jer je slika x-os). c 2. tj. Njegova je matrica dana s 1 0 0 . Tada je po Teoremu 3. iz toˇke 3. Njegova je matrica dana s 1 0 0 0 1 0 . Primjer 3. − → → → Nadalje. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . odnosno dimN (F ) = dimN (F ). Napomena 3. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Dakle dimenziju slike linearnog s operatora takoder zovemo rang.10 izravno slijedi teorem o rangu i defektu za linearni operator. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Iz Napomene 3. Sada nas zanima kada su ti vektori kolinearni. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . a defekt jedan. y.10 Pogledajmo sljede´e primjere: c 1. z . F ∈ Mn ).32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. z) = (x. a defekt dva. y). Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). MATRICE I LINEARNI SUSTAVI Napomena 3.

Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). x x → → Vektor − 0 ∈ Rn . Nadalje neka su − . tj. → → 2. µ = 0. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . da c z s zadovoljava uvjete Definicije 1. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . Dokaz: Oˇito je S(λ0 ) podskup od Rn . Nadalje. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Napomena 3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Izravno iz Definicije 3. 2. x x x x → Dakle za svaki µ ∈ R. − ∈ S(λ0 ). → → Svojstva iz Teorema 1. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora.5. A− 0 = x x − 0 . y y → → Dokaˇimo da je − + − ∈ S(λ0 ).17.3. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. 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 .1 i Teorema 1. x y x y x y . ♣ Napomena 3.2 oˇito zadovoljava. c x y tj.17 Neka je A ∈ Mn . Dokaz: 1. neka je µ ∈ R µ = 0 proizvoljan.3.33 Primijetimo: → 1.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . tj.

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

+ (−1)n−1 ann . Ako stavimo λ = 0 dobijemo KA (0) = an = det A.3. Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + . tj. Primjer 3. gdje su bij = aij za i = j i bij = aij − λ za i = j. funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ. a1 = (−1)n−1 trA. tj. + an . Nadalje. Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1.3.. . Odatle je a1 = (−1)n−1 a11 + . λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A.. Dakle. Dakle. u oznaci KA (λ). PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ].. zovemo svojstveni ili karakteristiˇni polinom c matrice A.. ϕ = kπ k ∈ Z. s Izraˇunajmo svojstvene vrijednosti od A. Taj polinom. Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta. ako i samo ako je KA (λ0 ) = 0. Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A. koeficijent a1 iz KA (λ) je oˇito koeficijent uz λn−1 u sumandu oblika c (a11 − λ) · · · (ann − λ) kojeg dobijemo u razvoju determinante.11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R.

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

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

Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .♣ c . ona se u nizu c nultoˇaka λ1 ..24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. λn . ♣ Teorem 3.21 Neka je A ∈ Mn simetriˇna. Ipak. . c c Teorem 3. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. s Teorem 3.34 znamo da je skup S(λ0 ) potprostor od Rn . tj... λn od KA (λ) zovemo algebarska kratnost od λ0 . λ−1 .. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.. a odgovaraju´i se svojstveni vektori podudaraju.5) znamo da z z KA (λ) ima n nultoˇaka λ1 . Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 ..21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi.. iz osnovnog teorema algebre (Teorem 5..12 vidimo da ne moˇemo svaku matricu dijagonalizirati.. Dakle 0 nije svojstvena vrijednost. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 .. dijagonalna.♣ Napomena 3.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . . .. Tada iz Napomene 3. . c Napomena 3.124 POGLAVLJE 3.. c Kako je KA (λ) polinom n-tog stupnja. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). Sada. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A.. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.. nultoˇka od KA (λ).36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. λn od KA (λ) pojavljuje barem jednom. A je regularna..23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . Obratno. . λn . 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. tj. Ako je A joˇ simetriˇna onda iz Teorema 3. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. c Teorem 3. ako je λ0 svojstvena vrijednost od A ∈ Mn .

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

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

4.2 niz (an ) ima barem jedno c gomiliˇte. Dakle imamo samo c c s z s jedno gomiliˇte. q. n−→∞ Dokaz: Iz toˇke 4. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. Za |q| < 1 je lim an = 0. Tada je n 1 |q| < 1. q 3 . c c c Prema Teoremu 4. on moˇe imati najviˇe jedno gomiliˇte.4. ˇto ne moˇe biti jer je G gomiliˇte. niz 1. pa prema prethodnom niz n n −→ 0.♣ c z s Napomena 4. i ako npr. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . niz (an ) s konvergentan. (an ) raste. Sada.3 imamo |q | −→ ∞. c c . tj. no ne c s znamo koliko je i kako to na´i. Imamo log ε n> . Teorem 4. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. ograniˇen niz je konvergentan. dakle divergentan.4 dovoljno je promatrati niz s a1 = 1.6 je tipiˇni teorem egzistencije. q. Tada po Teoremu 4.. c Dokaz: Neka je (an ) monoton i ograniˇen.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .. ako s z s s (an ) ima barem dva gomiliˇta G i G . Logaritmiranjem se dobije n log |q| < log ε. vrijedi lim inf an = lim sup an ∈ R. ε). q 2 . tj. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. . To je ekvivalentno s |q| < ε.1. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. dakle divergira ili u uˇem.♣ Teorem 4.1. q 3 . jer je log |q| < 0. Onda je po Napomeni 4. dakle ili q −→ ∞. za svaki n ∈ N. log |q| Dakle svi ˇlanovi niza 1.6 Monoton. . q 2 .. ili u ˇirem smislu. tj. U suprotnom. Pogledajmo prvo sluˇaj |q| < 1. po Teoremu 4. 1 |q n | Neka je sada |q| > 1. Kako je (an ) monoton. izraˇunati. odrediti..1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . znamo da neˇto postoji.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. pa je lim an = 0.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. NIZOVI REALNIH BROJEVA 133 Teorem 4.. G > G . c Napomena 4. Tj.

ako je 0 < λ < 1. Neka je niz (an ) dan formulom an = n λ. gdje je λ > 0 proizvoljan. gdje je λ > 0.1. Neka je niz (an ) dan formulom an = λn . ako je λ < 0 √ 5. gdje je λ ∈ R proizvoljan.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. teˇe k nuli. n 6.7 je najop´enitiji. ako je λ = 0. 2. ∀r ∈ N). n−→∞ n−→∞ n 4.134 POGLAVLJE 4. Tada vrijedi lim an = 1. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. Tada vrijedi n−→∞ lim an = 1. Tada vrijedi ∞.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. Tada n! vrijedi lim an = 0. . n−→∞   0. λ = 1. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. Neka je niz (an ) dan formulom an = |λ| . c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. ako je λ > 0  lim an = 1. √ 3. NIZOVI I REDOVI Teorem 4. Neka je niz (an ) dan formulom an = n n. Neka je niz (an ) dan formulom an = nλ . c z 4. gdje je λ ∈ R proizvoljan. Tada vrijedi   ∞.♣ Teorem 4. proizvoljan. 1 n . tj. ako je λ > 1 lim an = n−→∞ 0.

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

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

♣ c Uoˇimo da iz Primjera 4. Primjer 4. kaˇemo da red z an konvergira uvjetno. tj.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. n−→∞ odnosno n−→∞ lim an+1 = 0. REDOVI REALNIH BROJEVA za svaki n ∈ N.9 ne slijedi obrat Teorema 4.10 Red an apsolutno konvergira ako konvergira red |an |. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.8. S = lim Sn = n−→∞ n=1 an .4. Dakle je red Teorem 4.2. onda on konvergira i obiˇno. tj. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . a red |an | ne konvergira.8).♣ 1 1 Napomena 4.9 op´enito ne vrijedi. an . n 1 (−1)n−1 n uvjetno konvergentan.10 Iz Primjera 4. Nadalje. onda op´enito red c c c an ne mora konvergirati. Definicija 4. oˇito vrijedi c Sn+1 = Sn + an+1 .♠ 2n n−→∞ ∞ Napomena 4.8 Ako red apsolutno konvergira.♠ dok red 1 n divergira (Primjer 4. c .8 znamo da red = divergira i da je lim n n−→∞ n 0. Ako red an konvergira. c c ako op´i ˇlan niza (an ) konvergira u nulu.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.

1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. + a1 q n−1 . zovemo geometrijski red s kvocijentom q. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . onda je oˇito an = a1 . Teorem 4. Nadalje.2. tj. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. tj. Iz Teorema 4. a to divergira za svaki a1 = 0.. = a1 q n−1 . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . onda je oˇito an = a1 (−1)n−1 . Pretpostavimo suprotno. vrijedi Sn = a1 za svaki n ∈ N. c Ako je q = −1. Pogledajmo n-tu parcijalnu sumu... q ∈ R proizvoljni. imamo Sn − qSn = a1 (1 − q n ). pa je Sn = na1 . NIZOVI I REDOVI 4. n−→∞ 1 − q 1−q 1 − qn . a1 q n−1 = 1−q n=1 Obrnuto. tj. Sn = a1 + a1 q + a1 q 2 + . Ako je q = 1. da geometrijski red a1 q konvergira i da je |q| ≥ 1.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1... 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula.138 POGLAVLJE 4. Nadalje kako je c n−→∞ lim an = 0 ..2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . gdje su a1 . + a1 q n . c Pretpostavimo da je a1 = 0 i |q| < 1.5 imamo da je lim Sn = a1 lim a1 1 − qn = .

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.♣

i suma mu je 1−x .13 1. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . Tada iz Teorema 4.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima.18 Neka je 0 < λ < 1. Dakle. za svaki n ∈ N. . za svaki n ∈ N. . red an0 + an0 +1 + . an0 +m ≤ λm an0 . an za svaki n ≥ n0 . divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. onda konTeorem 4.. 0 < λ < 1. onda red an konvergira. Neka je an = 1. Dakle imamo an0 +1 ≤ λan0 . an0 +2 ≤ λan0 +1 ≤ λ2 an0 . Red oblika an xn . gdje je x ∈ R proizvoljan.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. Ako red n an x0 divergira.3.146 POGLAVLJE 4. an za svaki n ≥ n0 . Dokaz: Neka su λ ∈ R.♣ Primjer 4. zovemo red potencija.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1.♠ 1 xn−1 (n−1)! 4. . .. 1 2. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. Ako postoji λ ∈ R. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. . an0 +3 ≤ λan0 +2 ≤ λ3 an0 . Oˇito je za x = 0 svaki red potencija konvergentan. c Teorem 4. Neka je an = n! . za svaki m ∈ N. i n0 ∈ N takav da je an+1 ≤ λ.

18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. Ako postoji limes c an+1 = l.3. n−→∞ an lim onda red an konvergira za l < 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. 4.♣ Napomena 4.16 imamo da i red an0 + an0 +1 + .8 znamo da on konvergira. a ne moˇemo niˇta z s zakljuˇiti za l = 1. c 0 < λ < 1. 1 n+1 lim n−→∞ 1 n 2. Neka je dan red divergira.3.14 1. ali vrijedi 1 . imamo da red c an konvergira.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. Sada iz Napomene 4. divergira za l > 1. c Primjer 4. n Tada iz Primjera 4.♣ . konvergira. Ako postoji λ ∈ R.9 konvergira.4.3 Cauchyev kriterij Teorem 4...17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1.8 znamo da on = 1. an konvergira. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . n2 Tada iz Primjera 4.19 Neka je an red s pozitivnim ˇlanovima. onda red an ≤ λ. Neka je dan red vrijedi 1 .

tj.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. a divergira za sve x ∈ R za koje je |x| > ρ.148 POGLAVLJE 4. c Teorem 4. a iz toˇke 4. .1.20 zovemo radijus konvergencije reda potencija a n xn . (an ) niz u R i x ∈ R prozvoljan. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).15 Analogno kao i u Primjeru 4.♠ c s Cauchyev kriterij je jaˇi.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. onda red an konvergira za l < 1.20 Neka je an xn red potencija. Ako postoji limes c n−→∞ lim √ n an = l. c 1 Primjer 4. Ako postoji lim sup n |an | i lim sup n |an | = 0. NIZOVI I REDOVI Napomena 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1. divergira za l > 1.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.14 za red odnosno red n znamo da divergira odnosno konvergira.

dakle i apsolutno konvergira red (−1)n . Iz n2 n2 1 Teorema 4.8 znamo 1 1 da red konvergira.4.16 1. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. a divergira za |x| > ρ (ako lim sup n |an | postoji).20 red potencija |x| < 1. dok za x = 1 red n 1 divergira. Ako je x = −1.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. a divergira za |x| > 1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. n Tada je 1 = lim n−→∞ n n 1 = 1. c sin n.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. Neka je dan red potencija lim sup n 1 n x . 4. n2 1 n x n2 dakle je ρ = 1. ali smo u Primjeru 4.3.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. Teorem 4. a divergira za |x| > 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. Tada imamo sljede´i kriterij (Leibnic c zov): . Po Teoremu 4. (−1)n . iz Primjera 4.♠ n2 Teoremu 4. konvergira za Pogledajmo sada ako je |x| = 1. konvergira za Pogledajmo sada ako je |x| = 1.8 imamo da konvergira i red (−1)n . onda iz Primjera 4. KRITERIJI KONVERGENCIJE Primjer 4. Ako je x = 1 onda.20 red potencija |x| < 1.3. itd. n 2. tg n. n 1 n x n dakle je ρ = 1.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Po Teoremu 4.). Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. Neka je dan red potencija lim sup n 149 1 n x . to nije problem c c (jer konvergencija reda ovisi o ostatku reda).

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

3. KRITERIJI KONVERGENCIJE Primjer 4.17 Iz Teorema 4.4.♠ s .21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.

.

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

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

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

prikaˇemo u koordinatnom sustavu. graf funkcije f dobijemo z c c kad sve parove oblika (x. . x ∈ D(f )} ⊂ R2 . tj. y) za koje je y = c z c f (x).156 POGLAVLJE 5.1.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. projekcija grafa na y-os je slika od f ). graf funkcije f sadrˇi sve toˇke ravnine (x. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . x ∈ D(f ). c Napomena 5. FUNKCIJE . f (x)). Drugim rijeˇima. z Definicija 5.Na kraju. f (x)).2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. 5.3 Graf funkcije Funkcije se zorno prikazuju grafovima. U nastavku ´emo se baviti ovim problec mom. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak.1: Koordinate toˇaka na grafu funkcije. no izvediv. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f .

