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

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

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

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

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

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

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

1. . . . .2. .2 Svojstva odredenog integrala . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . . . . . . . .1.2. . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . . . . . .2. .1 Neprekidnost funkcije . . . . . . . . . . . . . . . . . . . c 6. .Leibnizova formula . . . . . . . . . 6. . . .7 Primjene u fizici . . .2 Neodredeni integral . . . . . . . . . . .1. . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . 7. . . . . . s 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . 6. . . . . . . .5. . 7. . . . .4 Raˇunanje derivacija . . .1 Motivacija . . . . . . . . . . . . . .2. . . . 7. . . . . .5. . . . . . . .4 Moment ustrajnosti (inercije) . . . . . . . . . . . s 7. . . . . . . . . . . . zs 7. . .1. . . . . . . . .8 Primjene derivacija . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . . . . . . . .6 Derivacije viˇeg reda . .4 Nepravi integral . . . . . . . . . . . . . . . . . . . . . . . . 6. . . .2. . . . 7. . . . . . . . 7 Uvod u integralni raˇun c 7. . . . . . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6.2 Odredeni integral .1. .3 Teˇiˇte . . . . . . . . . . . .1 Povrˇina lika u ravnini . .2 Derivacija funkcije . . . . . . . .1 Motivacija . . . . . . . . . . . . . . . . . zs 7. . . .2. . . . . . . . . . . . . . . .3 Derivacija funkcije . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Volumen rotacijskog tijela . . . . . . . .7 Raˇunanje limesa . . . . . . . . . . . . . . . . . .5. . . . . . . . . . 6. . . . . . . c 6. . c 6. . . . . . . . . . . .5. . . . . . . . . . . . . . .6 Neodredeni oblici . . . . . . .5. . . . . . . . . . . . . . . .3 Metode integriranja . . . 7. . c 6. . . . . . . . . . . . 7. . . . 7. . . . 6. .5. . .1 Primitivna funkcija . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . .2 Derivacija funkcije u toˇki . . . . . . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . . . . . c 6. .1. . .5 Neprekidnost i limes . . . . .1.1. . . . . . . . . . . . . . . . . .5. . . . 7. . . . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . .2.5 Primjene integralnog raˇuna . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . . . . . . . . . . . . . . . . c 6. . . .1. . . . . . . . . . . . . . . . . . 7. . . . . . . . .3 Neprekidnost elementarnih funkcija . .3 Newton . . 6. . . . . . .1 Neodredeni integral . . . . . . . . . .problem povrˇine (ploˇtine) s s 7. c 7. . . . . . . . . . . . . . . s 6. . . . . . .2 Svojstva neprekidnih funkcija . . . . . .6 Povrˇina rotacijske plohe . . 7. . . . . . . . . . .

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

Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja.2 to ista tvrtka kod koje treba iznajmiti vozilo za odlazak po poslovnog partnera na aerodrom udaljen 20 km? Na gornja ´e pitanja odgovoriti svatko tko je svladao ˇetiri raˇunske operacije. s c s dakle. troˇkovi proizvodnje. Takve c prikaze zovemo matematiˇkim modelima. Treba nam. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. niti marka automobila. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. 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. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. uloˇiti trud u razumijevanje svojstava linearne z . 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. Takav nam okvir daje matematika. Unatoˇ tome. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. c Matematika je. Bitni su. niti grad u koji se putuje. vidimo da oba naˇa s problema imaju istu strukturu. Bitne su cijene. arhetipski. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. Nadalje. dakle. Nije bitan tip mobitela. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. Vrijedno je. udaljenosti. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. u naˇem primjeru. 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. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. 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. startna cijena). po kilometru) i da se tome dodaje konstantan iznos (pretplata. kvantitativni aspekti. dakle. z c c Prvo. porez. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. gotovo karikirani. trajanje. to je 800 km. dakle. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute.

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

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

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

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

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

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

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

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

→ Napomena 1. c 2. onda c a − → − →. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. Preciznije. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. z kolinearan je sa svakim vektorom). → → → − − → − 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 . Vektor kod kojeg su poˇetak i kraj jednaki. → c . VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. 11 − → 3. tj. tj. Sada samo izaberemo orijentaciju koja nam treba.2 znamo da takve toˇke A i B postoje i da su jedinstvene. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1.3).1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Tada je c − − → − = OB. Oˇito je | 0 | = 0.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Za vektor P Q kaˇemo da je orijentiran od P prema Q.1. 3. Iz a Napomene 1. poˇinje u P a z c zavrˇava u Q. P = Q. Pogledajmo sada neka svojstva nul vektora: c − → 1. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A.3). Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. Napomena 1. B ∈ E takve da je OA = − i AB = b .1.

♣ B b a+b a b 0 A a+b a b Slika 1. − → → − → → → → − 3. → a =−a → − → → → − a a 4.3: Motivacija za definiciju zbrajanja vektora. − → − → − → Napomena 1. VEKTORSKI RACUN R a G Slika 1. Q ∈ E vrijedi P Q = P O + OQ. − + b = b + − (komutativnost). i oznaˇavamo ga s → 0 .12 ˇ POGLAVLJE 1. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).3 Za bilo koje tri toˇke P. .4: Pravilo trokuta i pravilo paralelograma. O. a c a c → − → → → − → a a a 2. (− + b ) + − = → + ( b + − ) (asocijativnost).1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. c Teorem 1. Vektor a zovemo suprotni vektor vektora a c − → −. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − .

Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. realnim brojem. d c a + b+ c+ d a b Slika 1.1.1 ima sljede´a svojstva: ima →. a a → Za sluˇaj → + − piˇemo 2− (tj. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. ˇija je duljina jednaka |λ||− |. λ > 0 B’ 0 λa. itd.1. Za n ∈ N a c a a a − = (n − 1)− + − . c a − 2.6: Mnoˇenje vektora skalarom. s → − − a c Napomena 1. tj.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. → BA. definiramo λ− kao vektor: a → 1. ali je suprotne orijentacije. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). Sliˇno 2− + − = 3→. koji ima isti smjer kao →.λ<0 a A B Slika 1.5: Pravilo mnogokuta za zbrajanje viˇe vektora.4 Vektor a = −→ iz Teorema 1. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. a . λa . z → Za λ ∈ R. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom.

za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . VEKTORSKI RACUN → 3. λ(µ→) = (λµ)− (homogenost). 2. za sve a. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora).2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). Neka je dan polupravac (zraka) s poˇetkom u O.♣ a a Definicija 1.2. uz pretpostavku − = 0 . Primjetimo da se u Definiciji 1. a a a − → 3. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. → od vektora a Teorem 1. i neka je A = O c toˇka koja leˇi na tom polupravcu. b ∈ V je a + b ∈ V .4 i pokuˇajmo definirati kolinearnost u drugim s terminima. 1 · − = → (postojanje jedinice). postoji pravac a a .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. onda. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. Elemente od skupa V zovemo vektori. 3. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA. a suprotnu orijentaciju a − za λ < 0. − → → → → − Ako su vektori − i b kolinearni. c Vratimo se sada Definiciji 1. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara).14 ˇ POGLAVLJE 1. a a → − 4.1 i Teorema 1. a a → → → 2.5 nigdje ne govori o geometrijskim veliˇinama. koji ima istu orijentaciju kao vektor − za λ > 0.

Bijekcija je konstruirana na prirodan naˇin. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). A. → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . b = OB. pa moˇemo a a a z − → − = a . tj.2 Vektorski prostor XO (E).1). LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. Kako je → = 0 . Imamo da je c a − → → b = λ− . (λ. Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . b ∈ XO (E) i λ ∈ R. gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. tj. B ∈ E na p takve da je − = OA. VEKTORSKI PROSTOR XO (E). →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). onda je |− | = 0. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1.4). → →→ te vrijedi a a a0 1. Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . 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− . − → 2. z → − → − → → → Neka su sada − . a a . Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − .2. (− . odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). (Usporedimo ovo s Definicijom 1.1. Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E.

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

8 Neka su →. →. Ako su − . →. onda su oni linearno zavisni ako i samo ako su kolinearni.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. b ∈ XO (E). − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.. onda su ti vektori linearno zavisni. → → − Teorem 1. takav rastav je jedinstven. b bilo koja dva linearno nezavisna vektora iz XO (M ). → → − → Teorem 1.3 slijedi iz Napomene 1. Ako je barem jedan od vektora − .5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna.1. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. − i − .. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . VEKTORSKI PROSTOR XO (E).♣ → a s Jednostavna posljedica Teorema 1. b i − tri linearno nezavisna vektora iz XO (E). . → ∈ XO (E) jednak nul veka1 a2 an toru.. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.. Ako imamo dva vektora − .5 Ako su − .3 Bilo koja dva vektora iz XO (p) su linearno zavisna. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. c − → − Napomena 1.♣ . . c − → → a 4.♣ → → → ˇ s a b c Iz Teorema 1. pa z z slijedi da su oni linearno nezavisni. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − ..2. e1 e2 e3 z Tada su oni linearno nezavisni. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . jer se nalazimo na pravcu. Stoviˇe. Stoviˇe. → ∈ XO linearno zavisni.4 Ako su − .3 je jasna. z → − − 3. taj rastav je jedinstven. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. Teorem 1. on se ne moˇe izraziti kao njihova linearna konbinacija. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. ♣ Tvrdnja Teorema 1.7.

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

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

Moˇe se pokazati da skup od n vektora −i = (0. ay . ay . Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R .. Kako ta baza ima c n n vektora.. 0. . az ) = (λax .. ... yn ) = (x1 + y1 . y2 .. Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. 2. xn ) = (λx1 . c c Za (x1 . xn ) gdje su xi ∈ R za i = 1. . λ(ax . z 1.. . xn ) + (y1 .. yn ) ∈ Rn i λ ∈ R definiramo: (x1 . Zelimo imati operacije koje imamo za brojeve i koje se svode na operacije s brojevima za n = 1 (sluˇaj n = 1 svodi se na c vektorski prostor XO (p) ili R1 = R). n... U toˇki 1.. . . z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |).. . x2 . x2 . Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. ..1 i Teorema 1.. xn ). λ(x1 .. n. ay + by . by . Zelimo uvesti i mnoˇenje vektora. Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom...2. (y1 . Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu.... n}.. . 1.5 Skalarni produkt ˇ Vektori su generalizacija brojeva. x2 . az ) + (bx ..... xn ) : xi ∈ R za i = 1. . Skup svih takvih n-torki oznaˇavat ´emo sa Rn . x2 + y2 . kaˇemo da je R n-dimenzionalni realni vektorski prostor.. i = 1. To svojstvo baze od X0 (E) zovemo potpunost.. 0..3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). λaz ).. λx2 .20 ˇ POGLAVLJE 1.. Dakle Rn = {(x1 . y2 . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. 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 . . (ax .. bz ) = (ax + bx . ako su sila i put kolinearni.. . x2 . U tu svrhu moramo na odgovaraju´i naˇin definirati c c .. Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N.. VEKTORSKI RACUN 1.. xn + yn ). . ˇini bazu u R . .... az + bz ). λxn ). x2 . λay .... Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni..

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

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

.. b ∈ V i sve λ.. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . yn ) ∈ Rn . tj. µ ∈ R. . . . → → Neka su − = (x1 .11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. (λ− ) · b = λ(− · b ) (homogenost). a x y z Ova se formula za duˇinu vektora.9 Neka su V i W realni vektorski prostori. − = (y1 . a c a c c → → → − → − 2. y2 . 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 ..1. slaˇe s Napomenom 1.. a a → − → → − − a a c 3. ako je vektorski prostor W = R. Za preslikavanje (funkciju) sa V u W . (− + b ) · − = − · → + b · → (aditivnost). → · b = b · − (simetriˇnost). →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . tj. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − .10. Definicija 1. − → a b Napomena 1. xn ).. z z → → − → − → − → → 2. a onda f zovemo linearni funkcional. x2 .. → → x y Teorem 1. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . Posebno.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1.5.♣ − → → → → 1. + xn yn ..

Tada je skalarno mnoˇenje s c z − linearni funkcional. Tada su oˇito ax . µ ∈ R proizvoljni. (− . cos β. − a0 →| i − −| j → −| k → |a |a |a . b ∈ a a c a XO (E) i λ. az = − · k . → → − → − →→ → →→ a a i i a j j a k k Napomena 1. a → → → − Neka je sada − ∈ XO (E).2 Neka je − ∈ XO (E) fiksan vektor. − .12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. β. Ve´ smo rekli (toˇka 1. u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . j . − ). Kako je |− | = 1.24 ˇ POGLAVLJE 1. Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − . az ∈ [−1.♠ a a c a c c a − → − → − → Neka je sada ( i . k ) od XO (E).3). π] c takvi da je ax = cos α. ay . onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). az = cos γ. Stoviˇe. γ ∈ [0. k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1. j . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. ay = cos β. k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . ay = − · j . vrijedi a s → − → → = ax → + ay − + az − . j . a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− .1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . Neka su sada →. → a i j k → Brojeve cos α. pa postoje brojevi α. 1]. − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. vrijedi a2 + a2 + a x y 2 az = 1. cos γ zovemo kosinusi smjera vektora − . Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . VEKTORSKI RACUN → Primjer 1. a a z c − → a → − Pogledajmo vektor − = − .

Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). → |a| ay cos β = − .1.5. Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D. Tada postoji D ∈ E takva da je d = OD. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . Dakle imamo OD = ( d · − )− jer je OD = λ− . SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → |a| az cos γ = → . imamo − → → →→ − d = ( d · − )− .10: Projekcija vektora na pravac. jediniˇni vektor. neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1. − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. Nadalje. Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. a0 a0 .

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

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

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

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

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

Dakle a − → − i b su kolinearni.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. ϕ = 0 ili ϕ = π. → → → − → → − (a b c a c b c − − → → − → 3. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ).1. → × ( b + − ) = − × b + − × − . → × b = −( b × − ) a a (antikomutativnost). bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. Neka su sada oba vektora razliˇita od nul vektora. pa desna strana formule za duljinu vektora − × b iˇˇezava. neka je − × b = 0 .6. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. b nul vektor. Po pretpostavci je |→| = 0 i | b | = 0. tj. jer je nul vektor kolinearan sa svakim vektorom. c Dokaz: − → → Ako je barem jedan od vektora − . (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . − → − → |a a sc a b → − → → − pa i − × b = 0 .8.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . a c → i → kolinearni. Tada je |− × b | = 0. kao saˇeti zapis. Kako je − · b = |→|| b | cos ϕ. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . Zbog − · − = |→||− | cos ϕ.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. − → → → − → − → → 2. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 .♣ → a . Tada je |→ × − | = 0. c c z Teorem 1. a a a Napomena 1. i ϕ = 0 ili ϕ = π. pa je cos2 ϕ = 1. a → − → → → → − → − → − Obratno. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju).♣ Primijetimo da tvrdnje Teorema 1.

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

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

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

gdje je |→| baza. s → → − → Definicija 1. Pretpostavimo zato da su − = 0 . MJESOVITI PRODUKT 35 bx c a c b Slika 1.16 oni su linearno zavisni. a a .17 Za vektore − .16 Vektori →. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni.6.9. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. − . − → − i samo ako su a b c − → → → Ako su − . pa tvrdnja slijedi a c iz svojstava determinante 3. a a − → → − → − − → − 2. Tada je: → → → a b c → − → − → − − → 1. b . No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . b . b = 0 i → = 0 . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. zakljuˇujemo da su vektori → i b × c okomiti. pa kako je − okomit na b × − . vektorsko mnoˇenje i mjeˇoviti z z s produkt. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. jer je a a c → − − → |→ · b | = |− || cos ϕ|.11 Za vektore − . − komplanarni po Napomeni 1. kako je a c → − − → → − − → − · ( b × c ) = 0. → komplanarni. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. z → − − − a c Napomena 1. |→ × b | je povrˇina paralelograma razapetog s → i b . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . − . onda − → − Obratno. − ∈ XO (E).♣. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − .ˇ 1.4 i 5 iz toˇke 1. b . → − → − → → → → Napomena 1. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. b . |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . a | b | sin ϕ visina paralelograma. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. Tada.14: Mjeˇoviti produkt triju vektora.

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

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

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

n n 2. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. onda je pravac paralelan s osi y. → → Ax = 0 i vektor n n i 5. jer je tada vektor − oblika n − → →=Ai. onda je pravac os y. Dobijemo z B A x + −C y = 1. jer je toˇka (0. tj. ako postoji t ∈ R takav da je A = tA.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0.1. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . jer je tada vektor − oblika n − → →=Bj. z → 2. onda je pravac os x. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. Ako je B = 0. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. y0 ) i da je za svaku drugu toˇku (x. 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.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. jer je (0. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . onda pravac prolazi kroz ishodiˇte. B = tB i C = tC. onda je pravac paralelan s osi x. jer je (0. znaˇi z c da prolaze kroz istu toˇku (x0 . no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. Ako je A = 0.2. c Obratno. Ako je C = 0. Oˇito je (x0 . 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Dakle → → r i j n i j n i j → − − → − i n kolinearni. postoji t ∈ R takav da je n = t− .1. pa imamo tvrdnju. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. − n → 3. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. Ako je A = C = 0. nepotpune obc z like): 1. Ako je B = C = 0. − n 4. Odatle je A = tA i → → su vektori n n B = tB. C −A −B .

z . z p s=mi+nj P1 = (x 1. 0). z 2. imamo A x a + y b = 1.3: Kanonski oblik jednadˇbe pravca.y 1 ) Slika 2.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi).2: Segmentni oblik jednadˇbe pravca. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. z z Uoˇimo sljede´e: ako je x = 0. c c tj. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. b) i (a.40 ˇ POGLAVLJE 2.1. onda je x = a. onda je y = b. pravac prolazi kroz toˇke (0. a ako je y = 0. c c y b a 0 x Slika 2. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B .

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

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

P = (x. s vektorom i ).1. n c y q n θ P0 x r P p 0 Slika 2. → → r n Jednadˇbu − · − = d. PRAVAC U RAVNINI Napomena 2. a2 + b2 = 1. Povucimo sada kroz O pravac q okomit na p. φ ∈ [0. n − → → Toˇka P = (x. 1]. l). Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ.6: Normirani oblik jednadˇbe pravca. odnosno z → → r n x cos ψ + y sin ψ = d . Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. imamo k = tg ϕ. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (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. tj.5).2.1. tj. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. b ∈ [−1. c c s − → − → → d = |OP0 |. n Kako je tg ϕ = m . c − → − → → pa imamo − = cos ψ i + sin ψ j . pravac prolazi toˇkom (0. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. tj. z Jasno je da su a. y) leˇi na pravcu p ako i samo ako je z − · − = d. c 43 n ˇ Uzeli smo da je k = m .6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). Neka je − = a i + b j jediniˇni vektor na pravcu q. 2.3 Za x = 0 imamo y = l tj. pa tada postoje ψ.

1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y. dakle mora biti tA = cos ψ. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. tB = sin ψ. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. tC = −d. z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. −sign C · A2 + B 2 Dakle normirani oblik jednadˇbe pravca z Ax + By + C = 0 glasi Ax+By+C √ −sign C A2 +B 2 = 0. po Napomeni 2. postavlja se pitanje kako prona´i njegov normirani oblik. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. z . 2. predznak od t je jednak suprotnom predznaku od C). Stoga je t= 1 √ .2.44 ˇ POGLAVLJE 2. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 .2 2.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca.

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 . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . A2 B2 → → Napomena 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. −1 → Neka je ϕ kut izmedu → i −2 . Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 . → n i j 45 Definicija 2.2. → → kolinearni. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . tj. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. ako i samo ako je A1 A2 + B1 B2 = 0.ˇ 2.

ako i samo ako je m1 m2 + n1 n2 = 0.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. − → 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 . s1 s2 tj. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . ako i samo ako postoji λ ∈ R takav da je − = λ− . m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. tj. → → Napomena 2. m2 n2 → → Napomena 2. s1 s2 odnosno ako i samo ako je n1 m1 = .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera.46 b) Kanonski oblik: ˇ POGLAVLJE 2. .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = .

y = k2 x + l2 . . Neka je ϕ = ϕ2 − ϕ1 . Definicija 2. k2 = tg ϕ2 . 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 .ˇ 2.7: Kut dvaju pravaca. 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 . y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2.2. 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 .