2: Graf funkcije f i njegove projekcije na koordinatne osi. Napomena 5. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. c kruˇnica u ravnini nije graf niti jedne 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.3: Primjer krivulje koja nije graf funkcije. .1. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. c y x0 0 x Slika 5. Npr.5.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. z s Iz Napomene 5. ˇto je suprotno s definicijom funkcije. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.

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

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

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

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

tj. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku.5 -10 Slika 5. 1] −→ R dana formulom f (x) = 1 − x2 .5 5 2.5 -1 -3 -2-2.5: Primjer parne (lijevo) i neparne (desno) funkcije. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). f (x) = 0 za svaki x ∈ R. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c .4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna.5 1 2 3 -5 -7. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. tj. jedan rub je konaˇan a drugi beskonaˇan). Takav je rub c c regularna toˇka. Npr. +∞ . c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. postoji i konaˇan je broj f (−1). Primjer 5. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. neka c √ je funkcija f : [−1.162 POGLAVLJE 5. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. tj.

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

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

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

za svaki x ∈ I. Ako je x0 > 0. M ∈ R c takvi da je m ≤ f (x) ≤ M.8: Funkcija sign(x). funkcija je neprekidna u x0 . je ograniˇena na I ako postoji realan broj M ∈ R. tj. Napomena 5.4. c .4 Realna funkcija realne varijable f : I = a. onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.10 Ako je funkcija f : I = a. za svaki x ∈ I. b −→ R. Napomena 5.8 Ako u Definiciji 5. FUNKCIJE y 1 0 x −1 Slika 5. je ograniˇena ili omedena na I ako postoje realni brojevi m. Napomena 5. za svaki x ∈ I. b −→ R neprekidna u toˇki c x0 ∈ I.4 stavimo M = max{|m|. onda je funkcija f ograniˇena na nekoj okolini oko x0 . b −→ R.9 Iz Definicije 5.♠ z Definicija 5. iz uvjeta m ≤ f (x) ≤ M. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.166 POGLAVLJE 5. gdje je I ⊆ D(f ). takav da je c |f (x)| ≤ M . M > 0. gdje je I ⊆ D(f ). Analogo se dokaˇe za x0 < 0. tj.

c Za zadane dvije funkcije f.5. c c S druge strane.1. x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. tj.11 Ako funkcija ima prekid u toˇki.kvocijent s f g (x) = f (x) . g(x) . c D(f g) = D(f ) ∩ D(g). tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali). tj.5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. realnim brojevima. c D(f ± g) = D(f ) ∩ D(g). dok je sama vrijednost funkcije f (0) = 0). Npr. OSNOVNI POJMOVI 167 Napomena 5. tj. vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima. c c 5. onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. funkcija f : R −→ R dana c c formulom 1 . x=0 x f (x) = 0. funkcija sign : R −→ R iz Primjera 5.1. pri ˇemu je x ∈ D(f ) ∩ D(g). pri ˇemu je x ∈ D(f ) ∩ D(g). definiramo njihov . g : R −→ R.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. .produkt s (f g)(x) = f (x)g(x). i z kako. .zbroj ili razliku s (f ± g)(x) = f (x) ± g(x).

Pogledajmo funkciju f + g u ovisnosti o c ∈ R. . Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. c c ∈ R. pa je D(f ± g) = D(f ). a g dana formulom g(x) = c. . D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ).. b) Ako je c > 0. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. x . c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. a) Ako je c = 0. .} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. skup funkcija {1. n = 0. Napomena 5. Tj. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). g : R −→ R. dakle beskonaˇni skup {xn . 1... pri ˇemu je f proizvoljna.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. Npr.3).12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1.. Uoˇimo da je D(g) = R.168 POGLAVLJE 5. c Preciznije. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. c) Ako je c < 0.5). 1.. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor.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. tj. z c z Napomena 5. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. Dakle imamo definirano c c mnoˇenje funkcije skalarom. graf funkcije f + g je isti kao i graf funkcije f . c c Neka su f. x. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.

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

onda je (f g)(x) = cf (x) za svaki x ∈ D(f ).170 POGLAVLJE 5. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). FUNKCIJE c) Ako je c > 1. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. ali su suprotnog c . vrijedi |(f g)(x)| ≤ |f (x)|. vrijedi |(f g)(x)| ≥ |f (x)|. funkcija f g ima iste nultoˇke kao i funkcija f . onda je (f g)(x) = −f (x) za svaki x ∈ D(f ). dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. tj. Dakle. g) Ako je c < −1. ali su suprotnog predznaka. y 0 f(x) x −f(x) Slika 5. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . funkcija f g ima iste nultoˇke kao i funkcija f . pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . f) Ako je −1 < c < 0. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Dakle. tj. vrijedi |(f g)(x)| ≥ |f (x)|. c d) Ako je c = 1.11: Graf funkcije −f (x). Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . Dakle. funkcija f g ima iste nultoˇke kao i funkcija c c f . onda je (f g)(x) = f (x) za svaki x ∈ D(f ). dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . Graf funkcije f g je isti kao i graf funkcije f . tj. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). e) Ako je c = −1.

c c c Za ostale operacije ova tvrdnja ne vrijedi.1. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. Dakle. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. c . g g 1 b) Ako je c = 1. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. 3.4). gdje funkcija f raste. npr. funkcija f u njima ima c c vertikalne asimptote. tamo funkcija f pada. c c c Napomena 5. onda oˇito g funkcija f u njima nije definirana. .1.5. tj. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. onda je f (x) = f (x) za svaki x ∈ D f . 0 . f). OSNOVNI POJMOVI 171 predznaka. Ako funkcija f ima nultoˇke. g f g a) Ako je c = 0. funkcija g f je jednaka pravcu y = 0 na skupu D g f . g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. za f. c g) i 3 b).14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). onda je f (x) = 0 za svaki x ∈ D . Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. tj. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. c). Pogledajmo funkciju g f u ovisnosti o c ∈ R.

Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}.172 POGLAVLJE 5. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Primjer 5. Ako je jedna funkcija. 3. g : R −→ R funkcije. Definicija 5. te funkcije f g i obje parne. Tim se postupkom mogu stvarati nove z funkcije. f g i f g f g sve parne. Ako su obje parne.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. Matematiˇki se to formalizira pojmom kompozicija funkcija.4). onda su funkcije f ± g. c h f A B g C Slika 5. Neka su f. neparna a f parna. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. Ako su obje neparne.1. . onda je funkcija f ± g neparna. recimo g.12: Kompozicija funkcija. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. dok su funkcije f g i f obje neparne.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)). g 5. 2. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). Tada izravno iz definicije parnosti sc i neparnosti imamo: 1.

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

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

c) Ako je funkcija f parna a g neparna. Toˇnije.13: Kompozicija funkcija. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. a funkcija g definirana c i neprekidna u f (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). g f N N P P P P g f N P Slika 5. OSNOVNI POJMOVI 2. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). b) Ako su funkcije f i g neparne.5.1. ali to ´emo detaljnije razraditi kasnije. z 3. 175 a) Ako su funkcije f i g parne. ako je funkcija f neprekidna u x0 . d) Ako je funkcija f neparna a g parna. c . Parnost kompozicije u ovisnosti o parnosti komponenata.

Kaˇe se i da z c z f ne lijepi argumente. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. Uspjeli smo rijeˇiti problem. 12}. To je za neke funkcije mogu´e. tj. Ne c c moˇemo rijeˇiti problem. b : studenti −→ {0.♠ Primjer 5. Dakle. i joˇ 500 kn za dovoz i odvoz.♠ z s Definicija 5. a za z c neke nije. 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.8 Troˇkovi rada stroja su 200 kn/h.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. . moˇe biti viˇe studenata koji su imali nula bodova. tj.1. Drugim rijeˇima. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). 200x + 500 = 1300.. 10 sati rada stroja koˇtati 2500 kn. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. 2. c s Pogledajmo sada obratni problem. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500.. s s Jasno je da ´e nas npr.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . Nas zanima x(y). Primjer 5. . 1. i obrnuto.176 POGLAVLJE 5.. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. Dakle imamo. FUNKCIJE 5.

x2 ∈ D(f ). je injekcija za neparan n. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.10 Funkcija f (x) = xn . s c Primjer 5. Napomena 5. f : D(f ) → R(f ) je uvijek surjekcija. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . n ∈ N.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.1.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.♠ Primjer 5. tj.8 izraˇunali smo da je x(1300) = 4.6 c ekvivalentan sljede´em: za x1 .8 Funkcija f je bijekcija ako je i injekcija i surjekcija.5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. a injektivnost njegovu jedinstvenost. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. c c Definicija 5. Napomena 5.11 U Primjeru 5. 1). jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. za bilo koji c ∈ R. Injektivnost. Definicija 5. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. .17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. 1) i (1. ali ne i za paran n.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).

♠ 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. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c). c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x. 200 POGLAVLJE 5. x(c) = c − 500 . 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5.15: Graf funkcije i njoj inverzne funkcije. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id. 200 (200x − 500) + 500 = x.178 dobivamo formulu za x u terminima c. dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c. Dakle. Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x).

Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.1. f | −∞.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. +∞ −→ −∞. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. g2 (x) = x. i √ g2 : [0. a strogo c c padaju´e funkcije strogo padaju´a.+∞ su bijekcije s inverzima g1 : [0. +∞ −→ [0. g1 (x) = − x. To je oˇito inverzna funkcija od f . onda je ona oˇito i bijekcija na svoju sliku. 0] i [0. No f ◦ g = id. c Primijetimo da ako f nije strogo monotona nego samo monotona. no njezine restrikcije na −∞. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). jer je c f ◦ g = g ◦ f = id. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Dakle.♣ z c . Primjer 5. OSNOVNI POJMOVI 179 Napomena 5.♠ Napomena 5. Tada iz Napomene 5. +∞ . kad govorimo o inverzima funkcija f : R −→ R. Dakle vrijedi f ◦ g = g ◦ f = id. 0]. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija.5. a ona c c je strogo rastu´a funkcija. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. +∞ jesu.0] √ i f |[0.20 znamo da f c ima inverznu funkciju g. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. Dakle. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. pa ima i inverznu funkciju.20 Ako je funkcija f : R −→ R strogo monotona. Teorem 5.10).

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.12 slijedi da tvrdnju Teorema 5. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. praktiˇno izraˇunati. ali nije bijekcija. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). +∞ −→ −∞.2 Inverzna funkcija neparne funkcije je neparna. 0] odnosno .2 ne moˇemo izre´i za parne funkcije.♠ c Analogno kao u Primjeru 5. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. 0] ili [0. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.180 POGLAVLJE 5. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. FUNKCIJE Teorem 5. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).♣ Iz Primjera 5. Dakle. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. z c Napomena 5. +∞ .13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. Tada je njena inverzna funkcija g : [0. jer je f (x) c rastu´a. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Primjer 5. Pokuˇajmo sada. +∞ gdje je bijekcija. f −1 je neparna.

c . Restrikcija te funkcije na interval [−1. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.8 0. ˇ Cak i za funkcije koje imaju inverze.2.4 0. 5. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. specijalne funkcije kojima se ovdje ne´emo c baviti.2 -3 -2 -1 -0. +∞ dana formulom − n x odnosno n x. +∞ −→ [0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.4 1 2 Slika 5. tj. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva. +∞ je bijekcija. c Osim elementarnih postoje i tzv.2 -0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.5. 0.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku.6 0. Ako je n neparan. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. ima inverznu funkciju.16: Graf funkcije f (x) = xex . Primjer takve funkcije je c x f (x) = xe .

Elementarne a) Algebarske .Hiperboliˇke c .2. FUNKCIJE 5. mnoˇenih nekim koeficijentima.Ostale algebarske funkcije b) Transcendentne .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Polinomi . za svaki x ∈ R.Area 2. dolazimo do pojma z .Ciklometrijske . xk = x · x · · · x .Trigonometrijske .182 POGLAVLJE 5.Logaritamske .Racionalne funkcije . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.1 Klasifikacija i podjela realnih funkcija 1.2.Eksponencijalne . k Po definiciji stavljamo x0 = 1.

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

01 1..184 POGLAVLJE 5.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. a ordinata je.5 3 Slika 5.01 -0. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda. c c .02 4 0. FUNKCIJE n Teorem 5. tj.02 3 2 0. 1.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. 0. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. c Primjer 5...5 2 2.: n m Teorem 5. c c c s naravno.. Apscisa nultoˇke je nuliˇte.. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x). a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.11. Broj c k zove se red ili kratnost nultoˇke x0 .♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . = an = 0. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. za sve i = 0. n.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi .♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.14. .

Tjeme . c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . onda iz Teorema 6.2.8). raste na cijelom R. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). Otvor joj je okrenut prema gore ako je a > 0. odnosno strogo padaju´a. a prema dolje ako je a < 0. a = 0. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. za x ≥ 0. dok c u nultoˇkama parnog reda nema promjene predznaka. kaˇemo da je linearna funkcija strogo rastu´a. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda.19: Graf linearne funkcije f (x) = x + 75.ako raste u s c nekoj toˇki. Ako je k paran. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. Ako je k neparan. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. Ako su ove nejednakosti c c stroge.5.3 Qn−k (x) = 0 na nekoj oklini oko x0 . onda iz Teorema 6. po Teoremu c 6. a padaju´a ako je a ≤ 0. Za a = 0 imamo konstantnu funkciju p(x) = b. tj. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. je polinom drugog stupnja ili kvadratna funkcija. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. dok za x > x0 vrijedi (x − x0 )k > 0. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5.22 U nultoˇkama neparnog reda polinom mijenja predznak. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0.

Nultoˇke kvadratne funkcije dane su formulom c x1. Zbog neprekidnosti c polinoma na R (Teorem 6. −D/4a). Teorem 5. tj. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. FUNKCIJE 1 2 Slika 5.♣ c c .5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. npr.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.2 = √ −b± D . dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. parabole ima koordinate (−b/2a. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). inaˇe velike pozitivne).8) graf polinoma mora negdje sje´i x os. c Napomena 5. 2a i realne su ako je D ≥ 0.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. inaˇe velike negativne vrijednosti). Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka.♣ c Iz Teorema 5.

n − 1. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. i = 1. c neparna je i ima nultoˇku u (0.. onda je P1 (x) = x linearna funkcija. c 2. tj. strogo raste na [0. Strogo pada na −∞. iz Primjera 5.2. kao funkcija an xn . tj. onda je oˇito funkcija Pn (x) = xn neparna. Nadalje. Primjer 5. Ako je n neparan broj. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. 0). onda je oˇito funkcija Pn (x) = xn parna. P1 (x) strogo raste na R. tj. . Ako je n = 1. dakle je bijekcija i ima nultoˇku u (0. +∞ .5. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. Oˇito je D(P1 ) = R(P1 ) = R.. c vrijedi D(Pn ) = R.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke.16 Pogledajmo funkciju (polinom) Pn (x) = xn . pravac y = x.♠ c . graf c joj je zrcalno simetriˇan s obzirom na y os. Pn (x) strogo raste na R. 3. Ako je n paran broj. +∞ i ima nultoˇku u (0.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. 0). dakle nije injekcija.♠ Dakle.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. 0]. R(Pn ) = [0. dakle je bijekcija. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. 1.. 0). tj.

ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). ali c z kvocijent dvaju polinoma op´enito nije polinom. z Definicija 5. problem poniˇtavanja je vrlo kompliciran. . n. .. Napomena 5. dijeljenjem polinoma c izlazimo iz te klase funkcija... umnoˇak i kompozicija polinoma ponovo polinom. Realne konstante aij .188 POGLAVLJE 5. problem s asimptotike je sloˇeniji. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija..3 Racionalne funkcije Oˇito je zbroj.. razlika.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. tj. itd. 5. j = 1.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. u tom sluˇaju se situacija komplicira. z n Nadalje. Npr. Naravno. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6.2. Po analogiji s racionalnim c brojevima. kvocijente dvaju polinoma nazivamo racionalnim funkcijama.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. m. n > 1. i = 1.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x.. kako se polinom Pn (x) = i=0 ai xi . sam sebi je asimptota. y) = i=0 j=0 aij xi y j . FUNKCIJE Napomena 5. Za . Dakle. 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. su koeficijenti polinoma Pnm (x).

Definicija 5.5. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. c Primjer 5. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Naravno. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1.) Dakle. U polu racionalna funkcija c nije definirana. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. 5. Dakle. nije racionalna funkcija. Red pola je red odgovaraju´e nultoˇke nazivnika. je racionalna funkcija. s c D(f ) = {x ∈ R. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. Dakle.2. nultoˇkama nazivnika. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. tj. Qm (x) = 0}. Funkcija f dana formulom f (x) = 2. 3.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. Funkcija hR dana formulom h(x) = 4. 6. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. c c . Funkcija j dana formulom j(x) = x−13 je polinom. tj. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija.17 Pogledajmo sljede´e primjere: c 1.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. takve su definirane na cijelom R. (Smatramo da je racionalna funkcija ve´ skra´ena. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1.

vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. kad c argument ide u +∞ i −∞. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). Sada tvrdnja izravno slijedi iz Napomene c 5. kao i u toˇkama u c kojima se nazivnik poniˇtava. (lijevo) i pola Napomena 5.5 -25 -50 -75 -100 0.26 Ako je pol parnog reda. i to na vanjskim rubovima prirodnog podruˇja definicije. 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 1 80 60 40 20 -1 -0. FUNKCIJE 100 75 50 25 -1 -0. z c Dokaz: Red pola je red nultoˇke nazivnika. 2. tj.5 0.190 POGLAVLJE 5.26). imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. Dakle. Osim vertikalnih.graf racionalne funkcije moˇe imati asimptote: z 1. dok za polove neparnog z c reda.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).22. bi x i=0 i−m bi x i=0 i xm .♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika.5 1 x 1 Slika 5. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma .

i=0 . Dakle. onda je n − m > 1. bm dok prvi pribrojnik. Preciznije. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. b) Ako je n = m. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x.2. se pribliˇava broju z bi x i−m am . 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 . c xm ai xi−m i=0 m tj. Racionalna funkcija ima horizontalnu c asimptotu y = 0. an c) Ako je n > m + 1. tj. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. bn . onda je n − m = 1. 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 . gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. xm . onda racionalna funkcija ima horizontalnu asimptotu y = c. bm x an a) Ako je n < m. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. tj. racionalna funkcija nema ni horizontalne ni kose asimptote. d) Ako je n = m + 1.5. izraz bm xn−m raste ili an pada brˇe od pravca bm x.

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

c Neka je sada f (x) = funkcija i algebarska. Definirajmo polinom u dvije varijable s P (x.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. Napomena 5.18.5.29 Svaki polinom i racionalna funkcija su algebarske funkcije.19 1. Tada je oˇito P (x.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Dokaz: Neka je dan proizvoljni polinom Pn (x). Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. f (x)) = 0.2. c . y) takav da vrijedi P (x. y) = x − y n oˇito je P (x. dakle je svaki polinom algebarska funkcija. 5. f (x)) = 0. jer u suprotnom ne bi bila funkcija. Tada je oˇito P (x. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. Pn (x)) = 0. y) = Qm (x)y −Pn (x). f (x)) = 0.2.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. √ x2 + 1 i njenih asimptota z Napomena 5. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. dakle je svaka racionalna c √ Primjer 5.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. y) = Pn (x) − y. Definirajmo polinom u dvije varijable s P (x. Definicija 5.

Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5.4).1. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. pravac y = 0 je horizontalna asimptota funkcije f . Dakle. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0.13). 0 je regularna toˇka (toˇka 5.194 POGLAVLJE 5. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije.20 1.13). FUNKCIJE 1 2. f strogo raste na R i neomedena je. f (x)) = 0. je D(f ) = R(f ) = R (Primjer 5.13). Dakle. Neka je dana algebarska funkcija f formulom f (x) = x. Funkcija f je inverzna funkcija funkcije g(x) = x3 . y) = xy n − 1 oˇito je P (x. +∞ . Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . dakle nema niti vertikalnu niti horizontalnu asimptotu.1. u 1 (toˇka 5. je D(f ) = R(f ) = [0. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. z tj.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5.13). dakle nema vertikalnu asimptotu. dok kosu asimptotu ne moˇe imati zbog Napomene 5. +∞ i R(f ) = 0. Dakle. koja je bijekcija sa R na R. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Kada se argument sve viˇe pribliˇava c s z broju 1. c c √ Nadalje. Neka je dana algebarska funkcija f formulom f (x) = 3 x. ima vertikalnu asimptotu x = 1. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. c c tj. tj. Nadalje. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. c 1 3. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . z √ 2. +∞ (Primjer 5. je D(f ) = 1. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. +∞ . √ Primjer 5. Nadalje.28. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. z 1 4. tj.4).

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).

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

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

Analogno se sinus i kosinus s proˇire s [0. 2π]. Dakle za t ∈ [ 3π . π]. 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. 0] odnosno na [−2π. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). z c z π Jasno je da za t ∈ [0. π ] na [− π . Ako je t ∈ [ 2 . Kaˇemo da su sin c z i cos periodiˇke funkcije. tj. Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu. FUNKCIJE sin x 0 cos x x 1 Slika 5. 2π]. yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . onda vrijedi xt = x2π−t i yt = −y2π−t . situacija se poˇinje ponavljati. na kutove iz [0. Naravno. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . ako je t ∈ [π. Dakle vrijedi c sin(t + 2kπ) = sin t. Dakle za t ∈ [ π . s [0. 2 ] (tj. Nakon ˇto z s s namotamo komad duljine 2π. 2 ]. 3π ]. onda 2 t nije ˇiljast.204 1 POGLAVLJE 5.30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. z (1. 0). Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . Ako je t ∈ [ π . Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. Dakle za t ∈ [π. cos(t + 2kπ) = cos t . sada moˇemo sinus i kosinus analogno proˇirivati na R. ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . Sliˇno. 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). yt ) na kruˇnici.

temperatura kroz godinu. c 2 1. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan.5 1 0.5 -2 5 10 Slika 5. Svaki 2kπ. s 2 1 u nuli i 0 u π . U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. 1].5 -1 -1. napona. c amplitude i faze. k ∈ Z. Nadalje. Medutim. je period funkcija sin i cos.5 1 0.5 -1 -1. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. imaju amplitudu razliˇitu od 1. Nadalje. krvnoga tlaka.5 -0. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava.5 -10 -5 -0.32 Lako je vidjeti da je kosinus parna funkcija. za opis osz c cilacija. a kosinusa obrnuto. period razliˇit od 2π i ne s c c . Najmanji pozitivni period je 2π i zovemo ga temeljni period. zbog periodiˇnosti. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. Kaˇemo da im je faza nula. npr. 1]. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0.5.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. plime i oseke. itd.5 -2 5 10 -10 -5 2 1. Nadalje. To znaˇi R(sin) = R(cos) = [−1. π ]. tj. dok je sinus neparna. tj. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. π ]. −1 ≤ sin t ≤ 1. vidimo da je −1 ≤ cos t ≤ 1. za svaki t ∈ R. Dakle je z D(sin) = D(cos) = R.2. Napomena 5. tj.

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

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

restringirajmo sinus na [− π .8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. a c c s nema rjeˇenja za c ∈ [−1. 2 i kotangens na 0. Tada prema Napomeni 5. c c Dakle. Napomena 5.208 POGLAVLJE 5. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. Npr. 5. 1]. kosinus na 2 2 π π [0. ni tangens ni kotangens nisu injekcije. a kotangens strogo padaju´a na 0. na svoju sliku. njihove restrikcije Tg x = tg| − π . tangens na − 2 .π x su bijekcije s tih intervala na R.2. c dakle niti bijekcije. a isto vrijedi s / i za ostale trigonometrijske funkcije.33 . dakle nisu bijekcije.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). Dakle sinus nema inverznu funkciju. Dakle. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . π]. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1.34 Zbog periodiˇnosti. π . 2 . π x 2 2 i Ctg x = ctg| 0. π ]. π . FUNKCIJE za svaki t ∈ R \ {kπ. k ∈ Z}.

z π π Za x ∈ [−1. Nadalje. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . π].1 i Napomene 5.5 0. inverznu funkciji cos |[0. 2 2 . 1. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. rjeˇenje jednadˇbe postoji i jedinstveno je.5 1 0. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. Dakle. ]. π]. rjeˇenje jednadˇbe postoji i jedinstveno je.π strogo padaju´e.33 slijedi da je arcsin strogo rastu´a.5 1 0.π] .5 -0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . π strogo rastu´e.5 1 Slika 5. π jednadˇbe tg t = x . π ] . Kako je sin |[− π . 1] −→ [0.5 0. π ] i tg| − π . PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. 2 ] jednadˇbe sin t = s z s z x. π bijekcija.5 1 -1 -1. ]. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.5 2 1. Dakle.5 -1 -0. a arccos c strogo padaju´a na [−1. 1].5 3 2. a c 2 2 2 2 cos |[0.2. . dakle su i bijekcije. koje zovemo arkus funkcije. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1.5. 2 2 koja je inverzna funkciji sin |[− π . Iz Teorema 5. 2 2 R(arccos) = [0.π] i ctg| 0. π ] bijekcija. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.34 znamo da su funkcije sin |[− π . 1].5 -1 -0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . oˇito je c c D(arcsin) = D(arccos) = [−1.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). π π R(arcsin) = [− . 1] −→ [− . s z 2 2 s z Kako je tg| − π .

Npr. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . Dakle. π . npr. c . -4 2 1. π . pri traˇenju rjeˇenja t jednadˇbe. 2 odnosno ctg| 0.5 1 0. R(arctg) = − . π ]. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. Nadalje. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. tako da bi smo dobili arkus funkcije definirane na tim intervalima. R(arcctg) = 0. Napomena 5.5 3 2. .5 -4 -2 2 4 Slika 5. 1]. π . inverznu funkciji ctg| 0. oˇito je c c π π D(arctg) = D(arcctg) = R.210 koja je inverzna funkciji tg| − π . z s z sin x = t.π .5 1 0.1 i Napomene 5. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.5 -2 2 4 4 3.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.5 2 1. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. 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 .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 -1.5 -2 -0. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 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. Iz Teorema 5. FUNKCIJE arcctg : R −→ 0.

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

5 1 0. restringiramo na −∞.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). i R(cth) = R \ [−1. za svaki x ∈ R\{0}. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. za svaki x ∈ R. to mora i cth x . kako je |th x | < 1 . +∞ . FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. tj. zbog parnosti. z y = −1 i y = 1. imamo: . 0] ili [0. Nadalje. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. Dakle cth ima i dvije horizontalne asimptote. c osim funkcije ch. 1. 4.5 -4 -2 -0. Zbog neparnosti od th i cth je neparna. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. imamo da je |cth x | > 1 .212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5.5 -1 -1. Funkcije inverzne hiperboliˇkima zovu se area funkcije. Kako th strogo raste na R. cth strogo pada na R \ {0}. Ako ch. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. 1]. Kako je jedina nultoˇka od th toˇka 0 zakljuˇujemo da je D(cth) = R\{0} c c c i cth u 0 ima vertikalnu asimptotu. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. preciznije areakosc inus hiperboliˇki ili Arch.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. areasinus hiperboliˇki ili Arsh. ch postaje bijekcija na svoju sliku.

5 1 0. tj.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. 1]. iz Teorema 5. onda je D(Arch) = [1.5 1 1. Kako su y = −1. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. 1 .1 slijedi da Arth strogo raste.2. +∞ i R(Arch) = [0. Iz Teorema 5. 3 2 1 -1 -0.5 2 2. pravci x = −1 i x = 1. PREGLED ELEMENTARNIH FUNKCIJA 213 1. y = 1 horizontalne. c 2. +∞ .5 3 Slika 5. a x = 0 vertikalna asimptota od cth. pravci x = −1 i x = 1. Oˇito je D(Arcth) = R \ [−1. onda su rubovi −1 i 1. Oˇito je D(Arth) = −1. onda su rubovi −1 i 1. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. .5 0. vertikalne asimptote od Arth.1 zakljuˇujemo da Arch strogo raste. +∞). a pravac y = 0 horizontalna asimptota. tj. 4.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. Oˇito je D(Arsh) = R(Arsh) = R. Ako smo ch restringirali na [0. c 3.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). R(Arth) = R \ {0} i iz Teorema 5.5. R(Arth) = R i iz Teorema 5. vertikalne asimptote od Arth. Kako su y = −1 i y = 1 horizontalne asimptote od th.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno).5 2 1.5 -1 -2 -3 0.1 c slijedi da Arcth strogo pada.