5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. ako i samo ako je ϕ1 = ϕ2 .48 ˇ POGLAVLJE 2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.7). Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . Neka je pravac p dan u c c normiranom obliku. c Definicija 2. p) = x0 cos ψ + y0 sin ψ − d.2. Napomena 2. odnosno ako i samo ako je 1 + k1 k2 = 0. To je ekvivalentno s 1 k1 = − .2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . ANALITICKA GEOMETRIJA Napomena 2. 2 ako i samo ako je tg ϕ = ∞.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. s Napomena 2. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. x cos ψ + y sin ψ = d.5. 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.1.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. tj. sa suprotne strane od ishodiˇta) jer je tada n s . tj. Zanima nas udaljenost c toˇke P0 od pravca p. tj. y0 ) i pravac p u ravnini. odnosno ako i samo ako je k1 = k2 . k2 2.

2. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . a b . odnosno bx + ay − ab = 0. y0 ) od pravca p je c d(P0 .ˇ 2. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . y0 ) od pravca p je c d(P0 . eksplicitni). p) = |x0 cos ψ + y0 sin ψ − d|. A2 +B 2 Ax0 + By0 + C √ . a2 +b2 x y + = 1. onda iz toˇke 2. tj. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . kanonski. pravac kroz dvije toˇke. p) = |bx0 +ay0 −ab| √ . udaljenost toˇke P0 = (x0 . Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. −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) ≥ 0.1 c z c (segmentni.1.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . p) < 0. p) = odnosno d(P0 . p) = |Ax0 +By0 +C| √ . 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.

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

paralelni su. ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. 3. xs = . koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. sijeku se u jednoj toˇki. c 2. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . Npr.ˇ 2.8: Mogu´i poloˇaji pravaca u ravnini. ys ). Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. poklapaju se. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. zovimo je S = (xs .3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. identiˇni su. tj.2. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. c z U sluˇaju da se sijeku u jednoj toˇki.2.

2.2. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. p) suprotnog predznaka.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. Napomena 2. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . .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 . ako su p1 i p2 paralelni.2. p) = x0 cos ψ + y0 sin ψ − d. p) i δ(B. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. onda su p1 i p2 paralelni. onda je A 1 B1 A 2 B2 = 0.52 i ˇ POGLAVLJE 2.11 Ako je A 1 B1 A 2 B2 = 0. Osim udaljenosti.4). Vrijedi i obrat. p)|. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .

A2 B2 A 1 B1 . p2 . ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. → n i j → → −2 = A2 − + B2 − . po Teoremu 1. tj. Oznaˇimo c c c ju sa S = (xs . jer ako su sve tri jednake nuli. p3 u ravnini u op´em obliku. ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. β ∈ R takvi da je −3 = α→ + β −2 . postoje α.ˇ 2. bez smanjenja op´enitosti. s c Neka se sada. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. ys ). tj. p2 . onda prema Napomeni c 2.2.4 vektori → → −1 = A1 − + B1 − . c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. z c s Da bi se p1 . mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . Tada p3 mora prolaziti kroz S. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . . → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. tj. p1 i p2 sijeku u jednoj toˇki.2.5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . Dokaˇimo da je i z C3 = αC1 + βC2 .

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

Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.3. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x.2. Neka c z s −→ → → − − radij-vektor toˇke P .3.9: Pravac u prostoru.3. y0 + tb. y. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . 2. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. z) = (x0 + ta. . c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.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. → → → a i + b j + c k . y0 . y. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . Tada imamo P0 P = − − − .2). z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− .3 2.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . z0 + tc). PRAVAC U PROSTORU 55 2. → − → r r0 s p ts P0 r 0 s r0 Slika 2.

y = y0 + tb. . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . vektor smjera pravca p je dan s (a. Kako su vektori baze linearno nezavisni. z s Napomena 2.3. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . pravac p prolazi toˇkom (x0 . z Napomena 2. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . z0 ) i 2. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . j i k dobivamo kanonske jednadˇbe pravca. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . b. c) odnosno a. z c s 2. c su koeficijenti smjera pravca p. y0 . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . Prema s z Napomeni 1.13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1. b. ANALITICKA GEOMETRIJA x = x0 + ta.56 Jednadˇbe z ˇ POGLAVLJE 2.

6). →| |s c cos γ = → . β. − → z definirajmo s P c s − je vektor smjera pravca p. Zbog komplec mentarnosti. tj. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. odnosno postoje c s0 α. c c Tada kroz njh prolazi jedinstveni pravac p. → − → → r r1 r2 r1 . c) je dana s x y z = = . kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. −| |s Dakle koeficijenti smjera a. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . pa odreduje isti pravac.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). y1 . z2 ) u prostoru. jedan kosinus smjera prelazi u sinus.3.3. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .5 i toˇka 2.1. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p.3.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 .2. s 2. onda ima dva kosinusa smjera. b. i njihov omjer daje koeficijent smjera (toˇka 2. c). y2 . PRAVAC U PROSTORU 57 → Posebno. istog smjera i orijentacije kao i →.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. z1 ) i P2 = (x2 . − →| s →| |→| |→| |s |s s s − jediniˇni. Uzmimo sada npr. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . b. π] takvi da je a cos α = − . c s → Iz toˇke 1. Sada imamo da je → = P1 P2 = → − →. →| |s b cos β = − . pa iz toˇke − − s r2 c s r2 r1 c 2. − .3. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.1. γ ∈ [0. b. Odredimo njegovu jednadˇbu. 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. z Znamo iz toˇke 2.5 znamo da postoje kosinusi smjera vektora − . onda znamo da je vektor → s a b c 1 → s0 = − − = − .

z0 ) s vektorom smjera − = (a. z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). c c c odnosno. uz oznake m = a c i m1 = − a z0 . z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. y = y1 + t(y2 − y1 ). c x = mz + m1 .5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 .3. ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. Analogno. z c y2 −y1 2 −z 2.58 ˇ POGLAVLJE 2.10: Pravac kroz dvije toˇke u prostoru. c c c . b. 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.

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

→ r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . s z Imamo → = 1 (− + − ). my1 +ny2 . ANALITICKA GEOMETRIJA 2. m+n m+n m+n Napomena 2. 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. z2 ) u prostoru.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC.12: Dijeljenje duˇine u zadanom omjeru. z1 ) i B = (x2 . y1 . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. y2 . 2 2 2 . r2 r1 →=− + − → ρ r1 n m → → → − + n −. z → c radij vektor toˇke B. mz1 +nz2 ). m ∈ N. . .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB.60 ˇ POGLAVLJE 2. tj. AC : CB = m : n.3. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= .

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

ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). a c kako M leˇi u Π . Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. Za toˇke s druge strane bit ´e n c c d < 0. B = (0.4. y. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. toˇke u kojima Π sijeˇe koordinatne osi x. z). C = c (0. c Neka je M = (x1 .16 Ako toˇka P ∈ E ima koordinate (x. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. u stvari. C ∈ Π. udaljenost ravnine Π od ravnine Π .2. n . ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . 0).2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. b.2. B. n − → → OC · −0 = p. r n Napomena 2. kako su A. jer je duljina okomice do Π jednaka p). iz normalne jednadˇbe ravnine imamo. Napomena 2.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala.2. Kako je d. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. 0. Imamo neˇto analogno otklonu iz toˇke 2. z1 ) ∈ E proizvoljna. n0 − − → → OB · −0 = p. Kao i kod pravca (toˇka 2.62 ˇ POGLAVLJE 2.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. c c Sada. 0). duljina okomice c do Π ´e biti p + d (za neki d ∈ R. c). 0. Nadalje. z − − → OA · → = p. 2. → ako je M s one strane Π na koju pokazuje −0 . y. z. redom. neka su toˇke A = (a. y1 .

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

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

c . C C C A z Oznaˇimo a1 = − C . 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. tj. k ). B. onda su koordinate A.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0.2. y1 .17. pa odreduju istu ravninu. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. po c Napomeni 2. 0) nema komponentu u smjeru n − → osi z (tj. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. Stoga ´emo i vektor − zvati vektor normale. 0.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . ravnina prolazi kroz ishodiˇte. s → 2. nepotpune obc z like): c c z 1. Ako je C = 0. Napomena 2. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. c onda je A B D z =− x− y− . Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. onda je oˇito da O = (0. b1 = − B i c1 = − D . R cos β = B . istog su smjera n n → c n i orijentacije. z1 ) ∈ E. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. B. B. Dakle imamo cos α = 65 A . Π) = |Ax1 +By1 +Cz1 +D| √ . R → → Vektor normale −0 je normirani vektor − = (A.1). C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. RAVNINA U PROSTORU predznaka od D. s c A2 +B 2 +C 2 Napomena 2.4. Ako je D = 0. R cos γ = C . tj. Tada je. onda normala − = (A.20 Neka je dana toˇka M = (x1 .4. C). pa imamo cos γ = 0.

s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P .4. Varijable u i v zovemo parametri. C i D. 0. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. C koji je razliˇit od nule. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →.66 z ˇ POGLAVLJE 2. onda prema 1. z c c 2.16: Ravnine u posebnim poloˇajima. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. ravnina je paralelna s koordinatnom ravninom Oyz. odnosno x = − D . onda normala − = (A. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. Ako je B = C = 0. ravnina prolazi kroz ishodiˇte s a prema 3. ravnina je paralelna A s koordinatnom ravninom Oyz. z → − a vektore − i → vektori smjera. 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. − i − su komplanarni). B. 0) ima komponentu samo u n smjeru osi x. 4. z → 3. imamo samo tri nezavisna. Imamo Ax + D = 0. A. Ako je B = C = D = 0. c Od ˇetiri parametra. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. s1 s2 . zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − .

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

toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P .5 2.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . Po Napomeni 1. P1 P3 komplanarni. Kao i u toˇki 2.68 ˇ POGLAVLJE 2. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . z1 ). toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). ako i samo ako su P0 P . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0.4. P3 (uzmemo npr. z2 ).16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. P2 . s1 . P2 . y2 . y1 . P2 . − . → komplanarni. P2 = (x2 . 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. P3 ne leˇe na istom pravcu. ANALITICKA GEOMETRIJA −→ → − − odnosno.5. Kako toˇke P1 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. 2. 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 .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 .4.4. vektori s1 s2 −→ → − − − → P0 P . z3 ) u c prostoru takve da ne leˇe na istom pravcu. P3 = (x3 . Dakle.16. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. 2. P1 P2 . Po Napomeni 1. y3 .

2. Ravnine se podudaraju. odnosno ako → → kolinearni. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. tj. ako i samo ako je −1 · −2 = 0. B2 . B1 . −1 → Napomena 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. Teorem 2.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. ♣ . tj.5. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0.2. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 .23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . C2 ). 3. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. 69 −1 Definicija 2. Ravnine se sijeku u jednom i samo jednom pravcu. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 .24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . Ravnine se ne sijeku. C1 ) n → i −2 = (A2 .

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

C). → → s n . sve toˇke prostora koje se nalaze u presjeciˇtu Π1 .5.5. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. b. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . B. c) i − = (A. z nepoznanice). ∆ . 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 = 0.5) i koordinate su mu c c ∆x ∆y ∆z ∆. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. y. c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. onda je presjeciˇte jedinstveno (tj. ∆. s jedna toˇka.2. 2. z Definicija 2. paralelne su). toˇka 2.4. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. b. 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). Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x.

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

z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. z = z1 + ct. z z . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. Aa + Bb + Cc Napomena 2.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . 2. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli.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. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. y = y1 + bt.5. 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 .5. y0 . ako nema konaˇnog z koji je rjeˇenje. Ax1 + By1 + Cz1 + D .28 Ako ne postoji takav t koji je konaˇan. tj. z1 − c Ax1Aa+Bb+Cc+D . imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0.2. tj. a druga je uvjet paralelnosti pravca i ravnine. y1 − b Ax1Aa+Bb+Cc+D .

→ → 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 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). c c c 2. y1 .5.18: Mimosmjerni pravci. Pravac je sadrˇan u ravnini.74 ˇ POGLAVLJE 2. z2 ) s vektorima smjera − = (a1 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. 3. Pravac i ravnina se ne sijeku. s1 s2 redom. . Pravac i ravnina se sijeku u samo jednoj toˇki. z1 ) odnosno c → → P2 = (x2 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). → → s1 s2 p 2 p 1 Slika 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. b1 .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . Definicija 2. b2 . c 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 . y2 . c1 ) odnosno − = (a2 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. c2 ). ANALITICKA GEOMETRIJA Teorem 2.

mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. tj. tj. ako i samo ako postoji λ ∈ R takav da je − = λ→. ako i samo ako je → · − = 0. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2.5. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .2. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.5. → Napomena 2.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. z= 1 m−m n−n . s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.3.5).30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. 2. 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 . c c z → s1 Napomena 2. tj.

n1 −n1 ). iz Napomene s1 s2 2. b2 . Dobili smo sustav od ˇetiri linearne jednadˇbe (A. c1 ) odnosno c s1 − = (a2 . → − Kako su − = (a1 . c1 ) i → = (a2 . c2 ) paralelni sa ravninom. toˇke leˇe u toj ravnini. On ima netrivijalno rjeˇenje ako i samo ako mu je determinanta s jednaka nuli. b1 . y1 .76 ˇ POGLAVLJE 2. b2 . Kako P1 = (x1 . z1 ) i P2 = (x2 . C. y2 . D. a vektori → i s2 z c c z su paralelni s njom. C. nnn−n1 n . c1 ) c c s1 − = (a2 . z1 ) odnosno → P2 = (x2 . Nadimo sada uvjet da pravci p1 i p2 leˇe u z istoj ravnini. B. odnosno x1 y1 z1 1 x2 y2 z2 1 = 0. imamo z Ax1 + By1 + Cz1 + D = 0 Ax2 + By2 + Cz2 + D = 0.27 imamo Aa1 + Bb1 + Cc1 = 0 Aa2 + Bb2 + Cc2 = 0. z2 ) s pripadaju´im vektorima smjera − = (a1 . c2 ). − To znaˇi da i toˇke P1 = (x1 . b2 . m−m n−n Rijeˇimo sada problem presjeciˇta dvaju pravaca u op´em sluˇaju s s c c Neka su dani pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . y1 . Toˇnije. i c z to homogeni. onda moraju leˇati u istoj ravnini. z2 ) i vektori → = (a1 . b1 . Neka je to z ravnina Ax + By + Cz + D = 0. B. y2 . b1 . 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 = = . ANALITICKA GEOMETRIJA Sada lagano dobijemo da su koordinate toˇke presjeka dane s c 1 −n ( mm1 −m1 m . a2 b2 c2 Jasno je da ako se p1 i p2 sijeku. y2 . z1 ) i P2 = (x2 . To nam daje uvjete na A. c2 ) leˇe u toj ravnini. D su nepoznanice). y1 . z2 ) leˇe u ravnini.

z c 4.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. ne leˇe u istoj ravnini. tj. i 6. 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. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom.6 na gornju determinantu (tj. iz toˇke 1. Ako su sva tri redka proporcionalna. Pravci se podudaraju. pa nema presjeciˇta.2. imamo isti pravac. ˇetvrti sluˇaj.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. 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 ne sijeku se. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. c =0 . Prema Napomeni 2. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Teorem 2. Pravci su mimosmjerni.29. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. z 3.5. 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 . Pozabavimo se sluˇajem mimosmjernih pravaca. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. z 2. z Moˇe se desiti da su oni paralelni.

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

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

.

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

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

Ako je m = n. . k = 1. .♠ Brojevi aik . Zbog jednostavnosti zapisa nju joˇ zapisujemo kao s A = [aij ]m.. drugi se mijenja od 1 do n). A= . am1 am2 am3 · · · amn Matrica A ima m redaka i n stupaca. n matrice A ˇine i-ti redak matrice A (prvi indeks je c fiksan. . . . n i=1. an1 an2 · · · ann . drugi je redni broj stupca na ˇijem se presjeku nalazi taj element.... . . Svaki element je indeksiran s dva indeksa: prvi je redni broj redka. k = 1. . . Npr. Primjer 3. z    A=         a11 a21 . prvi se mijenja od 1 do m). element c aij se nalazi na presjeku i-tog redka i j-tog stupca.1 M= 1 0 −1 2 3 1 Matrica M je realna matrica tipa (2 × 3). .1 Neka su m i n prirodni brojevi. . a12 a22 .. Pravokutna shema u kojoj je u m redaka i n stupaca sloˇeno m · n realnih brojeva zove se matrica tipa m × n. Brojevi akj . OSNOVE MATRICNOG RACUNA 83 3. Realni brojevi sloˇeni u matricu su njeni z elementi. ako je matrica A oblika   a11 a12 · · · a1n    a21 a22 · · · a2n   . tj. . Neka je A matrica kao gore.1. . m matrice A ˇine j-ti stupac matrice A (drugi indeks je c fiksan. .  .. · · · a1n · · · a2n .ˇ ˇ 3.2 Osnovni pojmovi Definicija 3.. . . a13 a23 .   . .1. .j=1 ili samo A = [aij ].

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

c c Primjer 3. n. Oznaˇavamo ju s AT . n..♠ . Ako je A = −A.... c Primjer 3. n.ˇ ˇ 3. . 7 3 −2 −3 0 Napomena 3.. ....♠ 2 7 . OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n. m..... aij = aji za i. Sliˇno se definira donja trokutasta matrica. tj. . .4 Matrica A  2  0  A=  0 0 je gornja trokutasta. tj.. odnosno vrijedi aii = 0 za i = 1. c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1. c . Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu.1.5 Matrica A  1  A= 4 7 je simetriˇna. ali suprotnog predznaka. matrica A je antisimetriˇna (kososimetriˇna). j = 1.. n. A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  .. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1.♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta.3 Ako je A= onda je 2 3 4 0 1 2  . Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule. n je transponirana matrica matrice A.. dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  . 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A. j = c T 1.. . zrcale se jedni u druge.  2 0   AT =  3 1  . . aij = −aji za i. tj..1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu. tj. Primjer 3. j = 1.

. j = 1. = . .3 odnosno Definicije 3... . λA = λ  .3 Zbroj matrica se definira samo za matrice istog tipa..4. .. a11  .2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. n. . am1 + bm1 · · · amn + bmn Napomena 3. s Napomena 3. λam1 · · · λamn · · · amn  a11  ... tj. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. . tj. .2 Jednakost matrica se definira samo za matrice istog tipa.3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn .1.86 POGLAVLJE 3.. z Definicija 3.. m..   . . . . Definirajmo sada mnoˇenje matrice skalarom.4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1... .3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. = .. . a na R znamo ˇto znaˇi s c ”biti jednak”. am1     λa11 · · · λa1n · · · a1n .    · · · a1n b11 · · · b1n . Definicija 3. MATRICE I LINEARNI SUSTAVI 3. . Piˇemo A = B.. n. j = 1. C =A+B = . . . m. . . Definicija 3. . . m.  . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. . . .  ... Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.. . + .  . . . am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   .. j = 1.   . n.

. + λk Ak je linearna kombinacija matrica A1 . ˇto slijedi izravno iz Definicije s 3. Ak . . . Njegovi su elementi (”vektori”) matrice tipa m × n. (A + B) + C = A + (B + C) (asocijativnost). Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. . 2.♣ Iz Teorema 3. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i..ˇ ˇ 3. razvijena) u linearni spoj po matricama z z A1 ... Ak ∈ Mmn .. Ak s koeficijentima λ1 . . A2 . z Teorem 3.1.. Napomena 3. λk razliˇit od c nule... . α(A + B) = αA + αB (distributivnost). linearna kombinacija i linearni rastav.. A2 .2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c .4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . B.. s Definicija 3..3 odnosno Definicije 3... λk ∈ R skalari. .. a na svim ostalim mjestima nule ˇini bazu u Mmn ... 3.4. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. C ∈ Mmn i sve skalare iz α.. OSNOVE MATRICNOG RACUNA 87 Teorem 3. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . α(βA) = (αβ)A (homogenost)... 4. Kaˇemo da je A rastavljena (razloˇena.. . onda je i A ∈ Mmn .5 Neka su A1 . Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. β ∈ R vrijedi: 1. A2 .1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A..1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. A2 . A + B = B + A (komutativnost). λk .. Ak ∈ Mmn matrice i λ1 . j) imaju z jedinicu.. Matrica A = λ1 A1 + .