.

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.05h = 0.05(m − 20) kn. m > 20.1 6.05(m − 20). 0 ≤ m ≤ 20 3.8.05(m2 − m1 ).1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.5 + 0. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.05∆m). m = 20 i m = 30.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. onda je 215 . Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. Naime. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Dakle imamo c(m) = 2.1.8 kn.1.5 + 0. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. a visina poˇtarine c u z s kunama).Poglavlje 6 Uvod u diferencijalni raˇun c 6. Graf te funkcije prikazan je na slici 6.05h (∆c = ˇ 0. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. (Masa m je izraˇena u gramima.

UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.216 ˇ POGLAVLJE 6. c c Napomena 6. S druge strane. odnosno da graf funkcije ima prekid u toj toˇki.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Definicija 6. . s s 20M ≥ (m2 − m1 )). i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.♠ c Definicija 6.7 kn.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). 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.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I.

koji c je manji od nekog fiksnog strogo pozitivnog broja.1.2 Funkcija c(m) iz Primjera 6. s c c Napomena 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. Primjer 6. ipak m(c) nije blizu m(20). ako je m > 20 i m blizu 20.1. 6. Analogno. 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 lijevo od 20 i dovoljno blizu 20. postoji δ > 0 za koji vrijedi Definicija 6.1 ima prekid u toˇki c = 20. No. S druge strane.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 Neka su funkcije f. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Tada su u toˇki x0 neprekidne i funkije: c .2 Svojstva neprekidnih funkcija Teorem 6.1.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). ali je ona c neprekidna s lijeva u toj toˇki.1. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε).1. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.2 Iz Definicije 6. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.♠ Primjer 6.2 nam daje ideju za sljede´u definiciju: c Definicija 6.ˇ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.

ali oˇito f nema nultoˇku na segmentu c c c [−1. f + g. 2. Tada je |f (xδ ) − f (c)| > f (c) = ε. tj. g : R −→ R takve da je definirano (g ◦ f )(x0 ). b takav da je f (x0 ) = 0. 1]. postoji xδ ∈ (c − δ.♣ Teorem 6. tj. Tada za svaki δ > 0. c + δ). i neka je f (a)f (b) < 0. ˇto je suprotno pretpostavci. f − g. tj. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. f .♠ . za koji je f (xδ ) ≤ 0.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. 1] −→ R. 3. i neka je f (c) > 0 (f (c) < 0).11 znamo da je funkcija f : R −→ R dana formulom 1 . 1] (jer je nema na cijelom R). onda je funkcija g ◦ f neprekidna u x0 . x = 0 svugdje neprekidna osim u nuli.2 Neka su funkcije f.♣ c Teorem 6.3 Iz Napomene 5. x=0 x f (x) = 1. tj.218 1. g ˇ POGLAVLJE 6. c c Primjer 6. c s Analogno se dokaˇe sluˇaj f (c) < 0.1] : [−1. po pretpostavci. Dakle. c + δ . c + δ) takav da je f (xδ ) ≤ 0. i funkcija g neprekidna u f (x0 ). Uzmimo ε = f (c). f · g. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).♣ z c Teorem 6.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. Ako pogledamo funkciju f restringiranu na segment [−1. f ima prekid u toˇki c. onda je oˇito f (−1)f (1) = −1 < 0. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ.♣ Teorem 6. |xδ − c| < δ. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. mora imati nultoˇku. Ako je funkcija f neprekidna u x0 . f |[−1. onda njezin graf mora negdje sjeˇi x os. 4. Tada postoji x0 ∈ a. b]. Dokaz: Pretpostavimo suprotno.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I.

Pitanje je sad. Npr. ali oˇito je neomedena.1.ˇ 6.4) Teorem 6.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. .4 Funkcije f. slika otvorenog intervala − π .6 ne vrijedi za otvorene intervale.♣ 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. 1 . c 1 x je Teorem 6.♣ Teorem 6. π funkcijom tg je R. Tvrdnja z Teorema 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. funkcija f (x) = neprekidna na 0. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .6 kaˇe da je slika segmenta neprekidnom funkcijom segment. M ∈ R takvi da je m ≤ f (x) ≤ M.♣ c Tvrdnja Teorema 6. b]. Tada je funkcija f neprekidna na intervalu I. Teorem 6.3 slijedi da je uvjet neprekidnosti iz Teorema 6. za svaki x ∈ I (Definicija 5. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. Nadalje. moˇemo li neˇto re´i o funkciji koja preslikava otvoreni interval u otvoreni z s c interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval.4 nuˇan.3 Neprekidnost elementarnih funkcija Primjer 6. Npr.5 ne vrijedi za otvorene intervale.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.1. π . onda je ta funkcija i neprekidna.

7 c i periodiˇnosti.9 Eksponencijalne. z c Uzmimo proizvoljni ε > 0..4 dokazali smo da je funkcija f (x) = x neprekidna na R. Nadalje. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. z 2. Budu´i da je f (x) − f (x0 ) = c − c = 0. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. zakljuˇujemo c da je i suma od ai xi .. Na kraju. dakle iz Teorema 6. i = 0.♣ Napomena 6.1.7 su neprekidne. Dokaz: Neprekidnost eksponencijalnih. logaritamske. na intervale − π . Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. Iz Teorema 6.4) i Teorema 6.1. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). arkus. na R su neprekidne i funkcije ai xi . Na isti naˇin se zakljuˇi da su xi .1. n. polinom Pn (x) neprekidan na R. π monotone c 2 2 bijekcije na R. 1... slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj.1 direktno imamo: n Teorem 6. takoder iz Teorema 7. i = 0. jer su njihove restrikcije npr. 1.. .7. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. jer je svaka racionalna funkcija kvocijent dvaju polinoma. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.♠ z Iz Primjera 6. hiperboliˇkih (osim kosinusa hiperbolnog). . Budu´i da je |f (x) − f (x0 )| = |x − x0 |. UVOD U DIFERENCIJALNI RACUN 1. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. trigonometrijske.. n.. c c neprekidne na R.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. π odnosno 0.. c Dokaz: U Primjeru 6. . takoder iz Teorema 6. .4 i Teorema 6. slijedi da c moˇemo uzeti δ = ε.7 imamo da su neprekidne i funkcije arctg i arcctg.. tj. n. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. z c Uzmimo proizvoljni ε > 0. i = 0. 1.1 sada slijedi da je na R neprekidna i funkcija x2 . Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. logaritamskih.220 ˇ POGLAVLJE 6. Teorem 6.

cos x i ch x redom na intervalima − π . Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. 0. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1.1. 1 . 1 . 1]. π i 0. imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε).ˇ 6. Dakle je arccos x neprekidna s lijeva u toˇki 1. 3π . Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. [−1. k ∈ Z. k ∈ Z. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. π 4 2 4 4 kada x varira po intervalu 0. te da je Arch x neprekidna s desna u 1. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε.7 imamo da su neprekidne funkcije arcsin x. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. 2 Zbog stroge monotonosti funkcija sin x. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. −1. 2 2 imamo 2x + π 2x − π cos . Isto tako 2x+π varira po intervalu π . Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. posebno je 2 2 neprekidna u 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}. π su monotone bijekcije na 2 2 −1. moˇemo dobiti i δ = 0. ♣ . 3π . Zbog neparnosti imamo da je sin x neprekidna i u − π . dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. 1 i 1. 1] i [1. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. dakle su po Teoremu 6. +∞ . arcsin x i Arch x redom neprekidne na [−1. Sada imamo da je sin x neprekidna na 0. π 2 2 i 0. x−a x+a cos . ali u Napomeni 6.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. +∞ .7 i neprekidne. c Analogno se dokazuju i druge jednostrane neprekidnosti. Znamo da za funkciju sin x i proizvoljni a ∈ R vrijedi da je sin x − sin a = 2 sin Ako sada stavimo da je a = π 2. 3π . Dokaˇimo da je arccos x neprekidna s lijeva u 1. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. Oˇito je δ > 0. tj. onda 2x−π varira po intervalu − π . π . |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). arccos x i Arch x redom na intervalima −1. Dakle su funkcije arccos x. +∞ iz Teorema 6. 3π . π . c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . ˇto je ekvivalentno s s arccos x < ε. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ).

tj. ali pozitivnu. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Ako uzmemo s c toˇku x dovoljno malu. S druge strane. za vrijednosti od x koje su malo ve´e od 1. vrijednosti c funkcije su malo ve´e od −1. Dakle. dodemo li s x dovoljno blizu c toˇki 1. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli.1. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. 6. c 3. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. funkcija nije definirana u toˇki 0. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. ali negativnu. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. tj. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. Za funkciju f : R −→ R danu formulom f (x) = arctg x . 4. Raˇunaju´i te vrijednosti. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. vidimo da su one c c c blizu vrijednosti −1. za x malo manji od 1. zakljuˇujemo. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. c c 2.222 ˇ POGLAVLJE 6.5 nije definirana u toˇki x = 1. dovoljno blizu c nule. vrijednosti funkcije c su malo manje od −1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. ako uzmemo toˇku c x dovoljno malu. tj. funkcija nije definirana u toˇki 0.4 Graniˇna vrijednost (limes) funkcije c 1. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1.

♠ Situacije iz Primjera 6. x−→c Ako limes postoji on je i jedinstven: Teorem 6.5). osim. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. a ne znamo izraˇunati ni njenu vrijednost za x = 0. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . 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). moramo se ograniˇiti samo na pozz s c itivne vrijednosti. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. ako c ˇelimo promatrati ponaˇanje oko nule. moˇda u samoj toˇki c.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. tj. Ako funkcija ima limes L u toˇki c. 6. 2 2 5. .ˇ 6.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. Dakle.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c.2. Neka je dana funkcija f : R −→ R formulom f (x) = xx .2. |f (x) − M | < ε). osim. Definicija 6. pravac y = π je horizontalna asimptota. moˇda u samoj toˇki c. onda piˇemo c s L = lim f (x).

da je M = L. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε).224 Tada je L = M . postoji δ > 0. M ) je okolina od −∞. naravno ne zaboravljamo. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. |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. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. |f (x) − M | < ε). Uzmimo sada ε = 1 |M − L|.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. ali postoji bitna razlika. Analogno. . i svaki interval oblika (−∞. Dakle je M = L.♣ s z c c Napomena 6. ˇ POGLAVLJE 6. Tada za taj ε. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. −∞ ∈ R. +∞) okolina od +∞.2) jako sliˇna definiciji neprekidnosti (Definicija 6. c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ). tj. 2 po pretpostavci. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. pri ˇemu.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε.4 Uoˇimo da je definicija limesa (Definicija 6.6 i Napomz ena 4. Tada kaˇemo da je L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da z x−→+∞ (x > M ) =⇒ (|f (x) − L| < ε). Pri tome uzimamo da je svaki otvoreni interval oblika (M. +∞. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. ˇto ne moˇe biti. Dakle imamo |M − L| < |M − L|. Ali.

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

Dakle je x−→0+ lim sign x = sign 0 .5 Neprekidnost i limes Primjer 6. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . x−→+∞ 2 5. lim 3. x < 0  sign x = 0. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . 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.5 znamo da funkcija   −1. tj.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. onda iz Definicije 6.5. ne postoji lim sin x.1. x−→+∞ 6. c osim. x = 0   1.♠ 6. x−→0 x π 4. x > 0 ima prekid u nuli. x2 − 3x + 2 = −1.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. onda je jasno iz Definicije 6.7 Iz Primjera 5. UVOD U DIFERENCIJALNI RACUN Teorem 6.226 ˇ POGLAVLJE 6. Dokaz: Ako funkcija f ima limes L u toˇki c. lim 2. x−→0+ lim xx = 1. Obrnuto. ♣ c Primjer 6.6 Opiˇimo sada pomo´u limesa Primjer 6. x−→0 x2 lim 1 1 = +∞ i lim = −∞. moˇda u samoj toˇki c.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. x−→1 x−1 1 = +∞. lim arctg x = . x −→0 − lim sign x = −1 . s c 1. ako postoje limesi s lijeva i s desna i oni su jednaki L.

12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .♠ x−→2 Primjeri 6.13 Neka je funkcija g : R −→ R neprekidna. 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)). Zaista imamo: c c Teorem 6. c c Sada direktno iz Napomene 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)). onda limes i funkcija z c ”komutiraju” tj.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.♣ .♣ Teorem 6.1.1 i Primjer 6. oˇito vrijedi c f (2) = lim f (x).12 imamo: Teorem 6.♠ Primjer 6.4). i neka postoji limes funkcije f u toˇki c.4) i da limes mora postojati.1 i 6.7 i 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.ˇ 6.♣ x−→c Analogno kao Teorem 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. x−→c+ Dokaz: Izravno iz Definicije 6. imamo x−→c lim f (x) = f (c) = f ( lim x). tj.12 kaˇe da ako je funkcija neprekidna u toˇki c.2 i definicije jednostranog limesa.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.5 U Teoremu 6. x−→c Napomena 6. Dokaz: Izravno iz Definicije 6.3. konaˇan je broj.

+∞ ± a = +∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6. a < 0. . 5. a ∈ R proizvoljan.11. 2. −∞ ± a = −∞. a ∈ R proizvoljan. 3. a +∞ = 0. x−→c+ Dokaz: Izravno iz Teorema 6. 8. a > 0 −∞. a < 0. −∞.228 ˇ POGLAVLJE 6. To se posebno odnosi na veliˇine +∞ i −∞. (+∞) + (+∞) = +∞. jer operacije nisu definirane i operandi nisu realni brojevi.1. 6. 6. a ∈ R proizvoljan. 7.♣ 6. 9. (−∞) · (−∞) = +∞.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). (−∞) + (−∞) = −∞. 4. (+∞) · a = +∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. no moˇe se desiti da dobijemo izraz koji nije z z definiran. (+∞) · (−∞) = −∞. a > 0 +∞.14.12 i 6.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. Kako one nisu realni brojevi. (−∞) · a = 10. (+∞) · (+∞) = +∞.

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

lim x−n = −∞. lim xn = +∞. a>1 +∞. 3. x−→0+ lim xα = 0. x−→+∞ lim loga x = 11. 0 < a < 1. UVOD U DIFERENCIJALNI RACUN 6. n ∈ N paran. +∞. x−→+∞ x−→+∞ 2. lim x−n = +∞. +∞. . Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. α > 0 0. a>1 −∞. 0 < a < 1.7 Raˇunanje limesa c Neki temeljni limesi 1. x−→−∞ lim ax = 10. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. 0 < a < 1. x−→0− 4. α < 0. a>1 +∞. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. x−→0+ x−→0− 7. 5.230 ˇ POGLAVLJE 6. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. 0 < a < 1. n ∈ N neparan +∞. α < 0. −∞. n ∈ N proizvoljan. −∞. 8. a>1 0. +∞. 6. α>0 +∞. x−→+∞ lim ax = 9. n ∈ N proizvoljan. n ∈ N paran. 0.1. n ∈ N neparan.

sin x). presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). +∞) i da joj c c je slika cijeli R. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. Kada s pravca uzmemo x ∈ (0. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . koji se nalazi unutar trokuta OBB . x−→+∞ x sin x = 1. . njihov rast. Kako gledamo c limes funkcije sin x kada x −→ 0. parnost. za a > 1. pad.ˇ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. svojstva potencija.16 lim i 1 lim (1 + )x .2.1. i s B = (1. To znaˇi da je c x−→+∞ lim loga x = +∞. c c eksponencijalnih i logaritamskih funkcija. koriste´i definicije limesa i jednostranih limesa (toˇka 6. π ). neparnost i sliˇno. Dakle.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. 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. jasno je da je dovoljno x x promatrati x ∈ (0. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. tg x ). tj. ortogonalnu projekcija toˇke A na x os.1. 0) u ravnini.4).9. Iz toˇke 5. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). c Osim ovih limesa. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). i zbog parnosti od sin x .9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. 0). Oznaˇimo s A = z c c (cos x. a ∈ R.

Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . 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 . cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. sin x cos x xr .♣ x lim .2: Uz izvod osnovnog trigonometrijskog limesa. 2 x 2 sin x 1 ≥ ≥ cos x. x−→0 x sin x = 1.232 ˇ POGLAVLJE 6.

ˇ 6. x−→0 x lim a > 0. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. x−→0 x Iz Teorema 6. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. x Oznaˇimo sada ex − 1 sa t.10 ex − 1 = 1. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. Dakle imamo ax − 1 ex ln a − 1 = lim .1.♠ x−→0 t−→0 x ln a ln(t+1) ln a . ♣ Primjer 6. i da je x = ln(t + 1).17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.17 x−→+∞ 233 lim 1+ 1 x x = e. Tada je jasno da t −→ 0 kada x −→ 0. 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.2. a ∈ R.12 i Teorema 6.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 x lim i ax − 1 = ln a. Dakle . c Zbog toga je ex − 1 t lim = lim = 1.

2 6. .1. x−→c x−→c 2. 6. x−→c c 3.234 ˇ POGLAVLJE 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa.2.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).18 i temeljni limesi iz toˇke 6.17. g : R −→ R.16.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f.13. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. ♣ x−→c Teoremi 6. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). funkcija f g ima limes u toˇki c i vrijedi c 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. Tada 1. 6. c 6. x−→c x−→c 4. 6. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).

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

∆t . t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 .001) − y(1) . Op´enito. 1. Dakle.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . y(t0 )) i c ∆t (t0 +∆t. prosjeˇna brzina projektila u vremenskom intervalu [t0 . Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . c ∆y = tg α. a to je jednako koeficijent smjera te sekante. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. y(t0 +∆t)) zatvara s osi x.236 ˇ POGLAVLJE 6.3: Ovisnost visine projektila o vremenu. prosjeˇna brzina odgovara koeficijentu smjera sekante. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1.

2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 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. c mjeri brzinu promjene veliˇine c Definicija 6.2. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. f : I −→ R.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . Ako postoji z c f (x0 + ∆x) − f (x0 ) . x0 ∈ I. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.4: Sekante i tangenta.2.6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.♠ 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . tj. ∆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 .13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. c Primjer 6.

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

Dakle je promjena brzine konstantne funkcije nula.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. Derivacija funkcije f (x) = x2 je f (x) = 2x.2.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. ˇto smo i oˇekivali. 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 . s c 2.6. tj. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0. f (x) = lim lim f (x + ∆x) − f (x) (x + ∆x)2 − x2 = lim = ∆x−→0 ∆x−→0 ∆x ∆x x2 + 2x∆x + ∆x2 − x2 = lim (2x + ∆x) = 2x. funkcija f (x) = l je konstanta. a c iz gornjeg raˇuna imamo da je c f (x) = 0. ∆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.♠ .

. problem postoc janja limesa. M= ∆x−→0− lim . UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna.17 1.4) ustvari limes funkcije f (x + ∆x) − f (x) . ako je f (x) < 0 na nekom intervalu.2. ∆x Lagano se vidi da je M = 1 i L = −1. U toˇkama gdje je f (x) = 0.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. problem rubova domene. Takve toˇke zovemo stacionarne toˇke. To su npr. tj. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). problem razliˇitih vrijednosti s lijeva i zdesna.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. Tu funkcija niti raste c niti pada. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Sliˇno. tangenta je paralelna s osi x. odnosno da je tangenta pravac koji raste. funkcija pada c c na tom intervalu. c c 6. ne postoji f (0). Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan.240 ˇ POGLAVLJE 6. Primjer 6. 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 konaˇnosti c c limesa.

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

12 zakljuˇujemo da je funkcija g neprekidna u x0 . Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). ali vidjeli smo da nisu derivabilne. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). Iz Teorema 6. (f (x) ± g(x)) = f (x) ± g (x) 2. ∆x = 0 . za one x ∈ I za koje je g(x) = 0). ∆x f (x0 ). g 2 (x) Dokaz: 1. produkta i kvocijenta funkcija Teorem 6. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3.♣ Obrat Teorema 6. Tada su na I derivabilne i funkcije f ± g. Nadalje.17 su c neprekidne u nuli.12 imamo da je f neprekidna u x0 . ∆x−→0 ∆x ∆x . ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. f · g i f g (tamo gdje je definirana. Derivacija zbroja. tj. Sve tri funkcije iz Primjera 6. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . f (x) g(x) = f (x)g(x)−f (x)g (x) . i vrijedi 1.242 ˇ POGLAVLJE 6. razlike. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ).19 op´enito ne vrijedi. I ⊆ D(g). (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).20 Neka su funkcije f.

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

c Primjer 6. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. f (x) ∈ J ⊆ D(g). f (x) = 0 na I i neka postoji f −1 . Dakle. Izraˇunajmo joˇ i (f ◦ g) . i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. f (x) Ovo se. f (x) = sin x. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . x ∈ I ⊆ D(f ). g = f . Primjera 6. Sada primjenom Teorema 6.244 ˇ POGLAVLJE 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . c −1 tj. z Teorem 6. Dakle imamo f −1 (f (x)) = x. odnosno (f −1 ) (f (x)) = 1 .16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. iz Teorema 6. moˇe provesti samo ako je f (x) = 0.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). gdje je g(x) = x2 .21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. naravno.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f .21. f (x) ♣ .15 i Primjera 6.

i vrijedi (f ◦ g)(x) = x. c Napomena 6. Osnovne derivacije dajemo u sljede´oj tablici. 6. Iz Teorema 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.20. Kako je (f ◦ g)(x) = x iz Teorema 6. x 1 √ .8 Studentima se preporuˇuje da provjere donje formule samostalno. Derivacija funkcije g(x) = √ 1 .10 imamo da je f (x) = lim e∆x − 1 = 1.20. odnosno 1 g (x) = √ . 2 x x je g (x) = Iz Primjera 6. odnosno g (x) = 2.21 i 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .19 Pogledajmo sljede´e primjere: c 1 1.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. ∆x−→0 ∆x lim dakle je f (x) = ex .21 i 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. .2.6.22 i derivacijama iz donje tablice. DERIVACIJA FUNKCIJE Primjer 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. Derivacija funkcije g(x) = ln x je g (x) = x .

f (x0 )) biti dosta mala. f (x0 )) s c c ∆f apscisom x0 + ∆x. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . gdje je α kut izmedu tangente funkcije f u toˇki (x0 . 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 . f (x0 )) i osi x. Jasno je da je ∆x = tg α. odnosno ∆f = tg α∆x .2.5 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.1: Derivacije elementarnih funkcija 6. UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. c tj. no to je ponekad teˇko izraˇunati. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ).

5). DERIVACIJA FUNKCIJE 247 ∆x.5: Diferencijal funkcije. jednadˇba tangente u c z toˇki (x0 . f (x0 )).2. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.6.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.1. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). Dakle. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . y f(x) α 0 x0 x 0+ ∆ x x Slika 6. Tada od svih polinoma stupnja najviˇe jedan.♣ c . c Teorem 6. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I.

dakle je f (0) = cos 0 = 1. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.248 ˇ POGLAVLJE 6.5 1 1. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.5 -1 0.♠ s s c . 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. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. to su razlike ordinata na grafu i na tangenti male za istu apscisu.5 2 Slika 6. c Primjer 6.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.23).16 znamo da je f (x) = cos x. Dakle. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. Iz Primjera 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”.

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

b−a y f(x) 0 a x0 b x Slika 6. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. b u kojoj je tangenta paralelna s tom sekantom.2. c . Napomena 6. a < b. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). b ∈ I.6. f (b)).12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.26 kaˇe da za svaku sekantu kroz toˇke (a.25. tj. Neka je L pravac kroz toˇke (a. f (b)) z c postoji toˇka x ∈ a. b−a f (b) − f (a) (x − a). tj.13 Primijetimo: 1.♣ f (b) − f (a) . f (a)) i (b. postoji x ∈ a. proizvoljne. 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. f (a)) i (b. b−a onda Teorem 6. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.

Uvjet f ∈ C 1 (I) iz Teorema 6. x za koji je f (x) − f (a) = f (x ). x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). Dakle je f ∈ C 0 (R) i f ∈ C 1 (R).26 je bitan. y f(x) 0 a b x Slika 6. Kako je f (x) = 3. UVOD U DIFERENCIJALNI RACUN 2. Ako je dana funkcija f : R −→ R formulom 3x. . x ≤ 1 f (x) = 3 x > 1. 0 x>1 oˇito f ima prekid u x = 1. 2 za koji je f (x ) = 1. pa je.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. z Iz Teorema 6. f neprekidna na R.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.258 ˇ POGLAVLJE 6.12. po Teoremu 6. x ≤ 1 . b−a ali ne postoji x ∈ 0. oˇito je c x−→1 lim f (x) = 3 = f (1).

c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. ali ne znamo za koji x .26. Napomena 6. Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +.27 je baˇ Lagrangeov teorem srednje s vrijednosti. c Usporedimo to s lokalnom linearizacijom (toˇka 6. Teorem 6. imamo toˇan izraz. f (a)) i (x. Koliko je ta aproksimcija dobra? Odnosno. i ne znamo ga toˇno. tj.5). tj.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. S druge strane. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .14 Za n = 0 Teorem 6. iz Teorema 6. Sastoji se od Taylorovog polinoma n-tog stupnja n Tn (x) = i=0 f (i) (x0 ) (x − x0 )i i! i ostatka Rn (x) = f (n+1) (cx ) (x (n+1)! − x0 )n+1 . Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6.6. no u nekoj toˇki sigurno je. .2.2.♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. tj. f (x)).26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). imamo c pribliˇni izraz. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. poznavaju´i vric c jednosti viˇih derivacija u x0 . tj..+ (x−x0 )n + (x−x0 )n+1 ..

.260 ˇ POGLAVLJE 6. s Primjer 6. UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 . Dakle. T1 (x) = f (0) + f (0)x = x. x2 = x.. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa. Aproksimacija je dobra lokalno.23. Dakle... 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 . Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|.♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. . 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . 2! . dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + .24 Neka je dana funcija f (x) = sin x. 2! f (cx ) (x − x0 )2 2 predstavlja greˇku lokalne linearizacije s R2 (x) = f (x) ≈ f (x0 ) + f (x0 )(x − x0 ) funkcije f u okolini toˇke x0 . Sliˇno kao i Teorem 6. f (x0 )) od svih c polinoma danog stupnja.

´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. .. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .2. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4.2. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. tj.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).6.. Moˇe se pokazati da su funkcije ex . n! ∞ sin x = n=0 (−1)n x2n+1 . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . sin x. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f ..3. (2n)! Napomena 6. 6.1). dakle nisu jako c dobri za numeriku.28 Neka je f ∈ C 1 (I) za neki interval I..15 Taylorovi redovi obiˇno sporo konvergiraju. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . odnosno konvergirati nekoj z (x drugoj funkciji. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn .

x−→0 U Teoremu 6. Dokaz ide na sliˇan naˇin.28 primjenom Teorema 6. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). Kako je desna strana gornje jednadˇbe nenegativna.11 imamo da obrat ne vrijedi.262 ˇ POGLAVLJE 6. 2. pa je f (x + ∆x) − f (x) ≥ 0. Dokaz: c 1. ∆x Primjer 6. za svaki x ∈ I.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0.24 smo vidjeli da. dakle z funkcija f raste na I. onda je f (x0 ) = 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. 2. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. UVOD U DIFERENCIJALNI RACUN 1. jer se c s c medu njima nalaze potencijalni ekstremi. Funkcija f pada na I ako i samo ako je f (x) ≤ 0.♠ Iz Primjera 6. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). obratna tvrdnja ne mora vrijediti. Jedan smjer bismo mogli dokazati. lim x2 = 0). ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. za svaki x ∈ I. ∆x za svaki x ∈ I. Obratno. pa je f (x) = lim za svaki x ∈ I. po Teoremu 6. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad.26. Medutim.25 zakljuˇujemo da u Teoremu 6. Iz Napomene 6. . Limes nenegativne funkcije mora i sam biti nenegativan. Dakle ne vrijedi f (x) > 0 na R. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Ovaj smjer se dokazuje analogno kao u Teoremu 6. to je i lijeva strana takva.26 postoji x ∈ (x. onda funkcija strogo raste (pada) na I. Tada.

Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) .♣ c Konveksnost. x2 ∈ I. onda u x0 funkcija f ima lokalni minimum. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. Teorema 6. Ako derivacija s c ne mijenja predznak.2. . x2 ∈ I. ali i ne mora. To ovisi o promjeni ponaˇanja funkcije u toj toˇki.4. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. kaˇemo da je f konkavna na I. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 .6.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. Definicija 6. 2 za sve x1 .1. Teorem 6. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . onda u x0 funkcija f ima lokalni maksimum. DERIVACIJA FUNKCIJE 263 Definicija 6. jer konveksnost i konkavnost ovise o predznaku druge derivacije. Teorema 6.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke.28. da je barem f ∈ C 2 (I)). c Kao ˇto smo rekli. c Dakle. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . a s druge pada (raste)).24. u stacionarnoj toˇki funkcija moˇe. imati s c z lokalni ekstrem. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). Dokaz: Izravno iz toˇke 5. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije.

izmedu x1 . c c Dakle.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). konveksnost i konkavnost su odredene predznakom druge derivacije. 2. f (x2 )). Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. c . da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. jer c c se nalazi izmedu x0 i x. Onda ´e i toˇka cx iz Teorema 6.♣ Teorem 6. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). Zbog neprekidnosti druge c derivacije. f (x1 )) i (x2 . UVOD U DIFERENCIJALNI RACUN Definicija 6. iz Teorema 6. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . Ako je f (x0 ) > 0. funkcija f ima u x0 ∈ I lokalni maksimum. za svaki x ∈ I. Dokaz: 1. za svaki x ∈ I. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). Teorem 6.27 za sluˇaj c n = 1. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . Npr.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Ako je f (x0 ) < 0. x2 ∈ I graf konveksne funkcije je ispod. Dakle je f (cx ) > 0. Uzmimo x proizvoljan iz te okoline.30 Neka je f : I −→ R klase C 2 (I).31. 2. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. Dokaz ide na sliˇan naˇin.27 biti iz te okoline. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . funkcija f ima u x0 ∈ I lokalni minimum. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). a konkavna ako je za sve x1 . c 1. Primijenimo li Teorem 6.264 ˇ POGLAVLJE 6. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. ali je f (0) = 0. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6.3). c 2. 1.

0 i f (x) > 0 za x ∈ 0.♣ Raˇunanje limesa . DERIVACIJA FUNKCIJE 265 Definicija 6. c + δ strogo c konkavna za neki δ > 0. onda je c f (c) = 0. ∞ . moˇda.30 imamo da funkcija f raste na (c − δ.34 Neka su f i g derivabilne funkcije na I osim. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0.2. Ako je g (x) = 0 za svaki x = x0 . neka je f na c − δ. c) i pada na (c. c Teorem 6.6. Tada iz Teorema 6. Dakle je konveksna na −∞. g (x) onda je i x−→x0 lim f (x) = L. f ima lokalni maksimum u c.♣ Uvjet f (c) = 0 iz Teorema 6.32 Neka je f ∈ C 2 (I). z s c c Teorem 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. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. Dokaz: Bez smanjenja op´enitosti. c Dokaz: Izravno iz Definicije 6. c strogo konveksna i na c. 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 . Ako je c ∈ I toˇka infleksije od f . za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . x ∈ I. c c Kaˇe se joˇ da je toˇka (c. 0 i 0. ali je f (x) > 0 za x ∈ −∞. z Neka je lim f (x) = lim g(x) = 0. x ∈ I. ∞ . Onda je c toˇka infleksije od f . Iz Teorema 6. c strogo konveksna i na c.7. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . c + δ strogo konveksna.24 f (c) = 0.L’Hospitalovo pravilo c Teorem 6. c + δ strogo konkavna ili je na c − δ. pa x = 0 ne moˇe biti z toˇka infleksije.7 Neka je f : I −→ R i c ∈ I. Neka postoji δ > 0 takav da je funkcija f na c − δ. c strogo konkavna i na c.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. pa je po Teoremu 6. Npr. c + δ). Dakle. u x0 ∈ I. f (c)) toˇka infleksije grafa funkcije f .

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. .♣ g (x) f g Na Teorem 6. . . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . analogno kao u dokazu Teorema 6. iz Teorema 6.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . g(x0 ) = 0.12) i iz Teorema 6.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6.16 Neka su funkcije f. po g (x0 ) = 0. .34.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. Tada.12). gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. g (n+1) (x0 ) = 0. . g (n) (x0 ) = 0. f (n) (x0 ) = 0. . f (x0 ) = 0. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . tg α2 = f2 (x0 ). g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. Znamo da je c tg α1 = f1 (x0 ). c Napomena 6.266 i ˇ POGLAVLJE 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 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 ) = . . c Dakle.

14: Kut izmedu dviju krivulja.6. Iz toˇke 2. z c c Primjer 6. Ako je α = 0.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. . x a + x2 = f2 (x).2.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. odnosno ako i samo ako je tg α = ∞. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). dakle je f1 (x0 ) = f2 (x0 ). a > 0.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . c c pa moˇemo re´i da se diraju u toj toˇki. To znaˇi da u c toˇki (x0 . f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. 1 + f1 (x0 )f2 (x0 ) Napomena 6.2. onda je i tg α = 0 . ako i samo ako je f1 (x0 )f2 (x0 ) = −1. tj. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) .

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

Ispitati ponaˇanje na rubovima domene (asimptote). Postupak: 1. Oznaˇimo c li tu duljinu s x. 7. Prona´i intervale konveksnosti. neparnost. c Primjer 6. to upu´uje na pogreˇku u raˇunu. c c 2.6.2.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Odrediti intervale monotonosti i lokalne ekstreme. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. 3. samokorigiraju´i. Prona´i stacionarne toˇke. Ispitati parnost. Nadalje je V (x) = (a − 2x)(a − 6x). Odrediti domenu funkcije (prirodno podruˇje definicije). c c z 8. periodiˇnost. u izvjesnom smislu. . c c 6. 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. Sloˇiti sve dobivene podatke u graf funkcije. 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. s 5. konkavnosti i toˇke infleksije. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. Postupak je. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. c c 4. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima.

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

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

.

ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu.. c s z Ako su te veliˇine konstantne. n = 0. ∞.. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu.9 znamo da su skupovi C n (I).. odgovor je jednostavan . 1.1 7. Npr.1. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje.. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I).1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. ∞. v = v(t)? Ili prirast populacije nije konstantan. 2. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina. n = 0. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. . Dakle je funkcija z 273 . 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.Poglavlje 7 Uvod u integralni raˇun c 7. 2. 1.. ... iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. 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.treba ih samo mnoˇiti c z vremenom. za n godina bit ´e ih za n·100 viˇe nego danas.

7 izravno slijedi da je operator deriviranja linearan. c Primjerice.1 Neka je f neprekidna funkcija na I ⊆ R. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. linearan operator koji mu je inverzan. Iz Teorema 6. UVOD U INTEGRALNI RACUN deriviranja operator.20 i Napomene 6.2.274 ˇ POGLAVLJE 7. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C. a onda pogledajmo kada postoje i koja su im svojstva. Stoviˇe. . Teorem 7. 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).5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. ako postoji. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. Uvedimo prvo ime za takve funkcije. itd. Definicija 7. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. Odatle slijedi vaˇno svojstvo primitivnih funkcija. da je x primitivna funkcija funkcije x.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. jer je derivacija svake konstante jednaka nuli. C ∈ R. Zanima nas.

1.1. 275 Dakle imamo prvu tvrdnju. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6.7. Piˇemo s f (x)dx = F (x) + C. slijedi H(x) = H(x0 ) za svaki x ∈ I. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x).2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. ˇalje c s u f. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu.1 beskonaˇan. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. a to je upravo druga tvrdnja teorema. C ∈ R je konstanta integracije. H je konstantna funkcija. gdje je c neka toˇka izmedu x i x0 . Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. tj.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). f (x) je integrand.4). dx pokazuje po ˇemu se integrira. koji je po Teoremu 7. s To nije toˇno inverz od derivacije. dolazi od S kao suma.♣ 7. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f .2. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. c F (x) je primitivna funkcija funkcije f (x). Ostale raˇunamo koriste´i svojstva c c c . Interpretirajmo elemente ove formule: je znak integrala.

Dakle je cf (x)dx = cF (x) + C = c f (x)dx.3 Vrijedi: 1.1 Iz Teorema 7.2 f (x)dx = f (x).7). Oˇito je. Dokaz: Neka je F primitivna funkcija funkcije f . z Teorem 7. Teorem 7. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. Oˇito je. Za ostale operacije nema jednostavnih pravila. Neka je F primitivna funkcija funkcije f . F ± G primitivna funkcija funkcije f ± g. 2. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.♣ . 2. c zbog linearnosti derivacije.20 i Napomena 6.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. UVOD U INTEGRALNI RACUN neodredenog integrala. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. Dokaz: 1. cF c primitivna funkcija funkcije cf . f (x)dx.276 ˇ POGLAVLJE 7. Kako je imamo f (x)dx f (x)dx = F (x) + C.♣ Napomena 7. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. = (F (x) + C) = F (x) = f (x). Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. zbog linearnosti derivacije.

c c z z to obiˇno nije lako. Najpoznatiji primjer je e−x dx. c 7.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.1. tzv.2. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1 Pogledajmo sljede´e primjere: c . c c koriste´i pravila i tablicu derivacija (toˇka 6. Tako moˇemo integrirati polinome i jednostavnije racionalne. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. Primjer 7.1.7. izraˇunati derivaciju bilo koje c c c elementarne funkcije.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. Ako se i moˇe integrirati. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7.1. S druge strane. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.2) i svojstva iz Teoc c rema 7. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.4). eksponencijalne i z trigonometrijske funkcije.3.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. tabliˇne integrale.

278 ˇ POGLAVLJE 7. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. 3 2. 3). i to je x3 +x+1. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. Koriste´i Teorem 7. Koriste´i Teorem 7. UVOD U INTEGRALNI RACUN 1. i ˇiji graf prolazi kroz toˇku (1.♠ c . Samo jedna prolazi toˇkom (1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). Drugim rjeˇima. Dakle je 3 = F (1) = 1 + 1 + C. 3). pa je C = 1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. i one c 3 su oblika x +x+C. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. Odredimo integral funkcije f (x) = x2 + sin x.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. 3). Traˇena funkcija je F (x) = x3 + x + 1. y 3 0 1 x Slika 7.2: Primitivne funkcije funkcije 3x2 + 1.

♠ 2 .2.7.1. op´enito.2 Odredimo integral funkcije f (x) = sin x cos x. + C. ne mogu integrirati produkti funkcija (osim c za polinome. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). z Primjer 7. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. a to znamo da je u2 2 sin x d(sin x). To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. deriviranjem sloˇenih funkcija. tj. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. ovo moˇemo pisati kao c c z sin x d(sin x). Koriste´i izraz za diferencijal (toˇka 6. gornji se integral svodi na u du. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. Ipak.3 i tabliˇne integrale.5). Dakle je sin x cos x dx = 1 2 sin x + C. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. ima jedan sluˇaj kad se c produkt funkcija lako integrira. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x.

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

kako iz integranda. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. tako i iz diferencijala. Primjer 7. u 2 2 du . x2 −1 Uvedimo supstituciju u = x2 − 1. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du.♠ u Napomena 7.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. Dakle. 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. NEODREDENI INTEGRAL Primjer 7. pa je dx = Uvrstimo u integral.7. a nije ni produkt.4 Odredimo integral funkcije f (x) = tg x .♠ x2 .5 Odredimo integral funkcije f (x) = 3x . 2x 1 dx. 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. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije.1. Sada je du = 2x dx. 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. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. 281 sin Integral tg x dx nije tabliˇni. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. cos x i da je sin x derivacija od − cos x.

Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv.6 Pogledajmo sljede´e primjere: c 1. tj. Polazimo od formule za derivaciju produkta funkcija. Koji od njih treba odabrati kao v? v du. v du. a drugi se deriviranjen pojednostavnjuje. .♣ u (x)v(x)dx. Odredimo integral funkcije f (x) = x cos x. klase C 1 (I). Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. Imamo produkt u kojem oba faktora znamo lako integrirati. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. (uv) = u v + v u. v du + u dv. Napomena 7. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. du = u dx.282 ˇ POGLAVLJE 7.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. zbog dv = v dx.

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

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

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

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

ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0.1. pa je du = dx. tj. r(x) = C ∈ R. tj. NEODREDENI INTEGRAL 3. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. x−3 287 Uvedimo supstituciju u = x − 3. gdje c su a. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. Qn−1 (x).7. onda je x0 = a − bi. i ostatak r(x) koji je polinom stupnja 0. onda je to i x0 . imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. Tada vrijedi: 1.) Dokaz: 1. onda polinom (x − x0 ) dijeli Pn (x). c Napomena 7. c Metoda se temelji na sljede´im svojstvima polinoma. ako je x0 ∈ C nultoˇka od Pn (x). ako je x0 ∈ C oblika a + bi. 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. c c 3.♠ 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. b ∈ R. ako je x0 ∈ C nultoˇka od Pn (x). Uvrstimo u integral. Odredimo integral funkcije f (x) = 1 . konstanta. onda je x0 = x0 . polinom (x − x0 ) dijeli s c c z polinom Pn (x). c 2. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . . c Neka je x0 ∈ C \ R. a u brojnicima konstante ili linearni polinomi. 2. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. tj. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. onda je to i x0 . pa tvrdnja oˇito vrijedi. Ako je x0 ∈ R.