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

Napomena 3. + ain bnj ... b2j . b2j . . a broj stupaca je c jednak broju stupaca od B. a j-ti stupac matrice B je (b1j . . ako su A ∈ Mmn i B ∈ Mnp i m = p. Dakle zakljuˇujemo da na mjestu (i. Ako je m = p = n.. a B · A nije definirano. j) u matrici C = A · B stoji element koji je c jednak skalarnom produktu i-tog redka matrice A i j-tog stupca matrice B. bnj ) = ai1 b1j + ai2 b2j + ... OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. j = 1. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji.. Dakle opet je A·B = B ·A. bnj ). broj stupaca od A je jednak broju redaka od B. Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 . ai2 . ain ) · (b1j . za j = 1. Produkt matrica A i B je matrica C = A · B = [cij ] ∈ Mmp ˇiji su elementi zadani formulom c n cij = k=1 aik bkj = ai1 b1j + ai2 b2j + . Definicija 3. ..6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . za i = 1.ˇ ˇ 3... n i m . . Npr. p.. Tada je i-ti redak matrice A jednak (ai1 . na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1.1: Produkt matrica. ai2 .. z c tj.1..4). m. . p.. .. .. ain bnj .... imamo A·B ∈ Mmp . p p = j n (i. Mnoˇenje matrica vodi raˇuna o poredku operanada. a da B · A nije ni definiran...j) m A . Za takve matrice A i B kaˇemo da su ulanˇane. Dakle. ..... a B ·A ∈ Mnn . . m... onda je A · B ∈ Mmp .. i = 1. B = C Slika 3... ain ).6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .

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

Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. c drugi i tre´i. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3.5 Podmatrice i blok matrice Neka je A ∈ Mmn . xn ]T nepoznata matrica. ...1.♠ Ako su izabrani redci i stupci uzastopni.. prvi i tre´i. npr. takvu podmatricu zovemo blok. . 3.. bm ]T poznata matrica desnih strana i z x = [x1 .6.6 Neka je  2 3 4 1   A =  −1 2 1 3  . Primjer 3. b = [b1 .1. dobivamo podmatricu z matrice A... 4. 3. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. i dva stupca npr. c . Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica.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 ).3. Sloˇimo li ih u (r ×s) matricu. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. Izaberimo dva redka. 0. Sloˇimo li ih u (2 × 2) matricu. svaka linearna z jednadˇba ide u svoj redak). 3.4. 1 0 3 0  Neka je r = s = 2. dobijemo podmatricu z 3 4 0 3 matrice A.

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

Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. Npr. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . neka je dana matrica c 0 1 1 0 . U skupu R vrijedi: ako je a · b = 0. c. postoji broj koji pomnoˇen s a daje 1. OSNOVE MATRICNOG RACUNA 93 3.ˇ ˇ 3. onda je barem jedan od a ili b jednak nuli. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. Npr.1. dakle ne postoji izbor brojeva a. tj. Teorema 3. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A.1. 1. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. c Napomena 3. U toˇki 3. tj.1.6 Regularne matrice. c 2.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. c c c Iz svojstva 5. b.

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

ai2 .. . ain ) za i = 1.. OSNOVE MATRICNOG RACUNA 1. ajn ) = ai1 aj1 + ai2 aj2 + . ˇtoviˇe vrijedi da je s s (ai1 . . Zakljuˇujemo da na mjestu (i.. n. 95 4.1... Tada je i-ti redak matrice A z (ai1 . .. aj2 . .. + ain ajn = δij odnosno (ai1 .. + ain ajn = 0 za i = j i (ai1 . ai2 .. aj2 ... U Napomeni 3. −1 3.. u stvari. . aj2 .. Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 .10 Neka je A = [aij ] ∈ Mn ortogonalna..... ai2 . In ∈ Gn i In = In .. j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . vrijedi A · AT = AT · A = In . ain ) · (aj1 . 2. + a2 = 1 i1 i2 in za i = j.. ajn ) = ai1 aj1 + ai2 aj2 + .. moˇe se dokazati da ˇine ortonormiranu bazu od Rn .. 0n ∈ Gn .. ajn ) = a2 + a2 + .ˇ ˇ 3. .. . + ain ajn . Gn = Mn . ajn ) za j = 1..... Kako je po pretpostavci A ortogonalna.. ai2 .. preciznije Gn ⊂ Mn . (To je.. ain ) · (aj1 . .... Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A. a j-ti stupac matrice AT je (aj1 . n...6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn .. Dakle i matrica AT · A ima iste elemente. s z c .. ai2 ....8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In . aj2 . j-ti redak od A). Ako su A. aj2 . Napomena 3. ain ) · (aj1 . 5. ajn ) = ai1 aj1 + ai2 aj2 + . Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn .. ain ) · (aj1 .. . .♣ / z Definicija 3. . .. B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 .. Stoviˇe.

7 Rang matrice.5) i neka je L neki podskup od V .. →) ⊆ Rm .11 Neka su − . a1 an . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj.5). . − . Iz Napomene 3... moˇemo promatrati kao vektore u R . matrice iz M1n . Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. a1 an Napomena 3. − ) podprostor od Rm . .. ..... tj. ...5 izravno slijedi da je r(A) = r(AT ). vrijede svojstva 1... λn ∈ R}. − ) = {λ1 − + .. Definicija 3...5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. a1 an → → i izravno iz Definicije 3. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A.10 slijedi da je L(− . MATRICE I LINEARNI SUSTAVI 3. Podprostor razapet vektorima a1 an − ... Elementarne transformacije Neka je A = [aij ] ∈ Mmn .. 2. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). − ).. → → Definicija 3.. .1.96 POGLAVLJE 3.♣ Kako je po Teoremu 3. . Definicija 3.. → → s L( a1 an → → → → an a1 L(− .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.10 Neka je V vektorski prostor (Definicija 1.. iz Definicije 1. + λn − : λ1 . z Teorem 3.. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).11 Oˇito je da je c − − L(→.. moˇemo promatrati kao vektore u vektorskom prostoru Rm . − je skup svih linearnih kombinacija vektora − . − ∈ Rm .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . matrice iz Mm1 . ...6 znamo da stupce. . linearne zavisnosti/nezavisnosti. njene z c n redke. Iskaˇimo sada jedan bitan rezultat. Oznaˇavamo ga → → → → a1 an a1 an c − .. i 3. Sliˇno.

n).13 Kako vektori − . a1 an Vratimo se na konkretan vektorski prostor.5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). →}.♣ Primjer 3. Tada je r(0) = 0. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3... → → → → Napomena 3. →)) ≤ n.. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − .. − ) podprostor a1 an a1 an m − . . − )).. Neka je 0 ∈ Mmn nul matrica.. − ) → → → → od R razapet sa a1 an a1 an →. OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. jer je skup { 0 } uvijek linearno zavisan. z Teorem 3...12 Neka su − .. . Neka je A ∈ Mmn . − ∈ Rm ... ... − razapinju L(− . Neka je L(− . Neka je In ∈ Mn . znamo da je u a1 an a1 an bazi najviˇe n vektora... Dimenziju vektorskog prostora L(− . c . .ˇ ˇ 3.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. Mmn . Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .. ..14 Uz gornje oznake iz Teorema 3. Napomena 3..1.12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. i R (A) podprostor Rn razapet redcima od matrice A. ..13 imamo da je r(A) ≤ min(m. Tada je oˇito r(In ) = n... − ..... Neka je R(A) podprostor od Rm razapet stupcima matrice A..15 Iz Napomene 3. − ). . 2. .. Stoga vrijedi s − − dim(L(→. .8 Vrijedi: − → 1. Napomena 3.

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

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

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

. s i = 1. bm : c a11 x1 + a12 x2 + ... ... Ako sustav nema rjeˇenja. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan. c s 2. Ako je barem z jedan bi = 0. = bm = 0. Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava... = xn = 0 daje rjeˇenje c svakog homogenog sustava. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. c2 . 2.. Za sustav kaˇemo da je homogen ako je b1 = . n i slobodnim ˇlanovima b1 . c2 . j = 1... m. ....... 0. i = 1.. ..2.2 3. jer x1 = .. s z suglasan ili mogu´. + a1n xn = b1 a21 x1 + a22 x2 + . sustav je nemogu´. Ako za neki i = 1. m. LINEARNI SUSTAVI 101 3.. .. xn s z koeficijentima aij . cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 .1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 ... imamo netrivijalno rjeˇenje... Definicija 3. .14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. + amn xn = bm . . Homogeni sustav je uvijek mogu´. . Uredena n-torka (c1 . .. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja... . Npr... . Takvo rjeˇenje zovemo trivijalno. = ain = 0. c s z proturjeˇan ili nemogu´. c c Napomena 3. s s z s 3. a bi = 0.. s . . i = 1. m vrijedi ai1 = .2..18 Primijetimo: 1. s Ako je (c1 ..3.... sustav je nehomogen. .. .. + a2n xn = b2 . .. am1 x1 + am2 x2 + ...xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima.. kaˇemo da je nekonzistentan. n... uredena ˇetvorka (1.

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

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

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

c Svojstva iz Teorema 1. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A).5. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.2.1 i Teorema 1. c Napomena 3.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . tj. Dokaz: Oˇito je N (A) ⊆ Rn . Tada je. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . A− = b i A− = b .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .♣ s c z s x → Iz Teorema 3. c 3. u u Dakle je N (A) vektorski podprostor od Rn .3 Homogeni sustavi → Iz Napomene 3.♣ . u v u v − → dakle → + − ∈ N (A). z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . dakle dokaˇimo da za proizvoljne c z − . x x − → Oˇito je 0 ∈ N (A). skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . gdje je λ ∈ R proizvoljan. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . → ∈ 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). tj.2.8 i Napomene 3. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .3.2 su oˇito zadovoljena. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . Treba provjeriti da N (A) ima svojstva iz Definicije 1.22 N (A) je podprostor od Rn .

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)). Kako je iz Teorema 3.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .9. → → → → Ax a y y 2. tj.9 I. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. N (A) = { 0 }. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 .9 I. onda je i njihova linearna kombinacija rjeˇenje tog sustava.♣ Napomena 3. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b .. iz jedinstvenosti zakljuˇujemo da je − = 0 . → → → → u u y y − → → II. onda po Teoremu 3. s Dokaz: (Dokazujemo samo tvrdnju II. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A.22 zakljuˇujemo da ako su u1 . Tvrdnja Teorema 3. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . onda su sva rjeˇenja od x s → − − = b dana s − 0 + − .106 POGLAVLJE 3. z s . Onda. ut rjeˇenja homogenog sustava c s − = − . Po Teoremu 3. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.. tj. gdje je − ∈ N (A). Teorem 3. . svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A)..9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I.23 Primijetimo: → 1. svako rjeˇenje je oblika − 0 + 0 .9 II. Tvrdnja Teorema 3. rjeˇenje je x s u s jedinstveno. s x → − → → Obrnuto.) − → → − → − Ako je matrica A sustava A− = b regularna.8 je matrica A regularna. prema Teoremu 3. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje.

. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. ar1 x1 + . .6 imamo da je A0 regularna.. ... Ako su rangovi jednaki (r(A) = r(Ab ) = r). pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. + a1r xr = b1 − a1r+1 xr+1 − . + arr xr + arr+1 xr+1 + . − → Uvedimo novi vektor desnih strana β (c). − → Prvo treba odrediti rangove matrica A i Ab . − arn xn ..... ar1 x1 + . pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β ..3. imamo sustav − → − x A0 →0 = β (c). . + a1n xn = b1 ... Nadalje. cn proizvoljni realni parametri. iz Teorema 3. c Dakle. − a1n xn .. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + .. + arn xn = br . . kao βi (c) = bi − air+1 cr+1 − ..2.. + a1r xr + a1r+1 xr+1 + . + arr xr = br − arr+1 xr+1 − . pri ˇemu su cr+1 . Iz Teorema 3.4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. . − ain cn za i = 1.. prebacimo ˇlanove s nepoznanicama xr+1 . Kako je r(A0 ) = r.. Ako oni nisu jednaki. .. . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj.2.. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.. .. . . .. . LINEARNI SUSTAVI 107 3.... ..8 II. r.. xn na desnu stranu i doc bijemo: a11 x1 + .8).

. Broj dimR(A) smo zvali rang od A. → → Teorem 3. .... 0 U toˇki 3.7 odnosno toˇki 3.♣ Iz Teorema 3.3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori. . r(A) = dimR(A) = n. − = [c1 .. cr ]T . .. . cr . − u u u pri ˇemu su µr+1 . + µn − n . → x → → Dakle.2. Kako je (− r+1 . Brojevi cr+1 .. .. MATRICE I LINEARNI SUSTAVI − 0 = [c1 .108 koje je oblika POGLAVLJE 3. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A).. − − → u u u pri ˇemu su µr+1 .. ..1. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . i obratno.. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica... onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + .8 II.11 Ako je (− r+1 . . → → − II. ...♣ c Napomena 3...24 Tvrdnja Teorema 3.. dok brojevi c1 . Teorem 3.. cn ]T je rjeˇenje sustava A− = c s x − → b.10 I. c . . cn postoje → − jedinstveni c1 . + µn − n . cn su slobodni prametri. cr ]T )... µn proizvoljni parametri.... dimR(A) + dimN (A) = n.10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. a broj dimN (A) defekt od A. cr+1 ... . − n ) baza s x u u u − → − = b oblika → od N (A).. iz Teorema 3.9........ izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). . .. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . tj.11 izravno slijedi iz Teorema 3.... cr koji su dani s A−1 β (c) = [c1 . µn proizvoljni parametri..

Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama... LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . na aij za i = k + 1. k....1.2. za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). imamo postupak Gaussovih eliminacija. . .3. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. b ]. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj.. tj. uz male modifikacije je numeriˇki stabilan. z Za neke se posebne matrice druge. Radimo li to elementarnim transformacijama samo nad redcima. .. n) ima jedinice. Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. A −→ det A. metode mogu pokazati brˇima (manja im je sloˇenost).. . b ] mnoˇili s lijeva elementarnim matricama Q1 .6.. − → mi smo zapravo matricu [A. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . Ovaj se postupak moˇe primiz jeniti na sve matrice. ima nule. na aij za i < j.5 Determinanta.. m ima nule.. b p . a ostale pozicije su ”nebitne”). b ] (gdje je matrica A takva da na pozicijama a11 . 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 . Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. tj. na aij za j < i ima nule. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. 3. sloˇenost mu je c z 3 ∼ n (tj. Qq .2. b ] dobili matricu [A .. akk za k ≤ min(m. j = 2. . posebno dizajnirane... lagano moˇemo oˇitati rjeˇenje). .. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). Q1 · Q2 · · · Qq · b ] = [A .

matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. Tada se det A definira sa det A = a11 det A11 − a12 det A12 + .25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . 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 . MATRICE I LINEARNI SUSTAVI U toˇki 1.6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda.. Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  ... Tada za A ∈ M1 oblika A = [a] definiramo det A = a. . n > 3. c1 c2 a1 a2 b1 b2 . Napomena 3.110 POGLAVLJE 3. oznaˇimo s A1k . Determinanta matrice reda n > 3 se definira induktivno. Za A ∈ Mn . u stvari skup R). + (−1)n−1 a1n det A1n . odnosno n det A = k=1 (−1)k−1 a1k det A1k . Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . n. k = 1.

. je razvoj determinante po prvom redku. determinanta mijenja predznak. Ako je A ∈ Mn trokutasta (gornja ili donja). c 4. Posebno je c det In = 1. 3. n ≥ 2. pravilo za c raˇunanje inverza matrice). Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3.1. Svojstva determinante su: 1.7. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. onda je det A = 0. Neka je A ∈ Mn dijagonalna matrica. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn .3. det(Qij A) = − det A. onda je det A = a11 a22 · · · ann .2. onda sc je det A = 0. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . n ≥ 2. 2.

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

z Teorem 3. LINEARNI SUSTAVI 113 ispod njega.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. ♣ Iz Teorema 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+1.26 Ako je A ∈ Mn regularna. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. B ∈ Mn vrijedi det(AB) = det A · det B.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki .14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.2.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik .12 Za proizvoljne matrice A. Dokaz: Iz Teorema 3. Teorem 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . tj. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .♣ Teorem 3. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.i+1 = 0). Dakle oˇito je det A = 0. itd. Teorem 3. Teorem 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali. ai+1. onda je det A = 0. ♣ Napomena 3.3.i+1 (naravno. Ako to nije mogu´e. ♣ U Teoremu 3. ♣ .

k=1 Oˇito. Kofaktor matrice A oznaˇavamo s kof (A).114 Veliˇinu c POGLAVLJE 3. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .27 izravno slijedi: Teorem 3. k) stoji kofaktor elementa aki matrice A.16 imamo da je 1 kof (A) · A = In .16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In .♣ Iz Napomene 3. Vrijedi i obrat. onda iz Teorema 3.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. Analogno ide dokaz za stupce. (−1)k+i det Aki .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. tj. Promatramo zbroj n (−1)j+k aik det Ajk . c c Dokaz: Neka su uzeti i-ti i j-ti redak.28 U Napomeni 3. det A Dokaz: Ako je det A = 0. det A Dakle A je regularna i A−1 = kof (A) det A . onda je po Teoremu 3. c Napomena 3. tj.26 smo vidjeli da ako je A ∈ Mn regularna. onda je det A = 0. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.♣ . Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. Definicija 3. ♣ Napomena 3. ako je i = j. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . Inaˇe je zbroj det A.13 prethodni zbroj jednak det A.

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

2. − ∈ Rn .5. − ∈ Rn . Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). tj.116 POGLAVLJE 3. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm 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. Dokaˇimo da vrijede i prva dva. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. dakle zadovoljavaju tre´e svojstvo Definic cije 1.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. MATRICE I LINEARNI SUSTAVI Napomena 3.1 i Teorema 1. x x Napomena 3. µ ∈ R i sve →.♣ . Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. Dokaˇimo da je i F + G linearni z operator. µ ∈ R i sve →. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. 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 (− ).5. Iz Definicije 3. tvrdnja slijedi.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.

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

Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. y. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). c 2. odnosno dimN (F ) = dimN (F ).10 izravno slijedi teorem o rangu i defektu za linearni operator. a defekt dva. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. z) = (x. z) = x. iz toˇke 3.2. c H =GF . Tada je po Teoremu 3.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . − → → → Nadalje. tj. a defekt jedan. tj. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu.♠ c 3. Iz Napomene 3. Njegova je matrica dana s 1 0 0 .31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori.118 POGLAVLJE 3.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F .10 Pogledajmo sljede´e primjere: c 1. y. Neka je F : Rn −→ Rm proizvoljan linearni operator. y).32 i Teorema 3. Napomena 3. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. vrijedi dimN (F ) + dimR(F ) = n.3. Dakle dimenziju slike linearnog s operatora takoder zovemo rang.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. 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 . F ∈ Mn ). z . Oˇito je rang od p1 jednak jedan (jer je slika x-os). Njegova je matrica dana s 1 0 0 0 1 0 . Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Kako su F i F ustvari isti linearni oper− → − → atori. Primjer 3. MATRICE I LINEARNI SUSTAVI Napomena 3. Sada nas zanima kada su ti vektori kolinearni. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina).

Dokaz: 1. tj. Napomena 3. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . µ = 0. Izravno iz Definicije 3. ♣ Napomena 3. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn .33 Primijetimo: → 1. → → 2. Dokaz: Oˇito je S(λ0 ) podskup od Rn . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). x x x x → Dakle za svaki µ ∈ R. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Nadalje neka su − .3. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti.17 Neka je A ∈ Mn . 2.1 i Teorema 1.3. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . neka je µ ∈ R µ = 0 proizvoljan. → → Svojstva iz Teorema 1.17. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. x y x y x y . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . tj.2 oˇito zadovoljava. Nadalje. c x y tj. x x → → Vektor − 0 ∈ Rn . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . A− 0 = x x − 0 . − ∈ S(λ0 ). y y → → Dokaˇimo da je − + − ∈ S(λ0 ).5. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. 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 . da c z s zadovoljava uvjete Definicije 1.

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

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

jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor.122 POGLAVLJE 3.2 = cos ϕ ± Kako je ϕ = kπ. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. Tada su sve njene svojstvene vrijednosti realne. Stoga se koriste razne pribliˇne metode. da A c nema realnih svojstvenih vrijednosti.18 Za matrice A. Nadalje. nul matrice. .11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. svaki vektor kanonske ortonormirane baze od Rn je svojstven. za nul matrice. imamo cos2 ϕ − 1 < 0 tj. tj.♠ Dakle iz Primjera 3. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. c s c z itd. svojstvene vrijednosti od A nisu realni brojevi. c Teorem 3. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. k ∈ Z. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. iterativne metode. za trokutaste. Medutim.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. Tako npr. Definicija 3. Za dijagonalne matrice. cos2 ϕ − 1.19 Neka je A ∈ Mn simetriˇna matrica. tj. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0.

Takoder nikoja tri od a. tj. dijagonalizirati matricu A.20 Sliˇne matrice imaju iste svojstvene vrijednosti. Dakle matricu A ne moˇemo dijagonalizirati.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. pretpostavimo prvo da je b = c = 0. s z Dakle ostaje nam samo sluˇaj kada su a. tj. analogno vrijedi za a = d = 0. x 0 0 y . pokuˇajmo prona´i regularnu matricu s s c P = takvu da vrijedi P −1 AP = Uoˇimo da je gornja jednakost ekvivalentna s c AP = P dakle imamo 2a 2b a + 2c b + 2d Odnosno. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. ˇto ne moˇe biti. d ne mogu biti nula. b. Pokuˇajmo je dijagonalizirati. znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. a b c d . x 0 0 y . c. z Uzmimo sada da je samo a = 0. onda iz druge jednadˇbe imamo da je y = 2. Primijetimo da a. To nije uvijek mogu´e. d svi razliˇiti od nule. b.♠ c s z z = ax by cx dy .12 Neka je matrica A dana s A= 2 0 1 2 .3. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. b. d ne mogu svi biti istodobno nula. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. c. c Primjer 3. c. jer u suprotnom matrica P nije regularna. Dakle. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3.3.

34 znamo da je skup S(λ0 ) potprostor od Rn .21 Neka je A ∈ Mn simetriˇna. a odgovaraju´i se svojstveni vektori podudaraju. Sada. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. ako je λ0 svojstvena vrijednost od A ∈ Mn . Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. Tada iz Napomene 3. Ipak.. Ako je A joˇ simetriˇna onda iz Teorema 3. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. 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.. MATRICE I LINEARNI SUSTAVI Iz Primjera 3.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ)... Dakle 0 nije svojstvena vrijednost. λn od KA (λ) zovemo algebarska kratnost od λ0 .. λn . . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.5) znamo da z z KA (λ) ima n nultoˇaka λ1 . nultoˇka od KA (λ). z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. tj. c Teorem 3.. ona se u nizu c nultoˇaka λ1 .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. dijagonalna.. s Teorem 3.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .124 POGLAVLJE 3. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna.21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A....12 vidimo da ne moˇemo svaku matricu dijagonalizirati. c c Teorem 3. λn od KA (λ) pojavljuje barem jednom. Obratno.. iz osnovnog teorema algebre (Teorem 5. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .. tj. A je regularna...♣ Napomena 3. . .24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. ♣ Teorem 3. λn . c Kako je KA (λ) polinom n-tog stupnja. . . λ−1 .♣ c . c Napomena 3. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 ..

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

132 POGLAVLJE 4.3 Neka je (an ) niz s pozitivnim ˇlanovima. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. c c c Npr.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. Tada vrijedi: 1. n−→∞ n−→∞ n−→∞ 4.1. Tada c an −→ 0 ⇔ 1 −→ ∞. proizvoljan i an ≥ 0 za svaki n ∈ N. . ako ne i nemogu´e. c Teorem 4. c s c c c tj. prema kojoj vrijednosti. Ako je r ∈ R. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . lim (an ± bn ) = lim an ± lim bn . r = 0. ako je bn = 0 i n−→∞ lim bn = 0. onda je lim an an = n−→∞ .3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. lim (can ) = c lim an . lim (an bn ) = lim an lim bn . onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. konvergira li. n−→∞ n−→∞ 3. i ako da. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). NIZOVI I REDOVI 4.4 Neka su (an ) i (bn ) konvergentni nizovi.♣ an Teorem 4. n−→∞ n−→∞ n−→∞ 2. te c ∈ R proizvoljan.5 Neka je (an ) konvergentan niz.

vrijedi lim inf an = lim sup an ∈ R. tj. (an ) raste. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. dakle divergira ili u uˇem. jer je log |q| < 0. q. To je ekvivalentno s |q| < ε. Sada. ili u ˇirem smislu.4. Onda je po Napomeni 4.2 niz (an ) ima barem jedno c gomiliˇte. q 2 .7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.4. log |q| Dakle svi ˇlanovi niza 1.. q 3 . q 2 . za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. niz (an ) s konvergentan.. ˇto ne moˇe biti jer je G gomiliˇte.1. Kako je (an ) monoton. dakle ili q −→ ∞.♣ Teorem 4. ograniˇen niz je konvergentan. pa je lim an = 0. za svaki n ∈ N. dakle divergentan. tj. q 3 .1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 .1. no ne c s znamo koliko je i kako to na´i. c c . izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova..4 dovoljno je promatrati niz s a1 = 1. Za |q| < 1 je lim an = 0. 1 |q n | Neka je sada |q| > 1. Pogledajmo prvo sluˇaj |q| < 1.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . NIZOVI REALNIH BROJEVA 133 Teorem 4.6 je tipiˇni teorem egzistencije. c c c Prema Teoremu 4. po Teoremu 4. . niz 1.. . c Dokaz: Neka je (an ) monoton i ograniˇen. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. i ako npr. izraˇunati. Teorem 4. Logaritmiranjem se dobije n log |q| < log ε. pa prema prethodnom niz n n −→ 0. Imamo log ε n> . Tada je n 1 |q| < 1.3 imamo |q | −→ ∞. U suprotnom.6 Monoton.. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . n−→∞ Dokaz: Iz toˇke 4. G > G . ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. Tj. znamo da neˇto postoji.♣ c z s Napomena 4. ε). c Napomena 4.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. tj. ako s z s s (an ) ima barem dva gomiliˇta G i G . q. on moˇe imati najviˇe jedno gomiliˇte. odrediti. Dakle imamo samo c c s z s jedno gomiliˇte. Tada po Teoremu 4.

1. Tada vrijedi n−→∞ lim an = 1. Tada vrijedi lim an = 1. 1 n . n−→∞ n−→∞ n 4. ako je λ > 0  lim an = 1.134 POGLAVLJE 4. ako je λ > 1 lim an = n−→∞ 0. Neka je niz (an ) dan formulom an = n λ.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. . Neka je niz (an ) dan formulom an = |λ| . Tada n! vrijedi lim an = 0. c z 4. Neka je niz (an ) dan formulom an = n n. Neka je niz (an ) dan formulom an = λn . 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. gdje je λ ∈ R proizvoljan. Tada vrijedi   ∞. 2. Tada vrijedi ∞. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e.7 je najop´enitiji. ako je λ = 0. ∀r ∈ N). tj.♣ Teorem 4. Neka je niz (an ) dan formulom an = nλ . 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 √ 5. teˇe k nuli. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. n−→∞   0. NIZOVI I REDOVI Teorem 4. gdje je λ > 0. n 6. ako je 0 < λ < 1. proizvoljan. gdje je λ > 0 proizvoljan. √ 3. λ = 1.

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

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

onda op´enito red c c c an ne mora konvergirati. tj. Nadalje.♣ c Uoˇimo da iz Primjera 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.♣ 1 1 Napomena 4.8. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . Dakle je red Teorem 4. Ako red an konvergira. onda on konvergira i obiˇno. Definicija 4.8 Ako red apsolutno konvergira. REDOVI REALNIH BROJEVA za svaki n ∈ N. Primjer 4.10 Red an apsolutno konvergira ako konvergira red |an |. c c ako op´i ˇlan niza (an ) konvergira u nulu. kaˇemo da red z an konvergira uvjetno.8).9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. n−→∞ odnosno n−→∞ lim an+1 = 0.♠ dok red 1 n divergira (Primjer 4. c .2.♠ 2n n−→∞ ∞ Napomena 4.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. a red |an | ne konvergira.9 op´enito ne vrijedi.9 ne slijedi obrat Teorema 4. an .10 Iz Primjera 4.4. tj. n 1 (−1)n−1 n uvjetno konvergentan. S = lim Sn = n−→∞ n=1 an . oˇito vrijedi c Sn+1 = Sn + an+1 .8 znamo da red = divergira i da je lim n n−→∞ n 0.

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

Red oblika an xn . i n0 ∈ N takvi da vrijedi an+1 ≤ λ. Ako red n an x0 divergira. onda red an konvergira. za svaki n ∈ N. . zovemo red potencija. za svaki n ∈ N. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . c Teorem 4. .♣ Primjer 4. 0 < λ < 1. an0 +m ≤ λm an0 . Neka je an = n! . 1 2.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. an za svaki n ≥ n0 .♠ 1 xn−1 (n−1)! 4. an za svaki n ≥ n0 .17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. i suma mu je 1−x . NIZOVI I REDOVI Neka je (an ) proizvoljan niz. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. . . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . za svaki m ∈ N.3. Oˇito je za x = 0 svaki red potencija konvergentan. onda konTeorem 4.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. Dakle imamo an0 +1 ≤ λan0 . Neka je an = 1. gdje je x ∈ R proizvoljan. i n0 ∈ N takav da je an+1 ≤ λ. Tada iz Teorema 4.13 1. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. Dokaz: Neka su λ ∈ R.18 Neka je 0 < λ < 1. Ako postoji λ ∈ R. . Dakle. red an0 + an0 +1 + . an0 +2 ≤ λan0 +1 ≤ λ2 an0 ..146 POGLAVLJE 4..

n−→∞ an lim onda red an konvergira za l < 1.8 znamo da on konvergira. n Tada iz Primjera 4. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.4.3 Cauchyev kriterij Teorem 4. n2 Tada iz Primjera 4. Ako postoji λ ∈ R. 4.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. Neka je dan red vrijedi 1 . Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1.9 konvergira. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. an konvergira. imamo da red c an konvergira.♣ Napomena 4. c 0 < λ < 1.♣ . 1 n+1 lim n−→∞ 1 n 2.14 1. ali vrijedi 1 . Neka je dan red divergira.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.16 imamo da i red an0 + an0 +1 + .. divergira za l > 1.. Ako postoji limes c an+1 = l.3. c Primjer 4.19 Neka je an red s pozitivnim ˇlanovima. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . a ne moˇemo niˇta z s zakljuˇiti za l = 1.3.8 znamo da on = 1. onda red an ≤ λ. konvergira. Sada iz Napomene 4.

19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.20 zovemo radijus konvergencije reda potencija a n xn . c Teorem 4.148 POGLAVLJE 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).♠ c s Cauchyev kriterij je jaˇi. onda red an konvergira za l < 1. Ako postoji limes c n−→∞ lim √ n an = l. (an ) niz u R i x ∈ R prozvoljan. Ako postoji lim sup n |an | i lim sup n |an | = 0.20 Neka je an xn red potencija. a iz toˇke 4. divergira za l > 1. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. . NIZOVI I REDOVI Napomena 4. c 1 Primjer 4. a divergira za sve x ∈ R za koje je |x| > ρ. tj.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.15 Analogno kao i u Primjeru 4.1.14 za red odnosno red n znamo da divergira odnosno konvergira. a ne moˇemo niˇta z s zakljuˇiti za l = 1. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.

Neka je dan red potencija lim sup n 1 n x . a divergira za |x| > ρ (ako lim sup n |an | postoji).♠ n2 Teoremu 4. iz Primjera 4. onda iz Primjera 4. Iz n2 n2 1 Teorema 4. a divergira za |x| > 1. c sin n. a divergira za |x| > 1.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. tg n. Po Teoremu 4. konvergira za Pogledajmo sada ako je |x| = 1.16 1. dakle i apsolutno konvergira red (−1)n . dok za x = 1 red n 1 divergira. n2 Tada je n 1 = lim n−→∞ n2 1 = 1.3.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. ali smo u Primjeru 4. KRITERIJI KONVERGENCIJE Primjer 4. 4.8 imamo da konvergira i red (−1)n .20 red potencija |x| < 1. n 2. konvergira za Pogledajmo sada ako je |x| = 1. Neka je dan red potencija lim sup n 149 1 n x . to nije problem c c (jer konvergencija reda ovisi o ostatku reda). itd. n2 1 n x n2 dakle je ρ = 1.9 1 znamo da red (−1)n konvergira i suma mu je ln 2.).20 red potencija |x| < 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Teorem 4. Ako je x = 1 onda.8 znamo 1 1 da red konvergira. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. n Tada je 1 = lim n−→∞ n n 1 = 1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Ako je x = −1.3. Po Teoremu 4. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. (−1)n . n 1 n x n dakle je ρ = 1. Tada imamo sljede´i kriterij (Leibnic c zov): .4.

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

3.4.♠ s .17 Iz Teorema 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira. KRITERIJI KONVERGENCIJE Primjer 4.

.

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

pri ˇemu i domena i slika mogu biti podskupovi skupa R. Proˇirenje ne mora biti jedinstveno. Napomena 5. FUNKCIJE Skup X se zove podruˇje definicije ili domena funkcije f . o vrijednosti veliˇine x. te neka je A ⊆ X. za svaki x ∈ A. zovemo proˇirenjem funkcije f na s skup A. Skup Y se zove c kodomena funkcije f . 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 . ako ˇelimo biti precizniji. c Prirodna domena funkcije f (u oznaci D(f )) je skup svih mogu´ih argumec nata za koje se moˇe odrediti vrijednost funkcije. ˇiju ovisnost (odnos) promatramo. moˇemo to modelirati funkcijom ˇiji su argumenti i ˇije z c c su vrijednosti realni brojevi. z f : D(f ) −→ R(f ). s Ako su veliˇine.154 POGLAVLJE 5.1 Za proizvoljnu funkciju f : X −→ Y oˇito vrijedi R(f ) ⊆ Y . Tada funkciju g : A −→ Y za koju vrijedi g(x) = f (x) za svaki x ∈ X. zovemo restrikcija funkcije f na skup A i oznaˇavamo sa g = f |A . c Dakle za funkciju f koja elementima iz X pridruˇuje elemente iz Y imamo z sljede´e oznake c f : X −→ Y ili. c Neka je funkcija f : X −→ Y . Problem odredivanja prirodne z domene pojavljuje se kad domena nije specificirana. Govorimo o realnim funkcijama realne varijable. veliˇinu x moˇemo mijenjati po volji. te neka je A ⊇ X. a veliˇinu y zavisnom c varijablom. c z c na naˇin propisan pravilom f . c c . Piˇemo s f : R −→ R. a vrijednost veliˇine y ovisi. Veliˇinu x je uobiˇajeno c c c nazivati argumentom ili nezavisnom varijablom. Neka je funkcija f : X −→ Y . takve da se svaka moˇe c c z izraziti realnim brojem.

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

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

.5. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. z s Iz Napomene 5.2: Graf funkcije f i njegove projekcije na koordinatne osi. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. Npr. Napomena 5.3: Primjer krivulje koja nije graf funkcije. ˇto je suprotno s definicijom funkcije.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. c y x0 0 x Slika 5.1. 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.

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

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

Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. govorimo o strogom lokalnom maksimumu odnosno minimumu. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. . ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. dakle je i c strogi globalni maksimum. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. x0 + ε . pa i globalni maksimum i minimum. onda on ne mora biti i globalni. govorimo o strogom globalnom maksimumu odnosno minimumu. Nadalje. Primjer 5. dakle svaki x ∈ R je lokalni maksimum i minimum. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. +∞ a strogo rastu´a na svakom intervalu u c −∞. +∞ i strogo padaju´a na svakom interc c valu u −∞. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . Dakle f nema lokalnih pa ni globalnih ekstrema. Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. 0]. 4. c Nadalje. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. c dakle je i strogi globalni minimum. Analogno. Dakle.♠ c Napomena 5.5 Uoˇimo. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. FUNKCIJE za svaki x ∈ x0 − ε. Ako su nejednakosti stroge. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. ako su nejednakosti stroge. 2. u toˇkama iz R \ {0} f nema lokalnih ekstrema.2 1.160 POGLAVLJE 5. 0]. pa i na cijelom R. dok je svaki globalni ekstrem i lokalni. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. 3.

Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. 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. tj. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. f (x) = x4 . c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). D(f ) = [a. D(f ) = [a. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. z c c Napomena 5. onda kaˇemo da je funkcija f neparna. |x| su . tj.5. f (x) = parne fukcije. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). b ili D(f ) = a. s Primjer 5.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. b].1. Problem nalaˇenja ekstrema je vrlo bitan. Ako vrijedi f (−x) = f (x). Funkcije f (x) = x. f (x) = x|x| su neparne. f (x) = |x|. b]). z Ako vrijedi f (−x) = −f (x).♠ 1 . onda kaˇemo da je funkcija f parna. za svaki x ∈ D(f ) . Funkcije f (x) = x2 . f (x) = x3 . 2.4: Primjer funkcije s lokalnim ekstremima.3 1. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. za svaki x ∈ D(f ).

tj.5: Primjer parne (lijevo) i neparne (desno) funkcije.♠ 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. jedan rub je konaˇan a drugi beskonaˇan).4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna.5 5 2.5 1 2 3 -5 -7. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija.162 POGLAVLJE 5.5 -10 Slika 5. tj. neka c √ je funkcija f : [−1. +∞ . Npr. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. 1] −→ R dana formulom f (x) = 1 − x2 . Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. f (x) = 0 za svaki x ∈ R. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Takav je rub c c regularna toˇka. Primjer 5. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . postoji i konaˇan je broj f (−1).5 -1 -3 -2-2.

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

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

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

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

x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. g(x) . pri ˇemu je x ∈ D(f ) ∩ D(g).produkt s (f g)(x) = f (x)g(x).11 Ako funkcija ima prekid u toˇki.zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). funkcija f : R −→ R dana c c formulom 1 . . realnim brojevima. pri ˇemu je x ∈ D(f ) ∩ D(g). onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. tj. c D(f g) = D(f ) ∩ D(g).5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. c D(f ± g) = D(f ) ∩ D(g). c Za zadane dvije funkcije f. i z kako. OSNOVNI POJMOVI 167 Napomena 5. tj. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule.kvocijent s f g (x) = f (x) . definiramo njihov . c c S druge strane.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. funkcija sign : R −→ R iz Primjera 5.1. tj.1.5. tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali). vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima. c c 5. x=0 x f (x) = 0. dok je sama vrijednost funkcije f (0) = 0). g : R −→ R. . Npr.

tj. dakle beskonaˇni skup {xn . z c z Napomena 5.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. x . onda je (f + g)(x) = f (x) za svaki x ∈ D(f ).12 Primijetimo da je za proizvoljnu funkciju f : R −→ R i proizvoljni λ ∈ R funkcija h : R −→ R dana formulom h(x) = λf (x) u stvari produkt funkcija f : R −→ R i g : R −→ R. graf funkcije f + g je isti kao i graf funkcije f . 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) Ako je c < 0. g : R −→ R. pri ˇemu je f proizvoljna.5). onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. .. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. Uoˇimo da je D(g) = R.168 POGLAVLJE 5. a) Ako je c = 0. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.. a g dana formulom g(x) = c. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ).. 1. . Napomena 5. skup funkcija {1. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. Dakle imamo definirano c c mnoˇenje funkcije skalarom. Npr.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. c c Neka su f. c Preciznije. pa je D(f ± g) = D(f ).3).13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. 1. b) Ako je c > 0. c c ∈ R. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. Tj.. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. n = 0. x. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ).

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

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

14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). funkcija g f je jednaka pravcu y = 0 na skupu D g f . c c c Napomena 5.5. c g) i 3 b). za f. g f g a) Ako je c = 0. f). Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. c . c). Dakle. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. tj. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. Pogledajmo funkciju g f u ovisnosti o c ∈ R. npr. onda oˇito g funkcija f u njima nije definirana. 3. c c c Za ostale operacije ova tvrdnja ne vrijedi.4). onda je f (x) = f (x) za svaki x ∈ D f .1. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. OSNOVNI POJMOVI 171 predznaka. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). gdje funkcija f raste. 0 . Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. tamo funkcija f pada. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. g g 1 b) Ako je c = 1. tj. onda je f (x) = 0 za svaki x ∈ D .1. . Zbroj dviju padaju´ih funkcija je padaju´a funkcija. funkcija f u njima ima c c vertikalne asimptote. Ako funkcija f ima nultoˇke. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞.