288 ˇ POGLAVLJE 7. Medutim. c Neka je x0 ∈ C \ R.5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 . 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. . rs . . Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima. x2 . jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 .. i gdje su α. Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )). . razliˇite realne nultoˇke s pripadnim kratnostima rα . x2 .. odnosno medu linearnim fakorima (x − x1 ). Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x). znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 ).... medu kojima moˇe c c biti istih.. Tada je po Napomeni 7. .. x2 + cx + d = (x − (g + hi))(x + (g − hi)).. xs c c c od Pn (x) kratnosti rγ .. Iz Napomene 7..5 Iz Teorema 5. onda je x0 = x0 ... .. a2 − 4b < 0. (x − xs ). x0 nultoˇka od Pn−2 (x). xs od Pn (x). Dakle.. + rs = n... xs . medu razliˇitim nultoˇkama c c c c x1 . UVOD U INTEGRALNI RACUN 3.4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ .. ima moˇda onih s komplesnim koeficijentima. Neka su x1 .. onda je po tvrdnji 2.. 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.. f = 0..) = n. rcd .... Kako je x0 nultoˇka kratnosti r od Pn (x).) + 2(rab + rcd + . c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . zn od Pn (x) s pripadnim c c kratnostima r1 . . i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x). . c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab .. Iz 1. odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x). . .♣ n Napomena 7. xs sve razliˇite nultoˇke medu z1 . h = 0. r1 + r2 + . Kvadratni faktori nemaju realnih korijena. . . . tj.... c2 − 4d < 0.. u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ . g + hi..4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ .. β... x2 + ax + b = (x − (e + f i))(x + (e − f i)). Kako je x0 nultoˇka kratnosti r od Pn (x). tj. zn . v = 0. rβ ... x2 . .. (x − x2 ). Neka je γ = u+vi. Ako je x0 ∈ R... njena kratnost je toˇno r. to je x0 nultoˇka kratnosti r −1 od Pn−2 (x). s ≤ n. medu brojevima x1 . x2 . redom. i e + f i.. c c Dakle je po tvrdnji 2. Medutim. r2 . pa tvrdnja oˇito vrijedi.. .. ...

(x2 + ax + b)q = A − (p−1)(x−α)p−1 + C. + + = + 2 Qm (x) x − α (x − α) (x − α)rα Brβ B1 B2 + + ..1.. Mrab .. + 2 cd + .... .. NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7.. Supstitucijom c z t= x+ b− a 2 a2 4 .) + 2(rab + rcd + . p = 1.7.4) dobivamo sustav linearnih jednadˇbi iz kojeg nalazimo z nepoznate koeficijente u brojnicima parcijalnih razlomaka. Qm (x) = (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · .. Izjednaˇavanjem koeficijenata uz iste potencije od x u c Pn (x) i S(x) (Teorem 5... Brβ .+ 2 x − β (x − β) (x − β)rβ M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + .. (x − α)p Prvi sluˇaj je gotovo trivijalan: c A dx (x−α)p i Mx + N . Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A .. tj. 289 gdje je (rα + rβ + ..... ...... N1 . Drugi je sluˇaj osjetno sloˇeniji.. p > 1 A ln |x − α| + C. Nrab . pri ˇemu je S(x) polinom u ˇijim se koeficijentima c c pojavljuju nepoznati koeficijenti A1 . M1 .. . . iz brojnika desne strane. Arα . 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)..) = m... + 2 ab + 2 + ax + b 2 x (x + ax + b) (x + ax + b)rab R1 x + L1 R2 x + L2 Rr x + Lrcd + 2 + .5. B1 . + + .

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

♠ x−1 Ako su nuliˇta nazivnika jednostruka. B = 2. 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. Rjeˇenje je A = 3.7. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. D = −1.♠ 3 3 . 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).11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . x(x−2)(x+1) x+2 A B D = + + .1.

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

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

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

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

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

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

Primjer 7. b] integrabilne. c Iz Primjera 7. dakle je f ograniˇena funkcija na [a.298 ˇ POGLAVLJE 7. x∈Q 0. b].14 1.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. . za svaki x ∈ [a. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b]. onda je ona i c ograniˇena. b] je integrabilna. 1 dx. b].6 Svaka neprekidna funkcija na [a.♣ Napomena 7. n. onda je f (a) ≤ f (x) ≤ f (b).13 Dirichletova funkcija. c Dokaz: Ako f raste na [a. b]. Dirichletova funkcija nije integrabilna. b] z kaˇemo da je f integrabilna na [a.5 Svaka monotona funkcija na [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0).♠ Napomena 7.9 Uoˇimo da ako je f monotona funkcija na [a. b] imamo mi = 0 i Mi = 1. Koje joˇ? s Teorem 7. c i = 1.♣ Primjer 7.. Uoˇimo da za svaku podjelu r segmenta [a. Izraˇunajmo iz definicije c b 1. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.♣ Teorem 7. UVOD U INTEGRALNI RACUN Definicija 7. b]. b]. x ∈ R \ Q. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. tj.8 Dirichletova funkcija ima prekid u svakoj toˇki. z c tj.. a . nisu integrabilne. b] je integrabilna. f (x) = nije integrabilna. Koje jesu? Neprekidne sigurno jesu.13 vidimo da nisu sve funkcije na segmentu [a. b]..

ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a.. Podijelimo segment [a. . Izraˇunajmo a b x dx. i = 1. b]. b] c na n jednakih djelova. Mi = n a + i∆x.. Za svaku podjelu r segc menta [a. Dakle imamo n n n n n ∆xi = i=1 i=1 mi ∆xi = s(r) ≤ i=1 f (si )∆xi ≤ S(r) = i=1 Mi ∆xi = i=1 ∆xi .2. dakle je a 1 dx = b − a. n. b]. b] je mi = Mi = f (si ) = 1..8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije. 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 2. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. Sada je mi = a + (i − 1)∆x. c Oˇito je funkcija f (x) = x neprekidna na [a. ∆x = b−a .7. 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] ´e biti mi ≤ 0 i c c c Mi ≤ 0.. UVOD U INTEGRALNI RACUN n − 1 (b − a)2 a(b − a) + . b] takva da je pozitivna na [a. 2 2 b2 a2 − . Po s tomu je pravilu 2π sin x dx = 0. Dakle. n.. za neki c ∈ a. za svaki x ∈ [a. u op´em sluˇaju c c odredeni integral je algebarski zbroj ploˇtina izmedu osi x i grafa krivulje. u ovom sluˇaju c ´e biti m ≤ 0 i M ≤ 0. kao i za neprekidnu pozitivnu funkciju. a Ako je neprekidna funkcija f na [a. n−→∞ 2 2 2 Analogno dobijemo da je S(r) = dakle je b b2 a2 − . Dakle vrijednost odredenog integrala negativne funkcije ´e biti nepozitivan broj. i za svaku podjelu r segmenta [a. i = 1. zdesna pravcem x = b i odozdo grafom funkcije f . b]? Ako je f neprekidna i negativna na [a. s lijeva s pravcem s x = a. b] (f (x) ≤ 0.♠ 2 2 x dx = a ˇ Sto ako funkcija nije pozitivna na [a. b]). b . n 2 Prijelazom na limes dobivamo (b − a)2 b2 a2 lim s(r) = a(b − a) + = − . Medutim. c] i negativna na [c. b]) moˇemo napraviti analognu konstrukciju z mjere povriˇine krivuljnog trapeza omedenog odozgo s osi x. 0 . c]) i ploˇtine s s P2 iznad grafa negativnog dijela funkcije f (nad [c. tj..300 ˇ POGLAVLJE 7. . tj. b] (zbog neprekidnosti je f (c) = 0). odredenog integrala b f (x)dx. b a f (x)dx ≤ 0. onda je b f (x)dx a razlika ploˇtine P1 ispod grafa pozitivnog dijela funkcije f (nad [a.

b f (x)dx = − a f (x)dx.. c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a. b ..2 a Svojstva odredenog integrala f (x)dx = 0. pa je a a b f (x)dx = 0. n. i = 1. . a] su gornja i donja Darbouxova suma a jednake nula. ostaju iste..♣ 2.2. 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. Dakle odredeni integral mijenja predznak ako se zamijene granice. a f (x)dx = a f (x)dx + c f (x)dx. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + . . < an−1 < b. i = 1. a vri- jednosti mi ... . Dokaz: Za bilo koju podjelu r segmenta [a..7. a drugi u c f (x)dx.. Mi i f (si ).♣ b c b 3. c Ovo se zove aditivnost integrala po podruˇju integracije. za a < a1 < a2 < . a 1.. tj.2.. ODREDENI INTEGRAL 301 7. . Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . n. Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx. b u svaku podjelu od [a. i = 1.. + an−1 f (x)dx.♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. za svaku toˇku c ∈ a. biti negativne.. n...

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

.13). Beskonaˇnodimenzionalan je. a cf (x)dx = c a f (x)dx.. jer npr. .} se c nalazi u nekoj bazi od R(I)..♣ c Napomena 7. 6.3).. i svaka funkcija iz tog skupa je neprekidna na I. dakle i integrabilna.18. Oˇito je z c c tada m = 0. Stoviˇe. . unutra se sigurno nalaze sve neprekidne funkcije na [a. Mi = 0.2 i Teorema 6. n. j − 1. x. i = 1. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. b] i da je f (c) > 0.2.18. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. gdje je c ∈ R proizvoljan. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. b]). a 4.7. Dakle beskonaˇni skup {xn : n = 0. a (f (x) ± g(x))dx = a ili aditivnost integrala.. b] (skup R(I) nije prazan.... b] toˇka c pada u toˇno jedan c c [xj−1 . Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. n. M = f (c) i za svaku podjelu r segmenta [a. Ako je funkcija f : [a.♣ b b 5. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).. . a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. i = 1..11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a...2 i Teorema 6. Dakle je s(r) = 0 i S(r) = Mj ∆xj . b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka.. i Mj = f (c). x2 . Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. .. Nadalje. skup c {1. xj ].. pa je mi = 0. j + 1. onda je c b f (x)dx = 0. . 1.

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

onda je b f (x)dx > 0. Dakle postoje x1 . b] tada iz Teorema 6. Neka su f i g neprekidne funkcije na [a. b].7.8 je dobro definirana funkcija F ∈ C 1 [a. b]. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. b]. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. b] odnosno stroge pozitivnosti na [x1 . i oˇito ima pozitivnu derivaciju. po Teoremu 6. Kako je funkcija F = g − f neprekidna na [a. za svaki x ∈ I .3 slijedi da postoji interval I ⊂ [a. Iz pozitivnosti funkcije f na [a. b] oko toˇke c takav da je f (x) > 0.2.3 slijedi da postoji interval . Dakle. ODREDENI INTEGRAL 305 8. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b] onda vrijedi stroga nejednakost. b] iz Teorema 6. x2 ∈ I takve c da je x1 < c < x2 . Ako je f (c) < g(c) za bar jedno c ∈ [a. b] i ako je f (c) > 0 za neki c ∈ [a. Tada je b b f (x)dx ≤ a a g(x)dx. Ovo svojstvo se zove svojstvo monotonosti integrala. Odatle slijedi da je F (b) ≥ F (a) = 0.♣ 9.28 F raste na [a. Dokaz: Po Teoremu 7. b]. onda je F (c) = g(c) − f (c) > 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. tj. Ako je f neprekidna i nenegativna funkcija na [a. x2 ] imamo x2 f (x)dx > 0. c F (x) = g(x) − f (x) ≥ 0. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a.

Teorem 7. Ako f nije konstanta na [a. Nadalje.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. iz svojstva 9.♣ 10. b]. za svaki x ∈ [a. za svaki c x ∈ [a. iz neprekidnosti funkcije f na [a. b] takva da je c b f (x)dx = f (c)(b − a).6. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). Dakle postoje x1 . b]. iz svojstva 9.28 c F strogo raste na I . Neka je f : [a. UVOD U INTEGRALNI RACUN I ⊂ [a. 11. m ≤ f (x) ≤ M .14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). Nadalje iz Teorema 6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . b]. b]. a b b f (x)dx ≤ a |f (x)|dx. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). Tada postoji toˇka c ∈ [a.♣ a Izraz 1 b−a b f (x)dx a . Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. tj. a Dokaz: Po Teoremu 6. tj. imamo da je F (b) > F (a) = 0. i Primjera 7.306 ˇ POGLAVLJE 7. b] za koji je b f (x)dx = f (c)(b − a). b] −→ R. b]. b] oko toˇke c takav da je F (x) > 0. odnosno imamo strogu nejednakost. za svaki x ∈ I . imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. odnosno po Teoremu 6. pa postoji barem jedan c ∈ [a.

7. iz svojstva 7.. .9: Teorem srednje vrijednosti za odredeni integral.. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. a2 . kako je f neparna c funkcija. Odatle ime teoremu. n Za funkcije koje nisu neprekidne Teorem 7. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. x < 0. imamo da je 1 f (x)dx = 0.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. x ≥ 0 −1... 1] za koju je f (c) = 0. Povrˇina ispod s grafa neprekidne funkcije f nad [a. c Napomena 7. b].15 Neka je dana funkcija f : R −→ R formulom f (x) = 1..7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. Nadalje. −1 medutim ne postoji toˇka c ∈ [−1. Oˇito je da funkcija f ima prekid u x0 = 0.♠ c . an ∈ R je a = c ). a Teorem 7.+an dine (aritmetiˇka sredina od a1 .7 ne mora vrijediti: Primjer 7. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta.2. se zove srednja vrijednost funkcije f na segmentu [a.

b].308 ˇ POGLAVLJE 7.10: Teorem srednje vrijednosti ne mora vrijediti za funkcije koje nisu neprekidne. Sre´om. Za svaki x ∈ [a. b] pridruˇi z z ploˇtinu ispod grafa funkcije f desno od a i lijevo od x. Dokazat ´emo tu vezu u najjednostavnijem sluˇaju. UVOD U INTEGRALNI RACUN y 0 −1 1 x Slika 7.8 Neka je f ∈ C[a. i taj je broj jednak ploˇtini izmedu grafa funkcije f i osi x omedenoj vertikalnim s pravcima x = a i x. b] i izraˇunat ´emo njenu c c c derivaciju. kad je podintegralna funkcija neprekidna. promatrajmo na segmentu [a. b] neprekidnu x i. Teorem 7. Tim je pridruˇivanjem s z definirana funkcija koju oznaˇimo s F . Dakle imamo pridruˇivanje koje svakom x ∈ [a. pozitivnu funkciju f . gdje je F (x) = a x f (ζ)dζ. Prije formuliranja i dokazivanja teorema.3 Newton . Pokazat ´emo da je ta funkcija F derivabilna na [a. Imamo c x −→ F (x). Funkcija F definirana formulom x F (x) = a f (ζ)dζ . jednostavnosti radi.Leibnizova formula Raˇunanje odredenih integrala izravno iz definicije mukotrpno je i teˇko izvedivo c s ˇak i za jednostavne funkcije. postoji veza izmedu primitivne funkcije c c i odredenog integrala koja omogu´uje raˇunanje odredenih integrala pomo´u c c c c c neodredenih. 7. b] postoji a f (ζ)dζ.