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

Dakle imamo f ◦ id = id ◦ f = f. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . za svaku funkciju g : R −→ R. op´enito. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. za tu funkciju vrijedi g ◦ f = f ◦ g = g. c Napomena 5.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. Tada je oˇito c D(f ) = R(f ). . 3x + 1 3x + 1 2x 6x = . OSNOVNI POJMOVI Primjer 5.6 vidimo da operacija kompozicije funkcija nije komutativna. tj.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f .6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . U takvom sluˇaju piˇemo f 2 = f ◦ f .1. Napomena 5.♠ x+1 x+1 173 2x . z funkciju f komponirati samu sa sobom.5. 1 . 1 Primjer 5.♠ 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. 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 . za proizvoljnu funkciju f . Naime. g ◦ f = f ◦ g. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).7 Neka je dana funkcija f (x) formulom f (x) = x . tj. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). da je.

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

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

. s s Jasno je da ´e nas npr. Primjer 5. i joˇ 500 kn za dovoz i odvoz.8 Troˇkovi rada stroja su 200 kn/h. moˇe biti viˇe studenata koji su imali nula bodova. 200x + 500 = 1300.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . a za z c neke nije. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. b : studenti −→ {0. 10 sati rada stroja koˇtati 2500 kn.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. 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. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. Nas zanima x(y).♠ Primjer 5. Dakle. tj. FUNKCIJE 5. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. Drugim rijeˇima. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. tj. Kaˇe se i da z c z f ne lijepi argumente.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. Dakle imamo. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. c s Pogledajmo sada obratni problem.176 POGLAVLJE 5. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. .♠ z s Definicija 5. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). i obrnuto. Ne c c moˇemo rijeˇiti problem.1. To je za neke funkcije mogu´e. 1. 12}.... 2. Uspjeli smo rijeˇiti problem.

f (x1 ) = f (x2 ) povlaˇi x1 = x2 . Definicija 5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Napomena 5. je injekcija za neparan n. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. 1) i (1. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. s c Primjer 5.8 izraˇunali smo da je x(1300) = 4. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.11 U Primjeru 5. n ∈ N.5.1. f : D(f ) → R(f ) je uvijek surjekcija.♠ Primjer 5. ali ne i za paran n. c c Definicija 5. 1).17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.6 c ekvivalentan sljede´em: za x1 .7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). x2 ∈ D(f ). .18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.10 Funkcija f (x) = xn . Injektivnost. Napomena 5. za bilo koji c ∈ R. a injektivnost njegovu jedinstvenost. tj. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.

Dakle. 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 POGLAVLJE 5. 200 (200x − 500) + 500 = x. Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x).178 dobivamo formulu za x u terminima c. 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 Definicija 5. dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c.9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x. x(c) = c − 500 .

♠ Napomena 5.+∞ su bijekcije s inverzima g1 : [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.0] √ i f |[0.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. Teorem 5.1.5. +∞ . Dakle vrijedi f ◦ g = g ◦ f = id. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. pa ima i inverznu funkciju. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. c c Dokaz: Neka je f : R −→ R strogo rastu´a.20 znamo da f c ima inverznu funkciju g. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.10). +∞ jesu.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. Primjer 5.20 Ako je funkcija f : R −→ R strogo monotona. OSNOVNI POJMOVI 179 Napomena 5.♣ z c . f | −∞. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. c Primijetimo da ako f nije strogo monotona nego samo monotona. To je oˇito inverzna funkcija od f . Dakle. +∞ −→ [0. a strogo c c padaju´e funkcije strogo padaju´a. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. 0]. no njezine restrikcije na −∞. onda je ona oˇito i bijekcija na svoju sliku. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). No f ◦ g = id. Tada iz Napomene 5. jer je c f ◦ g = g ◦ f = id. g1 (x) = − x. i √ g2 : [0. 0] i [0. Dakle. a ona c c je strogo rastu´a funkcija. g2 (x) = x. kad govorimo o inverzima funkcija f : R −→ R. +∞ −→ −∞.

12 slijedi da tvrdnju Teorema 5. Pokuˇajmo sada.2 Inverzna funkcija neparne funkcije je neparna. +∞ gdje je bijekcija. z c Napomena 5. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x. +∞ . 0] odnosno . ali nije bijekcija. FUNKCIJE Teorem 5. +∞ −→ −∞.♣ Iz Primjera 5. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. Primjer 5. praktiˇno izraˇunati. f −1 je neparna. Tada je njena inverzna funkcija g : [0.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. 0] ili [0. Dakle.180 POGLAVLJE 5. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.2 ne moˇemo izre´i za parne funkcije. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x.♠ c Analogno kao u Primjeru 5. jer je f (x) c rastu´a. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x).

4 1 2 Slika 5.16: Graf funkcije f (x) = xex . no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. Ako je n neparan. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. 5. c . specijalne funkcije kojima se ovdje ne´emo c baviti.5. ima inverznu funkciju. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. ˇ Cak i za funkcije koje imaju inverze. tj.2 -3 -2 -1 -0. +∞ je bijekcija. 0. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. +∞ −→ [0. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.6 0. +∞ dana formulom − n x odnosno n x. Primjer takve funkcije je c x f (x) = xe .8 0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. c Osim elementarnih postoje i tzv.2 -0.2. Restrikcija te funkcije na interval [−1.4 0. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva.

2. mnoˇenih nekim koeficijentima. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5. FUNKCIJE 5.Area 2.182 POGLAVLJE 5.2. dolazimo do pojma z .1 Klasifikacija i podjela realnih funkcija 1. xk = x · x · · · x .Logaritamske . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Polinomi .Ciklometrijske .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Hiperboliˇke c .Eksponencijalne . k Po definiciji stavljamo x0 = 1.Ostale algebarske funkcije b) Transcendentne . Elementarne a) Algebarske .Racionalne funkcije .Trigonometrijske . za svaki x ∈ R.

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

14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = ..: n m Teorem 5...01 -0.5 2 2.4 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 . Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. n. c Primjer 5. = an = 0. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.01 1.. a ordinata je.184 POGLAVLJE 5. FUNKCIJE n Teorem 5. 1. 0. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. . Apscisa nultoˇke je nuliˇte. Broj c k zove se red ili kratnost nultoˇke x0 .14. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.11. za sve i = 0.02 3 2 0.5 3 Slika 5.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .02 4 0. tj.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. c c . c c c s naravno.

Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Ako su ove nejednakosti c c stroge.2. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6.19: Graf linearne funkcije f (x) = x + 75.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. kaˇemo da je linearna funkcija strogo rastu´a. a prema dolje ako je a < 0. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. Za a = 0 imamo konstantnu funkciju p(x) = b. odnosno strogo padaju´a. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). dok za x > x0 vrijedi (x − x0 )k > 0. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Ako je k neparan. Ako je k paran. po Teoremu c 6. Otvor joj je okrenut prema gore ako je a > 0.8).22 U nultoˇkama neparnog reda polinom mijenja predznak. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. raste na cijelom R. je polinom drugog stupnja ili kvadratna funkcija. za x ≥ 0. tj. a = 0. a padaju´a ako je a ≤ 0. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). onda iz Teorema 6. onda iz Teorema 6.ako raste u s c nekoj toˇki. dok c u nultoˇkama parnog reda nema promjene predznaka. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Tjeme .5.3 Qn−k (x) = 0 na nekoj oklini oko x0 . Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0.

186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. −D/4a). Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. Nultoˇke kvadratne funkcije dane su formulom c x1. c Napomena 5. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. parabole ima koordinate (−b/2a. FUNKCIJE 1 2 Slika 5. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. inaˇe velike negativne vrijednosti). inaˇe velike pozitivne). tj. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. Teorem 5.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. Zbog neprekidnosti c polinoma na R (Teorem 6. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4.♣ c c .♣ c Iz Teorema 5. 2a i realne su ako je D ≥ 0. npr. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.8) graf polinoma mora negdje sje´i x os.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.2 = √ −b± D .

iz Primjera 5. Ako je n = 1. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5.♠ Dakle.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke.2. tj. onda je oˇito funkcija Pn (x) = xn parna.. c graf joj je centralno simetriˇan s obzirom na ishodiˇte.5. . 1. 3.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. +∞ i ima nultoˇku u (0. 0). dakle je bijekcija i ima nultoˇku u (0. Pn (x) strogo raste na R. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. c vrijedi D(Pn ) = R. dakle je bijekcija.♠ c . Oˇito je D(P1 ) = R(P1 ) = R. dakle nije injekcija. 0]. P1 (x) strogo raste na R. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. pravac y = x. Primjer 5. Nadalje. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . onda je oˇito funkcija Pn (x) = xn neparna. c 2. 0). R(Pn ) = [0.. tj. onda je P1 (x) = x linearna funkcija. n − 1. c neparna je i ima nultoˇku u (0. tj.16 Pogledajmo funkciju (polinom) Pn (x) = xn . 0). strogo raste na [0. Ako je n paran broj. graf c joj je zrcalno simetriˇan s obzirom na y os.. +∞ . Ako je n neparan broj.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. Strogo pada na −∞. kao funkcija an xn . tj. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. i = 1.

dijeljenjem polinoma c izlazimo iz te klase funkcija. y) = i=0 j=0 aij xi y j .2. z n Nadalje. ali c z kvocijent dvaju polinoma op´enito nije polinom. umnoˇak i kompozicija polinoma ponovo polinom. tj. 5. kako se polinom Pn (x) = i=0 ai xi . . razlika. sam sebi je asimptota. Npr. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. . i = 1..188 POGLAVLJE 5..12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. Naravno. itd. Za . u tom sluˇaju se situacija komplicira. FUNKCIJE Napomena 5. Po analogiji s racionalnim c brojevima. problem s asimptotike je sloˇeniji.. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. n. 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. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. Napomena 5..24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. problem poniˇtavanja je vrlo kompliciran. su koeficijenti polinoma Pnm (x).♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. j = 1.3 Racionalne funkcije Oˇito je zbroj. z Definicija 5. m. n > 1. Dakle. Realne konstante aij .8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija.. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni..

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

5 -25 -50 -75 -100 0. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). kao i u toˇkama u c kojima se nazivnik poniˇtava.26 Ako je pol parnog reda. FUNKCIJE 100 75 50 25 -1 -0. Osim vertikalnih. (lijevo) i pola Napomena 5.26). dok za polove neparnog z c reda. tj. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . z c Dokaz: Red pola je red nultoˇke nazivnika. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. kad c argument ide u +∞ i −∞.5 1 80 60 40 20 -1 -0. bi x i=0 i−m bi x i=0 i xm . 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. Dakle.5 1 x 1 Slika 5.5 0. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .graf racionalne funkcije moˇe imati asimptote: z 1. i to na vanjskim rubovima prirodnog podruˇja definicije. Sada tvrdnja izravno slijedi iz Napomene c 5.190 POGLAVLJE 5. 2.22.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika.

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

0] i za svaki x ∈ −∞. f strogo raste na [0. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. f strogo pada na −∞. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. Oˇito je D(f ) = R. z √ Primjer 5. FUNKCIJE ide u am+1 x. Dakle. tj.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. f (x) = x + x (desno) i njihovih asimptota.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). .192 xm (am+1 x) . +∞ . Nadalje. m i−m xm bi x i=0 m POGLAVLJE 5. racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . +∞ .18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. R(f ) = [1.27 Analogno kao i kod vertikalnih asimptota. dakle nije injekcija.27 ne mora vrijediti. kada argument ide u beskonaˇnost. bm jer i=0 bi xi−m ide u bm . +∞ vrijedi f (x) > x. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. zrcalno simetriˇna obzirom c c na y os. 0 vrijedi f (x) > −x. f je parna. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. +∞ i za svaki x ∈ 0.♠ Iz Primjera 5. Napomena 5. 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). ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . Dakle.

Definicija 5.29 Svaki polinom i racionalna funkcija su algebarske funkcije.2. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. f (x)) = 0. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. f (x)) = 0.18.2. y) takav da vrijedi P (x. Tada je oˇito P (x. jer u suprotnom ne bi bila funkcija. √ x2 + 1 i njenih asimptota z Napomena 5. 5. Pn (x)) = 0. y) = x − y n oˇito je P (x.19 1. dakle je svaki polinom algebarska funkcija. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Tada je oˇito P (x. Definirajmo polinom u dvije varijable s P (x.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. f (x)) = 0.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. c . dakle je svaka racionalna c √ Primjer 5.5. c Neka je sada f (x) = funkcija i algebarska. y) = Pn (x) − y. y) = Qm (x)y −Pn (x). Dokaz: Neka je dan proizvoljni polinom Pn (x).14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Napomena 5. Definirajmo polinom u dvije varijable s P (x.

Neka je dana algebarska funkcija f formulom f (x) = 3 x. ima vertikalnu asimptotu x = 1. dakle nema vertikalnu asimptotu. Dakle.194 POGLAVLJE 5.4). vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. √ Primjer 5. z 1 4. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. +∞ . u 1 (toˇka 5. z tj. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. z √ 2. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. 0 je regularna toˇka (toˇka 5.20 1.♠ 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. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Nadalje. koja je bijekcija sa R na R. je D(f ) = R(f ) = [0. dakle nema niti vertikalnu niti horizontalnu asimptotu. Neka je dana algebarska funkcija f formulom f (x) = x. Dakle.13). +∞ . c c √ Nadalje.13). f strogo raste na R i neomedena je. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . +∞ (Primjer 5. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. FUNKCIJE 1 2. tj.13). Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0.4).13).1.1. Kada se argument sve viˇe pribliˇava c s z broju 1. Funkcija f je inverzna funkcija funkcije g(x) = x3 . Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c .28. c 1 3. dok kosu asimptotu ne moˇe imati zbog Napomene 5. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. Nadalje. +∞ i R(f ) = 0. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. je D(f ) = 1. tj. y) = xy n − 1 oˇito je P (x. pravac y = 0 je horizontalna asimptota funkcije f . Dakle. c c tj. f (x)) = 0. je D(f ) = R(f ) = R (Primjer 5.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

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

196

POGLAVLJE 5. FUNKCIJE

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

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

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

197

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

5.2.5

Eksponencijalne funkcije

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

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

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

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

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

199

= ax−y ;

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

=

ax ; bx

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

5.2.6

Logaritamske funkcije

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

.

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

200

POGLAVLJE 5. FUNKCIJE

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

-4

-2 -1 -2 -3 -4

2

4

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

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

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

= loga x − loga y;

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

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

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

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

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

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

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

a kosinusa obrnuto. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. Medutim.2.5 -2 5 10 Slika 5. π ]. tj.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. Kaˇemo da im je faza nula. krvnoga tlaka. za svaki t ∈ R. je period funkcija sin i cos. Nadalje. s 2 1 u nuli i 0 u π . 1]. k ∈ Z. tj.5 -0. imaju amplitudu razliˇitu od 1. tj. vidimo da je −1 ≤ cos t ≤ 1. Svaki 2kπ. Nadalje. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. 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. temperatura kroz godinu. π ].5.5 -1 -1. c amplitude i faze.5 -10 -5 -0. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. dok je sinus neparna. napona. c 2 1. zbog periodiˇnosti. −1 ≤ sin t ≤ 1. plime i oseke.5 1 0. period razliˇit od 2π i ne s c c .32 Lako je vidjeti da je kosinus parna funkcija. itd. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. Napomena 5. To znaˇi R(sin) = R(cos) = [−1.5 1 0. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. Nadalje.5 -2 5 10 -10 -5 2 1. npr. Najmanji pozitivni period je 2π i zovemo ga temeljni period. za opis osz c cilacija. Dakle je z D(sin) = D(cos) = R. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0.5 -1 -1.

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

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

2. k ∈ Z}.π x su bijekcije s tih intervala na R. Dakle.34 Zbog periodiˇnosti. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . 1]. Dakle sinus nema inverznu funkciju.33 . Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. π . Napomena 5. π ]. a kotangens strogo padaju´a na 0. 2 . njihove restrikcije Tg x = tg| − π . a isto vrijedi s / i za ostale trigonometrijske funkcije. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. restringirajmo sinus na [− π . 5. a c c s nema rjeˇenja za c ∈ [−1. Npr. 2 i kotangens na 0.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). dakle nisu bijekcije. FUNKCIJE za svaki t ∈ R \ {kπ. π x 2 2 i Ctg x = ctg| 0. Tada prema Napomeni 5. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. c c Dakle. tangens na − 2 .8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. na svoju sliku. π . kosinus na 2 2 π π [0.208 POGLAVLJE 5. ni tangens ni kotangens nisu injekcije. c dakle niti bijekcije. π].

33 slijedi da je arcsin strogo rastu´a. Dakle. inverznu funkciji cos |[0.5 -1 -0.1 i Napomene 5.π strogo padaju´e.34 znamo da su funkcije sin |[− π . 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . rjeˇenje jednadˇbe postoji i jedinstveno je.5 1 -1 -1. Dakle. 1.5 -0.5 3 2. z π π Za x ∈ [−1. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.5 1 0. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 1 Slika 5. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. π jednadˇbe tg t = x . oˇito je c c D(arcsin) = D(arccos) = [−1.π] . rjeˇenje jednadˇbe postoji i jedinstveno je. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. a arccos c strogo padaju´a na [−1. ]. ]. Nadalje. Kako je sin |[− π .π] i ctg| 0. π bijekcija. 2 ] jednadˇbe sin t = s z s z x. a c 2 2 2 2 cos |[0. π ] i tg| − π . π]. 1]. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. 1] −→ [− . dakle su i bijekcije. π]. koje zovemo arkus funkcije. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. Iz Teorema 5.5 -1 -0. π ] . 2 2 R(arccos) = [0. s z 2 2 s z Kako je tg| − π . 2 2 koja je inverzna funkciji sin |[− π . π strogo rastu´e.5 0.2.5 1 0.5. π ] bijekcija.5 2 1.5 0. 2 2 .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). 1]. 1] −→ [0. π π R(arcsin) = [− . . 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .

FUNKCIJE arcctg : R −→ 0. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. 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 . -4 2 1. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.5 -1 -1. tako da bi smo dobili arkus funkcije definirane na tim intervalima. c .35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.5 2 1. pri traˇenju rjeˇenja t jednadˇbe. R(arcctg) = 0.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. Nadalje. z s z sin x = t. . π .5 -4 -2 2 4 Slika 5. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. π .34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.5 3 2.5 -2 2 4 4 3. Napomena 5. Npr. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. 2 odnosno ctg| 0.1 i Napomene 5. 1].5 1 0.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). Dakle.5 1 0.5 -2 -0.π . oˇito je c c π π D(arctg) = D(arcctg) = R. Iz Teorema 5. π . 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. π ]. inverznu funkciji ctg| 0.210 koja je inverzna funkciji tg| − π . R(arctg) = − . npr.

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

c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. Funkcije inverzne hiperboliˇkima zovu se area funkcije. preciznije areakosc inus hiperboliˇki ili Arch. +∞ . Kako th strogo raste na R.5 1 0.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5.5 -4 -2 -0.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. Nadalje. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. restringiramo na −∞. 1. 0] ili [0. Ako ch. kako je |th x | < 1 . Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. z y = −1 i y = 1. tj. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). 1]. c osim funkcije ch. ch postaje bijekcija na svoju sliku. areasinus hiperboliˇki ili Arsh. za svaki x ∈ R\{0}. za svaki x ∈ R. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. i R(cth) = R \ [−1.5 -1 -1. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. to mora i cth x . forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). imamo da je |cth x | > 1 . zbog parnosti. Zbog neparnosti od th i cth je neparna. Kako je jedina nultoˇka od th toˇka 0 zakljuˇujemo da je D(cth) = R\{0} c c c i cth u 0 ima vertikalnu asimptotu. cth strogo pada na R \ {0}. 4. Dakle cth ima i dvije horizontalne asimptote. imamo: .