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

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

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

U takvim sluˇajevima govorimo c s c o nepravim integralima.♠ 7.10. Primjer 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. kao i da je samo poc druˇje integracije konaˇno. 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. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. tj. Iz Primjera 7. u dv = uv a b a − a v du. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni.6 i omedena) na podruˇju integracije.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. .♠ 3 Kod parcijalne integracije situacija je jednostavnija. b i neka je x−→b− lim f (x) = +∞.312 ˇ POGLAVLJE 7. c c c Neka je funkcija f neprekidna na [a.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.17 Izraˇunajmo c 0 1 xex dx.

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

Raˇunamo c ζ 1 x dζ √ =2 ζ = 2(1 − √ x). x−→0+ ζ Dakle 0 dx √ konvergira i x 1 0 dx √ = 2.♠ x−→0 ζ Dakle ovaj nepravi integral divergira. 2 x−→1− 1 lim arcsin x = pa onda znamo i da 0 √ dx konvergira i da je 1 − x2 1 √ 0 dx π = . Nadalje imamo 1 x−→0+ 1 lim x √ dζ √ = 2 lim (1 − x) = 2. 2 2 1−x 1 0 2.314 i znamo da je ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN π . jer 1 x −→ +∞ kada x −→ 0 + . Integral dx x je nepravi integral. x 1 0 3. Raˇunamo c 1 x dζ = ln ζ ζ 1 x = − ln x. . Nadalje imamo 1 x−→0+ lim x dζ = lim+ (− ln x) = +∞. Integral dx √ x je nepravi integral. jer 1 √ x 1 x −→ +∞ kada x −→ 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 = +∞. dakle imamo b a dx = (x − b)n 0 a−b dt .7. Analogno. 1 a f (x)dx konvergira. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije.10.19 1. iz ϕ(t) = b dobijemo t2 = 0. inaˇe c Primjer 7.4. Iz ϕ(t) = a. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. onda divergira. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. 1]. (x − b)n Stavimo ϕ(t) = t + b. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . tj. Izraˇunajmo c −1 1 x2 dx . x2 b 2. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. c+ε2 Ako oba limesa na desnoj strani postoje. t + b = a imamo t1 = a − b. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. 0] −→ R zadovoljava uvjete Teorema 7. Sada oˇito funkcija ϕ : [a − c b. tj. . tn Ako je n < 0. Izraˇunajmo c a dx .

situaciju kad podruˇje c c integracije nije ograniˇeno. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. Dakle tn b a dx (x − b)n konvergira za n < 1. integral dx divergira za n ≥ 1. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . Uz svojstvo monotonosti integrala (svojstvo 9. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. tj.2. 0]. +∞ .♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. iz toˇke 7.2) npr. Znamo c . −n + 1 −n + 1 za n > 1.19 moˇe posluˇiti pri usporedivanju. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1.316 ˇ POGLAVLJE 7. Primjer 7. 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. c z z Promatrajmo sada drugi mogu´i izvor problema. 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. divergira za n ≥ 1. b]. Neka je funkcija f neprekidna na [a.

z Sliˇno postupamo i za sluˇaj c c b f (x)dx. postoji x f (ζ)dζ. tj. .4.13: Nepravi integral po neograniˇenom podruˇju integracije. a Ako promatrani limes ne postoji. kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ. c c da za svaki x ∈ [a. +∞ postoji integral te funkcije u granicama od a do x.20 1. kaˇemo da integral divergira. −∞ Primjer 7. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7.7. Izraˇunajmo c +∞ 0 e−x dx. −∞ pa i za sluˇaj c +∞ f (x)dx.

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

dana s b (f1 (x) − f2 (x))dx. a . Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b. PRIMJENE INTEGRALNOG RACUNA 319 7. f2 : [a. b] −→ R neprekidna takva da je pozitivna na [a. broj P1 + P2 . b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). b]. ako je f : [a. b]).1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a.5. b]. s s tj.2. osi x. osi x. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. osi x. pravcem x = a i s pravcem x = b. Ako je funkcija f neprekidna i negativna na [a. pravca x = a i pravca x = b.ˇ 7. pravcem x = a s s i pravcem x = b. b . ali negativnog predznaka. Nadalje. b].5 7. za neki c ∈ a. tj. za svaki x ∈ [a. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . gdje su f1 .5. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . a Ploˇtina povrˇine izmedu grafa funkcije f . s s b f (x)dx = P1 − P2 . c] i negativna na [c.

promatramo krivulju x = g(y). s Ako je g : [c. onda je ploˇtina povrˇine omedene grafom funkcije g. tj. ploˇtinu s . pravcem y = c i pravcem y = d dana s d g(y)dy. c y d P c 0 g(y) x Slika 7. tj. odredeni integral proizvoljne neprekidne funkcije. s s osi y. za sluˇaj kada s c je funkcija g negativna. UVOD U INTEGRALNI RACUN y f (x) 1 P f (x) 2 0 a b x Slika 7. d] −→ R neprekidna i pozitivna funkcija u varijabli y.320 ˇ POGLAVLJE 7.14: Ploˇtina lika omedenog grafovima dviju funkcija.15: Ploˇtina lika omedenog grafom funkcije od y. s Analogno se definiraju i ostali odredeni integrali (ploˇtine).

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

UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . kad max ∆xi+1 −→ 0.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. i=0 Prijedemo na limes.322 y ˇ POGLAVLJE 7. oznaˇimo s P (xi ). ako taj limes postoji kad n −→ ∞. Primjer 7. a njegova povrˇina za zadani x je jednaka f (x)π.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 . Iz Primjera 7. S druge strane. 0.♠ 2 . No taj popreˇni presjek c c 2 je krug. tj. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx. 0). 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.

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

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

volumen tog komada moˇemo z izraˇunati. c Teorem 7. n. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. b] −→ R oko osi y b Vy = 2π a xf (x)dx.. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx. i = 1. a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. debljine ∆xi = xi − xi−1 . b]) funkcije f . Zamijenimo li komad grafa od c f iznad segmenta [xi−1 .16 imamo r V = 4Rπ −r √ r2 − x2 dx = 4Rπ r2 x 1 x [arcsin + sin(2 arcsin )] 2 r 2 r r −r = 2Rr2 π 2 = 2Rπr2 π.♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema. Podijelimo li opet segment [a. Sada iz Primjera 7. x osi i grafom (pozitivne i neprekidne na [a. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi . rotacijom komada izmedu [xi−1 .♣ zs Na Guldinov teorem ´emo se vratiti kasnije. nastaje cilindriˇni sloj. . b] na n dijelova.ˇ 7.11 (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. xi ].. to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 . x = b. .. Razreˇemo ga po izvodnici i razmotamo. U limesu. tj. xi ] konstantom f (xi ). parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi .5. dobijemo prizmu.

Promatramo lik omeden pravcima x = a. b].326 ˇ POGLAVLJE 7. ono ostaje u ravnoteˇi. tj. b] na osi x i grafom funkcije f nad [a.♠ 5 7.5. b]. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . Primjer 7. zs zs c ako podupremo tijelo. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . yi ). 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. Uzmemo li ˇkare i izreˇemo taj lik. x = b.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . segmentom [a. da mu je gusto´a c ˇ svuda ista. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. dobijemo tanko tijelo.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. (Teˇiˇte je toˇka u kojoj.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. c s c . Zelimo odrediti teˇiˇte izrezanog lika.

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

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

pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). Iz simetrije je jasno da mora biti xT = 0. i=1 a to u limesu daje My = µ b a xf (x)dx. recimo. zs √ Imamo f (x) = r2 − x2 .ˇ 7.23: Teˇiˇte homogenog polukruga. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi .5. zs s s y r 0 r x Slika 7. s Primjer 7.11). PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. upravo xi . 2 . to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx .25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. Takoder. yT = 1 2 b 2 a f (x)dx b a f (x)dx . Kako je masa promatranog lika jednaka M = µP. iz Primjera 7.

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

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

mjereno od osnovice.♠ 8 π 4 R . 4 Zbog M = µV = 14 3 R π. 23 dobivamo xT = Mx M . 4 3 Zbog M = µV = 1 R2 πH. za µ = 1. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. dobivamo xT = 4 H. Primjer 7.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7.332 ˇ POGLAVLJE 7.24: Teˇiˇte homogenog stoˇca. tj. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. 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 .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 . zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .♠ z Primjer 7. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.

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

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

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

Analogno iz ϕ(t) = r imamo t2 = 0. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt.♠ 2 Kombinacijom razmatranja iz toˇke 7. Iz ϕ(t) = −r imamo t1 = π. xi ]. Prijelazom na limes dobijemo gornju formulu.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 . 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.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. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. i visine ∆xi = xi − xi−1 . b] podijeli na male podsegmente [xi−1 . n. 5 . 4 4 4 Takoder zbog simetrije. π] −→ R zadovoljava Teorem 7.. dakle je 1 I0 = Ix + Iy = M r2 .5. i zbroje se momenti inercije malih valjaka polumjera f (si ). xi ]..10. i = 1. 2 2 a onda se interval [a. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. c Primjer 7. . gdje je si ∈ [xi−1 . Sada iz Primjera 7. moment inercije cijelog kruga obzirom na y os je Iy = Ix .8 imamo 1 Ix = r4 π.336 ˇ POGLAVLJE 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. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .

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

Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. xi ].. i = 1. mase µ. 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..338 ˇ POGLAVLJE 7. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. i = 1. 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 ))..6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a.5.27: Ploˇtina plaˇta rotacijskog tijela. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . xi ]. b] rotira oko osi x. n. s yT = b a f (x) √ 1+[f (x)]2 dx . Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. Dijeljenjem segmenta [a. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx ... b] na podsegmente [xi−1 .. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. n. . s 7. . i . polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r).26).

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 . ploˇtinu sfere polumjera r. xi ]. i = 1. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . .12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka.31 Izraˇunajmo oploˇje kugle. Teorem 7. Ovdje smo s ds oznaˇili diferencijal luka. c ds = 1 + [f (x)]2 dx. 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. n.26).5. gdje je si ∈ [xi−1 . i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . ako znamo poloˇaj tijela u trenutku t1 = 0.. Toˇnije.. Primjer 7.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.♣ s zs 7. tj. 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 .5. . Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.ˇ 7. 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. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x..

Rad sile − → Sila je tipiˇan primjer vektorske veliˇine.. Tada je suma n F (xi )xi ∆xi i=1 .340 ˇ POGLAVLJE 7.28: Rad sile F (x) na putu [a. UVOD U INTEGRALNI RACUN Za sluˇaj konstantne brzine v(t) = v. < xn−1 < xn = b i c pretpostavimo da je na svakom segmentu [xi−1 .. duljine ∆xi . n.. Promatrajmo sada sluˇaj sile konstantnog smjera ˇiji iznos se neprekidno mijenja. i = 1. b]. Podijelimo segment [a. ona pri tome vrˇi rad s s s − → → W = F ·−. uzmimo da je F (x) = F (x) i . s → → − Ako su vektori F i − kolinearni.. y F(x) W 0 a b x Slika 7. c c − → − → Jednostavnosti radi. sila konstantna. . . recimo F (xi ). n. dobivamo poznatu formulu za rad s W = F · s.. Ako konstantna sila F djeluje na putu c c → → duljine |− | u smjeru vektora − ... xi ]. b] na n posegmenata toˇkama a = x0 < x1 < x2 < . i = 1.. gornja se formula svodi na izraz c s(t) = vt + s0 .

Tada ´e njen integral (tj. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. F = −kx. rad) biti kvadratna funkcija pomaka x. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju.33 Jarak duljine 10 m. To je formula dobivena integriranjem konstantne sile mg od 0 do h. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . i nakon toga s . 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. Primjer 7.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. Odavde odmah slijedi da je rad sile F (x) na putu [a. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b.ˇ 7. s Primjer 7. tj.5. ako se masa tijela mijenja. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. 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. b] z z b W = a F (x)dx. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . 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.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. onda je b W (h) = a F (x)dx. no nije ni bitna. Ako sila nije konstantna. b]. pri ˇemu je g ≈ 9. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom.

ˇirina c s 2(1 − x) m.83 J. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. .29: Jarak iz Primjera 7. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. s x 0 y h Slika 7.342 ˇ POGLAVLJE 7. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.30: Jarak iz Primjera 7.33.33. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. duljina jarka je 10 m. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. a debljina sloja je dx metara). Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.

gdje smo s c K oznaˇili K = Gmz mp .♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. c c c smanjenje zbog utroˇka goriva. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. To se postiˇe integriranjem po dubini sile na z mali element povrˇine. Za x = R imamo teˇinu tijela na povrˇini Zemlje. upravo teˇina z K tijela. projektil) teˇine P podigne na visinu h iznad Zemljine povrˇine? s Ako h nije zanemarivo malo u usporedbi s polumjerom Zemljine R ne smijemo viˇe uzimati g kao konstantnu veliˇinu. PRIMJENE INTEGRALNOG RACUNA 343 Zadatak smo mogli i jednostavnije rjeˇiti uoˇavaju´i da je teˇiˇte vode u jarku s c c zs 1 na dubini od 3 m ( jer je teˇiˇte trokuta na tre´ini teˇiˇnice. (Ovdje je mz masa Zemlje. No ta sila je. Dakle je K = P R2 i F (x) = PxR . po definiciji. Po Newtonovom zakonu znamo da je s c sila kojom Zemlja djeluje na tjelo mase mp na udaljenosti x od srediˇta zemlje s mz mp jednaka F (x) = G x2 . Traˇeni rad je sada jednak z 2 R+h W (h) = R P R2 dx = P R2 2 x R+h R dx P Rh = .♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu.5. mp masa projektila i G univerzalna gravitacijska konstanta). Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. imamo F (x) = x2 . Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . s z Primjer 7.34 Koliki je rad potreban uloˇiti da se tijelo (npr. Uzimaju´i da su mp . mz i G konstante. tj.ˇ 7. c z s 2 K F (R) = R2 = P .35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. 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. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. z z Primjer 7. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N .

35. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.31: Kanal iz Primjera 7.♠ s c . UVOD U INTEGRALNI RACUN 0 1 Slika 7.344 ˇ POGLAVLJE 7.

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

Sign up to vote on this title
UsefulNot useful