PREGLED ELEMENTARNIH FUNKCIJA 213 1.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). Iz Teorema 5. a pravac y = 0 horizontalna asimptota. pravci x = −1 i x = 1. 1]. a x = 0 vertikalna asimptota od cth. Oˇito je D(Arth) = −1. Ako smo ch restringirali na [0. iz Teorema 5. +∞ . pravci x = −1 i x = 1.1 zakljuˇujemo da Arch strogo raste.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. vertikalne asimptote od Arth. 1 .5.1 c slijedi da Arcth strogo pada. 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). 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. tj.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. +∞).5 2 2. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. 4. tj.5 1 0. +∞ i R(Arch) = [0.2.5 0. R(Arth) = R i iz Teorema 5. onda su rubovi −1 i 1.5 -1 -2 -3 0. c 2. c 3.5 3 Slika 5. onda su rubovi −1 i 1. . y = 1 horizontalne. vertikalne asimptote od Arth. 3 2 1 -1 -0.5 1 1.5 2 1. Oˇito je D(Arsh) = R(Arsh) = R. Kako su y = −1. R(Arth) = R \ {0} i iz Teorema 5. Oˇito je D(Arcth) = R \ [−1. onda je D(Arch) = [1.1 slijedi da Arth strogo raste.

.

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. onda je 215 . Naime. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. 0 ≤ m ≤ 20 3.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.05(m2 − m1 ). a visina poˇtarine c u z s kunama).05(m − 20). Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. Dakle imamo c(m) = 2.Poglavlje 6 Uvod u diferencijalni raˇun c 6. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.05∆m).1 6.1.8 kn.1.05h = 0. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. m > 20.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. (Masa m je izraˇena u gramima. m = 20 i m = 30.5 + 0.05(m − 20) kn. Graf te funkcije prikazan je na slici 6.5 + 0.05h (∆c = ˇ 0.8.

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

2 nam daje ideju za sljede´u definiciju: c Definicija 6.1.ˇ 6.2 Svojstva neprekidnih funkcija Teorem 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). ipak m(c) nije blizu m(20).2 Iz Definicije 6.1 Neka su funkcije f.1 ima prekid u toˇki c = 20. S druge strane. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. 6. ako je m > 20 i m blizu 20. s c c Napomena 6. No. postoji δ > 0 za koji vrijedi Definicija 6.1. Analogno. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. ako je m lijevo od 20 i dovoljno blizu 20.1. koji c je manji od nekog fiksnog strogo pozitivnog broja. Tada su u toˇki x0 neprekidne i funkije: c .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).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 . nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.1.2 Funkcija c(m) iz Primjera 6. ali je ona c neprekidna s lijeva u toj toˇki. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. Primjer 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. 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 .♠ Primjer 6.

4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. x=0 x f (x) = 1. 1]. tj. 2.11 znamo da je funkcija f : R −→ R dana formulom 1 . g : R −→ R takve da je definirano (g ◦ f )(x0 ).♣ Teorem 6. tj. f · g. c s Analogno se dokaˇe sluˇaj f (c) < 0. 1] (jer je nema na cijelom R). c + δ .♠ . Tada za svaki δ > 0. i neka je f (a)f (b) < 0.♣ c Teorem 6.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. i funkcija g neprekidna u f (x0 ). Uzmimo ε = f (c). tj. ali oˇito f nema nultoˇku na segmentu c c c [−1. f |[−1. Dakle. Tada je |f (xδ ) − f (c)| > f (c) = ε. onda je oˇito f (−1)f (1) = −1 < 0.2 Neka su funkcije f. za koji je f (xδ ) ≤ 0. po pretpostavci. c + δ). c c Primjer 6. Ako pogledamo funkciju f restringiranu na segment [−1.♣ Teorem 6. c + δ) takav da je f (xδ ) ≤ 0. b].3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. g ˇ POGLAVLJE 6.3 Iz Napomene 5. b takav da je f (x0 ) = 0. Dokaz: Pretpostavimo suprotno. i neka je f (c) > 0 (f (c) < 0). onda je funkcija g ◦ f neprekidna u x0 .218 1. Ako je funkcija f neprekidna u x0 . Tada postoji x0 ∈ a. f . |xδ − c| < δ. 4.1] : [−1. 3. f − g. postoji xδ ∈ (c − δ. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. mora imati nultoˇku. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). tj.♣ z c Teorem 6. x = 0 svugdje neprekidna osim u nuli. f + g. ˇto je suprotno pretpostavci. onda njezin graf mora negdje sjeˇi x os. f ima prekid u toˇki c. 1] −→ R.

c 1 x je Teorem 6.♣ Teorem 6. ali oˇito je neomedena. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. Teorem 6. onda je ta funkcija i neprekidna. funkcija f (x) = neprekidna na 0. slika otvorenog intervala − π . g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.3 slijedi da je uvjet neprekidnosti iz Teorema 6.6 ne vrijedi za otvorene intervale.♣ c Tvrdnja Teorema 6. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. za svaki x ∈ I (Definicija 5.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. π . M ∈ R takvi da je m ≤ f (x) ≤ M.ˇ 6.4) Teorem 6.♣ 6.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R.4 Funkcije f. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Tvrdnja z Teorema 6. Nadalje. Npr. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. 1 .3 Neprekidnost elementarnih funkcija Primjer 6.4 nuˇan.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. 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. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . Npr. Tada je funkcija f neprekidna na intervalu I.5 ne vrijedi za otvorene intervale. b]. Pitanje je sad.1. π funkcijom tg je R.1. .

i = 0.4) i Teorema 6. na intervale − π .. i = 0.7. Teorem 6.1. 1. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj.. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). 1.♣ Napomena 6.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6..1. . logaritamskih. jer je svaka racionalna funkcija kvocijent dvaju polinoma. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. n. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. n. 1. dakle iz Teorema 6. z 2. Dokaz: Neprekidnost eksponencijalnih.. i = 0. z c Uzmimo proizvoljni ε > 0. Budu´i da je f (x) − f (x0 ) = c − c = 0.. zakljuˇujemo c da je i suma od ai xi . c c neprekidne na R. tj. Na kraju.. . arkus. slijedi da c moˇemo uzeti δ = ε. Nadalje. UVOD U DIFERENCIJALNI RACUN 1.. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. π odnosno 0.. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). na R su neprekidne i funkcije ai xi . Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.4 dokazali smo da je funkcija f (x) = x neprekidna na R. .4 i Teorema 6. takoder iz Teorema 6. logaritamske. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.7 c i periodiˇnosti. jer su njihove restrikcije npr. c Dokaz: U Primjeru 6. n.1. takoder iz Teorema 7. polinom Pn (x) neprekidan na R. π monotone c 2 2 bijekcije na R.9 Eksponencijalne. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. hiperboliˇkih (osim kosinusa hiperbolnog). trigonometrijske..1.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.220 ˇ POGLAVLJE 6.1 sada slijedi da je na R neprekidna i funkcija x2 .♠ z Iz Primjera 6. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. . Na isti naˇin se zakljuˇi da su xi . z c Uzmimo proizvoljni ε > 0. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. Iz Teorema 6.1 direktno imamo: n Teorem 6.7 imamo da su neprekidne i funkcije arctg i arcctg.7 su neprekidne.

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

vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. za vrijednosti od x koje su malo ve´e od 1. vidimo da su one c c c blizu vrijednosti −1. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. funkcija nije definirana u toˇki 0. vrijednosti c funkcije su malo ve´e od −1. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. c c 2. Dakle. dodemo li s x dovoljno blizu c toˇki 1. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. ali negativnu. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. Za funkciju f : R −→ R danu formulom f (x) = arctg x . tj. ako uzmemo toˇku c x dovoljno malu. 4. c 3.1. ali pozitivnu. zakljuˇujemo. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. tj. Ako uzmemo s c toˇku x dovoljno malu. za x malo manji od 1. dovoljno blizu c nule. 6. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0.5 nije definirana u toˇki x = 1. tj.222 ˇ POGLAVLJE 6. vrijednosti funkcije c su malo manje od −1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. S druge strane. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. Raˇunaju´i te vrijednosti. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. funkcija nije definirana u toˇki 0. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane.4 Graniˇna vrijednost (limes) funkcije c 1.

moˇda u samoj toˇki c. |f (x) − M | < ε). tj. onda piˇemo c s L = lim f (x). Neka je dana funkcija f : R −→ R formulom f (x) = xx . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.2. a ne znamo izraˇunati ni njenu vrijednost za x = 0.5). Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1.2.♠ Situacije iz Primjera 6. Ako funkcija ima limes L u toˇki c. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. osim. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. Dakle.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .1. osim. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. ako c ˇelimo promatrati ponaˇanje oko nule. 6.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. 2 2 5. pravac y = π je horizontalna asimptota. x−→c Ako limes postoji on je i jedinstven: Teorem 6. Definicija 6. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. moˇda u samoj toˇki c.ˇ 6. . Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε.

L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. postoji δ > 0. Dakle je M = L.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). Dakle imamo |M − L| < |M − L|. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. Analogno.6 i Napomz ena 4. Tada za taj ε. |M − L| = |M − f (x) + f (x) − L| ≤ |f (x) − M | + |f (x) − L| < 2ε vrijedi za argumente iz domene od f za koje je |x − c| < δ. Uzmimo sada ε = 1 |M − L|. Pri tome uzimamo da je svaki otvoreni interval oblika (M. pri ˇemu.224 Tada je L = M . 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 ). ˇto ne moˇe biti. |f (x) − M | < ε). dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. M ) je okolina od −∞.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. Ali. −∞ ∈ R. +∞) okolina od +∞.4 Uoˇimo da je definicija limesa (Definicija 6. +∞. 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).♣ s z c c Napomena 6.2) jako sliˇna definiciji neprekidnosti (Definicija 6. ˇ POGLAVLJE 6. 2 po pretpostavci. ali postoji bitna razlika. da je M = L. naravno ne zaboravljamo. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. i svaki interval oblika (−∞.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. tj. .

c z u samoj toˇki c kaˇemo da ima limes L ∈ R s desna u toˇki c i piˇemo c z c s L = lim f (x) x−→c+ ako za svaki ε > 0 postoji δ > 0 takav da (x > c. |x − c| < δ) =⇒ (|f (x) − L| < ε). lim f (x) = −∞ ako za svaki M > 0 postoji δ > 0 takav da x−→c 225 (0 < |x − c| < δ) =⇒ (f (x) < −M ). osim. Definiciju 6.1. Za funkciju f : R −→ R definiranu na nekoj okolini toˇke c.ˇ 6. 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. 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 ). ˇ Zelimo li naglasiti da se argument x pribliˇava vrijednosti c samo s jedne z strane. s desna. 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. recimo odozgo. .3 moˇemo proˇiriti i na sluˇaj c = +∞ odnosno c = −∞ i z s c L = +∞ odnosno −∞. piˇemo s x−→c+ lim f (x). tj. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Analogno. Dakle. osim. moˇda. |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 ). x−→−∞ lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) > M ).

x−→0 x π 4. tj. lim 3.7 Iz Primjera 5. ako postoje limesi s lijeva i s desna i oni su jednaki L. x −→0 − lim sign x = −1 . x−→0+ lim xx = 1. moˇda u samoj toˇki c. x−→+∞ 2 5. ne postoji lim sin x. x < 0  sign x = 0. Dakle je x−→0+ lim sign x = sign 0 . Nadalje je oˇito da je c x−→0+ lim sign x = 1 .3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. onda iz Definicije 6.226 ˇ POGLAVLJE 6. Dokaz: Ako funkcija f ima limes L u toˇki c. 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. s c 1.1. onda je jasno iz Definicije 6.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. x2 − 3x + 2 = −1. lim 2. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . c osim.5 Neprekidnost i limes Primjer 6. lim arctg x = .5 znamo da funkcija   −1.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. ♣ c Primjer 6. x > 0 ima prekid u nuli. x−→+∞ 6.5.6 Opiˇimo sada pomo´u limesa Primjer 6. x = 0   1. x−→0 x2 lim 1 1 = +∞ i lim = −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6. x−→1 x−1 1 = +∞.♠ 6. Obrnuto.

c c Sada direktno iz Napomene 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. i neka postoji limes funkcije f u toˇki c. oˇito vrijedi c f (2) = lim f (x).13 Neka je funkcija g : R −→ R neprekidna.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). tj. x−→c+ Dokaz: Izravno iz Definicije 6. imamo x−→c lim f (x) = f (c) = f ( lim x). NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.2 i definicije jednostranog limesa.4). Zaista imamo: c c Teorem 6.4) i da limes mora postojati.5 U Teoremu 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.12 kaˇe da ako je funkcija neprekidna u toˇki c.7 i 6.♣ .ˇ 6.1 i 6. konaˇan je broj.1.3.1 i Primjer 6. Nadalje.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)). Tada je c x−→c lim g(f (x)) = g( lim f (x)).5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.♣ x−→c Analogno kao Teorem 6.♠ x−→2 Primjeri 6. onda limes i funkcija z c ”komutiraju” tj. Dokaz: Izravno iz Definicije 6.♠ Primjer 6.♣ Teorem 6.12 imamo: Teorem 6. x−→c Napomena 6.

(−∞) + (−∞) = −∞. (+∞) · (+∞) = +∞. 3. a ∈ R proizvoljan. 8.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). (−∞) · a = 10.1. a > 0 −∞. (+∞) · (−∞) = −∞. jer operacije nisu definirane i operandi nisu realni brojevi. 5. a < 0.14.12 i 6. x−→c+ Dokaz: Izravno iz Teorema 6. 4. 7. a +∞ = 0. 6. a ∈ R proizvoljan. (+∞) + (+∞) = +∞. a > 0 +∞. To se posebno odnosi na veliˇine +∞ i −∞.11. −∞. (−∞) · (−∞) = +∞. Kako one nisu realni brojevi.♣ 6. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. a < 0.228 ˇ POGLAVLJE 6. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. . UVOD U DIFERENCIJALNI RACUN Teorem 6. no moˇe se desiti da dobijemo izraz koji nije z z definiran. (+∞) · a = +∞. 6. 2. −∞ ± a = −∞. 9.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. a ∈ R proizvoljan. +∞ ± a = +∞.

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

x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. lim x−n = +∞. 0 < a < 1. x−→0− 4. α < 0. 8. UVOD U DIFERENCIJALNI RACUN 6. x−→−∞ lim ax = 10. 3. n ∈ N neparan. x−→+∞ lim loga x = 11. x−→0+ lim xα = 0. lim x−n = −∞. +∞. a>1 0. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. x−→0+ x−→0− 7. 0 < a < 1. +∞. 0 < a < 1. n ∈ N paran. n ∈ N paran. n ∈ N proizvoljan. a>1 +∞. −∞. a>1 −∞. . +∞. α < 0.230 ˇ POGLAVLJE 6. a>1 +∞. x−→+∞ x−→+∞ 2. n ∈ N neparan +∞. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. −∞. x−→+∞ lim ax = 9. α > 0 0. 6. α>0 +∞. 0 < a < 1. lim xn = +∞. 0. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R.1.7 Raˇunanje limesa c Neki temeljni limesi 1. 5. n ∈ N proizvoljan.

a ∈ R. Oznaˇimo s A = z c c (cos x. x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. tj. Iz toˇke 5.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. 0) u ravnini. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). To znaˇi da je c x−→+∞ lim loga x = +∞.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. koji se nalazi unutar trokuta OBB . π ). presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). ortogonalnu projekcija toˇke A na x os. pad. 0).1. neparnost i sliˇno. +∞) i da joj c c je slika cijeli R. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. i s B = (1. njihov rast. . parnost. sin x). Kako gledamo c limes funkcije sin x kada x −→ 0. svojstva potencija. Kada s pravca uzmemo x ∈ (0. koriste´i definicije limesa i jednostranih limesa (toˇka 6.1.2. i zbog parnosti od sin x . Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ).ˇ 6.16 lim i 1 lim (1 + )x . za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). x−→+∞ x sin x = 1. Dakle. jasno je da je dovoljno x x promatrati x ∈ (0. tg x ). Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. c Osim ovih limesa. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6.4).9. c c eksponencijalnih i logaritamskih funkcija. za a > 1.

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

x−→0 x Iz Teorema 6. x−→0 x lim i ax − 1 = ln a. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. i da je x = ln(t + 1).6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .2. Dakle imamo ax − 1 ex ln a − 1 = lim .10 ex − 1 = 1.ˇ 6. a ∈ R.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. Dakle . ♣ Primjer 6. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1.17 x−→+∞ 233 lim 1+ 1 x x = e. x−→0 x lim a > 0.12 i Teorema 6. Tada je jasno da t −→ 0 kada x −→ 0. c Zbog toga je ex − 1 t lim = lim = 1. x Oznaˇimo sada ex − 1 sa t.1. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. 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. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .♠ x−→0 t−→0 x ln a ln(t+1) ln a .

. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. x−→c x−→c 2. 6.2 6. g : R −→ R. c 6.234 ˇ POGLAVLJE 6.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi.7 su nam dovoljni za c raˇunanje gotovo svih limesa.18 i temeljni limesi iz toˇke 6.13.1. ♣ x−→c Teoremi 6. 6. Tada 1. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). 6. x−→c x−→c 4. x−→c c 3.17. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).2.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).16.

Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . Uzmimo a = t0 . b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. tj. DERIVACIJA FUNKCIJE 235 Primjer 6. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . 0 moramo promatrati limes. 15 minuta nakon polaska. t0 + ∆t]. ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. z c zahtijeva podrobnije razmatranje. za razliku od prosjeˇne. Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . 0.2. s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. t gdje je s prijedeni put. Kretanje je promjena poloˇaja u vremenu. c . dobivamo s v= 50 km = 100 . tj.♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. No uvrstimo li ∆t = 0 u gornju formulu. Trenutna brzina. ∆t ˇ Sto je ∆t manji.6. b). Ideja je koristiti ono ˇto znamo.5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. dobivamo neodredeni izraz tipa 0 . s(t0 + ∆t) − s(t0 ) v= . c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima. Dana je formulom c v= s(b) − s(a) . b = t0 + ∆t. Dakle. a t vrijeme za koje smo preˇli taj put. to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 .11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata.

Dakle. a to je jednako koeficijent smjera te sekante. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) .3: Ovisnost visine projektila o vremenu. y(t0 )) i c ∆t (t0 +∆t. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . Op´enito. c ∆y = tg α. y(t0 +∆t)) zatvara s osi x. prosjeˇna brzina odgovara koeficijentu smjera sekante. UVOD U DIFERENCIJALNI RACUN Primjer 6.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. 1. prosjeˇna brzina projektila u vremenskom intervalu [t0 . ∆t . t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = .001) − y(1) .236 ˇ POGLAVLJE 6.

x0 ∈ I.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 .2. tj. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . c Primjer 6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.♠ 6.6. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.2.4: Sekante i tangenta. 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. f : I −→ R. Ako postoji z c f (x0 + ∆x) − f (x0 ) .2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. c mjeri brzinu promjene veliˇine c Definicija 6.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.

238 ˇ POGLAVLJE 6.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. . Derivacija funkcije f (x) = kx + l je f (x) = k. Derivacija funkcije f u toˇki x0 je broj. 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. Dakle brzina promjene linearne funkcije je konstanta.15 Pogledajmo sljede´e primjere: c 1. l ∈ R. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x).♠ ∆x−→0 ∆x 6. ∆x−→0 ∆x Napomena 6. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). c z Primjer 6.6 Uoˇimo bitnu razliku.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π.2. Dakle je c f (x) = lim f (x + ∆x) − f (x) . UVOD U DIFERENCIJALNI RACUN Primjer 6. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. 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. c c koji se oznaˇava sa f (x0 ).

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

17 1. problem razliˇitih vrijednosti s lijeva i zdesna. To su npr. Primjer 6. odnosno da je tangenta pravac koji raste. tangenta je paralelna s osi x. Takve toˇke zovemo stacionarne toˇke. problem postoc janja limesa. funkcija pada c c na tom intervalu. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. c c 6. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . M= ∆x−→0− lim . ne postoji f (0). Tu funkcija niti raste c niti pada. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a).4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6.240 ˇ POGLAVLJE 6..2. U toˇkama gdje je f (x) = 0. Sliˇno. ako je f (x) < 0 na nekom intervalu. problem konaˇnosti c c limesa. tj. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. ∆x Lagano se vidi da je M = 1 i L = −1.4) ustvari limes funkcije f (x + ∆x) − f (x) . problem rubova domene.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Dakle iz Teorema 6.

1. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . ∆x−→0 dakle ne postoji f (0).2. ∆x ∆x−→0 dakle ne postoji f (0). √ 3 241 x nije derivabilna u x0 = 0.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 .7 imamo da je c lim √ 3 1 ∆x2 = +∞.7 imamo da je c lim √ 3 1 = +∞. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). 3. 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 √ .♠ Teorem 6. Funkcija f : R −→ R dana formulom f (x) = x0 = 0. DERIVACIJA FUNKCIJE 2.6. c x0 ∈ I ⊆ D(f ). Tada je f i neprekidna u x0 . ∆x ∆x−→0 .1.

produkta i kvocijenta funkcija Teorem 6. ∆x = 0 . ali vidjeli smo da nisu derivabilne. ∆x f (x0 ). ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6.19 op´enito ne vrijedi.20 Neka su funkcije f. f · g i f g (tamo gdje je definirana. ∆x−→0 ∆x ∆x .12 imamo da je f neprekidna u x0 . Sve tri funkcije iz Primjera 6. razlike. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . i vrijedi 1.17 su c neprekidne u nuli. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. Tada su na I derivabilne i funkcije f ± g. I ⊆ D(g). za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). (f (x) ± g(x)) = f (x) ± g (x) 2. Nadalje. Derivacija zbroja.12 zakljuˇujemo da je funkcija g neprekidna u x0 . (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x).♣ Obrat Teorema 6. tj. f (x) g(x) = f (x)g(x)−f (x)g (x) . Iz Teorema 6.242 ˇ POGLAVLJE 6. g 2 (x) Dokaz: 1. 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 ). za one x ∈ I za koje je g(x) = 0).

odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). 3. 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) . imamo g(x) · = 0.♣ .♣ g 2 (x) Napomena 6. za svaki x ∈ I. derivabilna na I i vrijedi (λf ) (x) = λf (x). f (x) g(x) f (x)g(x) − f (x)g (x) . Kako je g(x) · 1 g(x) = 1. c dakle je po Teoremu 6. Izraˇunajmo prvo c 1 g(x) . po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) .2. tj. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. Oˇito je D(g) = R. DERIVACIJA FUNKCIJE 2.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x). gdje je λ ∈ R proizvoljan.19 imamo ∆x−→0 lim g(x + ∆x) = g(x).6. Dakle 1 g(x) = 0.7 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) . ∆x−→0 ∆x−→0 Sada iz Teorema 6. za svaki x ∈ I. Tada je funkcija λf . tj.

i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1.244 ˇ POGLAVLJE 6.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . f (x) Ovo se. z Teorem 6. f (x) = 0 na I i neka postoji f −1 . gdje je g(x) = x2 . naravno. f (x) ♣ . Dakle imamo f −1 (f (x)) = x. odnosno (f −1 ) (f (x)) = 1 . c −1 tj. Dakle. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.15 i Primjera 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . Izraˇunajmo joˇ i (f ◦ g) . Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 .21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. Sada primjenom Teorema 6. f (x) = sin x. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . g = f . moˇe provesti samo ako je f (x) = 0. x ∈ I ⊆ D(f ). iz Teorema 6. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).21. f (x) ∈ J ⊆ D(g). Primjera 6. c Primjer 6.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x.22 Neka je funkcija f : R −→ R derivabilna na intervalu I.

x 1 √ . ∆x−→0 ∆x lim dakle je f (x) = ex .21 i 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. Derivacija funkcije g(x) = √ 1 . i vrijedi (f ◦ g)(x) = x.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. odnosno 1 g (x) = √ .22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. DERIVACIJA FUNKCIJE Primjer 6. Osnovne derivacije dajemo u sljede´oj tablici.20. 6.20. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. odnosno g (x) = 2.8 Studentima se preporuˇuje da provjere donje formule samostalno. .22 i derivacijama iz donje tablice. Derivacija funkcije g(x) = ln x je g (x) = x .22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. Kako je (f ◦ g)(x) = x iz Teorema 6.19 Pogledajmo sljede´e primjere: c 1 1. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . 2 x x je g (x) = Iz Primjera 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. Iz Teorema 6. 6.10 imamo da je f (x) = lim e∆x − 1 = 1. c Napomena 6.6.2. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .21 i 6.

Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). Jasno je da je ∆x = tg α. f (x0 )) biti dosta mala. 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 .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. 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. f (x0 )) s c c ∆f apscisom x0 + ∆x.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. no to je ponekad teˇko izraˇunati.2.1: Derivacije elementarnih funkcija 6. f (x0 )) i osi x. c tj. odnosno ∆f = tg α∆x . Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 . vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s .

veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . c Teorem 6.6. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I.♣ c . Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). DERIVACIJA FUNKCIJE 247 ∆x.2. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.5). f (x0 )). Dakle. y f(x) α 0 x0 x 0+ ∆ x x Slika 6. jednadˇba tangente u c z toˇki (x0 . Tada od svih polinoma stupnja najviˇe jedan. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 .5: Diferencijal funkcije. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.1.

5 1 1. 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”.248 ˇ POGLAVLJE 6.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. to su razlike ordinata na grafu i na tangenti male za istu apscisu. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).5 2 Slika 6.16 znamo da je f (x) = cos x. Iz Primjera 6.23). c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. Dakle. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x.5 -1 0. 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. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.♠ s s c . c Primjer 6. dakle je f (0) = cos 0 = 1.

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

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).

postoji x ∈ a. b−a onda Teorem 6. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. proizvoljne. b−a y f(x) 0 a x0 b x Slika 6. b−a f (b) − f (a) (x − a).26 kaˇe da za svaku sekantu kroz toˇke (a. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). b ∈ I. f (a)) i (b. f (a)) i (b. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. Napomena 6.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. tj.13 Primijetimo: 1.2. b za koju je F (x ) = 0. c . f (b)) z c postoji toˇka x ∈ (a.6. b) u kojoj je tangenta paralelna s tom sekantom. tj.♣ f (b) − f (a) . Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). a < b. Neka je L pravac kroz toˇke (a.25. f (b)).

0 x>1 oˇito f ima prekid u x = 1. x za koji je f (x) − f (a) = f (x ). x ≤ 1 f (x) = 3 x > 1. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). x ≤ 1 . Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). 2 za koji je f (x ) = 1. .258 ˇ POGLAVLJE 6.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. b−a ali ne postoji x ∈ 0. Ako je dana funkcija f : R −→ R formulom 3x.26 je bitan. Uvjet f ∈ C 1 (I) iz Teorema 6. Kako je f (x) = 3. z Iz Teorema 6. UVOD U DIFERENCIJALNI RACUN 2. po Teoremu 6. f neprekidna na R.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a.12. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. pa je. oˇito je c x−→1 lim f (x) = 3 = f (1). y f(x) 0 a b x Slika 6.

tj. Koliko je ta aproksimcija dobra? Odnosno. i ne znamo ga toˇno. c Usporedimo to s lokalnom linearizacijom (toˇka 6. S druge strane. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. .2. iz Teorema 6. poznavaju´i vric c jednosti viˇih derivacija u x0 . moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6.14 Za n = 0 Teorem 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 . 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 +.6. Teorem 6. Napomena 6. f (a)) i (x.27 je baˇ Lagrangeov teorem srednje s vrijednosti.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. imamo toˇan izraz.26.2. no u nekoj toˇki sigurno je. imamo c pribliˇni izraz.♣ 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..27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).5).. tj. ali ne znamo za koji x . tj.+ (x−x0 )n + (x−x0 )n+1 . f (x)). tj.

Sliˇno kao i Teorem 6. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa..♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. T1 (x) = f (0) + f (0)x = x. 2! . . f (x0 )) od svih c polinoma danog stupnja. Dakle. Dakle. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0.24 Neka je dana funcija f (x) = sin x.23.... UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 . 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 .260 ˇ POGLAVLJE 6. Aproksimacija je dobra lokalno. s Primjer 6. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . x2 = x. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|. 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − .

. Moˇe se pokazati da su funkcije ex . (2n)! Napomena 6.28 Neka je f ∈ C 1 (I) za neki interval I.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 .3.1). n! ∞ sin x = n=0 (−1)n x2n+1 . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . odnosno konvergirati nekoj z (x drugoj funkciji. dakle nisu jako c dobri za numeriku.15 Taylorovi redovi obiˇno sporo konvergiraju. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). . sin x. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. 6. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.2. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. tj...8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6.2..

Obratno. ∆x Primjer 6. Medutim.♠ Iz Primjera 6. Tada. obratna tvrdnja ne mora vrijediti. Iz Napomene 6. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. po Teoremu 6. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. Limes nenegativne funkcije mora i sam biti nenegativan. jer se c s c medu njima nalaze potencijalni ekstremi.25 zakljuˇujemo da u Teoremu 6.11 imamo da obrat ne vrijedi. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x).26 postoji x ∈ (x. Neka je f ∈ C 1 (I) rastu´a funkcija na I. pa je f (x) = lim za svaki x ∈ I.24 smo vidjeli da. . onda funkcija strogo raste (pada) na I. to je i lijeva strana takva.28 primjenom Teorema 6. UVOD U DIFERENCIJALNI RACUN 1. Dokaz: c 1. Ovaj smjer se dokazuje analogno kao u Teoremu 6. Kako je desna strana gornje jednadˇbe nenegativna. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. dakle z funkcija f raste na I. ∆x za svaki x ∈ I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. pa je f (x + ∆x) − f (x) ≥ 0. onda je f (x0 ) = 0. Dokaz ide na sliˇan naˇin. 2.262 ˇ POGLAVLJE 6. 2.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. x−→0 U Teoremu 6. za svaki x ∈ I. Jedan smjer bismo mogli dokazati. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 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. lim x2 = 0). za svaki x ∈ I. Dakle ne vrijedi f (x) > 0 na R. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.26.

kaˇemo da je f konkavna na I. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. Definicija 6. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. Ako derivacija s c ne mijenja predznak. 2 za sve x1 . Teorema 6. Teorem 6.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. . Dokaz: Izravno iz toˇke 5. c Kao ˇto smo rekli. u stacionarnoj toˇki funkcija moˇe. Teorema 6. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 .2. x2 ∈ I. jer konveksnost i konkavnost ovise o predznaku druge derivacije. a s druge pada (raste)). inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). imati s c z lokalni ekstrem. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). c Dakle. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj.6. onda u x0 funkcija f ima lokalni maksimum.1. DERIVACIJA FUNKCIJE 263 Definicija 6. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) .24.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. x2 ∈ I.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . da je barem f ∈ C 2 (I)). ali i ne mora. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . onda u x0 funkcija f ima lokalni minimum.4.♣ c Konveksnost.28. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 .

2. Primijenimo li Teorem 6. c .3). Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. 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. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. Uzmimo x proizvoljan iz te okoline. a graf konkavne funkcije iznad sekante kroz toˇke (x1 .264 ˇ POGLAVLJE 6.27 za sluˇaj c n = 1. konveksnost i konkavnost su odredene predznakom druge derivacije.31. za svaki x ∈ I.♣ Teorem 6. Zbog neprekidnosti druge c derivacije. c c Dakle. UVOD U DIFERENCIJALNI RACUN Definicija 6.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Ako je f (x0 ) > 0.30 Neka je f : I −→ R klase C 2 (I). a konkavna ako je za sve x1 .31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). iz Teorema 6. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)).6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Dokaz ide na sliˇan naˇin. Teorem 6. funkcija f ima u x0 ∈ I lokalni maksimum. c 2. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. za svaki x ∈ I. funkcija f ima u x0 ∈ I lokalni minimum. Onda ´e i toˇka cx iz Teorema 6. x2 ∈ I graf konveksne funkcije je ispod. jer c c se nalazi izmedu x0 i x. Npr. ali je f (0) = 0. f (x1 )) i (x2 . 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. Dakle je f (cx ) > 0.27 biti iz te okoline. Dokaz: 1. f (x2 )). imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). c 1. 1. 2. izmedu x1 .

6. x ∈ I. Neka postoji δ > 0 takav da je funkcija f na c − δ. Npr. Ako je g (x) = 0 za svaki x = x0 .2. pa je po Teoremu 6. pa x = 0 ne moˇe biti z toˇka infleksije. moˇda. onda je c f (c) = 0. c c Kaˇe se joˇ da je toˇka (c.34 Neka su f i g derivabilne funkcije na I osim. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. ali je f (x) > 0 za x ∈ −∞. x ∈ I. c strogo konkavna 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 . c + δ strogo konkavna ili je na c − δ. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . Dakle je konveksna na −∞.L’Hospitalovo pravilo c Teorem 6. z s c c Teorem 6. neka je f na c − δ. c) i pada na (c.♣ Raˇunanje limesa . g (x) onda je i x−→x0 lim f (x) = L. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. Ako je c ∈ I toˇka infleksije od f . c + δ). f ima lokalni maksimum u c.32 Neka je f ∈ C 2 (I). c Dokaz: Izravno iz Definicije 6. z Neka je lim f (x) = lim g(x) = 0. c strogo konveksna i na c. Onda je c toˇka infleksije od f .27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . 0 i f (x) > 0 za x ∈ 0. Dokaz: Bez smanjenja op´enitosti. f (c)) toˇka infleksije grafa funkcije f . DERIVACIJA FUNKCIJE 265 Definicija 6.24 f (c) = 0.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c.7 Neka je f : I −→ R i c ∈ I. ∞ . c Teorem 6. ∞ . c strogo konveksna i na c.7. Iz Teorema 6. Tada iz Teorema 6. 0 i 0. Dakle.♣ Uvjet f (c) = 0 iz Teorema 6. u x0 ∈ I.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. c + δ strogo c konkavna za neki δ > 0. c + δ strogo konveksna. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0.30 imamo da funkcija f raste na (c − δ.

α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. tg α2 = f2 (x0 ). iz Teorema 6. .12) i 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) . . Tada.12). 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. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . 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 ) = . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . g(x0 ) = 0. .16 Neka su funkcije f. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.♣ g (x) f g Na Teorem 6.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. c Dakle. g (n+1) (x0 ) = 0. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). Znamo da je c tg α1 = f1 (x0 ).27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . .266 i ˇ POGLAVLJE 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. f (x0 ) = 0. analogno kao u dokazu Teorema 6. f (n) (x0 ) = 0. . g (n) (x0 ) = 0.34. po g (x0 ) = 0. c Napomena 6.

1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . ako i samo ako je f1 (x0 )f2 (x0 ) = −1. a > 0. z c c Primjer 6. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . odnosno ako i samo ako je tg α = ∞.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a.2.2. c c pa moˇemo re´i da se diraju u toj toˇki. dakle je f1 (x0 ) = f2 (x0 ).6. tj. . Ako je α = 0. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . To znaˇi da u c toˇki (x0 . onda je i tg α = 0 .14: Kut izmedu dviju krivulja. x a + x2 = f2 (x). f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. Iz toˇke 2. 1 + f1 (x0 )f2 (x0 ) Napomena 6.

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

Postupak: 1. u izvjesnom smislu. samokorigiraju´i. . s 5. Prona´i intervale konveksnosti. periodiˇnost. c c 4.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. c Primjer 6. Odrediti domenu funkcije (prirodno podruˇje definicije). Odrediti intervale monotonosti i lokalne ekstreme. to upu´uje na pogreˇku u raˇunu.2. 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. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. Ispitati ponaˇanje na rubovima domene (asimptote). c c 2. konkavnosti i toˇke infleksije. Sloˇiti sve dobivene podatke u graf funkcije. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom.6. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. Prona´i stacionarne toˇke. Postupak je. c c 6. Ispitati parnost. c c z 8. neparnost. 7. 3. 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. Oznaˇimo c li tu duljinu s x. Nadalje je V (x) = (a − 2x)(a − 6x). Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka.

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

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

.

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

linearan operator koji mu je inverzan. . Definicija 7. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. C ∈ R. c Primjerice.20 i Napomene 6. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije.2.274 ˇ POGLAVLJE 7. Teorem 7. Odatle slijedi vaˇno svojstvo primitivnih funkcija.7 izravno slijedi da je operator deriviranja linearan. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. da je x primitivna funkcija funkcije x. jer je derivacija svake konstante jednaka nuli. 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).1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). Zanima nas. Uvedimo prvo ime za takve funkcije. 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. Stoviˇe.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. UVOD U INTEGRALNI RACUN deriviranja operator. a onda pogledajmo kada postoje i koja su im svojstva. itd. Iz Teorema 6. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. ako postoji.1 Neka je f neprekidna funkcija na I ⊆ R.

♣ 7. a to je upravo druga tvrdnja teorema. C ∈ R je konstanta integracije.2.1 beskonaˇan.7. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. slijedi H(x) = H(x0 ) za svaki x ∈ I. 275 Dakle imamo prvu tvrdnju.4). c F (x) je primitivna funkcija funkcije f (x). koji je po Teoremu 7. f (x) je integrand. dx pokazuje po ˇemu se integrira.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). s To nije toˇno inverz od derivacije. 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. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . Ostale raˇunamo koriste´i svojstva c c c . Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom.1. gdje je c neka toˇka izmedu x i x0 . dolazi od S kao suma. ˇalje c s u f. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). H je konstantna funkcija. Interpretirajmo elemente ove formule: je znak integrala. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0.1. Piˇemo s f (x)dx = F (x) + C. tj.

2. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. zbog linearnosti derivacije. Neka je F primitivna funkcija funkcije f . Kako je imamo f (x)dx f (x)dx = F (x) + C.♣ Napomena 7. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. 2. UVOD U INTEGRALNI RACUN neodredenog integrala. Oˇito je.1 Iz Teorema 7.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C.♣ . Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. c zbog linearnosti derivacije.7). Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.276 ˇ POGLAVLJE 7. Za ostale operacije nema jednostavnih pravila. cF c primitivna funkcija funkcije cf . = (F (x) + C) = F (x) = f (x). Dokaz: Neka je F primitivna funkcija funkcije f .20 i Napomena 6. Teorem 7. Dokaz: 1. z Teorem 7. Oˇito je. F ± G primitivna funkcija funkcije f ± g. f (x)dx.3 Vrijedi: 1.2 f (x)dx = f (x).

S druge strane.3. tzv. c 7.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.7. c c z z to obiˇno nije lako.2) i svojstva iz Teoc c rema 7.1. Ako se i moˇe integrirati. eksponencijalne i z trigonometrijske funkcije. tabliˇne integrale. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. Najpoznatiji primjer je e−x dx.1 Pogledajmo sljede´e primjere: c .2. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. izraˇunati derivaciju bilo koje c c c elementarne funkcije.1. Primjer 7.1.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. Tako moˇemo integrirati polinome i jednostavnije racionalne. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.4). c c koriste´i pravila i tablicu derivacija (toˇka 6.

3). 3). Dakle je 3 = F (1) = 1 + 1 + C. Drugim rjeˇima. 3).3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. Koriste´i Teorem 7. y 3 0 1 x Slika 7. 3 2. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. i one c 3 su oblika x +x+C. i to je x3 +x+1. i ˇiji graf prolazi kroz toˇku (1. Traˇena funkcija je F (x) = x3 + x + 1. pa je C = 1.2: Primitivne funkcije funkcije 3x2 + 1. UVOD U INTEGRALNI RACUN 1.278 ˇ POGLAVLJE 7. Samo jedna prolazi toˇkom (1. Koriste´i Teorem 7.♠ c . 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. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1.

ne mogu integrirati produkti funkcija (osim c za polinome. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x.3 i tabliˇne integrale. + C.1.♠ 2 . Ipak. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. ima jedan sluˇaj kad se c produkt funkcija lako integrira. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. op´enito. tj.5).2 Odredimo integral funkcije f (x) = sin x cos x. ovo moˇemo pisati kao c c z sin x d(sin x). deriviranjem sloˇenih funkcija. Koriste´i izraz za diferencijal (toˇka 6.7. a to znamo da je u2 2 sin x d(sin x).2. z Primjer 7. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. gornji se integral svodi na u du. Dakle je sin x cos x dx = 1 2 sin x + C. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx.

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

♠ u Napomena 7. a nije ni produkt. f (ax + b)dx = f (u) du 1 = a a du = a dx 1 1 f (u)du = F (u) + C = F (ax + b) + C.1. 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. pa je dx = Uvrstimo u integral. 2x 1 dx.♠ x2 . Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. imamo 3x dx = 3 x2 − 1 Da smo imali x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln |x2 − 1| + C. x2 −1 Uvedimo supstituciju u = x2 − 1.5 Odredimo integral funkcije f (x) = 3x . Primjer 7. cos x i da je sin x derivacija od − cos x. tako i iz diferencijala. u 2 2 du . Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije.4 Odredimo integral funkcije f (x) = tg x .2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. Sada je du = 2x dx. NEODREDENI INTEGRAL Primjer 7. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. Dakle. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. kako iz integranda.7. 281 sin Integral tg x dx nije tabliˇni.

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

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

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

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

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

Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. i ostatak r(x) koji je polinom stupnja 0. konstanta. . Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora. tj. onda je to i x0 . onda je to i x0 .♠ u Integriranje racionalnih funkcija za koje ne moˇemo na´i zgodnu supstituciju z c temelji se na metodi rastava racionalne fukcije na parcijalne (djelomiˇne) rac zlomke. c Napomena 7. ako je x0 ∈ C oblika a + bi. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . Tada vrijedi: 1. r(x) = C ∈ R. a u brojnicima konstante ili linearni polinomi. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. c c 3. Uvrstimo u integral. tj.) Dokaz: 1. ako je x0 ∈ C nultoˇka od Pn (x). Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. onda je x0 = a − bi. Odredimo integral funkcije f (x) = 1 . Ako je x0 ∈ R. c 2. c Neka je x0 ∈ C \ R. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. c Metoda se temelji na sljede´im svojstvima polinoma. pa je du = dx. NEODREDENI INTEGRAL 3. 2.7. onda je x0 = x0 . tj. Qn−1 (x). ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). pa tvrdnja oˇito vrijedi. x−3 287 Uvedimo supstituciju u = x − 3. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. gdje c su a. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. ako je x0 ∈ C nultoˇka od Pn (x).1.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. polinom (x − x0 ) dijeli s c c z polinom Pn (x). onda polinom (x − x0 ) dijeli Pn (x). b ∈ R.

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

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

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

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. 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). B = 2. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. x(x−2)(x+1) x+2 A B D = + + .11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . D = −1. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 .7. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. Rjeˇenje je A = 3.♠ x−1 Ako su nuliˇta nazivnika jednostruka. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .1. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C.♠ 3 3 . sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.

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

Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji.2.2 7. s P = i P (Ti ). tj.1 Odredeni integral Motivacija . s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. duˇinama.7. problem moˇemo s c z smatrati u biti rijeˇenim. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni.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. Povrˇina je geometrijska kategorija. ploha.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. c . ODREDENI INTEGRAL 293 7. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. Takav lik ˇesto zovemo krivuljnim trapezom. c z Napomena 7. T1 T2 T3 T4 Slika 7. jer je to uobiˇajenije. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.3: Triangulacija podruˇja u ravnini omedenog duˇinama.2. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. gdje se zbraja po svim trokutima triangulacije Ti . Kako povrˇinu trokuta znamo raˇunati. Lik se triangulira. tj.

zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. Neka je ta funkcija neprekidna. za svaki x ∈ [a.5: Rastav ravnog lika na krivuljne trapeze.4: Krivuljni trapez. krivuljni trapez omeden odozdo komadom osi x. Promatrajmo. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. i da komad krivulje bude graf neke funkcije. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. dakle. (Funkcija f je strogo pozitivna na [a. s lijeva pravcem x = a. b]. funkcija f na segmentu [a. b] .294 ˇ POGLAVLJE 7. b] ako je f (x) > 0.6.) Po Teoremu 6. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. b x KT 1 KT2 KT KT3 4 Slika 7. b] funkcije f (x).

.. n − 1. z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M. b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < . < xn−1 . xi ]. n (brojevi mi i Mi c . b za svaki i = 1.2. b]. Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 ..7. b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu. .. S druge strane. pravokutnik s osnovicom [a. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 . Ideja je da se uzimanjem sve uˇih i uˇih osnovica z z nepoznata ploˇtina P moˇe po volji dobro aproksimirati zbrojevima povrˇina pras z s vokutnika upisanih ili opisanih malim krivuljnim trapezima. b] i visina M . . Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a.6: Gornja i donja meda za ploˇtinu krivuljnog trapeza. b].. pri ˇemu su xi ∈ a. i = 1.. Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7.. Oznaˇimo li traˇenu ploˇtinu s P .. s je manja razlika vrijednosti M i m. Imamo gornju i donju ocjenu nepoznate veliˇine P . 295 gdje je m minimum.. ∀x ∈ [a.. i = 1. b] oznaˇimo s x0 = a i xn = b. a M maksimum funkcije f na [a. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima. Dakle je m ≤ f (x) ≤ M. Podijelimo segment [a.n. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost.. c Krajeve segmenta [a.

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

.2. . pravcima x = a i x = b.2 Neka je f neprekidna funkcija na [a. b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a. te komadom grafa pozitivne neprekidne (na [a.. xi ] toˇku si .. c s Uzmimo u svakom segmentu [xi−1 . ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a). c Napomena 7. 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r.. ˇ Sto se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju podjelu segmenta [a. b]. tj. . i = 1. Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f . ako su stare toˇke c u podjeli podskup novih. a Krajevi segmenta [a. tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. Dakle. Veliˇina x je varijabla integracije. b]. Funkcija f (x) je podintegralna funkcija ili integrand. n.7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x. Ako uzimanjem sve finijih i finijih podjela od [a. c c a donja se ne smanjuje.. b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava. b] i oznaˇavamo s c b f (x)dx. to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi . Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a.. i = 1. Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f . n. onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti. To vrijedi ako se podjela profinjuje. b] su granice integrala (donja i gornja). . c Definicija 7.7. Kako je mi ≤ c f (si ) ≤ Mi .

Uoˇimo da za svaku podjelu r segmenta [a.♣ Napomena 7. b] integrabilne. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. 1 dx. onda je ona i c ograniˇena. n. b]. b]. x∈Q 0. Koje jesu? Neprekidne sigurno jesu.8 Dirichletova funkcija ima prekid u svakoj toˇki. Izraˇunajmo iz definicije c b 1. .13 vidimo da nisu sve funkcije na segmentu [a.6 Svaka neprekidna funkcija na [a. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. c i = 1. c Dokaz: Ako f raste na [a. za svaki x ∈ [a.♣ Primjer 7. b] je integrabilna. b].9 Uoˇimo da ako je f monotona funkcija na [a. b]. UVOD U INTEGRALNI RACUN Definicija 7. a . f (x) = nije integrabilna.♣ Teorem 7.298 ˇ POGLAVLJE 7. c Iz Primjera 7.. Primjer 7. b].. b] z kaˇemo da je f integrabilna na [a.♠ Napomena 7. onda je f (a) ≤ f (x) ≤ f (b). b] je integrabilna. nisu integrabilne.14 1. z c tj.13 Dirichletova funkcija. b]. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a.. dakle je f ograniˇena funkcija na [a. tj. b] imamo mi = 0 i Mi = 1. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0).3 Ako za funkciju f moˇemo definirati odredeni integral na [a. Koje joˇ? s Teorem 7. x ∈ R \ Q. Dirichletova funkcija nije integrabilna.5 Svaka monotona funkcija na [a. b].

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

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

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

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

a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. x. 1. .... x2 . 6.♣ b b 5.. i = 1.18.. n.3). dakle i integrabilna. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. b]). i Mj = f (c). ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx.. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. unutra se sigurno nalaze sve neprekidne funkcije na [a. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. Ako je funkcija f : [a. Nadalje. Stoviˇe. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. .. i = 1. Dakle je s(r) = 0 i S(r) = Mj ∆xj . onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.} se c nalazi u nekoj bazi od R(I). b] i da je f (c) > 0. a cf (x)dx = c a f (x)dx. pa je mi = 0. b] (skup R(I) nije prazan. . b] toˇka c pada u toˇno jedan c c [xj−1 . .♣ c Napomena 7.2. a (f (x) ± g(x))dx = a ili aditivnost integrala. i svaka funkcija iz tog skupa je neprekidna na I.13). a 4. j + 1. Mi = 0..2 i Teorema 6. Oˇito je z c c tada m = 0. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). j − 1. gdje je c ∈ R proizvoljan. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. onda je c b f (x)dx = 0. Beskonaˇnodimenzionalan je..18.. M = f (c) i za svaku podjelu r segmenta [a.2 i Teorema 6. .. Dakle beskonaˇni skup {xn : n = 0. .11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. n.7. jer npr. skup c {1... xj ]..

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

3 slijedi da postoji interval . Ako je f neprekidna i nenegativna funkcija na [a. Odatle slijedi da je F (b) ≥ F (a) = 0. po Teoremu 6. b] odnosno stroge pozitivnosti na [x1 . b].2.7. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. b] tada iz Teorema 6. b] onda vrijedi stroga nejednakost. b]. Ovo svojstvo se zove svojstvo monotonosti integrala. Dokaz: Po Teoremu 7. b] oko toˇke c takav da je f (x) > 0. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. c F (x) = g(x) − f (x) ≥ 0. onda je b f (x)dx > 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. Tada je b b f (x)dx ≤ a a g(x)dx. Dakle.8 je dobro definirana funkcija F ∈ C 1 [a. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b] iz Teorema 6. Ako je f (c) < g(c) za bar jedno c ∈ [a. onda je F (c) = g(c) − f (c) > 0. x2 ] imamo x2 f (x)dx > 0. Kako je funkcija F = g − f neprekidna na [a. x2 ∈ I takve c da je x1 < c < x2 . b] i ako je f (c) > 0 za neki c ∈ [a. Neka su f i g neprekidne funkcije na [a.♣ 9. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. ODREDENI INTEGRAL 305 8.3 slijedi da postoji interval I ⊂ [a. i oˇito ima pozitivnu derivaciju. Iz pozitivnosti funkcije f na [a. b].28 F raste na [a. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. Dakle postoje x1 . b]. za svaki x ∈ I . tj.

iz svojstva 9. 11.6. pa postoji barem jedan c ∈ [a. Nadalje. a b b f (x)dx ≤ a |f (x)|dx.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. UVOD U INTEGRALNI RACUN I ⊂ [a.306 ˇ POGLAVLJE 7. a Dokaz: Po Teoremu 6. b]. b]. iz svojstva 9. b] za koji je b f (x)dx = f (c)(b − a). b] −→ R. za svaki x ∈ [a. za svaki c x ∈ [a. odnosno po Teoremu 6. b] takva da je c b f (x)dx = f (c)(b − a). iz neprekidnosti funkcije f na [a. za svaki x ∈ I . Ako f nije konstanta na [a. tj. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). Dakle postoje x1 . tj. imamo da je F (b) > F (a) = 0.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . Nadalje iz Teorema 6. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). odnosno imamo strogu nejednakost. Tada postoji toˇka c ∈ [a.♣ a Izraz 1 b−a b f (x)dx a . b] oko toˇke c takav da je F (x) > 0.28 c F strogo raste na I . Neka je f : [a. b]. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. b].7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. i Primjera 7. Teorem 7. m ≤ f (x) ≤ M . b].♣ 10.

7 ne mora vrijediti: Primjer 7.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.♠ c . a Teorem 7.7. se zove srednja vrijednost funkcije f na segmentu [a.+an dine (aritmetiˇka sredina od a1 .15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.9: Teorem srednje vrijednosti za odredeni integral. 1] za koju je f (c) = 0. Odatle ime teoremu. n Za funkcije koje nisu neprekidne Teorem 7.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. Povrˇina ispod s grafa neprekidne funkcije f nad [a. x < 0.. x ≥ 0 −1.2. . c Napomena 7. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. an ∈ R je a = c ). imamo da je 1 f (x)dx = 0. b]. Nadalje. −1 medutim ne postoji toˇka c ∈ [−1... kako je f neparna c funkcija. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. Oˇito je da funkcija f ima prekid u x0 = 0... a2 . iz svojstva 7.

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

NEWTON . Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.LEIBNIZOVA FORMULA je derivabilna na [a.6). Po Teoremu 7.11: Funkcija F (x). x+∆x].7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. ∆x odnosno f (ζ1 ) = m ≤ . lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. Ho´emo gledati c ∆F . Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. b]. pa onda i na svakom podsegmentu [x. ∆F ≤ M = f (ζ2 ). b] i vrijedi F (x) = f (x).3. ∆x−→0 ∆x Funkcija f je neprekidna na [a.7.

U njoj se povezuju odredeni integral. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). F (x) = f (x).♣ x ∆x−→0 ∆F ≤ f (x). Dakle je F (x) derivabilna funkcija na cijelom [a. onda. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. tj.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. i neodredeni. toˇke ζ1 i ζ2 moraju teˇiti prema x. Odatle je a f (x)dx = F (b) − F (a).2 c dobivamo x b F (a) = a f (a)dζ = 0. do kojeg dolazimo preko limesa niza integralnih suma.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Sliˇno i za ζ2 −→ x.♣ Newton .12). f (x) ≤ F (x) ≤ f (x). ∆x Teorem 7.310 ˇ POGLAVLJE 7.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. z Teorem 7. b]. a Dokaz: Prema Teoremu 7. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ).9 (Newton .2. iz toˇke 7.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. Odatle slijedi c f (x) ≤ lim tj. b] i F (x) = f (x). do kojeg smo doˇli pokuˇavaju´i invertirati s s c . b F (b) = a f (ζ)dζ. no dokaz je bitno sloˇeniji. zbog neprekidnosti funkcije f na [a.

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

UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. b i neka je x−→b− lim f (x) = +∞. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. u dv = uv a b a − a v du. kao i da je samo poc druˇje integracije konaˇno. tj. Primjer 7.♠ 7.312 ˇ POGLAVLJE 7. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. Iz Primjera 7.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.6 i omedena) na podruˇju integracije. c c c Neka je funkcija f neprekidna na [a.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3. . U takvim sluˇajevima govorimo c s c o nepravim integralima.♠ 3 Kod parcijalne integracije situacija je jednostavnija.10.17 Izraˇunajmo c 0 1 xex dx.

7. tj. . Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. kaˇemo da nepravi integral z konvergira i piˇemo s b x a f (ζ)dζ ima vrijednost ili da f (ζ)dζ = lim a x−→b− f (ζ)dζ = L. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. c c Primjer 7. c y f(x) 0 a x b Slika 7. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a.18 1. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. b postoji integral te funkcije u granicama od a do x. tj. u toˇki a. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. a Ako promatrani limes ne postoji.4. postoji x f (ζ)dζ. kaˇemo da integral divergira ili da nema z znaˇenja.

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

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

jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). Uz svojstvo monotonosti integrala (svojstvo 9. Neka je funkcija f neprekidna na [a. iz toˇke 7. c z z Promatrajmo sada drugi mogu´i izvor problema. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − .♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. divergira za n ≥ 1.19 moˇe posluˇiti pri usporedivanju. Znamo c . +∞ . situaciju kad podruˇje c c integracije nije ograniˇeno. −n + 1 −n + 1 za n > 1. integral dx divergira za n ≥ 1. 0]. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞.316 ˇ POGLAVLJE 7. Primjer 7.2) npr.2. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. tj. b]. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. Dakle tn b a dx (x − b)n konvergira za n < 1.

. Izraˇunajmo c +∞ 0 e−x dx. +∞ postoji integral te funkcije u granicama od a do x.20 1. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. c c da za svaki x ∈ [a. postoji x f (ζ)dζ.13: Nepravi integral po neograniˇenom podruˇju integracije. −∞ pa i za sluˇaj c +∞ f (x)dx. kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ. kaˇemo da integral divergira. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. −∞ Primjer 7. tj.4.7. a Ako promatrani limes ne postoji.

Izraˇunajmo c dx . x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. 2. Izraˇunajmo c 1 +∞ dx . Izraˇunajmo 1 +∞ dx . x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4.318 Imamo +∞ 0 ˇ POGLAVLJE 7. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira.♠ c . 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. c 3. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1.

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

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

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

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

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

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

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

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

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

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

pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). iz Primjera 7. 2 .16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Iz simetrije je jasno da mora biti xT = 0.ˇ 7. i=1 a to u limesu daje My = µ b a xf (x)dx. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. s Primjer 7. Kako je masa promatranog lika jednaka M = µP. Takoder.23: Teˇiˇte homogenog polukruga. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . upravo xi .5. zs s s y r 0 r x Slika 7. yT = 1 2 b 2 a f (x)dx b a f (x)dx .11). zs √ Imamo f (x) = r2 − x2 .25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. recimo. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi .

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

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

mjereno od osnovice. 4 Zbog M = µV = 14 3 R π.332 ˇ POGLAVLJE 7. dobivamo xT = 4 H. 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 .♠ 8 π 4 R . zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . 4 3 Zbog M = µV = 1 R2 πH. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.28 Odredimo teˇiˇte polukugle koja nastaje rotacijom polukruˇnice zs z √ z s s f (x) = R2 − x2 (polukruˇnica sa srediˇtem u ishodiˇtu polumjera R) oko osi y. tj.24: Teˇiˇte homogenog stoˇca. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.♠ z Primjer 7. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. Primjer 7. 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. 23 dobivamo xT = Mx M .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. za µ = 1. 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 .

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

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

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

Prijelazom na limes dobijemo gornju formulu. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . π] −→ R zadovoljava Teorem 7. n. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. 2 2 a onda se interval [a. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. moment inercije cijelog kruga obzirom na y os je Iy = Ix . 5 .. Iz ϕ(t) = −r imamo t1 = π. i visine ∆xi = xi − xi−1 .. i = 1. xi ].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. Sada iz Primjera 7.♠ 2 Kombinacijom razmatranja iz toˇke 7. Oˇito funkcija ϕ : [0. Analogno iz ϕ(t) = r imamo t2 = 0.. c Primjer 7. 4 4 4 Takoder zbog simetrije.5. . gdje je si ∈ [xi−1 . i zbroje se momenti inercije malih valjaka polumjera f (si ). b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. xi ]. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt.336 ˇ POGLAVLJE 7. dakle je 1 I0 = Ix + Iy = M r2 .2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a.10.8 imamo 1 Ix = r4 π. b] podijeli na male podsegmente [xi−1 .

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

UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. i .27: Ploˇtina plaˇta rotacijskog tijela. s yT = b a f (x) √ 1+[f (x)]2 dx .6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π. n. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . i = 1.26). imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). mase µ. n.. b] rotira oko osi x... s 7. b] na podsegmente [xi−1 . . i = 1. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.. Dijeljenjem segmenta [a.. . polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r).338 ˇ POGLAVLJE 7. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. xi ]. s s plaˇta krnjeg stoˇca polumjera donje osnovice R.5. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.. xi ].

.31 Izraˇunajmo oploˇje kugle. i = 1.12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka. c ds = 1 + [f (x)]2 dx.5. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds.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 . 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 .♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. tj. Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π.. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. Teorem 7. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. . .♣ s zs 7. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . ploˇtinu sfere polumjera r.ˇ 7. Toˇnije. Primjer 7. gdje je si ∈ [xi−1 . xi ].5..26). Ovdje smo s ds oznaˇili diferencijal luka. ako znamo poloˇaj tijela u trenutku t1 = 0. n.

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

Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . onda je b W (h) = a F (x)dx. Odavde odmah slijedi da je rad sile F (x) na putu [a.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. 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. To je formula dobivena integriranjem konstantne sile mg od 0 do h. Primjer 7. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. ako se masa tijela mijenja. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a.33 Jarak duljine 10 m.ˇ 7. no nije ni bitna. Tada ´e njen integral (tj. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. Konstanta k nam nije zadana u ovom primjeru. i nakon toga s . rad) biti kvadratna funkcija pomaka x. tj. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. pri ˇemu je g ≈ 9. F = −kx. b] z z b W = a F (x)dx. Problem rjeˇevamo tako da izraˇunamo masu vode u sloju izmedu s s c dubine x i x + ∆x te rad potreban ze njeno podizanje do povrˇine. s Primjer 7. Ako sila nije konstantna.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini.5.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . b].

30: Jarak iz Primjera 7. ˇirina c s 2(1 − x) m. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. a debljina sloja je dx metara). s x 0 y h Slika 7. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.342 ˇ POGLAVLJE 7. . a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. duljina jarka je 10 m.33. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka.33.83 J.29: Jarak iz Primjera 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x).

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

1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.35.344 ˇ POGLAVLJE 7.31: Kanal iz Primjera 7. UVOD U INTEGRALNI RACUN 0 1 Slika 7.♠ s c .

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

Sign up to vote on this title
UsefulNot useful